Dienstag, 02 Mai 2017 15:39

Dynamic Elastic-Net: Methode zur Beseitigung mathematischer Unsicherheiten in komplexen Systemen Empfehlung

Ein Forschungsteam unter der Leitung von Professor Dr. Maik Kschischo vom Fachbereich Mathematik der Hochschule Koblenz hat in Kooperation mit der Universität Bonn eine neue mathematische Methode entwickelt, die es ermöglicht, mit mathematischen Unsicherheiten in komplexen Systemen umzugehen.

Die digitale Welt verfügt über zahllose Datenströme. Um diese für medizinische, wirtschaftliche und andere wissenschaftliche Fragestellungen nützlich zu machen, müssen geeignete mathematische Algorithmen entwickelt werden. Allerdings sind die immer komplexer werdenden Modelle auch mit immer stärkeren Unsicherheiten behaftet, denn nicht alle Details über das interessierende System sind bekannt. Besonders in der Medizin unterliegen die Daten komplexen Zusammenhängen und Unwägbarkeiten, weshalb das Forscherteam einen Algorithmus entwickelt, das trotz Unsicherheiten Vorhersagen möglich machen soll.

Die neue mathematische Methode unter dem Namen Dynamic Elastic-Net ermöglicht, systematische Modellfehler in komplexen Modellen aufzuspüren und die damit verbundenen Fehler in den Vorhersagen automatisch zu korrigieren.

Am Beispiel von 7TM-Rezeptoren und nachgeschalteten Signalwegen haben sie die Leistungsfähigkeit ihres Modells bereits gezeigt und wollen die Methode nun generalisieren und für alle Fachrichtungen nutzbar machen.

Die Methode wurde bereits im Journal Scientific Reports vorgestellt: Benjamin Engelhardt, Holger Frőhlich & Maik Kschischo (2016): Learning (from) the errors of a systems biology model. DOI: 10.1038/srep20772

Die Deutsche Forschungsgemeinschaft (DFG) fördert das Projekt mit 294.564 € über einen Zeitraum von drei Jahren.

Quelle:
http://www.hs-koblenz.de/hochschule/organisation/pressebereich/aktuelles/detail/_n/aus-big-data-lernen-hochschule-koblenz-erhaelt-rund-300000-euro-von-der-dfg-fuer-weitere-entwickl/