Refine
Year of publication
Document Type
- Part of Periodical (414)
- Working Paper (115)
- Report (37)
- Conference Proceeding (27)
- Article (20)
- Master's Thesis (19)
- Bachelor Thesis (13)
- Book (9)
- Doctoral Thesis (9)
- Part of a Book (4)
Is part of the Bibliography
- no (674) (remove)
Keywords
- Newsletter (389)
- Biosphärenreservat Rhön (61)
- Vorlesungsverzeichnis (19)
- Gesundheitskompetenz (15)
- Gesundheitsversorgung (9)
- Eingliederungshilfe (8)
- Biosphärenreservat (7)
- Hessische Rhön (7)
- Nachhaltige Entwicklung (7)
- Corona-Pandemie (6)
Institute
- Wissenschaftliche Sammlung Rhön (303)
- Hochschul- und Landesbibliothek (220)
- Wirtschaft (23)
- Pflege und Gesundheit (20)
- Fachübergreifend (19)
- Oecotrophologie (14)
- Fachbereich Pflege und Gesundheit (10)
- Gesundheitswissenschaften (8)
- Sozial- und Kulturwissenschaften (8)
- Angewandte Informatik (3)
- Sozialwesen (3)
- keine Angabe (3)
- Hochschulübergreifendes Promotionszentrum Angewandte Informatik (PZAI) (2)
- Promotionszentrum Angewandte Informatik, HAW Hessen (1)
Hintergrund: Die Corona-Pandemie hat für Menschen mit chronischer Erkrankung
und/oder Behinderung ein erhöhtes Risiko für ihre körperliche und psychische
Gesundheit dargestellt. Für diese Bevölkerungsgruppen ist ein kritischer
Umgang mit digitalen und coronaspezifischen Informationen von zentraler
Bedeutung. Bislang liegen wenig Studien vor, die die Ausprägung der
coronaspezifischen und digitalen Gesundheitskompetenz so-wie die psychische
Gesundheit während der Pandemie untersuchten. Die Studie „Gesundheit und
Gesundheitskompetenz von Menschen mit Beeinträchtigung in Deutschland in
Zeiten der Corona-Pandemie“ (kurz: HeHLDiCo - Health and Health Literacy of
People with Disabilities in Times of the Corona Pandemic) zielt darauf ab,
die digitale (dGK) und coronaspezifische (cGK) Gesundheitskompetenz, das
Suchverhalten nach Informationen sowie die psychische Gesundheit der
Zielgruppe zu analysieren.
Datenbasis und Methodik: Die Datenbasis bildete eine quantitative
Online-Erhebung, die vom 24.02.2021 bis zum 31.05.2021 deutschlandweit
durchgeführt wurde. Die Querschnittstudie richtete sich an Menschen mit
chronischer Erkrankung und/oder Behinderung. Der Feldzugang er-folgte über
die Bundesarbeitsgemeinschaft der Selbsthilfe (BAG),
Landesarbeitsgemeinschaften (LAG) und die Nationale Kontakt- und
Informationsstelle zur Anregung und Unter-stützung von Selbsthilfegruppen
(NAKOS). Es beteiligten sich insgesamt N=1.076 Personen ab dem Alter von 18
Jahren an der Befragung. Der Fragebogen (in Leichter und Alltagssprache)
umfasste Indikatoren zur coronaspezifischen sowie digitalen
Gesundheits-kompetenz, dem Informationssuchverhalten und der psychischen
Gesundheit (coronabedingter Stress, Sorgen, Burnoutgefährdung, Einsamkeit,
Wohlbefinden). Neben soziodemo-grafischen und -ökonomischen Angaben wurden
Merkmale der Behinderung, chronischen Erkrankung und daraus resultierenden
Einschränkungen erfasst. Die statistische Auswertung erfolgte anhand von
deskriptiven und bivariaten Analysen.
Ergebnisse: Die Befragten gaben häufig Schwierigkeiten im Umgang mit
coronaspezifischen (41,3 %) und digitalen Informationen (26,1 %) an.
