
Smart Innovation durch Natural Language Processing
Description
Alles über E-Books | Antworten auf Fragen rund um E-Books, Kopierschutz und Dateiformate finden Sie in unserem Info- & Hilfebereich.
More details
Other editions
Additional editions


Persons
ISNI: 0000 0003 8220 050X
ISNI: 0000 0000 8100 3561
Content
- Intro
- Vorwort
- Inhaltsverzeichnis
- Teil 1 Konzepte, Methoden und Modelle
- 1 Innovation der Motor der Wirtschaft
- Wilhelm Bauer, Joachim Warschat
- 1.1 Wo stehen wir
- 1.2 Wo gehen wir hin
- 1.3 Der Aufbau des Buchs
- 2 Der Mensch im Innovationsprozess
- Wilhelm Bauer, Joachim Warschat, Antonino Ardilio
- 2.1 Crealytic
- 2.2 Kreativitäts- und Innovationsmethoden
- 3 Technologie als Innovationstreiber
- Wilhelm Bauer, Joachim Warschat, Antonino Ardilio
- 3.1 Technologien treiben Innovationen
- 3.2 In Funktionen denken
- 3.3 Technologiesysteme, vernetzte Funktionen
- 3.4 Welche Rolle spielen Leistungsparameter
- 4 Was will der Kunde
- Wilhelm Bauer, Joachim Warschat, Antonino Ardilio
- 4.1 Welche Funktionen sind dem Nutzer wichtig
- 4.2 Was bieten die Technologien
- 5 Die Datenflut
- Wilhelm Bauer, Joachim Warschat
- 5.1 Rasantes Wachstum des weltweiten Wissens
- 5.2 Visible und Invisible Web
- 5.3 Was sind verlässliche Quellen
- 6 Methoden der Künstliche Intelligenz
- Joachim Warschat, Matthias Hemmje, Michael Schmitz, Antonino Ardilio
- 6.1 Was ist Künstliche Intelligenz
- 6.2 Drei grundlegende Aufgaben des maschinellen Lernens
- 6.2.1 Regression
- 6.2.2 Klassifikation
- 6.2.3 Clusteranalyse
- 6.3 Sprache verstehen (Natural Language Processing (NLP))
- 6.3.1 Textaufbereitung (Preprocessing)
- 6.3.2 Mit Worten rechnen Vektorisierung von Texten
- 6.3.3 Generative und diskriminative Modelle am Beispiel Topic Modeling
- 6.4 NLP und Deep Learning
- 6.4.1 Lernformen
- 6.4.1.1 Überwachtes Lernen/Supervised Learning
- 6.4.1.2 Unüberwachtes Lernen/Unsupervised Learning
- 6.4.1.3 Teilüberwachtes Lernen/Semisupervised Learning
- 6.4.1.4 Selbstüberwachtes Lernen/Selfsupervised Learning
- 6.4.1.5 Lernen durch Belohnung/Reinforcement Learning
- 6.4.2 Bewertung der Prognosewerte
- 6.4.3 Statistische Methoden und neuronale Netze
- 6.4.3.1 Hidden-Markov-Modell (HMM)
- 6.4.3.2 Conditional Random Fields (CRF)
- 6.4.3.3 Random Forest
- 6.4.3.4 Multilayer Perceptron Netze (MLP)
- 6.4.3.5 Convolutional Neural Networks (CNN)
- 6.4.3.6 Recurrente Neuronale Netze (RNN)
- 6.4.3.7 Long Short-Term Memory (LSTM) und Gated Recurrent Unit (GRU)
- 6.4.3.8 Transformer
- 6.4.3.9 BERT und seine Verwandten
- 6.4.4 Arbeiten mit neuronalen Netzen
- 6.4.4.1 Hyperparameter
- 6.4.4.2 NLP-Tools
- 6.4.4.3 Hardware für NLP
- 6.4.5 NLP-Aufgaben
- 6.4.5.1 Named Entity Recognition (NER)
- 6.4.5.2 Sentiment-Analyse (Empfindungsanalyse)
- 6.4.5.3 Textzusammenfassung (Summarization)
- 6.4.5.4 Topic Modelling und Topic-Klassifikation
- 6.4.5.5 Frage & Antwort
- 6.4.5.6 Suchmaschine
- 6.5 Symbolische KI-Systeme
- 6.5.1 Semantik
- 6.5.2 Wissensrepräsentation
- 6.5.3 Tools für die wissensbasierte Modellierung
- 6.5.4 KI-Verfahren (symbolisch) zur Ermittlung von Technologien und Anwendungen
- 6.5.4.1 Funktionsbasierte Formulierung des Informationsbedarfs
- 6.5.4.2 Funktionsprofile
- 6.5.4.3 Automatisierte Ermittlung von Funktionsprofilen
- 6.5.4.4 Suche nach Technologienamen
- 6.6 Hybride Systeme (symbolisch & subsymbolisch)
- 7 KI in der Praxis
- Wilhelm Bauer, Joachim Warschat
- 7.1 KI-Projekte
- 7.2 KI im Unternehmen
- Teil 2 Fallstudien
- 8 Extraktion von Problemstellung und Lösung aus Patenten mit neuronalen Netzen
- Lukas Heller, Joachim Warschat
- 8.1 Aufgabenstellung
- 8.2 Konzepte, Methoden und Modelle
- 8.2.1 Inventive Design Method
- 8.2.2 Neuronale Netze als NLP-Werkzeuge
- 8.2.3 Textvektorisierung
- 8.2.4 Convolutional Neural Networks
- 8.2.5 LSTM
- 8.2.6 Attention based neural Networks
- 8.3 Modellentwicklung
- 8.3.1 Datengrundlage
- 8.3.2 Netzstruktur
- 8.3.3 Optimierungsparameter und Trainingsdurchläufe
- 8.3.4 Referenzwert für die Ergebnisse
- 8.3.5 Ergebnis
- 8.4 Modellanwendung
- 8.4.1 Vergleich mit Expertenklassifizierung
- 8.4.2 Anwendung auf anderen Patentbereich
- 8.4.3 Vergleich der Modelle
- 8.4.4 Anwendung des Systems
- 8.4.4.1 Anwendung auf Beispielpatent
- 8.4.4.2 Prototyp eines Patentanalysetools
- 9 Argumentationsunterstützung durch emergentes Wissen in der Medizin
- Christian Nawroth, Alexander Duttenhöfer, Matthias Hemmje.
- 9.1 Einleitung und Definitionen
- 9.2 Vorstudien
- 9.3 Systemarchitektur
- 9.4 Konzeption des medizinischen Emerging Argument Extractor (medizinischer eAX)
- 9.5 Proof-of-Concept-System
- 9.6 Evaluation
- 9.7 Zusammenfassung und Ausblick
- 10 Funktionssemantische Repräsentation von 3D-Technologien für diagnostische Röntgensysteme
- Stefan Trapp
- 10.1 Einleitung
- 10.2 3D-Szenen zur automatischen Positionierung diagnostischer Röntgensysteme
- 10.3 NLP für die Technologiefrühaufklärung
- 10.4 Technologiesuche als Named-Entity-Recognition-Aufgabe
- 10.5 Analyse der 3D-Technologie für Röntgensysteme
- 10.6 Funktionsanalyse
- 10.7 Ontologie zur Repräsentation der 3D-Technologie
- 10.8 Skizze einer Technologiesuche mit BERT Question Answering
- 10.9 Wahl der 3D-Sensor-Technologie
- 10.10 Fazit und Ausblick
- 11 Automatische Abschätzung von Technology und Market Readiness
- Tobias Eljasik-Swoboda, Christian Rathgeber, Rainer Hasenauer
- 11.1 Einleitung
- 11.2 Triple Bottom Line
- 11.2.1 Was ist READINESS
- 11.2.2 Markt- und Technologiebereitschaft
- 11.2.3 AI-Bereitschaft
- 11.2.4 Der automatisierte Innovationscoach
- 11.3 Wie funktioniert die READINESSnavigator AI
- 11.4 Wie gut funktioniert die READINESSnavigator AI
- 11.5 Wie man AI dazu motiviert, besser zu funktionieren
- 11.6 Fazit
- 12 Technologieermittlung und -umsetzung mit Crealytic bei einem mittelständischen Unternehmen
- Antonino Ardilio, Lukas Keicher
- 12.1 Unternehmen
- 12.2 Herausforderung
- 12.3 Ziel
- 12.4 Methodisches Vorgehen
- 12.4.1 Design-Thinking-Phase 1: Verstehen ( gemeinsames Verständnis schaffen )
