JP Dr. Tobias Glasmachers
Arbeitsgebiet
Ich bin Juniorprofessor für Maschinelles Lernen am Institut für Neuroinformatik an der Ruhr-Universität Bochum. Meine beiden Interessenschwerpunkte sind auf der einen Seite kernbasierte überwachte Lernverfahren, insbesondere Support-Vektor-Maschinen, und auf der anderen Seite evolutionäre Optimierung kontinuierlicher Parameter mit Evolutionsstrategien. Das Training vieler moderner Lernmaschinen erfordert der Lösung von Optimierungsproblemen, deren Größe oft mit der Anzahl der zur Verfügung stehenden Datensätze skaliert. Dies macht Lernen aus großen Datenmengen zum einem rechenaufwendigen Prozess. Wir verwenden hochoptimierte Problemlöser, die wir mit Hilfe unserer freien C++ Bibliothek Shark implementieren. Evolutionäre Algorithmen sind randomisierte direkte Suchverfahren, die zur Lösung von Problemen unter dem ``black-box``-Modell geeignet sind. Diese Verfahren sind meist einfach zu implementieren, leicht parallelisierbar, und erfordern nur minimales Problemwissen. Sie sind robust und oft erstaunlich effizient zur approximativen Lösung harter Probleme. Ich interessiere mich insbesondere für Evolutionsstrategien, eine Unterklasse evolutionärer Verfahren zur Optimierung kontinuierlicher Parameter. Diese Methoden zeichnen sich durch Selbstadaptationsmechanismen aus, die die Suchstrategie an die lokalen Gegebenheiten des Problems anzupassen.
Stichworte
Maschinelles Lernen, Überwachtes Lernen, Evolutionäre Optimierung, Evolutionsstrategien