Forschung

Das Arbeitsgebiet Datentechnik (AGDT) beschäftigt sich mit der Analyse und der Implementierung von signalverarbeitenden Systemen in unterschiedlichen Anwendungsfeldern (biomedizinische Systeme, elektronische Schaltungen, Funksysteme, Energieübertragungssysteme). Hierbei werden Lösungsverfahren der Signalverarbeitung (SV) und des maschinellen Lernens (ML) betrachtet und gegenübergestellt, um zu bestimmen welche Methoden der SV und des ML für die jeweilige Aufgabenstellung verwendet bzw. kombiniert werden.

Die Systeme werden durch physikalische Modelle repräsentiert und die zu schätzenden bzw. zu detektierenden physikalischen Parameter werden durch Invertieren des Modells gewonnen (siehe oberen Teil der Abbildung). Die entsprechenden Methoden sind Parameterschätz- und Detektionsverfahren der SV, z.B. Frequenz-, Position- und Kanalschätzung, Kanalentzerrung, Datendetektion.

Auf der anderen Seite werden die Systeme durch Modelle des maschinellen Lernens repräsentiert, wie z.B. neuronales Netz, Entscheidungsbaum, Support Vektor Maschine, … (siehe unteren Teil der Abbildung).  Zunächst müssen anhand von Trainingsdaten die Parameter des ML-Modells gelernt werden. Dieses „gelernte Modell“ spiegelt dann das inverse physikalische Modell wider und kann die Parameter des physikalischen Modells ermitteln. Hier werden die entsprechenden Methoden als Regression und Klassifikation bezeichnet.

In beiden Fällen sind die mathematischen Methoden, die zur Bestimmung der Parameter zum Einsatz kommen, die selben: least squares, principal component analysis, gradient descent, subspace methods, … . Jedoch sind die Randbedingungen, unter denen die Mehoden zum Einsatz kommen, unterschiedlich und es gilt sorgfältig zu untersuchen

• Wann ist welcher Ansatz sinnvoll und zielführend (SV und/oder ML)?
• Sind physikalische Modelle verfügbar oder sind die (statistischen) Modelle nur durch Datenexploration zu generieren?
• Wie lässt sich das ML-Modell mit Hilfe physikalischem Modell erklären bzw. macht es Sinn physikalische Modelle durch ML- Modelle zu ersetzen?

Diese Fragestellungen werden in verschiedenen Projekten betrachtet:

• Biomedizinische SV und ML (SmartHospital.NRW)
• Signal Integrität auf elektrischen Schaltungen (progressivKI)
• Erklärbare KI-Modelle für Bordnetze (KI4BoardNet)