Ver­öf­fent­li­chun­gen

Ver­öf­fent­li­chun­gen des FG MRT (seit 10/2006)

Ver­öf­fent­li­chun­gen der Vor­gän­ger-Fach­ge­bie­te  (bis 10/1006)

Ver­öf­fent­li­chun­gen mit Au­to­ren-/Ko­au­to­ren­schaft von (Prof.) Dr.-Ing. An­dre­as Kroll

Bib­TeX-Quel­len der Ver­öf­fent­li­chun­gens­lis­ten

2011

  • Zur regelungsorientierten Ableitung von Takagi-Sugeno-Modellen. Kroll, Andreas in Automatisierungstechnik (2011). 59(12) 705–719.
     

2019

  • A Data Selection Method for large Databases for System Identification of MISO Models Based on Recursive Instrumental Variables. Arengas, David; Kroll, Andreas (2019). 357–362.
     
  • Zur Schätzung zulässiger Parametermengen nichtlinearer Takagi-Sugeno-Multi-Modelle mit garantierten Fehlerschranken. Wittich, Felix; Kahl, Matthias; Kroll, Andreas (2019). 247–254.
     
  • On Using Gated Recurrent Units for Nonlinear System Identification. Rehmer, Alexander; Kroll, Andreas (2019). 2504–2509.
     
  • Zur Homogenisierung von Testsignalen für die nichtlineare Systemidentifikation. Gringard, Matthias; Kroll, Andreas in at -- Automatisierungstechnik (2019). 67(10) 820–832.
     
  • On Nonlinear Empirical Modeling of Residual Stress Profiles in Hard Turning. Wittich, Felix; Kahl, Matthias; Kroll, Andreas; Zinn, Wolfgang; Niendorf, Thomas (2019). 3235–3240.
     

2020

  • On data-driven nonlinear uncertainty modeling: Methods and application for control-oriented surface condition prediction in hard turning. Wittich, Felix; Kistner, Lars; Kroll, Andreas; Schott, Christopher; Niendorf, Thomas in tm -- Technisches Messen (2020). 87 732–741.
     
  • Toolbox zum Testsignalentwurf für Standardtestsignale für die Identifikation von Eingrößensystemen: Prozessmodellfreie und -basierte Methoden. Himmelsbach, Matthias; Kroll, Andreas (2020).
     
  • Einsatz von maschinellem Lernen für die Rezyklat-Verarbeitung. Moritzer, Elmar; Hopp, Matthias; Wittke, Marius; Deuse, Jochen; Richter, Ralph; Schmitt, Jacqueline; Kroll, Lukas Schulte Andreas; Schrodt, Alexander in WAK -- Jahresmagazin Ingenieurwissenschaften (2020). 70–73.
     
  • Data Selection for System Identification (DS4SID) from Logged Process Records of Continuously Operated Plants. Arengas, David; Kroll, Andreas in at -- Automatisierungstechnik (2020). 68(5) 347–359.
     
  • On Scene Flow Computation of Gas Structures with Optical Gas Imaging Cameras. Rangel, J.; Schmoll, R.; Kroll, A. (2020). 174–182.
     
  • On the vanishing and exploding gradient problem in Gated Recurrent Units. Rehmer, Alexander; Kroll, Andreas (2020).
     
  • Extending Regularized Least Squares Support Vector Machines for Order Selection of Dynamical Takagi-Sugeno Models. Kahl, Matthias; Kroll, Andreas (2020). (Vol. 53) 1182–1187.
     
  • Evaluierung von Verfahren zur optischen Bestimmung von Gasgeschwindigkeiten. Dierks, Sören; Kroll, Andreas in TM -- Technisches Messen (2020). 87(1) 66–77.
     
  • On considering the output in space-filling test signal designs for the identification of dynamic Takagi-Sugeno models. Gringard, Matthias; Kroll, Andreas (2020).
     

2021

  • Prediction of near surface residual stress states for hard turned specimens using data driven nonlinear models. Schott, Christopher; Wittich, Felix; Kroll, Andreas; Niendorf, Thomas (2021).
     
  • Multispectral Geometric Calibration of Cameras in Visual and Infrared Spectral Range. Schramm, Sebastian; Rangel, Johannes; Aguirre Salazar, Daniela; Schmoll, Robert; Kroll, Andreas in IEEE Sensors (2021). 21(2) 2159–2168.
     
  • Catadioptric Stereo Optical Gas Imaging System for Scene Flow Computation of Gas Structures. Rangel, J.; Schmoll, R.; Kroll, A. in IEEE Sensors Journal (2021). 21(5) 6811–6820.
     
  • 3D Thermography for the Measurement of Surface Heat Dissipation. Schmoll, Robert; Schramm, Sebastian; Breitenstein, Tom; Kroll, Andreas (2021).
     
  • Zur approximativen Maximum-Likelihood-Schätzung dynamischer Multi-Modelle vom Typ Takagi-Sugeno: Methodik und Anwendung auf einen Servo-Pneumatikantrieb. Kroll, Andreas; Fischer, Jana in at -- Automatisierungstechnik (2021).
     
Bild: deGruyter.com

Buch "Com­pu­ta­tio­nal In­tel­li­gence"

Pres­se und Drit­te

Jah­res­be­rich­te