Maschinelles Lernen beruht auf der Annäherung unbekannter Funktionen aufgrund vorhandener Datenpunkte. Wie viele solcher Datenpunkte werden benötigt, um den Annäherungsfehler unter eine gegebene Schranke zu bringen? In dieser Kurzvorlesung wird das mathematische Konzept der N-Breiten (n-widths) eingeführt, welches allgemeine Antworten zur minimalen Anzahl der benötigten Daten geben kann. Wir werden dieses Konzept an einem konkreten eindimensionalen Beispiel illustrieren und die Implikationen, wie etwa den Fluch der Dimensionalität, für maschinelles Lernen in hochdimensionalen Räumen diskutieren.
Wie viele Datenpunkte braucht es zur Annäherung einer Funktion
10.06.2024 09:00 - 09:20
Organiser:
Fakultät für Mathematik, Dekan Radu Ioan Boţ
Location: