Spelling suggestions: "subject:"neuronales metz"" "subject:"neuronales netz""
61 |
Multianalyte quantifications by means of integration of artificial neural networks, genetic algorithms and chemometrics for time resolved analytical dataDieterle, Frank Jochen. Unknown Date (has links) (PDF)
University, Diss., 2003--Tübingen.
|
62 |
Fault location estimation in power systems with universal intelligent tuningKawady, Tamer Amin Said. Unknown Date (has links)
Techn. University, Diss., 2005--Darmstadt.
|
63 |
Vorhersage von Prozess- und Schichtcharakteristiken beim atmosphärischen Plasmaspritzen mittels statistischer Modelle und neuronaler Netze /Seemann, Klaus. January 2005 (has links)
Techn. Hochsch., Diss., 2005--Aachen.
|
64 |
Exploring liquid computing in a hardware adaptation construction and operation of a neural network experiment /Schürmann, Felix. Unknown Date (has links) (PDF)
University, Diss., 2005--Heidelberg.
|
65 |
Market forecasting in China: An Artificial Neural Network approach to optimize the accuracy of sales forecasts in the Chinese automotive market / Marktprognosen in China: Einsatz eines Künstlichen Neuronalen Netzes zur Optimierung der monatlichen Absatzprognosequalität im chinesischen AutomobilmarktBrzoska, Jan January 2020 (has links) (PDF)
Sales forecasts are an essential determinant of operational planning in entrepreneurial organizations. However, in China, as in other emerging markets, monthly sales forecasts are particularly challenging for multinational automotive enterprises and suppliers. A chief reason for this is that conventional approaches to sales forecasting often fail to capture the underlying market dynamics. To that end, this dissertation investigates the application of Artificial Neural Networks with an implemented backpropagation algorithm as a more “unconventional” sales forecasting method. A key element of statistical modelling is the selection of superior leading indicators. These indicators were collected as part of the researcher’s expert interviews with multinational enterprises and state associations in China. The economic plausibility of all specified indicators is critically explored in qualitative-quantitative pre-selection procedures. The overall objective of the present study was to improve the accuracy of monthly sales forecasts in the Chinese automotive market. This objective was achieved by showing that the forecasting error could be lowered to a new benchmark of less than 10% in an out-of-sample forecasting application. / Absatzprognosen sind ein zentraler Bestandteil der operativen Unternehmensplanung. In China, wie auch in anderen Schwellenländern, stellen vor allem monatliche Prognosen jedoch eine besondere Herausforderung für multinationale Automobilhersteller und deren Zulieferer dar. Ein Grund hierfür ist, dass konventionelle Prognoseverfahren der außergewöhnlich hohen Marktdynamik nicht ausreichend gerecht werden. In der vorliegenden Dissertationsschrift werden Künstliche Neuronale Netze mit integriertem Backpropagation-Algorithmus als alternatives Marktprognoseverfahren eingehend beleuchtet. Erprobt vor allem in hochvolatilen Finanzmarktanwendungen ist diese Form künstlicher Intelligenz imstande, hochkomplexe Zusammenhänge zu entschlüsseln und selbständig aus Prognosefehlern zu lernen. Ein Kernelement der statistischen Modellierung ist die Auswahl von geeigneten Frühwarnindikatoren, die unter anderem durch Experteninterviews in chinesischer Sprache bei Regierungsablegern erhoben wurden. Die ökonomische Plausibilität der genannten Indikatoren wird in qualitativ-quantitativen Vorauswahlverfahren kritisch reflektiert. Grundlegendes Ziel des Forschungsprojektes war es, die Güte der monatlichen Absatzprognosen im chinesischen Automobilmarkt zu verbessern. Dieses Ziel konnte mit Unterschreitung der entscheidenden 10%-Prognosefehlerschwelle im Validierungsdatensatz erreicht werden.
|
66 |
Recheneffiziente Implementierung einer approximierten modellprädiktiven Regelung auf einem Industrie-PCKarau, Fabian, Leuer, Michael 12 February 2024 (has links)
Die modellprädiktive Regelung (MPC) hat sich in vielen industriellen Anwendungen bewährt. Ein
Nachteil ist jedoch der hohe Rechenaufwand, bedingt durch die erforderliche Lösung eines Optimierungsproblems
in jedem Abtastschritt. In diesem Beitrag wird die entworfene MPC daher durch ein
neuronales Netz approximiert. Als neuronales Netz wird ein Multi-Layer-Perceptron (MLP) verwendet.
