SFB/TRR 388/1: Statistisches Lernen aus Pfadbeobachtungen (B01)

Statistik und maschinelles Lernen werden erfolgreich auf extrem komplexe und hochdimensionale Probleme angewandt, oftmals mit Daten, die eine natürliche pfadartige Struktur aufweisen, wie z.B. Zeitreihen. Das Projekt zielt darauf ab, die statistischen Eigenschaften der Theorie der rauen Pfade zu untersuchen und diese mit anderen Methoden zu vergleichen. Wir nutzen Pfadsignaturen als Feature Maps in Lernverfahren, integrieren sie in klassische Klassifikationsmethoden und analysieren Daten mit algebraischen und geometrischen Methoden. Ziel ist es, erkl?rbare Klassifikatoren mit theoretischen Garantien für praktische Anwendungen zu schaffen.