Driven by the need to use mineral resources more sustainably, and the increasing complexity of ore deposits still available for commercial exploitation, the acquisition of quantitative data on mineralogy and microfabric has become an important need in the execution of exploration and geometallurgical test programmes. Hyperspectral drill-core scanning has the potential to be an excellent tool for providing such data in a fast, non- destructive and reproducible manner. However, there is a distinct lack of integrated methodologies to make use of these data through-out the exploration and mining chain. This thesis presents a first framework for the use of hyperspectral drill-core scanning as a pillar in exploration and geometallurgical programmes. This is achieved through the development of methods for (1) the automated mapping of alteration minerals and assemblages, (2) the extraction of quantitative mineralogical data with high resolution over the drill-cores, (3) the evaluation of the suitability of hyperspectral sensors for the pre-concentration of ores and (4) the use of hyperspectral drill- core imaging as a basis for geometallurgical domain definition and the population of these domains with mineralogical and microfabric information.:Introduction Materials and methods Assessment of alteration mineralogy and vein types using hyperspectral data Hyperspectral imaging for quasi-quantitative mineralogical studies Hyperspectral sensors for ore beneficiation 3D integration of hyperspectral data for deposit modelling Concluding remarks References

Die menschzentrierte Industrie der Zukunft wird durch die Zusammenführung transdisziplinärer Sicht- und Arbeitsweisen verschiedener Fachdisziplinen entstehen. Die Veröffentlichungsreihe 'Transdisziplinäre Betrachtungen' fasst wesentliche Themen im Spannungsfeld 'Mensch, Künstliche Intelligenz und Technik' in übersichtlicher Posterform zusammen. Die Betrachtungen dienen der einführenden Darstellung einer ganzheitlich-systemischen Betrachtungsweise des Bereichs „Mensch und Produktion“. 'Transdisziplinäre Betrachtungen I' widmet sich der Frage, wie mentale Modelle des Menschen den Technikentwicklungs- und Techniknutzungsprozess beeinflussen. Hierzu werden die zwei grundlegenden Rollen des Menschen im Zusammenhang mit der Technik dargestellt. Relevante psychologische Prozesse, u.a. kognitive Prozesse der menschlichen Informationsverarbeitung, werden benannt. Es wird anschaulich dargestellt und beschrieben, wie mentale Modelle des Menschen mit technischen Modellen und Systemen in Zusammenhang stehen (sollten).

Die menschzentrierte Industrie der Zukunft wird durch die Zusammenführung transdisziplinärer Sicht- und Arbeitsweisen verschiedener Fachdisziplinen entstehen. Die Veröffentlichungsreihe 'Transdisziplinäre Betrachtungen' fasst wesentliche Themen im Spannungsfeld 'Mensch, Künstliche Intelligenz und Technik' in übersichtlicher Posterform zusammen. Die Betrachtungen dienen der einführenden Darstellung einer ganzheitlich-systemischen Betrachtungsweise des Bereichs „Mensch und Produktion“. 'Transdisziplinäre Betrachtungen II' widmet sich der Frage, wie mentale Modelle des Menschen den Technikentwicklungsprozess und die technische Modellbildung beeinflussen. Grundlegende kognitive Prozesse der menschlichen Informationsverarbeitung werden hierfür weiter spezifiziert. Es wird dargestellt, wie höhere kognitive Verarbeitungsprozesse zur Bildung mentaler Modelle, die die Grundlage der technischen Modellbildung und des Technikentwicklungsprozesses sind, beitragen. Der technische Designprozess wird in Grundzügen dargestellt, ebenso hierfür wesentliche Methoden und Vorgehensweisen. Die technische Realisierung ist das Endergebnis, das die Interaktion mit dem Nutzenden ermöglicht. Die Bildung transdisziplinärer mentaler Modelle auf Seiten der Technikentwickler erlaubt es, den nutzerzentrierten Designprozess adäquater und frühzeitiger in den Technikentwicklungsprozess zu integrieren.

