Multiple resource reuse for D2D communication with uniform interference in 5G cellular networks. - In: Engaged citizens and their new smart worlds, ISBN 978-1-5386-3531-5, (2017), insges. 7 S.
https://doi.org/10.1109/PIMRC.2017.8292707
Cuckoo hashing with overlapping buckets. - In: Dagstuhl Reports, ISSN 2192-5283, Bd. 7 (2017), 5, S. 16
https://doi.org/10.22032/dbt.42358
Theory and applications of hashing : report from Dagstuhl Seminar 17181. - In: , ISSN 2192-5283, Bd. 7 (2017), 5, S. 1-21
http://dx.doi.org/10.4230/DagRep.7.5.1
Information content-based determination of optimal sensor number. - In: ICUMT 2017: faciliating the internet of skills, ISBN 978-1-5386-3435-6, (2017), S. 261-266
https://doi.org/10.1109/ICUMT.2017.8255175
Reducing call blocking rates for anonymous voice over IP communications. - In: ICUMT 2017: faciliating the internet of skills, ISBN 978-1-5386-3435-6, (2017), S. 382-390
https://doi.org/10.1109/ICUMT.2017.8255174
"3DPersA - Hybride Verfahren zur 3D Personenwahrnehmung für die soziale Assistenzrobotik in öffentlichen und häuslichen Einsatzszenarien" : Abschlussbericht : Projektlaufzeit 01.07.2015-31.06.2017. - [Ilmenau] : [TU Ilmenau, FG Neuroinformatik und Kognitive Robotik]. - 1 Online-Ressource (17 Seiten, 835 KB)Förderkennzeichen BMBF 03ZZ0408
https://doi.org/10.2314/GBV:1013877608
Usability and accuracy of high-resolution detectors for daily quality assurance for robotic radiosurgery. - In: Current directions in biomedical engineering, ISSN 2364-5504, Bd. 3 (2017), 2, S. 277-280
https://doi.org/10.1515/cdbme-2017-0057
Mechanistic models of reward based learning and decision making for clinically motivated problems. - Ilmenau : Universitätsbibliothek, 2017. - 1 Online-Ressource (xvi, 114 Seiten)
Technische Universität Ilmenau, Dissertation 2017
Mechanistische Modelle für Lernen und zur Entscheidungsfindung können helfen, spezifische Hypothesen über beobachtetes Verhalten und dessen Etablierung in Gehirn zu testen. Die hier vorliegende Arbeit bietet einen Ansatz, um computergestützte Modelle zum Verstärkungslernen (Reinforcement Learning) und Bayes'sche Lernalgorithmen zu integrieren, und um klinisch motivierte Probleme zu adressieren. Die so entstandenen Modelle wurden anhand von funktionelle Magnetresonanztomographie (fMRT) gemeinsam mit Verhaltens- und Konnektivitätsmodellen evaluiert. In dieser Arbeit werden vor allem Algorithmen zum Verstärkungslernen betrachtet, typischerweise die im bildgebenden und in psychologischen Studien zur Anwendung kommen. Eine Bewertung der Algorithmen erfolgte mithilfe von Simulationen, um somit das Verhalten von virtuellen Agenten bei unterschiedlichen Modellparametern und Strategien zu verstehen. Später wurden die generierten Modelle an einem empirischen Datensatz getestet, wobei das beste Modell zur Auswertung der fMRI Daten an ein lineares Modell übergeben wurde. Solche Modelle konnten Unterschiede in der Funktion von dopaminergen Gehirnregionen und dem damit assoziierten Verhalten zwischen Individuen mit unterschiedlicher genetische Disposition zeigen. Weiterhin wurde untersucht, ob die Einbeziehung von Lernalgorithmen in effektive Konnektivitätsmodelle als komplementäre Grundlage für die weitere Erforschung von veränderten Netzwerkdynamiken im menschlichen Gehirn dienen könnte. Dazu wurden bilineare und nicht-lineare dynamisch kausale Modelle verschiedener Hirnregionen, welche in Belohnungslernen und Vorhersagefehlerprozessen beteiligt sind, erstellt. In einer Erweiterung, wurden hierarchische Bayes'sche Modelle betrachtet, welche das Lernverhalten eines virtuellen Agenten in einer komplexen und unbeständigen Umgebung modellieren. Ein paralleler Lernansatz wurde zum Lernen und Kombinieren multipler Hinweisreize entwickelt, indem hierarchische Gauss'schen Filter mit präzisionsgewichteten Antwortmodellen gepaart wurden. Simulationen von Parameterschätzungen deuten darauf hin, dass dieser Ansatz zum Lernen und Kombinieren verschiedener Informationsquellen genutzt werden kann. Das vorgeschlagene Modell wurde auf Grundlage empirische Daten überprüft und mit alternativen Modellen verglichen, wie beispielsweise mit dem optimalen Bayes'schen Agenten. Letztlich hat uns diese Methode ermöglicht, individuelle Subprozesse zu identifizieren, die am Lernen von sozialen Hinweisreizen beteiligt sind und die mit unterschiedlichen Ausprägungen vom autistischen Züge variieren. Darüber hinaus postulieren wir, dass der hier vorgestellte experimentelle und modellierende Ansatz zu einer mechanistischen Beschreibung von unterschiedlichen psychiatrischen Störungen beitragen kann.
http://nbn-resolving.de/urn:nbn:de:gbv:ilm1-2017000570
Bewertung von Farbmustercodes zur flächigen, aktiven 3D-Erfassung. - In: 3D-NordOst 2017, (2017), S. 23-32
Lyapunov-stability for the sliding-mode control of a turbocharger subject to state constraints. - In: Proceedings IECON 2017 - 43nd Annual Conference of the IEEE Industrial Electronics Society, ISBN 978-1-5386-1127-2, (2017), S. 4062-4067
https://doi.org/10.1109/IECON.2017.8216697