Künstliche Intelligenz, insbesondere Methoden des maschinellen Lernens, haben in den vergangenen Jahren fast alle Bereiche von Computeranwendungen durchdrungen. Ob bewusst oder unbewusst, nutzen viele Menschen häufig maschinelles Lernen, zum Beispiel in der Bild- und Sprachverarbeitung. In anderen Bereichen findet es bisher jedoch seltener Anwendung, da hier komplexere vernetzte Datenstrukturen zugrunde liegen – zum Beispiel bei Verkehrsverbindungen, sozialen Netzen oder Molekülstrukturen. Diese Netzwerke lassen sich darstellen als Graphen, bestehend aus Knoten und Kanten.
Christopher Morris arbeitet daran, Methoden des maschinellen Lernens für solche vernetzten Daten zu entwickeln und hat bereits wichtige Beiträge zur Theorie der sogenannten Graph-Neuronalen Netzwerke geleistet. Seine Studien zeigen, wann diese Methoden verlässliche Voraussagen treffen können und haben zu einer neuen Klasse von maschinellen Lernverfahren für Graphen geführt, die beweisbar stärker sind als bis dahin etablierte Verfahren.
Durch Klick auf „Wiedergabe“ sind Sie damit einverstanden, dass Daten an Google übermittelt werden. Weitere Informationen zur Datenverarbeitung durch Googl entnehmen Sie bitte den Datenschutzhinweisen von Google. Informationen zur Verarbeitung durch die DFG und zu Ihrem Recht auf Widerruf der Einwilligungserklärung finden Sie in unseren Datenschutzhinweise.