Projection and Development of an algorithm able to perdorm an incremental learning of a Gaussian Mixture Models working in an Online DataStream context. It has just to update the model when new data come without storing past data but just retaining enough past information for the model's updating.

Sviluppo di un algoritmo in grado di performare un apprendimento incrementale di un Gaussian Mixture Model. L'algoritmo opera nel contesto di un DataStream Online. Esso deve essere in grado di aggiornare il modello senza conservare tutti i dati passati ma solo informazioni necessarie per permettere l'aggiornamento stesso.

APPRENDIMENTO SCALABILE E INCREMENTALE DI GAUSSIAN MIXTURE MODELS

ROBLES, RAFFAELLA
2019/2020

Abstract

Projection and Development of an algorithm able to perdorm an incremental learning of a Gaussian Mixture Models working in an Online DataStream context. It has just to update the model when new data come without storing past data but just retaining enough past information for the model's updating.
2019
SCALABLE AND INCREMENTAL LEARNING OF GAUSSIAN MIXTURE MODELS
Sviluppo di un algoritmo in grado di performare un apprendimento incrementale di un Gaussian Mixture Model. L'algoritmo opera nel contesto di un DataStream Online. Esso deve essere in grado di aggiornare il modello senza conservare tutti i dati passati ma solo informazioni necessarie per permettere l'aggiornamento stesso.
Incrementale
Clustering
Online
GMMs
Apprendimento
File in questo prodotto:
File Dimensione Formato  
Thesis.pdf

File consultabile da postazioni biblioteca

Dimensione 4.76 MB
Formato Adobe PDF
4.76 MB Adobe PDF

I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.14253/95215