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

Jetzt anmelden zur TRR 165/181 Joint Conference

vom 27.-30.März und dabei sein, wenn das MIDS zwei weltweite Forschungsgemeinschaften an der KU begrüßt. Anmeldeschluss ist der 26. Februar 2023!

Forscher, die sich mit konsistenter Modellierung, datengesteuerten Ansätzen und Unsicherheiten bei kurz- bis mittelfristigen Vorhersagen beschäftigen, treffen in Ingolstadt mit Forschern zusammen, die sich mit verwandten Fragen auf Klimaskalen beschäftigen. 

Ziel des Mathematischen Instituts für Maschinelles Lernen und Data Science (MIDS), das Gastgeber der Konferenz sein darf, ist es, die jüngsten Fortschritte in beiden Bereichen miteinander zu verknüpfen und neue Entwicklungen der zugrunde liegenden Theorien, Methoden und Parametrisierungen zu präsentieren.

Themenschwerpunkte werden sein:

  • uncertainty quantification and predictability
  • parametrizations and structure-preserving and invariant-conserving schemes
  • data-driven modeling and machine learning, data assimilation
  • waves in atmosphere and ocean, wave-vortex interactions

Die Konferenz wird von den von der Deutschen Forschungsgemeinschaft (DFG) geförderten Sonderforschungsbereichen TRR 165 "Waves to Weather" und TRR 181 "Energy Transfers in Atmosphere and Ocean" unterstützt. 

Weitere Informationen u.a. zum Programm und der Registrierung gibt es HIER. Anmeldeschluss ist der 26. Februar!

Organisatoren sind Prof. Tijana Janjic, Heisenberg Professorin für Datenassimilation und Prof. Marcel Oliver, Inhaber des Stiftungslehrstuhls für Angewandte Mathematik.

Prof. Tijana Janjic
Prof. Marcel Oliver

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.