Gutachter: Prof. Dr. Wolfram Hardt (Technische Universität Chemnitz), Prof. Dr. Andreas Frey (Technische Hochschule Ingolstadt)
Abstract (DE):
In Automobilen Elektrik /Elektronik (E/E) Systemen sowie in der Flugzeugavionik gibt es eine Vielzahl an
Funktionen, die den Fahrzeugführer/Piloten bei seinen Aufgaben unterstützen können.
Die Anzahl und Verbreitung der Funktionen nahm in den letzten Jahren sehr stark zu und ein Ende dieses Trends ist nicht in Sicht.
Neue Technologien, wie komplett autonomes Fahren bei Fahrzeugen sowie eine stetige Erhöhung des Autonomie Levels von Unmanned Aerial Vehicles (UAVs)
in der Avionik bringen das heutige E/E Konzept an die Grenzen des Vertretbaren.
Das klassische, statisch konfigurierte E/E Konzept steht somit vor einer neuen Herausforderung, nämlich eine Vielzahl von neuen, zusätzlichen Funktion
zu integrieren und dabei die gleiche Funktionalität, Determinismus und Zuverlässigkeit an den Tag zu legen, wie in der Vergangenheit.
Mit dem klassischen statischen Konzept ist diese Anforderung nur zu gewährleisten, wenn für jede neue Funktion ein eigenes Steuergerät in das
System Automobil/Flugzeug integriert wird. Da dieses Konzept aber hohe Kosten und erweiterten Bauraum nach sich zieht,
ist es nicht mehr vertretbar und es wird nach neuen Optimierungsansätzen gesucht. Ein Optimierungsansatz ist der Übergang vom statischen
zum semi-statischen Scheduling unter Berücksichtigung der Multi-Core Prozessortechnologie.
Dieser Ansatz wird im Hierarchical Asynchronous Multi-Core System (HAMS) mit der statisch generierten Knowledgebase (KB) für Multi-Core Steuergeräte beschrieben.
Diese Dissertation zeigt die Konzepte und Ideen hinter HAMS auf und erörtert wie diese schon in den heutigen Domänen umgesetzt werden können.
Dabei werden Funktionen in unterschiedliche Phasen eingeteilt, die sich unter anderem an den aktuellen Fahr-/Flugzustand anlehnen.
Des Weiteren werden Funktionen logisch miteinander verknüpft, um konträre Aktivierungszustände zu finden.
Aus diesen Eingaben und der Konfiguration des Multi-Core Systems wird das Konzept für die HAMS Knowledgebase entwickelt.
Mit der Knowledgebase wird es nun ermöglicht, dass sich das System zur Laufzeit semi-statisch rekonfigurieren kann, ohne dabei den Determinismus von statischen
Steuergeräten aus den Domänen Automotive und Avionik zu verletzen. In einer abschließenden Evaluation wird das Konzept an einem realen Beispiel
umgesetzt und so die Vorteile und Grenzen aufgezeigt.
Abstract (EN):
In the current automotive electric /electronic (E/E) systems as well as in aircraft avionics a magnitude of functions does exist to assist the driver/pilot fulfilling its tasks. The quantity and distribution of assistant functions has continuously increased over the last few years and an end of this trend is not in sight. New emerging technologies like complete autonomous driving and an increase in the autonomy levels of Unmanned Areal Vehicles (UAVs) push the current E/E architecture towards its limits. The classic, statically configured E/E concept is facing new challenges like integrating a variety of new and additional functions and still displaying the same functionality, determinism and reliability as it has done in the past. Meeting this challenge with the classic, statically configured E/E concept is only possible, by integrating a new electronic control module (ECM) for each of this functions. This approach comes along with high costs for electronic control modules and a need for more installation space. Thus this configuration is not reasonable any more and a search for optimized solutions is ongoing. One strategy is to dissolve the static configurations and evolve into a semi-static configured system with Multi-Core Technology. This approach is described in the Hierarchical Asynchronous Multi-Core System (HAMS) and its statically generated Knowledgebase (KB) for Multi-Core electronic control modules. This dissertation illustrates the concept and ideas behind HAMS and demonstrates how it can already be implemented in today's systems. To do so functions are allocated in distinct phases which reflect the current driving or flying situation. Additionally functions are logically linked together to highlight contrary activation states. Depending on this input and the configuration of the Multi-Core ECM the Knowledgebase concept is developed. Having this Knowledgebase at hand it is now possible to reconfigure a system during run-time without violating the deterministic behavior of ECMs of the automotive and avionic domain. In the final evaluation the concept is realized based on a real example and the advantages as well as the limits are demonstrated.
