Home | Impressum | KIT

KIT-Kleinanzeigenmarkt

Rubrikenübersicht > Bachelor- und Masterarbeiten
Anzeigenübersicht
13.06.2018  (15  Klicks )
Thesis: Druckbares Künstliches Neuronales Netz

 

Master Thesis: Druckbares Künstliches Neuronales Netz

Druckbare Elektronik entwickelte sich in den letzten Jahren immer mehr zu einer ergänzenden Technologie zu konventioneller silikon-basierten Schaltungen, da sie es ermöglicht kostengünstige und flexible, elektronische Komponenten ohne aufwändige lithographische Verfahren herzustellen. Ein großer Anwendungsbereich liegt hier auf der Verarbeitung von Sensordaten, wie sie in cyber-physischen Systemen und Smart Sensors erhoben werden. Um mit Energy-Harvesting-Komponenten kompatibel zu sein, wie es in verteilten Industrie 4.0 Netzen erforderlich ist, sind energie-effiziente Lösungen unerlässlich. Ein Ansatz um diese Anforderungen zu erfüllen, ist der Einsatz von gedruckten künstlichen Neuronen, welche eine Vielzahl von sensorspezifischen Anwendungen abdecken, da sie sowohl während des Entwurfes als auch nach der Herstellung parametrisiert werden können, um Energie- und Performance-Budgets einzuhalten. Das Thema der Arbeit ist der simulations-unterstützende Entwurf und die Optimierung eines druckbaren neuronalen Netzes, welches dann im nächsten Schritt in unseren Laboren hergestellt werden kann. Dabei können je nach Interesse verschiedene Schwerpunkte gesetzt werden.

Kontakt
Wenn Du mehr wissen willst, melde Dich bei: dennis.weller@kit.edu und michael.hefenbrock@kit.edu

Voraussetzungen
Praxis mit der Simulation von elektronischen Schaltkreisen

Key words: Cadence Virtuoso, Neuromorphic Computing, Printed Electronics



07.06.2018  (13  Klicks )
3D-Geodaten in Virtual Reality - Sichtbarkeitsanalysen und Orientierung

Virtual Reality (VR) bietet viele Vorteile wie z.B. die echte 3D Darstellung einer geografisch korrekt nachgebildeten Umgebung. Ein Anwender kann eine gewünschte Umgebung in VR betrachten und vertraut machen zu der er in der Realität ggf. keinen Zugang hat. So kann schon vorab mit den Gegebenheiten vor Ort vertraut machen.

 

Aufgabenstellung

Ziel dieser Abschlussarbeit soll die Analyse und der Vergleich zwischen verschieden Darstellungen von Geodaten sein. Dabei sind sowohl typische topografische 2D Karten, 2,5D als auch 3D am Bildschirm sowie in VR zu betrachten. Es soll unter anderem erfasst werden, welche Methode einen Endanwender am besten auf die Lage vor Ort vorbereitet. Wie genau der Endanwender die Lage vor Ort schon vorab erfassen kann, wie z.B. Sichtachsen, Höhen von Objekten, etc.

Neben den Nutzerstudien sind umfängliche Vorarbeiten zu leisten. Dies umfasst die Geodatenbeschaffung, deren Verfügbarmachung in einem GIS und der VR Umgebung in z.B. der Unreal-Engine oder Google Earth.

 

Voraussetzungen

  • Praktische Kenntnisse / Vorlesungskenntnisse im Bereich der Geoinformationssysteme (GIS)
  • Wünschenswert sind Kenntnisse im Bereich von 3D-Daten und Laufzeit und Entwicklungsumgebung für
    Spiele / Spieleengines
  • Selbständiges Arbeiten und Teamfähigkeit


07.06.2018  (14  Klicks )
3D-Geodaten in Virtual Reality - Geodaten-Detailgrad in VR

Virtual Reality (VR) bietet viele Vorteile wie z.B. die echte 3D Darstellung einer geografisch korrekt nachgebildeten Umgebung. Ein Anwender kann eine gewünschte Umgebung in VR betrachten und vertraut machen zu der er in der Realität ggf. keinen Zugang hat. So kann schon vorab mit den Gegebenheiten vor Ort vertraut machen.

 

Aufgabenstellung

Ziel dieser Abschlussarbeit soll die Analyse und der Vergleich zwischen verschieden Detailgrade von Geodaten sein. Dabei sind sowohl topografische Karten als auch Texturen in einer VR zu betrachten. Es soll unter anderem erfasst werden, welcher Detailgrad einen Endanwender am besten auf die Lage vor Ort vorbereitet. Wie genau der Endanwender die Lage vor Ort schon vorab erfassen kann, wie z.B. Türschilder, Bilder im Objekten, etc.

