Neuronale Netze programmieren mit Python

Neuronale Netze programmieren mit Python von Schwaiger,  Roland, Steinwendner,  Joachim
Neuronale Netze stehen im Mittelpunkt, wenn es um Künstliche Intelligenz und Machine Learning geht. Sie revolutionieren Bild- und Spracherkennung, Spiele-KIs und vieles mehr. Zum Glück lassen sich die genialen Ideen dahinter einfach erklären. Um sie zu verstehen und einzusetzen, programmieren Sie verschiedene Netztypen selbst nach! Und zwar in Python, der Hauptsprache der KI-Welt. Sie werden sich dabei mit Mathematik und Programmierung befassen, brauchen aber keine konkreten Vorkenntnisse. Aus dem Inhalt: Die Grundidee hinter Neuronalen Netzen Ein einfaches Neuronales Netz aufbauen Neuronale Netze trainieren Überwachtes und unüberwachtes Lernen Einführung in TensorFlow Kompaktkurs Python Wichtige mathematische Grundlagen Reinforcement Learning Verschiedene Netzarten und ihre Anwendungsbereiche Back Propagation Deep Learning Werkzeuge für Data Scientists Die Fachpresse zur Vorauflage: LINUX MAGAZIN: »Eine rundum gelungene, recht gründliche und gut verständliche Einführung ins maschinelle Lernen mit neuronalen Netzen.« iX - Magazin für professionelle Informationstechnik: »Entwickler bekommen hier eine Menge Theorie inklusive der mathematischen Grundlagen serviert (...). «
Aktualisiert: 2023-05-23
> findR *

Repräsentative Testzyklen zur Überprüfung der Real Driving Emissions

Repräsentative Testzyklen zur Überprüfung der Real Driving Emissions von Ringleb,  Arno
Zusätzlich zu Prüfstandsmessungen mit gesetzlichen Fahrzyklen erfolgt die Überprüfung der Real Driving Emissions (RDE) im tatsächlichen Fahrbetrieb. Dazu werden Fahrzeuge mit Emissionsmessgeräten ausgestattet und im öffentlichen Verkehr bewegt. Die notwendige Absicherung der Fahrzeugantriebe auf der Straße ist zeit- und kostenintensiv. In dieser Arbeit wird ein Werkzeug entwickelt, welches das Erzeugen RDE-konformer Geschwindigkeitsprofile sowie Steigungsprofile ermöglicht. Diese Fahrzyklen halten die gesetzlichen RDE-Kriterien ein und können in Simulationen oder an Prüfständen bei der Antriebsstrangentwicklung zum Einsatz kommen, was Zeit und Kosten für Tests im Straßenverkehr einspart. Die Methodik nutzt Micro-Trips aus Fahrzeugmessungen, welche gezielt zu neuen Fahrzyklen zusammengesetzt werden. Dabei erfolgt das systematische Einbeziehen der gesetzlichen RDE-Kriterien. Mit Hilfe von künstlichen neuronalen Netzen wird die Fahrdynamik der Micro-Trips bewertet, was das Erstellen von RDE-konformen Zyklen mit gewünschter Zieldynamik ermöglicht. Aus Messungen erfolgt der Aufbau von Statistiken, mit denen repräsentative Steigungsverläufe erzeugt werden, wobei die RDE-Kriterien über Gewichtungsfunktionen eingehen. Die so erstellten Steigungsprofilen, bilden die reale Fahrumgebung repräsentativ ab und erfüllen die gesetzlichen Vorgaben für RDE-Fahrten. An exemplarischen RDE-konformen Zyklen werden simulativ Verbrauchsuntersuchungen durchgeführt. Dabei stehen der Einfluss der dynamischen Kritikalität und der Steigung, die Unterschiede zu gesetzlichen Zyklen und zum Kundenbetrieb sowie das Potential durch Elektrifizierung im Fokus. Mit Blick auf den Kundenbetrieb wird abschließend eine Handlungsempfehlung zum Umgang mit den derzeitigen RDE-Kriterien abgeleitet.
Aktualisiert: 2022-12-08
> findR *

