Andere Kunden interessierten sich auch für
![Methodischer Ansatz zur Optimierung von Energieladestrategien für elektrisch angetriebene Fahrzeuge]( "Methodischer Ansatz zur Optimierung von Energieladestrategien für elektrisch angetriebene Fahrzeuge")
Methodischer Ansatz zur Optimierung von Energieladestrategien für elektrisch angetriebene Fahrzeuge49,99 €![Schwingkomfortbewertung in Straßenbahnen mittels Maschinellen Lernens]( "Schwingkomfortbewertung in Straßenbahnen mittels Maschinellen Lernens")
Schwingkomfortbewertung in Straßenbahnen mittels Maschinellen Lernens49,00 €![Methode zur Abschätzung der Ergebnisqualität von modularen Gesamtfahrzeugsimulationsmodellen]( "Methode zur Abschätzung der Ergebnisqualität von modularen Gesamtfahrzeugsimulationsmodellen")
Methode zur Abschätzung der Ergebnisqualität von modularen Gesamtfahrzeugsimulationsmodellen64,99 €![Simulative Untersuchung zur Effizienzsteigerung des Nutzfahrzeugantriebs mittels eines auf Rankine-Prozess basierenden Restwärmenutzungssystems]( "Simulative Untersuchung zur Effizienzsteigerung des Nutzfahrzeugantriebs mittels eines auf Rankine-Prozess basierenden Restwärmenutzungssystems")
Simulative Untersuchung zur Effizienzsteigerung des Nutzfahrzeugantriebs mittels eines auf Rankine-Prozess basierenden Restwärmenutzungssystems84,99 €![Ein selbstlernender Optimierungsalgorithmus zur virtuellen Steuergeräteapplikation]( "Ein selbstlernender Optimierungsalgorithmus zur virtuellen Steuergeräteapplikation")
Ein selbstlernender Optimierungsalgorithmus zur virtuellen Steuergeräteapplikation84,99 €![Modellfreies Lernen optimaler zeitdiskreter Regelungsstrategien für Fertigungsprozesse mit endlichem Zeithorizont]( "Modellfreies Lernen optimaler zeitdiskreter Regelungsstrategien für Fertigungsprozesse mit endlichem Zeithorizont")
Modellfreies Lernen optimaler zeitdiskreter Regelungsstrategien für Fertigungsprozesse mit endlichem Zeithorizont43,00 €![Enhanced Machine Learning and Data Mining Methods for Analysing Large Hybrid Electric Vehicle Fleets based on Load Spectrum Data]( "Enhanced Machine Learning and Data Mining Methods for Analysing Large Hybrid Electric Vehicle Fleets based on Load Spectrum Data")
Enhanced Machine Learning and Data Mining Methods for Analysing Large Hybrid Electric Vehicle Fleets based on Load Spectrum Data55,99 €
André Ebel wertet Flottendaten eines batterieelektrischen Fahrzeuges hinsichtlich Fehlerbedingungen aus und generiert daraus unter Verwendung einer Gesamtfahrzeugsimulationsumgebung repräsentative Prüfzyklen zur zeitlichen Rekonstruktion der Fehlerbedingungen. Anhand der Flottendatenauswertung mit Methoden des Maschinellen Lernens identifiziert der Autor das schädigende Nutzungsverhalten fehlerhafter Fahrzeuge. Zur Generierung von kundennahen Prüfzyklen setzt er das tiefe Q-Lernen ein, ein Verfahren des bestärkenden Lernens. Die Kombination der Flottendatenauswertung mit der Prüfzyklengenerierung trägt zur zielgerichteten und realitätsnahen Erprobung von Antriebssträngen bei.