Geheimsprache der Neuronen

Größe: px
Ab Seite anzeigen:

Download "Geheimsprache der Neuronen"

Transkript

1 CODIERUNG NEUROTH EORIE CODIERUNG Geheimsprache der Neuronen Wie gelingt es Nervenzellen, die Reize der Außenwelt sinngerecht in elektrische Impulse umzuwandeln? Jetzt lernen Hirnforscher die rätselhafte Sprache des Gehirns zu verstehen. Von Matthias Bethge und Klaus Pawelzik D as Abendrot am Himmel, der Gesang eines Vogels oder der Duft einer Rose erscheinen uns so real, dass wir selten darüber nachdenken, inwiefern das, was wir wahrnehmen, der Wirklichkeit entspricht. Genau genommen entstehen Geräusche, Farben, ein Geschmack oder ein Duft erst in unserem Gehirn. Die physikalischen Reize der Außenwelt Berührungen, Schallwellen, elektromagnetische Wellen, Duftmoleküle werden von unseren Sinnesorganen und über den ganzen Körper verteilten Sinnesrezeptoren empfangen und in Nervensignale übersetzt. Diesen Übersetzungsvorgang nennen Fachleute Codierung. Eine Flut von Signalen wird offenbar in unserem Gehirn so zusammengefasst, dass etwa aus elektromagnetischen Wellen in unserer Wahrnehmung eine blaue Blüte wird. Allerdings besitzt das, was wir dann als Blüte erkennen, mit Sicherheit weit mehr Merkmale, als wir wahrnehmen. Für viele physikalische Reize fehlen uns schlicht geeignete Rezeptoren. Zudem müssen wir davon ausgehen, dass bei der Codierung Details nicht verschlüsselt werden oder beim Transport verloren gehen. Offensichtlich gelingt es dem Gehirn aber, aus den einlaufenden Informationen ein brauchbares Bild unserer Umwelt zu konstruieren. Schließlich erzeugt es seinerseits Signale, die zu einem in der Regel sinnvollen Verhalten führen (siehe Bild Seite 82). Erst Ende des 19. Jahrhunderts wurde Hirnforschern klar, dass die elementaren Bausteine des Gehirns die Nervenzellen (Neuronen) sind. Seitdem fragen sie sich, wie die zahlreichen psychologischen Phänomene der Wahrnehmung durch biophysikalische Vorgänge im Gehirn hervorgebracht werden. Welche Prozesse in der einzelnen Nervenzelle sind wesentlich, welche können vernachlässigt werden? Was bewirkt die gemeinsame Aktivität kleiner Nervenzellgruppen, und was die Erregung ganzer Hirnareale? Mit anderen Worten: Welche Sprache spricht das Gehirn? Ein typisches Experiment der Hirnforscher besteht darin, einem Tier einen Sinnesreiz zu präsentieren und die Antwort eines ausgewählten Neurons zu messen. Allerdings sind Nervenzellen fortwährend aktiv auch ohne äußere Reize, etwa im Schlaf. Dieser interne Signalverkehr ändert laufend den Zustand des Gehirns. Deshalb treffen dieselben Eingangssignale zu unterschiedlichen Zeitpunkten nie auf dasselbe System. Auch die Wachheit, Aufmerksamkeit und nicht zuletzt Erfahrungen modifizieren das Verhalten der Nervenzellen. So kann an die Stelle eines zuvor beobachtbaren Antwortverhaltens ein nur ähnliches oder auch gänzlich anderes treten. Um den Einfluss all dieser Faktoren so gering wie möglich zu halten, konzentrieren sich Wissenschaftler auf Hirnareale, deren Aktivitäten möglichst di rekt auf im Versuch präsentierte Reize ansprechen und auf Versuchsanordnungen, bei denen sich das Nervensystem während des Experiments möglichst wenig verändert. Ein Neuron empfängt seine Eingangssignale über das Wurzelwerk, die Dendriten. Der zentrale Zellkörper fasst sie zu einem Gesamtzustand zusammen (er integriert ) und gibt diesen über einen Ausgang am Axonhügel an seinen Fortsatz, das Axon, weiter. Dieses verzweigt sich am Ende und ist wiederum mit anderen Nervenzellen verbunden. Feuern, wenn Die Rose duftet Die Signalweiterleitung innerhalb eines Neurons erfolgt durch die Fortpflanzung von Spannungsänderungen entlang der elektrisch geladenen Zellmembran. Übersteigt ein elektrisches Signal am Axonhügel einen bestimmten Schwellenwert, reagiert die Zellmembran, indem sie ein Aktionspotenzial auslöst. Das ist ein stereotyper Spannungsimpuls, auch Spike genannt, der entlang des Axons weitergeleitet wird (siehe Kasten auf Seite 83). Das Grundproblem beim Verständnis des neuronalen Codes besteht darin, dass die physikalischen Eigenschaften der Aktionspotenziale nicht verraten, wie die Reize, die sie ausgelöst haben, beschaffen sind. Egal ob wir Musik hören, an einer duftenden Rose riechen, fernsehen oder eine Katze streicheln die Aktions 8

2 potenziale, die dabei von den Neuronen erzeugt werden, sehen alle gleich aus. So wie die verschiedenen Wörter unserer Sprache immer aus denselben Buchstaben bestehen, so kann man den Spike als das Grundelement der Sprache der Neuronen betrachten. Die stets gleiche Form der Spikes macht die unterschiedlichsten Stimuli, wie beispielsweise Hör und Sehreize, in der Hirnrinde miteinander kombinierbar. Man vermutet deshalb, dass alle Gedanken und Wahrnehmungen und seien sie noch so abstrakt auf Spikes beruhen, deren Kombinationen den neuronalen Code bilden. Woher weiß ein Neuron, dass die bei ihm eingehende Information ein Duft ist und nicht etwa ein Klang? Diese so genannte Reizmodalität wird durch die neuronale Bahn codiert, die vom Sinnesrezeptor über möglicherweise mehrere Zwischenstufen bis zu diesem Neuron führt. Ein Neuron kann aber noch mehr wissen: So fanden David Hubel und Torsten Wiesel an der Havard Medical School vor etwa vierzig Jahren heraus, dass bestimmte Neuronen der primären Sehrinde (visueller Cortex) besonders gut auf LichtBalken einer ganz bestimmten Orientierung ansprechen, die in einem begrenzten Teil des Gesichtsfeldes, dem so genannten rezeptiven Feld, liegen und in eine bestimmte Richtung bewegt werden. Bei diesen Versuchen maßen die Neurobiologen die so genannte Ratenantwort einzelner Cortexneuronen auf bestimmte TestReize (siehe Grafik Seite 82 unten). Sie gingen dabei davon aus, dass die wesentliche Information in der Anzahl der Aktionspotenziale pro Zeiteinheit steckt. Die Rate lässt sich bestimmen, indem man die Anzahl der Aktionspotenziale in einem hinreichend langen Zeitintervall zählt und anschließend durch die Länge des Intervalls teilt. Die beiden Wissenschaftler machten noch eine weitere interessante Entdeckung: Neuronen, die auf ähnliche Positionen und Orientierungen ansprechen, liegen auch im Cortex räumlich nahe beieinander. Dies bedeutet, dass Positionen und Orientierungen visueller Reize wie bei einer Landkarte auf die Cortexoberfläche abgebildet werden (siehe Bild Seite 84). Neuronen, die innerhalb einer schmalen Säule senkrecht zur Cortexoberfläche, in so genannten corticalen Säulen, angeordnet sind, reagieren auf ähnliche Reizmerkmale. Für diese Ent Aus urheber rec htlic hen Gründen können wir Ihnen die Bilder leider nic ht online z eigen. Der Mensch erkennt sein Sp iegelbild, aber wird er je den Code v erstehen, mit dem sein Gehirn dieses Bild v erschlüsselt? 81

