WestAI - AI Service Center West

Förderprogramm KI7_Aufbau von KI-Servicezentren

Laufzeit: 11/2022 - 12/2025

Gefördert durch: BMBF

Kontakt: Dr.-Ing. Jörg Schmalenströer

SAIL - Nachhaltiger Lebenszyklus von intelligenten soziotechnischen Systemen

Durch SAIL wird das bestehende Forschungsnetzwerk aus Uni Bielefeld, Uni Paderborn, TH OWL und FH Bielefeld im Bereich der künstlichen Intelligenz (KI) vertieft und weiterentwickelt. SAIL adressiert die nächste Stufe der KI-Entwicklung, indem der gesamte Lebenszyklus von KI-Systemen und deren technologische und gesellschaftliche Auswirkungen in den ...

Laufzeit: 08/2022 - 07/2026

Gefördert durch: MKW NRW

TRR 318 - Erklärbarkeit konstruieren

In unserer digitalen Gesellschaft nehmen die algorithmischen Ansätze (wie das maschinelle Lernen) rasant an Komplexität zu. Diese erschwert es den Bürger:innen, die Assistenz nachzuvollziehen und die von Algorithmen vorgeschlagenen Entscheidungen zu akzeptieren. Als Antwort auf diese gesellschaftliche Herausforderung hat die Forschung begonnen, ...

Laufzeit: 07/2021 - 06/2025

Gefördert durch: DFG

TRR 318 - Technisch unterstütztes Erklären von Stimmcharakteristika (Teilprojekt C06)

Im Projekt C6 wird ein spezieller Fall von soziotechnischer Assistenz betrachtet, bei dem Expert:innen durch maschinelle Lernausgabe unterstützt werden, die es ihnen ermöglicht, ein Sprachsignal besser zu verstehen und damit interpretierbar zu machen. Weiterhin wird untersucht, wie dieser Output von Phonetik-Expert:innen genutzt werden kann, um ihr ...

Laufzeit: 07/2021 - 06/2025

Gefördert durch: DFG

Automatische Transkription von Gesprächssituationen

Das Projekt befasst sich mit der maschinenlesbaren Verschriftung von Gesprächssituationen unter Verwendung von Raummikrofonen, seien es professionelle Besprechungen oder lockere Treffen unter Freunden. Derzeitige technische Lösungen erreichen bei weitem nicht die Erkennungsleistung eines Menschen. Dies hat vornehmlich drei Gründe: Zum einen ist die ...

Laufzeit: 05/2021 - 12/2024

Gefördert durch: DFG

Lernen tiefer Sprachrepräsentationen für die Phonetikforschung

Neben dem linguistischen Inhalt enthält ein Sprachsignal weitere, extra/paralinguistische Informationen, wie beispielsweise Geschlecht, emotionaler Zustand, Alter, sozialer Status oder die Identität von Sprecherinnen oder Sprechern. Diese Charakteristika sind jedoch in komplexen, nicht unmittelbar transparenten Variationen des Sprachsignals ...

Laufzeit: 04/2021 - 12/2024

Gefördert durch: DFG

Explainable Feature Importance: Interpretierbare maschinelles Lernen durch spieltheoretische Analyse von Einflussgrößen und Interaktionseffekten

Methoden des maschinellen Lernens (ML) unterstützen die Suche nach Mustern in Daten und Zusammenhängen zwischen Variablen, z.B. in komplexen bio-medizinischen Systemen. Auf diese Weise können sie neue Einsichten vermitteln und Entscheidungen in Handlungs­feldern wie der medizinischen Diagnostik verbessern. Neben der Güte der aus den Daten gelernten ...

Laufzeit: 01/2021 - 12/2024

Gefördert durch: MKW NRW

Technisch ermöglichte Erläuterung der Sprecher Eigenschaften

Das Sprachsignal ist eine reichhaltige Informationsquelle, die nicht nur linguistische, sondern auch so genannte para- oder außersprachliche Inhalte vermittelt, die die Identität, das Geschlecht, den emotionalen oder kognitiven Zustand, das Alter und die Gesundheit eines Sprechers offenbaren. Diese Merkmale sind Gegenstand zahlreicher ...

Laufzeit: 01/2021 - 12/2025

Gefördert durch: DFG

Akustische Sensornetze Acoustic Sensor Networks Research Group

Diese Forschergruppe untersucht Lösungen und Grenzen für die Verarbeitung und Klassifizierung akustischer Signale über gekoppelte Sensornetzwerke. Unser Ziel ist es, die derzeitigen Unzulänglichkeiten zu beseitigen und eine gemeinsame Plattform zu entwickeln, die ASNs anpassungsfähiger an die Variabilität akustischer Umgebungen und ...

Laufzeit: 01/2017 - 12/2023

Gefördert durch: DFG

Geräuscherkennung mit begrenzter Überwachung über Sensornetzwerke

Eine Diskrepanz zwischen der Statistik der Trainings- und der Testdaten kann zu einer erheblichen Verschlechterung der Leistung von Systemen für maschinelles Lernen führen. Bei der Erkennung von Geräuschen in akustischen Sensornetzen (ASN) ist dies aufgrund der großen Anzahl und Variabilität von Geräuschen und akustischen Umgebungen sowie aufgrund ...

Laufzeit: 01/2017 - 12/2023

Gefördert durch: DFG