In dieser Doktorarbeit wird die Frage untersucht, wie erfolgreich deep learning bei der Diagnostik von neurodegenerativen Erkrankungen unterstützen kann. In 5 experimentellen Studien wird die Anwendung von Convolutional Neural Networks (CNNs) auf Daten der Magnetresonanztomographie (MRT) untersucht. Ein Schwerpunkt wird dabei auf die Erklärbarkeit der eigentlich intransparenten Modelle gelegt. Mit Hilfe von Methoden der erklärbaren künstlichen Intelligenz (KI) werden Heatmaps erstellt, die die Relevanz einzelner Bildbereiche für das Modell darstellen. Die 5 Studien dieser Dissertation zeigen das Potenzial von CNNs zur Krankheitserkennung auf neurologischen MRT, insbesondere bei der Kombination mit Methoden der erklärbaren KI. Mehrere Herausforderungen wurden in den Studien aufgezeigt und Lösungsansätze in den Experimenten evaluiert. Über alle Studien hinweg haben CNNs gute Klassifikationsgenauigkeiten erzielt und konnten durch den Vergleich von Heatmaps zur klinischen Literatur validiert werden. Weiterhin wurde eine neue CNN Architektur entwickelt, spezialisiert auf die räumlichen Eigenschaften von Gehirn MRT Bildern. / Deep learning and especially convolutional neural networks (CNNs) have a high potential of being implemented into clinical decision support software for tasks such as diagnosis and prediction of disease courses. This thesis has studied the application of CNNs on structural MRI data for diagnosing neurological diseases. Specifically, multiple sclerosis and Alzheimer’s disease were used as classification targets due to their high prevalence, data availability and apparent biomarkers in structural MRI data. The classification task is challenging since pathology can be highly individual and difficult for human experts to detect and due to small sample sizes, which are caused by the high acquisition cost and sensitivity of medical imaging data. A roadblock in adopting CNNs to clinical practice is their lack of interpretability. Therefore, after optimizing the machine learning models for predictive performance (e.g. balanced accuracy), we have employed explainability methods to study the reliability and validity of the trained models. The deep learning models achieved good predictive performance of over 87% balanced accuracy on all tasks and the explainability heatmaps showed coherence with known clinical biomarkers for both disorders. Explainability methods were compared quantitatively using brain atlases and shortcomings regarding their robustness were revealed. Further investigations showed clear benefits of transfer-learning and image registration on the model performance. Lastly, a new CNN layer type was introduced, which incorporates a prior on the spatial homogeneity of neuro-MRI data. CNNs excel when used on natural images which possess spatial heterogeneity, and even though MRI data and natural images share computational similarities, the composition and orientation of neuro-MRI is very distinct. The introduced patch-individual filter (PIF) layer breaks the assumption of spatial invariance of CNNs and reduces convergence time on different data sets without reducing predictive performance. The presented work highlights many challenges that CNNs for disease diagnosis face on MRI data and defines as well as tests strategies to overcome those.

Carbon nanotubes (CNTs) have attracted great attentions in the field of electronics, sensors, healthcare, and energy conversion. Such emerging applications have driven the carbon nanotube research in a rapid fashion. Indeed, the structure control over CNTs has inspired an intensive research vortex due to the high promises in electronic and optical device applications. Here, this in-depth review is anticipated to provide insights into the controllable synthesis and applications of high-quality CNTs. First, the general synthesis and post-purification of CNTs are briefly discussed. Then, the state-of-the-art electronic device applications are discussed, including field-effect transistors, gas sensors, DNA biosensors, and pressure gauges. Besides, the optical sensors are delivered based on the photoluminescence. In addition, energy applications of CNTs are discussed such as thermoelectric energy generators. Eventually, future opportunities are proposed for the Internet of Things (IoT) oriented sensors, data processing, and artificial intelligence

A software concept is described combining computer graphics and artificial intelligence to support practical graphic systems to check, correct or generate their spatiotemporal objects with the help of knowledge-based inferences. The unified approach is demonstrated at four quite different applications. / Ein Softwarekonzept wird beschrieben, das Computergrafik und Künstliche Intelligenz kombiniert, um praktische Grafiksysteme beim Überprüfen, Korrigieren oder Generieren ihrer raumzeitlichen Objekte mit Hilfe von wissensbasierten Inferenzen zu unterstützen. Das einheitliche Verfahren wird an vier ganz unterschiedlichen Anwendungen demonstriert.