Mit dem trainierten MLP sind nur noch Matrix-Vektor-Multiplikationen erforderlich, die effizient
berechnet werden können. Das trainierte MLP wird in C++ Code übersetzt und durch einen Industrie-
PC ausgeführt. Am akademischen Beispiel einer Wippenwinkel-Regelung wird die Funktionsfähigkeit
und der geringere Rechenbedarf demonstriert.
|
67 |
Zur Rekonstruktion nichtlinearer dynamischer Systeme mit neuronalen NetzenWackenhut, Georg January 2006 (has links)
Zugl.: Stuttgart, Univ., Diss., 2006
|
68 |
Simulation Rekursiver Auto-Assoziativer Speicher (RAAM) durch Erweiterung eines klassischen Backpropagation-SimulatorsSeifert, Christin, Parthey, Jan 06 June 2003 (has links) (PDF)
Rekursive Auto-Assoziative Speicher (RAAM) sind spezielle Neuronale Netze (NN),
die in der Lage sind, hierarchiche Strukturen zu verarbeiten. Bei der
Simulation dieser Netze gibt es einige Besonderheiten, wie z.B. die dynamische
Trainingsmenge, zu beachten. In der Arbeit werden diese und die daraus
resultierenden angepassten Lernalgorithmen erörtert. Außerdem wird ein
normaler Backpropagation-Simulator (Xerion) um die Fähigkeiten für die
Simulation von RAAMs erweitert.
|
69 |
Algorithmische Optimierung von Teststrukturen zur Charakterisierung von Mikrosystemen auf WaferebeneStreit, Petra 19 July 2010 (has links) (PDF)
Diese Diplomarbeit beschäftigt sich mit der Entwicklung von Teststrukturen zur
Charakterisierung von Mikrosystemen auf Waferebene. Sie dienen zur Bestimmung
von Prozesstoleranzen. Ziel dieser Arbeit ist es, einen Algorithmus zu entwickeln,
mit dem Teststrukturen optimiert werden können. Dazu wird ein Ansatz zur Optimierung
von Teststrukturen mittels eines Genetischen Algorithmus untersucht.
Grundlage für diesen ist eine Bewertung der Strukturen hinsichtlich der Sensitivität
gegenüber den Fertigungsparametern und der Messbarkeit der Eigenmoden.
Dem Leser wird zuerst ein Einblick in das Themengebiet und in die Verwendung von
Teststrukturen gegeben. Es folgen Grundlagen zur Fertigung und Messung von Mikrosystemen,
zur Parameteridentifikation, sowie zu Optimierungsalgorithmen. Anschließend
wird ein Bewertungs- und Optimierungskonzept, sowie eine Softwareimplementation
für die sich aus der Optmierung ergebenden Aufgaben, vorgestellt.
Unter anderem eine Eigenmodenerkennung mittels Neuronalem Netz und einer auf
der Vandermond’schen Matrix basierende Datenregression. Die Ergebnisse aus der
Umsetzung durch ein Testframework werden abschließend erläutert. Es wird gezeigt,
dass die Optimierung von Teststrukturen mittels Genetischem Algorithmus
möglich ist. Die dargestellte Bewertung liefert für die untersuchten Teststrukturen
nachvollziehbare Resultate. Sie ist in der vorliegenden Form allerdings auf Grund
zu grober Differenzierung nicht für den Genetischen Algorithmus geeignet. Entsprechende
Verbesserungsmöglichkeiten werden gegeben. / This diploma thesis deals with the development of test-structures for the characterization
of microsystems on wafer level. Test-structures are used for the determination
of geometrical parameters and material properties deviations which are
influenced by microsystem fabrication prozesses. The aim of this work is to establish
principles for the optimization of the test-structures. A genetic algorithm as
an approach for optimization is investigated in detail. The reader will get an insight
in the topic and the application of test-structures. Fundamentals of fabrication and
measurement methods of microsystems, the parameter identification procedure and
algorithms for optimization follow. The procedures and a corresponding software
implementation of some applied issues, which are needed for the optimization of
test structures, are presented. Among them are neural network algorithms for mode
identification and a data regression algorithm, based on Vandermonde Matrix.
Results of implemented software algorithms and an outlook conclude this work. It
is shown, that the optimization of test-structure using a genetic algorithm is possible.
An automated parameter variation procedure and the extraction of important
test-structures parameters like sensitivity and mode order are working properly.
However, the presented evaluation is not suitable for the genetic algorithm in the
presented form. Hence, improvements of evaluation procedure are suggested.
|
70 |
Towards efficient implementation of artificial neural networks in systems on chip /Ponca, Marek. Scarbata, Gerd January 2007 (has links) (PDF)
Techn. Univ., Diss.--Ilmenau, 2006.
|
Page generated in 0.0602 seconds