Model-based analysis of multimodal data under uncertainties "MAMUD" :
Modellbasierte Analyse multimodaler Daten unter Unsicherheiten "MAMUD" : Abschlussbericht InnoProfile-Transfer-Stiftungsprofessuren : Berichtszeitraum: 07/2013 - 06/2018. - Ilmenau : Technische Universität Ilmenau. - 1 Online-Ressource (112 Seiten, 5,48 MB)Förderkennzeichen BMBF 03IPT605X
https://doi.org/10.2314/KXP:1667239007
Modellbasiertes Requirements Engineering zur Unterstützung der domänenübergreifenden Gesamtfahrzeugentwicklung
1. Auflage. - München : Verlag Dr. Hut, 2018. - iii, 145, XLII Seiten. - (Informatik)
Technische Universität Ilmenau, Dissertation 2019
ISBN 978-3-8439-4007-8
Seit seinen frühen Anfängen hat sich das Fahrzeug von einem rein mechanischen System mit Verbrennungsmotor zu einem System mit einem hohen Anteil an Elektrotechnik und Elektronik sowie teilweise hybriden Antriebskonzepten gewandelt. In modernen Fahrzeugen erhöht sich aufgrund der gestiegenen Nachfrage an Infotainment- und Fahrerassistenzfunktionen sowie der Zielsetzung des autonomen Fahrens die Anzahl und die Komplexität von mechanischen sowie elektrischen und elektronischen Systemen. Um unter verschärften Wettbewerbsbedingungen und steigenden Anforderungen in kürzeren Entwicklungszyklen fahrzeugtechnische Systeme auf den Markt zu bringen, bedarf es einer effizienten Zusammenarbeit der Domänen Mechanik sowie Elektrotechnik und Elektronik. Eine domänenübergreifende modellbasierte Beschreibung mit Hilfe eines Systemmodells für die Gesamtfahrzeugentwicklung bietet das Potential, diesen Herausforderungen zu begegnen. Das Ziel vorliegender Arbeit ist deshalb die Entwicklung eines Modells zur Unterstützung der domänenübergreifenden Entwicklung durch Modellierung und Analyse fahrzeugtechnischer Systeme. Ausgehend von konkreten Anforderungen aus der praktischen Fahrzeugentwicklung wird ein semi-formales Modell für die Gesamtfahrzeugentwicklung erarbeitet. Entwicklungsartefakte wie beispielsweise Fahrzeug-Eigenschaften, Fahrzeug-Funktionen oder Anforderungen bilden dabei die Modellelemente. Systematisch spezifizierte Abhängigkeiten gewährleisten die Traceability zwischen den Modellelementen und erhöhen das Abhängigkeitswissen. Darüber hinaus ermöglicht eine Modellanalyse eine kritische Bewertung und verbessert somit die Qualität des Modells. Dabei lassen sich beispielsweise Modellkonsistenz überprüfen oder Widersprüche aufdecken. Ferner können abgeleitete, noch nicht vorhandene Relationen identifiziert werden sowie Auswirkungen von Änderungen abgeschätzt werden. Das Modell für die Gesamtfahrzeugentwicklung wird anschließend als prototypisches Werkzeug implementiert. Ein Editor soll dabei die Modellierung und Analyse fahrzeugtechnischer Systeme ermöglichen. Abschließend wird das neuartige Modell an einem Beispiel der aktuellen Fahrzeugentwicklung evaluiert.
A new coupled PARAFAC2 decomposition for joint processing of somatosensory evoked magnetic fields and somatosensory evoked electrical potentials. - In: Conference record of the Fifty-Second Asilomar Conference on Signals, Systems & Computers, (2018), S. 806-810
https://doi.org/10.1109/ACSSC.2018.8645393
Datenbanken : Konzepte und Sprachen
Sechste Auflage. - Frechen : mitp, 2018. - xxiv, 777 Seiten ISBN 3-95845-776-2
Literaturverzeichnis: Seiten 743-761
How models of canonical microcircuits implement cognitive functions. - Ilmenau : Universitätsbibliothek, 2018. - 1 Online-Ressource (xiii, 109 Seiten, Seite xv-xxii)
Technische Universität Ilmenau, Dissertation 2018
Kognitive Fähigkeiten wie Sprache, Gedächtnis und Entscheidungsfindung resultieren vermutlich aus der Interaktion vieler fundamentaler neuronaler Elemente, sogenannter kanonischer Schaltkreise. Eine vertiefte Einsicht in das Zusammenwirken dieser kanonischen Schaltkreise verspricht ein besseres Verständnis kognitiver Fähigkeiten, möglicher Funktionsstörungen und Therapieansätze. Die vorliegende Dissertation untersucht ein generatives Modell kanonischer Schaltkreise und erforscht mit dessen Hilfe die Zusammensetzung kognitiver Fähigkeiten aus konstitutiven Mechanismen neuronaler Interaktion. Es wurde ein biologisch-plausibles neuronales Massenmodell erstellt, das mögliche Architekturen kanonischer Schaltkreise generisch berücksichtigt. Anhand von Simulationen sowie Bifurkations- und Stabilitätsanalysen wurde untersucht, inwiefern das Modell grundlegende Operationen der Informationsverarbeitung, nämlich Selektion und temporäre Speicherung einer transienten Stimulation, unterstützt. Die Untersuchung zeigt, dass eine bistabile Aktivität einer neuronalen Population und die Beurteilung der Salienz des Signals den grundlegenden Operationen zugrunde liegen. Die Beurteilung der Salienz beruht dabei hinsichtlich der Signalstärke auf dem Abstand des Arbeitspunktes zu einer Sattel-Knoten-Bifurkation und hinsichtlich der Signalkonsistenz und -vergänglichkeit auf einer Hopf-Separatrix im Zustandsraum des Systems. Die Netzwerkbalance modifiziert diesen Zustandsraum und damit die Funktionsfähigkeit des Modells. Nur ein Drei-Populationenmodell mit getrennten erregenden Populationen für Signalempfang und -emission weist die notwendigen Bedingungen im Zustandsraum auf und genügt der Definition eines minimalen kanonischen Schaltkreises. In diesem Drei-Populationenmodell erleichtert ein Feedbacksignal die Speicherfähigkeit für sensorische Feedforwardsignale. Dementsprechend weisen hierarchisch interagierende minimale kanonische Schaltkreise ein zeitliches Verarbeitungsgedächtnis auf, das zustandsabhängige Verarbeitungsoperationen erlaubt. Die Bedeutung dieser konstitutiven Operationen wird für die neuronalen Operationen Priming und Strukturbildung verdeutlicht. Letztere wurde als wichtiger Mechanismus in einem Netzwerk zur Syntaxanalyse identifiziert und belegt das Potential des Modellansatzes für die neurokognitive Forschung. Diese Dissertation konkretisiert die konnektionistische Ansicht höhere Verarbeitungsoperationen als Ergebnis der Kombination minimaler Verarbeitungselemente zu verstehen und befördert das Verständnis für die Frage wie kognitive Fähigkeiten im Nervengewebe des Gehirns implementiert sind.
https://www.db-thueringen.de/receive/dbt_mods_00038205
Preprocessing methods for morphometric brain analysis and quality assurance of structural magnetic resonance images :
Vorverarbeitungsverfahren zur morphometrischen Hirnanalyse und Qualitätssicherung von strukturellen Magnetresonanzbildern. - Ilmenau : Universitätsbibliothek, 2018. - 1 Online-Ressource (verschiedene Seitenzählungen)
Technische Universität Ilmenau, Dissertation 2018
Gegenstand der Dissertation ist die Neuentwicklung und Validierung von Verfahren zur Aufbereitung von anatomischen Daten, die mittels Magnetresonanztomographie gewonnen wurden. Ziel ist dabei die Erfassung von morphometrischen Kennwerten zur Beschreibung der Struktur und Form des Gehirns, wie beispielsweise Volumen, Fläche, Dicke oder Faltung der Großhirnrinde. Die Kennwerte erlauben sowohl die Erforschung individueller gesunder und pathologischer Entwicklung als auch der evolutionären Anpassung des Gehirns. Die zur Datenanalyse notwendige Vorverarbeitung beinhaltet dabei die Angleichung von Bildeigenschaften und individueller Anatomie. Die fortlaufende Weiterentwicklung der Scanner- und Rechentechnik ermöglicht eine zunehmend genauere Bildgebung, erfordert aber die kontinuierliche Anpassung existierender Verfahren. Die Schwerpunkte dieser Dissertation lagen in der Entwicklung neuer Verfahren zur (i) Klassifikation der Hirngewebe (Segmentierung), (ii) räumlichen Abbildung des individuellen Gehirns auf ein Durchschnittsgehirn (Registrierung), (iii) Bestimmung der Dicke der Großhirnrinde und Rekonstruktion einer repräsentativen Oberfläche und (iv) Qualitätssicherung der Eingangsdaten. Die Segmentierung gleicht die Bildeigenschaften unterschiedlicher Protokolle an, während die Registrierung anatomische Merkmale normalisiert und so den Vergleich verschiedener Gehirne ermöglicht. Die Rekonstruktion von Oberflächen erlaubt wiederum die Gewinnung einer Vielzahl weiterer morphometrischer Maße zur spezifischen Charakterisierung des Gehirns und seiner Entwicklung. Anhand von simulierten und realen Daten wird die Validität der neuen Methoden belegt und mit anderen Ansätzen verglichen. Die Verfahren sind Bestandteil der Computational Anatomy Toolbox (CAT; http://dbm.neuro.uni-jena.de/cat), deren Schwerpunkt die Vorverarbeitung von strukturellen Daten ist und die Teil des Statistical Parametric Mapping (SPM) Softwarepaketes in MATLAB ist.
