Refine
Departments, institutes and facilities
- Fachbereich Wirtschaftswissenschaften (1237)
- Fachbereich Informatik (1144)
- Fachbereich Angewandte Naturwissenschaften (761)
- Fachbereich Ingenieurwissenschaften und Kommunikation (630)
- Institut für funktionale Gen-Analytik (IFGA) (584)
- Institut für Technik, Ressourcenschonung und Energieeffizienz (TREE) (481)
- Fachbereich Sozialpolitik und Soziale Sicherung (396)
- Institute of Visual Computing (IVC) (313)
- Institut für Cyber Security & Privacy (ICSP) (305)
- Institut für Verbraucherinformatik (IVI) (251)
Document Type
- Article (2419)
- Conference Object (1808)
- Part of a Book (937)
- Book (monograph, edited volume) (452)
- Part of Periodical (237)
- Report (200)
- Contribution to a Periodical (118)
- Doctoral Thesis (106)
- Working Paper (94)
- Preprint (90)
Year of publication
Keywords
- Lehrbuch (88)
- Deutschland (34)
- Nachhaltigkeit (29)
- Controlling (25)
- Unternehmen (25)
- Management (20)
- Corporate Social Responsibility (18)
- Betriebswirtschaftslehre (17)
- Digitalisierung (17)
- Machine Learning (17)
With the increasing average age of the population in many developed countries, afflictions like cardiovascular diseases have also increased. Exercising has a proven therapeutic effect on the cardiovascular system and can counteract this development. To avoid overstrain, determining an optimal training dose is crucial. In previous research, heart rate has been shown to be a good measure for cardiovascular behavior. Hence, prediction of the heart rate from work load information is an essential part in models used for training control. Most heart-rate-based models are described in the context of specific scenarios, and have been evaluated on unique datasets only. In this paper, we conduct a joint evaluation of existing approaches to model the cardiovascular system under a certain strain, and compare their predictive performance. For this purpose, we investigated some analytical models as well as some machine learning approaches in two scenarios: prediction over a certain time horizon into the future, and estimation of the relation between work load and heart rate over a whole training session.
Familienunternehmen tragen maßgeblich zur Bruttowertschöpfung der Bundesrepublik Deutschland bei: der Anteil von Familienunternehmen an allen Unternehmen der deutschen Volkswirtschaft am Ende des Jahres 2010 betrug etwa 78 % bei einem Anteil von 56 % an der Gesamtbeschäftigung. Bei allen Familienunternehmen kommt es früher oder später zu einem Wechsel der Leitung und des Eigentums. Die Unternehmensnachfolge ist unvermeidlicher Bestandteil des Lebenszyklus eines Familienunternehmens. Im Zeitraum von 2014 bis 2018 werden pro Jahr etwa 27.000 Nachfolgen in deutschen Familienunternehmen prognostiziert: dies bedeutet rein mathematisch im Durchschnitt etwa eine Nachfolge alle zwanzig Minuten.
Augmented Reality (AR) findet heutzutage sehr viele Anwendungsbereiche. Durch die Überlagerung von virtuellen Informationen mit der realen Umgebung eignet sich diese Technologie besonders für die Unterstützung der Benutzer bei technischen Wartungs- oder Reparaturvorgängen. Damit die virtuellen Daten korrekt mit der realen Welt überlagert werden, müssen Position und Orientierung der Kamera durch ein Trackingverfahren ermittelt werden. In dieser Arbeit wurde für diesen Zweck ein markerloses, modellbasiertes Trackingsystem implementiert. Während einer Initialisierungs-Phase wird die Kamerapose mithilfe von kalibrierten Referenzbildern, sogenannten Keyframes, bestimmt. In einer darauffolgenden Tracking-Phase wird das zu trackende Objekt weiterverfolgt. Evaluiert wurde das System an dem 1:1 Trainingsmodell des biologischen Forschungslabors Biolab, welches von der Europäischen Weltraumorganisation ESA zur Verfügung gestellt wurde.
信息时代的制造业及信息的价值 任守
(1995)
A framework of decision‐support systems in advanced manufacturing enterprises ‐ a systems view
(1997)
改进科技教育和科研工作--一位德国学者的几点看法
(1997)