(Unterschied) ← Nächstältere Version | Aktuelle Version (Unterschied) | Nächstjüngere Version → (Unterschied)
Termin in Kalender importieren: iCal (Download)
Vorträge
| Vortragende(r)
|
Marcel Hiltscher
|
| Titel
|
Robust Subspace Search
|
| Vortragstyp
|
Proposal
|
| Betreuer(in)
|
Georg Steinbuss
|
| Vortragssprache
|
|
| Vortragsmodus
|
|
| Kurzfassung
|
In this thesis, the idea of finding robust subspaces with help of an iterative process is being discussed. The process firstly aims for subspaces where hiding outliers is feasible. Subsequently, the subspaces used in the first part are being adjusted. In doing so, the convergence of this iterative process can reveal valuable insights in systems where the existence of hidden outliers poses a high risk (e.g. power station). The main part of this thesis will deal with the aspect of hiding outliers in high dimensional data spaces and the challenges resulting from such spaces.
|
| Vortragende(r)
|
Till Stöckmann
|
| Titel
|
Untersuchung des Trade-Offs zwischen Privacy und Forecasting-Qualität
|
| Vortragstyp
|
Proposal
|
| Betreuer(in)
|
Christine Tex
|
| Vortragssprache
|
|
| Vortragsmodus
|
|
| Kurzfassung
|
Diese Arbeit befasst sich mit den Themen Realisierung des Privacy-Aspekts bei Smart Meter Daten durch Pertubation, sowie der Güte der Forecasts auf ebendiesen Daten. Genaue Vorhersagen über zukünftigen Stromverbrauch (Forecast) gelten als eine der Errungenschaft durch die Etablierung von Smart Metern. Installiert in Privathaushalten stellen Smart Meter aber auch ein neues Einfallstor in die Privatsphäre des Verbrauchers dar. Die Lösung ist es, die Daten vor der weitergehenden Verarbeitung durch Pertubation zu verschleiern. Mit dem Gewinn an Privatsphäre verlieren die Messdaten an Güte. Die Bachelorarbeit befasst sich mit diesen gegensätzlichen Eigenschaften der Messdaten. Zentrale Fragestellung ist, wie weit man die Daten verschleiern kann und trotzdem gute Forecast-Ergebnisse bekommt.
|
- Neuen Vortrag erstellen
Hinweise
