Naslov diplomskega dela: Tenzorski algoritmi za problem klasifikacije slik

Povzetek:

Metoda podpornih vektorjev (SVM) in logistična regresija (LR) sta popularna modela kategorizacije v strojnem učenju. Njuna pomanjkljivost je zmožnost delovanja le nad vektorskimi podatki, kar kliče po razširitvi na večdimezionalne podatke - tenzorje. Z uporabo tenzorske algebre predstavimo različice teh algoritmov, ki temeljijo na različnih tenzorskih razcepih. Metoda podpornih tenzorjev in logistična regresija ranga 1 predstavljata najosnovnejši razširitvi prej omenjenih modelov, ki že doprineseta k boljši klasifikacijski natančnosti, saj ohranjata prostorska razmerja med podatki z uporabo tenzorja ranga 1. Obstajajo pa še splošnejše metode, ki uporabijo naprednejše tenzorske razcepe. Cilj diplomske naloge je predstaviti matematično ozadje tenzorskih razširitev metod SVM in LR, jih primerjati med sabo na praktičnih primerih in oceniti njihovo primernost za posamezen problem. Začnemo na sintetičnih podatkih osnovnih geometrijskih oblik in nadaljujemo na uveljavljenih testnih podatkovnih bazah. 
Delo predstavlja pregled nedavnih dosežkov s področja klasifikacije tenzorjev. 

Mentor: doc. dr. Aljaž Zalar

Komisija za zagovor:

prof. dr. Gašper Fijavž (predsednik),

doc. dr. Aljaž Zalar (mentor),

doc. dr. Tadej Kanduč (član).

Prostor: Predavalnica 9