3 Gedächtnis, Gedanken, Seele und so weiter CODIERUNG Rezeptorzellen zwischengeschaltete Neurone Motoneuron Muskelzellen Kettenreaktion: An der Eingangsseite der Nervenbahnen stehen Sinneszellen, etwa die der Augen oder Ohren. Diese spezialisierten Nervenzellen wandeln die Information von außen zum Beispiel Licht oder Schallwellen in elektrische Nervenimpulse um. Die Information wird dann stufenweise von einer Neuronengruppe zur nächsten weitergereicht. deckungen wurden Hubel und Wiesel 1981 mit dem Nobelpreis ausgezeichnet. Eine ähnliche Karte existiert für den motorischen Cortex, der die Bewegungen der Körperteile plant und steuert. Er ist die Ausgabeseite des Gehirns; auch dort führen benachbarte neuronale Aktivitäten zur Erregung benachbarter Muskelgruppen. Misst man die Aktivität von Neuronen in diesen motorischen Arealen, so stellt man fest, dass auch hier die Anzahl der Aktionspotenziale pro Zeiteinheit mit unterschiedlichen Parametern der Bewegung korrespondiert. Mit anderen Worten: Die Feuerrate dieser Neuronen codiert Bewegungen. Um einen brauchbaren Wert für die Ratenantwort zu erhalten, ist ein Zeitfenster in der Größenordnung von mindestens einer Sekunde notwendig, sonst wäre der Wert von der zufälligen Auswahl des Zeitfensters zu sehr abhängig. Denn die Neurone feuern in diesem Zeitintervall meist nicht regelmäßig. Es wäre denkbar, dass nicht nur die Anzahl der Spikes, sondern auch das zeitliche Muster, mit dem die Spikes erscheinen, Informationen in sich bergen. Um diese ausfindig zu machen, wird das Zeitfenster in viele kleinere Intervalle zerlegt und über viele Versuchswiederholungen hinweg die mittlere Anzahl der Spikes pro Intervall bestimmt. Das Ergebnis ist das so genannte PeriStimulusTimeHistogramm (PSTH, siehe Kasten Seite 85). Wenn diese verfeinerte Darstellung tatsächlich mehr Information trägt als die bloße Anzahl der Aktionspotenziale pro Zeiteinheit, dann sollte es möglich sein, daraus auch viel genauer auf den verursachenden Reiz zurückzuschließen. Lance Optican und Barry Richmond von den National Institutes of Health in Bethesda (Maryland) fanden 1987 als Erste heraus, dass dies tatsächlich möglich ist. Sie zeigten einer Katze unterschiedliche schachbrettartige Muster. Sie konnten auf Grund des PSTH eines Neurons im visuellen Cortex der Katze den präsentierten visuellen Reiz identifizieren, was aus der Gesamtzahl der Spikes allein nicht so gut möglich war. Das Hirn als gigantisches Telegrafenamt? Da also prinzipiell verschiedene Aspekte der neuronalen Aktivitäten Information über einen Reiz enthalten können, stellt sich die Frage, welche dieser Aspekte wesentlich sind. Tragen beispielsweise die Zeitpunkte der Spikes mehr Information über den Reiz als die schiere Anzahl? Dazu muss man wissen, wie viele Reizwerte ein Neuron überhaupt unterscheiden kann. Ein Konzept zur Beantwortung dieser Frage liefert die 1948 von Claude Shannon begründete Informationstheorie. Sie basiert auf drei Elementen: einem Sender, einem Empfänger und einem Informationskanal zwischen diesen beiden typischerweise eine Telegrafenleitung. Über diesen Kanal schickt der Sender Folgen von Zeichen (die Nachricht), die einem Zeichenvorrat (dem Alphabet ) entnommen sind. Über die Bedeutung des Zeichens haben sich Sender und Empfänger vorab verständigt. Die Ankunft der Information bewirkt beim Empfänger, dass er aus einem Sortiment von Möglichkeiten eine THOMAS BRAUN / G&G / NACH DAVID H. HUBEL einzige auswählen kann. Je größer die Anzahl unterscheidbarer Möglichkeiten, desto mehr Information steckt in der Nachricht. Ein uneingeweihter Beobachter, der nichts weiter wahrnimmt als die Folge der Zeichen, versteht die Bedeutung der Nachricht nicht. Trotzdem kann auch er eine Aussage darüber treffen, wie viel Information die Nachricht enthalten kann. Denn das mathematisch errechenbare Maß für die Information hängt ausschließlich von den relativen Häufigkeiten ab, mit denen die Zeichen in der Nachricht vorkommen. Ein seltenes Zeichen hat dabei mehr Informationswert für den Empfänger als ein häufiges. Intuitiv nachvollziehbar wird diese informationstheoretische Aussage, wenn Sie sich vorstellen, Sie erwarteten ein Telegramm, in dem ein Freund den Wochentag seines Besuchs ankündigen will. Leider wird die Nachricht bei der Übertragung dramatisch verstümmelt und es kommt nur ein einziger leserlicher Buchstabe an. Welcher Buchstabe hätte den größeren Informationsgehalt für Sie, ein a oder ein f? (Bei wie vielen Wochentagen kommt ein f vor?) Das einfachste denkbare Alphabet besteht aus nur zwei Zeichen, etwa und 1 ( binärer Code ). Vorausgesetzt, beide Zeichen werden zuverlässig übertragen und kommen gleich häufig vor, ist die Information, die mit einem solchen Zeichen übermittelt wird, 1 Bit; das ist die Maßeinheit der Information. Was Sender und Empfänger sich bei der zwischen ih Neuron mit Vorliebe: Antworten einer orientierungsspezifischen Zelle im primären visuellen Cortex einer Katze, die von D. Hubel und T. Wiesel 1958 erstmals gemessen wurden. Die Zelle feuerte fast ausschließlich auf einen Lichtbalken in 11UhrStellung, der von unten nach oben bewegt wurde. THOMAS BRAUN / G&G / NACH DAVID H. HUBEL 82

4 Signalfeuer im Nervensystem Wenn ein Neuron über seine Dendriten hinreichend viele erregende Eingangssignale erhält, so feuert es: Über sein Axon gibt es das Signal in Form von Aktionspotenzialen, einer Folge elektrischer Signalpulse, weiter. Im Ruhezustand herrscht an der Nervenzellmembran ein negatives elektrisches Potenzial von ca. 7 Millivolt, das durch eine Ungleichverteilung von positiven und negativen Ionen dies und jenseits der Membran entsteht. Da die Zellmembran zusätzlich spannungsabhängige Ionenkanäle enthält, ist sie elektrisch erregbar. Nur wenn die einlaufenden Signale in der Triggerzone des Axonhügels eine Spannungsänderung induzieren, die eine bestimmte Schwelle überschreitet, werden bestimmte Ionenkanäle geöffnet (siehe rechts oben im Bild, die Länge der Pfeile gibt die Stärke des Ionenstroms wieder). Es kommt zum plötzlichen Zusammenbruch des Ruhepotenzials mit anschließender Vorzeichenumkehr. Dieser typische Spannungspuls wird als Aktionspotenzial oder kurz Spike bezeichnet. Wird ein Spike ausgelöst, so wandert er vom Soma der Zelle ausgehend das Axon entlang, welches über gewisse Kontaktstellen, die Synapsen, mit den Zellkörper Axon Synapse Axonhügel Zellkern Richtung des Nervenimpules Dendrit Axon Membranpotenzial in Millivolt NatriumIonen Aktionspotenzial Aktionspotenzial KaliumIonen dendritischen Fasern anderer Neurone verbunden ist. Bei den chemischen Synapsen gibt es dort einen Spalt, der das Axon des präsynaptischen Neurons von dem Dendrit der postsynaptischen Nervenzelle elektrisch weitgehend isoliert. Anstelle einer direkten elektrischen Kopplung kommt es an solchen Synapsen zu einer elektro Fortpflanzungsrichtung b 4 Ruhepotenzial 7 a 7 chemischen Form der Signalübertragung. Sobald ein Spike die präsynaptische Seite dieses Spalts erreicht, setzt er dort so genannte Neurotransmitter frei, die als Botenstoffe bestimmte Ionenkanäle an der postsynaptischen Seite öffnen und dadurch die Membranspannung des postsynaptischen Neurons verändern. THOMAS BRAUN / G&G nen übermittelten Nachricht denken, welche Bedeutung die Nachricht für sie hat, ist für den Shannon schen Informationsbegriff vollkommen irrelevant. Das macht die Informationstheorie für unsere Zwecke anwendbar: Wir können von der Information sprechen, die ein Neuron übermittelt, obgleich die Frage, was das Neuron weiß oder sich dabei denkt, zunächst keinen Sinn macht. Es ist nur nicht ohne weiteres klar, was bei einem Neuron unter einem Zeichen zu verstehen ist. Wir gehen daher spekulativ vor und teilen zunächst das Zeitintervall, das uns interessiert, in lauter kleine Teilintervalle, in die jeweils höchstens ein Spike hineinpasst, und sagen, das Neuron sende das Zeichen 1, wenn es in diesem Teilintervall einen Spike ausstößt, andernfalls das Zeichen. Je mehr Teilintervalle für die Codierung zur Verfügung stehen, desto mehr Reizwerte können theoretisch unterschieden werden. Dieser Zusammenhang ist im Kasten auf der Seite 87 genauer dargestellt. Gitter vor dem Fliegenauge Interessieren wir uns dafür, wie viel von der Information des Eingangssignals (des Reizes) sich in der Nachricht, der neuronalen Antwort, wiederfindet, so können wir auch dies berechnen. Diese Größe wird in der Informationstheorie als Transinformation bezeichnet. Aus den relativen Häufigkeiten, mit denen ein Reizwert zusammen mit einem Zeichen der Nachricht vorkommt, bestimmt man näherungsweise die Wahrscheinlichkeiten des gemeinsamen Auftretens. In der Praxis lassen sich diese Wahrscheinlichkeiten allerdings nur sehr grob ermitteln, andernfalls wäre eine astronomische Zahl an Versuchen notwendig. Es gibt jedoch eine einfachere Möglichkeit. Mit dieser kann geschätzt werden, wie viel Information ein Neuron mindestens überträgt. Dabei drehen wir das Problem gewissermaßen um: Man fragt sich, wie präzise sich aus der Kenntnis der Aktionspotenziale der Reiz rekonstruieren lässt. Diesen Ansatz haben der Physiker Bill Bialek und seine Kollegen in Princeton mit großem Erfolg praktiziert, sogar für sich dynamisch ändernde Reizverläufe. Sie untersuchten die Antworten des so genannten H1 Neurons im visuellen System einer Fliege, vor deren Augen ein Gittermuster bewegt wurde. Das Verfahren (siehe Kasten 83

