publish.UP (Univ. Potsdam)
Not a member yet
61492 research outputs found
Sort by
Navigieren von Datenbeschränkungen in der offenen Welt: Vollständigkeit, Ausgewogenheit und Korrektheit
No full textThe rapid development of deep learning across critical domains, ranging from autonomous transportation to healthcare diagnostics, from environmental monitoring to cybersecurity, underscores its capacity to drive societal progress. The fuel for this transformative wave is the symbiosis of a huge amount of data and computational resources. However, a significant hurdle in this evolution is the deficiency of comprehensively annotated datasets. With the advancement of Deep Learning (DL) and Machine Learning (ML) in recent years, the research focus has gradually shifted from the previously dominant closed-world scenarios to more realistic and challenging open-world scenarios. In this dissertation, I explore three of the most prevalent and significant data limitations in open world: Exhaustiveness, Balance, and Correctness.
Exhaustiveness, encompassing all categories in the real world, is an inherently impossible goal given the vast expanse of human ignorance in numerous domains. Nonetheless, methods like Novel Class Discovery (NCD) and Generalized Category Discovery (GCD) have made strides by utilizing knowledge from labeled data to unearth new categories within unlabelled data in open world. However, our empirical studies reveal that supervised knowledge may not be universally beneficial, especially when there’s a significant semantic gap between the unlabeled and annotated datasets. To navigate this challenge, we propose a theoretically grounded metric, transfer flow, and a comprehensive benchmark with varying semantic similarities, aiming to precisely quantify the effectiveness of supervised knowledge under diverse conditions. Additionally, we have crafted two strategies that have demonstrably led to substantial improvements.
Balance, aimed at securing an equitable sample distribution among all dataset categories, tackles the challenge of ensuring fair representation across classes, which is often skewed by the power law effect in real-world data. This imbalance or long-tailed nature of datasets often leads to model bias towards more frequently represented classes and poor generalization to less represented ones, thereby compromising the effectiveness of models in a variety of real-world applications. To combat the resulting long-tailed distribution, we initially proposed the imbalanced GCD method, which navigates the complex distribution of unlabeled real-world data. Subsequently, we developed a framework that integrates an Optimal Transport-based Expectation Maximization (Otem-IGCD) strategy with the objective of balanced class learning. This innovative method has proven its merit, marking a significant performance, thereby demonstrating its efficacy in overcoming the inherent challenges of data imbalance.
Correctness, signifying the accuracy of dataset annotations, is critical for the accuracy and effectiveness of data-driven models. Achieving a fully corrected annotated dataset in the real world is challenging, requiring substantial investment and effort, with the end result still potentially marred by noisy labels. To address this, I introduce “Noisy NCD”, a practical setting that handles labeled data sampled from noisy datasets for NCD tasks. To address these challenges, I developed MKD-NCD, a strategy that utilizes mutual knowledge distillation to uncover new classes. Prior to this, we established SMKD, a mutual knowledge selection framework designed for closed-world environments. Together, SMKD and MKD-NCD have shown substantial success in navigating the complexities of noisy datasets.
In this dissertation, I examine three principal data limitations in open-world scenarios: exhaustiveness, balance, and correctness. We address a fundamental problem associated with each limitation and provide effective solutions. Our research establishes a foundation for advancing Embodied Artificial Intelligence (EAI).Die schnelle Entwicklung des Deep Learning in wichtigen Bereichen, von autonomen Transportsystemen über medizinische Diagnostik bis hin zu Umweltüberwachung und Cybersicherheit, unterstreicht seine Fähigkeit, den gesellschaftlichen Fortschritt voranzutreiben. Der Treibstoff für diese transformative Welle ist die Symbiose aus riesigen Datenmengen und Rechenressourcen. Ein erhebliches Hindernis in dieser Entwicklung ist jedoch der Mangel an umfassend annotierten Datensätzen. Mit dem Fortschritt von Deep Learning (DL) und Machine Learning (ML) in den letzten Jahren hat sich der Forschungsschwerpunkt von den zuvor dominanten Closed-World-Szenarien zu realistischeren und herausfordernderen Open-World-Szenarien verschoben. In dieser Dissertation untersuchen wir drei der häufigsten und bedeutendsten Limitierungen von Daten in der OpenWorld: Vollständigkeit, Balance und Korrektheit.
