A passive microsystem for detecting multiple acceleration events beyond a threshold. - In: Microelectronic engineering, Bd. 145 (2015), S. 104-111
http://dx.doi.org/10.1016/j.mee.2015.03.023
On testing single connectedness in directed graphs and some related problems. - In: Information processing letters, ISSN 1872-6119, Bd. 115 (2015), 9, S. 684-688
http://dx.doi.org/10.1016/j.ipl.2015.04.008
Multi-dimensional signal decomposition techniques for the analysis of EEG Data, 2015. - Online-Ressource (PDF-Datei: XIII, 262 S., 9,22 MB) Ilmenau : Techn. Univ., Diss., 2015
Im Rahmen dieser Dissertation werden mehrdimensionale blinde Signalzerlegungsmethoden für die Verarbeitung des Elektroenzephalogramms (EEG) untersucht. Dabei ist es das wesentliche Ziel, die Projektionen der zu Grunde liegenden neuronalen Quellen zu extrahieren, um eine topographische Analyse jeder einzelnen Quelle zu ermöglichen. Dies ist eine der Hauptaufgaben der EEG Signalverarbeitung, die die Analyse und Diagnose neuronaler Pathologien, wie z.B. Epilepsie, ermöglichen soll. Die mehrdimensionalen EEG Signalzerlegungsmethoden beinhalten komplexe Rechenmethoden, wie die Tensor Zerlegung und die Zeit-Frequenz Analyse. Für die Tensor Zerlegung wird in dieser Arbeit die PARAllel FACtor (PARAFAC) Analyse, sowie die PARAFAC2 Analyse untersucht. Für diese beiden Tensor Zerlegungen wird eine robuste Normalisierung vorgestellt, die die vorhandenen Mehrdeutigkeiten in den Zerlegungsmodellen auf ein Minimum reduziert. Dies ermöglicht die Auswahl der besten Modellparameter aus einer Vielzahl unterschiedlicher PARAFAC / PARAFAC2 Schätzungen. Diese Normalisierung erlaubt es auch, den Einfluss der extrahierten mehrdimensionalen Komponenten zu beurteilen. Des Weiteren wird ein Algorithmus zur Berechnung der PARAFAC Zerlegung dual-symmetrischer Tensoren auf Basis der Procrustes estimation and Khatri-Rao factorization (ProKRaft) vorgestellt. Der ProKRaft Algorithmus erreicht dabei eine bessere Performance gegenüber vergleichbaren Algorithmen aus der Literatur. Durch Ausnutzung der Beziehung zwischen PARAFAC und der Independent Component Analysis (ICA), wird zusätzlich ein ProKRaft basierter ICA Algorithmus hergeleitet und analysiert. Für die Zeit-Frequenz Analyse von EEG Daten werden in dieser Arbeit zahlreiche Methoden, wie z.B. die Short Time Fourier Transform (STFT), verschiedene Wavelet Transformationen, sowie verschiedene Wigner-Ville basierte Methoden, untersucht. Als Ergebnis dieser Untersuchungen, auch im Hinblick auf die folgende Tensor Zerlegung, wird die Verwendung der Smoothed Pseudo Wigner-Ville Distribution (SPWVD) oder der Reduced Interference Distribution (RID) vorgeschlagen. Der Grund hierfür ist in der hinreichend guten Zeit-Frequenz Auflösung dieser beiden Verfahren zu finden. Dabei ermöglichen beide Methoden gleichzeitig eine effektive Kreuztermunterdrückung. Zur Trennung von EEG Quellsignalen, führen wir eine PARAFAC2 basierte Zerlegungsstrategie ein. Im Vergleich zu anderen Methoden aus der Literatur, erlaubt diese Zerlegungsstrategie die Extraktion von dynamischen EEG Quellen, die eine zeitvariante räumliche Verteilung aufweisen. Die exakte zeitliche Lokalisierung dieser räumlichen Verteilungen ist möglich. Die Vorteile dieser Zerlegungsmethode werden anhand von synthetischen EEG Daten, und anhand gemessener Visuell Evozierter Potentiale (VEP) nachgewiesen.
