Auflistung nach:
Auflistung D23 (2022) - Ausgezeichnete Informatikdissertationen nach Titel
1 - 10 von 32
Treffer pro Seite
Sortieroptionen
- KonferenzbeitragAlgorithmische Methoden für kombinatorische chemische Bibliotheken(Ausgezeichnete Informatikdissertationen 2022 (Band D23), 2023) Bellmann, LouisComputergestützte Methoden sind seit Jahrzehnten ein integraler Bestandteil des Wirkstoffentwurfs. Hierfür werden große Molekülmengen digital prozessiert und zusammengefasst. Diese chemischen Bibliotheken werden beispielsweise nach Molekülen durchsucht, die interessante Eigenschaften im Rahmen einer bestimmten Anwendung aufweisen und als Leitstruktur für ein neues Medikament innerhalb eines Forschungsprojekts verwendet werden könnten. Hierbei spielt sowohl die Qualität als auch die Quantität der in einer Bibliothek enthaltenen Moleküle eine entscheidende Rolle. Klassischerweise wird die Molekülmenge einer Bibliothek enumeriert repräsentiert und durchsucht, das heißt jedes Molekül wird einzeln betrachtet. Dadurch skaliert der benötigte Speicherplatz und die beanspruchte Rechenzeit für die Durchsuchung der Bibliothek linear mit der Anzahl der enthaltenen Moleküle. In dieser Dissertation werden neuartige algorithmische Verfahren und Datenstrukturen entwickelt, die einen kombinatorischen Ansatz verfolgen. Dabei werden Ideen aus der kombinatorischen Chemie aufgegriffen: Durch eine begrenzte Menge chemischer Bausteine und Reaktionen wird ein kombinatorischer Raum von Produkten implizit aufgespannt, der diese um mehrere Größenordnung übersteigen kann. Die so gebildeten kombinatorischen Bibliotheken sind in der Lage mit weniger Ressourcen eine weitaus größere Anzahl von Molekülen abzubilden als klassische enumerierte Bibliotheken. Die drei in der Dissertation erarbeiteten algorithmischen Verfahren bieten jeweils neue Funktionalitäten für kombinatorische Bibliotheken und sind mit diesem Ansatz in der Lage auf Milliarden von Molekülen effizient zu operieren.
- KonferenzbeitragAnalyse pathologischer Sprachsignale(Ausgezeichnete Informatikdissertationen 2022 (Band D23), 2023) Aria-Vergara, TomásDiese Dissertation befasst sich mit der automatischen Analyse von Sprachstörungen, die aus einem klinischen Zustand (Morbus Parkinson und Hörverlust) oder dem natürlichen Alterungsprozess resultieren. Bei der Parkinson-Krankheit wird der Verlauf der Sprachsymptome anhand von Sprachaufzeichnungen bewertet, die kurzzeitig (4 Monate) und langfristig (5 Jahre) aufgenommen wurden. Verfahren des maschinellen Lernens werden verwendet, um drei Aufgaben zu erfüllen: (1) automatische Klassifizierung von Patienten vs. gesunden Sprechern. (2) Regressionsanalyse zur Vorhersage des Dysarthrie-Niveaus und des neurologischen Zustands. (3) Sprechereinbettungen zur Analyse des zeitlichen Verlaufs der Sprachsymptome. Bei Hörverlust wird eine automatische akustische Analyse durchgeführt, um zu beurteilen, ob die Dauer und der Beginn der Taubheit (vor oder nach dem Spracherwerb) die Sprachproduktion von Cochlea-Implantat-Trägern beeinflussen. Darüber hinaus zeigen Artikulations-, Prosodie- und Phonemanalysen, dass Cochlea-Implantat-Träger auch nach einer Hörrehabilitation eine veränderte Sprachproduktion aufweisen.
