Prof. Dr. Marius Kloft

• NW/1: Statistisches Lernen aus abhängigen Daten: Lerntheorie, Robuste Algorithmen und Anwendungen

  Quelle ↗

  Eine gängige Annahme im Maschinellen Lernen - eine der Schlüsseltechnologien zur Analyse empirischer Daten - ist, dass die vorliegenden Beobachtungen von unabhängigen Zufallsvariablen realisiert wurden. Diese Prämisse kann verletzt sein, wenn die Daten temporale oder räumliche Strukturen aufweisen oder unter Störfaktoren und variierenden experimentellen Voraussetzungen aufgenommen wurden. Mit diesem Forschungsprojekt arbeiten wir in Richtung einer von Grund auf mathematisch fundierten Methodologie des statistischen Lernens aus abhängigen Daten, mit dem Ziel der Entwicklung von Algorithmen, die Lernen in solchen Umgebungen schaffen und in Anwendungen in Industrie und Wissenschaften eingesetzt werden können. Ein weiterer Schwerpunkt liegt auf dem grundlegenden theoretischen Verständnis von Lernen aus abhängigen Daten und der Interpretation von Lernalgorithmen, um erklären zu können, wann und warum solche Lernalgorithmen erfolgreich eingesetzt werden können.

• Advanced Machine Learning Prediction Methods for Automatic Heating Control

  Quelle ↗

  In our research we are investigating advanced machine learning prediction approaches to automatic heating control. In machine learning one uses computational algorithms that learn from data how to make more accurate predictions. Modern machine learning methods can process millions of data instances at the same time. In heating control, machine learning can help finding the most accurate model for predicting future home occupancy. Clearly accurate home occupancy could be used to switch heating off in away times and for pre-heating right before return.

• EXIST-Gründerstipendium: ÜberEnergy - Selbstlernende Heizungssteuerungen

  Quelle ↗

  Das Geschäftsfeld von ÜberEnergy ist die Entwicklung und Vermarktung eines innovativen Systems zur Heizungssteuerung, das eine Energieeinsparung von mehr als 30% im Vergleich zu herkömmlichen Lösungen ermöglicht. Das ÜberEnergy-System besteht aus einem SMART-Thermostat, das zur Steuerung des Heizungssystems dient und über einen integrierten Sensor die Anwesenheit der Bewohner erfasst, sowie der auf dem Smartphone des Nutzers installierten ÜberEnergy-App, die u.a. dessen GPS-Positionsdaten registriert. Die Kombination von Sensor- und GPS-Daten sowie deren Auswertung durch Vorhersagemodelle, die auf Maschinenlern-Algorithmen basieren, ermöglicht präzise Prognosen zum Nutzerverhalten und dadurch eine ebenso bedarfsgerechte wie sparsame Heizungssteuerung. Das ÜberEnergy-System erhöht den Wohnkomfort der Nutzer spürbar: es ist keine zeitabhängige Programmierung der Heizung mehr notwendig und die Wohnung ist warm, sobald man nach Hause kommt.Bei der technischen Umsetzung wird ÜberEnergy mit Humboldt-Universität zu Berlin, insbesondere mit dem Lehrstuhl für Maschinelles Lernen von Prof. Dr. Marius Kloft, zusammenarbeiten.

Noch keine Publikationen aus OpenAlex zugeordnet.