Rhythmusanalyse - Tatum, Tactus, Metrum

Größe: px
Ab Seite anzeigen:

Download "Rhythmusanalyse - Tatum, Tactus, Metrum"

Transkript

1 Symbole und Signale - MuWi UHH WS 04/05 Rhythmusanalyse - Tatum, Tactus, Metrum Universität Hamburg

2 Rhythmusanalyse: Was ist Rhythmus? Am Anfang war der Rhythmus : Rhythmus ist elementare und definierende Dimension von Musik. Allerdings: Keine allgemein akzeptierte Definition von Rhythmus an der Hand. (Spitznagel nennt an die 100 in der Literatur.) Etymologie: von gr. ρυθµς (rhythmos = Form ). Bei Plato: Geordnete Bewegung, geordnete Abfolge von Ereignissen. Rhythmen sind omnipräsent inder Natur: Planetenbewegungen, Tag- und Nachtzyklus, Gehen, Sprechen, Atmen, Herzschlag, Kunst&Musik, elektrische & mechanische Schwingungen, Atomschwingungen H. Riemann oder K.Bücher zugeschrieben 1

3 Rhythmusanalyse: Grundlagen Analoge Rhythmen: Schwingungen, digitale Rhythmen: Ereignisse. Durch Auszeichnung eines Gebiets im Zustandsraum lassen sich analoge in digitale Rhythmen überführen. Rhythmen im engeren Sinne sind Zeitreihen die ein Mindestmaß an Korrelation aufweisen Definitorische Einschränkungen: 1. Nur zeitliche Rhythmen 2. Nur digitale Rhythmen 3. Nur akustische und motorische Rhythmen 2

4 Rhythmusanalyse: Grundlagen Arbeitsdefinition: Musikalische Rhythmen sind diskrete, korrelierte, akustische Zeitreihen. Andere Autoren definieren Rhythmus als Folge von Akzenten wie schwer-leicht oder lang-kurz. (z.b. Cooper& Meyer, 1960) Die Messung und die Definition musikalischer Rhythmen wird dadurch erschwert, dass sie ein Perzept sind, keine primär-physikalische Tatsache. Die Aufgabe der computergestützten Rhythmusanalyse ist, aus dem physikalischen Phänomen auf das Perzept zu schließen. 3

5 Rhythmusanalyse: Grundlagen Mathematische Definition Definition 1 (Rhythmus) Eine Abbildung Z R E n (t n, e n ) mit n < m t n < t m heißt (digitaler) Rhythmus. Ein reiner Rhythmus ist ein Rhythmus mit E =. 4

6 Rhythmusanalyse: Grundlagen Ein Großteil der bekannten Musik ist um ein implizite oder explizite (quasi-periodische) Impulsfolge, den Beat, herum organisiert. Dies folgt aus und wird erzeugt durch die zeitliche Korreliertheit der Ereignisse. Die rhythmischen Ereignisse werden oft mit dem Onset (Einsatzzeit) assoziert. Der Onset ist ein Perzept, korreliert aber in der Regel mit messbaren physikalischen Eigenschaften. Das Zeitintervall zwischen zwei Onsets heißt Inter-onset-interval (IOI) Die Dauer eines Klanges wird in vielen Modellen vernachlässigt. 5

7 Rhythmusanalyse: Grundlagen Phänomen der subjektiven Rhythmisierung (Metrisierung): Der Mensch nimmt auch bei isochronen, physikalisch identischen Reizen eine 2er- oder 3er-Gruppierung wahr. Metrum ist strukturierte Abfolge von wichtig/unwichtig (bzgl. des Beatlevels) Die perzeptuellen Akzente einer musikalischen Zeitreihe bestimmen die Metrumswahrnehmung. Man unterscheidet verschiedene Akzenttypen: 1. Phänomenale (physikalische) Akzente (Betonung, Lautstärke, Klangfarbe) 2. Strukturakzente (z.b Harmoniewechsel) 3. Metrische Akzente 4. Melodische Akzente 5. Temporale Akzente 6

8 Rhythmusanalyse: Grundlagen Man hat einige Zeitkonstanten der Rhythmuswahrnehmung und -produktion beobachtet: 1. Gleichzeitigkeit: 2 5 ms 2. Reihenfolgeunterscheidung: ms 3. Schnellste Bewegung: 80 ms 4. Spontanes Tempo: ms 5. Subjektive Präsenzzeit: ms Es gibt eine anthropologische/physiologische Hierarchie der Zeitskalen. 7

9 Rhythmusanalyse: Grundlagen Man findet verschiedene Ebenen zu verschiedenen Zeitskalen der musikalischrhythmischen Organisation. Bezeichnung Tatum oder Puls, kleinste Zeiteinheit Tactus oder Beat (Puls, Grundschlag) Metrum, Hypermetrum, Formeinheiten Größenordnung 10 1 s 10 0 s 10 1 s Das führt uns auf die Definition von Zeitgitter und metrischer Hierachie. 8

10 Rhythmusanalyse: Zeitgitter Definition 2 (Zeitgitter) Sei T > 0 eine reelle, positive Konstante, die Zeitbasis. Dann heißt die Menge G T = {nt, n N 0 } ein Zeitgitter. Für k < p N 0 ist das (k, p)-untergitter von G die Menge mit Phase k und Periode p. Der Wert G T (k, p) = {(k + np)t, n N} Θ = 1 pt heißt Tempo des (Unter-)gitters. Jede Teilmenge R G T eines Zeitgitters heißt regulärer Rhythmus. 9

11 Rhythmusanalyse: Metrische Hierarchie Definition 3 (Metrische Hierarchie) Sei G T ein Zeitgitter, M = {m i m i > 1, 1 i N} eine Menge natürlicher Zahlen. Definiere p n = n i=1 m i und sei k eine natürliche Zahl. Das Untergitter G T (k, p n ) Γ(k, n) heißt Untergitter mit Level n und Phase k mod p n. Eine reguläre (divisible) metrische Hierarchie zur Phase k < p N ist dann die Menge aller Untergitter zum Level n N: M(k; p 1, p 2... p N ) = {Γ(k, n), 1 n N} (1) 10

12 Rhythmusanalyse: Metrische Hierarchie Beispiel: Metrische Hierarchien des 12/8-Taktes. Schwarz Zeitgitter G T Blau M(1; 3, 6, 12) Rot M(2; 2, 4, 12) 11

13 Rhythmusanalyse: Quantisierung Problem 1 (Quantization) Sei R = {t i } 0 i N ein gemessener Rhythmus und ɛ > 0. Die Aufgabe der Quantisierung ist es, eine Zeitkonstante T und ein Satz von Quantisierungszahlen {n i N 0 } zu finden, so dass (t i t 0 ) n i T < ɛ, i (2) Die Abbildung Q(t i ) = n i T heißt eine Quantisierung von R. Es ist klar, dass diese Aufgabe nicht immer lösbar ist, entweder nicht zu gegebener Genauigkeit ɛ oder prinzipiell nicht (z.b. Accelerando) 12

14 Rhythmusanalyse: Beat- und Metrumextraktion Problem 2 (Beat- and Metrumextraktion) Seien R die gemessenen Onsets einer rhythmischen Ausführung. Weiterhin nehmen wir an, dass eine Vpn. gebeten wurde gleichmäßig dazu mitzutappen und das die Onsets des Tappens gemessen wurden, bezeichnet mit T (R). Die Aufgabe der Beatextraktion ist es, eine Quantisierung für T (R) aus R herzuleiten. Falls die Vpn. darüberhinaus gebeten wurde, eine Eins zu markieren, gemessen in einem weiteren Rhythmus M(R), dann ist das Problem der Metrumextraktion eine Quantisierung von M zu finden und deren relative Position zum extrahierten Beat. Schwarz: R, Blau: T (R), Rot: Q(T (R)) 13

