Dieses Vorhaben wird aus Mitteln des Europäischen Fonds für regionale Entwicklung (EFRE) gefördert.
Die Bergische Innovationsplattform für Künstliche Intelligenz geht von Wissenschaftler/innen der Bergischen Universität Wuppertal (BUW) und des Campus Velbert/Heiligenhaus (CVH) der Hochschule Bochum sowie Data Scientists in regionalen Unternehmen aus. Ein Großteil der beteiligten Wissenschaftler ist auch im Interdiszipinären Zentrum Machine Learning and Data Analytics (IZMD) organisiert. In unserer täglichen Arbeit forschen wir zu Künstlicher Intelligenz (KI) und Data Analytics oder wenden die Technologie in unseren Geschäftsmodellen an.
Ergänzend zu vielen anderen Initiativen, die den digitalen Wandel im Bergischen Land vorantreiben, bietet die Innovationsplattform ein an Technologie orientiertes Forum. Mit gemeinsamer Forschung, Ausbildung von Studierenden und enger Vernetzung zwischen Hochschulen und technologisch erstklassigen Unternehmen sowie Anwendern ist es unser Ziel, das Potential von KI und Data Analytics für die Region zugänglich zu machen.
Aktuelles um die Bergische Innovationsplattform
- A-Eye: Fahren mit den Augen der KIA-Eye: Fahren mit den Augen der KI Das Ziel dieser Arbeit ist die Anreicherung von Trainingsdaten für das autonome Fahren mit so genannten Corner Cases. Im Straßenverkehr sind Corner Cases kritische, seltene und ungewöhnliche Fahrsituationen, die eine Herausforderung für die…
- Auf dem Weg zum Digital Valley in der Bergischen Region: Hidden Champions für Forschungsprojekt Divabre gesucht!Auf dem Weg zum Digital Valley in der Bergischen Region: Hidden Champions für Forschungsprojekt Divabre gesucht! Wie lässt sich Digitalisierung auch als kleines/mittleres Unternehmen der Bergischen Region umsetzten? Und wie lassen sich universitäre Forschung und Lehre frühzeitig mit diesen Unternehmen…
- UQGAN: A Unified Model for Uncertainty Quantification of Deep Classifiers trained via Conditional GANsUQGAN: A Unified Model for Uncertainty Quantification of Deep Classifiers trained via Conditional GANs Die AG Stochastik hat gemeinsam mit Kollegen der TU Dortmund eine Methode der Unsicherheitquantifizierung (UQ) für tiefe neuroanle Netze (DNNs) in der Bildklassifikation. Die Methode verwendet…
- Entropie Maximierung und Meta Klassifikation zur Erkennung von unbekannten Objekten in der semantischen SegmentierungEntropie Maximierung und Meta Klassifikation zur Erkennung von unbekannten Objekten in der semantischen Segmentierung Semantische Segmentierung beschreibt die Aufgabe der Detektion und pixelweisen Lokalisierung von Objekten in Bildern. Dazu werden in der Praxis tiefe neuronal Netze als Modelle verwendet. Diese…
- Berufspraxiskolloquium – Ein Ausflug in die OptimierungBerufspraxiskolloquium – Ein Ausflug in die Optimierung In langjähriger Tradition der Fachgruppe Mathematik & Informatik an der Universität Wuppertal konnte das Berufspraxiskolloquium auch im Wintersemester 2021/2022 angeboten werden. Bei diesem Angebot erhalten Interessierte Einblicke in Unternehmen und Studierenden werden frühzeitig…