Industrielles Transfer-Lernen

Von der Wissenschaft in die Praxis

Autor/innen

  • Hannes Vietz
  • Benjamin Maschler Universität Stuttgart
  • Hasan Tercan Universität Stuttgart
  • Christian Bitter Universität Stuttgart
  • Tobias Meisen Bergische Universität Wuppertal
  • Michael Weyrich Universität Stuttgart

DOI:

https://doi.org/10.17560/atp.v63i9.2588

Schlagworte:

Transfer-Lernen, Kontinuierliches Lernen, Industrielle Anwendung

Abstract

Trotz hoher Lösungspotenziale des maschinellen Lernens für gängige Probleme der Automatisierungstechnik finden sich in der Praxis wenig Anwendungsbeispiele. Um der Ursache hierfür auf den Grund zu gehen, zeigen die Autoren anhand von vier beispielhaften Anwendungsfällen die Hürden für konventionelles maschinelles Lernen auf und benennen Lösungsansätze mittels industriellem Transfer-Lernen. Zum großflächigen Einsatz derartiger Ansätze, fehlt es an Voraussetzungen, deren Schaffung
jedoch anders als beim konventionellen maschinellen Lernen grundsätzlich möglich ist. Der Artikel schließt mit einer Betrachtung dieser Voraussetzungen und macht Vorschläge, wie sie zu erfüllen sind.

Downloads

Veröffentlicht

12.08.2022

Ausgabe

Rubrik

Hauptbeitrag / Peer-Review

Am häufigsten gelesenen Artikel dieser/dieses Autor/in

1 2 > >>