- 12.4.2 Design-Thinking-Phase 2: Beobachten ( Kundenbedürfnisse verstehen )
- 12.4.3 Design-Thinking-Phase 3: Definieren ( Genaue Beschreibung des Problems )
- 12.4.4 Design-Thinking-Phase 4: Ideenfindung ( Generierung von Lösungsideen )
- 12.5 Technische Vorgehensweise
- 12.6 Ergebnis
- 13 Wissensbasierte Produktionsplanung für intelligente Produktionsumgebungen
- Benjamin Gernhardt, Tobias Vogel und Matthias Hemmje
- 13.1 Ausgangspunkt
- 13.2 Einleitung und Motivation
- 13.3 Hintergrund und Stand der Wissenschaft und Technik
- 13.4 Modellierung der KPP-Ontologie
- 13.5 Verbleibende Herausforderungen
- 13.6 Vorgeschlagener Ansatz
- 13.7 Verwandte Arbeiten
- 13.8 Integrationskonzept
- 13.9 Proof-of-Concept-Szenarien
- 13.10 Fazit
- 14 Technology Intelligence Technologiefrühaufklärung mit statistischen Verfahren und neuronalen Netzen
- Franck K. Adjogble, Joachim Warschat
- 14.1 Einführung
- 14.2 Motivation und Kontext am Beispiel von Elektroautos
- 14.3 Verbrauchermeinungen und die Dynamik der Märkte
- 14.4 Elektrofahrzeuge und ihre technologischen Merkmale
- 14.5 Die Data Envelopment Analysis (DEA)
- 14.6 Technology Forecasting mit der Data Envelopment Analysis (TFDEA)
- 14.7 Technologiefrühaufklärung mit neuronalen Netzen
- 14.7.1 Die Regressionsanalyse als Funktion der Rate of Change
- 14.7.2 Berechnung der Dynamic-Rate-of-Change mit einem neuronalen Netzwerk
- 14.8 Anwendung des Verfahrens am Beispiel Elektroauto
- 14.8.1 Aufteilung der Funktionalitäten in Modelle
- 14.8.2 Das Setup Modell
- 14.8.3 Das Prädiktion Modell
- 14.8.4 Adaption Modell durch neuronales Netzwerk
- 14.9 Zusammenfassung und Ausblick
- 15 Literaturverzeichnis
- Literatur
- Links
- 16 Index
- 17 Die Autoren
- Leere Seite
System requirements
File format: PDF
Copy protection: Watermark-DRM (Digital Rights Management)
System requirements:
- Computer (Windows; MacOS X; Linux): Use the free software Adobe Reader, Adobe Digital Editions, or any other PDF viewer of your choice (see eBook Help).
- Tablet/Smartphone (Android; iOS): Install the free app Adobe Digital Editions or another reading app for eBooks, e.g., PocketBook (see eBook Help).
- E-reader: Bookeen, Kobo, Pocketbook, Sony, Tolino and many more (only limited: Kindle).
The file format PDF always displays a book page identically on any hardware. This makes PDF suitable for complex layouts such as those used in textbooks and reference books (images, tables, columns, footnotes). Unfortunately, on the small screens of e-readers or smartphones, PDFs are rather annoying, requiring too much scrolling.
This eBook uses Watermark-DRM, a „soft” copy protection. This means that there are no technical restrictions to prevent illegal distribution. However, there is a personalised watermark embedded in the eBook that can be used to identify the purchaser of the eBook in the event of misuse and to provide evidence for legal purposes.
For more information, see our eBook Help page.