Refine
Year of publication
Document Type
- Report (54) (remove)
Has Fulltext
- yes (54)
Keywords
- Forschungsbericht (20)
- Optimierung (12)
- Forschung (9)
- Modellierung (8)
- Research Report (8)
- Soft Computing (8)
- Versicherungswirtschaft (7)
- Forschungsstelle Versicherungsmarkt (5)
- Institut für Versicherungswesen (5)
- Evolutionärer Algorithmus (4)
- Forschungsstelle FaRis (4)
- Globale Optimierung (4)
- Hochschule (4)
- Optimization (4)
- Versicherungsrecht (4)
- Versicherungswissenschaft (4)
- Wirtschaftswissenschaften (4)
- Forschungsstelle Versicherungsrecht (3)
- Genetic Programming (3)
- Genetisches Programmieren (3)
- Maschinelles Lernen (3)
- Mehrkriterielle Optimierung (3)
- Metaheuristik (3)
- Sequential Parameter Optimization (3)
- Sequentielle Parameter Optimierung (3)
- Versicherung (3)
- Versicherungsmathematik (3)
- Versicherungswesen (3)
- Computational Intelligence (2)
- Ensemble Methods (2)
- Evolutionary Algorithms (2)
- Evolutionsstrategie (2)
- Evolutionäre Algorithmen (2)
- Forschungsschwerpunkt Rückversicherung (2)
- Genetische Algorithmen (2)
- IVW Köln (2)
- Kölner Forschungsstelle Rückversicherung (2)
- Multi-Criteria Optimization (2)
- Multiobjective Optimization (2)
- Optimierungsproblem (2)
- Prognose (2)
- Regression (2)
- Rückversicherung (2)
- Simulation (2)
- Sozialmanagement (2)
- Surrogat-Modellierung (2)
- Surrogate Modeling (2)
- Surrogate Models (2)
- Versuchsplanung (2)
- Zeitreihenanalyse (2)
- Aktuare (1)
- Algorithm Tuning (1)
- Algorithmus (1)
- Automated Learning (1)
- Autowerkstätten (1)
- Bayesian Learning (1)
- Bayesian Regression (1)
- COVID-19 (1)
- Co-Kriging (1)
- Cyber-physische Produktionssysteme (1)
- Cyclone Dust Separator (1)
- Data Analysis (1)
- Data Mining (1)
- Data Modelling (1)
- Datenanalyse (1)
- Datenschutz (1)
- Deutsche Aktuarvereinigung (1)
- Digitalisierung (1)
- Ensemble based modeling (1)
- Enterprise 2.0 (1)
- Entstauber (1)
- Event Detection (1)
- Evolution Strategies (1)
- Evolutionsstrategien (1)
- Expected Improvement (1)
- Experiment (1)
- Experimental Algorithmics (1)
- FaRis (1)
- Fehlende Daten (1)
- Finanzwirtschaft (1)
- Flushing (1)
- Forschungsstelle (1)
- Function Approximation (1)
- Gaussian Process (1)
- Genetic Algorithms (1)
- Genetic programming (1)
- Genetische Programmierung (1)
- Heuristics (1)
- Imputation (1)
- Innovationsakzeptanz (1)
- Institute for Insurance Studies (1)
- Klassifikation (1)
- Kognitive Referenzarchitektur (1)
- Kraftfahrtversicherung (1)
- Kriging (1)
- Lineare Regression (1)
- Machine Learning (1)
- Marketing (1)
- Massive Online Analysis (1)
- Metamodel (1)
- Metamodell (1)
- Missing Data (1)
- Mixed Models (1)
- Model Selection (1)
- Modeling (1)
- Modelling (1)
- Multi-criteria Optimization (1)
- Netzwerk (1)
- Netzwerkberatung (1)
- Netzwerke (1)
- Notrufsystem (1)
- On-line Algorithm (1)
- Pannendienst (1)
- Parametertuning (1)
- Produktentwicklungsprozess (1)
- R (1)
- SPOT (1)
- Sensortechnik (1)
- Simulated annealing (1)
- Software (1)
- Soziale Software (1)
- Sozialraum (1)
- Spülen (1)
- Stacked Generalization (1)
- Statistics (1)
- Surrogate (1)
- Surrogate Model (1)
- Surrogate Optimization (1)
- Surrogate-Model-Based Optimization (1)
- Surrogate-model-based Optimization (1)
- Surrogatmodellbasierte Optimierung (1)
- System Identification (1)
