Institut für Automation und angewandte Informatik

Maschinelles Lernen für Hochdurchsatzverfahren und Mechatronik (ML4HOME)

Die Arbeitsgruppe „Maschinelles Lernen für Hochdurchsatzverfahren und Mechatronik“ (ML4HOME) beschäftigt sich mit der Analyse von Daten, die automatisiert von mechatronischen Systemen in großem Umfang generiert werden. Ziel ist die Modellierung von Zusammenhängen z.B. auf der Basis von gelabelten bzw. ungelabelten Bildern oder Zeitreihen.  Der Fokus liegt hierbei auf der Verallgemeinerung großer Datensätzen bestehend aus vielen Datenpunkten (High-Throughput), deren Größe eine automatisierte Datenauswertung zwingend erfordert.

Um eine unkomplizierte Nutzbarkeit der entstandenen Algorithmen und Erkenntnisse zu gewährleisten, sind die Softwarepakete typischerweise in die Open Source MATLAB Toolbox SciXMiner integriert.

 

Team:

  • PD. Dr. Markus Reischl
  • Moritz Böhland
  • Lukas Klinger (DHBW)
  • Sophie Kramer (PEBA)
  • Friedrich Münke
  • Lisa Petani
  • Prof. Dr. Christian Pylatiuk
  • Jan Schützke
  • Mark Schutera (ZF)
  • Yanke Wang (CSC)

 

Programm:

BioInterfaces in Technology and Medicine (BIFTM)

 

Projekte:

              

Abgeschlossene Projekte: