Modellbildung und Simulation

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "Modellbildung und Simulation"

Transkript

1 Modellbildung und Simulation Wintersemester 2007/2008 Klaus Kasper

2 Praktikum Mittwochs: 10:15 13:30 (Y) Start: Ort: D15/202 Donnerstags: 14:15 17:30 (X) Start: Ort: D15/102 Zulassungsvoraussetzung für Klausur

3 Hinweise zum Praktikum freie Wahl der Programmiersprache Lösungen müssen dokumentiert werden Hinweise für die Durchführung der Kompilation Hinweise für die Ausführung der Lösungen

4 Klausur Klausur: , 10:15 Anmeldeschluss: Abmeldeschluss:

5 Einführung in Modellbildung und Simulation Überblick Nomenklatur und Schema für Modellbildung und Simulation (insb. System/Umwelt) Lineare versus nichtlineare Systeme, Komplexe Systeme Modelltypen Messung/Sammlung der Daten

6 Fortsetzung Aufbereitung der Daten Modellierungstechniken (Stochastische Modelle, Künstliche Neuronale Netzwerke, Planspiele) Simulation (Prognose, Klassifikation) Prozess der Modellbildung und Simulation Anwendungsbeispiele

7 Überblick

8 Modellierung Modelle sind Hilfsmittel für den Umgang mit Realität. Die Realität wird nicht direkt abgebildet sondern abstrahiert. Nicht zentrale Details werden ignoriert. Komplexität des Modells wird minimiert. Die Leistungsfähigkeit moderner Rechenmaschinen erweitert den Möglichkeitsraum der Modellierung.

9 Prozess Die Entwicklung des Zustands eines Systems wird als Prozess bezeichnet. Exakt handelt es sich um dynamische Prozesse, da zeitliche Entwicklungen untersucht werden. Ziele der Modellierung von Prozessen: Prognose zukünftiger Zustände des Systems. Klassifikation von Muster, die vom untersuchten System erzeugt wurden. Optimierung von Geschäftsabläufen.

10 Ziele der Modellierung Prognose Wetter / Klima Kursverläufe (Risikobewertung) gesellschaftliche Dynamiken Klassifikation Qualitätskontrolle Bild- / Spracherkennung Optimierung bzw. Standardisierung von Prozessen ITIL/eTOM Mobilitätsmanagement

11 Modelltypen Alltagsmodelle (z.b. Bauernregeln) Analytische Modelle (z.b. Ökonomie (Marx), Physik (Newton)) Datengetriebene Modelle (z.b. Klimamodelle) Akteurgetriebene Modelle (z.b. Modellierung gesellschaftlicher Dynamiken) Technische Modelle (z.b. Schaltungssimulation)

12 Datengetriebene Modellbildung und Simulation Definition System / Umwelt Austausch zwischen System und Umwelt Messung und Sammlung der Eingangsgrößen Größen für Beschreibung des Systemzustands (Ausgangsgrößen) Berechnung von unbekannten Systemzuständen durch Simulation

13 Modellbildung Umwelt System Messung

14 Simulation Messdaten Modell Prognose/Klassifikation

15 Nichtlineare Systeme Nichtlineare Systeme reagieren auf Störungen, im Gegensatz zu linearen Systemen, nicht proportional. Die meisten in der Natur vorkommenden Systeme sind nichtlinear. Beispiele sind die Dynamik der Weltwirtschaft, das ökologische System der Erde oder das Wetter.

16 Lineare Regression f( x)=a x+b

17 Linear versus nichtlinear

18 Berechnung linearer/nichtlinearer Zusammenhänge Lineare Regression Singulärwertzerlegung Künstliche Neuronale Netzwerke Stochastische Verfahren

19 Datengetriebene Modellierung Mikrofon Fourier KNN Prognose Zellverband A/D ICA HMM Klassifikation Aktienkurse Zählraten Fuzzy Daten Digitalisierung Parametrisierung Modellierung Simulation

20 Anwendung 1: Value at Risk Monte Carlo Simulation Sammlung und Analyse historischer Daten. Modellierung der Verteilung. Simulation von Kursentwicklungen gemäß der modellierten Verteilung. Große Zahl an Simulationen. Prognose von Kursentwicklungen. Berechnung des monetären Risikos für die Entwicklung des Portfolios.

21 Anwendung 1: Value at Risk

22 Anwendung 2: Schätzung der Prosodie Rekurrente neuronale Netzwerke Sammlung und Analyse gesprochener Sprache eines Sprechers Training der Netzwerke Schätzung der Lautdauer Schätzung des Frequenzverlaufs für stimmhafte Laute

23 Prosodiegenerierung Lautdauer relative F0-Kontur RNN t I S d E > 1 < > 1 > 2 Wortposition relativ Wortart Phraseninformation

24 Anwendung 3: Spracherkennung Hidden Markov Modelle Sammlung und Analyse gesprochener Sprache vieler Sprecher Berechnung der Parameter des stochastischen Modells Schätzung von Emissionswahrscheinlichkeiten Berechnung von Hypothesen durch Decodierung von Markovketten 1. Ordnung und Verwendung des Viterbi-Algorithmus

25 Modellierungsebenen keine Sie hat zwei Kinder sieben z m s i: n s1 s2 s3

26 Anwendung 4: Biosensor Zellen (neuronale Zellen oder Herzmuskelzellen) wachsen auf einen Silizium-Chip auf Die Signale der Zellen werden abgeleitet und können analysiert werden die Zellen befinden sich in einer Nährlösung Reaktionsmuster des Zellverbandes auf Schadstoffeinträge oder Pharmazeutika wird modelliert

27 Recording of Neural Signals Formation of synapses are the prerequisite for neural communication 50 µm MicroElectrode-Array Chip Mammalian Neural Net patterned onto MEA-chip Thielemann / AK Knoll Spontaneous neural signals recorded by the MEA-chip Voltage / µv spikes burst time /sec

28 Konzepttransfer Modellierung ist keiner Disziplin explizit zugeordnet. In unterschiedlichen Anwendungsbereichen sind die Techniken zu Modellierung sehr weit entwickelt. Geringe Verbreitung des Wissens. Wegen hoher Abstraktion gute Chancen für Konzepttransfer.

