Projektdaten

---

Optimierung von dünn und dicht besetzten Systemen unter physikalischen Randbedingungen mittels maschinellen Lernens

---

Ziel dieses Projektes ist es, ein effizientes Methodenframework zu erstellen, das es ermöglicht, neue Trackingprobleme flexibel zu integrieren und zuverlässig zu lösen. Hierbei werden modellgetriebene, potentiell diskrete Optimierungsprobleme mit tiefen neuronalen Netzen integriert, so dass die Stärken der beiden Ansätze genutzt werden können. Insbesondere führt die Integration modellgetriebenen Wissens dazu, dass das geplante Framework sehr dateneffizient arbeiten kann. Zugleich werden erlernte Netze daraufhin optimiert, konsistente Lösungen trotz Unsicherheit und Messungenauigkeit vorherzusagen.