Logo des Repositoriums

Auflistung nach Autor:in "Wagner, Martin"

1 - 5 von 5
  • Konferenzbeitrag
    CattleHub – Assistenzsysteme für eine intelligente Rinderhaltung
    (41. GIL-Jahrestagung, Informations- und Kommunikationstechnologie in kritischen Zeiten, 2021) Ahmann, Johanna; Asseburg, Kathrin; Höse, Kristina; Kluth, Natalia; Neeland, Heiko; Plettemeier, Dirk; Wagner, Martin; Büscher, Wolfgang
    Als eines von 14 digitalen Experimentierfeldern, die 2019 in Deutschland eingerichtet wurden, befasst sich CattleHub mit Assistenzsystemen für eine intelligente Rinderhaltung. Das Experimentierfeld teilt sich in sieben Experimentierbereiche mit unterschiedlichen Schwerpunkten auf. Das übergeordnete Ziel des Experimentierfeldes ist der Wissenstransfer, durch den Landwirte und deren Tiere profitieren. Durch einen Bewertungsrahmen und eine Umfrage soll zunächst der Status quo der Digitalisierung in der deutschen Rinderhaltung erhoben werden. Mit dem eigenen Referenzsystem OpenCattleHub sollen die verschiedenen auf dem Markt befindlichen digitalen Systeme validiert und bewertet werden. Dafür wird der direkte Kontakt zu den Landwirten gesucht.
  • Textdokument
    Einblicke in den Wasserverbrauch
    (INFORMATIK 2020, 2021) Wagner, Martin
    Das Technologiezentrum Wasser (TZW) beschäftigt sich bereits seit Jahren mit den Themen Wasserverbrauch und Digitalisierung. Ein Aspekt der Digitalisierung ist die Analyse großer Datenmengen mit dem Ziel, neue Erkenntnisse daraus zu gewinnen und somit einen Mehrwert zu schaffen. Ein Anwendungsfall ist die Analyse des Wasserverbrauchs und der sorgsame Umgang mit Wasser als grundlegende Anforderung an den ordnungsgemäßen Betrieb der Wasserversorgung. Dies beinhaltet unter anderem die Ermittlung von Wasserverlusten. Im folgenden Kurzbeitrag wird ein Verfahren zur Eventdetektion in Wasserverbrauchsganglinien zum Zweck der Identifikation von Verbrauchsanomalien und Leckagen vorgestellt.
  • Konferenzbeitrag
    Improving channel robustness in text-independent speaker verification using adaptive virtual cohort models
    (BIOSIG 2012, 2012) Nautsch, Andreas; Schönwandt, Anne; Kasper, Klaus; Reininger, Herbert; Wagner, Martin
    In speaker verification, score normalization methods are a common practice to gain better performance and robustness. One kind of score normalization is cohort normalization, which uses information about the score behaviour of known impostors. During enrolment, impostor verifications are simulated to get a speaker-specific set of the most competitive impostors (the cohort). In the present paper, one virtual cohort speaker is synthesized using the most competitive impostor's Hidden Markov Models (HMMs). These impostors are also users of the system and therefore their models have channel-specific information contrary to the universal background model, which provides channeland speaker-independent models. On verification, cohort scores are obtained by an additional verification of the virtual cohort speaker. The cohort scores evaluate the candidate as an impostor. A cohort normalized score promises greater robustness. This paper will study the effect of the introduced cohort normalization technique on the speaker verification system atip VoxGuard, which is based on mel-frequency cepstral coefficients and HMMs. VoxGuard can be used as either a text-dependent or a text-independent verification system. In this paper, emphasis is placed on textindependent speaker verification. Experiments using the atip speech corpus and the SieTill speech corpus showed improvements measured by the equal error rate on performance and robustness.
  • Textdokument
    Nitrat-Monitoring 4.0 – Intelligente Systeme zur nachhaltigen Reduzierung von Nitrat im Grundwasser
    (INFORMATIK 2020, 2021) Liesch, Tanja; Bruns, Julian; Abecker, Andreas; Hilbring, Désirée; Karimanzira, Divas; Martin, Tobias; Wagner, Martin; Wunsch, Andreas; Fischer, Thilo
    Nitrat im Grundwasser stellt weltweit unter anderem für die Trinkwasserversorgung ein großes Problem dar. Die Verteilung von Nitrat im Grundwasser ist dabei das Ergebnis eines komplexen Zusammenspiels vieler Einflussfaktoren, welches sich mit herkömmlichen Modellen für große Gebiete aufgrund der hohen Komplexität der Domäne nur schwer modellieren lässt. KI-Anwendungen, insbesondere Neuronale Netze bzw. Deep Learning Verfahren, lassen als datenbasierte Modelle, die komplexe Zusammenhänge aus einer großen Datenmenge extrahieren und übertragen können, hier einen deutlichen Mehrwert bei der zeitlich-räumlichen Vorhersage von Nitratwerten erwarten. Im vorliegenden Projekt soll daher ein übergreifendes System entwickelt werden, welches KI Verfahren mit Methoden der Umweltinformatik und speziell der Wasserdomäne kombiniert. Hierzu kommen State-of-the-Art Machine Learning Methoden wie Convolutional Neural Networks und Long short-term Memory Netzwerke zum Einsatz, um so eine verbesserte räumliche und zeitliche Vorhersage von Nitrat im Grundwasser zu erzielen und damit zur effizienten und nachhaltigen Nitrat-Reduzierung beizutragen. Diese werden mit Methoden des Operation Research und der semantischen Datenintegration erweitert, um damit einen Endnutzer bei der Entscheidungsfindung intelligent zu unterstützen.
  • Textdokument
    Online-Überwachung von Chlor und Chlordioxid mittels optischer Spektroskopie
    (INFORMATIK 2020, 2021) Wagner, Martin; Fernandes, Averil; Nüske, Gabriele
    In der vorliegenden Arbeit wird gezeigt, wie UV/VIS-Spektren, die für die Überwachung von Desinfektionsmittelrestgehalten im Trinkwasser mit einem online-Spektrometer aufgenommen werden, mit Methoden des maschinellen Lernens ausgewertet werden. Es wurden Regression-Pipelines für die Bestimmung der Konzentration von freiem Chlor und Chlordioxid in Trinkwasser im Bereich zwischen 0,1 mg/L und 1,0 mg/L erstellt. Der Root Mean Squared Error (RMSE) der Kalibrierung beträgt 0,03 mg/L (Chordioxid) und 0,05 mg/L (freies Chlor). Die Anwendung der Methode wird am Beispiel einer Desinfektionsanlage in Haridwar, Indien, demonstriert.