D16 (2015) - Ausgezeichnete Informatikdissertationen
Steffen Hölldobler et al. (Hrsg.)
GI-Edition - Lecture Notes in Informatics (LNI), D-16
Bonner Köllen Verlag (2015)
Auflistung nach:
Auflistung D16 (2015) - Ausgezeichnete Informatikdissertationen nach Erscheinungsdatum
1 - 10 von 40
Treffer pro Seite
Sortieroptionen
- TextdokumentExplorative Suche in Zeitbasierten Primärdaten(Ausgezeichnete Informatikdissertationen 2015, 2015) Bernhard, JürgenDie Ära des Big Data birgt gewaltige Potenziale für die datenzentrierte Forschung, denen Herausforderungen wie die Größe, die Qualität oder temporale Aspekte der Daten gegenüberstehen. Für die explorative Suche nach unerforschtem Wissen in komplexen Daten benötigen Domänenexperten effektive Analysetechniken und -systeme. Im Design dieser Systeme lassen sich die Kompetenzen von Data Scientists mit denen der Domänenexperten vereinen. Am Beispiel von zeitbasierten Primärdaten präsentiere ich in meiner Dissertation Konzepte, Richtlinien, Techniken und Systeme für die explorative Suche zur Unterstützung der datenzentrierten Forschung. Dabei verfolge ich in einem Visual-Analytics-Ansatz die strikte Kopplung von visuell-interaktiven Benutzerschnittstellen mit algorithmischen Modellen zur Datenanalyse. Beim Design von explorativen Suchsystemen ermögliche ich den Vergleich und die Auswahl von Modellen, unter Einbezug von Domänenexperten.
- TextdokumentVisuelle Analyse Sozialer Medien für die Situationseinschätzung(Ausgezeichnete Informatikdissertationen 2015, 2015) Thom, DennisMit dem Entstehen sozialer Medien ist das Internet zu einem unaufhörlichen Strom von Wissen, Beobachtungen, Gedanken und persönlichen Statusberichten angewachsen. Diese Entwicklung bedeutet auch völlig neue Möglichkeiten für die Situationseinschätzung (Situation Awareness) in Bereichen wie dem Katastropheschutz, der Seuchenkontrolle oder im Journalismus. In der hier vorgestellten Dissertation wurden Lösungsmodelle entwickelt, welche es erlauben, die Datenfluten zu bewältigen, Anomalien automatisch zu erkennen und daraus ein visuelles Lagebild zu generieren. Gemäß dem Ansatz der Visual Analytics wurden dabei Verfahren des Data Mining und Machine Learning engmaschig mit den Möglichkeiten der interaktiven Datenvisualisierung verknüpft.
- TextdokumentAktives Lernen für Klassifikationsprobleme unter der Nutzung von Strukturinformationen(Ausgezeichnete Informatikdissertationen 2015, 2015) Reitmaier, TobiasHeutzutage werden mediale, kommerzielle und auch persönliche Inhalte immer mehr in der digitalen Welt konsumiert, ausgetauscht und somit gespeichert. Diese Daten versuchen IT- Unternehmen mittels Methoden des Data Mining oder des maschinellen Lernens verstärkt wirtschaftlich zu nutzen, wobei in der Regel eine zeitund kostenintensive Kategorisierung bzw. Klassifikation dieser Daten stattfindet. Ein effizienter Ansatz, diese Kosten zu senken, ist aktives Lernen (AL), da AL den Trainingsprozess eines Klassifikators durch gezieltes Anfragen einzelner Da- tenpunkte steuert, die daraufhin durch Experten mit einer Klassenzugehörigkeit versehen werden. Jedoch zeigt eine Analyse aktueller Verfahren, dass AL nach wie vor Defizite aufweist. Insbesondere wird Strukturinformation, die durch die räumliche Anordnung der (un-)gelabelten Daten gegeben ist, unzureichend genutzt. Außerdem wird bei vielen bisherigen AL-Techniken noch zu wenig auf ihre praktische Einsatzfähigkeit geachtet. Um diesen Herausforderungen zu begegnen, werden in der diesem Beitrag zugrundeliegenden Dissertation mehrere aufeinander aufbauende Lösungsan- sätze präsentiert: Zunächst wird mit probabilistischen, generativen Modellen die Struktur der Da- ten erfasst und die selbstadaptive, (fast) parameterfreie Selektionsstrategie 4DS (Distance-Density- Distribution-Diversity Sampling) entwickelt, die zur Musterauswahl Strukturinformation nutzt. An- schließend wird der AL-Prozess um einem transduktiven Lernprozess erweitert, um die Datenmodellierung während des Lernvorgangs anhand der bekanntwerdenden Klasseninformationen iterativ zu verfeinern. Darauf aufbauend wird für das AL-Training einer Support Vector Machine (SVM) der neue datenabhängige Kernel RWM (Responsibility Weighted Mahalanobis) definiert.
