Zusammenfassung
Die hohe Leistungsfähigkeit moderner Computer ermöglicht den Einsatz rechenintensiver Anwendungen, sodass Künstliche Neuronale Netze für vielfältige Forschungsfragen und zunehmend auch in industriellen Anwendungen genutzt werden. Zu diesen Anwendungen gehören Aufgabenstellungen wie Mustererkennung und Klassifizierung, die etwa in der Medizin eingesetzt werden können [1]. Eine weitere Anwendung ist die Simulation von dynamischen Systemen, für die ein Künstliches Neuronales Netz auf der Basis von Referenzdaten während eines Trainingsprozesses eine Eingangs-Ausgangsbeziehung lernt.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
D. Cireşan, A. Giusti, L. Gambardella und J. Schmidhuber, “Mitosis Detection in Breast Cancer Histology Images,” in Medical Image Computing and Computer-Assisted Intervention – MICCAI 2013, Nagoya, Japan, 2013.
Y. Wang, “A New Concept using LSTM Neural Networks for Dynamic System,” in American Control Conference (ACC), Seattle, 2017.
I. Goodfellow, Y. Bengio und A. Courville, Deep Learning, Cambridge, Massachusetts: MIT Press, 2016.
S. Hochreiter und J. Schmidhuber, “Long Short-Term Memory,” Neural Computation, Bd. 9, Nr. 8, pp. 1735–1780, 1997.
A. Geròn, Hands-On Machine Learning with Skicit-Learn & TensorFlow, Beijing, Boston, Farnham, Sebastopol, Tokyo: O’Reilly Media, Inc., 2017.
S. Hochreiter, Y. Bengio, P. Frasconi und J. Schmidhuber, “Gradient Flow in Recurrent Nets: the Difficulty of Learning Long-Term Dependencies,” IEEE Press, 2001.
A. Zomotor, Fahrwerktechnik: Fahrverhalten, Würzburg: Vogel Verlag, 1991.
M. Mitschke und H. Wallentowitz, Dynamik der Kraftfahrzeuge, Wiesbaden: Springer Vieweg, 2014.
E. Schindler, Fahrdynamik, Renningen: expert verlag, 2007.
Deutsches Institut für Normung e. V., Testverfahren für Querdynamisches Übertragungsverhalten (DIN ISO 7401:1989), Berlin, 1989.
International Organization for Standardization, Passenger Cars – Steady-state circular driving behaviour – Open-loop test methods (ISO 4138:2012), Genf, 2012.
Deutsches Institut für Normung e. V., Straßenfahrzeuge – Fahrzeugdynamik und Fahrverhalten – Begriffe (ISO 8855:2011), Berlin, 2013.
C. M. Bishop, Pattern Recognition and Machine Learning, New York: Springer Science+Business Media, 2006.
Author information
Authors and Affiliations
Corresponding authors
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2020 Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Harnack, N., Blume, S., Reicherts, S., Sieberg, P.M., Schramm, D. (2020). Simulation der Gesamtfahrzeugdynamik durch KNN mittels LSTM-Zellen. In: Proff, H. (eds) Neue Dimensionen der Mobilität. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-29746-6_55
Download citation
DOI: https://doi.org/10.1007/978-3-658-29746-6_55
Published:
Publisher Name: Springer Gabler, Wiesbaden
Print ISBN: 978-3-658-29745-9
Online ISBN: 978-3-658-29746-6
eBook Packages: Business and Economics (German Language)