Dieter SÜSS und Klaus MACHATA

Größe: px
Ab Seite anzeigen:

Download "Dieter SÜSS und Klaus MACHATA"

Transkript

1 Globaler Optimierungsalgorithmus für überlagerungsfreie Darstellung von Objekten in der neuen Elektronischen Unfallsteckkarte des Kuratorium für Verkehrssicherheit Dieter SÜSS und Klaus MACHATA Zusammenfassung In der Elektronischen Unfallsteckkarte des Kuratorium für Verkehrssicherheit werden Verkehrsunfälle mittels einer GIS-Anwendung grafisch visualisiert. Ein Algorithmus wird vorgestellt, der Unfallcluster bezüglich ihrer Darstellung optimiert. Überlappungen werden vermieden, indem abstoßende Kräfte zwischen den Unfallclustern eingeführt werden. Für die Lösung dieses Optimierungsproblems erweist sich die Methode des Simulated Annealing als äußerst erfolgreich. 1 Einleitung Um Unfalldaten in geeigneter Form zu visualisieren, wurde vom Kuratorium für Verkehrssicherheit (KfV) Mitte der 90er-Jahre die Elektronische Unfallsteckkarte entwickelt. Damit können die in Unfalldatenbanken abgelegten Verkehrsunfalldaten grafisch visualisiert werden, um rasch einen Überblick über das Unfallgeschehen zu geben. Abb. 1: Bei der herkömmlichen Darstellungsart werden die Unfälle senkrecht zur Straßenachse aufgefädelt. Mögliche Überschneidungen führen zu unübersichtlichen Darstellungen (links). Der entwickelte Algorithmus findet auch bei sehr großen Unfallzahlen eine überlappungsfreie Anordnung der Unfallcluster. Somit können Beschriftungen neben den Unfallsymbolen problemlos angebracht werden (rechts). In der bisherigen Lösung (ArcView 3.2) wurden Unfallcluster auf Bänder im Winkel von 90 von der Straßenachse aufgefädelt, was speziell auf Kreuzungen oder kurvenreichen Straßenstücken zu Überdeckungen und erheblichem Nachbearbeitungsaufwand führte (Ab-

2 Globaler Optimierungsalgorithmus für überlagerungsfreie Darstellung von Objekten 669 bildung 1 links). Darüber hinaus zeigt das System bei der gleichzeitigen Bearbeitung großer Datensätze Geschwindigkeitsprobleme, die in der beschränkten Leistungsfähigkeit von ArcView/Avenue begründet sind. Dies gab den Anstoß, das System in Hinblick auf Benutzerfreundlichkeit und Performance völlig neu zu gestalten. Das vorliegende Softwarepaket wurde als MS SQL-Serverlösung unter Visual Basic 6.0 und MapObjects 2.1 entwickelt, wobei zeitkritische Routinen unter C++ realisiert wurden. Das System ist so gestaltet, dass vom Benutzer keinerlei GIS-Vorwissen vorausgesetzt wird. Die verwendeten Symboliken und Labels können nun sehr flexibel gewählt und kombiniert sowie Detailabfragen direkt aus der grafischen Oberfläche gestartet werden. Um eventuelle Überlappungen der Unfallcluster zu vermeiden, wurde ein Optimierungsalgorithmus entwickelt, der zu übersichtlichen Darstellungen führt und somit jede Nachbearbeitung überflüssig macht (Abbildung 1 rechts). Das folgende Kapitel beschreibt die Grundidee des Algorithmus sowie Details für dessen Implementierung. Im letzten Kapitel wird ein Anwendungsbeispiel präsentiert und die Performance des Algorithmus getestet. 2 Prinzip des Optimierungsalgorithmus Ausgehend von der räumlichen Verteilung von Unfallpunkten, die mittels kartesischer Koordinaten verortet werden, wird in einem ersten Schritt eine Klasseneinteilung der Unfallpunkte vorgenommen. Unfälle, deren gegenseitiger Abstand kleiner als r crit ist, werden zu einem Unfallcluster zusammengefasst und auf Bänder aufgefädelt. Um den Rechenaufwand der für die Clusterbildung notwendigen Nachbarschaftssuche zu minimieren, wird das Grundgebiet in einen Raster mit Maschenweite r crit zerlegt. Sollen nun alle Punkte aufgelistet werden, die von einem gegebenen Unfallpunkt A (es sei angenommen, A befinde sich in Zelle C 1 ) einen Abstand kleiner als r crit haben, muss nun nicht der Abstand zu allen Unfallpunkten berechnet werden. Lediglich die Punkte in der Zelle C 1 und die Punkte in den acht Nachbarzellen von C 1 müssen in Betracht gezogen werden. Der Suchaufwand wird somit von der Ordnung (N²), die die direkte Suchmethode ohne Zellenaufteilung benötigt, auf die Ordnung (N) reduziert, wobei N die Anzahl der Unfallpunkte ist. Details für die Nachbarschaftssuche mit der Liked-Cell Methode ist in GRIEBEL, KNAPEK, ZUMBUSCH & CAGLAR (2003) zu finden. Die Unfallpunkte jedes Unfallclusters werden auf Bänder aufgefädelt. Der Ursprung eines Bandes ergibt sich aus dem arithmetischen Mittelwert der Koordinaten der Unfallpunkte. Ein Nächster-Nachbar-Suchalgorithmus, der auf einem kd-suchbaum beruht (BENTLEY 1975), wird angewandt, um den nächstgelegenen Straßenpunkt zu dem Ursprung eines Unfallbandes zu finden. Um Überschneidungen der Unfallbänder zu vermeiden, muss ein Optimierungsproblem gelöst werden. 2.1 Zielfunktion Für das gegebene Optimierungsproblem ist es zweckmäßig, eine Zielfunktion einzuführen, die das subjektive Empfinden der Qualität der Darstellung in eine Zahl Z umwandelt. Im

