Modellbildung auf Zeitreihen

Die Modellbildung ist eine der grundlegendsten Techniken in vielen Wissenschaftsdisziplinen. Viele, wenn nicht sogar alle Phänomene sind von so großer Komplexität, dass sie sich einer wissenschaftlichen Behandlung entziehen. Erst das Arbeiten und Denken in Modellen macht sie einer theoretischen Betrachtung zugänglich. Das entscheidende Kriterium der Modellbildung ist also die Reduktion der Komplexität von Systemen, wodurch deren Untersuchung erst möglich wird. Ein wichtiges Problem ist dabei ein gutes Modell zu finden. Modellbildung benutzt man in Informatik, Mathematik, Statistik und Ökonometrie. Ein gutes Modell soll möglichst kleinen Fehler haben und möglichst kurz sein. Viele existierende Verfahren können mit einer großen Anzahl von Zeitreihen oder/und sehr langen Zeitreihen nicht umgehen. Viele KDD-Anwendungen, wobei fMRI nur ein Beispiel darstellt, brauchen Modelle für genau solche Zeitreihen.

Ziel dieser Arbeit ist es, ein effizientes Framework für Modellbildung zu implementieren. Hier kann man existierende Algorithmen für die Fragestellung anpassen und eigene Algorithmen entwickeln.