Dozent:
Prof. Dr. Jochen J. Steil
Organisator:
Termine:
Vorbesprechung:
17.10.18 um 15 Uhr im Raum G04
Vortragstermine: (jeweils von 17:00 bis 17:45 im Raum G04)
Montag, 21.01.2019
- PID Regelkreis
- Feature Detection & Description am Beispiel von A-KAZE
Montag, 28.01.2019
Achtung! Der Terminbeginn ist auf 16 Uhr vorverlegt worden.
- Binarized Neural Networks
- End-To-End Learnable Histogram Filters
Montag, 04.02.2019
- SLERP
- Associative neural networks for learning inverse kinematics
- Shortest Path on Polyhedral Surfaces: Continuous Dijkstra
Modulnummer:
INF-ROB-020
Zielgruppe:
Studierende der Informatik, Informations-Systemtechnik und Wirtschaftsinformatik
Bachelor, Master
Voraussetzungen:
Anmeldung im StudIP, Teilnahme an der Vorbesprechung
Inhalt:
Im Seminar geht es darum, zu einem gegebenen Thema selbstständig einen Vortrag auszuarbeiten und zu halten.
- Es muss eine schriftliche Ausarbeitung (ca. 8-10 Seiten) erstellt werden.
- Der Vortrag soll 20-25 Minuten lang sein, plus Diskussion.
- In der Regel werden vom jeweiligen Betreuer 1-3 Paper zum Thema vorgegeben, weitere Literatur muss selbst recherchiert werden.
- Die Literatur wird größtenteils in englisch sein, Vortrag und Ausarbeitung sollten in englisch angefertigt werden.
- Die Vorträge werden ca. in der zweiten Hälfte des Semesters stattfinden (2-3 pro Sitzung, keine Blockveranstaltung)
- Es besteht Anwesenheitspflicht bei den Vorträgen.
- Bewertet werden Vortrag, schriftliche Ausarbeitung und Teilnahme an den Diskussionen.
Unterlagen:
- Vortrag: Folienvorlage
- Ausarbeitung: LaTex
Scheinerwerb:
Seminarvortrag, aktive Teilnahme an Diskussionen, schriftliche Ausarbeitung
Nach erfolgreicher Anmeldung im StudIP kann ein Thema, wenn es nicht bereits reseviert wurde, per Mail an den Organisator reserviert werden.
Themen:
- PID Regelkreis
- Visual Servoing (reserviert)
- SLERP (reserviert)
- 3D point cloud edge detection
- Binarized Neural Networks (reserviert)
- Stereo Vision (reserviert)
- Associative neural networks for learning inverse kinematics
- Extended Kalman Filter
- End-To-End Learnable Histogram Filters
- Shortest Path on Polyhedral Surfaces: Continuous Dijkstra