Neuronale Netze, Fuzzy Control, Genetische Algorithmen. Prof. Jürgen Sauer
|
|
- Anton Wolfgang Solberg
- vor 6 Jahren
- Abrufe
Transkript
1 Neunale Netze, Fuzzy Cntl und Genetsche Algthmen Neunale Netze, Fuzzy Cntl, Genetsche Algthmen Pf. Jügen Saue Lehbef N. 3: Musteasszaten, Klassfkaten, Suppt Vect Machnes Musteasszaten Musteasszaten snd n de egel Netzweke mt ene Engabe- und Ausgabeschcht. Neunen dese Schchten snd duch feedfwad-vebndungen veknüpft. Zwe Muste snd mtenande asszet, wenn das Engabemuste (nput patten) das Ausgabemuste (taget patten) hevuft. Mt dese Vstellung gehöen vwätsgechtete Neunale Netze z.b. auch Pezeptn-Netze zu den Musteasszaten, bwhl se steng genmmen nu Klassfkatnsaufgaben lösen. En Musteasszat sll ncht nu enen Vekt auf enen Vekt y abblden, snden es sll auch de Umgebung vn auf y abgebldet weden. Musteasszaten können heteasszatv und autasszatv sen 3. In beden Fällen eflgt das Tanng nach de Hebb'schen bzw. nach de Delta-egel. Asszatnsfähg, d.h. lenfähg können nach de Hebb'schen egel nu Muste sen, wenn de Engaben thgnal zuenande snd. Im Falle de Delta-egel müssen Engabevekten lnea unabhängg sen 4. Autasszaten kennen nu ene Schcht, jede Enhet (d.h. jedes Neun) st swhl Engabe- aus auch Ausgabeenhet 5. Auch Hpfeld-Netze kennen nu ene Schcht mt veabetenden Enheten. Se zählen deshalb zu Klasse de "Feedbackwad"-Netze und weden n de egel nach de Hebbschen egel tanet. Geneell eflgt das Tanng vn Musteasszaten nach Hebb'sche-egel 6 de nach de Delta-egel 7. Enge Asszatvspeche vewenden bnäe Vekten, d.h. Vekten dnen jede Kmpnente 0 de zu. Bplavekten vewenden de. De Vektdastellungen snd zuenande äquvalent. Ene bplae Dastellung hat den Vtel, dass de Wahschenlchket fü de Othgnaltät zwee Vekten göße st als n de bnäen Dastellung 8. Vgl. Skptum.3.4.7,.3.4.8, Dese Kaptel wuden gegenübe dem Skptum aus WS 005/006 vllständg neu gestaltet und snd als Anlage zu desem Lehbef begefügt. Vgl. Skptum.3. bs vgl. Skptum.5 4 vgl. Skptum..4 5 vgl. Skptum.5. 6 vgl. Skptum vgl. Skptum vgl. Skptum.3.
2 Neunale Netze, Fuzzy Cntl und Genetsche Algthmen Neunale Netze zu Klassfkatn Das Pezeptn-Mdell st das enfachste Mdell 9 zu Lösung lnea tennbae Pbleme 0. SVMs (vgl. Skptum.3.4.9) Zu enem lnea sepaebaen Pblem gbt es unendlch vele Möglchketen lneae Auftelungen vzunehmen hne dabe enen Fehle zu machen. Wähle ene Auftelung, de enen möglchst beten Tennstefen "magn" zwschen den Klassen ealset. magn suppt vect suppt vect We kann dese Tennstefen ealset weden? Es genügen Tennstefen, de am dchtesten zum Tennstefen legen. Dese weden "suppt vects" genannt. Ene Auftelung kann je nach Göße des Mekmalaums als Punkt, Lne de Hypeebene dagestellt weden. Se st vllständg bescheben duch enen chtungsvekt w und enen bas (bzw. Offset) b. w Ene Hypeeben st vllständg bescheben duch w T = vgl. Skptum vgl. Skptum.3.4.4,.3.5 vgl. Skptum vgl. Skptum.3.4.3
