piwik-script

Intern
    Lehrstuhl für Künstliche Intelligenz und Wissenssysteme

    Seminar: Aktuelle Trends in der Künstlichen Intelligenz

    F. Puppe, J. Krebs und die Mitarbeiter/-innen des Lehrstuhls VI

    Im Sommersemester 2021 werden allgemeine und aktuelle Themen aus der Künstlichen Intelligenz vergeben. Mögliche Schwerpunkte sind unter anderem Natural Langugage Processing, Bildverarbeitung, Reinforcement Learning, Themen aus der medizinischen Informatik. Ziel des Seminars ist es, selbstständig ein Thema anhand geeigneter Literatur zu erarbeiten und dieses sowohl in einem mündlichen Vortrag, als auch einer schriftlichen Ausarbeitung zu präsentieren.

    Das Seminar eignet sich für Studierende im Bachelor- und im Masterstudium.

    Es werden dieses Semester sowohl Einzelthemen, als auch Doppelthemen (zwei Bearbeiter im Team, doppelter Umfang) vergeben, um die Zahl der möglichen Seminarplätze zu erhöhen. Zweiterteams, die sich als solche anmelden werden für die Doppelthemen bevorzugt. Können nicht alle Doppelthemen von vornherein vergeben werden, wird mit Teilnehmern aus den Einzelanmeldungen aufgefüllt.

    Aufgrund der aktuellen Lage muss der mündliche Vortrag als Video vorbereitet und abgegeben werden. In einer abschließenden Zoom-Konferenz muss jeder sein Thema nur noch kurz zusammen fassen (ca. 2 Minuten) und sich den Fragen der anderen Teilnehmer und Betreuer stellen.

    Anmeldung: ACHTUNG NEU!!! Wir haben das Anmeldesystem auf eine globale, semesterübergreifende Warteliste umgestellt. Das heisst, wenn Sie Interesse haben am Seminar teilzunehmen, schreiben Sie eine Mail mit vollem Namen, Matrikelnummer und Studiengang an untenstehenden Kontakt. Sie werden dann in die Warteliste aufgenommen. Die Aufnahme in die Warteliste kann zu jedem Zeitpunkt erfolgen, einen expliziten Anmeldezeitraum gibt es nicht, da die Themen in Anmeldereihenfolge vergeben werden. Es gibt für Doppel- und Einzelthemen separate Wartelisten, da wir für Doppelthemen Teams bevorzugen (weil das aus Erfahrung besser funktioniert). Finden sich nicht genug vorangemeldete Teams, füllen wir nach Vergabe der Einzelthemen aus der Einzelthemen-Warteliste auf. Man kann sich nur für eine Warteliste eintragen lassen.

    Regeln zur Warteliste: Die Themen werden in der Einführungsveranstaltung (bzw. aktuell per Mail) der Reihe nach an die Führenden der Warteliste vergeben. Wer nicht anwesend ist, bekommt kein Thema und verliert auch seinen Platz in der Warteliste. Wem die Themen nicht zusagen und freiwillig zurücktritt, verliert seinen Listenplatz ebenfalls. Die Themen werden solange in Reihenfolge weiter vergeben, bis das letzte Thema vergeben ist. Alle Teilnehmer, bis zu diesem Platz, werden aus der Liste gelöscht und diejenigen, die kein Thema bekommen haben rücken nach vorne auf. Es ist weiterhin nötig, nach jeder Einführungsveranstaltung seine Anmeldung zu erneuern um seinen Platz nicht zu verlieren, damit wir mitbekommen, ob die Teilnehmer vielleicht zwischenzeitlich ein anderes Seminar belegt haben (so können wir für die Interessierten bessere Prognosen abgeben ob es im nächsten Semester funktionieren wird, oder nicht). Erneuerungen werden nur nach der Einführungsveranstaltungen des jeweiligen Semesters für das nächste Semester angenommen, um Pauschal-Erneuerungen einen Riegel vorzuschieben.  Die Erneuerungen für das WS 21/22 werden zwischen dem 19.04.2021 und dem 15.05.2021 angenommen!

    Einführungsveranstaltung / Themenvergabe: ACHTUNG! NEU! Da aufgrund der Corona-Krise von Präsenzveranstaltungen aktuell weitestgehend abzusehen ist, findet in diesem Semester keine Einführungsveranstaltung statt. Die Themen werden dieses Semester ausschließlich online per E-Mail vergeben. Folgender Ablauf: Jeder Teilnehmer in der Warteliste bekommt der Reihe nach eine E-Mail mit den aktuell noch verfügbaren Themen aus denen er sich dann binnen 2 Stunden eines Auswählen kann. Sollte innerhalb der 2 Stunden keine Antwort erfolgen, ist der Listenplatz verloren und die Themen werden dem Nächsten in der Warteliste angeboten. Damit niemand die ganze Nacht seine Mails checken muss, werden die Mails nur zwischen 9 Uhr morgens und 18 Uhr am Abend verschickt. Bei einer Mail um 18 Uhr wird die Antwort der Fairness halber trotzdem bis 20 Uhr erwartet. Wer also bis 18 Uhr (plus ein bisschen Toleranz für die Übertragung) keine E-Mail bekommen hat, braucht vor 9 Uhr des nächsten Tages auch nicht mehr checken.  Es wäre schön, wenn Sie sich schnell für ein Thema entscheiden könnten, damit sich das ganze nicht unnötig in die Länge zieht. Um einen einheitlichen Startschuss zu gewährleisten  werden alle Teilnehmer, nachdem alle Themen vergeben wurden, gleichzeitig in einen nicht-öffentlichen WueCampus Kurs eingefügt, in dem sie ihre Materialien und Kontaktdaten zu ihrem Betreuer finden.