Modellbildung und Simulation

Modellbildung und Simulation Modellbildung und Simulation 6. Vorlesung Wintersemester 2007/2008 Klaus Kasper Value at Risk (VaR) Gaußdichte Gaußdichte der Normalverteilung: f ( x) = 1 2π σ x e 2 2 x ( x µ ) / 2σ x Gaußdichte der Standardnormalverteilung:

Mehr

Signalverarbeitung 2. Volker Stahl - 1 -

Signalverarbeitung 2. Volker Stahl - 1 - - 1 - Hidden Markov Modelle - 2 - Idee Zu klassifizierende Merkmalvektorfolge wurde von einem (unbekannten) System erzeugt. Nutze Referenzmerkmalvektorfolgen um ein Modell Des erzeugenden Systems zu bauen

Mehr

Die Bestimmung von Value-at-Risk- Werten mit Hilfe der Monte-Carlo- Simulation. Jens Schiborowski

Die Bestimmung von Value-at-Risk- Werten mit Hilfe der Monte-Carlo- Simulation. Jens Schiborowski Die Bestimmung von Value-at-Risk- Werten mit Hilfe der Monte-Carlo- Simulation Jens Schiborowski Gliederung Einführung Monte-Carlo-Simulation Definition von Monte-Carlo-Simulation Einsatzgebiete von Monte-Carlo-Simulation

Mehr

Neuronale Netze zur Prognose und Disposition im Handel

Neuronale Netze zur Prognose und Disposition im Handel Sven F. Crone Neuronale Netze zur Prognose und Disposition im Handel Mit einem Geleitwort von Prof. Dr. Dr. h. c. Dieter B. Preßmar GABLER RESEARCH Inhalt XI Inhaltsverzeichnis Abbildungsverzeichnis Tabellenverzeichnis

Mehr

Stochastik Praktikum Markov Chain Monte Carlo Methoden

Stochastik Praktikum Markov Chain Monte Carlo Methoden Stochastik Praktikum Markov Chain Monte Carlo Methoden Humboldt-Universität zu Berlin 14.10.2010 Problemstellung Wie kann eine Zufallsstichprobe am Computer simuliert werden, deren Verteilung aus einem

Mehr

Einführung in die automatische Spracherkennung. SS 2007 Klaus Kasper

Einführung in die automatische Spracherkennung. SS 2007 Klaus Kasper Einführung in die automatische Spracherkennung SS 27 Klaus Kasper Praktikum Montag, 16:h 19:15h (Y-Raster) Ort: D15/22 erste Veranstaltung: 2.4.27 Programmiersprache Ihrer Wahl (C/C ++ /C#, Java, ) Zulassungsvoraussetzung

Mehr

CD-AUSGABE (Stand: 1999) HANDBUCH KURSPROGNOSE Quantitative Methoden im Asset Management von Thorsten Poddig 676 Seiten, Uhlenbruch Verlag, 1999 erstmals als Buch publiziert EUR 79,- inkl. MwSt. und Versand

Mehr

Systemanalyse und Modellbildung

Systemanalyse und Modellbildung Systemanalyse und Modellbildung Universität Koblenz-Landau Fachbereich 7: Natur- und Umweltwissenschaften Institut für Umweltwissenschaften Dr. Horst Niemes(Lehrbeauftragter) Systemanalyse und Modellbildung

Mehr

Einführung in Operations Research

Einführung in Operations Research Wolfgang Domschke Andreas Drexl Einführung in Operations Research Achte Auflage fyj Springer Inhaltsverzeichnis Vorwort Symbolverzeichnis V XIII Kapitel 1: Einführung 1 1.1 Begriff des Operations Research

Mehr

Datenorientierte SA. Aufbau und Grundlagen. Aufbau und Grundlagen. Aufbau und Grundlagen. Was sind neuronale Netze?

Datenorientierte SA. Aufbau und Grundlagen. Aufbau und Grundlagen. Aufbau und Grundlagen. Was sind neuronale Netze? Datenorientierte SA Was sind neuronale Netze? Neuronale Netze: Grundlagen und Anwendungen Neuronale Netze bilden die Struktur eines Gehirns oder eines Nervensystems ab Andreas Rauscher 0651993 Damir Dudakovic

Mehr

Einführung in die Computerlinguistik

Einführung in die Computerlinguistik Einführung in die Computerlinguistik Spracherkennung und Hidden Markov Modelle Dozentin: Wiebke Petersen WS 2004/2005 Wiebke Petersen Einführung in die Computerlinguistik WS 04/05 Spracherkennung Merkmalsextraktion

Mehr

Ereignisdiskrete Systeme

Ereignisdiskrete Systeme 2008 AGI-Information Management Consultants May be used for personal purporses only or by libraries associated to dandelon.com network. Ereignisdiskrete Systeme Modellierung und Analyse dynamischer Systeme

Mehr

Mathematische Ansätze im Enterprise Risk Management

Mathematische Ansätze im Enterprise Risk Management Mathematische Ansätze im Enterprise Risk Management Mathematisches Seminar FB MN 02.12.2008 Seite 1 Risk Management Aufteilung des RM in zwei Teilgebiete: - Quantitatives RM (QnRM) - Statistische und stochastische

Mehr

BZQ II: Stochastikpraktikum

BZQ II: Stochastikpraktikum BZQ II: Stochastikpraktikum Block 5: Markov-Chain-Monte-Carlo-Verfahren Randolf Altmeyer February 1, 2017 Überblick 1 Monte-Carlo-Methoden, Zufallszahlen, statistische Tests 2 Nichtparametrische Methoden

Mehr

Informatische Modellbildung

Informatische Modellbildung Informatische Modellbildung Informatik als Wissenschaft von der Herstellung ausführbarer Modelle bzw. der Simulation künstlicher Welten hier: formale Methoden zur Präzisierung des Modellbegriffs Begriffsdefinition

Mehr

Überblick über multivariate Verfahren in der Statistik/Datenanalyse

Überblick über multivariate Verfahren in der Statistik/Datenanalyse Überblick über multivariate Verfahren in der Statistik/Datenanalyse Die Klassifikation multivariater Verfahren ist nach verschiedenen Gesichtspunkten möglich: Klassifikation nach der Zahl der Art (Skalenniveau)

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

Numerische Methoden. Thomas Huckle Stefan Schneider. Eine Einführung für Informatiker, Naturwissenschaftler, Ingenieure und Mathematiker.

