Aktuelles
Robuste Datenanalyse und zuverlässige Detektion: Michael Muma präsentierte Forschungsarbeiten
In Brügge fand Anfang September der International Workshop on Resilient 6G Networks im Rahmen der European Signal Processing Conference statt. Michael Muma, Professor am HDKZ, hielt einen Vortrag. | © AdobeStockArcady
Wie lassen sich aus hochdimensionalen Sensordaten zuverlässig relevante Informationen gewinnen? Michael Muma, Professor am Hessischen Drohnenkompetenzzentrum (HDKZ) und Leiter des Fachgebiets Robust Data Science der TU Darmstadt, beschäftigt sich mit Fragen wie dieser und stellte kürzlich aktuelle Forschungsarbeiten zu robuster datengetriebener Signalverarbeitung und maschinellem Lernen auf zwei Fachveranstaltungen in Brügge und Darmstadt vor.
„Robuste Datenauswertung, zuverlässige Detektion und resiliente Kommunikation sind zentrale Bausteine, die auch in unserem Projekt am HDKZ verwendet werden“, erklärt Michael Muma. Beim International Workshop on Resilient 6G Networks (WresNet 6G), der im Rahmen der European Signal Processing Conference (EUSIPCO) am 4. September in Brügge in Belgien stattfand, hielt Professor Michael Muma den Vortrag „From Robust Signal Processing to Trustworthy and Scalable Learning for High-Dimensional Sensor Data“. Dabei stand insbesondere die Frage im Fokus, wie datengetriebene Methoden auch unter schwierigen Bedingungen zuverlässige Ergebnisse liefern können.
Einen weiteren Vortrag hielt Michael Muma am 25. September beim Treffen der ITG-Fachgruppe „Signalverarbeitung und maschinelles Lernen“ an der TU Darmstadt. Unter dem Titel „From Robust Signal Processing to Trustworthy Scalable Learning: Statistical Guarantees from Sensor Data to Genomics“ stellte er aktuelle methodische Entwicklungen an der Schnittstelle von robuster Signalverarbeitung, Statistik und maschinellem Lernen vor.
Verlässliche Variablenselektion mit T-Rex
Ein Schwerpunkt beider Vorträge war das T-Rex-Framework, das die Forscher:innen der Fachgruppe rund um Professor Muma für verlässliche Variablenselektion in hochdimensionalen Daten entwickelt haben. Ziel ist es, aus sehr vielen möglichen Einflussgrößen diejenigen zuverlässig zu identifizieren, die tatsächlich relevant sind, und dabei Fehlentdeckungen statistisch zu kontrollieren. „Das ist besonders wichtig, wenn Daten verrauscht, unvollständig oder durch Ausreißer beeinflusst sind“, betont Michael Muma.
Bedeutung für resiliente 6G-Netze und das HDKZ
Beim International Workshop on Resilient 6G Networks lag ein besonderer Fokus auf zukünftigen 6G-Netzen. Solche Netze werden auch für vernetzte Drohnensysteme, Drohnendetektion und Anwendungen im Umfeld Kritischer Infrastrukturen relevant sein. Sie müssen auch unter Störungen, Ausfällen, Angriffen oder stark wechselnden Umgebungsbedingungen zuverlässig funktionieren. Robuste statistische Verfahren können hier helfen, relevante Muster in Netzwerk- und Sensordaten zu erkennen, Anomalien zu detektieren und datenbasierte Entscheidungen nachvollziehbarer und resilienter zu machen.
Beim Treffen der ITG-Fachgruppe standen hingegen die methodischen Aspekte, also die Verbindung von klassischer robuster Signalverarbeitung, moderner Statistik und maschinellem Lernen, im Vordergrund. Professor Muma berichtete von den neuesten Erweiterungen des T-Rex-Frameworks, unter anderem für komplexe Datenstrukturen, vernetzte Systeme und robuste Entscheidungsverfahren.
Die vorgestellten Forschungsarbeiten und Methoden sind perspektivisch auch für HDKZ-Fragestellungen interessant. Insbesondere bei der Auswertung von Sensor-, Kommunikations- und Lagebilddaten können sie dazu beitragen, zuverlässige Informationen zu gewinnen und resiliente Systeme zu entwickeln.