Künstliche Intelligenz in Fahrzeugen. Die Nutzung von Long Short Term Memory-Netzwerken zur Gangwahl im Automobil

Projektarbeit aus dem Jahr 2020 im Fachbereich Ingenieurwissenschaften - Maschinenbau, Hochschule Coburg (FH), Sprache: Deutsch, Abstract: Die vorliegende Projektarbeit zielt darauf ab, die Anwendung von Long Short Term Memory (LSTM) Netzwerken in der Automobilbranche zu untersuchen, insbesondere deren Einsatz für die Gangwahl in Fahrzeugen mit Automatikgetriebe. Dabei wird der Fokus auf die Entwicklung und Optimierung eines künstlichen neuronalen Netzes gelegt, das fähig ist, Sequenzen von Fahrzeugdaten zu verarbeiten und präzisere Schaltempfehlungen zu generieren. Die Arbeit beginnt mit einer Einführung in die rapide fortschreitende Technologie der künstlichen Intelligenz (KI), speziell im Kontext der Automobilindustrie, und erwähnt dabei das Beispiel von Teslas Hydranet. Im weiteren Verlauf werden die Grundlagen künstlicher neuronaler Netze erörtert, einschließlich ihrer Struktur und verschiedener Netzwerktypen wie Perzeptron, Convolutional Neural Network und rekurrente neuronale Netze. Ein besonderer Fokus liegt auf LSTM-Netzwerken und deren Anwendungsmöglichkeiten. Außerdem behandelt diese Projektarbeit die Methoden zum Trainieren dieser Netzwerke, wobei verschiedene Ansätze und Datenstrukturen vorgestellt werden. Es wird erläutert, wie LSTM-Netzwerke in der Praxis implementiert werden können, mit speziellem Augenmerk auf die Programmiersprachen MATLAB und Python. Abschließend wird eine Zusammenfassung der Erkenntnisse und Ergebnisse präsentiert, die die Potenziale und Herausforderungen beim Einsatz von LSTM-Netzwerken in der Gangwahl von Automatikfahrzeugen hervorhebt.