\section{Status Stelle und Thema} \begin{frame}[fragile] \frametitle{Status} \begin{itemize} \item Promotion an der Universit"at Siegen in der Pattern Recognition Group von Prof. Dr. Marcin Grzegorzek \item Offizieller Start: 01.2017 \item Wehrpflichtersatzstelle seit 03.2016 bis 03.2019 an FIW auf \SI{50}{\percent} \item Geplanter Abschluss der Promotion: \sout{03.2019} 12.2019 \item Publikationen: 10 (+ 1 wird aktuell geschrieben) \item Fortschritt thematische Bearbeitung: \SI{75}{\percent} \item \textbf{Problem:} Fehlende Finanzierung von 03. bis 12.2019 \end{itemize} \end{frame} \subsection{Smoothing} \begin{frame}[fragile] \frametitle{Indoor Localization System} \begin{figure} \centering \includegraphics[width=\linewidth]{gfx/info_graphic} \end{figure}% \end{frame} \begin{frame}[fragile] \frametitle{Probleme herk\"ommlicher Systeme: Multimodalit\"aten} \begin{figure} \centering \def\svgwidth{0.9\columnwidth} \input{gfx/multimodalpath.eps_tex} \end{figure}% \end{frame} \begin{frame}[fragile] \frametitle{L\"osung: Smoothing} Die klassische rekursive Zustandssch\"atzung kann nun durch Nutzung eines bekannten Intervalls $1:T$ wie folgt erweitert werden: \begin{equation*} p(\vec{q}_{t} \mid \vec{o}_{1:T}) = \underbrace{p(\vec{q}_{t} \mid \vec{o}_{1:t})}_{\text{Filtered}} \int \frac{\overbrace{p(\vec{q}_{t+1} \mid \vec{o}_{1:T})}^{\text{Smoothed}} \overbrace{p(\vec{q}_{t+1} \mid \vec{q}_{t})}^{\text{Transition}}}{\underbrace{\int p(\vec{q}_{t+1} \mid \vec{q}_{t}) p(\vec{q}_{t} \mid \vec{o}_{1:t}) d\vec{q}_{t}}_{\text{State Prediction}}} d\vec{q}_{t+1}\enspace . \end{equation*} \end{frame} \begin{frame}[fragile] \frametitle{L\"osung: Smoothing} \begin{algorithm}[H] \caption{Backward Simulation Smoothing} \label{alg:backwardSimulation} \begin{algorithmic}[1] % The number tells where the line numbering should start \Statex{\textbf{Input:} Prior $\mu(\vec{X}^i_1)$} \Statex{~} \For{$t = 1$ \textbf{to} $T$} \Comment{Filtering} \State{Perform particle filtering to obtain the weighted trajectories $ \{ W^i_t, \vec{X}^i_t\}^N_{i=1}$} \EndFor \For{ $k = 1$ \textbf{to} $N_{\text{sample}}$} \State{Choose $\tilde{\vec{q}}^k_T = \vec{X}^i_T$ with probability $W^i_T$} \Comment{Initialize realization} \For{$t = T-1$ \textbf{to} $1$} \Comment{Smoothing} \For{$j = 1$ \textbf{to} $N$} \State{Compute the weights \fcolorbox{FHWSOrange}{white}{$W^j_{t \mid t+1} = W^j_t ~ p(\tilde{\vec{q}}_{t+1} \mid \vec{X}^j_{t})$}} \EndFor \State{\fcolorbox{FHWSOrange}{white}{Choose $\tilde{\vec{q}}^k_t = \vec{X}^j_t$ with probability $W^j_{t\mid t+1}$}} \EndFor \State{$\tilde{\vec{q}}^k_{1:T} = (\tilde{\vec{q}}^k_1, \tilde{\vec{q}}^k_2, ..., \tilde{\vec{q}}^k_T)$ is one approximate realization from $p(\vec{q}_{1:T} \mid \vec{o}_{1:T})$} \EndFor \end{algorithmic} \end{algorithm} \end{frame} \begin{frame}[fragile] \frametitle{Probleme herk\"ommlicher Systeme: Impoverishment} \begin{figure} \centering \def\svgwidth{0.9\columnwidth} \input{gfx/multimodalPath2.eps_tex} \end{figure}% \end{frame} \begin{frame} \frametitle{L\"osung: Markov Transition Process mit IMMPF} \only<1>{% \vspace{0.48cm} \centering \input{gfx/GeneralIdeaExample.eps_tex} } \only<2>{% \centering \input{gfx/GeneralIdeaExample2.eps_tex} } \only<3>{% \centering \input{gfx/GeneralIdeaExample3.eps_tex} } \only<4>{% \centering \input{gfx/GeneralIdeaExample5.eps_tex} } \end{frame} \section{Lessons learned} \begin{frame}[fragile] \frametitle{Lessons learned} \begin{itemize} \item Klare thematische Ziele setzen! \item Gute Deadlines - Schlechte Deadlines \item Gute Projekte - Schlechte Projekte \item Themen auch mal liegen lassen und Abstand gewinnen \item Priorit\"aten setzen und verteidigen \item Klare Grenzen zwischen Anstellung und Promotion definieren \item Regelm\"a\ss ige Kommunikation / Team-Meetings \item Viel publizieren oder Tagebuch f\"uhren \item Intelligentes Tooling (Mendeley, LaTeX, Simplenote etc. pp.) \end{itemize} \end{frame}