- TextdokumentBrückenschlag zwischen Verifikation und systematischem Testen(Ausgezeichnete Informatikdissertationen 2015, 2015) Christakis, Maria
- TextdokumentEin konsistentes Framework für automatisiertes virtuelles Screening(Ausgezeichnete Informatikdissertationen 2015, 2015) Urbaczek, SaschaVirtuelles Screening ist mittlerweile zu einem integralen Bestandteil der industriellen und akademischen Arzneimittelforschung geworden. Es wird eingesetzt, um sehr große Substanzdatenbanken mit der Hilfe von computerbasierten Methoden auf eine überschaubare Zahl vielversprechender Wirkstoffkandidaten zu reduzieren. Um dies zu erreichen, werden komplexe mehrstufige Arbeitsabläufe benötigt, die aktuell nur von Spezialisten durchgeführt werden können. Das Ziel der vorliegenden Arbeit war die Entwicklung einer zuverlässigen Basis für die Entwicklung von Software, die auch Medizinalchemikern den Zugang zur computergestützten Wirkstoffsuche ermöglicht. Das Ergebnis ist ein konsistentes chemieinformatische Software-Framework (NAOMI), das die anspruchsvollen Anforderungen eines solchen Anwendungsszenarios erfüllt.
- TextdokumentVerbessern von kontinuierlichen Anwendungen,die mit Bewegungsvorstellung kontrolliert werden,mittels hybriden Gehirn-Computer Schnittstellen Design-Prinzipien(Ausgezeichnete Informatikdissertationen 2015, 2015) Kreilinger, AlexGehirn-Computer Schnittstellen, die für Querschnittgelähmte oder Schlaganfallpatienten einen Kommunikationskanal bieten können, weisen teilweise unzureichende Funktionalität und Verlässlichkeit auf. In der hier vorgestellten Dissertation wurden neue hybride Entwicklungsmethoden eingesetzt, um genau diese Faktoren zu verbessern. Insbesondere wurde ein allgemeiner Ansatz einer hybriden Gehirn-Computer Schnittstelle erprobt und die automatische Detektion von Fehlern während kontinuierlicher, asynchroner Steuerung untersucht. Außerdem wurde unter enger Zusammenarbeit mit querschnittgelähmten Anwendern verschiedene Methoden der Neuroprothesensteuerung erstellt und über einen längeren Zeitraum hinweg analysiert.
- TextdokumentGenfamilienfreier Genomvergleich(Ausgezeichnete Informatikdissertationen 2015, 2015) Dörr, DanielDas Genom bezeichnet die gesamte genetische Information eines Organismus, welche hauptsächlich auf Chromosomen gespeichert ist. Der rechnergestützte Vergleich der Genome unterschiedlicher Spezies gewährt wertvolle Einsichten in deren gemeinsame und individuelle evolutionäre Historie. Hierzu werden Mutationen identifiziert, welche die DNA-Sequenzen in der evolutionären Vergangenheit verändert haben. Eine bestimmte Art von Mutationen führt zu Veränderungen in der Genreihenfolge von Genomen. Diese Arbeit stellt neue rechnergestützte Vergleichsmethoden der Genreihenfolge in Genomen unterschiedlicher Spezies vor. Hierzu werden klare Optimierungsprobleme identifiziert, deren Berechnungskomplexität analysiert und exakte, approximative, sowie heuristische Lösungsverfahren entwickelt.
- TextdokumentMethoden zur genomweiten Evaluierung von Gen-Strata-Interaktionen(Ausgezeichnete Informatikdissertationen 2015, 2015) Winkler, ThomasGenomweite Assoziations Meta-Analysen (GWAMAs) haben wesentlich zum besseren Verständnis der Genetik von komplexen Krankheiten, wie z.B. Adipositas, beigetragen. Allerdings ist wenig darüber bekannt, ob sich genetische Effekte zwischen Subgruppen, wie z.B. zwischen Männern und Frauen unterscheiden. Die vorliegende Arbeit befasste sich daher mit stratifizierten GWAMA Ansätzen zum Identifizieren von genetischen Varianten, deren Effekte sich signifikant zwischen Subgruppen unterscheiden. Zwei leistungsfähige und einfach zu verwendende Softwarepakete namens EasyQC und EasyStrata wurden entwickelt, welche die Durchführung, Qualitätskontrolle und Auswertung von stratifizierten GWAMAs ermöglichen. Die Softwarepakete werden von verschiedenen genetischen Forschungskonsortien verwendet und haben dadurch bereits erfolgreich zu einem besseren Verständnis der genetischen Effekte auf Krankheiten oder auf krankheitsrelevante Merkmale, sowie deren Gruppenabhängigkeiten, beigetragen.
