Strauß | Adapted Filter Banks and Support Vector Architectures: Hybrid Approaches to Machine Learning | Buch | 978-3-89722-906-8 | sack.de

Buch, Englisch, 180 Seiten, Format (B × H): 145 mm x 210 mm

Strauß

Adapted Filter Banks and Support Vector Architectures: Hybrid Approaches to Machine Learning


Erscheinungsjahr 2002
ISBN: 978-3-89722-906-8
Verlag: Logos

Buch, Englisch, 180 Seiten, Format (B × H): 145 mm x 210 mm

ISBN: 978-3-89722-906-8
Verlag: Logos

Der erste Teil befaßt sich mit der optimalen Darstellung von Wellenformen für Lernmaschinen. Verschiedene neue Verfahren werden vorgeschlagen, die Waveletzerlegungen mittels dem Signal angepaßter Filterbänke auf Basis der Kreuzgliedstruktur und Klassenseparabilitätskriterien nutzen - eine Technik die bisher in der Mustererkennung noch keine Anwendung fand. Insbesondere wird folgendes vorgestellt: Die Konstruktion von morphologischen lokalen Basen bezüglich einer Merkmalsunterscheidung zur Dimensionsreduktion, die Anpassung von Wavelets und Wavelet-Paketen zur Extraktion von Skalen-Konzentrationen im Hinblick auf eine Klassifikation mit harten Schwellwerten und neuronalen Netzen, sowie hybride Wavelet-Support Vektor Klassifikatoren, welche die Einbeziehung von a priori Information über lokale Instabilität in Zeit oder Raum und Verschiebungsvarianz gestatten. In diesem Zusammenhang werden erstmals radiale Basisfunktionen mit kompaktem Träger als Kerne für Support Vektor Maschinen untersucht. Die entwickelten Verfahren finden ihre Anwendung in aktuellen Fragestellungen der medizinischen Diagnostik und sind teilweise spezifiziert für diesen Bereich. Ihre Überlegenheit gegenüber konventionellen Techniken wird anhand von klinischen Daten demonstriert, insbesondere Wellenformen aus der Elektrokardiologie und Audiologie.

Der zweite Teil dieser Arbeit befaßt sich mit dem inversen Problem der Parameterdetektion von Dünnschichtfilmen anhand ihrer Röntgenreflektometriekurve. Die Auswertung derartiger Kurven basiert derzeit nahezu ausschließlich auf Expertenwissen und gestattet keine ausreichende Automatisierung. Zur Lösung dieses Problems wird eine neue Methode vorgestellt, die auf der 'sparse approximation' einer multivariaten vektorwertigen Funktion basiert und die Reflektometriekurven direkt auf dem Raum der Dünnfilmparametern abbildet. Dieser neuartige Ansatz bedient sich einer erweiterten Version der optischen Matrixmethode sowie parallelisierten Support Vektor Maschinen und ermöglicht die volle Automatisierung des Detektionsproblems. Die Leistungsfähigkeit dieser Methode wird anhand von simulierten und realen Daten verifiziert.

Strauß Adapted Filter Banks and Support Vector Architectures: Hybrid Approaches to Machine Learning jetzt bestellen!

Autoren/Hrsg.

Strauß, Daniel J.

Fachgebiete

Ihre Fragen, Wünsche oder Anmerkungen
Vorname*
Nachname*
Ihre E-Mail-Adresse*
Kundennr.
Ihre Nachricht*
Lediglich mit * gekennzeichnete Felder sind Pflichtfelder.
Wenn Sie die im Kontaktformular eingegebenen Daten durch Klick auf den nachfolgenden Button übersenden, erklären Sie sich damit einverstanden, dass wir Ihr Angaben für die Beantwortung Ihrer Anfrage verwenden. Selbstverständlich werden Ihre Daten vertraulich behandelt und nicht an Dritte weitergegeben. Sie können der Verwendung Ihrer Daten jederzeit widersprechen. Das Datenhandling bei Sack Fachmedien erklären wir Ihnen in unserer Datenschutzerklärung.