Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSB

ML4CPS - Machine Learning for Cyber Physical Systems 2019

ML4CPS - Machine Learning for Cyber Physical Systems 2019

Der geplante Termin der Fachkonferenz ML4CPS am 23. und 24. Oktober in Lemgo ist vorerst verschoben.

Sobald ein neuer Termin bekannt ist, wird dieser auf der Veranstaltungsseite des Fraunhofer IOSB bekannt gegeben. 

 

Die Veranstaltung wird sich den Themenfeldern Maschinelle Lernverfahren, Industrial Analytics und dem Einsatz von Maschinellem Lernen (ML) in der Produktion widmen.

 

Geplante Themenschwerpunkte der Konferenz sind: 

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 und der 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

 

Zielgruppe

Die Konferenz richtet sich an Forscher/-innen und Anwender/-innen aus verschiedensten Industriebranchen wie Produktion, Automation, Automotive, Telekommunikation, IT, Prozessindustrie etc.