Header

Shop : Details

Shop
Details
39,80 €
ISBN 978-3-8440-8286-9
Paperback
342 Seiten
101 Abbildungen
510 g
24 x 17 cm
Englisch
Dissertation
November 2021
Evgeny Kusmenko
Model-Driven Development Methodology and Domain-Specific Languages for the Design of Artificial Intelligence in Cyber-Physical Systems
The development of cyber-physical systems poses a multitude of challenges requiring experts from different fields. Such systems cannot be developed successfully without the support of appropriate processes, languages, and tools. Model-driven software engineering is an important approach which helps development teams to cope with the increasing complexity of today's cyber-physical systems.

The aim of this thesis is to develop a model-driven engineering methodology with a particular focus on interconnected intelligent cyber-physical systems such as cooperative vehicles.
The basis of the proposed methodology is a component-and-connector architecture description language. It features a strong, math-oriented type system abstracting from the technical realization and incorporating physical units. To facilitate the development of self-adaptive systems, the language enables its users to model component and connector arrays and supports architectural runtime reconfiguration. Architectural elements can be altered, added, and removed dynamically upon the occurrence of trigger events.

Furthermore, the proposed methodology provides means for behavior specification and its seamless integration into the software architecture. A matrix-oriented scripting language enables the developer to specify algorithms using a syntax close to the mathematical domain. A dedicated deep learning modeling language is provided for the development and training of neural networks as directed acyclic graphs of neuron layers. The framework supports different learning methods including supervised, reinforcement, and generative adversarial learning, covering a broad range of applications from image and natural language processing to decision making and test data generation.
Schlagwörter: MDSE; DSLs; Machine Learning; AI
Aachener Informatik-Berichte, Software Engineering
Herausgegeben von Prof. Dr. rer. nat. Bernhard Rumpe, Aachen
Band 49
Verfügbare Online-Dokumente zu diesem Titel
Sie benötigen den Adobe Reader, um diese Dateien ansehen zu können. Hier erhalten Sie eine kleine Hilfe und Informationen, zum Download der PDF-Dateien.
Bitte beachten Sie, dass die Online-Dokumente nicht ausdruckbar und nicht editierbar sind.
Bitte beachten Sie auch weitere Informationen unter: Hilfe und Informationen.
 
 DokumentGesamtdokument 
 DateiartPDF 
 Kosten29,85 € 
 AktionZahlungspflichtig kaufen und anzeigen der Datei 
 AktionZahlungspflichtig kaufen und download der Datei 
     
 
 DokumentInhaltsverzeichnis 
 DateiartPDF 
 Kostenfrei 
 AktionAnzeigen der Datei 
 AktionDownload der Datei 
     
Benutzereinstellungen für registrierte Online-Kunden (Online-Dokumente)
Sie können hier Ihre Adressdaten ändern sowie bereits georderte Dokumente erneut aufrufen.
Benutzer
Nicht angemeldet
Export bibliographischer Daten
Shaker Verlag GmbH
Am Langen Graben 15a
52353 Düren
  +49 2421 99011 9
Mo. - Do. 8:00 Uhr bis 16:00 Uhr
Fr. 8:00 Uhr bis 15:00 Uhr
Kontaktieren Sie uns. Wir helfen Ihnen gerne weiter.
Social Media