Angewandte Mathematik Münster

We propose a partial differential equation framework for modeling distribution shift of a strategic population interacting with a learning algorithm. We consider two particular settings; one, where the objective of the algorithm and population are aligned, and two, where the algorithm and population have opposite goals. We present convergence analysis for both settings, including three timescale settings for the opposing-goal objective dynamics. We illustrate how our framework can accurately model real-world data and show via synthetic examples how it captures sophisticated distribution changes which cannot be modeled with simpler methods.

Dieses Praktikum richtet sich vor allem an Studierende der Mathematik, Physik, Chemie und Biologie. In interdisziplinären Kleingruppen werden anwendungsorientierte Fragestellungen bearbeitet.

Viele physikalische, chemische oder auch biologische Prozesse beinhalten mehrere zeitliche und räumliche Skalen. Die zugrunde liegenden Prozesse weisen zudem häufig eine nichtlineare Dynamik auf, die das makroskopische Verhalten maßgeblich bestimmt. Die Modellierung solcher Prozesse stellt aufgrund der komplexen Dynamik eine große Herausforderung dar, sowohl bei der physikalischen, chemischen oder biologischen Formulierung als auch der mathema- tischen/numerischen Behandlung.

Informationen im verlinkten Poster unten. Einschreiben können Sie sich im Learnweb.