Vollständigkeit, die alle in der realenWelt vorhandenen Kategorien umfasst, ist angesichts der weiten Bereiche menschlicher Unkenntnis in zahlreichen Domänen ein inhärent unerreichbares Ziel. Dennoch haben Methoden wie Novel Class Discovery (NCD) und Generalized Category Discovery (GCD) Fortschritte gemacht, indem sieWissen aus annotierten Daten nutzen, um neue Kategorien innerhalb nicht annotierter Daten in der Open-World zu entdecken. Unsere empirischen Studien zeigen jedoch, dass Wissen aus annotierten Daten nicht universell vorteilhaft sein kann, insbesondere wenn eine signifikante semantische Lücke zwischen den annotierten und den nicht annotierten Datensätzen besteht. Um diese Herausforderung zu meistern, schlagen wir eine theoretisch fundierte Metrik, transfer flow, und einen umfassenden Benchmark mit variierenden semantischen Ähnlichkeiten vor, um die Wirksamkeit von überwachtem Wissen unter verschiedenen Bedingungen präzise zu quantifizieren. Zusätzlich haben wir zwei Strategien entwickelt, die nachweislich zu erheblichen Verbesserungen führen.
Balance, zielt darauf ab eine gleichmäßige Verteilung der Samples unter allen Kategorien eines Datensatzes zu sichern, und dadurch eine faire Repräsentation über Klassen hinweg zu erreichen, welche oft durch den Power-Law-Effekt in realen Daten verzerrt ist. Diese Unausgewogenheit von Datensätzen führt oft zu einer Modellverzerrung zugunsten häufiger repräsentierter Klassen und schlechter Generalisierung zu weniger repräsentierten, was die Wirksamkeit von Modellen in einer Vielzahl von realen Anwendungen beeinträchtigt. Um die resultierende long-tail Verteilung zu bekämpfen, haben wir zunächst imbalanced GCD vorgeschlagen, welches es ermöglicht die komplexe Verteilung von nicht annotierten realen Daten zu navigieren. Anschließend haben wir Otem-IGCD entwickelt, ein Framework, das eine Optimal Transport-basierte Expectation Maximization-Strategie mit dem Ziel des ausgeglichenen Lernens aller Klassen verbindet. Diese innovative Methode hat ihre Effektivität bewiesen und eine signifikante Leistungssteigerung erreicht, was ihreWirksamkeit bei der Überwindung der inhärenten Herausforderungen des Datenungleichgewichts demonstriert.
Korrektheit, was die Genauigkeit von Datensatzannotationen bezeichnet, ist entscheidend für die Genauigkeit und Wirksamkeit datengesteuerter Modelle. Einen vollständig korrekt annotierten Datensatz in der realen Welt zu erreichen ist herausfordernd und erfordert erhebliche Investitionen und Anstrengungen, wobei das Endergebnis dennoch potenziell durch fehlerhafte Annotationen beeinträchtigt sein könnte. Um dies anzugehen, führen wir „Noisy NCD“ ein, ein praktisches Scenario, welches sich mit ungenau annotierten Datensätzen für NCD-Aufgaben befasst. Um diesen Herausforderungen zu begegnen haben wir MKD-NCD entwickelt, eine Strategie, die gegenseitige Wissensdestillation nutzt, um neue Klassen zu entdecken. Zuvor haben wir SMKD etabliert, einen Rahmen für die Auswahl gegenseitigen Wissens, der für Closed-World-Umgebungen konzipiert wurde. Zusammen haben SMKD und MKD-NCD erheblichen Erfolg bei der Navigation durch die Komplexitäten ungenau annotierter Datensätze gezeigt.
