Logo des Repositoriums

Auflistung nach Autor:in "Schmid, Ute"

1 - 10 von 25
  • Zeitschriftenartikel
    Assistive Technology to Support the Mobility of Senior Citizens
    (KI - Künstliche Intelligenz: Vol. 27, No. 3, 2013) Schlieder, Christoph; Schmid, Ute; Munz, Michael; Stein, Klaus
    Maintaining mobility despite the bodily, mental, or monetary challenges which often come along with advanced age is a relevant aspect of the quality of live. The collaborative research project EMN-Moves provides assistive technology for initiating and coordinating mobility support in residential districts. Mobility support is seen as a social task involving the interplay of housing societies, social organisations and residents of different age groups—with and without special needs. The project focuses on two aspects: (1) a Geo-Wiki for documenting temporary mobility barriers and for generating proposals for alternative routes, (2) a matchmaking service for bringing together (elderly) people who need support with volunteers.
  • Konferenzbeitrag
    Automatische Detektion von Trockenstress bei Tabakpflanzen mittels Machine-Learning-Verfahren
    (Informatik in der Land-, Forst- und Ernährungswirtschaft 2016, 2016) Siebers, Michael; Uhrmann, Franz; Scholz, Oliver; Stocker, Christoph; Schmid, Ute
    Dieser Beitrag befasst sich mit der Klassifikation der Vitalität von Pflanzen durch Ma- chine-Learning-Verfahren am Beispiel von Trockenstress bei Tabak (Nicotiana tabacum). Wir zeigen, dass Machine-Learning-Verfahren die menschliche Unterscheidung von gesunden und gestressten Pflanzen durch einen Experten nachbilden können und zudem, dass eine frühzeitige Erkennung von Pflanzenstress möglich ist, indem eine dritte Klasse für mäßig gestresste Pflanzen eingeführt wird. Zur Klassifikation werden Entscheidungsbaumverfahren, Support Vector Ma- chine, künstliche Neuronale Netze und Lineare Regression verglichen. Im Beitrag wird schwerpunktmäßig die Auswahl der Merkmale beschrieben, die für eine zuverlässige Klassifikation notwendig sind. Da die Experteneinschätzung weniger auf Einzelkriterien als vielmehr auf dem Ge- samteindruck des Pflanzenphänotyps basiert, stellt sich die Frage, welche relevanten Merkmale ein automatisches Diagnose-System berücksichtigen muss. Es hat sich herausgestellt, dass neben blattspezifischen Merkmalen auch Merkmale, die sich auf die Gesamtpflanze beziehen, für die Klassifikation relevant sind.
  • Zeitschriftenartikel
    Can Machine Intelligence be Measured in the Same Way as Human intelligence?
    (KI - Künstliche Intelligenz: Vol. 29, No. 3, 2015) Besold, Tarek; Hernández-Orallo, José; Schmid, Ute
    In recent years the number of research projects on computer programs solving human intelligence problems in artificial intelligence (AI), artificial general intelligence, as well as in Cognitive Modelling, has significantly grown. One reason could be the interest of such problems as benchmarks for AI algorithms. Another, more fundamental, motivation behind this area of research might be the (implicit) assumption that a computer program that successfully can solve human intelligence problems has human-level intelligence and vice versa. This paper analyses this assumption.
  • Konferenzbeitrag
    Cognitive Systems: Goals, Approaches, Applications
    (INFORMATIK 2015, 2015) Schmid, Ute
  • Zeitschriftenartikel
    Constructing Explainability – Interdisciplinary Framework to Actively Shape Explanations in XAI
    (KI - Künstliche Intelligenz: Vol. 36, No. 0, 2022) Schmid, Ute
  • Konferenzbeitrag
    Data Mining von multidimensionalen Qualitätsdaten aus einer computerintegrierten industriellen Fertigung zur visuellen Analyse von komplexen Wirkzusammenhängen
    (Datenbanksysteme für Business, Technologie und Web (BTW 2017) - Workshopband, 2017) Birnbaum, Frederick; Moewes, Christian; Nicklas, Daniela; Schmid, Ute
  • Zeitschriftenartikel
    Does AI Need a New Debate on Ethics?
    (KI - Künstliche Intelligenz: Vol. 28, No. 1, 2014) Schmid, Ute
  • Zeitschriftenartikel
    Explainable AI
    (KI - Künstliche Intelligenz: Vol. 36, No. 0, 2022) Schmid, Ute; Wrede, Britta
  • Zeitschriftenartikel
    Gemeinsam klüger – Erklärbares und interaktives maschinelles Lernen
    (Frauen machen Informatik, Vol. 45, KI - vertrauenswürdig, erklärbar, fair?, 2021) Schmid, Ute
  • Konferenzbeitrag