Algorithmisches Lernen beschäftigt sich mit dem Problem, Objekte anhand von im allgemeinen unvollständiger Information zu erlernen, also z.B. vollständige Beschreibungen der Objekte zu generieren. Es werden die Auswirkungen solcher Parameter wie die zur Verfügung stehende Information, die Klasse der zulässigen Lernverfahren, die Wahl des Hypothesenraumes, die Präzisierung des Lernziels, die Klassen der zu erlernenden Objekte auf Möglichkeiten und Grenzen des Lernens untersucht. Dabei geht es sowohl um rein qualitative Einsichten (Welche Objektklassen sind unter welchen Bedingungen überhaupt erlernbar bzw. nicht erlernbar?) als auch um quantitative Ergebnisse (Wie komplex ist der Lernprozess? Wie gut sind die generierten Hypothesen?). Methodisch werden vor allem die Theorie der rekursiven Funktionen, die Algorithmentheorie und die Komplexitätstheorie eingesetzt.

 

Mitarbeiter und Forschungsschwerpunkte

Name	Researcher	Description
Inductive Inference	Prof. Dr. R. Wiehagen	Exploring learning phenomena, as well as necessary and sufficent conditions for learning.
Pattern Languages	Johannes Schneider	Decision problems and combinatorial aspects of pattern languages and morphisms.
	Dr. Daniel Reidenbach bis 31.07.2007	Exploring the formal properties and learnability of pattern languages.
Learning with Exceptions	Thorsten Michels bis 31.08.2006	Exploring learning phenomena when the input might have some errors.
Uniform Learning	Dr. Sandra Zilles bis 30.09.2004	Exploring strategies for a uniform solution of infinitely many learning problems.
DaMiT - Data Mining Tutor	Martin Memmel bis 30.09.2003	A Generic Concept for Teaching and Learning in the Internet.
Pattern Languages	Dr. Jochen Nessel bis 30.06.2001	Exploring the formal properties and learnability of pattern languages.
In-Consistent Learning	Dr.Werner Stein, bis 14. Aug. 1998	Exploring the gap between consistent and inconsistent learning methods.