Verfügbarkeit: Sphärische Detektorflächen als Unterstützung der Produktentwicklung zur Datenanalyse im Rahmen des Digital Engineering

Sphärische Detektorflächen als Unterstützung der Produktentwicklung zur Datenanalyse im Rahmen des Digital Engineering:

Gespeichert in:

Bibliographische Detailangaben
Beteilige Person:	Sprügel, Tobias (VerfasserIn)
Format:	Hochschulschrift/Dissertation Buch
Sprache:	Deutsch
Veröffentlicht:	Erlangen FAU University Press 2021
Schriftenreihe:	FAU Studien aus dem Maschinenbau Band 379
Schlagwörter:	Maschinelles Lernen Dreidimensionales CAD Finite-Elemente-Methode Detektor Virtuelle Produktentwicklung Produktentwicklung Convolutional Neural Network Datenanalyse Neuronales Netz Produktionstechnik Kugel Ingenieurwissenschaften Maschinenbau Hochschulschrift
Links:	https://open.fau.de/handle/openfau/18136 https://doi.org/10.25593/978-3-96147-476-9 https://nbn-resolving.org/urn:nbn:de:bvb:29-opus4-181360 https://d-nb.info/1250500893/34 http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=033187833&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA
Umfang:	xiii, 213 Seiten Illustrationen, Diagramme
ISBN:	9783961474752 3961474753 9783961474769
DOI:	10.25593/978-3-96147-476-9

Internformat

MARC


LEADER	00000nam a22000008cb4500
001	BV047804164
003	DE-604
005	20230918
007	t\|
008	220128s2021 gw a\|\|\| m\|\|\| 00\|\|\| ger d
015			\|a 22,N04 \|2 dnb
016	7		\|a 1250100224 \|2 DE-101
020			\|a 9783961474752 \|c Broschur: EUR 36.50 (DE), EUR 37.60 (AT) \|9 978-3-96147-475-2
020			\|a 3961474753 \|9 3-96147-475-3
020			\|a 9783961474769 \|c OnlineAusgabe \|9 978-3-96147-476-9
024	3		\|a 9783961474752
035			\|a (OCoLC)1298746150
035			\|a (DE-599)DNB1250100224
040			\|a DE-604 \|b ger \|e rda
041	0		\|a ger
044			\|a gw \|c XA-DE-BY
049			\|a DE-29 \|a DE-12 \|a DE-29T \|a DE-91 \|a DE-573n
084			\|a MAS 031 \|2 stub
084			\|8 1\p \|a 620 \|2 23sdnb
084			\|a TEC 630 \|2 stub
100	1		\|a Sprügel, Tobias \|0 (DE-588)1250502268 \|4 aut
245	1	0	\|a Sphärische Detektorflächen als Unterstützung der Produktentwicklung zur Datenanalyse im Rahmen des Digital Engineering \|c Tobias Sprügel
246	1	3	\|a Spherical detector surfaces as a support for product development during data analysis in the digital engineering context
264		1	\|a Erlangen \|b FAU University Press \|c 2021
300			\|a xiii, 213 Seiten \|b Illustrationen, Diagramme
336			\|b txt \|2 rdacontent
337			\|b n \|2 rdamedia
338			\|b nc \|2 rdacarrier
490	1		\|a FAU Studien aus dem Maschinenbau \|v Band 379
502			\|b Dissertation \|c Friedrich-Alexander-Universität Erlangen-Nürnberg \|d 2021
650	0	7	\|a Maschinelles Lernen \|0 (DE-588)4193754-5 \|2 gnd \|9 rswk-swf
650	0	7	\|a Dreidimensionales CAD \|0 (DE-588)4227659-7 \|2 gnd \|9 rswk-swf
650	0	7	\|a Finite-Elemente-Methode \|0 (DE-588)4017233-8 \|2 gnd \|9 rswk-swf
650	0	7	\|a Detektor \|0 (DE-588)4123055-3 \|2 gnd \|9 rswk-swf
650	0	7	\|a Virtuelle Produktentwicklung \|0 (DE-588)7632675-5 \|2 gnd \|9 rswk-swf
650	0	7	\|a Produktentwicklung \|0 (DE-588)4139402-1 \|2 gnd \|9 rswk-swf
650	0	7	\|a Convolutional Neural Network \|0 (DE-588)1209706350 \|2 gnd \|9 rswk-swf
650	0	7	\|a Datenanalyse \|0 (DE-588)4123037-1 \|2 gnd \|9 rswk-swf
650	0	7	\|a Neuronales Netz \|0 (DE-588)4226127-2 \|2 gnd \|9 rswk-swf
650	0	7	\|a Produktionstechnik \|0 (DE-588)1072438291 \|2 gnd \|9 rswk-swf
650	0	7	\|a Kugel \|0 (DE-588)4165914-4 \|2 gnd \|9 rswk-swf
653			\|a Produktionstechnik
653			\|a Ingenieurwissenschaften
653			\|a Maschinenbau
655		7	\|0 (DE-588)4113937-9 \|a Hochschulschrift \|2 gnd-content
689	0	0	\|a Neuronales Netz \|0 (DE-588)4226127-2 \|D s
689	0	1	\|a Maschinelles Lernen \|0 (DE-588)4193754-5 \|D s
689	0	2	\|a Produktentwicklung \|0 (DE-588)4139402-1 \|D s
689	0	3	\|a Finite-Elemente-Methode \|0 (DE-588)4017233-8 \|D s
689	0	4	\|a Datenanalyse \|0 (DE-588)4123037-1 \|D s
689	0	5	\|a Convolutional Neural Network \|0 (DE-588)1209706350 \|D s
689	0	6	\|a Produktionstechnik \|0 (DE-588)1072438291 \|D s
689	0		\|5 DE-604
689	1	0	\|a Virtuelle Produktentwicklung \|0 (DE-588)7632675-5 \|D s
689	1	1	\|a Detektor \|0 (DE-588)4123055-3 \|D s
689	1	2	\|a Kugel \|0 (DE-588)4165914-4 \|D s
689	1	3	\|a Datenanalyse \|0 (DE-588)4123037-1 \|D s
689	1	4	\|a Maschinelles Lernen \|0 (DE-588)4193754-5 \|D s
689	1	5	\|a Dreidimensionales CAD \|0 (DE-588)4227659-7 \|D s
689	1	6	\|a Finite-Elemente-Methode \|0 (DE-588)4017233-8 \|D s
689	1		\|5 DE-604
710	2		\|a FAU University Press ein Imprint der Universität Erlangen-Nürnberg \|b Universitätsbibliothek \|0 (DE-588)1068111240 \|4 pbl
776	0	8	\|i Erscheint auch als \|n Online-Ausgabe \|o 10.25593/978-3-96147-476-9 \|o urn:nbn:de:bvb:29-opus4-181360
830		0	\|a FAU Studien aus dem Maschinenbau \|v Band 379 \|w (DE-604)BV045445989 \|9 379
856	4	1	\|u https://open.fau.de/handle/openfau/18136 \|x Verlag \|z kostenfrei \|3 Volltext
856	4	1	\|u https://doi.org/10.25593/978-3-96147-476-9 \|x Resolving-System \|z kostenfrei \|3 Volltext
856	4	1	\|u https://nbn-resolving.org/urn:nbn:de:bvb:29-opus4-181360 \|x Resolving-System \|z kostenfrei \|3 Volltext
856	4	1	\|u https://d-nb.info/1250500893/34 \|x Langzeitarchivierung Nationalbibliothek \|z kostenfrei \|3 Volltext
856	4	2	\|m DNB Datenaustausch \|q application/pdf \|u http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=033187833&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA \|3 Inhaltsverzeichnis
912			\|a ebook
883	1		\|8 1\p \|a vlb \|d 20220122 \|q DE-101 \|u https://d-nb.info/provenance/plan#vlb
943	1		\|a oai:aleph.bib-bvb.de:BVB01-033187833

Datensatz im Suchindex

DE-BY-TUM_call_number	0001 2022 A 1277
DE-BY-TUM_katkey	2614739
DE-BY-TUM_location	Mag
DE-BY-TUM_media_number	040009295647
_version_	1821934523624980481
adam_text	INHALTSVERZEICHNIS FORMELZEICHEN UND ABKUERZUNGSVERZEICHNIS .................................................... IX 1 EINLEITUNG ....................................................................................... I 1.1 PROBLEMSTELLUNG ......................................................................................... 2 1.2 AUFGABENSTELLUNG ....................................................................................... 4 2 STAND DER FORSCHUNG UND TECHNIK .............................................. 7 2.1 MASCHINELLES LERNEN .................................................................................. 8 2.1.1 DEFINITION UND BEGRIFFSERKLAERUNG .................................................. 9 2.1.2 REGRESSION, KLASSIFIKATION, CLUSTERING ETC .................................... 10 2.2 KUENSTLICHE NEURONALE NETZE (KNN) ........................................................ 17 2.2.1 DAS BIOLOGISCHE VORBILD ................................................................ 18 2.2.2 FUNKTIONELLE BESCHREIBUNG & NETZARCHITEKTUR .......................... 20 2.2.3 LERNVORGAENGE ................................................................................. 26 2.2.4 VOR UND NACHTEILE ....................................................................... 