3 Neunale Netze, Fuzzy Cntl und Genetsche Algthmen Vhesage de Klasse enes neuen Punkts: Tanng: Wähle w und b s, dass de Hypeebene de Tanngsdaten tennt Vhesage: Aus welche Sete de Hypeeben legt de neue Punkt? w Punkte n chtung des Nmalenvekts dagnstzet man als pstv Punkte auf de andeen Sete dagnstzet man als negatv. Tenne de Tanngsdaten mt mamale Tennspanne Be ncht-tennbaen Tanngsdaten - Vesuche ene lneae Tennung, abe lass Fehle zu - Stafe fü Fehle: Abstand zu Hypeebene multplzet mt Fehlegewcht C Muste können anhand de (Hype-) Ebenenbeschebung klassfzet weden: w T w T 0 0 fü alle fü alle w und b weden duch en Lenvefahen bestmmt. Nahelegend st auch de Anwendung enes Optmeungsvefahens. Den and (magn) zu mameen, st dentsch mt "de Ebenenlänge zu mnmeen": w T w Mnmee w bzw. unte den Nebenbedngungen w b fü y = und w b fü y = Ene Lösungsmöglchket besteht nach Enfühen sg. Lagange-Multplkaten 4. In hhen Dmensnen kann man enfache lenen vgl. Skptum.3.5 3
4 Neunale Netze, Fuzzy Cntl und Genetsche Algthmen Featue Space Man beabetet de Daten zuest mt ene Funktn Φ (featue map) zu enem höhedmensneten featue space und dann tennt man de Punkte Φ (), z.b. 3 Φ : ( g, g ) z, z, z : = g, g g g ( ) ( ) 3, Falls de Klassfkatn n hch dmensnalen äumen wklch enfache st, dann wd man de Hypebenen dt knstueen. Φ 3 : w w 3 f () featue space f ( ) = sgn( w w w3 w b ) 3 nchtlneae Entschedungdfläche m uspünglchen aum Dazu muß man de Skalapdukte de Fm Φ ( p) Φ( ausechnen. Das kann seh schweg (unmöglch) weden, fall de featue space zu gß st. Ausweg: Statt des Skalapdukts benutzt man ene sg. Kenel-Kunktn: K( p, p) Φ( Kenel Tck 5 Pjzee de Daten n enen hchdmensnalen aum Z. In desem aum snd de Daten entspechend de VC-Dmensn enes lneaen Klassfkats tennba. De Pjektn Φ muß ncht enmal bekannt sen z( n) n)), wenn man enen Kenel fnden kann, fü den glt: 5 vgl. Skptum.3.6 4
5 T v K( n)) Φ( Bsp. fü Kenel-Funktnen. Neunale Netze, Fuzzy Cntl und Genetsche Algthmen Gaußsche Kenel: K( ep( n) m) / σ ) = 6 T Plynmale Kenel: K ( = ( n) m) ) d. Fü d = ehält man ene lneae SVM. Wann st ene Funktn ene Kenel-Funktn. De Antwt gbt das Theem vn Mece 7. Waum st das en (Kenel-) Tck? Man baucht ncht zu wssen, we de Featue Space wklch ausseht. Man baucht nu de Kenel Funktn als en Maß fü de Ähnlchket 8. Ttzdem hat man de gemetsche Intepetatn de tennenden Hypeebene. SVMs snd tanspaente als künstlche NN. Ene Suppt Vect Maschne 9 st. ene Hypeebene mt mamale Tennspanne m featue space. knstuet m geneeendem aum duch ene Kenel-Funktn 6 SVMs mt Gauß-Kenel wesen vn de Veabetungswese ene gewsse Ähnlchket mt selbstganseenden Netzen auf: Auf enen Engabevekt eageen de Neunen de Mekmalsschcht ums stäke, je nähe se sch an befnden. Es wd alledngs ken Gewnne emttelt. Netze dese At heßen adal-bass-functn Netze (vgl. Skptum.9 bzw. Lehbef N. 8) 7 vgl. Skptum vgl. Skptum vgl. Skptum.3.7 5
3.2 Die Kennzeichnung von Partikeln 3.2.1 Partikelmerkmale
3. De Kennzechnung von Patkeln 3..1 Patkelmekmale De Kennzechnung von Patkeln efolgt duch bestmmte, an dem Patkel mess bae und deses endeutg beschebende physka lsche Gößen (z.b. Masse, Volumen, chaaktestsche
MehrSeminar über Algorithmen. Load Balancing. Slawa Belousow Freie Universität Berlin, Institut für Informatik SS 2006
Semna übe Algothmen Load Balancng Slawa Belousow Fee Unvestät Beln, Insttut fü Infomatk SS 2006 1. Load Balancng was st das? Mt Load Balancng ode Lastvetelung weden Vefahen bescheben, um be de Specheung,
MehrEinführung in Moderne Portfolio-Theorie. Dr. Thorsten Oest Oktober 2002
