Die Bayreuther Mathematik ist mit zwei Forschungsprojekten am Schwerpunktprogramm "Theoretical Foundation of Deep Learning" der Deutschen Forschungsgemeinschaft (DFG) beteiligt. Das Hauptziel dieses Schwerpunktprogramms ist die Entwicklung einer umfassenden theoretischen Grundlage des Deep Learning.

Für die beiden Projekte stellt die DFG der Universität Bayreuth in den kommenden drei Jahren 418 800 Euro zur Verfügung.

Deep Learning - ein Teilbereich der künstlichen Intelligenz - erlebt einen beispiellosen Erfolg in realen Anwendungen: beim autonomen Fahren, in der Steuerung von Stromnetzen oder im Gesundheitssektor. Gleichzeitig haben Deep-Learning-basierte Methoden einen starken Einfluss auf die Wissenschaft. Aber es fehlen der Forschung zu tiefen neuronalen Netzen weitgehend die mathematischen Grundlagen, die nötig sind, um die Fehleranfälligkeit zu minimieren. Die von Prof. Dr. Lars Grüne und Prof. Dr. Anton Schiela vom Lehrstuhl für Angewandte Mathematik der Universität Bayreuth geleiteten Projekte befassen sich mit verschiedenen Aspekten dieses Lernens.

Steuerung

Das Projekt von Prof. Grüne dreht sich um die Frage, wann tiefe neuronale Netze für Steuerungs- und Regelungsaufgaben geeignet sind, etwa beim Management von Stromnetzen. Das Projekt von Prof. Schiela, das in Kooperation mit Prof. Dr. Roland Herzog von der Universität Heidelberg durchgeführt wird, erforscht neue Methoden für das Training tiefer neuronaler Netze.

Beginn des Schwerpunktprogramms, an dem gut 20 Forschungsprojekte bundesweit beteiligt sind, ist im Herbst 2021. red