Moderne Präzisionsgartenbaulicheproduktion schließt hoch technifizierte Gewächshäuser, deren Einsatz in großem Maße von der Qualität der Sensorik- und Regelungstechnik abhängt, mit ein. Zu den Regelungsstrategien gehören unter anderem Methoden der Künstlichen Intelligenz, wie z.B. Künstliche Neuronale Netze (KNN, aus dem Englischen). Die vorliegende Arbeit befasst sich mit der Eignung KNN-basierter Modelle als Bauelemente von Klimaregelungstrategien in Gewächshäusern. Es werden zwei Modelle vorgestellt: Ein Modell zur kurzzeitigen Voraussage des Gewächshausklimas (Lufttemperatur und relative Feuchtigkeit, in Minuten-Zeiträumen), und Modell zur Einschätzung von phytometrischen Signalen (Blatttemperatur, Transpirationsrate und Photosyntheserate). Eine Datenbank, die drei Kulturjahre umfasste (Kultur: Tomato), wurde zur Modellbildung bzw. -test benutzt. Es wurde festgestellt, dass die ANN-basierte Modelle sehr stark auf die Auswahl der Metaparameter und Netzarchitektur reagieren, und dass sie auch mit derselben Architektur verschiedene Kalkulationsergebnisse liefern können. Nichtsdestotrotz, hat sich diese Art von Modellen als geeignet zur Einschätzung komplexer Pflanzensignalen sowie zur Mikroklimavoraussage erwiesen. Zwei zusätzliche Möglichkeiten zur Erstellung von komplexen Simulationen sind in der Arbeit enthalten, und zwar zur Klimavoraussage in längerer Perioden und zur Voraussage der Photosyntheserate. Die Arbeit kommt zum Ergebnis, dass die Verwendung von KNN-Modellen für neue Gewächshaussteuerungstrategien geeignet ist, da sie robust sind und mit der Systemskomplexität gut zurechtkommen. Allerdings muss beachtet werden, dass Probleme und Schwierigkeiten auftreten können. Diese Arbeit weist auf die Relevanz der Netzarchitektur, die erforderlichen großen Datenmengen zur Modellbildung und Probleme mit verschiedenen Zeitkonstanten im Gewächshaus hin. / One facet of the current developments in precision horticulture is the highly technified production under cover. The intensive production in modern greenhouses heavily relies on instrumentation and control techniques to automate many tasks. Among these techniques are control strategies, which can also include some methods developed within the field of Artificial Intelligence. This document presents research on Artificial Neural Networks (ANN), a technique derived from Artificial Intelligence, and aims to shed light on their applicability in greenhouse vegetable production. In particular, this work focuses on the suitability of ANN-based models for greenhouse environmental control. To this end, two models were built: A short-term climate prediction model (air temperature and relative humidity in time scale of minutes), and a model of the plant response to the climate, the latter regarding phytometric measurements of leaf temperature, transpiration rate and photosynthesis rate. A dataset comprising three years of tomato cultivation was used to build and test the models. It was found that this kind of models is very sensitive to the fine-tuning of the metaparameters and that they can produce different results even with the same architecture. Nevertheless, it was shown that ANN are useful to simulate complex biological signals and to estimate future microclimate trends. Furthermore, two connection schemes are proposed to assemble several models in order to generate more complex simulations, like long-term prediction chains and photosynthesis forecasts. It was concluded that ANN could be used in greenhouse automation systems as part of the control strategy, as they are robust and can cope with the complexity of the system. However, a number of problems and difficulties are pointed out, including the importance of the architecture, the need for large datasets to build the models and problems arising from different time constants in the whole greenhouse system.

