Deep Learning | LAMARR

Unsere Lesetipps für die Feiertage

14. Dezember 2022

Redaktionsteam

Lamarr-Blog

Für die Feiertage haben wir ein paar Lesetipps zusammengestellt. Der ML2R-Blog wird im neuen Jahr mit interessanten Beiträgen rund um Künstliche Intelligenz und Maschinelles Lernen zurück sein.

Wie verändert Künstliche Intelligenz die medizinische Pflege und Diagnose?

24. August 2022

Dario

Antweiler

In Kooperation mit dem Landesfrauenrat RLP: Dieser Beitrag wirft einen Blick hinter die Kulissen Künstlicher Intelligenz in der Medizin und zeigt, wie KI die medizinische Pflege und Diagnose verändert.

|CT Aufnahmen des Schädels mit Blutungen in unterschiedlichen Regionen des Kopfes|CT-Bild aus Datensatz|Heatmap auf CT-Bild

KI in der Radiologie – Mit Deep Learning hämorrhagische Schlaganfälle klassifizieren und erklären

27. Juli 2022

Rebekka

Görge

Kommt es zum Schlaganfall, ist eine schnelle Intervention gefordert. Eine Deep Learning Klassifizierung könnte Ärzt*innen unterstützen. In sicherheitskritischen Bereichen wie der Medizin müssen Vorhersagen einer KI jedoch nachvollziehbar sein.

Ein Ansatz zum granularen Testen von tiefen neuronalen Netzen

1. Juni 2022

Sujan Sai

Gannamaneni

Vor dem Einsatz neuer Technologien wie Deep Learning (DL) in sicherheitskritischen Anwendungen ist die Einführung strenger Test- und Zertifizierungsverfahren unerlässlich. Wir schlagen einen Testansatz vor, der Schwachstellen in DL-Modellen identifizieren könnte.

||Password-Guessing-Algorithmen|Passwörter generieren

Mit Deep-Learning Passwörter generieren

13. Oktober 2021

David

Biesner

Menschen setzen Passwörter meist nicht zufällig, wodurch Systeme anfällig für Angriffe werden. In unserem Forschungsprojekt untersuchen wir Deep-Learning-Modelle, um neue, sicherere Passwörter zu generieren und die IT-Sicherheit in Unternehmen zu testen.

|Maschine erkennt das Schwein. Sobald ein Rauschen hinzugefügt wird

Robust oder anfällig – mit Wärme mehr Einsichten in neuronale Netze erhalten

1. Juni 2021

Lukas

Franken

Bogdan

Georgiev

Wie einfach KI-Algorithmen angegriffen werden können, hängt von der Form der Grenzen ab, mit der das neuronale Netz die Entscheidungen voneinander trennt. Diese kann durch das Erhitzen der Entscheidungsgrenzen bestimmt werden.

Tiefe Neuronale Netze|Klassifikation eines neuronalen Netzes mit einer Ebene (Perzeptron)|Neuronales Netz mit 2 Ebenen|Klassifikation eines neuronalen Netzes mit einer Ebene (Perzeptron)|Klassifikation eines tiefen neuronalen Netzes|Beispiel für tiefe neuronale Netze: Erkennung von Ziffern|Aufbau: Tiefe Neuronale Netze

Deep Learning: Wie funktionieren tiefe neuronale Netze?

21. April 2021

Gerhard

Paaß

Deep Learning nutzt tiefe neuronale Netze, um Bilder zu erkennen, Texte zu verstehen und Entscheidungen genauer zu treffen. Zur Analyse großer Datensätze verwendet das „mehrschichtige Lernen“ mehrere versteckte Ebenen im Netz.

Gammastrahlung mit KI messen|Die klassische Verarbeitungskette der Messdaten im Rahmen von FACT. Die letzten drei Schritte sollen nun durch ein einheitliches Modell ersetzt werden.||Verarbeitungsreihe der Analyse der Gammastrahlung am Teleskop

Mit Künstlicher Intelligenz auf der Suche nach kosmischer Strahlung

3. Februar 2021

Sebastian

Buschjäger

Gammastrahlung gibt Hinweise auf Vorgänge im Weltall. Erstmalig ist es einem interdisziplinären Forscherteam der Informatik und Astrophysik an der TU Dortmund gelungen, die Analyse von Gammastrahlung in Echtzeit am Teleskop durchzuführen.

Erklärbarkeit der Künstlichen Intelligenz

Warum KI erklärbar sein muss

13. Januar 2021

Matthias

Jakobs

Viele Entscheidungen können heutzutage effizient, genau und automatisiert mittels maschineller Lernverfahren getroffen werden. Ebenso wichtig ist allerdings, dass transparent dargestellt und erklärt wird, warum und wie diese Entscheidungen zustande kommen.