Proceedings – 32. Workshop Computational Intelligence: Berlin, 1. – 2. Dezember 2022

doi:10.58895/ksp/1000151141

Online lesen

No readable formats available

Proceedings – 32. Workshop Computational Intelligence: Berlin, 1. – 2. Dezember 2022

Horst Schulte,

Close

Frank Hoffmann,

Close

Ralf Mikut (eds.)

Close

Download

PDF

Buch kaufen

Amazon DE

KNV Buchkatalog

Hinweis: Sie können über den Button "Download" das gesamte Buch herunter laden oder die einzelnen Kapitel/Beiträge über das unten stehende Dropdown-Menü

Dieser Tagungsband enthält die Beiträge des 32. Workshops „Computational Intelligence“ des Fachausschusses 5.14 der VDI/VDE-Gesellschaft für Mess- und Automatisierungstechnik (GMA) der vom 1.12. – 2.12.2022 in Berlin stattfand. Die Schwerpunkte sind Methoden, Anwendungen und Tools für.

Umfang: III, 266 Ss.

Preis: 46.00 €

Inhaltsverzeichnis

Machine learning for estimating parametersof a convective-scale model: A comparisonof neural networks and random forests
Stefanie Legler et al.
EasyMLServe: Easy Deployment of RESTMachine Learning Services
Oliver Neumann et al.
Multi-stage Inspection of Laser WeldingDefects using Machine Learning
Patricia M. Dold et al.
Spatial Temporal Transformer Networks forSparse Motion Capture Applications
Lukas Vollenkemper & Martin Kohlhase
Evaluation of Transformer Architectures forElectrical Load Time-Series Forecasting
Matthias Hertel et al.
Weißes Rauschen basierte Verlustfunktionzur verbesserten Zeitreihenprognose mitkünstlichen neuronalen Netzen
Tobias Fischer et al.
Predicting the Compressive Strength ofConcrete up to 28 Days-Ahead: Comparisonof 16 Machine Learning Algorithms onBenchmark Datasets
Farzad Rezazadeh & Andreas Kroll
Autonomes Putten mittels datengetriebenerund physikbasierter Methoden
Annika Junker et al.
Conditional Behavior Prediction forAutomated Driving on Highways
Christopher Diehl et al.
Eine Python-Toolbox zur datengetriebenenModellierung von Spritzgießprozessen undLösung von Optimalsteuerungsproblemenzur Steuerung der Bauteilqualität
Alexander Rehmer & Andreas Kroll
KI-Ansätze bei der Entwicklung lernenderRoboter – Implementierungsmöglichkeitenund Grenzen
Maja Temerinac-Ott
Simulation of Synthetically DegradedTracking Data to Benchmark MOT Metrics
Michael Hartmann et al.
OResNet: Ein flexibles ResNet für Octrees
Stefan Schütte & Torsten Bertram
Constrained Design of Experiments forData-Driven Models
Fabian Schneider et al.
Spatial Control in Model-BasedNeural Style Transfer
Julian Bültemeier et al.
Determining Feature Importance inSelf-Enforcing Networks to achieveExplainable AI (xAI)
Anneliesa Greisbach & Christina Klüver
Comparison between Pole Region Designand Model Reference Control forMultivariable TS Fuzzy Systems
Horst Schulte

Fächer:

Maschinenbau und Verfahrenstechnik

Schlagwörter:

Computational Intelligence Maschinelles Lernen Deep Learning Fuzzy Systeme Datenanalyse Machine Learning Fuzzy Systems Data Mining

Wikipedia Concepts

These are words or phrases in the text that have been automatically identified by the Named Entity Recognition and Disambiguation service, which provides Wikipedia () and Wikidata () links for these entities.

Metrics:

Empfohlene Zitierweise

Schulte, H et al. (eds.) 2022. Proceedings – 32. Workshop Computational Intelligence: Berlin, 1. – 2. Dezember 2022. Karlsruhe: KIT Scientific Publishing. DOI: https://doi.org/10.58895/ksp/1000151141

Export to:

Lizenz

Dieses Buch ist lizenziert unter Creative Commons Attribution + ShareAlike 4.0

Proceedings – 32. Workshop Computational Intelligence: Berlin, 1. – 2. Dezember 2022

Horst Schulte,

Close

Frank Hoffmann,

Close

Ralf Mikut (eds.)

Close

Inhaltsverzeichnis

Machine learning for estimating parametersof a convective-scale model: A comparisonof neural networks and random forests

EasyMLServe: Easy Deployment of RESTMachine Learning Services

Multi-stage Inspection of Laser WeldingDefects using Machine Learning

Spatial Temporal Transformer Networks forSparse Motion Capture Applications

Evaluation of Transformer Architectures forElectrical Load Time-Series Forecasting

Weißes Rauschen basierte Verlustfunktionzur verbesserten Zeitreihenprognose mitkünstlichen neuronalen Netzen

Predicting the Compressive Strength ofConcrete up to 28 Days-Ahead: Comparisonof 16 Machine Learning Algorithms onBenchmark Datasets

Autonomes Putten mittels datengetriebenerund physikbasierter Methoden

Conditional Behavior Prediction forAutomated Driving on Highways

Eine Python-Toolbox zur datengetriebenenModellierung von Spritzgießprozessen undLösung von Optimalsteuerungsproblemenzur Steuerung der Bauteilqualität

KI-Ansätze bei der Entwicklung lernenderRoboter – Implementierungsmöglichkeitenund Grenzen

Simulation of Synthetically DegradedTracking Data to Benchmark MOT Metrics

OResNet: Ein flexibles ResNet für Octrees

Constrained Design of Experiments forData-Driven Models

Spatial Control in Model-BasedNeural Style Transfer

Determining Feature Importance inSelf-Enforcing Networks to achieveExplainable AI (xAI)