Learning Neural Graph Representations in Non-Euclidean Geometries

Standort
Deutsche Nationalbibliothek Frankfurt am Main
Umfang
Online-Ressource
Sprache
Englisch
Anmerkungen
Heidelberg, Universität Heidelberg, Dissertation, 2022

Schlagwort
Eingebettetes System
Graphentheorie
Einbettung
Graph
Maschinelles Lernen
Visualisierung
geometric deep learning
graph representation
riemannian manifold learning
non-euclidean geometry
symmetric positive definite matrices
graph embeddings
hyperbolic geometry
siegel space

Ereignis
Veröffentlichung
(wo)
Heidelberg
(wer)
Universitätsbibliothek Heidelberg
(wann)
2023
Urheber
Beteiligte Personen und Organisationen

DOI
10.11588/heidok.00033753
URN
urn:nbn:de:bsz:16-heidok-337536
Rechteinformation
Der Zugriff auf das Objekt ist unbeschränkt möglich.
Letzte Aktualisierung
25.03.2025, 13:49 MEZ

Datenpartner

Dieses Objekt wird bereitgestellt von:
Deutsche Nationalbibliothek. Bei Fragen zum Objekt wenden Sie sich bitte an den Datenpartner.

Beteiligte

Entstanden

  • 2023

Ähnliche Objekte (12)