Algorithmen zur Approximation des Betriebsverhaltens von Maschinen und Anlagen

Datenbasierte Regressionsverfahren werden in der Forschung immer mehr zur Modellbildung beziehungsweise. Systemidentifikation von vermessenen Anlagen verwendet. Besonders Algorithmen des maschinellen Lernens stehen im Fokus. Bei der Auswahl der Hyperparameter muss ein Anwender aktuell meist verschiedene Strukturen testen und anschießend durch eine geeignete Validierung die passendsten Parameter auswählen. Im Rahmen einer Abschlussarbeit soll der Prozess zur Verwendung von Neuronalen Netzen für die datenbasierte Modellierung industrieller Anlagen automatisiert umgesetzt werden, um den Implementierungsaufwand zur verringern. Anschließend ist der Ansatz an verschiedenste Anlagen in der ETA-Fabrik zu validieren.

Arbeitspakete:

•Literaturrecherche zur Hyperparameteroptimierung von Neuronalen Netzen sowie Feature Engineering im industriellen Umfeld

•Identifizieren der einzustellendem Netzwerkparameter

•automatisierte Auswahl geeigneter Features sowie der Netzwerkstruktur

 

Ausschreibung als PDF

 

Betreuer/in: 

Thomas Weber, M. Sc.
Thomas Weber, M. Sc.
ETA Fabrik Raum 201
+49 6151 16-26054
Diese E-Mail-Adresse ist vor Spambots geschützt! Zur Anzeige muss JavaScript eingeschaltet sein!

Johannes Sossenheimer, M. Sc.
Johannes Sossenheimer, M. Sc.
ETA Fabrik Raum
+49 6151 16-25852
Diese E-Mail-Adresse ist vor Spambots geschützt! Zur Anzeige muss JavaScript eingeschaltet sein!