3 670 D. Süss und K. Machata vorgestellten Algorithmus wird die Zielfunktion Z als Summe von zwei Funktion Z 1 und Z 2 zusammengesetzt, Z = Z 1 + Z 2 Z 1 ist indirekt proportional zum durchschnittlichen Abstand der Unfallcluster. Dadurch werden nicht nur Überschneidungen vermieden, sondern auch große Abstände zwischen den Unfallclustern gewährleistet. Dadurch können Beschriftungen problemlos neben den Unfallsymbolen angebracht werden. Für die mathematische Berechnung der Zielfunktion Z 1 wird jedem Verkehrsunfall eine effektive Ladung zugeschrieben. Die Ladungen stoßen einander ab, wodurch Überschneidungen vermieden werden. Die Funktion Z 1 entspricht der Energie des Systems. Die Energie zwischen Unfallcluster i und Unfallcluster j ist gegeben durch, wobei k E ij x v ( = N i N j k= 1 l= 1 xk 1 v v, y 4 l y v l ) die kartesischen Koordinaten der Unfälle und N i (Nj ) die Zahl der Unfälle auf Unfallcluster i (Unfallcluster j) beschreibt. Die gesamte Energie des Systems und somit Z 1 ergibt sich aus der Summe über alle Unfallcluster 1 Z C C 1 = E km, k= 1 m= 1 m k wobei C die Gesamtzahl der Unfallcluster bezeichnet. Um die Unfallcluster bevorzugt rechtwinkelig zur Straße anzuordnen, wird der zusätzliche Energieterm Z 2 eingeführt. Z 2 ist eine Funktion des Winkels w i, der zwischen dem Unfallband i und der Straßenachse gemessen wird. Der minimale Wert entspricht einer rechtwinkeligen Anordnung. Mit steigender Abweichung von 90 steigt der Wert der Zielfunktion Z 2. Z C = sin ( w 4 i ) i= 1 a. Mit dem Parameter a kann Z 2 relativ zu Z 1 gewichtet werden. Eine gute Wahl für a ist ein Wert in der Größenordnung des Abstands zwischen benachbarten Unfallbändern. 2.2 Suche des globalen Minimums Simulated Annealing Das Problem wurde somit auf die Suche nach dem globalen Minimum der Zielfunktion Z fokussiert. Eine Methode für das Auffinden globaler Extremwerte, die erfolgreich in diversen Optimierungsproblemen angewendet (KIRKPATRICK 1983) wird, ist Simulated Anne- 1 Um die Rechenzeit zu verkürzen, wurde im implementierten Algorithmus nicht die Wechselwirkung zwischen allen Unfallclustern berechnet. Zwei Unfallcluster, deren Abstand groß genug ist, um mögliche Überschneidungen prinzipiell ausschließen zu können, wurden bei der Berechnung der Zielfunktion nicht berücksichtigt.

4 Globaler Optimierungsalgorithmus für überlagerungsfreie Darstellung von Objekten 671 aling. Bei einer Optimierung mittels Simulated Annealing werden folgende Schritte durchgeführt: 1. Initialisiere die Unfallcluster rechtwinkelig zur Straßenachse. 2. Setze die Temperatur T auf einen anfänglich hohen Wert. 3. Wiederhole die folgenden Schritte, bis die Temperatur T auf 0 gesunken ist. Erniedrige die Temperatur T gemäß der gewählten Abkühlrate. Wähle zufällig einen Unfallcluster aus und setze ihn in eine neue Richtung (Versuchsschritt). Berechne die Änderung der Energie E verursacht durch den Versuchsschritt Ist die Energie gesunken, akzeptiere den Versuchsschritt. Ist die Energie gestiegen, verwerfe, mit der Wahrscheinlichkeit P = 1 exp( E / T ), den Versuchsschritt und stelle die ursprüngliche Konfiguration her. Die Anzahl der Wiederholungen der Schritte, die im obigen Schema unter Punkt 3 aufgelistet wurden, werden als Monte-Carlo-Schritte (MCS) bezeichnet. Bei einem Monte- Carlo- Schritt wird für jeden Unfallcluster ein Versuchschritt durchgeführt. Die Methode des Simulated Annealing ist eine heuristische Methode und es kann keine optimale Wahl für die Anfangstemperatur und die Abkühlrate angegeben werden. Untersuchungen zeigen, dass gute Lösungen bei einer Anfangstemperatur erzielt werden, die zu P = 0.25 führt. Das heißt, Versuchsschritte die zu einer Erhöhung der Energie führen, werden zu 75 % akzeptiert. In den durchgeführten Simulationen wurde eine lineare Abkühlrate als Funktion der Zeit angenommen. Die Performance der Methode hängt signifikant von der Art der Versuchsschritte ab. HINZKE et al (HINZKE & NOWAK 1998) schlagen für die Simulation von Magnetsystemen drei Versuchsschritte vor, die wie folgt für das gegebene Problem formuliert werden können: 1. Wähle die Richtung des Unfallclusters zufällig 2. Drehe den Unfallcluster um Drehe den Unfallcluster um 1 (zufällig mit oder gegen den Uhrzeigersinn) 3 Anwendung und Test der Performance Um den entwickelten Optimierungsalgorithmus bezüglich seiner Performance zu testen, wurden Verkehrsunfälle aus einem Zeitraum von zehn Jahren in der Umgebung von Wien verortet und grafisch dargestellt. Es handelt sich dabei um Unfälle, die in Unfallcluster eingeteilt wurden. Ein Detailausschnitt des betrachteten Gebietes ist in den Karten von Abbildung 2 zu sehen. Bei der herkömmlichen Darstellung werden die Unfallcluster senkrecht zur Straßenachse aufgefädelt. Diese Darstellung ist äußerst unübersichtlich (Abbildung 2 links oben) und führt im gesamten Gebiet zu 38 Überschneidungen der Unfallcluster. Nach nur einem MCS sinkt die Anzahl der Überschneidungen auf zwei (rechts oben). Ab drei MCS treten im gesamten Gebiet keine Überlappungen auf. Die Darstellung ist jedoch noch unbefriedigend, wie in Abbildung 2 links unten zu sehen ist. Eine optisch ansprechende Lösung wird bereits nach 20 MCS-Schritten erhalten (rechts unten). Da der Abstand zwischen den Unfallbändern maximiert wurde, können problemlos Beschriftungen neben den Unfallsymbolen angebracht werden.

5 672 D. Süss und K. Machata 0 MCS: 38 Überlappungen; E = 8.32 x MCS: 2 Überlappungen; E = x MCS: 0 Überlappungen; E = x MCS: 0 Überlappungen; E = x 10-2 Abb. 2: Links oben: Bei der herkömmlichen Darstellungsart werden die Unfälle senkrecht zur Straßenachse aufgefädelt. Mögliche Überschneidungen führen zu unübersichtlichen Grafiken. Die Karten (rechts oben) und (links unten) repräsentieren die berechneten Lösungen nach einem beziehungsweise fünf Optimierungsschritten. Nach 20 MCS wird eine ansprechende Lösung gefunden, bei der der Abstand zwischen den Unfallclustern maximal ist (rechts unten). Somit können Beschriftungen neben den Unfallsymbolen problemlos angebracht werden. Die Qualität der Darstellung kann durch den Wert der Energie (Zielfunktion) beschrieben werden, die einer Darstellung zugeschrieben werden kann. In Abbildung 3 kann gezeigt werden, dass die Energie exponentiell mit der Anzahl der MCS abnimmt. Für das betrachtete System wird nach zehn MCS ein Zustand erreicht, der nahe dem globalen Minimum ist. Weitere MCS führen nur noch zu einer geringen Verbesserung der Darstellung. Die Rechenzeit hängt linear sowohl mit der Anzahl der Monte-Carlo-Schritte als auch mit der Anzahl der Unfallcluster zusammen. Für die Optimierung der Darstellung von Unfällen mit 20 MCS beträgt die Rechenzeit (Intel Pentium 4 mit 2.8 GHZ) 3.2 Sekunden.

