05 Fakultät Informatik, Elektrotechnik und Informationstechnik
Permanent URI for this collectionhttps://elib.uni-stuttgart.de/handle/11682/6
Browse
226 results
Search Results
Item Open Access Temperaturbestimmung von Lithium Ionen Zellen mittels künstlicher neuronaler Netze basierend auf Daten der elektrochemischen Impedanzspektroskopie(2025) Ströbel, Marco; Birke, Kai Peter (Prof. Dr.-Ing.)Item Open Access Improving usability of gaze and voice based text entry systems(2023) Sengupta, Korok; Staab, Steffen (Prof. Dr.)Item Open Access Rigorous compilation for near-term quantum computers(2024) Brandhofer, Sebastian; Polian, Ilia (Prof.)Quantum computing promises an exponential speedup for computational problems in material sciences, cryptography and drug design that are infeasible to resolve by traditional classical systems. As quantum computing technology matures, larger and more complex quantum states can be prepared on a quantum computer, enabling the resolution of larger problem instances, e.g. breaking larger cryptographic keys or modelling larger molecules accurately for the exploration of novel drugs. Near-term quantum computers, however, are characterized by large error rates, a relatively low number of qubits and a low connectivity between qubits. These characteristics impose strict requirements on the structure of quantum computations that must be incorporated by compilation methods targeting near-term quantum computers in order to ensure compatibility and yield highly accurate results. Rigorous compilation methods have been explored for addressing these requirements as they exactly explore the solution space and thus yield a quantum computation that is optimal with respect to the incorporated requirements. However, previous rigorous compilation methods demonstrate limited applicability and typically focus on one aspect of the imposed requirements, i.e. reducing the duration or the number of swap gates in a quantum computation. In this work, opportunities for improving near-term quantum computations through compilation are explored first. These compilation opportunities are included in rigorous compilation methods to investigate each aspect of the imposed requirements, i.e. the number of qubits, connectivity of qubits, duration and incurred errors. The developed rigorous compilation methods are then evaluated with respect to their ability to enable quantum computations that are otherwise not accessible with near-term quantum technology. Experimental results demonstrate the ability of the developed rigorous compilation methods to extend the computational reach of near-term quantum computers by generating quantum computations with a reduced requirement on the number and connectivity of qubits as well as reducing the duration and incurred errors of performed quantum computations. Furthermore, the developed rigorous compilation methods extend their applicability to quantum circuit partitioning, qubit reuse and the translation between quantum computations generated for distinct quantum technologies. Specifically, a developed rigorous compilation method exploiting the structure of a quantum computation to reuse qubits at runtime yielded a reduction in the required number of qubits of up to 5x and result error by up to 33%. The developed quantum circuit partitioning method optimally distributes a quantum computation to distinct separate partitions, reducing the required number of qubits by 40% and the cost of partitioning by 41% on average. Furthermore, a rigorous compilation method was developed for quantum computers based on neutral atoms that combines swap gate insertions and topology changes to reduce the impact of limited qubit connectivity on the quantum computation duration by up to 58% and on the result fidelity by up to 29%. Finally, the developed quantum circuit adaptation method enables to translate between distinct quantum technologies while considering heterogeneous computational primitives with distinct characteristics to reduce the idle time of qubits by up to 87% and the result fidelity by up to 40%.Item Open Access Optimising light electric vehicle capabilities through a new battery main switch topology with emphasis on battery heating(2025) Oehl, Joachim; Birke, Kai Peter (Prof. Dr.-Ing.)Item Open Access Generative models for interference mitigation and range-Doppler super-resolution for automotive radar(2025) Jiang, Chenming; Yang, Bin (Prof. Dr.-Ing.)Item Open Access Design for reliability in advanced technologies using machine learning(2024) Klemme, Florian; Amrouch, Hussam (Prof. Dr.-Ing.)This thesis focuses on the standard cell library, which is one of the core entities in the digital circuit design flow, to demonstrate the challenges and opportunities of advanced technology nodes. The standard cell library serves as a technology interface between the foundry and the circuit designer, enabling automatic mapping of high-level circuit descriptions to the technology of the foundry through the process of logic synthesis. In the past decade, the standard cell library has been continuously adapted to keep up with the demands of shrinking process nodes. This includes, e.g., the integration of more accurate timing models, process variation, or signal integrity for cross-talk and noise in the circuit. This thesis takes this development to the next level and presents approaches to bring machine learning and transistor self-heating into the standard cell library.Item Open Access A framework for similarity recognition of CAD models in respect to PLM optimization(2022) Zehtaban, Leila; Roller, Dieter (Univ.