Alle Artikel

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
  • Eisfläche Farbverlauf

    Maschinelles Lernen
    Quantencomputing hilft Reinforcement Learning auf die Sprünge

    Reinforcement Learning ist aufgrund der Trainingsmethode die am besten geeignete KI-Lösung (Künstliche Intelligenz) für eine Vielzahl von Anwendungen in den Bereichen autonome Systeme, Gesundheitswesen und Kommunikation. Die Natur dieser Aufgaben macht jedoch die Datenerfassung potenziell ressourcenintensiv, in einigen Anwendungsszenarien sogar unmöglich. Hier könnte Reinforcement Learning davon profitieren, Methoden des Quantencomputing einzubeziehen: Hybrides quantenklassisches Reinforcement Learning hat nämlich empirisch gezeigt, dass es weniger Trainingsschritte benötigt, um einen stabilen Lernprozess zu erreichen. Das Fraunhofer IKS forscht an Lösungen, die sich auch für den Einsatz in der Industrie eignen.
    Quantencomputing / Fraunhofer IKS
    Quantencomputing
  • Straßenkreuzung von oben

    Reinforcement Learning
    Hierarchische Strukturen als Schlüssel für sichere und effiziente KI-Systeme

    Deep Learning hat das Interesse am Einsatz Künstlicher Intelligenz in immer mehr Systemen geweckt. Auch das Reinforcement Learning im Bereich des Maschinellen Lernens hat einen Aufschwung erlebt. Trotz dieser beeindruckenden Erfolge in jüngster Zeit steht das Reinforcement Learning jedoch immer noch vor der Herausforderung, Akzeptanz zu finden und erfolgreich eingesetzt zu werden. Dies gilt insbesondere für sicherheitskritische Aufgaben wie Robotik, autonomes Fahren und industrielle Steuerungen. Ein Ansatz, der zur Lösung dieses Problems beitragen kann, ist hierarchisches Verstärkungslernen.
    Künstliche Intelligenz & Machine Learning / Fraunhofer IKS
    Künstliche Intelligenz
    Auf-/Ausbauprojekt
  • Glühwürmchen

    Autonomes Fahren
    Neuer Ansatz grenzt unbestimmten Einfluss des Umfelds auf Systemwahrnehmung ein

    Autonome Systeme werden zunehmend in verschiedenen sicherheitskritischen Anwendungen eingesetzt, etwa im autonomen Fahren. Gerade hier sind die Umfeld- und Betriebsbedingungen von entscheidender Bedeutung. Komponenten des Maschinellen Lernens (ML) wie Deep Neural Networks (DNN) fungieren als Wegbereiter und müssen daher selber bei wechselnden Umweltbedingungen zuverlässig funktionieren. Das Fraunhofer IKS bietet eine Lösung, die mit diesen vielfältigen und sich ständig ändernden Umweltbedingungen umgehen kann.
    Autonomes Fahren / Fraunhofer IKS
    Autonomes Fahren
  • Safetronic key visual

    Safetronic 2023
    Anforderungen an Safety steigen

    Ganzheitliche Sicherheit für Straßenfahrzeuge steht im Mittelpunkt der Safetronic (15. bis 16. November 2023 in Leinfelden-Echterdingen). Im Video-Interview diskutieren der Institutsleiter des Fraunhofer IKS Prof. Dr. Mario Trapp und das Programmbeiratsmitglied Hans-Leo Ross von Vay Technologies Safety-Herausforderungen im Automobilbereich.
    Autonomes Fahren / Fraunhofer IKS
    Autonomes Fahren
  • Baum im Sommer

    Machine Learning
    Sicheres Reinforcement Learning

    Reinforcement Learning (RL), zu deutsch bestärkendes oder verstärkendes Lernen, beschreibt eines der drei Hauptparadigmen von maschinellem Lernen (ML). Im Gegensatz zu den beiden anderen Methoden, Supervised Learning und Unsupervised Learning, erfolgt bei Reinforcement Learning das Lernen durch direkte Interaktion mit der Umgebung. Nachstehend folgt eine kurze Einführung.
    Künstliche Intelligenz & Machine Learning / Fraunhofer IKS
    Künstliche Intelligenz
    Auf-/Ausbauprojekt
  • Quantencomputer

    Digitalisierung
    KI-Stopp beim Fraunhofer IKS

    Auf ihrer Innovation-Tour im Rahmen des DigiTech Gipfels macht die »Süddeutsche Zeitung« mit ihren Gästen auch Halt am Fraunhofer IKS. Auf dem Institutsbesuch dreht sich alles um KI und Safe Intelligence sowie um Quantencomputing.
    Künstliche Intelligenz & Machine Learning / Fraunhofer IKS
    KI in der Medizin
  • Modellauto in Vorbereitung

    Zweiter Demo Day am Fraunhofer IKS
    Team Robust Object Detector ist der Sieger des Tages

    Runde 2 für den Demo Day des Fraunhofer IKS: Sieben Teams haben dabei ihre Pitches und Demos einer Fachjury vorgestellt, die aus der Institutsleitung, Business Development und PR bestand. Beim diesjährigen Wettbewerb ging es um einen Preis – den Best Demo Award. Gewonnen hat am Ende das Team Robust Object Detector, das eine Anwendung entwickelt hat, die Fehler in der KI-basierten Personenerkennung reduziert.
    Künstliche Intelligenz & Machine Learning / Fraunhofer IKS
    Künstliche Intelligenz