Holdings: Beiträge zur Qualitätssicherung von Produktionsprozessen durch maschinelles Lernen

Beiträge zur Qualitätssicherung von Produktionsprozessen durch maschinelles Lernen: interpretierbare Klassifikatoren zur Fusion von Informationen aus Bilddaten verschiedener Blickwinkel und Generierung bedingter Bildpaare

Saved in:

Bibliographic Details
Main Author:	Tilgner, Stephan 1987- (Author)
Format:	Thesis Book
Language:	German
Published:	Düren Shaker Verlag 2023
Series:	Berichte aus der Informationstechnik
Subjects:	Produktionsprozess Bilddatenbank Maschinelles Lernen Qualitätssicherung Künstliche Neuronale Netzwerke maschinelles Lernen interpretierbare Klassifikatoren Generierung bedingter Bildpaare Fusionsnetzwerke Multi-View Fusion Neural Network Grad-CAM Adversarial Autoencoder Convolutional Neural Network Hochschulschrift
Online Access:	Inhaltsverzeichnis Inhaltsverzeichnis
Item Description:	Literaturverzeichnis Seite 191-202
Physical Description:	xx, 206 Seiten Illustrationen, Diagramme 24 cm x 17 cm, 391 g
ISBN:	9783844089240 3844089241

Staff View

MARC


LEADER	00000nam a22000008c 4500
001	BV048840800
003	DE-604
005	20230329
007	t
008	230302s2023 gw a\|\|\| m\|\|\| 00\|\|\| ger d
015			\|a 23,N01 \|2 dnb
016	7		\|a 1276871368 \|2 DE-101
020			\|a 9783844089240 \|c Broschur : EUR 49.80 (DE), EUR 49.80 (AT), CHF 62.30 (freier Preis) \|9 978-3-8440-8924-0
020			\|a 3844089241 \|9 3-8440-8924-1
024	3		\|a 9783844089240
035			\|a (OCoLC)1374569579
035			\|a (DE-599)DNB1276871368
040			\|a DE-604 \|b ger \|e rda
041	0		\|a ger
044			\|a gw \|c XA-DE-NW
049			\|a DE-706
084			\|8 1\p \|a 004 \|2 23sdnb
100	1		\|a Tilgner, Stephan \|d 1987- \|e Verfasser \|0 (DE-588)1284636518 \|4 aut
245	1	0	\|a Beiträge zur Qualitätssicherung von Produktionsprozessen durch maschinelles Lernen \|b interpretierbare Klassifikatoren zur Fusion von Informationen aus Bilddaten verschiedener Blickwinkel und Generierung bedingter Bildpaare \|c Stephan Tilgner
264		1	\|a Düren \|b Shaker Verlag \|c 2023
300			\|a xx, 206 Seiten \|b Illustrationen, Diagramme \|c 24 cm x 17 cm, 391 g
336			\|b txt \|2 rdacontent
337			\|b n \|2 rdamedia
338			\|b nc \|2 rdacarrier
490	0		\|a Berichte aus der Informationstechnik
500			\|a Literaturverzeichnis Seite 191-202
502			\|b Dissertation \|c Bergische Universität Wuppertal \|d 2022
650	0	7	\|a Produktionsprozess \|0 (DE-588)4123984-2 \|2 gnd \|9 rswk-swf
650	0	7	\|a Bilddatenbank \|0 (DE-588)4693788-2 \|2 gnd \|9 rswk-swf
650	0	7	\|a Maschinelles Lernen \|0 (DE-588)4193754-5 \|2 gnd \|9 rswk-swf
650	0	7	\|a Qualitätssicherung \|0 (DE-588)4126457-5 \|2 gnd \|9 rswk-swf
653			\|a Künstliche Neuronale Netzwerke
653			\|a Qualitätssicherung
653			\|a maschinelles Lernen
653			\|a interpretierbare Klassifikatoren
653			\|a Generierung bedingter Bildpaare
653			\|a Fusionsnetzwerke
653			\|a Multi-View Fusion Neural Network
653			\|a Grad-CAM
653			\|a Adversarial Autoencoder
653			\|a Convolutional Neural Network
655		7	\|0 (DE-588)4113937-9 \|a Hochschulschrift \|2 gnd-content
689	0	0	\|a Produktionsprozess \|0 (DE-588)4123984-2 \|D s
689	0	1	\|a Qualitätssicherung \|0 (DE-588)4126457-5 \|D s
689	0	2	\|a Maschinelles Lernen \|0 (DE-588)4193754-5 \|D s
689	0	3	\|a Bilddatenbank \|0 (DE-588)4693788-2 \|D s
689	0		\|5 DE-604
710	2		\|a Shaker Verlag \|0 (DE-588)1064118135 \|4 pbl
856	4	2	\|m B:DE-101 \|q application/pdf \|u https://d-nb.info/1276871368/04 \|3 Inhaltsverzeichnis
856	4	2	\|m DNB Datenaustausch \|q application/pdf \|u http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=034106229&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA \|3 Inhaltsverzeichnis
999			\|a oai:aleph.bib-bvb.de:BVB01-034106229
883	1		\|8 1\p \|a vlb \|d 20221230 \|q DE-101 \|u https://d-nb.info/provenance/plan#vlb

