Data Science Research Group

Wer wir sind


Wir, die Data Science Research Group, sind eine Forschergruppe an der Westsächsiche Hochschule Zwickau (WHZ), die sich mit der Weiterentwicklung von Methoden des maschinellen Lernens und der künstlichen Intelligenz beschäftigt. Wir arbeiten eng mit dem Studiengang Data Science unserer Hochschule zusammen.

loading...

Forschungsergebnisse

Im Folgenden einige unserer Forschungsergebnisse, insbesondere einige unserer Softwareprojekte.


Tensor-Calculus (TC)

Python 3.8+
Version Unreleased

TC ist eine wissenschaftliche Softwarebibliothek für maschinelles Lernen. TC ermöglicht den einfachen Zugang zu neuronalen Tensorformaten (NTF). NTF findet Anwendungen in allen Bereichen des maschinellen Lernens, welche sich hauptsächlich mit Funktions-Approximation befassen.

Dieses Projekt befindet sich derzeit in einer intensiven Entwicklung und wird in Kürze veröffentlicht. Wenn Sie einen Beta-Zugang anfordern möchten, senden Sie uns bitte eine e-mail an etshAgi.{xjdlbv/ef

Discrete Optimization Extension (DOpE)

Python 3.8+
Version Unreleased

Eine Bibliothek zur Lösung diskreter Minimierungsprobleme. Dope bietet Methoden wie AdaptiveCrossSearch, BayesSearch, GridSearch und RandomSearch. Genutzt wird es zur Modellverbesserung und ermöglicht somit eine verbesserte Lösung von Minimierungsproblemen.

Dieses Projekt befindet sich derzeit in einer intensiven Entwicklung und wird in Kürze veröffentlicht. Wenn Sie einen Beta-Zugang anfordern möchten, senden Sie uns bitte eine e-mail an etshAgi.{xjdlbv/ef

Bias Variance Agent (BiVA)

Python 3.8+
Version Unreleased

Die Biva-Bibliothek dient als Werkzeug, um den Kompromiss zwischen Bias und Varianz beim überwachten Lernen zu lösen. Der Agent bietet einen API-unabhängigen Ansatz für die Modellierung, Bewertung und Optimierung von Hyperparametern.

Dieses Projekt befindet sich derzeit in einer intensiven Entwicklung und wird in Kürze veröffentlicht. Wenn Sie einen Beta-Zugang anfordern möchten, senden Sie uns bitte eine e-mail an etshAgi.{xjdlbv/ef

Das Team

Dies sind die Personen, die in unserer Forschungsgruppe arbeiten.


Prof. Dr. rer. nat. Mike Espig
Forschungsleiter*in

"Tamer of the Algorithms"

  • Data Science
  • Entwicklung von Methoden des maschinellen Lernens und der künstlichen Intelligenz
  • Analysis und Numerik
  • Numerik hochdimensionaler Probleme mittels Tensorformate
  • Mathematik für Ingenieure
  • seit 3/2017
    Professor für Mathematik, Westsächsischen Hochschule Zwickau
  • 04/2014-02/2017
    Professor für Numerische und Angewandte Analysis RWTH Aachen
  • 10/2013-03/2014
    Wissenschaftlicher Mitarbeiter TU Berlin, Prof. Dr. Harry Yserentant.
  • 01/2008-09/2013
    Wissenschaftlicher Mitarbeiter Max-Planck-Institut für Mathematik in den Naturwissenschaften, Leipzig, Prof. Dr. Dr. h.c. Hackbusch.
Antje Holtz
Antje Holtz
Transferbeautragte*r

"Tweeter"

Christian Ahlswede
Christian Ahlswede
Studentische Hilfskraft
Christian Walter
Christian Walter
Wiss. Mitarbeiter*in

"Current Expert"

David Gadsch
David Gadsch
Studentische Hilfskraft
Katsiaryna Radschanka
Katsiaryna Radschanka
Studentische Hilfskraft
Kostiantyn Pysanyi
Kostiantyn Pysanyi
Studentische Hilfskraft
Marcel Becker
Marcel Becker
Wiss. Mitarbeiter*in

"Software Ninjaneer"

Michaela Banert
Michaela Banert
Studentische Hilfskraft
Tobias Haubold
Tobias Haubold
Wiss. Mitarbeiter*in

"Lead Code Wizard"

Tommy Hartmann
Tommy Hartmann
Wiss. Mitarbeiter*in

"Director of World Creation"

Forschungsprojekte

Die folgenden Projekte sind ein Auszug aus unserer Forschungsarbeit und beteiligten Drittmittelgebern.


