DECORATING -- DEep COnceptors for tempoRal dATa mINinG

Heutige Produktionsanlagen, Häuser (speziell Smart Homes) oder Unternehmen sammeln riesige Datenmengen. Diese Daten bilden eine Zeitreihe und enthalten zusätzlich oft räumliche Informationen. Interessante Forschungsfragen in diesem Zusammenhang sind: Wie können Muster in Zeitreihen, d.h. regelmäßige und/oder wiederkehrende Verhaltensweisen sowie Abweichungen davon erkannt werden? Für die Modellierung und Vorhersage von räumlich-zeitlichem Verhalten erscheinen Ansätze auf Basis rekurrenter neuronaler Netze eine geeignete Wahl.

Konzeptoren (Jaeger 2014) sind ein neuer Mechanismus aus der Neuroinformatik, der verwendet werden kann, um eine Vielzahl von Funktionen, wie z.B. das inkrementelle Lernen von dynamischen Mustern, zu implementieren. Zur Realisierung von Konzeptoren werden hauptsächlich rekurrente neuronale Netzes mit einer zufälligen Konnektivitätsmatrix als dynamischer Speicher verwendet.

Im Rahmen des Forschungsprojekts sollen einfache, aber leistungsfähige rekurrente Netzwerkmodelle, insbesondere Netzwerke auf der Basis von Konzeptoren in Kombination mit Cluster-Methoden betrachtet werden. Dabei soll nicht nur allgemein untersucht werden, inwiefern Mustererkennung in Zeitreihen mit diesen Methoden machbar ist, sondern nach Möglichkeit auch deren Anwendungen betrachtet werden, wie z.B. die Objekterkennung mit Multikoptern, die Wahrnehmung von Harmonie in der Musik u.a.