| title: |
| Big Data Analytics für die effiziente Aktivitätserkennung und -vorhersage in Assistenzsystemen |
|
| contributing persons: |
|
| contributing corporate bodies: |
| Universität Rostock[Grad-verleihende Institution] |
 |
38329-6 |
| Universität Rostock, Fakultät für Informatik und Elektrotechnik[Grad-verleihende Institution] |
|
10085032-7 |
|
| |
| abstract: |
|
In dieser Arbeit wird untersucht, inwiefern parallele relationale Datenbanksysteme
für Methoden der Aktivitätserkennung und -vorhersage in Assistenzsystemen gewinnbringend
eingesetzt werden können. Der Fokus liegt hierbei auf der effizienten und skalierbaren
Umsetzung und Komposition von Basisoperatoren der linearen Algebra. Dies ermöglicht
neben der Umsetzung zugehöriger Machine-Learning-Verfahren die Einbeziehung zahlreicher
weiterer Methoden des wissenschaftlichen Rechnens. Für die potenzielle Umsetzung solcher
werden daher zahlreiche Aspekte diskutiert und experimentell ausgewertet.
[German] |
|
| document type: |
|
| institution: |
| Faculty of Computer Science and Electrical Engineering |
|
| language: |
|
| subject class (DDC): |
| 004 Data processing Computer sciences |
|
| |
publication /
production: |
Rostock
|
Rostock: Universität Rostock
|
|
2021
|
|
| statement of responsibility: |
| vorgelegt von Dennis Marten |
|
| |
| identifiers: |
|
| |
| access condition: |
|
| license/rights statement: |
all rights reserved
This work may only be used under the terms of the German Copyright Law (Urheberrechtsgesetz). |
|
|
| RosDok id: |
rosdok_disshab_0000002884 |
| created / modified: |
11.01.2023 / 08.08.2023
|
| metadata license: |
The metadata of this document was dedicated to the public domain
(CC0 1.0 Universal Public Domain Dedication). |
access
viewer
fulltext