Neuronale Netze programmieren mit Python

Neuronale Netze programmieren mit Python von Schwaiger,  Roland, Steinwendner,  Joachim
Neuronale Netze stehen im Mittelpunkt, wenn es um Künstliche Intelligenz und Machine Learning geht. Sie revolutionieren Bild- und Spracherkennung, Spiele-KIs und vieles mehr. Zum Glück lassen sich die genialen Ideen dahinter einfach erklären. Um sie zu verstehen und einzusetzen, programmieren Sie verschiedene Netztypen selbst nach! Und zwar in Python, der Hauptsprache der KI-Welt. Sie werden sich dabei mit Mathematik und Programmierung befassen, brauchen aber keine konkreten Vorkenntnisse. Aus dem Inhalt: Die Grundidee hinter Neuronalen Netzen Ein einfaches Neuronales Netz aufbauen Neuronale Netze trainieren Überwachtes und unüberwachtes Lernen Einführung in TensorFlow Kompaktkurs Python Wichtige mathematische Grundlagen Reinforcement Learning Verschiedene Netzarten und ihre Anwendungsbereiche Back Propagation Deep Learning Werkzeuge für Data Scientists Die Fachpresse zur Vorauflage: LINUX MAGAZIN: »Eine rundum gelungene, recht gründliche und gut verständliche Einführung ins maschinelle Lernen mit neuronalen Netzen.« iX - Magazin für professionelle Informationstechnik: »Entwickler bekommen hier eine Menge Theorie inklusive der mathematischen Grundlagen serviert (...). «
Aktualisiert: 2022-01-13
> findR *

Korrelation von Plasma- und Schichteigenschaften bei der reaktiven Plasmasynthese von Hartstoffschichten

Korrelation von Plasma- und Schichteigenschaften bei der reaktiven Plasmasynthese von Hartstoffschichten von Engels,  Martin Gottfried
Die Entwicklung industrieller PVD-Prozesse zur Herstellung von Beschichtungen für Werkzeuge und Bauteile ist üblicherweise äußerst komplex. Speziell bei der Verwendung von Hochleistungsplasmen ergibt sich aus der Vielzahl an einstellbaren Prozessparametern eine große Anzahl an Freiheitsgraden für die Prozessgestaltung und Schichtentwicklung. Die Plasmadiagnostik ist ein geeigneter Ansatz, um eine effizientere und ökonomischere Entwicklung industrieller Beschichtungsprozesse zu realisieren. Hieraus kann eine deterministische Beschreibung der Einflüsse der Prozessparameter auf die Plasmaeigenschaften erarbeitet mit den Resultaten von ausgewählten Beschichtungsprozessen korreliert werden. Es existieren bereits vielfältige Erkenntnisse, die sich jedoch meist auf den Labormaßstab oder einfache Beschichtungen beschränken und sich nur schwer auf industrielle Prozesse oder komplexe Schichtsysteme übertragen. Zur Lösung dieser Probleme werden in dieser Arbeit Erkenntnisse zu deterministischen Zusammenhängen zwischen Plasma- und Schichteigenschaften in industriellen Beschichtungsprozessen vorgestellt. Zu diesem Zweck werden Methoden zur Plasmadiagnostik in PVD-Prozessen im industriellen Maßstab entwickelt. Dabei stehen eine Durchführung von substratseitiger Plasmadiagnostik unter Verwendung der Biasspannung sowie die Möglichkeit zur ortsaufgelösten Analyse von Prozessen mit mehreren Kathoden im Fokus. Bei der Korrelation von Plasma- und Schichteigenschaften erfolgen die Arbeiten für einfache und komplexe Geometrien. Abschließend das Potential von künstlichen neuronalen Netzwerken zur Analyse der stark nichtlinearen Zusammenhänge zwischen den Plasma- und Schichteigenschaften für mehrere variierende Prozessparameter evaluiert.
Aktualisiert: 2020-01-15
> findR *