Enfühung n Modene Potfolo-Theoe D. Thosten Oest Oktobe Enletung Übeblck Gundlegende Fage be Investtonen: We bestmmt sch ene optmale Statege fü ene Geldanlage?. endte und sko. Dvesfkaton 3. Enfühung n Modene
Mehr3. Lineare Algebra (Teil 2)
Mathematk I und II für Ingeneure (FB 8) Verson /704004 Lneare Algebra (Tel ) Parameterdarstellung ener Geraden Im folgenden betrachten wr Geraden m eukldschen Raum n, wobe uns hauptsächlch de Fälle n bzw
MehrLeistungsmessung im Drehstromnetz
Labovesuch Lestungsmessung Mess- und Sensotechnk HTA Bel Lestungsmessung m Dehstomnetz Nomalewese st es ken allzu gosses Poblem, de Lestung m Glechstomkes zu messen. Im Wechselstomkes und nsbesondee n
MehrEinschub: Der Fluss eines Vektorfeldes am Beispiel des Strömungsfeldes
Enschub: De Fluss enes Vektofeldes am Bespel des Stömungsfeldes Vektofeld: Jedem Punkt m Raum ode n enem begenzten Gebet des Raumes wd en Vekto zugeodnet. Bespele: Gatatonsfeld t elektsches Feld Magnetfeld
MehrNetzwerkstrukturen. Entfernung in Kilometer:
Netzwerkstrukturen 1) Nehmen wr an, n enem Neubaugebet soll für 10.000 Haushalte en Telefonnetz nstallert werden. Herzu muss von jedem Haushalt en Kabel zur nächstgelegenen Vermttlungsstelle gezogen werden.
MehrQuant oder das Verwelken der Wertpapiere. Die Geburt der Finanzkrise aus dem Geist der angewandten Mathematik
Quant der das Verwelken der Wertpapere. De Geburt der Fnanzkrse aus dem Gest der angewandten Mathematk Dmensnen - de Welt der Wssenschaft Gestaltung: Armn Stadler Sendedatum: 7. Ma 2012 Länge: 24 Mnuten
MehrLineare Optimierung Dualität
Kaptel Lneare Optmerung Dualtät D.. : (Dualtät ) Folgende Aufgaben der lnearen Optmerung heßen symmetrsch dual zuenander: und { z = c x Ax b x } max, 0 { Z b A c } mn =, 0. Folgende Aufgaben der lnearen
MehrWie eröffne ich als Bestandskunde ein Festgeld-Konto bei NIBC Direct?
We eröffne ch als Bestandskunde en Festgeld-Konto be NIBC Drect? Informatonen zum Festgeld-Konto: Be enem Festgeld-Konto handelt es sch um en Termnenlagenkonto, be dem de Bank enen festen Znssatz für de
MehrWie eröffne ich als Bestandskunde ein Festgeld-Konto bei NIBC Direct?
We eröffne ch als Bestandskunde en Festgeld-Konto be NIBC Drect? Informatonen zum Festgeld-Konto: Be enem Festgeld-Konto handelt es sch um en Termnenlagenkonto, be dem de Bank enen festen Znssatz für de
MehrFunktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e
Andere Darstellungsformen für de Ausfall- bzw. Überlebens-Wahrschenlchket der Webull-Vertelung snd we folgt: Ausfallwahrschenlchket: F ( t ) Überlebenswahrschenlchket: ( t ) = R = e e t t Dabe haben de
MehrNeuronale Netze, Fuzzy Control, Genetische Algorithmen. Prof. Jürgen Sauer. Lehrbrief Nr. 1: Einführung in die Theorie künstlicher Neuronale Netze
Neuonale Netze, Fuzzy Contol, Genetsche Algothmen Pof. Jügen Saue Lehbef N. : Enfühung n de Theoe künstlche Neuonale Netze Inhaltsvezechns. De bologsche Inspaton. Neuonen Modelle 3. Bestandtele enes Neuonalen
MehrHochschule für Technik und Informatik HTI Burgdorf. Elektrotechnik. 1. Elektrisches Feld... 3
ene achhochschule Hochschule fü Technk und Infomatk HTI ugdof Zusammenfassung lektotechnk uto: Nklaus uen Datum: 8. Septembe 004 Inhalt. lektsches eld... 3.. Gundlagen... 3... Lnenntegal... 3... lächenntegal...