Insbesondere zeigten sich Schwierigkeiten bei Befragten mit niedrigem
Bildungshintergrund (cGK: 56,3 %; dGK: 32,2 %) und niedrigem subjektiven
Sozialstatus (SSS) (cGK: 54,3 %; dGK: 34,7 %). Die Ergebnisse zur
psychischen Gesundheit (coronabedingter Stress, Sorgen, Burnoutgefährdung,
Einsamkeit, Wohlbefinden) verweisen auf häufige Ausprägungen bei folgenden
Befragten-gruppen: hierzu zählen weibliche Befragte, 18-44jährige, Befragte
mit Einschränkungen durch ihre chronische Erkrankung, Befragte mit niedrigem
subjektiven Sozialstatus sowie Befragte, die kein Mitglied der Selbsthilfe
waren. Daneben zeigten sich deutliche Unter-schiede in der Ausprägung einer
überdurchschnittlich schlechten psychischen Gesundheit in Abhängigkeit von
dem Niveau der Gesundheitskompetenz. Befragte mit einer niedrigen
coronaspezifischen und digitalen Gesundheitskompetenz berichteten deutlich
häufiger von psychischen Gesundheitsproblemen während der Pandemie.
Diskussion: Die Studienergebnisse weisen darauf hin, dass die Förderung der
Gesundheitskompetenz und der psychischen Gesundheit von Menschen mit
chronischer Erkrankung und/oder Behinderung wichtig ist, in den Blick zu
nehmen. Die Selbsthilfe kann dabei einen wichtigen Beitrag leisten, da die
Selbsthilfegruppenleitungen meist eine gute Kenntnis über die
(Lebens-)Situation ihrer Mitglieder haben und daher (individuelle)
Unterstützungs- und Beratungsangebote anbieten können.
We explore whether the integration of carbon offsets into investment portfolios improves perfor-mance. Our results show that investment strategies that include such offsets achieve higher Sharpe Ratios than the diversified benchmark portfolios. The efficient frontier of optimal portfolio choices is shifted upwards as a result of including compliance and voluntary carbon offsets in the portfolio. Our results also show that while diversified portfolios may benefit from carbon offsets integration, voluntary carbon offsets are significantly more sensitive to exogenous shocks than compliance carbon allowances. All these results are novel and may encourage investors to invest in such sustainable asset classes.
Familientherapie ist ein relevanter Ansatz psychosozialer Versorgung in Ländern des globalen Südens. Für einen fairen globalen Wissenstransfer im Rahmen der Ausbildung sind implizite Werte westlicher Konzepte transparent zu machen und emergente Irritationen als Hinweise für kulturellen Adaptionsbedarf aufzunehmen. Für systemisch-familientherapeutische Arbeit in Kambodscha wurden Aspekte kultureller und kontextueller Passung erforscht, um damit die lokale Entwicklung einer entsprechenden Weiterbildung in dem südostasiatischen Land zu unterstützen. Dazu wurden Schlüsselkonzepte systemischer Familientherapie mit einem multidimensionalen, ökosystemischen Ansatz kulturvergleichend exploriert. Weiterführend wurden wesentliche Kompetenzen einer kambodschanischen Familientherapie spezifiziert, um Anschlussfähigkeit herzustellen zu den Werten soziozentrischer Familienorganisation sowie kulturell geprägter Vorstellungen von Hilfe, Rat und Heilung. Schließlich werden aus den empirischen Ergebnissen inhaltliche und didaktische Empfehlungen für die systemische Weiterbildung in Kambodscha sowie grundsätzliche Implikationen für eine transkulturelle familientherapeutische Arbeit abgeleitet.
