Publications at the Faculty of Computer Science and Automation since 2015

Please note, the Hochschulbibliographie has the data status 07/31/2024.
All newer entries can be found in the University Bibliography of Technische Universität Ilmenau (TUUniBib).

Results: 1969
Created on: Sat, 17 Aug 2024 23:16:06 +0200 in 0.0856 sec


Kehr, Sebastian; Paniâc, Miloš; Quiñones, Eduardo; Böddeker, Bert; Sandoval, Jorge Becerril; Abella, Jaume; Cazorla, Francisco J.; Schäfer, Günter
Supertask: maximizing runnable-level parallelism in AUTOSAR applications. - In: Proceedings of the 2016 Design, Automation & Test in Europe Conference & Exhibition (DATE), ISBN 978-3-9815370-7-9, (2016), S. 25-30

http://ieeexplore.ieee.org/document/7459275/
Schwarz, Andreas; Binetti, Jean-Christophe; Broll, Wolfgang; Mitschele-Thiel, Andreas
New technologies and applications in international crisis communication and disaster management. - In: The handbook of international crisis communication research, (2016), S. 465-477

https://ebookcentral.proquest.com/lib/ubilm-ebooks/detail.action?docID=4509799
Vollmer, Christian;
Weiterentwicklung und Anwendung von Sparse-Coding-Verfahren für die Analyse von Armbewegungstrajektorien. - Ilmenau : Universitätsbibliothek, 2016. - 1 Online-Ressource (xi, 151 Seiten)
Technische Universität Ilmenau, Dissertation 2016

Eine von vielen Modalitäten zur Vermittlung von Information in Interaktion zwischen Mensch und Maschine ist die Gestik. Mit Hilfe dynamischer Gesten können sowohl Begriffe, als auch Emotionen kommuniziert werden. In dieser Arbeit wird der zeitliche Verlauf der Position einer Gliedmaße bei Ausführung der Geste, die sogenannte Bewegungstrajektorie, betrachtet. Damit eine Maschine Gesten wahrnehmen kann, müssen die Trajektorien mittels Sensoren aufgenommen werden und anschließend durch eine entsprechende Verarbeitung der Daten interpretiert werden. Dabei kommt ein mehrstufiger Mustererkennungsprozess zum Einsatz. Ein Schritt in diesem Prozess ist die Merkmalsextraktion, welche das aufgenommene Signal in einer kompakten Form darstellt. Diese Arbeit widmet sich einer Untersuchung zur Anwendung von Sparse Coding in der Merkmalsextraktion für Bewegungstrajektorien. Sparse Coding kann eine Datenmenge durch eine beschränkte Menge repräsentativer, wiederkehrender Merkmale darstellen. Diese Merkmale werden in einer Lernphase aus Trainingsdaten gelernt und in der Kannphase in einem unbekannten Signal detektiert. Dieses Konzept hat gegenüber konventionellen Methoden zur Merkmalsextraktion in zeitlichen Signalen den Vorteil, dass die Merkmale optimal an die Daten angepasst sind und so die charakteristischen Eigenschaften der Trainingsdaten beschreiben. In dieser Arbeit wird das Verfahren für die Anwendung auf Bewegungstrajektorien optimiert. Es wird untersucht, unter welchen Rahmenbedingungen Sparse Coding für Bewegungstrajektorien anwendbar ist und wie die aufgenommenen Daten vorverarbeitet werden müssen. Des Weiteren werden die Auswirkungen des Verfahrens auf nachgelagerte Verarbeitungsschritte im Mustererkennungsprozess, wie die Klassifikation und die Generierung von Bewegungstrajektorien, betrachtet. Die Leistungsfähigkeit des Verfahrens beim Einsatz in der Gestenerkennung wird in Experimenten anhand eines, im Rahmen dieser Arbeit selbst erstellten, Datensatzes demonstriert. Um die Generalisierbarkeit des Verfahrens auf andere Anwendungsdomänen zu untersuchen, wird es auf Benchmark-Datensätze aus den Bereichen der Activity Recognition und der Handschrifterkennung angewendet. Des Weiteren wird eine echtzeitfähige Implementierung des Verfahrens in einer Demonstrator-Applikation vorgestellt.



http://nbn-resolving.de/urn:nbn:de:gbv:ilm1-2016000453
Aumüller, Martin; Dietzfelbinger, Martin; Klaue, Pascal
How good is Multi-Pivot Quicksort?. - In: ACM transactions on algorithms, ISSN 1549-6333, Bd. 13 (2016), 1, Article No. 8, insges. 47 S.

https://doi.org/10.1145/2963102
González, Eduardo; Li, Pu; Ormachea, Juvenal; Parker, Kevin; Lavarello, Roberto; Castañeda, Benjamín
Regularized wavelength average velocity estimator for quantitative ultrasound elastography. - In: 2016 IEEE International Ultrasonics Symposium (IUS), ISBN 978-1-4673-9897-8, (2016), insges. 4 S.

http://dx.doi.org/10.1109/ULTSYM.2016.7728691
Eisenbach, Markus; Seichter, Daniel; Wengefeld, Tim; Groß, Horst-Michael
Cooperative multi-scale Convolutional Neural Networks for person detection. - In: 2016 International Joint Conference on Neural Networks (IJCNN), ISBN 978-1-5090-0620-5, (2016), S. 267-276

http://dx.doi.org/10.1109/IJCNN.2016.7727208
Hunold, Alexander; Schellhorn, Klaus; Haueisen, Jens
Dipole forward simulation guides transcranial electric stimulation of the hand knob area. - In: 2016 URSI International Symposium on Electromagnetic Theory (EMTS) took place 14-18 August 2016 in Espoo, Finland, ISBN 978-1-5090-2502-2, (2016), insges. 4 S.

http://dx.doi.org/10.1109/URSI-EMTS.2016.7571446
Hutagalung, Milka; Hundeshagen, Norbert; Kuske, Dietrich; Lange, Martin; Lozes, Etienne
Two-buffer simulation games. - In: Electronic proceedings in theoretical computer science, ISSN 2075-2180, Bd. 220 (2016), S. 27-38

http://dx.doi.org/10.4204/EPTCS.220.3
Groß, Horst-Michael; Debes, Klaus; Kaltenhäuser, Robert
RODIAR - Autonomous robot system for the inspection of water pipelines for the early detection of supply-critical, material and technical vulnerabilities :
RODIAR : Autonom agierendes Robotersystem für die Inspektion von Trinkwasserleitungen zur frühzeitigen Erkennung von versorgungskritischen, materialtechnischen Schwachstellen : Schlussbericht des im Rahmen des BMBF-Calls Servicerobotik 2012 geförderten Verbundprojektes : Projektlaufzeit: 01.01.2013-31.12.2015. - Ilmenau : TU Ilmenau, Fachgebiet Neuroinformatik und kognitive Robotik. - 1 Online-Ressource (63 Seiten, 2,79 MB)Förderkennzeichen BMBF 01IM12004, 01IM12004B. - Verbund-Nummer 01139725

https://edocs.tib.eu/files/e01fb16/871517787.pdf
Noack, Matti; Wulff, Kai; Reger, Johann; Höper, Marc-Hinrik
Observability analysis and nonlinear observer design for a turbocharger in a diesel engine. - In: 2016 IEEE Conference on Control Applications (CCA), (2016), S. 323-328

http://dx.doi.org/10.1109/CCA.2016.7587856