TY  - THES
U1  - Master Thesis
A1  - Harth, Christian
T1  - Erweiterung von Generalized [Relevance|Matrix] LearningVector Quantization zur Anwendung auf funktionale Daten
N2  - In dieser Arbeit werden die Verfahren GLVQ und GRLVQ mit der Sobolev-Metrik erweitert und an verschiedene Datensätze mit funktionalen Daten getestet. Außerdem wird ein Ansatz vor-gestellt, die Prototypen durch Überlagerungen von Basisfunktionen darzustellen. Dieser Ansatz wird zusätzlich noch auf den GMLVQ angewendet. Hierfür betrachtete man die Gaußfunktio-nen und Sigmoidfunktionen als Basisfunktionen. Dabei wurden mit der Sobolev-Metrik sehr gute Resultat erzielt.
KW  - Algorithmus
KW  - Maschinelles Lernen
KW  - Überwachtes Lernen
Y2  - 2012
U6  - https://nbn-resolving.org/urn:nbn:de:bsz:mit1-opus-24121
UN  - https://nbn-resolving.org/urn:nbn:de:bsz:mit1-opus-24121
ER  -