Maschinelles Lernen von repräsentativen Merkmalen in meteorologischen Feldern (A07)

• Fachliche Zuordnung: Bild- und Sprachverarbeitung, Computergraphik und Visualisierung, Human Computer Interaction, Ubiquitous und Wearable Computing ; Rechnerarchitektur, eingebettete und massiv parallele Systeme
• Förderung: Förderung seit 2015
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 257899354

Der Fokus liegt auf der Entwicklung von Techniken des maschinellen Lernens, mit dem Ziel einer verbesserten Unsicherheits-Analyse und Merkmals-Detektion in meteorologischen Feldern. Neuronale Netzwerke werden verwendet, um Abbildungen von räumlichen Koordinaten auf Verteilungen der prognostischen Variablen sowie Korrelations-Strukturen zu lernen, um somit regionale Vorhersageunsicherheiten darzustellen. Durch die Verwendung von selbstüberwachtem Lernen und Merkmals-Identifikation sollen Merkmals-Deskriptoren entwickelt werden, die auf der Existenz von wiederkehrenden Mustern in den Daten basieren und zu einer verbesserten vergleichenden Analyse und zeitlichen Verfolgung von Merkmalen führen.

• DFG-Verfahren: Transregios
• Teilprojekt zu: TRR 165: Wellen, Wolken, Wetter
• Antragstellende Institution: Ludwig-Maximilians-Universität München
• Teilprojektleiter: Professor Dr. Filip Sadlo, bis 6/2023; Professor Dr. Rüdiger Westermann