Institut für Programmstrukturen und Datenorganisation

Terminkalender

ABBRECHEN || neuen Vortrag anmelden | Vorträge durchsuchen
Monat zurück | Vorträge dieser Monat | Monat vor


Fr, 02.06.2017 Herr Hendrik Braun (Proposal) ID: 100307
Quantitativer Vergleich von Metriken für mehrdimensionale Abhängigkeiten
Betreuer: Michael Vollmer
Kurzfassung:
Während in der Praxis Verallgemeinerungen des "Pearson" Korrelationskoeffizienten und des "Spearman" Rangkorrelationskoeffizient verwendet werden, konzentriert sich diese Arbeit auf den Vergleich von Informationstheoretischen Metriken zur Erkennung mehrdimensionaler Abhängigkeiten. Diese Metriken erkennen, im Gegensatz zu Pearson und Spearman, nicht nur lineare/monotone Abhängigkeiten, was sie für verschiedene Datenverteilungen interessant macht. Wir betrachten die Metriken "multivariate Transinformation", sowie "allgemeine Redundanz" als Verallgemeinerung der, lediglich für zwei Attribute definierten, "Transinformation".
Passwort:  

Fr, 09.06.2017 Herr Max Scheerer (Masterthesis) ID: 100283
Using concern weaving to extend component-based system architectures
Betreuerin: Anne Koziolek
Passwort:  
 
Herr Benjamin Rupp (Masterthesis) ID: 100285
Fallstudie zur Evaluierung der Anwendbarkeit einer Sprache zur änderungsgetriebenen Konsistenzerhaltung von Softwaremodellen in der Automobilbranche
Betreuer: Max Kramer
Kurzfassung:
wird nachgeliefert
Passwort:  
 
Herr Martin Gauch (Proposal) ID: 100313
Application of Deep Learning Methods to Predict Critical Material Failures
Betreuer: Holger Trittenbach
Kurzfassung:
The prediction of material failure is useful in many industrial contexts such as predictive maintenance, where it helps reducing costs by preventing outages. However, failure prediction is a complex task. Typically, material scientists need to create a physical material model to run computer simulations. In real-world scenarios, the creation of such models is often not feasible, as the measurement of exact material parameters is not practicable. Material scientists can generate simulation data using existing material models. These data sets are multivariate sensor value time series. Therefore, the goal of this thesis is to develop data-driven models to predict upcoming failure events of an observed material. We identify and implement recurrent neural network architectures, as recent research indicated that these are well suited for predictions on time series. Additionally, we compare the prediction performance with less sophisticated approaches such as linear models.
Passwort:  

Fr, 16.06.2017 Frau Christine Tex (Masterthesis) ID: 100311
Untersuchungen zu Aspekten der Datenqualität in einem komparativen Energieverbrauchs-Hinweis-System
Betreuer: Martin Schäler
Kurzfassung:
Hinweissysteme dienen der Motivation von Haushalten, selbstproduzierten Photovoltaikstrom effizienter zu nutzen. In einem komparativen Hinweissystem entsprechen Hinweise einer Verhaltensänderung auf Geräteebene. Ein Hinweis-System arbeitet datengetrieben auf Basis von aggregierten Lastprofilen. Da Hinweise auf Geräteebene gegeben werden, ist Disaggregation eine wichtige Komponente jedes Hinweissystems. Die Qualität der Hinweise, die ein Hinweissystem generiert und für einen bestimmten Haushalt auswählt, ist abhängig von der Qualität der Daten, die dem System zur Verfügung stehen. Ziel dieser Arbeit war die Beurteilung des Einflusses von Datenqualität auf Hinweisqualität. Hierfür wurde ein Hinweis geeignet definiert, ein Hinweis-System ausgewählt/entwickelt, Daten-, Disaggregations- und Hinweis-Qualität definiert und Experimente zur Beurteilung des Zusammenhangs zwischen Daten-, Disaggregations-und Hinweis-Qualität durchgeführt. Zentrale Ergebnisse der Arbeit sind unterschiedliche Definitionen von Hinweisen, die Wichtigkeit der Untersuchung der Robustheit von auf disaggregierten Daten basierenden Services sowie die Einführung einer Metrik zum Vergleich von Haushalten.
Passwort:  

