Center for Signal Analysis of Complex Systems

Komplexe Systeme treten in den unterschiedlichsten Bereichen der Wirtschafts‐, Natur‐ und Ingenieurwissenschaften auf. Diese zeichnen sich meist durch nicht‐lineare Interaktion vieler (mikroskopischer oder mesoskopischer) Komponenten aus und können auf makroskopischer Ebene eine Vielfalt von Strukturen zeigen. Diese Strukturen können räumlichen, zeitlichen oder raumzeitlichen Charakter haben und lassen sich quantitativ erfassen. Dabei können heutzutage unheimlich große Datenmengen anfallen. Für viele Anwendungen ist eine Interpretation dieser Massendaten durch Klassifikationen und makroskopischen Beschreibungen wichtig, um Vorhersagen zu treffen und/oder die zugrundeliegenden Mechanismen besser zu  verstehen.

Das CCS kann Unternehmen und Forschungseinrichtungen einerseits bei der Auswahl, Anwendung und Interpretation von bekannten Methoden zur Analyse der Daten unterstützen. Anderseits optimiert und entwickelt das CCS‐Team neue und innovative Algorithmen für unterschiedlichste Anwendungen zur Untersuchung komplexer Systeme.

Wir unterstützen Partner aus der Wirtschaft und Wissenschaft im Bereich der angewandten Forschung und Entwicklung:

  • Durchführung gemeinsamer FuE‐Projekte
  • Auftragsforschung
  • Recherche und Hilfestellung zu Förderprogrammen

 

Das CCS im Überblick

Methoden und Anwendungen

Methodisch können unterschiedliche Werkzeuge aus den Bereichen der Informatik,
Mathematik und Physik zum Einsatz kommen:

  • Cluster‐Verfahren
  • Unterraum‐Verfahren
  • Zeitreihen‐Analyse
  • Frequenz‐Analyse
  • Stochastische Verfahren
  • Nichtlineare Verfahren
  • Maschinelles Lernen
  • Topologische Verfahren

Diese Methoden können überall dort eine wichtige Rolle spielen, wo es darum geht, aus (meist großen) Datenmengen Vorhersagen zu treffen und Rückschlüsse auf das
zugrundeliegende System zu ziehen. Die Anwendungen sind daher breit gestreut und keinem einzelnen Bereich zuzuordnen, wie z.B.

    • Neurowissenschaften
    • Zerstörungsfreie Werkstoffprüfung
    • Chemische Reaktionssysteme
    • Big Data
    • Finanzmärkte
    • Wetterbeobachtungen
    • Sozio‐ökonomische Systeme

    Dieser interdisziplinäre Charakter birgt großes Potential für die Partner aus Wirtschaft und Wissenschaft, da dieser Methodentransfer aus verschiedenen Bereichen eine neue Sicht der Dinge ermöglichen und daher einen Mehrwert für die beteiligten Partner liefern kann.

    Forschungsprojekte

     

    Innovation Lab: Deep Learning für die Detektion von interiktalen epileptischen Spikes (2021)

    In Zusammenarbeit mit der Firma BESA GmbH sollen aus zeitlich hoch aufgelösten elektroenzephalographischen (EEG) Ableitungen interiktale epileptische Spikes detektiert werden.  Dazu werden verschiedene existierende Deep Learning Frameworks implementiert und hinsichtlich Effektivität und Robustheit untersucht.

    >> Zur Projektseite << (#10)

     

    DyCA: Dynamical Component Analysis zur Analyse hochdimensionaler Zeitreihen (seit 2020)

    Das Projekt „Dynamical Component Analysis zur Analyse hochdimensionaler Zeitreihen“ erforscht in Zusammenarbeit mit Prof. Dr. Knut Hüper (Julius-Maximilians-Universität Würzburg) die Analyse hochdimensionaler Zeitreihen und der Extraktion deterministischer Zusammenhänge mithilfe einer zu berechnenden Projektion in den relevanten nieder-dimensionalen Unterraum. 

    Grundlagen, Potenziale, Methoden und Grenzen der Anwendbarkeit des neuen Verfahrens werden untersucht. Mögliche Anwendungen können für so unterschiedliche Daten wie Wartungs- und Betriebsdaten, Wetterdaten über Strömungsdaten bis hin zu medizinischen Daten angesiedelt sein. Im Vergleich zu etablierten Verfahren kann DyCA in geeigneten Anwendungen potenziell Zeit, Rechnerressourcen und somit Kosten sparen helfen. Zudem kann das Verfahren helfen, Daten einfacher zu visualisieren und so neue wissenschaftliche und technische Erkenntnisse ermöglichen.

