Prof. Dr. Jan Dünnweber 

  Wissenschaftliches Seminar:
  Wintersemester 2021/2022
                   
Ziele des Seminars
  • Übung des Umgangs mit Originalliteratur
  • Übung von fachlichen Präsentationen
  • Erstellen eines kurzen wissenschaftlichen Textes (Seminarausarbeitung)
  • Beschäftigung mit einem aktuellen Forschungsprojekt aus der Informatik


Themenübersicht

Data Science and Smart Metering, Ansprechpartner: Matthias Melzer

  • Ankit Mahato, Ashita Prasad
    Analyzing Smart Meter Data using a Two-stage Competitive Learning Method
    in International Conference on Data Science and Engineering (ICDSE), 26.09.2019.
    bearbeitet von Maximilian Kammermeier

  • S. M. Sulaiman, P. Aruna Jeyanthy, D. Devaraj
    Smart Meter Data Analysis Issues: A Data Analytics Perspective
    in International Conference on Intelligent Techniques in Control, Optimization and Signal Processing (INCOS), 11.04.2019.
    bearbeitet von Philipp Luxi

  • S. M. Sulaiman; P. Aruna Jeyanthy; D. Devaraj; S. Sheik Mohammed; K. V. Shihabudheen
    Smart Meter Data Analytics for Load Prediction using Extreme Learning Machines and Artificial Neural Networks
    in International Conference on Clean Energy and Energy Efficient Electronics Circuit for Sustainable Development (INCCES), 18.12.2019.
    bearbeitet von Fabian Vilsmeier

    • Machine Learning Tools, Ansprechpartner: Matthias Melzer

  • Madhusmita Das, Rasmita Dash
    Performance Analysis of Classification Techniques for Car Data Set Analysis
    in International Conference on Communication and Signal Processing (ICCSP), 28.07.2020.
    bearbeitet von Niko Kalbitzer

  • Ritu Ratra, Preeti Gulia, Nasib Singh Gill
    Performance Analysis of Classification Techniques in Data Mining using WEKA
    in nternational Conference on Innovative Computing & Communication (ICICC), 03.07.2021.
    bearbeitet von Maximilian Rieder

  • Tai Le Quy, Sergej Zerr, Eirini Ntoutsi, Wolfgang Nejdl
    Data augmentation for dealing with low sampling rates in NILM
    in arXiv, 2021.
    bearbeitet von Bastian Beier

  • Hao Peng; Zhe Jin; John A. Miller
    Bayesian Networks with Structural Restrictions: Parallelization, Performance, and Efficient Cross-Validation
    in International Congress on Big Data, 25.06.2017.
    bearbeitet von Susanne Staufer

    • Routenplanung / Placement / Pooling, Ansprechpartner: Timo Stadler

  • Xin-She Yang
    Nature-Inspired Algorithms and Applied Optimization
    in Computational Intelligence and Complexity, 01.01.2018.
    bearbeitet von Andreas Stautner

  • Conor McKenna; Siobhan Clarke; Fatemeh Golpayegani
    Floating Buses: Dynamic Route planning and Passenger Allocation based on Real-time Demand
    in International Conference on Computer and Communications (ICCC), 13.04.2020.
    bearbeitet von Felix Minelli

  • Jingxuan Ren; Wenzhou Jin; Weitiao Wu
    A Two-Stage Algorithm for School Bus Stop Location and Routing Problem With Walking Accessibility and Mixed Load
    in IEEE Access, Volume 7, 22.08.2019.
    bearbeitet von Simon Thelen

    • Smart Green Cities, Ansprechpartner: Timo Stadler

  • Abhishek KumarManju PayalPooja DixitJyotir Moy Chatterjee
    Framework for Realization of Green Smart Cities Through the Internet of Things (IoT)
    in Innovations in Communication and Computing, 02.06.2020.
    bearbeitet von Philipp Götz

  • A. A. Juan, A. Freixes, J. Panadero, C. Serrat, A. Estrada-Moreno
    Routing Drones in Smart Cities: a Biased-Randomized Algorithm for Solving the Team Orienteering Problem in Real Time
    in 22nd EURO Working Group on Transportation, 20.09.2019.
    bearbeitet von Arvid Lindenau

  • Rongqun Peng, Yingxi Lou, Michel Kadoch, Mohamed Cheriet
    A Human-Guided Machine Learning Approach for 5G Smart Tourism IoT
    in Electronics 9(6), 947, 01.06.2020.
    bearbeitet von Felix Held

  • Sergii Kushch, Francisco Prieto-Castrillo
    Blockchain for Dynamic Nodes in a Smart City
    in Electronics 9(6), 947, 01.06.2020.
    bearbeitet von Andreas Rustler

    • HPC and Federated Learning, Ansprechpartner: Timo Stadler

  • Peter Georg, Daniel Richtmann, Tilo Wettig
    pMR: A high-performance communication library
    in Proceedings of Lattice, 30.01.2017.
    bearbeitet von Fabian Kellner

