Lehrstuhl für Organic Computing

  1. Universität
  2. Fakultäten
  3. Fakultät für Angewandte Informatik
  4. Institut für Informatik
  5. Lehrstühle und Professuren der Informatik
  6. Organic Computing
  7. Team
  8. David Pätzel

David Pätzel

Wissenschaftlicher Mitarbeiter
Lehrstuhl für Organic Computing
Telefon: +49 821 598 69254
E-Mail:
Raum: 2043 (W)
Sprechzeiten: nach Vereinbarung
Adresse: Am Technologiezentrum 8, 86159 Augsburg

Forschungsschwerpunkte

Ich beschäftige mich hauptsächlich mit Learning Classifier Systemen (insbesondere XCS und seinen Abkömmlingen), einer Familie von vielseitig einsetzbaren evolutionären regelbasierten maschinellen Lernverfahren. Eines der Hauptargumente für die Anwendung dieser Verfahren ist, dass die Modelle, die sie erzeugen, deutlich leichter zu interpretieren sind als diejenigen, die andere Lernverfahren erzeugen, wie zum Beispiel künstliche neuronale Netze. Allerdings verstehen wir formal immer noch nicht, wie LCS im Detail funktionieren, also, welche Probleme sie genau lösen können oder wie gut dies möglich ist – was eine Argumentation für sie stark schwächt. Durch meine Arbeit möchte ich ein formaleres Verständnis von LCS entwickeln und basierend darauf schließlich mehrere Behauptungen beweisen, die bis heute nur experimentell nachgewiesen wurden.

Ansonsten interessieren mich insbesondere:

  • Reinforcement Learning
  • evolutionäre maschinelle Lernverfahren
  • funktionale Programmierung, insbesondere mit Haskell
  • Möglichkeiten, Alltagssoftware mit einer formaleren (funktionaleren) Sicht wahrzunehmen, zum Beispiel Betriebssysteme (NixOS) oder Window-Manager (XMonad).
  • freie Software

Sonstige wissenschaftliche Tätigkeiten

Ich habe Reviews für Artikel folgender Journals verfasst: Daneben war ich Teil des gewählten dreiköpfigen Organisationskomitees des 23., 24., 25. und 26. International Workshop Evolutionary Rule-based Machine Learning (ERBML) (ehemals International Workshop on Learning Classifier Systems, IWLCS), der im Rahmen der Genetic and Evolutionary Computation Conference (GECCO) in den Jahren 2020 bis 2023 stattfand. Seitdem bin ich auch Reviewer für auf dem ERBML eingereichte Papiere.

Lebenslauf

seit 2017 Wissenschaftlicher Mitarbeiter am Lehrstuhl
2015–2017 Master-Studium im Fach Informatik an der Universität Augsburg
2011–2015 Bachelor-Studium im Fach Informatik und Multimedia an der Universität Augsburg

Lehrveranstaltungen

(Angewandte Filter: Semester: aktuelles | Dozenten: David Pätzel | Vorlesungsarten: Übung, Seminar)
Name Semester Typ
Kommunikationssysteme - Übungsgruppe "Marconi" (Mi 14:00) Wintersemester 2023/24 Übung
Übung zu Kommunikationssysteme Wintersemester 2023/24 Übung
Kommunikationssysteme - Übungsgruppe "Floyd" (Di 10:00) Wintersemester 2023/24 Übung
Seminar Organic Computing (Bachelor) Wintersemester 2023/24 Seminar
Übung zu Grundlagen des Organic Computing Wintersemester 2023/24 Übung
Seminar Organic Computing (Master) Wintersemester 2023/24 Seminar
Kommunikationssysteme - Übungsgruppe "Bell" (Mo 15:45) Wintersemester 2023/24 Übung
Kommunikationssysteme - Übungsgruppe "Metcalfe" (Mi 15:45) Wintersemester 2023/24 Übung