    Gemeinsam mit der BESA GmbH, Gräfelfing, wenden die Partner das Verfahren auf hochaufgelöste EEG-Daten für die medizinische Forschung und Diagnostik an. Eine weitere Musteranwendung ist auf dem Feld der Predictive Maintenance für Windkraftanlagen in Kooperation mit der Weidmüller Monitoring Systems GmbH.

    >> Zur Projektseite <<

     

    TZM smart&green (2019–2022) / TZM (2016–2020)

    Technologie‐Transferzentrum für den Mittelstand, Teilprojekt „Eco‐Material & Innovation Lab“. Das Teilprojekt „Eco‐Material & Innovation Lab” unterstützt Unternehmen bei der Suche und Entwicklung neuer Produktideen, technischer Lösungen und innovativer Algorithmen. Neben Produktinnovation und Umweltverträglichkeit beinhaltet ein zweiter Schwerpunkt die Entwicklung und Anwendung innovativer Algorithmen zur Analyse komplexer Systeme und dabei auftretender Daten („big data”). Für viele Anwendungen ist eine Interpretation dieser Massendaten wichtig, um Vorhersagen zu treffen oder die zugrundeliegenden Mechanismen zu verstehen.

    >> Zur Projektseite <<

     

    Nilpherd (2016–2018)

    Entwicklung von Methoden zur nicht‐linearen physiologischen Modellierung epileptischer Discharges beim Menschen basierend auf elektrophysiologischen Ableitungen intrakranieller und Oberflächen‐Elektroden (Nilpherd). In diesem Projekt sollen Algorithmen entwickelt und implementiert werden, die eine verbesserte bzw. alternative Analyse von EEG‐Daten epileptischer Anfälle ermöglichen. Die Algorithmen dienen der Beschreibung auftretender Strukturen in den Oberflächen‐EEG und der physiologischen Modellierung intrakranieller Ableitungen iktaler Daten. Diese Beschreibung bzw. Modellierung der EEG‐Daten kann eine verbesserte Behandlung pharmakoresistenter Fokalepilepsien  ermöglichen und das Verständnis zugrundeliegender neurophysiologischer Prozesse vertiefen. Partner der Hochschule sind das Epilepsiezentrum des Universitätsklinikums Erlangen und die Firma BESA GmbH in Gräfelfing gefördert durch die Bayerische Forschungsstiftung.

    >> Zur Projektseite <<

    Veröffentlichungen

    C. Uhl, M. Kern, M. Warmuth and B. Seifert, Subspace Detection and Blind Source Separation of Multivariate Signals by Dynamical Component Analysis (DyCA), IEEE Open Journal of Signal Processing, vol. 1, pp. 230-241, 2020, doi: 10.1109/OJSP.2020.3038369.

    P. beim Graben, A. Hutt, N. Marwan, C. Uhl, C. L. Webber, Editorial: Recurrence Analysis of Complex Systems Dynamics, Frontiers in Applied Mathematics and Statistics, 2020, doi: 10.3389/fams.2020.00033 (Link zur Online-Version: https://www.frontiersin.org/article/10.3389/fams.2020.00033)

    M. Kern, C. Uhl, M. Warmuth, A Comparative Study of Dynamic Mode  Decomposition (DMD) and Dynamical Component Analysis (DyCA). In:  Gonçalves J.A., Braz-César M., Coelho J.P. (eds) CONTROLO 2020. Lecture Notes in Electrical Engineering, vol 695. Springer, Cham.