Neben den Nutzerstudien sind umfängliche Vorarbeiten zu leisten. Dies umfasst die Geodatenbeschaffung, deren Verfügbarmachung in einem GIS und der VR Umgebung in z.B. der Unreal-Engine oder Google Earth.

 

Voraussetzungen

  • Praktische Kenntnisse / Vorlesungskenntnisse im Bereich der Geoinformationssysteme (GIS)
  • Kenntnisse im Bereich von 3D-Daten und Laufzeit und Entwicklungsumgebung für Spiele / Spieleengines
  • Selbständiges Arbeiten und Teamfähigkeit


30.05.2018  (300  Klicks )
BA/MA Thesis: A deep learning method for Indoor-Outdoor (IO) Detection with smartphones

Background:

Context sensing or detection is a key component of mobile and ubiquitous computing systems for enabling context-aware applications. The term “context” encompasses a variety of aspects of a mobile user including location, time, environment, device and activity. Our focus here is on detecting whether a mobile user is indoor or outdoor using the data acquired from various embedded sensors on the device, which we refer to as the Indoor-Outdoor (IO) Detection problem.

 

Deep learning models showed the ability to learn good representations of input data without hand-crafted feature extraction and thus are able to learn complex abstract feature hierarchies. Given these benefits, such models outperformed classical machine learning approaches in many areas, as image classification or speech recognition.

 

What you are supposed to do:

- Log the data from various embedded sensors on smartphones in different environment, label them with Indoor/Outdoor tag.

- Build a neural network model for the Indoor-Outdoor (IO) Detection problem, train and tune the model.

- Compare the results with the benchmark (existing methods).

 

Requirements:

- Self-motivation on solving problems and challenges

- Basic knowledge of machine learning and neural networks

- Programming skills in python

 

If you are interested in this thesis, please contact me via email: wanglong@teco.edu.

 



30.05.2018  (20  Klicks )
Masterarbeitsthemen am Institut für Industriebetriebslehre und Industrielle Produktion

                                   Masterarbeitsthemen zur Auswahl

Am Institut für Industriebetriebslehre und Industrielle Produktion sind in der Arbeitsgruppe nachhaltige Wertschöpfungsketten eine Auswahl an Abschlussarbeiten zu folgenden Themen zu vergeben:

Verfahrenstechnische Simulation mit AspenONE diverser Biomassekonversionsverfahren

Hintergrund

Mit Hinblick auf die erhöhte Abhängigkeit von fossilen Rohstoffen stellt sich zunehmend die Frage nach einer energetischen  und stofflichen Verwertung lignocellulosehaltiger und ölhaltiger Biomasse.

Thema 1

Verfahrenstechnische Simulation der Verfeuerung lignocellulose- haltiger Biomasse in der Festbett-, Wirbelschicht- und Staubfeuerung.

Thema 2

Verfahrenstechnische Simulation der Vergasung lignocellulose- haltiger Biomasse im Gleichstrom- und Wirbelschichtvergaser sowie im Kombi-Prozess als auch der chemischen Synthese.

Thema 3

Verfahrenstechnische Simulation einer Lignocellulose-Bioraffinerie auf Grundlage des Organosolv-Verfahrens.

Thema 4

Verfahrenstechnische Simulation der konventionellen Rapssaaten- verarbeitung und insb. der Rapsölextraktion.

Inhalt der ausgewählten Arbeiten

Ziel einer ausgewählten Arbeit ist es, die Verwertung von Biomasse in einer verfahrenstechnische Prozesssimulation mit der Simulations- software AspenONE abzubilden und techno-ökonomisch zu bewerten.

Hinweis

Studierende außerhalb der Fakultät für Wirtschaftswissenschaften (z.B. Chemieingenieurwesen- und Verfahrenstechnikstudierende) benötigen zusätzlich einen Betreuer innerhalb Ihrer eigenen Fakultät. Hilfe für die Kontaktherstellung zu einem geeigneten Betreuer wird bereitgestellt (z.B. IKFT, BLT, EBI, ITC, etc.).

