Problems logging in

Machine Learning ­for ­Cyber Physical ­Systems

Wed, 23 Oct 2019 (CEST)
-
Thu, 24 Oct 2019 (CEST)
Registration deadline: Thu, 24 Oct 2019 (CEST)
SmartFactoryOWLLemgo, GermanyOpen in Google Maps

€ 790.00 - € 1,595.00

How machine learning and artificial intelligence are changing today´s production

Cyber Physical Systems und Industrie 4.0 zeichnen sich durch ihre Anpassungs- und Lernfähigkeit aus: Sie analysieren ihre Umgebung und lernen auf der Grundlage der Beobachtungen Muster, Zusammenhänge und prädiktive Modelle. Typische Anwendungen sind Zustandsüberwachung, vorausschauende Instandhaltung, Bildverarbeitung und Diagnose. Maschinelles Lernen ist die Schlüsseltechnologie für diese Entwicklungen.

Die 5. ML4CPS widmete sich ganz den Themenfeldern Maschinelle Lernverfahren, Industrial Analytics und dem Einsatz von ML in der Produktion. Sie bildet ein etabliertes Forum mit zahlreichen Experten aus Wissenschaft und Industrie, um neue Ansätze des maschinellen Lernens für cyber-physische Systeme zu diskutieren, Praxis-Erfahrungen auszutauschen und Visionen zu entwickeln.

Mit über 500 Mitarbeitern auf den Gebieten: Maschinelles Lernen, Nutzung von Cloud- und Big-Data-Technologien bildet das Fraunhofer Institut IOSB mit seinen beiden Forschungsstandorten Karlsruhe und Lemgo gemeinsam eines der größten Zentren für maschinelles Lernen deutschlandweit.

Die Konferenz richtet sich daher an Forscher und Anwender aus verschiedenen Branchen wie Produktionstechnik, Automatisierung, Automotive und Telekommunikation, IT, Prozessindustrie, etc.

Für Forscher ist die Einreichung von Papers notwendig. Die Auswahl der Beiträge erfolgt auf Peer-Review-Basis, und es wird erwartet, dass die akzeptierten Beiträge von Springer veröffentlicht werden. Alle Informationen stehen zum Download bereit unter www.ml4cps.com

Cyber Physical Systems und Industrie 4.0 zeichnen sich durch ihre Anpassungs- und Lernfähigkeit aus: Sie analysieren ihre Umgebung und lernen auf der Grundlage der Beobachtungen Muster, Zusammenhänge und prädiktive Modelle. Typische Anwendungen sind Zustandsüberwachung, vorausschauende Instandhaltung, Bildverarbeitung und Diagnose. Maschinelles Lernen ist die Schlüsseltechnologie für diese Entwicklungen.

Die 5. ML4CPS widmete sich ganz den Themenfeldern Maschinelle Lernverfahren, Industrial Analytics und dem Einsatz von ML in der Produktion. Sie bildet ein etabliertes Forum mit zahlreichen Experten aus Wissenschaft und Industrie, um neue Ansätze des maschinellen Lernens für cyber-physische Systeme zu diskutieren, Praxis-Erfahrungen auszutauschen und Visionen zu entwickeln.

Mit über 500 Mitarbeitern auf den Gebieten: Maschinelles Lernen, Nutzung von Cloud- und Big-Data-Technologien bildet das Fraunhofer Institut IOSB mit seinen beiden Forschungsstandorten Karlsruhe und Lemgo gemeinsam eines der größten Zentren für maschinelles Lernen deutschlandweit.

Die Konferenz richtet sich daher an Forscher und Anwender aus verschiedenen Branchen wie Produktionstechnik, Automatisierung, Automotive und Telekommunikation, IT, Prozessindustrie, etc.

Für Forscher ist die Einreichung von Papers notwendig. Die Auswahl der Beiträge erfolgt auf Peer-Review-Basis, und es wird erwartet, dass die akzeptierten Beiträge von Springer veröffentlicht werden. Alle Informationen stehen zum Download bereit unter www.ml4cps.com

Schedule

Themenschwerpunkte der Konferenz 2019:

Methoden des maschinellen Lernens – Deep Learning

  • Einsatz von Deep Learning für Cyber Physische Systeme wie z.B. zustandsbasierte Modellierung, Zeitreihen, Dimensionsreduktion, Clustering und Klassifizierung oder Online-Lernen.

Intelligente Daten – Semantik und Metadaten

  • Beschreibung der Daten für das automatische Modelllernen. Einsatz von Technologien wie OPCUA, AML, Ontologielernen, Wissensrepräsentation, Informationsextraktion, etc.

Maschinelles Lernen für IT-Sicherheit

  • Einbruchserkennung, Netzwerkdatenanalyse, Protokollanalyse, Malwareerkennung, Cyberangriffsklassifizierung, Zero-Day Erkennung, Adversarial ML, ML Testing

Ethik des maschinellen Lernens

  • Rechtliche Nutzung von KI-basierten Cyberphysik-Systemen. Mitarbeiterplanung, ethische Entscheidungsfragen für Mitarbeiter, sichere Zusammenarbeit von Menschen und cyberphysikalischen Systemen, rechtliche Entwicklungen in Deutschland, Europa und weltweit.

Maschinelles Lernen in der Robotik

  • Bildverarbeitung, Erlernen neuer Aufgaben, Zusammenarbeit, Navigation, Interaktion von Maschine zu Roboter

Geschäftsmodelle für das maschinelle Lernen

  • Instandhaltungsdienste, Optimierungshilfen, neue Strukturen in der Entwicklung, Plattformdienste

ML und Edge Computing

  • Skalierbare Deep Learning Services, verteilte Modellierung, Sicherheit durch dezentrale Analyse, dezentrales Deep Learning, maschinelles Lernen für ressourcenbeschränkte Geräte, verteilte Optimierung

Comments about the event
Please log in or register to join the discussion.