Refine
Departments, institutes and facilities
- Fachbereich Informatik (52)
- Institut für Technik, Ressourcenschonung und Energieeffizienz (TREE) (47)
- Fachbereich Ingenieurwissenschaften und Kommunikation (9)
- Präsidium (9)
- Stabsstelle Kommunikation und Marketing (9)
- Graduierteninstitut (3)
- Internationales Zentrum für Nachhaltige Entwicklung (IZNE) (3)
- Institut für KI und Autonome Systeme (A2S) (1)
- Institut für Sicherheitsforschung (ISF) (1)
- Institute of Visual Computing (IVC) (1)
Document Type
- Conference Object (39)
- Part of Periodical (13)
- Article (11)
- Report (6)
- Preprint (5)
- Doctoral Thesis (4)
- Book (monograph, edited volume) (1)
- Part of a Book (1)
- Diploma Thesis (1)
- Master's Thesis (1)
Year of publication
Keywords
- Quality diversity (6)
- Quality Diversity (4)
- Aerodynamics (3)
- Bayesian optimization (3)
- MAP-Elites (3)
- Surrogate Modeling (3)
- Autoencoder (2)
- Evolutionary Computation (2)
- Evolutionary computation (2)
- Evolutionary optimization (2)
AErOmAt Abschlussbericht
(2020)
Das Projekt AErOmAt hatte zum Ziel, neue Methoden zu entwickeln, um einen erheblichen Teil aerodynamischer Simulationen bei rechenaufwändigen Optimierungsdomänen einzusparen. Die Hochschule Bonn-Rhein-Sieg (H-BRS) hat auf diesem Weg einen gesellschaftlich relevanten und gleichzeitig wirtschaftlich verwertbaren Beitrag zur Energieeffizienzforschung geleistet. Das Projekt führte außerdem zu einer schnelleren Integration der neuberufenen Antragsteller in die vorhandenen Forschungsstrukturen.
Computers can help us to trigger our intuition about how to solve a problem. But how does a computer take into account what a user wants and update these triggers? User preferences are hard to model as they are by nature vague, depend on the user’s background and are not always deterministic, changing depending on the context and process under which they were established. We pose that the process of preference discovery should be the object of interest in computer aided design or ideation. The process should be transparent, informative, interactive and intuitive. We formulate Hyper-Pref, a cyclic co-creative process between human and computer, which triggers the user’s intuition about what is possible and is updated according to what the user wants based on their decisions. We combine quality diversity algorithms, a divergent optimization method that can produce many, diverse solutions, with variational autoencoders to both model that diversity as well as the user’s preferences, discovering the preference hypervolume within large search spaces.
TREE Jahresbericht 2019/2020
(2021)
Der Jahresbericht soll in seiner Breite als auch in seiner Tiefe die Stärken unserer gemeinschaftlichen Anstrengungen im Forschungsfeld der nachhaltigen Technologien aufzeigen: interdisziplinär, forschungsstark, nachwuchsfördernd und gesellschaftszugewandt.
Im vergangenen Jahr war die Pandemie auch für das Insitut TREE eine Herausforderung. Wie die Mitglieder mit der Umstellung auf eine hauptsächlich online stattfindende Kommunikation umgegangen sind und wie das Hochschulleben sich dadurch verändert hat, wurde im Jahresbericht unter "See you online" festgehalten. Auch der Wechsel im Direktorium des Instituts ist Thema des diesjährigen Jahresberichts. Unter den Hauptthemen "Wissenschaftstransfer", "TREE und Wirtschaft" und "Transfer Öffentlichkeit" können sie die wichtigsten Ereignisse für das Institut in den Jahren 2019 und 2020 nachlesen.
TREE Jahresbericht 2018
(2019)
Abschlussbericht zum BMBF-Fördervorhaben Enabling Infrastructure for HPC-Applications (EI-HPC)
(2020)