Logo des Repositoriums

Auflistung nach Schlagwort "Entscheidungsbaum"

1 - 3 von 3
  • Konferenzbeitrag
    Bestimmung des Betriebsmodus landwirtschaftlicher Maschinen auf Basis von GNSS-Messwerten
    (40. GIL-Jahrestagung, Digitalisierung für Mensch, Umwelt und Tier, 2020) Poteko, Jernej; Eder, David; Noack, Patrick Ole
    Die Unterscheidung zwischen Straßen- und Feldmodus ist entscheidend für den sicheren, effizienten und bedarfsgerechten Betrieb von Landmaschinen. Der Betriebsmodus setzt die Rahmenbedingungen für die optimale Einstellung verschiedener Parameter u.a. des Reifendrucks. Die Identifikation des Betriebsmodus kann durch die Klassifizierung mittels Entscheidungsbäumen aus den Geschwindigkeits- und Fahrtrichtungsmesswerten von GNSS-Sensoren abgeleitet werden. Die vorliegenden Untersuchungen zur Erkennung von Straßen- und Feldmodus erreichten bei der Differenzierung der Testdaten eine Genauigkeit von 92 %. Aus dem hohen harmonischen Mittel (95 %) lässt sich die Zuverlässigkeit bei der Bestimmung des Betriebsmodus ableiten. Es ist von großer Bedeutung, dass die Anzahl der Fehlentscheidungen hinsichtlich der Erkennung des Betriebsmodus während der Straßenfahrt minimiert wird, da dort die Verkehrssicherheit eine wichtigere Rolle spielt als bei einer Entscheidung auf dem Feld.
  • Zeitschriftenartikel
    Data Mining mit unsicheren Daten
    (HMD Praxis der Wirtschaftsinformatik: Vol. 55, No. 3, 2018) Kellner, Florian; Schröder, Nadine
    Im Zeitalter von Big Data werden immense Informationsbestände aus unterschiedlichen Quellen gesammelt. Die Daten sind häufig unvollständig, unsicher und ungenau. Ein Beispiel hierfür ist das OpenStreetMap Projekt, bei dem Nutzer auf der ganzen Welt einmal mehr und einmal weniger „sauber“ bzw. vollständig Daten beisteuern. In diesem Beitrag wird gezeigt, ob sich diese Daten eignen um ein betriebswirtschaftliches Problem zu lösen. Ein konkretes Fallbeispiel verdeutlicht, wie gut Standortentscheidungen einer Fast Food Kette unter Anwendung fortgeschrittener datenanalytischer Verfahren, wie bspw. Künstlicher Neuronaler Netze, Entscheidungsbäume und Logit-Modelle, nachempfunden werden können. Als Grundlage dienen die Daten des OpenStreetMap Projekts. Im Konkreten geht es darum, potenzielle Filialstandorte hinsichtlich deren Güte mittels OpenStreetMap Daten zu klassifizieren und die prognostizierten Lokationen mit tatsächlichen Standortentscheidungen zu vergleichen. Dabei zeigt sich, dass die Daten des OpenStreetMap Projekts grundsätzlich für die Prognose von Standorten geeignet sind. Allerdings ist die Wahl des datenanalytischen Verfahrens von Bedeutung. Im vorliegenden Fall konnte mit Hilfe der Künstlichen Neuronalen Netze das beste Prognoseergebnis erzielt werden. In the age of big data, a huge amount of information is being collected from diverse sources. These data are often incomplete, uncertain, and imprecise. An excellent example is the OpenStreetMap project, where users across the whole world contribute data on a more or less precise and complete level. This article shows whether these data are suited to support management decisions. A real-world example illustrates the extent to which location decisions of a fast food restaurant chain may be reproduced by means of advanced data analytic techniques, such as neural networks, decision trees, and logit models. The data are retrieved form the OpenStreetMap project. The basic task deals with classifying potential locations of the fast food restaurant chain and comparing the predicted locations with the actual locations. We find that data based on the OpenStreetMap project are generally suited for forecasting locations. However, the choice of the data analytic technique is important. In the case under consideration, neural networks resulted in the best forecast.
  • Konferenzbeitrag
    Digitaler Experte im Stall: ein Expertensystem am Beispiel des Eutergesundheitsmanagements
    (42. GIL-Jahrestagung, Künstliche Intelligenz in der Agrar- und Ernährungswirtschaft, 2022) Kammler, Paula; Heidemann, Christian; Lingemann, Kai; Morisse, Karsten
    Die tierschonende Bekämpfung von multiresistenten Keimen verlangt in der Veterinärmedizin ein Umdenken. Im Kontext der Milchviehhaltung bietet gerade das Trockenstellen ein großes Potenzial, den Antibiotika-Einsatz zu reduzieren. Um dabei nicht die Gesundheit der Einzeltiere und der Herde insgesamt zu gefährden, ist eine zuverlässige und frühzeitige Identifizierung der Risikotiere für Eutergesundheitsprobleme notwendig. Das hier vorgestellte Expertensystem soll Landwirte dabei unterstützen und ihnen eine nachvollziehbare Handlungs­empfehlung auf Einzeltierebene präsentieren. Hierzu werden sowohl bereits standardmäßig erfasste Daten als auch speziell dafür bereitgestellte Daten und Untersuchungen genutzt. Zudem erfüllt das Expertensystem die im Nachfolgenden beschriebenen, aus dem Nutzungskontext ermittelten Anforderungen, wie z. B. die Nachvollziehbarkeit der bereitgestellten Empfehlung und die Erweiter­barkeit des Wissens im System durch neue Forschungserkenntnisse im Eutergesund­heits­management.