Ort: Darmstadtium
Wissenschafts- und Kongresszentrum Darmstadt GmbH & Co. KG
Schloßgraben 1
64283 Darmstadt
Room: Europium 3
Machine Learning für Kommunikationssysteme
In den vergangenen Jahren haben Methoden des maschinellen Lernens zu Durchbrüchen in einer Vielzahl von Anwendungsbereichen geführt: Computer Vision, Natural Language Processing oder Information Retrieval. Ziel von „Machine Learning“ ist die Konstruktion von Algorithmen und Modellen, die lernen können, Entscheidungen direkt aus Daten zu treffen, ohne vorher festgelegte Regeln zu befolgen.
Maschinelle Lernverfahren bieten ein enormes Potential, die Konzeption, die Entwicklung und den Betrieb heutiger Kommunikationssysteme enorm zu verbessern. Komplexe (nicht-lineare) Systemverhaltensweisen können oft nicht durch exakte mathematische Modelle beschrieben werden. Der von maschinellen Lernverfahren verfolgte datengetriebene Ansatz zur Konstruktion eines approximativen Modells mit akzeptabler Genauigkeit ist in der Praxis eine äußerst interessante Alternative zur Lösung der in Kommunikationssystemen auftretenden Klassifikations-, Vorhersage-, Entscheidungs- und Optimierungsprobleme.
Beispiele hierfür sind: (a) Klassifikation und Vorhersage des Nachrichtenverkehrs, (b) Netzwerk-Monitoring, (c) Analyse von Netzzustands- und Lastwechselmustern, (d) Vorhersage von Latenz und Durchsatz zur Anpassung von Parametern und zur automatisierten Netzwerkressourcenverteilung (z.B. für Quality-of-Experience von Videostreaming, Selektion von Funkkänalen, Netzwerkplanung), (e) Detektion und Verhinderung von Netzwerkangriffen, sowie (f) datengetriebener Entwurf von Netzwerkprotokollen und -architekturen. Aufgrund der in Kommunikationssystemen geltenden hohen Zeitbeschränkungen müssen maschinelle Lernverfahren zur Lösung solcher Probleme sehr ressourceneffizient (bezüglich Laufzeit, Speicherbedarf und Energieverbrauch) ausgeführt werden können.
Der MAKI Scientific Workshop 2018 bündelt die Expertisen von sieben hochkarätigen internationalen Forschern, die in ihren Arbeiten unterschiedliche Aspekte dieser Themenstellungen adressieren und in ihren Vorträgen ihre aktuellen Ergebnisse präsentieren.
| 08:30 h | Welcome Coffee |
| 08:45 h |
Prof. Dr. Bernd Freisleben (Philipps-Universität Marburg/TU Darmstadt, Germany) Introduction |
| 09:00 h |
Prof. Dr. Gerhard Neumann (University of Lincoln, UK) Traffic Prediction in SDNs using Kalman Filters in Learned Feature Spaces |
| 09:45 h | Coffee Break |
| 10:00 h |
Prof. Dr. Wolfgang Kellerer (TU München, Germany) Boost your Communication Network with Machine Learning |
| 10:45 h | Coffee Break |
| 11:00 h |
Prof. Dr. Eli De Poorter (Ghent University, Belgium) Applied Machine Learning for Wireless System Optimization |
| 11:45 h | Lunch Break |
| 13:00 h |
Prof. Dr. Katharina Morik (TU Dortmund, Germany) Machine Learning for the Internet of Things |
| 13:45 h | Coffee Break |
| 14:00 h |
Dr. Gerardo Rubino (Inria Rennes, France) Machine Learning Developments around the PSQA Project |
| 14:45 h | Coffee Break |
| 15:00 h |
Dr. Pedro Casas (Austrian Institute of Technology, Vienna, Austria) Big Data Analytics and Machine Learning for Network Monitoring |
| 15:45 h | Coffee Break |
| 16:00 h |
Panel Discussion Perspectives and Impact of Machine Learning for Communication Systems (with all speakers) |
| 16:45 h | Concluding Remarks |
KOM Blogbeitrag:
Poster:
Poster (wird in neuem Tab geöffnet) (Download)