In dieser Dissertation untersuchen wir drei grundlegende Datenbeschränkungen in Open-World-Szenarien: Vollständigkeit, Balance und Korrektheit. Wir gehen jeweils auf ein fundamentales Problem ein, das mit jeder Beschränkung verbunden ist, und bieten wirksame Lösungen an. Unsere Forschung legt ein Fundament für die Weiterentwicklung der Embodied Künstlichen Intelligenz
Empirische Analyse des Zusammenhangs zwischen Rendite und impliziter Volatilität am deutschen Aktienmarkt
No full textIn diesem Beitrag wird empirisch untersucht, ob die zeitliche Entwicklung der Renditen des Deutschen Aktienindex (DAX) und die Zuwächse des Volatilitätsindex VDAX-NEW wechselseitig erklärt und vorhergesagt werden können. Der VDAX-NEW bildet dabei die von den Markteilnehmern erwartete Volatilität des Deutschen Aktienindex DAX ab. Die Ergebnisse zeigen, dass der im nationalen wie internationalen Kontext vielfach dokumentierte asymmetrische negative Zusammenhang zwischen den Renditen bzw. Änderungen der impliziten Volatilitätsindizes und den dazu korrespondierenden Aktienmarktindizes auch am deutschen Markt für den Zeitraum nach der globalen Finanzkrise nachgewiesen werden konnte, wobei der negative Zusammenhang im Falle negativer DAX-Renditen betragsmäßig stärker ausgeprägt ist als bei positiven DAX-Renditen. Hingegen verfügen die zeitverzögerten täglichen DAX-Renditen nur über einen geringen Mehrwert bei der Prognose des VDAX-NEW (und umgekehrt). Die empirischen Resultate sind robust hinsichtlich der Datenperiodizität und lassen sich mit Erkenntnissen aus der Kapitalmarkt- und Behavioral-Finance-Forschung erklären.This paper examines the empirical relationship between the German blue chip stock market index DAX and the volatility index VDAX-NEW. The VDAX-NEW is a forward looking measure of volatility and represents the market’s estimate of the future DAX volatility. We document a significant negative and asymmetric contemporaneous relationship between DAX returns and changes in the VDAX-NEW for the period after the global financial crisis, which has been also documented in the national and international context. Whereby the negative correlation is more pronounced in the case of negative DAX returns than in the case of positive DAX returns. In contrast, lagged daily DAX returns have small added value in forecasting the implied volatility index at the German stock market (and vice versa). The empirical results are robust with regard to data periodicity and can be explained by findings from capital market and behavioral finance research
Das Potsdamer Inklusionsdidaktische Unterrichtsmodell
No full textDen inklusiven Unterricht der Zukunft gestalten! Von April 2021 bis Februar 2024 arbeiteten unter diesem übergeordneten Ziel verschiedene Departments und Fachdisziplinen der Universität Potsdam in Zusammenarbeit mit Lehrkräften, Ausbildungscoaches und Lehramtsstudierenden an der Konzeption eines fächerübergreifenden inklusionsdidaktischen Unterrichtsmodells. Das Ergebnis dieses iterativen Prozesses ist das Potsdamer Inklusionsdidaktische Unterrichtsmodell (PIMODE), welches facettenreich Aspekte eines inklusiven Unterrichts auf der Basis einer gemeinsamen Definition des Inklusionsbegriffs vereint und von Lehramtsstudierenden und bereits ausgebildeten Lehrkräften für die Vorbereitung auf Praktika sowie für ihre zukünftige berufliche Tätigkeit genutzt werden kann. Das PIMODE wird in diesem Sammelband erstmalig anhand von theorie- und forschungsbetonten Beiträgen vorgestellt und kontextualisiert. Ergänzend dazu beinhaltet der vorliegende Band praxisbetonte Beiträge, welche verdeutlichen, wie das PIMODE in der Hochschuldidaktik sowie in der Schulpraxis implementiert werden kann.Shaping inclusive education for the future! With this overarching goal in mind, between April 2021 and February 2024, various departments and disciplines at the University of Potsdam collaborated with teachers, training coaches and student teachers on the design of a cross-disciplinary inclusive teaching model. This iterative process resulted in the Potsdam Inclusive Teaching Model (PIMODE), which combines multifaceted aspects of inclusive teaching on the basis of a common definition of the term inclusion and can be used by student teachers as well as trained to prepare for internships and for their future professional activities. In this edited volume, PIMODE is presented and contextualized for the first time on the basis of theoretical and research-oriented contributions. Furthermore, the present volume contains practice-oriented contributions that illustrate how PIMODE can be implemented in university didactics and school practice
The Memory of Persecution, Flight, and Exile of University Members on the Website “UniGraz_1585-tomorrow”
No full textUniGraz_1585–tomorrow critically narrates the history of the University of Graz on the basis of institutional developments, scientific milestones, political ruptures, and conflicts. The article outlines the development of the culture of remembrance at the University of Graz and then discuss their communication techniques of digital public history, showcasing the example of the website “UniGraz_1585-tomorrow.” The authors further illustrate how the university’s history is told in the digital space using historical biographies. Special attention is paid to the possibilities and challenges of commemorating the lives of expelled Jewish university members. At the end of the article, this paper provides examples of the website and the university campus to show how the interweaving of digital and public spaces of remembrance enables a dynamic and multi-perspective culture of commemoration that expands the limits of digital public history
Culture of Remembrance Interlinked
No full textPublic History Munich strives to foster a vibrant culture of remembrance for the diverse urban society. Therefore, this article examines how different biographical research projects, which were initiated by the City of Munich since the 1990s, led to ongoing processes to reconstruct many personal stories of suffering during the Nazi regime and to a comprehensive database on Nazi persecution in Munich. By examining projects, such as “The Return of the Names” or the “Biographical Memorial Book of Munich Jews 1933–1945,” this article shows how this valuable database had a major impact on various forms of academic, private, communal, and public memory and shaped the cultural landscape of the Bavarian capital to this day. Moreover, the article discusses how digital transformation affects the culture of remembrance and educational work, and illustrates how it shapes research and digital memory formats not only in the present, but also in the future
Glenn Dynner, The Light of Learning: Hasidism in Poland on the Eve of the Holocaust (Oxford, UK: Oxford University Press, 2023), 309 pp.
