Industrielle Anwendungen der Niederfeld‐NMR‐Spektroskopie für die Prozess‐ und Qualitätskontrolle von Silanen

2020 ◽  
Vol 92 (9) ◽  
pp. 1248-1248
Author(s):  
M. Abele ◽  
S. Falkenstein ◽  
Y. Friedrich ◽  
K. Meyer ◽  
S. Kern ◽  
...  
Keyword(s):  
Industrielle Anwendungen

Kompaktwickelprozess zur Herstellung verteilter Wicklungen

2021 ◽  
Vol 116 (3) ◽  
pp. 124-127
Author(s):  
Maximilian Halwas ◽  
Felix Wirth ◽  
Jürgen Fleischer
Keyword(s):  
Industrielle Anwendungen

AbstractDie Weiterentwicklung von Runddraht-Wickelverfahren zur Performancesteigerung elektrischer Antriebe stellt einen wichtigen Forschungsgegenstand am wbk Institut für Produktionstechnik des KIT dar. Im Rahmen bisheriger Arbeiten wurde in diesem Zusammenhang der neuartige Prozess des Kompaktwickelns entwickelt. Im vorliegenden Beitrag werden dieser definiert, eine erste prototypische Umsetzung des Kompaktwickelns vorgestellt sowie mögliche industrielle Anwendungen und Zukunftsperspektiven skizziert.*)

Industrielle Anwendungen der Virtual Reality — Beispiele, Erfahrungen, Probleme und Zukunftsperspektiven

1994 ◽  
pp. 259-280
Author(s):  
Peter Astheimer ◽  
Wolfgang Felger ◽  
Martin Göbel ◽  
Stefan Müller ◽  
Rolf Ziegler
Keyword(s):  
Virtual Reality ◽  
Industrielle Anwendungen

Grundlagen für industrielle Anwendungen

2020 ◽  
pp. 343-405
Author(s):  
Patrick-Benjamin Bök ◽  
Andreas Noack ◽  
Marcel Müller ◽  
Daniel Behnke
Keyword(s):  
Industrielle Anwendungen

Methode zur Evaluierung der Versorgungssicherheit von autarken Sensorknoten für industrielle Anwendungen

2020 ◽  
pp. 971-982
Author(s):  
L. B. Hörmann ◽  
C. Kastl ◽  
T. Hölzl ◽  
P. Priller ◽  
A. Springer
Keyword(s):  
Industrielle Anwendungen

Ein evolutionärer Ansatz für aufgabenspezifische MobileNet-Topologien

2019 ◽  
Vol 86 (7-8) ◽  
pp. 413-421
Author(s):  
Norbert Mitschke ◽  
Michael Heizmann ◽  
Klaus-Henning Noffz
Keyword(s):  
Maschinelles Lernen ◽  
Neuronale Netze ◽  
Industrielle Anwendungen

ZusammenfassungInfolge sinkender Hardwarepreise und der zunehmenden Automatisierung wird maschinelles Lernen für industrielle Anwendungen wie klassische Sichtprüfungsaufgaben immer interessanter. In diesem Artikel wird ein metaheuristischer Ansatz für die Suche nach einer allgemeinen MobileNet-Topologie nach Howard et al. [7] vorgestellt, der auf differentieller Evolution beruht. Dieser ist in der Lage, anhand eines gegebenen Datensatzes und ohne zusätzliches Vorwissen einen geeigneten Klassifikator zu entwerfen. Gleichzeitig wird durch die Wahl einer geeigneten Fitnessfunktion der Ressourcenbedarf der Inferenz begrenzt. Für typische industrielle Datensätze können neuronale Netze mit Genauigkeiten von über 99\hspace{0.1667em}\% gefunden werden, während die Rechendauer dafür relativ kurz bleibt.

Sign in / Sign up

Export Citation Format

Share Document