NW/1: Statistisches Lernen aus abhängigen Daten: Lerntheorie, Robuste Algorithmen und Anwendungen

Eine gängige Annahme im Maschinellen Lernen - eine der Schlüsseltechnologien zur Analyse empirischer Daten - ist, dass die vorliegenden Beobachtungen von unabhängigen Zufallsvariablen realisiert wurden. Diese Prämisse kann verletzt sein, wenn die Daten temporale oder räumliche Strukturen aufweisen oder unter Störfaktoren und variierenden experimentellen Voraussetzungen aufgenommen wurden. Mit diesem Forschungsprojekt arbeiten wir in Richtung einer von Grund auf mathematisch fundierten Methodologie des statistischen Lernens aus abhängigen Daten, mit dem Ziel der Entwicklung von Algorithmen, die Lernen in solchen Umgebungen schaffen und in Anwendungen in Industrie und Wissenschaften eingesetzt werden können. Ein weiterer Schwerpunkt liegt auf dem grundlegenden theoretischen Verständnis von Lernen aus abhängigen Daten und der Interpretation von Lernalgorithmen, um erklären zu können, wann und warum solche Lernalgorithmen erfolgreich eingesetzt werden können.