#Machine Learning

Durch Machine Learning lernen künstliche Systeme – ähnlich wie Menschen – aus Erfahrung. Das lässt sich in Forschung und Praxis zu verschiedensten Anwendungen einsetzen – zum Beispiel zur Analyse medizinischer Daten oder zur Abwehr von IT-Angriffen.

Projekte

IMREA - Intelligente Multimodale Immobilienanalyse

Multimodale Informationsextraktions- und maschineller Lernverfahren zur Extraktion immobilienbezogener Attribute und Parameter aus heterogenen Eingabedaten

Plant Monitoring AI

Maschinelles Lernen und automatische Vorhersagemodelle zur Früherkennung von Pflanzenstress für eine höhere Nachhaltigkeit in der Landwirtschaft

Active deep learning for object detection

Entwicklung neuer Strategien zur Integration von Active Learning und Deep Learning für den Einsatz künstlicher Intelligenz

Publikationen

Horsak, B., Simonlehner, M., Schöffer, L., Dumphart, B., Jalaeefar, A., & Husinsky, M. (2021). Overground walking in a fully immersive Virtual Reality: Preliminary results of a comprehensive study on the effects on walking biomechanics. Gait & Posture, 90, 100–101. https://doi.org/10/gnhmbj
Krondorfer, P., Slijepčević, D., Unglaube, F., Kranzl, A., Breiteneder, C., Zeppelzauer, M., & Horsak, B. (2021). Deep learning-based similarity retrieval in clinical 3D gait analysis. Gait & Posture, 90, 127–128. https://doi.org/10/gnhmbk
Horst, F., Slijepcevic, D., Simak, M., & Schöllhorn, W. I. (2021). Gutenberg Gait Database, a ground reaction force database of level overground walking in healthy individuals. Scientific Data, 8(1), 232. https://doi.org/10/gm9sbq
Horst, F., Slijepcevic, D., Zeppelzauer, M., Raberger, A. M., Lapuschkin, S., Samek, W., Schöllhorn, W. I., Breiteneder, C., & Horsak, B. (2020). Explaining automated gender classification of human gait. Gait & Posture, 81, 159–160. https://doi.org/10.1016/j.gaitpost.2020.07.114
Horsak, B., Schwab, C., Leboeuf, F., & Kranzl, A. (2020). Reliability of walking and stair climbing kinematics in a young obese population using a standard kinematic and the CGM2 model. Gait & Posture, 83(96–99). https://doi.org/10.1016/j.gaitpost.2020.10.017
Horsak, B., Simonlehner, M., Schöffer, L., Maureder, J., Schwab, C., Raberger, A. M., Zeller, M., & Husinsky, M. (2020). Applicability and usability of an immersive virtual reality-based balance control exergame for prosthetic users: A pilot study with healthy individuals. Gait & Posture. ESMAC 29th Annual Meeting, Virtual Meeting. https://doi.org/10.1016/j.gaitpost.2020.07.113
Horsak, B., Dumphart, B., Slijepcevic, D., & Zeppelzauer, M. (2020). Explainable Artificial Intelligence (XAI) und ihre Anwendung auf Klassifikationsprobleme in der Ganganalyse. Abstractband Des 3. GAMMA Kongress. 3. GAMMA Kongress, München, Deutschland.
Horsak, B., Slijepcevic, D., Raberger, A.-M., Schwab, C., Worisch, M., & Zeppelzauer, M. (2020). GaitRec, a large-scale ground reaction force dataset of healthy and impaired gait. Scientific Data, 7:143(1), 1–8. https://doi.org/10/gh372d
Eresheim, S. (2020). Cybersecurity Containment Agent. Machine Learning Prague 2020.
Oliveira, V. A. D. J., Stoiber, C., Grüblbauer, J., Musik, C., Ringot, A., & Gebesmair, A. (2020). SAMBAVis: Design Study of a Visual Analytics Tool for the Music Industry Powered by YouTube Comments. Eurovis 2020, Norrköping, Sweden. https://doi.org/https://doi.org/10.2312/evs.20201041

News