Lernen mit abhängigen Daten: Mit Anwendungen in der rechnergestützten Genomanalyse

• Antragsteller: Professor Dr. Marius Kloft
• Fachliche Zuordnung: Bild- und Sprachverarbeitung, Computergraphik und Visualisierung, Human Computer Interaction, Ubiquitous und Wearable Computing ; Theoretische Informatik
• Förderung: Förderung von 2012 bis 2014
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 225910935

Klassischerweise bauen die theoretischen Fundamente des Maschinellen Lernens auf der Annahme unabhängig und identisch verteilter Zufallsvariablen auf. In praktischen Anwendungen ist diese Annahme jedoch oftmals verletzt, z.B. wenn die Daten zeit- oder räumlich abhängige Korrelationen aufweisen. Das vorgeschlagene Forschungsprogramm zielt daher auf die Untersuchung der theoretischen Grundlagen des Lernens aus abhängigen Daten, die Entwicklung effizienter und effektiver Lernmaschinen sowie deren Anwendung in der rechnergestützten Genomanalyse ab.

• DFG-Verfahren: Forschungsstipendien
• Internationaler Bezug: USA
• Gastgeber: Professor Mehryar Mohri, Ph.D.
• Beteiligte Person: Professor Dr. Gunnar Rätsch