KI-Lab-EmCo

KI-Lab, Efficent Methods of Conditional Monitoring

Das Ziel dieses Vorhabens ist es, ein ganzheitliches KI-Labor für die modernen Methoden des Condition-Monitoring zu errichten. Dabei werden aktuelle Methoden, sowie auch neue Methoden unter Verwendung neuronaler Tensorformate berücksichtigt.

MoITra

Modular Intelligent Transport System in Intralogistics

Das Ziel des Vorhabens ist es, ein funkbasiertes fahrerloses Transportsystem für die Intralogistik zu entwickeln, welches auf Grund der mittels Tensorformaten entwickelten Logik zum einen eine hohe Ausfallsicherheit bietet und zum Anderen schnell an neue Aufgabenfelder angepasst werden kann.

Saxony5 - CCL KI

Saxony5 - Smart University Grid, CCL Artifical Intelligence

Ziel des Projekts ist die Implementierung eines Co-Creation-Labors (CCL) "Künstliche Intelligenz" im Gemeinschaftsprojekt "Saxony5". Es soll den regionalen Austausch zu den Themen künstliche Intelligenz und maschinelles Lernen fördern.

Publikationen

Hier ein Auszug aus unseren wissenschaftlichen Veröffentlichungen.


  • Iterative algorithms for the post-processing of high-dimensional data
    Veröffentlicht: January 2020 - Journal of Computational Physics, 410, 109396
    Autoren: Mike Espig, Wolfgang Hackbusch, Alexander Litvinenko, Hermann G. Matthies, Elmar Zander
    Doi: 10.1016/j.jcp.2020.109396
    Link: https://www.sciencedirect.com
  • On the Convergence of Alternating Least Squares Optimisation in Tensor Format Representations
    Veröffentlicht: January 2015 - preprint
    Autoren: Mike Espig, Wolfgang Hackbusch, Aram Khachatryan
    Arxiv: 1506.00062
    Link: https://www.igpm.rwth-aachen.de
  • Convergence of Alternating Least Squares Optimisation for Rank-One Approximation to High Order Tensors
    Veröffentlicht: January 2014 - preprint
    Autoren: Mike Espig, Aram Khachatryan
    Arxiv: 1503.05431
    Link: https://www.igpm.rwth-aachen.de
  • Efficient low-rank approximation of the stochastic Galerkin matrix in tensor formats
    Veröffentlicht: January 2014 - Computers & Mathematics with Applications, 67(4), 818-829
    Autoren: Mike Espig, Wolfgang Hackbusch, Alexander Litvinenko, Hermann G. Matthies, Philipp Wähnert
    Doi: 10.1016/j.camwa.2012.10.008
    Link: https://www.mis.mpg.de
  • Variational Calculus with Sums of Elementary Tensors of Fixed Rank
    Veröffentlicht: January 2012 - Numerische Mathematik, 122(3), 469-488
    Autoren: Mike Espig, Wolfgang Hackbusch, Thorsten Rohwedder, Reinhold Schneider
    Doi: 10.1007/s00211-012-0464-x
    Link: https://www.mis.mpg.de
  • Efficient Analysis of High Dimensional Data in Tensor Formats
    Veröffentlicht: January 2012 - In Sparse Grids and Applications (pp. 31-56). Springer, Berlin, Heidelberg
    Autoren: Mike Espig, Wolfgang Hackbusch, Alexander Litvinenko, Hermann G. Matthies, Elmar Zander
    Doi: 10.1007/978-3-642-31703-3_2
    Link: https://www.mis.mpg.de
  • A Regularized Newton method for the Efficient Approximation of Tensors Represented in the Canonical Tensor Format
    Veröffentlicht: January 2012 - Numerische Mathematik, 122(3), 489-525
    Autoren: Mike Espig, Wolfgang Hackbusch
    Doi: 10.1007/s00211-012-0465-9
    Link: https://www.mis.mpg.de
  • A note on approximation in Tensor Chain format
    Veröffentlicht: January 2012 - Computing and Visualization in Science, 15(6), 331-344
    Autoren: Mike Espig, Kishore Kumar Naraparaju, Jan Schneider
    Doi: 10.1007/s00791-014-0218-7
    Link: https://www.mis.mpg.de
  • Optimization Problems in Contracted Tensor Networks
    Veröffentlicht: January 2011 - Computing and visualization in science, 14(6), 271-285
    Autoren: Mike Espig, Wolfgang Hackbusch, Stefan Handschuh, Reinhold Schneider
    Doi: 10.1007/s00791-012-0183-y
    Link: https://www.mis.mpg.de
  • Black Box Low Tensor Rank Approximation using Fibre-Crosses
    Veröffentlicht: January 2009 - Constructive approximation, 30(3), 557
    Autoren: Mike Espig, Lars Grasedyck, Wolfgang Hackbusch
    Doi: 10.1007/s00365-009-9076-9
    Link: https://www.mis.mpg.de