Record in the Search Index

_version_	1804184951427432448
adam_text	INHALTSVERZEICHNIS ABKUERZUNGSVERZEICHNIS XI FORMELZEICHEN XIII ABBILDUNGSVERZEICHNIS XV TABELLENVERZEICHNIS XVII 1 EINLEITUNG 1 1.1 ZIELSETZUNG ....................................................................................... 2 1.2 AUFBAU DER ARBEIT .......................................................................... 4 2 GRUNDLAGEN 7 2.1 KUENSTLICHE NEURONALE NETZWERKE .................................................... 7 2.1.1 ERLERNBARE SCHICHTEN ................................................................. 10 2.1.2 2-D POOLING ................................................................................ 13 2.1.3 AKTIVIERUNGSFUNKTIONEN ............................................................. 15 2.1.4 FEHLERFUNKTIONEN ....................................................................... 16 2.1.5 OPTIMIERUNG DER MODELLE .......................................................... 19 2.2 ANGELERNTE BILDGENERIERENDE VERFAHREN ............................................ 22 2.2.1 GENERATIVE ADVERSARIAL NETWORKS ........................................... 22 2.2.2 ADVERSARIAL AUTOENCODER ............. .......................................... 24 3 DATENGENERIERUNG UND ENTWICKLUNG VON ALGORITHMEN ZUR VOR VERARBEITUNG VON PERSPEKTIVISCH VERZERRTEN BILDDATEN 27 3.1 VERSUCHSTRAEGER UND MESSMETHODIK ...................................................... 28 VII VIII INHALTSVERZEICHNIS 3.1.1 EINGESETZTE BILDSENSORIK .......................................................... 28 3.1.2 VERSUCHSAUFBAU .......................................................................... 29 3.1.3 MESSMETHODIK ............................................................................. 31 3.2 ENTWICKLUNG VON ALGORITHMEN ZUR VORVERARBEITUNG VON PERSPEKTIVISCH VERZERRTEN BILDDATEN ................................................... 36 3.2.1 KALIBRIERUNG DES BILDSENSORS .................................................... 37 3.2.2 BESTIMMUNG DES RELEVANTEN BILDBEREICHS .............................. 37 3.2.3 BERECHNUNG EINER KUENSTLICHEN BILDPERSPEKTIVE .................... 43 3.2.4 DETEKTION DER EINZELNEN KAVITAETEN .......................................... 45 3.3 ZUSAMMENFASSUNG UND AUSBLICK .......................................................... 50 4 INNOVATIVE VERFAHREN ZUR INDUSTRIELLEN QUALITAETSSICHERUNG MITHILFE VON FALTENDEN NEURONALEN NETZWERKEN 53 4.1 DATENBASIS ................................................................................................ 54 4.2 FALTENDE NEURONALE NETZWERKFAMILIE ALS KLASSIFIKATOREN ............. 60 4.3 EVALUIERUNG DER KLASSIFIKATOREN .......................................................... 64 4.3.1 TRAININGS UND EVALUATIONSMETHODIK .................................... 64 4.3.2 STRUKTUR DER ERGEBNISTABELLEN DER EVALUIERUNG .................... 67 4.3.3 ZWEIKLASSENKLASSIFIKATIONSPROBLEM .......................................... 68 4.3.4 DREIKLASSENKLASSIFIKATIONSPROBLEM .......................................... 69 4.3.4.1 ZUM RASPBERRY PI KORRESPONDIERENDE NETZWERKE 69 4.3.4.2 ZUR SPIEGELREFLEXKAMERA ENTSPRECHENDE MODELLE 72 4.4 UNTERSUCHUNG VON MODELLEN MIT MONOCHROMEN BILDEINGABEDATEN 75 4.4.1 ZUM RASPBERRY PI KORRESPONDIERENDE NETZWERKE ............. 75 4.4.2 ZUR SPIEGELREFLEXKAMERA ENTSPRECHENDE MODELLE ............. 77 4.5 BLINDSPOT-PROBLEMATIK ......................................................................... 78 4.6 ZUSAMMENFASSUNG UND BEWERTUNG ...................................................... 