English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Dieser Artikel beschreibt einen neuen iterativen Partitionierungsalgorithmus für lokale Neuro-Fuzzy-Modelle. Der Algorithmus zielt darauf ab, datenbasierte Modelle aus dünnbesetzten Eingangsräumen, wie sie im Automotive-Bereich häufig auftreten, zu generieren. Der Gültigkeitsbereich jedes lokalen Neuro-Fuzzy-Modells wird dabei unter Anwendung statistischer Kriterien und Regularisierung an die vorhandenen Daten angepasst. Ausdehnung und Orientierung jedes lokalen Modells orientieren sich auch derart an den vorhandenen Trainingsdaten, dass die Bestimmung der Regressionsparameter ein gut konditioniertes Problem darstellt. Die Regularisierung des Modells kann durch den Benutzer mittels eines Parameters gut konditioniert werden.

at - automatisierungstechnik

Optimierte Neuro-Fuzzy-Modelle für Auslegungsprozesse und Simulation im Automotive-Bereich (Improved Neuro-Fuzzy Models for Design Processes and Simulation in Automotive Applications)