LEADER 01021nam0-22002891i-450- 001 990005770910403321 005 19990530 035 $a000577091 035 $aFED01000577091 035 $a(Aleph)000577091FED01 035 $a000577091 100 $a19990530d1934----km-y0itay50------ba 101 0 $afre 105 $ay-------001yy 200 1 $aJusque et autres termes en ancien frantais et en ancien procvental marquant le point d'arrivèe$fpar Paul Falk 210 $aUppsala$cA.-B. Lundequistske Bokhandeln$d1934 215 $a218 p.$d25 cm 225 1 $aUppsala Universitets Arsskrift 1934$eFilosofi sprakvetenskap och historiska vetenskaper$v2 300 $aThèse pour le doctorat 700 1$aFalk,$bPaul$0220241 801 0$aIT$bUNINA$gRICA$2UNIMARC 901 $aBK 912 $a990005770910403321 952 $aGLOTT. B VII c 68$bIST.GLOTT. S.I.$fFLFBC 959 $aFLFBC 996 $aJusque et autres termes en ancien frantais et en ancien procvental marquant le point d'arrivèe$9569736 997 $aUNINA LEADER 02137oam 2200517Ia 450 001 9910703270403321 005 20111007111103.0 035 $a(CKB)4330000001916634 035 $a(OCoLC)753575659 035 $a(EXLCZ)994330000001916634 100 $a20110919d2011 ua 0 101 0 $aeng 135 $aurmn||||||||| 181 $ctxt$2rdacontent 182 $cc$2rdamedia 183 $acr$2rdacarrier 200 12$aA novel approach for correlating capacitance data with performance during thin-film device stress studies$b[electronic resource] $epreprint /$fR.L. Graham and D.S. Albin, National Renewable Energy Laboratory, [and] L.A. Clark, Primestar Solar 210 1$aGolden, CO :$cNational Renewable Energy Laboratory,$d[2011] 215 $a1 online resource (8 pages) $cillustrations (some color) 225 1 $aNREL/CP ;$v5200-52392 300 $aTitle from title screen (viewed September 19, 2011). 300 $a"August 2011." 300 $a"Presented at the SPIE Optics + Photonics 2011, San Diego, California, August 21-25, 2011." 320 $aIncludes bibliographical references (page 8). 517 $aNovel Approach for Correlating Capacitance Data with Performance During Thin-Film Device Stress Studies 606 $aPhotovoltaic cells$xResearch 606 $aElectric capacity 606 $aThin films$xPerformance 606 $aData mining$xComputer programs 615 0$aPhotovoltaic cells$xResearch. 615 0$aElectric capacity. 615 0$aThin films$xPerformance. 615 0$aData mining$xComputer programs. 700 $aGraham$b Rebekah L$01421683 701 $aAlbin$b David S$01382328 701 $aClark$b Laura A$01421684 712 02$aNational Renewable Energy Laboratory (U.S.) 712 02$aPrimestar Solar (Firm) 712 12$aSPIE Optics and Photonics Conference$f(2011 :$eSan Diego, Calif.) 801 0$bSOE 801 1$bSOE 801 2$bGPO 906 $aBOOK 912 $a9910703270403321 996 $aA novel approach for correlating capacitance data with performance during thin-film device stress studies$93543659 997 $aUNINA LEADER 05204nam 22006015 450 001 9910985885803321 005 20250305053748.0 010 $a9783658447816 010 $a3658447818 024 7 $a10.1007/978-3-658-44781-6 035 $a(CKB)37776298700041 035 $a(MiAaPQ)EBC31954001 035 $a(Au-PeEL)EBL31954001 035 $a(OCoLC)1507699281 035 $a(DE-He213)978-3-658-44781-6 035 $a(EXLCZ)9937776298700041 100 $a20250303d2025 u| 0 101 0 $ager 135 $aur||||||||||| 181 $ctxt$2rdacontent 182 $cc$2rdamedia 183 $acr$2rdacarrier 200 10$aHybride KI mit Machine Learning und Knowledge Graphs $eInnovative Lösungen aus der Praxis /$fherausgegeben von Knut Hinkelmann, Thomas Hoppe, Bernhard G. Humm 205 $a1st ed. 2025. 210 1$aWiesbaden :$cSpringer Fachmedien Wiesbaden :$cImprint: Springer Vieweg,$d2025. 215 $a1 online resource (415 pages) 311 08$a9783658447809 311 08$a365844780X 327 $aVorwort der Herausgeber -- Geleitwort -- Einführung in hybride Künstliche Intelligenz.