<?xml version="1.0" encoding="UTF-8"?><rdf:RDF xmlns="http://purl.org/rss/1.0/" xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/">
<channel rdf:about="http://dl.gi.de/handle/20.500.12116/4410">
<title>D16 (2015) - Ausgezeichnete Informatikdissertationen</title>
<link>http://dl.gi.de/handle/20.500.12116/4410</link>
<description/>
<items>
<rdf:Seq>
<rdf:li rdf:resource="http://dl.gi.de/handle/20.500.12116/4604"/>
<rdf:li rdf:resource="http://dl.gi.de/handle/20.500.12116/4601"/>
<rdf:li rdf:resource="http://dl.gi.de/handle/20.500.12116/4603"/>
<rdf:li rdf:resource="http://dl.gi.de/handle/20.500.12116/4606"/>
</rdf:Seq>
</items>
<dc:date>2026-07-21T13:50:25Z</dc:date>
</channel>
<item rdf:about="http://dl.gi.de/handle/20.500.12116/4604">
<title>Kognitiver sequentieller Parallelismus: Von kanonischen neuronalen Schaltkreisen und dem Training rekurrenter neuronaler Netze für perzeptuelle Entscheidungsfindungen</title>
<link>http://dl.gi.de/handle/20.500.12116/4604</link>
<description>Kognitiver sequentieller Parallelismus: Von kanonischen neuronalen Schaltkreisen und dem Training rekurrenter neuronaler Netze für perzeptuelle Entscheidungsfindungen
Brosch, Tobias
Hölldobler, Steffen
Die Entwicklung autonomer Fahrzeuge zeigt einmal mehr die Schwierigkeiten der visuellen Informationsverarbeitung. Während es Menschen scheinbar mühelos gelingt den visuellen Informationsstrom auszuwerten, bedarf es bei technischen Anwendungen leistungsstarker/energieintensiver GPUs. Neuromorphe Hardware, welche vom Gehirn inspiriert Millionen von Neuronen simuliert, zeigt hier alternative Ansätze für hochgradig skalierbare und energieeffiziente Lösungen [Me14]. Bestehende Algorithmen aus der Computer Vision lassen sich jedoch nur selten auf solche Hardware portieren [Es13]. Vielmehr bedarf es neuer Algorithmen um die Leistungsfähigkeit neuromorpher Systeme zu nutzen. Hierzu trägt meine Arbeit unmittelbar bei. Durch die Modellierung dynamischer Prozesse mit direktem Bezug zur visuellen Informationsverarbeitung im Gehirn und deren mathematischer Analyse wird die Basis geschaffen, um skalierbare und komplexe Systeme zu modellieren. Die Entwicklung eines ereignisbasierten Algorithmus zur optischen Flussschätzung und eines Lernalgorithmus für simultan rekurrente Netze ermöglicht ein verbessertes Verständnis von neurophysiologischen Untersuchungsdaten aber auch die Entwicklung neuer Anwendungen für extrem parallele (GPUs) und/oder neuromorphe Hardware.
</description>
<dc:date>2015-01-01T00:00:00Z</dc:date>
</item>
<item rdf:about="http://dl.gi.de/handle/20.500.12116/4601">
<title>Effiziente Fußgängererkennung in Städtischen Verkehrsszenen</title>
<link>http://dl.gi.de/handle/20.500.12116/4601</link>
<description>Effiziente Fußgängererkennung in Städtischen Verkehrsszenen
Zhang, Shanshan
Hölldobler, Steffen
Fußgänger sind wichtige Teilnehmer im Stadtverkehr-Umgebungen, und damit eine interessante Kategorie von Objekten für autonome Fahrzeuge zu handeln. Automatische Personenerkennung ist allgemein eine wesentliche Aufgabe zum Schutz von Fußgangern aus Kollision. In dieser Arbeit werden wir neue Ansatze untersuchen und entwickeln, für die Interpretation räumlicher und zeitlicher Eigenschaften von Fußgängern, unter drei verschiedenen Aspekten: Form, Wahrnehmung und Bewegung. Wir testen unsere drei Ansätze auf Bildund Videodaten von Verkehrsszenen im Freien, die wegen der dynamischen und komplexen Hintergründe herausfordernd sind. Die erzielten Ergebnisse zeigen, dass unsere Ansätze state-of-the-Art-Leistung erreichen und übertreffen sowie auch für andere Anwendungen, wie z.B. Indoor-Robotik oder öffentlicher Überwachung eingesetzt werden können.
</description>
<dc:date>2015-01-01T00:00:00Z</dc:date>
</item>
<item rdf:about="http://dl.gi.de/handle/20.500.12116/4603">
<title>Hochperformante Erdbebensimulationen</title>
<link>http://dl.gi.de/handle/20.500.12116/4603</link>
<description>Hochperformante Erdbebensimulationen
Breuer, Alexander
Hölldobler, Steffen
Das Verständnis der Erdbebendynamik wird von hochauflösenden, gekoppelten Simulationen des Bruchprozesses und der seismischen Wellenausbreitung unterstützt. Für die benötigten hohen Auflösungen wird eine immense Menge an Höchstleistungsrechenressourcen verwendet, daher ist eine optimale Ausnutzung durch die Software unerlässlich. Getrieben durch aktuelle Entwicklungen in der Hardware erfordern die höheren Anforderungen an Parallelisierung und Datenlokalität häufig das Ersetzen ganzer Softwareteile, um gleichzeitig eine effiziente Numerik und Maschinenauslastung zu gewährleisten. In dieser Dissertation präsentiere ich einen neuen Rechenkern für die seismische Simulationssoftware SeisSol. Der neue Kern maximiert den Wert und Durchsatz der Gleitkommaoperationen in der zugrundeliegenden ADER-DG Diskretisierungsmethode, um die Rechenzeit zum gewünschten Ergebnis zu minimieren. Beinhaltet sind automatisch optimierte Matrixkernel, hybride Parallelisierung von Vielkernarchitekturen bis hin zum kompletten Großrechner, sowie ein hochperformantes gruppiertes lokales Zeitschrittschema. Der präsentierte Kern reduziert die Rechenzeit von SeisSol um einen substantiellen Faktor und skaliert bis hin zu mehr als einer Millionen Recheneinheiten. Durch den Kern wurde eine wegweisende Simulation des Landers-Erdbebens von 1992 auf einem kompletten Großrechner ermöglicht. Zum ersten Mal erlaubte diese Simulation die Analyse des damit verbundenen komplexen Bruchprozesses, welcher aus der nichtlinearen Interaktion des Reibungsprozesses gekoppelt an die seismische Wellenausbreitung resultiert, in einer komplizierten Geometrie.
</description>
<dc:date>2015-01-01T00:00:00Z</dc:date>
</item>
<item rdf:about="http://dl.gi.de/handle/20.500.12116/4606">
<title>Die einfachen, kleinen und langsamen Dinge zählen</title>
<link>http://dl.gi.de/handle/20.500.12116/4606</link>
<description>Die einfachen, kleinen und langsamen Dinge zählen
Curticapean, Radu
Hölldobler, Steffen
Wir untersuchen kombinatorische Zählprobleme hinsichtlich ihrer parametrisierten und Exponentialzeit-Komplexität. Im Vordergrund stehen hierbei das Zählen von Paarungen in strukturell einfachen Graphen, das Zählen kleiner Subgraph-Muster in sehr großen Zielgraphen, sowie exponentielle untere Schranken an die Laufzeit, die zum Lösen von Zählproblemen benötigt wird.
</description>
<dc:date>2015-01-01T00:00:00Z</dc:date>
</item>
</rdf:RDF>
