Schweitzer Fachinformationen
Wenn es um professionelles Wissen geht, ist Schweitzer Fachinformationen wegweisend. Kunden aus Recht und Beratung sowie Unternehmen, öffentliche Verwaltungen und Bibliotheken erhalten komplette Lösungen zum Beschaffen, Verwalten und Nutzen von digitalen und gedruckten Medien.
The work presents new approaches to Machine Learning for Cyber Physical Systems, experiences and visions. It contains some selected papers from the international Conference ML4CPS - Machine Learning for Cyber Physical Systems, which was held in Lemgo, October 25th-26th, 2017.
Cyber Physical Systems are characterized by their ability to adapt and to learn: They analyze their environment and, based on observations, they learn patterns, correlations and predictive models. Typical applications are condition monitoring, predictive maintenance, image processing and diagnosis. Machine Learning is the key technology for these developments.
Prof. Dr.-Ing. Jürgen Beyerer is Professor at the Department for Interactive Real-Time Systems at the Karlsruhe Institute of Technology. In addition he manages the Fraunhofer Institute of Optronics, System Technologies and Image Exploitation IOSB.
Dr. Alexander Maier is head of group Machine Learning at Fraunhofer IOSB-INA. His focus is on the development of algorithms for big data applications in Cyber-Physical Systems (diagnostics, optimization, predictive maintenance) and the transfer of research results to industry.
Prof. Dr. Oliver Niggemann is Professor for Artificial Intelligence in Automation. His research interests are in the fields of machine learning and data analysis for Cyber-Physical Systems and in the fields of planning and diagnosis of distributed systems. He is a board member of the research institute inIT and deputy director at the Fraunhofer Application Center Industrial Automation INA located in Lemgo.
Prescriptive Maintenance of CPPS by Integrating Multi-modal Data with Dynamic Bayesian Networks.- Evaluation of Deep Autoencoders for Prediction of Adjustment Points in the Mass Production of Sensors.- Differential Evolution in Production Process Optimization of Cyber Physical Systems.- Machine Learning for Process-X: A Taxonomy.- Intelligent edge processing.- Learned Abstraction: Knowledge Based Concept Learning for Cyber Physical Systems.- Semi-supervised Case-based Reasoning Approach to Alarm Flood Analysis.- Verstehen von Maschinenverhalten mit Hilfe von Machine Learning.- Adaptable Realization of Industrial Analytics Functions on Edge-Devices using Recongurable Architectures.- The Acoustic Test System for Transmissions in the VW Group.
Dateiformat: PDFKopierschutz: Wasserzeichen-DRM (Digital Rights Management)
Systemvoraussetzungen:
Das Dateiformat PDF zeigt auf jeder Hardware eine Buchseite stets identisch an. Daher ist eine PDF auch für ein komplexes Layout geeignet, wie es bei Lehr- und Fachbüchern verwendet wird (Bilder, Tabellen, Spalten, Fußnoten). Bei kleinen Displays von E-Readern oder Smartphones sind PDF leider eher nervig, weil zu viel Scrollen notwendig ist. Mit Wasserzeichen-DRM wird hier ein „weicher” Kopierschutz verwendet. Daher ist technisch zwar alles möglich – sogar eine unzulässige Weitergabe. Aber an sichtbaren und unsichtbaren Stellen wird der Käufer des E-Books als Wasserzeichen hinterlegt, sodass im Falle eines Missbrauchs die Spur zurückverfolgt werden kann.
Weitere Informationen finden Sie in unserer E-Book Hilfe.