No full textTobias Brinkmann, Between Borders: The Great Jewish Migration from Eastern Europe (Oxford University Press, 2024), 336 pp.
No full text
Synthese und kristallisationsgetriebene Selbstassemblierung amphiphiler Blockcopolymere: Ansätze für antimikrobielle Nanostrukturen
No full textMembranaktive antimikrobielle Materialien sind vielversprechende Substanzen zur Bekämpfung antimikrobieller Resistenzen. In dieser Arbeit wird kristallisationsgetriebene Selbstassemblierung (CDSA) zur Herstellung antimikrobieller Nanomaterialien mit unterschiedlichen Morphologien eingesetzt und ihre Bioaktivität untersucht. Block Copolymere (BCPs) mit einem kristallisierbaren und einem zweiten antimikrobiellen Block wurden mithilfe einer Kombination aus Ringöffnungspolymerisation (ROP) und Photoiniferter-reversibler Additions-Fragmentierungs-Kettenübertragungspolymerisation (PI-RAFT) synthetisiert. Anschließend konnten durch CDSA gebildete Nanostrukturen nicht ohne Abbau entschützt werden. Die Kristallisation entschützter BCPs führte zu 2D-rautenförmigen Nanostrukturen, während durch kinetisch Kontrolle sphärische Objekte durch Selbstassemblierung ohne Kristallisation hergestellt wurden. Blutplättchen zeigten im Vergleich zu ihren sphärischen Gegenstücken verbesserte antibakterielle Fähigkeiten gegen zwei gramnegative Bakterien (Escherichia coli und Pseudomonas aeruginosa). Das Fehlen hämolytischer Aktivität führt zu einer ausgezeichneten Selektivität von 2D-lamellaren Nanostrukturen. Ein auf Membranpermeabilisierung basierender Mechanismus wurde durch Tests and Liposomen bestätigt. Der erste Teil dieser Arbeit betonte den Einfluss der Form von Nanostrukturen auf ihre Interaktion mit Bakterienzellen und wie eine kontrollierte Anordnung die Bioaktivität verbessern kann.
Im zweiten Teil dieser Arbeit wird ein alternativer Ansatz zur Entwicklung von Nanostrukturen mit antimikrobiellen Eigenschaften auf der Grundlage von disulfid-gebundenen BCPs verfolgt. Spaltbare Disulfidbindungen im Polymerrückgrat von BCPs erleichtern den Ersatz des Schalenmaterials im zusammengesetzten System durch kationische und hydrophobe Untereinheiten durch Auswahl der gewünschten Substitutionsreaktionen. Hier wurde eine spaltbare Verbindung zwischen Poly(2-ethyl-2-oxazolinen) (PEtOx) und kristallisierbaren aliphatischen Polycarbonaten durch die Synthese von BCPs mit Disulfidbindungen erreicht. Diese wohldefinierten Blöcke wurden durch kationische ROP von 2-Oxazolinen mit anschließender organokatalytischer ROP eines zyklischen Carbonatmonomers erhalten. Die verbesserte Synthesestrategie von hydroxylterminierten Poly(2-ethyl-2-oxazolinen) (PEtOx-OH) wird vorgestellt und bietet eine einzigartige Endgruppentreue. Diese Polymere wurden als Makroinitiatoren zur Durchführung einer kontrollierten ROP eines zyklischen Carbonatmonomers unter Verwendung eines optimierten katalytischen Systems eingesetzt. Die alkoholische Selbstassemblierung der resultierenden BCPs zeigte die Bildung sphärischer Mizellen mit ungleichmäßigen Aggregationen. Das Selbstassemblierungsverhalten der entwickelten Plattform blieb eine Herausforderung.Membrane-active antimicrobial materials are promising substances to fight antimicrobial resistance. In this thesis, crystallization-driven self-assembly (CDSA) is employed for the preparation of antimicrobial nanomaterials with different morphologies, and their bioactivity is explored. Block copolymers (BCPs) featuring one crystallizable and a second antimicrobial block were synthesized using a combination of ring-opening polymerization (ROP) and photoiniferter-reversible addition-fragmentation chain transfer (PI-RAFT) polymerization. Subsequently, nanostructures formed by CDSA could not be deprotected without degradation. The crystallization of deprotected BCPs led to 2D diamond-shaped nanostructures, while kinetically trapped spherical objects were produced by self-assembly without crystallization. Platelets exhibited improved antibacterial capabilities against two Gram-negative bacteria (Escherichia coli and Pseudomonas aeruginosa) compared to their spherical counterparts. The absence of hemolytic activity leads to excellent selectivity of 2D lamellar nanostructures. A mechanism based on membrane permeabilization was confirmed via dye-leakage assays. The first part of this thesis emphasized the impact of the shape of nanostructures on their interaction with bacterial cells and how a controlled assembly can improve bioactivity.