15 Rhythmusanalyse: Metrische Hierarchie Algorithmus Sei R = {t i } 0 i N ein gemessener Rhythmus, z.b. von einer MIDI-Einspielung oder eines Onsetdetectionsystems Der Metrische Hierarchie Algorithmus (MHA): 1. Erstelle eine Gaußifikation G(R) 2. Berechne die Autokorrelationsfunktion A G. 3. Bestimme die Maximumsstellen M von A G 4. Bestimme Beatkandidaten T B i und Zeitbasen T j aus M(A G ) 5. Erstelle Liste möglicher Metren p i mit Phasen ϕ i und Gewichten w i durch Kreuzkorrelation. 14

16 Rhythmusanalyse: Gaußifikation Definition 4 (Gaußifkation) Sei R = {t i } 1 i N eine Menge von Zeitpunkten (ein Rhythmus) und {ψ i } 1 i N eine Menge (reeller) Koeffizienten. Dann heißt eine Gaußifikation von T. g T (t) = 1 2πσ 2 N i=1 ψ i e (t t i )2 2σ 2 Eine Gaußifikation ist also eine Superposition von zeitverschobenen Gaußfunktionen und ähnelt den GMM (Gaussian Mixture Models), ist aber keine Wahrscheinlichkeitverteilung im engeren Sinne. Die exakten Onsets werden durch die Gaußfunktionen verschmiert und wir erhalten dadurch eine Funktion, die man differenzieren und integrieren kann. Statt den Gaußfunktionen sind auch andere Funktionen denkbar. 15

17 Rhythmusanalyse: Gaußifikation Die Koeffizienten ψ i sind als Akzentgewichte gedacht. Zunächst nur simple, temporale Akzentregeln ( a MIN, a MAJ freie Parameter) 1. INITIALISIERUNG Setze ψ i = 1, ψ 1 = a MIN, ψ N = a MIN 2. SCHWACHER AKZENT Falls ( t i+1 2σ)/ t i > 1 dann ψ i = a MIN 3. STARKER AKZENT Falls ( t i+1 + σ)/ t i > 2 dann ψ i = a MAJ 16

18 Rhythmusanalyse: Gaußifikation Beispiel für eine Gaußifikation. Mit 66 Jahren von Udo Jürgens. (Amateur-MIDI- Einspielung der Gesangsmelodie). 3.5 Mit 66 Jahren

19 Rhythmusanalyse: AKF der Gaußifikation Proposition 1 Sei T τ : G(t) G(t + τ) der Zeitverschiebungsoperator. Dann ist das zeitverschobene Skalarprodukt zweier Gaußfikationen G 1, G 2 die Kreuzkorrelationsfunktion C G1 G 2 : C G1 G 2 (τ) := G 1, T τ G 2 = 1 2σ π N 1,N 2 i,j=1 ( t12 ij τ)2 ψ i φ j e 4σ 2 mit t 12 ij = t(1) i t (2) j. Die Autokorrelationsfunktion A G (τ) einer Gaußifikation G ist gegeben durch: A G (τ) := G, T τ G = 1 2σ π N i,j=1 ψ i ψ j e ( t ij τ)2 4σ 2 18

20 Rhythmusanalyse: AKF der Gaußifikation Beispiel für die AKF einer Gaußifikation. Mit 66 Jahren von Udo Jürgens (Amateur- MIDI-Einspielung der Gesangsmelodie). 1.2 AKF Mit 66 Jahren

21 Rhythmusanalyse: Bestimmung des Beatlevels Die AKF wird nur für einen Zeitspanne berechnet, die ungefähr der subjektiven Präsenzzeit entspricht (2-3s), freier Parameter des Modells. Beatlevel am stabilsten wird zuerst bestimmt. Idee: Beatlevel ergibt Maximum der AKF im Bereich des spontanen (bevorzugten) Tempos. Tempopräferenzfunktion nach Parncutt: w(t) = e β log2 2 t Ts, T s ist das spontanes Tempo. Freier Parameter des Modells, sollte um die 500 ms ( = 120 bpm) sein. Es gilt w(2t s ) = w(t s /2) 20

22 Rhythmusanalyse: Bestimmung des Beat-Levels Die Kandidaten für den Tactus T B werden wie folgt bestimmt T B = {arg max A G (t)w(t)} b = 0.25 b = 0.5 b = 0.75 b = Tempopräferenzfunktionen zu verschiedenen Parametern β. 21

23 Rhythmusanalyse: Bestimmung des Beat-Levels AKF-Methode hat Probleme bei punktierten Rhythmen. Punktierter Rhythmus AKF

24 Rhythmusanalyse: Bestimmung von Metrum und Phase Für einen gegebenen Tactus können nun Metren und zugehörige Phasen bestimmt werden durch Kreuzkorrelation mit gaußifizierten idealen metrischen Mustern. Periode Relative Akzente 2 {2,0} 3 {2,0,0} 4 {2,0,1,0} Ist G p die Gaußifikation eines metrischen Musters mit Periode p, dann sind der match -Wert m p und die beste Phase ϕ p gegeben durch: m p = max C Gp G(τ) ϕ p = argmax C Gp G(τ) 23

25 Rhythmusanalyse: Bestimmung von Metrum und Phase Das Gewicht dieses Metrum/Phasenpaars ergibt sich aus dem Matchwert und dem entsprechenden Wert der AKF: w p = A g (pt B )m p 1.4 2/4 KKF Mit 66 Jahren Kreuzkorrelation C G2 G (2/4) von Mit 66 Jahren. 24

26 Rhythmusanalyse: Bestimmung von Metrum und Phase Beispiel: Das beste 2/4-, 3/4- und 4/4-Metrum für Mit 66 Jahren Mit 66 Jahren 2/4 3/4 4/

27 Rhythmusanalyse: MHA Evaluation Testset: 586 Luxemburgische Volkslieder, quantisiert, 120bpm. Vorkommende Metren 2,3,4, und 6. 80% der Lieder hatten Auftakt. Eher simple Rhythmik (synkopenfrei...) Getestet mit verschiedenen Akzentkonfigurationen. Trotz bester Bedingungen lag Tactusfehlerquote bei 12%! Oktav- und Quintfehler. 26

28 Rhythmusanalyse: MHA Evaluation Benutzte Maße: c m1 : Korrekte Periode (%) c m2 : Korrekte Periode bis auf Vielfache (%) c m3 : Korrekte absolute Taktlänge (%) c ϕ : Korrekte absolute absolute Phase (%) (a min, a maj ) c m1 c m2 c m3 c ϕ c (1,1) 0,41 0,78 0,48 0,32 0,50 (1,2) 0,46 0,82 0,55 0,62 0,61 (2,1) 0,43 0,80 0,50 0,27 0,50 (2,2) 0,45 0,81 0,55 0,50 0,58 (2,3) 0,47 0,80 0,58 0,64 0,62 (2,4) 0,44 0,77 0,57 0,64 0,61 27

29 Rhythmusanalyse: MHA Beispiel Beispiel: Die ersten 15 s eines Pygmäenlieds ( Song of rejoicing after returning fram a hunt, Lied 5) Hindewhu (Pfeife) und Gesang, virtuelle Polyphonie, mit starken Offbeats der Flöte. Onsets mit einem Audioeditor von Hand extrahiert. Analyse der beginnenden 10 s, der folgenden 5 s und des ganzen Ausschnitts. (Nach 10 s findet Beschleunigung statt.) 28

30 Rhythmusanalyse: MHA Beispiel Autokorrelation der ersten 10s von Lied 5. Beatlevel (T=750ms, Θ = 80 bpm), asymmetrischer 3er Tactus. Metrische Level bei 2T und 3T. 1.2 "pygmy a uto.dat"

31 Rhythmusanalyse: MHA Beispiel Autokorrelation von Sekunde 10-15s von Lied 5. Beatlevel (T=694ms, Θ = 86 bpm), klarer 4er Tactus 1.8 "pygmy a uto.dat"

