Refine
Year of publication
- 2019 (169) (remove)
Document Type
- Conference Proceeding (71)
- Article (38)
- Other Publications (13)
- Report (13)
- Working Paper (10)
- Part of a Book (7)
- Book (5)
- Journal (Complete Issue of a Journal) (4)
- Doctoral Thesis (3)
- Master's Thesis (3)
Language
- English (99)
- German (66)
- Multiple languages (4)
Keywords
- AAL (3)
- Aboriginal people (1)
- Abrasive grain material (1)
- Academic german (1)
- Activity monitoring (1)
- Actuators (1)
- Additive manufacturing (1)
- Aerobic fermentation (1)
- Alternative Energy Production (1)
- Ambient assisted living (1)
Institute
- Fakultät Architektur und Gestaltung (2)
- Fakultät Bauingenieurwesen (6)
- Fakultät Elektrotechnik und Informationstechnik (9)
- Fakultät Informatik (15)
- Fakultät Maschinenbau (10)
- Fakultät Wirtschafts-, Kultur- und Rechtswissenschaften (15)
- Institut für Angewandte Forschung - IAF (7)
- Institut für Optische Systeme - IOS (4)
- Institut für Strategische Innovation und Technologiemanagement - IST (6)
- Institut für Systemdynamik - ISD (16)
Das hier vorgestellte Netzoptimierungstool kann dem Verteilnetzbetreiber bei einem Störfall im Netz in Echtzeit eine Lösung zur Steuerung seiner Betriebsmittel vorschlagen. Dadurch kann das bestehende Netz optimal genutzt werden und ein kostenintensiver Netzausbau im Mittel- und Niederspannungsnetz verringert oder sogar verhindert werden. Als Grundlage für den Netzoptimierer dient ein künstliches neuronales Netz (KNN). Zum Training des KNN wurden Störfälle generiert, die auf reellen Erzeugungs- und Lastprofilen aus dem CoSSMic-Projekt basieren [1]. Für jeden Störfall wurde aus allen möglichen und sinnvollen Netzkonfigurationen eine optimierte Netztopologie anhand von Lastflussberechnungen ermittelt. Durch die Variation der Stufenschalter der Transformatoren und der Stellungen aller installierten Schalter im Netz wurde berechnet, wie der Stromfluss gelenkt werden muss, damit keines der Betriebsmittel die zulässigen Belastungsgrenzen mehr überschreitet. Für ein virtuelles Testnetz konnte mit einem trainierten KNN zu 90 Prozent die optimale Lösung des jeweiligen Störfalls erkannt werden. Durch die Anwendung der N-Best Methode konnte die Vorhersagewahrscheinlichkeit auf annähernd 99 Prozent erhöht werden.
Die Studienanfänger in den technischen Studiengängen der Hochschulen für angewandte Wissenschaften haben nicht nur in Mathematik sondern auch in Physik sehr unterschiedliche Vorkenntnisse. Obwohl diese Fächer für das grundlegende Verständnis technischer Vorgänge von großer Bedeutung sind, kann die Ausbildung in diesen Bereichen angesichts der begrenzten dafür im Verlauf des Studiums zur Verfügung stehenden Zeitfenster nicht bei Null anfangen. Für Mathematik wurde daher von der Arbeitsgruppe cosh ein Mindestanforderungskatalog zusammengestellt und 2014 veröffentlicht. Er beschreibt Kenntnisse und Fertigkeiten, die Studienanfänger zur erfolgreichen Aufnahme eines WiMINT-Studiums (Wirtschaft, Mathematik, Informatik, Naturwissenschaft, Technik) an einer Hochschule benötigen. Inzwischen hat sich nun eine Arbeitsgruppe von Physikerinnen und Physikern an Hochschulen in Baden-Württemberg gebildet, deren Ziel es ist, einen analogen Mindestanforderungskatalog für den Bereich Physik zu erstellen. Hier wird der aktuell erreichte Stand der Arbeiten vorgestellt.
A physics lab-setup has been developed for engineering students in their first year at university. The so-called LabTeamCoaching helps to improve general lab skills, such as preparing an experiment, writing a documentation, using graphs and drawing conclusions. By using a flipped classroom approach, students get better involved than in our former physics labs when we applied classical methods. This approach will be described and an overview of our 10 years of experience using this method will be given.
One important skill for engineers is the ability of optimizing their experiments. On their job they will often spend a lot more time designing and improving an experimental setup compared to running the actual experiment itself. Is it possible to teach this complex task in physics labs? A method for reaching this goal is proposed an example is given and discussed.
Fast and reliable acquisition of truth data for document analysis using cyclic suggest algorithms
(2019)
In document analysis the availability of ground truth data plays a crucial role for the success of a project. This is even more true at the rise of new deep learning methods which heavily rely on the availability of training data. But even for traditional, hand crafted algorithms that are not trained on data, reliable test data is important for the improvement and evaluation of the methods. Because ground truth acquisition is expensive and time consuming, semi-automatic methods are introduced which make use of suggestions coming from document analysis systems. The interaction between the human operator and the automatic analysis algorithms is the key to speed up the process while improving the quality of the data. The final confirmation of data may always be done by the human operator. This paper demonstrates a use case for acquisition of truth data in a mail processing system. It shows why a new, extended view on truth data is necessary in development and engineering of such systems. An overview over the tool and the data handling is given, the advantages in the workflow are shown, and consequences for the construction of analysis algorithms are discussed. It can be shown that the interplay between suggest algorithms and human operator leads to very fast truth data capturing. The surprising finding is the fact that if multiple suggest algorithms circularly depend on data, they are especially effective in terms of speed and accuracy.
Das WITg wird digitaler
(2019)