Fr, 23.06.2017 Herr Stefan Elbert (Bachelorthesis) ID: 100287
Darstellung und Anwendung von Änderungssequenzen an Ecore-Modellen
Betreuer: Heiko Klare
Kurzfassung:
Bei der Entwicklung moderner Softwaresysteme werden heutzutage verschiedene Modelle eingesetzt. Wird ein modellgetriebener Ansatz verfolgt, so rücken die Modelle noch weiter in den Fokus. Das Vitruvius-Framework wird zur Unterstützung der modellgetriebenen Softwareentwicklung entwickelt: Die automatische Konsistenzhaltung von voneinander abhängiger Modelle. Diese findet zwischen Ecore-Modellen statt und basiert auf Änderungsbeschreibungen, welche aus durchgeführten Modelländerungen erzeugt werden. Es ist jedoch nicht möglich, diese Änderungsbeschreibungen anzuwenden, das heißt die beschriebene Änderung an einem Modell durchzuführen oder zurückzurollen. Um dieses Problem zu lösen, wird im Rahmen der Arbeit ein Konzept zum Darstellen und Anwenden von beliebigen Änderungssequenzen an Ecore-Modellen erarbeitet. Zur Darstellung der Modelländerungen wird ein Metamodell vorgestellt, dessen Änderungsbeschreibungen alle Änderungen vollständig beschreiben können. Diese Änderungsbeschreibungen können auf beliebige Ecore-Modelle angewendet werden. Des Weiteren wird eine Evaluation bereitgestellt, welche im Rahmen des angepassten Vitruvius-Framework durchgeführt wird und bestehende Fallstudien verwendet. Außerdem erfolgt eine Gegenüberstellung zu einem bestehenden Ansatz.
Passwort:  
 
Herr Fei Chen (Bachelorthesis) ID: 100289
Konsistenzhaltung von UML-Strukturmodellen und Java-Code
Betreuer: Heiko Klare
Kurzfassung:
In heutigen Software-Entwicklungsprozessen entsteht eine Vielzahl an unterschiedlichen Modellen. Diese Modelle beschreiben das gleiche zugrunde liegende System und sollten daher miteinander konsistent sein, um Probleme und Fehler durch Inkonsistenzen vorzubeugen. Vitruvius ist ein Framework, welches eine automatische Konsistenzhaltung anhand von vorher definierten Konsistenzhaltungsregeln zwischen zwei Modellen durchführen kann. Das Vitruvius-Projekt unterscheidet sich dabei von existierenden Konsistenzhaltungswerkzeugen durch sein änderungsgetriebenes Konzept und seine Erweiterbarkeit mit weiteren Konsistenzhaltungsmechanismen. Jedoch ist dieses Konzept von Vitruvius bisher nur mit einer Fallstudien zwischen zwei Modellen untersucht worden. Um Vitruvius weiterzuentwickeln, führen wir eine weitere Fallstudie zur Konsistenzhaltung zwischen UML-Klassenmodellen und Java-Code durch. Wir konzeptionieren und implementieren diese Konsistenzhaltung in Form von Konsistenzhaltungsregeln für das Vitruvius-Framework. Außerdem evaluieren wir unsere Arbeit durch Vergleich mit bestehenden Werkzeugen. Zusammen mit weiteren Arbeiten kann zukünftig die Konsistenzhaltung von Vitruvius zwischen mehr als zwei Modellen ermöglicht werden.
Passwort:  
 
Herr Christian Olms (Masterthesis) ID: 100310
User Feedback for Outlier Detection in High-Dimensional Data Spaces
Betreuer: Holger Trittenbach
Kurzfassung:
Outlier detection algorithms are often unsupervised because obtaining labeled examples of outliers is expensive and difficult in many domains. However, even a small number of labeled objects can improve the detection result. For classification tasks, the use of active learning reduces the number of required examples significantly for many applications. The core idea of active learning is that the algorithm can query a human for feedback on selected objects in the dataset. In this thesis, we adapt the active learning paradigm to outlier detection. We apply active learning to high-dimensional datasets by combining the result of the same outlier score applied in different subspaces in a weighted model. In contrast to existing approaches, our adaption of active learning considers subspaces and do not rely on specific statistic models.
Passwort:  
 
