Home | english  | Impressum | Sitemap | KIT

Vergleich unterschiedlicher Datenfusionsalgorithmen im Kontext Simulation

Vergleich unterschiedlicher Datenfusionsalgorithmen im Kontext Simulation
Forschungsthema:Multi-Model Datenfusion
Typ:BA, MA
Datum:Immer
Betreuer:

Christoph Bergs

Im Kontext der Multi-Model Datenfusion sollen physikalische Modelle, Messungen sowie datengetriebene Modelle der Klassen linear / nicht-linear, stationär / dynamisch sowie zeitdiskret miteinander fusioniert werden. Dabei sollen verschiedene parametrische Datenfusionsalgortihmen miteinander verglichen werden, z.B. zur Fusion von FEM-Modellen, analytischen Modellen sowie Messungen. Zu parametrischen Datenfusionsmethoden zählen merkmalsbasierte Methoden (z.b. Gewichtetes Mittelwertfilter), probabilistische Methoden (Bayes'sche Fusion, Dempster-Shafer Theorie), Fuzzy-Methoden sowie künstliche Neuronale Netze. Im Rahmen dieser Arbeit soll mindestens eine Machine-Learning-Methodik mit einer klassischen Methodik anhand unterschiedlicher Problemklassen verglichen werden. Diese Methoden sollen so formalisiert werden, dass sie durch einen Optimierungsalgorithmus automatisch miteinander verglichen werden können.