Neuronale Netze programmieren mit Python

Neuronale Netze programmieren mit Python von Schwaiger,  Roland, Steinwendner,  Joachim
Neuronale Netze stehen im Mittelpunkt, wenn es um Künstliche Intelligenz und Machine Learning geht. Sie revolutionieren derzeit die verschiedensten Anwendungsgebiete vom Strategiespiel bis zur Bild- und Spracherkennung. In ihnen stecken geniale Ideen, die sich zum Glück einfach erklären lassen. Um sie zu verstehen und gewinnbringend einzusetzen, programmieren Sie verschiedene Netztypen selbst nach! Und zwar in Python, der Hauptsprache der KI-Welt. Sie werden sich dabei mit Mathematik und Programmierung befassen, brauchen aber keine konkreten Vorkenntnisse. Aus dem Inhalt: Die Grundidee hinter Neuronalen Netzen Ein einfaches Neuronales Netz aufbauen Neuronale Netze trainieren Überwachtes und unüberwachtes Lernen Einführung in TensorFlow Kompaktkurs Python Wichtige mathematische Grundlagen Reinforcement Learning Verschiedene Netzarten und ihre Anwendungsbereiche Back Propagation Deep Learning Werkzeuge für Data Scientists
Aktualisiert: 2020-05-19
> findR *

Methode zur verfügbarkeitsoptimierten Produktionssystemgestaltung für die Automobilindustrie

Methode zur verfügbarkeitsoptimierten Produktionssystemgestaltung für die Automobilindustrie von Zeidler,  Dirk
Die Arbeit beschreibt eine Methode zur verfügbarkeitsoptimierten Gestaltung von Produktionssystemen für die mechanische Fertigung der Automobilindustrie in der Grobplanungsphase. Diese wird anhand eines Beispiels aus der Aggregatefertigung verifiziert. Hierzu wurde der funktionale Zusammenhang zwischen den Einflussgrößen als Beschreibungsgrößen für Produktionssysteme und der Systemverfügbarkeit, ausgedrückt in der Verfügbarkeitsfunktion, entwickelt. Die Vorgehensweise sieht einen approximativen Ansatz vor, der eine Materialflusssimulation nutzt und die Ergebnisse in einer Kennfläche mit Hilfe einer nicht linearen multiplen Regression beschreibt. Mit der Materialflusssimulation wurde für ein definiertes Bezugssystem der Einfluss der Beschreibungsgrößen auf die Systemverfügbarkeit im Sinne der „one-factor-at-a-time“ Methode untersucht. Abschließend wurden die aus den Beschreibungsgrößen abgeleiteten Einflussgrößen, gegliedert nach den Subsystemen (Maschine, Beladung, Transport) sowie den Ebenen des Produktionssystems (Station, OP, System), im Verfügbarkeitsmodell zusammenfassend unter Angabe des Ursache-Wirkungs-Zusammenhangs (prinzipieller Verlauf, Optimierungsrichtung) dargestellt. Abgeleitet aus einem Signifikanztest konnten elf (primäre) Einflussgrößen identifiziert werden. Es wurde eine Modifikation eines vollfaktoriellen Versuchsplans im Sinne eines D-optimal Designs eingesetzt, um die Forderung nach einer reduzierten Anzahl an Experimenten sowie die Berücksichtigung sämtlicher Wechselwirkungen zu erfüllen. Die Durchführung der erforderlichen nicht linearen multiplen Regression erfolgte mit Hilfe eines Künstlichen Neuronalen Netzes (kurz: KNN). Anschließend wurden konkrete Handlungsstrategien für die Produktionssystemgestaltung abgeleitet. Die Identifikation dieser Handlungsstrategien orientierte sich an den Einflussgrößen und deren Optimierungsrichtungen. Insgesamt wurden sechs Strategien für eine verfügbarkeitsoptimierte Konfiguration von Produktionssystemen abgeleitet, deren Einsatzgrenzen aufgezeigt und in einem GAE-Kosten-Diagramm visualisiert. Um die Anwendbarkeit im industriellen Umfeld im Rahmen der Produktionssystemgestaltung gewährleisten zu können, wurde eine softwaregestützte Implementierung durchgeführt. Diese beinhaltet neben der Grobauslegung, die Berechnung der Verfügbarkeits- sowie GAE-Erwartung und unterstützt einen Aufwand-Nutzen-Vergleich durch die Gegenüberstellung von GAE und prognostizierten Investitionskosten.
Aktualisiert: 2021-07-10
> findR *