- Systemidentifikation (1)
- Taxonomie (1)
- Taxonomy (1)
- Telematik (1)
- Time-series (1)
- Trinkwasserversorgung (1)
- Unsicherheit (1)
- Versciherungsmathematik (1)
- Vorverarbeitung (1)
- Wasserwirtschaft (1)
- Water Distribution Systems (1)
- Water Quality Monitoring (1)
- Wiki (1)
- Wissensmanagement (1)
- Wissensmanagement in der Versicherungsbranche (1)
- Zeitreihe (1)
- Zylon Enstauber (1)
- classification (1)
- eCall (1)
- faris (1)
- model-assisted optimization (1)
- modellbasierte Optimierung (1)
- regression (1)
Institute
- Fakultät 04 / Institut für Versicherungswesen (16)
- Fakultät 10 / Institut für Informatik (13)
- Fakultät 04 / Schmalenbach Institut für Wirtschaftswissenschaften (9)
- Fakultät für Informatik und Ingenieurwissenschaften (F10) (8)
- Fakultät 01 / Institut für Sozialpolitik und Sozialmanagement (4)
- Fakultät 10 / Institut für Data Science, Engineering, and Analytics (2)
Mit diesem Bericht dokumentiert das Institut für Versicherungswesen (ivwKöln) seine Forschungsaktivitäten des vergangenen Jahres. Wir geben damit gegenüber der Öffentlichkeit und insbesondere den Freunden und Förderern des Instituts Rechenschaft über die geleistete Forschungsarbeit. Darüber hinaus wollen wir in diesem Forschungsbericht auch darlegen, welche Forschungsziele wir am Institut verfolgen und welche Aktivitäten derzeit geplant sind.
Ziel des Forschungsprojektes "Mehrkriterielle CI-basierte Optimierungsverfahren für den industriellen Einsatz" (MCIOP) war die Verringerung von Schadstoffemissionen in Kohlekraftwerken. Der wissenschaftliche Fokus lag auf der Entwicklung von Methoden, die in der Lage sind, interpretierbare Modelle für die Schadstoffemissionen automatisch zu generieren. Hierzu wurden mehrkriterielle Optimierungsverfahren entwickelt und eingesetzt. Zur Zeit- und Kostenreduktion wurde die Optimierung durch Surrogat-Modelle erfolgen, die abgestuft mit aufwändigeren Simulationen zum Einsatz kamen („optimization via simulation“). Bei der Untersuchung von Staubabscheidern konnten durch eine mehrkriterielle Optimierung unterschiedliche Zielgrößen, wie z.B. Abscheidegrad und Druckverlust, gleichzeitig berücksichtigt werden.
Dieser Bericht beschreibt die im Projekt MCIOP im Zeitraum von August 2011 bis einschließlich Juni 2015 erzielten Ergebnisse.
Mit diesem Bericht dokumentiert das Institut für Versicherungswesen (IVW) seine Forschungsaktivitäten des vergangenen Jahres. Wir geben damit gegenüber der Öffentlichkeit und insbesondere den Freunden und Förderern des Instituts Rechenschaft über die geleistete Forschungsarbeit. Darüber hinaus wollen wir in diesem Forschungsbericht des IVW auch darlegen, welche Forschungsziele wir am Institut verfolgen und welche Aktivitäten derzeit geplant sind.
This paper proposes an experimental methodology for on-line machine learning algorithms, i.e., for algorithms that work on data that are available in a sequential order.
It is demonstrated how established tools from experimental algorithmics (EA) can be applied in the on-line or streaming data setting.
The massive on-line analysis (MOA) framework is used to perform the experiments.
Benefits of a well-defined report structure are discussed.
The application of methods from the EA community to on-line or streaming data is referred to as experimental algorithmics for streaming data (EADS).
