Erweiterung von unüberwachten Lernmethoden durch probabilistische Ansätze zur kontextbasierten Situations- und Aktionsanalyse in kognitiven Systemen

In dieser Arbeit wird die Entwicklung eines neuartigen datengetriebenen Ansatzes zur generischen Modellierung von raum-zeitlichen Kontextdaten im Bereich autonomer Systeme beschrieben. Der Autor nutzt dabei das Prinzip der unüberwachten Selbstorganisation von Merkmalskarten und kombiniert diese mit Probabilistischen Graphischen Modellen. Der Autor stellt des weiteren verschiedene Erweiterungen, u. a. zum Umgang mit Unsicherheiten, sowie verschiedene Möglichkeiten zur Visualisierung und Interpretation des Trainingsprozesses vor. Anhand verschiedener Beispiele und Experimenten wird der generische Ansatz zur robusten Erkennung von verschiedenen realweltlichen Situationen und Aktionen erfolgreich evaluiert.