Kontakt | Impressum
english version
Startseite
Personen
Projekte
Publikationen
Preprint-Reihe
Veranstaltungen
Gäste
Aktuelles

Projektbeschreibung

Eine zentrale Herausforderung für Statistik an der Schnittstelle zu verschiedenen Sachwissenschaften ist die Entwicklung von Analyseverfahren für massive Datensätze, komplexe Datenstrukturen und hochdimensionale Prädiktoren. Zielsetzung dieser Deutsch-Schweizer Forschergruppe ist die spezifische Entwicklung und Analyse von statistischen Regulariserungmethoden für komplexe Datenstrukturen wie sie in verschiedenten Anwendungsbereichen auftreten können. Im Vordergrund stehen dabei Methoden, bei denen Regularisierung durch qualitative Nebenbedingungen an die Struktur oder Geometrie des Datenmodells gegeben sind. Unsere grundlegende Hypothese ist, dass statistische Regularisierung durch qualitative Nebenbedingungen eine einheitliche Methodik für die Modellierung von Datenstrukturen darstellt, welche einerseits flexibel genug ist, wichtige Struktureigenschaften von Daten zu erkennen und sachwissenschaftlich nutzbar zu machen, aber anderseits spezifisch genug ist um den Vorhersageund Klassifikationsfehler zu kontrollieren. Unsere Forschergruppe besteht aus Wissenschaftlern, die aus der Perspektive verschiedener Disziplinen (Statistik, Numerische Analysis, Maschinelles Lernen, Mustererkennung, Bildverarbeitung, Ökonometrie) dieses Ziel seit langer Zeit verfolgen, und nun gemeinsam an diesem Programm arbeiten. Wir alle arbeiten seit geraumer Zeit mit verschiedenen Mitgliedern der Forschergruppe zusammen und verfolgen nun dieses ambitionierte Ziel gemeinsam. Jedes der vierzehn Teilprojekte behandelt gewisse Aspekte dieser methodischen Zielsetzung. In Kooperation mit anderen Mitgliedern werden spezifische Anwendungsprobleme untersucht, welche direkt aus der Forschergruppe kommen können oder durch assoziierte Gruppen eingebracht werden. Dabei arbeiten wir an unterschiedlichen Problemen aus der Systembiologie, der medizinischen Ereigniszeitanalyse, der Astrophysik, der Materialforschung, der Atmosphärenforschung, den Forstwissenschaften, der Arbeitsmarktpolitik, der Biophotonik, der medizinischen Bildverarbeitung und der empirischen Finanzwissenschaft. Statistische Regularisierungsverfahren mit strukturellen oder qualitativen Nebenbedingungen, erlauben eine einheitliche methodische Sichtweise und Lösungsstrategie zur Bearbeitung dieser Themenfelder.