Strategisches COMET-Projekt dasRES

Strategische Forschung zu industriellen Datenanalysesystemen

Ziele / Forschungsthemen

Ziel dieses strategischen Projekts ist es, grundlegende methodische Bausteine für eine robuste, effiziente, umfassende und interpretierbare Modellierung und Analyse von Daten bereitzustellen. Insbesondere forschen wir an folgenden Themen:

  • Kausale Inferenzmethoden ohne Zeitinformation,
  • Lernen von multi-task features durch tiefe neuronale Netzwerke,
  • Probabilistische Logiken für Wissensrepräsentation und Reasoning Methoden, die einen inkrementellen industriellen Wissensextraktionsprozess unterstützen,
  • Berechnungsmodelle für die Modellierung von Unsicherheit und
  • Entwicklung von industriell einsetzbaren maschinellen Lernmethoden, die eine echtzeitnahe Analyse für industriell relevante Anwendungen ermöglichen.

Wissenschaftliche Kooperationen

  • JKU-FLLL (Johannes Kepler Universität Linz / Abteilung Wissensbasierte Mathematische Systeme): PhD zum Thema Transfer Learning
  • JKU-FAW (Johannes Kepler Universität Linz / Institut für anwendungsorientierte Wissensverarbeitung): PhD zum Thema automatisiertes Datenqualitätsmanagement
  • Alfréd Rényi Institut (Ungarn): PhD zum Thema semantisches Matching und Reasoning Strategien (mit Anwendungen im HR-Sektor)
  • KTH Schweden (School of Information and Communication Technology): Masterarbeiten zu den Themen Data Provenance und Traceability
  • JKU-FAW (Johannes Kepler Universität Linz / Institut für anwendungsorientierte Wissensverarbeitung): Masterarbeit zum Thema Datenqualitätsbewertung für NoSQL Datenbanken

Ausgewählte Publikationen

  • Robust estimation of correlations as basis for causal discovery [TGG15]
  • Multi-domain transfer component analysis for domain generalization [GBS+15, GBS+17]
  • Transfer learning for process analytical chemistry [LMN+15, MNP+15a, MNP+15b, MN17]
  • A novel method for domain-invariant representation learning [ZLS+17]
  • A novel approach for system identification for MPC taking into account modelling uncertainty by adaptively choosing the identification horizon [Sob17]
  • Efficient and robust median-of-means algorithms for location and regression as the basis for fast learning in big data environments [KT17]
  • Methods for online transfer learning [GCN16]
  • Combining relational and NoSQL database systems for processing sensor data [SLF15]
  • Stochastic stability analysis of perturbed learning automata [Cha17]
  • Automated data quality monitoring as the basis for meaningful knowledge representation [EW17a, EW17b]
  • A method to reason about fault detection to generate interpretable alarm lists [KT17]
  • Automated knowledge base management: a survey [Mar15]
  • A novel approach for fuzzy aggregation of semantic similarity measures [Mar16a]
  • A smart approach for matching, learning and querying information [MPS16]

Fördergeber

Das Projekt wird im Rahmen von COMET – Competence Centers for Excellent Technologies durch BMVIT, BMWFJ, Land Oberösterreich und den wissenschaftlichen Partnern des SCCH gefördert. Das Programm COMET wird durch die FFG abgewickelt.

Kontakt

Thomas Natschläger

Natschläger Thomas

Scientific Head Data Analysis Systems
Telefon: +43 7236 3343 868
Fax: +43 7236 3343 888

Bernhard Freudenthaler

Freudenthaler Bernhard

Executive Head Data Analysis Systems
Telefon: +43 7236 3343 850
Fax: +43 7236 3343 888

zurück