Research Interests:
Die Auswahl eines geeigneten Vorgehensmodells (VM) für bestimmte Projekte oder als institutionelle Vorgabe erfordert nicht nur die Kenntnis der zahleichen VM sondern auch die Zuordnung zu den Anforderungen des jeweiligen Projekts. Unser... more
Die Auswahl eines geeigneten Vorgehensmodells (VM) für bestimmte Projekte oder als institutionelle Vorgabe erfordert nicht nur die Kenntnis der zahleichen VM sondern auch die Zuordnung zu den Anforderungen des jeweiligen Projekts. Unser Artikel beschreibt die Möglichkeiten, die für diese Probleme ein von uns entwickeltes selbstorganisiert lernendes neuronales Netz bietet. Dies Netz, das Self Enforcing Network SEN, wird in seiner Grundlogik beschrieben; seine praktischen Verwendungsmöglichkeiten werden in verschiedenen Szenarien demonstriert. Die wesentlichen praktischen Vorteile von SEN sind Flexibilität sowie leichte Bedienbarkeit und Interpretation der Ergebnisse.
Research Interests:
Research Interests:
Die Interaktiven Netzwerke(IN) gehoren zu der einfachsten Klasse Neuronaler Netzwerke (hier handelt es sich demnach nicht um interaktive Benutzeroberflachen). Im Gegensatz zu den bekannten Netzwerktypen werden die Interaktiven Netzwerke... more
Die Interaktiven Netzwerke(IN) gehoren zu der einfachsten Klasse Neuronaler Netzwerke (hier handelt es sich demnach nicht um interaktive Benutzeroberflachen). Im Gegensatz zu den bekannten Netzwerktypen werden die Interaktiven Netzwerke nicht trainiert und aufgrund ihrer Struktur gehoren sie zu den Feed-back Netzwerken (Kruse u.a., 1991; siehe Kapitel 2).
Research Interests:
Research Interests:
Research Interests:
Kunstliche Neuronale Netzwerke entstanden in einer interdisziplinaren Zusammenarbeit zwischen Neurophysiologen, Medizinern, Biologen, Physikern, Mathematikern, Psychologen, Philosophen, Kognitionswissenschaftlern sowie Informatikern.... more
Kunstliche Neuronale Netzwerke entstanden in einer interdisziplinaren Zusammenarbeit zwischen Neurophysiologen, Medizinern, Biologen, Physikern, Mathematikern, Psychologen, Philosophen, Kognitionswissenschaftlern sowie Informatikern. Diese entwickelten fachspezifische Programme und entsprechend werden auch Neuronale Netzwerke (Schoneburg u.a., 1990) dargestellt.
Research Interests:
Durch die Realisation der Programme, wie sie in den letzten Kapiteln beschrieben wurden, ergeben sich einige praktische Perspektiven, die im folgenden thematisiert werden. Einerseits geht es um die didaktische Einbindung der von uns... more
Durch die Realisation der Programme, wie sie in den letzten Kapiteln beschrieben wurden, ergeben sich einige praktische Perspektiven, die im folgenden thematisiert werden. Einerseits geht es um die didaktische Einbindung der von uns entwickelten Computerprogramme in der Hochschullehre (5.1). Dies war und ist uns ein besonderes Anliegen, da sowohl die Studierenden als auch wir als Programmkonstrukteure durch die gemeinsame Kooperation profitieren konnen. Andererseits wird kurz skizziert, welche theoretische Entwicklungsperspektiven aus den gemachten Erfahrungen mit den Programmen resultieren (5.2).
