Enhanced Machine Learning and Data Mining Methods for Analysing Large Hybrid Electric Vehicle Fleets based on Load Spectrum Data (eBook)
XXXII, 166 Seiten
Springer Fachmedien Wiesbaden (Verlag)
978-3-658-20367-2 (ISBN)
Philipp Bergmeir works on the development and enhancement of data mining and machine learning methods with the aim of analysing automatically huge amounts of load spectrum data that are recorded for large hybrid electric vehicle fleets. In particular, he presents new approaches for uncovering and describing stress and usage patterns that are related to failures of selected components of the hybrid power-train.
Philipp Bergmeir did a PhD in the doctoral program 'Promotionskolleg HYBRID' at the Institute for Internal Combustion Engines and Automotive Engineering, University of Stuttgart, in cooperation with the Esslingen University of Applied Sciences and a well-known vehicle manufacturer. Currently, he is working as a data scientist in the automotive industry.
Philipp Bergmeir did a PhD in the doctoral program “Promotionskolleg HYBRID” at the Institute for Internal Combustion Engines and Automotive Engineering, University of Stuttgart, in cooperation with the Esslingen University of Applied Sciences and a well-known vehicle manufacturer. Currently, he is working as a data scientist in the automotive industry.
Classifying Component Failures of a Vehicle Fleet.- Visualising Different Kinds of Vehicle Stress and Usage.- Identifying Usage and Stress Patterns in a Vehicle Fleet.
| Erscheint lt. Verlag | 1.12.2017 |
|---|---|
| Reihe/Serie | Wissenschaftliche Reihe Fahrzeugtechnik Universität Stuttgart | Wissenschaftliche Reihe Fahrzeugtechnik Universität Stuttgart |
| Zusatzinfo | XXXII, 166 p. 34 illus., 11 illus. in color. |
| Verlagsort | Wiesbaden |
| Sprache | englisch |
| Themenwelt | Mathematik / Informatik ► Informatik ► Datenbanken |
| Technik ► Maschinenbau | |
| Schlagworte | Balanced Random Forest • classification • hybrid car battery • Logged On-board Data • Off-board data • rule learning • stress patterns • t-Distributed Stochastic Neighbour Embedding • vehicle fleet • vehicle usage patterns |
| ISBN-10 | 3-658-20367-6 / 3658203676 |
| ISBN-13 | 978-3-658-20367-2 / 9783658203672 |
| Haben Sie eine Frage zum Produkt? |
PDF (Wasserzeichen)Größe: 4,2 MB
DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasserzeichen und ist damit für Sie personalisiert. Bei einer missbräuchlichen Weitergabe des eBooks an Dritte ist eine Rückverfolgung an die Quelle möglich.
Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.
Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.
Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.
aus dem Bereich
