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-Landau
  
  

  Eine 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.