MehrNeuronale Netze. M. Gruber (1) ausgeloste Reiz ist x (1) = (1) (s (1) ) mit (1) (s) = 1 sgn(s 1 ) sgn(s 2 ) T. .
Neuronale Netze M. Gruber 7.11.015 Begnnen wr mt enem Bespel. Bespel 1 Wr konstrueren enen Klasskator auf der Menge X = [ 1; 1], dessen Wrkung man n Abb.1 rechts sehen kann. Auf der blauen Telmenge soll
Mehr1 Definition und Grundbegriffe
1 Defnton und Grundbegrffe Defnton: Ene Glechung n der ene unbekannte Funkton y y und deren Abletungen bs zur n-ten Ordnung auftreten heßt gewöhnlche Dfferentalglechung n-ter Ordnung Möglche Formen snd:
MehrFallstudie 4 Qualitätsregelkarten (SPC) und Versuchsplanung
Fallstude 4 Qualtätsregelkarten (SPC) und Versuchsplanung Abgabe: Lösen Se de Aufgabe 1 aus Abschntt I und ene der beden Aufgaben aus Abschntt II! Aufgabentext und Lösungen schrftlch bs zum 31.10.2012
Mehr1 - Prüfungsvorbereitungsseminar
1 - Prüfungsvorberetungssemnar Kaptel 1 Grundlagen der Buchführung Inventur Inventar Blanz Inventur st de Tätgket des mengenmäßgen Erfassens und Bewertens aller Vermögenstele und Schulden zu enem bestmmten
MehrStochastische Prozesse
INSTITUT FÜR STOCHASTIK SS 2009 UNIVERSITÄT KARLSRUHE Blatt 2 Prv.-Doz. Dr. D. Kadelka Dpl.-Math. W. Lao Übungen zur Vorlesung Stochastsche Prozesse Musterlösungen Aufgabe 7: (B. Fredmans Urnenmodell)
Mehr6. Modelle mit binären abhängigen Variablen
6. Modelle mt bnären abhänggen Varablen 6.1 Lneare Wahrschenlchketsmodelle Qualtatve Varablen: Bnäre Varablen: Dese Varablen haben genau zwe möglche Kategoren und nehmen deshalb genau zwe Werte an, nämlch
MehrDaten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden.
Ene kurze Enführung n EXCEL Daten snd n Tabellenform gegeben durch de Engabe von FORMELN können mt desen Daten automatserte Berechnungen durchgeführt werden. Menüleste Symbolleste Bearbetungszele aktve
Mehrnonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen
arametrsche vs. nonparametrsche Testverfahren Verfahren zur Analyse nomnalskalerten Daten Thomas Schäfer SS 009 1 arametrsche vs. nonparametrsche Testverfahren nonparametrsche Tests werden auch vertelungsfree
MehrPolygonalisierung einer Kugel. Verfahren für die Polygonalisierung einer Kugel. Eldar Sultanow, Universität Potsdam, sultanow@gmail.com.