Gutachter: Prof. Dr. Wolfgang Benn (Technische Universität Chemnitz), Prof. Dr. Wolfgang Lehner (Technische Universität Dresden)
Promotionsverteidigung Johannes Morgenstern
Abstract (DE):
Sowohl im Zusammenhang mit der durch den Menschen verursachten Erzeugung von Daten, als auch durch maschinell herbeigeführte Kommunikationsaufwände besteht der Wunsch, aus diesen Daten unter verschiedenen Gesichtspunkten Informationen zu gewinnen. Außerdem wächst die Menge der auszuwertenden Daten stetig. Als technische Grundlage zur Erfassung und Verarbeitung dieser Datenaufkommen werden skalierbare Systemkonzepte genutzt, die Datenwachstum durch inhärente Skalierbarkeit begegnen. Unter analytischen Gesichtspunkten handelt es sich um BigData-Systemkonzepte, deren technische Basis häufig durch nichtrelationale NoSQL-Systeme gebildet wird. In dieser Arbeit werden auf Basis der Growing Neural Gas, einem künstlichen Neuronalen Netz, zwei verteilte Algorithmen zum Erlernen inhaltlicher Merkmale für die Datenorganisation mit einem inhaltsorientierten Index betrachtet. Des Weiteren wird der inhaltsorientierte Index ICIx für Column Family Stores adaptiert, um die Informationsgewinnung in verteilten, dezentralen Systemen auch nach Merkmalen inhaltlicher Ähnlichkeit zu ermöglichen. Die durchgeführten Versuche zeigen, dass die verteilten Varianten des Growing Neural Gas Daten ohne Qualitätsverlust repräsentieren können. Außerdem ergibt die Anwendung der durch dieses künstliche Neuronale Netz organisierten Daten, dass die betrachtete Indexstruktur auch in verteilten, dezentralen Systemen den Datenzugriff gegenüber vergleichbaren Indizes beschleunigt.
Abstract (EN):
TExtBoth in the context of man-made data generation and machine-generated communication efforts, there is a desire to extract information from these data from a variety of perspectives. In addition, the amount of data to be evaluated steadily increases. As a technical basis for the collection and processing of this data volume, scalable system concepts are used that counteract data growth through inherent scalability. From an analytical point of view, these are BigData system concepts whose technical basis is often formed by non-relational NoSQL systems. In this work, based on the Growing Neural Gas, an artificial neural network, two distributed algorithms for the acquisition of content characteristics for data organization with a content-oriented index are considered. Furthermore, the content-oriented index ICIx for Column Family Stores will be adapted to enable information gathering in distributed, decentralized systems, even in terms of similarity in content. The experiments show that the distributed variants of Growing Neural Gas can represent data without loss of quality. In addition, the application of the data organized by this artificial neural network results in the fact that the index structure in question also accelerates the data access in comparison to comparable indices in distributed, decentralized systems.
Gutachter: Prof. Dr. Fred Hamker (Technische Universität Chemnitz), Prof. Dr. Heiko Neumann (Universität Ulm), Prof. Dr. Wolfgang Einhauser-Treyer
(Technische Universität Chemnitz)
Promotionsverteidigung Frederik Beuth
Abstract:
Visual attention is an important cognitive concept for the daily life of humans, but it is still not fully understood. Due to this, it is also rarely utilized in computer vision systems despite its strong benefits for human visual perception, due to missing understanding and uncertainty how to implement attention correctly. However, understanding visual attention is challenging as it has many and seemingly-different aspects, both at neuronal and behavioral level. Thus, it is very hard to give a uniform explanation of visual attention that accounts for all aspects. To tackle this problem, this doctoral thesis has the goal to identify a common set of neuronal mechanisms, which underlie both neuronal and behavioral aspects, and thus allows to explain a wide range of phenomena. In the thesis, the chosen aspects are multiple neurophysiological effects, real-world object localization, and a visual masking paradigm (OSM). In each of the considered fields, the work also advances the current state of-the-art to better understand this aspect of attention itself. The three chosen aspects highlight that the approach can account for crucial neurophysiological, functional, and behavioral properties of visual attention. As the mechanisms are able to account for attention under such a variation of view points, they might constitute the general neuronal substrate of visual attention in the cortex. Therefore, the work provides a deeper understanding of attention for the computer vision community, and in form of the neuronal mechanisms a concrete prototype implementation to incorporate this crucial aspect of human perception into future computer vision systems.
Gutachter: Prof. Dr. Fred Hamker (Technische Universität Chemnitz), Prof. Dr. Frédéric Alexandre (Inria Bordeaux, Frankreich)
Abstract:
The ability of the visual system for object recognition is remarkable. A better understanding of its processing would lead to better computer vision systems and could improve our understanding of the underlying principles which produce intelligence.
We propose a computational model of the visual areas V1 and V2, implementing a rich connectivity inspired by the neocortical circuit. We combined the three most important cortical plasticity mechanisms. 1) Hebbian synaptic plasticity to learn the synapse strengths of excitatory and inhibitory neurons, including trace learning to learn invariant representations. 2) Intrinsic plasticity to regulate the neurons response properties and stabilize the learning in deeper network layers. 3) Structural plasticity to modify the connections during network training and to overcome the bias for the learnings from the initial definitions.
