Publikation zu Transfer Learning im Industriellen Kontext für INDIN'19 akzeptiert.

12.06.2019|10:32 Uhr

Das Paper "Industrial Transfer Learning - Boosting Machine Learning in Production" von H. Tercan, A. Guajardo-Cantu und T. Meisen wurde für die IEEE International Conference on Industrial Informatics 2019 akzeptiert.

Im Bereich der Produktion bietet das maschinelle Lernen, vor allem das Deep Learning, große Potenziale zur Entwicklung innovativer Lösungen zur Optimierung oder Automatisierung. Zentrale Herausforderungen für die Verfahren sind jedoch die geringe Verfügbarkeit von Daten sowie der hohe Trainingsaufwand von Lernmodellen (vor allem künstlichen neuronalen Netzen) bei Änderungen in den Produktionsprozessen. In der Publikation wird aufgezeigt, wie diese Herausforderungen mittels dem sogenannten Transfer Learning gemeistert werden können. Den Kern bildet ein neuer Verfahrensansatz zur kontinuierlichen Weiterbildung von neuronalen Netzen über Prozessvariationen hinweg, sodass die Netze ihr Wissen aus vorherigen Variationen nutzen können, ohne diese zu vergessen. Die Evaluierung in einem realen Anwendungsfall aus der Fertigung zeigt, dass dieser Ansatz sowohl den Lernerfolg der Netze steigert als auch weniger kostbare Daten aus der Fertigung benötigt werden.

Die INDIN'19 Konferenz adressiert die Schnittstellen zwischen Themen der künstlichen Intelligenz und der Produktion und Automatisierung. Weitere Informationen zur Konferenz können hier gefunden werden.