2009-09-07

Extrahieren verborgener Strukturen aus Daten mit latenten Variablen

Dr. Roland Memisevic, University of Toronto, Canada

Latente Variablen haben eine langjährige Geschichte in der Modellierung komplexer statistischer Zusammenhänge. Indem sie versteckte Strukturen in Daten selbständig aufgreifen und repräsentieren können, ermöglichen sie es, erstaunlich elegante und einfache Modelle einer Vielzahl komplexer Phänomene zu generieren. Klassische Beispiele für Verfahren, die auf der Verwendung latenter Variablen beruhen, sind Hidden Markov Modelle, Kalman Filter und die Hauptkomponenten-Analyse. In diesem Vortrag werde ich einige moderne Entwicklungen auf diesem Gebiet beschreiben. Ich werde insbesondere Ansätze zum Schätzen hochgradig nicht-linearer Zusammenhänge beschreiben, sowie Verfahren, die es uns gestatten, benutzergesteuert (z.B. interaktiv) auf das Extrahieren von latenten Strukturen Einfluss zu nehmen. Ich illustriere diese Verfahren anhand von Anwendungen aus der statistischen Vorhersage, der Computer Vision und der Visualisierung.

Category: CE Seminar