DOI chapter:
A. Das akademische Jahr 2019
DOI chapter:II. Wissenschaftliche Vorträge
DOI article:Wienhard, Anna: Hyperbolische geometrische Strukturen: von der mathematischen Theorie bis zum maschinellen Lernen
DOI Page / Citation link: https://doi.org/10.11588/diglit.55176#0073
Anna Wienhard
Man kann diesen Aspekt auch mit Pflasterungen der euklidischen Ebene und
der hyperbolischen Ebene verdeutlichen. Wenn wir die euklidische Ebene pflas-
tern und uns den Graphen anschauen, der uns die Verklebung der einzelnen Pflas-
tersteine verdeutlicht, so erhalten wir ein Gitter (Abb. 1). Machen wir das Gleiche
Diese Eigenschaft der hyperbolischen Ebene hat in den letzten Jahren zu in-
teressanten Anwendungen im maschinellen Lernen geführt. So haben Forscher
gezeigt, dass die hyperbolische Ebene sehr gut dazu geeignet ist, zugrunde lie-
gende hierarchische Strukturen in großen Datenmengen zu finden, oder auch, um
geschickte Routen von einem Server zu einem anderen im Internet zu finden.
73
Man kann diesen Aspekt auch mit Pflasterungen der euklidischen Ebene und
der hyperbolischen Ebene verdeutlichen. Wenn wir die euklidische Ebene pflas-
tern und uns den Graphen anschauen, der uns die Verklebung der einzelnen Pflas-
tersteine verdeutlicht, so erhalten wir ein Gitter (Abb. 1). Machen wir das Gleiche
Diese Eigenschaft der hyperbolischen Ebene hat in den letzten Jahren zu in-
teressanten Anwendungen im maschinellen Lernen geführt. So haben Forscher
gezeigt, dass die hyperbolische Ebene sehr gut dazu geeignet ist, zugrunde lie-
gende hierarchische Strukturen in großen Datenmengen zu finden, oder auch, um
geschickte Routen von einem Server zu einem anderen im Internet zu finden.
73