The subject of this diploma thesis is the modelling and the analysis of mechanisms that enable multiagentsystems to establish communication relations and using them to control the interaction. With regards to the emergence of such symbol systems one groundwork of this paper is the realization that coordination problems aren't applicative to advance to evolution of "higher communication capabilities". With this in mind, this analysis uses a class of problems with explicit conflicts of interests between agents and the necessity of solving such interaction problems with the help of communication. The paper determines and discusses mechanisms and constraints that enable multiagentsystems to evolve such self-organisating social structures as well as preserving them. / Thema dieser Diplomarbeit ist die Modellierung und Untersuchung von Mechanismen, auf deren Grundlage Multiagentensysteme in der Lage sind, Kommunikationsbeziehungen aufzubauen und kommunikative Akte interaktionssteuernd zu verwenden. Hinsichtlich der Emergenz derartiger Symbolsysteme besteht eine wesentliche Erkenntnis, auf der diese Arbeit aufbaut, darin, dass Koordinationsprobleme als Kontext für MAS kein geeignetes experimentelles Umfeld für die Herausbildung "höherer kommunikativer Fähigkeiten" darstellen. Davon ausgehend werden für eine Klasse von Problemen, in denen die Abstimmung über eine Interaktion aufgrund von Interessenkonflikten einen expliziten Teil des kommunikativ zu lösenden Problems darstellt, Mechanismen und Constraints herausgearbeitet und diskutiert, die Agenten in die Lage versetzen, ein sich selbst organisierendes soziales Gefüge aufzubauen und zu erhalten.

The subject of this diploma thesis is the modelling and the analysis of mechanisms that enable multiagentsystems to establish communication relations and using them to control the interaction. With regards to the emergence of such symbol systems one groundwork of this paper is the realization that coordination problems aren't applicative to advance to evolution of "higher communication capabilities". With this in mind, this analysis uses a class of problems with explicit conflicts of interests between agents and the necessity of solving such interaction problems with the help of communication. The paper determines and discusses mechanisms and constraints that enable multiagentsystems to evolve such self-organisating social structures as well as preserving them. / Thema dieser Diplomarbeit ist die Modellierung und Untersuchung von Mechanismen, auf deren Grundlage Multiagentensysteme in der Lage sind, Kommunikationsbeziehungen aufzubauen und kommunikative Akte interaktionssteuernd zu verwenden. Hinsichtlich der Emergenz derartiger Symbolsysteme besteht eine wesentliche Erkenntnis, auf der diese Arbeit aufbaut, darin, dass Koordinationsprobleme als Kontext für MAS kein geeignetes experimentelles Umfeld für die Herausbildung "höherer kommunikativer Fähigkeiten" darstellen. Davon ausgehend werden für eine Klasse von Problemen, in denen die Abstimmung über eine Interaktion aufgrund von Interessenkonflikten einen expliziten Teil des kommunikativ zu lösenden Problems darstellt, Mechanismen und Constraints herausgearbeitet und diskutiert, die Agenten in die Lage versetzen, ein sich selbst organisierendes soziales Gefüge aufzubauen und zu erhalten.

