Teilnahme am SFB 1294 zur Datenassimilation in Potsdam

Die Gruppe wird auch von der Deutschen Forschungsgemeinschaft (DFG) im Rahmen des SFB 1294 Datenassimilation zum Thema "Datenassimilation - Die nahtlose Integration von Daten und Modellen" im Projekt A03 zusammen mit Prof. Gilles Blanchard gefördert.
Dieses Projekt befasst sich mit dem Problem des sequentiellen, adaptiven Lernens mit partiellen Informationen in einer unsicheren Umgebung. In diesem Rahmen sammelt der Lernende sequentiell und aktiv die Daten, die vorher nicht in einer Stapelform vorliegen. Der Prozess läuft wie folgt ab: Zu jedem Zeitpunkt t wählt der Lernende eine Aktion und erhält einen Datenpunkt, der von der durchgeführten Aktion abhängt. Der Lernende sammelt Daten, um das System zu erlernen, aber auch um ein Ziel (gekennzeichnet durch eine Zielfunktion) zu erreichen, das von der Anwendung abhängt. In diesem Projekt werden wir versuchen, dieses Problem unter allgemeinen Zielfunktionen zu lösen und die Abhängigkeit bei der Datenerfassung zu untersuchen, indem wir Varianten des so genannten Bandit-Settings erforschen, das diesem Problem mit einer spezifischen Zielfunktion entspricht.
Als motivierendes Beispiel betrachten wir das Problem der sequentiellen und aktiven Aufmerksamkeitserkennung durch einen Eye-Tracker. Ein menschlicher Benutzer schaut auf einen Bildschirm, und das Ziel eines automatisierten Monitors (Lernenden) ist es, durch einen Eye-Tracker Zonen dieses Bildschirms zu identifizieren, in denen der Benutzer nicht genügend Aufmerksamkeit aufbringt. Dazu lässt der Monitor zu jedem Zeitpunkt t eine kleine Zone a t auf dem Bildschirm aufblitzen, z.B. ein Pixel aufleuchten (Aktion), und der Eye-Tracker erkennt anhand der Augenbewegung, ob der Benutzer dieses Aufblitzen beobachtet hat. Im Idealfall sollte sich der Bildschirm auf diese schwierigen Bereiche konzentrieren und dort häufiger blinken (d. h. er sollte häufiger bestimmte Aktionen auswählen, die weniger identifizierten Bereichen entsprechen). Daher wird erwartet, dass sequenzielle und adaptive Lernmethoden die Leistung des Monitors verbessern.

Participation in the SFB 1294 on Data Assimilation in Potsdam

The group is also funded by the Deutsche Foschungsgemeinschaft (DFG, German Research Foundation) on the SFB 1294 Data Assimilationon "Data Assimilation - The seamless integration of data and models" on Project A03 together with Prof. Gilles Blanchard.
This project is concerned with the problem of learning sequentially, adaptively and in partial information on an uncertain environment. In this setting, the learner collects sequentially and actively the data, which is not available before-hand in a batch form. The process is as follows: at each time t, the learner chooses an action and receives a data point, that depends on the performed action. The learner collects data in order to learn the system, but also to achieve a goal (characterized by an objective function) that depends on the application. In this project, we will aim at solving this problem under general objective functions, and dependency in the data collecting process - exploring variations of the so-called bandit setting which corresponds to this problem with a specific objective function.
As a motivating example, consider the problem of sequential and active attention detection through an eye tracker. A human user is looking at a screen, and the objective of an automatized monitor (learner) is to identify through an eye tracker zones of this screen where the user is not paying sufficient attention. In order to do so, the monitor is allowed at each time t to flash a small zone a t in the screen, e.g. light a pixel (action), and the eye tracker detects through the eye movement if the user has observed this flash. Ideally the monitor should focus on these difficult zones and flash more often there (i.e. choose more often specific actions corresponding to less identified zones). Therefore, sequential and adaptive learning methods are expected to improve the performances of the monitor.