In ihrer Masterarbeit hat Lisa-Marie Odebrecht sich mit verschiedenen Methoden beschäftigt, die es erlauben, ungewollte Störsignale vom eigentlichen Nutzsignal in einem neuartigen, elektro-magnetischen Messsystem mit vielen parallelen Empfangsantennen zu trennen. Sie hat einerseits klassische Ansätze, die auf einer expliziten Modellierung der möglichen Störquellen beruhen, wie auch Ansätze auf Basis maschinellen Lernens verwendet. Weil relativ schnell klar wurde, dass künstliche neuronale Netze wesentlich bessere Ergebnisse liefern als die klassischen Methoden, liegt der Hauptfokus der Arbeit auf dem maschinellen Lernen. Hier hat sie viele (der üblichen) Fragen durch numerische Experimente untersucht:
- welche Domäne ist besser zur Lösung geeignet (Zeit- oder Frequenz)
- was soll das Netz ausgeben: das Signal ohne die Störung oder die Störung ohne das Signal
- welchen Einfluss hat die gewählte Architektur des neuronalen Netzes
- wie müssen Hyperparameter optimal gewählt werden
- welche Artefakte werden produziert
Ein wichtiges Grundproblem bei maschinellem Lernen – die Verfügbarkeit von Trainingsdaten – hat sie durch einen hybriden Ansatz gelöst: Echte Messdaten von Störsignalen, die sich leicht in großer Menge aufnehmen lassen, werden mit simulierten Nutzsignalen kombiniert. So ließ sich leicht ein praktisch unerschöpflicher Vorrat von Trainingsdaten erzeugen. Nach Training und Optimierung auf diesen hybriden Daten hat sie die neuronalen Netze dann auch auf echte Messdaten angewendet.
Ein wichtiges Ergebnis dieser Experimente ist, dass sich das Signal-zu-Rausch Verhältnis durch Anwendung der neuronalen Netze signifikant erhöht. Ein weiteres interessantes Ergebnis ist, dass es einen großen Unterschied macht, ob das Netz lernt, das Signal oder die Störung zu extrahieren. Das ist insofern unerwartet, als in der Problemstellung Signal und Störung vollkommen symmetrisch auftauchen. Es zeigt sich aber, dass sich beide Ansätze – bei ähnlicher Leistungsfähigkeit – stark in Bezug auf die produzierten Artefakte unterscheiden. In einem weiteren Abschnitt der Arbeit hat sie versucht, die Artefakte durch Einbeziehung von Randbedingungen, die sich aus der Physik der Signalerzeugung ergeben, zu reduzieren. Dabei gelang es ihr zu zeigen, dass die Anwendung dieses physikalischen Vorwissens, die Signalvorhersage verbessert.
Der Preis wurde auf einer Festveranstaltung vom Vorstand des Vereins Informatik-Forum Rostock e.V. – INFO.RO von Prof. Dr. rer. pol. Michael Fellmann (stv. Vorsitzender) im Beisein von Professorinnen und Professoren, Mitarbeitenden, Promovierenden und Studierenden der Informatik-Institute per Videokonferenz an Lisa-Marie Odebrecht überreicht.
Der Preis wird vom Verein Informatik-Forum Rostock e.V. (INFO.RO) seit dem Jahr 2012 jährlich für eine am Institut für Informatik entstandene hervorragende Bachelorarbeit an Studierende der Fakultät für Informatik und Elektrotechnik vergeben. Der Preis ist mit 200 Euro dotiert.