http://dl.gi.de/handle/20.500.12116/37999 2026-07-21T14:39:25Z 2026-07-21T14:39:25Z Goli, Mehran http://dl.gi.de/handle/20.500.12116/38025 2022-01-24T12:37:21Z 2020-01-01T00:00:00Z

Automatisierte Analyse virtueller Prototypen auf der ESL Goli, Mehran Hölldobler, Steffen Die Modellierung elektronischer Systeme mit Hilfe Virtueller Prototypen (VP) auf der Ebene elektronischer Systeme ist in den letzten zehn Jahren zu einer branchenweit akzeptierten Lösung geworden. Der Hauptgrund ist, dass VPs viel früher verfügbar sind und ihre Simulation im Vergleich zu Hardwaremodellen, die auf niedrigeren Abstraktionsebenen implementiert sind, um Größenordnungen schneller ist. Daher wird der VP als Referenzmodell im Entwurfsprozess für verschiedene Anwendungen (z. B. Testen, Fehlerbeseitigung, Verifikation, Sicherheitsüberprüfung und Entwurfsraumexploration) verwendet. Es ist jedoch eine genaue Kenntnis der VP-Struktur und des VP-Verhaltens erforderlich, um für die genannten Anwendungen ein geeignetes Referenzmodell erstellen zu können. Dies ist eine sehr herausfordernde Aufgabe. Ziel dieser Dissertation ist es, eine Reihe umfassender und automatisierter Ansätze bereitzustellen, mit denen Designer verschiedene Aufgaben im Entwurfsprozess bewältigen können.

2020-01-01T00:00:00Z Engel, Heiko http://dl.gi.de/handle/20.500.12116/38023 2022-01-24T12:37:20Z 2020-01-01T00:00:00Z

Auslesekarte zur schnellen Verarbeitung von Detektordaten Engel, Heiko Hölldobler, Steffen Im Rahmen dieser Arbeit wurde eine FPGA-basierte Ausleselösung für die ALICE Data Acquisition und High Level Trigger Systeme in RUN 2 entwickelt, die durch ihre generische Architektur weit über die geplanten Anwendungsfälle und Zeiträume hinaus zum Einsatz kommt. Ein zentraler Bestandteil ist hierbei die hardwareseitige Vorverarbeitung von Detektordaten bereits im FPGA der Auslesekarte, ohne die eine Online-Aufbereitung der Daten in diesem Maße nicht möglich gewesen wäre. Durch die Umsetzung des verwendeten Vorverarbeitungsalgorithmus in einer Datenflussbeschreibung konnte darüber hinaus eine Implementierung erarbeitet werden, bei der sich Ressourcenverbrauch und Latenz kaum von der händischen Implementierung unterscheiden. Die deutliche reduzierte Entwicklungszeit, der geringere Umfang, die leichtere Wartbarkeit, sowie die einfachere Partitionierung konnten somit zeigen, dass Hardwarebeschreibungslösungen auf höheren Abstraktionsebenen auch in der Hochenergiephysik enorme Einsparungen bringen können.

2020-01-01T00:00:00Z Fillbrunn, Alexander http://dl.gi.de/handle/20.500.12116/38024 2022-01-24T12:37:20Z 2020-01-01T00:00:00Z

Widening mit Hashbasierter Partitionierung des Hypothesenraums Fillbrunn, Alexander Hölldobler, Steffen Vielen Algorithmen im Data Mining basieren auf gierigem Verhalten, um ein ausreichend gutes Modell schnell zu finden. Bei der Verwendung solcher Greedy-Algorithmen besteht allerdings die Gefahr, dass diese in lokalen Optima stecken bleiben. Mit Hilfe von Widening, einer Technik um den Hypothesenraum breiter zu durchsuchen, kann diese Gefahr verringert werden, indem parallel mehrere, möglichst unterschiedliche, Modelle erzeugt werden. Bisherige Verfahren im Widening leiden jedoch unter zweierlei Problemen: dem Overhead durch die Kommunikation zwischen den parallelen Recheneinheiten und der Notwendigkeit, Modelle bezüglich ihrer Ähnlichkeit miteinander vergleichen zu können. In der vorliegen Arbeit wird mit dem Bucket-Selektor ein randomisiertes und Modellunabhängiges Widening-Verfahren vorgestellt, das schneller zu ähnlich guten Ergebnissen gelangt wie bisherige Verfahren.

2020-01-01T00:00:00Z Eisenbach, Markus http://dl.gi.de/handle/20.500.12116/38022 2022-01-24T12:37:20Z 2020-01-01T00:00:00Z

Personenwiedererkennung mittels maschineller Lernverfahren für öffentliche Einsatzumgebungen Eisenbach, Markus Hölldobler, Steffen Die erscheinungsbasierte Personenwiedererkennung in öffentlichen Einsatzumgebungen ist eines der schwierigsten, noch ungelösten Probleme der Bildverarbeitung. Viele Teilprobleme können nur gelöst werden, wenn Methoden des maschinellen Lernens mit Methoden der Bildverarbeitung kombiniert werden. Das entwickelte Verfahren zur erscheinungsbasierten Personenwiedererkennung wird exemplarisch anhand zweier Einsatzszenarien — Videoüberwachung und Robotik — evaluiert. Die Qualität des umgesetzten Verfahrens wird anhand von zwölf Kriterien charakterisiert, die einen Vergleich mit biometrischen Verfahren ermöglichen. Durch den Einsatz maschineller Lernverfahren für alle Abarbeitungsschritte der erscheinungsbasierten Personenwiedererkennung wird in den betrachteten unüberwachten, öffentlichen Einsatzfeldern eine Erkennungsleistung erzielt, die sich mit biometrischen Verfahren messen kann.

2020-01-01T00:00:00Z