Machine learning's broad use has been limited since the 1950s due to computational and data constraints. This work exploits expert knowledge to address these issues, introducing two sensor fusion methods and a multi-stage perception framework that combines traditional machine learning and deep learning. It utilizes knowledge graphs for simpler classifiers, creating explainable models that can be selectively retrained, thus optimizing resources. A technique for tailoring neural networks for industrial applications is presented, reducing data requirements.     «

Machine learning's broad use has been limited since the 1950s due to computational and data constraints. This work exploits expert knowledge to address these issues, introducing two sensor fusion methods and a multi-stage perception framework that combines traditional machine learning and deep learning. It utilizes knowledge graphs for simpler classifiers, creating explainable models that can be selectively retrained, thus optimizing resources. A technique for tailoring neural networks for indus...     »

Die breite Anwendung von maschinellem Lernen ist seit den 1950ern durch Daten- und Rechenbeschränkungen begrenzt. Diese Arbeit nutzt Expertenwissen zur Problemlösung, kombiniert traditionelles maschinelles Lernen und tiefes Lernen, und führt zwei Sensorfusionsmethoden sowie ein mehrstufiges Wahrnehmungsrahmenwerk ein. Wissensgraphen ermöglichen weniger komplexe, erklärbare Modelle, die selektiv neu trainiert werden können. Eine Technik zur Anpassung neuronaler Netzwerke an industrielle Anwendungen reduziert den Datenbedarf.     «

Die breite Anwendung von maschinellem Lernen ist seit den 1950ern durch Daten- und Rechenbeschränkungen begrenzt. Diese Arbeit nutzt Expertenwissen zur Problemlösung, kombiniert traditionelles maschinelles Lernen und tiefes Lernen, und führt zwei Sensorfusionsmethoden sowie ein mehrstufiges Wahrnehmungsrahmenwerk ein. Wissensgraphen ermöglichen weniger komplexe, erklärbare Modelle, die selektiv neu trainiert werden können. Eine Technik zur Anpassung neuronaler Netzwerke an industrielle Anwendung...     »