- Anwendung
des Random Forest Lernverfahren auf die Prognose von Flugbuchungen (in Kooperation
mit Fa. NuTech Solutions, Dortmund)
- Dem sogenannten Business Forecasting kommt große praktische Bedeutung
in der späteren Arbeitswelt zu. Aufbauend auf einem bestehenden R-Package
randomForest soll die Leistungsfähigkeit der Random Forest Prognose
für ein umfangreicheres Prognoseproblem aus einem realen Wirtschaftskontext
- hier: historische Flugdaten eines großen Pauschalreiseveranstalters
- untersucht werden. Eine mögliche Anbindung an das .NET-Framework
soll untersucht werden
- Anwendung
hybrider neuronaler Lernverfahren auf die Prognose von Flugbuchungen
- Dem
sogenannten Business Forecasting kommt große praktische Bedeutung in der
späteren Arbeitswelt zu. Aufbauend auf der DA
Serhat Cinar, FH Köln, und der DA
Eugen Reinus, FH Köln, soll die Leistungsfähigkeit der hybriden Prognose
für ein umfangreicheres Prognoseproblem aus einem realen Wirtschaftskontext
- hier: historische Flugdaten eines großen Pauschalreiseveranstalters
- untersucht werden. Eine Erweiterung eines Java-basierten Prognosetools
(z.B. JDBC-Schnittstelle, weitere Verfahren) ist erwünscht.
- Einsatz
von Reinforcement Learning für strategische Brettspiele am Beispiel von
"4-Gewinnt" (bereits vergeben)
- Reinforcement
Learning in Verbindung mit Neuronalen Netzen ist eine clevere Strategie,
wie man allein aus Belohnungen "gut – schlecht" am Spielende
eine komplexe Spielstrategie erlernen kann. G. Tesauro hat gezeigt, wie
man auf diese Weise ein auf Weltklasseniveau spielendes Backgammon-Programm
erzeugen kann. Ziel der Arbeit ist es, diese Lernstrategie erstmals auf
das strategische Brettspiel "4-Gewinnt" anzuwenden. Aufbauend
auf verschiedenen, an der FH Köln bereits durchgeführten Diplom und Bachelorarbeiten
(u.a. BA Anna Klassen), soll
eine Java-Implementierung des Reinforcement-Learnings entwickelt werden
und an praktischen Spielsituationen evaluiert werden. (mehr...)
- Verschiedene
Themenangebote im Rahmen von Prognose in WAPSCIENCE:
- Am
Institut für Automation & Industrial IT, Campus Gummersbach, wird
derzeit das große EU-Forschungsprojekt WAPSCIENCE (Leitung: M. Bongards) zur Entwicklung innovativer
Konzepte bei der Regelung von Kläranlagen durchgeführt. Hier sind verschiedene
Themen im Angebot, s. auch www.bongards.de/dipthem.pdf:
- Multi-Task-Learning für die datengetriebene
Regelung in Kläranlagen: Ziel der Arbeit ist es, die Prognose
entscheidender Regelkenngrößen zu verbessern, indem die Leistungsfähigkeit
des MTL-Lernverfahrens (DA Reinus,
FH Köln) erprobt wird. Eine Erweiterung des Java-basierten Prognosetools
(z.B. JDBC-Schnittstelle, weitere Verfahren) ist erwünscht.
- Optimierung der aktuellen Prognoseverfahren:
Verbesserung der Datenvorverarbeitung durch Dekorrelation mittels
PCA, Kombination von linearer Regression und Neuronalen Netzen, aufbauend
auf DA Serhat Cinar, FH Köln.
- Automatisierte Erkennung von Ausreissern
oder Strukturbrüchen in großen Datenmengen: Als Detektionsmethoden
kommen SVM (Support Vector Machines), statistische Methoden und neuronale
Netze zur Clusteranalyse in Betracht.
Voraussetzungen: Für viele der Arbeiten sind
Kenntnisse Data Mining (etwa durch WPF DMC bei Thomas Bartz-Beielstein und
mir) oder Neuronaler Netze (etwa im Umfang der WPFs NN1 + NN2 bei Hartmut Westenberger) sowie Java hilfreich.
© Wolfgang Konen, 01.07.2005 - 18.08.2008