Auflistung nach:
Auflistung S16 - SKILL 2020 - Studierendenkonferenz Informatik nach Erscheinungsdatum
1 - 10 von 13
Treffer pro Seite
Sortieroptionen
- KonferenzbeitragSystemische Betrachtung des therapeutischen Roboters Paro im Vergleich zu dem Haustierroboter AIBO(SKILL 2020 - Studierendenkonferenz Informatik, 2020) Schulz, FranziskaRoboter sind in der heutigen Zeit nicht nur in der Industrie zu finden, sondern werden immer häufiger in privaten Lebensbereichen eingesetzt. Ein Beispiel hierfür ist der soziale Therapie-Roboter Paro. Dieser ist dem Verhalten und Aussehen einer jungen Robbe nachempfunden, drückt Gefühle aus und wird besonders in Pflegeheimen eingesetzt. Dabei zeigt er positive Auswirkungen auf das Wohlbefinden pflegebedürftiger Menschen. Diese Arbeit stellt den Roboter Paro in einersystemischen Analyse dar: hierbei werden Systemkontext, Anwendungsfälle, Anforderungen und Struktur betrachtet. Anschließend erfolgt eine Analyse des Haustierroboters AIBO, welcher einem Welpen ähnelt und verstärkt der Unterhaltung von Privatpersonen dient. Es werden Gemeinsamkeiten und Unterschiede zwischen den Systemen herausgearbeitet. Dabei wird ersichtlich, dass beide Systeme dem Nutzer vorrangig Gesellschaft leisten, jedoch verschiedene Anforderungen besitzen und in unterschiedlichen Anwendungsdomänen eingesetzt werden. Zudem besitzt AIBO vielfältigere Fähigkeiten und einen höheren Bewegungsgrad als Paro. Dies spiegelt sich in einer komplexeren Struktur der Hardware wider.
- KonferenzbeitragVergleichende Analyse der Komplexität musikalischer Dimensionen von Klavierwerken europäischer Komponisten anhand von MIDI-Files(SKILL 2020 - Studierendenkonferenz Informatik, 2020) Miller, MihailDie vorliegende Arbeit analysiert mithilfe von objektiven Metriken Musikwerke namhafter europäischer Komponisten, die für Klavier und Cembalo geschrieben wurden, explorativ in Bezug auf die Komplexität ihrer musikalischen Dimensionen. Die für diese Analyse notwendigen Messungen wurden an 311 annotierten mehrspurigen MIDI-Files vorgenommen. Das Korpus wurde deskriptiv-statistisch untersucht. Abschließend wurden die Ergebnisse auf ihre Plausibilität und ihre Aussagekraft im Bezug auf das zeitgeistige Musikverständnis der erfassten Zeiträume geprüft.
- KonferenzbeitragKlassische Migräne vs. gewöhnliche Migräne: Untersuchung basierend auf Altersstruktur und Geschlecht(SKILL 2020 - Studierendenkonferenz Informatik, 2020) Strauß, Christa; Amann, TinaDiese Studie zielt darauf ab, klassische Migräne und gewöhnlicher Migräne zu vergleichen. Dabei wird auf Basis von online gesammelten Daten des Projektes "Migräne–Radar", die Altersstruktur und das biologische Geschlecht näher betrachtet, um Rückschlüsse auf Hormoneinflüsse treffen zu können. Mithilfe des Projekts "Migräne–Radar" des Instituts für Informationssysteme der Hochschule Hof wurden 66886 Migräneattacken von 2904 Betroffenen zu Verfügung gestellt. Die Beteiligten wurden in vier Altersgruppen eingeteilt. Anhand dieser Aufteilung können sowohl geschlechtsspezifische als auch altersbedingte Unterschiede zwischen den beiden Krankheitsbildern untersucht werden. Die Ergebnisse lassen vermuten, dass Migräneanfalle ohne Aura sowohl bei Männern als auch bei Frauen durch Hormone beeinflussbar sein können. Migräneanfälle mit Aura hingegen weniger.
- KonferenzbeitragDer Einsatz maschinellen Lernens zur inertialen Bewegungsanalyse am Pferderumpf für das digitale Trainingsmonitoring im Leistungssport(SKILL 2020 - Studierendenkonferenz Informatik, 2020) Pavel, Johannes; Fercher, Christina; Herold, FrankDas leistungssportliche Training von Pferd und Reiter ist geprägt durch die langjährige Erfahrung und die individuelle Einschätzung von Reiter und Trainer. Ergänzend dazu soll langfristig eine objektive Möglichkeit zur Beurteilung von Bewegung geschaffen werden. Auf Grund der notwendigen Feldbedingungen der Sportpraxis eignet sich die Verwendung von Inertialsensoren am Pferderumpf. Ziel dieser Arbeit ist es durch den Einsatz von Maschinellen Lernen über neuronalen Netzen die pferdesportpraktischen Bewegungen anhand der inertialen Bewegung des Pferderumpfs zu detektieren. Als Basis dienen die zyklischen Gangarten Schritt, Trab, Linksgalopp und Rechtsgalopp, sowie die Bewegungsrichtung, das Halten und in einem nächsten Schritt die azyklische Springbewegung und dressurspezifischen Lektionen, um einerseits das tägliche Training im Heimatstall dokumentieren und andererseits eine kinematische Bewegungsanalyse, bspw. am Sprung, durchführen zu können. Dabei beweist die Analyse, dass die verschiedenen Gangarten sehr gut klassifiziert werden können.
