PT Unknown
AU Benedens, T
TI Vergleich von Hyperparameter-Optimierungsmethoden anhand eines neuronalen Wank- und Nickwinkelschätzers
PD 12
PY 2020
DI 10.17185/duepublico/73637
LA de
DE Hyperparameteroptimierung; neuronale Netze; maschinelles Lernen; genetische Algorithmen; Bayesian Optimization; Zufallssuche; Hyperband; Wank- und Nickwinkelschätzung; hyperparameter optimization; neural networks; machine learning; genetic algorithm; Random Search; roll and pitch angle estimation
AB Im Rahmen dieser Bachelorarbeit werden verschiedene Hyperparameteroptimierungsmethoden anhand eines neuronalen Wank- und Nickwinkelschätzers sowohl hinsichtlich ihrer besten observierten Lösung als auch bezüglich ihrer zur Optimierung benötigten Zeit miteinander verglichen. Bei den verwendeten Optimierungsmethoden handelt es sich um die Zufallssuche, einen genetischen Algorithmus, die Sequential Model-based Bayesian Optimization und den Hyperband-Algorithmus. Die Durchführung der einzelnen Hyperparameteroptimierungsmethoden erfolgt in Python auf mit IPG-CarMaker generierten Trainings- und Validierungsdatensätzen. Um die Generalisierungsfähigkeit des neuronalen Netzes im Anschluss zu überprüfen, wird ein zusätzlicher Testdatensatz herangezogen.
ER