Themen für Abschlussarbeiten

An unserem Lehrstuhl sind jederzeit interessante Themen für studentische Abschlussarbeiten (Bachelor / Master) oder für Praxis-, Forschungs- oder Projektmodule zu vergeben. Aktuelle verfügbare Themen stellen wir interessierten Studierenden gerne auf Anfrage persönlich vor. Selbstverständlich besteht zudem die Möglichkeit, mit Vorschlägen auf uns zuzukommen.

Die betreuten Themen beziehen sich vornehmlich auf unsere Forschungsschwerpunkte bzw. auf unsere Forschungsprojekte. Wir sind jederzeit bestrebt, Studierende frühzeitig in unsere Forschungstätigkeiten und - projekte einzubinden, um Ihnen somit eine Vorstellung von akademischer Forschung vermitteln zu können.

Bitte nehmen Sie direkt mit uns Kontakt auf - entweder mit dem jeweiligen Mitarbeiter (Bezug auf ein konkretes Projekt) oder mit Prof. Dr. Hähner bei allgemeinen Themen im Umfeld des Lehrstuhls.

 

Im Folgenden sind die groben Themenbereiche dargestellt, in denen ein individuelles Thema festgelegt werden kann. Bei Interesse kontaktieren Sie bitte den jeweils angegebenen Betreuer. Sollten Sie noch unentschlossen, an Organic Computing im Allgemeinen interessiert oder mit einer eigenen Idee ausgerüstet sein, wenden Sie sich bitte direkt an Prof. Dr. Hähner (Kontaktdaten finden Sie unter "Team").

 

 

Selbst-lernende OC-Systeme

  •  "Selbst-lernende OC Systeme"

Learning Classifier Systeme

  • Lösungsansätze für Übergeneralitätsprobleme in strength-based LCS (Masterarbeit, Ansprechpartner: David Pätzel)
  • Lambda-Kalkül basiertes Genetic Programming inkl. Implementierung in Haskell (Master- oder auch Bachelorarbeit, Ansprechpartner: David Pätzel)
  • Verbesserungen für Genetische Algorithmen im evolutionären Machine Learning / Pittsburgh LCS (Bachelor- oder Masterarbeit, Ansprechpartner: Michael Heider)
  • Matching im evolutionären Machine Learning / Pittsburgh LCS (Bachelor- oder Masterarbeit, Ansprechpartner: Michael Heider)
  • Lokale Modelle im Pittsburgh LCS für Funktionsapproximation (Bachelor- oder Masterarbeit, Ansprechpartner: Michael Heider)

Additive Fertigung

  • Deep Learning-basierte Qualitätsvorhersage von Bauteilen (Bachelorarbeit, Ansprechpartner: Michael Heider)
  • Experimentdesign auf Basis von Lücken im Wissen der Machine Learning Modelle, z.B. mittels evolutionärer Ansätze (Bachelor- oder Masterarbeit auch in Verbindung mit Praxis-/Projektmodul möglich, Ansprechpartner: Michael Heider)
  • Evolutionäre Funktionsapproximatoren auf klassenbasierten Qualitätsmerkmalen aus dem 3D Druck (Bachelor- oder Masterarbeit, Ansprechpartner: Michael Heider)

Adversarial Machine Learning

  • Evaluation von Methoden zur Erzeugung von Adversarial-Examples im Kontext von SQL-Injection-Angriffen (Ansprechpartner: Dominik Rauh)

Metaheuristiken

  • Erweiterung und Vergleich verschiedener Metaheuristiken (Bachelor- oder Masterarbeiten, Ansprechpartner: Helena Stegherr)

Suche