Detailseite
Projekt Druckansicht

Rechner-Cluster PC-Grid

Fachliche Zuordnung Elektrotechnik und Informationstechnik
Förderung Förderung in 2009
Projektkennung Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 149423462
 
Erstellungsjahr 2013

Zusammenfassung der Projektergebnisse

Der Clusterrechner wird vor allem im Sonderforschungsbereich SFB-Transregio 62 „Eine Companion-Technologie für kognitive technische Systeme“ eingesetzt. Das Forschungsvorhaben folgt der Vision, dass technische Systeme der Zukunft Companion-Systeme sind. Kognitive technische Systeme, die ihre Funktionalität vollkommen individuell auf den jeweiligen Nutzer abstimmen: Sie orientieren sich an seinen Fähigkeiten, Vorlieben, Anforderungen und aktuellen Bedürfnissen und stellen sich auf seine Situation und emotionale Befindlichkeit ein. Dabei sind sie stets verfügbar, kooperativ und vertrauenswürdig und treten ihrem Nutzer als kompetente und partnerschaftliche Dienstleister gegenüber. Hierbei hilft der Clusterrechner, komplexe Algorithmen zur Erkennung akustischer, prosodischer, mimischer und gestischer Ausdrücke zu entwickeln, zu testen und zu verbessern. Dieser Prozess setzt sich aus den Arbeitsschritten der Merkmalsextraktion mit optionaler Reduktion oder statistischer Anreicherung, des Klassifikatortrainings mit Parameteroptimierung und Validierung und der Evaluierung zusammen. Auch in den wissenschaftlichen Arbeiten wird der Clusterrechner vorwiegend in den genannten Bereichen Merkmalsextraktion, Klassifikation und Evaluierung genutzt. Hierbei stehen verschiedenste Fragestellungen im Mittelpunkt, wie die Suche nach neuen diskriminativen Merkmalen oder der Verbesserungen des Klassifikatortrainings durch optimierte Parameterauswahl. Allen Arbeiten gemein ist die Nutzung sehr großer Datenmengen, wodurch die Anforderung an Rechenleistung und Verarbeitungskapazität sehr hoch sind. Der Clusterrechner ist sehr gut dafür geeignet, die Forschungsprojekte und wissenschaftlichen Arbeiten in dieser Hinsicht zu unterstützen.

Projektbezogene Publikationen (Auswahl)

