Am Montag, den 8. Juli 2024 wird Prof. Dr. Felix Dietrich vom Lehrstuhl für Physikbasiertes Maschinelles Lernen im Rahmen der TopMath Alumni Speakers Series über aktuelle Forschungsarbeiten seiner Gruppe berichten. Der Vortrag findet um 15Uhr in Garching, Raum 00.10.011 statt. Alle Interessierten sind herzlich eingeladen - aus organisatorischen Gründen bitten wir um Anmeldung bis Mittwoch, 3. Juli, per E-Mail an topmath(at)ma.tum.de.
Für diesen Vortrag im Rahmen der TopMath Alumni Speakers Series haben wir Prof. Dr. Felix Dietrich eingeladen. Prof. Dietrich, 9. TopMath-Jahrgang (2012/13), ist einer der TopMath-Absolventen, der seine wissenschaftliche Karriere an seiner Alma Mater fortsetzt. Vor seiner Professur an der TU München war er Emmy-Noether-Nachwuchsgruppenleiter am Lehrstuhl für Wissenschaftliches Rechnen, Postdoctoral Fellow am Department of Chemical and Biomolecular Engineering, Whiting School of Engineering an der Johns Hopkins University und Visiting Research Collaborator an der Princeton University, wo er mit Prof. Kevrekidis zusammenarbeitete.
Sein Interesse gilt der Analyse und Entwicklung numerischer Algorithmen für das maschinelle Lernen, wie Algorithmen zur Ermöglichung, Beschleunigung und Optimierung der Simulation und Analyse komplexer dynamischer Systeme sowie nichtlinearer multipler Lerntechniken, einschließlich datengetriebener Approximationen von Koopman- und Laplace-Operatoren.
Während des Talks werden aktuelle Forschungsarbeiten seiner Gruppe zur zufälligen Auswahl von Parametern künstlicher neuronaler Netze aus bestimmten Wahrscheinlichkeitsverteilungen diskutiert. In vielen Fällen übertrifft dieser Ansatz die Backpropagation-basierte Optimierung um mehrere Größenordnungen, sowohl was die Trainingsgeschwindigkeit als auch die Genauigkeit betrifft.