- KonferenzbeitragAsynchronous and Decentral Group Management in Messengers with Delegated Proof of Stake(SKILL 2020 - Studierendenkonferenz Informatik, 2020) Hellenbrand, AndreasMobile messaging applications are used widely for group communication using group chats. Most messenger platforms rely on their centralized infrastructure to maintain the group states. This can imply privacy issues and allow potential misuse by the messenger providers. To resolve this privacy implications, a decentral approach can be implemented. The decentral protocol presented in this work is based on the Delegated Proof of Stake consensus protocol and uses a blockchain to store the groups state. The main focus of this work is the optimization of the protocol to be able to deal with the asynchronous environment of mobile applications.
- KonferenzbeitragVergleich verschiedener Algorithmen für ein N-Spieler schachähnliches Brettspiel(SKILL 2020 - Studierendenkonferenz Informatik, 2020) Dröse, HannesDie Implementierung von Computergegnern für N-Spieler-Spiele (mit mehr als zwei Spielern) stellt eine besondere Herausforderung dar. Für die Lösung gibt es eine Vielzahl verschiedener Algorithmen und Varianten. Daher werden in diesem Paper ein paar typische Algorithmen mit einander verglichen. Dabei handelt es sich um den Max N (mit verschiedenen Pruning Strategien), den paranoiden Minimax und den Hypermax-Algorithmus. Alle Algorithmen werden implementiert und ihre Effektivität wird anhand des Brettspiels “Chamäleon Schach” auf die Probe gestellt.
- KonferenzbeitragSemantic Code Search with Neural Bag-of-Words and Graph Convolutional Networks(SKILL 2020 - Studierendenkonferenz Informatik, 2020) Sieper, Anna Abad; Amarkhel, Omar; Diez, Savina; Petrak, DominicSoftware developers are often confronted with tasks for which there are widespread solution patterns. Searching for solutions using natural language queries often leads to unsatisfying results. Github, Microsoft Research and Weights & Biases created the CodeSearchNet Challenge to address this problem. Its goal is to develop code search approaches that return the code that best matches a natural language query. In this paper, we investigate two different approaches in this context. First, a Neural Bag-of-Words encoder using TF-IDF weighting and second, a Graph Convolutional Network which includes the call hierarchy in a target method’s representation. In our experiments we were able to improve the Neural Bag-of-Words models, whose results were published in the CodeSearchNet Challenge. Our Neural Bag-of-Words encoder improves the MRR by 4.38% for Python and 4.98% for Java. The Graph Convolutional Network did not improve the results over of the Neural Bag-of-Words model.
- KonferenzbeitragMensch-Maschinen-Schnittstelle mit Vibrationsaktoren zum "Fühlen" von Texten(SKILL 2020 - Studierendenkonferenz Informatik, 2020) Krämer, JanIn diesem Paper wird ein Vibrationsgürtel zum „Fühlen“ von Texten vorgestellt. Der Fokus liegt dennoch auf dem Erkennen einzelner Buchstaben. Dieser Vibrationsgürtel stellt allgemeiner eine Mensch-Maschinen-Schnittstelle über den Tastsinn dar, mit der prinzipiell beliebige Daten übertragen werden können.
- KonferenzbeitragSKILL 2020 - Komplettband(SKILL 2020 - Studierendenkonferenz Informatik, 2020)
- KonferenzbeitragDeveloping a game AI for Murus Gallicus(SKILL 2020 - Studierendenkonferenz Informatik, 2020) Wilson, Philip Wilson; Savinov, Andrej; Kadavanich, AnnabellaThe development of game AIs has been a popular challenge in the last years. One of the best game agents, AlphaZero, was developed by DeepMind in 2017 and superseded by MuZero in 2019. Both agents are based on algorithms that perfectly learn to play any game within not even a day, given they are fed the game’s rules. The development of such game AIs does not necessarily require big computation centers like the ones Google has. In this work, we show how to develop and implement a Murus Gallicus game AI using mainly GOFAI (Good Old-Fashioned Artificial Intelligence) methods. We start with a comparison between different search tree algorithms, including MiniMax, NegaMax, NegaScout (principal variation search) and show how transposition tables can be used for optimization. Furthermore, we demonstrate the advantages of a dynamic value function and time management while searching for the best move. Lastly, we evaluate the application of Evolutionary Learning (EL), explaining how we trained specific parameters.