Semantische Suche
Freitag, 15. September 2017
iCal (Download)
Ort: Raum 301 (Gebäude 50.34)
Webkonferenz: {{{Webkonferenzraum}}}
| Vortragende(r) | Alexis Vezyroglou |
|---|---|
| Titel | Studienplanung mit Hilfe von Workflow-Verifikation: Fokus Dozentensicht |
| Vortragstyp | Bachelorarbeit |
| Betreuer(in) | Jutta Mülle |
| Vortragsmodus | |
| Kurzfassung | Nach der Entwicklung eines Informationssystems im Rahmen einer studentischen Teamarbeit am Lehrstuhl "Systeme der Informationsverwaltung", das den Studierenden bei der Studienplanung unterstützt, soll dieses System erweitert werden, sodass es auch den Dozenten bei der Einplanung ihrer Lehrveranstaltungen in das Lehrangebot des jeweiligen Modulhandbuchs unterstützen kann. In dieser Arbeit wurde eine Anforderungsanalyse durchgeführt und konzipiert, wie das existierende System erweitert werden kann. Der Lehrstuhl hat bereits umfangreiche Erfahrung in datengestützter Verifikation von Prozessabläufen unter Nutzung von Petri Netzen. Da ein Studienplan als Ablauf seiner Lehrveranstaltungen als Prozess allerdings mit involvierten Daten modelliert werden kann, wurden in dieser Arbeit Verifikationsmethoden untersucht und kombiniert, um eine Datenwert-basierte Verifikation von Petri-Netz-Modellen zu ermöglichen. Anhand der Ergebnisse wurden Tests durchgeführt, um zu untersuchen, inwiefern solche Verifikationsmethoden die Studienpläne auf Korrektheit überprüfen können. Die Tests und die Untersuchungen haben gezeigt, dass ein Einsatz von Verifikationsmethoden für Petri-Netze zur Unterstützung eines solchen Systems unter bestimmten Einschränkungen ermöglicht werden kann. |
Freitag, 15. September 2017
iCal (Download)
Ort: Raum 348 (Gebäude 50.34)
Webkonferenz: {{{Webkonferenzraum}}}
| Vortragende(r) | Matthias Rombach |
|---|---|
| Titel | Enabling Architectural Performability Analyses for Microservices via Design Pattern Completions |
| Vortragstyp | Masterarbeit |
| Betreuer(in) | Christian Stier |
| Vortragsmodus | |
| Kurzfassung | Microservices architectures have gained popularity over the recent years, especially since global players in the internet economy changed to this architectural style. Many architectural patterns for recurring problems were identified, such as the Service Discovery for service registration or Client-side Load Balancing for load distribution.
Architectural analyses with the Palladio framework allow for the investigation of the attainment of these requirements during design time. The Architectural Templates method combines architecture models with architectural patterns and styles and allows for design-time analyses. In this thesis, we create a Microservices Architectural Templates catalog, containing microservices Architectural Templates. A selection of widely used patterns is analyzed and conceptually mapped to the Architectural Templates method. A case study, conducted with a sample application representing a customer relationship management application, shows that software architects can profit from the provided templates by automatic model completions and accurate analyses results. |
| Vortragende(r) | Alessandro Giusa |
|---|---|
| Titel | Specifying and Maintaining the Correspondence between Architecture Models and Runtime Observations |
| Vortragstyp | Bachelorarbeit |
| Betreuer(in) | Robert Heinrich |
| Vortragsmodus | |
| Kurzfassung | The goal of this thesis is to provide a generic concept of a correspondence model (CM) to map high-level model elements to corresponding low-level model elements and to generate this mapping during implementation of the high-level model using a correspondence model generator (CGM). In order to evaluate our approach, we implement and integrate the CM for the iObserve project. Further we implement the proposed CMG and integrate it into ProtoCom, the source code generator used by the iObserve project. We first evaluate the feasibility of this approach by checking whether such a correspondence model can be specified as desired and generated by the CGM. Secondly, we evaluate the accuracy of the approach by checking the generated correspondences against a reference model. |
Freitag, 22. September 2017
iCal (Download)
Ort: Raum 348 (Gebäude 50.34)
Webkonferenz: {{{Webkonferenzraum}}}
(Keine Vorträge)
Freitag, 29. September 2017
iCal (Download)
Ort: Raum 348 (Gebäude 50.34)
Webkonferenz: {{{Webkonferenzraum}}}
| Vortragende(r) | Yauhen Makhotsin |
|---|---|
| Titel | Wissensbasierte Identifikation von Wertebereichen einer aktiven Ontologie |
| Vortragstyp | Bachelorarbeit |
| Betreuer(in) | Martin Blersch |
| Vortragsmodus | |
| Kurzfassung | Das Projekt EASIER befasst sich mit der semi-automatischen Erstellung von aktiven Ontologien (AO) aus einer Menge von Webformularen. Webformularelemente werden dafür auf AO-Knoten abgebildet. Dabei ist der Wertebereich der Textfelder nicht im Code des Webformulares enthalten, und eine Befragung von externen Datenquellen erforderlich, um den Wertebereich der AO-Knoten zu bestimmen.
Im Rahmen der vorliegenden Bachelorarbeit wird eine Software entwickelt, die diese Befragung durchführt. Hierfür werden die übermittelten Attributwerte der Webformularelemente im ersten Schritt als mögliche Eingabewerte oder Oberbegriffe der Eingabewerte klassifiziert. Folgend werden externe Datenquellen befragt, um weitere Eingabewerte und Oberbegriffe zu ermitteln. Als externe Datenquellen dienen Wikipedia, ResearchCyc und WordNet. |
Freitag, 6. Oktober 2017
iCal (Download)
Ort: Raum 348 (Gebäude 50.34)
Webkonferenz: {{{Webkonferenzraum}}}
| Vortragende(r) | Daniel Popovic |
|---|---|
| Titel | High-Dimensional Neural-Based Outlier Detection |
| Vortragstyp | Diplomarbeit |
| Betreuer(in) | Edouard Fouché |
| Vortragsmodus | |
| Kurzfassung | Outlier detection in high-dimensional spaces is a challenging task because of consequences of the curse of dimensionality. Neural networks have recently gained in popularity for a wide range of applications due to the availability of computational power and large training data sets. Several studies examine the application of different neural network models, such an autoencoder, self-organising maps and restricted Boltzmann machines, for outlier detection in mainly low-dimensional data sets. In this diploma thesis we investigate if these neural network models can scale to high-dimensional spaces, adapt the useful neural network-based algorithms to the task of high-dimensional outlier detection, examine data-driven parameter selection strategies for these algorithms, develop suitable outlier score metrics for these models and investigate the possibility of identifying the outlying dimensions for detected outliers. |