Advertisement

Parameterjustierung mit Induktiven Lernverfahren

  • Rainer Barton
  • Helena Szczerbicka
Part of the Fortschritte in der Simulationstechnik book series (XFS)

Abstrakt

Die Parameterjustierung eines Modells ist die Suche nach der Belegung der Parameter eines Modells, die eine Abweichung zwischen dem System verhalten und der Modellausgabe minimieren. Im folgenden Beitrag stellen wir ein Vorgehen zur Parameterjustierung eines Black-Box Modells unter Anwendung von Verfahren des Maschinellen Lernens vor. Der Vorteil des Vorgehens liegt in der kostensparenden Wiederverwendung von Informationen vorangegangener Auswertungen des Modells.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. [1]
    Lawrence Davis (editor), Genetic Algorithms and Simulated Annealing Morgan Kauf- mann Publishers 1987zbMATHGoogle Scholar
  2. [2]
    Horst R., Tuy H Global Optimization, Deterministic Approaches, Springer Verlag, 1990 zbMATHGoogle Scholar
  3. [3]
    J. R. Quinlan, C4–5: Programms for Machine Learning, Morgan Kaufmann Publishers, 1993Google Scholar
  4. [4]
    Quinlan J.R., Induction of Decision Trees Machine Learning 1 (1986), Kluwer Academic Publisher, Boston, pp. 81–106Google Scholar
  5. [5]
    Salzberg S., A Nearest Hyperrectangle Learning MethodMachine Learning, 6 (1991), Kluwer Academic Publisher, Boston, pp. 251–276Google Scholar

Copyright information

© Springer Fachmedien Wiesbaden 1996

Authors and Affiliations

  • Rainer Barton
    • 1
  • Helena Szczerbicka
    • 2
  1. 1.Deutsche Forschungsanstalt für Luft und Raumfahrt (DLR)Institut für FlugmechanikBraunschweigDeutschland
  2. 2.Fachbereich 3 — InformatikUniversität BremenBremenDeutschland

Personalised recommendations