In this paper we present a comparison of different data driven modeling methods. The first instance of a data driven linear Bayesian model is compared with several linear regression models, a Kriging model and a genetic programming model.
The models are build on industrial data for the development of a robust gas sensor.
The data contain limited amount of samples and a high variance.
The mean square error of the models implemented in a test dataset is used as the comparison strategy.
The results indicate that standard linear regression approaches as well as Kriging and GP show good results,
whereas the Bayesian approach, despite the fact that it requires additional resources, does not lead to improved results.
When using machine learning techniques for learning a function approximation from given data it is often a difficult task to select the right modeling technique.
In many real-world settings is no preliminary knowledge about the objective function available. Then it might be beneficial if the algorithm could learn all models by itself and select the model that suits best to the problem.
This approach is known as automated model selection. In this work we propose a
generalization of this approach.
It combines the predictions of several into one more accurate ensemble surrogate model. This approach is studied in a fundamental way, by first evaluating minimalistic ensembles of only two surrogate models in detail and then proceeding to ensembles with three and more surrogate models.
The results show to what extent combinations of models can perform better than single surrogate models and provides insights into the scalability and robustness of the approach. The study focuses on multi-modal functions topologies, which are important in surrogate-assisted global optimization.
Ein großer Teil der älteren Bevölkerung lebt relativ zurückgezogen und ist nur eingeschränkt in das sozialräumliche Umfeld eingebunden. Mit zunehmendem Alter werden die sozialen Netzwerke kleiner und sind stärker durch familiäre Beziehungen geprägt. Allerdings sind die Familienbezüge räumlich entfernt oder sozial prekär, ebenso Kontakte in die Nachbarschaft oder ins weitere Umfeld im Quartier. Auch wenn Kontakte auf vereinzelte Familienbeziehungen oder auf einen engen Ausschnitt des herkunftskulturellen Milieus konzentriert bleiben, ist eine aktive Teilhabe schwach ausgeprägt. Einerseits handelt es sich um einen freiwilligen und bewussten sozialen Rückzug; andererseits resultieren die Gründe für das zurückgezogene Leben aus körperlichen, sozialen und/oder kognitiven Einschränkungen. Die zu Grunde liegenden Bewältigungsstrategien sind mit dem Risiko sozialer Isolation verbunden und münden in eine reduzierte Lebensqualität und die Anfälligkeit für Krankheiten aller Art.
Mit zunehmendem Lebensalter treten darüber hinaus neue Fragen auf, die die Orientierung im Alltag älterer Menschen betreffen: Das betrifft beispielsweise das selbstbestimmte Wohnen, die Gestaltung des Wochen- und Tagesablaufs und reicht bis zur Inanspruchnahme von Dienstleistungen. Ältere Menschen wissen häufig nicht, an wen sie sich mit ihren Fragen wenden können. Vor diesem Hintergrund besteht der Bedarf eines lokalen Lotsensystems, das die Fragen älterer Menschen nicht nur aufnehmen kann, sondern für sie Anschlüsse zu den „richtigen“ Stellen herstellt.
Im Projekt SONA („Seniorenorientierte Navigation“) wurde im Zeitraum 2012-2015 in Zusammenarbeit mit der Sozialverwaltung der Stadt Mülheim an der Ruhr ein Infrastrukturmodell von „Wegweisern“ bzw. „Lotsen“ entwickelt und erprobt, das sowohl die Funktion der Vermittlung von Informationen und Wegen in den verschiedenen Feldern des alltäglichen Lebens als auch die von „Kümmerern“ für Belange älterer Menschen übernimmt. Gefördert wurde das Projektvorhaben im Rahmen der SILQUA-FH-Förderlinie („Soziale Innovationen im Alter“) des Bundeministeriums für Bildung und Forschung mit dem Ziel, den Herausforderungen, die sich angesichts des demografischen Wandels ergeben, angemessen Rechnung zu tragen. Im Vordergrund der Forschungsaktivitäten stand die Verbesserung der Lebensqualität älterer Menschen sowie die Erhaltung und Stärkung ihrer Autonomie.
