Forschungsseminar (SS 2006)
DI 11.00-13.00 Uhr, RUD 25, Raum 3.408
|
TBase as a basic component in
the OpEN.SC project Danilo Schmidt, HU |
Probevortrag zum 1. Workshop "Open European Nephrology Science Center - OpEN.SC" |
|
Die Doppelpass-Architektur -
Verhaltenssteuerung autonomer Agenten in dynamischen Umgebungen
(Diplomarbeit) Ralf Berger, HU |
Die Diplomarbeit beschäftigt sich mit Architekturkonzepten für die Verhaltenssteuerung autonomer Softwareagenten in dynamischen Umgebungen. Es wurde eine Verhaltensarchitektur (Doppelpass-Architektur) entwickelt und implementiert, die die Verfolgung langfristiger, kooperativer Ziele unter Echtzeitbedingungen ermöglicht und viele Probleme klassischer Ansätze in derartigen Umgebungen löst. Ausgangspunkt dafür ist die Annahme, dass komplexe und insbesondere längerfristig koordinierte Verhaltensweisen durch Datenstrukturen beschrieben werden können, die sich an mentalen Modellen rationalen Handelns orientieren. |
|
Dynamic Hybrid Learning for
Multi-Agent Systems in Robotics Alireza Ferdowsizadeh Naeeni, DAAD PhD candidate, HU |
N.N. |
|
Experimente mit der Fahrenden
Platine Ferry Bachmann, HU |
N.N. |
|
Bewegungswahrnehmung mit
Neuronalen Netzen Andreas Wollstein, HU |
N.N. |
|
AT:
Weltmodellierung Daniel Göhring, HU |
N.N. |
|
Computational Models of
Spatial Language Martin Lötzsch, csl.sony, Frankreich |
Martin Loetzsch ist Doktorand am Sony Computer Science Laboratory Paris (Prof. Luc Steels). Der Vortrag gibt einen Überblick über die Forschunksaktivitäten der Sprachgruppe dieses Labors. Insbesondere geht es darum, wie sich verkörperlichte Agenten im Laufe vieler kommunikativer Interaktionen auf ein linguistisches Kommunikationssystem einigen können, was die notwendigen Voraussetzungen für eine solche Emergenz sind und welche komputationalen Modelle dabei verwendet werden. |
|
Sprachmuster in
wissenschaftlichen Texten Joerg Hakenberg |
Aktuelle Erkenntnisse in den Lebenswissenschaften finden sich in Fachpublikationen wieder, weniger in strukturierten Datenbanken. Wir wollen solche Erkenntnisse automatisch aus Texten extrahieren und zu Netzwerken kombinieren. Um Texte zu "verstehen", verwenden wir Sprachmuster, welche eine Vielzahl möglicher textueller Beschreibungen einzelner Fakten abdecken. Durch den Vergleich von Mustern mit beliebigen Texten können wir die Bedeutung von Textstellen ableiten. Im Vortrag möchte ich erläutern, wie wir derartige Sprachmuster automatisch finden und optimieren können, indem wir Informationen aus bereits existierenden, hochwertigen Annotationsdatenbanken ausnutzen. |
|
WM -
Robocup |
|
|
WM -
Robocup |
|
|
Kombination von Bildern
beweglicher Kameras Alexander Schade, HU |
N.N. |
|
Intelligent Information
Processing in Medicine Prof. Dr. Abdel-Badie M. Salem, Ain Shams University Cairo, Egypt |
This talk presents an overview about the research areas concerning the knowledge-based systems in medical domains at computer science Dept., Ain shams University, Cairo, Egypt.The talk discusses the usage of AI approaches, namely; Expert Systems, Neural Networks, Rough Sets and Visualization in developing some applications in the medical domain. The talk includes the following domains : 1- Expert Systems approach for diagnosing cancer and heart diseases. 2- Neural Networks approach for brain tumor diagnosis. 3-Rough Sets approach for determining thrombosis disease. 4-Visualization approach for thyroid disease. |
|
Eine Testumgebung für Robotic
Mapping Algorithmen Stephan Baumgart, Alexander Block, HU |
|
|
Simloid - Simulation des
Bioloid Daniel Hein, HU |
Keine leeren Akkus, keine gebrochenen PDA-Displays, volle Information und Kontrolle - Willkommen in der Welt der Simulation! Vorgestellt wird eine physikalische Simulation des Bioloid Roboters wie er im Humanoid Team Humboldt zum Einsatz kommt. Es wird gezeigt, wie in der Simulation unter Anwendung von Evolutionären Algorithmen Laufbewegungen generiert werden können, und diskutiert, wie die Simulation das "Laufen lernen" der echten Roboter unterstützen könnte. |
|
Reinforcement Learning Agents
that Benefit from Teachers Victor Uc Cetina, HU |
Reinforcement learning refers to a collection of methods that allow intelligent agents to improve their performances over time through their own interaction with the environment, without any external help except by a reward signal that is received from time to time. In many cases, the designer of the system has a lot of domain knowledge that if the agent could have access to, it would certainly improve the learning process in terms of speed, reliability and/or optimal performance. I will review some algorithms and architectures that allow the development of reinforcement learning agents that benefit from the knowledge provided by one or more teachers. |
|
Kontextabhängige
Weltmodelle Matthias Jüngel, HU |
