Publications

Shinozaki, Tetsuo; Yamamoto, Yukiko; Tsuruta, Setsuo; Damiani, Ernesto; Knauf, Rainer
Highly enhanced context respectful counseling agent. - In: 2016 IEEE International Conference on Fuzzy Systems (FUZZ-IEEE), ISBN 978-1-5090-0626-7, (2016), S. 2174-2181

A lot of IT workers suffer from stress in doing their work and there are a few counselors to help them. To cope with this problem, an enhanced context respectful counseling agent is proposed. This counseling agent extracts emotional words from clients' utterances throughout their dialogue to detect their changes and provides clients with such changes as dialogue summary. If no change is detected, it replies with clients' utterances' paraphrases followed by context-respectful prompts to dig/ narrow problems. Especially to continue the conversation towards clients' further reflection, our newly enhanced agent restricts or relates the topics with eventual and emotional words in dialogue sentences. Namely, it asks still context-respectful but self-disclosure type questions to understand the distressed client more correctly or more sincerely. Furthermore, it uses fuzzy reasoning to select an non boring response either from several digging prompts such as "more concretely", "say more", "please say it in detail", etc. or from several sentences in case of no matching of input utterance with the above mentioned paraphrasing patterns. Owing to this enhancement, clients keeping and deepening reflection on themselves without boring in conversation, reach more problem clarification and selfawareness, which enables them to solve their more difficult problems.

http://dx.doi.org/10.1109/FUZZ-IEEE.2016.7737962

Groß, Horst-Michael; Eisenbach, Markus; Scheidig, Andrea; Trinh, Thanh Quang; Wengefeld, Tim
Contribution towards evaluating the practicability of socially assistive robots - by example of a mobile walking coach robot. - In: Social Robotics, (2016), S. 890-899

http://dx.doi.org/10.1007/978-3-319-47437-3_87

Hutagalung, Milka; Hundeshagen, Norbert; Kuske, Dietrich; Lange, Martin; Lozes, Etienne
Multi-buffer simulations for trace language inclusion. - In: Proceedings of the Seventh International Symposium on Games, Automata, Logics and Formal Verification, (2016), S. 213-227

http://dx.doi.org/10.4204/EPTCS.226.15

Kehr, Sebastian; Paniâc, Miloš; Quiñones, Eduardo; Böddeker, Bert; Sandoval, Jorge Becerril; Abella, Jaume; Cazorla, Francisco J.; Schäfer, Günter
Supertask: maximizing runnable-level parallelism in AUTOSAR applications. - In: Proceedings of the 2016 Design, Automation & Test in Europe Conference & Exhibition (DATE), ISBN 978-3-9815370-7-9, (2016), S. 25-30

http://ieeexplore.ieee.org/document/7459275/

Vollmer, Christian;
Weiterentwicklung und Anwendung von Sparse-Coding-Verfahren für die Analyse von Armbewegungstrajektorien. - Ilmenau : Universitätsbibliothek, 2016. - 1 Online-Ressource (xi, 151 Seiten)
Technische Universität Ilmenau, Dissertation 2016

Eine von vielen Modalitäten zur Vermittlung von Information in Interaktion zwischen Mensch und Maschine ist die Gestik. Mit Hilfe dynamischer Gesten können sowohl Begriffe, als auch Emotionen kommuniziert werden. In dieser Arbeit wird der zeitliche Verlauf der Position einer Gliedmaße bei Ausführung der Geste, die sogenannte Bewegungstrajektorie, betrachtet. Damit eine Maschine Gesten wahrnehmen kann, müssen die Trajektorien mittels Sensoren aufgenommen werden und anschließend durch eine entsprechende Verarbeitung der Daten interpretiert werden. Dabei kommt ein mehrstufiger Mustererkennungsprozess zum Einsatz. Ein Schritt in diesem Prozess ist die Merkmalsextraktion, welche das aufgenommene Signal in einer kompakten Form darstellt. Diese Arbeit widmet sich einer Untersuchung zur Anwendung von Sparse Coding in der Merkmalsextraktion für Bewegungstrajektorien. Sparse Coding kann eine Datenmenge durch eine beschränkte Menge repräsentativer, wiederkehrender Merkmale darstellen. Diese Merkmale werden in einer Lernphase aus Trainingsdaten gelernt und in der Kannphase in einem unbekannten Signal detektiert. Dieses Konzept hat gegenüber konventionellen Methoden zur Merkmalsextraktion in zeitlichen Signalen den Vorteil, dass die Merkmale optimal an die Daten angepasst sind und so die charakteristischen Eigenschaften der Trainingsdaten beschreiben. In dieser Arbeit wird das Verfahren für die Anwendung auf Bewegungstrajektorien optimiert. Es wird untersucht, unter welchen Rahmenbedingungen Sparse Coding für Bewegungstrajektorien anwendbar ist und wie die aufgenommenen Daten vorverarbeitet werden müssen. Des Weiteren werden die Auswirkungen des Verfahrens auf nachgelagerte Verarbeitungsschritte im Mustererkennungsprozess, wie die Klassifikation und die Generierung von Bewegungstrajektorien, betrachtet. Die Leistungsfähigkeit des Verfahrens beim Einsatz in der Gestenerkennung wird in Experimenten anhand eines, im Rahmen dieser Arbeit selbst erstellten, Datensatzes demonstriert. Um die Generalisierbarkeit des Verfahrens auf andere Anwendungsdomänen zu untersuchen, wird es auf Benchmark-Datensätze aus den Bereichen der Activity Recognition und der Handschrifterkennung angewendet. Des Weiteren wird eine echtzeitfähige Implementierung des Verfahrens in einer Demonstrator-Applikation vorgestellt.

http://nbn-resolving.de/urn:nbn:de:gbv:ilm1-2016000453