Record #557305

DFG project G:(GEPRIS)149669013

Lernalgorithmen zur Konstruktion neuer relationaler Strukturen einer gegebenen Klasse

Coordinator	Professor Dr. Thomas Gärtner
Grant period	2009 - 2016
Funding body	Deutsche Forschungsgemeinschaft
	DFG
Identifier	G:(GEPRIS)149669013

Note: In dieser Nachwuchsgruppe untersuchen wir, wie Maschinen lernen können, neue relationale Strukturen zu entwerfen, deren Eigenschaften nur implizit, durch Trainingsbeispiele, gegeben sind. Traditionell werden maschinelle Lernverfahren eingesetzt, um die Eigenschaften vorgegebener Strukturen zu schätzen. In vielen Anwendungen ist das zugrundeliegende Problem allerdings das Inverse des konventionellen maschinellen Lernproblems: Anstatt die Klasse bestimmter Strukturen vorherzusagen, sollen tatsächlich Strukturen mit erwünschten Eigenschaften vorgeschlagen werden. Relationale Strukturen werden sehr häufig benutzt, um die Zusammensetzung komplexer Objekte aus einfacheren Komponenten zu modellieren oder die Veränderung von Objekten in Raum und Zusammensetzung zu beschreiben. Für relationale Strukturen wie zum Beispiel räumliche Routen oder chemische Verbindungen, wurden maschinelle Lernverfahren bereits erfolgreich dazu eingesetzt, die Eigenschaften vorgegebener Strukturen zu schätzen. Zum Beispiel kann vorhergesagt werden, ob eine chemische Substanz gegen eine bestimmte Krankheit wirkt oder ob eine räumliche Route typisch für eine bestimmte Zugvogelart ist. Die eigentliche Herausforderung ist es aber neue, hoch-potente Wirkstoffe aus der Menge aller synthetisierbaren Moleküle vorzuschlagen oder eine möglichst typische Route vorherzusagen. Die Hauptschwierigkeit dieses neuen, konstruktiven Maschinellen Lernens liegt in der großen Zahl möglicher Kandidatstrukturen. Um dieser Schwierigkeit zu begegnen, werden wir effiziente Berechnungsformeln für bestimmte Zählfunktionen herleiten, um neue Lernalgorithmen basierend auf der regularisierten Risikominimierung zu entwickeln. Die beantragte Forschung verspricht, Maschinelles Lernen als eine Schlüsseltechnologie weit über seine bisherigen Grenzen voranzutreiben. Die zu erwartenden Vorteile durch solche Techniken sind sehr weitreichend, da sie für ein großes Spektrum von Anwendungen wie der pharmazeutischen Wirkstoffforschung zu günstigeren und schnelleren Entwicklungen führen können.

Recent Publications

There are no publications

Record created 2023-02-03, 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