  • Mingming Liu
    Fed-BEV: A Federated Learning Framework for Modelling Energy Consumption of Battery Electric Vehicles
    in Vehicular Technology Conferencee, to appear 2021.
    bearbeitet von Benjamin Eder

  • Dimitrios Michael Manias, Abdallah Shami
    Making a Case for Federated Learning in the Internet of Vehicles and Intelligent Transportation Systems
    in IEEE Network Magazine, Special Issue: AI-Empowered Mobile Edge Computing in the Internet of Vehicles, to appear 2021.
    bearbeitet von Christopher Neldner


    • Schriftliche Ausarbeitung

    Für den erfolgreichen Abschluß des Seminars ist eine Ausarbeitung
    von 6-8 Seiten pro Teilnehmer erforderlich (d.h. eine Dreiergruppe
    sollte 18-24 Seiten liefern, diese Vorgabe sollte weder deutlich unter- noch
    überschritten werden).

    Hinweise zur Bearbeitung des Themas:

    • Halten Sie sich nicht sklavisch an die vorgegebene Reihenfolge und den Satzbau in der Literatur.
      Insbesondere sollte man nicht den gelesenen Artikel mehr oder weniger nur ins Deutsche übersetzen!
      • Es sollte eine Hintergrund-Recherche durchgeführt werden,
        da man nicht nur über das Haupt-Paper einen Vortrag halten soll
      • weniger wichtige Details können weggelassen werden
      • schwierig zu erklärende Inhalte (die man vielleicht selbst nicht auf
        Anhieb verstanden hat) sollten ausführlicher erklärt werden
      • Formeln sollten immer ausführlich erklärt oder komplett weggelassen werden
    • Erstellen Sie ein Template für Ihre Ausarbeitung (wie für einen wissenschaftlichen Artikel)
      • Titel, Name, Datum, Ortsangabe (OTH usw.)
      • Abstract (fasst Ihre Arbeit kurz zusammen)
      • Einleitung (gibt Motivation für Ausarbeitung
        • und Überblick über Rest der Arbeit)
      • Hauptteil
      • Schluss/Zusammenfassung
      • Literaturverzeichnis.
    • Sie können z.B. folgende LaTeX-Vorlage für Ihre Ausarbeitung benutzen.
      Es wird ausdrücklich empfohlen, die Ausarbeitung mit LaTeX zu erstellen,
      da die Qualität der meisten anderen Textverarbeitungsprogramme sehr zu wünschen übrig lässt.
      Wem LaTeX zu kompliziert ist, der kann z.B. LyX als WYSIWYM Frontend verwenden
    • Der DUDEN regelt nicht nur die deutsche Rechtschreibung. Es existieren auch zwei Abschnitte
      • Richtlinien für den Schriftsatz und
      • Hinweise für das Maschinenschreiben
      die man bei der Ausarbeitung auf jeden Fall berücksichtigen sollte
    • Einheitliche Begriffe in der ganzen Ausarbeitung verwenden, auch wenn man mehrere Originalartikel
      mit verschiedenen Begriffen hat.
    • Variablen in mathematischen Formeln werden kursiv gesetzt, Funktionen und Operatoren jedoch nicht
    • Englisch/Deutsch-Problem:
      • Für viele Begriffe existiert kein gängiger deutscher Begriff.
        Beispiel: Routing.   
      • Nomina schreibt man im Deutschen immer groß daher muss man auch englische Nomina
        bei Verwendung im Deutschen groß schreiben, auch wenn sie im englischen Text kleingeschrieben werden.
        Beispiel: Router, Probe, Traceroute, Client.
      • Für manche Begriffe existiert eine eindeutige deutsche Übersetzung, die verwendet werden sollte.
        Beispiel: Netzwerktopologie, Paketklassifikation
    • Im Literaturverzeichnis sollte sämtliche in der Ausarbeitung verwendete Literatur angegeben werden.
      Umgekehrt sollte jede Literaturangabe, die im Literaturverzeichnis steht, in der Ausarbeitung auch zitiert werden.
    • Der Vortrag sollte etwa 30 Minuten dauern
    • Möglichst richtig auf dem Wissensstand der anderen Teilnehmer aufsetzen:
      Nicht das voraussetzen, was man selbst gelesen hat, aber auch nicht ganz bei Null ansetzen,
      wenn es bereits Teilnehmer gibt, die Grundlagen oder ähnliches behandeln.


    Termine
    tbd.

    Prof. Dr. Jan Dünnweber
     Ostbayerische Technische Hochschule Regensburg · Universitätsstraße 31 (U123)
    Tel.: +49 941 943-9859 · Fax: +49 941 943-1426
    E-Mail: Jan.Duennweber@hs-regensburg.de