Wegweisende Ansätze für Datenwissenschaft und Berechnungen
IIS sollen einige der großen Probleme lösen, welche die fortschreitende Weiterentwicklung von Zivilisationen behindern, und auch die Lebensqualität insgesamt erhöhen. Die bestehenden Herausforderungen, etwa die Nachbildung des Gehirns, fortgeschrittenes individualisiertes Lernen und die Konstruktion der Instrumente für weitere wissenschaftliche Entdeckungen verdeutlichen, dass Sensoren, Signalverarbeitungshardware und mathematische Algorithmen immer komplexere Datensätze aufnehmen können müssen. Auch immer schnellere Erfassung, Abtastung und Verarbeitung, immer niedrigerer Energiebedarf, die Kommunikation über zunehmend schwierigere Kanäle sowie vollkommen neuen Sensormodalitäten sind erforderlich. Die grundlegenden Fragen, die IIS aufwerfen, wurden von der wissenschaftlichen Gemeinschaft jedoch noch nicht gesammelt und kohärent untersucht. Zur Weiterentwicklung von IIS müssen zahlreiche Interessengruppen zusammenarbeiten und einen Rahmen schaffen, der die effiziente Datenerfassung, -verarbeitung und -fusion sowie Entscheidungsfindung und direkte Leistungsanalyse und -vorhersage unterstützt. Vor diesem Hintergrund hatte das EU-finanzierte Projekt SUBSPARSE (Geometric and combinatorial foundations for emerging information and inference systems) zum Ziel, eine Theorie zu entwickeln, die durch wirksame Nutzung bestehender Ressourcennetzwerke für verschiedene IIS-Herausforderungen positive Ergebnisse liefert. Die Projektpartner erstellten innovative Theorien und Algorithmen, indem sie Konzepte aus der statistischen Signalverarbeitung, geometrischen Modellierung und kombinatorischen Optimierung zusammenführten. Ihre Ansätze wurden in einer übergreifenden Plattform implementiert, von der aus verschiedene Probleme hinsichtlich Signalverarbeitung und Maschinenlernen behandelt werden können, die mit unterschiedlichen Datenmodalitäten bestehen. Die wichtigsten Ergebnisse beinhalten den ersten Lernrahmen überhaupt, mit dem Signalverzeichnisse zur dünnbesetzten Repräsentation erstellt werden können, sowie einen mathematischen Rahmen, der dünnbesetzte Projektionen auf konvexe Mengen erhalten kann. Das Team charakterisierte strukturierte, dünnbesetzte Mengen und schuf eine mathematische Verbindung zwischen kompressiver Theorie und Spieltheorie. Beinahe 100 wissenschaftliche Arbeiten wurden in verschiedenen führenden Fachzeitschriften veröffentlicht und auf bedeutenden internationalen Konferenzen und Workshops vorgestellt. Die im SUBSPARSE-Projekt entwickelten Rahmen und Algorithmen werden zu neuen Ansätzen in Bereichen wie Maschinenlernen, Robotik, virtuelle Realität, Fernerkundung und biologische Bildgebung anregen.
Schlüsselbegriffe
Datenwissenschaft, Berechnung, Informations- und Inferenzsysteme, geometrische Modellierung, kombinatorische Optimierung