http://www.db-thueringen.de/servlets/DocumentServlet?id=25996
Einsatz adaptiver Lernverfahren zur Regelung industrieller Verbrennungsprozesse. - Ilmenau : Universitätsverlag Ilmenau, 2015. - Online-Ressource (PDF-Datei: IX, 355 S., 7,61 MB) : Ilmenau, Techn. Univ., Diss., 2015
Enth. außerdem: Thesen
In dieser Arbeit wird dargestellt, wie lernfähige adaptive Prozessmodelle zum Verbessern der Prozessführung in großen industriellen Verbrennungsanlagen beitragen können. Dazu werden die wesentlichen Bestandteile eines solchen Verbrennungsprozesses dargestellt, und es wird erläutert, warum konventionelle Regelungsverfahren (z.B. PID-Regler) Teile dieses Prozesses nicht oder nur unzureichend beherrschen können. Lernfähige Modelle sind prinzipiell in der Lage eine bessere Prozessführung zu gewährleisten. Ebenso wird gezeigt, welche Probleme die Standard-Lernverfahren mit den Daten realer Prozesse haben. Im Hauptteil der Arbeit werden drei Verbesserungsansätze erarbeitet: Der Einfluss von verrauschten Daten auf den Lernvorgang. Um trotz solcher Daten gute Modelle zu erhalten, werden sowohl verrauschte Punkte (Ausreißer) aus dem Datensatz entfernt als auch robuste Trainingsverfahren eingesetzt. Die Anpassung eines lernfähigen Modells an Veränderungen des Prozesses über langen Zeiträumen. Es wird gezeigt, dass ein Adaptieren des Modells zu Vorteilen gegenüber einem statischen Modell führt. Auf Verbrennungsdaten werden die besten Ergebnisse mit der gewichteten Kombination von adaptiven Modellen in Ensembles erreicht. Die funktionale Sicherheit der Stellstrategie eines lernfähigen Modells. Lernfähige Standardverfahren scheitern oft an der Verteilung der Daten in bereits geregelten Prozessen. Zur Vermeidung solcher Fehler werden mehrere sich ergänzende Ansätze entwickelt. Bedeutsam ist dabei das Einfügen von Expertenwissen in den Lernprozess. Durch Abgleich mit bereits vorhandenen Daten der Anlage kann gezielt Wissen für unbekannte Bereiche integriert und die Zuverlässigkeit lernfähiger Regler erhöht werden. Das wesentliche Herausstellungsmerkmal dieser Arbeit im Vergleich zu anderen Arbeiten auf dem Gebiet der lernfähigen Prozessmodelle liegt im unmittelbaren praktischen Bezug zu Verbrennungsprozessen. Die vorgestellten Verfahren wurden auf verschiedenen Müllverbrennungsanlagen und Zementwerken über mehrere Wochen und Monate erprobt. Es werden Lösungsmöglichkeiten aufgezeigt, die es ermöglichen, lernfähige Systeme über lange Zeiträume aktiv Stellgrößen regeln zu lassen und so eine erhebliche Verbesserung der Prozessführung zu erreichen.
http://www.db-thueringen.de/servlets/DocumentServlet?id=25672
Optimal routing strategies for autonomous underwater vehicles in time-varying environment. - In: Robotics and autonomous systems, ISSN 1872-793X, Bd. 67 (2015), S. 33-43
http://dx.doi.org/10.1016/j.robot.2013.08.010
AutoStudio: a generic web application for transforming dataflow programs into action. - In: Datenbanksysteme für Business, Technologie und Web, (2015), S. 655-658
SPARQling Pig - processing linked data with Pig Latin. - In: Datenbanksysteme für Business, Technologie und Web, (2015), S. 279-298
Many-Core-Architekturen zur Datenbankbeschleunigung - Tutorial. - In: Datenbanksysteme für Business, Technologie und Web (BTW 2015), (2015), S. 269-270
Dataflow programming for big engineering data - extended abstract. - In: Datenbanksysteme für Business, Technologie und Web (BTW 2015), (2015), S. 101-102
Generic NDT mapping in dynamic environments and its application for lifelong SLAM. - In: Robotics and autonomous systems, ISSN 1872-793X, Bd. 69 (2015), S. 28-39
In this paper, we present a new, generic approach for Simultaneous Localization and Mapping (SLAM). First of all, we propose an abstraction of the underlying sensor data using Normal Distribution Transform (NDT) maps that are suitable for making our approach independent from the used sensor and the dimension of the generated maps. We present several modifications for the original NDT mapping to handle free-space measurements explicitly. We additionally describe a method to detect and handle dynamic objects such as moving persons. This enables the usage of the proposed approach in highly dynamic environments. In the second part of this paper we describe our graph-based SLAM approach that is designed for lifelong usage. Therefore, the memory and computational complexity is limited by pruning the pose graph in an appropriate way.
http://dx.doi.org/10.1016/j.robot.2014.08.008