Feedback Recurrent Autoencoder
Bachelorarbeit,Masterarbeit,Studienarbeit,Diplomarbeit
Im Rahmen des Projekts Cochlear Implants

Beschreibung

Autoencoder werden vielfach unter anderem zum Erlernen von Datenkompressionsalgorithmen angewendet. Es handelt sich dabei um spezielle künstliche neuronale Netze, welche auf Grund einer Verjüngung ihrer Struktur automatisch kompakte Repräsentationen von Daten erlernen müssen.
Seit kurzem existieren Ansätze Autoencoder für sequentielle Kompression von Daten zu optimieren, d.h. für Daten, welche nacheinander komprimiert werden wobei gewisse Ähnlichkeiten zwischen den Daten bestehen.
Im Rahmen dieser Arbeit ist ein sogenannter Feedback Recurrent Autoencoder [1] zu implementieren und verschiedene Ansätze zur Rückführung vorheriger Datenframes zu evaluieren. Der Autoencoder soll dabei für die Kompression von Erregungsmustern von Cochlea-Implantaten [2] eingesetzt werden.

Bei Interesse, schickt mir bitte eine kurze Vorstellungsmail samt Modulübersicht an hinrichs@tnt.uni-hannover.de

[1] https://arxiv.org/pdf/1911.04018.pdf
[2] https://de.wikipedia.org/wiki/Cochlea-Implantat

Voraussetzungen

  • Eigenständiges Arbeiten
  • Pythonkenntnisse
  • Kentnisse der Statistik/Stochastik

Ansprechpartner: Reemt Hinrichs