28 2.3 DEEP LEARNING .......................................................................................... 30 2.3.1 ERKLAERUNG ....................................................................................... 32 2.3.2 NETZARCHITEKTUR CNN ................................................................... 34 2.3.3 LERNVORGAENGE (AUCH TRANSFER LEARNING) ..................................... 37 2.3.4 VOR UND NACHTEILE ....................................................................... 39 2.4 UEBERGABE VON GEOMETRIEDATEN AN MACHINE LEARNING ALGORITHMEN ..41 2.4.1 VOLUMETRIE CONVOLUTIONAL NEURAL NETWORKS .............................. 41 2.4.2 MULTIVIEW CONVOLUTIONAL NEURAL NETWORKS ............................... 43 2.4.3 FEATURE-BASED CONVOLUTIONAL NEURAL NETWORKS ........................44 2.4.4 SHAPE GOOGLE ................................................................................. 45 2.4.5 SPEKTRALE CONVOLUTIONAL NEURAL NETWORKS ................................. 46 2.4.6 POINTNET UND POINTNET++ ............................................................ 47 2.4.7 KURZE BETRACHTUNG DER GENANNTEN METHODEN ........................... 50 2.5 PLAUSIBILITAETSPRUEFUNG ................................................................................. 51 2.5.1 ABGRENZUNG VALIDIERUNG, VERIFIKATION UND PLAUSIBILITAET 51 3 ABLEITUNG DES HANDLUNGSBEDARFS ............................................... 57 4 METHODIK DER SPHAERISCHEN DETEKTORFLAECHEN ............................ 63 4.1 GESAMTUEBERSICHT ...................................................................................... 63 4.2 EINHEITLICHE ORIENTIERUNG VON PUNKTEWOLKEN ...................................... 64 4.2.1 METHODE #1: HAUPTKOMPONENTENANALYSE (PCA) ....................... 65 V 4-2.2 METHODE #2: VERVIELFACHUNG ....................................................... 66 4.2.3 METHODE #3: DEFINITION EINES ALLGEMEINGUELTIGEN KOORDINATENSYSTEMS .......................................................... 67 4.3 AUFBAU DER SPHAERISCHEN DETEKTORFLAECHE ................................................ 70 4.3.1 EINTEILUNG DETEKTORPIXEL NACH GLEICHEN WINKELN ...................... 71 4.3.2 EINTEILUNG DETEKTORPIXEL NACH GLEICHEN FLAECHEN ...................... 72 4.4 ERMITTLUNG DER DETEKTORMATRIX FUER EINE PUNKTEWOLKE ........................ 74 5 ANWENDUNG #1: BAUTEILERKENNUNG ............................................ 77 5.1 DEFINITION DER PROBLEMSTELLUNG ............................................................... 77 5.2 AUFBAU DER DATENBASIS UND ERSTELLUNG DER DETEKTORMATRIX ............... 78 5.3 KNN ARCHITEKTUR UND TRAINING .............................................................. 80 5.4 ERMITTLUNG DER PROGNOSEGUETE DER KNNS ............................................... 82 5.5 AUTOMATISCHE ERKENNUNG UNBEKANNTER BAUTEILE ................................. 87 5.6 ERGEBNISSE UND BEWERTUNG ...................................................................... 91 6 ANWENDUNG #2: ERKENNUNG VON MONTAGEFEHLERN ................... 93 6.1 DEFINITION DER PROBLEMSTELLUNG ............................................................... 93 6.2 AUFBAU DER DATENBASIS ............................................................................. 97 6.3 ERZEUGUNG DER DETEKTORMATRIZEN ..........................................................99 6.4 BILDVERGLEICH DER DETEKTORMATRIZEN ...................................................... 101 6.5 ERGEBNISSE UND BEWERTUNG .................................................................... 103 7 ADAPTION DER METHODIK DER SPHAERISCHEN DETEKTORFLAECHEN ... 107 7.1 DETEKTORMATRIZEN FUER BELIEBIGE KNOTENGEBUNDENE GROESSEN ............... 107 7.2 NORMIERUNG DER UNTESCHIEDLICHEN DETEKTORMATRIZEN .......................... 111 7.2.1 NORMIERUNGSSTRATEGIE #1 .............................................................. 112 7.2.2 NORMIERUNGSSTRATEGIE #2 ............................................................. 113 7.3 AUFBAU DER DNA EINER FINITE-ELEMENTE SIMULATION ...................... 116 8 ANWENDUNG #3: PLAUSIBILITAETSPRUEFUNG FUER FE-BERECHNUNGEN .119 8.1 DEFINITION DER PROBLEMSTELLUNG .............................................................. 119 8.2 AUFBAU DER DATENBASIS ........................................................................... 120 8.2.1 BAUTEIL INLINER-SCHIENE ................................................................ 122 8.2.2 BAUTEIL MOUNTAINBIKE-WIPPE ..................................................... 125 8.2.3 BAUTEIL KURBELWELLE R6 ................................................................ 128 8.3 ABLEITUNG DER DNA DER FE-SIMULATION ............................................ 134 8.4 ARCHITEKTUR UND TRAINING DER CONVOLUTIONAL NEURAL NETWORKS ....... 139 8.4.1 EIGENE ARCHITEKTUR MIT MATRIZENANORDNUNG HINTEREINANDER . 139 8.4.2 EIGENE ARCHITEKTUR MIT MATRIZENANORDNUNG UNTEREINANDER ...141 VI 8.4-3 TRANSFER LEARNING ......................................................................... 143 8.5 ERMITTLUNG DER PROGNOSEGUETE DER CNNS ............................................... 145 8.6 ERGEBNISSE ................................................................................................ 145 8.6.1 EIGENE ARCHITEKTUR MIT MATRIZENANORDNUNG HINTEREINANDER .146 8.6.2 EIGENE ARCHITEKTUR MIT MATRIZENANORDNUNG UNTEREINANDER... 147 8.6.3 TRANSFER LEARNING MITTELS ALEXNET ARCHITEKTUR ........................ 148 8.7 GENERALISIERUNGSFAHIGKEIT DER TRAINIERTEN CNNS ................................. 151 8.8 VERGLEICH UND BEWERTUNG DER TRAINIERTEN CNNS .................................. 156 9 ZUSAMMENFASSUNG UND AUSBLICK .............................................. 159 10 SUMMARY AND OUTLOOK ................................................................ 165 LITERATURVERZEICHNIS ............................................................................ 169 ANHANG ................................................................................................. 199 VII
any_adam_object	1
author	Sprügel, Tobias
author_GND	(DE-588)1250502268
author_facet	Sprügel, Tobias
author_role	aut
author_sort	Sprügel, Tobias
author_variant	t s ts
building	Verbundindex
bvnumber	BV047804164
classification_tum	MAS 031 TEC 630
collection	ebook
ctrlnum	(OCoLC)1298746150 (DE-599)DNB1250100224
discipline	Maschinenbau / Maschinenwesen Technik
doi_str_mv	10.25593/978-3-96147-476-9
format	Thesis Book
fullrecord	<?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>04370nam a22008898cb4500</leader><controlfield tag="001">BV047804164</controlfield><controlfield tag="003">DE-604</controlfield><controlfield tag="005">20230918 </controlfield><controlfield tag="007">t\|</controlfield><controlfield tag="008">220128s2021 gw a\|\|\| m\|\|\| 00\|\|\| ger d</controlfield><datafield tag="015" ind1=" " ind2=" "><subfield code="a">22,N04</subfield><subfield code="2">dnb</subfield></datafield><datafield tag="016" ind1="7" ind2=" "><subfield code="a">1250100224</subfield><subfield code="2">DE-101</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">9783961474752</subfield><subfield