-Unterstützung klinischer Studien mit hybrider KI -- Retrospektives Klassifizieren und Annotieren von Geschäftsdokumenten im Tagesgeschäft der Denkmalbehörden -- Text-getriebener Aufbau von domänenspezifischen Wissensgraphen mit neuronalen Netzen -- Das Projekt OdeNet: Aufbau eines semantischen Netzes für die deutsche Sprache -- Integration von terminologischen Wissen in eine Word-Embedding-basierende Semantische Suche -- Vorhersage von landwirtschaftlichen Erträgen und Wachstum -- Ontologie-basiertes AutoML -- Ermittlung elektiver Risikopatienten mittels Bayes?scher Netze -- Transfer-Lernen für die Klassifikation medizinischer Texte -- Anomalie-Detektion in der verarbeitenden Industrie -- Vorhersage von Sportergebnissen mittels probabilistischer Programmierung -- Hybrides wissensbasiertes Reasoning für wissensintensive Prozesse am Beispiel von Notrufabfragen -- Optimierung der Entscheidungsfindung in autonomenFahrsystemen mit neuro-symbolischem Wissen -- Wissensgraphen und Maschinelles Lernen im Spannungsfeld juristischer Sprache.-Kosteneffiziente Rekognition durch Out-Of-The-Box KI und Semantik -- Interaktive Entscheidungsfindung unter Einsatz von maschinellem Lernen und regelbasierten Systemen. 330 $aSeit den 2010er Jahren hat die Künstliche Intelligenz (KI) durch Erfolge im Machine Learning (ML) einen enormen Schub erfahren. Einerseits durch die stark angewachsene Menge verfügbarer digitaler Daten und andererseits durch Innovationen im Bereich der Künstlichen Neuronalen Netze und des Deep Learning (DL). Wissensbasierte KI umfasst neben traditionellen Expertensystemen und Regelsystemen auch die Technologien und Standards, welche im Rahmen der Semantic Web Initiative seit den 1990er Jahren entwickelt wurden. Sie ermöglichten unter anderem die Entwicklung umfangreicher Knowledge Graphs (Wissensnetze). Hybride KI-Ansätze kombinieren Machine Learning und wissensbasierte KI. Da sie als erfolgversprechend gelten, werden sie seit Jahren erforscht. Dieser Open Access-Sammelband zeigt, wie innovative hybride KI-Verfahren bereits heute erfolgreich in der Praxis eingesetzt werden. Die Zielgruppe Architekten und Entwickler von KI-Anwendungen Entscheider Hochschullehrer und Studierende Die Herausgeber Knut Hinkelmann ist Professor für Wirtschaftsinformatik an der Fachhochschule Nordwestschweiz FHNW. Er leitet den Masterstudiengang Business Information Systems, den Bachelorstudiengang Business Artificial Intelligence und die Forschungsgruppe Intelligent Information Systems. Thomas Hoppe ist Wissenschaftlicher Mitarbeiter und Projektmanager in der Arbeitsgruppe ?Data Analytics Center? (DANA) des Fraunhofer-Instituts für Offene Kommunikationssysteme (FOKUS) und Dozent für Datenbanken, Informationssysteme, Suchtechnologie und Bayes?sche Datenanalyse im Studiengang ?Angewandte Informatik? der Hochschule für Technik und Wirtschaft Berlin ? University of Applied Sciences. Bernhard G. Humm ist Professor für Software Engineering am Fachbereich Informatik der Hochschule Darmstadt. Seit über 35 Jahren beschäftigt er sich mit KI und führt regelmäßig nationale und internationale KI-Forschungsprojekte mit Partnern aus Industrie und Wissenschaft durch. . 606 $aArtificial intelligence$xData processing 606 $aMachine learning 606 $aExpert systems (Computer science) 606 $aData Science 606 $aMachine Learning 606 $aKnowledge Based Systems 615 0$aArtificial intelligence$xData processing. 615 0$aMachine learning. 615 0$aExpert systems (Computer science) 615 14$aData Science. 615 24$aMachine Learning. 615 24$aKnowledge Based Systems. 676 $a005.7 700 $aHinkelmann$b Knut$01790494 701 $aHoppe$b Thomas$0638171 701 $aHumm$b Bernhard G$01236578 801 0$bMiAaPQ 801 1$bMiAaPQ 801 2$bMiAaPQ 906 $aBOOK 912 $a9910985885803321 996 $aHybride KI Mit Machine Learning und Knowledge Graphs$94327173 997 $aUNINA