Konvergenzrate von Bildklassifikationsverfahren basierend auf faltenden neuronalen Netzen

• Antragsteller: Professor Dr. Michael Kohler
• Fachliche Zuordnung: Mathematik
• Förderung: Förderung von 2020 bis 2024
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 449102119

Betrachtet wird die Bildklassifikation basierend auf faltenden neuronalen Netzen. Das Ziel ist die Herleitung von Konvergenzraten für die Differenz zwischen der Wahrscheinlichkeit der Falschklassifikation der Schätzer und der minimal möglichen Wahrscheinlichkeit der Falschklassifikation. Es werden neue Annahmen an die Struktur und die Glattheit der aposteriori Wahrscheinlichkeit der Klasse 1 eingeführt, die benutzt werden, um die Konvergenzrate von Bildklassifikationsverfahren basierend auf geeignet gewählten faltenden neuronalen Netzen zu analysieren. Das Ziel ist die Identifikation von Topologien dieser neuronalen Netze, die zu Konvergenzraten unabhängig von der Dimension des Bildes führen, und mittels Simulationen zu zeigen, dass diese faltenden neuronalen Netze auch gute Resultate in Anwendungen erzielen. Insofern werden die theoretischen Überlegungen in diesem Forschungsprojekt auch helfen, gute Topologien für die Anwendung von faltenden neuronalen Netzen zu identifizieren.

• DFG-Verfahren: Sachbeihilfen