5 THOMAS BRAUN / G&G / NACH SWINDALE BIOL. CYBERN. 78: S.49 CODIERUNG Feintuning: Die Antwort eines Neurons ist auf einen relativ engen Reizbereich abgestimmt (tuned). Als Reiz diente hier ein Lichtbalken mit veränderlicher Orientierung. Das Optimum der Tuningkurve liegt bei 9 Grad, abweichende Orientierungen provozieren entsprechend schwächere Feuerraten. Seite 86) geht dabei von der vereinfachenden Annahme aus, es gebe für dieses Neuron einen bevorzugten Reizverlauf, bei dem es feuert. Dieser lässt sich rechnerisch ermitteln: Jedem beobachteten Spike wird der vorangegangene Reizverlauf zugeordnet, und durch Mittelung eine Art Durchschnittsreizverlauf bestimmt. Indem Bialek und sein Team diesen wie eine Schablone einsetzten, konnten sie dann rückwärts aus dem Spikemuster den gesamten zeitlichen Verlauf des präsentierten Stimulus näherungsweise rekonstruieren. Das Verfahren funktionierte, ein Beweis dafür, dass auch in den Zeitpunkten der Spikes zumindest eine gewisse Information über den Stimulus steckt. Aus der Qualität der Rekonstruktion konnten die Forscher sogar rechnerisch abschätzen, wie viel Information das Neuron übertragen haben musste je geringer der Rekonstruktionsfehler, desto mehr Information. Für das von Bialek und seinen Kollegen untersuchte H1Neuron einer Fliege ergab sich eine geschätzte Transinformation von mindestens 64 Bit pro Sekunde und eine zeitliche Auflösung von etwa zwei Millisekunden. Da diese Rekonstruktionsmethode recht grob ist, handelt es sich dabei meistens um eine Unterschätzung, die jedoch den Vorteil hat, recht zuverlässige Ergebnisse zu liefern. Mit einer direkten Methode zur Bestimmung der Transinformation, die auf den relativen Häufigkeiten der Spikefolgen basiert, stellte sich heraus, dass das H1Neuron tatsächlich sogar 81 Bit an Information pro Sekunde aus dem Stimulus gezogen hätte. Würden Reizmerkmale allein durch die Ratenantwort eines einzelnen Neurons codiert, wären der Informationsübertragung bald Grenzen gesetzt: Sich schnell verändernde Reize könnten nicht zuverlässig übertragen werden. Denn ein Neuron braucht nach jedem Spike eine gewisse Erholungspause, so dass die Spikes nicht beliebig schnell aufeinander folgen können. Wenn die Reizwerte sich sehr rasch ändern, müsste das Neuron dies mit den wenigen Spikes codieren, die gerade noch in ein ganz kurzes Zeitfenster passen, was wiederum eine sehr geringe Genauigkeit bedeuten würde. Hinzu kommt, dass die Antwort eines Neurons auf denselben Reiz insbesondere im Cortex wie gesagt sehr variabel ist. So gesehen scheinen graduelle Unterschiede in der Feuerrate eines Neurons kaum geeignet, die Änderung von Reizen zu codieren. Anders könnte es aussehen, wenn die wesentliche Information nicht in der Antwort eines einzelnen Neurons, sondern in ganzen Neuronengruppen codiert ist. Ein Neuron kommt selten allein Für diese so genannte PopulationsCodierung sprechen mehrere Gründe. Ein Neuron der Gehirnrinde hat typischerweise tausend bis zehntausend synaptische Eingänge, empfängt also die Aktivitäten einer ganzen Population vorgeschalteter Neuronen. Demnach scheint die Betrachtung von Populationen der Sichtweise der Neuronen selbst zu entsprechen. Im einfachsten Fall einer Mittelwertbildung über viele Neuronenantworten ist die Signalübertragung sogar stabil gegenüber dem Ausfall einzelner Neuronen. Tatsächlich sind solche Populationen zu entdecken: Das Antwortverhalten be AUS DAVID H. HUBEL, AUGE UND GEHIRN, SPEKTRUM DER WISSENSCHAFT 1989 Licht aus Spotlights an: Ein spannungsempfindlicher Farbstoff macht die jeweilige Vorliebe eines Neurons der primären Sehrinde für eine bestimmte Reizorientierung sichtbar. Wird ein Lichtstreifen einer bestimmten Orientierung (links im Bild) dargeboten, ändert der Farbstoff in den jeweils elektrisch erregten Zellen die Farbe. Alle Cortexregionen, die auf eine bestimmte Reizorientierung hin aufleuchten, bekommen dieselbe Farbe zugeordnet. Die Technik wurde von Larry Cohen an der Yale University entwickelt und dann von Gary Blasdel von der Pittsburgh University auf die Großhirnrinde angewendet. 84

6 Feuerrate (Spikes/sec) Präsentationsnummer Information verborgen im Erregungsmuster Die SpikeAntwort einer Nervenzelle auf identische präsentierte Reize sieht jedes Mal etwas anders aus (links oben). Daher wird die mittlere Pulsrate im festgelegten Zeit intervall (hier zehn Millisekunden) bestimmt und als Balkendiagramm (links unten) aufgetragen. Das so genannte Peri StimulusTimeHistogramm gibt die typische Antwort einer Zelle nach Präsentation eines bestimmten Reizes wieder. Je kleiner die Zeitintervalle sind, in denen die Spikes (a, Bild rechts) gezählt werden, desto differenzierter gibt das Balkendiagramm Auskunft (b, c). Wird das Zeitfenster so klein gewählt, dass höchstens ein Spike darin Platz findet (d), lässt sich die Spikefolge als binärer Code darstellen (e) Zeit in Millisekunden 3 PeriStimulusTimeHistogramm (PSTH) 2 1 THOMAS BRAUN / G&G Zeit in Millisekunden nachbarter Neuronen in mehreren Cortexregionen ist redundant dies wiesen bereits Hubel und Wiesel in den erwähnten corticalen Merkmalskarten nach. Bevorzugte Reizeigenschaften benachbarter CortexNeuronen ändern sich nicht sprunghaft, sondern allmählich. Die Neuronen innerhalb einer corticalen Säule bevorzugen quasi identische Reize. Diese Neuronen sind daher besonders gut geeignet, um Populationscodes zu erzeugen. Das Spikemuster scheint bei den Populationscodes ebenfalls eine Rolle zu spielen. Die von Bialek angewendete Methode lässt sich nämlich relativ einfach auf eine ganze Population von Neuronen erweitern, wie die Neurobiologin Yang Dan und ihre Mitarbeiter von der University of California in Berkeley demonstrierten. Sie zeigten einer Katze Filmsequenzen und leiteten im so genannten seitlichen Kniehöcker Spikeantworten ab, die aus dem visuellen Thalamus gesendet wurden. Ähnlich wie in Bialeks FliegenExperiment gewannen die Forscher zunächst zu jedem einzelnen Neuron dessen bevorzugten Reizverlauf. Aus deren Überlagerungen rekonstruierten sie nicht nur wie Bialek den Reizverlauf am Eingang eines einzelnen Neurons, sondern aus der Überlagerung über alle Reizantworten der Population die ganze Filmsequenz. Die Experimente wiesen eindrucksvoll nach, dass komplexe Reizmuster durch die zeitliche Abfolge der Aktionspotenziale einer NeuronenGruppe detailliert codiert werden können. Mit derselben sowie anderen, ähnlichen Methoden ist es Miguel Nicolelis von der Duke University im amerikanischen Durham (North Carolina) und Mitarbeitern kürzlich gelungen, aus den neuronalen Aktivitäten im motorischen Cortex eines Affen die Bewegungsabfolge seiner Arme vorherzusagen. Sie haben damit sogar über das Internet einen Roboterarm gesteuert. Ein anderes aufschlussreiches Experiment zur Populationscodierung führten bereits vor über zehn Jahren die Neurowissenschaftler Choongkil Lee, Bill Rohrer und David Sparks von der University of Alabama in Birmingham durch. Die Forscher rekonstruierten die Augenbewegung eines Affen aus der Aktivität vieler motorischer Neuronen des Colliculus superior, des oberen Hügels des Mittelhirndaches. Dabei berechneten sie durch Mittelwertbildung über die von den einzelnen Neuronen bevorzugten 85

