Graduiertenkolleg π³: Parameter Identifikation - Analyse, Agorithmen, Anwendungen
Beschreibung
- Dieses Projekt ist Teil des DFG geförderten Grauiertenkollegs pi-3 "Parameter Identification - Analysis, Algorithms, Implementations" (Abteilung Mathematik und Informatik, Universität Bremen). In dem Projekt geht es um die kausale Modellierung und Inferenz für multivariate zeitabhängige Daten. Viele gängige Methoden berücksichtigen zeitliche Struktur (Ereignisdaten, wiederholte Messungent etc.) nicht adäquat, so dass hierfür neue Ansätze benötigt werden - solche werden in diesem Projekt entwickelt.
Förderzeitraum
- Beginn: April 2021
Ende: September 2025
Förderer
- Deutsche Forschungsgemeinschaft (DFG)
Kontaktperson
Projektleitung (national)
- Prof Dr. Dr. h.c. Peter Maass, Universität Bremen
Link
Ausgewählte Veröffentlichungen zum Projekt
- Bang CW, Witte J, Foraita R, Didelez V. Improving causal discovery with temporal background knowledge. Seminar at the Section of Biostatistics, University of Copenhagen, 3 October 2023, Copenhagen, Denmark.
- Bang CW, Witte J, Foraita R, Didelez V. Improving causal discovery for cohort data. 11th Autumn Workshop of the DGEpi (German Society for Epidemiology), GMDS (German Association for Medical Informatics, Biometry and Epidemiology), IBS-DR (German Region of the International Biometric Society) and DGSMP (German Society for Social Medicine and Prevention), 9-10 November 2023, Mainz.
- Bang CW, Witte J, Foraita R, Didelez V. Improving causal discovery with temporal background knowledge. 5th European Causal Inference Meeting (EuroCIM), 18-21 April 2023, Oslo, Norway.
- Bang CW, Didelez V. Do we become wiser with time? On causal equivalence with tiered background knowledge. 39th Conference on Uncertainty in Artificial Intelligence (UAI), 31 July-4 August 2023, Pittsburgh, USA.
- Bang CW, Witte J, Foraita R, Didelez V. Efficient use of temporal background knowledge for causal discovery with cohort data. American Causal Inference Conference (ACIC), 23-25 May 2022, Berkeley, USA.