Multikriterielles Maschinelles Lernen – Effizienz, Robustheit, Interaktivität und Systemwissen
Project Period: 2022-09-01 – 2025-08-31
Externally Funded
Alternative Name
Multicriteria machine learning – efficiency, robustness, interactivity and system knowledge
Acronym
MultiML
Principal Investigator
Sebastian Peitz
Department(s)
Data Science for Engineering
Description
Die vom BMBF geförderte KI-Nachwuchsgruppe "Multikriterielles Maschinelles Lernen - Effizienz, Robustheit, Interaktivität und Systemwissen" beschäftigt sich ab September 2022 mit der Entwicklung von multikriteriellen Trainingsalgorithmen für Deep Learning. Tiefe neuronale Netze sind in vielen Anwendungsbereichen von größter Bedeutung. Die Berücksichtigung mehrerer Trainingskriterien sowie von Systemwissen bedarf jedoch weiterer Untersuchungen und birgt großes Potenzial für weitere Verbesserungen. Im Einzelnen betreiben wir Grundlagenforschung zu
- der Entwicklung effizienter Optimierungsalgorithmen für das Training neuronaler Netze unter Berücksichtigung mehrerer konfligierender Zielfunktionen
- Interaktives Lernen und Adaptieren von tiefen neuronalen Netzen mit Techniken der Mehrzieloptimierung
- Berücksichtigung von Systemwissen, z.B. in Form von Erhaltungsgesetzen oder Differentialgleichungen
Grant Number
Funding Organisation
Bundesministerium für Bildung und Forschung