Diese Bachelorarbeit behandelt die Fragestellung "Wie muss ein Accessibility Analysewerkzeug aufgebaut sein, dass es eine*n Webentwickler*innen darin unterstützt, Webseiten für Menschen mit Legasthenie zu entwickeln?". Dabei wird geklärt was Legasthenie ausmacht und welche Barrieren für Menschen mit Legasthenie auf Webseiten entstehen. Barrierefreiheit (Accessibility) kann durch den Einsatz von assistiver Technologie für einzeln Nutzer*innen gefördert werden. Der Fokus dieser Arbeit liegt bei den Analysewerkzeugen, welche die Barrierefreiheit einer Webseite für alle Nutzer*innen erhöhen könne, wenn Webentwickler*innen sie korrekt einsetzen. Die Hauptzielgruppe für dieses Analysewerkzeug sind Webentwickler*innen. Durch das Barrierefreiheitsstärkungsgesetz (BFSG) soll die Barrierefreiheit auf deutschen Webseiten in Zukunft gestärkt werden. Das BFSG basiert auf den Web Content Accessibility Guidelines (WCAG), welche in dieser Arbeit ebenfalls vorgestellt wurden.
Anhand von bestehenden Arbeiten, Leitfäden für die Gestaltung von Webseiten für Menschen mit Legasthenie sowie von vorhandenen Analysewerkzeugen wurde die bestehende Forschungslücke herausgearbeitet. Daraus ergaben sich die Anforderungen für einen Prototypen. Dieser Prototyp erhielt ein Konzept, welches den grafischen wie technologischen Aufbau aus der Fragestellung beantworten soll. In mehreren Spikes wurde herausgefunden welche Technologien für die Implementierung in Frage kommen. Anschließend fand die Implementierung einer Google Chrome Erweiterung statt, welche das Konzept umsetzte und die Anforderungen größtenteils befriedigte.
Hintergrund
Die Pflicht eines jeden Arztes/einer jeden Ärztin zu allen Geburten eine Hebamme hinzuzuziehen ist in Deutschland einzigartig. Hebammen argumentieren für, die Ärzteschaft gegen die Beibehaltung dieser Hinzuziehungspflicht im deutschen Hebammengesetz. Es stellt sich also die Frage, ob eine hebammengeleitete Geburtshilfe besser als eine ärztlich geleitete Geburtshilfe hinsichtlich der Outcomes für Mutter und Kind ist, und ob sich davon ausgehend die Beibehaltung der Hinzuziehungspflicht der Hebammen in Deutschland als sinnvoll erweist. Besonderer Fokus in dieser Arbeit liegt auf dem historischen Hintergrund der Hinzuziehungspflicht.
Methodik
Durch eine Literaturrecherche und die narrative Darstellung der Ergebnisse sollen die Forschungsfragen beantwortet werden. Hierzu wird Fachliteratur bezüglich zwei relevanter Aspekte analysiert: „Hebammengeleitete versus ärztlich geleitete Betreuungsmodelle“ und „Elterliche Erfahrungswerte und Wünsche bezüglich Hebammenbetreuung“.
Ergebnisse
Die Ergebnisse zeigen, dass die intrapartale Betreuung durch eine Hebamme mit besseren Outcomes für Mutter und Kind assoziiert ist als die ärztliche Betreuung. Ebenfalls zeigt sich, dass durch ausreichende, kompetente und kontinuierliche Geburtsbegleitung durch eine Hebamme die Geburtserfahrung positiver bewertet wird.
Fazit
Die Beibehaltung der Hinzuziehungspflicht ist mit Blick auf die aktuellen Forschungsergebnisse sinnvoll. Die Argumente der Gegner können entkräftet werden. Weitere Forschung ist anzustreben.
Schlüsselwörter
Hinzuziehungspflicht, Hebammengesetz (HebG), hebammengeleitete Betreuung, ärztlich geleitete Betreuung, Geburtserfahrung, Geburt
In our paper we investigate the role of civil society organisations (CSOs) in the provision of services and in forming advocacy coalitions for illegalized migrants in Bern and Vienna. We analyse the variety of CSOs which actively challenge policies of exclusion at the urban level. We examine the political and social practices of CSOs in local welfare arrangements and their organizational structures, the way they build up solidarity relations, networks and alliances, and their relations to municipality and urban authorities. By focusing on varieties of practices and strategies of CSOs, we shed light on civil society’s crucial role concerning the construction of urban infrastructure of solidarity and aim to show how local arrangements for illegalized migrants are co-produced and negotiated by a variety of actors within urban settings.
