Machine-Learning-basierte Modellierung in der Strukturdynamik

Worum geht's

Du lernst, wie maschinelles Lernen zur Modellbildung in der Strukturdynamik und Vibroakustik eingesetzt wird. Am Ende kannst du mathematische und numerische Verfahren zur datengetriebenen Modellierung anwenden, Modellordnungen reduzieren und ML-Modelle (u. a. neuronale Netze / Deep Learning) zur Vorhersage des Systemverhaltens nutzen sowie deren Möglichkeiten und Grenzen einschätzen.

Was du danach kannst

• Mathematische und numerische Verfahren für ML-Modelle anwenden
• Datengetriebene Modellierung durchführen
• Modellordnungsreduktion und spektrale Zerlegung einsetzen
• Dynamische Modezerlegung verstehen und nutzen
• Künstliche neuronale Netze und Deep Learning anwenden
• Möglichkeiten und Grenzen ML-basierter Modellierung beurteilen

Aus was das Modul besteht

• VorlesungVermittlung der theoretischen Grundlagen zur maschinell lernbasierten Modellierung
• ÜbungRechenübung zur Anwendung der Methoden; Aufgaben werden vorab gelöst und in der Übung diskutiert

Lehrmethode

• Vortrag / Tafelanschrieb / Tablet-PC mit BeamerErklärung der Theorie und Demonstration von Inhalten
• RechenübungPraktische Anwendung, Klärung offener Fragen und Numerik mit MATLAB und ANSYS
• Script via TUM-MoodleBereitstellung der Vorlesungs- und Übungsunterlagen