Statistisches Lernen aus abhängigen Daten: Lerntheorie, Robuste Algorithmen und Anwendungen: Statistisches Lernen aus abhängigen Daten: Lerntheorie, Robuste Algorithmen und Anwendungen
- Laufzeit: 01.01.2015 - 31.12.2023
Zuwendungsgeber: DFG
Prof. Dr. Marius Kloft
Rheinland-Pfälzische Technische Universität Kaiserslautern-LandauEine gängige Annahme im Maschinellen Lernen ist, dass die vorliegenden Beobachtungen von unabhängigen Zufallsvariablen
realisiert wurden. Diese Prämisse kann verletzt sein, wenn die Daten temporale oder räumliche Strukturen aufweisen
oder unter Störfaktoren und variierenden experimentellen Voraussetzungen aufgenommen wurden. Mit dem vorliegenden
Forschungsantrag arbeiten wir in Richtung einer von Grund auf mathematisch fundierten Methodologie des statistischen Lernens
aus abhängigen Daten, mit dem Ziel der Entwicklung von Algorithmen, die Lernen in solchen Umgebungen schaffen und
in Anwendungen in Industrie und Wissenschaften eingesetzt werden können. Ein weiterer Schwerpunkt liegt auf dem grundlegenden
theoretischen Verständnis von Lernen aus abhängigen Daten und der Interpretation von Lernalgorithmen, um erklären
zu können, wann und warum solche Lernalgorithmen erfolgreich eingesetzt werden können.