Neuronale Netze

Structural Optimization for Fail-Safe Designs by Machine Learning

The overall objective of the current proposal is the development of a process for efficient topology optimization of fail-safe structures. The basic idea for this process is summarized in the figure above.

Digitizing the Development of New Aluminum Alloys for Additive Manufacturing Using Artificial Intelligence

Digitalisierung der Entwicklung neuer Aluminiumlegierungen für die additive Fertigung mittels künstlicher Intelligenz

LGSC: Lernendes Galley-Catering-System

Entwurf eines selbstlernenden Galley-Catering-Systems (LGCS), das für Bordvorräte innerhalb der Kette Caterer, Fluggesellschaft, Kabinenbesatzung und Passagier pro Flugroute Daten erzeugt und kommuniziert, daraus lernt und aktiv Entscheidungen trifft

Machine Learning für die Detektion von "weak-bonds" in Klebeverbindungen von Faserverbunden

Auswertung von Messdaten für die Detektion von Klebefehlern in Strukturbauteilen mit Neuralen Netzen

Machine Learning für Automobil-Bremsen und deren Emissionen

Im Rahmen dieses Projekts werden modernste Machine Learning (ML) und Deep Learning Methoden angewandt, um die Emissionen von Bremsstaub und Bremsgeräuschen zu verstehen (Entstehungsmechanismen, Sensitivitäten). Feinste Bremsstäube tragen in urbanen maßgeblich zur gesundheitsschädlichen Belastung der Umwelt bei, während Bremsgeräusche, wie z.

Sustainable & Cost Efficient High Performance Composite Structures - SuCoHS

Künstliche neuronale Netze zur effizienten Quantifizierung von Unsicherheiten in der Analyse von Faserverbundstrukturen

Modellierung von Schwingungssystemen mit Machine Learning Unterstützung

Neuronale Netze zur Zeitreihenprädiktion in Bezug auf mechanische Schwingungssysteme

Machine Learning for Online Monitoring of Electric Power System Stability

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.

Towards Delay-Minimal Scheduling through Reinforcement Learning in IEEE 802.15.4 DSME

The rise of wireless sensor networks (WSNs) inindustrial applications imposes novel demands on existing wireless protocols. The deterministic and synchronous multi-channelextension (DSME) is a recent amendment to the IEEE 802.15.4standard, which aims …

Maschinelles Lernen für die Elektromagnetische Verträglichkeit

Anwendung maschinelles Lernen im Ingenieursbereich der Elektromagnetischen Verträglichkeit