32 Rhythmusanalyse: MHA Beispiel Autokorrelation von Sekunde 0-15s von Lied 5. Beatlevel (T=696ms, Θ = 86 bpm) mit 4er Tactus oder Beatlevel (T=454s, Θ = 132 bpm) mit 3er Tactus Impliziter 2:3-Kreuzrhythmus! 1 "pygmy a uto.dat"

33 Rhythmusanalyse: MHA Beispiel Timeline und bester 2/4-Takt für Sekunde 0-10s von Lied 5. Algorithmus nimmt ersten Pfeifenton als 1! 3 "pygmy t ime.dat" "pygmy dat"

34 Rhythmusanalyse: MHA Beispiel Timeline und bester 3/4-Takt für Sekunde 0-10s von Lied 5. Die 1 liegt diemal beim Gesang. 2.5 "pygmy t ime.dat" "pygmy dat"

35 Rhythmusanalyse: MHA Beispiel Timeline und bester 2/4-Takt (T=464ms) für Sekunde 0-15s von Lied 5. Phase ist wieder verschoben. 2.5 "pygmy t ime.dat" "pygmy dat"

36 Rhythmusanalyse: Ausblick Semigute, aber vielversprechende erste Ergebnisse... Mehrere Beatkandidaten, mehrere Phasenkandidaten pro Metrum Fensterung, Polyrhythmik Akzentregeln aus anderen musikalischen Dimension. Bessere Gewichtung durch Metrumspräferenzfunktion. Mehr Evaluation. 35

Mathematische Melodieanalyse - Ein Streifzug

Mathematische Melodieanalyse - Ein Streifzug RMA - MuWi UHH WS 05/06 Mathematische Melodieanalyse - Ein Streifzug Universität Hamburg Mathematische Melodieanalyse - Einleitung Mathematische Melodieanalyse befasst sich mit der algorithmischen Analyse

Mehr

Angewandte Ökonometrie, WS 2012/13, 1. Teilprüfung am 6.12.2012 - Lösungen. Das folgende Modell ist ein GARCH(1,1)-Modell:

Angewandte Ökonometrie, WS 2012/13, 1. Teilprüfung am 6.12.2012 - Lösungen. Das folgende Modell ist ein GARCH(1,1)-Modell: Angewandte Ökonometrie, WS 2012/13, 1. Teilprüfung am 6.12.2012 - Lösungen LV-Leiterin: Univ.Prof.Dr. Sylvia Frühwirth-Schnatter 1 Wahr oder falsch? 1. Das folgende Modell ist ein GARCH(1,1)-Modell: Y

Mehr

SYNCHRONISATION VON HERZ UND ATMUNG

SYNCHRONISATION VON HERZ UND ATMUNG SYNCHRONISATION VON HERZ UND ATMUNG Vortrag von Benjamin Klima Inhaltsverzeichnis 1. 2. 3. Jules Antoine Lissajous 4. Die Lissajous Figur 5. 6. 7. Unsere Daten 8. Unsere Auswertung und Veranschaulichung

Mehr

Digitale Regelung. Vorlesung: Seminarübungen: Dozent: Professor Ferdinand Svaricek Ort: 33/2211 Zeit:Di 15.00 16.30 Uhr

Digitale Regelung. Vorlesung: Seminarübungen: Dozent: Professor Ferdinand Svaricek Ort: 33/2211 Zeit:Di 15.00 16.30 Uhr Vorlesung: Dozent: Professor Ferdinand Svaricek Ort: 33/2211 Zeit:Di 15.00 16.30 Uhr Seminarübungen: Dozent: Alexander Weber Ort: 33/1101 Zeit: Mo 9.45 11.15 Uhr (Beginn: 20.04.2015) Vorlesungsskript:

Mehr

Physik & Musik. Stimmgabeln. 1 Auftrag

Physik & Musik. Stimmgabeln. 1 Auftrag Physik & Musik 5 Stimmgabeln 1 Auftrag Physik & Musik Stimmgabeln Seite 1 Stimmgabeln Bearbeitungszeit: 30 Minuten Sozialform: Einzel- oder Partnerarbeit Voraussetzung: Posten 1: "Wie funktioniert ein

Mehr

Einfluß von Wind bei Maximalfolgenmessungen

Einfluß von Wind bei Maximalfolgenmessungen 1 von 5 05.02.2010 11:10 Der Einfluß von Wind bei Maximalfolgenmessungen M. KOB, M. VORLÄNDER Physikalisch-Technische Bundesanstalt, Braunschweig 1 Einleitung Die Maximalfolgenmeßtechnik ist eine spezielle

Mehr

Time Domain Harmonic Scaling

Time Domain Harmonic Scaling Algorithmische Anwendungen WS 2006/07 Referat Time Domain Harmonic Scaling A_grün_Ala0607 Dennis Ostrop 11035320 ai582@gm.fh-koeln.de Daniel de Buhr 11035463 ai574@gm.fh-koeln.de Inhaltsverzeichnis 1.

Mehr

Nerreter, Grundlagen der Elektrotechnik Carl Hanser Verlag München. 8 Schaltvorgänge

Nerreter, Grundlagen der Elektrotechnik Carl Hanser Verlag München. 8 Schaltvorgänge Carl Hanser Verlag München 8 Schaltvorgänge Aufgabe 8.6 Wie lauten für R = 1 kω bei der Aufgabe 8.1 die Differenzialgleichungen und ihre Lösungen für die Spannungen u 1 und u 2 sowie für den Strom i? Aufgabe

Mehr

Trägheit, Masse, Kraft Eine systematische Grundlegung der Dynamik

Trägheit, Masse, Kraft Eine systematische Grundlegung der Dynamik Trägheit, Masse, Kraft Eine systematische Grundlegung der Dynamik Die grundlegenden Gesetze der Physik sind Verallgemeinerungen (manchmal auch Extrapolationen) von hinreichend häufigen und zuverlässigen

Mehr

Einführung. Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (3) Vorlesungen zur Komplexitätstheorie. K-Vollständigkeit (1/5)

Einführung. Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (3) Vorlesungen zur Komplexitätstheorie. K-Vollständigkeit (1/5) Einführung 3 Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (3) Univ.-Prof. Dr. Christoph Meinel Hasso-Plattner-Institut Universität Potsdam, Deutschland Hatten den Reduktionsbegriff

Mehr

Motivation. Jede Messung ist mit einem sogenannten Fehler behaftet, d.h. einer Messungenauigkeit

Motivation. Jede Messung ist mit einem sogenannten Fehler behaftet, d.h. einer Messungenauigkeit Fehlerrechnung Inhalt: 1. Motivation 2. Was sind Messfehler, statistische und systematische 3. Verteilung statistischer Fehler 4. Fehlerfortpflanzung 5. Graphische Auswertung und lineare Regression 6.

Mehr

Naturwissenschaftliche Fakultät II - Physik. Anleitung zum Anfängerpraktikum A2

Naturwissenschaftliche Fakultät II - Physik. Anleitung zum Anfängerpraktikum A2 U N I V E R S I T Ä T R E G E N S B U R G Naturwissenschaftliche Fakultät II - Physik Anleitung zum Anfängerpraktikum A2 Versuch 3 - Gedämpfte freie Schwingung des RLC-Kreises 23. überarbeitete Auflage

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der

Mehr

Praktikumsbericht. Gruppe 6: Daniela Poppinga, Jan Christoph Bernack, Isaac Paha. Betreuerin: Natalia Podlaszewski 28.