6 Globaler Optimierungsalgorithmus für überlagerungsfreie Darstellung von Objekten 673 Abb. 3: Die einer Darstellung zugeschriebene Energie sinkt exponentiell mit der Anzahl der Monte-Carlo-Schritte. Die Qualität der Darstellung ist indirekt proportional zur Energie. Zusammenfassend kann gesagt werden, dass durch Verwendung des vorgestellten Algorithmus die Automatisierung der grafischen Unfallverortung in der elektronischen Unfallsteckkarte wesentlich vorangetrieben werden konnte. Innerhalb kürzester Zeit werden die Unfälle übersichtlich dargestellt und händische Nachbearbeitung faktisch überflüssig gemacht. Literatur BENTLEY, J. L. (1975): Multidimensional binary search trees used for associative searching. In: Communications of the ACM, 509 GRIEBEL, M., KNAPEK, S., ZUMBUSCH, G. & A. CAGLAR (2003): Numerische Simulation in der Moleküldynamik. Numerik, Algorithmen, Parallelisierung, Anwendungen. Springer Verlag, Berlin/Heidelberg HINZKE, D. & U. NOWAK (1998): Magnetisation switching in a Heisenberg model for small ferromagnetic particles. In: Phys. Rev. B 58, 265 KIRKPATRICK, S., GELATT JR., C. D. & M. P. VECCHI (1983): Optimization by Simulated Annealing, In: Sience, 4598

Monte Carlo Simulationen

Monte Carlo Simulationen Monte Carlo Simulationen Erkenntnisse durch die Erschaffung einer virtuellen Welt Stefan Wunsch 31. Mai 2014 INSTITUT FÜR EXPERIMENTELLE KERNPHYSIK (IEKP) KIT Universität des Landes Baden-Württemberg und

Mehr

Umsetzung von DEA in Excel

Umsetzung von DEA in Excel Umsetzung von DEA in Excel Thorsten Poddig Armin Varmaz 30. November 2005 1 Vorbemerkungen In diesem Dokument, das als Begleitmaterial zum in der Zeitschrift,,Controlling, Heft 10, 2005 veröffentlichten

Mehr

Optimierung I. 1 Einführung. Luise Blank. Wintersemester 2012/13. Universität Regensburg

Optimierung I. 1 Einführung. Luise Blank. Wintersemester 2012/13. Universität Regensburg Universität Regensburg Wintersemester 2012/13 1 Einführung Anwendungen Finanzwirtschaft: maximale Gewinnrate unter Beschränkungen an das Risiko; Portfolio von Investments Produktion: maximiere Gewinn bei

Mehr

Binäre lineare Optimierung mit K*BMDs p.1/42

Binäre lineare Optimierung mit K*BMDs p.1/42 Binäre lineare Optimierung mit K*BMDs Ralf Wimmer wimmer@informatik.uni-freiburg.de Institut für Informatik Albert-Ludwigs-Universität Freiburg Binäre lineare Optimierung mit K*BMDs p.1/42 Grundlagen Binäre

Mehr

Heuristiken im Kontext von Scheduling

Heuristiken im Kontext von Scheduling Heuristiken im Kontext von Scheduling Expertenvortrag CoMa SS 09 CoMa SS 09 1/35 Übersicht Motivation Makespan Scheduling Lokale Suche Weitere Metaheuristiken Zusammenfassung Literatur CoMa SS 09 2/35

Mehr

Extrema von Funktionen in zwei Variablen

Extrema von Funktionen in zwei Variablen Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik für Ökonomen 1 Dr. Thomas Zehrt Extrema von Funktionen in zwei Variablen Literatur: Gauglhofer, M. und Müller, H.: Mathematik für Ökonomen,

Mehr

Verfahren zur Berechnung von Routen zur Gewährleistung von Ende-zu-Ende QoS

Verfahren zur Berechnung von Routen zur Gewährleistung von Ende-zu-Ende QoS Verfahren zur Berechnung von Routen zur Gewährleistung von Ende-zu-Ende QoS Dezember 007 Dipl.-Ing. Stefan Abu Salah Dipl.-Ing. Achim Marikar QoS (Quality of Service): Sicherstellung der Qualität Zeitkritische

Mehr

Multivariate Statistik

Multivariate Statistik Hermann Singer Multivariate Statistik 1 Auflage 15 Oktober 2012 Seite: 12 KAPITEL 1 FALLSTUDIEN Abbildung 12: Logistische Regression: Geschätzte Wahrscheinlichkeit für schlechte und gute Kredite (rot/blau)

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

Kennfeldverbreiterung eines Radialverdichters für Abgasturbolader durch multidisziplinäre CFD-FEM-Optimierung mit FINE /Turbo

Kennfeldverbreiterung eines Radialverdichters für Abgasturbolader durch multidisziplinäre CFD-FEM-Optimierung mit FINE /Turbo 2011 Kennfeldverbreiterung eines Radialverdichters für Abgasturbolader durch multidisziplinäre CFD-FEM-Optimierung mit FINE /Turbo Th. Hildebrandt, L. Gresser, M. Sievert Inhaltsverzeichnis 01 02 03 04

Mehr

Non-Deterministische CFD Simulationen in FINE /Turbo

Non-Deterministische CFD Simulationen in FINE /Turbo Non-Deterministische CFD Simulationen in FINE /Turbo Dipl.-Ing. (FH) Peter Thiel Dr.-Ing. Thomas Hildebrandt NUMECA Ingenieurbüro NUMECA, a New Wave in Fluid Dynamics Überblick 1. Motivation: Warum non-deterministische

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

Kapitel 5: Dynamisches Programmieren Gliederung

Kapitel 5: Dynamisches Programmieren Gliederung Gliederung 1. Grundlagen 2. Zahlentheoretische Algorithmen 3. Sortierverfahren 4. Ausgewählte Datenstrukturen 5. Dynamisches Programmieren 6. Graphalgorithmen 7. String-Matching 8. Kombinatorische Algorithmen

Mehr

Delta-Gamma-Verfahren als Standard- Risikomodell für Lebensversicherer

Delta-Gamma-Verfahren als Standard- Risikomodell für Lebensversicherer Delta-Gamma-Verfahren als Standard- Risikomodell für Lebensversicherer 1 Einleitung Im Rahmen des SST wird teilweise vereinfachend angenommen, dass der Zusammenhang zwischen der Veränderung des risikotragenden

Mehr

Data Cube. Aggregation in SQL. Beispiel: Autoverkäufe. On-line Analytical Processing (OLAP) 1. Einführung. 2. Aggregation in SQL, GROUP BY

Data Cube. Aggregation in SQL. Beispiel: Autoverkäufe. On-line Analytical Processing (OLAP) 1. Einführung. 2. Aggregation in SQL, GROUP BY Data Cube On-line Analytical Processing (OLAP). Einführung Ziel: Auffinden interessanter Muster in großen Datenmengen 2. Aggregation in SQL, GROUP BY 3. Probleme mit GROUP BY 4. Der Cube-Operator! Formulierung

Mehr

Multiple-Choice Test. Alle Fragen können mit Hilfe der Versuchsanleitung richtig gelöst werden.