Numerische Methoden. Thomas Huckle Stefan Schneider. Eine Einführung für Informatiker, Naturwissenschaftler, Ingenieure und Mathematiker. Thomas Huckle Stefan Schneider Numerische Methoden Eine Einführung für Informatiker, Naturwissenschaftler, Ingenieure und Mathematiker 2. Auflage Mit 103 Abbildungen und 9 Tabellen 4Q Springer Inhaltsverzeichnis

Mehr

Hidden Markov Modelle

Hidden Markov Modelle Hidden Markov Modelle in der Sprachverarbeitung Paul Gabriel paul@pogo.franken.de Seminar Sprachdialogsysteme: Hidden Markov Modelle p.1/3 Überblick Merkmalsvektoren Stochastischer Prozess Markov-Ketten

Mehr

Das Unmessbare messen Softsensoren zur Prozessanalyse und Qualitätskontrolle. Christoph Kugler, Thomas Hochrein 26. Mai 2011

Das Unmessbare messen Softsensoren zur Prozessanalyse und Qualitätskontrolle. Christoph Kugler, Thomas Hochrein 26. Mai 2011 Das Unmessbare messen Softsensoren zur Prozessanalyse und Qualitätskontrolle Christoph Kugler, Thomas Hochrein 26. Mai 2011 Das in Echtzeit und inline Unmessbare messen Softsensoren zur Prozessanalyse

Mehr

Einführung in die Modellierung

Einführung in die Modellierung Informatik II: Modellierung Prof. Dr. Martin Glinz Kapitel 1 Einführung in die Modellierung Universität Zürich Institut für Informatik Inhalt 1.1 Der Modellbegriff 1.2 Wozu Modelle? 1.3 Modellbildung 1.4

Mehr

CreditMetrics. Portfoliokreditrisiko Seminar. 10. Oktober Sebastian Sandner. Statistik Seminar bei PD Dr. Rafael Weißbach Universität Mannheim

CreditMetrics. Portfoliokreditrisiko Seminar. 10. Oktober Sebastian Sandner. Statistik Seminar bei PD Dr. Rafael Weißbach Universität Mannheim CreditMetrics Portfoliokreditrisiko Seminar 10. Oktober 2007 Sebastian Sandner Statistik Seminar bei PD Dr. Rafael Weißbach Universität Mannheim Gliederung Page 1. Einführung in Credit Metrics 4 2. Durchführung

Mehr

Konzepte der AI Neuronale Netze

Konzepte der AI Neuronale Netze Konzepte der AI Neuronale Netze Franz Wotawa Institut für Informationssysteme, Database and Artificial Intelligence Group, Technische Universität Wien Email: wotawa@dbai.tuwien.ac.at Was sind Neuronale

Mehr

Portfoliotheorie, Risikomanagenient und die Bewertung von Derivaten

Portfoliotheorie, Risikomanagenient und die Bewertung von Derivaten Jürgen Kremer Portfoliotheorie, Risikomanagenient und die Bewertung von Derivaten Zweite, vollständig überarbeitete und erweiterte Auflage 45J Springer Inhaltsverzeichnis Teill Ein-Perioden- Wertpapiermärkte

Mehr

Neuronale Netze. Anna Wallner. 15. Mai 2007

Neuronale Netze. Anna Wallner. 15. Mai 2007 5. Mai 2007 Inhalt : Motivation Grundlagen Beispiel: XOR Netze mit einer verdeckten Schicht Anpassung des Netzes mit Backpropagation Probleme Beispiel: Klassifikation handgeschriebener Ziffern Rekurrente

Mehr

Geometrie und Mathematische Physik Differentialgeometrie I 10 m Diskrete Geometrie I 10 m Geometrie I 10 m Geometrische Grundlagen der linearen

Geometrie und Mathematische Physik Differentialgeometrie I 10 m Diskrete Geometrie I 10 m Geometrie I 10 m Geometrische Grundlagen der linearen Übersicht über die mathematischen Module der Bachelor- und Masterstudiengänge Mathematik, Wirtschaftsmathematik und Technomathematik Sommersemester 2017 Modul LP Prüfungsform 1 Pflichtmodule Bachelor Mathematik,

Mehr

Neuronale Kodierung sensorischer Reize. Computational Neuroscience Jutta Kretzberg

Neuronale Kodierung sensorischer Reize. Computational Neuroscience Jutta Kretzberg Neuronale Kodierung sensorischer Reize Computational Neuroscience 30.10.2006 Jutta Kretzberg (Vorläufiges) Vorlesungsprogramm 23.10.06!! Motivation 30.10.06!! Neuronale Kodierung sensorischer Reize 06.11.06!!

Mehr

Theoretische Informatik 1

Theoretische Informatik 1 Theoretische Informatik 1 Boltzmann Maschine David Kappel Institut für Grundlagen der Informationsverarbeitung TU Graz SS 2014 Übersicht Boltzmann Maschine Neuronale Netzwerke Die Boltzmann Maschine Gibbs

Mehr

Stochastische Approximation des Value at Risk

Stochastische Approximation des Value at Risk Stochastische Approximation des Value at Risk Annemarie Bitter Motivation Eines der wichtigsten Projekte der Versicherungswirtschaft ist derzeit die sogenannte Solvency-II-Richtlinie der Versicherungsaufsicht.