Zum Verständnis menschlichen sozialen, administrativen und wirtschaftlichen Verhaltens, das als Spiel bzw. strategische Interaktion aufgefasst werden kann, reichen die rein analytischen Methoden nicht aus. Es ist nötig, Daten menschlichen strategischen Verhaltens zu sammeln. Basierend auf Daten lässt sich solches Verhalten modellieren, simulieren bzw. vorhersagen. Der theoretische Teil der Zielsetzung wird über praxisorientierte Konzeptualisierung strategischer Interaktion realer Agenten - Menschen und Maschinen - und gegenseitige Integration der Konzepte aus Spieltheorie und Multiagentensysteme erreicht, die über die bisherigen Ansätze hinausgehen. Der praktische Teil besteht darin, ein allgemein verwendbares System zu entwerfen, das strategische Interaktionen zwischen realen Agenten mit maximalen wissenschaftlichen Nutzen durchführen kann. Die tatsächliche Implementation ist eines der Ergebnisse der Arbeit. Ähnliche vorhandene Systeme sind GDL-Server (für Maschinen) [Genesereth u.a., 2005] und z-Tree (für Menschen) [Fischbacher, 2007]. Die Arbeit ist in drei Bereiche unterteilt - (1) Entwicklung von Sprachen für die Beschreibung eines Spiels, (2) ein auf diesen Sprachen basierendes Softwaresystem und (3) eine Offline-Analyse der u.a. mit dem System bereits gesammelten Daten als Beitrag zur Möglichkeiten der Verhaltensbeschreibung. Die Innovation dieser Arbeit besteht nicht nur darin ,einzelne Bereiche mit einander zu kombinieren, sondern auch Fortschritte auf jedem Bereich für sich allein zu erreichen. Im Bereich der Spielbeschreibungssprachen, werden zwei Sprachen - PNSI und SIDL - vorgeschlagen, die beide Spiele bei imperfekter Information in diskreter Zeit definieren können. Dies ist ein Fortschritt gegenüber der bisherigen Sprachen wie Gala und GDL. Speziell die auf Petrinetzen basierende Sprache PNSI kann gleichermaßen für Gameserver und für spieltheoretische Algorithmen von z.B. GAMBIT verwendet werden. Das entwickelte System FRAMASI basiert auf JADE [Bellifemine u.a., 2001] und ist den bisherigen Client-Server-Lösungen durch Vorteile der Multiagentensysteme voraus. Mit dem entstandenen System wurde bereits ein Experiment entsprechend den Standards der experimentellen Spieltheorie durchgeführt und somit die Praxistauglichkeit nachgewiesen. Das Experiment hatte als Ziel, Daten zur menschlichen Unvorhersagbarkeit und zur Vorhersagefähigkeit anderer zu liefen. Dafür wurden Varianten von \"Knobeln\" verwendet. Die Daten dieses Experiments sowie eines Experiments einer externen Arbeitsgruppe mit ähnlicher Motivation wurden mit Hilfe von Datamining analysiert. Dabei wurden die in der Literatur berichteten Gesetzmäßigkeiten des Verhaltens nachgewiesen und weitere Gesetzmäßigkeiten entdeckt.:Einführung Grundlagen Verwandte Arbeiten Sprachen für Spielbeschreibung Implementation der Spielinfrastruktur Beschreibung Strategischen Verhaltens Resümee Ergebnisse Ausblick / To understand human social, administrative and economic behavior, which can be considered as a game or strategic interaction, the purely analytical methods do not suffice. It is necessary to gather data of human strategic behavior. Based on data, one can model, simulate and predict such behavior. The theoretical part of the objective is achieved using a practice oriented conceptualization of the real agents\' - humans and machines - strategic interaction and mutual integration of the concepts from game theory and multi-agent systems, which go beyond the related work. The practical part is the design of an universally usable system that can perform the strategic interactions between real agents with maximum scientific benefit. The current implementation is one of the results of the work. Similar existing systems are GDL-server (for machines) [Genesereth et al., 2005] and z-Tree (for humans) [Fischbacher, 2007]. The work is divided in three fields - (1) development of languages for the description of a game, (2) a software system based on these languages and (3) an offline analysis of the data already gathered among other things using the system as a contribution to behavior definition facilities. The innovation of this work does not consist only in combining of the several fields to each other, but also in achieving of improvements in every field on its own. In the field of game definition languages, two languages are proposed - PNSI and SIDL, which both can define games of imperfect information in discrete time. It is an improvement comparing with hitherto languages as Gala and GDL. Especially, the Petri net based language PNSI can likewise be used for game servers and game theoretic algorithms like GAMBIT. The developed system FRAMASI is based on JADE [Bellifemine et al., 2001] and is ahead of the hitherto client-server solutions through the advantages of the multi-agent systems. Using the originated system, an experiment has been conducted according to the standards from the experimental game theory, and thus demonstrated the practicability. The experiment had the objective to provide data on the human unpredictability and the ability to predict others. Therefore, variants of Roshambo were used. The data from this experiment and from an experiment of an external workgroup with a similar motivation were analyzed using data mining. As results, the regularities of the behavior reported in literature have been demonstrated and further regularities have been discovered.:Einführung Grundlagen Verwandte Arbeiten Sprachen für Spielbeschreibung Implementation der Spielinfrastruktur Beschreibung Strategischen Verhaltens Resümee Ergebnisse Ausblick