In the second part of this thesis, an alternative approach to designing nanostructures with antimicrobial properties is performed based on disulfide-linked BCPs. Having cleavable disulfide bonds in the polymer backbone of BCPs facilitates replacing the shell material in the assembled system with cationic and hydrophobic subunits by selecting the desired substitution reactions. Herein, a cleavable connection between poly(2-ethyl-2-oxazoline)s (PEtOx) and crystallizable aliphatic polycarbonates was achieved by synthesizing BCPs with disulfide linkages. These well-defined blocks were obtained via cationic ROP of 2-oxazolines with subsequent organocatalytic ROP of a cyclic carbonate monomer. The enhanced synthetic strategy of hydroxyl-terminated poly(2-ethyl-2-oxazoline)s (PEtOx-OH) is introduced providing a unique end-group fidelity. These polymers were employed as macroinitiators for performing controlled ROP of a cyclic carbonate monomer using an optimized catalytic system. Alcoholic self-assembly of the resultant BCPs demonstrated the formation of spherical micelles with non-uniform aggregations. The self-assembly behavior of the developed platform remained challenging
Transformation auf der kommunalen Ebene
No full textStädte und Gemeinden spielen eine besondere Rolle für globale, gegenwärtige und zukünftige Herausforderungen wie die Klima- und Biodiversitätskrise. Sie sind zugleich Verursacherinnen von Emissionen und Betroffene von Klimawandelfolgen. Seit den letzten drei Jahrzehnten werden sie verstärkt als handlungsrelevante politische Akteure innerhalb der globalen Politik, insbesondere in der Klimapolitik, in Wissenschaft und Praxis wahrgenommen. Denn Städten wird eine entscheidende Rolle für den Ausstieg aus der kohlestoffbasierten Energieversorgung und das Erreichen der Klimaneutralitätsziele zugeschrieben. Ein zentrales und hochaktuelles Thema innerhalb dieses Strukturwandels beschreibt die Dekarbonisierung der kommunalen Heizsysteme – die ‚Wärmewende‘. Zahlreiche Städte haben eigeninitiativ mit der Planung für die Wärmewende begonnen, darunter die Schweizer Stadt Winterthur. Neben Wärmeplanung versuchen Städte und Gemeinden die Transformation durch Smartifizierung und reformierte, flexiblere Verwaltungsstrukturen voranzutreiben, wie zum Beispiel die Brandenburgische Landeshauptstadt Potsdam. Diese unterschiedlichen Beispiele helfen dabei, nicht nur das kommunale Transformationspotenzial, sondern auch die sich abzeichnenden Herausforderungen für Städte und Gemeinden in der Transformation abzubilden. Dieser Beitrag für die Reihe KWI-Diskurs stellt die eingeschlagenen Transformationspfade der Stadt Winterthur und der Stadt Potsdam vor und diskutiert die konfrontierten Herausforderungen im Zusammenhang mit dem in Wissenschaft und Praxis postulierten kommunalen Transformationspotenzial.Cities and municipalities play a special role in global, current and future challenges such as the climate and biodiversity crisis. They are both producers of emissions and those affected by the consequences of climate change. Over the last three decades, they have been increasingly recognized as political actors relevant for action within global politics, especially in climate policy, in academia and practice. This is because municipalities are seen as playing a decisive role in phasing out carbon-based energy supplies and achieving climate neutrality targets. A central and highly topical issue within this structural change is the decarbonization of municipal heating systems – the ‘heat transition’. Numerous cities, including the Swiss city of Winterthur, have taken the initiative to start planning for the heating transition. In addition to heat planning, municipalities are trying to drive forward the transformation through smartification and reformed, more flexible administrative structures, such as the Brandenburg state capital of Potsdam. These different examples help to illustrate not only the municipal transformation potential, but also the emerging challenges for cities and municipalities in the transformation. This contribution to the KWI-Discourse series presents the transformation paths taken by the city of Winterthur and the city of Potsdam and discusses the challenges faced in relation with the in academia and practice assumed municipal transformation potential