Ausgewählte Beiträge aus dem GMA-Fachausschuss 5.14 „Computational Intelligence“
-
Ralf Mikut
apl. Prof. Dr.-Ing. Ralf Mikut leitet das Fachgebiet für Automatisierte Bild- und Datenanalyse am Institut für Automation und angewandte Informatik im Karlsruher Institut für Technologie und ist Sprecher der Helmholtz Information and Data Science School for Health (HIDSS4Health). Forschungsschwerpunkte: Computational Intelligence, Data Analytics, Modellierung und Bildanalyse mit Anwendungen in der Biologie, Chemie, Medizintechnik, Energiesystemen und Robotik.
,
Andreas Kroll
Univ.-Prof. Dr.-Ing. Andreas Kroll ist Leiter des Fachgebiets Mess- und Regelungstechnik der Universität Kassel. Forschungsschwerpunkte: nichtlineare Identifikations- und Regelungsmethoden, Computational Intelligence, komplexe Systeme.
apl. Prof. Dr. rer. nat. Frank Hoffmann ist akademischer Oberrat am Lehrstuhl für Regelungssystemtechnik der TU Dortmund. Forschungsschwerpunkte: Robotik, Computational Intelligence, modellprädiktive Regelung. Er ist seit 2008 Vorsitzender des GMA FA 5.14.
© 2019 Walter de Gruyter GmbH, Berlin/Boston
Articles in the same Issue
- Frontmatter
- Editorial
- Ausgewählte Beiträge aus dem GMA-Fachausschuss 5.14 „Computational Intelligence“
- Methoden
- Zur Homogenisierung von Testsignalen für die nichtlineare Systemidentifikation
- Fast and simple dataset selection for machine learning
- Automated design process for hybrid regression modeling with a one-class SVM
- Feature fusion to increase the robustness of machine learners in industrial environments
- Anwendungen
- Fahrstreifenerkennung mit Deep Learning für automatisierte Fahrfunktionen
- Fuzzy tissue detection for real-time focal control in corneal confocal microscopy
- Dissertationen
- Fighting the curse of dimensionality with local model networks
Articles in the same Issue
- Frontmatter
- Editorial
- Ausgewählte Beiträge aus dem GMA-Fachausschuss 5.14 „Computational Intelligence“
- Methoden
- Zur Homogenisierung von Testsignalen für die nichtlineare Systemidentifikation
- Fast and simple dataset selection for machine learning
- Automated design process for hybrid regression modeling with a one-class SVM
- Feature fusion to increase the robustness of machine learners in industrial environments
- Anwendungen
- Fahrstreifenerkennung mit Deep Learning für automatisierte Fahrfunktionen
- Fuzzy tissue detection for real-time focal control in corneal confocal microscopy
- Dissertationen
- Fighting the curse of dimensionality with local model networks
