Continuously Learning of Neural Networks

Kontext

Moderne Fahrzeuge verlassen sich nicht mehr ausschließlich auf bordeigene Systeme, ihre elektrische/elektronische (E/E) Architektur wird auf die Cloud erweitert. Dieser Paradigmenwechsel beinhaltet die Migration von Funktionen wie der Klimasteuerung in eine zentralisierte, cloudbasierte Umgebung. Solche Fortschritte ermöglichen es Modelle kontinuierlich zu aktualisieren, indem Daten in Echtzeit oder in kleinen Inkrementen verarbeitet werden anstatt auf einem statischen Datensatz zu trainieren.

Ziele

Die cloudbasierte Auslagerung von Fahrzeugfunktionen, wie beispielsweise der Heizungs-, Lüftungs- und Klimatisierungsfunktionen (HLK) aus dem Fahrzeug, eröffnet neue Möglichkeiten zur dynamischen Optimierung und Anpassung solcher Funktionen. Als vielversprechende Implementierungsmethode für diese Funktionalität kann das sogenannte „Online Learning“ genannt werden.

• Überblick und Recherche zur passenden ML-basierten Verfahren
• Implementierung der entworfenen Konzepte
• Evaluation und Vergleich des ausgewählten Verfahrens anhand eines Test-Datensatzes

Voraussetzungen

• Programmiererfahrung in Python oder C++
• Grundkenntnisse über Neuronale Netze
• Motivation und Interesse am selbstständigen Lösen von technischen Problemen