- KonferenzbeitragAnalyse von WebAssembly-Binärprogrammen(Ausgezeichnete Informatikdissertationen 2022 (Band D23), 2023) Lehmann, DanielWebAssembly ist ein hardwarenaher, plattformunabhängiger Bytecode, der mächtige Webanwendungen ermöglicht, auf Servern und in unabhängigen Laufzeitumgebungen ausgeführt werden kann, und stark an Popularität gewinnt. Die neue Sprache bringt aber auch offene Fragen mit sich, insbesondere in Bezug auf Programmanalyse und Sicherheit, die diese Dissertation in fünf Teilprojekten beantwortet und Softwareentwickler mit konkreten Werkzeugen und Datensätzen unterstützt. Da WebAssembly-Programme häufig aus unsicheren Quellsprachen wie C++ kompiliert werden, widmet sich das erste Teilprojekt der Frage wie Code mit Speicherschwachstellen übersetzt wird, wobei wir fehlende Schutzmaßnahmen und neuartige Angriffe finden. Der zweite Teil stellt die Ergebnisse auf eine breitere Datenbasis mit WasmBench, dem bis dato größten Datensatz realistischer WebAssembly-Programme. Als vielfältiges Werkzeug für Softwareentwickler stellt der dritte Teil Wasabi vor, ein dynamisches Analyse-Framework basierend auf typ-korrekter statischer Instrumentierung. Zur Erkennung und Verhinderung von Schwachstellen entwickeln wir im vierten Teilprojekt einen Fuzzer und nachträgliche Härtung für WebAssembly. Im letzten Teilprojekt rekonstruieren wir schließlich mittels maschinellen Lernens detaillierte Datentypen aus WebAssembly- Binärprogrammen, um so Entwickler beim Verständnis und Reverse Engineering zu unterstützen.
- KonferenzbeitragAuswertung von regulären Pfadabfragen ohne Knoten- oder Kantenwiederholung(Ausgezeichnete Informatikdissertationen 2022 (Band D23), 2023) Popp, TinaReguläre Pfadabfragen sind ein wesentlicher Bestandteil von Graphabfragesprachen. Solche Abfragen betrachten einen regulären Ausdruck r und einen gerichteten, kantenbeschrifteten Graphen G und suchen nach Pfaden in G, deren Abfolge von Kantenbeschriftungen ein Wort in der Sprache von r ergibt. Um zu vermeiden, dass unendlich viele Pfade berücksichtigt werden müssen, beschränken sich Datenbank-Systeme auf Pfade ohne Wiederholungen von Knoten oder ohne Wiederholungen von Kanten. Während beliebige Pfade effizient ausgewertet und aufgezählt werden können, werden diese Probleme ohne Wiederholungen von Knoten oder Kanten schon bei sehr kleinen RPQs rechnerisch schwierig (NP-schwer). In dieser Dissertation untersuchen wir Auswertungs- und Aufzählungsprobleme unter diesen Semantiken.
- KonferenzbeitragAutomatisierte Lösungsmethoden für Personalplanungsprobleme(Ausgezeichnete Informatikdissertationen 2022 (Band D23), 2023) Kletzander, LucasProblemstellungen aus der realen Welt mit Optimierungsmethoden zu modellieren und zu lösen ist ein komplexer und schwieriger Prozess, da eine Vielzahl an Regeln und Zielen zu berücksichtigen sind, die teilweise nicht klar definiert sind und sich oft ändern. Leistungsfähige, maßgeschneiderte Methoden können diese Probleme effizient oder sogar optimal lösen, sind aber dann schwer an geänderte Rahmenbedingungen anpassbar. Im ersten Teil der Arbeit werden solche spezifischen Methoden entwickelt, um erweiterte und neue komplexe Problemstellungen zu lösen. Im zweiten Teil wird eine Architektur präsentiert, die es erlaubt, intervallbasierte Probleme auf allgemeine Weise darzustellen und flexibel auf Regeländerungen zu reagieren. Bausteine von Algorithmen können von allgemeinen Methoden aus der Klasse der Hyper-Heuristiken dynamisch zu effizienten Lösungsmethoden zusammengesetzt werden. Zahlreiche neue Bausteine werden zunächst mit be- stehenden Hyper-Heuristiken untersucht, schließlich wird eine neue Hyper-Heuristik basierend auf verstärkendem Lernen eingeführt, die sowohl höchst flexibel auf akademischen und realen Instanzen einsetzbar ist als auch über verschiedene Problemstellungen hinweg hochqualitative Lösungen liefert.