Verfahren für de Polygonalserung ener Kugel Eldar Sultanow, Unverstät Potsdam, sultanow@gmal.com Abstract Ene Kugel kann durch mathematsche Funktonen beschreben werden. Man sprcht n desem Falle von ener
Mehrwird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung:
Streuungswerte: 1) Range (R) ab metrschem Messnveau ) Quartlabstand (QA) und mttlere Quartlabstand (MQA) ab metrschem Messnveau 3) Durchschnttlche Abwechung (AD) ab metrschem Messnveau 4) Varanz (s ) ab
Mehr12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/5 31.01.2007. ω Additionstheorem: 2 sin 2 2
1 K Ph / Gr Elektrsche estng m Wechselstromkres 1/5 3101007 estng m Wechselstromkres a) Ohmscher Wderstand = ˆ ( ω ) ( t) = sn ( ω t) t sn t ˆ ˆ P t = t t = sn ω t Momentane estng 1 cos ( t) ˆ ω = Addtonstheorem:
MehrAufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz):
LÖSUNG AUFGABE 8 ZUR INDUSTRIEÖKONOMIK SEITE 1 VON 6 Aufgabe 8 (Gewnnmaxmerung be vollständger Konkurrenz): Betrachtet wrd en Unternehmen, das ausschleßlch das Gut x produzert. De m Unternehmen verwendete
Mehr3.3 Lineare Abbildungen und Matrizen
33 LINEARE ABBILDUNGEN UND MATRIZEN 87 33 Lneare Abbldungen und Matrzen Wr wollen jetzt de numersche Behandlung lnearer Abbldungen zwschen Vektorräumen beschreben be der vorgegebene Basen de Hauptrolle
MehrVersicherungstechnischer Umgang mit Risiko
Verscherungstechnscher Umgang mt Rsko. Denstlestung Verscherung: Schadensdeckung von für de enzelne Person ncht tragbaren Schäden durch den fnanzellen Ausglech n der Zet und m Kollektv. Des st möglch über
Mehr4. Musterlösung. Problem 1: Kreuzende Schnitte **
Unverstät Karlsruhe Algorthmentechnk Fakultät für Informatk WS 05/06 ITI Wagner 4. Musterlösung Problem 1: Kreuzende Schntte ** Zwe Schntte (S, V \ S) und (T, V \ T ) n enem Graph G = (V, E) kreuzen sch,
MehrStandardnormalverteilung / z-transformation
Standardnormalvertelung / -Transformaton Unter den unendlch velen Normalvertelungen gbt es ene Normalvertelung, de sch dadurch ausgeechnet st, dass se enen Erwartungswert von µ 0 und ene Streuung von σ
MehrTrade Barrier Reef. Hindernisse auf Weltmärkten. LISTENREGELN ZUM NPU? Die Pläne der EU-Kommission
Kompaktwssen fü den Außenhandel Ausgabe 4/2013 LISTENREGELN ZUM NPU? De Pläne de EU-Kommsson 6 DOS & DON TS Ogansaton ene Zoll- und Außenwtschaftsabtelung ES KÖNNTE BESSER SEIN! Felx Neugat (DIHK) zu Lage
MehrEinführung in die Finanzmathematik
1 Themen Enführung n de Fnanzmathematk 1. Znsen- und Znsesznsrechnung 2. Rentenrechnung 3. Schuldentlgung 2 Defntonen Kaptal Betrag n ener bestmmten Währungsenhet, der zu enem gegebenen Zetpunkt fällg
Mehr9. Der starre Körper; Rotation I
Mechank De stae Köpe; Rotaton I 9. De stae Köpe; Rotaton I 9.. Enletung bshe: (Systeme on) Punktmassen jetzt: Betachtung ausgedehnte Köpe, übe de de Masse glechmäßg etelt st (kene Atome). Köpe soll sch
MehrBeschreibung des Zusammenhangs zweier metrischer Merkmale. Streudiagramme Korrelationskoeffizienten Regression
Beschrebung des Zusammenhangs zweer metrscher Merkmale Streudagramme Korrelatonskoeffzenten Regresson Alter und Gewcht be Kndern bs 36 Monaten Knd Monate Gewcht 9 9 5 8 3 4 7.5 4 3 6 5 3 6 4 3.5 7 35 5
MehrAKADEMIE DER WISSENSCHAF1'EN
S ZUN GSBER ehe DER KÖNGLCH REUSSSCHEN AKADEME DER WSSENSCHAF1'EN JAH~GANll- 1913 Z'VEER HALBBAND. JUL BS DECEvBER SÜCK XXX -- L M ENER AFEL DRM VERZECHNSS DER ENGEGANGENEN DRUCKSCHRFEN NAMEN- UND SACHREGSER
MehrKapitel 7: Ensemble Methoden. Maschinelles Lernen und Neural Computation