81 5 ENTWICKLUNG EINER NEUARTIGEN METHODE ZUR KLASSIFIKATION VON BILDPAAREN MITTELS FUSION INNERHALB FALTENDER NEURONALER NETZWERKE UND VERGLEICH MIT ANDEREN FUSIONSSTRATEGIEN 85 5.1 VERBESSERTER VERSUCHSAUFBAU MIT ZWEI KAMERAS ............................... 87 5.2 DATENBASIS ................................................................................................ 90 5.3 REFERENZMODELLE ....................................................................................... 94 5.4 NEUARTIGE FUSION VERSCHIEDENER MERKMALSEBENEN DES CNNS ... 99 INHALTSVERZEICHNIS IX 5.4.1 EVALUIERUNG ............................................................................. 103 5.5 FUSION MITTELS EXPERTENWISSEN .......................................................... 105 5.5.1 EVALUIERUNG ............................................................................. 109 5.6 FUSION MITHILFE DES SATZES VON BAYES ...................... 110 5.6.1 EVALUIERUNG ............................................................................. 112 5.7 KONKATENATION DER EINGANGSBILDER ALS NAIVE FUSIONSSTRATEGIE . .113 5.7.1 EVALUIERUNG ............................................................................. 115 5.8 SPAETE FUSION MITTELS FUSIONSNETZWERK ............................................. 116 5.8.1 EVALUIERUNG ............................................................................. 119 5.9 VERGLEICH DER FUENF UNTERSUCHTEN FUSIONSSTRATEGIEN ....................... 121 5.10 ZUSAMMENFASSUNG UND BEWERTUNG .................................................... 123 6 UNTERSUCHUNG VON KOSTENGUENSTIGEN EINGEBETTETEN SYSTEMEN ZUR IMPLEMENTIERUNG VON FUSIONSNETZWERKEN 125 6.1 PERFORMANZ VON AUF DESKTOP-SYSTEMEN IMPLEMENTIERTEN FUSIONSNETZWERKEN ALS REFERENZ ..................................................... 126 6.2 PERFORMANZ EINGEBETTETER SYSTEME IM KONTEXT VON FUSIONSNETZWERKEN ............................................................................. 128 6.3 ZUSAMMENFASSUNG UND BEWERTUNG ................................................... 130 7 INNOVATIVE METHODEN ZUR ANALYSE VON ANGELERNTEN FUSIONSNETZWERKEN 133 7.1 ADAPTION VON GRAD-CAM AN DIE VORGESTELLTEN FUSIONSNETZWERKE 138 7.2 NEUARTIGE QUANTIFIZIERUNG DES EINFLUSSES DER EINGANGSBILDER VON FUSIONSNETZWERKEN ............................................................................. 141 7.3 BEISPIELE ................................................................................................ 145 7.3.1 INNENSCHALE VERKIPPT .............................................................. 145 7.3.2 KORREKT BELEGTE KAVITAET ........................................................ 149 7.3.3 MITTLERE SCHALE FEHLT .............................................................. 151 7.4 ZUSAMMENFASSUNG UND BEWERTUNG ..................................................... 151 8 NEUARTIGE BEDINGTE GENERIERUNG VON BILDPAAREN MITTELS ADVERSARIAL AUTOENCODERS 155 8.1 ENCODER-MODELL .................................................................................... 156 8.2 DISKRIMINATOR-MODELL ........................................................................... 158 X INHALTSVERZEICHNIS 8.3 DECODER BZW. GENERATOR-MODELL ...................................................... 159 8.3.1 FRUEHE INTEGRATION ..................................................................... 159 8.3.2 KONKATENATION DER KANAELE ..................................................... 161 8.3.3 BEDINGTE INSTANZ-NORMALISIERUNG ......................................... 164 8.4 EVALUIERUNG DER DREI VERSCHIEDENEN INTEGRATIONSMETHODEN . . . .166 8.4.1 FRECHET INCEPTION DISTANCE ALS QUALITAETSMASS ZUR BEWERTUNG SYNTHETISCH ERZEUGTER BILDPAARE ........................ 