Der vorliegende Abschlussbericht stellt einen integrierten Handlungsrahmen dar, in dem auf zweierlei Wege über die Ergebnisse des Projekts referiert wird; zum einen werden Erfahrungen und Ergebnisse aus dem Projekt SONA vorgestellt, um sie für die Wissenschaft und Praxis nutzbar zu machen. Zum anderen werden allgemeine Handlungsempfehlungen ausgesprochen, um die Transfermöglichkeiten des Projekts zu erörtern. Zu den zentralen Ergebnissen zählt in diesem Kontext beispielsweise, dass ein Lotsensystem nur dann nachhaltig verankert werden kann, wenn es eine zentrale Koordinations- und Steuerungsverantwortlichkeit gibt. Darüber hinaus ist die Implementierung eines prozesshaften Qualitätsmanagements empfehlenswert, um die interne Organisation mit den Lotsen und Ansprechpartnern in den Themenfeldern sowie den Kontakt mit den Bürgern so zu gestalten, dass auf die Bedürfnisse der verschiedenen Zielgruppen passgenau reagiert werden kann.
This report presents a practical approach to stacked generalization in surrogate model based optimization. It exemplifies the integration of stacking methods into the surrogate model building process. First, a brief overview of the current state in surrogate model based opti- mization is presented. Stacked generalization is introduced as a promising ensemble surrogate modeling approach. Then two examples (the first is based on a real world application and the second on a set of artificial test functions) are presented. These examples clearly illustrate two properties of stacked generalization: (i) combining information from two poor performing models can result in a good performing model and (ii) even if the ensemble contains a good performing model, combining its information with information from poor performing models results in a relatively small performance decrease only.
Das Projekt „Integrierte Sozialplanung für die Versorgung im Alter“ (Akronym: ISPInoVA) der Technischen Hochschule Köln (TH Köln) zielt auf die Entwicklung eines neuen Modells einer integrierten Sozialplanung ab. Einbezogen werden hierbei (1) die verschiedenen Ressort- und Fachbereichsperspektiven (z.B. soziale Hilfe, Gesundheit, Wohnen etc.), (2) die unterschiedlichen Bedarfsgruppen im kommunalen Raum und (3) alle kommunalen Managementebenen. Ein besonderer Fokus wird gelegt auf Beteiligung und Partizipation der verschiedenen beteiligten Akteure sowie auf Innovationen in der Alterspolitik.
Das Erkenntnisinteresse im Rahmen des Schweizer Teilprojektes „Gestaltung der Alterspolitik, Beteiligung und Partizipation in ausgewählten Schweizer Städten und Gemeinden“ liegt im Verständnis und der Analyse aktueller Entwicklungen in der Sozialplanung für ältere Menschen in Schweizer Städten und Gemeinden sowie bei der Frage nach Beteiligungs- und Partizipationsformen, nach möglichen Innovationspromotoren und dem Bezug zur Sozialraumorientierung.
Mit dem Sommer 2015 steigt die Zahl der geflüchteten Menschen, die in Deutschland und damit auch in Köln Schutz suchen, stark an. Neu war die Entwicklung jedoch nicht. Bereits seit 2010 verzeichnete die Stadt Köln einen Anstieg der Geflüchtetenzahlen, auf die die Verwaltung und die Stadtgesellschaft jedoch nur langsam reagierten. Die Fakultät für Angewandte Sozialwissenschaften der Technischen Hochschule hatte das Thema bereits im Sommersemester 2014 auf die Agenda gesetzt und sich hochschulintern und -extern mit dem Ansteigen der Flüchtlingszahlen und der Verantwortung von Stadt und Sozialer Arbeit auseinandergesetzt. Durch die hohen Flüchtlingszahlen in 2015 hat diese Debatte neue Bedeutung erhalten.
Ausgehend von den Widersprüchen, in denen professionelle Soziale Arbeit handelt, lautet die zentrale Frage dieser explorativen Studie: Welchen Handlungsspielraum hat die Soziale Arbeit in der Arbeit mit geflüchteten Menschen, die in Gemeinschaftsunterkünften untergebracht sind?
