Direkt zum Inhalt

Intelligente Systeme sind durch Lernvorgänge geprägt, die den Erwerb neuer Fähigkeiten ermöglichen und mit einer großen Menge von heterogenen, unsicheren und probabilistischen Daten umgehen können. Aufgrund der Komplexität der dadurch repräsentierten Situationen in der realen Welt ist eine automatische Abstraktion von Informationen aus Daten, die Bildung  geeigneter repräsentativer Modelle und die semantische Verarbeitung der vorhandenen Informationen unabdingbar, um auf dieser Basis intelligente Systeme für den digitalen Wandel, zum Beispiel im Bereich Mobilität, Industrie, Medizin und Bildung, zu ermöglichen.

Projekte

PRESENt

Wege zu einer personalisierten Prävention und Behandlung von schwerer Norovirus-Gastroenteritis

 

 

 

 

 

 

Regio

Eine Kartierung der Entstehung und des Erfolgs von Kooperationsbeziehungen in regionalen Forschungsverbünden und Innovationsclustern

 

 

Retourenreduktion

 

 

Design eines Recommender-Systems für Kleidung

 

 

 

 

ROXANNE

Netzwerk-, Text- und Audio-Analyse für eine effektive Bekämpfung organisierter Kriminalität

 

 

 

 

 

 

 

RuBICon (-OStnt)

Verbundvorhaben: RuBICon – Rule-Based Initialisation of Converter Dominated Grids

Teilvorhaben: Methoden zum Netzwiederaufbau durch dezentrale Erzeugungsanlagen

 

 

 

MonoTo3D

Entwickeln von Verfahren zur monokularen Tiefenschätzung mit expliziter Modellierung des menschlichen Wahrnehmungsprozesses

 

 

 

ScienceGRAPH

Wissensgraph-basierte Darstellung, Erweiterung und Erforschung der wissenschaftlichen Kommunikation

 

 

 

 

 

 

 

SeVorAb

Selbstlernendes Vorhersagemodell für Abschlusswahrscheinlichkeit

 

 

 

 

 

 

 

Simple-ML

Verbesserung der Benutzbarkeit von ML-Verfahren für einen breiten Anwenderkreis

 

 

 

 

smashHit

Nachverfolgbarkeit, Vertrauen, Sicherheit und Datenschutz in Datenmärkten gewährleisten