7 Umdrehungsgeschwindigkeit (Grad/Sekunde) Umdrehungsgeschwindigkeit (Grad/Sekunde) Spikeantwort (Grad/Sekunde x Millivolt) CODIERUNG THOMAS BRAUN / G&G / NACH BORST, A., THEUNISSEN F.E. Schätzen, was ein Neuron schätzt Wie viel Information kann ein neuron Mindestens übertragen? Mit einem rechnerischen Verfahren, der so genannten ReverseCorrelationMethode, lässt sich dies abschätzen. Man geht dabei von der Annahme aus, es gebe für ein Neuron einen bevorzugten Reizverlauf, bei dem es mit einem einzelnen Spike feuert. Auf ein Signal, das aus der Summe zweier zeitversetzter Exemplare des typischen Reizes besteht, antworte es mit zwei entsprechend zeitversetzten Spikes und so fort. Das unten stehende Diagramm gibt in Rot ein sich zeitlich änderndes Reizsignal wieder, darunter das registrier ,,1,2,3,4,5 Zeit in Sekunden Signalverlauf neuronale Antwort Signalverlauf geschätzter Signalverlauf 4,,1,2,3,4,5 Zeit in Sekunden Augenpositionen, jeweils gewichtet mit deren Aktivität, einen so genannten Populationsvektor. Dieser stimmte mit der tatsächlichen Augenposition gut überein. Um zu prüfen, ob diese Methode tatsächlich wesentliche Aspekte des neuronalen Codes offenbart, schalteten die Forscher einen Teil der Neuronen zeitweilig aus. Tatsächlich konnten sie nun anhand des neu berechneten Populationsvektors vorhersagen, welchen Einfluss der Wegfall dieser neuronalen Teilpopulation auf die Augenbewegung hatte. Mit informationstheoretischen Methoden lassen sich nicht nur die Eigenschaften der beobachtbaren neuronalen Codes ermitteln. Sie erlauben es auch, te Spikemuster. Zu jedem Spike wird der Verlauf des Reizes in einem dem Spike unmittelbar vorausgehenden Zeitintervall bestimmt und der Mittelwert dieser Verläufe über alle Spikes berechnet. Dies ist dann in guter Näherung der bevorzugte Reizverlauf des Neurons. Denn: Summiert man zu jedem Spike ein Exemplar des bevorzugten Reizverlaufes mit der richtigen Zeitversetzung auf, so gewinnt man eine ungefähre Wiedergabe des ursprünglichen Signals. Aus der Qualität der Rekonstruktion können die Forscher abschätzen, wie viel Information das Neuron mindestens übertragen hat.,2,1, gemittelter Signalverlauf zum Zeitpunkt eines Spikes,1,15,1,5,,5,1 Zeit in Sekunden theoretisch mögliche andere neuronale Codes herzuleiten und diese einer evolutionsbiologischen Betrachtung zu unterziehen. Unter vielen im Prinzip realisierbaren Codierungen sollte die Evolution im Verlauf der Zeit die effizientesten hervorgebracht haben. Es ist daher interessant zu untersuchen, wie diese unter Berücksichtigung der biologischen Randbedingungen aussehen könnten. Was aber bedeutet es für Neuronen, besonders effizient zu sein? Fred Attneave von der University of Oregon und Horace Barlow von der englischen University of Cambridge postulierten bereits in den fünfziger Jahren, dass Nervenzellen auf einen Reiz mit dem geringstmöglichen Aufwand antworten sollten also mit so wenig Redundanz wie möglich. Wenn sich zwei Neuronen im Wesentlichen gleich verhalten, könnte man diese Redundanz dadurch verringern, dass man eines der Neuronen einspart oder mit anderen Aufgaben betraut. Und tatsächlich gibt es eine Fülle experimenteller Hinweise dafür, dass die Codierung von Reizen durch sensorische Neuronen, etwa in der Netzhaut, kaum redundant ist. Ein anderes Effizienzkriterium könnte die Qualität der Übertragung sein: Für das Überleben vieler Organismen ist es entscheidend, möglichst schnell Feinde oder Beutetiere zu erkennen und zu lokalisieren. Menschen, denen kurzzeitig komplexe Naturbilder präsentiert wurden, konnten in weniger als,2 Sekunden mit großer Sicherheit erkennen, ob auf diesem Bild ein Tier war. Diese hohe Verarbeitungsgeschwindigkeit stellt besondere Anforderungen an den neuronalen Code. Vom Rezeptor bis zur Wahrnehmung im Cortex und schließlich zur Muskelaktivierung (zum Drücken einer Taste) muss das Signal durch viele neuronale Verarbeitungsstufen, sodass schon rein zeitlich gesehen jedes Neuron zu dieser Signalkette nur wenige Spikes beitragen kann. Wir stellten uns deshalb die Frage, welche neuronale Codierung für diesen Zweck im Sinne des kleinsten Rekonstruktionsfehlers optimal wäre. Unsere Berechnungen dieses Fehlers für verschiedene Codierungsstrategien zeigen, dass es gerade bei großen Populationen ungünstig ist, verschiedene Merkmale durch graduelle Unterschiede in den Feuerraten zu codieren: Der vermeintliche Vorteil, den man dadurch erhält, dass sich die Menge der verschiedenen Ratenwerte für ein Neuron vergrößert, wiegt nicht so schwer wie der Nachteil der gleichzeitig abnehmenden Zuverlässigkeit, mit der diese Ratenwerte aus den SpikeAntworten der Neurone geschätzt werden können. Einen besonders schlechten Rekonstruktionsfehler erhält man für solche Populationscodierungen, bei denen die GesamtSpikeRate einer Population als Signal benutzt wird. Viel günstiger wäre ein Code, so folgerten wir, bei dem die einzelnen Neuronen zwischen lediglich zwei Zuständen der maximalen und der minimalen Feuerrate umschalten. Tatsächlich gibt es im Cortex viele Neuronen, bei denen dieses Prinzip verwirklicht zu sein scheint. Diese Neuronen feuern immer in Salven (bursts), bei denen die Aktionspotenziale ganz schnell aufeinander folgen. Die bloße 86

8 Codes für alle Fälle Denkbar einfaches Alphabet: Ist der Spike das Grundelement der neuronalen Sprache, so verwenden Nervenzellen genau zwei Zeichen: Spike oder kein Spike, oder 1. Für die Codierung von genau zwei möglichen Werten würde es dann genügen, wenn ein Neuron zuverlässig in einem irgendwie festgelegten Zeitfenster für den einen Wert einen Spike aussendet und für den andere nicht. Beispiel: Bei der in (a) verwendeten Codierung passt in das Zeitfenster nur ein einzelner Spike. Die Orientierung eines präsentierten Lichtbalkens kann deshalb nur sehr grob unterschieden werden: Senkrecht erfolgt keine Aktivierung, waagrecht wird ein Spike ausgelöst. In (b) verwendet der Code zwei aufeinander folgende Zeitintervalle. Damit lassen sich bereits vier Reizorientierungen unterscheiden (waagrecht, senkrecht und zweimal diagonal). Hat man mehrere Intervalle zur Verfügung (c, d) ergeben sich verschiedene Codierungsmöglichkeiten. Mit drei Intervallen sind es maximal 8=2 3. Beim Ratencode in (c) lassen sich die verschiedenen Balkenorientierungen bereits durch die Anzahl der Spikes differenzieren. In (d) ist ein anderes Unterscheidungskriterium verwirklicht: Hier kommt es lediglich auf den Zeitpunkt des ersten Spikes an, es handelt sich um einen so genannten Latenzcode. Der gezeigte Ratencode und der La tenzcode lassen eine Redundanz erkennen, bei der unterschiedliche Muster dasselbe bedeuten. Dies kann die Fehleranfälligkeit einer Codierung reduzieren. (e) Man muss aber auch damit rechnen, dass das Gehirn Spikemuster verwendet, deren Code schwieriger zu erkennen ist. THOMAS BRAUN / G&G Existenz solcher Neuronen ist allerdings noch kein hinreichender Nachweis. Bestimmt man über viele Versuche hinweg die Ratenantwort, ergeben sich auch bei diesen Neuronen Feuerraten, die sich abhängig von der variierten Reizeigenschaft stetig ändern. Funktionieren geht über Codieren Unsere und ähnliche von anderen Forschergruppen in jüngster Zeit durchgeführten Untersuchungen deuten darauf hin, dass die beobachteten neuronalen Codierungen, verglichen mit den informationstheoretisch möglichen, nicht unbedingt optimal sind. Ein Grund dafür könnte folgender sein: Damit ein Organismus überleben kann, müssen entscheidungswirksame Informationen richtig repräsentiert werden. Aus theoretischer Sicht impliziert dies wiederum, dass die größtmögliche Informationsmenge mit geringstem Aufwand zu transportieren nicht das einzige relevante Ziel einer Codierung darstellt. Offensichtlich ist das Ziel neuronaler Informationsverarbeitung im Gehirn nicht, so viel Information wie möglich zu transportieren. Vielmehr geht es darum, die implizit bereits vorhandene Information auf das Wesentliche zu reduzieren und dadurch für Entscheidungen explizit nutzbar zu machen. Ein Beispiel: Es soll entschieden werden, ob 51 x 17 größer ist als 24 x 37. Dabei ist die gesamte zur Lösung notwendige Information bereits in der Aufgabenstellung vorgegeben. Um diese Information zur Beantwortung der Frage nutzen zu können, müssen die gegebenen Ausdrücke jedoch zunächst in geeigneter Weise umgeformt werden. Am Ende steht anstelle der zahlreichen Bits, die zur Codierung der Frage erforderlich sind, ein einziges Bit: die Antwort nein. Führt man eine komplizierte Berechnung durch, die eine große Zahl von Zwischenschritten erfordert, schleicht sich mit hoher Wahrscheinlichkeit irgendwo ein kleiner Fehler ein, der zu einem falschen Ergebnis führen kann. Die Effizienz bei der neuronalen Codierung entspricht dann einem Kriterium für die Auswahl einer Notation, also einer Darstellung der relevanten Information, die sich besonders gut dazu eignet, Übertragungsfehler zu vermeiden. Was das Gehirn als Ganzes betrifft, so wissen wir natürlich, dass sich das Verhalten vieler Tiere und besonders das des Menschen nicht auf reflexartige Handlungen reduzieren lässt, die sich auch ohne Kenntnis der inneren Zustände des Gehirns beschreiben lassen. Zu viele andere Einflussgrößen sind im Spiel Wachheit und Aufmerksamkeit, Emotionen und aktuelle Ziele, und nicht zuletzt das in ständigem Fluss befindliche Gedächtnis. Wie sich diese inneren Zustände auf den verschiedenen Zeitska len von einer Sekunde bis hin zur Zeitspanne des ganzen Lebens organisieren und wie sie im Einzelnen auf die Informationsverarbeitung einwirken, bleibt eine zentrale Frage der Systemneurobiologie. Um den neuronalen Code die Sprache des Gehirns umfassend verstehen zu können, müssen Forscher in der Zukunft vor allem klären, wie das Gehirn mit sich selbst spricht. Matthias Bethge und Prof. Klaus Pawelzik forschen am Institut für Theoretische Physik der Universität Bremen. Literaturtipps Dayan, P., Abott, L. F: Theoretical Neuroscience. Cambridge, MA: MIT Press 21. Richmond, B. J., Gawne, T. J.: The Relationship Between Neuronal Codes and Cortical Organization. In: Eichenbaum, H. B., Davis, J. L. (Hg.): Neuronal Ensembles Strageties for Recoding and Decoding. New York: WileyLiss

Codierung. H.-G. Hopf

Codierung. H.-G. Hopf Codierung H.-G. Hopf Inhalt Informationsübermittlung Codierung von Zeichen GDI: Codierung / 2 Inhalt Informationsübermittlung Codierung von Zeichen GDI: Codierung / 3 Ideale Kommunikation Übertragungskanal

Mehr

A1.7: Entropie natürlicher Texte

A1.7: Entropie natürlicher Texte A1.7: Entropie natürlicher Texte Anfang der 1950er Jahre hat Claude E. Shannon die Entropie H der englischen Sprache mit einem bit pro Zeichen abgeschätzt. Kurz darauf kam Karl Küpfmüller bei einer empirischen

Mehr

1. Woche Einführung in die Codierungstheorie, Definition Codes, Präfixcode, kompakte Codes

1. Woche Einführung in die Codierungstheorie, Definition Codes, Präfixcode, kompakte Codes 1 Woche Einführung in die Codierungstheorie, Definition Codes, Präfixcode, kompakte Codes 1 Woche: Einführung in die Codierungstheorie, Definition Codes, Präfixcode, kompakte Codes 5/ 44 Unser Modell Shannon

Mehr

Membran- und Donnanpotentiale. (Zusammenfassung)

Membran- und Donnanpotentiale. (Zusammenfassung) Membranund Donnanpotentiale (Zusammenfassung) Inhaltsverzeichnis 1. Elektrochemische Membranen...Seite 2 2. Diffusionspotentiale...Seite 2 3. Donnanpotentiale...Seite 3 4. Zusammenhang der dargestellten

Mehr

2 Informationstheorie

2 Informationstheorie 2 Informationstheorie Formale Grundlagen der Informatik I Herbstsemester 2012 Robert Marti Vorlesung teilweise basierend auf Unterlagen von Prof. emer. Helmut Schauer Grundbegriffe Informatik (IT: Information

Mehr

Der Huffman Algorithmus

Der Huffman Algorithmus Der Huffman Algorithmus Für das Folgende setzen wir voraus, dass die Quellensymbole q ν einem Alphabet {q μ } = {A, B, C,...} mit dem Symbolumfang M entstammen und statistisch voneinander unabhängig seien.