Publikationen

2023 | 2022 | 2021 | 2020 | 2019 | 2018

2023

Michael Heider, David Pätzel, Helena Stegherr and Jörg Hähner. 2023. A metaheuristic perspective on learning classifier systems. In Mansour Eddaly, Bassem Jarboui and Patrick Siarry (Ed.). Metaheuristics for machine learning: new advances and tools. Springer, Singapore (Computational Intelligence Methods and Applications (CIMA)), 73-98. DOI: 10.1007/978-981-19-3888-7_3
BibTeX | RIS | DOI

Michael Heider, Helena Stegherr, Roman Sraj, David Pätzel, Jonathan Wurth and Jörg Hähner. 2023. SupRB in the context of rule-based machine learning methods: a comparative study. Applied Soft Computing 147, 110706. DOI: 10.1016/j.asoc.2023.110706
BibTeX | RIS | DOI

Henning Cui, David Pätzel, Andreas Margraf and Jörg Hähner. 2023. Weighted mutation of connections to mitigate search space limitations in Cartesian Genetic Programming. In FOGA '23: Proceedings of the 17th ACM/SIGEVO Conference on Foundations of Genetic Algorithms, 30 August - 1 September 2023, Potsdam, Germany. Association for Computing Machinery, New York, NY, 50-60 DOI: 10.1145/3594805.3607130
PDF | BibTeX | RIS | DOI

2022

Lukas Rosenbauer, David Pätzel, Anthony Stein and Jörg Hähner. 2022. A learning classifier system for automated test case prioritization and selection. SN Computer Science 3, 5, 373. DOI: 10.1007/s42979-022-01255-1
BibTeX | RIS | DOI

Michael Heider, David Pätzel and Alexander R. M. Wagner. 2022. An overview of LCS research from 2021 to 2022. Proceedings of the Genetic and Evolutionary Computation Conference Companion 2086-2094. DOI: 10.1145/3520304.3533985
PDF | BibTeX | RIS | DOI

Michael Heider, Helena Stegherr, David Pätzel, Roman Sraj, Jonathan Wurth, Benedikt Volger and Jörg Hähner. 2022. Approaches for rule discovery in a learning classifier system. In Thomas Bäck, Bas van Stein, Christian Wagner, Jonathan Garibaldi, H. K. Lam, Marie Cottrell, Faiyaz Doctor, Joaquim Filipe, Kevin Warwick, Janusz Kacprzyk (Eds.). Proceedings of the 14th International Joint Conference on Computational Intelligence, October 24-26, 2022, in Valletta, Malta. SciTePress, Setúbal, 39-49 DOI: 10.5220/0011542000003332
PDF | BibTeX | RIS | DOI

David Pätzel and Jörg Hähner. 2022. The Bayesian learning classifier system: implementation, replicability, comparison with XCSF. In Jonathan E. Fieldsend, Markus Wagner (Eds.). GECCO '22: Proceedings of the Genetic and Evolutionary Computation Conference, July 9-13, 2022, Boston, MA, USA. ACM, New York, NY, 413-421 DOI: 10.1145/3512290.3528736
BibTeX | RIS | DOI

2021

Lukas Rosenbauer, David Pätzel, Anthony Stein and Jörg Hähner. 2021. An organic computing system for automated testing. In Christian Hochberger, Lars Bauer and Thilo Pionteck (Ed.). Architecture of computing systems. Springer International Publishing, Cham (LNTCS ; 12800), 135-149. DOI: 10.1007/978-3-030-81682-7_9
BibTeX | RIS | DOI

David Pätzel, Michael Heider and Alexander R. M. Wagner. 2021. An overview of LCS research from 2020 to 2021. In Francisco Chicano and Krzysztof Krawiec (Ed.). Proceedings of the Genetic and Evolutionary Computation Conference Companion, Lille, France, July 10 - 14, 2021. ACM, New York, NY, 1648-1656. DOI: 10.1145/3449726.3463173
PDF | BibTeX | RIS | DOI