168 8.4.2 TRAININGSMETHODIK ................................................................. 170 8.4.3 ERGEBNISSE ................................................................................. 172 8.5 UNTERSUCHUNG SYNTHETISCH ERZEUGTER BILDPAARE ALS ZUSAETZLICHE TRAININGSDATEN FUER FUSIONSNETZWERKE .............................................. 182 8.6 ZUSAMMENFASSUNG UND BEWERTUNG ................................................... 184 9 ZUSAMMENFASSUNG UND AUSBLICK 187 LITERATURVERZEICHNIS 191 A ANHANG 203 A.L VERSCHIEDENE DEFINITIONEN DER KREUZKORRELATIONSFUNKTION .... 203 A.2 KONFUSIONSMATRIZEN DER REFERENZMODELLE BZGL. DER VALIDIERUNGSDATEN ................................................................................. 204 A.3 QUANTIFIZIERUNG DES EINFLUSSES FUER MVFNNS MIT MEHR ALS ZWEI EINGABEN 205 A.4 BILDPAARE AUS DEM TRAININGSDATENSATZ .......................................... 206
adam_txt	INHALTSVERZEICHNIS ABKUERZUNGSVERZEICHNIS XI FORMELZEICHEN XIII ABBILDUNGSVERZEICHNIS XV TABELLENVERZEICHNIS XVII 1 EINLEITUNG 1 1.1 ZIELSETZUNG . 2 1.2 AUFBAU DER ARBEIT . 4 2 GRUNDLAGEN 7 2.1 KUENSTLICHE NEURONALE NETZWERKE . 7 2.1.1 ERLERNBARE SCHICHTEN . 10 2.1.2 2-D POOLING . 13 2.1.3 AKTIVIERUNGSFUNKTIONEN . 15 2.1.4 FEHLERFUNKTIONEN . 16 2.1.5 OPTIMIERUNG DER MODELLE . 19 2.2 ANGELERNTE BILDGENERIERENDE VERFAHREN . 22 2.2.1 GENERATIVE ADVERSARIAL NETWORKS . 22 2.2.2 ADVERSARIAL AUTOENCODER . ' . 24 3 DATENGENERIERUNG UND ENTWICKLUNG VON ALGORITHMEN ZUR VOR VERARBEITUNG VON PERSPEKTIVISCH VERZERRTEN BILDDATEN 27 3.1 VERSUCHSTRAEGER UND MESSMETHODIK . 28 VII VIII INHALTSVERZEICHNIS 3.1.1 EINGESETZTE BILDSENSORIK . 28 3.1.2 VERSUCHSAUFBAU . 29 3.1.3 MESSMETHODIK . 31 3.2 ENTWICKLUNG VON ALGORITHMEN ZUR VORVERARBEITUNG VON PERSPEKTIVISCH VERZERRTEN BILDDATEN . 36 3.2.1 KALIBRIERUNG DES BILDSENSORS . 37 3.2.2 BESTIMMUNG DES RELEVANTEN BILDBEREICHS . 37 3.2.3 BERECHNUNG EINER KUENSTLICHEN BILDPERSPEKTIVE . 43 3.2.4 DETEKTION DER EINZELNEN KAVITAETEN . 45 3.3 ZUSAMMENFASSUNG UND AUSBLICK . 50 4 INNOVATIVE VERFAHREN ZUR INDUSTRIELLEN QUALITAETSSICHERUNG MITHILFE VON FALTENDEN NEURONALEN NETZWERKEN 53 4.1 DATENBASIS . 54 4.2 FALTENDE NEURONALE NETZWERKFAMILIE ALS KLASSIFIKATOREN . 60 4.3 EVALUIERUNG DER KLASSIFIKATOREN . 64 4.3.1 TRAININGS UND EVALUATIONSMETHODIK . 64 4.3.2 STRUKTUR DER ERGEBNISTABELLEN DER EVALUIERUNG . 67 4.3.3 ZWEIKLASSENKLASSIFIKATIONSPROBLEM . 68 4.3.4 DREIKLASSENKLASSIFIKATIONSPROBLEM . 69 4.3.4.1 ZUM RASPBERRY PI KORRESPONDIERENDE NETZWERKE 69 4.3.4.2 ZUR SPIEGELREFLEXKAMERA ENTSPRECHENDE MODELLE 72 4.4 UNTERSUCHUNG VON MODELLEN MIT MONOCHROMEN BILDEINGABEDATEN 75 4.4.1 ZUM RASPBERRY PI KORRESPONDIERENDE NETZWERKE . 75 4.4.2 ZUR SPIEGELREFLEXKAMERA ENTSPRECHENDE MODELLE . 77 4.5 BLINDSPOT-PROBLEMATIK . 78 4.6 ZUSAMMENFASSUNG UND BEWERTUNG . 81 5 ENTWICKLUNG EINER NEUARTIGEN METHODE ZUR KLASSIFIKATION VON BILDPAAREN MITTELS FUSION INNERHALB FALTENDER NEURONALER NETZWERKE UND VERGLEICH MIT ANDEREN FUSIONSSTRATEGIEN 85 5.1 VERBESSERTER VERSUCHSAUFBAU MIT ZWEI KAMERAS . 87 5.2 DATENBASIS . 90 5.3 REFERENZMODELLE . 94 5.4 NEUARTIGE FUSION VERSCHIEDENER MERKMALSEBENEN DES CNNS . 99 INHALTSVERZEICHNIS IX 5.4.1 EVALUIERUNG . 103 5.5 FUSION MITTELS EXPERTENWISSEN . 105 5.5.1 EVALUIERUNG . 109 5.6 FUSION MITHILFE DES SATZES VON BAYES . 110 5.6.1 EVALUIERUNG . 112 5.7 KONKATENATION DER EINGANGSBILDER ALS NAIVE FUSIONSSTRATEGIE . .113 5.7.1 EVALUIERUNG . 115 5.8 SPAETE FUSION MITTELS FUSIONSNETZWERK . 116 5.8.1 EVALUIERUNG . 119 5.9 VERGLEICH DER FUENF UNTERSUCHTEN FUSIONSSTRATEGIEN . 121 5.10 ZUSAMMENFASSUNG UND BEWERTUNG . 