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