Lukas Rosenbauer, David Pätzel, Anthony Stein and Jörg Hähner. 2021. Transfer learning for automated test case prioritization using XCSF. In Applications of Evolutionary Computation: EvoApplications 2021. Springer, Cham, 681-696 DOI: 10.1007/978-3-030-72699-7_43
BibTeX | RIS | DOI | URL

2020

David Pätzel, Anthony Stein and Masaya Nakata. 2020. An overview of LCS research from IWLCS 2019 to 2020. In Carlos Artemio Coello Coello (Ed.). Proceedings of the 2020 Genetic and Evolutionary Computation Conference Companion (GECCO '20), July 2020, Cancún, Mexico. ACM, New York, NY, 1782-1788. DOI: 10.1145/3377929.3398105
BibTeX | RIS | DOI

Michael Heider, David Pätzel and Jörg Hähner. 2020. SupRB: a supervised rule-based learning system for continuous problems. preprint.
BibTeX | RIS | URL

Michael Heider, David Pätzel and Jörg Hähner. 2020. Towards a Pittsburgh-style LCS for learning manufacturing machinery parametrizations. In Carlos Artemio Coello Coello (Ed.). Proceedings of the 2020 Genetic and Evolutionary Computation Conference Companion (GECCO '20), Cancún, Mexico, July 2020. ACM, New York, NY, 127-128. DOI: 10.1145/3377929.3389963
PDF | BibTeX | RIS | DOI

Lukas Rosenbauer, Anthony Stein, Roland Maier, David Pätzel and Jörg Hähner. 2020. XCS as a reinforcement learning approach to automatic test case prioritization. In Carlos Artemio Coello Coello (Ed.). Proceedings of the 2020 Genetic and Evolutionary Computation Conference Companion, Cancún, Mexico, July, 2020. ACM, New York, NY, 1798-1806. DOI: 10.1145/3377929.3398128
BibTeX | RIS | DOI

Lukas Rosenbauer, Anthony Stein, David Pätzel and Jörg Hähner. 2020. XCSF for automatic test case prioritization. In Juan Julian Merelo, Jonathan Garibaldi, Christian Wagner, Thomas Bäck, Kurosh Madani and Kevin Warwick (Ed.). Proceedings of the 12th International Joint Conference on Computational Intelligence (ECTA), November 2-4, 2020. SciTePress, Setúbal, 49-58. DOI: 10.5220/0010105700490058
PDF | BibTeX | RIS | DOI

Lukas Rosenbauer, Anthony Stein, David Pätzel and Jörg Hähner. 2020. XCSF with experience replay for automatic test case prioritization. In Hussein Abbass, Carlos A. Coello Coello and Hemant Kumar Singh (Ed.). 2020 IEEE Symposium Series on Computational Intelligence (SSCI), virtual event, Canberra, Australia, 1-4 December 2020. IEEE, Piscataway, NJ, 1307-1314. DOI: 10.1109/ssci47803.2020.9308379
BibTeX | RIS | DOI

2019

David Pätzel, Anthony Stein and Jörg Hähner. 2019. A survey of formal theoretical advances regarding XCS. In Manuel López-Ibáñez, Anne Auger and Thomas Stützle (Ed.). Proceedings of the Genetic and Evolutionary Computation Conference Companion - GECCO '19, Prague, Czech Republic, July 2019. ACM Press, New York, NY, 1295-1302. DOI: 10.1145/3319619.3326848
BibTeX | RIS | DOI

2018

David Pätzel and Jörg Hähner. 2018. An algebraic description of XCS. In Hernan Aguirre and Keiki Takadama (Ed.). Proceedings of the Genetic and Evolutionary Computation Conference Companion - GECCO '18, Kyoto, Japan — July 15 - 19, 2018. ACM Press, New York, NY, 1434-1441. DOI: 10.1145/3205651.3208248
BibTeX | RIS | DOI

Suche