Logo des Repositoriums

D20 (2019) - Ausgezeichnete Informatikdissertationen

https://dl.gi.de/handle/20.500.12116/37999
Auflistung nach:

Auflistung D20 (2019) - Ausgezeichnete Informatikdissertationen nach Titel

1 - 10 von 26
  • Konferenzbeitrag
    Algorithmen für graphbasierte dynamische Probleme
    (Ausgezeichnete Informatikdissertationen 2019, 2020) Goranci, Gramoz
    Ein dynamischer Graphalgorithmus ist eine Datenstruktur, die einen Graphen speichert, der sich über die Zeit ändert, und die die Lösung für ein zugrunde liegendes Graphproblem nach jeder Änderung effizient aktualisiert. Ein Graph-Sparsifier ist eine komprimierte Darstellung eines großen Eingabegraphen, bei dem einige Grapheigenschaften (annähernd) erhalten bleiben. In dieser Dissertation entwickeln wir neue Techniken sowohl für dynamische Graphalgorithmen als auch für Sparsifikationsalgorithmen. Wir fokussieren uns auf verschiedene graphbasierte Optimierungsprobleme, die in der spektralen Graphentheorie, der Graphpartitionierung und bei metrischen Einbettungen auftreten. Unsere dynamische Algorithmen haben schnellere Laufzeiten als vorherige Ergebnisse. Unsere Sparsifier-Konstruktionen erzeugen kleinere Sparsifier und verbessern gleichzeitig ihre Approximationsqualität. Wir führen zudem neuartige Reduktionstechniken ein, die unerwartete Zusammenhänge zwischen dynamischen Graphalgorithmen und sparsifizierten Graphen aufdecken.
  • Konferenzbeitrag
    Arbeitsgewohnheiten und Expertise von Softwareentwicklern
    (Ausgezeichnete Informatikdissertationen 2019, 2020) Baltes, Sebastian
    Eine wichtige Voraussetzung für die Optimierung von Arbeitsabläufen und die Entwicklung neuer Werkzeuge in Softwareprojekten ist es˛ die Arbeitsweise von Softwareentwicklern und die daraus resultierenden Bedürfnisse zu kennen und zu verstehen. Diese Dissertation beschreibt empirische Untersuchungen dreier noch wenig erforschter Bereiche der Softwareentwicklung, stellt neue Werkzeuge vor und gibt Handlungsempfehlungen basierend auf den durchgeführten Untersuchungen. Zunächst wird illustriert wie Softwareentwickler Skizzen und Diagramme in ihrer täglichen Arbeit einsetzen. Anschließend wird der Umgang von Softwareentwicklern mit Code-Fragmenten beschrieben, die auf der populären Onlineplattform Stack Overflow bereitgestellt werden. Nach einer detaillierten Erläuterung dieser beiden Aspekte der täglichen Arbeit von Softwareentwicklern stellen wir ein erstes Modell vor, das empirisch fundiert wichtige Eigenschaften eines Experten in der Softwareentwicklung darstellt und Faktoren auflistet, die die kontinuierliche Weiterbildung von Softwareentwicklern unterstützen. Neben diesen drei Forschungsrichtungen gehen wir auf methodische Erkenntnisse ein und stellen den offenen Datensatz SOTorrent vor, der im Rahmen dieser Dissertation entstand.
  • Konferenzbeitrag
    Around-Body Interaction
    (Ausgezeichnete Informatikdissertationen 2019, 2020) Müller, Florian
    Durch den technischen Fortschritt sind Head-Mounted Displays (HMDs) kleiner und kabellos geworden. Sie leisten so einen Beitrag zur Vision von allgegenwärtiger Interaktion mit Informationen in einer digital erweiterten physischen Welt. Zur Interaktion mit solchen Geräten werden heute eingabeseitig - neben wenig intuitiven Fingergesten in der Luft – vor allem dreierlei Techniken verwendet: 1) Toucheingabe auf dem Gehäuse der Geräte oder 2) auf Zubehör (Controller) sowie 3) Spracheingabe. Während diese Techniken, abhängig von der aktuellen Situation des Benutzers, sowohl Vor- als auch Nachteile haben, so ignorieren sie weitgehend die Fähigkeiten und Geschicklichkeit, die wir im Umgang mit der realen Welt zeigen: Während unseres ganzen Lebens haben wir ausgiebig trainiert unsere Gliedmaßen zu benutzen, um mit der physischen Welt um uns herum zu interagieren und sie zu manipulieren. Diese Arbeit entwickelt eine Vision für eine körperlichere Interaktion mit solchen Geräten, welche die Fähigkeiten und Geschicklichkeit, die wir im Umgang mit der physischen Welt zeigen, auf die Interaktion mit HMDs überträgt.
