Scholarlink

Künstliche Neuronale Netze, Verzögerungsglieder oder Polynomfunktionen werden genutzt, um das in Referenzversuchen identifizierte thermo-elastische Maschinenverhalten in mathematischen Modellen beschreibbar zu machen. Alle Ansätze haben gemein, dass die Modellqualität signifikant mit der verfügbaren Datenmenge korreliert. Insbesondere in der praktischen Anwendung zeigt sich allerdings, dass die Bereitstellung entsprechender Daten zeit- und damit kostenintensiv ist, sodass die Potenziale etwaiger Korrekturansätze aufgrund begrenzter Datensätze nicht vollständig genutzt werden können.

错误：搜索内容不能为空，请输入英文关键词
错误：关键词超出字数限制，请精简
高级检索

Effiziente Parametrierung von Korrekturmodellen

  • 章节

  • 出版模式：

    开放获取

  • 发表日期：

    2025年

查看全文
  • Stephan Neus,
  • Alexander Steinert,
  • Robert Spierling,
  • Christian Brecher

摘要

Künstliche Neuronale Netze, Verzögerungsglieder oder Polynomfunktionen werden genutzt, um das in Referenzversuchen identifizierte thermo-elastische Maschinenverhalten in mathematischen Modellen beschreibbar zu machen. Alle Ansätze haben gemein, dass die Modellqualität signifikant mit der verfügbaren Datenmenge korreliert. Insbesondere in der praktischen Anwendung zeigt sich allerdings, dass die Bereitstellung entsprechender Daten zeit- und damit kostenintensiv ist, sodass die Potenziale etwaiger Korrekturansätze aufgrund begrenzter Datensätze nicht vollständig genutzt werden können.