Es ist die Länge

Es ist die Länge von Gysin,  Hans
Wir wissen fast alles über einzelne Nervenzellen und die Erkenntnis zur Funktion ganzer Hirnregionen wird täglich größer. Suchen wir aber nach Erklärungen zu den Funktionen von Zellverbänden mit Tausenden bis Millionen von Neuronen, dann herrscht gähnende Leere. Wir wissen es nicht. Besser gesagt, wir wussten es nicht, denn dieses Buch entwickelt und beschreibt die Signalverarbeitung und die Art der Speicherung von Informationen in unserem Gehirn und generell in neuronalen Netzen. Durch die Erklärung der komplexen, eher technischen Vorgänge der Signalverarbeitung mit Blick auf die künstlichen neuronalen Netze, grenzt sich dieses Buch klar von philosophischen Werken zu Bewusstsein, Empfindungen und freiem Willen ab.
Aktualisiert: 2023-03-27
> findR *
MEHR ANZEIGEN

Bücher zum Thema KNN

Sie suchen ein Buch über KNN? Bei Buch findr finden Sie eine große Auswahl Bücher zum Thema KNN. Entdecken Sie neue Bücher oder Klassiker für Sie selbst oder zum Verschenken. Buch findr hat zahlreiche Bücher zum Thema KNN im Sortiment. Nehmen Sie sich Zeit zum Stöbern und finden Sie das passende Buch für Ihr Lesevergnügen. Stöbern Sie durch unser Angebot und finden Sie aus unserer großen Auswahl das Buch, das Ihnen zusagt. Bei Buch findr finden Sie Romane, Ratgeber, wissenschaftliche und populärwissenschaftliche Bücher uvm. Bestellen Sie Ihr Buch zum Thema KNN einfach online und lassen Sie es sich bequem nach Hause schicken. Wir wünschen Ihnen schöne und entspannte Lesemomente mit Ihrem Buch.

KNN - Große Auswahl Bücher bei Buch findr

Bei uns finden Sie Bücher beliebter Autoren, Neuerscheinungen, Bestseller genauso wie alte Schätze. Bücher zum Thema KNN, die Ihre Fantasie anregen und Bücher, die Sie weiterbilden und Ihnen wissenschaftliche Fakten vermitteln. Ganz nach Ihrem Geschmack ist das passende Buch für Sie dabei. Finden Sie eine große Auswahl Bücher verschiedenster Genres, Verlage, Autoren bei Buchfindr:

Sie haben viele Möglichkeiten bei Buch findr die passenden Bücher für Ihr Lesevergnügen zu entdecken. Nutzen Sie unsere Suchfunktionen, um zu stöbern und für Sie interessante Bücher in den unterschiedlichen Genres und Kategorien zu finden. Unter KNN und weitere Themen und Kategorien finden Sie schnell und einfach eine Auflistung thematisch passender Bücher. Probieren Sie es aus, legen Sie jetzt los! Ihrem Lesevergnügen steht nichts im Wege. Nutzen Sie die Vorteile Ihre Bücher online zu kaufen und bekommen Sie die bestellten Bücher schnell und bequem zugestellt. Nehmen Sie sich die Zeit, online die Bücher Ihrer Wahl anzulesen, Buchempfehlungen und Rezensionen zu studieren, Informationen zu Autoren zu lesen. Viel Spaß beim Lesen wünscht Ihnen das Team von Buchfindr.