Navigationsweiche Anfang

Navigationsweiche Ende

Sprache wählen

Lehrstuhl für Technologien und Management der Digitalen Transformation


Herr Univ.-Prof. Dr.-Ing. Tobias Meisen

Industrial Deep Learning

Wir erforschen die Entwicklung und Erprobung von Verfahren des Deep Learning für den Einsatz in industriellen Prozessen und Dienstleistungen. Einerseits hat unsere Forschung zum Ziel, Deep Learning als Befähiger neuer Dienstleistungen wie Predictive Quality und Predictive Maintenance zu etablieren. Andererseits erforschen wir Reinforcement Learning Verfahren zum Training intelligenter, selbstlernender Agenten zur Lösung von Planungsaufgaben. Zentrale Untersuchungsgegenstände sind hierbei die Formalisierung realer Anwendungsfälle als Lernprobleme und ihre Lösung unter Berücksichtigung industrieller Bewertungskriterien wie Zuverlässigkeit, Robustheit und Genauigkeit. Darüber hinaus setzen wir uns mit der Frage auseinander, wie dateneffiziente und nachhaltige Deep Learning Modelle für den Einsatz in der produzierenden Industrie entwickelt werden können. Unsere Schwerpunkte umfassen hier insbesondere die Überbrückung des Reality Gaps von Simulationen mittels Verfahren des Transfer Learning sowie das kontinuierliche Training von Deep Learning Modellen über Prozess- und Systemveränderungen hinweg.  

Schwerpunkte

  • Deep Reinforcement Learning
  • Supervised Learning und Anomaliedetektion
  • Sim2Real Transfer Learning
  • Continual Learning

Anwendungsfelder

  • Predictive Quality und Predictive Maintenance
  • Planung und Steuerung von Industrierobotern
  • Intelligente Auslegung von Produktionssystemen
  • Nutzungsauswertung digitalisierter Produkte und Services

Ansprechpartner

Hasan Tercan, M.Sc.

Ausgewählte relevante Publikationen

Referenzen
Hasan Tercan; Philipp Deibert; Tobias Meisen
Continual learning of neural networks for quality prediction in production using memory aware synapses and weight transfer
Journal of Intelligent Manufacturing,
2021
ISSN: 0956-5515

Schlüsselwörter: research-industrial-deep-learning

Yannik Steiniger; Jannis Stoppe; Dieter Kraus; Tobias Meisen
Erzeugung von synthetischen Seitensichtsonar-Bildern mittels Generative Adversarial Networks
Hydrographische Nachrichten, (119):30--34
2021
ISSN: 1866-9204

Schlüsselwörter: research-industrial-deep-learning

Christian Scheiderer; Nik Dorndorf; Tobias Meisen
Effects of Domain Randomization on Simulation-to-Reality Transfer of Reinforcement Learning Policies for Industrial Robots
Arabnia, Hamid R. and Ferens, Ken and de La Fuente, David and Kozerenko, Elena B. and Olivas Varela, José Angel and Tinetti, Fernando G., Autoren, Advances in Artificial Intelligence and Applied Cognitive Computing aus Springer eBook Collection
Seite 157--169.
Herausgeber: Springer International Publishing and Imprint Springer, Cham
2021
ISBN: 978-3-030-70295-3

Schlüsselwörter: research-industrial-deep-learning

Hasan Tercan; Christian Bitter; Todd Bodnar; Philipp Meisen; Tobias Meisen
Evaluating a Session-based Recommender System using Prod2vec in a Commercial Application
Proceedings of the 23rd International Conference on Enterprise Information Systems , Seite 610--617.
Herausgeber: SCITEPRESS - Science and Technology Publications,
2021
ISBN: 978-989-758-509-8

Schlüsselwörter: research-industrial-deep-learning

Robert F. Maack; Hasan Tercan; Alexia F. Solvay; Maximilian Mieth; Tobias Meisen
Fault Detection in Railway Switches using Deformable Convolutional Neural Networks
2021 IEEE 19th International Conference on Industrial Informatics (INDIN) , Seite 1--6.
Herausgeber: IEEE,
2021
ISBN: 978-1-7281-4395-8

Schlüsselwörter: research-industrial-deep-learning

Seite:  
Zurück | 1, 2, 3, 4, 5 | Weiter
Total:
25
Export als:
BibTeX, XML