- KonferenzbeitragDissertationspreis 2022, Komplettband(Ausgezeichnete Informatikdissertationen 2022 (Band D23), 2023)
- KonferenzbeitragEffiziente Interaktive und Automatische Produktlinienkonfiguration(Ausgezeichnete Informatikdissertationen 2022 (Band D23), 2023) Krieter, SebastianModerne, hochgradig konfigurierbare Systeme umfassen eine enorme Anzahl von Varianten, die aus einer gemeinsamen Codebasis erstellt und auf spezifische Benutzeranforderungen zugeschnitten werden. Die Verwaltung und Benutzung dieser hohen Variabilität stellt sowohl die Benutzer als auch die Entwickler dieser Systeme vor Herausforderungen, da es für die meisten Systeme nicht möglich ist, alle möglichen Kombinationen von Konfigurationsoptionen zu testen oder auch nur zu berücksichtigen. In dieser Arbeit betrachten wir dieses Problem, indem wir Werkzeugunterstützung für automatische und halbautomatische Konfigurationsprozesse von konfigurierbaren Systemen untersuchen. Wir führen dazu neue Datenstrukturen, Algorithmen und Metriken ein, die sowohl die Effizienz als auch die Effektivität bisherige Ansätze deutlich steigern. Damit erleichtern wir den automatischen und halbautomatischen Konfigurationsprozess, insbesondere im Bezug auf das Testens und der Analyse konfigurierbarer Systeme.
- KonferenzbeitragEntkopplung des Designspaces für mobile Navigationstechnologien(Ausgezeichnete Informatikdissertationen 2022 (Band D23), 2023) Savino, Gian-LucaDiese Arbeit untersucht die Entkopplung des Gestaltungsraums für mobile Navigationstechnologien von der bisherigen, turn-by-turn basierten Systemarchitektur. Dabei werden verschiedene Ansätze vorgestellt, um die Nutzungsmuster und Intentionen von Menschen bei der Verwendung mobiler Navigationsanwendungen zu bewerten. Aus den Ergebnissen ergeben sich Verbesserungen für orientierungsbasierte Navigationsmethoden und sprachassistentenbasierte Eingabemodalitäten für Radfahrende. Mit einem Ansatz um mobile Navigationssysteme zu evaluieren und dennoch sicherzustellen, dass Interaktionen sicher gestaltet sind, trägt diese Arbeit zum Verständnis, zur Bewertung und zur Verbesserung mobiler Navigationssysteme für bestimmte Nutzungsgruppen bei.
- KonferenzbeitragExpressives und Effizientes Deep Learning auf Graph-Strukturierten Daten(Ausgezeichnete Informatikdissertationen 2022 (Band D23), 2023) Fey, MatthiasDise Arbeit stellt neue Ansätze für das maschinelle Lernen auf unregelmäßig strukturierten Eingabedaten wie Graphen, Punktwolken und Mannigfaltigkeiten vor. Insbesondere löst sich diese Arbeit von der Beschränkung konventioneller Deep Learning-Techniken auf reguläre Daten und bietet Lösungen für den Entwurf, die Implementierung und die Skalierung von Deep Learning-Methodiken auf Graphen an, bekannt als Graph Neural Networks (GNNs). Wir analysieren die Beziehung von GNNs zu traditionellen Verfahren des Deep Learnings und der Graph-Theorie, entwickeln skalierungsfähige GNN-Lösungen und stellen die PyG-Bibliothek für die effziente Realisierung von GNNs vor.
- KonferenzbeitragFairness in Rankings(Ausgezeichnete Informatikdissertationen 2022 (Band D23), 2023) Zehlike, MeikeKünstliche Intelligenz und selbstlernende Systeme spielen eine immer größer werdende Rolle in unserem Alltag. Rankings stellen dabei das wesentliche Instrument unserer Onlinesuche nach Inhalten, Produkten, Freizeitaktivitäten und relevanten Personen dar. Die Reihenfolge der Suchergebnisse bestimmt somit nicht nur die Zufriedenheit der Suchenden, sondern auch die Chancen der Sortierten auf Bildung, ökonomischen und sogar sozialen Erfolg. Diskriminierende Rankings erzeugen nicht nur unmittelbare Nachteile, sondern führen auch zu nachteil-verstärkenden Feedbackschleifen. Die vorliegende Arbeit adressiert drei wichtige Herausforderungen, die im Kontext algorithmischer Diskriminierung durch Ranking-Systeme auftreten: Die ethischen Ziele verschiedener Ranking-Situationen müssen mit denjenigen übereinstimmen, die in Ranking-Algorithmen implizit kodiert sind. Zweitens müssen ethische Wertesysteme in Mathematik und Algorithmen zu übersetzt werden, um Ranking-Algorithmen zur Vermeidung von Diskriminierung bereitzustellen. Drittens sollten diese Methoden einem breiten Publikum zugänglich sein, das sowohl Programmiererinnen, als auch Juristinnen und Politikerinnen umfasst.