Mehr

Die Welt ist fast aus Nichts gemacht

Die Welt ist fast aus Nichts gemacht Die Welt ist fast aus Nichts gemacht Ein Gespräch mit dem Physiker Martinus Veltman beim 58. Nobelpreisträgertreffen in Lindau Am europäischen Kernforschungszentrum in Genf (CERN) wird in den nächsten

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

Multiple Regression. Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren)

Multiple Regression. Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren) Multiple Regression 1 Was ist multiple lineare Regression? Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren) Annahme: Der Zusammenhang

Mehr

So lernt das Gehirn. Kleines ABC der Neuronen

So lernt das Gehirn. Kleines ABC der Neuronen So lernt das Gehirn Kleines ABC der Neuronen Neuronen und Synapsen Wer das Gehirn und Lernen verstehen möchte, kommt ohne einen Blick auf dessen Grundbausteine, die Nervenzellen (Neuronen) nicht aus. Zellkörper,

Mehr

Unser Gehirn. Wie wir denken, lernen und fühlen. Klassikseminar mit Prof. Dr. Onur Güntürkün 10 Lektionen: Online DVD Buch

Unser Gehirn. Wie wir denken, lernen und fühlen. Klassikseminar mit Prof. Dr. Onur Güntürkün 10 Lektionen: Online DVD Buch Unser Gehirn Wie wir denken, lernen und fühlen Klassikseminar mit Prof. Dr. Onur Güntürkün 10 Lektionen: Online DVD Buch Zeit Akademie GmbH Impressum Autor: Prof. Dr. Onur Güntürkün Wissenschaftliche Leitung:

Mehr

Einblicke ins Hirn Bildgebende Verfahren in Forschung und Medizin

Einblicke ins Hirn Bildgebende Verfahren in Forschung und Medizin Fortbildungsveranstaltung im Rahmen des Programms Neurowissenschaften in der gymnasialen Oberstufe der Neurowissenschaftlichen Gesellschaft e.v. zum Thema Einblicke ins Hirn Bildgebende Verfahren in Forschung

Mehr

Single Parity check Codes (1)

Single Parity check Codes (1) Single Parity check Codes (1) Der Single Parity check Code (SPC) fügt zu dem Informationsblock u = (u 1, u 2,..., u k ) ein Prüfbit (englisch: Parity) p hinzu: Die Grafik zeigt drei Beispiele solcher Codes

Mehr

Seminararbeit für das SE Reine Mathematik- Graphentheorie

Seminararbeit für das SE Reine Mathematik- Graphentheorie Seminararbeit für das SE Reine Mathematik- Graphentheorie Der binäre Rang, der symplektische Graph, die Spektralzerlegung und rationale Funktionen Vortrag am 24.01.2012 Heike Farkas 0410052 Inhaltsverzeichnis

Mehr

Gene, Umwelt und Aktivität

Gene, Umwelt und Aktivität Neuigkeiten aus der Huntington-Forschung. In einfacher Sprache. Von Wissenschaftlern geschrieben Für die Huntington-Gemeinschaft weltweit. Ein aktiver Lebensstil beeinflusst vielleicht die Krankheitssymptome

Mehr

Was bisher geschah. Lernen: überwachtes Lernen. biologisches Vorbild neuronaler Netze: unüberwachtes Lernen

Was bisher geschah. Lernen: überwachtes Lernen. biologisches Vorbild neuronaler Netze: unüberwachtes Lernen Was bisher geschah Lernen: überwachtes Lernen korrigierendes Lernen bestärkendes Lernen unüberwachtes Lernen biologisches Vorbild neuronaler Netze: Neuron (Zellkörper, Synapsen, Axon) und Funktionsweise

Mehr

Grundlagen verteilter Systeme

Grundlagen verteilter Systeme Universität Augsburg Insitut für Informatik Prof. Dr. Bernhard Bauer Wolf Fischer Christian Saad Wintersemester 08/09 Übungsblatt 5 26.11.08 Grundlagen verteilter Systeme Lösungsvorschlag Aufgabe 1: Erläutern

Mehr

Codierung. Auszug aus dem Skript von Maciej Liśkiewicz und Henning Fernau

Codierung. Auszug aus dem Skript von Maciej Liśkiewicz und Henning Fernau Codierung Auszug aus dem Skript von Maciej Liśkiewicz und Henning Fernau Ein bisschen Informationstheorie Betrachten wir das folgende Problem: Wie lautet eine sinnvolle Definition für das quantitative

Mehr

INFORMATION: WIE FUNKTIONIERT TELEFONIEREN

INFORMATION: WIE FUNKTIONIERT TELEFONIEREN INFORMATION: WIE FUNKTIONIERT TELEFONIEREN Vergleich mit dem Sprechen Das Quiz wird wieder aufgegriffen und folgende Aufgabe gestellt: Sprechen kann mit Telefonieren verglichen werden Ordne die Begriffe

Mehr

2. Digitale Codierung und Übertragung

2. Digitale Codierung und Übertragung 2. Digitale Codierung und Übertragung 2.1 Informationstheoretische Grundlagen 2.2 Speicherbedarf und Kompression 2.3 Digitalisierung, Digitale Medien Ludwig-Maximilians-Universität München Prof. Hußmann

Mehr

$ % + 0 sonst. " p für X =1 $

$ % + 0 sonst.  p für X =1 $ 31 617 Spezielle Verteilungen 6171 Bernoulli Verteilung Wir beschreiben zunächst drei diskrete Verteilungen und beginnen mit einem Zufallsexperiment, indem wir uns für das Eintreffen eines bestimmten Ereignisses

Mehr

Formaler Entwurf mit Event-B Die Eventbank

Formaler Entwurf mit Event-B Die Eventbank Institut für Theoretische Informatik Anwendungsorientierte Formale Verifikation Vorlesung Anwendung Formaler Verifikation SS 2015, 9.6.15 Dr. V. Klebanov, Dr. M. Ulbrich Formaler Entwurf mit Event-B Die

Mehr

4.12 Signalausbreitung am Membranmodell

4.12 Signalausbreitung am Membranmodell 4.12 Signalausbreitung am Membranmodell 541 4.12 Signalausbreitung am Membranmodell Der Versuch wird seit Mai ¾¼¼ im Konstanzer Praktikum durchgeführt. 1 An der Anleitung wird weiterhin gearbeitet. Ziel

Mehr

Klausur Kommunikation I. Sommersemester 2003. Dipl.-Ing. T. Kloepfer

Klausur Kommunikation I. Sommersemester 2003. Dipl.-Ing. T. Kloepfer Kommunikation I 1 Klausur Kommunikation I Sommersemester 2003 Dipl.-Ing. T. Kloepfer Bearbeitungsinformationen Aufbau der Klausur Die Klausur ist wie folgt aufgebaut: Die Klausur ist in 18 Aufgaben unterteilt.

Mehr

(künstliche) Neuronale Netze. (c) Till Hänisch 2003,2015, DHBW Heidenheim

(künstliche) Neuronale Netze. (c) Till Hänisch 2003,2015, DHBW Heidenheim (künstliche) Neuronale Netze (c) Till Hänisch 2003,2015, DHBW Heidenheim Literatur zusätzlich zum Lit. Verz. Michael Negnevitsky, Artificial Intelligence, Addison Wesley 2002 Aufbau des Gehirns Säugetiergehirn,

Mehr

Allgemeine Beschreibung von Blockcodes

Allgemeine Beschreibung von Blockcodes Allgemeine Beschreibung von Blockcodes Bei Blockcodierung wird jeweils eine Sequenz von m q binären Quellensymbolen (M q = 2) durch einen Block von m c Codesymbolen mit dem Symbolumfang M c dargestellt.

Mehr

Lern-und Gedächtnisprozesse Plastizität des Gehirns

Lern-und Gedächtnisprozesse Plastizität des Gehirns Fortbildungsveranstaltung im Rahmen des Programms Neurowissenschaften in der gymnasialen Oberstufe der Neurowissenschaftlichen Gesellschaft e.v. zum Thema Lern-und Gedächtnisprozesse Plastizität des Gehirns

Mehr

Informationssicherheit - Lösung Blatt 2

Informationssicherheit - Lösung Blatt 2 Informationssicherheit - Lösung Blatt 2 Adam Glodek adam.glodek@gmail.com 13.04.2010 1 1 Aufgabe 1: One Time Pad 1.1 Aufgabenstellung Gegeben ist der folgende Klartext 12Uhr (ASCII). Verschlüsseln Sie

Mehr

CODIERUNGSTHEORIE KURS ZELL AN DER PRAM, FEBRUAR 2005

CODIERUNGSTHEORIE KURS ZELL AN DER PRAM, FEBRUAR 2005 CODIERUNGSTHEORIE KURS ZELL AN DER PRAM, FEBRUAR 2005. Das Problem.. Quellcodierung und Datenkompression. Wir wollen eine Nachricht über einen digitalen Kanal, der nur 0 oder übertragen kann, schicken.