Multiple-Choice Test. Alle Fragen können mit Hilfe der Versuchsanleitung richtig gelöst werden. PCG-Grundpraktikum Versuch 8- Reale Gas Multiple-Choice Test Zu jedem Versuch im PCG wird ein Vorgespräch durchgeführt. Für den Versuch Reale Gas wird dieses Vorgespräch durch einen Multiple-Choice Test

Mehr

Dynamic Label Placement in Practice

Dynamic Label Placement in Practice Disputation Dynamic Label Placement in Practice Beschriftungsplatzierung in interaktiven Karten in der Praxis Nadine Schwartges Lehrstuhl für Informatik I, Universität Würzburg 17.04.2015 Interaktive Karten

Mehr

Analyse alt- und mittelpaläolithischer Steinartefaktinventare mittels Parallelkoordinatenplots

Analyse alt- und mittelpaläolithischer Steinartefaktinventare mittels Parallelkoordinatenplots Einleitung Analyse alt- und mittelpaläolithischer Steinartefaktinventare mittels Parallelkoordinatenplots von Irmela Herzog Im Rahmen der Herbsttagung der AG DANK (Datenanalyse und Numerische Klassifikation)

Mehr

Telezentrische Meßtechnik

Telezentrische Meßtechnik Telezentrische Meßtechnik Beidseitige Telezentrie - eine Voraussetzung für hochgenaue optische Meßtechnik Autor : Dr. Rolf Wartmann, Bad Kreuznach In den letzten Jahren erlebten die Techniken der berührungslosen,

Mehr

Freiherr-vom-Stein Schule Fach: Mathematik Herr Pfaffenbach. Logistisches Wachstum. am Beispiel einer Hefekultur

Freiherr-vom-Stein Schule Fach: Mathematik Herr Pfaffenbach. Logistisches Wachstum. am Beispiel einer Hefekultur Freiherr-vom-Stein Schule Fach: Mathematik Herr Pfaffenbach Logistisches Wachstum am Beispiel einer Hefekultur 16.04.2012 Inhaltsverzeichnis 1.0 Vorwort...3 2.0 Logistisches Wachstum allgemein...4 2.1

Mehr

Computer Vision: 3D-Geometrie. D. Schlesinger () Computer Vision: 3D-Geometrie 1 / 17

Computer Vision: 3D-Geometrie. D. Schlesinger () Computer Vision: 3D-Geometrie 1 / 17 Computer Vision: 3D-Geometrie D. Schlesinger () Computer Vision: 3D-Geometrie 1 / 17 Lochkamera Modell C Projektionszentrum, Optische Achse, Bildebene, P Hauptpunkt (optische Achse kreuzt die Bildebene),

Mehr

OPERATIONS-RESEARCH (OR)

OPERATIONS-RESEARCH (OR) OPERATIONS-RESEARCH (OR) Man versteht darunter die Anwendung mathematischer Methoden und Modelle zur Vorbereitung optimaler Entscheidungen bei einem Unternehmen. Andere deutsche und englische Bezeichnungen:

Mehr

Leistung von PV-Topologien bei Abschattung

Leistung von PV-Topologien bei Abschattung Leistung von PV-Topologien bei Abschattung DATUM: JULI 2013 ÜBERSICHT Laut einer vom PV Evolutions Lab (PVEL) durchgeführten standardisierten Verschattungsstudie des National Renewable Energy Laboratory

Mehr

Numerisches Programmieren

Numerisches Programmieren Technische Universität München SS 2012 Institut für Informatik Prof Dr Thomas Huckle Dipl-Inf Christoph Riesinger Dipl-Math Alexander Breuer Dipl-Math Dipl-Inf Jürgen Bräckle Dr-Ing Markus Kowarschik Numerisches

Mehr

Das in diesem Werk enthaltene Programm-Material ist mit keiner Verpflichtung oder Garantie irgendeiner Art verbunden.

Das in diesem Werk enthaltene Programm-Material ist mit keiner Verpflichtung oder Garantie irgendeiner Art verbunden. Zusatzmaterial zum Buch "Algorithmen kompakt und verständlich" Das in diesem Werk enthaltene Programm-Material ist mit keiner Verpflichtung oder Garantie irgendeiner Art verbunden. Der Autor übernimmt

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

Excel Schulungen. Ingo Schmidt Karlsberger Str. 3 87471 Durach. 0831 / 520 66 64 service@erstehilfepc.de

Excel Schulungen. Ingo Schmidt Karlsberger Str. 3 87471 Durach. 0831 / 520 66 64 service@erstehilfepc.de Excel Schulungen Ingo Schmidt Karlsberger Str. 3 87471 Durach 0831 / 520 66 64 service@erstehilfepc.de Inhaltsverzeichnis: Excel Basiskurs...3 Excel Aufbaukurs...4 Excel Profikurs...5 Excel VBA-Kurs...6

Mehr

Infrarot Thermometer. Mit 12 Punkt Laserzielstrahl Art.-Nr. E220

Infrarot Thermometer. Mit 12 Punkt Laserzielstrahl Art.-Nr. E220 Infrarot Thermometer Mit 12 Punkt Laserzielstrahl Art.-Nr. E220 Achtung Mit dem Laser nicht auf Augen zielen. Auch nicht indirekt über reflektierende Flächen. Bei einem Temperaturwechsel, z.b. wenn Sie

Mehr

Kompakte Graphmodelle handgezeichneter Bilder

Kompakte Graphmodelle handgezeichneter Bilder Kompakte Graphmodelle handgezeichneter Bilder Einbeziehung in Authentizierung und Bilderkennung Inhaltsverzeichnis Seminar Mustererkennung WS 006/07 Autor: Stefan Lohs 1 Einleitung 1 Das graphische Modell.1

Mehr

Multivariate Analysemethoden

Multivariate Analysemethoden Multivariate Analysemethoden 30.04.2014 Günter Meinhardt Johannes Gutenberg Universität Mainz Einführung Was sind multivariate Analysemethoden? Vorlesung Übung/Tut Prüfung Verfahrensdarstellung in Überblick

Mehr

Informatik-Sommercamp 2012. Mastermind mit dem Android SDK

Informatik-Sommercamp 2012. Mastermind mit dem Android SDK Mastermind mit dem Android SDK Übersicht Einführungen Mastermind und Strategien (Stefan) Eclipse und das ADT Plugin (Jan) GUI-Programmierung (Dominik) Mastermind und Strategien - Übersicht Mastermind Spielregeln

Mehr

Untersuchung der Auswahl der Hauptfreiheitsgrade zum Import eines Modells von ANSYS nach SIMPACK

Untersuchung der Auswahl der Hauptfreiheitsgrade zum Import eines Modells von ANSYS nach SIMPACK IMW - Institutsmitteilung Nr. 35 (2010) 103 Untersuchung der Auswahl der Hauptfreiheitsgrade zum Import eines Modells von ANSYS nach SIMPACK M. Leng; Z. Liang Die Auswahl der Hauptfreiheitsgrade spielt

Mehr

Vorwort. Zu dieser Reihe. Autoren. Vorwort

Vorwort. Zu dieser Reihe. Autoren. Vorwort Vorwort 9 10 Vorwort Vorwort Herzlich Willkommen zu einem Fachbuch von Comelio Medien, ein Bereich der Comelio GmbH. Dieses Buch aus unserer Reihe zur.net-entwicklung ist das Ergebnis einer Forschungsarbeit,

