Lebenslauf
Seit 2017 Wissenschaftlicher Mitarbeiter am Lehrstuhl für Organic Computing
2014-2017 Master-Studium im Fach Informatik an der Universität Augsburg
2010-2014 Bachelor-Studium im Fach Wirtschaftsinformatik an der Universität Augsburg
Forschungsschwerpunkte
Meine Forschungsschwerpunkte liegen im Bereich des Reinforcement Learnings. Hier beschäftige ich mich im Besonderen mit dem Thema Deep Reinforcemen Learning und betreibe dort Grundlagenforschung.
Der Deep Q-Network Algorithmus (DQN) als ein prominenter Vertreter der Deep Reinforcement Learning Algorithmen benutzt (nicht als einziger) ein sogenanntes Experience Replay (ER). Dieses kann man sich am besten als ein gedeckeltes Gedächtnis (FiFo Buffer) von gemachten Erfahrungen vorstellen. Meine Forschung konzentriert sich speziell auf das ER und die möglichen Kombinationen dieses mit Interpolationstechniken. Da das standard ER nur aus tatsächlich gemachten Erfahrungen besteht wird es anfangs sehr langsam gefüllt, und das auch nur mit Erfahrungen welche an bestimten Punkten gemacht wurden. Ich untersuche die Möglichkeiten künstliche Erfahrungen mittels Interpolation zu erzeugen und diese zusätzlich zum Training zu benutzen.
Lehrveranstaltungen
Name | Semester | Typ |
---|---|---|
Praktikum zu Selbstlernende Systeme | Sommersemester 2023 | Praktikum |
Seminar Organic Computing (Master) | Sommersemester 2023 | Seminar |
Seminar Organic Computing (Bachelor) | Sommersemester 2023 | Seminar |
Publikationen
2022 |
Maximilian Gruber, Wenzel Baron Pilar von Pilchau, Varun Gowtham, Nikolaos-Stefanos Koutrakis, Nicolas Schonborn, Sascha Eichstadt, Jörg Hähner, Marius-Iulian Corici, Thomas Magedanz, Julian Polte and Eckart Uhlmann. 2022. Application of uncertainty-aware sensor fusion in physical sensor networks. DOI: 10.1109/i2mtc48687.2022.9806580 |
Nikolaos-Stefanos Koutrakis, Varun Gowtham, Wenzel Baron Pilar von Pilchau, Thomas Josef Jung, Julian Polte, Jörg Hähner, Marius-Iulian Corici, Thomas Magedanz and Eckart Uhlmann. 2022. Harmonization of heterogeneous asset administration shells. DOI: 10.1016/j.procir.2022.04.016 |
Wenzel Baron Pilar von Pilchau, Anthony Stein and Jörg Hähner. 2022. Interpolated experience replay for continuous environments. DOI: 10.5220/0011326900003332 |
2021 |
V. Gowtham, A. Willner, Wenzel Baron Pilar von Pilchau, Jörg Hähner, M. Riedl, N.-S. Koutrakis, J. Polte, E. Uhlmann, J. Tayub and V. Frey. 2021. A reference architecture enabling sensor networks based on homogeneous AASs. DOI: 10.51202/9783181023921-5 |
M. Gruber, S. Eichstädt, Wenzel Baron Pilar von Pilchau, Jörg Hähner, V. Gowtham, A. Willner, N. Koutrakis, J. Polte and M. Riedl. 2021. D2.2 Uncertainty-aware sensor fusion in sensor networks. DOI: 10.5162/smsi2021/d2.2 |
Wenzel Baron Pilar von Pilchau, Anthony Stein and Jörg Hähner. 2021. Synthetic experiences for accelerating DQN performance in discrete non-deterministic environments. DOI: 10.3390/a14080226 |
2020 |
Wenzel Baron Pilar von Pilchau, Varun Gowtham, Maximilian Gruber, Matthias Riedl, Nikolaos-Stefanos Koutrakis, Jawad Tayyub, Jörg Hähner, Sascha Eichstädt, Eckart Uhlmann, Julian Polte, Volker Frey and Alexander Willner. 2020. An architectural design for measurement uncertainty evaluation in cyber-physical systems. DOI: 10.15439/2020f203 |
Wenzel Baron Pilar von Pilchau, Anthony Stein and Jörg Hähner. 2020. Bootstrapping a DQN replay memory with synthetic experiences. DOI: 10.5220/0010107904040411 |
2019 |
Wenzel Baron Pilar von Pilchau. 2019. Averaging rewards as a first approach towards interpolated experience replay. DOI: 10.18420/inf2019_ws53 |
Wenzel Baron Pilar von Pilchau. 2019. Combining machine learning with blockchain: benefits, approaches and challenges. |