@misc{Schreiber2016,
  author    = {Schreiber, Marc},
  title     = {Mit Maximum-Entropie das Parsing nat{\"u}rlicher Sprache erlernen},
  publisher = {FH Aachen},
  address   = {Aachen},
  pages     = {23 Seiten},
  year      = {2016},
  abstract  = {F{\"u}r die Verarbeitung von nat{\"u}rlicher Sprache ist ein wichtiger Zwischenschritt das Parsing, bei dem f{\"u}r S{\"a}tze der nat{\"u}rlichen Sprache Ableitungsb{\"a}ume bestimmt werden. Dieses Verfahren ist vergleichbar zum Parsen formaler Sprachen, wie z. B. das Parsen eines Quelltextes. Die Parsing-Methoden der formalen Sprachen, z. B. Bottom-up-Parser, k{\"o}nnen nicht auf das Parsen der nat{\"u}rlichen Sprache {\"u}bertragen werden, da keine Formalisierung der nat{\"u}rlichen Sprachen existiert [3, 12, 23, 30]. In den ersten Programmen, die nat{\"u}rliche Sprache verarbeiten [32, 41], wurde versucht die nat{\"u}rliche Sprache mit festen Regelmengen zu verarbeiten. Dieser Ansatz stieß jedoch schnell an seine Grenzen, da die Regelmenge nicht vollst{\"a}ndig sowie nicht minimal ist und wegen der ben{\"o}tigten Menge an Regeln schwer zu verwalten ist. Die Korpuslinguistik [22] bot die M{\"o}glichkeit, die Regelmenge durch Supervised-Machine-Learning-Verfahren [2] abzul{\"o}sen. Teil der Korpuslinguistik ist es, große Textkorpora zu erstellen und diese mit sprachlichen Strukturen zu annotieren. Zu diesen Strukturen geh{\"o}ren sowohl die Wortarten als auch die Ableitungsb{\"a}ume der S{\"a}tze. Vorteil dieser Methodik ist es, dass repr{\"a}sentative Daten zur Verf{\"u}gung stehen. Diese Daten werden genutzt, um mit Supervised-Machine-Learning-Verfahren die Gesetzm{\"a}ßigkeiten der nat{\"u}rliche Sprachen zu erlernen. Das Maximum-Entropie-Verfahren ist ein Supervised-Machine-Learning-Verfahren, das genutzt wird, um nat{\"u}rliche Sprache zu erlernen. Ratnaparkhi [25] nutzt Maximum-Entropie, um Ableitungsb{\"a}ume f{\"u}r S{\"a}tze der nat{\"u}rlichen Sprache zu erlernen. Dieses Verfahren macht es m{\"o}glich, die nat{\"u}rliche Sprache (abgebildet als Σ∗) trotz einer fehlenden formalen Grammatik zu parsen.},
  language  = {de}
}
@article{Wollert2016,
  author    = {Wollert, J{\"o}rg},
  title     = {OS-Funktionalit{\"a}t ohne OS f{\"u}r das IoT},
  series = {Design \& Elektronik},
  journal   = {Design \& Elektronik},
  number    = {11},
  publisher = {WEKA-Fachmedien},
  address   = {M{\"u}nchen},
  issn      = {0933-8667},
  pages     = {85 -- 90},
  year      = {2016},
  abstract  = {Low-end-Embedded-Plattformen stellen eine hohe Anforderung an die Entscheidungsf{\"a}higkeit des Entwicklers: Zum n{\"a}chstgr{\"o}ßeren Prozessor greifen und ein Betriebssystem benutzen oder doch besser auf das Betriebssystem verzichten? Die Frage l{\"a}sst sich einfach beantworten: Einen Nanokernel verwenden und das Embedded-System mit einem minimalen Footprint realisieren. Adam Dunkels Protothreads sind eine ausgesprochen effiziente Art, Mikrocontroller gut strukturiert zu programmieren und gleichzeitig auf Overhead zu verzichten. So k{\"o}nnen auch mit kleinen 8-bit-Prozessoren anspruchsvolle Aufgaben in einem Thread-Modell bearbeitet werden. Man muss also nicht immer das Rad neu erfinden oder gleich auf Linux-basierte Systeme zur{\"u}ckgreifen.},
  language  = {de}
}
@book{Tuennemann2016,
  author    = {T{\"u}nnemann, Thomas},
  title     = {Formine : Neo Style : Workshop 2016},
  editor    = {T{\"u}nnemann, Thomas},
  address   = {Aachen},
  isbn      = {978-3-9811003-7-2},
  publisher      = {Fachhochschule Aachen},
  pages     = {83 S.},
  year      = {2016},
  abstract  = {Leitung und Konzeption: Thomas T{\"u}nnemann, Professor f{\"u}r Gestalten, FB Architektur, FH Aachen: Mit Beitr{\"a}gen von Miriam Azzab, Larissa Rohr, Janna Steinhart, Felix Reymann, Kevin Osterkamp, Mark Kieckhefer, Pia Bienert, Sarah Schuhmann, Hermann Stuzmann, Silvana Hecklinger, Thorsten, K{\"o}llen, Jesse Dilworth, Silke Wanders, Tomas T{\"u}nnemann und Jan Waschinzki},
  language  = {de}
}