Uncertainty-aware Bayesian neural networks for FTIR gas-phase process monitoring: a semi-synthetic feasibility study = Unsicherheitsquantifizierung mittels Bayes’scher Neuronaler Netze für die FTIR-gestützte Gasphasen-Prozessüberwachung: eine semi-synthetische Machbarkeitsstudie
Orth, André 1; Höfer, Hawo H.
1; Reischl, Markus
1
1 Institut für Automation und angewandte Informatik (IAI), Karlsruher Institut für Technologie (KIT)
1; Reischl, Markus
11 Institut für Automation und angewandte Informatik (IAI), Karlsruher Institut für Technologie (KIT)
| Zugehörige Institution(en) am KIT | Institut für Automation und angewandte Informatik (IAI) |
| Publikationstyp | Zeitschriftenaufsatz |
| Publikationsdatum | 09.11.2026 |
| Sprache | Englisch |
| Identifikator | ISSN: 0178-2312, 2196-677X KITopen-ID: 1000199077 |
| HGF-Programm | 43.31.02 (POF IV, LK 01) Devices and Applications |
| Erschienen in | at - Automatisierungstechnik |
| Verlag | De Gruyter |
| Band | 74 |
| Heft | 10 |
| Seiten | 818–831 |
| Vorab online veröffentlicht am | 26.10.2026 |
| Nachgewiesen in | OpenAlex |