Praktikumsbericht. Gruppe 6: Daniela Poppinga, Jan Christoph Bernack, Isaac Paha. Betreuerin: Natalia Podlaszewski 28. Praktikumsbericht Gruppe 6: Daniela Poppinga, Jan Christoph Bernack, Isaac Paha Betreuerin: Natalia Podlaszewski 28. Oktober 2008 1 Inhaltsverzeichnis 1 Versuche mit dem Digital-Speicher-Oszilloskop 3

Mehr

Konzeption zur musikalischen Früherziehung in der Kindertagesstätte Singemäuse

Konzeption zur musikalischen Früherziehung in der Kindertagesstätte Singemäuse Konzeption zur musikalischen Früherziehung in der Kindertagesstätte Singemäuse Berlin, 01/2013 Inhaltsverzeichnis Einführung 3 1. Einbeziehung des Berliner Bildungsprogramms als Hauptschwerpunkt der musikalischen

Mehr

AUFGABENSAMMLUNG ZUM LEHRGEBIET. AUTOMATISIERUNGSTECHNIK bzw. KONTINUIERLICHE SYSTEME

AUFGABENSAMMLUNG ZUM LEHRGEBIET. AUTOMATISIERUNGSTECHNIK bzw. KONTINUIERLICHE SYSTEME Dr.-Ing. Tatjana Lange Fachhochschle für Technik nd Wirtschaft Fachbereich Elektrotechnik AUFGABENSAMMLUNG ZUM LEHRGEBIET AUTOMATISIERUNGSTECHNIK bzw. KONTINUIERLICHE SYSTEME. Differentialgleichngen Afgabe.:

Mehr

8. Übung zur Vorlesung Mathematisches Modellieren Lösung

8. Übung zur Vorlesung Mathematisches Modellieren Lösung Universität Duisburg-Essen Essen, den.6. Fakultät für Mathematik S. Bauer C. Hubacsek C. Thiel 8. Übung zur Vorlesung Mathematisches Modellieren Lösung In dieser Übung sollen in Aufgabe und die qualitativ

Mehr

32,5cm. Frequenzmessung, z. B. mit dem Oszilloskop oder einem handelsüblichen Frequenzmeter.

32,5cm. Frequenzmessung, z. B. mit dem Oszilloskop oder einem handelsüblichen Frequenzmeter. Die Blockflöte Aufgabe Wie verändert sich beim Spielen auf einer Blockflöte (c-flöte) die Tonhöhe, wenn, beginnend mit dem Ton h, nacheinander die weiteren Finger aufgesetzt werden? Gib eine möglichst

Mehr

Modellbasierte Diagnosesysteme

Modellbasierte Diagnosesysteme Modellbasierte Diagnosesysteme Diagnose: Identifikation eines vorliegenden Fehlers (Krankheit) auf der Basis von Beobachtungen (Symptomen) und Hintergrundwissen über das System 2 Arten von Diagnosesystemen:

Mehr

A. Ein Kondensator differenziert Spannung

A. Ein Kondensator differenziert Spannung A. Ein Kondensator differenziert Spannung Wir legen eine Wechselspannung an einen Kondensator wie sieht die sich ergebende Stromstärke aus? U ~ ~ Abb 1: Prinzipschaltung Kondensator: Physiklehrbuch S.

Mehr

Ich wünsche allen Leserinnen und Lesern, dass sie die Theorie in die Praxis umsetzen können und dadurch viel Freude beim Spielen gewinnen.

Ich wünsche allen Leserinnen und Lesern, dass sie die Theorie in die Praxis umsetzen können und dadurch viel Freude beim Spielen gewinnen. Musiktheorie Vorwort In meiner langjährigen Arbeit mit Musikern ist mir immer wieder aufgefallen, dass die musiktheoretischen Grundkenntnisse nur rudimentär vorhanden sind. Diese Grundlagen sind allerdings

Mehr

2. Eigenschaften digitaler Nachrichtensignale

2. Eigenschaften digitaler Nachrichtensignale FH OOW / Fachb. Technik / Studiengang Elektrotechnik u. Automatisierungstechnik Seite 2-2. Eigenschaften digitaler Nachrichtensignale 2. Abgrenzung zu analogen Signalen Bild 2.- Einteilung der Signale

Mehr

METHODENLEHRE I WS 2013/14 THOMAS SCHÄFER

METHODENLEHRE I WS 2013/14 THOMAS SCHÄFER METHODENLEHRE I WS 2013/14 THOMAS SCHÄFER DAS THEMA: INFERENZSTATISTIK IV INFERENZSTATISTISCHE AUSSAGEN FÜR ZUSAMMENHÄNGE UND UNTERSCHIEDE Inferenzstatistik für Zusammenhänge Inferenzstatistik für Unterschiede

Mehr

II. Taktarten 1. Metrum und Takt 2. Takt und Taktarten

II. Taktarten 1. Metrum und Takt 2. Takt und Taktarten II. Taktarten 1. Metrum und Takt, 2. Takt und Taktarten 3. Volltakt und Auftakt, 4. Liedbeispiele für die gebräuchlichsten Taktarten 5. Auftaktformen, 6. Taktwechsel 7. Zusammengesetzte Taktarten 1. Metrum

Mehr

3. Leistungsdichtespektren

3. Leistungsdichtespektren Stochastische Prozesse: 3. Leistungsdichtespektren Wird das gleiche Geräusch mehrmals gemessen, so ergeben sich in der Regel unterschiedliche zeitliche Verläufe des Schalldrucks. Bei Geräuschen handelt

Mehr

Mathematische Erfrischungen III - Vektoren und Matrizen

Mathematische Erfrischungen III - Vektoren und Matrizen Signalverarbeitung und Musikalische Akustik - MuWi UHH WS 06/07 Mathematische Erfrischungen III - Vektoren und Matrizen Universität Hamburg Vektoren entstanden aus dem Wunsch, u.a. Bewegungen, Verschiebungen

Mehr

Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume?

Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume? Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume? Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de WS 2013/14 Isomorphie Zwei Graphen (V 1, E 1 ) und (V

Mehr

5 Eigenwerte und die Jordansche Normalform

5 Eigenwerte und die Jordansche Normalform Mathematik für Physiker II, SS Mittwoch 8.6 $Id: jordan.tex,v.6 /6/7 8:5:3 hk Exp hk $ 5 Eigenwerte und die Jordansche Normalform 5.4 Die Jordansche Normalform Wir hatten bereits erwähnt, dass eine n n

Mehr

HARDWARE-PRAKTIKUM. Versuch T-1. Kontaktlogik. Fachbereich Informatik. Universität Kaiserslautern

HARDWARE-PRAKTIKUM. Versuch T-1. Kontaktlogik. Fachbereich Informatik. Universität Kaiserslautern HARDWARE-PRATIUM Versuch T-1 ontaktlogik Fachbereich Informatik Universität aiserslautern eite 2 Versuch T-1 Versuch T-1 Vorbemerkungen chaltnetze lassen sich in drei lassen einteilen: 1. chaltnetze vom

Mehr

Projektive Moduln. Lemma/Definition 1.1. Folgende Aussagen für einen R-Modul P sind äquivalent: (i) P erfüllt folgende Liftungseigenschaft:

Projektive Moduln. Lemma/Definition 1.1. Folgende Aussagen für einen R-Modul P sind äquivalent: (i) P erfüllt folgende Liftungseigenschaft: Seminar Summen von Quadraten und K-Theorie Projektive Moduln Im Folgenden sei R ein assoziativer Ring mit Eins, nicht notwendigerweise kommutativ. R-Modul ist im Folgenden stets ein Rechts-R-Modul. Ein

Mehr

Bildverarbeitung Herbstsemester 2012. Kanten und Ecken

Bildverarbeitung Herbstsemester 2012. Kanten und Ecken Bildverarbeitung Herbstsemester 01 Kanten und Ecken 1 Inhalt Einführung Kantendetektierung Gradientenbasierende Verfahren Verfahren basierend auf der zweiten Ableitung Eckpunkterkennung Harris Corner Detector

