Logo des Repositoriums

Auflistung nach Autor:in "Neumann, Stefan"

1 - 2 von 2
  • Konferenzbeitrag
    Beweisbar Gesetzmäßigkeiten in Daten finden und ausnutzen
    (Ausgezeichnete Informatikdissertationen 2020, 2021) Neumann, Stefan
    Im letzten Jahrzehnt gab es immensen Fortschritt und Wachstum in den Bereichen der Künstlichen Intelligenz und des Maschinellen Lernens. Ermöglicht wurde diese Entwicklung durch spezialisierte neue Hardware, die immer größere Verfügbarkeit von Daten und Durchbrüche bei der Entwicklung von Algorithmen, die Gesetzmäßigkeiten in Daten finden und ausnutzen. Obwohl wir uns in der Praxis täglich vom großen Erfolg dieser Algorithmen überzeugen können, ist unser theoretisches Verständnis von ihnen jedoch weiterhin eingeschränkt. Allerdings wären formale Garantien für diese Algorithmen wünschenswert, weil sie wichtige Einblicke in die Stärken und die Grenzen dieser Algorithmen bieten. Diese Dissertation verkleinert die Kluft zwischen Theorie und Praxis, indem wir Algorithmen enwickeln, die beweisbar Gesetzmäßigkeiten in Daten finden und ausnutzen.
  • Konferenzbeitrag
    Finding Tiny Clusters in Bipartite Graphs
    (INFORMATIK 2019: 50 Jahre Gesellschaft für Informatik – Informatik für Gesellschaft, 2019) Neumann, Stefan
    We study the problem of finding clusters in random bipartite graphs. Applications of this problem include online shops in which one wants to find customers who purchase similar products and groups of products which are frequently bought together. We present a simple two-step algorithm which provably finds tiny clusters of size O(n" ), where n is the number of vertices in the graph and " > 0; previous algorithms were only able to identify medium-sized clusters consisting of at least (pn) vertices. We practically evaluate the algorithm on synthetic and on real-world data; the experiments show that the algorithm can find extremely small clusters even when the graphs are very sparse and the data contains a lot of noise.