123 6 UNTERSUCHUNG VON KOSTENGUENSTIGEN EINGEBETTETEN SYSTEMEN ZUR IMPLEMENTIERUNG VON FUSIONSNETZWERKEN 125 6.1 PERFORMANZ VON AUF DESKTOP-SYSTEMEN IMPLEMENTIERTEN FUSIONSNETZWERKEN ALS REFERENZ . 126 6.2 PERFORMANZ EINGEBETTETER SYSTEME IM KONTEXT VON FUSIONSNETZWERKEN . 128 6.3 ZUSAMMENFASSUNG UND BEWERTUNG . 130 7 INNOVATIVE METHODEN ZUR ANALYSE VON ANGELERNTEN FUSIONSNETZWERKEN 133 7.1 ADAPTION VON GRAD-CAM AN DIE VORGESTELLTEN FUSIONSNETZWERKE 138 7.2 NEUARTIGE QUANTIFIZIERUNG DES EINFLUSSES DER EINGANGSBILDER VON FUSIONSNETZWERKEN . 141 7.3 BEISPIELE . 145 7.3.1 INNENSCHALE VERKIPPT . 145 7.3.2 KORREKT BELEGTE KAVITAET . 149 7.3.3 MITTLERE SCHALE FEHLT . 151 7.4 ZUSAMMENFASSUNG UND BEWERTUNG . 151 8 NEUARTIGE BEDINGTE GENERIERUNG VON BILDPAAREN MITTELS ADVERSARIAL AUTOENCODERS 155 8.1 ENCODER-MODELL . 156 8.2 DISKRIMINATOR-MODELL . 158 X INHALTSVERZEICHNIS 8.3 DECODER BZW. GENERATOR-MODELL . 159 8.3.1 FRUEHE INTEGRATION . 159 8.3.2 KONKATENATION DER KANAELE . 161 8.3.3 BEDINGTE INSTANZ-NORMALISIERUNG . 164 8.4 EVALUIERUNG DER DREI VERSCHIEDENEN INTEGRATIONSMETHODEN . . . .166 8.4.1 FRECHET INCEPTION DISTANCE ALS QUALITAETSMASS ZUR BEWERTUNG SYNTHETISCH ERZEUGTER BILDPAARE . 168 8.4.2 TRAININGSMETHODIK . 170 8.4.3 ERGEBNISSE . 172 8.5 UNTERSUCHUNG SYNTHETISCH ERZEUGTER BILDPAARE ALS ZUSAETZLICHE TRAININGSDATEN FUER FUSIONSNETZWERKE . 182 8.6 ZUSAMMENFASSUNG UND BEWERTUNG . 184 9 ZUSAMMENFASSUNG UND AUSBLICK 187 LITERATURVERZEICHNIS 191 A ANHANG 203 A.L VERSCHIEDENE DEFINITIONEN DER KREUZKORRELATIONSFUNKTION . 203 A.2 KONFUSIONSMATRIZEN DER REFERENZMODELLE BZGL. DER VALIDIERUNGSDATEN . 204 A.3 QUANTIFIZIERUNG DES EINFLUSSES FUER MVFNNS MIT MEHR ALS ZWEI EINGABEN 205 A.4 BILDPAARE AUS DEM TRAININGSDATENSATZ . 206
any_adam_object	1
any_adam_object_boolean	1
author	Tilgner, Stephan 1987-
author_GND	(DE-588)1284636518
author_facet	Tilgner, Stephan 1987-
author_role	aut
author_sort	Tilgner, Stephan 1987-
author_variant	s t st
building	Verbundindex
bvnumber	BV048840800
ctrlnum	(OCoLC)1374569579 (DE-599)DNB1276871368
format	Thesis Book
fullrecord	<?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>02874nam a22006498c 4500</leader><controlfield tag="001">BV048840800</controlfield><controlfield tag="003">DE-604</controlfield><controlfield tag="005">20230329 </controlfield><controlfield tag="007">t</controlfield><controlfield tag="008">230302s2023 gw a\|\|\| m\|\|\| 00\|\|\| ger d</controlfield><datafield tag="015" ind1=" " ind2=" "><subfield code="a">23,N01</subfield><subfield code="2">dnb</subfield></datafield><datafield tag="016" ind1="7" ind2=" "><subfield code="a">1276871368</subfield><subfield code="2">DE-101</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">9783844089240</subfield><subfield code="c">Broschur : EUR 49.80 (DE), EUR 49.80 (AT), CHF 62.30 (freier Preis)</subfield><subfield code="9">978-3-8440-8924-0</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">3844089241</subfield><subfield code="9">3-8440-8924-1</subfield></datafield><datafield tag="024" ind1="3" ind2=" "><subfield code="a">9783844089240</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(OCoLC)1374569579</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)DNB1276871368</subfield></datafield><datafield tag="040" ind1=" " ind2=" "><subfield code="a">DE-604</subfield><subfield code="b">ger</subfield><subfield code="e">rda</subfield></datafield><datafield tag="041" ind1="0" ind2=" "><subfield code="a">ger</subfield></datafield><datafield tag="044" ind1=" " ind2=" "><subfield code="a">gw</subfield><subfield code="c">XA-DE-NW</subfield></datafield><datafield tag="049" ind1=" " ind2=" "><subfield