Statistisches Lernen aus Pfadbeobachtungen (B01)

Statistik und maschinelles Lernen werden erfolgreich auf extrem komplexe und hochdimensionale Probleme angewandt, oftmals mit Daten, die eine natürliche pfadartige Struktur aufweisen, wie z.B. Zeitreihen. Das Projekt zielt darauf ab, die statistischen Eigenschaften der Theorie der rauen Pfade zu untersuchen und diese mit anderen Methoden zu vergleichen. Wir nutzen Pfadsignaturen als Feature Maps in Lernverfahren, integrieren sie in klassische Klassifikationsmethoden und analysieren Daten mit algebraischen und geometrischen Methoden. Ziel ist es, erklärbare Klassifikatoren mit theoretischen Garantien für praktische Anwendungen zu schaffen.

DFG-Verfahren Transregios

Teilprojekt zu TRR 388:  Raue Analysis, stochastische Dynamik und verwandte Gebiete

Antragstellende Institution Technische Universität Berlin

Teilprojektleiter Dr. Carlos Améndola Cerón; Privatdozent Dr. Christian Bayer; Professor Dr. Markus Reiß