Mehr

DM/I Digitale Medien/Intermedia

DM/I Digitale Medien/Intermedia DM/I Digitale Medien/Intermedia Muthesius Kunsthochschule Zentrum für Medien Software Dokumentation - Stage Presence 0.3 Christian Engler 2005 Synopsis Basierend auf Rudolf von Laban s Choreutik Theorie

Mehr

Codierungstheorie Rudolf Scharlau, SoSe 2006 9

Codierungstheorie Rudolf Scharlau, SoSe 2006 9 Codierungstheorie Rudolf Scharlau, SoSe 2006 9 2 Optimale Codes Optimalität bezieht sich auf eine gegebene Quelle, d.h. eine Wahrscheinlichkeitsverteilung auf den Symbolen s 1,..., s q des Quellalphabets

Mehr

Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14. Auswahl vorausgesetzter Vorkenntnisse

Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14. Auswahl vorausgesetzter Vorkenntnisse UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6.1 MATHEMATIK Dipl.-Math. Kevin Everard Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14 Auswahl vorausgesetzter Vorkenntnisse

Mehr

Grundlagen der Meßtechnik

Grundlagen der Meßtechnik Grundlagen der Meßtechnik herausgegeben von Professor em. Dr. Paul Profos ETH Zürich und Professor Dr.-Ing. Dr. hc. Tilo Pfeifer RWTH Aachen 4., verbesserte Auflage Mit 262 Bildern und 46 Tabellen R. Oldenbourg

Mehr

Transformation der Anregungsenergie zwischen Bezugssystemen.

Transformation der Anregungsenergie zwischen Bezugssystemen. Einsteins Relativitätstheorie kontra klassische Mechanik Paul Marmet übersetzt von Mathias Hüfner Kapitel Zwei letzte Durchsicht 01.08.12 Transformation der Anregungsenergie zwischen Bezugssystemen. 2.1

Mehr

u + v = v + u. u + (v + w) = (u + v) + w. 0 V + v = v + 0 V = v v + u = u + v = 0 V. t (u + v) = t u + t v, (t + s) u = t u + s u.

u + v = v + u. u + (v + w) = (u + v) + w. 0 V + v = v + 0 V = v v + u = u + v = 0 V. t (u + v) = t u + t v, (t + s) u = t u + s u. Universität Stuttgart Fachbereich Mathematik Prof. Dr. C. Hesse PD Dr. P. H. Lesky Dipl. Math. D. Zimmermann Msc. J. Köllner FAQ 3 Höhere Mathematik I 4..03 el, kyb, mecha, phys Vektorräume Vektorräume

Mehr

6 Symmetrische Matrizen und quadratische Formen

6 Symmetrische Matrizen und quadratische Formen Mathematik für Ingenieure II, SS 9 Freitag. $Id: quadrat.tex,v.5 9//5 ::59 hk Exp $ $Id: orthogonal.tex,v.4 9// ::54 hk Exp $ $Id: fourier.tex,v. 9// :: hk Exp $ Symmetrische Matrizen und quadratische

Mehr

Schindler 3300 / Schindler 5300 Informationen zu Schall und Schwingungen

Schindler 3300 / Schindler 5300 Informationen zu Schall und Schwingungen Schindler 3300 / Schindler 5300 Inhalt 0. Einführung 1. Fahrkomfort Rucken Kabinenbeschleunigung Vertikale Kabinenschwingungen Laterale Kabinenschwingungen Schall in der Kabine 2. Schall Grundlagen 3.

Mehr

YOUR INNER PULSE TRAINER

YOUR INNER PULSE TRAINER Intro english 05 15 Subdivisions Trainer FRANK MELLIES YOUR INNER PULSE TRAINER Micro Time Trainer 26 40 Bilingual Edition english/german Steady Tempo Trainer 72 Readingtexts (Foldout Pages) 1 85 Wozu

Mehr

Software Engineering in der Praxis

Software Engineering in der Praxis Software Engineering in der Praxis Praktische Übungen Adersberger, Spisländer FAU Erlangen-Nürnberg Software-Metriken 1 / 26 Software-Metriken Josef Adersberger Marc Spisländer Lehrstuhl für Software Engineering

Mehr

Luftraumbeschreibung Durch einen algorithmisch aufgefächerten Flugverlauf mehrerer Adler, wird ein Luftraum entworfen.

Luftraumbeschreibung Durch einen algorithmisch aufgefächerten Flugverlauf mehrerer Adler, wird ein Luftraum entworfen. KONZEPT 7 DIPTYCHEN Berlin / Jerusalem 2007/08 Der duale Charakter der Diptychen thematisiert sich in einer konzeptionellen Verschiebung der Teilung von rechts nach links. Über den Weg einer relativ komplexen

Mehr

Inhalt Software-Metriken Software-Metriken mit Together FindBugs. Software-Metriken. Raimar Lill Matthias Meitner David Föhrweiser Marc Spisländer

Inhalt Software-Metriken Software-Metriken mit Together FindBugs. Software-Metriken. Raimar Lill Matthias Meitner David Föhrweiser Marc Spisländer Lill, Meitner, Föhrweiser, Spisländer FAU Erlangen-Nürnberg Software-Metriken 1 / 24 Software-Metriken Raimar Lill Matthias Meitner David Föhrweiser Marc Spisländer Lehrstuhl für Software Engineering Friedrich-Alexander-Universität

Mehr

Entladen und Aufladen eines Kondensators über einen ohmschen Widerstand

Entladen und Aufladen eines Kondensators über einen ohmschen Widerstand Entladen und Aufladen eines Kondensators über einen ohmschen Widerstand Vorüberlegung In einem seriellen Stromkreis addieren sich die Teilspannungen zur Gesamtspannung Bei einer Gesamtspannung U ges, der

Mehr

Signalübertragung und -verarbeitung

Signalübertragung und -verarbeitung ILehrstuhl für Informationsübertragung Schriftliche Prüfung im Fach Signalübertragung und -verarbeitung 6. Oktober 008 5Aufgaben 90 Punkte Hinweise: Beachten Sie die Hinweise zu den einzelnen Teilaufgaben.

Mehr

Literatur. Dominating Set (DS) Dominating Sets in Sensornetzen. Problem Minimum Dominating Set (MDS)

Literatur. Dominating Set (DS) Dominating Sets in Sensornetzen. Problem Minimum Dominating Set (MDS) Dominating Set 59 Literatur Dominating Set Grundlagen 60 Dominating Set (DS) M. V. Marathe, H. Breu, H.B. Hunt III, S. S. Ravi, and D. J. Rosenkrantz: Simple Heuristics for Unit Disk Graphs. Networks 25,

Mehr

EO - Oszilloskop Blockpraktikum Frühjahr 2005

EO - Oszilloskop Blockpraktikum Frühjahr 2005 EO - Oszilloskop, Blockpraktikum Frühjahr 25 28. März 25 EO - Oszilloskop Blockpraktikum Frühjahr 25 Alexander Seizinger, Tobias Müller Assistent René Rexer Tübingen, den 28. März 25 Einführung In diesem

Mehr

RUPRECHTS-KARLS-UNIVERSITÄT HEIDELBERG

RUPRECHTS-KARLS-UNIVERSITÄT HEIDELBERG Die Poisson-Verteilung Jianmin Lu RUPRECHTS-KARLS-UNIVERSITÄT HEIDELBERG Ausarbeitung zum Vortrag im Seminar Stochastik (Wintersemester 2008/09, Leitung PD Dr. Gudrun Thäter) Zusammenfassung: In der Wahrscheinlichkeitstheorie

Mehr

Untersuchung der Empfindlichkeit eines Beschleunigungssensors mithilfe eines Lautsprechers

Untersuchung der Empfindlichkeit eines Beschleunigungssensors mithilfe eines Lautsprechers Untersuchung der Empfindlichkeit eines Beschleunigungssensors mithilfe eines Lautsprechers Vorbereitende Aufgaben: Diese Aufgaben dienen der Vorbereitung auf den Praktikumsversuch und sollen Sie mit den

