Fraunhofer-Gesellschaft

Publica

Hier finden Sie wissenschaftliche Publikationen aus den Fraunhofer-Instituten.

Vergleich subjektiver und automatisierter Merkmalsextraktion sowie Einsatz maschineller Lernalgorithmen zur mikromagnetischen Materialcharakterisierung

 
: Youssef, Sargon; Zimmer, Cyril; Szielasko, Klaus; Suri, Zeeshan Khan; Schütze, Andreas

:

VDI/VDE-Gesellschaft Meß- und Automatisierungstechnik -GMA-, Düsseldorf; Informationstechnische Gesellschaft -ITG-:
20. GMA/ITG-Fachtagung Sensoren und Messsysteme 2019 : 25. und 26. Juni 2019, Nürnberg
Wunstorf: AMA Service, 2019
ISBN: 978-3-9819376-0-2
pp.347-354
Fachtagung Sensoren und Messsysteme <20, 2019, Nürnberg>
German
Conference Paper
Fraunhofer IZFP ()
zerstörungsfreie Prüfung; elektromagnetische Prüfverfahren; Materialcharakterisierung; maschinelles Lernen; Regression; 3MA-X8 Prüftechnik

Abstract
Im Rahmen dieses Beitrags wurde untersucht, mit welchen Möglichkeiten die datenbasierte Vorhersagequalität verbessert werden kann. Neben der Optimierung des Merkmalsraums wurde die multiple lineare Regression (ML-R) mit weiteren Regressionsalgorithmen (Support Vector Regression, Multilayer Perceptron Regression) verglichen. Diese Regressoren bieten aufgrund ihrer Mächtigkeit und Flexibilität, Nichtlinearitäten in den Daten abzubilden, enormes Potenzial zur Erstellung komplexer Modelle. Beide besitzen jedoch „Stellschrauben“ (sog. Hyperparameter) die signifikant zur Vorhersagequalität beitragen und aufgrund der Vielzahl möglicher Kombinationen kann das Finden einer (quasi-) optimalen Lösung sehr aufwendig sein. Zur Verdeutlichung dieses Aufwandes wurden im Experiment alle Hyperparameter bis auf einen je Regressor vorgegeben. Dieser diente als Stellgröße und sollte aufzeigen, welcher Aufwand schon bei der Variation einzelner Hyperparametern zum Finden eines (quasi-) optimalen Modells erforderlich sind.

: http://publica.fraunhofer.de/documents/N-555857.html