Abschluss mit Auszeichnung: Die Bachelorarbeit des Studenten Simon Heilig wird von der Hans-Wilhelm Renkhoff-Stiftung ausgezeichnet.

21.03.2022 | CAIRO, FIW, Pressemeldung, thws.de
In seiner Abschlussarbeit beschäftigt sich Heilig mit einem Lösungsansatz, um das Memory Efficient Kernel Approximation-Verfahren zu verbessern.

Seit mehr als 25 Jahren fördert die Hans-Wilhelm Renkhoff-Stiftung Studierende sowie die angewandte Forschung an der FHWS.

Für seine besonders herausragende Bachelorarbeit Analysis and Revision of the MEKA Matrix Approximation Approach (Deutsch: Analyse und Berichtigung der Matrix Approximationstechnik MEKA) erhält der ehemalige FIW-Studierende Simon Heilig von der Hans-Wilhelm Renkhoff-Stiftung die Auszeichnung für die beste Abschlussarbeit – ein krönender Abschluss seines Bachelorstudiums im Bereich Informatik an der Fakultät für Informatik und Wirtschaftsinformatik (FIW).

Fokus seiner Abschlussarbeit war es die bestehende Methode MEKA (Memory Efficient Kernel Approximation) auf die Stabilität ihrer Ergebnisse hin zu untersuchen und etwaige Schwachstellen ausfindig zu machen und zu verbessern.

Die Approximationstechnik MEKA betrachtet sogenannte Matrizen mit bestimmten mathematischen Eigenschaften (quadratisch und positiv-semi-definit), die es erlauben Teile der Matrix zu entfernen, um Speicherplatz und Berechnungszeit einzusparen. Ziel ist es dabei den Approximationsfehler zu minimieren, dass so wenige Informationen wie möglich verloren gehen. Die Problematik, dass oftmals der Speicherplatz nicht ausreicht, um die Matrix vollständig vorliegen zu haben und Berechnungen deshalb enorm verlangsamt werden, dem wirkt das Verfahren in seiner ursprünglichen Grundidee entgegen.  

Im Rahmen seiner experimentellen Analyse stellte sich heraus, dass MEKA dies sehr gut bewältige, das Ergebnis jedoch dabei mathematische Eigenschaften verliere.
Er entwickelte daher einen Lösungsansatz, um das Verfahren zu korrigieren: „Es war von oberster Priorität, die Effizienz des Verfahrens beizubehalten“, so Heilig.

Die vorgeschlagene Korrektur bestand darin, die Extremwerte der Eigenwerte der approximierten Matrix mithilfe der Lanczos-Iteration zu berechnen und anschließend das Eigenspektrum in das positive Intervall zu verschieben, ohne dabei jemals die vollständige Matrix aufbauen zu müssen.

Diese wissenschaftliche Erkenntnis befindet sich zurzeit unter Begutachtung der renommierten Konferenz International Joint Conference On Neural Networks (IJCNN). Nach seinem erfolgreich abgeschlossenen Bachelorstudium an der FHWS, hat Simon Heilig im Jahr 2022 ein Masterstudium in Data Science an der Friedrich-Alexander-Universität Erlangen-Nürnberg begonnen.

 

Kontakt: Hochschule Würzburg-Schweinfurt

Franziska Meyer
Fakultät Informatik und Wirtschaftsinformatik
Sanderheinrichsleitenweg 20
97074 Würzburg

franziska.meyer[at]fhws.de