Research Interests:
Research Interests:
Research Interests:
Research Interests:
Zellularautomaten und Boolesche Netze eignen sich besonders gut für die Simulation einfacher selbstorganisierender Prozesse, d.h. Prozesse, die ihre Interaktionsregeln nicht verändern. Reale Systeme, wie insbesondere soziale, sind jedoch... more
Zellularautomaten und Boolesche Netze eignen sich besonders gut für die Simulation einfacher selbstorganisierender Prozesse, d.h. Prozesse, die ihre Interaktionsregeln nicht verändern. Reale Systeme, wie insbesondere soziale, sind jedoch häufig in der Lage, sich an Umweltbedingungen anzupassen und ggf. ihre Regeln zu verändern. Diese adaptive Fähigkeit lässt sich mathematisch vor allem durch so genannte Evolutionäre Algorithmen oder durch Neuronale Netze nachbilden.
Research Interests:
Research Interests:
Research Interests:
Research Interests:
Research Interests:
Research Interests:
Research Interests:
Mathematical thinking as an important instrument in science is a stumbling block for many students in the first years. A lot of investigations occur to help the students understanding the principles of mathematics. The proposed tutorial... more
Mathematical thinking as an important instrument in science is a stumbling block for many students in the first years. A lot of investigations occur to help the students understanding the principles of mathematics. The proposed tutorial system for the basics focuses on the analysis and visualizations of the solution algorithms and solution processes with Boolean Networks and Self-Enforcing Networks. The students can check not only the correctness of their results, but also if the solution steps are complete. In addition, in case of wrong results the students can check in which step of the solution they made a mistake and what kind of mistake. The goal is to promote the explorative learning and to help understanding the problems through self-recognition.
Research Interests:
Research Interests:
Research Interests:
Research Interests:
ABSTRACT
Research Interests:
We demonstrate the application of a new self-organized learning neural network, the Self-Enforcing Network SEN, to the problem of selecting the right direction of operation for runways at the airport of Frankfurt/M. The SEN is given real... more
We demonstrate the application of a new self-organized learning neural network, the Self-Enforcing Network SEN, to the problem of selecting the right direction of operation for runways at the airport of Frankfurt/M. The SEN is given real data on different days for the forecasted wind situations and generates a recommendation for the selection of a suited direction of operation. The results demonstrate that the recommendations of SEN are sound ones insofar that they are very compatible with the factual decisions of air traffic control at Frankfurt Airport. In some cases air traffic control could have planned earlier with the results of SEN. Hence this SEN system demonstrates that it could be a helpful decision support system for this problem.
Research Interests:
Research Interests:
Die Ergebnisse der Befragung deuten an, das die kommunikativen Beziehungen zwischen den Lehramtsanwartern und den verschiedenen Ausbildern zwar im Einzel fall sich nicht immer storungsfrei entwickeln (das Ausmas und die Wirkung solcher... more
Die Ergebnisse der Befragung deuten an, das die kommunikativen Beziehungen zwischen den Lehramtsanwartern und den verschiedenen Ausbildern zwar im Einzel fall sich nicht immer storungsfrei entwickeln (das Ausmas und die Wirkung solcher Turbulenzen konnen aufgrund der Wahl des methodischen Instruments dieser Untersuchung nicht prazise bestimmt werden), i.d.R. allen Betroffenen aber weit mehr positive Erfahrungen uber den jeweils anderen vermitteln. Diese Feststellung gilt zumindest fur Lehramtsanwarter, die wenigstens ein halbes Jahr am Bezirksseminar ausgebildet worden sind.
Research Interests:
Research Interests:
Research Interests:
Research Interests:
Es wurde bereits darauf hingewiesen, dass Zellularautomaten und Boolesche Netze sich besonders gut fur die Simulation einfacher selbstorganisierender Prozesse eignen, d. h. Prozesse, bei denen keine Veranderung der Interaktionsregeln... more
Es wurde bereits darauf hingewiesen, dass Zellularautomaten und Boolesche Netze sich besonders gut fur die Simulation einfacher selbstorganisierender Prozesse eignen, d. h. Prozesse, bei denen keine Veranderung der Interaktionsregeln stattfindet. Nur in diesem Sinne sind derartige Prozesse naturlich „einfach“. Reale Systeme, wie insbesondere soziale und kognitive, sind jedoch haufig auch in der Lage, sich an Umweltbedingungen anzupassen und ggf. ihre Regeln zu verandern.