Mehr

Grundlagen und Basisalgorithmus

Grundlagen und Basisalgorithmus Grundlagen und Basisalgorithmus Proseminar -Genetische Programmierung- Dezember 2001 David König Quelle: Kinnebrock W.: Optimierung mit genetischen und selektiven Algorithmen. München, Wien: Oldenbourg

Mehr

Monte Carlo Methoden

Monte Carlo Methoden Monte Carlo Methoden im Verstärkungslernen [Spink] Bryan Spink 2003 Ketill Gunnarsson [ ketill@inf.fu-berlin.de ], Seminar zum Verstärkungslernen, Freie Universität Berlin [ www.inf.fu-berlin.de ] Einleitung

Mehr

K2 MATHEMATIK KLAUSUR. Aufgabe PT WTA WTGS Darst. Gesamtpunktzahl Punkte (max) 28 15 15 2 60 Punkte Notenpunkte

K2 MATHEMATIK KLAUSUR. Aufgabe PT WTA WTGS Darst. Gesamtpunktzahl Punkte (max) 28 15 15 2 60 Punkte Notenpunkte K2 MATHEMATIK KLAUSUR 26.2.24 Aufgabe PT WTA WTGS Darst. Gesamtpunktzahl Punkte (max 28 5 5 2 6 Punkte Notenpunkte PT 2 3 4 5 6 7 8 9 P. (max 2 2 2 4 5 3 3 4 3 Punkte WT Ana A.a b A.c Summe P. (max 7 5

Mehr

Höhere Flächenausbeute durch Optimierung bei aufgeständerten Modulen

Höhere Flächenausbeute durch Optimierung bei aufgeständerten Modulen 13. Symposium Photovoltaische Solarenergie Staffelstein 11.-13. März 1998 Höhere Flächenausbeute durch Optimierung bei aufgeständerten Modulen DR.-ING. VOLKR QUASCHNING UND PROF. DR.-ING. HABIL. ROLF HANITSCH

Mehr

FB IV Mathematik Universität Trier. Präsentation von Nadja Wecker

FB IV Mathematik Universität Trier. Präsentation von Nadja Wecker FB IV Mathematik Universität Trier Präsentation von Nadja Wecker 1) Einführung Beispiele 2) Mathematische Darstellung 3) Numerischer Fluss für Diffusionsgleichung 4) Konvergenz 5) CFL-Bedingung 6) Zusammenfassung

Mehr

Schnelle und flexible Stoffwertberechnung mit Spline Interpolation für die Modellierung und Optimierung fortschrittlicher Energieumwandlungsprozesse

Schnelle und flexible Stoffwertberechnung mit Spline Interpolation für die Modellierung und Optimierung fortschrittlicher Energieumwandlungsprozesse Hochschule Zittau/Görlitz, Fakultät Maschinenwesen, Fachgebiet Technische Thermodynamik M. Kunick, H. J. Kretzschmar, U. Gampe Schnelle und flexible Stoffwertberechnung mit Spline Interpolation für die

Mehr

Künstliche Intelligenz Dirk Krechel SS 2009

Künstliche Intelligenz Dirk Krechel SS 2009 Künstliche Intelligenz Dirk Krechel SS 2009 Überblick über das Modul 1. Einführung 2. Symbolische Verfahren Logik Aussagenlogik Prädikatenlogik Horn Logik Prolog 3. Suchen und Bewerten Problemlösen durch

Mehr

Zeichnen von Graphen. graph drawing

Zeichnen von Graphen. graph drawing Zeichnen von Graphen graph drawing WS 2006 / 2007 Gruppe: D_rot_Ala0607 Christian Becker 11042315 Eugen Plischke 11042351 Vadim Filippov 11042026 Gegeben sei ein Graph G = (V; E) Problemstellung V E =

Mehr

Computersimulation & Mehrkörperproblem

Computersimulation & Mehrkörperproblem Fleischmann/Gattringer/Hösch/Lukic WAP 00/03 Computersimulation & Mehrkörperproblem Eine Einführung in die Lösung des Mehrkörperproblems mittels Computersimulation Gerwin Fleischmann Daniel Gattringer

Mehr

Wie löst man Mathematikaufgaben?

Wie löst man Mathematikaufgaben? Wie löst man Mathematikaufgaben? Manfred Dobrowolski Universität Würzburg Wie löst man Mathematikaufgaben? 1 Das Schubfachprinzip 2 Das Invarianzprinzip 3 Das Extremalprinzip Das Schubfachprinzip Verteilt

Mehr

Office Schulungen. Word, Excel, PowerPoint, Access

Office Schulungen. Word, Excel, PowerPoint, Access Office Schulungen Word, Excel, PowerPoint, Access Ingo Schmidt Karlsberger Str. 3 87471 Durach 0831 / 520 66 64 service@erstehilfepc.de Inhaltsverzeichnis: Word Basiskurs...3 Word Aufbaukurs...4 Word Profikurs...5

Mehr

Synthese Eingebetteter Systeme. 16 Abbildung von Anwendungen: Optimierung mit DOL

Synthese Eingebetteter Systeme. 16 Abbildung von Anwendungen: Optimierung mit DOL 12 Synthese Eingebetteter Systeme Sommersemester 2011 16 Abbildung von Anwendungen: Optimierung mit DOL 2011/06/24 Michael Engel Informatik 12 TU Dortmund unter Verwendung von Foliensätzen von Prof. Lothar

Mehr

Molekularfeldtheorie (MFT)

Molekularfeldtheorie (MFT) 29.06.2006 Motivation Anwendungen der MFT MFT-Herleitung mittels Variationsansatz und Anwendung Grenzen der Anwendung der MFT Motivation Meisten Probleme nur unter Berücksichtigung von Wechselwirkungen

Mehr

Microsoft Excel 2010 Solver

Microsoft Excel 2010 Solver Hochschulrechenzentrum Justus-Liebig-Universität Gießen Microsoft Excel 2010 Solver Solver in Excel 2010 Seite 1 von 11 Inhaltsverzeichnis Einleitung... 2 Solver installieren... 2 Die Problemstellung

Mehr

4 Greedy-Algorithmen (gierige Algorithmen)

4 Greedy-Algorithmen (gierige Algorithmen) Greedy-Algorithmen (gierige Algorithmen) Greedy-Algorithmen werden oft für die exakte oder approximative Lösung von Optimierungsproblemen verwendet. Typischerweise konstruiert ein Greedy-Algorithmus eine

Mehr

Statistik I für Wirtschaftswissenschaftler Klausur am 06.07.2007, 14.00 16.00.

