Unsere Forschungsgruppe spezialisiert sich auf die Bereiche der dezentralen Informationsverarbeitung, Edge Computing und die Integration von Cyber-Physical Systems (CPS) sowie Internet of Things (IoT)-Technologien. Wir konzentrieren uns auf das Design und die Implementierung von Algorithmen, die die effiziente Verarbeitung und Analyse der von diesen Systemen generierten Daten erleichtern, mit dem Ziel, ihre Interoperabilität, Reaktionsfähigkeit und Nutzbarkeit in realen Anwendungen zu verbessern.
Indem wir unseren Horizont erweitern, vertiefen wir uns in semantische KI, um Maschinen zu ermöglichen, Daten nicht nur zu "lesen", sondern im Kontext menschlicher Kognition zu "verstehen". Dieses Unterfangen beinhaltet die Schaffung von Algorithmen zur Interpretation komplexer Datenstrukturen und der Bedeutungen hinter menschlicher Sprache, wodurch die Mensch-Maschine-Interaktion durch intuitivere und effektivere Systeme verbessert wird.
Offene Einladung zur Zusammenarbeit: Wir sind bestrebt, neue Projekte und Kooperationen zu erkunden, die unsere Expertise nutzen, um innovative Lösungen zu schaffen. Ob es darum geht, semantische KI in neuen Bereichen anzuwenden, nachhaltige Technologie voranzutreiben oder gesellschaftliche Herausforderungen anzugehen, wir laden Partner aus Wissenschaft, Industrie und dem Start-up-Ökosystem ein, sich uns auf dieser Reise zur Schaffung transformativer technologischer Lösungen anzuschließen.
Begic Fazlic, L., Schacht, M., Morgen, M., Schmeink, A., Lipp, R., Martin, L., Vollmer, T., Winter, S., and Dartmann, G. “Development and Implementation of the Data Science Learning Platform for Research Physician.” Stud Health Technol Inform. 2022 Nov 3;299:196-201. doi: 10.3233/SHTI220983. PMID: 36325863.
Urschel, B., Begic Fazlic, L., Morgen, M., Machhamer, M., Dartmann, G. and K. -U. Gollmer, "A Machine Learning Approach for Optimal Ventilation based on Data from CO2 Sensors," 2022 Sensor Data Fusion: Trends, Solutions, Applications (SDF), Bonn, Germany, 2022, pp. 1-6, doi: 10.1109/SDF55338.2022.9931945.
Morgen, M., Begic Fazlic, L., Peine, A., Martin, L., Schmeink, A., Hallawa, A., & Dartmann, G. "A Visualization and Benchmarking Simulator for Clinical Data." Stud Health Technol Inform. 2022 Nov 3;299:223-228. doi: 10.3233/SHTI220988. PMID: 36325867.
Renkhoff, J., Tan, W., Velasquez, A., Wang, W. Y., Liu, Y., Wang, J., Niu, S., Begic Fazlic, L., Dartmann, G., Song, H. Exploring Adversarial Attacks on Neural Networks: An Explainable Approach, 2022 IEEE International Performance, Computing, and Communications Conference (IPCCC), 2022, pp. 41-42, doi: 10.1109/IPCCC55026.2022.9894322.
L. Begic Fazlic, A. Halawa, A. Schmeink, R. Lipp, L. Martin, A. Peine, M. Morgen, T. Vollmer, Stefan Winter and G. Dartmann, A Novel Hybrid Methodology for Anomaly Detection in Time Series. Int J Comput Intell Syst 15, 50 (2022). https://doi.org/10.1007/s44196-022-00100-w
A. Ayad, A. Hallawa, A. Peine, L. Martin, L. Begic Fazlic, G. Dartmann, G. Marx, A. Schmeink, Predicting Abnormalities in Laboratory Values of Patients in the Intensive Care Unit Using Different Deep Learning Models: Comparative Study, JMIR Med Inform 2022;10(8):e37658, URL: https://medinform.jmir.org/2022/8/e37658, DOI: 10.2196/37658
Sie verlassen die offizielle Website der Hochschule Trier