     

    Die Mails zur Themenvergabe werden ab dem 12.04.2021 (Vorlesungsbeginn) verschickt. ACHTUNG: Die Zeit für die Auswahl des Themas wurde auf 2 Stunden verkürzt, weil sich diesmal zu viele nicht melden und das ganze Verfahren zu lange dauert!

    Kontakt: Für Anmeldungen und Rückfragen steht Jonathan Krebs (jonathan.krebs@uni-wuerzburg.de) per Mail zur Verfügung.

    Themen im Sommersemester 2021

    Einzelthemen

    Thema 1: Is Medical Chest X-ray Data Anonymous?

    In diesem Paper werden Deep Learning Methoden verwendet, um Identitäten von anonymen Röntgen-Thorax Aufnahmen zu rekonstruieren. Die hier verwendete Methodik soll untersucht und dargestellt werden. Ebenso sollen ähnliche Anwendungen gesucht und aufgezeigt werden. - Betreuer: Amar Hekalo

    Thema 2: Smart Product Configuration mit BBDs

    Customization ist ein wichtiger Bestandteil in der heutigen Gesellschaft, da jede Firma möglichst gut auf individuelle Wünsche des Kunden eingehen möchte. Viele Produkte haben so viele Variationen, dass ein Überblick nur noch mit Toolsupport geleistet werden kann, und auch diese kommen bei 10^100 und mehr verschiedenen Konfigurationsmöglichkeiten an ihre Grenzen. In diesem Vortrag soll "Smart Configuration" erklärt werden auf Basis von OBDDs. - Betreuer: Markus Krug

    Thema 3: Introduction to Answer Set Programming

    Answer Set Programming ist eine Moderne Form von "Logik" für die ein sehr mächtiger und effizienter Algorithmus zur Beantwortung von Queries vorhanden ist. In diesem Vortrag soll ASP erklärt und insbesondere auf Stärken und Schwächen eingegangen werden. - Betreuer: Markus Krug

    Thema 4: Preventing Mode Collapse in GANs

    Generative Adversarial Networks haben das Problem des Mode Collapses. Es sollen verschiedene Verfahren vorgestellt werden, dieses Problem zu beheben. - Betreuer: Kirill Djebko

    Thema 5: Sharing Updatable Models on Blockchain

    Sharing Updatable Models (SUM) on Blockchain ist ein Framework, um öffentlich verfügbare Machine Learning Modelle als Smart Contracts in einer öffentlichen Blockchain zu hosten und zu trainieren. - Betreuer: Kirill Djebko

    Thema 6: Seq-NMS for Video Object Detection

    Der Seq-NMS Algorithmus ermöglicht höhere Genauigkeit bei der Detektion von Objekten in Videos. In dieser Arbeit soll Seq-NMS erklärt werden, die Unterschiede zu klassischem NMS aufgezeigt werden und auf Erweiterungen eingegangen werden. - Betreuer: Adrian Krenzer

    Thema 7: Seq-Bbox Matching

    Seq-Bbox Matching ist eine einfache und hocheffektive Boxlevel-Nachbearbeitungsmethode, um die Genauigkeit der Video-Objekterkennung zu verbessern. Die vorgeschlagene Methode basiert sowohl auf einer Online- als auch auf einer Offline-Einstellung und kann daher auch in Echtzeit angewandt werden. In der Arbeit geht es darum, die Vorteile des Ansatzes mit anderen Ansätzen in der Literatur gegenüber zustellen. - Betreuer: Adrian Krenzer

    Thema 8: Language GANs Falling Short

    Generative Adversarial Networks sind in der Bildverarbeitung verbreitet, werden bei der Text/Sprachverarbeitung bisher aber kaum eingesetzt; das Paper behandelt, warum das so ist und was man stattdessen tun kann. - Betreuer: David Schmidt

    Doppelthemen

    Doppelthema 1: Overview of Deep Learning Methods for Chest X-ray Analysis

    Das Paper gibt einen detaillierten Überblick darüber, welche Arten von Deep Learning (Klassifikation, Segmentierung, Detektion, etc.) für welche Gebiete zur Analyse von Röntgen-Thorax verwendet werden und listet die State of the Art auf. Ziel des Seminars ist es, die im Paper aufgelisteten Gebiete und zugehörige State of the Art übersichtlich zu präsentieren und dabei auf die relevantesten Bereiche näher einzugehen. - Betreuer: Amar Hekalo

    Doppelthema 2: Memory-efficient Neural Networks for Coreference Resolution

    Neuronale Netze für die Koreferenzauflösung brauchen viel Arbeitsspeicher (auch im Vergleich mit anderen NLP-Tasks). In dieser Arbeit sollen Netzwerkarchitekturen vorgestellt werden, die weniger Speicher brauchen und damit auch auf längere Texte anwendbar sind. - Betreuer: David Schmidt

    Doppelthema 3: Ontology Learning: Grand Tour and Challenges

    Ontologien sind das Herzstück des Semantic Webs. Um sie zu erstellen ist jedoch enormer manueller Aufwand nötig. Diese Arbeit soll zeigen, wie der aktuelle State-of-the-Art im (semi-)automatischen Ontology Learning aussieht um diese Arbeit künftig zu vereinfachen. - Betreuer: Jonathan Krebs

    Doppelthema 4: Graph Neural Networks for Table Detection and Recognition

    Graph Neural Network vereinen Graphen mit neuronalen Netzwerken um komplexe Beziehungen zwischen einzelnen Elementen eines Dokumentes zu lernen. Die Paper behandeln Methoden, um mithilfe von GNNs Tabellen aus Dokumenten zu extrahieren und ihre Struktur zu erkennen. - Betreuer: Norbert Fischer