Logo des Repositoriums

Auflistung nach Schlagwort "LSTM"

1 - 2 von 2
  • Textdokument
    Entscheidungsunterstützung bei der Nutzung von Kläranlagen für Agrarsysteme
    (INFORMATIK 2022, 2022) Junker,Markus; Bernardi,Ansgar
    Absehbare Entwicklungen wie wachsende Bevölkerung in Städten, knappe Rohstoffe und Düngemittel, oder der Wunsch nach kurzen Transportwegen und regionalen Nahrungsmitteln motivieren neue Visionen für Agrarsysteme und Nahrungsproduktion der Zukunft. Ein innovativer Ansatz zur Nahrungsmittelproduktion besteht in der direkten Nutzung der bei einer Kläranlage anfallenden Ressourcen in einem baulich angegliederten Agrarsystem. Die Nutzung von Nährstoffen in den Stoffströmen der Kläranlage geht mit einigen Herausforderungen einher. Im Projekt SUSKULT wird untersucht, wie eine auf die Bedürfnisse solcher Agrarsysteme ausgerichtete Kläranlage gestaltet sein muss. In unserer Arbeit haben wir den Einsatz von Entscheidungsunterstützung in Form Maschineller Lernverfahren für die Vorhersage von Stoffkonzentrationen sowie Optimierungsverfahren für die Zusammenstellung von Nährlösungen aus verschiedenen Stoffströmen qualitativ untersucht. Es hat sich gezeigt, dass die entsprechenden Verfahren zumindest theoretisch an verschiedenen Stellen einen Beitrag liefern können.
  • Konferenzbeitrag
    Extrahierung von Anforderungen aus natürlich-sprachlichen Lastenheften: Was erschwert eine KI-basierte Extrahierung?
    (Softwaretechnik-Trends Band 42, Heft 1, 2022) Gräßler, Iris; Preuß, Daniel; Pottebaum, Jens
    Bei der Entwicklung komplexer technischer Systeme werden ca. 80 % der Benutzeranforderungen in natürlich-sprachlichen Anforderungsdokumenten dokumentiert. In der Software-Entwicklung werden Techniken des Natural Language Processing (NLP) für Requirements Engineering-Aufgaben angewendet, z. B. für die Extrahierung von Anforderungen aus Lastenheften. Ansätze existieren auch für die KI-basierte Extrahierung von Anforderungen. Hintergrund des Beitrags ist unter anderem ein Ansatz, in dem Text-Segmentierung und Klassifizierung durch Ansätze des maschinellen Lernens angewendet wurden. Auf Basis eines Vergleichs mit LSTM- und BERT-Modellen wurde im Beispiel eine Support Vector Machine eingesetzt. Ziel dieses Beitrags ist es, Aspekte aufzuzeigen, die eine KI-basierte Extrahierung erschweren. Zukünftige Ansätze zur KI-basierten Extrahierung von Anforderungen aus Lastenheften können diese Aspekte systematisch adressieren.