Applied Machine-Learning and Simulation

Motivation

Für viele Probleme wie Bilderkennung, Prädiktion oder Klassifizierung ist es schwierig, explizite Lösungs-algorithmen anzugeben. Die Methoden des Maschinellen -Lernens (ML) erlauben es, Computern das Lösen solcher Probleme anhand von Beispielen beizubringen. Durch die rasant steigende Verfügbarkeit von Rechenleistung (z.B. Cloud, GPU-Computing) ist es heute möglich, auch reale Anwendungsprobleme auf diese Weise zu lösen. Beispielhafte Anwendungen, für die die Gruppe mit KI Lösungen generiert sind:

  • Multi-Level-Simulation
  • Lernende Modellprädiktive Regelung zur Klimatisierung von batterieelektrischen Fahrzeugen
  • Vorausschauendes Finanzprognosesystem
  • Hochwasserfrühwarnsystem
  • Autonome Recycling-Anlage

 

Ansatz

In unserer Research Group nutzen wir ML- und datenbasierte-Verfahren zur Entwicklung von beispiel- basierten Assistenzsystemen und ML-basierten Reglungssystemen. Vieler dieser Verfahren fordern jedoch eine Vielzahl von Strukturparametern (z.B. Anzahl Layer in Neuronalen Netzen). Deshalb suchen wir nach Verfahren, die auf diese Parameter verzichten, oder nach Engineering-Methoden, die es den Anwendern ermöglichen, diese Parameter zu bestimmen.

RG_KI_new.png

Ansprechpartner:  Stefan Wittek
                                   Peter Engel

Weitere Informationen