Kombinieren von Soft-Computing-Techniken und statistischen Methoden zur Verbesserung von Datenanalyselösungen
Projektleiter:
Projekthomepage:
Finanzierung:
Das Hauptziel des Projekts ist die Stärkung des Dialogs zwischen den Forschungsfeldern der Statistik und des Soft Computing um beide Felder zu befruchten und um beidseitige Verbesserungsaktivitäten zu erzeugen.
Soft Computing, als eine Ingenieurswissenschaft, und Statistik, als ein Teil der Mathematik, betonen unterschiedliche Aspekte der Datenanalyse. Soft Computing konzentriert sich auf das schnelle Erzeugen von funktionierenden Lösungen, das Akzeptieren von Näherungslösungen und unkonventionelle Ansätze. Seine Stärke liegt in seiner Flexibilität, Modelle zu erzeugen, die die Anforderungen von Anwendungen erfüllen (Kontext der Entdeckung, Modellgenerierung). Zusätzlich betont es die Notwendigkeit von intuitiven und interpretierbaren Modellen, die tolerant zu Ungenauigkeiten und Unsicherheiten sind. Statistik ist gründlicher und konzentriert sich auf die Etablierung von objektiven Schlüssen basierend auf experimentelle Daten durch Analyse von möglichen Situationen und deren (relativen) Wahrscheinlichkeiten (Kontext der Begründbarkeit, Modellvalidierung). Sie betont die Notwendigkeit mathematischer Methoden und Werkzeuge, um Lösungen und deren garantierte Leistungsfähigkeiten zu beurteilen. Das Näherbringen beider Felder wird die Robustheit und Generalisierungsfähigkeit der Datenanalysemethoden verbessern und indessen die Flexibilität, Realweltprobleme zu lösen, bewahren.
Soft Computing, als eine Ingenieurswissenschaft, und Statistik, als ein Teil der Mathematik, betonen unterschiedliche Aspekte der Datenanalyse. Soft Computing konzentriert sich auf das schnelle Erzeugen von funktionierenden Lösungen, das Akzeptieren von Näherungslösungen und unkonventionelle Ansätze. Seine Stärke liegt in seiner Flexibilität, Modelle zu erzeugen, die die Anforderungen von Anwendungen erfüllen (Kontext der Entdeckung, Modellgenerierung). Zusätzlich betont es die Notwendigkeit von intuitiven und interpretierbaren Modellen, die tolerant zu Ungenauigkeiten und Unsicherheiten sind. Statistik ist gründlicher und konzentriert sich auf die Etablierung von objektiven Schlüssen basierend auf experimentelle Daten durch Analyse von möglichen Situationen und deren (relativen) Wahrscheinlichkeiten (Kontext der Begründbarkeit, Modellvalidierung). Sie betont die Notwendigkeit mathematischer Methoden und Werkzeuge, um Lösungen und deren garantierte Leistungsfähigkeiten zu beurteilen. Das Näherbringen beider Felder wird die Robustheit und Generalisierungsfähigkeit der Datenanalysemethoden verbessern und indessen die Flexibilität, Realweltprobleme zu lösen, bewahren.
Schlagworte
Datenanalyse, Modellgenerierung, Modellvalidierung, Soft Computing, Statistik
Kontakt

Prof. Dr. Rudolf Kruse
Otto-von-Guericke-Universität Magdeburg
Institut für Intelligente Kooperierende Systeme
Universitätsplatz 2
39106
Magdeburg
Tel.:+49 391 6758706
weitere Projekte
Die Daten werden geladen ...