Mehr

Programmiersprachen und Übersetzer

Programmiersprachen und Übersetzer Programmiersprachen und Übersetzer Sommersemester 2010 19. April 2010 Theoretische Grundlagen Problem Wie kann man eine unendliche Menge von (syntaktisch) korrekten Programmen definieren? Lösung Wie auch

Mehr

Elektrische Messtechnik, Labor Sommersemester 2014

Elektrische Messtechnik, Labor Sommersemester 2014 Institut für Elektrische Messtechnik und Messsignalverarbeitung Elektrische Messtechnik, Labor Sommersemester 2014 Rechnerunterstützte Erfassung und Analyse von Messdaten Übungsleiter: Dipl.-Ing. GALLIEN

Mehr

Einzelmolekülfluoreszenzspektroskopie (EFS)

Einzelmolekülfluoreszenzspektroskopie (EFS) Fortgeschrittenen Praktikum TU Dresden 29. Mai 2009 Einzelmolekülfluoreszenzspektroskopie (EFS) Klaus Steiniger, Alexander Wagner, Gruppe 850 klaus.steiniger@physik.tu-dresden.de, alexander.wagner@physik.tu-dresden.de

Mehr

Argumente für die diskrete Realisierung der Fourierintegrale

Argumente für die diskrete Realisierung der Fourierintegrale Argumente für die diskrete Realisierung der Fourierintegrale Die Fouriertransformation gemäß der Beschreibung in Kapitel 3.1 weist aufgrund der unbegrenzten Ausdehnung des Integrationsintervalls eine unendlich

Mehr

Kapitel 40 Zeitreihen: Autokorrelation und Kreuzkorrelation

Kapitel 40 Zeitreihen: Autokorrelation und Kreuzkorrelation Kapitel 40 Zeitreihen: Autokorrelation und Kreuzkorrelation Bei Zeitreihendaten ist häufig das Phänomen zu beobachten, daß die Werte der Zeitreihe zeitverzögert mit sich selbst korreliert sind. Dies bedeutet,

Mehr

8.6.1 Erwartungswert eines beliebigen Operators O 8.6.2 Beispiel: Erwartungswert des Impulses eines freien Teilchens

8.6.1 Erwartungswert eines beliebigen Operators O 8.6.2 Beispiel: Erwartungswert des Impulses eines freien Teilchens phys4.013 Page 1 8.6.1 Erwartungswert eines beliebigen Operators O 8.6.2 Beispiel: Erwartungswert des Impulses eines freien Teilchens phys4.013 Page 2 8.6.3 Beispiel: Orts- und Impuls-Erwartungswerte für

Mehr

Planen mit mathematischen Modellen 00844: Computergestützte Optimierung. Autor: Dr. Heinz Peter Reidmacher

Planen mit mathematischen Modellen 00844: Computergestützte Optimierung. Autor: Dr. Heinz Peter Reidmacher Planen mit mathematischen Modellen 00844: Computergestützte Optimierung Leseprobe Autor: Dr. Heinz Peter Reidmacher 11 - Portefeuilleanalyse 61 11 Portefeuilleanalyse 11.1 Das Markowitz Modell Die Portefeuilleanalyse

Mehr

6.2 Scan-Konvertierung (Scan Conversion)

6.2 Scan-Konvertierung (Scan Conversion) 6.2 Scan-Konvertierung (Scan Conversion) Scan-Konvertierung ist die Rasterung von einfachen Objekten (Geraden, Kreisen, Kurven). Als Ausgabemedium dient meist der Bildschirm, der aus einem Pixelraster

Mehr

Mathematische Grundlagen der Kryptographie. 1. Ganze Zahlen 2. Kongruenzen und Restklassenringe. Stefan Brandstädter Jennifer Karstens

Mathematische Grundlagen der Kryptographie. 1. Ganze Zahlen 2. Kongruenzen und Restklassenringe. Stefan Brandstädter Jennifer Karstens Mathematische Grundlagen der Kryptographie 1. Ganze Zahlen 2. Kongruenzen und Restklassenringe Stefan Brandstädter Jennifer Karstens 18. Januar 2005 Inhaltsverzeichnis 1 Ganze Zahlen 1 1.1 Grundlagen............................

Mehr

klar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s

klar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s Nachtrag zur allgemeinen Vektorraum-Theorie. 1.5.15. Direkte Summen. Sei V ein Vektorraum, seien U 1,..., U t Unterräume, wir schreiben V = U 1 U 2 U t = t i=1 U i falls die folgenden beiden Bedingungen

Mehr

JetMove 2xx Versions-Update von V2.13 auf V2.14

JetMove 2xx Versions-Update von V2.13 auf V2.14 JetMove 2xx Versions-Update von V2.13 auf V2.14 Auflage 1.00 11.06.2012/ Printed in Germany Versions-Update von V2.13 auf V2.14 JetMove 2xx 11.06.2012 Die Firma JETTER AG behält sich das Recht vor, Änderungen

Mehr

7. Ringe und Körper. 7. Ringe und Körper 49

7. Ringe und Körper. 7. Ringe und Körper 49 7. Ringe und Körper 49 7. Ringe und Körper In den bisherigen Kapiteln haben wir nur Gruppen, also insbesondere nur Mengen mit lediglich einer Verknüpfung, untersucht. In der Praxis gibt es aber natürlich

Mehr

Teil II. Nichtlineare Optimierung

Teil II. Nichtlineare Optimierung Teil II Nichtlineare Optimierung 60 Kapitel 1 Einleitung In diesem Abschnitt wird die Optimierung von Funktionen min {f(x)} x Ω betrachtet, wobei Ω R n eine abgeschlossene Menge und f : Ω R eine gegebene

Mehr

2: Zahlentheorie / Restklassen 2.1: Modulare Arithmetik

2: Zahlentheorie / Restklassen 2.1: Modulare Arithmetik Stefan Lucks Diskrete Strukturen (WS 2009/10) 57 2: Zahlentheorie / Restklassen 2.1: Modulare Arithmetik Uhr: Stunden mod 24, Minuten mod 60, Sekunden mod 60,... Rechnerarithmetik: mod 2 w, w {8, 16, 32,

Mehr

Vorlesung. Funktionen/Abbildungen 1

Vorlesung. Funktionen/Abbildungen 1 Vorlesung Funktionen/Abbildungen 1 1 Grundlagen Hinweis: In dieser Vorlesung werden Funktionen und Abbildungen synonym verwendet. In der Schule wird eine Funktion häufig als eindeutige Zuordnung definiert.

Mehr

Bank für Schallversuche Best.- Nr. 2004611. Für Versuche zum Schall, Wellenausbreitung, Wellenlänge, Schallgeschwindigkeit.

Bank für Schallversuche Best.- Nr. 2004611. Für Versuche zum Schall, Wellenausbreitung, Wellenlänge, Schallgeschwindigkeit. Bank für Schallversuche Best.- Nr. 2004611 Für Versuche zum Schall, Wellenausbreitung, Wellenlänge, Schallgeschwindigkeit. Dieses Gerät besteht aus 1 Lautsprecher (Ø 50 mm, Leistung 2 W, Impedanz 8 Ω)

Mehr

Lineare Algebra - alles was man wissen muß

Lineare Algebra - alles was man wissen muß Statistik für Bioinformatiker SoSe 3 Rainer Spang Lineare Algebra - alles was man wissen muß Der Titel ist natürlich gelogen, aber was wir hier zusammengetragen haben ist zumindest ein Anfang. Weniger

Mehr

DIFFERENTIALGLEICHUNGEN

DIFFERENTIALGLEICHUNGEN DIFFERENTIALGLEICHUNGEN GRUNDBEGRIFFE Differentialgleichung Eine Gleichung, in der Ableitungen einer unbekannten Funktion y = y(x) bis zur n-ten Ordnung auftreten, heisst gewöhnliche Differentialgleichung

Mehr

Ein Geräusch: " Plopp"

Ein Geräusch:  Plopp Ein Geräusch: " Plopp" Zielsetzung: Das Ziel dieses Experiments ist es die Druckveränderungen zu untersuchen, die auftreten, wenn ein Zylinderkolben aus einer kleinen Spritze gezogen wird und die Eigenschaften

Mehr

Arbeitsbereich Technische Aspekte Multimodaler Systeme (TAMS) Praktikum der Technischen Informatik T2 2. Kapazität. Wechselspannung. Name:...