code="c">Broschur: EUR 36.50 (DE), EUR 37.60 (AT)</subfield><subfield code="9">978-3-96147-475-2</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">3961474753</subfield><subfield code="9">3-96147-475-3</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">9783961474769</subfield><subfield code="c">OnlineAusgabe</subfield><subfield code="9">978-3-96147-476-9</subfield></datafield><datafield tag="024" ind1="3" ind2=" "><subfield code="a">9783961474752</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(OCoLC)1298746150</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)DNB1250100224</subfield></datafield><datafield tag="040" ind1=" " ind2=" "><subfield code="a">DE-604</subfield><subfield code="b">ger</subfield><subfield code="e">rda</subfield></datafield><datafield tag="041" ind1="0" ind2=" "><subfield code="a">ger</subfield></datafield><datafield tag="044" ind1=" " ind2=" "><subfield code="a">gw</subfield><subfield code="c">XA-DE-BY</subfield></datafield><datafield tag="049" ind1=" " ind2=" "><subfield code="a">DE-29</subfield><subfield code="a">DE-12</subfield><subfield code="a">DE-29T</subfield><subfield code="a">DE-91</subfield><subfield code="a">DE-573n</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">MAS 031</subfield><subfield code="2">stub</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="8">1\p</subfield><subfield code="a">620</subfield><subfield code="2">23sdnb</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">TEC 630</subfield><subfield code="2">stub</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Sprügel, Tobias</subfield><subfield code="0">(DE-588)1250502268</subfield><subfield code="4">aut</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Sphärische Detektorflächen als Unterstützung der Produktentwicklung zur Datenanalyse im Rahmen des Digital Engineering</subfield><subfield code="c">Tobias Sprügel</subfield></datafield><datafield tag="246" ind1="1" ind2="3"><subfield code="a">Spherical detector surfaces as a support for product development during data analysis in the digital engineering context</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">Erlangen</subfield><subfield code="b">FAU University Press</subfield><subfield code="c">2021</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">xiii, 213 Seiten</subfield><subfield code="b">Illustrationen, Diagramme</subfield></datafield><datafield tag="336" ind1=" " ind2=" "><subfield code="b">txt</subfield><subfield code="2">rdacontent</subfield></datafield><datafield tag="337" ind1=" " ind2=" "><subfield code="b">n</subfield><subfield code="2">rdamedia</subfield></datafield><datafield tag="338" ind1=" " ind2=" "><subfield code="b">nc</subfield><subfield code="2">rdacarrier</subfield></datafield><datafield tag="490" ind1="1" ind2=" "><subfield code="a">FAU Studien aus dem Maschinenbau</subfield><subfield code="v">Band 379</subfield></datafield><datafield tag="502" ind1=" " ind2=" "><subfield code="b">Dissertation</subfield><subfield code="c">Friedrich-Alexander-Universität Erlangen-Nürnberg</subfield><subfield code="d">2021</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Maschinelles Lernen</subfield><subfield code="0">(DE-588)4193754-5</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Dreidimensionales CAD</subfield><subfield code="0">(DE-588)4227659-7</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Finite-Elemente-Methode</subfield><subfield code="0">(DE-588)4017233-8</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Detektor</subfield><subfield