code="a">DE-706</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="8">1\p</subfield><subfield code="a">004</subfield><subfield code="2">23sdnb</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Tilgner, Stephan</subfield><subfield code="d">1987-</subfield><subfield code="e">Verfasser</subfield><subfield code="0">(DE-588)1284636518</subfield><subfield code="4">aut</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Beiträge zur Qualitätssicherung von Produktionsprozessen durch maschinelles Lernen</subfield><subfield code="b">interpretierbare Klassifikatoren zur Fusion von Informationen aus Bilddaten verschiedener Blickwinkel und Generierung bedingter Bildpaare</subfield><subfield code="c">Stephan Tilgner</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">Düren</subfield><subfield code="b">Shaker Verlag</subfield><subfield code="c">2023</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">xx, 206 Seiten</subfield><subfield code="b">Illustrationen, Diagramme</subfield><subfield code="c">24 cm x 17 cm, 391 g</subfield></datafield><datafield tag="336" ind1=" " ind2=" "><subfield code="b">txt</subfield><subfield code="2">rdacontent</subfield></datafield><datafield tag="337" ind1=" " ind2=" "><subfield code="b">n</subfield><subfield code="2">rdamedia</subfield></datafield><datafield tag="338" ind1=" " ind2=" "><subfield code="b">nc</subfield><subfield code="2">rdacarrier</subfield></datafield><datafield tag="490" ind1="0" ind2=" "><subfield code="a">Berichte aus der Informationstechnik</subfield></datafield><datafield tag="500" ind1=" " ind2=" "><subfield code="a">Literaturverzeichnis Seite 191-202</subfield></datafield><datafield tag="502" ind1=" " ind2=" "><subfield code="b">Dissertation</subfield><subfield code="c">Bergische Universität Wuppertal</subfield><subfield code="d">2022</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Produktionsprozess</subfield><subfield code="0">(DE-588)4123984-2</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Bilddatenbank</subfield><subfield code="0">(DE-588)4693788-2</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Maschinelles Lernen</subfield><subfield code="0">(DE-588)4193754-5</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Qualitätssicherung</subfield><subfield code="0">(DE-588)4126457-5</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Künstliche Neuronale Netzwerke</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Qualitätssicherung</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">maschinelles Lernen</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">interpretierbare Klassifikatoren</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Generierung bedingter Bildpaare</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Fusionsnetzwerke</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Multi-View Fusion Neural Network</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Grad-CAM</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Adversarial Autoencoder</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Convolutional Neural Network</subfield></datafield><datafield tag="655" ind1=" " ind2="7"><subfield code="0">(DE-588)4113937-9</subfield><subfield code="a">Hochschulschrift</subfield><subfield code="2">gnd-content</subfield></datafield><datafield tag="689" ind1="0" ind2="0"><subfield code="a">Produktionsprozess</subfield><subfield code="0">(DE-588)4123984-2</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="1"><subfield code="a">Qualitätssicherung</subfield><subfield code="0">(DE-588)4126457-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="2"><subfield code="a">Maschinelles