Herr Philipp Hertweck (Masterthesis) ID: 100312
Umsetzung individueller Privatheitsanforderungen für das Teilen von Smart Meter Daten
Betreuer: Martin Schäler
Kurzfassung:
Der Einsatz von intelligenten Stromzählern nimmt immer mehr zu. Mit Hilfe dieser Smart Meter genannten Messgeräte ist es möglich, den Stromverbrauch, im Vergleich zu klassischen Stromzählern, in kurzen Zeitintervallen zu erfassen. Diese Messdaten können nicht nur dem Verbraucher angezeigt, sondern auch mit Dritten geteilt werden. Hierbei ist es jedoch wichtig, auf die Privatsphäre zu achten, da, abhängig vom Messintervall, detaillierte Rückschlüsse auf das Verhalten und die Gewohnheiten der Personen im Haushalt gezogen werden können. Um Privatheitsanforderungen umsetzen zu können, existieren mehrere Ansätze, die den Stromverbrauch verfälschen. Diese werden in dieser Arbeit zusammengefasst und eingeordnet. Bisher wurden alle diese Ansätze isoliert betrachtet. Hier wurde angesetzt und eine Möglichkeit geschaffen werden, diese Verfälschungsoperationen mittels Haar-Wavelets effektiv kombinieren zu können.
Passwort:  

Fr, 30.06.2017 Herr Matthias Klatte (Bachelorthesis) ID: 100290
Änderungsgetriebene Konsistenz von PCM- und UML-Komponentenmodellen
Betreuer: Heiko Klare
Kurzfassung:
Modellgetriebene Softwareentwicklung gewinnt zunehmend an Bedeutung, setzt jedoch in vielen Feldern auf Unterstützung durch neue Werkzeuge. Eine Voraussetzung ist die Möglichkeit verschiedene Softwaremodelle in andere Zielmodelle zu transformieren oder andere Artefakte zu generieren. In dieser Arbeit wurden Beziehungen zwischen dem Aspekt der Komponentenmodellierung in Unified Modeling Language (UML)- und Palladio Component Model (PCM)-Modellen erarbeitet und in Transformationsregeln realisiert. Hierfür wurde eine Anwendung für das Vitruvius-Framework implementiert, welches auf Änderungen in einem Modell reagiert und spezifizierte Transformationsregeln anwendet, um ein weiteres Modell mit den Modifikationen konsistent zu halten. Die UML ist eine Notation zur Modellierung unterschiedlicher Faktoren eines Softwaresystems, das PCM beschreibt Softwarearchitekturen mit Fokus auf eine spätere Qualitätsanalyse.
Passwort:  
 
Herr Markus Mohr (Bachelorthesis) ID: 100296
Software-Architekturanalyse zur Identifikation datenschutzrelevanter Komponenten
Betreuer: Stephan Seifermann
Kurzfassung:
Mit Einführung der Datenschutzgrundverordnung (DSGVO) erlangen juristische Fragen im Entwicklungsprozess größere Bedeutung. Frühzeitigen Identifikation datenschutzrelevanter Komponenten wird wichtig. Literatur und Veröffentlichungen auf diesem Gebiet bieten keine konkreten Umsetzungsansätze. Ziel dieser Arbeit ist es, Komponenten zu identifizieren, die unter den Anwendungsbereich der DSGVO fallen. Zur Umsetzung dieses Ziels wird auf Methoden der allgemeinen Rechtstheorie und die Verwendung des Palladio Component Model zurückgegriffen. Es wird ein interdisziplinärer Arbeitsablauf erstellt, der es juristischen Fachkräften ermöglicht, die Funktionsweise einer Software und deren Risiken bei der Datenverarbeitung zu verstehen. Dazu werden ein unabhängiges Rechtssatz-Meta-Modell sowie eine Erweiterung des PCM erstellt. Mit Hilfe der genannten Erweiterungen kann eine strukturierte juristische Bewertung unterstützt werden. Mit einem Auswertungskonzept können relevanten Komponenten identifiziert werden. Die Anwendbarkeit des entwickelten Arbeitsablaufes, die Funktionsfähigkeit und Nutzbarkeit des Rechtssatz-Meta-Modells und der PCM-Erweiterung sowie die Identifikation von datenschutzrelevanten Komponenten wird anhand eines Anwendungsbeispieles nachgewiesen.
Passwort:  
 
Frau Angelika Kaplan (Diplomarbeit) ID: 100303
Eine empirische Studie zu Änderungskategorien in Bezug auf Änderungsauslöser in Geschäftsprozessen
Betreuerin: Anne Koziolek
Passwort: