Industrielles Transfer-Lernen
4,90 €
Auf Lager
Artikelnummer
03654_2022_08_05
Von der Wissenschaft in die Praxis
Trotz hoher Lösungspotenziale des maschinellen Lernens für gängige Probleme der Automatisierungstechnik finden sich in der Praxis wenig Anwendungsbeispiele. Um der Ursache hierfür auf den Grund zu gehen, zeigen die Autoren anhand von vier beispielhaften Anwendungsfällen die Hürden für konventionelles maschinelles Lernen auf und benennen Lösungsansätze mittels industriellem Transfer-Lernen. Zum großflächigen Einsatz derartiger Ansätze, fehlt es an Voraussetzungen, deren Schaffung jedoch anders als beim konventionellen maschinellen Lernen grundsätzlich möglich ist. Der Artikel schließt mit einer Betrachtung dieser Voraussetzungen und macht Vorschläge, wie sie zu erfüllen sind.
Autoren | Benjamin Maschler, Hannes Vietz, Hasan Tercan, Christian Bitter, Tobias Meisen, Michael Weyrich, |
---|---|
Erscheinungsdatum | 10.08.2022 |
Format | |
Verlag | Vulkan-Verlag GmbH |
Sprache | Deutsch |
Seitenzahl | 9 |
Titel | Industrielles Transfer-Lernen |
Untertitel | Von der Wissenschaft in die Praxis |
Beschreibung | Trotz hoher Lösungspotenziale des maschinellen Lernens für gängige Probleme der Automatisierungstechnik finden sich in der Praxis wenig Anwendungsbeispiele. Um der Ursache hierfür auf den Grund zu gehen, zeigen die Autoren anhand von vier beispielhaften Anwendungsfällen die Hürden für konventionelles maschinelles Lernen auf und benennen Lösungsansätze mittels industriellem Transfer-Lernen. Zum großflächigen Einsatz derartiger Ansätze, fehlt es an Voraussetzungen, deren Schaffung jedoch anders als beim konventionellen maschinellen Lernen grundsätzlich möglich ist. Der Artikel schließt mit einer Betrachtung dieser Voraussetzungen und macht Vorschläge, wie sie zu erfüllen sind. |
Eigene Bewertung schreiben