FAQ
© 2017 Staats- und Universitätsbibliothek
Hamburg, Carl von Ossietzky

Öffnungszeiten heute10.00 bis 24.00 Uhr alle Öffnungszeiten

Eingang zum Volltext in OPUS

Hinweis zum Urheberrecht

Dissertation zugänglich unter
URN: urn:nbn:de:gbv:18-84837
URL: http://ediss.sub.uni-hamburg.de/volltexte/2017/8483/


Inspection of echo state networks for dynamic gestures

Untersuchung von Echo State Netzwerken für dynamische Gesten

Jirak, Doreen

pdf-Format:
 Dokument 1.pdf (7.304 KB) 


Basisklassifikation: 54.72
Institut: Informatik
DDC-Sachgruppe: Informatik
Dokumentart: Dissertation
Hauptberichter: Wermter, Stefan (Prof. Dr.)
Sprache: Englisch
Tag der mündlichen Prüfung: 24.04.2017
Erstellungsjahr: 2017
Publikationsdatum: 04.05.2017
Kurzfassung auf Englisch: We investigate Echo State Networks (ESN), which implement a new training
paradigm for recurrent neural networks. We first demonstrate their
gesture classification performance considering two feature sets with
very distinct complexity.
Second, we introduce the recurrence analysis for qualitative and
quantitative description of the gesture input and the system dynamics of
an ESN, and show that the methodology complements classic stability
measures. Finally, we address the reservoir itself and propose an
algorithm for pruning connectivity in a one-shot learning scenario.

Zugriffsstatistik

keine Statistikdaten vorhanden
Legende