Arbeitsbereich Technische Aspekte Multimodaler Systeme (TAMS) Praktikum der Technischen Informatik T2 2. Kapazität. Wechselspannung. Name:... Universität Hamburg, Fachbereich Informatik Arbeitsbereich Technische Aspekte Multimodaler Systeme (TAMS) Praktikum der Technischen Informatik T2 2 Kapazität Wechselspannung Name:... Bogen erfolgreich

Mehr

Skizze zur Veranschaulichung der Legendretransformation

Skizze zur Veranschaulichung der Legendretransformation 9 Die thermodynamischen Funktionen G und H Ehe das Schema des vorherigen Abschnittes zur Konstruktion weiterer thermodynamischer Potentiale zu Ende gebracht wird, kurz einige Erläuterungen zur Legendretransformation.

Mehr

Stellen Sie bitte den Cursor in die Spalte B2 und rufen die Funktion Sverweis auf. Es öffnet sich folgendes Dialogfenster

Stellen Sie bitte den Cursor in die Spalte B2 und rufen die Funktion Sverweis auf. Es öffnet sich folgendes Dialogfenster Es gibt in Excel unter anderem die so genannten Suchfunktionen / Matrixfunktionen Damit können Sie Werte innerhalb eines bestimmten Bereichs suchen. Als Beispiel möchte ich die Funktion Sverweis zeigen.

Mehr

StatStream : Statistical Monitoring of Thousands of Data Streams in Real Time Yunyue Zhu,Dennis Sasha. Vorgetragen von Matthias Altmann

StatStream : Statistical Monitoring of Thousands of Data Streams in Real Time Yunyue Zhu,Dennis Sasha. Vorgetragen von Matthias Altmann StatStream : Statistical Monitoring of Thousands of Data Streams in Real Time Yunyue Zhu,Dennis Sasha Vorgetragen von Matthias Altmann Mehrfache Datenströme Beispiel Luft und Raumfahrttechnik: Space Shuttle

Mehr

Überblick: Entscheidungstheoretische Konzepte Seminar Online-Optimierung Diana Balbus

Überblick: Entscheidungstheoretische Konzepte Seminar Online-Optimierung Diana Balbus Überblick: Entscheidungstheoretische Konzepte Seminar Online-Optimierung Diana Balbus Einleitung Ein Online-Algorithmus muss Ausgaben berechnen, ohne zukünftige Eingaben zu kennen. Für die Bewertung von

Mehr

Physikalisches Praktikum I Bachelor Physikalische Technik: Lasertechnik, Biomedizintechnik Prof. Dr. H.-Ch. Mertins, MSc. M.

Physikalisches Praktikum I Bachelor Physikalische Technik: Lasertechnik, Biomedizintechnik Prof. Dr. H.-Ch. Mertins, MSc. M. Physikalisches Praktikum Bachelor Physikalische Technik: Lasertechnik, Biomedizintechnik Prof. Dr. H.-Ch. Mertins, MSc. M. Gilbert E 0 Ohmsches Gesetz & nnenwiderstand (Pr_Ph_E0_nnenwiderstand_5, 30.8.2009).

Mehr

Erfüllt eine Funktion f für eine feste positive Zahl p und sämtliche Werte t des Definitionsbereichs die Gleichung

Erfüllt eine Funktion f für eine feste positive Zahl p und sämtliche Werte t des Definitionsbereichs die Gleichung 34 Schwingungen Im Zusammenhang mit Polardarstellungen trifft man häufig auf Funktionen, die Schwingungen beschreiben und deshalb für den Ingenieur von besonderer Wichtigkeit sind Fast alle in der Praxis

Mehr

Praktikum Nr. 3. Fachhochschule Bielefeld Fachbereich Elektrotechnik. Versuchsbericht für das elektronische Praktikum

Praktikum Nr. 3. Fachhochschule Bielefeld Fachbereich Elektrotechnik. Versuchsbericht für das elektronische Praktikum Fachhochschule Bielefeld Fachbereich Elektrotechnik Versuchsbericht für das elektronische Praktikum Praktikum Nr. 3 Manuel Schwarz Matrikelnr.: 207XXX Pascal Hahulla Matrikelnr.: 207XXX Thema: Transistorschaltungen

Mehr

Messung & Darstellung von Schallwellen

Messung & Darstellung von Schallwellen Messung Digitalisierung Darstellung Jochen Trommer jtrommer@uni-leipzig.de Universität Leipzig Institut für Linguistik Phonologie/Morphologie SS 2007 Messung Digitalisierung Darstellung Überblick Messung

Mehr

Projekt 2HEA 2005/06 Formelzettel Elektrotechnik

Projekt 2HEA 2005/06 Formelzettel Elektrotechnik Projekt 2HEA 2005/06 Formelzettel Elektrotechnik Teilübung: Kondensator im Wechselspannunskreis Gruppenteilnehmer: Jakic, Topka Abgabedatum: 24.02.2006 Jakic, Topka Inhaltsverzeichnis 2HEA INHALTSVERZEICHNIS

Mehr

Frohe Weihnachten und ein gutes neues Jahr!

Frohe Weihnachten und ein gutes neues Jahr! Frohe Weihnachten und ein gutes neues Jahr! Die mit dem Stern * gekennzeichneten Übungen sind nicht verpflichtend, aber sie liefern zusätzliche Punkte. Unten wird immer mit I das reelle Intervall [0, 1]

Mehr

Frequenzanalyse Praktischer Leitfaden zur Anwendung der Frequenzanalyse. Ordnungsanalyse

Frequenzanalyse Praktischer Leitfaden zur Anwendung der Frequenzanalyse. Ordnungsanalyse Frequenzanalyse Praktischer Leitfaden zur Anwendung der Frequenzanalyse Definition Beispiel Drehzahlerfassung Methode FFT Methode Ordnungs-FFT Methode Filter Zusammenfassung 2 Unter versteht man die Analyse

Mehr

LERNZIELBUCH 1. Semester

LERNZIELBUCH 1. Semester LERNZIELBUCH 1. Semester Name des Schülers/der Schülerin:. Schuljahr RELIGION LERNBEREICH 1: Aufgeschlossenheit für religiöse Themen und Wertvorstellungen LERNBEREICH 2: Kenntnis der wesentlichen Inhalte

Mehr

1 Analogien zu Strom und Spannung

1 Analogien zu Strom und Spannung Zusatztext zum Lehrbrief Strom und Spannung Klaus Kuhnt 1 Analogien zu Strom und Spannung Mit Strom und Spannung ist der elektrische Strom bzw. die elektrische Spannung gemeint. Um sich diesen weder sichtbaren

Mehr

Babeș-Bolyai Universität Cluj Napoca Fakultät für Mathematik und Informatik Grundlagen der Programmierung MLG5005. Paradigmen im Algorithmenentwurf

Babeș-Bolyai Universität Cluj Napoca Fakultät für Mathematik und Informatik Grundlagen der Programmierung MLG5005. Paradigmen im Algorithmenentwurf Babeș-Bolyai Universität Cluj Napoca Fakultät für Mathematik und Informatik Grundlagen der Programmierung MLG5005 Paradigmen im Algorithmenentwurf Problemlösen Problem definieren Algorithmus entwerfen

Mehr

Präsenzübungsaufgaben zur Vorlesung Elementare Sachversicherungsmathematik

Präsenzübungsaufgaben zur Vorlesung Elementare Sachversicherungsmathematik Präsenzübungsaufgaben zur Vorlesung Elementare Sachversicherungsmathematik Dozent: Volker Krätschmer Fakultät für Mathematik, Universität Duisburg-Essen, WS 2012/13 1. Präsenzübung Aufgabe T 1 Sei (Z 1,...,

Mehr

Einführung in die Informatik I

Einführung in die Informatik I Einführung in die Informatik I Algorithmen und deren Programmierung Prof. Dr. Nikolaus Wulff Definition Algorithmus Ein Algorithmus ist eine präzise formulierte Handlungsanweisung zur Lösung einer gleichartigen

Mehr

Definition. Fibonacci-Zahlen als Beispiel Für f = (f n ) n 0 = (0, 1, 1, 2, 3, 5, 8, 13, 21, 34,...) gilt Rekursion. Matrix-Formulierung. c 2.