Mehr

Modellbasierte prädiktive Regelung

Modellbasierte prädiktive Regelung Modellbasierte prädiktive Regelung Eine Einführung für Ingenieure von Rainer Dittmar und Bernd-Markus Pfeiffer Oldenbourg Verlag München Wien 1 Einführung 1 1.1 Entwicklung der Prozessführung im gegenwärtigen

Mehr

Vorlesung Gesamtbanksteuerung Mathematische Grundlagen III / Marktpreisrisiken Dr. Klaus Lukas Stefan Prasser

Vorlesung Gesamtbanksteuerung Mathematische Grundlagen III / Marktpreisrisiken Dr. Klaus Lukas Stefan Prasser Vorlesung Gesamtbanksteuerung Mathematische Grundlagen III / Marktpreisrisiken Dr. Klaus Lukas Stefan Prasser 1 Agenda Rendite- und Risikoanalyse eines Portfolios Gesamtrendite Kovarianz Korrelationen

Mehr

Regelung eines inversen Pendels

Regelung eines inversen Pendels Regelung eines inversen Pendels Dr.-Ing. Michael Buchholz 29.10.2010 Institut für Mess-, Regel- und Mikrotechnik NI Dozenten- und Ausbildertag 2010 Fürstenfeldbruck Seite 2 Anwendungsgebiete in der Forschung

Mehr

Analyse und Prognose von Finanzmärkten

Analyse und Prognose von Finanzmärkten Reihe: Portfoliomanagement Band: 3 Hrsg.: Prof. Dr. Manfred Steiner Thorsten Poddig Analyse und Prognose von Finanzmärkten Mit einem Geleitwort von: Prof. Dr. Heinz Rehkugler A 210066 UHLENBRUCH Verlag

Mehr

Praktikum Computational Intelligence 2 Ulrich Lehmann, Johannes Brenig, Michael Schneider

Praktikum Computational Intelligence 2 Ulrich Lehmann, Johannes Brenig, Michael Schneider Praktikum Computational Intelligence 2 Ulrich Lehmann, Johannes Brenig, Michael Schneider Versuch: Training des XOR-Problems mit einem Künstlichen Neuronalen Netz (KNN) in JavaNNS 11.04.2011 2_CI2_Deckblatt_XORbinaer_JNNS_2

Mehr

Künstliche Neuronale Netze

Künstliche Neuronale Netze Fakultät Informatik, Institut für Technische Informatik, Professur für VLSI-Entwurfssysteme, Diagnostik und Architektur Künstliche Neuronale Netze Hauptseminar Martin Knöfel Dresden, 16.11.2017 Gliederung

Mehr

Schriftlicher Test Teilklausur 2

Schriftlicher Test Teilklausur 2 Technische Universität Berlin Fakultät IV Elektrotechnik und Informatik Künstliche Intelligenz: Grundlagen und Anwendungen Wintersemester 2009 / 2010 Albayrak, Fricke (AOT) Opper, Ruttor (KI) Schriftlicher

Mehr

Biosignalverarbeitung

Biosignalverarbeitung Peter Husar Biosignalverarbeitung Springer Inhaltsverzeichnis 1 Entstehung bioelektrischer Signale 9 1.1 Das Neuron 9 1.2 Elektrische Erregungsleitung und Projektion 15 2 Verstärkung und analoge Filterung

Mehr

ASIM-Fachgruppensitzung am 20. Mai 2009 an der Universität Karlsruhe 1. Bericht der Arbeitsgruppe Unikatprozesse

ASIM-Fachgruppensitzung am 20. Mai 2009 an der Universität Karlsruhe 1. Bericht der Arbeitsgruppe Unikatprozesse ASIM-Fachgruppensitzung am 20. Mai 2009 an der Universität Karlsruhe 1. Bericht der Arbeitsgruppe Unikatprozesse 1 Gliederung des Berichts: 1. Aufgaben und Ziele der Arbeitsgruppe 2. Einladung zur konstituierenden

Mehr

Inhaltsverzeichnis. 2 Portfoliotheorie Rendite und Risiko Die erwartete Rendite... 74

Inhaltsverzeichnis. 2 Portfoliotheorie Rendite und Risiko Die erwartete Rendite... 74 1 Ein-Perioden-Wertpapiermärkte........................... 1 1.1 Portfolios............................................... 5 1.2 Optionen und Forward-Kontrakte......................... 8 1.2.1 Optionen.........................................

Mehr

Informationsveranstaltung zum Lehrprogramm des Fachgebiets Regelungs- g und Systemtheorie. Wintersemester 2009 / 2010

Informationsveranstaltung zum Lehrprogramm des Fachgebiets Regelungs- g und Systemtheorie. Wintersemester 2009 / 2010 Informationsveranstaltung zum Lehrprogramm des Fachgebiets Regelungs- g und Systemtheorie Wintersemester 2009 / 2010 1 Übersicht über das Lehrveranstaltungsangebot Grundlagen der Regelungstechnik (3V+1Ü,SoSe)

Mehr

Erweiterung eines Verfahrens zur automatisierten Parameteridentifikation eines Fahrzeugmodells

Erweiterung eines Verfahrens zur automatisierten Parameteridentifikation eines Fahrzeugmodells Erweiterung eines Verfahrens zur automatisierten Parameteridentifikation eines Fahrzeugmodells Sebastian Wildfeuer Parameteridentifikation > 23. September 2008 > Folie 1 Themenübersicht Ausgangssituation,

Mehr

Inhaltsverzeichnis. 4 Statistik Einleitung Wahrscheinlichkeit Verteilungen Grundbegriffe 98

Inhaltsverzeichnis. 4 Statistik Einleitung Wahrscheinlichkeit Verteilungen Grundbegriffe 98 Inhaltsverzeichnis 1 Datenbehandlung und Programmierung 11 1.1 Information 11 1.2 Codierung 13 1.3 Informationsübertragung 17 1.4 Analogsignale - Abtasttheorem 18 1.5 Repräsentation numerischer Daten 20

Mehr

Statistische Methoden der Datenanalyse

Statistische Methoden der Datenanalyse Statistische Methoden der Datenanalyse Vorlesung im Sommersemester 2008 H. Kolanoski Humboldt-Universität zu Berlin Inhaltsverzeichnis Literaturverzeichnis iii 1 Grundlagen der Statistik 3 1.1 Wahrscheinlichkeit............................