Lernen</subfield><subfield code="0">(DE-588)4193754-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="3"><subfield code="a">Bilddatenbank</subfield><subfield code="0">(DE-588)4693788-2</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="710" ind1="2" ind2=" "><subfield code="a">Shaker Verlag</subfield><subfield code="0">(DE-588)1064118135</subfield><subfield code="4">pbl</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="m">B:DE-101</subfield><subfield code="q">application/pdf</subfield><subfield code="u">https://d-nb.info/1276871368/04</subfield><subfield code="3">Inhaltsverzeichnis</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="m">DNB Datenaustausch</subfield><subfield code="q">application/pdf</subfield><subfield code="u">http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=034106229&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA</subfield><subfield code="3">Inhaltsverzeichnis</subfield></datafield><datafield tag="999" ind1=" " ind2=" "><subfield code="a">oai:aleph.bib-bvb.de:BVB01-034106229</subfield></datafield><datafield tag="883" ind1="1" ind2=" "><subfield code="8">1\p</subfield><subfield code="a">vlb</subfield><subfield code="d">20221230</subfield><subfield code="q">DE-101</subfield><subfield code="u">https://d-nb.info/provenance/plan#vlb</subfield></datafield></record></collection>
genre	(DE-588)4113937-9 Hochschulschrift gnd-content
genre_facet	Hochschulschrift
id	DE-604.BV048840800
illustrated	Illustrated
index_date	2024-07-03T21:37:44Z
indexdate	2024-07-10T09:47:30Z
institution	BVB
institution_GND	(DE-588)1064118135
isbn	9783844089240 3844089241
language	German
oai_aleph_id	oai:aleph.bib-bvb.de:BVB01-034106229
oclc_num	1374569579
open_access_boolean
owner	DE-706
owner_facet	DE-706
physical	xx, 206 Seiten Illustrationen, Diagramme 24 cm x 17 cm, 391 g
publishDate	2023
publishDateSearch	2023
publishDateSort	2023
publisher	Shaker Verlag
record_format	marc
series2	Berichte aus der Informationstechnik
spelling	Tilgner, Stephan 1987- Verfasser (DE-588)1284636518 aut Beiträge zur Qualitätssicherung von Produktionsprozessen durch maschinelles Lernen interpretierbare Klassifikatoren zur Fusion von Informationen aus Bilddaten verschiedener Blickwinkel und Generierung bedingter Bildpaare Stephan Tilgner Düren Shaker Verlag 2023 xx, 206 Seiten Illustrationen, Diagramme 24 cm x 17 cm, 391 g txt rdacontent n rdamedia nc rdacarrier Berichte aus der Informationstechnik Literaturverzeichnis Seite 191-202 Dissertation Bergische Universität Wuppertal 2022 Produktionsprozess (DE-588)4123984-2 gnd rswk-swf Bilddatenbank (DE-588)4693788-2 gnd rswk-swf Maschinelles Lernen (DE-588)4193754-5 gnd rswk-swf Qualitätssicherung (DE-588)4126457-5 gnd rswk-swf Künstliche Neuronale Netzwerke Qualitätssicherung maschinelles Lernen interpretierbare Klassifikatoren Generierung bedingter Bildpaare Fusionsnetzwerke Multi-View Fusion Neural Network Grad-CAM Adversarial Autoencoder Convolutional Neural Network (DE-588)4113937-9 Hochschulschrift gnd-content Produktionsprozess (DE-588)4123984-2 s Qualitätssicherung (DE-588)4126457-5 s Maschinelles Lernen (DE-588)4193754-5 s Bilddatenbank (DE-588)4693788-2 s DE-604 Shaker Verlag (DE-588)1064118135 pbl B:DE-101 application/pdf https://d-nb.info/1276871368/04 Inhaltsverzeichnis DNB Datenaustausch application/pdf http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=034106229&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA Inhaltsverzeichnis 1\p vlb 20221230 DE-101 https://d-nb.info/provenance/plan#vlb