Definition. Fibonacci-Zahlen als Beispiel Für f = (f n ) n 0 = (0, 1, 1, 2, 3, 5, 8, 13, 21, 34,...) gilt Rekursion. Matrix-Formulierung. c 2. Fibonacci-Zahlen als Beispiel Für f = (f n ) = (0,,, 2, 3, 5, 8, 3, 2, 34,...) gilt Rekursion erzeugende Funktion f n2 = f n f n (n 0), f 0 = 0, f = f(z) = f n z n = z z z 2 Partialbruchzerlegung mit φ

Mehr

Dokumenten-Clustering. Norbert Fuhr

Dokumenten-Clustering. Norbert Fuhr Dokumenten-Clustering Norbert Fuhr Dokumenten-Clustering (Dokumenten-)Cluster: Menge von ähnlichen Dokumenten Ausgangspunkt Cluster-Hypothese : die Ähnlichkeit der relevanten Dokumente untereinander und

Mehr

1 Mathematische Grundlagen

1 Mathematische Grundlagen Mathematische Grundlagen - 1-1 Mathematische Grundlagen Der Begriff der Menge ist einer der grundlegenden Begriffe in der Mathematik. Mengen dienen dazu, Dinge oder Objekte zu einer Einheit zusammenzufassen.

Mehr

Satz. Für jede Herbrand-Struktur A für F und alle t D(F ) gilt offensichtlich

Satz. Für jede Herbrand-Struktur A für F und alle t D(F ) gilt offensichtlich Herbrand-Strukturen und Herbrand-Modelle Sei F eine Aussage in Skolemform. Dann heißt jede zu F passende Struktur A =(U A, I A )eineherbrand-struktur für F, falls folgendes gilt: 1 U A = D(F ), 2 für jedes

Mehr

Teil I: Deskriptive Statistik

Teil I: Deskriptive Statistik Teil I: Deskriptive Statistik 2 Grundbegriffe 2.1 Merkmal und Stichprobe 2.2 Skalenniveau von Merkmalen 2.3 Geordnete Stichproben und Ränge 2.1 Merkmal und Stichprobe An (geeignet ausgewählten) Untersuchungseinheiten

Mehr

Über den Zusammenhang zwischen geometrischer Parallaxe und der Entfernung des Mondes

Über den Zusammenhang zwischen geometrischer Parallaxe und der Entfernung des Mondes Über den Zusammenhang zwischen geometrischer Parallaxe und der Entfernung des Mondes U. Backhaus Universität Duisburg-Essen Wenn man ein entferntes Objekt von verschiedenen Orten aus anpeilt, dann unterscheiden

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Lineare Gleichungssysteme Eines der am häufigsten auftretenden Standardprobleme der angewandten Mathematik ist das Lösen linearer Gleichungssysteme, etwa zur Netzwerkberechnung in der Elektrotechnik oder

Mehr

Wichtige Eigenschaft: zeitliche Abnahme der Schallintensität. Akustische Ereignisse sind zeitliche Phänomene mit Anfang und Ende

Wichtige Eigenschaft: zeitliche Abnahme der Schallintensität. Akustische Ereignisse sind zeitliche Phänomene mit Anfang und Ende Schallaufzeichnung Wichtige Eigenschaft: zeitliche Abnahme der Schallintensität Akustische Ereignisse sind zeitliche Phänomene mit Anfang und Ende Akustische Ereignisse sind vergänglich Akustische Ereignisse

Mehr

Konfiguration der Messkanäle. Konfiguration der Zeitachse. Abb. 3: Konfigurationsmenü des Sensoreingangs A. Abb. 4: Messparameter Konfigurationsmenü

Konfiguration der Messkanäle. Konfiguration der Zeitachse. Abb. 3: Konfigurationsmenü des Sensoreingangs A. Abb. 4: Messparameter Konfigurationsmenü Anleitung zum Programm CASSY Lab für den Versuch E12 Starten Sie das Programm CASSY Lab durch Doppelklick auf das Icon auf dem Windows- Desktop. Es erscheint ein Fenster mit Lizensierungsinformationen,

Mehr

2-fach Binäreingang, UP Typ: 6963 U

2-fach Binäreingang, UP Typ: 6963 U Der 2-fach Binäreingang dient zur Abfrage von 230V-Kontakten und kann in in handelsübliche UP-Dosen oder Feuchtraum-Abzweigdosen eingesetzt werden. Ebenso ermöglicht das Gerät die problemlose Integration

Mehr

Die Interferenz von flexiblen Arbeitszeiten mit der Nutzbarkeit arbeitsfreier Zeit Ein Prädiktor für soziale Beeinträchtigungen

Die Interferenz von flexiblen Arbeitszeiten mit der Nutzbarkeit arbeitsfreier Zeit Ein Prädiktor für soziale Beeinträchtigungen Die Interferenz von flexiblen Arbeitszeiten mit der Nutzbarkeit arbeitsfreier Zeit Ein Prädiktor für soziale Beeinträchtigungen Anna Wirtz*, Ole Giebel**, Carsten Schomann**, Friedhelm Nachreiner** *Bundesanstalt

Mehr

3.Inferenzsysteme 3.4 Logische Programme und Antwortmengensemantik

3.Inferenzsysteme 3.4 Logische Programme und Antwortmengensemantik Darstellung, Verarbeitung und Erwerb von Wissen 3.Inferenzsysteme 3.4 Logische Programme und Antwortmengensemantik DVEW WS 2004/05 c Gabriele Kern-Isberner 1 Stratifizierte Programme (Whlg.) Sei P ein

Mehr

a) Zeichnen Sie in das nebenstehende Streudiagramm mit Lineal eine Regressionsgerade ein, die Sie für passend halten.

a) Zeichnen Sie in das nebenstehende Streudiagramm mit Lineal eine Regressionsgerade ein, die Sie für passend halten. Statistik für Kommunikationswissenschaftler Wintersemester 2009/200 Vorlesung Prof. Dr. Helmut Küchenhoff Übung Cornelia Oberhauser, Monia Mahling, Juliane Manitz Thema 4 Homepage zur Veranstaltung: http://www.statistik.lmu.de/~helmut/kw09.html

Mehr

GT- Labor. Inhaltsverzeichnis

GT- Labor. Inhaltsverzeichnis Inhaltsverzeichnis Seite 1. Versuchsvorbereitung 2 1.1 Qualitatives Spektrum der Ausgangsspannung des Eintaktmodulators 2 1.2 Spektrum eines Eintaktmodulators mit nichtlinearem Element 2 1.3 Bandbreite

Mehr

Lineare Gleichungssysteme I (Matrixgleichungen)

Lineare Gleichungssysteme I (Matrixgleichungen) Lineare Gleichungssysteme I (Matrigleichungen) Eine lineare Gleichung mit einer Variable hat bei Zahlen a, b, die Form a b. Falls hierbei der Kehrwert von a gebildet werden darf (a 0), kann eindeutig aufgelöst

Mehr