Research Interests:
Research Interests:
Wir haben Sie nun, vor allem im letzten Kapitel, mit Schleifen in Schleifen und wieder Schleifen traktiert, und nicht nur Anfängern in der schönen Kunst des Programmierens mag zuweilen der Kopf etwas rauchen. Jedoch, so kompliziert die... more
Wir haben Sie nun, vor allem im letzten Kapitel, mit Schleifen in Schleifen und wieder Schleifen traktiert, und nicht nur Anfängern in der schönen Kunst des Programmierens mag zuweilen der Kopf etwas rauchen. Jedoch, so kompliziert die Programmbeispiele auf einen ersten Blick manchmal aussehen mögen, ist ihre grundsätzliche Logik eigentlich ziemlich transparent, und die Realisierung eigener Programme ist gewiss keine Hexenkunst. In unserem vorigen Buch haben wir mehrfach darauf hingewiesen, dass das Angenehme bei den von uns thematisierten Techniken ihre prinzipielle Einfachheit ist – im Gegensatz zu vielen mathematischen Standardverfahren der herkömmlichen Modellbildungen. Wir hoffen, dass diese prinzipielle Einfachheit, um nicht zu sagen Eleganz, auch in den Programmbeispielen wieder zu erkennen ist. Allerdings, um nach unserem Eingangsautor Kästner einen anderen deutschen Autor zu zitieren, „grau teurer Freund ist alle Theorie und grün des Lebens goldener Baum.“ Diese Bemerkung von Mephisto in Goethes Faust soll schlicht darauf verweisen, dass das eigentliche Vergnügen an und mit diesen Techniken dann beginnt, wenn man Beispiele modelliert und programmiert, die Einen auch selbst inhaltlich interessieren.
Research Interests:
Research Interests:
Research Interests:
Research Interests:
Optical measuring and inspection systems play an important role in automation as they allow a comprehensive and non-contact quality assessment of products and processes. In this field, too, systems are increasingly used that apply... more
Optical measuring and inspection systems play an important role in automation as they allow a comprehensive and non-contact quality assessment of products and processes. In this field, too, systems are increasingly used that apply artificial intelligence and machine learning, especially by means of artificial neural networks. Results achieved with this approach are often very promising and require less development effort. However, the supplementation and replacement of classical image processing methods by machine learning methods is not unproblematic, especially in applications with high safety or quality requirements, since the latter have characteristics that differ considerably from classical image processing methods. In this contribution, essential aspects and trends of machine learning and artificial intelligence for the application in optical measurement and inspection systems are presented and discussed.
Research Interests:
Research Interests:
Research Interests: Art and Springer Ebooks
Research Interests:
Research Interests:
Nowadays, construction projects are planned and carried out by large, interdisciplinary and mostly spatially separated teams. Project members have different data sets, which are often exchanged via complex and error-prone e-mail traffic.... more
Nowadays, construction projects are planned and carried out by large, interdisciplinary and mostly spatially separated teams. Project members have different data sets, which are often exchanged via complex and error-prone e-mail traffic. This leads to cumbersome and often chaotic data storage. In the following, a method with SEN as core element is described that is intended to improve data exchange through pre-planning data synchronization. The aim of the project is to develop a cloud-based collaboration software for the construction industry that sustainably increases the quality and speed of construction processes and reduces errors caused by old or incorrect data.
Research Interests:
Feature selection is one of the important challenges in variability-intensive systems. The FCORE model is used for the description of the functional and non-functional requirements of a system from a systems engineering point of view. In... more
Feature selection is one of the important challenges in variability-intensive systems. The FCORE model is used for the description of the functional and non-functional requirements of a system from a systems engineering point of view. In addition we demonstrate a solution for feature selection using a regulator algorithm (RGA). The RGA is a two dimensional evolutionary algorithm, with regulator genes controlling the structural genes. This allows a direct transfer of the FCORE model into the RGA, which optimizes the feature selection without constraint violations.