Mehr

Algorithmische Mathematik und Programmieren

Algorithmische Mathematik und Programmieren Algorithmische Mathematik und Programmieren Martin Lanser Universität zu Köln WS 2016/2017 Organisatorisches M. Lanser (UzK) Alg. Math. und Programmieren WS 2016/2017 1 Ablauf der Vorlesung und der Übungen

Mehr

WISSENSCHAFTLICHE BEITRÄGE

WISSENSCHAFTLICHE BEITRÄGE WISSENSCHAFTLICHE BEITRÄGE AUS DEM TECTUM VERLAG Reihe Wirtschaftswissenschaften Band 39 Ralph Wirth Best-Worst Choice-Based Conjoint-Analyse Eine neue Variante der wahlbasierten Conjoint-Analyse Tectum

Mehr

Ralf Kirsch Uwe Schmitt. Programmieren inc. Eine mathematikorientierte Einführung. Mit 24 Abbildungen und 13 Tabellen. Springer

Ralf Kirsch Uwe Schmitt. Programmieren inc. Eine mathematikorientierte Einführung. Mit 24 Abbildungen und 13 Tabellen. Springer Ralf Kirsch Uwe Schmitt Programmieren inc Eine mathematikorientierte Einführung Mit 24 Abbildungen und 13 Tabellen Springer Inhaltsverzeichnis Eine Einleitung in Frage und Antwort V 1 Vorbereitungen 1

Mehr

Proseminar, wozu? Proseminar, wozu? Proseminar, wozu? Verarbeitung gesprochener Sprache

Proseminar, wozu? Proseminar, wozu? Proseminar, wozu? Verarbeitung gesprochener Sprache Proseminar, wozu? Verarbeitung gesprochener Sprache Proseminar Wolfgang Menzel menzel@informatik.uni-hamburg.de Arbeitsbereich Natürlichsprachliche Systeme Fachbereich Informatik Universität Hamburg Proseminare

Mehr

BACKPROPAGATION & FEED-FORWARD DAS MULTILAYER PERZEPTRON

BACKPROPAGATION & FEED-FORWARD DAS MULTILAYER PERZEPTRON BACKPROPAGATION & FEED-FORWARD DAS MULTILAYER PERZEPTRON EINFÜHRUNG IN KÜNSTLICHE NEURONALE NETZE Modul Leitung Technischer Datenschutz und Mediensicherheit Nils Tekampe Vortrag Jasmin Sunitsch Abgabe

Mehr

Methoden der empirischen Sozialforschung

Methoden der empirischen Sozialforschung Technisdia Universität Oannstadt Fächgebiet Sportwissenschaft Methoden der empirischen Sozialforschung Peter Atteslander Vierte, erweiterte Auflage Unter Mitarbeit von Klaus Baumgartner Franz Haag Jörg

Mehr

Risiko und Stochastische Dominanz

Risiko und Stochastische Dominanz Risiko und Stochastische Dominanz DISSERTATION der Universität St. Gallen, Hochschule für Wirtschafts-, Rechts- und Sozialwissenschaften (HSG) zur Erlangung der Würde eines Doktors der Wirtschaftswissenschaften

Mehr

Spracherkennung und Sprachsynthese

Spracherkennung und Sprachsynthese Spracherkennung und Sprachsynthese Einführung in die Computerlinguistik Sommersemester 2012 Peter Kolb Spracherkennung / -synthese Spracherkennung (automatic speech recognition, ASR) Sprachsynthese (text-to-speech,

Mehr

Regressionsanalyse zur Optimierung von künstlichen neuronalen Netzen bei der DAX-Prognose

Regressionsanalyse zur Optimierung von künstlichen neuronalen Netzen bei der DAX-Prognose Informatik Philipp von der Born Regressionsanalyse zur Optimierung von künstlichen neuronalen Netzen bei der DAX-Prognose Bachelorarbeit Universität Bremen Studiengang Informatik Regressionsanalyse zur

Mehr

Monte-Carlo-Verfahren nach GUM Supplement 1. Gerd Wübbeler Physikalisch-Technische Bundesanstalt

Monte-Carlo-Verfahren nach GUM Supplement 1. Gerd Wübbeler Physikalisch-Technische Bundesanstalt Monte-Carlo-Verfahren nach GUM Supplement 1 Gerd Wübbeler Physikalisch-Technische Bundesanstalt 1 Inhalt Wahrscheinlichkeitsverteilungen Monte-Carlo Verfahren Beispiele Adaptive Monte-Carlo Verfahren Warum

Mehr

Bewertung Strukturierter Produkte mittels Value-at-Risk

Bewertung Strukturierter Produkte mittels Value-at-Risk Bewertung Strukturierter Produkte mittels Value-at-Risk Bachelorarbeit in Banking & Finance am Institut für schweizerisches Bankwesen der Universität Zürich bei Prof. Dr. R. Volkart Verfasser: Matthias

Mehr

Michael Kämpf (Autor) Software-Framework zur Simulationsbasierten Optimierung mit Anwendung auf Produktions- und Lagerhaltungssysteme

Michael Kämpf (Autor) Software-Framework zur Simulationsbasierten Optimierung mit Anwendung auf Produktions- und Lagerhaltungssysteme Michael Kämpf (Autor) Software-Framework zur Simulationsbasierten Optimierung mit Anwendung auf Produktions- und Lagerhaltungssysteme https://cuvillier.de/de/shop/publications/1095 Copyright: Cuvillier

Mehr

Inhaltsverzeichnis. 2 Diagramme Standarddiagramme Signalverlaufsdiagramm Signalverlaufsgraph...

Inhaltsverzeichnis. 2 Diagramme Standarddiagramme Signalverlaufsdiagramm Signalverlaufsgraph... 7 Inhaltsverzeichnis 1 Grundlagen... 13 1.1 Verfahren und Beispiele... 13 1.2 Mathematik-Grundlagen... 15 1.2.1 Konstanten... 15 1.2.2 Vergleichselemente... 16 1.2.3 Verknüpfungselemente... 17 1.2.4 Funktionen

Mehr

Neuronale Netze. Gehirn: ca Neuronen. stark vernetzt. Schaltzeit ca. 1 ms (relativ langsam, vgl. Prozessor)

Neuronale Netze. Gehirn: ca Neuronen. stark vernetzt. Schaltzeit ca. 1 ms (relativ langsam, vgl. Prozessor) 29 Neuronale Netze Gehirn: ca. 10 11 Neuronen stark vernetzt Schaltzeit ca. 1 ms (relativ langsam, vgl. Prozessor) Mustererkennung in 0.1s 100 Schritte Regel 30 Was ist ein künstl. neuronales Netz? Ein

