Intrinsische Intentionserkennung in technischen Systemen
| dc.contributor.author | Kirchner, Elsa Andrea | |
| dc.contributor.editor | Hölldobler, Steffen | |
| dc.date.accessioned | 2020-08-21T08:50:41Z | |
| dc.date.available | 2020-08-21T08:50:41Z | |
| dc.date.issued | 2015 | |
| dc.description.abstract | Im Rahmen der Dissertation wurde ein ganzheitlicher Ansatz mit der Bezeichnung "embedded Brain Reading (eBR)" entwickelt, um zum einen Handlungsintentionen anhand von Gehirnströmen zu erkennen und zum anderen diese naturgemäß fehlerbehaftete Erkennung in technischen Systemen fehlertolerant zu integrieren. Technische Systeme können durch eBR sowohl in ihrer Funktion adaptiert als auch gesteuert werden, ohne zusätzliche kognitive Ressourcen des Menschen zu fordern. Der Ansatz verknüpft die komplexe Auswertung von Gehirnaktivitäten mit dem jeweiligen Kontext, in denen Interaktionen stattfinden. So werden intuitive und leichte Interaktionen zwischen einem technischen System und dem Menschen ermöglicht. Der generische Ansatz und damit die Interaktionen zwischen Mensch und Maschine wurden formal modelliert. Dieses Modell diente der Validierung unterschiedlicher Implementierungen des Ansatzes. Insbesondere wurde nachgewiesen, dass der Ansatz dabei hilft, mit unsicheren Daten, wie sie bei der Analyse der Gehirnaktivität entstehen, zuverlässig umzugehen. | de |
| dc.identifier.isbn | 978-3-88579-419-6 | |
| dc.identifier.pissn | 1617-5468 | |
| dc.identifier.uri | https://dl.gi.de/handle/20.500.12116/33830 | |
| dc.language.iso | de | |
| dc.publisher | Gesellschaft für Informatik | |
| dc.relation.ispartof | Ausgezeichnete Informatikdissertationen 2014 | |
| dc.relation.ispartofseries | Lecture Notes in Informatics (LNI) - Dissertations, Volume D-15 | |
| dc.subject | embedded Brain Reading | |
| dc.subject | electroencephalogram | |
| dc.subject | human-machine interaction | |
| dc.title | Intrinsische Intentionserkennung in technischen Systemen | de |
| gi.citation.endPage | 130 | |
| gi.citation.publisherPlace | Bonn | |
| gi.citation.startPage | 121 |
Dateien
Originalbündel
1 - 1 von 1
Vorschaubild nicht verfügbar
- Name:
- 121.pdf
- Größe:
- 2.4 MB
- Format:
- Adobe Portable Document Format