code="0">(DE-588)4123055-3</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Virtuelle Produktentwicklung</subfield><subfield code="0">(DE-588)7632675-5</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Produktentwicklung</subfield><subfield code="0">(DE-588)4139402-1</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Convolutional Neural Network</subfield><subfield code="0">(DE-588)1209706350</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Datenanalyse</subfield><subfield code="0">(DE-588)4123037-1</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Neuronales Netz</subfield><subfield code="0">(DE-588)4226127-2</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Produktionstechnik</subfield><subfield code="0">(DE-588)1072438291</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Kugel</subfield><subfield code="0">(DE-588)4165914-4</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Produktionstechnik</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Ingenieurwissenschaften</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Maschinenbau</subfield></datafield><datafield tag="655" ind1=" " ind2="7"><subfield code="0">(DE-588)4113937-9</subfield><subfield code="a">Hochschulschrift</subfield><subfield code="2">gnd-content</subfield></datafield><datafield tag="689" ind1="0" ind2="0"><subfield code="a">Neuronales Netz</subfield><subfield code="0">(DE-588)4226127-2</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="1"><subfield code="a">Maschinelles Lernen</subfield><subfield code="0">(DE-588)4193754-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="2"><subfield code="a">Produktentwicklung</subfield><subfield code="0">(DE-588)4139402-1</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="3"><subfield code="a">Finite-Elemente-Methode</subfield><subfield code="0">(DE-588)4017233-8</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="4"><subfield code="a">Datenanalyse</subfield><subfield code="0">(DE-588)4123037-1</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="5"><subfield code="a">Convolutional Neural Network</subfield><subfield code="0">(DE-588)1209706350</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="6"><subfield code="a">Produktionstechnik</subfield><subfield code="0">(DE-588)1072438291</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="689" ind1="1" ind2="0"><subfield code="a">Virtuelle Produktentwicklung</subfield><subfield code="0">(DE-588)7632675-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2="1"><subfield code="a">Detektor</subfield><subfield code="0">(DE-588)4123055-3</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2="2"><subfield code="a">Kugel</subfield><subfield code="0">(DE-588)4165914-4</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2="3"><subfield code="a">Datenanalyse</subfield><subfield code="0">(DE-588)4123037-1</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2="4"><subfield code="a">Maschinelles Lernen</subfield><subfield code="0">(DE-588)4193754-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2="5"><subfield code="a">Dreidimensionales CAD</subfield><subfield code="0">(DE-588)4227659-7</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2="6"><subfield code="a">Finite-Elemente-Methode</subfield><subfield code="0">(DE-588)4017233-8</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="710" ind1="2" ind2=" "><subfield code="a">FAU University Press ein Imprint der Universität Erlangen-Nürnberg</subfield><subfield code="b">Universitätsbibliothek</subfield><subfield