    C. Frühauf, S. Hartmann, B. Seifert and C. Uhl. „Determinism testing of low-dimensional signals embedded in high-dimensional multivariate time-series.“ In: Stavrinides, S.G., Ozer, M. (eds) Chaos and Complex Systems. Springer, Berlin, Heidelberg, 2020

    C. Uhl, B. Seifert, „Shilnikov Chaos in Epilepsy.“ In: Meyers R. (eds) Encyclopedia of Complexity and Systems Science. Springer, Berlin, Heidelberg, 2019

    K. Korn, B. Seifert and C. Uhl, „Dynamical Component Analysis (DYCA) and Its Application on Epileptic EEG,“ ICASSP 2019 - 2019 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), Brighton, United Kingdom, 2019, pp. 1100-1104. doi: 10.1109/ICASSP.2019.8682601 

    B. Seifert and K. Hüper, „The Discrete Cosine Transform on Triangles,“ ICASSP 2019 - 2019 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), Brighton, United Kingdom, 2019, pp. 5023-5026. doi: 10.1109/ICASSP.2019.8682222

    B. Seifert. „FFT and orthogonal discrete transform on weight lattices of semi-simple Lie groups,“ submitted 2019, arXiv preprint arxiv.org/abs/1901.06254

    B. Seifert, K. Korn, S. Hartmann, and C. Uhl, „Dynamical Component Analysis (DyCA): Dimensionality reduction for high-dimensional deterministic time-series,“ 2018 IEEE 28th International Workshop on Machine Learning for Signal Processing (MLSP), Aalborg, 17.-20.09.2018, pp. 1-6. doi: 10.1109/MLSP.2018.8517024

    B. Seifert, D. Adamski, and C. Uhl. Analytic quantification of Shilnikov chaos in epileptic EEG data. Front. Appl. Math. Stat., 2018, doi: 10.3389/fams.2018.00057 (Link zur online Version www.frontiersin.org/articles/10.3389/fams.2018.00057/full)

    B. Seifert, K. Hüper and C. Uhl, "Fast Cosine Transform for FCC Lattices," 2018 13th APCA International Conference on Automatic Control and Soft Computing (CONTROLO), Ponta Delgada, 2018, pp. 207-212. doi: 10.1109/CONTROLO.2018.8514300

    C. Uhl and B. Seifert. „DSBM - Dynamical Systems Based Modeling: An Overview.“ In U. Ambrosius and S. Gollisch, editors, Ansbacher Kaleidoskop 2016, 123–138. Shaker Verlag, 2016.

    J. Hoyer, C. Uhl, C. Beyer, Virtual & Rapid Prototyping: Bestandsaufnahme aktueller Produkte und deren Einsatz, VDI-Verlag, 2006

    C. Uhl and M. Lieb, „Experiments with an extended adaptive SVD enhancement scheme for speech recognition in noise,“ 2001 IEEE International Conference on Acoustics, Speech, and Signal Processing. Proceedings (Cat. No.01CH37221), Salt Lake City, UT, USA, 2001, pp. 281-284 vol.1. doi: 10.1109/ICASSP.2001.940822 

    C. Uhl, A. Hutt, and F. Kruggel. „Improvemenet of Source Localization by Dynamical Systems Based Modeling (DSBM),“ Brain Topography, 13:219–225, 2001

    C. Uhl (Ed.), Analysis of Neurophysiological Brain Functioning, Springer Verlag, 1999

    C. Uhl and R. Friedrich. „Spatio-temporal Modeling Based on Dynamical Systems Theory.“ In Uhl C. (eds), Analysis of Neurophysiological Brain Functioning, pages 274–305. Springer Verlag, 1999

    C. Uhl, F. Kruggel, B. Opitz, and D. Y. von Cramon. „A New Concept for EEG/MEG Signal Analysis: Detection of Interacting Spatial Modes,“ Human Brain Mapping, 6:137–149, 1998

    R. Friedrich and C. Uhl. „Spatio-temporal analysis of human electroencephalograms: petit-mal epilepsy,“ Phyica D, 98:171–182, 1996

    C. Uhl, Analyse raumzeitlicher Daten strukturbildender Systeme, Shaker Verlag, 1995

    C. Uhl, R. Friedrich, and H. Haken. Analysis of spatio-temporal signals of complex systems. Phy. Rev. E, 51:3890, 1995

    C. Uhl, R. Friedrich, and H. Haken. Reconstruction of spatio-temporal signals of complex systems. Z. Phy. B, 92:211, 1993

     

    Vorträge / Konferenzbeiträge

    M. Kern, M. Warmuth and C. Uhl, A Comparative Study of Dynamic Mode Decomposition (DMD) and Dynamical Component Analysis (DyCA), Vortrag Controlo 2020, 1.-3.7.2020, Braganca, Portugal (virtuell)

    C. Frühauf, S. Hartmann, B. Seifert und C. Uhl, „Determinismus-Test von niedrigdimensionalen Signalen eingebettet in hochdimensionalen multivariaten Zeitreihen: Anwendung auf EEG-Daten“, Workshop Biosignale 2020, 11.-13.3.2020, Kiel