Mehr

Modellierung von Zins- und Spread-Risiken

Modellierung von Zins- und Spread-Risiken 11. Januar 2017-08:30 Risikomessung Modellierung von Zins- und Spread-Risiken Maik Schober Die Veränderung des risikolosen Zinses und der Creditspreads sind zwei relevante Risikofaktoren für festverzinsliche

Mehr

SPKC. Inhalte der Vorlesung. Signalprozessoren und Kommunikationscontroller. Prof. Dr.-Ing. Peter Schulz. Signalprozessoren

SPKC. Inhalte der Vorlesung. Signalprozessoren und Kommunikationscontroller. Prof. Dr.-Ing. Peter Schulz. Signalprozessoren Signalprozessoren und Kommunikationscontroller für den Schwerpunkt Telekommunikationstechnik: für alle anderen Schwerpunkte: Pflichtfach Wahlpflichtfach Inhalte der Vorlesung Signalprozessoren Systemarchitekturen

Mehr

Andreas Scherer. Neuronale Netze. Grundlagen und Anwendungen. vieweg

Andreas Scherer. Neuronale Netze. Grundlagen und Anwendungen. vieweg Andreas Scherer Neuronale Netze Grundlagen und Anwendungen vieweg Inhaltsverzeichnis Vorwort 1 1 Einführung 3 1.1 Was ist ein neuronales Netz? 3 1.2 Eigenschaften neuronaler Netze 5 1.2.1 Allgemeine Merkmale

Mehr

Risikomanagement für Corporate Bonds

Risikomanagement für Corporate Bonds Reihe: Portfoliomanagement Band: 17 Hrsg.: Lutz Johanning, Raimond Maurer, Markus Rudolf 2008 AGI-Information Management Consultants May be used for personal purporses only or by libraries associated to

Mehr

Erfolgsfaktor Risiko-Management 2.0

Erfolgsfaktor Risiko-Management 2.0 Frank Romeike /Peter Hager Erfolgsfaktor Risiko-Management 2.0 Methoden, Beispiele, Checklisten Praxishandbuch für Industrie und Handel,-t^yf, 2., vollständig übefift5eitete und erweiterte Auflage GABLER

Mehr

Sensitivität in der Statistik

Sensitivität in der Statistik Tillmann Lösche Sensitivität in der Statistik Wahrscheinlichkeit, einen tatsächlich positiven Sachverhalt auch durch ein positives Testergebnis zu erkennen Quelle: Wikipedia auch als Richtig-Positiv-Rate,

Mehr

Ereignisdiskrete Systeme

Ereignisdiskrete Systeme Ereignisdiskrete Systeme Modellierung und Analyse dynamischer Systeme mit Automaten, Markovketten und Petrinetzen von Jan Lunze Mit 340 Abbildungen, 80 Anwendungsbeispielen und 110 Übungsaufgaben Oldenbourg

Mehr

Lineare Regression. Volker Tresp

Lineare Regression. Volker Tresp Lineare Regression Volker Tresp 1 Die Lernmaschine: Das lineare Modell / ADALINE Wie beim Perzeptron wird zunächst die Aktivierungsfunktion gewichtete Summe der Eingangsgrößen x i berechnet zu h i = M

Mehr

Strukturgleichungsmodelle. Sozialwissenschaften. R.Oldenbourg Verlag München Wien. Von Universitätsprofessor Dr. Jost Reinecke

Strukturgleichungsmodelle. Sozialwissenschaften. R.Oldenbourg Verlag München Wien. Von Universitätsprofessor Dr. Jost Reinecke Strukturgleichungsmodelle in den Sozialwissenschaften Von Universitätsprofessor Dr. Jost Reinecke R.Oldenbourg Verlag München Wien 1 Einleitung 3 2 Die Entwicklung der statistischen Modellbildung mit Strukturgleichungen

Mehr

1 Einleitung Historie und Anwendungsgebiete Elemente der Mehrkörperdynamik... 2 Literatur... 2

1 Einleitung Historie und Anwendungsgebiete Elemente der Mehrkörperdynamik... 2 Literatur... 2 Inhaltsverzeichnis 1 Einleitung... 1 1.1 Historie und Anwendungsgebiete...... 1 1.2 Elemente der Mehrkörperdynamik..... 2 Literatur...... 2 2 Dynamik des starren Körpers... 3 2.1 Lagebeschreibung......

Mehr

Inhaltsverzeichnis. Vorwort 5

Inhaltsverzeichnis. Vorwort 5 Dietmar Ernst, Marc Schurer Portfolio Management Theorie und Praxis mit EXCEL und MATLAB UVK Verlagsgesellschaft mbh Konstanz mit UVK/Lucius München Inhaltsverzeichnis Vorwort 5 1 Grundlagen des Portfolio

Mehr

Gewöhnliche Autokorrelationsfunktion (ACF) eines stationären Prozesses {X t } t Z zum Lag h

Gewöhnliche Autokorrelationsfunktion (ACF) eines stationären Prozesses {X t } t Z zum Lag h 5. Die partielle Autokorrelationsfunktion 5.1 Definition, Berechnung, Schätzung Bisher: Gewöhnliche Autokorrelationsfunktion (ACF) eines stationären Prozesses {X t } t Z zum Lag h ρ X (h) = Corr(X t, X

Mehr

2.1 Lineares Wachstum 2.2 Exponentielles Wachstum 2.3 Exponentiell beschränktes Wachstum 2.4 Logistisches Wachstum.

2.1 Lineares Wachstum 2.2 Exponentielles Wachstum 2.3 Exponentiell beschränktes Wachstum 2.4 Logistisches Wachstum. Wachstumsmodellierung: Theorie Marius Bockwinkel Gliederung 1 Definition 2 Wachstumsarten 2.1 Lineares Wachstum 2.2 Exponentielles Wachstum 2.3 Exponentiell beschränktes Wachstum 2.4 Logistisches Wachstum

Mehr

1 Einleitung Historie Elemente der Mehrkörperdynamik Anwendungsgebiete... 3 Literatur... 4

1 Einleitung Historie Elemente der Mehrkörperdynamik Anwendungsgebiete... 3 Literatur... 4 Inhaltsverzeichnis 1 Einleitung... 1 1.1 Historie... 1 1.2 Elemente der Mehrkörperdynamik... 2 1.3 Anwendungsgebiete... 3 Literatur... 4 2 Dynamik des starren Körpers... 5 2.1 Lagebeschreibung... 6 2.1.1

