Responsive image


Projektdauer: 01.01.2022 - 31.12.2024

Reinforcement Learning for Automated Flowsheet Synthesis of Steady-State Processes

Die Fließbildsynthese ist ein zentraler Schritt im konzeptionellen Entwurf chemischer Verfahren und naturgemäß ein kreativer Prozess, der schwer zu formalisieren ist. Gängige Methoden der computergestützten Fließbildsynthese sind jedoch meist formalisierte Algorithmen, die wissensbasierte Regeln für die Erstellung von Planungsalternativen sowie mathematische Optimierung für die Auswahl von Alternativen (oft aus Superstrukturen) verwenden.Das Ziel dieses Forschungsprojekts ist die Nutzung mode...
Projektleitung HSWT: Prof. Dr. Dominik Grimm

Weitere Forschungsfelder Machine Learning Reinforcement Learning Verfahrenstechnik


Projektdauer: 01.10.2021 - 30.09.2024

Neue Maschinelle Lernverfahren zur akkurateren Pflanzenzüchtung durch Integration heterogener externer Faktoren

Derzeit steht die Agrarindustrie unter großem Druck, schnell neue Pflanzensorten für das sich ändernde Klima zu entwickeln und weniger Ressourcen zu verbrauchen. Ziel ist es, die Erträge zu steigern und nachhaltiger zu werden. Um die Züchtungsprogramme zu beschleunigen, setzen Pflanzenzüchter genomische Selektionsmethoden ein, um den erwarteten Wert eines Merkmals, z. B. des Ertrags, aus den genetischen Profilen der Pflanzen vorherzusagen, bevor die Pflanzen auf dem Feld getestet werden.Die A...
Teilprojektleitung HSWT: Prof. Dr. Dominik Grimm

Weitere Forschungsfelder Genomic Prediction Genomweite Assoziationsstudien Künstliche Intelligenz Maschinelles Lernen


Prof. Dr. Dominik Grimm


Hochschule Weihenstephan-Triesdorf

Fakultät Wald und Forstwirtschaft
Hans-Carl-von-Carlowitz-Platz 3
85354 Freising

T +49 9421 187-230
F +49 9421 187-285
dominik.grimm[at]hswt.de