BEGIN:VCALENDAR PRODID:-//Microsoft Corporation//Outlook 16.0 MIMEDIR//EN VERSION:2.0 METHOD:PUBLISH X-MS-OLK-FORCEINSPECTOROPEN:TRUE BEGIN:VTIMEZONE TZID:W. Europe Standard Time BEGIN:STANDARD DTSTART:16011028T030000 RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=10 TZOFFSETFROM:+0200 TZOFFSETTO:+0100 END:STANDARD BEGIN:DAYLIGHT DTSTART:16010325T020000 RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=3 TZOFFSETFROM:+0100 TZOFFSETTO:+0200 END:DAYLIGHT END:VTIMEZONE BEGIN:VEVENT CLASS:PUBLIC CREATED:20240523T151412Z DESCRIPTION:Unbalanced Datasets \nAndreas Emil\, Fraunhofer IPA\n \nIn viel en industriellen Applikationen im Bereich der Qualitätsprüfung zeichnen sich Datensätze dadurch aus\, dass sie vorwiegend aus Datenpunkten der en tsprechenden Gutteile bestehen.\n \nJedoch ist die zuverlässige Erkennung der unterrepräsentierten Schlechtteile die primäre Aufgabe eines automa tisierten Qualitätsprüfungsansatzes. Dieses Ungleichgewicht kann sich de mnach negativ auf die Leistungsfähigkeit von ML-Modellen ausüben und mus s für eine robuste Fehlererkennung berücksichtigt werden.\n DTEND;TZID="W. Europe Standard Time":20240619T103000 DTSTAMP:20230717T081543Z DTSTART;TZID="W. Europe Standard Time":20240619T100000 LAST-MODIFIED:20240523T151412Z LOCATION:Microsoft Teams PRIORITY:5 SEQUENCE:0 SUMMARY;LANGUAGE=de:»KI-Brekkie« TRANSP:OPAQUE UID:040000008200E00074C5B7101A82E008000000003049569697B8D901000000000000000 0100000001354C25FDD9C814F825189E8166109CD X-ALT-DESC;FMTTYPE=text/html:

Unbalanced Datasets
Andreas Emil\, Fraunhofer IPA

 \;

In vielen i ndustriellen Applikationen im Bereich der Qu alitätsprüfung zeichnen sich Datensätze d adurch aus\, dass sie vorwiegend aus Datenpunkten der entsprechenden Gutteile bestehen.

< span lang=EN-US style='mso-fareast-font-family:"Times New Roman"\;mso-bidi -font-family:Calibri\;color:black\;mso-ansi-language:EN-US\;mso-fareast-la nguage:ZH-CN'> \;

Jedoch ist die zuverlässige Erkennung der unterrepräsentierten Schlechtteile die primäre Aufgabe eines automatisierten Qualitätsprüfung sansatzes. Dieses Ungleichgewicht kann sich demnach negativ auf die Leistungsfähigkeit von ML-Modellen ausüben und muss für eine robuste Fehlererkennung berücksichtigt < span class=SpellE>werden.

X-MICROSOFT-CDO-BUSYSTATUS:BUSY X-MICROSOFT-CDO-IMPORTANCE:1 X-MICROSOFT-DISALLOW-COUNTER:FALSE X-MS-OLK-AUTOFILLLOCATION:FALSE X-MS-OLK-CONFTYPE:0 END:VEVENT END:VCALENDAR