Mehr

Ein selbstmodellierendes System für die Wasserwirtschaft

Ein selbstmodellierendes System für die Wasserwirtschaft Ein selbstmodellierendes System für die Wasserwirtschaft Dipl.-Ing. Dr. ANDRADE-LEAL Wien, im Juli 2001 1 Einleitung, Motivation und Voraussetzungen Künstliche Intelligenz Neuronale Netze Experte Systeme

Mehr

Informatik 1. Teil 1 - Wintersemester 2012/2013. Prof. Dr.-Ing. habil. Peter Sobe Fachkultät Informatik / Mathematik

Informatik 1. Teil 1 - Wintersemester 2012/2013. Prof. Dr.-Ing. habil. Peter Sobe Fachkultät Informatik / Mathematik Informatik 1 Teil 1 - Wintersemester 2012/2013 Prof. Dr.-Ing. habil. Peter Sobe Fachkultät Informatik / Mathematik Dieser Foliensatz wurde z.t. von Herrn Prof. Grossmann übernommen 0. Rechner und Programmierung

Mehr

Statistische Methoden in der Wirtschaftsund Sozialgeographie

Statistische Methoden in der Wirtschaftsund Sozialgeographie Statistische Methoden in der Wirtschaftsund Sozialgeographie Ort: Zeit: Multimediapool Rechenzentrum Mittwoch 10.15-11-45 Uhr Material: http://www.geomodellierung.de Thema: Beschreibung und Analyse Wirtschafts-

Mehr

Universität Karlsruhe (TH)

Universität Karlsruhe (TH) Universität Karlsruhe (TH) Forschungsuniversität gegründet 1825 Kapitel 2 Die Definitionsphase Prof. Walter F. Tichy Wo sind wir gerade? Planung Lastenheft (funktionales Modell) Definition (Analyse) Pflichtenheft

Mehr

Kapitel 2 - Die Definitionsphase

Kapitel 2 - Die Definitionsphase Kapitel 2 - Die Definitionsphase SWT I Sommersemester 2010 Walter F. Tichy, Andreas Höfer, Korbinian Molitorisz IPD Tichy, Fakultät für Informatik KIT die Kooperation von Forschungszentrum Karlsruhe GmbH

Mehr

Tagging mit Hidden Markov Models und Viterbi-Algorithmus

Tagging mit Hidden Markov Models und Viterbi-Algorithmus Tagging mit Hidden Markov Models und Viterbi-Algorithmus Annelen Brunner, Stephanie Schuldes, Nicola Kaiser, Olga Mordvinova HS Parsing SoSe 2003 PD Dr. Karin Haenelt Inhalt Ziel des Seminarprojekts Theorie:

Mehr

Asset Allocation Entscheidungen im Portfolio-Management

Asset Allocation Entscheidungen im Portfolio-Management Asset Allocation Entscheidungen im Portfolio-Management von Dr. Christian Gast Verlag Paul Haupt Bern Stuttgart Wien - Inhaltsverzeichnis - XI Inhaltsverzeichnis Abbildungsverzeichnis ' XV Tabellenverzeichnis

Mehr

Künstliche neuronale Netze

Künstliche neuronale Netze Künstliche neuronale Netze Eigenschaften neuronaler Netze: hohe Arbeitsgeschwindigkeit durch Parallelität, Funktionsfähigkeit auch nach Ausfall von Teilen des Netzes, Lernfähigkeit, Möglichkeit zur Generalisierung

Mehr

Aufgabe 1 Probabilistische Inferenz

Aufgabe 1 Probabilistische Inferenz Seite 1 von 8 Aufgabe 1 Probabilistische Inferenz (28 Punkte) Die BVG will besser auf Ausfälle im S-Bahn-Verkehr eingestellt sein. Sie geht dabei von folgenden Annahmen aus: An 20% der Tage ist es besonders

Mehr

Simulationsmethoden in der Bayes-Statistik

Simulationsmethoden in der Bayes-Statistik Simulationsmethoden in der Bayes-Statistik Hansruedi Künsch Seminar für Statistik, ETH Zürich 6. Juni 2012 Inhalt Warum Simulation? Modellspezifikation Markovketten Monte Carlo Simulation im Raum der Sprungfunktionen

Mehr

Lichtfeldemitter Grundlagen und Anwendungen

Lichtfeldemitter Grundlagen und Anwendungen Lichtfeldemitter Grundlagen und Anwendungen Themenbeschreibung: Im Gegensatz zu herkömmlichen Displaytechnologien kann bei einem Lichtfeldemitter nicht nur der Ort, sondern auch die Richtung des abzustrahlenden

Mehr

Zellulare Neuronale Netzwerke

Zellulare Neuronale Netzwerke Fakultät Informatik, Institut für Technische Informatik, Professur für VLSI-Entwurfssysteme, Diagnostik und Architektur Zellulare Neuronale Netzwerke Florian Bilstein Dresden, 13.06.2012 Gliederung 1.

Mehr

Modellbildung und Simulation

Modellbildung und Simulation Modellbildung und Simulation 5. Vorlesung Wintersemester 2007/2008 Klaus Kasper Value at Risk (VaR) Glossar Portfolio: In der Ökonomie bezeichnet der Begriff Portfolio ein Bündel von Investitionen, das

Mehr

Predictive Modeling Markup Language. Thomas Morandell

Predictive Modeling Markup Language. Thomas Morandell Predictive Modeling Markup Language Thomas Morandell Index Einführung PMML als Standard für den Austausch von Data Mining Ergebnissen/Prozessen Allgemeine Struktur eines PMML Dokuments Beispiel von PMML

Mehr

Entwicklung einer Entscheidungssystematik für Data- Mining-Verfahren zur Erhöhung der Planungsgüte in der Produktion

Entwicklung einer Entscheidungssystematik für Data- Mining-Verfahren zur Erhöhung der Planungsgüte in der Produktion Entwicklung einer Entscheidungssystematik für Data- Mining-Verfahren zur Erhöhung der Planungsgüte in der Produktion Vortrag Seminararbeit David Pogorzelski Aachen, 22.01.2015 Agenda 1 2 3 4 5 Ziel der

