Algorithmisches Lernen besch�ftigt sich mit dem Problem, Objekte anhand von im allgemeinen unvollst�ndiger Information zu erlernen, also z.B. vollst�ndige Beschreibungen der Objekte zu generieren. Es werden die Auswirkungen solcher Parameter wie die zur Verf�gung stehende Information, die Klasse der zul�ssigen Lernverfahren, die Wahl des Hypothesenraumes, die Pr�zisierung des Lernziels, die Klassen der zu erlernenden Objekte auf M�glichkeiten und Grenzen des Lernens untersucht. Dabei geht es sowohl um rein qualitative Einsichten (Welche Objektklassen sind unter welchen Bedingungen �berhaupt erlernbar bzw. nicht erlernbar?) als auch um quantitative Ergebnisse (Wie komplex ist der Lernprozess? Wie gut sind die generierten Hypothesen?). Methodisch werden vor allem die Theorie der rekursiven Funktionen, die Algorithmentheorie und die Komplexit�tstheorie eingesetzt.

Diese Arbeitgruppe wurde am 31. M�rz 2011 geschlossen.

Sie finden im folgenden eine �bersicht der ehemaligen Mitarbeiter sowie deren Kontaktadressen (Stand M�rz 2012), sofern bekannt.

AG-Leitung	Prof. Dr. R. Wiehagen	Inductive Inference: Exploring learning phenomena, as well as necessary and sufficent conditions for learning.
Sekretariat	Maria Pfeiffer
wissenschaftliche Mitarbeiter	Dr. Johannes C. Schneider bis 31.3.2011	Decision problems and combinatorial aspects of pattern languages and morphisms.
	Dr. Daniel Reidenbach bis 31.07.2007	Exploring the formal properties and learnability of pattern languages.
	Thorsten Michels bis 31.08.2006	Learning with Exceptions: Exploring learning phenomena when the input might have some errors.
	Dr. Sandra Zilles bis 30.09.2004	Uniform Learning: Exploring strategies for a uniform solution of infinitely many learning problems.
	Martin Memmel bis 30.09.2003	DaMiT - Data Mining Tutor: A Generic Concept for Teaching and Learning in the Internet.
	Dr. Jochen Nessel bis 30.06.2001	Exploring the formal properties and learnability of pattern languages.
	Dr.Werner Stein, bis 14. Aug. 1998	In-Consistent Learning: Exploring the gap between consistent and inconsistent learning methods.
G�ste	Prof. Dr. J. Case 19.5.-31.5.1996, 1.7.-15.8.2002	Computational Learning Theory
	Prof. Dr. C. Smith 15.1.-15.8.1997, 2.6.-20.8.1998	Machine learning, theoretical program testing