Logo des Repositoriums
 

D20 (2019) - Ausgezeichnete Informatikdissertationen

Autor*innen mit den meisten Dokumenten  

Auflistung nach:

Neueste Veröffentlichungen

1 - 10 von 26
  • 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
    Personenwiedererkennung mittels maschineller Lernverfahren für öffentliche Einsatzumgebungen
    (Ausgezeichnete Informatikdissertationen 2019, 2020) Eisenbach, Markus
    Die erscheinungsbasierte Personenwiedererkennung in öffentlichen Einsatzumgebungen ist eines der schwierigsten, noch ungelösten Probleme der Bildverarbeitung. Viele Teilprobleme können nur gelöst werden, wenn Methoden des maschinellen Lernens mit Methoden der Bildverarbeitung kombiniert werden. Das entwickelte Verfahren zur erscheinungsbasierten Personenwiedererkennung wird exemplarisch anhand zweier Einsatzszenarien — Videoüberwachung und Robotik — evaluiert. Die Qualität des umgesetzten Verfahrens wird anhand von zwölf Kriterien charakterisiert, die einen Vergleich mit biometrischen Verfahren ermöglichen. Durch den Einsatz maschineller Lernverfahren für alle Abarbeitungsschritte der erscheinungsbasierten Personenwiedererkennung wird in den betrachteten unüberwachten, öffentlichen Einsatzfeldern eine Erkennungsleistung erzielt, die sich mit biometrischen Verfahren messen kann.
  • Konferenzbeitrag
    Parallele Parametrisierte Algorithmen
    (Ausgezeichnete Informatikdissertationen 2019, 2020) Bannach, Max
    Die parametrisierte Algorithmik ist ein Schlüsselbereich des modernen Algorithmenentwurfes sowie der Komplexitätstheorie. Die fast ausschließlich untersuchte Ressource in diesem Bereich ist dabei die sequentielle Zeit, obwohl die Parallelverarbeitung ein zentrales und vielfach untersuchtes Teilgebiet der klassischen Algorithmik ist. Sowohl das Identifizieren eines geeigneten Parameters als auch die direkte Beschleunigung durch Parallelisierung verfolgen das gleiche Ziel: möglichst viele Instanzen eines an sich nicht effizient lösbaren Problems dennoch zu lösen. Es ist daher naheliegend, beide Forschungsgebiete miteinander zu verbinden – und genau diese Art von Integration ist das Ziel dieser Arbeit. Ich präsentiere eine Vielzahl von parametrisierten Komplexitätsklassen und entwickle eine Sammlung von parallelen parametrisierten Basisalgorithmen. Dabei werden nahezu alle Techniken, die die parametrisierte Komplexitätstheorie zu bieten hat, von einem parallelen Standpunkt aus untersucht – unter anderem Color Coding, beschränkte Suchbäume, Kernelisierung, strukturelle Zerlegungen von Graphen sowie algorithmische Metasätze. Außerdem illustriere ich, wie die letzten zwei Techniken in der Praxis genutzt werden können, indem ich zwei Software-Bibliotheken vorstelle: eine zum Berechnen optimaler Baumzerlegungen und eine für die Modellprüfung eines Fragmentes der monadischen Prädikatenlogik zweiter Stufe.
  • 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
    Widening mit Hashbasierter Partitionierung des Hypothesenraums
    (Ausgezeichnete Informatikdissertationen 2019, 2020) Fillbrunn, Alexander
    Vielen Algorithmen im Data Mining basieren auf gierigem Verhalten, um ein ausreichend gutes Modell schnell zu finden. Bei der Verwendung solcher Greedy-Algorithmen besteht allerdings die Gefahr, dass diese in lokalen Optima stecken bleiben. Mit Hilfe von Widening, einer Technik um den Hypothesenraum breiter zu durchsuchen, kann diese Gefahr verringert werden, indem parallel mehrere, möglichst unterschiedliche, Modelle erzeugt werden. Bisherige Verfahren im Widening leiden jedoch unter zweierlei Problemen: dem Overhead durch die Kommunikation zwischen den parallelen Recheneinheiten und der Notwendigkeit, Modelle bezüglich ihrer Ähnlichkeit miteinander vergleichen zu können. In der vorliegen Arbeit wird mit dem Bucket-Selektor ein randomisiertes und Modellunabhängiges Widening-Verfahren vorgestellt, das schneller zu ähnlich guten Ergebnissen gelangt wie bisherige Verfahren.
  • 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.
  • Konferenzbeitrag
    Hierarchisches Planen durch Propositionale Logik
    (Ausgezeichnete Informatikdissertationen 2019, 2020) Behnke, Gregor
    Planungsbasierte Assistenzsysteme bieten ihren Nutzern flexible und individualisierte Unterstützung bei der Bewältigung schwieriger Probleme. Für einen erfolgreichen Assistenten wird ein effizientes und flexibles Planungssystem benötigt. Wir demonstrieren, wie mittels einer Transformation in Aussagenlogik der momentan schnellste HTN-Planer konstruiert werden kann und veranschaulichen, auf welche Weise dieser garantiert optimale Lösungen finden kann. Weiterhin zeigen wir, dass die Wünsche des Nutzers in Linearer Temporaler Logik ausgedrückt werden können – und wie dieser in den Planungsprozess einbezogen werden k kann. Letztlich stellen wir dar, wie die entwickelten Technologien in Kooperation mit der Robert Bosch GmbH in einem industriellen Kontext verwendet werden. Der im Rahmen dieser Zusammenarbeit entwickelte Assistent ROBERT hilft seinen Nutzern bei der Durchführung von Do-It-Yourself Heimwerker-Projekten.
  • 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.
  • Komplettband
    Ausgezeichnete Informatikdissertationen 2019 - Komplettband
    (Ausgezeichnete Informatikdissertationen 2019, 2020) Hölldobler, Steffen
  • Konferenzbeitrag
    Lösbarkeit von Consensus unter Nachrichtengegnern
    (Ausgezeichnete Informatikdissertationen 2019, 2020) Winkler, Kyrill
    Motiviert durch die zunehmende Allgegenwärtigkeit von kleinen, mobilen, drahtlos kommunizierenden Endgeräten und den daraus resultierenden dynamischen Netzen, beschäftigt sich diese Arbeit mit den theoretischen Grundlagen von verteilten Algorithmen in solchen Systemen. Unser Hauptaugenmerk liegt hier auf der Charakterisierung der Lösbarkeit des klassischen Consensus-Problems in dynamischen Netzen, in denen beliebige Nachrichten verloren gehen können. Dafür verwenden wir das Modell der Nachrichtengegner, welches es uns erlaubt, einen beinahe beliebigen dynamischen Verlust von Nachrichten in einem synchronen System darzustellen. Wir betrachten verschiedene Aspekte dieser Fragestellung, beginnend mit dem verhältnismäßig simplen Fall der grenzwertmäßig abgeschlossenen Nachrichtengegner. Wir gehen dann über zu stabilisierenden Nachrichtengegnern, die diese Eigenschaft nicht besitzen, bevor wir schließlich, mit der Hilfe von Punktmengentopologie, eine Charakterisierung von allgemeinen Nachrichtengegnern präsentieren.