Meta-Lernen zur Regularisierung von tiefen Netzen bei kleinen Datenmengen (C05)

• Fachliche Zuordnung: Bild- und Sprachverarbeitung, Computergraphik und Visualisierung, Human Computer Interaction, Ubiquitous und Wearable Computing
• Förderung: Förderung seit 2023
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 499552394

Unser Ziel ist es, die Erfolge des Deep Learnings bei großen tabellenförmigen Datensätzen auch auf kleinere Datensätzen auszuweiten. So werden wir Ansätze für die Suche nach optimalen Kombinationen von Regularisierungsmethoden entwickeln, die auf einem Meta-Learning-Ansatz über viele kleine Datensätze hinweg und simultaner Nutzung verschiedener Regularisierungsmethoden basieren. Wir werden uns auch mit den stärker strukturierten Datenmodalitäten von Längsschnittdaten und Bilddaten befassen.

• DFG-Verfahren: Sonderforschungsbereiche
• Teilprojekt zu: SFB 1597: Small Data
• Antragstellende Institution: Albert-Ludwigs-Universität Freiburg
• Teilprojektleiter: Professor Dr. Josif Grabocka; Professor Frank Hutter, Ph.D.