Auflistung nach Schlagwort "maschinelles Lernen"
1 - 10 von 16
Treffer pro Seite
Sortieroptionen
- KonferenzbeitragDie Ära der Assistenzfunktionen im Requirements Engineering(Softwaretechnik-Trends Band 42, Heft 1, 2022) Femmer, HenningFast so lange wie uns die Relevanz des Requirements Engineerings (RE) bekannt ist, gibt es den Versuch menschliche Prozessschritte im RE Prozess zu automatisieren. Der aktuelle Hype, sowie der technologische Fortschritt im maschinellen Lernen und in der automatisierten Sprachverarbeitung stellen dabei nur einen weiteren Katalysator einer sich ohnehin abzeichnenden Entwicklung dar: Die Automatisierung im RE ist in vollem Gange. Der Status Quo im RE lässt sich gut anhand der Automatisierungstiefe skizzieren.
- KonferenzbeitragBeobachtungen und Einsichten zu Repositorys von BPMN-Modellen(Modellierung 2024, 2024) Laue, Ralf; Läuter, MartinBei der empirischen Untersuchung der Praxis der Geschäftsprozessmodellierung ist man auf eine umfangreiche, vielfältige und gleichzeitig zur Aufgabenstellung passende Datenbasis angewiesen. Wir untersuchen eine Reihe öffentlich zugänglicher Modellrepositorys mit BPMN-Modellen, die in den vergangenen Jahren entstanden sind. Wir weisen auf Eigenarten der Repositorys hin, die die Verarbeitung der Daten erschweren und die Datenqualität beeinträchtigen. Besonders diskutiert wird das in bisherigen Arbeiten nicht betrachtete Phänomen von de facto inhaltsgleichen Modellen in bei bitweisem Vergleich verschiedenen Dateien. Wir diskutieren die Auswirkung solcher Duplikate und schlagen eine der jeweiligen Aufgabenstellung angepasste Filterung vor. Wir begründen, warum dieses Vorgehen insbesondere bei Ansätzen zum maschinellen Lernen beachtet werden sollte. Wir stellen fest, dass die empfohlenen Maßnahmen zur Sicherung der Datenqualität in aktuellen Veröffentlichungen häufig noch nicht beachtet werden, was die Aussagekraft von deren Ergebnissen in Frage stellen kann.
- KonferenzbeitragDer Einsatz maschinellen Lernens zur inertialen Bewegungsanalyse am Pferderumpf für das digitale Trainingsmonitoring im Leistungssport(SKILL 2020 - Studierendenkonferenz Informatik, 2020) Pavel, Johannes; Fercher, Christina; Herold, FrankDas leistungssportliche Training von Pferd und Reiter ist geprägt durch die langjährige Erfahrung und die individuelle Einschätzung von Reiter und Trainer. Ergänzend dazu soll langfristig eine objektive Möglichkeit zur Beurteilung von Bewegung geschaffen werden. Auf Grund der notwendigen Feldbedingungen der Sportpraxis eignet sich die Verwendung von Inertialsensoren am Pferderumpf. Ziel dieser Arbeit ist es durch den Einsatz von Maschinellen Lernen über neuronalen Netzen die pferdesportpraktischen Bewegungen anhand der inertialen Bewegung des Pferderumpfs zu detektieren. Als Basis dienen die zyklischen Gangarten Schritt, Trab, Linksgalopp und Rechtsgalopp, sowie die Bewegungsrichtung, das Halten und in einem nächsten Schritt die azyklische Springbewegung und dressurspezifischen Lektionen, um einerseits das tägliche Training im Heimatstall dokumentieren und andererseits eine kinematische Bewegungsanalyse, bspw. am Sprung, durchführen zu können. Dabei beweist die Analyse, dass die verschiedenen Gangarten sehr gut klassifiziert werden können.
