05 Fakultät Informatik, Elektrotechnik und Informationstechnik
Permanent URI for this collectionhttps://elib.uni-stuttgart.de/handle/11682/6
Browse
Search Results
Item Open Access Die Rolle von Verschränkung im Quantencomputing : Speedup und Konsensusprotokolle(2019) Salm, Marie OliviaIn Zukunft werden Quantencomputer Probleme womöglich effizienter lösen als klassische Computer. Dies wäre eine bahnbrechende Errungenschaft und erweckt daher große Hoffnungen bei Forschung und Wirtschaft. Noch befindet sich das Gebiet der Quanteninformatik und des Quantencomputings vor allem in der Grundlagenforschung, und die Entwicklung eines leistungsfähigen Quantencomputers liegt noch in weiter Ferne. Dennoch werden bereits heute Quantenalgorithmen entwickelt, die eine Überlegenheit gegenüber klassischen Algorithmen aufzeigen könnten. So könnten verteilte Systeme von den quantenmechanischen Eigenschaften unter anderem durch Kommunikationsersparnisse profitieren. In dieser Arbeit wurde untersucht, ob das Phänomen der Verschränkung für den möglichen Speedup gegenüber klassischen Computer verantwortlich ist. Dazu wurden Annahmen wissenschaftlicher Arbeiten zusammengefasst. Des Weiteren wurde das Konsensusprotokoll Paxos mit quantenmechanischen Konzepten erweitert. Für eine der Erweiterungen wurde der verschränkte W-Zustand für die Wahl eines Proposers eingesetzt. In der zweiten Erweiterung wurde für die Bestimmung einer Rundennummer Superposition verwendet. Zudem wurde das 2-Phasen-Commit-Protokoll in unterschiedlichen Varianten mit dem GHZ-Zustand erweitert. Auch für das 3-Phasen-Commit-Protokoll wurde der W-Zustand für die Wahl eines Koordinators verwendet. Die Ergebnisse zeigen unter anderem, dass eine Reduzierung des Kommunikationsaufwands bei Paxos und dem 3-Phasen-Commit-Protkoll möglich ist. Es zeigt sich auch, dass eine Deblockierung des erweiterten 2-Phasen-Commit-Protokolls in der behandelten Weise nicht möglich ist.Item Open Access Comprehensive Support of the Lifecycle of Machine Learning Models in Model Management Systems(2019) Popp, MatthiasToday, Machine Learning (ML) is entering many economic and scientific fields. The lifecycle of ML models includes data pre-processing to transform raw data into features, training a model with the features, and providing the model to answer predictive queries. The challenge is to ensure accurate predictions by continuously updating the model with automatic or manual retraining. To be aware of all changes, e.g. datasets and parameters, it is required to store metadata over the entire ML lifecycle. In this thesis we present a concept and system for comprehensive support of the ML lifecycle. The concept includes a metadata schema, as well as a solution to collect and enrich the metadata. The metadata schema contains information about the experiment, runs, executions, executables and common artifacts in ML such as datasets, models, and metrics. The stored information can be used for comparisons, re-iterations, and backtracking of ML experiments. We achieve this by tracking the lineage of ML pipeline steps and collecting metadata such as hyperparameters. Furthermore, a prototype is implemented to demonstrate and evaluate the concept. A case study, based on a selected scenario, serves as the basis for a qualitative assessment. The case study shows that the concept meets all the requirements and is therefore a suitable approach to comprehensively support ML model lifecycle.Item Open Access Das Ordnungsproblem für Automatengruppen und verwandte Fragestellungen(2019) Bühler, AndreasIn dieser Arbeit werden Problemstellungen in der Klasse der Automatenhalbgruppen untersucht. Ein besonderer Augenmerk gilt dabei dem Ordnungsproblem welches im Allgemeinen sowohl für Automatenhalbgruppen als auch für Automatengruppen unentscheidbar ist. Es wird dann für die Klasse der Automatenhalbgruppen mit beschränkter Aktivität ein Algorithmus mit überraschend geringem Platzbedarf vorgestellt. Danach wird ein Entscheidungsalgorithmus für das Mitgliedschaftsproblem in ultimativ periodischen Teilmengen von Automatenhalbgruppen beschränkter Aktivität erarbeitet. Dieses Problem beinhaltet insbesondere das Mitgliedschaftsproblem in monogenen Unterhalbgruppen, welches dadurch ebenfalls in Automatenhalbgruppen