Preference-based teaching of geometrical concept classes and a toolbox for the design of minimum disagreement algorithms

  • Im ersten Teil der Arbeit geht es um das exakte Lernen von Konzepten im Preference-based teaching Modell. Es werden obere Schranken für geometrische Konzeptklassen, wie Bälle, Kugeln oder spezielle Vereinigungen von konvexen Körpern in d Dimensionen, angegeben. Außerdem wird gezeigt, dass die Konstruktion der angegebenen Teaching Sets und die Extraktion der Zielkonzepte aus mit dem Zielkonzept konsistenten Obermengen der Teaching Sets effizient realisiert werden kann. Im zweiten Teil geht es um das Lernen mit Hilfe von zufällig generierten Beispielen. Es wird ein Werkzeugkasten bereitgestellt, der Transformationen von Minimum Disagreement Algorithmen ermöglicht. Dabei wird stets ein Minimum Disagreement Algorithmus in einen Minimum Disagreement Algorithmus für ein höher dimensionales Problem transformiert, sodass man mit sehr trivialen Algorithmen starten und iterativ immer komplexere Algorithmen erzeugen kann.

Download full text files

Export metadata

Additional Services

Share in Twitter Search Google Scholar
Metadaten
Author:Christoph RiesGND
URN:urn:nbn:de:hbz:294-74988
DOI:https://doi.org/10.13154/294-7498
Referee:Hans Ulrich SimonORCiDGND, Maike BuchinORCiDGND
Document Type:Doctoral Thesis
Language:English
Year of Completion:2020
Publishing Institution:Ruhr-Universität Bochum, Universitätsbibliothek
Granting Institution:Ruhr-Universität Bochum, Fakultät für Mathematik
Date of final exam:2020/07/23
Creating Corporation:Fakultät für Mathematik
GND-Keyword:Lerntheorie; Datenstruktur; Berechnungskomplexität; Algorithmen; Lernen
Institutes/Facilities:Lehrstuhl für Mathematik und Informatik
Dewey Decimal Classification:Naturwissenschaften und Mathematik / Mathematik
faculties:Fakultät für Mathematik
Licence (German):License LogoKeine Creative Commons Lizenz - es gelten der Veröffentlichungsvertrag und das deutsche Urheberrecht