Personal tools

SC²S Colloquium - April 15, 2015

From Sccswiki

Jump to: navigation, search
Date: April 15, 2015
Room: 02.07.023
Time: 3:30 pm, s.t.
Invited by: Kilian Röhner


Kilian Batzner:

Realitätsnahe Problemstellungen, z.B. aus der Finanzwelt, die mit Klassifikation oder Regression gelöst werden sollen, sind oft hochdimensionell. Dünngitter stellen eine effiziente Datenstruktur dar, die das exponentielle Wachstum von vollen Gittern verringert und gleichzeitig ausreichend gute Ergebnisse erzielt. Bei Problemen mit mehreren hundert Dimensionen hindert der Fluch der Dimensionen die herkömmliche Lösung. Daher passen wir das Lernkonzept auf zwei Ebenen an: einerseits verwenden wir Projektionsmethoden, wie zum Beispiel PCA oder Random Projections, um die Dimension eines Datensatzes zu reduzieren. In dieser Arbeit vergleichen wir verschiedene randomisierte und datenorientierte Projektionsmethoden in Verbindung mit anschließendem Lernen der Projektionen mit Dünngittern. Andererseits stellen wir zwei Methoden vor, um einen hochdimensionellen Datensatz mit einem Ensemble von Dünngittern zu lernen. Diese Methoden haben den Vorteil, dass die Komplexität nur linear bzw. polynomiell mit der Anzahl der Dimensionen steigt. Wir vergleichen sie in Kombination mit Projektionsmethoden anhand von drei hochdimensionellen Datensätzen. Aufgrund der ihrer geringeren Komplexität im Vergleich zu Dünngittern, zeigen sie vielversprechende Ergebnisse.

Daniel Göhlen: Maximum entropy analysis for inelastic neutron scattering

In this guided research, a Maximum Entropy (MaxEnt) algorithm was applied to inelastic neutron scattering data with the goal of overcoming limitations of the common treatment of this data. Generally, a model is considered from already known physics, theoretic predictions and visual inspection of the data. While this is an efficient way for systems where all contributions to the model are already known and one is just interested in exact numbers, unknown or not expected features might be overlooked or erroneous allocate. As the first implementation of a MaxEnt algorithm showed various problems which have been verified by extensive tests with a broad range of spectral shapes and signal-to-noise ratios, different improvements and optimizations have been developed to address these problems. The initial algorithm, the encountered problems and approaches to solve these will be presented in this talk. Concluding, an analysis of the final results will be discussed.