Currently, process control in automation technology is mostly regulated by fixed process parameters as a compromise between several identically constructed systems or by plant operators, who are often guided by intuition based on decades of experience. Some operators are not able to pass on their knowledge to the next generation due to societal developments, e.g. academization or increased desire for self-actualization. In contrast, the vision of Smart Factories includes intelligent machining processes that should ultimately lead to self-optimization and adaptation to uncontrollable variables. To consistently implement this vision of self-optimizing machines, a defined quality criterion must be automatically monitored and act as a feedback for continual, autonomous and safe optimization. The term safe refers to the compliance with process quality standards, which must always be maintained. In a very conservative branch such as automation technology, no risks whatsoever are allowed through random experiments for data generation in production operations, since, for example, an unscheduled downtime leads to serious financial losses. Furthermore, machine-driven decisions may at no time pose a threat. Thus, decisions under uncertainty may only be taken where the amount of uncertainty can be considered uncritical. Additionally, industrial applications require a guaranteed real-time capability in terms of reaction to ensure that the actions can be taken in time whenever needed. Since economic aspects are often crucial for decisions in industry, necessary experiments under laboratory conditions, for example, should also be as avoidable as possible, while the effort required for integration into a field application should be as simple as possible.
The aim of this work is the scientific investigation of the integration of learning feedback
for intelligent decision making in the control of industrial processes. The successful integration enables data-driven process optimization. To get closer to the vision of self-optimizing machines, safe optimization methods for industrial applications on the process level are investigated and developed. Here, considering the given restrictions of the automation industry is critical. This work addresses several fields including technical, algorithmic and conceptual aspects. The algorithmic refinements are essential for enabling a wider use of safe optimization for industrial applications. They allow, e.g., the automatic handling of the majority of hyper-parameters and the solution of complex problems by increased computational efficiency. Furthermore, the trade-off between exploration and exploitation of safe optimization in high-dimensional spaces is improved. To account for changeable states perceived via sensor data, contextual Bayesian optimization is modified so that safety requirements are met and real-time capability is satisfied. A software application for industrial safe optimization is implemented within a real-time capable control to be able to interact with other software modules to reach an intelligent decision. Further contributions cover recommendations regarding technical requirements with focus on edge control devices and the conceptual inclusion of machine learning to industrial process control.
To emphasize the application relevance and feasibility of the presented concepts, real world lighthouse projects are realized in the course of this work, indented to reduce skepticism and thus initiate the breakthrough of self-optimizing machines.
Hintergrund - Geburtseinleitungen werden aus medizinischer Perspektive als Strategie angesehen, das in Deutschland sehr niedrige Risiko für perinatale Todesfälle zu reduzieren. Das gilt auch für Geburtseinleitungen wegen ‚Terminüberschreitung‘ und Übertragung. Trotz steigender Zahlen von Geburtseinleitungen, steigen die Zahlen der totgeborenen Kinder seit 2007 wieder leicht an. Erfahrungen von Frauen mit Geburtseinleitungen mit physiologischen Geburtsverläufen sind bisher wenig erforscht, spielen aber eine große Rolle wegen langfristiger Auswirkungen auf die psychische und physische Gesundheit von Frauen. Die vorliegende Arbeit beantwortet die Frage, welche Präferenzen Frauen mit physiologischen Schwangerschaftsverläufen bezüglich Geburtseinleitungen haben und welche Erfah-rungen Frauen mit Geburtseinleitungen wegen Terminüberschreitung machen.
Methodik -
Anhand eines narrativen Reviews werden qualitative Studien analysiert und in den Kontext der Betreuungskonzepte des bio-medizinischen Modells vs. dem Midwifery model of care gestellt.