Mehr

Agenda. Durchgängiger Einsatz Hardware-unabhängiger Testfälle im MiL-, SiL- und HiL-Test

Agenda. Durchgängiger Einsatz Hardware-unabhängiger Testfälle im MiL-, SiL- und HiL-Test Durchgängiger Einsatz Hardware-unabhängiger Testfälle im MiL-, SiL- und HiL-Test 26. TAV Stuttgart Michael Müller Projektleiter Berner & Mattner Systemtechnik GmbH michael.mueller@berner-mattner.com MM,

Mehr

Vorläufiger schulinterner Lehrplan zum Kernlehrplan für die gymnasiale Oberstufe. Mathematik

Vorläufiger schulinterner Lehrplan zum Kernlehrplan für die gymnasiale Oberstufe. Mathematik Vorläufiger schulinterner Lehrplan zum Kernlehrplan für die gymnasiale Oberstufe Mathematik 2.1.1 ÜBERSICHTSRASTER UNTERRICHTSVORHABEN EINFÜHRUNGSPHASE Unterrichtsvorhaben I: Unterrichtsvorhaben II: Beschreibung

Mehr

Simulation von Brownscher Dynamik und Assoziationsraten von PP-Komplexen. Alexander Baldauf Montag

Simulation von Brownscher Dynamik und Assoziationsraten von PP-Komplexen. Alexander Baldauf Montag Simulation von Brownscher Dynamik und Assoziationsraten von PP-Komplexen Alexander Baldauf Montag 25.04.2005 Motivation Typen von Interaktionen Verschiedene Methoden zur Vorhersage Wie kommen die beiden

Mehr

Entwurf E DIN EN (VDE ): FprEN :2008

Entwurf E DIN EN (VDE ): FprEN :2008 Deutsche Fassung Funktionale Sicherheit sicherheitsbezogener elektrischer/elektronischer/programmierbarer elektronischer Systeme Teil 6: Anwendungsrichtlinie für IEC 61508-2 und IEC 61508-3 Inhalt Einleitung...

Mehr

(hoffentlich kurze) Einführung: Neuronale Netze. Dipl.-Inform. Martin Lösch. (0721) Dipl.-Inform.

(hoffentlich kurze) Einführung: Neuronale Netze. Dipl.-Inform. Martin Lösch. (0721) Dipl.-Inform. (hoffentlich kurze) Einführung: martin.loesch@kit.edu (0721) 608 45944 Überblick Einführung Perzeptron Multi-layer Feedforward Neural Network MLNN in der Anwendung 2 EINFÜHRUNG 3 Gehirn des Menschen Vorbild

Mehr

MATHEMATISCHE STATISTIK

MATHEMATISCHE STATISTIK EINFÜHRUNG IN DIE MATHEMATISCHE STATISTIK UND IHRE ANWENDUNG VON MARTIN HENGST a. o. Professor an der PH Berlin BIBLIOGRAPHISCHES INSTITUT MANNHEIM HOCHSCHULTASCHENBÜCHER-VERLAG INHALTSVERZEICHNIS Vorwort

Mehr

Beschreibende. Statistik für Betriebswirte

Beschreibende. Statistik für Betriebswirte Beschreibende Statistik für Betriebswirte 1 Beschreibende Statistik für Betriebswirte (BA Bw: Modul 14, BA IB: Modul 3, BA IBM: Modul 4, jeweils Teil 1) BA-Studiengang Betriebswirtschaft BA-Studiengang

Mehr

Einsatz Risikobewertung, Entscheidungsfindung und Simulation

Einsatz Risikobewertung, Entscheidungsfindung und Simulation Einsatz von @Risk: Risikobewertung, Entscheidungsfindung und Simulation Case Study Insolvenzwahrscheinlichkeit eines Unternehmens Risikoregister 1 Case Study: Insolvenzwahrscheinlichkeit eines Unternehmens

Mehr

Markov-Ketten Proseminar: Das virtuelle Labor Ariane Wietschke

Markov-Ketten Proseminar: Das virtuelle Labor Ariane Wietschke Markov-Ketten Proseminar: Das virtuelle Labor Ariane Wietschke 28.01.2004 28.01.04 Ariane Wietschke - Markov-Ketten 1 Übersicht 1. Herleitung der Definition 2. Komponenten von Markov-Ketten 3. Arten von

Mehr

Definition Modell. Beispiel: Darstellung. Geowissenschaftliches Modellieren

Definition Modell. Beispiel: Darstellung. Geowissenschaftliches Modellieren Definition Modell Geowissenschaftliches Modellieren Dr. Volkmar Dunger Prof. Broder Merkel Dipl. Geoökol Mandy Schipek Dipl. Geoökol Elke Süß Abstraktion, Vereinfachung eines komplexen Prozesses auf das

Mehr

Friedrich-Alexander-Universität Professur für Computerlinguistik. Nguyen Ai Huong

Friedrich-Alexander-Universität Professur für Computerlinguistik. Nguyen Ai Huong Part-of-Speech Tagging Friedrich-Alexander-Universität Professur für Computerlinguistik Nguyen Ai Huong 15.12.2011 Part-of-speech tagging Bestimmung von Wortform (part of speech) für jedes Wort in einem

Mehr

HMM/KNN zur Spracherkennung

HMM/KNN zur Spracherkennung HMM/KNN zur Spracherkennung Andreas Hallerbach 18. Januar 2005 Universität Ulm Fakultät für Informatik Abteilung Neuroinformatik Hauptseminar Neuroinformatik WS 04/05 Spracherkennung Zusammenfassung Die

Mehr

Vorwort Abbildungsverzeichnis Teil I Mathematik 1

Vorwort Abbildungsverzeichnis Teil I Mathematik 1 Inhaltsverzeichnis Vorwort Abbildungsverzeichnis V XIII Teil I Mathematik 1 1 Elementare Grundlagen 3 1.1 Grundzüge der Mengenlehre... 3 1.1.1 Darstellungsmöglichkeiten von Mengen... 4 1.1.2 Mengenverknüpfungen...

Mehr