Vorrichtung und Verfahren zum Steuern eines physikalischen Systems
Verfahren zum Steuern eines physikalisches Systems aufweisend:Trainieren eines neuronalen Netzwerks, für eine Vielzahl von von dem physikalischen System durchgeführten Aufgaben jeweils in Reaktion auf die Eingabe einer Steuerungskonfiguration des physikalischen Systems und die Eingabe eines Werts ei...
Gespeichert in:
Hauptverfasser: | , , , , , |
---|---|
Format: | Patent |
Sprache: | ger |
Schlagworte: | |
Online-Zugang: | Volltext bestellen |
Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
Zusammenfassung: | Verfahren zum Steuern eines physikalisches Systems aufweisend:Trainieren eines neuronalen Netzwerks, für eine Vielzahl von von dem physikalischen System durchgeführten Aufgaben jeweils in Reaktion auf die Eingabe einer Steuerungskonfiguration des physikalischen Systems und die Eingabe eines Werts eines Aufgaben-Eingangsparameters ein Resultat der durchgeführten Aufgabe auszugeben;wobei das Trainieren das Ermitteln von Gewichten des neuronalen Netzwerks und,für jede der durchgeführten Aufgaben, des Werts des Aufgaben-Eingangsparameters, aufweist;Ermitteln einer Steuerungskonfiguration für eine weitere Aufgabe mittels Bayesscher Optimierung, wobei sukzessive Auswertungen von Steuerungskonfigurationen durchgeführt werden, wobei bei jeder Auswertung das Resultat der Durchführung der weiteren Aufgabe für eine jeweilige Steuerungskonfiguration ermittelt wird;wobei das neuronale Netzwerk, parametrisiert durch den gemäß einer Wahrscheinlichkeitsverteilung verteilten Aufgaben-Eingangsparameter, als Modell für den Zusammenhangs zwischen Steuerungskonfiguration und Resultat verwendet wird, und unter Verwendung der Auswertungen sukzessive aktualisiert wird, indem die Wahrscheinlichkeitsverteilung des Aufgaben-Eingangsparameters auf die Auswertungen konditioniert wird; undSteuern des physikalischen Systems gemäß der Steuerungskonfiguration zur Durchführung der weiteren Aufgabe.
A method for controlling a physical system. The method includes training a neural network to output, for a plurality of tasks, a result of the task carried out, in each case in response to the input of a control configuration of the physical system and the input of a value of a task input parameter; ascertaining a control configuration for a further task with the aid of Bayesian optimization, the neural network, parameterized by the task input parameter, being used as a model for the relationship between control configuration and result; and controlling the physical system according to the control configuration to carry out the further task. |
---|