spellingShingle	Tilgner, Stephan 1987- Beiträge zur Qualitätssicherung von Produktionsprozessen durch maschinelles Lernen interpretierbare Klassifikatoren zur Fusion von Informationen aus Bilddaten verschiedener Blickwinkel und Generierung bedingter Bildpaare Produktionsprozess (DE-588)4123984-2 gnd Bilddatenbank (DE-588)4693788-2 gnd Maschinelles Lernen (DE-588)4193754-5 gnd Qualitätssicherung (DE-588)4126457-5 gnd
subject_GND	(DE-588)4123984-2 (DE-588)4693788-2 (DE-588)4193754-5 (DE-588)4126457-5 (DE-588)4113937-9
title	Beiträge zur Qualitätssicherung von Produktionsprozessen durch maschinelles Lernen interpretierbare Klassifikatoren zur Fusion von Informationen aus Bilddaten verschiedener Blickwinkel und Generierung bedingter Bildpaare
title_auth	Beiträge zur Qualitätssicherung von Produktionsprozessen durch maschinelles Lernen interpretierbare Klassifikatoren zur Fusion von Informationen aus Bilddaten verschiedener Blickwinkel und Generierung bedingter Bildpaare
title_exact_search	Beiträge zur Qualitätssicherung von Produktionsprozessen durch maschinelles Lernen interpretierbare Klassifikatoren zur Fusion von Informationen aus Bilddaten verschiedener Blickwinkel und Generierung bedingter Bildpaare
title_exact_search_txtP	Beiträge zur Qualitätssicherung von Produktionsprozessen durch maschinelles Lernen interpretierbare Klassifikatoren zur Fusion von Informationen aus Bilddaten verschiedener Blickwinkel und Generierung bedingter Bildpaare
title_full	Beiträge zur Qualitätssicherung von Produktionsprozessen durch maschinelles Lernen interpretierbare Klassifikatoren zur Fusion von Informationen aus Bilddaten verschiedener Blickwinkel und Generierung bedingter Bildpaare Stephan Tilgner
title_fullStr	Beiträge zur Qualitätssicherung von Produktionsprozessen durch maschinelles Lernen interpretierbare Klassifikatoren zur Fusion von Informationen aus Bilddaten verschiedener Blickwinkel und Generierung bedingter Bildpaare Stephan Tilgner
title_full_unstemmed	Beiträge zur Qualitätssicherung von Produktionsprozessen durch maschinelles Lernen interpretierbare Klassifikatoren zur Fusion von Informationen aus Bilddaten verschiedener Blickwinkel und Generierung bedingter Bildpaare Stephan Tilgner
title_short	Beiträge zur Qualitätssicherung von Produktionsprozessen durch maschinelles Lernen
title_sort	beitrage zur qualitatssicherung von produktionsprozessen durch maschinelles lernen interpretierbare klassifikatoren zur fusion von informationen aus bilddaten verschiedener blickwinkel und generierung bedingter bildpaare
title_sub	interpretierbare Klassifikatoren zur Fusion von Informationen aus Bilddaten verschiedener Blickwinkel und Generierung bedingter Bildpaare
topic	Produktionsprozess (DE-588)4123984-2 gnd Bilddatenbank (DE-588)4693788-2 gnd Maschinelles Lernen (DE-588)4193754-5 gnd Qualitätssicherung (DE-588)4126457-5 gnd
topic_facet	Produktionsprozess Bilddatenbank Maschinelles Lernen Qualitätssicherung Hochschulschrift
url	https://d-nb.info/1276871368/04 http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=034106229&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA
work_keys_str_mv	AT tilgnerstephan beitragezurqualitatssicherungvonproduktionsprozessendurchmaschinelleslerneninterpretierbareklassifikatorenzurfusionvoninformationenausbilddatenverschiedenerblickwinkelundgenerierungbedingterbildpaare AT shakerverlag beitragezurqualitatssicherungvonproduktionsprozessendurchmaschinelleslerneninterpretierbareklassifikatorenzurfusionvoninformationenausbilddatenverschiedenerblickwinkelundgenerierungbedingterbildpaare

Holdings

There is no print copy available.

Interlibrary loan Place Request Caution: Not in THWS collection! Indexes
Indexes

MARC

Record in the Search Index

There is no print copy available.

Similar Items