Aswin Kannan

Aswin Kannan forscht an datengestützten Optimierungsmethoden im Rahmen einer Junior Research Group des Exzellenzclusters MATH+. Der Fokus liegt auf der Entwicklung mathematischer und algorithmischer Verfahren, um komplexe Optimierungsprobleme aus Industrie und Anwendungspraxen zu lösen — etwa in Logistik, Produktion, Ressourcenallokation oder Planung. Die Methoden kombinieren klassische Optimierungstheorie mit modernen datengetriebenen Ansätzen und Machine Learning, um in realen, oft unsicheren oder hochdimensionalen Szenarien praktisch einsetzbare Lösungen zu finden.

🔒 Das System hat 55 mögliche Industrie-Partner gefunden — Firmen, Scores und Begründungen sind nur für eingeloggte Nutzer:innen sichtbar. Anmelden

• EXC 2046/1: MATH+ Junior Research Group on Data-Driven Optimization

  Quelle ↗

• Algorithm Switching for Multiobjective Predictions in Renewable Energy Markets

  2025

  Lecture notes in computer science · DOI

• Document structure aware Relation Extraction for Semantic Automation

  2024

  DOI

  Relational Graph Convolutional Network models are a class of Graph Neural Network models used for link prediction in heterogeneous graphs. They’re being used in a variety of industrial applications including semantic automation tasks in a Lakehouse. In this work, we propose a novel way to incorporate document specific features into a RGCN model that helps improve relation extraction accuracy by about 15 points. Further, we extend this document awareness to semantic tasks on tabular data and discuss our results.