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. International Workshop on Learning Classifier Systems (IWLCS 2020), der im Rahmen der Genetic and Evolutionary Computation Conference (GECCO 2020) stattfand. Seitdem bin ich auch Reviewer für auf dem IWLCS 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
Seminar über Naturanaloge Algorithmen und Multi-Agenten Systeme Sommersemester 2021 Seminar
Seminar zu Selbstorganisation in verteilten Systemen Sommersemester 2021 Seminar
Übung zu Organic Computing II Sommersemester 2021 Übung

Publikationen

David Pätzel
2021 | 2020 | 2019 | 2018

2021

Lukas Rosenbauer, David Pätzel, Anthony Stein and Jörg Hähner. 2021. Transfer learning for automated test case prioritization using XCSF. DOI: 10.1007/978-3-030-72699-7_43
BibTeX | RIS | URL | DOI

2020

David Pätzel, Anthony Stein and Masaya Nakata. 2020. An overview of LCS research from IWLCS 2019 to 2020. 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.
BibTeX | RIS | URL

Michael Heider, David Pätzel and Jörg Hähner. 2020. Towards a Pittsburgh-style LCS for learning manufacturing machinery parametrizations. DOI: 10.1145/3377929.3389963
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. DOI: 10.1145/3377929.3398128
BibTeX | RIS | DOI

Lukas Rosenbauer, Anthony Stein, David Pätzel and Jörg Hähner. 2020. XCSF for automatic test case prioritization. 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. 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. DOI: 10.1145/3319619.3326848
BibTeX | RIS | DOI

2018

David Pätzel and Jörg Hähner. 2018. An algebraic description of XCS. DOI: 10.1145/3205651.3208248
BibTeX | RIS | DOI

Suche