🚀 go-pugleaf

--------------------------------------------------------------------------

                                                      K        K  I
F O R S C H U N G S K O L L O Q U I U M               KK     KK   II
                                                      KKK  KKK    III
im Wintersemester 96/97                               KKK KKK     III
                                                      KKKKKK      III
                                                      KKK  KKK    III
                                                      KKK   KKK   III
                                                      KK      KK   II
                                                      K         K   I
Dienstag, den 14.1.1997
16.00 - 18.00 Uhr
Raum  FR 0027
--------------------------------------------------------------------------


        Analyse nichtstationaerer Zeitreihen mit neuronalen Netzen

        Jens Kohlmorgen
	
        GMD First (Forschungszentrum Informationstechnik)
        


Die effiziente Vorhersage komplexer Zeitreihen ist ein Schluessel
fuer viele Probleme in der Datenanalyse, Systemidentifikation,
Steuerung und Regelung.
Waehrend es konzeptuell unproblematisch ist, Zeitreihen
niedrigdimensionaler stationaerer dynamischer Systeme vorherzusagen,
versagen herkoemmliche Modelle, wenn die Zeitreihe von
unterschiedlichen Dynamiken stammt, z.B. wenn das zugrundeliegende
System seine Dynamik in der Zeit aendert.

Klassische Ansaetze und auch Methoden, die neuronale Netze verwenden,
gehen in der Regel davon aus, dass das Signal von nur einer Quelle
erzeugt wird, die ihre Dynamik mit der Zeit nicht aendert, dh. dass
das System weder schaltet, noch dass die Dynamik driftet.
Der von uns entwickelte Annealed Competition of Experts (ACE)
Algorithmus ist ein robuster, unueberwachter Lernalgorithmus zur
Modellierung und Analyse von schaltenden dynamischen Systemen.  Das
Verfahren basiert auf konkurrierenden neuronalen Netzen, welche
pr"adiktive Modelle fuer die zugrundeliegenden Dynamiken schaetzen.
Es wurde erfolgreich sowohl auf schaltende Zeitreihen mit chaotischer
Dynamik, als auch auf Sprachsignale und auf Daten aus der
Hirnforschung angewandt.
Neueste Untersuchungen von Wach-/Schlafdaten (EEG, EOG, Atmung), bei
denen auch Drifts in der Dynamik erkannt werden, sind ebenfalls
vielversprechend.



--------------------------------------------------------------------------


WICHTIG:

Die Termine des Kolloquiums werden auch per Email bekanntgegeben. Zur 
Aufnahme in den Verteiler bitte eine Email an Peter Geibel ({\tt
geibel@cs.tu-berlin.de}) schicken. 

Das aktuelle Kolloquiumsprogramm ist auch im WWW
unter http://ki.cs.tu-berlin.de/col.html zu finden.


--------------------------------------------------------------------------

TU Berlin
FG Methoden der K�nstlichen Intelligenz (KI)
Franklinstr. 28/29, FR 5-8
D-10587 Berlin

--------------------------------------------------------------------------
-- 
==================================== TU Berlin, FG KI, Sekr. FR 5-8
Peter Geibel =================== Franklinstr. 28/29, D-10587 Berlin
============================================= Tel. +49-30-314-25491 
============================ URL http://www.cs.tu-berlin.de/~geibel