Kaptel 7: Ensemble Methoden 133 Komtees Mehrere Netze haben bessere Performanz als enzelne Enfachstes Bespel: Komtee von Netzen aus der n-fachen Kreuzvalderung (verrngert Varanz) De Computatonal Learnng
MehrProf. Dr. Johann Graf Lambsdorff Universität Passau. Pflichtlektüre: WS 2007/08
y, s. y Pof. D. Johann Gaf Lambsdoff Unvestät Passau y* VI. Investton und Zns c* WS 2007/08 f(k) (n+δ)k Pflchtlektüe: Mankw, N. G. (2003), Macoeconomcs. 5. Aufl. S. 267-271. Wohltmann, H.-W. (2000), Gundzüge
Mehr6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen
196 6.5. Rückgewnnung des Zetvorgangs: Rolle der Pole und Nullstellen We n 6.2. und 6.. gezegt wurde, st de Übertragungsfunkton G( enes lnearen zetnvaranten Systems mt n unabhänggen Spechern ene gebrochen
MehrKapitel 4: Lernen als Optimierung. Maschinelles Lernen und Neural Computation
Kaptel 4: Lernen als Optmerung 71 Lernen als Funktonsoptmerung Gegeben: Fehlerfunkton (.a. neg. log Lkelhood) n z.b.: 2 E E ( ) ( ( ) W = f x ; W t ) n = 1 ( ) ( ( ) ( = + ) ( ( W t log f x t f x ) n ;
MehrR S T R S T R S T. 1 Lineare, affine und konvexe Kombinationen. Definition: X. Definition: Sei X. U. BREHM: Konvexgeometrie 1-1
U. BEHM: Konvexgeoete - Lneae, affne un konvexe Kobnatonen W abeten -enonalen euklchen au I un cheben x = ( x,, x ) ( ξ I, =,, ) fü enen Punkt (Vekto) von I. Da nnee Poukt auf I von Vektoen x un y = (
MehrGruppe. Lineare Block-Codes
Thema: Lneare Block-Codes Lneare Block-Codes Zele Mt desen rechnerschen und expermentellen Übungen wrd de prnzpelle Vorgehenswese zur Kanalcoderung mt lnearen Block-Codes erarbetet. De konkrete Anwendung
MehrZero-sum Games. Vitali Migal
Sena Gaphentheoe und Kobnatok Wnteseeste 007/08 Zeo-su Gaes Vtal Mgal 1 Inhaltsvezehns 1. Enletung... 3. Dastellung von Spelen... 3 3. Stategen... 4 4. Spele t unvollständge Infoaton... 9 1. Enletung Als
MehrSpiele und Codes. Rafael Mechtel
Spele und Codes Rafael Mechtel Koderungstheore Worum es geht Über enen Kanal werden Informatonen Übertragen. De Informatonen werden dabe n Worte über enem Alphabet Q übertragen, d.h. als Tupel w = (w,,
MehrKonkave und Konvexe Funktionen
Konkave und Konvexe Funktonen Auch wenn es n der Wrtschaftstheore mest ncht möglch st, de Form enes funktonalen Zusammenhangs explzt anzugeben, so kann man doch n velen Stuatonen de Klasse der n Frage
Mehrd da B A Die gesamte Erscheinung der magnetischen Feldlinien bezeichnet man als magnetischen Fluss. = 1 V s = 1 Wb
S N De amte Erschenng der magnetschen Feldlnen bezechnet man als magnetschen Flss. = V s = Wb Kraftflssdchte oder magnetsche ndkton B. B d da B = Wb/m = T Für homogene Magnetfelder, we se m nneren von
MehrProf. Dr.- Ing. Herzig Vorlesung "Grundlagen der Elektrotechnik 1" 1etv3-4
Prof. Dr.- ng. Herzg.6 Spezelle erechnungsverfahren lnearer Netzwerke.6. Überlagerungsverfahren Der Lernende kann - den Überlagerungssatz und das darauf beruhende erechnungsprnzp lnearer Netzwerke erklären
MehrEinführung in die Wahrscheinlichkeitsrechnung. Wahrscheinlichkeitsrechnung. Übersicht. Wahrscheinlichkeitsrechnung. bedinge Wahrscheinlichkeit
Enführung n de bednge Wahrschenlchket Laplace-Wahrschenlchket p 0.56??? Zufallsexperment Randwahrschenlchket Überscht Was st Wahrschenlchket? Rechenregeln Der Multplkatonssatz Axomatsche Herletung Unabhänggket
Mehr18. Vorlesung Sommersemester
8. Vorlesung Sommersemester Der Drehmpuls des starren Körpers Der Drehmpuls des starren Körpers st etwas komplzerter. Wenn weder de Wnkelgeschwndgket um de feste Rotatonsachse st, so wrd mt Hlfe des doppelten
MehrMethoden der innerbetrieblichen Leistungsverrechnung
