Kurzfassung

Das Verständnis und die Vorhersage der Dynamik komplexer
Systeme ist ein Kernproblem in verschiedenen Anwendungsgebieten,
wie etwa der Biologie, der Epidemiologie, der Technik und der
Wirtschaft. Das Erstellen hinreichend genauer Modelle für reale
Systeme ist jedoch oft eine große Herausforderung. Unzureichende
Information über die quantitativen Wechselwirkungen in dem realen
System und versteckte Störungen durch Umgebungseinflüsse sind
dabei die grundlegenden Ursachen für Schwierigkeiten bei...Das Verständnis und die Vorhersage der Dynamik komplexer
Systeme ist ein Kernproblem in verschiedenen Anwendungsgebieten,
wie etwa der Biologie, der Epidemiologie, der Technik und der
Wirtschaft. Das Erstellen hinreichend genauer Modelle für reale
Systeme ist jedoch oft eine große Herausforderung. Unzureichende
Information über die quantitativen Wechselwirkungen in dem realen
System und versteckte Störungen durch Umgebungseinflüsse sind
dabei die grundlegenden Ursachen für Schwierigkeiten bei der
Modellierung. In diesem Projekt konzipieren wir Methoden und
Algorithmen zur datengetriebenen Rekonstruktion der Ursachen für
Modellfehler, um eine systematische Modellerweiterung und -
verbesserung zu ermöglichen. Kürzlich haben wir neue Kriterien für
die eindeutige Rekonstruierbarkeit von Fehlersignalen aus
Messungen entwickelt. Basierend auf diesen Fortschritten verfolgen
wir nun das Ziel, robustere Algorithmen mit beweisbaren
Genauigkeitsgrenzen zur Rekonstruktion der Modellfehler zu
konzipieren. Ein zweites Hauptziel unserer Forschung ist die
automatische Erweiterung unvollständiger Modelle durch das
Auffinden der Gleichungen, welche im Modell fehlen. Diese
Algorithmen werden als freie Software verfügbar gemacht.» weiterlesen» einklappen