Among others, we show that our model neurons learn comparable receptive fields to cortical ones. We verify the invariant object recognition performance of the model. We further show that the developed weight strengths and connection probabilities depend on the correlations between the neurons. We link the connection probabilities of the inhibitory connections to the underlying plasticity mechanisms and explain why inhibitory connections appear unspecific.
The proposed model is more detailed than previous approaches. It can reproduce neuroscientific findings and fulfills the purpose of the visual system, invariant object recognition.
Gutachter: Prof. Dr. Matthias Werner (Technische Universität Chemnitz), Prof. Alejandro Masrur (Technische Universität Chemnitz)
Promotionsverteidigung Yu Zhang
Abstract:
The research of this thesis lies in the high-performance computing (HPC) with virtualization. The performance loss suffered by a set of typical HPC workloads due to the virtualization execution environment is investigated. Among the factors that are critical to the performance, a potential source for such performance loss is the memory management for virtual machine. Furthermore, the diverse behavior of HPC workload in memory utilization makes it hard to gain high performance with the adoption of a single memory virtualization solution for an arbitrary HPC workload. This work contributes two novel solutions - DPMS (dynamic paging method switching) and STDP (simplified two-dimensional paging) to address this problem. Both of them are presented conceptually and implemented partially for a hypervisor - KVM. The benchmark results for DPMS show that the performance for a number of workloads that are sensitive to paging methods can be more or less improved through the adoption of this solution. STDP illustrates that it is feasible to reduce the performance overhead in the second-dimension paging for those workloads that cannot make good use of the TLB.
Gutachter: Prof. Dr. Maximilian Eibl (Technische Universität Chemnitz), Prof. Dr.rer.nat. Marc Ritter (Hochschule Mittweida)
Promotionsverteidigung Stefanie Müller
Abstract:
Das zunehmende Aussterben des VHS- und SVHS-Systems sowie weiterer magnetbandbasierter Videosysteme zwingt lokale sächsische Fernsehsender zu einer raschen Digitalisierung großer Mengen analoger Videobänder. Die darauf befindlichen Aufnahmen stellen wichtige Zeitzeugnisse aus der Wendezeit dar und dokumentieren die Herausforderungen, welchen sich die ostdeutschen Bürger nach dem Wechsel von einem sozialistischen zu einem marktwirtschaftlichen System gegenüber sahen. Oftmals ist diese Massendigitalisierung nur von einer generellen Sicherung ohne optimierende Maßnahmen geprägt, sodass qualitative Mängel erst nach der Digitalisierung aufwändig manuell retuschiert werden können. Hierzu ist zunächst ein Überblick über qualitativ gute und schlechte Sequenzen wünschenswert. Bislang existieren jedoch keine Verfahren für eine automatisierte Qualitätsanalyse von Digitalisaten analoger Archivbestände. An dieser Stelle setzt der in der vorliegenden Arbeit vorgestellte Ansatz für eine automatisierte Erkennung und Klassifikation von Störerscheinungen an. Anhand einer extensiven Literaturrecherche und Materialanalyse werden mögliche Störquellen und Störerscheinungen theoretisch identifiziert und systematisiert. Dabei wird die vage, t.w. überlappende und z.T. auch widersprüchliche Terminologie von über 800 Begrifflichkeiten eingeordnet und neu definiert. Die Erkenntnisse werden durch Tabellen und Abbildungen ergänzt, sodass eine bisher nicht existente Übersicht über die diskutierten Phänomene präsentiert werden kann. Zudem wird ein Vorschlag für ein geeignetes Verfahren für deren automatisierte Detektion und Darstellung evaluiert. Die vorgestellte Methode wird mit Hilfe der Techniken des Maschinellen Lernens umgesetzt und beinhaltet die Generierung von Datensätzen, das Training des Systems sowie die Klassifikation der zuvor systematisierten Phänomene. Zusätzlich wird eine nutzerfreundliche Darstellung präsentiert, welche es erlaubt, brauchbares und unbrauchbares Videomaterial ohne vertiefte Kenntnisse über Störerscheinungen oder Maschinelles Lernen und ohne Zeitaufwand auf einen Blick zu unterscheiden und semantische Strukturen zu erkennen. Die vorgestellte Methode arbeitet ressourcenschonend und stellt eine Zeit-, Personal- und Kostenersparnis für den Anwender dar. Darüber hinaus lässt sich die Methode auf andere Videoformate adaptieren und auf große Datenbestände erweitern.
Abstract:
In this thesis inhibition as a means for competition among neurons in an unsupervised learning system is studied. In the first part of the thesis, the role of inhibition in robustness against loss of information in the form of occlusion in visual data is investigated. In the second part, inhibition as a reason for loss of information in the mathematical models of neural system is addressed. In that part, a learning rule for modeling inhibition with lowered loss of information and also a dis-inhibitory system which induces a winner-take-all mechanism are introduced. The models used in this work are unsupervised feature extractors made of biologically plausible neural networks which simulate the V1 layer of the visual cortex.
