Bis zu 50 % günstiger als neu 3 Jahre rebuy Garantie Professionelles Refurbishment
ElektronikMedien
Tipps & News
AppleAlle anzeigen
TabletsAlle anzeigen
HandyAlle anzeigen
Fairphone
AppleAlle anzeigen
iPhone Air Generation
GoogleAlle anzeigen
Pixel Fold
HonorAlle anzeigen
NothingAlle anzeigen
OnePlusAlle anzeigen
OnePlus 11 GenerationOnePlus 12 GenerationOnePlus 5 GenerationOnePlus 6 GenerationWeitere Modelle
SamsungAlle anzeigen
Galaxy XcoverWeitere Modelle
SonyAlle anzeigen
Weitere ModelleXperia LXperia MXperia X
XiaomiAlle anzeigen
Weitere Modelle
Tablets & eBook ReaderAlle anzeigen
Google
AppleAlle anzeigen
Zubehör
HuaweiAlle anzeigen
MatePad Pro Serie
XiaomiAlle anzeigen
Kameras & ZubehörAlle anzeigen
Kamera Bundles
ObjektiveAlle anzeigen
ZEISS
System & SpiegelreflexAlle anzeigen
Leica
WearablesAlle anzeigen
SmartwatchesAlle anzeigen
LGMotorolaSonyXiaomi
Konsolen & ZubehörAlle anzeigen
Lenovo Legion GoMSI Claw
NintendoAlle anzeigen
Nintendo Game Boy ClassicNintendo Switch Lite
PlayStationAlle anzeigen
XboxAlle anzeigen
Audio & HiFiAlle anzeigen
Zubehör
iPodAlle anzeigen
Zubehör

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

Der Umwelt zuliebe

Nutzung von Support Vector Machines für Ortung und Navigation in der Luftfahrt

Sven Bollmann (Broschiert, Deutsch)

Keine Bewertungen vorhanden
Optischer Zustand
Beschreibung
In der vorliegenden Arbeit geht es darum, die kognitiven Vorgänge und Lernprozesse beim Fliegen im Hinblick auf die eigene Positionsbestimmung sowie die Schätzung des aktuellen Flugzustandes nachzubilden. Dabei sollen maschinelle Lernverfahren und insbesondere Support Vector Machines (SVMs) zum Einsatz kommen. Kernelement vieler moderner Ortungs- und Navigationsverfahren sind Bayes-Filter. Diese ermöglichen in einem iterativen Zusammenspiel aus Zeit- und Mess\-up\-dates die kontinuierliche Schätzung von Position und Flugzustand für ein Luftfahrzeug. Notwendige Voraussetzung dafür sind mathematisch ausgefeilte Modelle, die sowohl die Interpretation von Sensordaten als auch die Fortschreibung (Propagation) des aktuellen Flugzustands in der Zeit beschreiben. Einem menschlichen Piloten gelingt diese Aufgabe in der Regel auch ohne die explizite Kenntnis der dafür notwendigen flugmechanischen und mathematischen Grundlagen. Er kann diese durch die Vielzahl seiner bisher gemachten Beobachtungen und Erfahrungen ersetzen. Das biologisch motivierte und modellfreie Erlernen von Zusammenhängen in Bezug auf die Interpretation von sensorischen Wahrnehmungen und die Fähigkeit zur Propagation des aktuellen Flugzustands soll in dieser Arbeit durch Support Vector Machines nachgeahmt werden. Diese sind klassischen Neuronalen Netzen wie z. B. dem Multilayer-Perceptron besonders bei Klassifikations- und Regressionsproblemen wegen ihrer sehr guten Fähigkeit zu generalisieren oft überlegen. Neben dem Entwurf einer zur Einbindung von Support Vector Machines geeigneten Filterarchitektur behandelt diese Arbeit die SVM-basierte Korrektur der Sensorrohdaten von Einzel- und Multisensorsystemen, ein SVM-System zur Propagation des Zustandsvektors sowie verschiedene Verfahren zur Gewinnung von Trainingsdaten. Zum Abschluss der Arbeit wird ein Ortungsverfahren skizziert, welches zu jedem Zeit- und Messupdate im Bayesschen Filterprozess die entsprechenden Wahrscheinlichkeitsdichtefunktionen ermittelt und dabei nur auf Grundrechenarten basiert.
Dieses Produkt haben wir gerade leider nicht auf Lager.
ab 41,99 €
Derzeit nicht verfügbar
Derzeit nicht verfügbar

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

Der Umwelt zuliebe

Technische Daten


Erscheinungsdatum
01.01.2022
Sprache
Deutsch
EAN
9783947623532
Herausgeber
Technische Uni Braunschweig NFL
Serien- oder Bandtitel
NFL-Forschungsberichte
Sonderedition
Nein
Autor
Sven Bollmann
Seitenanzahl
66
Auflage
1
Einbandart
Broschiert

Warnhinweise und Sicherheitsinformationen

Informationen nach EU Data Act

-.-
Leider noch keine Bewertungen
Leider noch keine Bewertungen
Schreib die erste Bewertung für dieses Produkt!
Wenn du eine Bewertung für dieses Produkt schreibst, hilfst du allen Kund:innen, die noch überlegen, ob sie das Produkt kaufen wollen. Vielen Dank, dass du mitmachst!