SoSe 20: Dynamische Systeme und maschinelles Lernen
Stefan Klus
Kommentar
In den letzten Jahren wurden unterschiedliche datenbasierte Algorithmen zur Approximation von dynamischen Systemen oder damit verbundenen Transferoperatoren entwickelt. Ein Vorteil solcher Verfahren ... Lesen Sie weiter
In den letzten Jahren wurden unterschiedliche datenbasierte Algorithmen zur Approximation von dynamischen Systemen oder damit verbundenen Transferoperatoren entwickelt. Ein Vorteil solcher Verfahren ist, dass sie direkt auf Mess- oder Simulationsdaten angewendet werden können, ohne das zugrundeliegende System zu kennen.
Das Ziel des Seminars ist die Analyse verschiedener Verfahren aus dem Bereich des maschinellen Lernens, insbesondere für Moleküldynamik- und Fluiddynamikprobleme sowie für Text- und Videodaten.
Mögliche Themen:
- Modellreduktion
- Rekonstruktion der Modellgleichungen aus Daten
- Transferoperatorapproximation
- Berechnung metastabiler und kohärenter Mengen
- Hilberträume mit reproduzierendem Kern
