Tiefe Zuweisungsflüsse für die strukturierte Klassifikation von Daten: Entwurf, Lernverfahren und prädiktive Genauigkeit

• Antragsteller: Professor Dr. Christoph Schnörr
• Fachliche Zuordnung: Mathematik ; Bild- und Sprachverarbeitung, Computergraphik und Visualisierung, Human Computer Interaction, Ubiquitous und Wearable Computing
• Förderung: Förderung seit 2021
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 463952752

Dieses Projekt fokussiert auf eine Klasse zeitkontinuierlicher neuronaler gewöhnlicher Differentialgleichungen für die Kennzeichnung metrischer Daten auf Graphen, um aus drei Stoßrichtungen zur Theorie des "tiefen Lernens" beizutragen: (i) Anwendung der Informationsgeometrie für den Entwurf und das Verständnis tiefer Netze im Zusammenhang mit strukturierten Vorhersagen und maschinellem Lernen; (ii) Geometrische Charakterisierung der Dynamik des Lernens von Parametern und ihrer Interaktion mit sich entwickelnden Netzwerkzuständen, als Modell kontextsensitiver Entscheidungen; (iii) Studium von PAC-Bayesschen Risikoschranken zur Quantifizierung der statistischen Vorhersagegenauigkeit von Klassifikationen und strukturierter Kennzeichnungen mittels tiefer Zuweisungsflüsse.

• DFG-Verfahren: Schwerpunktprogramme
• Teilprojekt zu: SPP 2298: Theoretische Grundlagen von Deep Learning