    M. Kern, K. Korn und C. Uhl, „Dimensionsreduktion von EEG-Daten mit Dynamical Component Analysis (DyCA)“, Workshop Biosignale 2020, 11.-13.3.2020, Kiel

    C. Frühauf, Comparing trajectories by persistent homology, Workshop on Applied Mathematics – Dynamical Systems, Technical University of Ostrava, IT4Innovations National Supercomputing Center, 01.10.2019

    C. Frühauf, Testing for determinism of multivariate time series, Workshop on Applied Mathematics – Dynamical Systems, Technical University of Ostrava, IT4Innovations National Supercomputing Center, 01.10.2019

    M. Kern, Applications of DyCA, Workshop on Applied Mathematics – Dynamical Systems, Technical University of Ostrava, IT4Innovations National Supercomputing Center, 01.10.2019

    M. Kern, Dynamic mode decomposition (DMD) and applications, Workshop on Applied Mathematics – Dynamical Systems, Technical University of Ostrava, IT4Innovations National Supercomputing Center, 01.10.2019

    C. Uhl, Dimension reduction methods: Principle component analysis (PCA), Dynamical systems based modeling (DSBM) and Dynamical Component Analysis (DyCA), Workshop on Applied Mathematics – Dynamical Systems, Technical University of Ostrava, IT4Innovations National Supercomputing Center, 01.10.2019

    C. Uhl, Application of DSBM to EEG-data of epileptic seizures, Workshop on Applied Mathematics – Dynamical Systems, Technical University of Ostrava, IT4Innovations National Supercomputing Center, 01.10.2019

    M. Warmuth, Dynamic Reconstruction of the Lung in Magnetic Resonance Imaging - based on Optical Flow Methods, Workshop on Applied Mathematics – Dynamical Systems, Technical University of Ostrava, IT4Innovations National Supercomputing Center, 01.10.2019

    K. Korn, B. Seifert and C. Uhl, "Dynamical Component Analysis (DYCA) and Its Application on Epileptic EEG," ICASSP 2019 - 2019 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), Brighton, United Kingdom, 12.-17.5. 2019

    B. Seifert and K. Hüper, "The Discrete Cosine Transform on Triangles," ICASSP 2019 - 2019 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), Brighton, United Kingdom, 12.-17.5. 2019

    C. Frühauf, S. Hartmann, B. Seifert and C. Uhl. Determinism testing of low-dimensional signals embedded in high-dimensional multivariate time-series, 5th International Interdisciplinary Chaos Symposium on Chaos and Complex Systems, May 09 –12, 2019, Antalya, Turkey

    S. Hartmann, K. Korn, B. Seifert, and C. Uhl. DyCA - Dynamical Component Analysis, DPG-Frühjahrstagung 2019, March 31 - April 05, 2019, Regensburg

    D. Adamski, S. Hartmann, B. Seifert, C. Uhl. Model-driven dimensionality reduction of epileptic EEG-data, 52nd DGBMT Annual Conference - BMT 2018, Aachen, 26. - 28.09.2018

    S. Hartmann, D. Adamski, B. Seifert, C. Uhl. Linear stability analysis of epileptic seizure models, 52nd DGBMT Annual Conference - BMT 2018, Aachen, 26. - 28.09.2018

    B. Seifert, K. Korn, S. Hartmann, and C. Uhl, Dynamical Component Analysis (DyCA): Dimensionality reduction for high-dimensional deterministic time-series, 2018 IEEE 28th International Workshop on Machine Learning for Signal Processing (MLSP), Aalborg, 17.-20.09.2018, Link: ieeexplore.ieee.org/document/8517024

    D. Adamski. Testing for Shilnikov Behavior in Epileptic Seizure with Dynamical Systems Based Modeling, Applied Research Conference - ARC 2018, Deggendorf, 10.07.2018

    S. Hartmann. Dynamical Component Analysis (DyCA) applied to simulated data of strange attractors, Applied Research Conference - ARC 2018, Deggendorf, 10.07.2018

    K. Korn. Dynamical component analysis applied on EEG data of patients with epileptic seizures, Applied Research Conference - ARC 2018, Deggendorf, 10.07.2018

