Detektion von unerwartetem Verhalten in eingebetten Systemen - zum Beispiel durch Fehler zur Laufzeit. Maschinelles Lernen dient zunächst dazu, das nominale Verhalten automatisch zu bestimmen.
Wird Machine Learning in der Praxis eingesetzt, können Fehlfunktionen in der zugrunde liegenden Recheninfrastruktur die Korrektheit gefährden. Im Projekt wird dieser Zusammenhang analysiert.
Anwendung von Methoden des maschinellen Lernens zur Vorhersage des Einflusses kleiner organischer Additive auf das Degradationsverhalten von Magnesium
Anwendung von Techniken des bestärkten Lernens im MAC-Protkoll IEEE 802.15.4 DSME
Optimierungspotenziale und strategische Risiken für maritime logistische Systeme
Neuronale Netze zur Zeitreihenprädiktion in Bezug auf mechanische Schwingungssysteme
Due to an ever increasing penetration of the electrical power system with power electronics coupled generation and transmission devices as well as loads, their dynamic behaviour will dominate the overall system dynamics in the future.
Anwendung maschinelles Lernen im Ingenieursbereich der Elektromagnetischen Verträglichkeit
Künstliche neuronale Netze auf kleinen Microcontrollern zur Gestenerkennung.
Optimierungspotenziale und strategische Risiken für maritime logistische Systeme