Komplexe Rechnungen – und die Verfügbarkeit von großen Datenmengen und hohen Rechenleistungen – sind ein zentraler Aspekt und eine Grundvoraussetzung für maschinelles Lernen.
Bei maschinellen Lernverfahren erlernt ein Algorithmus durch Wiederholung selbstständig eine Aufgabe zu erfüllen. Die Maschine orientiert sich dabei an einem vorgegebenen Gütekriterium und dem Informationsgehalt der Daten. Anders als bei herkömmlichen Algorithmen wird kein Lösungsweg modelliert. Der Computer lernt selbstständig die Struktur der Daten zu erkennen. Beispielsweise können Roboter selbst erlernen, wie sie bestimmte Objekte greifen müssen, um sie von A nach zu B transportieren. Sie bekommen nur gesagt, von wo und nach wo sie die Objekte transportieren sollen. Wie genau der Roboter greift, erlernt er durch das wiederholte Ausprobieren und durch Feedback aus erfolgreichen Versuchen.
RealIZM-Blog-Serie „Hardwaresicherheit“ – Teil 2 Um die Echtheit und Nachverfolgbarkeit elektronischer Baugruppen in der Fertigung zu gewährleisten nutzten Forschende im Rahmen des Projekts SiEvEI 4.0 verschiedene Schutzmechanismen. Um die Daten, Strukturen und Chain-of-Trust (CoT) abzusichern, kam eine sogenannte Private Key…
