Lehr- und Forschungseinheit für Datenbanksysteme
print
Search
Hinweise zur Datenübertragung bei der Google™ Suche
Breadcrumb Navigation
Content

Oberseminar (SS 2021)

Inhalt

Bachelor- und Masterstudierende tragen über Pläne und Ergebnisse ihrer Abschlussarbeiten vor.

Termine und Ort

Veranstaltung Zeit Ort Beginn
Oberseminar Fr, 14.00 - 15.30 Uhr (s.t.) zoom 23.04.2021

Anwesenheitspflicht und Interessenten

  • Wir erwarten, dass alle Bearbeiter von Bachelor- und Masterarbeiten am Lehrstuhl am Oberseminar teilnehmen. Sie lernen nicht nur das Podium für Ihre eigenen Vorträge kennen, sondern erfahren mehr über die Vielfalt unserer laufenden Forschung und bilden das Publikum für Ihre Mitstudierenden.
  • Zu den Vorträgen wird hier im Internet eingeladen.
  • Tragen Sie sich gerne in unsere Mailingliste des Oberseminars ein, um die Ankündigungen für die nächsten Vorträge zu erhalten.
  • Das Obersemiar findet vorerst remote per zoom statt. 

Informationen für Vortragenden

  • Bitte bereiten Sie Ihre Präsentationen so vor, dass folgende Vortragszeiten eingehalten werden:
    • Antrittsvortrag (A): 10 Minuten
    • Abschlussvortrag Bachelorarbeit (B) bzw. Projektarbeit (P): 20 Minuten
    • Abschlussvortrag Masterarbeit (M) bzw. Zulassungsarbeit (Z): 25 Minuten
    • Gastvortrag (G): nach Vereinbarung
  • Terminvereinbarungen: Ludwig Zellner (Vortragstitel bitte vorher mit dem Betreuer abstimmen). Stimmen Sie den angestrebten Vortragstermin zuvor bitte sowohl mit Ihrem Aufgabensteller, als auch Ihrem Betreuer ab.
  • Bitte kümmern Sie sich um ggf. benötigte Hardware (z.B. Display-Adapter). Sollten Sie dennoch bestimmte Hardwareanforderungen haben, sprechen Sie sich bitte rechtzeitig mit Franz Krojer ab
  • Für Termine, die außerhalb der Semesterzeiten liegen, werden die Vortragenden gebeten sich frühzeitig mit dem/-r jeweiligen Betreuer/-in, dem offiziellen Aufgabensteller und dem/-r Oberseminarkoordinator/-in in Verbindung zu setzen

Vortragstermine

Datum Themen
23.04.2021
  • [A] On the Effect of Initial Sample Selection for Deep Active Learning
  • [B] Generalized Neighborhood Aggregation for Graph Neural Networks
  • [A] Process Error Cascade Mining
30.04.2021
  • [A] Temporal and spatial micro-clustering for trajectory process data
07.05.2021
  • [A] Resource cost outlier detection for event logs
  • [A] HD Map Validation
  • [B] Weight Agnostic Neural Networks under Network constraints
14.05.2021
  • [M] Neural Hough Transform for Subspace Clustering
28.05.2021
  • [A] Deep Learning for Sparse to Dense Annotations using Motion
  • [A] Advanced Pseudo-Labeling for Deep Active Learning
  • [A] Evaluation Metrics for Event Stream Sampling Methods
04.06.2021
  • [M] Surface Prediction for Transparent Hollow Objects
  • [A] Embedding Decomposition for Entity Alignment
  • [A] On the Optimization of Partially-Ordered Sequential Rule Mining
11.06.2021
  • [B] Diverse Mini-Batch Active Learning Using Boundary Points
18.06.2021 entfällt
25.06.2021
  • [B] Accelerating Robust Spectral Clustering using the Nyström Method
  • [M] Intelligent Sampling Strategies for Prioritized Experience Buffers
  • [A] Prediction of Retention Time and Collision Cross Section of Metabolites from their Chemical Formula
02.07.2021 entfällt
09.07.2021
  • [M] Utilising Sequential Rule Mining for Conformance Checking
  • [B] Comparing Types of Sequential Rule Mining for Recommendation Purposes
  • [A] Federated Continual Natural Language Processing for Cross-Client Knowledge Transfer with Data Sovereignty
16.07.2021
  • [M] Adaptive Multi-Resolution Attention with Linear Complexity
  • [A] Sparsely Annotated Object Detection
  • [B] Investigating temporal knowledge graph embedding models in a unified framework
23.07.2021 entfällt
30.07.2021
  • [A] Improving Seedling Detection by Predicting Height Information
  • [B] Weight Agnostic Neural Networks under Network Constraints
06.08.2021 entfällt
13.08.2021
  • [A] A Hyper-Network controlled Coordinate-MLP using Random Fourier Features for CFD Flow Field Approximation
  • [M] On the topological property of dynamic transaction graph
  • [M] Multi-Agent Policy Optimization in Self-Play
20.08.2021 entfällt
27.08.2021 entfällt
03.09.2021 entfällt
10.09.2021 entfällt
17.09.2021
  • [A] Diffusion Based Active Learning for Node Classification
  • [B] Process Error Cascade Mining
  • [A] Multi-Task Argument Mining
24.09.2021
  • [M] On the Effect of Initial Sample Selection for Deep Active Learning
  • [B] Transfer Learning for 3D Object Detection on Points Clouds
  • [M] Developing New Deep Learning Methods to Break Strong Physical Unclonable Functions