zur Startseite

Bachelorarbeit

Data Mining auf Dünnen Gittern in gemischter Genauigkeit
Bearbeiter Florian Klaus
Betreuer M.Sc. Malte Brunn
Prüfer Prof. Dr. rer. nat. Dirk Pflüger
Ende2019/01
Beschreibung

Das Klassifikationsproblem auf Dünnen Gittern durch Regression führt durch die hierarchische
Struktur der dünnen Gitter zu stark abfallenden Koeffizienten auf hohen Leveln. Zudem sind die
verwendeten Datensätze, die zum Lernen verwendet werden, häufig mit einer gewissen Unschärfe
verbunden. Die homogene Verwendung von doppelter Genauigkeit (double, FP64) für die gesamte
Rechnung ist daher nicht zwangsläufig nötig. Durch das Rechnen in geringerer Genauigkeit können
sowohl das Datenvolumen als auch die Rechenzeit verringert werden. In dieser Arbeit soll
untersucht werden, wie sich die Verwendung von einfacher bzw. halber Genauigkeit (single/float
FP32; half, FP16) auf die Genauigkeit des Klassifikationsproblems für bereits bekannte Datensätze
auswirkt.