Institut für Informatik - Dokumentenserver - Universität Leipzig
Institut für Informatik - Dokumentenserver - Universität Leipzig
Institut für Informatik - Dokumentenserver - Universität Leipzig
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
3.4 Graduierungsarbeiten am <strong>Institut</strong><br />
Die meisten Arbeiten sind unter den jeweils genannten URLs im Volltext auf dem<br />
Dokumenten-Server verfügbar.<br />
3.4.1 Habilitationen<br />
Dr. Lange, Steffen: Algorithmic Learning of Recursive Languages<br />
Das Gebiet des Maschinellen Lernens ist ein in den letzten Jahren intensiv untersuchtes<br />
Teilgebiet der <strong>Informatik</strong>. Die Bedeutung dieses Gebietes ergibt sich wesentlich<br />
aus der immer stärker werdenden Forderung nach neuartigen Computersystemen,<br />
die flexibler, robuster und autonomer als heutzutage verfügbare Systeme<br />
sind. Solcherart Systeme können nur dann den an sie gestellten<br />
Anforderungen gerecht werden, wenn sie lernfähig sind.<br />
Wie jedes Gebiet der <strong>Informatik</strong> hat das Maschinelle Lernen sowohl stärker theoretisch<br />
ausgerichtete als auch eher praktisch orientierte Teilgebiete. Die vorliegende<br />
Arbeit ist den eher theoretisch ausgerichteten zuzuordnen. Ihr liegt das<br />
von E. M. Gold eingeführte Modell vom Lernen im Limes zugrunde. Dieses Modell<br />
wurde mit dem Ziel entwickelt, den methodischen und begrifflichen Rahmen der<br />
Berechenbarkeitstheorie zu verwenden, um Lernprozesse zu modellieren und einem<br />
formalen Studium zugänglich zu machen, um dadurch letztlich unser Verständnis<br />
von der "Natur des Lernens" zu vertiefen.<br />
Die vorliegenden Arbeit untersucht die Problematik des Lernens formaler Sprachen.<br />
In diesem Kontext ist der Lernende ein Algorithmus, welcher sukzessive Informationen<br />
über die zu erlernende Sprache angeboten bekommt und aus diesen<br />
Informationen Hypothesen berechnet. Falls sich die Folge der berechneten Hypothesen<br />
stabilisiert, und zwar auf einer Hypothese, die die vorgelegte Sprache korrekt<br />
beschreibt, so hat der Lernalgorithmus erfolgreich gelernt.<br />
Die durchgeführten Untersuchungen konzentrieren sich vorrangig auf folgende<br />
Fragestellungen: (a) zu klären, welche interessanten Klassen formaler Sprachen<br />
überhaupt erlernbar sind, (b) die Familie der erlernbaren Sprachklassen zu charakterisieren,<br />
(c) Eigenschaften zu präzisieren, die einen "natürlichen" Lernalgorithmus<br />
auszeichnen, und (d) herauszuarbeiten, welchen Einfluss diese Eigenschaften<br />
auf die prinzipielle Leistungsfähigkeit der in Frage kommenden Lernalgorithmen<br />
haben.<br />
95