    D. Adamski, S. Hartmann, K. Korn, B. Seifert, and C. Uhl. Modellierung von EEG-Daten epileptischer Absencen: Dimensionsreduktion auf Shilnikov-Attraktoren, Matlab Expo, 26.06. 2018

    B. Seifert, K. Hüper, and C. Uhl, Fast cosine transform for FCC lattices, 13th APCA International Conference on Control and Soft Computing (CONTROLO 2018), Ponta Delgada, 05.06.2018

    D. Adamski, S. Hartmann, B. Seifert, and C. Uhl, Modellierung von EEG‐Daten epileptischer Absencen: Dimensionsreduktion auf Shilnikov‐Attraktoren, Workshop Biosignale 2018, Erfurt, 22.03.2018

    B. Seifert, K. Hüper, and C. Uhl. On Cooley-Tukey-type-algorithms based on generalized Chebyshev polynomials, Foundations of Computational Mathematics, 10.-19.07.2017

    D. Adamski, B. Seifert, and C. Uhl. Parameterschätzung nicht-linearer Differentialgleichungsmodelle via globaler Optimierung, Matlab Expo, 27.06.2017

    B. Seifert and C. Uhl. Dynamical Systems Based Modeling, 80. Jahrestagung der DPG, 06.03.-11.03.2016

    Personen

    Prof. Dr. Christian Uhl – Leiter Kompetenzzentrum Center for Signal Analysis of Complex Systems (CCS)

    Prof. Dr. Christian Uhl

    Leiter Kompetenzzentrum Center for Signal Analysis of Complex Systems (CCS)

    0981 4877-251 51.2.3 nach Vereinbarung vCard

    Prof. Dr. Christian Uhl

    Prof. Dr. Christian Uhl – Leiter Kompetenzzentrum Center for Signal Analysis of Complex Systems (CCS)

    Leiter Kompetenzzentrum Center for Signal Analysis of Complex Systems (CCS)

    Funktionen:

    • Studiengangsleiter Applied Research in Engineering Sciences (APR)
    • Professor Biomedizinische Technik (BMT)
    • Professor Künstliche Intelligenz und Kognitive Systeme (KIK)
    • Professor Medizintechnik (MED)
    • Studienfachberatung Applied Research in Engineering Sciences (APR)
    • Vorsitzender Prüfungskommission Biomedizinische Technik (BMT)
    • Vorsitzender Prüfungskommission Medizintechnik (MED)
    • Bereichsleiter Technologie-Transferzentrum für den Mittelstand (TZM)
    • Leiter Kompetenzzentrum Center for Signal Analysis of Complex Systems (CCS)

    Lehrgebiete:

    • Angewandte Mathematik
    • Signal- und Datenverarbeitung
    • Eco-Material & Innovation Lab

    Vita:

    • Studium: Physik-Studium an der Universität Stuttgart und der University of Oregon
    • Promotion: Institut für Theoretische Physik und Synergetik der Universität Stuttgart im Bereich der raum-zeitlichen Signalverarbeitung
    • Industrie- und Forschungstätigkeiten: Medizinische Bild- und Signalverarbeitung am Max-Planck-Institut für Neuropsychologische Forschung in Leipzig, Automatische Spracherkennung in den Philips GmbH Forschungslaboratorien in Aachen
    • seit 2001: Professor an der Hochschule Ansbach
    • WS 2008/09 & WS 2011/12: Gastaufenthalte am Department of Biomedical Engineering der University of California Irvine

    Publikationen:

    Liste der Publikationen

    Monika Warmuth – Wissenschaftliche Mitarbeiterin Center for Signal Analysis of Complex Systems (CCS)

    Monika Warmuth

    Wissenschaftliche Mitarbeiterin Center for Signal Analysis of Complex Systems (CCS)

    0981 203633-14 BHS 1.02.06 (Brauhausstraße 15, 91522 Ansbach) nach Vereinbarung vCard

    Monika Warmuth

    Monika Warmuth – Wissenschaftliche Mitarbeiterin Center for Signal Analysis of Complex Systems (CCS)

    Wissenschaftliche Mitarbeiterin Center for Signal Analysis of Complex Systems (CCS)

    Funktionen:

    • Wissenschaftliche Mitarbeiterin Center for Signal Analysis of Complex Systems (CCS)

    Philipp Romberger

    Philipp Romberger –

    Funktionen:

    • Wissenschaftlicher Mitarbeiter Projekt DyCA