  • Tensor Representation Techniques for Full Configuration Interaction: A Fock Space Approach Using the Canonical Product Format
    Veröffentlicht: January 2016 - The Journal of chemical physics, 144(24), 244102
    Autoren: Karl-Heinz Böhm, Mike Espig, Alexander A. Auer
    Doi: 10.1063/1.4953665
    Link: https://www.igpm.rwth-aachen.de
  • Mesh-free canonical tensor products for six-dimensional density matrix: computation of kinetic energ
    Veröffentlicht: January 2016 - Computing and Visualization in Science, 17(6), 267-275
    Autoren: Sambasiva Rao Chinnamsetty, Mike Espig, Wolfgang Hackbusch
    Doi: 10.1007/s00791-016-0263-5
    Link: https://www.mis.mpg.de
  • Tensor Representation Techniques in post-Hartree Fock Methods: Matrix Product State Tensor Format
    Veröffentlicht: January 2013 - Molecular physics, 111(16-17), 2398-2413
    Autoren: Udo Benedikt, Henry Auer, Mike Espig, Wolfgang Hackbusch, Alexander Auer
    Doi: 10.1080/00268976.2013.798433
    Link: https://www.mis.mpg.de
  • Tensor Decomposition in post-Hartree Fock Methods
    Veröffentlicht: January 2011 - The journal of chemical physics, 134(5), 054118
    Autoren: Udo Benedikt1, Alexander A. Auer, Mike Espig, Wolfgang Hackbusch
    Doi: 10.1063/1.3514201
    Link: https://www.mis.mpg.de
  • Canonical tensor products as a generalization of Gaussian-type orbitals
    Veröffentlicht: January 2010 - International journal of research in physical chemistry and chemical physics, 224(3-4), 681-694
    Autoren: Sambasiva Rao Chinnamsetty, Mike Espig, Heinz-Jürgen Flad, Wolfgang Hackbusch
    Doi: 10.1524/zpch.2010.6131
    Link: https://www.mis.mpg.de
  • Tensor product approximation with optimal rank in quantum chemistry
    Veröffentlicht: January 2007 - The journal of chemical physics, 127(8), 084110
    Autoren: Sambasiva Rao Chinnamsetty, Mike Espig, Boris N. Khoromskij, Wolfgang Hackbusch
    Doi: 10.1063/1.2761871
    Link: https://www.mis.mpg.de

  • On the Robustness of Elliptic Resolvents Computed by means of the Technique of Hierarchical Matric
    Veröffentlicht: January 2008 - Applied Numerical Mathematics, 58(12), 1844–1851
    Autoren: Mike Espig, Wolfgang Hackbusch
    Doi: 10.1016/j.apnum.2007.11.006
    Link: https://www.mis.mpg.de

Unserer Partner

Unsere Partner, die uns bei unserer Arbeit unterstützen.