Statistik I für Wirtschaftswissenschaftler Klausur am 06.07.2007, 14.00 16.00. 1 Statistik I für Wirtschaftswissenschaftler Klausur am 06.07.2007, 14.00 16.00. Bitte unbedingt beachten: a) Gewertet werden alle 9 gestellten Aufgaben. b) Lösungswege sind anzugeben. Die Angabe des Endergebnisses

Mehr

Einsatz von CFD für das Rapidprototyping von Fahrzeugzuheizern

Einsatz von CFD für das Rapidprototyping von Fahrzeugzuheizern Einsatz von CFD für das Rapidprototyping von Fahrzeugzuheizern Dipl.-Ing. Melanie Grote 1, Dr.-Ing. Klaus Lucka 1, Prof. Dr.-Ing. Heinrich Köhne 1, Dipl.-Ing. Günther Eberspach 2, Dr.-rer. nat. Bruno Lindl

Mehr

Fotios Filis. Monte-Carlo-Simulation

Fotios Filis. Monte-Carlo-Simulation Fotios Filis Monte-Carlo-Simulation Monte-Carlo-Methoden??? Spielcasino gibt Namen Monte Carlo war namensgebend für diese Art von Verfahren: Erste Tabellen mit Zufallszahlen wurden durch Roulette-Spiel-Ergebnisse

Mehr

Programmiertechnik II

Programmiertechnik II Analyse von Algorithmen Algorithmenentwurf Algorithmen sind oft Teil einer größeren Anwendung operieren auf Daten der Anwendung, sollen aber unabhängig von konkreten Typen sein Darstellung der Algorithmen

Mehr

Hochschule Bremen. Rechnerstrukturen Labor WS 04/05 I7I. Thema: Grafikkarten. Laborbericht. Datum 18.01.2005

Hochschule Bremen. Rechnerstrukturen Labor WS 04/05 I7I. Thema: Grafikkarten. Laborbericht. Datum 18.01.2005 Hochschule Bremen Rechnerstrukturen Labor I7I Thema: Grafikkarten Laborbericht Datum 18.01.2005 Carsten Eckert(83912) (72497) Fazit Für unseren Praxisteil zum Vortrag Grafikkarten haben wir uns entschieden,

Mehr

Map Reduce on Hadoop Seminar SS09. Similarity Join. Tim Felgentreff, Andrina Mascher

Map Reduce on Hadoop Seminar SS09. Similarity Join. Tim Felgentreff, Andrina Mascher Map Reduce on Hadoop Seminar SS09 Similarity Join Tim Felgentreff, Andrina Mascher Gliederung 2!! Aufgabe!! Demo!! Algorithmus!! Performance!! Veränderte Aufgabenstellung:!! Vergleich mit 1 Seite!! Ausblick!!

Mehr

Lehrerhandbuch Unterrichtsstunde zum Mathematiklabor Thema Proportionalität. Universität Würzburg Lena Moser

Lehrerhandbuch Unterrichtsstunde zum Mathematiklabor Thema Proportionalität. Universität Würzburg Lena Moser Lehrerhandbuch Unterrichtsstunde zum Mathematiklabor Thema Proportionalität Universität Würzburg Lena Moser Tafelbild Proportionalität Raupe auf Uhr r(ϕ)= ϕ Eigenschaft: Zellteilung exponentielles Wachstum

Mehr

query flood DoS attacks in Gnutella

query flood DoS attacks in Gnutella query flood DoS attacks in Gnutella von Andreas Legrum basierend auf einem Dokument von Neil Daswani und Hector Garcia-Molina Für das Seminar "Peer-to-peer Information Systems" - 1 - Übersicht 1. Einführung

Mehr

Kursmaterial: Geld und Kredit

Kursmaterial: Geld und Kredit Handout : Die Entstehung von Geld in einer Tauschwirtschaft Prof. Dr. Thomas Lux Lehrstuhl für Geld, Währung und Internationale Finanzmärkte Institut für Volkswirtschaftslehre Universität Kiel Kursmaterial:

Mehr

Robustes Design versus Toleranzmanagement am Beispiel eines KFZ Schließsystems

Robustes Design versus Toleranzmanagement am Beispiel eines KFZ Schließsystems Robustes Design versus Toleranzmanagement am Beispiel eines KFZ Schließsystems Weimarer Optimierungs- und Stochastiktage 6.0 Peter Gust // Christoph Schluer f Lehrstuhl Konstruktion (Engineering Design)

Mehr

Einführung in das Data Mining Clustering / Clusteranalyse

Einführung in das Data Mining Clustering / Clusteranalyse Einführung in das Data Mining Clustering / Clusteranalyse Sascha Szott Fachgebiet Informationssysteme HPI Potsdam 21. Mai 2008 Teil I Einführung Clustering / Clusteranalyse Ausgangspunkt: Menge O von Objekten

Mehr

Simulationsprogramm SHWwin Berechnung von Solaranlagen für Brauchwasser, Kombisysteme und Nahwärmenetze mit neuer benutzerfreundlicher Oberfläche

Simulationsprogramm SHWwin Berechnung von Solaranlagen für Brauchwasser, Kombisysteme und Nahwärmenetze mit neuer benutzerfreundlicher Oberfläche Simulationsprogramm SHWwin Berechnung von Solaranlagen für Brauchwasser, Kombisysteme und Nahwärmenetze mit neuer benutzerfreundlicher Oberfläche Wolfgang Streicher, Alexander Vilics Institut für Wärmetechnik,

Mehr

Spatial Data Management for Virtual Product Development

Spatial Data Management for Virtual Product Development Seminar Sommersemester 06 Spatial Data Management for Virtual Product Development Maik Siegemund Otto-von-Guericke Universität Magdeburg Gliederung Einleitung Digital Mockup CAD Datenbanksysteme Repräsentation

Mehr

Commercial Banking Übung 1 Kreditscoring

Commercial Banking Übung 1 Kreditscoring Commercial Banking Übung Kreditscoring Dr. Peter Raupach raupach@wiwi.uni-frankfurt.de Sprechzeit Dienstag 6-7:00 Uhr Raum 603 B Kreditscoring Gliederung Grundanliegen Das Sample Modellspezifikation Diskriminanzanalyse

Mehr

Lean Warehousing: Proaktive Prozessoptimierung in der Kommissionierung

Lean Warehousing: Proaktive Prozessoptimierung in der Kommissionierung Lean Warehousing: Proaktive Prozessoptimierung in der Kommissionierung Dr. Christoph Plapp Vorstand Axxom Software AG (Halle 5, Stand 5.410) 3. März 2009 Adaptive Adaptive Planning Planning Intelligence

Mehr

Simulation und Optimierung von Bike-Sharing Systemen Vollversammlung der Graduiertenschule OMaR, Oktober 2011, TU Clausthal

Simulation und Optimierung von Bike-Sharing Systemen Vollversammlung der Graduiertenschule OMaR, Oktober 2011, TU Clausthal Simulation und Optimierung von Bike-Sharing Systemen Vollversammlung der Graduiertenschule OMaR, Oktober 2011, TU Clausthal Viola Ricker Bike-Sharing Bereitstellung von Fahrrädern als öffentliches Verkehrsmittel

Mehr

Hochflexibles Workforce Management: Herausforderungen und Lösungsverfahren

Hochflexibles Workforce Management: Herausforderungen und Lösungsverfahren Hochflexibles Workforce Management: Herausforderungen und Lösungsverfahren Dissertation zur Erlangung des akademischen Gerades eines Doktors der Wirtschaftswissenschaften ( Doctor rerum politicarum") an