Methoden der nnerbetreblchen Lestungsverrechnung In der nnerbetreblchen Lestungsverrechnung werden de Gemenosten der Hlfsostenstellen auf de Hauptostenstellen übertragen. Grundlage dafür snd de von den
MehrDatenträger löschen und einrichten
Datenträger löschen und enrchten De Zentrale zum Enrchten, Löschen und Parttoneren von Festplatten st das Festplatten-Denstprogramm. Es beherrscht nun auch das Verklenern von Parttonen, ohne dass dabe
Mehr1 BWL 4 Tutorium V vom 15.05.02
1 BWL 4 Tutorum V vom 15.05.02 1.1 Der Tlgungsfaktor Der Tlgungsfaktor st der Kehrwert des Endwertfaktors (EWF). EW F (n; ) = (1 + )n 1 T F (n; ) = 1 BWL 4 TUTORIUM V VOM 15.05.02 (1 ) n 1 Mt dem Tlgungsfaktor(TF)
MehrWärmeübertragung. Grundsätzlich sind drei verschiedene Möglichkeiten der Wärmeübertragung möglich: Wärmeleitung, Konvektion und Strahlung:
ämeübetgung Unte ämeübetgung vesteht mn sämtlche Eschenungen, e enen äumlchen nspot von äme umfssen. De ämeübegng efolgt mme ufgun enes empetugefälles, un zw mme von e höheen zu neeen empetu (.Huptstz).
MehrZur Erinnerung. Stichworte aus der 9. Vorlesung: Einteilung von Stößen:
Zu nneung tchwote aus de 9. Volesung: ntelung von tößen: kn, kn kn,, kn, Q Q = 0 elastsche töße de umme de nneen nege de Telchen (chwngung und Rotaton) blebt unveändet, Q > 0 unelastsche töße knetsche
Mehr13.Selbstinduktion; Induktivität
13Sebstndukton; Induktvtät 131 Sebstndukton be En- und Ausschatvorgängen Versuch 1: Be geschossenem Schater S wrd der Wderstand R 1 so groß gewäht, dass de Gühämpchen G 1 und G 2 gech he euchten Somt snd
MehrFranzis Verlag, 85586 Poing ISBN 978-3-7723-4046-8 Autor des Buches: Leonhard Stiny
eseproben aus dem Buch "n mt en zur Elektrotechnk" Franzs Verlag, 85586 Pong ISBN 978--77-4046-8 Autor des Buches: eonhard Stny Autor deser eseprobe: eonhard Stny 005/08, alle echte vorbehalten. De Formaterung
MehrErwartungswert, Varianz, Standardabweichung
RS 24.2.2005 Erwartungswert_Varanz_.mcd 4) Erwartungswert Erwartungswert, Varanz, Standardabwechung Be jedem Glücksspel nteresseren den Speler vor allem de Gewnnchancen. 1. Bespel: Setzen auf 1. Dutzend
MehrFunds Transfer Pricing. Daniel Schlotmann
Danel Schlotmann Fankfut, 8. Apl 2013 Defnton Lqudtät / Lqudtätssko Lqudtät Pesonen ode Untenehmen: snd lqude, wenn se he laufenden Zahlungsvepflchtungen jedezet efüllen können. Vemögensgegenstände: snd
MehrBA_T3Classic_IPO_v1.0 (Draft_B)_050719
BA_T3Classc_IPO_v1.0 (Draft_B)_050719 Inhalt Inhalt...2 Machen Se sch mt Ihrem Telefon vertraut Wchtge Hnwese... 3 Ihr T3 Classc auf enen Blck... 6 T3 IP Telefon n Betreb nehmen (I5)... 7 Grundregeln für
MehrFORMELSAMMLUNG STATISTIK (I)
Statst I / B. Zegler Formelsammlng FORMELSAMMLUG STATISTIK (I) Statstsche Formeln, Defntonen nd Erläterngen A a X n qaltatves Mermal Mermalsasprägng qanttatves Mermal Mermalswert Anzahl der statstschen
MehrERP Cloud Tutorial. E-Commerce ECM ERP SFA EDI. Backup. Preise erfassen. www.comarch-cloud.de
ERP Cloud SFA ECM Backup E-Commerce ERP EDI Prese erfassen www.comarch-cloud.de Inhaltsverzechns 1 Zel des s 3 2 Enführung: Welche Arten von Presen gbt es? 3 3 Beschaffungsprese erfassen 3 3.1 Vordefnerte
MehrUnter der Drehgruppe verstehen wir diegruppe der homogenen linearen Transformationen
Darstellunstheore der SO() und SU() Powtschnk Alexander. Defnton Darstellun Ene Darstellun ener Gruppe G st homomorphe Abbldun von deser Gruppe auf ene Gruppe nchtsnulärer lnearer Operatoren auf enem Vektorraum
Mehr19 Oligopoltheorie. Der Gewinn eines Unternehmens hängt von den Entscheidungen der anderen Unternehmen ab.
