Verringerung der Unsicherheiten bei der Parameteroptimierung von dynamischen Modellen durch Meta-Learning (C03)

Um die Unsicherheit bei der Parameteroptimierung von gewöhnlichen Differentialgleichungen zu verringern, werden wir einen Meta-Learning-Ansatz entwickeln, der aus vorangegangenen Optimierungsschritten und ähnlichen anderen Optimierungsproblemen lernt, die jeweilige Aufgabe zu lösen. Konkret werden wir betrachten, wie verschiedene Optimierungsmethoden bei der Lösung von öffentlich verfügbaren Problemen abschneiden, um eine Standardstrategie in Form von Aktionen abzuleiten, welche die beste Optimierungsmethode auswählen. Für eine neue Optimierungsaufgabe wird diese Strategie automatisch durch Reinforcement Learning angepasst.

DFG-Verfahren Sonderforschungsbereiche

Teilprojekt zu SFB 1597:  Small Data

Antragstellende Institution Albert-Ludwigs-Universität Freiburg

Teilprojektleiter Dr. Clemens Kreutz; Professor Dr. Jens Timmer