- Geschrieben von Dr. Thomas Fritsch
Wir freuen uns, mitteilen zu können, dass wir eine Entwicklungsarbeit für einen großen Automobil-Zulieferer zu dessen großer Zufriedenheit erfolgreich abgeschlossen haben. Die Erkennungsrate für eine Bilderkennung im Umfeld des autonomen Fahrens wurde durch ein intelligentes statistisches Verfahren zur Auswahl der für das Lernen eines CNN (Convolutional Neural Network) geeignetsten Samples aus einer großen Sample-Menge deutlich gesteigert bei gleichzeitiger Reduktion der Lernsample-Menge auf ein Drittel der ursprünglichen Sample-Menge.
- Geschrieben von Dr. Thomas Fritsch
Wir freuen uns bekannt zu geben, dass ein gemeinsamer Förderantrag der Firmen Tokeya Deep Data Dive GmbH & Co. KG, A. Eberle GmbH & Co. KG und bitnova SRL (Bukarest, Rumänien) im Rahmen des Programms Horizon 2020 der EU, Unterprogramm SMEInst, zum Thema „Verlängerung der Lebensdauer von Transformatoren im Stromnetz“ gestellt wurde.
Der Inhalt des Förderantrag betrifft die gemeinsame Entwicklung eines TFIHM (Transformer Fleet Intelligent Health Manager), der mit Methoden der KI eine Beurteilung des aktuellen Gesundheitszustands von Transformatoren und eine Prognose von deren weiterer Lebenszeit liefern soll.
Die Tokeya Deep Data Dive GmbH & Co. KG untersucht mit Hilfe von Methoden aus der KI, der Zeitenreihen-Analyse und der Theorie dynamischer Systeme EEG-Daten von Patienten mit MDD (major depression disease; z. Dt. schwere Depression) und AD (Alzheimer disease; z. Dt. Alzheimer-Krankheit). Ziel dieser Analysen ist es, Methoden zu entwickeln, die die Früherkennung von Alzheimer-Demenz erheblich verbessern und gleichzeitig eine Abgrenzung von Altersdepressionen liefern, um eine Fehlbehandlung zu vermeiden.
In den nachfolgenden Bildern sieht man im ersten Bild bei zwei Probandenden Verlauf des EEG für eine Elektrode. Im zweiten Bild sieht man diezugehörige „Higuchi Fraktale Dimension“ (HFD).
Je niedriger die HFD, desto glatter die EEG-Rohdaten-Kurve, auch wenn sie mehr Ausreißer als die Vergleichskurve aufweist. Hat die HFD z. B. bei Depressions-Patienten einen Wert von unter 1,6, dann ist das signifikant für das Vorliegen einer MDD. Bei Alzheimer gilt modifiziert das Gleiche: je geringer die Aktivität, umso glatter die Kurve und umso niedriger die HFD. Hierdurch erhält man bei vollständiger EEG-Datenanalyse über eine Klassifikation mit fortgeschrittenen KI-Methoden eine möglichst frühzeitige Diagnose über das Vorliegen der Erkrankung.
- Geschrieben von Dr. Thomas Fritsch
Wir freuen uns bekannt zu geben, dass die Firmen Tokeya Deep Data Dive GmbH & Co. KG und A. Eberle GmbH & Co. KG in Kooperation mit dem Fraunhofer ISE, dem Lehrstuhl für Energiesysteme und Energiemanagement an der TU Kaiserslautern und der innogy SE einen gemeinsamen Förderantrag beim Bundesministerium für Wirtschaft (BMWi) mit dem Titel „LVFACDS - LowVoltage Flexible Alternating Current Distribution Systems“ gestellt haben.
Der Inhalt des Förderantrags bezieht sich auf die Entwicklung einer intelligenten Lastflussregelung mit der Zustandsprädiktion des Stromnetzes durch Methoden der KI, um eine intelligente Anpassung der Last bei zunehmender Elektromobilität und der Verwendung von leistungsflusssteuernden Strangreglern für den adaptiven Betrieb von Niederspannungsnetzen zu gewährleisten.
Seite 3 von 8
Deutsch 
English