Neuer Lernalgorithmus
Preis für Best Paper an Nachwuchswissenschaftler
Auf der International Conference on Machine Learning and Applications (ICMLA 2008) im Dezember 2008 in San Diego wurde das Paper Making the Lipschitz Classifier Practical via Semi-Infinite Programming (Autoren: André Stuhlsatz, Hans-Günter Meier und Andreas Wendemuth) unter mehr als 100 Mitbewerbern mit dem Preis "Best Paper" ausgezeichnet. Die ICMLA zählt zu einer der angesehensten Konferenzen zum Themenkreis des maschinellen Lernens und führt jährlich Spitzenwissenschaftler aus aller Welt zum wissenschaftlichen Austausch zusammen.
Kooperation
Der Artikel von Diplomingenieur André Stuhlsatz ist das Ergebnis eines Promotionsprojekts am Lehrstuhl für Kognitive Systeme (Prof. Dr. Andreas Wendemuth) der Fakultät für Elektrotechnik und Informationstechnik der Otto-von-Guericke-Universität in Zusammenarbeit mit dem Labor für Mustererkennung der FH Düsseldorf (Prof. Dr. Hans-Günter Meier). Die Forschungskooperation zwischen der Universität Magdeburg und der FH Düsseldorf besteht seit 2001 in Themen der Sprach- und Bilderkennung. Diese wurde auf verschiedenen wissenschaftlichen Workshops gepflegt (Kleinwalsertal, Düsseldorf, Magdeburg) und hat mehrere Diplomanden beider Hochschulen eingebunden. Bisher entstanden fünf internationale wissenschaftliche Publikationen. Dank des Erfolgs dieser Kooperation wurde 2005 an der FH Düsseldorf als genuin erste wissenschaftliche Mitarbeiterstelle für Doktoranden eine Position "Sprach- und Bilderkennung" eingerichtet und mit André Stuhlsatz besetzt.
Thema des mündlichen Vortrags war die Vorstellung eines neuen Algorithmus, der erstmalig einen bisher theoretisch motivierten Lernansatz für einen praktischen Einsatz in der Mustererkennung nutzbar macht.
Der vorgestellte Algorithmus besitzt theoretische Eigenschaften, die auch ein sehr bekanntes und erfolgreiches Lernverfahren, die Support Vector Maschine (SVM), zur generalisierungsfähigen Klassifikation von Merkmalen auszeichnet. Darüber hinaus, und das ist von besonderem praktischen Nutzen, kann dem neuen Verfahren eine sehr viel freiheitlichere Auswahl an Entscheidungsverfahren vorgeben werden, als es bei der SVM der Fall ist. In Anwendungen wie z.B. der DNA-Analyse oder Bilderkennung ist dies häufig wünschenswert, um vorliegende Informationen zur Problemstruktur bestmöglich dem Lernverfahren im Vornherein zur Verfügung zu stellen und damit die Klassifikationsleistung zu verbessern.
Erste experimentelle Ergebnisse, die auf der ICMLA vorgestellt wurden, belegen das Potenzial.
Der Artikel sowie die weiteren gemeinsamen Publikationen sind zum Download verfügbar auf den Webseiten des Lehrstuhls Kognitive Systeme (www.kognitivesysteme.de).