code="0">(DE-588)1068111240</subfield><subfield code="4">pbl</subfield></datafield><datafield tag="776" ind1="0" ind2="8"><subfield code="i">Erscheint auch als</subfield><subfield code="n">Online-Ausgabe</subfield><subfield code="o">10.25593/978-3-96147-476-9</subfield><subfield code="o">urn:nbn:de:bvb:29-opus4-181360</subfield></datafield><datafield tag="830" ind1=" " ind2="0"><subfield code="a">FAU Studien aus dem Maschinenbau</subfield><subfield code="v">Band 379</subfield><subfield code="w">(DE-604)BV045445989</subfield><subfield code="9">379</subfield></datafield><datafield tag="856" ind1="4" ind2="1"><subfield code="u">https://open.fau.de/handle/openfau/18136</subfield><subfield code="x">Verlag</subfield><subfield code="z">kostenfrei</subfield><subfield code="3">Volltext</subfield></datafield><datafield tag="856" ind1="4" ind2="1"><subfield code="u">https://doi.org/10.25593/978-3-96147-476-9</subfield><subfield code="x">Resolving-System</subfield><subfield code="z">kostenfrei</subfield><subfield code="3">Volltext</subfield></datafield><datafield tag="856" ind1="4" ind2="1"><subfield code="u">https://nbn-resolving.org/urn:nbn:de:bvb:29-opus4-181360</subfield><subfield code="x">Resolving-System</subfield><subfield code="z">kostenfrei</subfield><subfield code="3">Volltext</subfield></datafield><datafield tag="856" ind1="4" ind2="1"><subfield code="u">https://d-nb.info/1250500893/34</subfield><subfield code="x">Langzeitarchivierung Nationalbibliothek</subfield><subfield code="z">kostenfrei</subfield><subfield code="3">Volltext</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="m">DNB Datenaustausch</subfield><subfield code="q">application/pdf</subfield><subfield code="u">http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=033187833&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA</subfield><subfield code="3">Inhaltsverzeichnis</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">ebook</subfield></datafield><datafield tag="883" ind1="1" ind2=" "><subfield code="8">1\p</subfield><subfield code="a">vlb</subfield><subfield code="d">20220122</subfield><subfield code="q">DE-101</subfield><subfield code="u">https://d-nb.info/provenance/plan#vlb</subfield></datafield><datafield tag="943" ind1="1" ind2=" "><subfield code="a">oai:aleph.bib-bvb.de:BVB01-033187833</subfield></datafield></record></collection>
genre	(DE-588)4113937-9 Hochschulschrift gnd-content
genre_facet	Hochschulschrift
id	DE-604.BV047804164
illustrated	Illustrated
indexdate	2024-12-20T19:28:54Z
institution	BVB
institution_GND	(DE-588)1068111240
isbn	9783961474752 3961474753 9783961474769
language	German
oai_aleph_id	oai:aleph.bib-bvb.de:BVB01-033187833
oclc_num	1298746150
open_access_boolean	1
owner	DE-29 DE-12 DE-29T DE-91 DE-BY-TUM DE-573n
owner_facet	DE-29 DE-12 DE-29T DE-91 DE-BY-TUM DE-573n
physical	xiii, 213 Seiten Illustrationen, Diagramme
psigel	ebook
publishDate	2021
publishDateSearch	2021
publishDateSort	2021
publisher	FAU University Press
record_format	marc
series	FAU Studien aus dem Maschinenbau
series2	FAU Studien aus dem Maschinenbau
spellingShingle	Sprügel, Tobias Sphärische Detektorflächen als Unterstützung der Produktentwicklung zur Datenanalyse im Rahmen des Digital Engineering FAU Studien aus dem Maschinenbau Maschinelles Lernen (DE-588)4193754-5 gnd Dreidimensionales CAD (DE-588)4227659-7 gnd Finite-Elemente-Methode (DE-588)4017233-8 gnd Detektor (DE-588)4123055-3 gnd Virtuelle Produktentwicklung (DE-588)7632675-5 gnd Produktentwicklung (DE-588)4139402-1 gnd Convolutional Neural Network (DE-588)1209706350 gnd Datenanalyse (DE-588)4123037-1 gnd Neuronales Netz (DE-588)4226127-2 gnd Produktionstechnik (DE-588)1072438291 gnd Kugel (DE-588)4165914-4 gnd
