KI in der TV-Planung – Ein Blick in die Zukunft aus dem Wupper Valley
KI in der TV-Planung – Ein Blick in die Zukunft aus dem Wupper Valley
What’s hot in February?
Wir freuen uns, dass auch in diesem Monat mehrere unserer Publikationen rund um angewandte KI, Transfer Learning und semantischen Technologien veröffentlicht oder zur Vorstellung auf wissenschaftlichen Konferenzen akzeptiert wurden:
Veröffentlichte Publikationen
- Unser Paper Bézier Curve Based Continuous and Smooth Motion Planning for Self-Learning Industrial Robots von Christian Scheiderer et al. wurde in Procedia Manufacturing veröffentlicht. Das Paper zeigt eindrucksvoll, wie selbstlernende KI-Agenten mittels Deep Reinforcement Learning für einen realen Industrieroboter umgesetzt und realisiert werden können. Das Paper ist hier zu finden.
- Unser Paper Industrial Transfer Learning: Boosting Machine Learning in Production von Hasan Tercan et al. wurde veröffentlich in Proceedings of the 2019 IEEE 17th International Conference on Industrial Informatics (INDIN). In dieser Veröffentlichung werden sowohl die Potentiale von Transfer Learning für den industriellen Kontext aufgezeigt als auch ein neuartiger Ansatz zum kontinuierlichen Lernen von künstlichen neuronalen Netzen vorgestellt. Das Paper ist hier zu finden.
- Unser Beitrag zu Industrial Big Data: Modernes Informationsmanagement in der Produktion von Tobias Meisen et al. wurde im Sammelband Big Data - Anwendung und Nutzenpotenziale in der Produktion des Kohlhammer Verlags veröffentlicht. Der Beitrag behandelt moderne Lösungen zum Daten- und Informationsmanagement zur Reduktion der Time-to-Analytics mit anschaulichen und realen Beispielen aus verschiedenen Branchen. Weitere Informationen sind hier zu finden.
- Unser Paper Semantic Concept Recommendation for Continuously Evolving Knowledge Graphs von André Pomp et al. wurde veröffentlich in den Lecture Notes in Business Information Processing vom Springer Verlag. In dem Paper schlagen wir einen neuartigen Ansatz zur datengetriebenen Empfehlung von semantischen Konzepten auf Basis eines sich ständig weiterentwickelnden Wissensgraphen vor. Das Paper ist hier zu finden.
Akzeptierte Publikation
Das Paper Multi Agent Deep Q-Network Approach for Online Job Shop Scheduling in Flexible Manufacturing von Shirin Baer et al. wurde für die International Conference on Industrial Engineering and Applications (ICIEA 2020) akzeptiert. Kern des Papers sind Deep Reinforcement Learning Agenten zur Planung von Produktionsprozessen. Weitere Infos zur Konferenz sind hier zu finden.
Abschlussarbeiten
Darüber hinaus bieten wir wieder neue Abschlussarbeiten (Bachelor, Master) für Studierende rund um die Themen Deep Learning, Transfer Learning und Explainable AI an. Weitere Infos sowie alle Ausschreibungen können unserer Webseite entnommen werden.
