Menü
Startseite » Stud. Arbeiten » Automatisierte Hyperparameteroptimierung von Neuronalen Netzen zur Lastprognose in der ETA-Fabrik

Automatisierte Hyperparameteroptimierung von Neuronalen Netzen zur Lastprognose in der ETA-Fabrik

Aufgabenstellung

Machine Learning wird in der Forschung in verschiedenen Gebieten bereits für Prognosen verwendet. Besonders neuronale Netze stehen hierbei im Fokus. Bei der Auswahl einer Netzstruktur muss ein Anwender aktuell meist verschiedene Strukturen testen und anschießend durch eine geeignete Validierung die passendste Struktur auswählen. Im Rahmen einer Abschlussarbeit soll der Prozess zur Verwendung von Neuronalen Netzen für die Lastprognose industrieller Anlagen automatisiert umgesetzt werden, um den Implementierungsaufwand zur verringern. Anschließend ist der Ansatz über verschiedenste Anlagen in der ETA-Fabrik zu validieren.

Schwerpunkte

Das Arbeitspaket umfasst folgende Punkte:

  • Literaturrecherche zu Neuronalen Netzen im Allgemeinen und zur Prognose sowie zur Hyperparameteroptimierung von Neuronalen Netzen
  • Implementierung von Lastprognosemodell mittels Neuronalen Netzen
  • Identifikation der einzustellenden Netzwerkparameter
  • Auswahl eines Algorithmus zur automatisierten Auswahl der Netzwerkparameter anhand geeigneter Kriterien
  • Implementierung und Validierung des Algorithmus anhand von Messdaten der ETA-Fabrik

Notwendige Vorkenntnisse

Überblick

Kontakt

Teile diese Ausschreibung

Share on facebook
Share on twitter
Share on linkedin
Share on pinterest
Share on print
Share on email