Advertisement

Kognitive Systeme und Robotik

Intelligente Datennutzung für autonome Systeme
  • Christian Bauckhage
  • Thomas Bauernhansl
  • Jürgen Beyerer
  • Jochen Garcke

Zusammenfassung

Kognitive Systeme können komplexe Prozesse überwachen, analysieren und gewinnen daraus auch die Fähigkeit, in ungeplanten oder unbekannten Situationen richtig zu entscheiden. Fraunhofer-Experten setzen Verfahren des maschinellen Lernens ein, um neue kognitive Funktionen für Roboter und Automatisierungslösungen zu nutzen. Dazu statten sie Systeme mit Technologien aus, die von menschlichen Fähigkeiten inspiriert sind bzw. diese imitieren und optimieren. Der Bericht beschreibt diese Technologien, erläutert aktuelle Anwendungsbeispiele und entwirft Szenarien für zukünftige Anwendungsfelder.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Quellen und Literatur

  1. [1]
    Bengio Y (2009) Learning Deep Architectures for AI, Foundations and Trends in Machine Learning 2 (1) 1-127CrossRefGoogle Scholar
  2. [2]
    Krizhevsky A, Sutskever I, Hinton G (2012) ImageNet Classification with Deep Convolutional Neural Networks, in Proc. NIPSGoogle Scholar
  3. [3]
    Hinton G, Deng L, Yu D, Dahl G, Mohamed A and Jaitly N (2012) Deep Neural Networks for Acoustic Modeling in Speech Recognition: The Shared Views of Four Research Groups, IEEE Signal Processing Magazine 29 (6) 82-97CrossRefGoogle Scholar
  4. [4]
    Mikolov T, Sutskever I, Chen K, Corrado G and Dean J (2013) Distributed Representations of Words and Phrases and their Compositionality in Proc. NIPSGoogle Scholar
  5. [5]
    Levine S, Wagener N, Abbeel P (2015) Learning Contact-Rich Manipulation Skills with Guided Policy Search, Proc. IEEE ICRAGoogle Scholar
  6. [6]
    Esteva A, Kuprel B, Novoa R, Ko J, Swetter S, Blau H, Thrun S (2017) Dermatologistlevel Classification of Skin Cancer with Deep Neural Networks, Nature 542 (7639) 115-118CrossRefGoogle Scholar
  7. [7]
    Silver D, Huang A, Maddison C, Guez A, Sifre L, van den Driesche G, Schrittwieser J (2016) „Mastering the Game of Go with Deep Neural Networks and Tree Search“ Nature 529 (7587) 484-489CrossRefGoogle Scholar
  8. [8]
    Moracik M, Schmidt M, Burch N, Lisy V, Morrill D, Bard N, Davis T, Waugh K, Johanson M and Bowling M (2017) DeepStack: Expert-level Artificial Intelligence in Heads-up No-limit Poker, Science 356 (6337) 508-513MathSciNetCrossRefGoogle Scholar
  9. [9]
    Hornik K, Stinchcombe M, White H (1989) Multilayer Feedforward Networks Are Universal Approximators, Neural Networks 2 (5) 359-366CrossRefGoogle Scholar
  10. [10]
    Cybenko G (1989) Approximation by Superpositions of a Sigmoidal Function, Mathematics of Control, Signals and Systems 2 (4) 303-314MathSciNetCrossRefGoogle Scholar
  11. [11]
    Rumelhart D, Hinton G and Williams R (1986) Learning Representations by Backpropagating Errors, Nature 323 (9) 533-536CrossRefGoogle Scholar
  12. [12]
    V. Vapnik and A. Chervonenkis (1971) On the Uniform Convergence of Relative Frequencies of Events to Their Probabilities, Theory of Probability and its Applications 16 (2) 264-280CrossRefGoogle Scholar
  13. [13]
    Barker J, Bulin J, Hamaekers J, Mathias S, LC-GAP (2017) Localized Coulomb Descriptors for the Gaussian Approximation Potential, in Scientific Computing and Algorithms in Industrial Simulations, Griebel, Michael, Schüller, Anton, Schweitzer, Marc Alexander (eds.), SpringerGoogle Scholar
  14. [14]
    Garcke J, Iza-Teran R, Prabakaran N (2016) Datenanalysemethoden zur Auswertung von Simulationsergebnissen im Crash und deren Abgleich mit dem Experiment, VDI-Tagung SIMVEC 2016.Google Scholar

Copyright information

© Springer-Verlag GmbH Deutschland 2018

Authors and Affiliations

  • Christian Bauckhage
    • 1
  • Thomas Bauernhansl
    • 2
  • Jürgen Beyerer
    • 3
  • Jochen Garcke
    • 4
  1. 1.Fraunhofer-Institut für Intelligente Analyse- und Informationssysteme IAISSankt AugustinDeutschland
  2. 2.Fraunhofer-Institut für Produktionstechnik und Automatisierung IPAStuttgartDeutschland
  3. 3.Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSBStuttgartDeutschland
  4. 4.Fraunhofer-Institut für Algorithmen und Wissenschaftliches Rechnen SCAISankt AugustinDeutschland

Personalised recommendations