  • Determining Optimal Features for Emotion Recognition from Speech by applying an Evolutionary Algorithm. Proceedings of Interspeech 2010, September 26-30, Makuhari, Japan, 2010
    Hübner, D.; Vlasenko, B.; Grosser T.; Wendemuth, A.
  • Towards completely rotated Simplified Gabor Wavelets for fast facial feature point detection. International Conference on Image Processing, ICIP 2010, pp. 4509-4512, September 26-29, IEEE, Hong Kong, China
    Panning, A.; Al-Hamadi, A.; Michaelis, B.
  • A Physical Simulation Approach for Active Photogrammetric 3D Measurement Systems. IEEE Instrumentation and Measurement Technology Conference, 2011
    von Enzberg, S.; Lilienblum, E.; Michaelis, B.
    (Siehe online unter https://dx.doi.org/10.1109/IMTC.2011.5944110)
  • ikannotate - A Tool for Labelling, Transcription, and Annotation of Emotionally Coloured Speech. Affective Computing and Intelligent Interaction. Hrsg. von D'Mello, S.; Graesser, A.; Schuller, B. & Martin, J.-C. Bd. 6974. Lecture Notes in Computer Science. Springer, S. 25-34
    Böck, R.; Siegert, I.; Haase, M.; Lange, J.; Wendemuth, A.
  • Segmented-Memory Recurrent Neural Networks versus Hidden Markov Models in Emotion Recognition from Speech. Proceedings of the 3rd International Joint Conference on Computational Intelligence. Paris, France: INSTICC, S. 308-315
    Glüge, S.;Böck, R.; Wendemuth, A.
  • Applying the Speaking Rate in a Hierarchical Classifier for Emotion Recognition from Speech. Proceedings of the 23. Konferenz Elektronische Sprachsignalverarbeitung (ESSV 2012), August 29-31, Cottbus, Germany, 2012, ISBN: 978-3-942710-81-7
    Philippou-Hübner, D.; Böck R.; Wendemuth, A.
  • Combining Mimic and Prosodic Analyses for User Disposition Classication. Proceedings of the 23. Konferenz Elektronische Sprachsignalverarbeitung. Cottbus, Germany: TUD Press, S. 220-227
    Böck, R.; Limbrecht, K.; Siegert, I.; Glüge, S.; Walter, S.; Wendemuth, A.
  • Facial feature point detection using simplified gabor wavelets and confidence-based grouping. IEEE International Conference on Systems, Man, and Cybernetics, SMC 2012, pp. 26872692, October 14-17, Seoul, Korea (South)
    Panning, A.; Al-Hamadi, A.; Michaelis, B.
  • Fine-Tuning HMMs for Nonverbal Vocalizations in Spontaneous Speech: A Multicorpus Perspective. In Proceedings of ICASSP, IEEE International Conference on Acoustics, Speech and Signal Processing, pp. 46254628, April 25-31,2012. Kyoto, Japan
    Prylipko, D.; Schuller, B.; Wendemuth, A.
  • Fusion of Fragmentary Classifier Decisions for Affective State Recognition. Multimodal Pattern Recognition of Social Signals in Human-Computer-Interaction. First IAPR TC3 Workshop, MPRSS 2012, Tsukuba, Japan, November 11,2012, Revised Selected Papers, Eds.: F. Schwenker and S. Scherer and L.-P. Morency, LNAI 7742, Springer, Berlin pp. 116-130, 2013
    Krell, G.; Glodek, M.; Panning, A.; Siegert, I.; Michaelis, B.; Wendemuth, A.; Schwenker, F.
  • Intraindividual and Interindividual Multimodal Emotion Analyses in Human-Machine-Interaction. 2012 IEEE International Multi-Disciplinary Conference on Cognitive Methods in Situation Awareness and Decision Support. New Orleans, USA: IEEE, S. 59-64
    Böck, R.; Limbrecht, K.; Walter, S.; Hrabal, D.; Traue, H. C.; Glüge, S.; Wendemuth, A.
  • Investigation of Hierarchical Classification for Simultaneous Gender and Age Recognitions. Proceedings of the 23. Konferenz Elektronische Sprachsignalverarbeitung (ESSV 2012), August 29-31,2012, Cottbus, Germany, 2012
    Siegert, I.; Böck,R.; Philippou-Hübner, D.; Wendemuth, A.
  • Language Modeling of Nonverbal Vocalizations in Spontaneous Speech. Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics) 7499 LNAI, pp. 488-495. Springer, Heidelberg (2012)
    Prylipko, D.; Vlasenko, B.; Stolcke, A.; Wendemuth, A.
  • Multimodal Affect Recognition in Spontaneous HCI Enviroment. Proceedings of 2012 IEEE International Conference on Signal Processing, Communications and Computing (ICSPCC 2012), August 12-15, Hong Kong, China, pp. 430-435, 2012
    Panning, A.; Siegert, I.; Al-Hamadi, A.; Wendemuth, A.; Rösner, D.; Frommer, J.; Krell, G.; Michaelis, B.
  • The Performance of the Speaking Rate Parameter in Emotion Recognition from Speech. Proceedings of 2012 IEEE International Conference on Multimedia & Expo (ICME2012), July 9-13, Melbourne, Australia, 2012
    Philippou-Hübner, D; Vlasenko, B.; Böck, R.; Wendemuth, A.
  • Towards Robust Spontaneous Speech Recognition with Emotional Speech Adapted Acoustic Models. In Proceedings of 35th German Conference on Artificial Intelligence. September 24-27, 2012. Saarbrücken, Germany
    Vlasenko, B.; Prylipko, D.; Wendemuth, A.
  • Using Speaker Group Dependent Modelling to Improve Fusion of Fragmentary Classifier Decisions. Proceedings of Cybconf 2013 Special Session Session "Affective State Recognition in Human Computer Interaction", June 13-15, Lausanne Switzerland, 2013
    Siegert, I.; Glodek, M.; Panning, A.; Krell, G.; Schwenker, F.; Al-Hamadi, A.; Wendemuth, A.
 
 

Zusatzinformationen

Textvergrößerung und Kontrastanpassung