Marten, Dennis (2022) Big Data Analytics für die effiziente Aktivitätserkennung und -vorhersage in Assistenzsystemen. Doctoral thesis, Universität Rostock.
![[img]](https://eprints.dbis.informatik.uni-rostock.de/style/images/fileicons/text.png) |
Text
Marten_Dissertation_2023.pdf Download (5MB) |
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.
| Item Type: | Thesis (Doctoral) |
|---|---|
| Subjects: | Forschungsthemen > Big Data Analytics Autorenart > DBIS-Publikationen Projekte > MuSAMA Rahmenprojekte > PArADISE |
| Depositing User: | Dbis Admin |
| Date Deposited: | 28 Mar 2024 11:50 |
| Last Modified: | 28 Mar 2024 11:50 |
| URI: | https://eprints.dbis.informatik.uni-rostock.de/id/eprint/1104 |
Actions (login required)
 |
View Item |
