Improved Neural Arithmetic Logic Unit (iNALU) 4 Deepscan

Im Projekt Deepscan werden komplexe Neuronale Netz Architekturen für die Erkennung von Anomalien entworfen und getestet. Neuronale Netze müssen mathematische Beziehungen erfassen, um verschiedene Aufgaben zu lernen. Sie approximieren diese Beziehungen implizit und lassen sich daher oft nicht gut verallgemeinern. Die kürzlich vorgeschlagene Neural Arithmetic Logic Unit (NALU) ist eine neuartige neuronale Architektur, die in der Lage ist, die mathematischen Beziehungen durch die Einheiten des Netzes explizit darzustellen, um Operationen wie Summation, Subtraktion oder Multiplikation zu lernen. Obwohl NALUs bei verschiedenen nachgelagerten Aufgaben nachweislich gute Leistungen erbringen, offenbart eine eingehende Analyse praktische Konstruktionsmängel, wie die Unfähigkeit, negative Eingabewerte zu multiplizieren oder zu dividieren, oder Probleme mit der Trainingsstabilität bei tieferen Netzen. Daniel Schlör1*, Markus Ring2 und Andreas Hotho1 gehen diese Probleme an und schlagen eine verbesserte Modellarchitektur vor. Sie evaluierten das Modell empirisch in verschiedenen Situationen, vom Erlernen einfacher arithmetischer Operationen bis hin zu komplexeren Funktionen. Die durchgeführten Experimente zeigen, dass die iNALU Stabilitätsprobleme löst und das ursprüngliche NALU-Modell in Bezug auf arithmetische Präzision und Konvergenz übertrifft.

Abb. 1.: iNALU Architektur

Das komplette Paper kann in Frontiers in Artificial Intelligence gelesen werden:

https://www.frontiersin.org/articles/10.3389/frai.2020.00071/full

Begrüßung des EXIST-Teams

Das Team DeepScan begrüßt das EXIST-Team am Lehrstuhl. Heutzutage spielt neben der Anzahl der Daten in ERP-Systemen, auch die Qualität und Verfügbarkeit eine sehr wichtige Rolle. Objektive Handlungsempfehlungen statt Bauchgefühl: Der Business Navigator – das neuste Gründungsvorhaben an der Uni Würzburg – will mit einer Software genau das ermöglichen. Das Projekt wird auch von der Bundesregierung gefördert.

Julian Hornung, Sophie Prauser und Andreas Müller (von links) sind das Team hinter dem Gründungsprojekt Business Navigator an der Uni Würzburg. (Bild: Kristian Lozina / Universität Würzburg)

Wie viele Schrauben müssen wir bestellen? Und wann müssen wir sie bestellen? Solche Fragen will der Business Navigator für Unternehmer beantworten – und das ohne langwierige und aufwändige Recherchen. Das neuste Gründungsvorhaben aus der Wirtschaftsinformatik der Julius-Maximilians-Universität Würzburg (JMU) hat eine Software entwickelt, die den Alltag vieler Entscheider in mittelständischen Unternehmen verändern dürfte. Gefördert wird das Vorhaben nun auch von der Bundesregierung durch das EXIST-Programm.

ERP-Programme (Enterprise Ressource Planning) sind in vielen Firmen mittlerweile Standard. Fast alle Vorgänge im Unternehmen werden hier dokumentiert, über alle Abteilungen hinaus – ob Material, Finanzen oder Personal. Doch die Programme haben auch Schwächen: „Viele Daten liegen in diesen Systemen brach. Das Wissen wird einfach nicht genutzt“, erklärt Julian Hornung, Wirtschaftsinformatiker von Business Navigator und zuvor wissenschaftlicher Mitarbeiter am Lehrstuhl für BWL und Wirtschaftsinformatik der JMU.

Förderung der Bundesregierung

Rat und Unterstützung fand das Team von Business Navigator beim Servicezentrum Forschung und Technologietransfer (SFT) der JMU, das universitäre Gründungsprojekte betreut. Das SFT half dem Team unter anderem dabei, Stipendien aus dem EXIST-Programm des Bundesministeriums für Wirtschaft und Energie zu beantragen. Mit diesem Programm will das Ministerium das Gründungsklima an Hochschulen fördern. Sprich: Es unterstützt Studierende und Beschäftigte, die mittels Firmengründung neue Ideen, Produkte und Dienstleistungen aus den Hochschulen auf den Markt bringen möchten.

Der Antrag bei EXIST hatte Erfolg: Ein Jahr lang sichert das Stipendium den drei Gründern den Lebensunterhalt. Hinzu kommt die Unterstützung der JMU: Neben einer Grundausstattung und Räumlichkeiten wird Professor Winkelmann dem Team als fachlicher Mentor zur Seite stehen.

Der nächste Schritt für das Team besteht nun darin, weitere Pilotkunden zu gewinnen und den Business Navigator stetig zu optimieren. Auch Studierende sind dabei gefragt: Wer einmal Praxisluft bei Gründern schnuppern möchte, kann sich jederzeit an das Team von Business Navigator wenden.

Kontakt

Business Navigator, Gründungsprojekt der Universität Würzburg

T +49 (931) 31 848 96, business-navigator@uni-wuerzburg.de

Projektstart: Maschinelles Lernen zur automatisierten Erkennung von IKT-Sicherheitsvorfällen und Manipulationsversuchen

Ziel des Verbundvorhabens DeepScan ist die Untersuchung von Methoden des maschinellen Lernens und der künstlichen Intelligenzen zur automatisierten Erkennung von Sicherheitsvorfällen und Manipulationsversuchen in Unternehmenssoftware. Dabei soll unter anderem eine sogenannte „Machine Learning Toolbox“ entstehen, die eine automatische Erkennung von Anomalien und Manipulationsversuchen erlaubt.

Projektkonsortium:

Universität Würzburg

Prof. Dr. Axel Winkelmann
Lehrstuhl für BWL und Wirtschaftsinformatik

Prof. Dr. Andreas Hotho
Lehrstuhl für Informatik VI – DMIR Research Group

TGS Audit & Tax GmbH

datenschutz süd GmbH

godesys AG

Das Bundesministerium Bundesministerium für Bildung und Forschung unterstützt das Vorhaben im Rahmen der Richtlinie zur Förderung von Forschungsvorhaben zur automatisierten Analyse von Daten mittels Maschinellen Lernens im Rahmen des Förderprogramms „IKT 2020 – Forschung für Innovationen“ des Bundesministeriums für Bildung und Forschung.

Ausführliche Projektbeschreibung:

„Projektstart: Maschinelles Lernen zur automatisierten Erkennung von IKT-Sicherheitsvorfällen und Manipulationsversuchen“ weiterlesen