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

Grundlagen der Technischen Informatik. Codierung und Fehlerkorrektur. Kapitel 4.2

Grundlagen der Technischen Informatik. Codierung und Fehlerkorrektur. Kapitel 4.2 Codierung und Fehlerkorrektur Kapitel 4.2 Prof. Dr.-Ing. Jürgen Teich Lehrstuhl für Hardware-Software-Co-Design Technische Informatik - Meilensteine Informationstheorie Claude Elwood Shannon (geb. 1916)

Mehr

Die Zeit und Veränderung nach Aristoteles

Die Zeit und Veränderung nach Aristoteles Lieferung 4 Hilfsgerüst zum Thema: Die Zeit und Veränderung nach Aristoteles 1. Anfang der Untersuchung: Anzweiflung Aristoteles: Es reiht sich an das bisher Versprochene, über die Zeit zu handeln. Zuerst

Mehr

15 Optimales Kodieren

15 Optimales Kodieren 15 Optimales Kodieren Es soll ein optimaler Kodierer C(T ) entworfen werden, welcher eine Information (z.b. Text T ) mit möglichst geringer Bitanzahl eindeutig überträgt. Die Anforderungen an den optimalen

Mehr

Lineare Codes. Dipl.-Inform. Wolfgang Globke. Institut für Algebra und Geometrie Arbeitsgruppe Differentialgeometrie Universität Karlsruhe 1 / 19

Lineare Codes. Dipl.-Inform. Wolfgang Globke. Institut für Algebra und Geometrie Arbeitsgruppe Differentialgeometrie Universität Karlsruhe 1 / 19 Lineare Codes Dipl.-Inform. Wolfgang Globke Institut für Algebra und Geometrie Arbeitsgruppe Differentialgeometrie Universität Karlsruhe 1 / 19 Codes Ein Code ist eine eindeutige Zuordnung von Zeichen

Mehr

Der Bipolar-Transistor und die Emitterschaltung Gruppe B412

Der Bipolar-Transistor und die Emitterschaltung Gruppe B412 TECHNISCHE UNIVERSITÄT MÜNCHEN Der Bipolar-Transistor und die Emitterschaltung Gruppe B412 Patrick Christ und Daniel Biedermann 16.10.2009 1. INHALTSVERZEICHNIS 1. INHALTSVERZEICHNIS... 2 2. AUFGABE 1...

Mehr

Dies ist die entscheidende Erkenntnis, um die es in diesem Buch geht. Nach Abschluss der Lektüre werden Sie verstehen, was genau ich damit meine.

Dies ist die entscheidende Erkenntnis, um die es in diesem Buch geht. Nach Abschluss der Lektüre werden Sie verstehen, was genau ich damit meine. Das Geheimnis der Spitzenspieler Das Spiel der Quoten No-Limit Hold em ist ein Spiel der Quoten. Liegen Sie mit Ihren Quoten grundlegend falsch, können Sie trotz noch so großem Engagement kein Gewinner

Mehr

4. Woche Decodierung; Maximale, Perfekte und Optimale Codes. 4. Woche: Decodierung; Maximale, Perfekte und Optimale Codes 69/ 140

4. Woche Decodierung; Maximale, Perfekte und Optimale Codes. 4. Woche: Decodierung; Maximale, Perfekte und Optimale Codes 69/ 140 4 Woche Decodierung; Maximale, Perfekte und Optimale Codes 4 Woche: Decodierung; Maximale, Perfekte und Optimale Codes 69/ 140 Szenario für fehlerkorrigierende Codes Definition (n, M)-Code Sei C {0, 1}

Mehr

Codierung, Codes (variabler Länge)

Codierung, Codes (variabler Länge) Codierung, Codes (variabler Länge) A = {a, b, c,...} eine endliche Menge von Nachrichten (Quellalphabet) B = {0, 1} das Kanalalphabet Eine (binäre) Codierung ist eine injektive Abbildung Φ : A B +, falls

Mehr

Folge 19 - Bäume. 19.1 Binärbäume - Allgemeines. Grundlagen: Ulrich Helmich: Informatik 2 mit BlueJ - Ein Kurs für die Stufe 12

Folge 19 - Bäume. 19.1 Binärbäume - Allgemeines. Grundlagen: Ulrich Helmich: Informatik 2 mit BlueJ - Ein Kurs für die Stufe 12 Grundlagen: Folge 19 - Bäume 19.1 Binärbäume - Allgemeines Unter Bäumen versteht man in der Informatik Datenstrukturen, bei denen jedes Element mindestens zwei Nachfolger hat. Bereits in der Folge 17 haben

Mehr

Tauchsieder, elektrische Energie

Tauchsieder, elektrische Energie Tauchsieder, elektrische Energie Aufgabe Aus einem Konstantandraht werden zwei Spulen unterschiedlicher Länge im Verhältnis 1:3 gewickelt. Mit den parallel geschalteten Spulen erhitzt man zwei gleiche

Mehr

Ausgabe 03/2012 Deutschland 7,90 EUR Österreich 7,90 EUR Schweiz 13,90 CHF

Ausgabe 03/2012 Deutschland 7,90 EUR Österreich 7,90 EUR Schweiz 13,90 CHF Ausgabe 03/2012 Deutschland 7,90 EUR Österreich 7,90 EUR Schweiz 13,90 CHF 03 Editorial 06 Prolog 08 Parallaxe No Risk, No Wissen 14 Ökonomische Theorien Was ich schon immer über die Börse wissen wollte

Mehr

Was passiert bei Glück im Körper?

Was passiert bei Glück im Körper? Das kleine Glück Das große Glück Das geteilte Glück Was passiert bei Glück im Körper? für ein paar wunderbare Momente taucht man ein in ein blubberndes Wohlfühlbad Eine gelungene Mathearbeit, die Vorfreude

Mehr

Elektronisches Bargeld, ein erstes Beispiel

Elektronisches Bargeld, ein erstes Beispiel Kapitel 1 Elektronisches Bargeld, ein erstes Beispiel Auch im Zeitalter des bargeldlosen Bezahlens besitzt das klassische Bargeld durchaus noch seine Berechtigung Es ermöglicht eine einfache, schnelle,

Mehr

9 Codes. Hochschule für Angewandte Wissenschaften Hamburg FACHBEREICH ELEKTROTECHNIK UND INFORMATIK DIGITALTECHNIK 9-1

9 Codes. Hochschule für Angewandte Wissenschaften Hamburg FACHBEREICH ELEKTROTECHNIK UND INFORMATIK DIGITALTECHNIK 9-1 9 Codes 9.1 Charakterisierung und Klassifizierung Definition: Das Ergebnis einer eindeutigen Zuordnung zweier Zeichen- bzw. Zahlenmengen wird Code genannt. Die Zuordnung erfolgt über eine arithmetische

Mehr

15 TIPPS ZUM RASANTEN AUFBAU IHRER MAILINGLISTE. 1.1. Google Analytics

15 TIPPS ZUM RASANTEN AUFBAU IHRER MAILINGLISTE. 1.1. Google Analytics 15 TIPPS ZUM RASANTEN AUFBAU IHRER MAILINGLISTE 1.1. Google Analytics 2 15 TIPPS ZUM RASANTEN AUFBAU IHRER MAILINGLISTE 15 TIPPS ZUM RASANTEN AUFBAU IHRER MAILINGLISTE TIPP 1: Fügen Sie eine Eintragungsmöglichkeit

Mehr

Die Cantor-Funktion. Stephan Welz

Die Cantor-Funktion. Stephan Welz Die Cantor-Funktion Stephan Welz Ausarbeitung zum Vortrag im Proseminar Überraschungen und Gegenbeispiele in der Analysis (Sommersemester 2009, Leitung PD Dr. Gudrun Thäter) Zusammenfassung: In dieser

Mehr

Das Higgs-Boson wie wir danach suchen

Das Higgs-Boson wie wir danach suchen Das Higgs-Boson wie wir danach suchen Beschleuniger und Detektoren Anja Vest Wie erzeugt man das Higgs? Teilchenbeschleuniger Erzeugung massereicher Teilchen Masse ist eine Form von Energie! Masse und

Mehr

9. Schätzen und Testen bei unbekannter Varianz

9. Schätzen und Testen bei unbekannter Varianz 9. Schätzen und Testen bei unbekannter Varianz Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Schätzen und Testen bei unbekannter Varianz Wenn wir die Standardabweichung σ nicht kennen,

Mehr

Wir bauen eine Was-passiert-dann-Maschine

Wir bauen eine Was-passiert-dann-Maschine Wir bauen eine Was-passiert-dann-Maschine Darunter verstehen wir eine sogenannte Rube Goldberg-Maschine. Rube Goldberg (1883-1970) ist ein ausgebildeter Ingenieur aus Kalifornien, der später als Cartoonist

Mehr

Rund ums Fahrrad Ein Unterrichtsprojekt für den 7. Jahrgang

Rund ums Fahrrad Ein Unterrichtsprojekt für den 7. Jahrgang Fahrrad Sicherheit: Jedes Fahrrad muss verkehrssicher sein, sonst darf es nicht am Straßenverkehr teilnehmen. Die meisten benutzten Fahrräder erfüllen die Kriterien der Verkehrssicherheit nicht. Beschreibe

Mehr

Grundlagen der Technischen Informatik. Sequenzielle Netzwerke. Institut für Kommunikationsnetze und Rechnersysteme. Paul J. Kühn, Matthias Meyer

Grundlagen der Technischen Informatik. Sequenzielle Netzwerke. Institut für Kommunikationsnetze und Rechnersysteme. Paul J. Kühn, Matthias Meyer Institut für Kommunikationsnetze und Rechnersysteme Grundlagen der Technischen Informatik Paul J. Kühn, Matthias Meyer Übung 2 Sequenzielle Netzwerke Inhaltsübersicht Aufgabe 2.1 Aufgabe 2.2 Prioritäts-Multiplexer

Mehr

Problem: Finde für Alphabet mit n Zeichen einen Binärcode, der die Gesamtlänge eines Textes (über diesem Alphabet) minimiert.

