Personal tools

SC²S Colloquium - August, 21, 2008

From Sccswiki

Jump to: navigation, search
Date: August 21
Room: 02.07.023
Time: 2 pm, s.t.

14:00 Uhr - Markus Wunsch: Halbüberwachtes (semi-supervised) Lernen mit raumadaptiven dünnen Gittern (DA Zwischenvortrag)

Ziel des Data Minings ist, bislang unbekannte Information aus großen Datenmengen zu extrahieren. Bei Klassifikations- oder Regressionsanwendungen beschränkt sich das Wissen über das Problem meist auf eine Menge Trainingsdaten, für die die Zielgröße (Klassenzugehörigkeit oder Funktionswert) bekannt ist. Die den Daten zugrundeliegende, aber unbekannte Funktion soll rekonstruiert werden.

Oft ist nur von einer Teilmenge der Daten die tatsächliche Klassifikation bekannt; es kann daher nur auf eine Teilmenge der Daten trainiert und von diesen gelernt werden. Halbüberwachtes Lernen versucht, die Daten mit unbekannter Klassifikation mit in den Lernprozess einzubeziehen und die Information, wo potentielle weitere Daten liegen, zu nutzen.

In dieser Arbeit soll untersucht werden, ob und wie halbüberwachtes Lernen mit adaptiven Dünnen Gittern realisierbar ist. Dabei stellen sich - nicht zuletzt durch die Verwendung eines ortsbasierten numerischen Verfahrens - interessante Fragestellung, wie die Verwendbarkeit von Distanzmaßen auf normierte Datenpunkte.