| Zugriffsnummer | 55801 |
| Dokumenttyp | Konferenzartikel |
| Sprache | Deutsch |
| Titel | Berücksichtigung von Unsicherheiten bei der automatisierten und adaptiven Modellierung von smarten multidimensionalen Messungen mittels Machine Learning |
| Autor(in); Institution |
Huber, Meike; RWTH Aachen University, Aachen, GERMANY
Müller, Tobias; RWTH Aachen University, Aachen, GERMANY
Kästner, Bernd; 7.1, Radiometrie mit Synchrotronstrahlung, PTB-Berlin
Schmitt, Robert; RWTH Aachen University, Aachen, GERMANY
|
| Quelle/Jahr | Messunsicherheit praxisgerecht bestimmen – Prüfprozesse in der industriellen Praxis 2025:(2025), 45 - 57 |
| Schriftenreihe | (VDI-Berichte: 2464) |
| ISBN | 978-3-18-102464-5 |
| DOI | |
| URL | |
| Verlag | Düsseldorf: VDI Wissensforum GmbH |
| Konferenzangaben | 12. VDI-Fachtagung Messunsicherheit und Prüfprozesse 2025, Erfurt, 05, November, 2025, Deutschland |
| Freie Schlagworte | Machine Learning ; Statistical inference ; Laplace approximation ; Bayesian neural networks |
| Zusammenfassung | • Vorstellung des EURAMET-Projekts 24DIT03 (A3SmartML) zur Ressourcen- und Kostenoptimierung hochauflösender, mehrdimensionaler Messungen • Konzept zur Reduzierung langer Mess- und Auswertezeiten durch den Einsatz intelligenter, automatisierter Messstrategien und Machine Learning, welche lokale Unsicherheiten adaptiv berücksichtigen • Kombination von Verfahren des generativen ML mit Methoden des Compressed Sensing und Integration von Ansätzen der Bayes‘schen Statistik und des GUM |
| Themenbereich der Metrologie | Metrologie in der Medizin |
Zitierung
Huber, M., Müller, T., Marschall, M., Kästner, B., & Schmitt, R. (2025). Berücksichtigung von Unsicherheiten bei der automatisierten und adaptiven Modellierung von smarten multidimensionalen Messungen mittels Machine Learning. 12. VDI-Fachtagung Messunsicherheit und Prüfprozesse 2025, Erfurt, 05, November, 2025, Deutschland. https://doi.org/10.51202/9783181024645-45