We propose to apply typed Genetic Programming (GP) to the problem of finding surrogate-model ensembles for global optimization on compute-intensive target functions. In a model ensemble, base-models such as linear models, random forest models, or Kriging models, as well as pre- and post-processing methods, are combined. In theory, an optimal ensemble will join the strengths of its comprising base-models while avoiding their weaknesses, offering higher prediction accuracy and robustness. This study defines a grammar of model ensemble expressions and searches the set for optimal ensembles via GP. We performed an extensive experimental study based on 10 different objective functions and 2 sets of base-models. We arrive at promising results, as on unseen test data, our ensembles perform not significantly worse than the best base-model.
Ein Wiki ist eine Form von Social Software, die sich insbesondere zur Unterstützung der kollaborativen Wissensverarbeitung eignet und zunehmend im Unternehmenskontext eingesetzt wird. Ein Wiki lebt vom Prinzip der kollektiven Intelligenz. Somit wird die Schaffung einer kritischen Masse an Nutzern zum Erfolgsfaktor. Erkennt der Nutzer einen echten Mehrwert, so ist er gewillt, die Anwendung zu nutzen. Um diesen Mehrwert zu generieren, erfordert es eine funktionale Integration in die Arbeitsprozesse und die Systemlandschaft des Unternehmens. Um dies zu gewährleisten, wird in der vorliegenden Veröffentlichung eine idealtypische Vorgehensweise zur Einführung eines Wikis entwickelt. Es wird gezeigt, wie sich der Grundgedanke des prozessorientierten Wissensmanagements auf die Konzeption eines Wikis übertragen lässt. Die erarbeiteten theoretischen Grundlagen werden an der beispielhaften fachlichen Konzeption eines Wikis zur Unterstützung des Wissensmanagements im Produktentwicklungsprozess eines Lebens-versicherers angewendet. Zu diesem Zweck werden Anwendungsszenarien entwickelt, in denen die Nutzer durch den Einsatz des Wikis profitieren.
Sequential Parameter Optimization is a model-based optimization methodology, which includes several techniques for handling uncertainty. Simple approaches such as sharp- ening and more sophisticated approaches such as optimal computing budget allocation are available. For many real world engineering problems, the objective function can be evaluated at different levels of fidelity. For instance, a CFD simulation might provide a very time consuming but accurate way to estimate the quality of a solution.The same solution could be evaluated based on simplified mathematical equations, leading to a cheaper but less accurate estimate. Combining these different levels of fidelity in a model-based optimization process is referred to as multi-fidelity optimization. This chapter describes uncertainty-handling techniques for meta-model based search heuristics in combination with multi-fidelity optimization. Co-Kriging is one power- ful method to correlate multiple sets of data from different levels of fidelity. For the first time, Sequential Parameter Optimization with co-Kriging is applied to noisy test functions. This study will introduce these techniques and discuss how they can be applied to real-world examples.
Dieser Schlussbericht beschreibt die im Projekt „CI-basierte mehrkriterielle Optimierungsverfahren für Anwendungen in der Industrie“ (CIMO) im Zeitraum von November 2011 bis einschließlich Oktober 2014 erzielten Ergebnisse. Für aufwändige Optimierungsprobleme aus der Industrie wurden geeignete Lösungsverfahren entwickelt. Der Schwerpunkt lag hierbei auf Methoden aus den Bereichen Computational Intelligence (CI) und Surrogatmodellierung. Diese bieten die Möglichkeit, wichtige Herausforderung von aufwändigen, komplexen Optimierungsproblemen zu lösen. Die entwickelten Methoden können verschiedene konfliktäre Zielgrößen berücksichtigen, verschiedene Hierarchieebenen des Problems in die Optimierung integrieren, Nebenbedingungen beachten, vektorielle aber auch strukturierte Daten verarbeiten (kombinatorische Optimierung) sowie die Notwendigkeit teurer/zeitaufwändiger Zielfunktionsberechnungen reduzieren. Die entwickelten Methoden wurden schwerpunktmäßig auf einer Problemstellung aus der Kraftwerkstechnik angewendet, nämlich der Optimierung der Geometrie eines Fliehkraftabscheiders (auch: Zyklon), der Staubanteile aus Abgasen filtert. Das Optimierungsproblem, das diese FIiehkraftabscheider aufwerfen, führt zu konfliktären Zielsetzungen (z.B. Druckverlust, Abscheidegrad). Zyklone können unter anderem über aufwändige Computational Fluid Dynamics (CFD) Simulationen berechnet werden, es stehen aber auch einfache analytische Gleichungen als Schätzung zu Verfügung. Die Verknüpfung von beidem zeigt hier beispielhaft wie Hierarchieebenen eines Optimierungsproblems mit den Methoden des Projektes verbunden werden können. Neben dieser Schwerpunktanwendung konnte auch gezeigt werden, dass die Methoden in vielen weiteren Bereichen Erfolgreich zur Anwendung kommen können: Biogaserzeugung, Wasserwirtschaft, Stahlindustrie. Die besondere Herausforderung der behandelten Probleme und Methoden bietet viele wichtige Forschungsmöglichkeiten für zukünftige Projekte, die derzeit durch die Projektpartner vorbereitet werden.
