Neurosymbolische Integration
Wir entwickeln neurosymbolische Integration sowohl auf konzeptioneller Ebene als auch in verschiedenen Anwendungsbereichen, darunter Chemie, Materialwissenschaft und menschliches Verhalten. Wir nutzen gut entwickeltes ontologisches Hintergrundwissen, um die Leistung von maschinellen Lernmethoden zu verbessern, z.B. durch die Verwendung einer semantischen Verlustfunktion oder von Neuro-Fuzzy-Regeln. Wir haben eine neuartige neurosymbolische Architektur für die ontologische Klassifikation von strukturierten Entitäten und für die Erweiterung von Ontologien entwickelt.
Laufende Projekte
- StrOntEx (Ontology Extension by Automated Learning and Reasoning from Structured Entities) funded by DFG
Abgeschlossene Projekte