Logo Uni Bremen

Zentrum für Technomathematik

ZeTeM > Über das ZeTeM > Mitarbeiter*innen > Eva Dierkes

Kontakt Sitemap Impressum [ English | Deutsch ]
Bild  Eva Dierkes

Eva Dierkes

Wissenschaftliche Mitarbeiterin der AG Optimierung und Optimale Steuerung, Research Training Group π3

Raum: MZH 2080
E-Mail: eva.dierkes@uni-bremen.de
Telefon: (0421) 218-64357
ORCID iD:  0000-0002-9243-1494

Teil des Frauenbeauftragtenkollektivs im Fachbereich 3

Lebenslauf

Abschlussarbeiten

Masterarbeit (12/2018)

Identifikation und Kartierung von Umgebungsparametern, basierend auf Optimalsteuerung und maschinellem Lernen
Betreuer: Dr. Kathrin Flaßkamp, Prof. Dr. Christof Büskens
Universität Bremen

Bachelorarbeit (08/2016)

Akustische Ortung im Raum
Betreuer: Prof. Dr. Christof Büskens, Dr. Matthias Knauer
Universität Bremen

Arbeit & Forschung

Doktorandin im RTG π3 (seit 09/2019)

R2-7: Parameter and Structure Identification for Complex Dynamical Systems
Zentrum für Technomathematik
Universität Bremen

Wissenschaftlicher Mitarbeiterin (seit 01/2019)

Optimierung und Optimale Steuerung
Zentrum für Technomathematik
Universität Bremen

Praktikum (08/2017 - 10/2017)

Modellbildung industrieller Produktionsprozesse mit künstlichen Neuronalen Netzen
IAV GmbH
Giffhorn, Germany

Studentische Hilfskraft (06/2015 - 12/2018)

CAUSE-Cognitive Autonomous Subsurface Exploration
Optimierung und Optimale Steuerung
Universität Bremen

Forschungsgebiete

Projekte

  1. SmartDrive (01.11.2018 - 30.04.2020)
  2. CAUSE-Cognitive Autonomous Subsurface Exploration (01.04.2015 - 30.09.2018)

Publikationen (Auswahl)vollständige Liste

  1. E. Dierkes, F. Jung, C. Büskens.
    Data-based models of drive technology for automation in automotive production.
    GAMM 91st Annual Meeting of the international Association of Applied Mathematics and Mechanics, online, 15.03.2021 - 19.03.2021.

    DOI: 10.1002/pamm.202000286

  2. E. Dierkes, C. Meerpohl, K. Flaßkamp, C. Büskens.
    Estimation and Mapping of System-Surface Interaction by Combining Nonlinear Optimization and Machine Learning.
    Third IFAC Conference on Modelling, Identification and Control of Nonlinear Systems, 15.09-17.09.2021.
  3. E. Dierkes, K. Flaßkamp.
    Learning Mechanical Systems by Hamiltonian Neural Networks.
    GAMM 91st Annual Meeting of the international Association of Applied Mathematics and Mechanics, online, 15.03.2021 - 19.03.2021.
  4. E. Dierkes, K. Flaßkamp.
    Learning Hamiltonian Systems considering System Symmetries in Neural Networks.
    The 7th IFAC Workshop on Lagrangian and Hamiltonian Methods for Nonlinear Control, 11.10-13.10.2021, Berlin, Deutschland.