Problem: Finde für Alphabet mit n Zeichen einen Binärcode, der die Gesamtlänge eines Textes (über diesem Alphabet) minimiert. Anwendungen von Bäumen 4.3.2 Huffman Code Problem: Finde für Alphabet mit n Zeichen einen Binärcode, der die Gesamtlänge eines Textes (über diesem Alphabet) minimiert. => nutzbar für Kompression Code fester

Mehr

Approximationsalgorithmen

Approximationsalgorithmen Ausarbeitung zum Thema Approximationsalgorithmen im Rahmen des Fachseminars 24. Juli 2009 Robert Bahmann robert.bahmann@gmail.com FH Wiesbaden Erstellt von: Robert Bahmann Zuletzt berarbeitet von: Robert

Mehr

Webseitennavigation mit dem Content-Management-System Imperia. Zentrum für Informationsverarbeitung Westfälische Wilhelms-Universität Münster

Webseitennavigation mit dem Content-Management-System Imperia. Zentrum für Informationsverarbeitung Westfälische Wilhelms-Universität Münster Webseitennavigation mit dem Content-Management-System Imperia Zentrum für Informationsverarbeitung Westfälische Wilhelms-Universität Münster 10. Januar 2006 Inhaltsverzeichnis 1. Einführung 4 2. Rubrikenstruktur

Mehr

Computerviren, Waldbrände und Seuchen - ein stochastisches Modell für die Reichweite einer Epidemie

Computerviren, Waldbrände und Seuchen - ein stochastisches Modell für die Reichweite einer Epidemie Computerviren, Waldbrände und Seuchen - ein stochastisches für die Reichweite einer Epidemie Universität Hildesheim Schüler-Universität der Universität Hildesheim, 21.06.2012 Warum Mathematik? Fragen zum

Mehr

Gibt es einen Geschmacksunterschied zwischen Coca Cola und Cola Zero?

Gibt es einen Geschmacksunterschied zwischen Coca Cola und Cola Zero? Gibt es einen Geschmacksunterschied zwischen Coca Cola und Cola Zero? Manche sagen: Ja, manche sagen: Nein Wie soll man das objektiv feststellen? Kann man Geschmack objektiv messen? - Geschmack ist subjektiv

Mehr

Eine der Aktien hat immer einen höheren Gewinn als die andere Aktie. Ihre Aufgabe ist es diese auszuwählen.

Eine der Aktien hat immer einen höheren Gewinn als die andere Aktie. Ihre Aufgabe ist es diese auszuwählen. Instruktionen am Anfang von Experiment 1 (auf Papier ausgeteilt: grünmarkierte Textstellen zeigen den Instruktionstext in der jeweiligen Bedingung an; Kommentare sind gelb markiert.) Stellen Sie sich vor,

Mehr

Linearer Zusammenhang von Datenreihen

Linearer Zusammenhang von Datenreihen Linearer Zusammenhang von Datenreihen Vielen Problemen liegen (möglicherweise) lineare Zusammenhänge zugrunde: Mein Internetanbieter verlangt eine Grundgebühr und rechnet minutenweise ab Ich bestelle ein

Mehr

Formelsammlung. Wahrscheinlichkeit und Information

Formelsammlung. Wahrscheinlichkeit und Information Formelsammlung Wahrscheinlichkeit und Information Ein Ereignis x trete mit der Wahrscheinlichkeit p(x) auf, dann ist das Auftreten dieses Ereignisses verbunden mit der Information I( x): mit log 2 (z)

Mehr

Gesundheitsgefahren durch Mobilfunk? Alexander Lerchl Jacobs-University Bremen

Gesundheitsgefahren durch Mobilfunk? Alexander Lerchl Jacobs-University Bremen Gesundheitsgefahren durch Mobilfunk? Alexander Lerchl Jacobs-University Bremen Hintergrund Die Besorgnis der Bevölkerung ist relativ konstant bei ca. 30%. Eine Beeinträchtigung der eigenen Gesundheit wird

Mehr

Gibt es verschiedene Arten unendlich? Dieter Wolke

Gibt es verschiedene Arten unendlich? Dieter Wolke Gibt es verschiedene Arten unendlich? Dieter Wolke 1 Zuerst zum Gebrauch des Wortes unendlich Es wird in der Mathematik in zwei unterschiedlichen Bedeutungen benutzt Erstens im Zusammenhang mit Funktionen

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

Verdienen $300 pro Tag ist leicht!

Verdienen $300 pro Tag ist leicht! Verdienen $300 pro Tag ist leicht! Erstens möchte ich mich bedanken, dass Sie diese Informationen gekauft haben. Ich bitte keinen enormen Betrag dafür, daher hoffe ich, dass Sie es nützlich finden werden.

Mehr

1. Makrozulassung in Excel - Version 2010 -

1. Makrozulassung in Excel - Version 2010 - Damit die Excel-Maske richtig funktioniert, achten Sie bitte unbedingt auf die Reihenfolge der folgenden Schritte! 1. Makrozulassung in Excel - Version 2010 - Da die Excel-Maske Makros enthält, sollten

Mehr

Verwendet man zur Darstellung nur binäre Elemente ( bis lat.: zweimal) so spricht man von binärer Digitaltechnik.

Verwendet man zur Darstellung nur binäre Elemente ( bis lat.: zweimal) so spricht man von binärer Digitaltechnik. Kursleiter : W. Zimmer 1/24 Digitale Darstellung von Größen Eine Meßgröße ist digital, wenn sie in ihrem Wertebereich nur eine endliche Anzahl von Werten annehmen kann, also "abzählbar" ist. Digital kommt

Mehr

Lenstras Algorithmus für Faktorisierung

Lenstras Algorithmus für Faktorisierung Lenstras Algorithmus für Faktorisierung Bertil Nestorius 9 März 2010 1 Motivation Die schnelle Faktorisierung von Zahlen ist heutzutage ein sehr wichtigen Thema, zb gibt es in der Kryptographie viele weit

Mehr

20 Teil I: Alles, was Sie über die Entscheidung wissen sollten

20 Teil I: Alles, was Sie über die Entscheidung wissen sollten 20 Teil I: Alles, was Sie über die Entscheidung wissen sollten werden: Woher weiß ich denn, ob ich nicht inerfurt meinem Partner fürs Leben über den Weg gelaufen wäre, wo ich mich doch aber für Bremen

Mehr

KREDIT BEWILLIGT ODER NICHT?

KREDIT BEWILLIGT ODER NICHT? KREDIT BEWILLIGT ODER NICHT? Mathematik A-lympiade Aufgabe Finalrunde März 2002 oder Kredit bewilligt oder nicht? In vielen Geschäften kann man auf Kredit kaufen. Käufer und Geschäftsinhaber profitieren

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

Vier Gewinnt Nicolas Schmidt Matthias Dietsche Bernhard Weiß Benjamin Ruile Datum: 17.2.2009 Tutor: Prof. Schottenloher Spieltheorie

Vier Gewinnt Nicolas Schmidt Matthias Dietsche Bernhard Weiß Benjamin Ruile Datum: 17.2.2009 Tutor: Prof. Schottenloher Spieltheorie Vier Gewinnt Nicolas Schmidt Matthias Dietsche Bernhard Weiß Benjamin Ruile Datum: 17.2.2009 Tutor: Prof. Schottenloher Spieltheorie Präsentation Agenda I. Einführung 1. Motivation 2. Das Spiel Vier Gewinnt

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

Kapitel 4 Leitungscodierung

Kapitel 4 Leitungscodierung Kapitel 4 Leitungscodierung Prof. Dr. Dirk W. Hoffmann Hochschule Karlsruhe w University of Applied Sciences w Fakultät für Informatik Übersicht Quelle Senke Kompression Huffman-, Arithmetische-, Lempel-Ziv

Mehr

die taschen voll wasser

die taschen voll wasser finn-ole heinrich die taschen voll wasser erzählungen mairisch Verlag [mairisch 11] 8. Auflage, 2009 Copyright: mairisch Verlag 2005 www.mairisch.de Umschlagfotos: Roberta Schneider / www.mittelgruen.de

Mehr

Gruppe: 1/8 Versuch: 4 PRAKTIKUM MESSTECHNIK VERSUCH 5. Operationsverstärker. Versuchsdatum: 22.11.2005. Teilnehmer:

Gruppe: 1/8 Versuch: 4 PRAKTIKUM MESSTECHNIK VERSUCH 5. Operationsverstärker. Versuchsdatum: 22.11.2005. Teilnehmer: Gruppe: 1/8 Versuch: 4 PRAKTIKUM MESSTECHNIK VERSUCH 5 Operationsverstärker Versuchsdatum: 22.11.2005 Teilnehmer: 1. Vorbereitung 1.1. Geräte zum Versuchsaufbau 1.1.1 Lawinendiode 1.1.2 Photomultiplier

Mehr

Grundlagen der Technischen Informatik. 2. Übung

Grundlagen der Technischen Informatik. 2. Übung Grundlagen der Technischen Informatik 2. Übung Christian Knell Keine Garantie für Korrekt-/Vollständigkeit Organisatorisches Übungsblätter zuhause vorbereiten! In der Übung an der Tafel vorrechnen! Bei

Mehr

Machine Learning - Maschinen besser als das menschliche Gehirn?

Machine Learning - Maschinen besser als das menschliche Gehirn? Machine Learning - Maschinen besser als das menschliche Gehirn? Seminar Big Data Science Tobias Stähle 23. Mai 2014 KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der

Mehr

Beispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen

Beispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen 4.3.2 Zusammengesetzte Zufallsvariablen Beispiel 48 Ein Würfel werde zweimal geworfen. X bzw. Y bezeichne die Augenzahl im ersten bzw. zweiten Wurf. Sei Z := X + Y die Summe der gewürfelten Augenzahlen.