Mehr

Analyse und Bewertung von Softwarepaketen zur Linearen Optimierung für ein Unternehmen der Finanzbranche

Analyse und Bewertung von Softwarepaketen zur Linearen Optimierung für ein Unternehmen der Finanzbranche Universität Hannover Fakultät für Elektrotechnik und Informatik Institut für Praktische Informatik Fachgebiet Software Engineering Analyse und Bewertung von Softwarepaketen zur Linearen Optimierung für

Mehr

Automatische Mustererkennung zur Klassifikation von Konsumentenverhalten am Beispiel der Kreditwürdigkeitsprüfung

Automatische Mustererkennung zur Klassifikation von Konsumentenverhalten am Beispiel der Kreditwürdigkeitsprüfung Prof. Dr. Gerhard Arminger Dipl.-Ök. Alexandra Schwarz Bergische Universität Wuppertal Fachbereich Wirtschaftswissenschaft Fach Statistik Automatische Mustererkennung zur Klassifikation von Konsumentenverhalten

Mehr

Olympus der Spezialist für opto-digitale Technolgien

Olympus der Spezialist für opto-digitale Technolgien Simulation optischer Systeme für medizinische Endoskope Olympus Surgical Technologies Europe Dr. Peter Schouwink Symposium Medizintechnik 2012 31. Januar 2012 February 1, 2012 OLYMPUS SURGICAL TECHNOLOGIES

Mehr

CFD-Simulation von Tonal- und Breitbandlärm als Folge u.a. von Schaufelschwingungen in Triebwerken

CFD-Simulation von Tonal- und Breitbandlärm als Folge u.a. von Schaufelschwingungen in Triebwerken www.dlr.de Folie 1 CFD-Simulation von Tonal- und Breitbandlärm als Folge u.a. von Schaufelschwingungen in Triebwerken Simulation von Vibration und Schall im Verkehrswesen Graham Ashcroft Numerische Methoden

Mehr

С Ах für Ingenieure. Springer. Eine praxisbezogene Einführung

С Ах für Ingenieure. Springer. Eine praxisbezogene Einführung Sandor Vajna Christian Weber Helmut Bley Klaus Zeman In Zusammenarbeit mit Peter Hehenberger С Ах für Ingenieure Eine praxisbezogene Einführung 2. völlig neu bearbeitete Auflage Springer Inhalt 1. CAx-Systeme

Mehr

TETRA Monitoring Software

TETRA Monitoring Software SCOUT TETRA Monitoring Software Motorola GmbH Am Borsigturm 130 D-13507 Berlin http://www.motorola.de Mail: RNBPE@motorola.com MOTOROLA and the Stylized M Logo are registered in the U.S. Patent and Trademark

Mehr

Kapitel 3. Zufallsvariable. Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion. Erwartungswert, Varianz und Standardabweichung

Kapitel 3. Zufallsvariable. Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion. Erwartungswert, Varianz und Standardabweichung Kapitel 3 Zufallsvariable Josef Leydold c 2006 Mathematische Methoden III Zufallsvariable 1 / 43 Lernziele Diskrete und stetige Zufallsvariable Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion

Mehr

Transistor-Mismatch bei einem Strom-DAC in 65nm-Technologie

Transistor-Mismatch bei einem Strom-DAC in 65nm-Technologie Electronic Vision(s) Universität Heidelberg Transistor-Mismatch bei einem Strom-DAC in 65nm-Technologie Projektpraktikum Für den Studiengang Bachelor Physik Christian Graf 2011 1 Inhaltsverzeichnis Inhaltsverzeichnis

Mehr

Seminar aus maschinellem Lernen MCTS und UCT

Seminar aus maschinellem Lernen MCTS und UCT Seminar aus maschinellem Lernen MCTS und UCT 26. November 2014 TU Darmstadt FB 20 Patrick Bitz 1 Übersicht Historisches zu MCTS MCTS UCT Eigenschaften von MCTS Zusammenfassung 26. November 2014 TU Darmstadt

Mehr

Kompakte Graphmodelle handgezeichneter Bilder. Einbeziehung in Autentizierung und Bilderkennung

Kompakte Graphmodelle handgezeichneter Bilder. Einbeziehung in Autentizierung und Bilderkennung Kompakte Graphmodelle handgezeichneter Bilder Einbeziehung in Autentizierung und Bilderkennung Inhaltsverzeichnis 1 Einleitung Das graphische Model.1 Image Thinning................................. 3.

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

Integration geometrischer und fotogrammetrischer Information zum Wiederfinden von Bildern

Integration geometrischer und fotogrammetrischer Information zum Wiederfinden von Bildern Integration geometrischer und fotogrammetrischer Information zum Wiederfinden von Bildern Björn Burow SE Mustererkennung in Bildern und 3D-Daten Lehrstuhl Graphische Systeme BTU Cottbus Inhaltsübersicht

Mehr

Visuelle Simulation eines Radiosity Algorithmus und ihre Anwendung in Lernprozessen

Visuelle Simulation eines Radiosity Algorithmus und ihre Anwendung in Lernprozessen Visuelle Simulation eines Radiosity Algorithmus und ihre Anwendung in Lernprozessen Abschlussvortrag zur Diplomarbeit von Jörg Karpf Graphische Datenverarbeitung, Institut für Informatik 3. September 2009

Mehr

Elektrischer Widerstand als Funktion der Temperatur

Elektrischer Widerstand als Funktion der Temperatur V10 Elektrischer Widerstand als Funktion der Temperatur 1. Aufgabenstellung 1.1 Messung Sie den elektrischen Widerstand vorgegebener Materialien als Funktion der Temperatur bei tiefen Temperaturen. 1.2

Mehr

Metallring Flüssigkeitslamelle Flüssigkeit (Wasser +/-Pril)

Metallring Flüssigkeitslamelle Flüssigkeit (Wasser +/-Pril) Name: PartnerIn in Crime: Datum : Versuch: Oberflächenspannung und innere Reibung 1105B Einleitung: Oberflächenspannung wird durch zwischenmolekulare Kräfte kurzer Reichweite hervorgerufen (Kohäsionskräfte).