- KonferenzbeitragEntmystifizierung maschinellen Lernens: Ein Beitrag zur didaktischen Theoriebildung(INFOS 2023 - Informatikunterricht zwischen Aktualität und Zeitlosigkeit, 2023) Engel, Robin MalteDas Bild künstlicher Intelligenz ist geprägt von Fehlvorstellungen, und die oft zu beobachtende Zuschreibung von Intelligenz und Lernfähigkeit an ein Informatiksystem verklärt mystisch dessen Fähigkeiten. Dieser Beitrag analysiert Ursachen dieser Mystifizierung, insbesondere der Lernfähigkeit, und mögliche Folgen. Daraus werden Maßnahmen und operationalisierte Lernziele für den Informatikunterricht abgeleitet, die der Mystifizierung entgegenwirken können.
- KonferenzbeitragEntwicklung eines automatischen Monitoringsystems für die Geburtsüberwachung bei Sauen(43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme, 2023) Wutke, Martin; Lensches, Clara; Witte, Jan-Hendrik; Gerberding, Johann; Lieboldt, Marc-Alexander; Traulsen, ImkeDie Überwachung des Abferkelungsverlaufs ist in der Schweinehaltung von großer Bedeutung, um auftretende Geburtsstörungen frühzeitig erkennen und geeignete Maßnahmen ergreifen zu können. Da eine zeitnahe Geburtserkennung und -betreuung aufgrund intensivierter Haltungsbedingungen oftmals nur schwer zu erzielen ist, war das Ziel der vorliegenden Studie, die Eignung neuronaler Netzwerke zur automatischen Identifikation des Geburtsmomentes zu untersuchen. Anhand einer YoloV5-Netzwerkarchitektur bestimmten wir auf Basis der Detektion unterschiedlicher Körperteile der Muttersau den potentiellen Geburtsbereich innerhalb der Abferkelbucht und identifizierten den Moment der Geburt des ersten Ferkels anhand der Objektdetektion des Ferkels innerhalb des Zielbereichs. Wir validierten unser Analysemodell durch zweistufigen Ansatz und erreichten einen Precision-, Recall- und MAP-Wert von 0.982, 0.989 und 0.993 im Rahmen der Objektdetektion sowie einen Accuracy-, Recall- und Precision-Wert von 0.9, 0.8 und 1 bei der Bestimmung des Geburtszeitpunktes.
- KonferenzbeitragEvaluation adaptiver Entwurfsmangelerkennung(Softwaretechnik-Trends Band 25, Heft 2, 2005) Kreimer, JochenDie Qualität von Software kann je nach Anwendungsgebiet an unterschiedlichen Kriterien gemessen werden. Für große Software-Systeme spielen u. a. Kriterien wie Wartbarkeit, Verständlichkeit und Erweiterbarkeit eine wichtige Rolle. Mein Ziel ist es, Entwurfsmängel in Software-Systemen zu erkennen und somit ”schlechte“ — unverständliche, schwer erweiter- und änderbare — Programmstrukturen zu vermeiden. Prominente Entwurfsmängel sind z. B. die von Fowler eingeführten Bad Smells in objektorientierten Programmen. Entwurfsmängel werden abhängig von der Sichtweise und dem Erfahrungsschatz des Suchenden unterschiedlich interpretiert. Ich kombiniere daher bekannte Verfahren zur Erkennung von Entwurfsmängeln auf der Basis von Metriken mit maschinellen Lernverfahren. Damit kann automatische Entwurfsmangelerkennung individuellen Sichtweisen angepasst werden.