beschränkter Aktivität entscheidbar ist.Item Open Access Implementation of an automatic extract method refactoring(2019) Hubert, JohannesSoftware quality is an important aspect to guarantee maintainability and comprehensibility of developed source code. Modern software projects use static code analysis tools to continuously monitor the software quality. Based on findings from these tools, developers refactor their code with the aim to remove detected code smells. Refactorings can use up a lot of resources when done manually and a lot of authors suggest semi-automated solutions to improve the refactoring experience for developers. One of the most applied refactorings is the extract method refactoring which is often used to improve long and complex methods. Recent studies showed, that existing semi-automated tools for this refactoring are not preferred by developers. We propose an approach to fully automate the extract method refactorings based on findings from static code analysis tools. Our approach finds refactoring opportunities in a selected method and ranks these candidates according to a scoring function. The highest ranked candidate will be automatically refactored using the extract method refactoring. We implement our approach using the existing Refactoring Bot framework, a software development bot which seamlessly integrates into the build pipeline of existing projects.Item Open Access Cloud Manufacturing : eine systematische Mapping-Studie(2019) Kapitza, StefaniaDie Herstellungsindustrie ist durch die Globalisierung und Digitalisierung im Wandel. Dies führt dazu das Unternehmen traditionelle Herstellungsverfahren ändern müssen, um konkurrenzfähig bleiben zu können. Technologien wie Cloud Computing, Internet der Dinge und Virtualisierung erlauben die Einführung des neuen Paradigmas Cloud Manufacturing. Cloud Manuacturing erlaubt ein serviceorientiertes Herstellungsverfahren durch die Virtualisierung und Kapselung von Ressourcen und Kapazitäten. Dies führt dazu, dass Kollaborationspartner oder Konsumenten weltweit einfach auf Herstellungsressourcen zugreifen und ihr Wissen teilen können. Durch die Vorteile die Cloud Manufacturing bietet hat das Interesse seit der Einführung der Thematik zugenommen. Dies führt dazu, dass viele Studien in diesem Bereich veröffentlicht wurden. Da die Nutzung von verschiedenen Technologien in Cloud Manufacturing viele Teilaspekte beinhaltet, gibt es viele Forschungsthemen, die unterschiedlich ausgeprägt untersucht worden sind. Das Ziel dieser Arbeit ist den aktuellen Forschungsstand des Cloud Manufacturings aufzuzeigen, indem eine systematische Mappingstudie durchgeführt wird. Dabei erfolgt die Identifizierung aktueller Forschungsschwerpunkte und häufig auftretender Lösungsansätze. Zusätzlich wird die Publikationsflora in diesem Bereich untersucht, wodurch relevante Verlage, Fachzeitschriften, Beiträge und Autoren aufgezeigt werden. Des Weiteren erfolgt die Ermittlung der Forschung bekannten unzureichend untersuchten Cloud Manufacturing Aspekte.Item Open Access GitOps basiertes Continuous Delivery für Serverless Anwendungen(2019) Sahin, MüslümDas Ziel dieser Masterarbeit ist ein Konzept für eine anbieterunabhängige Continuous Delivery Lösung für Serverless Anwendungen zu entwickeln und prototypisch umzusetzten. Serverless bezeichnet ein Paradigma, bei dem die Infrastruktur komplett vom Entwickler verborgen bleibt und vom Cloud Anbieter verwaltet wird. Function-as-a-Service (FaaS) beschreibt ein Serverless Cloud-Service mit der kleine, kurzlebige und ereignisgesteuerte Funktionen bereitgestellt werden. Aufgrund der feinen Granularität von Business Services erhöht sich die Komplexität für Deployment und Management der Anwendung. Daher sind automatisierte DevOps Methoden durch Continuous Delivery und Infrastructure-as-Code (IaC) essentiell für eine zuverlässige, sichere und schnellere Softwareauslieferung. Dies wird bereits von einigen Cloud Providern mit eigenen Cloud-Services unterstützt, was jedoch zu einem Vendor Lock-in führt, da individuelle Implementierungen und DevOps-Prozesse vom Anbieter abhängig sind. Daher untersucht diese Arbeit den Stand der Technik im Bereich Herausforderungen, Konzepte, Technologien im gemeinsamen Kontext von Serverless, Continuous Delivery