Ergebnisse -
Frauen wollen Mitentscheidungsrechte bezüglich der Geburtseinleitung. Schwangere mit größeren Ressourcen würden sich eher für ein abwartendes Management, Frauen mit geringeren Ressourcen eher für eine Geburtseinleitung entscheiden. Schwangere, die keine Wahlmöglichkeiten bezüglich der Geburtseinleitung hatten, berichten von negativen Gefühlen gegenüber ihren Körpern, Kindern und dem betreuenden System. Schwangere, die sich aktiv für eine Geburtseinleitung (mit-)entscheiden und gut informiert werden, sind mit ihrem Geburtserleben zufrieden.
Fazit -
Evidenzbasierte Betreuung unter Beachtung aller drei Säulen der EBM sowie das Shared decision making sollten im Kliniksetting umgesetzt werden, um die Zufriedenheit des Geburtserlebens zu verbessern.
Prozess- und Wirkungsbeschreibung | Fallstudie Kassel-Bettenhausen
Das partizipative Forschungsprojekt „Age4Health – Gesunde Stadtteile für Ältere“ war ein Teilprojekt des vom Bundesministerium für Bildung und Forschung (BMBF) geförderten Forschungsverbundes PartKommPlus. In zwei Forschungsförderphasen (02/2015–01/2018; 02/2018–01/2021) untersuchte und förderte das Projekt gemeinsam mit professionellen und zivilgesellschaftlichen Akteuren sowie bürgerschaftlich Engagierten und (älteren) Bürger:innen kommunale Gestaltungsmöglichkeiten für die gelingende Beteiligung Älterer – insbesondere auch in schwierigen Lebenslagen – im Stadtteil (Fallstudie Kassel-Bettenhausen) sowie im ländlichen Raum (Fallstudie Witzenhausen) und damit die Entwicklung von inklusiven und gesundheitsförderlichen Nachbarschaften.
In der Prozess- und Wirkungsbeschreibung werden Projektentwicklungen und -prozesse der in der Stadt Kassel im Stadtteil Bettenhausen durchgeführten Fallstudie anhand ausgewählter zentraler Projektbausteine (Runder Tisch »Gesund Älterwerden in Bettenhausen«, »Café Agathe«, Stadtteilspaziergänge, Pilotprojekt »Hausbesuch – Beratung und Information rund ums Älterwerden in Kassel-Bettenhausen«) beschrieben und die (Aus-)Wirkungen dieser partizipativen Forschungs- und Handlungsprozesse reflektiert.
Wirkungsbeschreibung | Fallstudie Witzenhausen
Das partizipative Forschungsprojekt „Age4Health – Gesunde Stadtteile für Ältere“ war ein Teilprojekt des vom Bundesministerium für Bildung und Forschung (BMBF) geförderten Forschungsverbundes PartKommPlus. In zwei Forschungsförderphasen (02/2015–01/2018; 02/2018–01/2021) untersuchte und förderte das Projekt gemeinsam mit professionellen und zivilgesellschaftlichen Akteuren sowie bürgerschaftlich Engagierten und (älteren) Bürger:innen kommunale Gestaltungsmöglichkeiten für die gelingende Beteiligung Älterer – insbesondere auch in schwierigen Lebenslagen – im Stadtteil (Fallstudie Kassel-Bettenhausen) sowie im ländlichen Raum (Fallstudie Witzenhausen) und damit die Entwicklung von inklusiven und gesundheitsförderlichen Nachbarschaften.
In der Prozess- und Wirkungsbeschreibung werden Projektentwicklungen und -prozesse der in Witzenhausen (Werra-Meißner-Kreis) durchgeführten Fallstudie anhand ausgewählter zentraler Projektbausteine (Steuerungsgruppe, Runder Tisch » Älterwerden in Witzenhausen«, Seniorentreff, „Begegnungswoche »Schlemmen & Schnuddeln«“) beschrieben und die (Aus-)Wirkungen dieser partizipativen Forschungs- und Handlungsprozesse reflektiert.
