Generatives ML | LAMARR

|Vergleich zwischen empirischen Servicezeitverteilungen von realen Dienstleistern und den von unserem Modell generierten Daten

Die Vorhersage von Wartezeiten mit GANs

9. Februar 2022

Ramses

Sanchez

Die Schätzung von Wartezeiten bei Dienstleistungen ist essenziell für ihre Verbesserung. Durch Generative Adversarial Networks (GANs) können Wartezeiten genau geschätzt werden, mit wenigen oder keinen Annahmen über die tatsächlichen Dienstleister.

||Password-Guessing-Algorithmen|Passwörter generieren

Mit Deep-Learning Passwörter generieren

13. Oktober 2021

David

Biesner

Menschen setzen Passwörter meist nicht zufällig, wodurch Systeme anfällig für Angriffe werden. In unserem Forschungsprojekt untersuchen wir Deep-Learning-Modelle, um neue, sicherere Passwörter zu generieren und die IT-Sicherheit in Unternehmen zu testen.

|Generative Modelle|Reparametrisierung|Variational und Wasserstein Autoencoder|Variational Autoencoder|Abbildungen zwischen Datenraum und latenter Wahrscheinlichkeitsverteilung|

Generative neuronale Modelle lernen latente Wahrscheinlichkeitsverteilungen

16. Juni 2021

Jörg

Kindermann

In diesem Beitrag erklären wir den Ansatz der generativen neuronalen Modelle. Diese haben in Anwendungsbereichen, in denen handkuratierte Daten für überwachtes Lernen schwer oder nicht erhältlich sind, gute Erfolge erzielt.

Markov Random Fields|Unvollständige Daten Aufbereiten||

Aufbereitung unvollständiger Daten mit Markov Random Fields

13. Januar 2021

Raphael

Fischer

Bei Daten mit Lücken ist das Lernen von Modellen oft schwierig, und in manchen Fällen sogar unmöglich. Allerdings können generative Verfahren helfen, indem sie unvollständige Daten mit möglichst sinnvollen Annäherungen auffüllen.