Gaussian process models for robust regression, classification, and reinforcement learning [Elektronische Ressource] / vorgelegt von Malte Kuß

Gaussian Process Modelsfor Robust Regression, Classi cation, andReinforcement LearningVorgelegt vonDiplom Informatiker Malte Ku aus WolfsburgMarz 2006Genehmigte Dissertation zur Erlangung des akademischen GradesDoctor rerum naturalium (Dr. rer. nat.)am Fachbereich Informatik der Technischen Universitat Darmstadt(Hochschulkennzi er D17)Erstreferent: Prof. Dr. Thomas Hofmann Eingereicht am 13. Februar 2006Korreferenten: PhD. Carl E. Rasmussen Tag der Disputatiton 21. Marz 2006Prof. Dr. Bernt SchieleErklarungHiermit erkl are ich, da ich die vorliegende Arbeit—mit Ausnahme der inihr ausdrucklich genannten Hilfen—selbst andig verfasst habe.Wissenschaftlicher Werdegang10/96 – 02/02 Studium der Informatik an der Technischen Universit at Berlin Nebenfach Wirtschaftswissenschaften (VWL) Studienschwerpunkte: Statistik, Maschinelles Lernen, Soft-waretechnik, Datenbanken, Mikro okonomie, Spieltheorie Diplomarbeit am Lehrstuhl fur Wirtschaftsmathematik undStatistikzumThema,,Non-linearMultivariateAnalysiswithGeodesic Kernels” (Prof. Kockelkorn) Diplom mit Auszeichnung07/02 – 03/06 Doktorand am Max-Planck-Institut fur biologische Kybernetik,Tub ingen Arbeitsgruppe fur empirische Inferenz (Prof. Scholk opf) Forschungsinteressen: Bayesianische Statistik, Entschei-dungstheorie, Monte Carlo Methoden Promotion an der Technischen Universit at Darmstadt(Prof. Hofmann)Referenz@PhdThesis{Kuss:06,author = {M.