EML4U

EML4U: Erklärbares Maschinelles Lernen für interaktive episodische Updates von Modellen

Mit Maschinellem Lernen (ML) lassen sich anhand von Daten komplexe Zusammenhänge modellieren. Somit können aufwändige und oft grob vereinfachte mathematische Modellierungen bestimmter Gegebenheiten umgangen werden. Außerdem eröffnet sich zudem eine neuartige Funktionalität: ML-Modelle können datengetrieben an geänderte Anforderungen und Bedingungen angepasst werden. Um eine regelmäßige Anpassung zu erreichen, werden Daten während des Gebrauchs eines Modells gesammelt und das Modell unter Berücksichtigung dieser Information neu trainiert, es findet also ein episodisches Update des ML-Modells statt.

Förderung: BMBF (06/2020 - 05/2022)
Kontakt: Eyke Hüllermeier
Kooperation: Prof. B. Hammer (Universität Bielefeld) und Semalytix GmbH (Bielefeld)