Nicht-glatte quasi-Newton Verfahren für großskalige Probleme der Datenwissenschaften

• Antragsteller: Professor Dr. Peter Ochs
• Fachliche Zuordnung: Bild- und Sprachverarbeitung, Computergraphik und Visualisierung, Human Computer Interaction, Ubiquitous und Wearable Computing ; Mathematik
• Förderung: Förderung seit 2020
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 446241461

In den Datenwissenschaften hat sich die Optimierung strukturierter und nicht-glatter Optimierungsprobleme als äußerst nützlich herausgestellt, jedoch verlangt der andauernde und zukünftige Trend, immer größere und mehrdimensionale Datenmengen zu Betrachten, eine rasche Weiterentwicklung effizienter Optimierungsmethoden. Bisher hat man sich vorwiegend auf Verfahren erster Ordnung gestützt, welche allerdings inzwischen auf ihre natürlichen Grenzen stoßen. Im Gegensatz dazu werden Verfahrenhöherer Ordnung, insbesondere Quasi-Newton Verfahren, aufgrund ihrer mangelnden Skalierbarkeit, der schwierigen mathematischen Analyse und ihrer Problematik bei der Anwendung auf nicht-glatte Optimierungsprobleme selten verwendet. Mit dem Projekt TRINOM-DS werden wir diese Nachteile überwinden und theoretische, numerische und algorithmische Fortschritte erzielen, um das gesamte Potential von quasi-Newton-ähnlichen Verfahren für nicht-glatte großskalige Probleme der Datenwissenschaften auszuschöpfen. Wir werden Verfahren für verschiedenste, herausfordernde Bereiche, wie etwa dem Maschinellen Lernen (z.B. Optimaler Transport, deep learning, usw.), der Bildverarbeitung und Computer Vision entwickeln und ein Optimierungssoftwarepaket, möglicherweise auf speziellen Computerarchitekturen, ganz im Sinne der Philosophie der Reproduzierbarkeit in der Wissenschaft, veröffentlichen. Die verantwortlichen PIs des Projekts TRINOM-DS sind sehr aktiv im Bereich der Europäischen Optimierungsgemeinschaft und den Datenwissenschaften, was das vorgeschlagene Projekt zu einer einzigartigen Gelegenheit macht, die Tür für skalierbare Berechnungsverfahren höherer Ordnung, für teilweise bisher nicht lösbare Probleme, in den Datenwissenschaften zu öffnen.

• DFG-Verfahren: Sachbeihilfen
• Internationaler Bezug: Frankreich
• Partnerorganisation: Agence Nationale de la Recherche / The French National Research Agency
• Kooperationspartner: Professor Jalal Fadili, Ph.D.