MIDS Logo

Herzlich Willkommen auf der Seite des Lehrstuhls für Reliable Machine Learning

Machine Learning Laptop
© colourbox.de

Der Lehrstuhl "Reliable Machine Learning" erforscht die Eigenschaften von Machine Learning Algorithmen. Angesichts des Erfolgs von Deep Learning Methoden in Anwendungen wie Bilderkennung, Spracherkennung und automatischer Übersetzung sind vor allem die Eigenschaften von Neuronalen Netzen von Interesse.

Auch wenn ein trainiertes neuronales Netz z.B. bei der Bilderkennung auf realen Daten sehr gute Ergebnisse liefert, wurde empirisch wiederholt eine Anfälligkeit für sogenannte "adversarial examples" festgestellt: Eine minimale (für den Menschen nicht wahrnehmbare) Änderung der Eingabedaten kann das neuronale Netz dazu bringen, eine falsche Ausgabe zu liefern.

Ein wichtiges Forschungsthema des Lehrstuhls ist deshalb, die Gründe für die Existenz solcher adversarial examples (also für die Instabilität von trainierten neuronalen Netzen) mathematisch zu verstehen, um aufbauend auf diesem Verständnis Methoden zu entwickeln, die beweisbar robuste neuronale Netze produzieren.

Die Forschung des Lehrstuhls wird auch im Rahmen des Emmy Noether Projekts "Stability and Solvability in Deep Learning" gefördert.

Forschungsthemen des Lehrstuhls für Reliable Machine Learning

Über uns

Prof. Voigtlaender stellt sich und den Lehrstuhl vor

Vorschaubild Felix Voigtlaender

Bitte beachten Sie: Durch Klicken auf die Bildfläche geben Sie Ihre Einwilligung, dass Videoinhalte von YouTube nachgeladen, Cookies von YouTube/Google auf Ihrem IT-System gespeichert und personenbezogene Daten wie Ihre IP-Adresse an Google weitergegeben werden. Klicken Sie nach Beendigung des Videoinhaltes auf ein anderes Video, öffnet sich in einem neuen Tab Ihres Browsers YouTube und erfasst weitere Daten von Ihnen. Weitere Informationen finden Sie in unseren Datenschutzhinweisen und unter Google Privacy .

Neuigkeiten aus der Mathematik

Dr.-Klaus-Körper-Preis 2025 für Dissertation von Dr. Schönberger

Dr. Hidde Schönberger wurde mit dem Dr.-Klaus-Körper-Preis 2025 der Gesellschaft für Angewandte Mathematik und Mechanik (GAMM) ausgezeichnet. Die Ehrung erhielt er für seine Dissertation mit dem Titel „Nonlocal gradients within variational models: Existence theories and asymptotic analysis“, die er am Lehrstuhl für Analysis unter der Betreuung von Prof. Carolin Kreisbeck verfasst hat. 

In seiner Arbeit untersucht Dr. Schönberger mathematische Modelle mit nichtlokalen Gradienten – ein hochaktuelles Thema in der Variationsrechnung, das unter anderem bei der Modellierung von Materialverhalten eine Rolle spielt. Seine Dissertation bietet sowohl neue Existenztheorien als auch eine umfassende asymptotische Analysis solcher Modelle. Die entwickelten Konzepte leisten einen fundamentalen Beitrag zum besseren Verständnis und zur Weiterentwicklung nichtlokaler Variationsprinzipien. 

Dr. Schönberger ist derzeit als Postdoktorand an der TU Wien tätig, wo er unter anderem seine Forschung auf diesem Gebiet fortsetzt.

Der Dr.-Klaus-Körper-Preis wird jährlich vergeben und würdigt herausragende Dissertationen junger Wissenschaftlerinnen und Wissenschaftler bis zu einem Alter von 35 Jahren im Bereich der Angewandten Mathematik und Mechanik. Er wird von der Dr.-Klaus-Körper-Stiftung gefördert und vom Vorstand der GAMM verliehen. Den Preis durfte Dr. Schönberger im Rahmen der Jahrestagung der GAMM entgegen nehmen, die vom 7.-11. April in Posen, Polen stattfand.

Der gesamte Fachbereich Mathematik gratuliert herzlich zu dieser Auszeichnung!

Mathematisches Institut für Maschinelles Lernen und Data Science

MIDS Logo

Der Lehrstuhl für Reliable Machine Learning ist Teil des Mathematischen Instituts für Maschinelles Lernen und Data Science, kurz MIDS.
Finden Sie alle Informationen rund um das MIDS hier.