Ansprechpartner

M.Sc. Andreas Rudi, andreas.rudi@kit.edu

Dr. Simon Glöser-Chahoud, simon.glöser-chahoud@kit.edu



29.05.2018  (26  Klicks )
Konzeptionierung und Entwicklung eines Smart Panic Buttons



28.05.2018  (329  Klicks )
Abschlussarbeit: Personalisierung von Vibrationsmustern mit Evolutionären Algorithmen

 

WER WIR SIND. Wir sind der Lehrstuhl für Pervasive Computing Systems und die traditionsreiche Forschungsabteilung TECO des KIT. Wir sind die, die den Web-Browser auf dem Smart-Phone erfunden, erste digitale Gegenstände kreiert und das erste europäische Sensornetz gebaut haben. Wir sind ein schnell wachsendes Team mit besten internationalen Beziehungen, die gute Studenten gerne mal ins Ausland schicken. Wir besitzen exzellente Kontakte in die Wirtschaft, sitzen in den Räumen des SAP Research Centers und sind interdisziplinär ausgerichtet.

 

WEN WIR SUCHEN. Wir suchen einen engagierten Studierenden, der Interesse an einer außergewöhnlichen Abschlussarbeit in einem sehr inspirierenden Umfeld hat und mit international anerkannten Spitzenwissenschaftlern aus Forschung und Industrie zusammenarbeiten möchte. Sie sind hoch motiviert, möchten eigene Ideen einbringen. Sie sind praktisch oder theoretisch sehr begabt oder beides. Sie arbeiten eigenverantwortlich, aber gerne im Team. Sie sind daran interessiert, mit neuester Technik zu arbeiten.

 

WORUM ES GEHT. Wearables wie Smartwatches und Fitnesstracker sind längts im Mainstream angekommen und ermöglichen neue Kommunikationsschnittslellen zum Träger. Informationen über Vibrationsmuster an den Nutzer weiterzugeben kann nicht nur für einfach Notifications verwendet werden, sondern hat das Potential komplexere Informationen kontinuierlich zu übertragen. Vibrationmuster zu personalisieren um diese besser an den jeweiligen Nutzer anzupassen ist dabei der nächste Schritt. Die ausgeschriebene Arbeit soll sich damit beschäftigen Vibrationsmuster durch die Nutzung von evolutionären Algorithmen zu personalisieren, um ohne das Hinzuziehen von Experten komplexe Informationen über vibrotaktile Schnittstellen darstellen zu können.

 

WAS MAN KANN. Ziel der Abschlussarbeit ist die Entwicklung und Evaluierung eines Trainingsystems für Vibrationsmuster auf der Basis von evolutionären Algorithmen. Dazu sind folgende Kenntnisse notwendig:

  • Sie studieren Informatik oder Informationswirtschaft (Bachelor oder Master).
  • Sie haben gute Programmierkenntnisse (Java, C#, Arduino).
  • Sie wissen, wie man Nutzerstudien plant und durchführt (z.B. durch den Besuch der HCI-Vorlesung).
  • Sie haben Interesse oder Vorkenntnisse im Bereich Optimierung mit Evolutionären Algorithmen

 

WIE BEWERBEN? EINFACH EINE EMAIL AN:
Erik Pescara (pescara@teco.edu)
oder anrufen unter Tel.: (0721) 608-41704
oder vorbeikommen am TECO, Institut für Telematik
Vincenz-Prießnitz-Str. 1, 76131 Karlsruhe

 



28.05.2018  (336  Klicks )
Master thesis: Bayesian Neural Networks for Energy Load Forecasting

Master thesis: Bayesian Neural Networks for Energy Load Forecasting
Most Neural Network models rely on maximum likelihood estimation to obtain the parameters (weights and biases) of their model. While models trained this way have a lot of success on a variety of tasks, they lack the possibility of judging the uncertainty of the prediction. One way to extend classical neural networks to provide uncertainty estimates are Bayesian Neural Networks.

In Bayesian Neural Networks (NNs) every weight is assumed to be a random variable drawn from a parameterized family of probability density functions (pdf). The learning then consists of estimating the parameters for the pdf of the respective weights using Bayesian Inference. Since Bayesian Inference is not analytically traceable for most models, there exist multiple approximation methods to train Bayesian NNs.

The aim of this thesis is to implement and train a Bayesian Neural Networks using different training methodologies namely variational inference , Monte-Carlo methods and a Dropout approximation (more, or different ones can be proposed by the student). The results of the different training methodologies should be compared with respect to their characteristic properties. For this task a dataset from the domain of Energy Load Forecasting can be used.

Requirements:
- Knowledge of probabilistic modelling
- Good knowledge of Neural Networks
- Implementation skills in python

Literature:
Neal, Radford M. Bayesian learning for neural networks. Vol. 118. Springer Science & Business Media, 2012.
Graves, Alex. "Practical variational inference for neural networks." Advances in Neural Information Processing Systems. 2011
Blundell, Charles, et al. "Weight uncertainty in neural networks." arXiv preprint arXiv:1505.05424 (2015)

 

If you are interested in this thesis, please contact me via email: hefenbrock@teco.edu.



