idw – Informationsdienst Wissenschaft

Nachrichten, Termine, Experten

Grafik: idw-Logo
Science Video Project
idw-Abo

idw-News App:

AppStore

Google Play Store



Instanz:
Teilen: 
15.08.2018 10:22

EU-Millionenförderung für Deep-Learning-Projekt in Leipzig

Jana Gregor Presse- und Öffentlichkeitsarbeit
Max-Planck-Institut für Mathematik in den Naturwissenschaften (MPIMIS)

    Dr. Guido Montúfar, Forschungsgruppenleiter am Max-Planck-Institut für Mathematik in den Naturwissenschaften Leipzig, wurde vom Europäischen Forschungsrat mit einem ERC Starting Grant für exzellente junge Wissenschaftler ausgezeichnet. Der Förderbetrag von 1,5 Millionen Euro fließt in den Aufbau seiner Arbeitsgruppe zur Deep Learning-Theorie, welche die Erforschung des Lernens in künstlichen neuronalen Netzen zum Ziel hat.

    Deep Learning ist eines der lebendigsten Gebiete des heutigen maschinellen Lernens und einer der vielversprechendsten Ansätze für Künstliche Intelligenz. Das Forschungsgebiet treibt die neuesten Systeme für Bild-, Text- und Audioverarbeitung sowie eine zunehmende Anzahl neuer Technologien voran. Das Ziel der neuen Forschungsgruppe ist es, wichtige offene Probleme auf dem Gebiet des Deep Learnings anzugehen, insbesondere in Bezug auf Kapazität, Optimierung und Regularisierung der zugrundeliegenden Algorithmen. Hierfür werden die Wissenschaftler theoretische Grundlagen derart festigen, dass die Mechanismen des derzeitigen Erfolgs von Deep Learnings identifiziert und für wichtige neue Anwendungsgebiete nutzbar gemacht werden können. Der wissenschaftliche Ansatz basiert auf der Geometrie neuronaler Netze und wendet eine innovative Mathematik an, die wichtige Bezüge zur Informationstheorie und zur algebraischen Statistik aufweist.

    Guido Montúfar studierte Mathematik und Physik an der Technischen Universität Berlin und promovierte an der Universität Leipzig. Nachdem er als wissenschaftlicher Mitarbeiter an der Pennsylvania State University tätig war, erhielt er eine Postdoc-Stelle am Max-Planck-Institut für Mathematik in den Naturwissenschaften in Leipzig. Parallel zu seiner jetzigen Tätigkeit als Forschungsgruppenleiter am Institut arbeitet Guido Montúfar als Assistant Professor in den Departments für Mathematik und für Statistik der University of California, Los Angeles, USA. Gemeinsam mit seinem Team entwickelt er dort mathematische Werkzeuge und Techniken zur Berechnung mit neuronalen Netzen mit diversen Anwendungen. Diese reichen von der generativen Modellierung über Optimierung bis hin zu reiner Mathematik.

    Mit seiner wissenschaftlichen Arbeit stellt sich Guido Montúfar den wichtigsten Herausforderungen der aktuellen Deep-Learning-Forschung, wobei er von tiefer Praxisrelevanz geleitet ist. Gemeinsam mit seinem Team verfolgt er einen synergetischen Ansatz an der Schnittstelle von Mathematik, Statistik und maschinellem Lernen, der Werkzeuge aus der Informationstheorie, Algebra, Kombinatorik und Geometrie zusammenführt. Die von Guido Montúfar in den letzten Jahren entwickelte geometrische Analyse tiefer neuronaler Netze bietet einen formalen Ansatz für das Design von Lernsystemen, beispielweise von relativ kleinen Netzwerke mit garantierter Lernfähigkeit. Seine Forschung zu neuronalen Netzen umfasst die Analyse verteilter Repräsentationen, die Vorteile der Tiefe in der Funktionsapproximation, die Geometrie von graphischen Modellen mit versteckten Variablen. Dies eröffnet neue Wege, um Engpässe im derzeitigen Reinforcement Lernen anzugehen, nämlich die Stichprobenkomplexität dieser Methoden. Guido Montúfars Forschung begünstigt die Entwicklung neuer Optimierungsalgorithmen für das Lernen mit neuronalen Netzen und neue, auf der Informationstheorie basierende, Regularisierungstechniken.