- TextdokumentZielorientiertes Sensing im Pervasive Computing(Ausgezeichnete Informatikdissertationen 2015, 2015) Hölzl, GeroldWissen über Kontext setzt sich aus einer Vielzahl von unterschiedlichen und heterogenen Informationsquellen zusammen. Beim dominierenden Designansatz zum Bau von Kontext bezogenen, pervasiven Systemen, geht man von unten nach oben vor. Der entscheidende Nachteil dieses De- signansatzes besteht darin, dass als erstes mit der Auswahl der nötigen Sensoren begonnen wird. Im Anschluss wird die so genannte Aktivitätsund Kontexterkennungskette, aufbauend auf der Sensor Ebene, definiert, um Kontextinformation aus den Sensordaten zu extrahieren. Die Systemdefinition wird während der Entwicklung des Systems festgelegt und ist von diesem Zeitpunkt an statisch und unveränderlich. Durch den unaufhaltsamen Anstieg an verfügbaren, intelligenten Geräten mit integrierten Sensoren ist dieser statische Ansatz bereits antiquiert. Für den weit verbreiteten Einsatz von kontextbezogenen, allgegenwärtigen sensor-basierten Systemen müssen neue Methoden diskutiert werden, um die statischen und vordefinierten Eigenschaften der derzeit bestehenden Ansätze aufzubrechen. Die Vision dieser Arbeit soll den Weg ebnen, um den von unten nach oben orientierten Ansatz in eine zielorientierte, von oben nach unten durchzuführende Konfiguration des kontextsensitiven Systems zu ändern. Eine zielorientierte, auf sogenannten Erkennungszielen basierende Me- thodik wird verwendet, um die dynamische, selbstorganisierende und adaptive Systemkonfiguration zur Laufzeit zu ermöglichen. Der zielorientierte Ansatz wird die derzeit dominierenden Verfahren neu bewerten und verändern. Dies wird dazu beitragen, die Komplexitätskrise der heutigen hohen Verfügbarkeit von Milliarden von Sensoren, die zur Aktivitätsund Kontexterkennung verwendet werden können, zu überwinden. Die Reduzierung der Komplexität bezüglich Installation, Konfiguration, Optimierung und Wartung von sensorbasierten, kontextsensitiven Systemen durch einen zielorientierten Ansatz wird die Akzeptanz, die Verwendbarkeit und die Nützlichkeit dieser Systeme auf einer breiteren, offeneren Basis zeigen und erhöhen. Der zielorientierte Ansatz verfolgt eine offene Sicht der Dinge, in der Sensoren im Rahmen ihrer Möglichkeiten den definierten Erkennungszielen zugeordnet werden können. Ein zielgerichtetes Kontexterkennungssystem kann dynamisch auf Änderungen in der Sensorinfrastruktur reagieren und sich darauf einstellen. Dies stellt sicher, dass zu jedem Zeitpunkt die beste Auswahl an verfügbaren Sensoren eingesetzt wird, um das Ziel zu erreichen. Die Kernbeiträge dieser Arbeit sind die Entwicklung neuer Methoden und algorithmischer Lösungen für (i) semantische Aktivitätsund Kontextbeziehungen, (ii) die Formulierung sowie das Übersetzen und Abarbeiten eines Erkennungsziels, (iii) die semantische Abbildung des Erkennungszieles auf die verfügbare Sensorinfrastruktur zur Laufzeit, begleitet von (iv) der Nutzung mehrerer Sensorinformationsquellen, um auf die Aktivitäten und den Kontext von Personen zu schließen. Die Erkenntnisse und Beiträge dieser Arbeit werden einen methodischen Paradigmensprung, weg von vordefinierten und statischen Kontexterkennungssystemen hin zu deren zielorientierter, dynamischen Laufzeitkonfiguration und Anpassung einleiten.
- TextdokumentDomänen-sensitives Temporal Tagging für Event-zentriertes Information Retrieval(Ausgezeichnete Informatikdissertationen 2015, 2015) Strötgen, JannikDa Zeitund Ortsinformationen in beinahe allen Kontexten eine bedeutende Rolle spielen, kommen sie in Form von Zeitund Ortsausdrücken häufig in Texten vor. Oft werden dort solche Ausdrücke benutzt, um auf etwas zu referenzieren, das irgendwann irgendwo stattfand, stattfindet, oder stattfinden wird - also um auf Events zu verweisen. Bis jetzt werden Event-bezogene Informationsbedürfnisse von Standardansätzen des Information Retrievals jedoch bei weitem nicht hinreichend abgedeckt. Im Rahmen der vorgestellten Dissertation wurden neuartige Frameworks entwickelt, mit denen Dokumentensammlungen in Bezug auf zeitliche, räumliche und Event-bezogene Informationen durchsucht und exploriert werden können. Eine besonders wichtige Rolle spielt dabei auch HeidelTime, ein domänen-berücksichtigendes, mehrsprachiges System zum Erkennen und Normalisieren von Zeitausdrücken, das im Rahmen dieser Arbeit entstanden ist und für sämtliche Domänen und Sprachen Evaluationsergebnisse erzielt, die den aktuellen Stand der Forschung widerspiegeln.