METHOD FOR MODELLING A DYNAMIC SYSTEM BY COMPUTER-AIDED LEARNING OF DATA-BASED MODELS
Die Erfindung betrifft ein Verfahren zur Modellierung eines dynamischen Systems durch rechnergestütztes Lernen von datengetriebenen Modellen (NN1, NN2, ..., NNm), wobei das Verhalten des dynamischen Systems durch Trainingsdaten (TD) charakterisiert ist, welche eine Vielzahl von Datensätzen (DS) enth...
Saved in:
Main Author | |
---|---|
Format | Patent |
Language | English French German |
Published |
23.01.2019
|
Subjects | |
Online Access | Get full text |
Cover
Loading…
Summary: | Die Erfindung betrifft ein Verfahren zur Modellierung eines dynamischen Systems durch rechnergestütztes Lernen von datengetriebenen Modellen (NN1, NN2, ..., NNm), wobei das Verhalten des dynamischen Systems durch Trainingsdaten (TD) charakterisiert ist, welche eine Vielzahl von Datensätzen (DS) enthalten, wobei ein jeweiliger Datensatz (DS) einen Eingangsvektor (X) aus einer Anzahl von Eingangsgrößen (x1, x2, ..., xN) mit zugeordneten Eingangswerten und einen Zielvektor (Y) aus einer Anzahl von Zielgrößen (y1, y2, ..., yN) mit zugeordneten Zielwerten umfasst. Erfindungsgemäß wird mittels einer Iteration eine Mehrzahl von datengetriebenen Modellen (NN1, NN2, ..., NNm) gelernt. Im Rahmen der Iteration werden die datengetriebenen Modelle in einem jeweiligen Iterationsschritt (IS) mit zumindest einem neu hinzugenommenen Datensatz (DS') neu gelernt. Dabei wird ein Prädiktionsfehler (ER) berücksichtigt, der ein Maß für die Abweichung zwischen dem oder den Zielvektoren (Y) des zumindest einen hinzugenommenen Datensatzes (DS') und dem oder den Zielvektoren (Y') ist, welche das jeweilige neu gelernte datengetriebene Modell (NN1', NN2', ..., NNm') basierend auf dem oder den Eingangsvektoren (X) des zumindest einen hinzugenommenen Datensatzes (DS') prädiziert. Bei größeren Prädiktionsfehlern (ER) wird das Neulernen des entsprechenden datengetriebenen Modells wieder verworfen. |
---|---|
Bibliography: | Application Number: EP20170182054 |