Logo des Repositoriums

D20 (2019) - Ausgezeichnete Informatikdissertationen

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

Auflistung D20 (2019) - Ausgezeichnete Informatikdissertationen nach Erscheinungsdatum

Zu einem Punkt im Index springen:
1 - 10 von 26
  • Konferenzbeitrag
    Visuelle Risikoanalyse und Therapieplanung zerebraler Aneurysmen
    (Ausgezeichnete Informatikdissertationen 2019, 2020) Meuschke, Monique
    Die vorliegende Dissertation präsentiert die Software Aneulysis für eine verbesserte Risikoanalyse und Behandlungsplanung zerebraler Aneurysmen. Dies sind lokale Ausbeulungen der Gehirnarterien, deren Ruptur meist tödlich endet. Eine Behandlung muss sorgfältig abgewogen werden, da diese enorme Risiken für den Patienten bürgen. Aneurysma-Wachstum, Ruptur, und Behandlungserfolg hängen von der Gefäßmorphologie und Hämodynamik ab, deren Zusammenhänge bisher schlecht verstanden sind. Mit Hilfe von Simulationen kann die patientenspezifische Hämodynamik modelliert werden. Die Analyse der komplexen Daten ist jedoch zeitaufwendig und fehleranfällig. Aneulysis ermöglicht eine interdisziplinäre Nutzung und reproduzierbare Analyse von Aneurysmadaten. Die Konzeption und Evaluierung erfolgte in enger Zusammenarbeit mit Neuradiologen und Simulationsexperten, die den Nutzen und die klinische Notwendigkeit bestätigten.
  • 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
    Intelligentes, spielorientiertes Crowdsourcing für Audioverarbeitung
    (Ausgezeichnete Informatikdissertationen 2019, 2020) Hantke, Simone
    Heutige Sprachassistenzsysteme sind ein fester Bestandteil unseres modernen Lebens. Der Erfolg dieser Technologien ist jedoch maßgeblich auf die Menge und Qualität der annotierten Trainingsdaten zurückzuführen. Dafür ist eine große Anzahl an Sprechern und Annotatoren erforderlich, und zudem erhebliche Investitionen notwendig, um diese Datenressourcen zu strukturieren und zu annotieren. Die Verfahren zur Datenerstellung sind kostspielig, zeitaufwendig und mühsam, so dass derzeit qualitativ hochwertig annotierte Daten knapp sind. In dieser Arbeit wird daher eine intelligente, Crowdsourcing-basierte Plattform mit Spielelementen und innovativen maschinellen Lernalgorithmen für die Datensammlung und Annotation vorgestellt. Es wurden diverse Audiodaten gesammelt und die Plattform in einer Vielzahl von Klassifikations- und Spracherkennungsstudien sowie mittels Perzeptionsstudien evaluiert. Durch die eingeführten Verfahren kann künftig die Audiodatenerfassung in erheblichem Maße beschleunigt sowie kostengünstiger und zuverlässiger durchgeführt werden.
  • 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
    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
    Methoden zum Monitoring des zirkadianen Rhythmus im Alltag
    (Ausgezeichnete Informatikdissertationen 2019, 2020) Wahl, Florian
    Unsere innere Uhr, die zirkadiane Uhr, regelt wann Aktivitäten im Körper stattfinden und bestimmt so z.B. wann wir die höchste Konzentrationsfähigkeit haben. Die zirkadiane Phase wird durch den Zeitpunkt und die Intensität von Lichtexposition verändert. Im Alltag stellt die Synchronisation von interner und externer Uhr eine zunehmende Herausforderung dar. Ein Leben gegen die innere Uhr birgt negative gesundheitliche Konsequenzen. Bisher kann die zirkadiane Phase nur mit erheblichem Aufwand gemessen werden. Ziel der Dissertation ist es Methoden zur Beobachtung der inneren Uhr im Alltag zu erforschen. Wir entwickeln dafür personalisierte Datenbrillen, welche Alltagsaktivitäten des Trägers erkennen und so z.B. vor Bildschirmbenutzung bei Nacht warnen können. Des Weiteren schätzen wir die Lichtexposition mit Smartphones, um so die Verschiebung der inneren Uhr vorherzusagen. Wir verwenden Daten von Smartphones, um Schlaf-Wach Zeiten zu erkennen. Expertenmodelle werden mit datengetriebenen Modellen kombiniert, um die Ergebnisse zu verbessern und Vorhersagen in relevante Domänen übersetzen.
  • Konferenzbeitrag
    Kryptographische Uhren und Anwendungen
    (Ausgezeichnete Informatikdissertationen 2019, 2020) Malavolta, Giulio
    In dieser Dissertation definieren und konstruieren wir kryptographische Objekte, die das vergehen von zeit simulieren. Im Einzelnen bauen wir unter der Annahme, dass bestimmte mathematische Probleme unlösbar sind, die folgenden Grundelemente auf: (1) inkrementelle Beweise für sequentielle Arbeit ermöglichen es einem Beweisführer, einen Prüfer davon zu überzeugen, dass eine bestimmte Menge sequentieller Arbeit verrichtet wurde. (2) homomorphe Zeitschlossrätsel verbergen Geheimnisse für einen bestimmten Zeitraum und ermöglichen es jedem, Funktionen über Klartexte öffentlich zuberechnen, ohne die Rätsel zu lösen. (3) Mehrschrittschlösser ermöglichen es Anwenderpaaren Verträge abzuschlieđen, bei denen Münzen überwiesen werden, wenn eine bestimmte Bedingung innerhalb einer bestimmten Zeit erfüllt ist.
  • 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
    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.