Extraktion von nichtlinearen Strukturen aus Daten mit Hilfe von "Independent Component Analysis" und Neuronalen Netzen

• Antragsteller: Professor Dr. Josef Hochreiter
• Fachliche Zuordnung: Informatik
• Förderung: Förderung von 1999 bis 2002
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 5219866

Mit Hilfe von Neuronalen Netzen sollen nichtlineare Abhängigkeiten in Datensätzen erkannt werden. Hierzu dient die Extraktion statistisch unabhängiger Komponenten bzw. Ursachen aus Meßdaten, was als "Independent Component Analysis" (ICA) ein eigenes Forschungsgebiet darstellt. Die Kenntnis der unabhängigen Komponenten und ihrer Verteilung sowie ihre Abbildung auf die Meßdaten genügt, um alle Abhängigkeiten in den Daten zu beschreiben. Die ICA-Forschung ist ein neues, stark wachsendes Gebiet mit erfolgreichen Anwendungen. In der Elektro-, der Kommunikationstechnik und der angewandten Physik wird ICA zunehmend Aufmerksamkeit gewidmet. Neben speziellen ICA-Konferenzen reservierten renommierte Konferenzen und bekannte Zeitschriften für ICA-Themen immer mehr Raum. Bisherige ICA-Verfahren können jedoch nur sehr begrenzt eingesetzt werden, da ihre Anwendung bestimmte Eigenschaften des Datengenerierungsprozesses voraussetzt. Ziel dieses Vorhabens ist, Einschränkungen bekannter ICA-Methoden abzuschwächen, neue Algorithmen ohne diese Einschränkungen zu entwickeln und experimentell zu testen. Hierzu sollen theoretische Erkenntnisse und Verfahren aus dem Bereich der Neuronalen Netze verwendet und für ICA adaptiert werden.

• DFG-Verfahren: Forschungsstipendien