Refine
Year of publication
Document Type
- Conference Proceeding (34)
- Bachelor Thesis (24)
- Article (22)
- Report (13)
- Part of a Book (10)
- Book (7)
- Master's Thesis (7)
- Contribution to a Periodical (5)
- Other (3)
- Course Material (2)
Language
- German (130) (remove)
Is part of the Bibliography
- no (130)
Keywords
- Digitalisierung (2)
- Künstliche Intelligenz (2)
- Academic-stress (1)
- Architektur (1)
- Augmented Reality (1)
- Automotive (1)
- Autonomes Fahren (1)
- Autonomous Driving (1)
- Classification (1)
- Computer Vision (1)
Institute
- Fachbereich 1 - Institut Informatik (130) (remove)
Die Entwicklung von vollautomatisierten Fahrzeugen wird in der gesellschaftlichen Diskussion immer präsenter. Wichtig für die Durchsetzung und verbreitete Nutzung dieser technischer Neuerungen ist jedoch vor allem die Akzeptanz der Bevölkerung – in diesem Fall nicht nur die der potenziellen KäuferInnen sondern auch die der übrigen Verkehrs-teilnehmenden. Vorgestellt wird eine explorative Online-Studie zur Akzeptanz von auto-nomen Fahren basierend auf quantitativen und qualitativen Daten einer Stichprobe von N = 89. Die Ergebnisse zeigen unter anderem eine geringe Vertrautheit mit dem Thema, ein vergleichsweise ausgeprägtes Vertrauen aber eine geringe Nutzungsabsicht.
The goal of this empirical study is to answer whether predictions about stock price movements can be made with the use of machine learning in the energy sector and what influence contributions from social media have on its development. To answer the research
question, the social media platforms Twitter and Reddit, in terms of the suitability of the information, were studied and evaluated. Then, the sentiments of the posts from social media were collected and used in machine learning models. The models include the Gradient Boosted Regression Tree, Multilayer Perceptron, and Long Short-Term
i Memory, which predict a subsequent day's closing stock price. The study showed that deviations from predictions of stock price movements of 1.05 % are possible and further sentiment values do not show significant positive effect on reducing the error value. The
result shows that the collected sentiments from the social media platform Twitter have no positive effect on the stock price movements within the energy industry.
Keywords: stock market, stock prediction, artificial neural networks, machine learning,
energy market, sentiment analysis
Fahrer benötigen zur sicheren Steuerung ihres Fahrzeugs im Straßenverkehr eine Reihe von Anzeigen. Viele Funktionen zur Fahrerassistenz benötigen Eingaben des Fahrers. Wie auch in den vergangenen Jahren die Funktionsvielfalt gewachsen ist, sind auch Anzeige und Bedienelemente gestiegen. Im vorangegangen Kapitel wurde bereits die Begrenztheit der menschlichen Leistungsfähigkeit bei der gleichzeitigen Aufnahme und Interpretation von Informationen dargelegt. Die Herausforderung an das HMI im Fahrzeug ist durch die gewachsene Anzahl und auch Komplexität der Systeme enorm gestiegen. In diesem Kapitel sollen zu ausgewählten Funktionen die Anzeige und Bedienkonzepte vorgestellt werden, von einfachen Anzeigen bis zu Strategien für das autonom fahrende Fahrzeug. Dabei wird ein besonderes Augenmerk auf die sicherheitsrelevanten Aspekte gelegt.
Der Einsatz von virtuellen Servern im LDS NRW erfolgte bisher unter dem Blickwinkel der Konsolidierung von einfachen und sehr einfachen Systemen, die keine dedizierte Serversystemtechnik benötigten.
Mittlerweile bietet VMware Funktionalitäten, die neben dem Konsolidierungsgedanken hoch interessante Möglichkeiten für vielfältigste, individuelle Kundenanforderungen bieten. Dies reicht von flexiblen, preiswerten und einfachen
Systemen bis hin zu Serverplattformen mit hohen Ansprüchen an Performance und Verfügbarkeit.
Ziel des Verbundprojektes APFel (Projektlaufzeit: 01.01.2010 ‐ 31.03.2014)war eine zeitlich vorwärts‐ und rückwärtsgerichtete Lokalisation von Personen innerhalb eines Kameranetzwerkes aus sich nicht überlappenden Kameras in Hyperechtzeit zu ermöglichen. Einsatzbereiche dieses Szenarios sind kritische Infrastrukturen wie Flughäfen und Flugplätze. Zunächst fokussierte das Projekt APFel auf die Lokalisation einer einzelnen Zielperson. Weiterführend wurden die entwickelten Verfahren auf die Analyse von Gruppen erweitert, um Personen als Teil einer Gruppe lokalisieren zu können.
In diesem Artikel wird ein System vorgestellt, welches eine videobasierte Hinderniserkennung zur automatisierten Bildanalyse von Straßenverkehrsszenen durchführt. Eine Unterteilung der Hinderniserkennung in Objektdetektion, Objektverfolgung und Objektklassifikation lässt eine Extraktion und eine Attributierung von Verkehrsteilnehmern zu. Eine Szeneninterpretation ist ableitbar.
Vergleich von Logistischer Regression und Deep Learning bei der Vorhersage von Schlaganfällen
(2022)
Die Bachelorarbeit befasst sich mit dem Vergleich von Logistischer
Regression und Deep Learning bei der Vorhersage von Schlaganfällen
hinsichtlich der Frage, ob in einer binären Klassifikationsaufgabe die
komplexe und aufwändige Methode des Deep Learnings sich bei
Anwendung auf kleine tabellarische Datensätze bewährt oder ob
Logistische Regression als Basismodell des Maschinellen Lernens
effizienter ist. Methodisch werden folgende Schritte ausgeführt:
Beschreibung beider Modelle, Durchführung der Datenvorbereitung unter
Verwendung des „Stroke Prediction Dataset“ von Kaggle, Implementierung
beider Methoden mit dem gleichen angepassten Datensatz. Der
abschließende Vergleich benennt als Fazit die Unterschiede in den
Ergebnissen und Voraussetzungen für den sinnvollen Einsatz beider
Methoden. Eine Schlussfolgerung angesichts der geringen
Ergebnisunterschiede hinsichtlich der Prognosegenauigkeit der
Schlaganfallrisikos dürfte sein, dass Deep Learning, um ökonomisch
sinnvoll bei tabellarischen in kleineren Datensätzen eingesetzt zu werden, aktuell noch nicht genügend bessere Ergebnisse vorweist.
Die Digitalisierung des deutschen Gesundheitswesens ist im direkten Vergleich zu anderen Branchen und Gesundheitswesen deutlich im Rückstand. Ursachen für diesen Rückstand sollten identifiziert werden, um aus den gefundenen Faktoren Handlungsempfehlungen zu entwickeln, die dabei helfen sollen künftige Digitalisierungsprojekte effizienter zu gestalten. Zur Identifizierung wurde zunächst eine unstrukturierte Literaturrecherche durchgeführt, gefolgt von Experteninterviews, die den eigentlichen Kern der Arbeit darstellen. Die ausgewählten Probanden stellen Beteiligten des Projektes elektronische Arbeitsunfähigkeitsbescheinigung dar, dessen Projektverlauf evaluiert wurde, um aus den Herausforderungen zu lernen.