Wenn Sie diesen Text sehen, ist auf ihrem Gerät noch nicht das neue Layout geladen worden. Bitte laden Sie diese Seite neu (ggf. mit gedrückter 'Shift'- oder 'Alt'-Taste) oder in einem 'privaten Fenster'.
Weitere Hinweise unter https://www.uni-hildesheim.de/wiki/lsf/faq/fehler.im.layout.

Zur Seitennavigation oder mit Tastenkombination für den accesskey-Taste und Taste 1 
Zum Seiteninhalt oder mit Tastenkombination für den accesskey und Taste 2 
Startseite    Anmelden     

Modellbildung aus Experimentaldaten: Maschinelles Lernen und Modellevaluierung unter Abhängigkeiten und Verteilungsverschiebungen - Einzelansicht


  • Funktionen:


Grunddaten

Titel Modellbildung aus Experimentaldaten: Maschinelles Lernen und Modellevaluierung unter Abhängigkeiten und Verteilungsverschiebungen Antragsdatum
Titel (englisch) Personenmonate
Laufzeit von 01.04.2021 freigegeben J
Laufzeit bis 31.01.2022 Hyperlink
Bewilligungsdatum Projektart Forschungsprojekt
Kostenträgernummer Änderungsdatum 26.07.2021 10:46:10

Inhalt

Beschreibung

Die Analyse experimentell gewonnener Daten bildet eine Säule des Erkenntnisgewinns in den Naturwissenschaften. Sie ermöglicht die Bildung von Modellen, die natürliche Phänomene beschreiben; die Fähigkeit der gewonnenen Modelle, das Verhalten der  beobachteten Phänomene vorherzusagen, wird häufig auf der Grundlage experimenteller Daten evaluiert. Allerdings basieren verbreitete methodische Werkzeuge zur Modellbildung und Modellevaluierung auf Unabhängigkeits- und Verteilungsannahmen, die experimentell gewonnene Daten in verschiedener Weise verletzen können. So werden die Verteilungseigenschaften von Experimentaldaten durch die Wahl von Beobachtungsprotokollen und experimentelle Parameter bestimmt; die gewonnenen Daten liefern ein Abbild der Wirklichkeit, das durch den Prozess der Messung und Eigenschaften verfügbarer Sensoren geprägt ist.

Ziel des Projektes ist die Entwicklung von Verfahren zur Modellbildung und Modellevaluierung, welche den experimentellen Beobachtungsprozess und die daraus resultierende Verschiedenartigkeit von Natur und Experiment explizit abbilden. Dazu entwickeln wir Ansätze, um Abhängigkeiten und Verteilungsverschiebungen in experimentellen Daten in geeigneter Weise zu korrigieren; wir untersuchen die formalen Eigenschaften der resultierenden Verfahren und die Komplexität der zu lösenden Optimierungsprobleme. Ergebnisse des Projektes sollen die experimentellen Kosten der Modellbildung reduzieren und auf Experimentaldaten gestützte Schlussfolgerungen belastbarer machen. In Zusammenarbeit mit Arbeitsgruppen aus der kognitiven Psychologie und der Geophysik sollen Erkenntnisfortschritte zu exemplarischen naturwissenschaftlichen Modellbildungsproblemen erzielt werden.

 


Zuordnung zu Einrichtungen

FB 4 - Mathematik, Naturwissenschaften, Wirtschaft und Informatik (Leitung)
Inst. für Informatik (Leitung)

Autoren/Betreuer (intern)

Landwehr, Niels, Professor Dr.   (Leitung)   

Förderdaten

Geldgeber/-in Förderprogramm Fkennziffer Freitext Fördersumme Einheit Laufzeit von Laufzeit bis
Deutsche Forschungsgemeinschaft 134.358,91 EUR

Strukturbaum
Das Projekt wurde 2 mal gefunden:
Impressum      Datenschutzerklärung     Datenschutz      Datenschutzerklärung     Erklärung zur Barrierefreiheit