Eingabe löschen

Kopfbereich

Schnellnavigation

Hauptnavigation

Operation in Aviation

Im Thema Operation in Aviation geht es darum, mittels Machine Learning Methoden, Operation Research Methoden, softwarebasieren Simulationen und angewandter Statistik, komplexe Systeme der Aviatik zu Optimieren, zu Gestalten, zu Prognostizieren und deren Wirtschaftlichkeit zu verbessern.

Übersicht

Für viele aktuelle Fragestellungen sind die zugrundeliegenden Prozesse, Zusammenhänge und Wirkungsmechanismen qualitativ nur unvollständig verstanden und klassische theoriebasierte Modellansätze (z.B. physikalisch oder klassisch statistisch) stehen nicht zur Verfügung. Sind jedoch genügend Daten vorhanden, können moderne Algorithmen aus dem Gebiet des Machine Learnings ohne explizite Spezifikation eines Modells trotzdem gute Vorhersagen liefern.

Am IDP werden in Kombination mit klassischen statistischen Methoden (z.B. Regressionsanalyse) auch Methoden wie Random Forests, Boosting, Support Vector Machines und tiefe neuronale Netze (Deep Learning) eingesetzt, um komplexe Vorhersage- und Klassifikationsprobleme zu lösen.

Sogenannte unüberwachte Lernalgorithmen bzw. Data-Mining-Methoden können ausserdem neue Strukturen und Muster in Datensätzen entdecken (z.B. Clusteranalyse).

Machine-Learning-Methoden eignen sich auch für die Analyse von Daten, die nicht in Tabellenform vorliegen, z.B. Textdaten oder Netzwerkstrukturen. Für digital vorliegende Bilder (z.B. in der medizinischen Diagnostik), Audiodaten oder ähnliche Signale liefert die jüngste Generation neuronaler Netze («Deep Learning») Ergebnisse mit bisher nicht erreichten, tiefen Fehlerraten.

Ausgewählte Projekte

Wirtschaftspartner

Forschungspartner

Netzwerkzugehörigkeiten und Engagements

Beteiligte Personen des IDP