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

Hidde Schönberger gewinnt GSNS Masterarbeitspreis 2021-2022

Herzlichen Glückwunsch an Hidde Schönberger, Doktorand am Lehrstuhl für Analysis, der für seine Arbeit "Characterization of Lower Semicontinuity and Relaxation of Fractional Integral and Supremal Functionals" mit dem Masterarbeitspreis der Graduate School of Natural Sciences der Universität Utrecht ausgezeichnet wurde. Dieser Preis wird jährlich für die beste Masterarbeit an der naturwissenschaftlichen Fakultät verliehen.

Mit seiner Arbeit liefert Hidde Schönberger einen zentralen Beitrag zur Existenztheorie für eine Klasse von Variationsproblemen mit fraktionellen Ableitungen, die neben ihrer mathematischen Bedeutung auch verschiedene Anwendungen in den Materialwissenschaften und der Bildverarbeitung haben. Die Hauptresultate, die in der Zeitschrift Nonlinear Analysis veröffentlicht wurde, schließen eine Lücke in der Literatur. In den Augen des Preiskomitees handelt es sich dabei um "eine Leistung, auf die jeder erfahrene Forscher stolz sein kann, ganz zu schweigen ein Masterstudent."

Angeleitet wurde die Arbeit von Prof. Dr. Carolin Kreisbeck, die nun auch seine Promotion an der KU betreut. Hierbei beschäftigt sich Hidde Schönberger weiter mit offenen Fragen im Bezug auf Nichtlokalität in der Variationsrechnung.

Zum Journalartikel geht es hier und die Masterarbeit finden Sie hier.
 

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.