Hintergrund
In den letzten Jahren hat die Anzahl der Patient*innen in Notaufnahmen aufgrund unterschiedlicher Einflussfaktoren deutlich zugenommen (Dodt, C. 2018). Das hat zu einer steigenden Arbeitsbelastung für die Beschäftigten geführt. Darüber hinaus haben es die Mitarbeiter*innen vielfach mit aggressivem Verhalten der Patient*innen und Begleitpersonen zu tun. In dieser Studie wird das Ausmaß der Belastung durch Gewalt gegenüber Beschäftigten unter Berücksichtigung geschlechterspezifischer Aspekte in hessischen Notaufnahmen untersucht. Es werden die möglichen gesundheitlichen Folgen und der Handlungsbedarf aufgezeigt.
Methodik
Grundlage der Untersuchung ist eine Online-Befragung der Mitarbeiter*innen in hessischen Notaufnahmen. Hierzu wurde ein Fragebogen entwickelt, mit welchem u.a. die Mitarbeiter*innen zu Gewalterfahrungen, Maßnahmen und Empfindungen gefragt wurde.
Ergebnisse
Aus 51 hessischen Notaufnahmen konnten 354 ausgefüllte Fragebögen ausgewertet werden. Über dreiviertel der Teilnehmenden (76,6%) finden Gewalt in der Notaufnahme normal. 97% der Befragten haben in den letzten 12 Monaten mindestens eine Form verbaler Gewalt und 76% mindestens eine Form körperlicher Gewalt erlebt. Nur 49,6% haben keine Form sexualisierter Gewalt erlebt. Die Folge der Erlebnisse ist, dass sich nachts viele Mitarbeiter*innen an ihrem Arbeitsplatz nicht sicher fühlen (39,2%). Männliche Personen sind nach Aussage der Befragten häufig die Tatpersonen (79,8%). Dabei spielen Alkohol und Drogen eine große Rolle (85,5%), bzw. sind der Unmut über Wartezeiten (83,8%) verantwortlich. Beendet werden die Vorfälle durch eine klare Aufforderung, das Verhalten zu ändern (74%), mit Hilfe der Polizei (70,8%) oder durch Unterstützung der Kollegen (69,3%). Viele der Mitarbeiter*innen ärgern sich nach Gewaltvorfällen (80,5%) oder sind wütend (58,1%). Aber auch Gefühle der Hilflosigkeit (42%), der Angst (36,3%) und Enttäuschung (36%) treten auf. Langfristig sind 43,7% der Studienteilnehmer*innen durch diese Erlebnisse gereizt, haben eine gedrückte Stimmung (36,2%), sind abgestumpft (34,4%), verlieren die Freude am Beruf (32,1%) oder wollen sogar den Beruf wechseln (26,5%).
Schlussfolgerung
Das Ausmaß von Gewaltvorkommnissen und deren gesundheitlichen Auswirkungen zeigen die Notwendigkeit eines umfassenden gendersensiblen Gewaltmanagements in der Notaufnahme. Hierzu gehören die Erfassung und Beurteilung von Gewaltereignissen, präventive Maßnahmen, unterstützende Maßnahmen zur Beendigung von Vorfällen, Maßnahmen zum Schutz der Mitarbeiter*innen sowie Nachsorgemaßnahmen.
Als Kern der grounded theory werden kodieren und vergleichen angesetzt. Varianten betreffen Wege der Erkenntnis, Umgang mit Fachliteratur, Varianten des Kodierens und angestrebte Ergebnisse. Alle Grundgedanken werden illustriert durch Beispiele aus Lehrforschungsprojekten, die an der Hochschule Fulda durchgeführt wurden.
