Michael Heider

Wissenschaftlicher Mitarbeiter
Lehrstuhl für Organic Computing
Telefon: +49 821 598 69261
E-Mail:
Raum: 1031 (W)
Sprechzeiten: nach Vereinbarung
Adresse: Am Technologiezentrum 8, 86159 Augsburg

Forschungsschwerpunkte

In meiner Forschung beschäftige ich mich derzeit mit automatisierter Optimierung von Parametern in industriellen Produktionsprozessen und der Qualitätsvorhersage (predictive quality) von in additiver Fertigung (auch bekannt als 3D Druck) erstellten Bauteilen. Dies ist einzuordnen in den Kontext der Inbetriebnahme oder auch Reparametrisierung von Maschinen beliebiger Produktion. Um optimale Parameterkonfigurationen für einen Herstellungsprozess zu finden, kombinieren wir expertenwissensbasierte Ansätze mit evolutionären regelbasierten Lernverfahren (z.B. LCS). Neben der Vorhersage von Qualität ist auch die (automatisierte) Beurteilung von Bauteilen anhand von Qualitätsmerkmalen Forschungsgegenstand. Im Allgemeinen setze ich in meiner Arbeit vor allem auf verschiedene Techniken des maschinellen Lernens (z.B. Deep Learning, evolutionäres Lernen).

 

  • evolutionäres regelbasiertes Lernen
  • Unsupervised Learning zur feature extraction
  • Deep Learning
  • 3D-Druck / Additive Fertigung
  • adaptive Systeme

Publikationen

Michael Heider
2020 | 2019 | 2016

2020

Helena Stegherr, Michael Heider and Jörg Hähner. in press. Classifying metaheuristics: towards a unified multi-level classification system. DOI: 10.1007/s11047-020-09824-0
PDF | BibTeX | RIS | DOI

Richard Nordsieck, Michael Heider, Andreas Angerer and Jörg Hähner. 2020. Evaluating the effect of user-given guiding attention on the learning process. DOI: 10.1109/acsos49614.2020.00044
BibTeX | RIS | DOI

Michael Heider, David Pätzel and Jörg Hähner. 2020. SupRB: a supervised rule-based learning system for continuous problems.
BibTeX | RIS | URL

Michael Heider, David Pätzel and Jörg Hähner. 2020. Towards a Pittsburgh-style LCS for learning manufacturing machinery parametrizations. DOI: 10.1145/3377929.3389963
BibTeX | RIS | DOI

2019

Michael Heider. 2019. Increasing reliability in FDM manufacturing. DOI: 10.18420/inf2019_ws52
BibTeX | RIS | DOI

Richard Nordsieck, Michael Heider, Andreas Angerer and Jörg Hähner. 2019. Towards automated parameter optimisation of machinery by persisting expert knowledge. DOI: 10.5220/0007953204060413
PDF | BibTeX | RIS | DOI

2016

Sebastian von Mammen, Heiko Hamann and Michael Heider. 2016. Robot gardens: an augmented reality prototype for plant-robot biohybrid systems. DOI: 10.1145/2993369.2993400
BibTeX | RIS | DOI

Lebenslauf

seit 2019 Wissenschaftlicher Mitarbeiter am Lehrstuhl Organic Computing der Universität Augsburg
2015–2018 Master-Studium im Fach Informatik und Informationswirtschaft an der Universität Augsburg
2012–2016 Bachelor-Studium im Fach Informatik an der Universität Augsburg

Lehrveranstaltungen

(Angewandte Filter: Semester: aktuelles | Institution: Organic Computing | Dozenten: Michael Heider | Vorlesungsarten: Übung, Seminar)

Suche