Verbundprojekt AIAx: Machine-learning-driven Engineering - CAx goes AIAx gemeinsamer Schlussbericht zum Verbundprojekt : Laufzeit vom 01.08.2018 bis 31.07.2021

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Eberhard, Sarah (VerfasserIn)
Körperschaften:	Mercedes-Benz AG (Herausgebendes Organ), Karlsruher Institut für Technologie wbk Institut für Produktionstechnik (Herausgebendes Organ), USU-Software AG (Herausgebendes Organ), Endress+Hauser GmbH+Co. (Herausgebendes Organ), DYNAmore GmbH (Herausgebendes Organ), Technische Universität Berlin Institut für Softwaretechnik und Theoretische Informatik (Herausgebendes Organ)
Weitere Verfasser:	Jamei, Said (VerfasserIn), Sprave, Joachim (VerfasserIn), Dölle, Norbert (VerfasserIn), Peters, Steven (VerfasserIn), Krahe, Carmen Maria (VerfasserIn), Jacob, Alexander (VerfasserIn), Stähr, Tom (VerfasserIn), Echsler Minguillon, Fabio (VerfasserIn), Hofmann, Constantin (VerfasserIn), Overbeck, Leonard Vincent (VerfasserIn), Schäfer, Louis (VerfasserIn), Kandler, Magnus (VerfasserIn), Lanza, Gisela (VerfasserIn), Marinov, Milan (VerfasserIn), Oppermann, Henrik (VerfasserIn), Schönborn, Nicolas (VerfasserIn), Tayyub, Jawad (VerfasserIn), Frey, Volker (VerfasserIn), Koch, David (VerfasserIn), Haufe, André (VerfasserIn), Bui, Thanh Binh (VerfasserIn), Winkler, Paul-Ludwig (VerfasserIn), Müller, Klaus-Robert (VerfasserIn)
Format:	UnknownFormat
Sprache:	ger
Veröffentlicht:	Stuttgart Mercedes-Benz AG 2021
Schlagworte:	Forschungsbericht > Maschinelles Lernen > Modellierung > Deep learning > Robustheit > Industriedesign
Online Zugang:	Inhaltsverzeichnis
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Beschreibung
Beschreibung:	Förderkennzeichen BMBF 01IS18048A-F Verbundnummer 01184288 Unterschiede zwischen dem gedruckten Dokument und der elektronischen Ressource können nicht ausgeschlossen werden
Beschreibung:	140 Blätter Illustrationen, Diagramme