Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
ATZ-Fachkongress

Chassis.tech plus 2024


4 Kongresse in einer Veranstaltung

Treffen Sie in München die Fachleute von Chassis, Lenkung, Bremsen sowie Reifen/Räder.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Mode Switching for Secure Web Applications – A Juice Shop Case Scenario Kapitel lesen Erstes Kapitel lesen

2021 | OriginalPaper | Buchkapitel

Membership-Mappings for Data Representation Learning: A Bregman Divergence Based Conditionally Deep Autoencoder

verfasst von : Mohit Kumar, Bernhard Moser, Lukas Fischer, Bernhard Freudenthaler

Erschienen in: Database and Expert Systems Applications - DEXA 2021 Workshops

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

This paper suggests to use membership-mapping as the building block of deep models. An alternative idea of deep autoencoder, referred to as Bregman Divergence Based Conditionally Deep Autoencoder (that consists of layers such that each layer learns data representation at certain abstraction level through a membership-mappings based autoencoder), is presented. A multi-class classifier is presented that employs a parallel composition of conditionally deep autoencoders to learn data representation for each class. Experiments are provided to demonstrate the competitive performance of the proposed framework in classifying high-dimensional feature vectors and in rendering robustness to the classification.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Membership-Mappings for Data Representation Learning: Measure Theoretic Conceptualization
Nächstes Kapitel Data Catalogs: A Systematic Literature Review and Guidelines to Implementation
Literatur
1.
2.
Kumar, M., Freudenthaler, B.: Fuzzy membership functional analysis for nonparametric deep models of image features. IEEE Trans. Fuzzy Syst. 28(12), 3345–3359 (2020)
3.
Kumar, M., Insan, A., Stoll, N., Thurow, K., Stoll, R.: Stochastic fuzzy modeling for ear imaging based child identification. IEEE Trans. Syst. Man Cybern. Syst. 46(9), 1265–1278 (2016)CrossRef
4.
Kumar, M., et al.: Stress monitoring based on stochastic fuzzy analysis of heartbeat intervals. IEEE Trans. Fuzzy Syst. 20(4), 746–759 (2012)CrossRef
5.
Kumar, M., Stoll, N., Stoll, R.: Variational bayes for a mixed stochastic/deterministic fuzzy filter. IEEE Trans. Fuzzy Syst. 18(4), 787–801 (2010)CrossRef
6.
Kumar, M., Stoll, N., Stoll, R.: Stationary fuzzy Fokker-Planck learning and stochastic fuzzy filtering. IEEE Trans. Fuzzy Syst. 19(5), 873–889 (2011)CrossRef
7.
8.
Kumar, M., Moser, B., Fischer, L., Freudenthaler, B.: Membership-mappings for data representation learning: measure theoretic conceptualization. In: Database and Expert Systems Applications (DEXA 2021). Springer, Cham (2021, in press)
9.
Kumar, M., Rossbory, M., Moser, B.A., Freudenthaler, B.: Differentially private learning of distributed deep models. In: Adjunct Publication of the 28th ACM Conference on User Modeling, Adaptation and Personalization, UMAP 2020 Adjunct, pp. 193–200. Association for Computing Machinery, New York (2020)
10.
Kumar, M., Rossbory, M., Moser, B.A., Freudenthaler, B.: An optimal \((\epsilon ,\delta )-\)differentially private learning of distributed deep fuzzy models. Inf. Sci. 546, 87–120 (2021)
11.
Kumar, M., Singh, S., Freudenthaler, B.: Gaussian fuzzy theoretic analysis for variational learning of nested compositions. Int. J. Approximate Reasoning 131, 1–29 (2021)MathSciNetCrossRef
Metadaten
Titel
Membership-Mappings for Data Representation Learning: A Bregman Divergence Based Conditionally Deep Autoencoder
verfasst von
Mohit Kumar
Bernhard Moser
Lukas Fischer
Bernhard Freudenthaler
Copyright-Jahr
2021
Buch
Database and Expert Systems Applications - DEXA 2021 Workshops

Print ISBN: 978-3-030-87100-0

Electronic ISBN: 978-3-030-87101-7

Copyright-Jahr: 2021

DOI
https://doi.org/10.1007/978-3-030-87101-7_14

Premium Partner

    Bildnachweise