Projekte von Prof. Dr. Reinhold H?b-Umbach
WestAI - AI Service Center West
F?rderprogramm KI7_Aufbau von KI-Servicezentren
Laufzeit: 11/2022 - 12/2025
Kontakt: Dr.-Ing. J?rg Schmalenstr?er
SAIL - Nachhaltiger Lebenszyklus von intelligenten soziotechnischen Systemen
Durch SAIL wird das bestehende Forschungsnetzwerk aus Uni Bielefeld, Uni Paderborn, TH OWL und FH Bielefeld im Bereich der künstlichen Intelligenz (KI) vertieft und weiterentwickelt. SAIL adressiert die n?chste Stufe der KI-Entwicklung, indem der gesamte Lebenszyklus von KI-Systemen und deren technologische und gesellschaftliche Auswirkungen in den ...
Laufzeit: 08/2022 - 07/2026
Automatische Transkription von Gespr?chssituationen
Das Projekt befasst sich mit der maschinenlesbaren Verschriftung von Gespr?chssituationen unter Verwendung von Raummikrofonen, seien es professionelle Besprechungen oder lockere Treffen unter Freunden. Derzeitige technische L?sungen erreichen bei weitem nicht die Erkennungsleistung eines Menschen. Dies hat vornehmlich drei Gründe: Zum einen ist die ...
Laufzeit: 05/2021 - 12/2024
Lernen tiefer Sprachrepr?sentationen für die Phonetikforschung
Neben dem linguistischen Inhalt enth?lt ein Sprachsignal weitere, extra/paralinguistische Informationen, wie beispielsweise Geschlecht, emotionaler Zustand, Alter, sozialer Status oder die Identit?t von Sprecherinnen oder Sprechern. Diese Charakteristika sind jedoch in komplexen, nicht unmittelbar transparenten Variationen des Sprachsignals ...
Laufzeit: 04/2021 - 12/2024
TRR 31; TP C06: Technisch erm?glichte Erl?uterung der Sprecher Eigenschaften
Das Sprachsignal ist eine reichhaltige Informationsquelle, die nicht nur linguistische, sondern auch so genannte para- oder au?ersprachliche Inhalte vermittelt, die die Identit?t, das Geschlecht, den emotionalen oder kognitiven Zustand, das Alter und die Gesundheit eines Sprechers offenbaren. Diese Merkmale sind Gegenstand zahlreicher ...
Laufzeit: 01/2021 - 12/2025
Explainable Feature Importance: Interpretierbare maschinelles Lernen durch spieltheoretische Analyse von Einflussgr??en und Interaktionseffekten
Methoden des maschinellen Lernens (ML) unterstützen die Suche nach Mustern in Daten und Zusammenh?ngen zwischen Variablen, z.B. in komplexen bio-medizinischen Systemen. Auf diese Weise k?nnen sie neue Einsichten vermitteln und Entscheidungen in Handlungs?feldern wie der medizinischen Diagnostik verbessern. Neben der Güte der aus den Daten gelernten ...
Laufzeit: 01/2021 - 12/2024
Ger?uscherkennung mit begrenzter ?berwachung über Sensornetzwerke
Eine Diskrepanz zwischen der Statistik der Trainings- und der Testdaten kann zu einer erheblichen Verschlechterung der Leistung von Systemen für maschinelles Lernen führen. Bei der Erkennung von Ger?uschen in akustischen Sensornetzen (ASN) ist dies aufgrund der gro?en Anzahl und Variabilit?t von Ger?uschen und akustischen Umgebungen sowie aufgrund ...
Laufzeit: 01/2017 - 12/2023
FOR 2457: Verteilte akustische Signalverarbeitung über drahtlose Sensornetzwerke
Wir betrachten ein akustisches Sensornetz, in dem verschiedene Anwendungen, wie z. B. Quellentrennung und -extraktion, ausgeführt werden sollen. Eine einfache L?sung k?nnte darin bestehen, alle Daten an einen Gateway-Knoten zu übertragen und sie dort zu verarbeiten. Dies ist jedoch nicht unbedingt die beste L?sung (Engp?sse bei der Datenrate, gro?e ...
Laufzeit: 01/2017 - 12/2023
Akustische Sensornetze Acoustic Sensor Networks Research Group
Diese Forschergruppe untersucht L?sungen und Grenzen für die Verarbeitung und Klassifizierung akustischer Signale über gekoppelte Sensornetzwerke. Unser Ziel ist es, die derzeitigen Unzul?nglichkeiten zu beseitigen und eine gemeinsame Plattform zu entwickeln, die ASNs anpassungsf?higer an die Variabilit?t akustischer Umgebungen und ...
Laufzeit: 01/2017 - 12/2023
FOR 2457: Akustische Sensornetze, TP: Unüberwachte akustische Ereignisdetektion und Szenenklassifikation auf Sensornetzwerken
Ein grunds?tzliches Problem für viele maschinelle Lernverfahren ist eine Diskrepanz zwischen den Trainingsdaten und den Testdaten in einer sp?teren Anwendung, welche zu einem signifikanten Einbruch der Klassifikationsrate führen kann. Bei der akustische Ereignisdetektion und Szenenklassifikation in akustischen Sensornetzen tritt dieses Problem ...
Laufzeit: 10/2016 - 12/2021
Kontakt: Janek Ebbers