Mit diesem Bericht dokumentiert das Institut für Versicherungswesen (IVW) seine Forschungsaktivitäten des vergangenen Jahres. Wir geben damit gegenüber der Öffentlichkeit und insbesondere den Freunden und Förderern des Instituts Rechenschaft über die geleistete Forschungsarbeit. Darüber hinaus wollen wir in diesem Forschungsbericht des IVW auch darlegen, welche Forschungsziele wir am Institut verfolgen und welche Aktivitäten derzeit geplant sind.
Evolutionary algorithm (EA) is an umbrella term used to describe population-based stochastic direct search algorithms that in some sense mimic natural evolution. Prominent representatives of such algorithms are genetic algorithms, evolution strategies, evolutionary programming, and genetic programming. On the basis of the evolutionary cycle, similarities and differences between these algorithms are described. We briefly discuss how EAs can be adapted to work well in case of multiple objectives, and dynamic or noisy optimization problems. We look at the tuning of algorithms and present some recent developments coming from theory. Finally, typical applications of EAs to real-world problems are shown, with special emphasis on data-mining applications
Mit diesem Bericht dokumentiert das Institut für Versicherungswesen (IVW) seine Forschungsaktivitäten des vergangenen Jahres. Wir geben damit gegenüber der Öffentlichkeit und insbesondere den Freunden und Förderern des Instituts Rechenschaft über die geleistete Forschungsarbeit. Darüber hinaus wollen wir in diesem Forschungsbericht des IVW auch darlegen, welche Forschungsziele wir am Institut verfolgen und welche Aktivitäten derzeit geplant sind.
SOMA - Systematische Optimierung von Modellen in IT- und Automatisierungstechnik (Schlussbericht)
(2013)
Das im Rahmen der Förderlinie IngenieurNachwuchs geförderte Forschungsvorhaben Systematische Optimierung von Modellen für Informations- und Automatisierungs-technik (kurz: SOMA) startete im August 2009. Eine wesentliche Zielsetzung war die Entwicklung und Optimierung von Modellen zur Prognose von Zielgrößen. Ein wichtiges Merkmal ist dabei die effiziente Optimierung dieser Modelle, welche es ermöglichen soll, mit einer streng limitierten Anzahl an Auswertungen gute Parametereinstellungen zu bestimmen. Mithilfe dieser genaueren Parametrierungen der unterliegenden Modelle können unter Einbeziehung neuer merkmalserzeugender Verfahren insbesondere für kleine und mittelständische Unternehmen verbesserte Lösungen erzielt werden. Als direkter Gewinn derartiger Verbesserungen konnte für KMUs ein geeignetes Framework für Modellierungs- und Prognoseaufgaben be- reitgestellt werden, sodass mit geringem technischem und personellen Aufwand performante und nahezu optimale Lösungen erzielt werden können. Dieser Schluss-bericht beschreibt die im Projekt durchgeführten Maßnahmen und Ergebnisse.