Projektpartner: Silvia Villa (Uni Genua), Lorenzo Rosasco (Uni Genua), Jean-Christophe Pesquet (CentraleSupélec, Paris), Émilie Chouzenoux (CentraleSupélec, Paris), Kristian Bredies (U-GRAZ), Ion Necoara (UPB, Bucharest), Ewa Bednarczuk (PAS, Warschau), Daniel Węsierski (PAS, Warschau), Anna Jezierska (PAS, Warschau), François Glineur (UCL, Louvain), Curzio Basso (CAMELOT)
Projektmitarbeiter: Emanuele Naldi, Lionel Ngoupeyou Tondji
Projektförderung: EU, A MARIE SKŁODOWSKA-CURIE ACTIONS (MSCA) Innovative Training Network (ITN)
Laufzeit: 06/2020 - 05/2024
Das Hauptziel von TraDE-OPT is die Herleitung und Analyse von effizienten Optimierungsalgorithmen für die Lösung von datengetriebenen Problemen mit einem breiten Anwendungsfeld wie z.B. in Sozial- oder Wirtschaftswissenschaften oder dem Gesundheitswesen. Mittlerweise weden Daten durch zahlreiche verschiedene Sensoren in der Industrie, in Fahrzeugen, Scannern, im Internet oder durch Mobilgeräte produziert und die Produktion von Daten ist geradezu explodiert. Eine der neuen Herausforderungen ist es, aus diesen Daten interpretierbare und nützliche Information zu extrahieren. Ein zentralen Werkzeug dazu ist (speziell konvexe) Optimierung.
Projektpartner: Jochen Garcke (U Bonn, Fraunhofer SCAI), Jan Hamaekers (Fraunhofer SCAI), Gitta Kutyniok (LMU München)
Projektmitarbeiter: Niklas Breustedt (TU Braunschweig)
Projektförderung: BMBF, Mathematik für Innovationen
Laufzeit: 04/2020 - 03/2023
Ziel dieses Projektes ist es, tiefe neuronale Netze für Problemstellungen aus der Industrie weiter zu entwickeln und zu analysieren, die es erlauben, existierendes Domänenwissen in die Architektur der Netzwerke einzubauen. Durch solch einen hybriden Ansatz kann von den komplementären jeweiligen Stärken
von „end-to-end“ Lernansätzen und „a priori Modellen/Regeln“ profitiert werden. Dieses Vorgehen verspricht substantiell effizientere Lösungen für viele Anwendungsfelder. Beispielsweise werden deutlich weniger Daten benötigt oder die Vorhersagen des ML-Modells sind konsistent zum
vorhandenen Wissen.
Projektpartner: Natalie Rauter, Rolf Lammering, Wolfgang Weber, Clara Mangalath, Andrey Mikhaylenko (HSU Hamburg)
Projektmitarbeiter: Nanda Kishore Bellam Muradlidhar (TU Braunschweig)
Projektförderung: DFG, FOR 3022
Laufzeit: 08/2020 - 07/2023
Teilprojekt 3 in der Forschungsgruppe 3022, Ultrasonic Monitoring of Fibre Metal Laminates
Using Integrated Sensors
In dieser Forschungsgruppe wird untersucht, wie man mit Hilfe von geführten Ultraschallwellen Faser-Metall-Laminate automatisch überwachen kann. Dies Teilprojekt beschäftigt sich mit der numerischen Modellierung der Wellenausbreitung in Faser-Metall-Laminaten und mit dem Inversen Problem der Schadensrekonstruktion auf Basis von wenigen Vibrationsmessungen.
Project website
Projektpartner:
Prof. Christian Meyer, Sebastian Hillbrecht (Fakultät für Mathematik, TU Dortmund), Hinrich Mahler (Institut für Analysis und Algebra, TU Braunschweig)
Projektförderung: DFG, SPP 1962
Laufzeit: 10/2019 - 09/2022
In diesem Projekt werden Bilevel Optimierungsprobleme untersucht, in denen das "Lower-Level"-Problem ein Problem des Optimalen Transports ist. Es werden sowohl die Kantorovich-Formulierung, als auch die Beckmann-Formulierung untersucht, da die beiden Probleme die Optimierung verschiedener Größen erlauben. Im erste Fall können zum Beispiel die Transportkosten für gegebene Start- und Zielpunkt optimiert werden, während im zweiten Fall die Kosten für den Transport durch einen gewissen Ortspunkt optimiert werden können.
Projektpartner:
Prof. Timo Gerkmann (U Hamburg), Prof. Tim Fingscheidt (TU Braunschweig), Dr. Ziyue Zhao (TU Braunschweig), Dr. Christoph Brauer (TU Braunschweig)
Laufzeit: 01/2016 - 04/2019
In diesem Projekt werden mathematische Methoden entwickelt, mit denen stark quantisierte Sprachsignale, wie sie z.B. bei der drahtlosen Übertragung bei Telefonaten oder auch in Hörgeräten enstehen, wieder verbessert werden können, so dass die Sprachqualität steigt. Es werden Methoden des Compressed Sensings und des Maschinellen Lernens eingesetzt.
Projektpartner:
Prof. Marc Pfetsch, Andreas Tillmann, Institut für Mathematische Optimierung, TU Braunschweig, Christian Kruschel, Institut für Analysis und Algebra, TU Braunschweig
Projektförderung: DFG
Laufzeit: 04/2011 - 04/2013
Dieses Projekt befasst sich mit dem Problem in einem linearen (Gleichungs-)System eine möglichst dünnbesetze Lösung zu finden. Dieses Thema liegt an der Grenze zwischen Analysis und kombinatorischer Optimerung. Das Hauptziel unseres Projekts ist es, ein besseres Verständnis für die Bedingungen zu erreichen, unter denen ein (effizientes) Finden solch dünnbesetzter Lösungen möglich ist.
Projektwebseite: http://imo.rz.tu-bs.de/mo/spear
Projektpartner:
Prof. Gerd Teschke, Dr. Evelyn Herrholz (Hochschule Neubrandenburg)
Projektförderung: DFG, SPP 1324
Laufzeit: 06/2008 - 06/2011
In diesem Projekt wollen wir eine verbindende Theorie für "compressed sensing" und schlecht gestellte inverse Probleme ausarbeiten. "Compressed sensing" ist ein neues vielversprechendes Gebiet der Signalanalyse in dem versucht wird, hochdimensionale Signale effizient zu messen und gleichzeitig zu komprimieren. Gegenwärtig ist die Theorie des "compressed sensing" für gut gestellte endlich dimensionale lineare Probleme gut verstanden. Das Ziel in diesem Projekt ist es, eine geeignete Formulierung für den unendlich dimensionalen Fall und schlecht gestellte Probleme (z.B. kompakte Operatoren) zu etablieren (sowohl für lineare als auch nichtlineare Probleme).
Projektpartner:
Kanglin Chen (Zentrum für Technomathenatik, Uni Bremen)
Projektförderung: ZF Uni Bremen, Doktorandengruppe SCiE
Laufzeit: 11/2008 - 11/2011
In diesem Projekt sollen Methoden entwickelt werden, um zwischen zwei gegebenen Bildern einen "interpolierenden Film" zu generieren. Unser Ansatz ist die Modellierung des Problems als ein Problem der Optimalsteuerung mit einer Transportgleichung als Nebenbedingung. Insbesondere sollen dabei auch Bilder mit Unstetigkeiten transportiert werden können und für die berechneten Flussfelder sollen möglichst wenig Glattheit möglich sein.
Informationen zu den Studiengängen Mathematik und Finanz- und Wirtschaftsmathematik.