subject_GND	(DE-588)4193754-5 (DE-588)4227659-7 (DE-588)4017233-8 (DE-588)4123055-3 (DE-588)7632675-5 (DE-588)4139402-1 (DE-588)1209706350 (DE-588)4123037-1 (DE-588)4226127-2 (DE-588)1072438291 (DE-588)4165914-4 (DE-588)4113937-9
title	Sphärische Detektorflächen als Unterstützung der Produktentwicklung zur Datenanalyse im Rahmen des Digital Engineering
title_alt	Spherical detector surfaces as a support for product development during data analysis in the digital engineering context
title_auth	Sphärische Detektorflächen als Unterstützung der Produktentwicklung zur Datenanalyse im Rahmen des Digital Engineering
title_exact_search	Sphärische Detektorflächen als Unterstützung der Produktentwicklung zur Datenanalyse im Rahmen des Digital Engineering
title_full	Sphärische Detektorflächen als Unterstützung der Produktentwicklung zur Datenanalyse im Rahmen des Digital Engineering Tobias Sprügel
title_fullStr	Sphärische Detektorflächen als Unterstützung der Produktentwicklung zur Datenanalyse im Rahmen des Digital Engineering Tobias Sprügel
title_full_unstemmed	Sphärische Detektorflächen als Unterstützung der Produktentwicklung zur Datenanalyse im Rahmen des Digital Engineering Tobias Sprügel
title_short	Sphärische Detektorflächen als Unterstützung der Produktentwicklung zur Datenanalyse im Rahmen des Digital Engineering
title_sort	spharische detektorflachen als unterstutzung der produktentwicklung zur datenanalyse im rahmen des digital engineering
topic	Maschinelles Lernen (DE-588)4193754-5 gnd Dreidimensionales CAD (DE-588)4227659-7 gnd Finite-Elemente-Methode (DE-588)4017233-8 gnd Detektor (DE-588)4123055-3 gnd Virtuelle Produktentwicklung (DE-588)7632675-5 gnd Produktentwicklung (DE-588)4139402-1 gnd Convolutional Neural Network (DE-588)1209706350 gnd Datenanalyse (DE-588)4123037-1 gnd Neuronales Netz (DE-588)4226127-2 gnd Produktionstechnik (DE-588)1072438291 gnd Kugel (DE-588)4165914-4 gnd
topic_facet	Maschinelles Lernen Dreidimensionales CAD Finite-Elemente-Methode Detektor Virtuelle Produktentwicklung Produktentwicklung Convolutional Neural Network Datenanalyse Neuronales Netz Produktionstechnik Kugel Hochschulschrift
url	https://open.fau.de/handle/openfau/18136 https://doi.org/10.25593/978-3-96147-476-9 https://nbn-resolving.org/urn:nbn:de:bvb:29-opus4-181360 https://d-nb.info/1250500893/34 http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=033187833&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA
volume_link	(DE-604)BV045445989
work_keys_str_mv	AT sprugeltobias spharischedetektorflachenalsunterstutzungderproduktentwicklungzurdatenanalyseimrahmendesdigitalengineering AT fauuniversitypresseinimprintderuniversitaterlangennurnberguniversitatsbibliothek spharischedetektorflachenalsunterstutzungderproduktentwicklungzurdatenanalyseimrahmendesdigitalengineering AT sprugeltobias sphericaldetectorsurfacesasasupportforproductdevelopmentduringdataanalysisinthedigitalengineeringcontext AT fauuniversitypresseinimprintderuniversitaterlangennurnberguniversitatsbibliothek sphericaldetectorsurfacesasasupportforproductdevelopmentduringdataanalysisinthedigitalengineeringcontext

Verfügbarkeit

Bestellen (Login erforderlich)

Online lesen (frei zugänglich)
Inhaltsverzeichnis
Paper/Kapitel scannen lassen

Bibliotheksmagazin

Bestandsangaben von Bibliotheksmagazin
Signatur:	0001 2022 A 1277 Lageplan
Exemplar 1	Ausleihbar Am Standort