Maschinenlernen macht Wärmebilder scharf

euchtend heller Baum in der Nacht: Jede Einzelheit ist maschinell erkennbar (Bild: purdue.edu)

Mit der "Heat-Assisted Detection and Ranging" (Hadar) lassen Forscher der Purdue University selbst im Stockdunklen noch jede Einzelheit eines Objekts aufscheinen. Die wärmeunterstützte Erkennung und Entfernungsmessung überwindet die Einschränkungen herkömmlicher Techniken wie Restlichtverstärkung, nutzt thermische Physik, Infrarotbildgebung und maschinelles Lernen, um Textur, Tiefe und physikalische Eigenschaften von Szenen und Objekten auch bei schwierigen Lichtverhältnissen sichtbar zu machen.

Maschinelles Lernen verbessert Wetterbericht

Maschinelles Lernen: für bessere Wettervorhersagen wichtig (Foto: pixabay.com, TheDigitalArtist)

Maschinelles Lernen, das menschliche Gesichter erkennen kann, könnte laut Forschern der University of San Diego zur Verbesserung analoger Wettervorhersagen beitragen. "Die Idee hinter dieser Arbeit stammt von Googles Facenet, aber anstatt ein Foto mit Bildern von Gesichtern in einer Datenbank zu vergleichen, vergleichen wir das Wetter mit historischen Vorhersagen", so der beteiligte Wissenschaftler Weiming Hu. Die Ergebnisse der Studie sind in "Boundary-Layer Meteorology" erschienen.

Vorgehensmodell für KI-Engineering veröffentlicht

Symbolbild: Pixabay/ Geralt

Projekte, in denen Künstliche Intelligenz (KI) ein- oder umgesetzt werden soll, sind meist komplex, erfordern heterogene Teams und bergen ein hohes Risiko zu scheitern. Die Frage ist, wie man es als Unternehmen schafft, KI-Projekte auch in anspruchsvollen Anwendungsdomänen wie Mobilität oder industrieller Produktion dennoch zum Erfolg zu führen.

Erste Schritte auf dem Weg zum zuverlässigen Quanten-Maschinenlernen

Aufbauend auf Konzepten wie der Quantenverschränkung versprechen Quantencomputer eine Fülle von Anwendungen für maschinelles Lernen. (Foto: Keystone/Science Photo Library)

Die Quantencomputer der Zukunft sollen nicht nur superschnell rechnen, sondern auch zuverlässig. Noch ist das eine grosse Herausforderung. Nun haben Informatiker unter dem Lead der ETH Zürich erste Schritte in Richtung zuverlässiges Quanten-​Maschinenlernen gemacht.

SAS: Mit Advanced Analytics und Machine Learning gegen das Bienensterben

SAS, weltweit tätiger Spezialist für Advanced Analytics und Künstlicher Intelligenz (KI), engagiert sich in mehreren Projekten zur Rettung vom Aussterben bedrohter Bienenpopulationen. Zum Einsatz kommen dafür Technologien rund um das Internet of Things (IoT), Machine Learning (ML) und Visual Analytics.

SAS stellt kostenfreie KI-Umgebung für Covid-19-Forschung bereit

SAS, weltweit tätiger Anbieter von Lösungen für Analytics und künstliche Intelligenz (KI), leistet einen Beitrag für die Forschung rund um Covid-19 und stellt eine kostenfreie KI-Umgebung zur Verfügung. Mit visueller Textanalyse sollen Wissenschaftler schneller zu relevanten Forschungsergebnissen kommen und auch neue Behandlungsmethoden und -strategien erarbeiten können. Das gab das Unternehmen im Rahmen des digitalen SAS Forum bekannt, das Ende vergangener Woche stattgefunden hat.

Konsumentenschutz durch Machine Learning made in Austria

Das AIT (Austrian Institute of Technology) und ÖIAT (Österreichisches Institut für angewandte Telekommunikation) verstärken ihre Forschungskooperation zur Aufdeckung diskriminierender Preisgestaltung im Internet. Im Rahmen der Förderaktion „netidee“ der Internet Privatstiftung Austria (IPA) als eines von 25 Projekten ausgewählt, entwickelten Experten des ÖIAT und Data Scientists am AIT ein Framework für das Monitoring datenbasierter Preisbildungspraktiken im Online-Handel sowie ein Dashboard für die Analyse und Visualierung der gewonnenen Datensätze.

Facebook: "Wasserzeichen" für Machine Learning

Machine Learning: Facebook markiert Bilddatensets (Foto: pixabay.com, geralt)

Forscher der Abteilung für Künstliche Intelligenz von Facebook haben eine Methode namens "Radioaktive Daten" entwickelt, um Bilder aus Datensets, die für Machine Learning verwendet werden, wie bei einem Wasserzeichen zu markieren. Dadurch soll es möglich sein, in neuralen Netzwerken bestimmte Lernmethoden immer wieder zu erkennen. Diese Methode hilft laut den Forschern dabei, Fehler und Missbrauch bei der Datenanalyse schnell aufzudecken.

Facebook: "Wasserzeichen" in Fotos für Machine Learning

Forscher der Abteilung für Künstliche Intelligenz von Facebook haben eine Methode namens "Radioaktive Daten" entwickelt, um Bilder aus Datensets, die für Machine Learning (ML) verwendet werden, wie bei einem Wasserzeichen zu markieren. Dadurch soll es möglich sein, in neuralen Netzwerken bestimmte Lernmethoden immer wieder zu erkennen. Diese Methode hilft laut den Forschern dabei, Fehler und Missbrauch bei der Datenanalyse schnell aufzudecken.

Seiten

Machine Learning abonnieren