Maschinelles Lernen ermöglicht autonomen Systemen ihr Umfeld mithilfe von Daten zu modellieren. In sicherheitsrelevanten Anwendungen kommen diese datengetriebenen Modelle aber kaum zum Einsatz, weil keine Garantie für das Verhalten selbstlernender Systeme gegeben werden kann. Basierend auf Gaußprozessen entwickelt diese Arbeit eine neuartige Regelungsstruktur, die es ermöglicht Sicherheitsgarantien zu gegeben. Der Regler weicht Unsicherheiten aktiv aus und sammelt bei Bedarf neue Datenpunkte, um Sicherheit garantieren zu können. Stabilität des geschlossenen Regelkreises wird formal bewiesen; Simulationen und Experimente validieren den Ansatz.
«
Maschinelles Lernen ermöglicht autonomen Systemen ihr Umfeld mithilfe von Daten zu modellieren. In sicherheitsrelevanten Anwendungen kommen diese datengetriebenen Modelle aber kaum zum Einsatz, weil keine Garantie für das Verhalten selbstlernender Systeme gegeben werden kann. Basierend auf Gaußprozessen entwickelt diese Arbeit eine neuartige Regelungsstruktur, die es ermöglicht Sicherheitsgarantien zu gegeben. Der Regler weicht Unsicherheiten aktiv aus und sammelt bei Bedarf neue Datenpunkte, um...
»