Divide & Conquer for adaptive AI! I am a researcher at MINDS in applied machine learning and work on Mixture of Experts (MoE) models in adaptive scenarios.
Bis 2025 werden 41,6 Milliarden IoT-Geräte erwartet. Dadurch wächst die Menge an kontinuierlich generierten Daten rasant. Klassische maschinelle Lernverfahren, die auf statischen Datensätzen trainiert werden, sind nicht in der Lage, sich kontinuierlich an dynamische Umgebungen anzupassen. Problematisch ist dabei der… Read More »Adaptives maschinelles Lernen mit Mixture of Experts
Ziel dieser Arbeit ist die Entwicklung und Validierung eines automatisierten Prognosemodells für Gepäckmengen am Hamburger Flughafen unter Verwendung der Low-Code AutoML-Bibliothek PyCaret. Durch die Automatisierung signifikanter Phasen des Machine-Learning-Lebenszyklus konnten präzise Vorhersagen für Gepäckstücke pro Flug innerhalb und außerhalb der… Read More »Automatisierte prädiktive Analytik in der Gepäckabfertigung
Analyzing time series data of an electroencephalogram (EEG) is important for medicine and neuro- logical research. Due to noise and patient-specific signals it is difficult to analyze these data. Standard CNN, FNN and RNN in combination with noise filtering are… Read More »An overview of deep learning methods for EEG time series analysis