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. .


    Access

    Download

    Check availability in my library

    Order at Subito €


    Export, share and cite



    Title :

    Ein selbstlernender Optimierungsalgorithmus zur virtuellen Steuergeräteapplikation


    Contributors:


    Edition :

    1st ed. 2023.


    Publication date :

    2023


    Size :

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


    Remarks:

    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.




    Type of media :

    Book


    Type of material :

    Electronic Resource


    Language :

    German



    Classification :

    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 | European Patent Office | 2019

    Free access


    Selbstlernender Algorithmus zur Prognose des Einstechens in einen Haufen

    BIRK MARKUS / BIEL STEFFEN | European Patent Office | 2023

    Free access