Sem­i­nar aus maschinellem Ler­nen - WS 08/09

Graph Min­ing

Im Rah­men dieses Sem­i­nars wer­den wir neue Forschungsergeb­nisse aus dem Bere­ich maschinelles Ler­nen diskutieren.​ Ausgewählt wer­den neuere Pub­lika­tio­nen aus den rel­e­van­ten Jour­nalen des Ge­bi­ets, ins­beson­dere aus Ma­chine Learn­ing und dem Jour­nal of Ma­chine Learn­ing Re­search, sowie aus den wichtig­sten Kon­feren­zen.

Der diesjährige The­men­schw­er­punkt ist Graph Mining.​ Während kon­ven­tionelle Ler­nal­go­rith­men davon aus­ge­hen, daß Ob­jek­te in einer ein­fachen At­tribut/Wert-Repräsen­ta­tion vor­liegen, ver­suchen Graph Min­ing Meth­o­d­en Muster oder Regelmäßkeit­en in kom­plex­eren Daten­struk­turen wie z.​B.​ Graphen zu finden.​ Data Min­ing- und Lern-Meth­o­d­en, die sich diesen Gegeben­heit­en an­passen, bilden den Schw­er­punkt dieses Sem­i­nars.

 

Zeit und Ort

Tag Zeit Raum Be­ginn
Mittwoch 17:10-18:50 S202/A102 15.10.

Ablauf

Jede/r Stu­dent/in erhält einen oder mehrere Fachar­tikel zur Ausar­beitung, deren wesentliche As­pek­te dann in einem ca. 30-minütigen Vor­trag vorgestellt und im An­schluß von allen disku­tiert wer­den sollen.​ Die Vorträge und/oder Folien können wahlweise auf Deutsch oder En­glisch gehal­ten wer­den.

Vorken­nt­nisse

Da diese Ar­tikel dem let­zten Stand der Forschung entsprechen, wird ein­er­seits er­wartet, dass entsprechende Grund­ken­nt­nisse (und In­ter­esse!) in maschinellem Ler­nen und Data Min­ing mit­ge­bracht wer­den, dass man sich aber an­der­er­seits im Zuge der Vor­bere­itung auch selb­ständig mit der The­matik weit­er ver­traut macht und ggf.​ auch weit­erführende bzw.​ grundle­gende Lit­er­atur zu Rate zieht (bitte Quellen nen­nen).

Beno­tung

In die Gesamt­note fließen die Ausar­beitung des Vor­trags (Folien), die Präsen­ta­tion, die Beant­wor­tung von Fra­gen zum Vor­trag, sowie die ak­tive Teil­nahme an der Diskus­sion bei den Vorträgen an­der­er ein.​ Eine schriftliche Ausar­beitung ist nicht notwendig.

Im Vorder­grund der Gesamt­beno­tung steht je­doch die selb­ständige Au­seinan­der­set­zung mit dem Problem.​ Für eine sehr gute (1.​x) Beu­rteilung muß klar sein, dass Sie die fraglichen Ar­beit­en ver­standen haben und von den vor­liegen­den Pa­pers ab­strahieren können.​ Eine ex­ak­te Wieder­gabe des In­halts der Pa­piere führt nur zu einer Beurteilung mit 2.​x,​ außeror­dentlich schwache Leis­tun­gen in einem der genan­nten Punk­te zu 3.​x oder schlechter.

The­men

 

Min­ing Fre­quent Closed Graph Pat­terns

05. 11. Yingt­ing Fan (slides)

 

Graph-Based In­duc­tion

12. 11. André Gass (slides) und Matthias Richter (erkrankt)

 

Fre­quent Tree Min­ing - PathJoin

19. 11. Lu Zheng (nicht er­schienen)

 

Fre­quent Tree Min­ing - TreeM­iner and SLEUTH

19. 11. Christoph Stock (Slides)

 

Fre­quent Tree Min­ing - Freqt, Unot, uFre­qt

26. 11. Veroni­ka Kostadi­no­va und Fan Zhang (Slides 1, Slides 2, Slides 3)

 

Fre­quent Tree Min­ing - Min­ing Free Trees

03. 12. Markus Biesinger (Slides)

 

Fre­quent Tree Min­ing - Closed and Max­i­mal Sets (1 Per­son)

03. 12. Moritz Huis­man (Slides)

 

Min­ing of Fre­quent Graphs and Fre­quent ge­o­met­ric Graphs

10. 12. An­gela Eigen­stet­ter und Chris­tian Wirth (Slides)

 

Min­ing Fre­quent La­beled Graphs

17. 12. Hong­tao Yan (Slides) und Timo Schnei­der (Slides)

MDL-Based Sub­struc­ture Dis­cov­ery - Sub­Due

14. 1. 2009 Marco Ghiglieri (Slides) und Matthias Richter (nicht er­schienen)

 

Kontakt

small ke-icon

Knowledge Engineering Group

Fachbereich Informatik
TU Darmstadt

S2|02 D203
Hochschulstrasse 10

D-64289 Darmstadt

Sekretariat:
Telefon-Symbol+49 6151 16-21811
Fax-Symbol +49 6151 16-21812
E-Mail-Symbol info@ke.tu-darmstadt.de

 
A A A | Drucken | Impressum | Sitemap | Suche | Mobile Version
zum Seitenanfangzum Seitenanfang