A mathematical introduction to geometric deep learning

Lamma, Tommaso (2021) A mathematical introduction to geometric deep learning. [Laurea], Università di Bologna, Corso di Studio in Fisica [L-DM270], Documento ad accesso riservato.
Documenti full-text disponibili:
[img] Documento PDF (Thesis)
Full-text accessibile solo agli utenti istituzionali dell'Ateneo
Disponibile con Licenza: Salvo eventuali più ampie autorizzazioni dell'autore, la tesi può essere liberamente consultata e può essere effettuato il salvataggio e la stampa di una copia per fini strettamente personali di studio, di ricerca e di insegnamento, con espresso divieto di qualunque utilizzo direttamente o indirettamente commerciale. Ogni altro diritto sul materiale è riservato

Download (1MB) | Contatta l'autore

Abstract

Lo scopo del geometric deep learning è quello di estendere l'algoritmo di deep learning sviluppato per la classificazione di immagini a domini non euclidei come grafi e complessi simpliciali.In questa tesi ci proponiamo di dare una definizione matematica dei concetti cardine utilizzati nel geometric deep learning quali equivarianza e convoluzione sui grafi. Vedremo inoltre come definire una rete convoluzionale invariante rispetto all'azione di gruppi.

Abstract
Tipologia del documento
Tesi di laurea (Laurea)
Autore della tesi
Lamma, Tommaso
Relatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
geometric deep learning,neural networks,convolution,graph
Data di discussione della Tesi
17 Settembre 2021
URI

Altri metadati

Statistica sui download

Gestione del documento: Visualizza il documento

^