Erfolgreiche Teilnahme an der IEEE International Conference on Autonomic Computing and Self-Organizing Systems (ACSOS) [26.09.22]
Das Fachgebiet Lebensmittelinformatik hat auf der IEEE International Conference on Autonomic Computing and Self-Organizing Systems (ACSOS) zwei Beiträge präsentiert und zudem eine Auszeichnung erhalten.
Der Konferenzbeitrag "Rango: An Intuitive Rule Language for Learning Classifier Systems in Cyber-Physical Systems" von Melanie Feist (Goethe Universität Frankfurt a. M.) mit den Co-Autoren Martin Breitbach, Heiko Trötsch (beide Universität Mannheim), Christian Becker (Universität Stuttgart) und Christian Krupitzer (Fachgebiet Lebensmittelinformatik, Universität Hohenheim) wurde auf der IEEE International Conference on Autonomic Computing and Self-Organizing Systems (peer-reviewed; Annahmequote von 25%) als Best Paper nominiert.
Selbstadaption ist von entscheidender Bedeutung für cyber-physische Systeme (CPS), um ihre Anforderungen in Umgebungen zu erfüllen, die durch Komplexität und Unsicherheit gekennzeichnet sind. Da viele Situationen erst während der Runtime auftreten und während der Design Time noch nicht vorhersehbar sind, sind (online) Lernansätze für solche Systeme attraktiv. Learning Classifier Systems (LCS) sind ein vielversprechender Lernansatz für CPS dank ihrer relativ geringen Rechenkomplexität. Sie arbeiten mit einer Reihe von Regeln, die das potenzielle Anpassungsverhalten beschreiben. Bislang ist die Festlegung von Regeln für ein lernendes Klassifizierungssystem eine langwierige Aufgabe, die Expertenwissen erfordert. In diesem Beitrag stellen wir Rango vor - eine intuitive Regelsprache für LCS, um diese Herausforderung zu überwinden. Im Vergleich zu bestehenden Ansätzen hat Rango einen starken Fokus auf CPS und bietet eine große Auswahl an entsprechenden Schlüsselwörtern. Darüber hinaus werden Rango-Regeln automatisch in eine Repräsentation überführt, die in einem Repräsentation übertragen, die in einem LCS ohne jegliche Modifikation verwendet werden kann. Rango ermöglicht es Systemadministratoren daher, Regeln zu formulieren und somit einen Online-Lernansatz für ihren Anwendungsfall zu nutzen, ohne vorherige Erfahrung mit LCS zu haben. Wir evaluieren Rango ausgiebig mit (i) einer Komplexitätsanalyse des Parsens und der Regelauswertung, (ii) einer Nützlichkeitsstudie die zeigt, dass Rango sowohl das Schreiben von Regeln als auch das das Verständnis der LCS-Ausgabe erleichtert und (iii) eine Studie zur Benutzerfreundlichkeit, die belegt, dass grundlegende Programmierkenntnisse ausreichen, um Rango-Regeln zu verstehen und zu formulieren.
Weiterhin wurde der Poster-Beitrag (peer-reviewed) “Towards Adaptive, Real-time Monitoring of Food Quality Using Smart Sensors” von Elia Henrichs (Fachgebiet Lebensmittelinformatik, Universität Hohenheim) und Christian Krupitzer akzeptiert und auf der Konferenz vorgestellt.
Adaptive Softwaresysteme können die Lebensmittelverschwendung und die Lebensmittelsicherheit verbessern. Solche Systeme umfassen intelligente Sensoren zur Überwachung des Zustands der Lebensmittel und auf maschinellem Lernen basierende Datenanalyse, um die Qualität und Haltbarkeit der Lebensmittel vorherzusagen. Insbesondere die Überwachung ist aus verschiedenen Gründen schwierig, z. B. wegen der Energieversorgung und -bedarf sowie die Zuverlässigkeit der Sensoren. Deshalb skizziert diese Arbeit, wie die Multi-Level Observer/Controller Architecture aus dem Bereich des Organic Computing für die adaptive Überwachung von verpackten Lebensmitteln eingesetzt werden könnte.
Die International Conference on Autonomic Computing and Self-Organizing Systems, die von der IEEE gesponsert wird und aus dem Zusammenschluss der IEEE International Conference on Autonomic Computing (ICAC, Core-Rating: B) und der IEEE International Conference on Self-Adaptive and Self-Organizing Systems (SASO) hervorging, stellt ein Forum zum Austausch von neuesten Forschungsergebnissen, Ideen und Erfahrungen im Bereich des Autonomic Computing, der Selbst-Adaption und Self-Organization von Software-Systemen dar.