-Prof. Hon.-Prof. Dr.)Item Open Access Eine Methode zum Verteilen, Adaptieren und Deployment partnerübergreifender Anwendungen(2022) Wild, Karoline; Leymann, Frank (Prof. Dr. Dr. h. c.)Ein wesentlicher Aspekt einer effektiven Kollaboration innerhalb von Organisationen, aber vor allem organisationsübergreifend, ist die Integration und Automatisierung der Prozesse. Dazu zählt auch die Bereitstellung von Anwendungssystemen, deren Komponenten von unterschiedlichen Partnern, das heißt Abteilungen oder Unternehmen, bereitgestellt und verwaltet werden. Die dadurch entstehende verteilte, dezentral verwaltete Umgebung bedarf neuer Konzepte zur Bereitstellung. Die Autonomie der Partner und die Verteilung der Komponenten führen dabei zu neuen Herausforderungen. Zum einen müssen partnerübergreifende Kommunikationsbeziehungen realisiert und zum anderen muss das automatisierte dezentrale Deployment ermöglicht werden. Eine Vielzahl von Technologien wurde in den letzten Jahren entwickelt, die alle Schritte von der Modellierung bis zur Bereitstellung und dem Management zur Laufzeit einer Anwendung abdecken. Diese Technologien basieren jedoch auf einer zentralisierten Koordination des Deployments, wodurch die Autonomie der Partner eingeschränkt ist. Auch fehlen Konzepte zur Identifikation von Problemen, die aus der Verteilung von Anwendungskomponenten resultieren und die Funktionsfähigkeit der Anwendung einschränken. Dies betrifft speziell die partnerübergreifenden Kommunikationsbeziehungen. Um diese Herausforderungen zu lösen, stellt diese Arbeit die DivA-Methode zum Verteilen, Adaptieren und Deployment partnerübergreifender Anwendungen vor. Die Methode vereinigt die globalen und lokalen Partneraktivitäten, die zur Bereitstellung partnerübergreifender Anwendungen benötigt werden. Dabei setzt die Methode auf dem deklarativen Essential Deployment Meta Model (EDMM) auf und ermöglicht damit die Einführung deploymenttechnologieunabhängiger Modellierungskonzepte zur Verteilung von Anwendungskomponenten sowie zur Modellanalyse und -adaption. Das Split-and-Match-Verfahren wird für die Verteilung von Anwendungskomponenten basierend auf festgelegten Zielumgebungen und zur Selektion kompatibler Cloud-Dienste vorgestellt. Für die Ausführung des Deployments können EDMM-Modelle in unterschiedliche Technologien transformiert werden. Um die Bereitstellung komplett dezentral durchzuführen, werden deklarative und imperative Technologien kombiniert und basierend auf den deklarativen EDMM-Modellen Workflows generiert, die die Aktivitäten zur Bereitstellung und zum Datenaustausch mit anderen Partnern zur Realisierung partnerübergreifender Kommunikationsbeziehungen orchestrieren. Diese Workflows formen implizit eine Deployment-Choreographie. Für die Modellanalyse und -adaption wird als Kern dieser Arbeit ein zweistufiges musterbasiertes Verfahren zur Problemerkennung und Modelladaption eingeführt. Dafür werden aus den textuellen Musterbeschreibungen die Problem- und Kontextdefinition analysiert und formalisiert, um die automatisierte Identifikation von Problemen in EDMM-Modellen zu ermöglichen. Besonderer Fokus liegt dabei auf Problemen, die durch die Verteilung der Komponenten entstehen und die Realisierung von Kommunikationsbeziehungen verhindern. Das gleiche Verfahren wird auch für die Selektion geeigneter konkreter Lösungsimplementierungen zur Behebung der Probleme angewendet. Zusätzlich wird ein Ansatz zur Selektion von Kommunikationstreibern abhängig von der verwendeten Integrations-Middleware vorgestellt, wodurch die Portabilität von Anwendungskomponenten verbessert werden kann. Die in dieser Arbeit vorgestellten Konzepte werden durch das DivA-Werkzeug automatisiert. Zur Validierung wird das Werkzeug prototypisch implementiert und in bestehende Systeme zur Modellierung und Ausführung des Deployments von Anwendungssystemen integriert.Item Open Access Visual analysis of sequential data(2025) Munz-Körner, Tanja; Weiskopf, Daniel (Prof. Dr.)Sequential and temporal data is omnipresent in various areas of our lives. It is characterized by a sequence of data points in a fixed order, possibly with a temporal component. With an increasing amount of data being generated and collected, and different types of data originating from various domains, appropriate methods are needed to examine, interpret, understand, and draw conclusions from complex processes. Depending on the use case, the amount of data, and the target group, different analysis methods have to be chosen or developed. While visualization alone can already provide interesting insights into the data, interactive visual analysis helps users extract additional information by letting them focus on specific parts of the data and exploring it from different perspectives. Techniques such as brushing and linking and multiple coordinated views (multiple visualizations for the same data that are linked) help realize such an examination. In this thesis, several approaches for visually analyzing sequential data are presented. The focus lies