  • Komplettband
    Ausgezeichnete Informatikdissertationen 2019 - Komplettband
    (Ausgezeichnete Informatikdissertationen 2019, 2020) Hölldobler, Steffen
  • Konferenzbeitrag
    Auslesekarte zur schnellen Verarbeitung von Detektordaten
    (Ausgezeichnete Informatikdissertationen 2019, 2020) Engel, Heiko
    Im Rahmen dieser Arbeit wurde eine FPGA-basierte Ausleselösung für die ALICE Data Acquisition und High Level Trigger Systeme in RUN 2 entwickelt, die durch ihre generische Architektur weit über die geplanten Anwendungsfälle und Zeiträume hinaus zum Einsatz kommt. Ein zentraler Bestandteil ist hierbei die hardwareseitige Vorverarbeitung von Detektordaten bereits im FPGA der Auslesekarte, ohne die eine Online-Aufbereitung der Daten in diesem Maße nicht möglich gewesen wäre. Durch die Umsetzung des verwendeten Vorverarbeitungsalgorithmus in einer Datenflussbeschreibung konnte darüber hinaus eine Implementierung erarbeitet werden, bei der sich Ressourcenverbrauch und Latenz kaum von der händischen Implementierung unterscheiden. Die deutliche reduzierte Entwicklungszeit, der geringere Umfang, die leichtere Wartbarkeit, sowie die einfachere Partitionierung konnten somit zeigen, dass Hardwarebeschreibungslösungen auf höheren Abstraktionsebenen auch in der Hochenergiephysik enorme Einsparungen bringen können.
  • Konferenzbeitrag
    Automatisierte Analyse virtueller Prototypen auf der ESL
    (Ausgezeichnete Informatikdissertationen 2019, 2020) Goli, Mehran
    Die Modellierung elektronischer Systeme mit Hilfe Virtueller Prototypen (VP) auf der Ebene elektronischer Systeme ist in den letzten zehn Jahren zu einer branchenweit akzeptierten Lösung geworden. Der Hauptgrund ist, dass VPs viel früher verfügbar sind und ihre Simulation im Vergleich zu Hardwaremodellen, die auf niedrigeren Abstraktionsebenen implementiert sind, um Größenordnungen schneller ist. Daher wird der VP als Referenzmodell im Entwurfsprozess für verschiedene Anwendungen (z. B. Testen, Fehlerbeseitigung, Verifikation, Sicherheitsüberprüfung und Entwurfsraumexploration) verwendet. Es ist jedoch eine genaue Kenntnis der VP-Struktur und des VP-Verhaltens erforderlich, um für die genannten Anwendungen ein geeignetes Referenzmodell erstellen zu können. Dies ist eine sehr herausfordernde Aufgabe. Ziel dieser Dissertation ist es, eine Reihe umfassender und automatisierter Ansätze bereitzustellen, mit denen Designer verschiedene Aufgaben im Entwurfsprozess bewältigen können.
  • Konferenzbeitrag
    Entwurfsautomatisierung für Quantencomputer
    (Ausgezeichnete Informatikdissertationen 2019, 2020) Zulehner, Alwin
    Quantencomputer erlauben es, bestimmte Probleme exponentiell schneller als konventionelle Rechner zu lösen. Obwohl ihre Entwicklung aktuell noch in den Kinderschuhen steckt, scheinen Quantencomputer in greifbarer Nähe. Um deren Potential voll auszuschöpfen, müssen jedoch einige Entwurfsaufgaben effizient bewältigt werden. Die Dissertation stellt hierfür Ansätze vor, welche auf geschickte Weise Expertise aus dem Gebiet der Entwurfsautomatisierung nutzt. Dadurch konnten zahlreiche Methoden für den Entwurf von Quantenalgorithmen realisiert werden, die den derzeitigen Stand der Technik (sowohl hinsichtlich der Laufzeit als auch der Qualität der Ergebnisse) weit übertreffen. Die entwickelten Lösungen erzielten auch über den akademischen Bereich hinaus eine hohe Resonanz, was Auszeichnungen von Google und IBM, sowie die Integration in die Werkzeuge von IBM und Atos belegen.
