News

emergenCITY-Wissenschaftler entwickelt T-Rex Selector, ein effizientes Framework, das schnelle Variablenauswahl in großen, hochdimensionalen Datensätzen ermöglicht.

Vermisste nach einem Erdbeben unter Trümmern aufzuspüren ist auch für Rettungsroboter eine große Herausforderung. Ähnlich ist es in der Medizin: Gene zu finden, die für spezifische Krankheiten verantwortlich sind, ist kompliziert. Manchmal ist das wie die Suche nach der Nadel im Heuhaufen. Für Anwendungsfälle wie diese, hat emergenCITY-Wissenschaftler Jasin Machkour mit dem T-Rex Selector eine effiziente Methode entwickelt. Zum T-Rex Selector ist jetzt ein Paper im Fachmagazin Signal Processing, einem der renommiertesten Journale für Signalverarbeitung, erschienen und ein weiteres Paper wurde bereits zur Veröffentlichung angenommen.

Am Mittwoch, den 20. November 2024 sind die „Athene-Preise für gute Lehre“ vergeben worden.

Designing Human-AI Collaborative Workflows for Advanced Image Analysis in Physics

Project Overview: This Masters Project analyzes about one million diffraction images from the Linac Coherent Light Source (LCLS) at the Stanford Linear Accelerator Center (SLAC).

Am 23.08.2024 verteitigte Herr Jasin Machkour seine Doktorarbeit “Development of Fast Machine Learning Algorithms for False Discovery Rate Control in Large-Scale High-Dimensional Data”.

T-Rex based high-dimensional Variable Selection with False Discovery Rate Control.

Im Rahmen des curATime Projekts, unterstützt durch die Cluster4Future Initiative des Bundesministeriums für Bildung und Forschung, fand ein Workshop des Clusterprojekts mit dem Titel „T-Rex based high-dimensional Variable Selection with False Discovery Rate Control“ statt. Dieser wurde von den Forschungsgruppen für Robust Data Science und Signalverarbeitung der TU Darmstadt in Zusammenarbeit mit dem Centrum für Thrombose und Hämostase (CTH) der Universitätsmedizin Mainz am Universitätsklinikum Mainz organisiert.

Führen Sie Ihr Masterprojekt unter gemeinsamer Betreuung der Robust Data Science Group und der Biophotonics – Biomedical Engineering Group durch, um Ihre Fähigkeiten in den Bereichen maschinelles Lernen, Signalverarbeitung, Laserspektroskopie und Biomedizintechnik zu verbessern.

Statistical Learning for Signal and Image Processing (SLSIP) Workshop in Porquerolles, Südfrankreich.

„Physiological and Emotional-Annotated Time Series Analysis for Affective Computing and Biomedical Applications“

Sie sind ein Experte in C++ und interessieren sich für biomedizinische Anwendungen? Wir bieten eine Stelle für eine studentische Hilfskraft (HiWi) an, die sich mit Spitzenforschung im Bereich recheneffizienter C++-Implementierungen für die Analyse großer biomedizinischer Datenbanken beschäftigt. Während kleine Datensätze mit Python oder R verarbeitet werden können, erfordert die Anwendung fortgeschrittener Algorithmen des statistischen maschinellen Lernens auf große Biobanken Backends oder vollständige Implementierungen in C++. Gefordert sind Effizienz bei den algorithmischen Operationen, aber auch effiziente Speicherverwaltung/Speicherzuordnung und Online-Verarbeitung.

Fabian Scheidt erhielt Kurzzeit-Stipendium für die Teilnahme am IEEE International Workshop on Computational Advances in Multi-Sensor Adaptive Processing (CAMSAP) in Costa Rica.

Dank der Unterstützung von emergenCity erhielt Fabian Scheidt, ein Doktorand der Elektrotechnik, Signalverarbeitung und Robust Data Science, aus der Robust Data Science Gruppe von Prof. Michael Muma an der TU Darmstadt ein kurzfristiges finanzielles Stipendium für die Teilnahme und Forschung sowie die Zusammenarbeit mit Konferenzteilnehmern am IEEE International Workshop on Computational Advances in Multi-Sensor Adaptive Processing (CAMSAP) in Costa Rica im Dezember 2023.

Land fördert Forschungsverbund, der Städte fitter für Krisen und Katastrophen machen will

Wiesbaden/Darmstadt. Das Darmstädter LOEWE-Zentrum emergenCITY wird weiter vom Land Hessen gefördert und erhält für das Jahr 2024 insgesamt rund fünf Millionen Euro Projektmittel. Das haben die Gremien des LOEWE-Forschungsförderprogramms des Landes entschieden.

Jasin Machkour besuchte Prof. Palomar an der Hong Kong University of Science and Technology (HKUST), um an der Entwicklung von Methoden zur Kontrolle der Falschentdeckungsrate (FDR) für abhängige Variablen zu arbeiten.

Vom 28.09.2023 bis 01.10.2023 besuchten Mitglieder des Fachgebiets Robust Data Science der TU Darmstadt das CERN-Forschungszentrum in Genf. Die Exkursion wurde organisiert vom FG Signalverarbeitung. Herzlichen Dank an unsere Kollegen!

Die Master Vorlesung Robust Data Science With Biomedical Applications startet am 30. Oktober.

Die Vorlesung behandelt sowohl die Grundlagen, als auch neuste Entwicklungen im Bereich Robust Data Science. Im Gegensatz zum klassischen statistischen Lernen und der klassischen Signalverarbeitung, die stark auf der Normalverteilung (Gaußverteilung) beruhen, können robuste Methoden mit impulsivem Rauschen, Ausreißern und Artefakten umgehen, die häufig in biomedizinischen Anwendungen auftreten.