Betreute Arbeiten an der HWTG

MA = Master Arbeit, BA = Bachelor Arbeit. Hat sich aus der Arbeit ein Paper ergeben ist dieses verlinkt.

2023

MA: Erkan Emre: Modellierung von Energieprognosen mit Unsicherheiten durch maschinelles Lernen ()

MA: Sonja Adomeit: Automatic Determination of Coronal Parameters for Spine AP X-ray Images in the Setting of Adolescent Idiopathic Scoliosis paper1 paper2
MA: Lukas Rohrer: Multimodal Anomaly Detection: Fusion of Deep and Shallow Models to Detect Anomalies on Sensor-Based Industrial Manufacturing Data
MA: Fabio Brückle: Entwicklung und Implementierung eines Konzepts zur automatisierten Fehler-Ursachen-Analyse für Erprobungsfahrzeuge anhand ihrer Loggerdaten
MA: Leo Labanca: Using Gaussian Process for Robust Temperature Forecast
BA: Fabian Beck: Anwendung von Data Analytics Methoden im modernen Presswerk

MA: Maksim Sandybekov: Accelerating Bayesian Neural Networks in the context of active learning.
MA: Ivonne Kovylov : Prediction of melanoma types using semi-structured Bayesian deep learning models. preprint
BA: Mark Freibauer: Feature Selection und Model-Testing für eine Machine-Learning basierte Churn-Prediction
MA: Leon Sick: Active Learning for Grocery Object Recognition in the Context of Smart Cooling Devices
MA: Barbara Opitz: Erstellung eines Prognosemodells des Energiebedarfs einer energietechnischen Anlage im Produktionswerk
MA: Tim Hardenacke: Usage of reinforcement learning for the generation of counter-UAV trajectories
MA: Stephan Hörtling: Modeling of flexible Posterior Distributions for Bayesian Neural Networks preprint

MA: Steffen Kaus: Unsicherheitsquantifizierung in Deep Neural Networks unter Verwendung von Deep Ensembles und Teacher-Student Verfahren
BA: Dominim Vllasa: Entwicklung und Evaluation eines Algorithmus unter der Verwendung von neuronalen Netzen, zur Vorschlagsgenerierung beim Referenzieren von Daten.
MA: Marcel Arpogaus: Probabilistic short-term load forecasting paper1
BA: Ma Junyi: Evaluation of Different Uncertainty Measures in Deep Learning for Self-driving Car Applications
BA: Christoph Hänsel: Potenzial von Mustererkennung bei vergangener Vakanzprüfung zur Preistransparenz für Kunden.
BA: Daniel Dietze: Accelerating catalog data integration via Candidate Recommendation

BA: Matthias Leopold: Ein quantitativer Vergleich von Methoden zur Nachfrageprognose am Beispiel eines E-Commerce Unternehmens
BA: Chi Lap Hong: Accelerating Image Category Labeling for Product Recognition Using Active Learning paper
BA: Markus Bishop: Analyse zu genetischen, optischen und visuellen Ähnlichkeiten bei Perca fluviatilis am Bodensee
BA: Phillipp Schmieder: Evaluation of Deep Neural Object Detectors for Real Time Feature Extraction
BA: Valentin Beck: Deep Reinforcement Learning fuer ein Simulationsspiel
BA: Lars Schweikhard: Analyse eines Produkt-Sortiments mittels Warenkorbanalyse
BA: Simon Christofzik: Modellierung von digitalem Druck mit Hilfe von neuronalen Netzen
BA: Daniel Trautvetter: Praktischer Einsatz von neuronalen Netzen zur Unterstützung von Vorhersagen in der Produktionsplanung mithilfe von Lieferabrufen
MA: Heiko Ettwein: Geographically optimized photovoltaic yield prediction, based on weather forecast supported Deep Learning