3622
Situationsabhängige Selektion von Klassifikationsmodellen auf Basis Spiking Neural Networks
Neben dem Sicherheitsnachweis und dem Einsatz bei schlechtem Wetter ist der Energiebedarf für das Computing ein Hemmnis für die Einführung automatisierter Fahrzeuge in komplexeren Anwendungen.
Fachbereich
Maschinenbau
Fachgebiet
Fahrzeugtechnik
Patentnummer
DE102023100099
Kontakt Person
Prof. Dr.-Ing. Steven Peters
steven.peters@tu-darmstadt.de
+49 6151 16-24200
Downloads
Lorem ipsum dolor sit amet, consetetur sadipscing elitr, sed diam nonumy eirmod tempor invidunt ut labore et dolore.
Situationsabhängige Selektion von Klassifikationsmodellen auf Basis SpikingNeuralNetworks
Stand: 06.10.2026 | Pdf | 225 Kb
Optionale Headline
Ausgehend von einer Situationserkennung (z.B. Straßentyp aus Karte, Fahrzeuggeschwindigkeit, Nässeerkennung etc.) entscheidet ein Orchestrator welches der implementierten, trainierten und freigegebenen (spiking) neuronalen Netze aktuell zum Einsatz kommen soll, um bspw. eine Objekterkennung durchzuführen. Diese Netze unterscheiden sich hinsichtlich ihres Energiebedarfs und ihrer Performance, so dass in einfachen Situationen hinsichtlich Energieverbrauch und in anspruchsvollen Situationen (wenn bspw. VRU erkannt) die maximale Performance ausgewählt wird.