- KonferenzbeitragExperimentierfeld DigiSchwein(41. GIL-Jahrestagung, Informations- und Kommunikationstechnologie in kritischen Zeiten, 2021) Lieboldt, Marc-Alexander; Sagkob, Stefan; Reinkensmeier, Jan; Gómez, Jorge Marx; Hölscher, Philipp; Kemper, Nicole; Traulsen, Imke; Drücker, Harm; Diekmann, LudwigDas Experimentierfeld DigiSchwein hat die Entwicklung eines sensorbasierten Frühwarn- und Entscheidungshilfesystems für schweinehaltende Praxisbetriebe zum Ziel. Als digitales Farmmanagementsystem arbeitet es nach dem Grundprinzip: Dateninput (Sensoren), Datenverarbeitung (Software) und Datenoutput (Insight-Cockpit). Im Projekt werden marktübliche Sensoren unterschiedlichen Messprinzips in einer landwirtschaftlichen Versuchstierhaltung bei Sauen, Absetzferkeln und Mastschweinen erprobt. Diese Sensoren erfassen kontinuierlich und in Echtzeit ein breites Spektrum an Anlagen-, Stallklima-, Umwelt- und Tierdaten, die über ein Datenmanagementsystem miteinander verknüpft, gespeichert und verwaltet werden. Mittels Big Data-Analysemethoden des Machine Learnings werden Algorithmen entwickelt, welche erfasste Sensordatenmuster (Istwert) durch Abgleich mit Referenzdatenmustern (Sollwert) in Echtzeit bewerten und Prognosen erstellen. Das Ergebnis der komplexen Datenanalyse wird dem Systemnutzer in optisch aufbereiteter Form zur schnellen Erfassung über ein Dashboard visualisiert. Bei relevanten Abweichungen vom Sollwert werden Warnmeldungen mit Handlungsempfehlungen ausgegeben. Der Einsatz des Managementsystems soll dazu beitragen, Tiergesundheit, Betriebsmittel- und Nährstoffeffizienz sowie Umweltverträglichkeit schweinehaltender Praxisbetriebe nachhaltig zu verbessern.
- KonferenzbeitragExtrahierung von Anforderungen aus natürlich-sprachlichen Lastenheften: Was erschwert eine KI-basierte Extrahierung?(Softwaretechnik-Trends Band 42, Heft 1, 2022) Gräßler, Iris; Preuß, Daniel; Pottebaum, JensBei 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.
- KonferenzbeitragHerausforderungen für die Anonymisierung von Daten(INFORMATIK 2019: 50 Jahre Gesellschaft für Informatik – Informatik für Gesellschaft, 2019) Winter, Christian; Battis, Verena; Halvani, OrenUnternehmen, Wissenschaftler und staatliche Stellen haben ein großes Interesse, neue Erkenntnisse aus Daten zu gewinnen. Dabei müssen Datenschutzregeln eingehalten werden. Anonymisierung ist auf den ersten Blick eine attraktive Lösung, um Datenschutz und Analyseinteressen miteinander zu vereinbaren. Jedoch ist eine korrekte Anonymisierung, die jeglichen Personenbezug entfernt, kaum zu erreichen und schwerlich zu garantieren, wenn gleichzeitig möglichst viel des Informationsgehalts der Daten erhalten werden soll. Wir geben in diesem Aufsatz einen Überblick über den Stand der Technik der Anonymisierung für strukturierte und unstrukturierte Daten, arbeiten die bestehenden Defizite heraus und formulieren Herausforderungen, die auf dem Weg zu besseren Anonymisierungsverfahren gelöst werden müssen.
- Konferenz-AbstractIntelligente Lehr-/Lernsysteme im Lichte alter und neuer KI(DELFI 2021, 2021) Hoppe, Heinz UlrichDie Verbindung von "Educational Technology" und Künstlicher Intelligenz (KI) ist ein aktuelles Thema in der Diskussion um KI-Anwendungen. Dabei sollte nicht vergessen werden, dass dieses Thema im Zusammenhang mit Ansätzen wie „Intelligent Tutoring Systems“ und „student modeling“ bereits lange bearbeitet wurde. Die heutige Diskussion sollte hierauf aufbauen und zugleich das heute stärker durch maschinelle Lernverfahren geprägte neue Verständnis von KI berücksichtigen. Hieraus ergeben sich spezifische Herausforderungen.