und Multi-Cloud. Hierfür wird eine systematische Literaturrecherche (SLR) verwendet. Statistische Analysen der SLR und weitere Recherchen haben ergeben, dass die Einschränkungen von proprietären FaaS-Plattformen durch Abstraktionen und Multi-Cloud Tools ein alternatives Konzept ergeben, der Vendor Lock-in aber immer noch existiert. Ein Pseudo-Algorithmus wurde entwickelt, um das geeignete Infrastructure-as-Code (IaC) Modell für das Vendor Lock-in Problem zu finden, solange keine Standards für Serverless Anwendungen existieren. Auf Basis weiterer Recherchen wurde ein Konzept für eine GitOps basierte Continuous Delivery Pipeline entwickelt. Um das Konzept zu zeigen wurde eine prototypische CI/CD Pipeline anhand einer Beispielanwendung implementiert. Das Konzept bietet eine Isolierung der Plattform-Anbieter und ist anbieterunabhängig. Das Ergebnis der Arbeit hat gezeigt, dass die Technologie noch jung in Bezug auf Tooling-Support, Standardisierung und Forschung ist. Weiterhin wird zu erwarten sein, dass sich die Lücke zwischen Serverless und Container-Orchestrierung irgendwann schließen wird.Item Open Access Konzeption und Realisierung einer Cloud-Manufacturing-Orchestrations- und Planungsplattform(2019) Pawlowicz, DanielCloud Manufacturing ist ein Paradigma, welches den Ansatz des Cloud Computings auf die Fertigung überträgt. Der Grundgedanke dafür ist, einen allgegenwärtigen und bedarfsgerechten Zugriff auf einen virtualisierten Pool an Ressourcen zu ermöglichen. Eine Plattform soll dabei die Zuordnung dieser Ressourcen zwischen den Teilnehmern in diesem Netzwerk übernehmen. Ein Vorteil davon ist, dass Hersteller und Dienstleister in einer neuen Form miteinander kollaborieren können. Fertigungsaufträge können aufgeteilt und einzelne Aufgaben an spezialisierte Hersteller oder Dienstleister abgegeben werden. Diese Orchestration der auf der Plattform verfügbaren Ressourcen, die als Services angeboten werden, muss geplant und koordiniert werden, um einen Kundenauftrag zu erfüllen. Herausforderungen für dieses Paradigma sind der Datenschutz sowie die Sicherheit der Daten. Sensible Daten der Teilnehmer, Informationen über das Produkt oder Kenntnisse über Technologien und Prozesse müssen über die Plattform ausgetauscht werden. Die vorliegende Arbeit befasst sich mit der Ausarbeitung eines Konzepts für eine Plattform, die eine Orchestrierung der Services sowie eine Planung von Aufträgen ermöglichen soll. Dabei sollen sensible Daten und geistiges Eigentum im Kontext des kollaborativen Cloud Manufacturing geschützt werden können. Dafür wurden bereits existierende wissenschaftliche Arbeiten analysiert und ausgewertet. Basierend auf diesen Erkenntnissen wurde ein Konzept für eine Plattform ausgearbeitet, die eine transparente Kollaboration der Teilnehmer des Netzwerks ermöglicht. Die Plattform wurde mit einer Blockchain umgesetzt, die Teilnehmer veröffentlichen konzeptionierte Smart Contracts, die ihre Ressourcen, Dienstleistungen und Aufträge repräsentieren. Dabei werden Daten nur mit autorisierten Teilnehmern ausgetauscht. Zudem wird für den Austausch keine weitere Instanz benötigt, wie ein Plattform-Betreiber als Vermittler, der die Daten dann ebenfalls einsehen könnte.Item Open Access Quantum-enhanced machine learning in the NISQ era(2019) Radic, MarcoQuantum computation technologies have reached a new level of sophistication with the release of the first commercial offerings. Likewise, Machine Learning is popular for use-cases in both industry and research. With Quantum Machine Learning, one hopes to combine both areas in a symbiotic relationship to achieve an advantage in artificial intelligence with the use of quantum technologies. Recently presented approaches make use of quantum technologies in combination with classical hardware resources in order to mitigate the problems imposed by shortcomings of quantum computers of the current generation. Some of these approaches use quantum circuits with free parameters, which are optimized to solve problems and objectives in Machine Learning. This work presents a concept for automated modelling of these quantum circuits, with the goal of constructing suitable circuits for the task of classification. The concept is implemented in a prototype and validated in experiments.Item Open Access A framework for learning activities of office occupants(2019) Gupta, PrashantEnergy consumption in buildings has a correlation with the activities of occupants. Buildings account for about 40% of the total energy consumption in many developed countries, making them the largest end-user consumer sector [1][2]. Non-residential buildings comprise 25% of the European building stock [2]. Average energy consumption in the non-residential sector is on average 280 Kwh/m2 which is 40 % greater than an equivalent for the residential sector [2]. Commercial buildings like offices (23 %) and wholesale and retail shops (28 %) constitute the major part of total energy consumption in the non-residential sector[2]. Hence learning and understanding occupants’ activities especially in a commercial landscape like offices is a complex process but with great benefits. The continuously changing patterns in data over time, ever generating new data types and dynamic streams of data make the task challenging as well as exciting. Understanding and analyzing the patterns in data produced as a result of human activities can lead to an increase in efficiency and higher performance resulting in lower energy consumption and more productivity of workers in the office environment [3]. The noisy raw data coming from multiple sensors installed at different locations in the office premises needs to be converted into some useful information and interpreted in an intelligent manner. This thesis investigates approaches to recognize occupant’s activities in office premises and predict whether any of these activities will occur in some time window and how long these may last. The contextual information from raw sensor data can be used for learning different types of common office activities. i.e., working or not working on a computer, reading a book using a lamp, presence, and absence from the room, preparing a meal using the microwave or making a hot coffee using a coffee machine in the kitchen. The sensors are selected keeping the privacy of the user in mind while deliberately not using cameras for video recording and capturing images. Our contributions can be grouped into a three-fold approach. Firstly, developing a framework which can address the problems of recognizing and predicting activities in real-time and off-line mode. Secondly, applying our framework on the real sensor data collected using a wireless sensor network in an office environment. Lastly, providing separate evaluating metrics for both problems of activity learning (recognition and prediction).Item Open Access Analysis and Transfer of AutoML Concepts for Clustering Algorithms(2019) Tschechlov, DennisData analysts are confronted with the choice of selecting an appropriate algorithm with suitable hyperparameters for datasets that they want to analyze. For this, they typically execute and evaluate many configurations in a trial-and-error manner. However, for novice data analysts this is a time-consuming task. Recent advances in the research area of AutoML address this problem by automatically find a suitable algorithm with appropriate hyperparameters. Yet, these systems are only applicable for supervised learning tasks and not for unsupervised learning. In the scope of this work, existing AutoML systems are analyzed in detail. Subsequently, a concept is developed that uses components from existing AutoML systems but modifies them in such a way that they are applicable for unsupervised learning. Although, various kinds of unsupervised learning methods exist, this work focuses on the popular unsupervised method clustering. This concept is also prototypical implemented as proof-of-concept and is used for the evaluation. The comprehensive evaluation discusses the results for different optimization methods for selecting a suitable clustering algorithm with appropriate hyperparameters. The evaluation unveils that the predicted number of clusters of the implemented prototype deviates only slightly from the actual number of clusters. Hence, this work showed that it is possible to successfully transfer the concepts of existing AutoML systems to the unsupervised learning method of clustering and at the same time achieve precise results in an acceptable amount of time.