particularly on two key application areas: eye tracking and the interpretability of machine learning (ML) methods. Additionally, the use of dimensionality reduction methods during preprocessing for visualization is an important concept of this work. In all these areas, sequential or temporal components play important roles. They can be the subject of exploration, used as input data to trigger complex processes, represent internal mechanisms within methods, or be the output of a process. Users may want to examine or compare them to understand the data better. In the area of eye tracking analysis, this thesis presents a visual analysis approach that addresses the influence of various filter settings (parameter choices) on the data being visualized and interpreted. Additionally, a method is presented that combines temporal data from different sources to enable a better comparison of this data. Preprocessing steps play a crucial role in both methods to allow meaningful visualizations of the data and subsequent examination of the data. Next, various ML approaches are considered. The interpretability of ML techniques is currently a very important and challenging topic. Especially ML models in the area of natural language processing (NLP) deal with sequential components as input data, and also, the internal operations follow sequential processing steps. This thesis demonstrates that, in the field of NLP, internal information from neural machine translation (NMT), visual question answering (VQA), and text classification tasks can be made available to users for an enhanced understanding of internal mechanisms and to improve prediction results. Toward the end of this thesis, dimensionality reduction techniques are applied as a preparation step for visualizing sequential data. First, dimensionality reduction is used in an interactive system to examine text classification in the context of ML. However, interpreting 2D visualizations of dimensionally reduced sequential data requires careful consideration due to the possibility of data loss, misleading projections, and potential misinterpretation of the visualization itself. Therefore, in this work, visualization approaches are presented that address this challenge to provide methods to prevent misinterpretation. Overall, all presented interactive visualization approaches of this thesis use sequential data as input, and the visual analysis techniques help users during data exploration, interpretation, for debugging purposes, or to improve prediction results generated with ML models.Item Open Access Generierung synthetischer Trainingsdaten zur Leistungssteigerung bei maschinellen Lernaufgaben in der Automatisierungstechnik(Düren : Shaker Verlag, 2026) Vietz, Hannes; Weyrich, Michael (Prof. Dr.-Ing. Dr. h. c.)Die Anwendung maschinell gelernter Algorithmen gewinnt in der Automatisierungstechnik zunehmend an Bedeutung, da sie datenbasierte Problemlösungen ermöglicht. Ein wesentlicher Engpass für den Einsatz leistungsfähiger Deep-Learning-Modelle im Feldeinsatz ist jedoch die Verfügbarkeit umfangreicher, gelabelter Trainingsdaten, deren Akquisition in der industriellen Praxis oft hohe Kosten und Betriebsanpassungen erfordert. Ein vielversprechender Ansatz zur Lösung dieses Problems liegt in der Nutzung synthetischer Daten, die das Training ohne den Zugang zu großen realen Datensätzen ermöglichen. Jedoch erzeugen derzeitige Verfahren häufig redundante Szenarien, und es bleibt unklar, welche spezifischen synthetischen Daten zur Verbesserung der Modellgüte beitragen. In dieser Dissertation wird ein Konzept zur leistungssteigernden Generierung synthetischer Daten entwickelt, das spezifisch darauf ausgerichtet ist, bestehende Schwächen in trainierten Modellen zu adressieren und deren Leistungsmetriken gezielt zu verbessern. Das iterative Konzept umfasst ein generatives neuronales Netz, eine Steuerungskomponente zur Optimierung der Datengenerierung sowie eine Entscheidungslogik, die bestimmt, ob ein generierter Datenpunkt für das Training verwendet werden sollte. Die Effektivität des Konzepts wird anhand von Anwendungsfällen aus der Automatisierungstechnik demonstriert: Der MNIST-Datensatz zur Handschrifterkennung dient als kontrollierte Umgebung zur Bewertung der Fähigkeit des Generators, realitätsnahe, interpretierbare Bilddaten zu erzeugen; ein datengetriebenes 5G-Positionsbestimmungssystem wird genutzt, um die Übertragbarkeit des Konzepts auf eine industrielle Produktionsumgebung zu belegen, wobei eine signifikante Verbesserung der Modellgenauigkeit und Generalisierung gezeigt wird; der dritte Anwendungsfall untersucht die optische Objektdetektion in einer Industrieumgebung ohne verfügbare öffentliche Datensätze und zeigt das Potenzial des Konzepts, spezifische industrielle Anforderungen zu adressieren. Die Evaluierung zeigt, dass das vorgestellte Konzept in der Lage ist, realistische und gezielte Trainingsdaten zu generieren, die die Robustheit und Leistungsfähigkeit neuronaler Netze im Kontext maschinellen Lernens und industrieller Automatisierung signifikant erhöhen können. In allen Anwendungsfällen führte der Einsatz der synthetisch generierten Daten zu einer substantiellen Verbesserung der Modellgüte, was das Potenzial des Ansatzes für praktische Anwendungen in der Automatisierungstechnik unterstreicht.