Riemann manifoldu öğrenmesi
Küçük Resim Yok
Tarih
2023
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Ege Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Bu tezde metrik öğrenmenin yeni bir alanı olan Riemann metrik öğrenmesi için temel kavramlar ile öncül bilgiler derlenmekte ve Riemann metriği kavramı tanıtılmaktadır. Yüksek lisans tezi olarak hazırlanan bu tez beş ana bölümden oluşmaktadır. Tezin birinci bölümü giriş kısmına ayrılmıştır. İkinci bölümde konu ile ilgili temel kavramlar özellikle manifold ile ilgili temel kavramlar sunulmaktadır. Üçüncü bölümde makine öğrenimi algoritmalarından bahsedilmektedir. Dördüncü bölüm metrik öğrenme ve metrik öğrenme uygulamalarına ayrılmıştır ve sık kullanılan metriklerden bahsedilmiştir. Son bölüm Riemann manifold öğrenimine ayrılmıştır.
This thesis reviews the basic concepts and prior knowledge for Riemannian metric learning, a new area of metric learning, and introduces the concept of Riemannian metric learning. This thesis, prepared as a master's thesis, consists of five main chapters. The first chapter of the thesis is devoted to the introduction. In the second chapter, the basic concepts related to the subject are presented, especially the basic concepts related to manifolds. The third chapter discusses machine learning algorithms. The fourth chapter is devoted to metric learning and metric learning applications and discusses commonly used metrics. The last section is devoted to Riemannian manifold learning.
This thesis reviews the basic concepts and prior knowledge for Riemannian metric learning, a new area of metric learning, and introduces the concept of Riemannian metric learning. This thesis, prepared as a master's thesis, consists of five main chapters. The first chapter of the thesis is devoted to the introduction. In the second chapter, the basic concepts related to the subject are presented, especially the basic concepts related to manifolds. The third chapter discusses machine learning algorithms. The fourth chapter is devoted to metric learning and metric learning applications and discusses commonly used metrics. The last section is devoted to Riemannian manifold learning.
Açıklama
Anahtar Kelimeler
Matematik, Mathematics
