Traoré, René (2024) Automated Machine Learning for applications in Earth Observation. Dissertation, Technische Universität München.
![]() |
PDF
- Nur DLR-intern zugänglich
19MB |
Offizielle URL: https://mediatum.ub.tum.de/?id=1726157
Kurzfassung
With an ever-growing amount of Remote Sensing data becoming publicly accessible, the demand for reliable decision-making models tailored to these applications is rising. In this cumulative thesis, I present contributions on the topics of explainable, efficient, and accessible automated machine learning to help address this demand in earth observation-related applications.
elib-URL des Eintrags: | https://elib.dlr.de/215590/ | ||||||||
---|---|---|---|---|---|---|---|---|---|
Dokumentart: | Hochschulschrift (Dissertation) | ||||||||
Titel: | Automated Machine Learning for applications in Earth Observation | ||||||||
Autoren: |
| ||||||||
DLR-Supervisor: |
| ||||||||
Datum: | 2024 | ||||||||
Open Access: | Nein | ||||||||
Seitenanzahl: | 168 | ||||||||
Status: | veröffentlicht | ||||||||
Stichwörter: | Automated Machine Learning ; Remote Sensing ; Sensor Fusion ; Fitness Landscape Analysis ; Algorithmic Search Initialization ; Efficient Architectures | ||||||||
Institution: | Technische Universität München | ||||||||
Abteilung: | TUM School of Engineering and Design | ||||||||
HGF - Forschungsbereich: | Luftfahrt, Raumfahrt und Verkehr | ||||||||
HGF - Programm: | Raumfahrt | ||||||||
HGF - Programmthema: | Erdbeobachtung | ||||||||
DLR - Schwerpunkt: | Raumfahrt | ||||||||
DLR - Forschungsgebiet: | R EO - Erdbeobachtung | ||||||||
DLR - Teilgebiet (Projekt, Vorhaben): | R - Künstliche Intelligenz | ||||||||
Standort: | Oberpfaffenhofen | ||||||||
Institute & Einrichtungen: | Institut für Methodik der Fernerkundung > EO Data Science | ||||||||
Hinterlegt von: | Camero, Dr Andres | ||||||||
Hinterlegt am: | 06 Aug 2025 13:51 | ||||||||
Letzte Änderung: | 06 Aug 2025 13:51 |
Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags