Navigation

Schemainferenz und maschinelles Lernen

Schemainferenz und maschinelles Lernen

(Projekt aus Eigenmitteln)

Titel des Gesamtprojektes:
Projektleitung:
Projektbeteiligte:
Projektstart: 1. August 2018
Projektende: 1. August 2021
Akronym: SIML
Mittelgeber:
URL:

Abstract

Im Rahmen des Projekts SIML (Schemainferenz und
maschinelles Lernen) sollen aus unstrukturierten und semi-strukturierten Daten Informationen gewonnen werden, aus denen ein partielles konzeptuelles Schema abgeleitet werden kann. Methoden der topologischen Datenanalyse (TDA) werden in Kombination mit maschinellen Lernverfahren eingesetzt um dies weitestgehend zu automatisieren. Die Untersuchung von topologischen Merkmalen bietet eine Möglichkeit Informationen über Daten zu gewinnen, die als qualitativ verstanden werden. Insbesondere interessieren wir uns für eine stabile, persistente Form von natürlichen Daten bei der Verwendung von unüberwachten Lernverfahren. Als Kernkonzept sollen funktionale Abhängigkeiten nach der Aufbereitung der Daten untersucht werden, mit deren Hilfe anschließend ein geeignetes Schema definiert werden kann. Dabei gibt es Parallelen und Unterschiede für Zeitreihen bzw. persistente Daten, die ebenfalls herausgearbeitet werden sollen.

Motivation des Projekts ist der Nachweis, dass Schemata
eine natürliche geometrische Struktur in Form eines Simplizialkomplexes aufweisen,
die mittels topologischer Methoden untersucht bzw. sichtbar gemacht werden kann.

Publikationen