| Titel: |
| Big Data Analytics für die effiziente Aktivitätserkennung und -vorhersage in Assistenzsystemen |
|
| Beteiligte Personen: |
|
| Beteiligte Körperschaften: |
| Universität Rostock[Grad-verleihende Institution] |
 |
38329-6 |
| Universität Rostock, Fakultät für Informatik und Elektrotechnik[Grad-verleihende Institution] |
|
10085032-7 |
|
| |
| Zusammenfassung: |
|
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.
[Deutsch] |
|
| Dokumenttyp: |
|
| Einrichtung: |
| Fakultät für Informatik und Elektrotechnik |
|
| Sprache: |
|
| Sachgruppe der DNB: |
|
| |
Veröffentlichung /
Entstehung: |
|
Rostock: Universität Rostock
|
|
2021
|
|
| Verantwortlichkeitsangabe: |
| vorgelegt von Dennis Marten |
|
| |
| Identifikatoren: |
|
| |
| Zugang: |
|
frei zugänglich (Open Access)
|
|
| Lizenz/Rechtehinweis: |
alle Rechte vorbehalten
Das Werk darf ausschließlich nach den vom deutschen Urheberrechtsgesetz festgelegten Bedingungen genutzt werden. |
|
|
| RosDok-ID: |
rosdok_disshab_0000002884 |
| erstellt / geändert am: |
11.01.2023 / 08.08.2023
|
| Metadaten-Lizenz: |
Die Metadaten zu diesem Dokument sind gemeinfrei
(CC0 1.0 Universal Public Domain Dedication). |
Zugang
Viewer
Volltext