Skip to main content Skip to main navigation

Projekte

Zeige Ergebnisse 1 bis 5 von 5.
  1. MikroBeM – Auswirkung von simulierter und realer Mikrogravitation auf die Bewegungskinematik des (un)trainierten Menschen

    MikroBeM – Auswirkung von simulierter und realer Mikrogravitation auf die Bewegungskinematik des (un)trainierten Menschen

    Innerhalb des Vorhabens MikroBeM wird auf der Ebene von biologischen Signalen, im Speziellen Elektroenzephalographie (EEG) und Elektromyographie (EMG) sowie der Herzratenvariabilität (HRV) analysiert,

  2. FAIRe_RIC – Sparsame künstliche Intelligenz in ressourcenlimitierten Umgebungen

    FAIRe_RIC – Sparsame künstliche Intelligenz in ressourcenlimitierten Umgebungen

    FAIRe hat die Entwicklung ressourcenlimitierter KI für eingebettete Systeme, cyber-physische Systeme und Edge-Geräte zum Ziel. Dabei soll der Entwicklungsansatz umfassend von der Anwendungsschicht bis

  3. GraviMoKo – Verbundvorhaben: GraviMoKo - Auswirkung von Gravitationsveränderungen auf Motorik und Kognition; Teilvorhaben: Demonstrator zur Erprobung neuartiger Antriebe für den Einsatz in Exoskeletten sowie EMG Studie zur Kraftschätzung; Teilvorhaben: Antriebsd

    GraviMoKo – Verbundvorhaben: GraviMoKo - Auswirkung von Gravitationsveränderungen auf Motorik und Kognition; Teilvorhaben: Demonstrator zur Erprobung neuartiger Antriebe für den Einsatz in Exoskeletten sowie EMG Studie zur Kraftschätzung; Teilvorhaben: Antriebsd

    Innerhalb des Vorhabens „NoGravExSystem“ wird, auf der Ebene von biologischen Signalen im speziellen EEG und EMG analysiert, inwieweit simulierte Mikro- und Hypergravitation, erzeugt durch ein Exoskel

  4. Adra-e – AI, Data and Robotics ecosystem

    Adra-e – AI, Data and Robotics ecosystem

    Adra-e – Unterstützung der AI, Data and Robotics Community bei der Entwicklung eines nachhaltigen europäischen Ökosystems Adra-e ist eine sog. Coordination and Support Action (CSA), die von der Europä

  5. Fast&Slow – Kombination Symbolischer und Subsymbolischer Methoden

    Fast&Slow – Kombination Symbolischer und Subsymbolischer Methoden

    Deep-Learning-Verfahren werden in vielen Anwendungsgebieten eingesetzt und arbeiten nach einer Trainingsphase sehr effizient. Allerdings kann über ihre Korrektheit im allgemeinen keine verlässliche Au