Rewardfunktion zur Bewertung kooperativer Handlungen -- Netzwerkarchitektur der selbstlernenden Optimierung -- Verkopplung des Fahrsimulators -- Expertenstudie.

    Marco Scheffmann stellt einen neuartigen multikriteriellen Lösungsalgorithmus für die Erzeugung optimaler Datensätze von Fahrzeugsteuergeräten vor. Im Gegensatz zu verbreiteten, zumeist evolutionären Ansätzen wendet der Autor hier einen Ansatz des bestärkenden Lernens an. Infolge der eigenständigen Entwicklung zielgerichteter Handlungsstrategien kann damit auf sonst häufig eingesetzte vorangestellte Methoden der statistischen Versuchsplanung und der Metamodellbildung verzichtet werden. Zur subjektiven Betrachtung von optimierten Datensätzen dient ihm die echtzeitfähige Verkopplung der vollbeweglichen Fahrsimulation mit virtualisierten Steuergeräten. Seine abschließende Probandenstudie bestätigt die Ergebnisse des vorgestellten methodischen Ansatzes. Der Inhalt Rewardfunktion zur Bewertung kooperativer Handlungen Netzwerkarchitektur der selbstlernenden Optimierung Verkopplung des Fahrsimulators Expertenstudie Die Zielgruppen Dozierende und Studierende der Fahrzeugtechnik, Elektrotechnik und Informatik In der Industrie tätige Ingenieure und Informatiker Der Autor Marco Scheffmann hat nach seinem Studium an der Universität Stuttgart am Institut für Fahrzeugtechnik Stuttgart (IFS) der Universität Stuttgart im Bereich Kraftfahrzeugmechatronik promoviert. Zurzeit arbeitet er am Stuttgarter Fahrsimulator im Bereich der virtuellen Applikation. .


    Zugriff

    Download

    Verfügbarkeit in meiner Bibliothek prüfen

    Bestellung bei Subito €


    Exportieren, teilen und zitieren



    Titel :

    Ein selbstlernender Optimierungsalgorithmus zur virtuellen Steuergeräteapplikation


    Beteiligte:


    Ausgabe :

    1st ed. 2023.


    Erscheinungsdatum :

    2023


    Format / Umfang :

    1 Online-Ressource(XXXI, 179 S. 64 Abb.)


    Anmerkungen:

    Campusweiter Zugriff (Universität Hannover) - Vervielfältigungen (z.B. Kopien, Downloads) sind nur von einzelnen Kapiteln oder Seiten und nur zum eigenen wissenschaftlichen Gebrauch erlaubt. Keine Weitergabe an Dritte. Kein systematisches Downloaden durch Robots.




    Medientyp :

    Buch


    Format :

    Elektronische Ressource


    Sprache :

    Deutsch



    Klassifikation :

    DDC:    629.2



    Hausanschlussstation mit selbstlernender mechatronischer Regelung : Abschlussbericht

    Technische Universität Dresden, Professur für Energiesystemtechnik und Wärmewirtschaft | TIBKAT | 2004


    Verfahren und Vorrichtung zum Trainieren selbstlernender Algorithmen für ein automatisiert fahrbares Fahrzeug

    HALLERBACH SVEN / EBERLE ULRICH / AUGUSTIN DAVID | Europäisches Patentamt | 2019

    Freier Zugriff

    Selbstlernender Algorithmus zur Prognose des Einstechens in einen Haufen

    BIRK MARKUS / BIEL STEFFEN | Europäisches Patentamt | 2023

    Freier Zugriff