News Overview

10.06.24
Unsupervised Learning of Threshold Trees for Sensor-Based Indoor Positioning on Microcontrollers
03.06.24
Brake particle emission predictions using Deep Learning
27.05.24
Machine Learning Adaptation to Bio-Electromagnetic Compatibility Problem
29.04.24
Hands-on Machine Learning Basics: Gaussian Processes and Artificial Neural Networks
22.04.24
Development of a Conversational Interface Based on Institution-Specific Documentation Through LLM Finetuning
22.02.24
Auf Youtube wurde ein neues Video zu Arbeiten der TUHH über maschinelles Lernen für Mikrocontroller zur Indoor-Ortung in Produktionsprozessen veröffentlicht. Im Video beschreibt Dr. Marcus Venzke diese Arbeiten, die im Rahmen des Projektes “WinOSens” mit den mittelständischen Unternehmen M2M-Germany und Osapiens durchgeführt wurden. Mit Hilfe von Sensoren wird der Ort von sog. Sonderladungsträgern in industriellen Produktionsprozessen verfolgt, ohne klassische Ortungstechnologien wie GPS zu verwenden oder eine Ortungsinfrastruktur zu installieren. Stattdessen werden Spezifika der Sensordaten entlang von Wegen durch Gebäude gelernt, wie z. B. Luftdruckänderungen bei Fahrstuhlfahrten oder Magnetfeldschwankungen durch metallische Strukturen am Weg. Im Video werden verschiedene ML-Verfahren für supervised Learning verglichen. Ein neu entwickeltes Verfahren für unsupervised Learning wird vorgestellt und praktisch vorgeführt. Das Video finden Sie unter: https://www.youtube.com/watch?v=AHIMf4QN7-I
29.01.24
Development of a black-box soft sensor for a fluidization process
22.01.24
Parameter Efficient Fine Tuning for a Domain-Specific Automatic Speech Recognition
15.01.24
Refinement of Simulations in Particle Physics