Record #507653

DFG project G:(GEPRIS)456587626

Entscheidungsverfahren unter Unsicherheit: Einarbeiten von physikalischem Vorwissen

Coordinator	Dr. Michael Muehlebach
Grant period	2021 -
Funding body	Deutsche Forschungsgemeinschaft
	DFG
Identifier	G:(GEPRIS)456587626

Note: Moderne Verfahren aus dem Bereich des überwachten Lernens und der künstlichen Intelligenz kalibrieren flexible Black-Box-Modelle auf riesigen Datenmengen. Physikalisches Vorwissen, wie z.B. kausale Zusammenhänge, physikalische Gesetzmässigkeiten oder a-priori bekannte Symmetrien, werden oft nicht berücksichtigt. Dies kann dazu führen, dass die Modellvorhersagen schlecht auf Situationen generalisieren, die in den Trainingsdaten nicht abgebildet werden. Unsere Forschung befasst sich mit der Entscheidungsfindung in solchen Situationen. Die Forschung hat zum Ziel, datenbasierte Modelle zu entwickeln bei denen physikalisches Vorwissen explizit eingearbeitet werden kann, um genauere Vorhersagen und eine präzisere Unsicherheitsquantifizierung zu ermöglichen. Die zusätzliche Struktur, die durch das Einarbeiten von physikalischem Vorwissen entsteht, kann von mathematischen Optimierungsalgorithmen genutzt werden um die Entscheidungsfindung zu beschleunigen. Die Forschung leistet somit einen Beitrag zu einer sicheren und verlässlichen Anwendung von maschinellem Lernen und Methoden der künstlichen Intelligenz auf cyber-physische Systeme.

Recent Publications

There are no publications

Record created 2023-01-19, last modified 2024-09-27

Similar records

Rate this document:

(Not yet reviewed)

Add to personal basket
Export as Author List with IDs BibTeX (UTF-8), EndNote XML, EndNote Text, RIS, MARC, Print MARC, MARCXML, DC,
Request correction
Submit fulltext

guest :: login PUBDB
		Search		Submit		Personalize Your alerts Your baskets Your searches		Help