https://nbn-resolving.org/urn:nbn:de:gbv:ilm1-2018000653
Towards Voronoi-based backup routing for large-scale distributed applications. - In: 2018 Global Information Infrastructure and Networking Symposium (GIIS), (2018), insges. 5 S.
https://doi.org/10.1109/GIIS.2018.8635645
Counseling robot implementation and evaluation. - In: SMC 2018, (2018), S. 1716-1722
A lot of IT personnel have psychological distress and counselors to help them are lack in number. Therefore, we proposed a counseling agent (CA) called CRECA (context respectful counseling agent), which listens to clients and promotes their reflection context respectfully namely in a context preserving way. This agent is now enhanced using a body language called "unazuki" in Japanese, a kind of nodding to greatly promote dialogue, often accompanying "un-un" (meaning "exactly") of Japanese onomatopoeia. This body language significantly helps represent empathy or entire approval. Our agent is enhanced with such dialog promotion nodding robot to continue the conversation naturally or context respectfully towards clients' further reflection. To realize it, the robot nods twice at each end of dialog sentence input by clients. Here, we introduce a robot that behaves human-like by an appropriate nodding behavior. The motivation for such a more human-like robot was the extension of application fields from IT workers' counselling to people, who suffer from more social problems such as financial debt, or anxiety of victory or defeat. For such applications, it is important that the agent behaves as much as possible human-like. Here, we present an enhanced experimental evaluation. The quantitative evaluation is based on the utterance amounts of a test group of individuals. These amount with and without the nodding feature are compared. Additionally, the robots with and without nodding are compared according several subjective feelings by the evaluation subjects.
https://doi.org/10.1109/SMC.2018.00297
Development and industrial application of a soft sensor using Markov random fields. - In: Proceedings 2018 Chinese Automation Congress (CAC), (2018), S. 544-549
https://doi.org/10.1109/CAC.2018.8623074
A SVM integrated case based learning data GA for solar flare prediction. - In: Proceedings of the 2018 IEEE Symposium Series on Computational Intelligence (SSCI 2018), (2018), S. 2131-2138
Unusual intense solar flare can have serious impact on the human society. In particular, it may cause serious problems such as damaging electric power plants. It is desirable but difficult to predict intense solar flare because of imbalanced classification problems. To overcome this, we developed Case Based Genetic Algorithm (GA) integrated with Local Optimizer (CBGALO). Here, a Support Vector Machine (SVM) is used as Local Optimizer. However, the prediction precision for learning significantly depends on input data. Therefore, CBGALO was elaborated to extend by a Case Based GA that is able to automatically restart. This forms a good combination searching GA for both learning features and input data (CBRsGcmbGA). Even the currently popular deep learning cannot search the input data for learning automatically or at least evolutionarily. The effect of our approach is proven in predicting X class solar flare as follows: 1) extended CBGALO reached more than 85% of precision in most (12 out of 14) cases and 91.2% at maximum, 2) previous CBGALO reached 84% at most 3) other approaches in the same environment reached less than 75%.
https://doi.org/10.1109/SSCI.2018.8628778