Name: MachineData: Machine

Abstract:

Description: <p style="margin:0cm 0cm 8pt; text-align:start; -webkit-text-stroke-width:0px"><span style="font-size:11pt"><span style="line-height:15.693333625793457px"><span style="font-family:Calibri, sans-serif"><span style="caret-color:#000000"><span style="color:#000000"><span style="font-style:normal"><span style="font-variant-caps:normal"><span style="font-weight:normal"><span style="letter-spacing:normal"><span style="orphans:auto"><span style="text-transform:none"><span style="white-space:normal"><span style="widows:auto"><span style="word-spacing:0px"><span style="-webkit-text-size-adjust:auto"><span style="text-decoration:none">Beim maschinellen Lernen geht es um die Daten. Maschinen, denen gro&szlig;e Datens&auml;tze zugef&uuml;hrt werden, lernen, Regelm&auml;&szlig;igkeiten in den Daten selbstst&auml;ndig zu entdecken &ndash; so wie das Gehirn aus der immer wiederkehrenden Beobachtung der Umgebung R&uuml;ckschl&uuml;sse zieht. Die Verf&uuml;gbarkeit gro&szlig;er Datens&auml;tze hat bei den j&uuml;ngsten Durchbr&uuml;chen im Bereich des maschinellen Lernens eine wichtige Rolle gespielt. In den letzten Jahren haben Datens&auml;tze unter anderem die Sprachverarbeitung, Spracherkennung oder Computer Vision erm&ouml;glicht oder verbessert. Einige Forscher argumentieren sogar, dass Daten wichtiger sind als neue Algorithmen.&nbsp;</span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></p> <p style="margin:0cm 0cm 8pt; text-align:start; -webkit-text-stroke-width:0px"><span style="font-size:11pt"><span style="line-height:15.693333625793457px"><span style="font-family:Calibri, sans-serif"><span style="caret-color:#000000"><span style="color:#000000"><span style="font-style:normal"><span style="font-variant-caps:normal"><span style="font-weight:normal"><span style="letter-spacing:normal"><span style="orphans:auto"><span style="text-transform:none"><span style="white-space:normal"><span style="widows:auto"><span style="word-spacing:0px"><span style="-webkit-text-size-adjust:auto"><span style="text-decoration:none">Bei Maschinen und Systemen wie autonomen Robotern oder selbstfahrenden Autos ist dies jedoch anders. Im Bereich der physikalischen Systeme haben Datens&auml;tze noch nicht zu vergleichbaren Durchbr&uuml;chen gef&uuml;hrt.&nbsp;</span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></p> <p style="margin:0cm 0cm 8pt; text-align:start; -webkit-text-stroke-width:0px"><span style="font-size:11pt"><span style="line-height:15.693333625793457px"><span style="font-family:Calibri, sans-serif"><span style="caret-color:#000000"><span style="color:#000000"><span style="font-style:normal"><span style="font-variant-caps:normal"><span style="font-weight:normal"><span style="letter-spacing:normal"><span style="orphans:auto"><span style="text-transform:none"><span style="white-space:normal"><span style="widows:auto"><span style="word-spacing:0px"><span style="-webkit-text-size-adjust:auto"><span style="text-decoration:none">Sebastian Trimpe und seine Forschungsgruppe Intelligent Control Systems besch&auml;ftigen sich mit der Frage, ob reichhaltige und qualitativ hochwertige Datens&auml;tze, die auf Maschinen gesammelt werden (z.B. Daten, die auf einem Motor gesammelt werden), f&uuml;r das Lernen im Kontext physischer Maschinen &auml;hnlich n&uuml;tzlich sein k&ouml;nnen. Das Team wird in Zusammenarbeit mit Cyber Valley Industriepartnern verschiedene Datens&auml;tze auf einer Vielzahl von physischen Maschinen sammeln und empirisch untersuchen, ob diese Daten f&uuml;r eine Lernaufgabe auf einer anderen Maschine n&uuml;tzlich sind.&nbsp;</span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></p> <p style="margin:0cm 0cm 8pt; text-align:start; -webkit-text-stroke-width:0px"><span style="font-size:11pt"><span style="line-height:15.693333625793457px"><span style="font-family:Calibri, sans-serif"><span style="caret-color:#000000"><span style="color:#000000"><span style="font-style:normal"><span style="font-variant-caps:normal"><span style="font-weight:normal"><span style="letter-spacing:normal"><span style="orphans:auto"><span style="text-transform:none"><span style="white-space:normal"><span style="widows:auto"><span style="word-spacing:0px"><span style="-webkit-text-size-adjust:auto"><span style="text-decoration:none">Dar&uuml;ber hinaus werden konzeptionelle und grundlegende Forschungsfragen gestellt wie: Wann sind die Daten f&uuml;r ein dynamisches Lernproblem ausreichend aussagekr&auml;ftig? Welche Daten k&ouml;nnen sinnvoll von einer Maschine auf eine andere &uuml;bertragen werden? Und wie k&ouml;nnen vorhandene Datens&auml;tze f&uuml;r die Modellierung und Steuerung neuer Maschinen genutzt werden?&nbsp;</span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></p> <p style="margin:0cm 0cm 8pt; text-align:start; -webkit-text-stroke-width:0px"><span style="font-size:11pt"><span style="line-height:15.693333625793457px"><span style="font-family:Calibri, sans-serif"><span style="caret-color:#000000"><span style="color:#000000"><span style="font-style:normal"><span style="font-variant-caps:normal"><span style="font-weight:normal"><span style="letter-spacing:normal"><span style="orphans:auto"><span style="text-transform:none"><span style="white-space:normal"><span style="widows:auto"><span style="word-spacing:0px"><span style="-webkit-text-size-adjust:auto"><span style="text-decoration:none">Die entwickelten maschinendynamischen Datens&auml;tze und Ma&szlig;st&auml;be sowie alle wissenschaftlichen Ergebnisse sollen der Forschungsgemeinschaft zur Verf&uuml;gung gestellt werden.</span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></p>

Image:

Image caption:

Link:

Meta keywords:

Meta description:

Hidden: true

Slug: machinedata-machine

Edit | Back