16.05.2018  (56  Klicks )
Multidimensional Linear Stability Analysis of the SPH method

Type of Thesis: Master OR Bachelor

 

A new numerical simulation method, called Smoothed Particle Hydrodynamics (SPH) is applied to the competitive field of high-efficiency aeroengines. In the last decade, SPH has shown promising advantages that makes it a serious alternative to the traditional grid-based methods, leading to a numerous number of industrial applications. However, this methods still suffers from an instability whose origin is not fully understood. A new method was developed at KIT-ITS to study the linear stability of SPH, and was successfully applied in 1D. The goal of this Master Thesis is to extend the method to 2D and 3D.

It is a hot topic and successful results may lead to a scientific publication. It is an ideal subject for students who are interested in starting a PhD in the general field of numerical simulation. The selected student must:

  • Feel confident in Math (Linear Algebra and Analysis)
  • Have basic knowledge in Linear Stability Analysis 

 

Keywords:

Python programming, Latex edition, stability of a numerical method, dispersion relation

 

 

Contact: geoffroy.chaussonnet@kit.edu



11.05.2018  (683  Klicks )
Abschlussarbeit: Aufmerksamkeitsprozesse beim Lesen und Verstehen von Quellcode

 

WER WIR SIND. Wir sind der Lehrstuhl für Pervasive Computing Systems und die traditionsreiche Forschungsabteilung TECO des KIT. Wir sind die, die den Web-Browser auf dem Smart-Phone erfunden, erste digitale Gegenstände kreiert und das erste europäische Sensornetz gebaut haben. Wir sind ein schnell wachsendes Team mit besten internationalen Beziehungen, die gute Studenten gerne mal ins Ausland schicken. Wir besitzen exzellente Kontakte in die Wirtschaft, sitzen in den Räumen des SAP Research Centers und sind interdisziplinär ausgerichtet.

WEN WIR SUCHEN. Wir suchen einen engagierten Studierenden, der Interesse an einer außergewöhnlichen Abschlussarbeit in einem sehr inspirierenden Umfeld hat und mit international anerkannten Spitzenwissenschaftlern aus Forschung und Industrie zusammenarbeiten möchte. Sie sind hoch motiviert, möchten eigene Ideen einbringen. Sie sind praktisch oder theoretisch sehr begabt oder beides. Sie arbeiten eigenverantwortlich, aber gerne im Team. Sie sind daran interessiert, mit neuester Technik zu arbeiten.

WORUM ES GEHT. Softwareentwicklung erfordert das Verstehen von Quellcode -- ob beim Entwickeln neuer Software, bei der Wartung bestehender Software oder beim Integrieren neuer Funktionalitäten. Dabei kann das Lesen und Verstehen bereits vorhandenen Codes sowie das Verständnis des Stils und der Intention des ursprünglichen Entwicklers länger dauern als das eigentliche Integrieren der Funktion. Zu erforschen, wie Entwickler Quellcode verstehen, kann zu verbessertem Quellcode führen, der es zukünftigen Entwicklern erleichtert, vorhandene Software zu pflegen und zu erweitern. Ziel der Abschlussarbeit ist die Erforschung von zugrundeliegenden Aufmerksamkeitsprozessen beim Lesen und Verstehen von Quellcode. Wie wird Quellcode gelesen und wovon ist das abhängig? Welchen Effekt hat z.B. die Benennung von Bezeichnern oder Syntax-Highlighting?

WAS MAN KANN. Ziel der Abschlussarbeit ist die Erforschung von zugrundeliegenden Aufmerksamkeitsprozessen beim Lesen und Verstehen von Quellcode in einer Nutzerstudie. Dazu sind folgende Kenntnisse notwendig:

  • Sie studieren Informatik (Bachelor oder Master).
  • Sie haben gute Programmierkenntnisse (Java, Python, PHP).
  • Sie wissen, wie man Nutzerstudien plant und durchführt (z.B. durch den Besuch der HCI-Vorlesung).
  • Sie sind bereit, sich in verschiedene Methoden vertieft einzuarbeiten (z.B. Eye-Tracking, Think Aloud).
  • Sie sind bereit, sich in psychologischer Grundlagenliteratur einzulesen.

 

WIE BEWERBEN? EINFACH EINE EMAIL AN:
Dr. Andrea Schankin (schankin@teco.edu)
oder anrufen unter Tel.: (0721) 608-41709
oder vorbeikommen am TECO, Institut für Telematik
Vincenz-Prießnitz-Str. 1, 76131 Karlsruhe

 



 1  2   3   4   5   6  ...