Mehr

Von der Metaethik zur Moralphilosophie: R. M. Hare Der praktische Schluss/Prinzipien Überblick zum 26.10.2009

Von der Metaethik zur Moralphilosophie: R. M. Hare Der praktische Schluss/Prinzipien Überblick zum 26.10.2009 TU Dortmund, Wintersemester 2009/10 Institut für Philosophie und Politikwissenschaft C. Beisbart Von der Metaethik zur Moralphilosophie: R. M. Hare Der praktische Schluss/Prinzipien Überblick zum 26.10.2009

Mehr

USABILITY-CHECKLISTE FÜR SOFTW ARE- ANWENDENDE UNTERNEHMEN

USABILITY-CHECKLISTE FÜR SOFTW ARE- ANWENDENDE UNTERNEHMEN USABILITY-CHECKLISTE FÜR SOFTW ARE- ANWENDENDE UNTERNEHMEN 1 EINLEITUNG Auch Unternehmen, die Software-Produkte einkaufen, stehen vor der Herausforderung, eine geeignete Auswahl treffen zu müssen. Neben

Mehr

Zeit- und Dividendeneinfluss. auf einen amerikanischen Aktien-Call-Optionsschein.

Zeit- und Dividendeneinfluss. auf einen amerikanischen Aktien-Call-Optionsschein. HSBC Zertifikate-Akademie Zeit- und Dividendeneinfluss auf einen amerikanischen Aktien-Call-Optionsschein Liebe Leserinnen und Leser der HSBC Zertifikate-Akademie In den vergangenen Ausgaben wurden verschiedene

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

Vom Chip zum Gehirn Elektronische Systeme zur Informationsverarbeitung

Vom Chip zum Gehirn Elektronische Systeme zur Informationsverarbeitung Vom Chip zum Gehirn Elektronische Systeme zur Informationsverarbeitung Johannes Schemmel Forschungsgruppe Electronic Vision(s) Lehrstuhl Prof. K. Meier Ruprecht-Karls-Universität Heidelberg Mitarbeiter:

Mehr

Ein neuer Beweis, dass die Newton sche Entwicklung der Potenzen des Binoms auch für gebrochene Exponenten gilt

Ein neuer Beweis, dass die Newton sche Entwicklung der Potenzen des Binoms auch für gebrochene Exponenten gilt Ein neuer Beweis, dass die Newton sche Entwicklung der Potenzen des Binoms auch für gebrochene Exponenten gilt Leonhard Euler 1 Wann immer in den Anfängen der Analysis die Potenzen des Binoms entwickelt

Mehr

3.2 Spiegelungen an zwei Spiegeln

3.2 Spiegelungen an zwei Spiegeln 3 Die Theorie des Spiegelbuches 45 sehen, wenn die Person uns direkt gegenüber steht. Denn dann hat sie eine Drehung um die senkrechte Achse gemacht und dabei links und rechts vertauscht. 3.2 Spiegelungen

Mehr

Daniell-Element. Eine graphische Darstellung des Daniell-Elementes finden Sie in der Abbildung 1.

Daniell-Element. Eine graphische Darstellung des Daniell-Elementes finden Sie in der Abbildung 1. Dr. Roman Flesch Physikalisch-Chemische Praktika Fachbereich Biologie, Chemie, Pharmazie Takustr. 3, 14195 Berlin rflesch@zedat.fu-berlin.de Physikalisch-Chemische Praktika Daniell-Element 1 Grundlagen

Mehr

Das»Prinzip Evernote«

Das»Prinzip Evernote« Das»Prinzip Evernote« Die Rede von der»informationsflut«ist in unserer Gesellschaft schon fast zu einer Standardklage geworden. In Zeiten des Internets schwirren so viele Informationen umher wie nie zuvor

Mehr

Kybernetik Braitenberg Vehikel

Kybernetik Braitenberg Vehikel Kybernetik Braitenberg Vehikel Mohamed Oubbati Institut für Neuroinformatik Tel.: (+49) 731 / 50 24153 mohamed.oubbati@uniulm.de 29. 05. 2012 Was ist Kybernetik? environment agent Kybernetik ermöglicht,

Mehr

1 Dein TI nspire CAS kann fast alles

1 Dein TI nspire CAS kann fast alles INHALT 1 Dein kann fast alles... 1 2 Erste Schritte... 1 2.1 Systemeinstellungen vornehmen... 1 2.2 Ein Problem... 1 3 Menü b... 3 4 Symbolisches Rechnen... 3 5 Physik... 4 6 Algebra... 5 7 Anbindung an

Mehr

PRAKTIKUM Experimentelle Prozeßanalyse 2. VERSUCH AS-PA-2 "Methoden der Modellbildung statischer Systeme" Teil 2 (für ausgewählte Masterstudiengänge)

PRAKTIKUM Experimentelle Prozeßanalyse 2. VERSUCH AS-PA-2 Methoden der Modellbildung statischer Systeme Teil 2 (für ausgewählte Masterstudiengänge) FACHGEBIET Systemanalyse PRAKTIKUM Experimentelle Prozeßanalyse 2 VERSUCH AS-PA-2 "Methoden der Modellbildung statischer Systeme" Teil 2 (für ausgewählte Masterstudiengänge) Verantw. Hochschullehrer: Prof.

Mehr

Zuschauer beim Berlin-Marathon

Zuschauer beim Berlin-Marathon Zuschauer beim Berlin-Marathon Stefan Hougardy, Stefan Kirchner und Mariano Zelke Jedes Computerprogramm, sei es ein Betriebssystem, eine Textverarbeitung oder ein Computerspiel, ist aus einer Vielzahl

Mehr

2. Entspannungsübungen

2. Entspannungsübungen 1. Lerntypentest Zum Lernen werden Sinnesorgane benötigt. Neben Augen und Ohren gehören dazu auch der Geruchs-, Geschmacks- und Muskelsinn. Die Lerninhalte gelangen ganz einfach über die beteiligten Sinnesorgane

Mehr

2. Gesundheitsfinanzierung

2. Gesundheitsfinanzierung 2. Gesundheitsfinanzierung Inhalte dieses Abschnitts 2.1 Grundmodell der Versicherung Versicherungsmotiv Optimale Versicherungsnachfrage Aktuarisch faire und unfaire Prämien 145 2.1 Grundmodell der Versicherung

Mehr

EINMALEINS BEZIEHUNGSREICH

EINMALEINS BEZIEHUNGSREICH EINMALEINS BEZIEHUNGSREICH Thema: Übung des kleinen Einmaleins; operative Beziehungen erkunden Stufe: ab 2. Schuljahr Dauer: 2 bis 3 Lektionen Materialien: Kleine Einmaleinstafeln (ohne Farben), Punktefelder

Mehr

Der Laden aus Kundensicht Chancen für den stationären Handel im Zeitalter des Internet

Der Laden aus Kundensicht Chancen für den stationären Handel im Zeitalter des Internet Der Laden aus Kundensicht Chancen für den stationären Handel im Zeitalter des Internet Manfred Schindler Projekt Manager Sovato GmbH 1 Im Fokus der Sovato: Digitale Medien am POS 2 Die Kernfrage des Kaufens

Mehr

Zahlenbereiche. Jörn Loviscach. Versionsstand: 20. Oktober 2009, 17:43

Zahlenbereiche. Jörn Loviscach. Versionsstand: 20. Oktober 2009, 17:43 Zahlenbereiche Jörn Loviscach Versionsstand: 20. Oktober 2009, 17:43 1 Natürliche, ganze und rationale Zahlen Zum Zählen benötigt man die positiven natürlichen Zahlen 1, 2, 3,... In der Informatik zählt

Mehr

Lösungen zum Niedersachsen Physik Abitur 2012-Grundlegendes Anforderungsniveau Aufgabe II Experimente mit Elektronen

Lösungen zum Niedersachsen Physik Abitur 2012-Grundlegendes Anforderungsniveau Aufgabe II Experimente mit Elektronen 1 Lösungen zum Niedersachsen Physik Abitur 2012-Grundlegendes Anforderungsniveau Aufgabe II xperimente mit lektronen 1 1.1 U dient zum rwärmen der Glühkathode in der Vakuumröhre. Durch den glühelektrischen

Mehr

Agiles Schätzen. Quelle: Kap. 7 aus Wie schätzt man in agilen Projekten oder wieso Scrum-Projekte erfolgreicher sind [Boris Gloger 2014]

Agiles Schätzen. Quelle: Kap. 7 aus Wie schätzt man in agilen Projekten oder wieso Scrum-Projekte erfolgreicher sind [Boris Gloger 2014] Agiles Schätzen Quelle: Kap. 7 aus Wie schätzt man in agilen Projekten oder wieso Scrum-Projekte erfolgreicher sind [Boris Gloger 2014] Schätzen der Größe Wir bestimmen die Größe, nicht den Aufwand. Auf

Mehr

Aufgaben des MSG-Zirkels 10b Schuljahr 2007/2008

Aufgaben des MSG-Zirkels 10b Schuljahr 2007/2008 Aufgaben des MSG-Zirkels 10b Schuljahr 2007/2008 Alexander Bobenko und Ivan Izmestiev Technische Universität Berlin 1 Hausaufgaben vom 12.09.2007 Zahlentheorie 1 Aufgabe 1.1 Berechne die (quadratischen)

Mehr

Welche Unterschiede gibt es zwischen einem CAPAund einem Audiometrie- Test?

Welche Unterschiede gibt es zwischen einem CAPAund einem Audiometrie- Test? Welche Unterschiede gibt es zwischen einem CAPAund einem Audiometrie- Test? Auch wenn die Messungsmethoden ähnlich sind, ist das Ziel beider Systeme jedoch ein anderes. Gwenolé NEXER g.nexer@hearin gp

Mehr

High-Speed Optical Transmission Systems Grundlagen der numerischen Simulation

High-Speed Optical Transmission Systems Grundlagen der numerischen Simulation High-Speed Optical Transmission Systems Grundlagen der numerischen Simulation 8. Februar 2 In dieser Übung sollen einige Grundlagen der numerischen Simulation mit dem Programm VPItransmissionMaker behandelt

Mehr