  • Konferenzbeitrag
    Erkennung mobiler Schadsoftware mit maschinellen Lernverfahren
    (Ausgezeichnete Informatikdissertationen 2019, 2020) Arp, Daniel
    Die Verbreitung von Smartphones und Tablets hat in den vergangenen Jahren stark zugenommen. Aufgrund ihrer hohen Popularität haben sich diese Geräte jedoch zugleich auch zu einem lukrativen Ziel für Autoren von Schadsoftware entwickelt, weshalb mittlerweile täglich neue Schadprogramme gefunden werden, insbesondere für das Android-Betriebssystem. Durch das hohe Aufkommen bösartiger Applikationen bieten aktuelle Erkennungsmethoden wie Antivirenprogramme jedoch oft keinen ausreichenden Schutz, da sie meist signaturbasiert arbeiten und somit auf die Bereitstellung zeitnaher Updates für die Erkennung neuer Schadsoftware angewiesen sind. In dieser Dissertation wird eine richtungsweisende Methode zur Erkennung von mobiler Schadsoftware vorgestellt, die eine effektive Erkennung direkt auf dem Mobilgerät ermöglicht. Hierfür werden Techniken des maschinellen Lernens und der statischen Code-Analyse derart kombiniert, dass selbst auf Mobilgeräten mit geringer Rechenleistung eine zuverlässige Erkennung von Schadsoftware innerhalb weniger Sekunden möglich wird. Im Vergleich zu anderen Methoden kann eine deutliche Steigerung der Erkennungsleistung erzielt werden und das Verfahren liefert darüber hinaus als erstes seiner Art interpretierbare Entscheidungen zurück.
  • Konferenzbeitrag
    Erweiterte Verifikationskalküle für Probabilistische Programme
    (Ausgezeichnete Informatikdissertationen 2019, 2020) Kaminski, Benjamin
    Ich habe mich mit der quantitativen Analyse probabilistischer Programme beschäftigt und dabei vornehmlich zwei Aspekte untersucht: Die Analysetechniken selbst sowie die Komplexität der Analyseprobleme. Bezüglich Analysetechniken gibt meine Dissertation zunächst eine Einführung in den Kalkül der schwächsten Vorerwartungen à la McIver&Morgan. Es folgen selbst entwickelte, erweiterte Kalküle zur Analyse erwarteter Laufzeiten, bedingter Erwartungswerte und der Erwartungswerte vorzeichenbehafteter Zufallsvariablen. Bezüglich der Komplexität der Analyse probabilistischer Programme - unabhängig von der verwendeten Analysetechnik - habe ich die Approximation von Erwartungswerten und Kovarianzen, die Entscheidbarkeit der Terminierung probabilistischer Programme und die Sinnhaftigkeit unterschiedlicher probabilistischer Terminierungsbegriffe untersucht.
  • Konferenzbeitrag
    Erweiterte Visuelle Benutzerschnittstellen für Big-Data-Analysen
    (Ausgezeichnete Informatikdissertationen 2019, 2020) Bornschlegl, Marco
    Benutzerfreundliche Schnittstellen, die sich sowohl durch intuitive Bedienung als auch durch ein leichtes Erlernen charakterisieren, bieten den Anwendern von Big-Data-Analysis Software oftmals nur allgemeine Informationen sowie eine geringe Interaktionsmöglichkeit. Im Gegensatz dazu und insbesondere in Situationen, in denen Anwender mehr Kontrolle über unterschiedliche Aspekte der Software benötigen, bieten End-User-Empowered-Schnittstellen spezialisierte Interaktionsmöglichkeiten, die eine gröđere Benutzungsvielfalt erlauben. Speziell in Big-Data-Analysis-Anwendungen ist es jedoch wichtig, den Anwendern eine Kontext-sensitive Benutzungsschnittstelle zur Verfügung zu stellen, deren Verhalten sich anhand der unterschiedlichen Anwender sowie deren individueller Anwendungsszenarien anpasst. Um diese Forschungsdiskrepanz in Bezug auf Kontext-Sensitivität sowie Informationsvisualisierung bei Big-Data-Analysis-Anwendungsszenarien zu schlieđen, wurde mit IVIS4BigData ein theoretisches Referenzmodell entwickelt, welches als modernes und innovatives Rahmenwerk für verteilte Big-Data-Analysis-Anwendungsszenarien dient.