Climate change is a global challenge, with estimated mitigation costs ranging from $1.6 to $3.8 trillion per year. As a pioneer in climate action, the European Union has the most exten-sive emissions trading system worldwide (90% of the global value of $759 billion in 2021). In this paper, we review the European Union's climate strategy, emphasizing the EU Emissions Trading System (EU ETS) development, and the role of tropical forest carbon credits for off-setting. We argue that the European Union continues to leave a significant potential of trop-ical forests as natural carbon sinks unattended. In contrast, we reveal that the regulators can learn from the experiences made in the past and the finalization of the rulebook for Article 6 of the Paris Agreement. We present a proposal on changes to the EU ETS regulation by con-verting the European Commission's proposal to increase the linear reduction factor from 2.2% to 4.2% to the eligibility of forest carbon credits, resulting in additional funding poten-tial for forestry projects to increase necessary carbon sinks. Simultaneously, allowing flexibil-ity of investing to a limited extent in neutralization projects mitigates the risk of overstress-ing regulated companies to reach the emission reduction targets.
Abstract knowledge is deeply grounded in many computer-based applications. An important research area of Artificial Intelligence (AI) deals with the automatic derivation of knowledge from data. Machine learning offers the according algorithms. One area of research focuses on the development of biologically inspired learning algorithms. The respective machine learning methods are based on neurological concepts so that they can systematically derive knowledge from data and store it. One type of machine learning algorithms that can be categorized as "deep learning" model is referred to as Deep Neural Networks (DNNs). DNNs consist of multiple artificial neurons arranged in layers that are trained by using the backpropagation algorithm. These deep learning methods exhibit amazing capabilities for inferring and storing complex knowledge from high-dimensional data.
However, DNNs are affected by a problem that prevents new knowledge from being added to an existing base. The ability to continuously accumulate knowledge is an important factor that contributed to evolution and is therefore a prerequisite for the development of strong AIs. The so-called "catastrophic forgetting" (CF) effect causes DNNs to immediately loose already derived knowledge after a few training iterations on a new data distribution. Only an energetically expensive retraining with the joint data distribution of past and new data enables the abstraction of the entire new set of knowledge. In order to counteract the effect, various techniques have been and are still being developed with the goal to mitigate or even solve the CF problem. These published CF avoidance studies usually imply the effectiveness of their approaches for various continual learning tasks.
This dissertation is set in the context of continual machine learning with deep learning methods. The first part deals with the development of an application-oriented real-world evaluation protocol which can be used to investigate different machine learning models with regard to the suppression of the CF effect. In the second part, a comprehensive study indicates that under the application-oriented requirements none of the investigated models can exhibit satisfactory continual learning results. In the third part, a novel deep learning model is presented which is referred to as Deep Convolutional Gaussian Mixture Models (DCGMMs). DCGMMs build upon the unsupervised approach of Gaussian Mixture Models (GMMs). GMMs cannot be considered as deep learning method and they have to be initialized in a data-driven manner before training. These aspects limit the use of GMMs in continual learning scenarios.
The training procedure proposed in this work enables the training of GMMs by using Stochastic Gradient Descent (SGD) (as applied to DNNs). The integrated annealing scheme solves the problem of a data-driven initialization, which has been a prerequisite for GMM training. It is experimentally proven that the novel training method enables equivalent results compared to conventional methods without iterating their disadvantages. Another innovation is the arrangement of GMMs in form of layers, which is similar to DNNs. The transformation of GMMs into layers enables the combination with existing layer types and thus the construction of deep architectures, which can derive more complex knowledge with less resources.
In the final part of this work, the DCGMM model is examined with regard to its continual learning capabilities. In this context, a replay approach referred to as Gaussian Mixture Replay (GMR) is introduced. GMR describes the generation and replay of data samples by utilizing the DCGMM functionalities. Comparisons with existing CF avoidance models show that similar continual learning results can be achieved by using GMR under application-oriented conditions. All in all, the presented work implies that the identified application-oriented requirements are still an open issue with respect to "applied" continual learning research approaches. In addition, the novel deep learning model provides an interesting starting point for many other research areas.