[BA/MA] zum Thema Künstliche Neuronale Netze

jetzt auch für Bachelor/Master/Diplomarbeiten

zum Thema Künstliche Neuronale Netze

Beitragvon Team_IMA » 09.02.18 12:38

Künstliche Neuronale Netze zur optimierten Darstellung von Graphen

Der Lehrstuhl für Informationsmanagement im Maschinenbau bietet eine BA/MA zum Thema Künstliche Neuronale Netze zur optimierten Darstellung von Graphen an:

Wissenschaftliche Fragestellung
Jüngste Entwicklungen im Bereich der Forschung zu künstlicher Intelligenz zeigen eine Vielzahl an Anwendungsfällen von künstlichen neuronalen Netzen und Methoden des maschinellen Lernens. Unter anderem lassen sich klassiche NP-schwere Optimierungsprobleme, wie zum Beispiel das Traveling Salesman Problem (TSP), mit maschinellen Lernverfahren statt mit klassischen Optimierungsverfahren lösen. Ein weiteres Beispiel aus der Graphentheorie ist die zwei-dimensionale Darstellung von Graphen mit möglichst wenig überschneidenden Kanten. Im Rahmen der Arbeit soll untersucht werden, in wie weit sich künstliche neuronale Netze dazu eignen, die Knoten von beliebigen Graphen im zweidimensionalen Raum so umzusortieren, dass sich möglichst wenig Kantenschnitte ergeben sodass bewertet werden kann, ob der Graph planar ist oder nicht.

Wissenschaftliche Methodik
Zunächst erfolgt eine Literaturrecherche zu den Grundlagen der Graphentheorie und künstlichen neuronalen Netzen sowie den gängigen Algorithmen zum Training derselbigen. Anschließend wird ein geeigneter Satz an Trainingsdaten (verschiedene Darstellung eines Graphen, mit/ohne Kantenschnitte) erstellt, womit ein künstliches neuronales Netz trainiert wird, sodass es die Umsortierung der Knotenpositionen erlernt. Das Netz wird anschließend für neue Graphen getestet und evaluiert.

Ziel und erwartete Ergebnisse
Ziel der Arbeit ist die systematische Untersuchung von neuronalen Netzten zur Darstellung von planaren Graphen. Die erzielten Ergebnisse sollen mit gängigen Optimierungsmethoden zur Plättung von Graphen verglichen werden. Es sollen die Potentiale und Limitierungen der KI-basierten Lösung erarbeitet werden und den gängigen Optimierungsverfahren gegenübergestellt werden. Insbesondere die Skalierbarkeit der Lösung in Abhängigkeit von der Größe der Graphen soll systematisch untersucht werden.

Ansprechpartner: Richard Meyes, M.Sc.
Telefon: +49 241 80 91146
E-Mail: richard.meyes@ima-zlw-ifu.rwth-aachen.de

Link: http://www.ima-zlw-ifu.rwth-aachen.de/k ... aften.html
Team_IMA
 
Beiträge: 8
Registriert: 13.06.16 16:57
Studiert seit: ?

Zurück zu Marktplatz und Stellenangebote