Mehr

Parallele und funktionale Programmierung Wintersemester 2013/14. 8. Übung Abgabe bis 20.12.2013, 16:00 Uhr

Parallele und funktionale Programmierung Wintersemester 2013/14. 8. Übung Abgabe bis 20.12.2013, 16:00 Uhr 8. Übung Abgabe bis 20.12.2013, 16:00 Uhr Aufgabe 8.1: Zeigerverdopplung Ermitteln Sie an folgendem Beispiel den Rang für jedes Listenelement sequentiell und mit dem in der Vorlesung vorgestellten parallelen

Mehr

Ideen der Informatik. Maschinelles Lernen. Kurt Mehlhorn Adrian Neumann Max-Planck-Institut für Informatik

Ideen der Informatik. Maschinelles Lernen. Kurt Mehlhorn Adrian Neumann Max-Planck-Institut für Informatik Ideen der Informatik Maschinelles Lernen Kurt Mehlhorn Adrian Neumann Max-Planck-Institut für Informatik Übersicht Lernen: Begriff Beispiele für den Stand der Kunst Spamerkennung Handschriftenerkennung

Mehr

Peltier-Element kurz erklärt

Peltier-Element kurz erklärt Peltier-Element kurz erklärt Inhaltsverzeichnis 1 Peltier-Kühltechnk...3 2 Anwendungen...3 3 Was ist ein Peltier-Element...3 4 Peltier-Effekt...3 5 Prinzipieller Aufbau...4 6 Wärmeflüsse...4 6.1 Wärmebilanz...4

Mehr

Mustererkennung mit Baumautomaten

Mustererkennung mit Baumautomaten Mustererkennung mit Baumautomaten Eine Ausarbeitung von Gisse Alvarado für das Seminar Mustererkennung mit syntaktischen und graphbasierten Methoden bei Prof. Dr. W. Kurth/ Th. Mangoldt Cottbus 2006 Inhalt

Mehr

Algorithmische Methoden für schwere Optimierungsprobleme

Algorithmische Methoden für schwere Optimierungsprobleme Algorithmische Methoden für schwere Optimierungsprobleme Juniorprof. Dr. Henning Meyerhenke Institut für Theoretische Informatik 1 KIT Henning Universität desmeyerhenke, Landes Baden-Württemberg Institutund

Mehr

Optimierung mit Matlab

Optimierung mit Matlab Lehrstuhl Mathematik, insbesondere Numerische und Angewandte Mathematik Prof. Dr. L. Cromme Computerbasierte Mathematische Modellierung für Mathematiker, Wirtschaftsmathematiker, Informatiker im Wintersemester

Mehr

ChangePoint-Analysen - ein Überblick

ChangePoint-Analysen - ein Überblick ChangePoint-Analysen - ein Überblick Gliederung Motivation Anwendungsgebiete Chow Test Quandt-Andrews Test Fluktuations-Tests Binary Segmentation Recursive circular and binary segmentation algorithm Bayesscher

Mehr

3.2 Bivariate Verteilungen

3.2 Bivariate Verteilungen 3.2 Bivariate Verteilungen zwei Variablen X, Y werden gemeinsam betrachtet (an jedem Objekt i, i = 1,..., n, werden gleichzeitig zwei Merkmale beobachtet) Beobachtungswerte sind Paare/Kombinationen von

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

http://www.nvu-composer.de

http://www.nvu-composer.de Kapitel 16 Seite 1 Ein portabler Web-Editor Wer viel Zeit in eine Website investieren will ist gut beraten, eine professionelle Software für Webdesigner zu beschaffen. Diese Programme sind sehr leistungsfähig,

Mehr

Aufabe 7: Baum-Welch Algorithmus

Aufabe 7: Baum-Welch Algorithmus Effiziente Algorithmen VU Ausarbeitung Aufabe 7: Baum-Welch Algorithmus Florian Fest, Matr. Nr.0125496 baskit@generationfun.at Claudia Hermann, Matr. Nr.0125532 e0125532@stud4.tuwien.ac.at Matteo Savio,

Mehr

GIS gestützte Datenbank Signalisation

GIS gestützte Datenbank Signalisation GIS gestützte Datenbank Signalisation Thomas Fricker Roland Dunkel BUD Informatik / Entwicklung Tiefbauamt Kantonsstrassen / FB Signalisation Inhalt 1. Einleitung Grundgedanke 2. Konzeptioneller Aufbau

Mehr

Histogramme in der Datenbankoptimierung. Marian Marx 26.06.2008

Histogramme in der Datenbankoptimierung. Marian Marx 26.06.2008 Histogramme in der Datenbankoptimierung Marian Marx 26.06.2008 Inhaltsverzeichnis 1. Histogramme im Allgemeinen 1.1 Definition Histogramm 1.2 Beispiel Histogramm 2. Histogramme in der Datenbankoptimierung

Mehr

Xtra Austria August 2012 Nr. 11

Xtra Austria August 2012 Nr. 11 Extended IPU Xtra Austria August 2012 Nr. 11 Im Jahr 2011 stellte Sysmex eine neue Gerätegeneration vor, die XN-Serie. Zum ersten Mal ist es möglich, auf Basis dieser Technologie dem Anwender eine für

Mehr

SOFTWARE FÜR PRG-APPLIKATIONEN

SOFTWARE FÜR PRG-APPLIKATIONEN SOFTWARE FÜR PRG-APPLIKATIONEN Autor: Frank Bergmann Letzte Änderung: 04.12.2014 09:09 1 1 Inhaltsverzeichnis 1 Inhaltsverzeichnis... 2 2 Allgemeines... 3 3 Installation und Programmaufruf... 3 4 Einstellungen...

Mehr

Tutorium 5 - Programmieren

Tutorium 5 - Programmieren Tutorium 5 - Programmieren Grischa Liebel Uni Karlsruhe (TH) Tutorium 11 1 Einleitung 2 Abschlussaufgaben 3 Vorlesungsstoff 4 Ergänzungen zum Vorlesungsstoff Grischa Liebel (Uni Karlsruhe (TH)) c 2008

Mehr

11. ArcView-Anwendertreffen 2009. Workshop Symbologie und Darstellung in ArcGIS. Daniel Fuchs

11. ArcView-Anwendertreffen 2009. Workshop Symbologie und Darstellung in ArcGIS. Daniel Fuchs 11. ArcView-Anwendertreffen 2009 Workshop Symbologie und Darstellung in ArcGIS Daniel Fuchs Symbologie und Darstellung in ArcView Inhalte des Workshops 1 Grundlagen: Symboleditor Styles und Style Manager

Mehr

Aufgabenblatt 4: Der Trade-off zwischen Bankenwettbewerb und Bankenstabilität

Aufgabenblatt 4: Der Trade-off zwischen Bankenwettbewerb und Bankenstabilität Aufgabenblatt 4: Der Trade-off zwischen Bankenwettbewerb und Bankenstabilität Prof. Dr. Isabel Schnabel The Economics of Banking Johannes Gutenberg-Universität Mainz Wintersemester 2009/2010 1 Aufgabe

Mehr

Über dieses Buch. Kapitel 1. 1.1 Einleitung

Über dieses Buch. Kapitel 1. 1.1 Einleitung Kapitel 1 Über dieses Buch 1.1 Einleitung Dieses Buch behandelt das Vorgehensmodell Kanban und seinen Einsatz in Softwareentwicklungsprojekten. Kanban ist ein Vorgehensmodell der schlanken Softwareentwicklung

Mehr

Lattice Boltzmann Simulation bewegter Partikel

Lattice Boltzmann Simulation bewegter Partikel Lattice Boltzmann Simulation bewegter Partikel, Nils Thürey, Hans-Joachim Schmid, Christian Feichtinger Lehrstuhl für Systemsimulation Universität Erlangen/Nürnberg Lehrstuhl für Partikeltechnologie Universität

Mehr