    Guido Montúfar ist zudem als Koordinator aktiv in Forschungsaktivitäten eingebunden, die das Zusammenwirken von Mathematik und maschinellem Lernen zum Ziel haben, wie beispielsweise der diesjährige DALI-Workshop „Theory of Deep Learning“ und der bevorstehende Workshop „Boltzmann machines“ am American Institute of Mathematics. Guido Montúfars Team ist zudem eng eingebunden in die Initiative „Mathematics of Data“ am Max-Planck-Institut für Mathematik in den Naturwissenschaften.

    ERC Starting Grants werden vom Europäischen Forschungsrat an exzellente Nachwuchswissenschaftler verliehen, die in ihrer jungen Karriere bereits herausragende Forschungsergebnisse erzielen konnten. Der Förderbetrag dient zum Aufbau einer eigenen Arbeitsgruppe.


    Wissenschaftliche Ansprechpartner:

    Dr Guido Montúfar
    Max-Planck-Institut für Mathematik in den Naturwissenschaften
    Inselstraße 22
    04103 Leipzig
    guido.montufar@mis.mpg.de


    Weitere Informationen:

    http://www.math.ucla.edu/~montufar Informationen zum Preisträger Prof. Guido Montúfar
    https://erc.europa.eu/funding/starting-grants Informationen zum ERC Starting Grants-Programm der EU
    http://www.mis.mpg.de/math-of-data Informationen zur Initiative „Mathematics of Data“ am Max-Planck-Institut für Mathematik in den Naturwissenschaften
    http://www.mis.mpg.de Informationen zum Max-Planck-Institut für Mathematik in den Naturwissenschaften


    Bilder

    Mathematische Modelle und Methoden und das Rechnen mit neuronalen Netzen bilden die theoretische Grundlagen zur Erforschung von Deep Learning-Prozessen.
    Mathematische Modelle und Methoden und das Rechnen mit neuronalen Netzen bilden die theoretische Gru ...
    © Max-Planck-Institut für Mathematik in den Naturwissenschaften
    None

    Dr. Guido Montúfar
    Dr. Guido Montúfar
    © Max-Planck-Institut für Mathematik in den Naturwissenschaften
    None


    Merkmale dieser Pressemitteilung:
    Journalisten, Studierende, Wissenschaftler, jedermann
    Mathematik
    überregional
    Forschungsprojekte, Personalia
    Deutsch


     

    Mathematische Modelle und Methoden und das Rechnen mit neuronalen Netzen bilden die theoretische Grundlagen zur Erforschung von Deep Learning-Prozessen.


    Zum Download

    x

    Dr. Guido Montúfar


    Zum Download

    x

    Hilfe

    Die Suche / Erweiterte Suche im idw-Archiv
    Verknüpfungen

    Sie können Suchbegriffe mit und, oder und / oder nicht verknüpfen, z. B. Philo nicht logie.

    Klammern

    Verknüpfungen können Sie mit Klammern voneinander trennen, z. B. (Philo nicht logie) oder (Psycho und logie).

    Wortgruppen

    Zusammenhängende Worte werden als Wortgruppe gesucht, wenn Sie sie in Anführungsstriche setzen, z. B. „Bundesrepublik Deutschland“.

    Auswahlkriterien

    Die Erweiterte Suche können Sie auch nutzen, ohne Suchbegriffe einzugeben. Sie orientiert sich dann an den Kriterien, die Sie ausgewählt haben (z. B. nach dem Land oder dem Sachgebiet).

    Haben Sie in einer Kategorie kein Kriterium ausgewählt, wird die gesamte Kategorie durchsucht (z.B. alle Sachgebiete oder alle Länder).