9 Olgooltheore Der Gewnn enes Unternehens hängt von den Entschedungen der anderen Unternehen ab. De otale Entschedung enes Unternehens hängt von sener Erwartung über de Entschedungen der anderen Unternehen
Mehr4. Krummlinige orthogonale Koordinaten
4 Kummlnge othogonale Koodnaten ückblck Zu uanttatven Efassung äumlche (und etlche) Beüge denen Koodnatensysteme Bshe haben w Katessche Koodnaten betachtet: { } { } { } Bass: e,,, Koodnaten:,,,, y, Vektoen:
MehrVU Quantitative BWL. 1.Teil: Produktion und Logistik [Stefan Rath] 2.Teil: Finanzwirtschaft [Tomáš Sedliačik] Quantitative BWL: Finanzwirtschaft
VU Quanave BWL.Tel: odukon und Logsk [Sefan Rah] 2.Tel: Fnanzwschaf [Tomáš Sedlačk] Quanave BWL: Fnanzwschaf Ogansaosches De LV beseh aus zwe Telen:. Tel: odukon und Logsk [4.0.203 22..203] Sefan Rah Insu
MehrDefinition: Unter dem vektoriellen Flächenelement einer ebnen Fläche A versteht man einen Vektor A r der
Obeflächenntegale Vektofluß duch ene Fläche - betachtet wd en homogenes Vektofeld v (B Lchtbündel) - das Lcht falle auf enen Spalt Defnton: Unte dem vektoellen Flächenelement ene ebnen Fläche vesteht man
MehrBA_T3Compact_IPO_v1.0 (Draft_B)_050719
BA_T3Compact_IPO_v1.0 (Draft_B)_050719 Inhalt Inhalt...2 Machen Se sch mt Ihrem Telefon vertraut Wchtge Hnwese... 3 Ihr T3 Compact auf enen Blck... 6 T3 IP Telefon n Betreb nehmen (I5)... 7 Grundregeln
Mehr5. Gruppenübung zur Vorlesung. Höhere Mathematik 1. Wintersemester 2012/2013
O. Alaya, S. Demrel M. Fetzer, B. Krnn M. Wed 5. Gruppenübung zur Vorlesung Höhere Mathematk Wntersemester /3 Dr. M. Künzer Prof. Dr. M. Stroppel Lösungshnwese zu den Hausaufgaben: Aufgabe H 6. Darstellungen
MehrAuswertung univariater Datenmengen - deskriptiv
Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert;
Mehrr r = t F r Der Kraftstoß Erfahrung: Geschwindigkeitsänderung der Kugel ist proportional zu der Kraft F r und der Zeitdauer t ihrer Einwirkung.
De Kaftstoß Efahng: Geschwndgketsändeng de Kge st popotona z de Kaft nd de Zetdae t he Enwkng. Kaftstoß: t Enhet: s a t t t p t. Zwetes ewtonsches Ao: p t Wenn af enen Köpe t de Masse de Kaft wkt, so bewkt
MehrNetzsicherheit I, WS 2008/2009 Übung 3. Prof. Dr. Jörg Schwenk 27.10.2008
Netzscherhet I, WS 2008/2009 Übung Prof. Dr. Jörg Schwenk 27.10.2008 1 Das GSM Protokoll ufgabe 1 In der Vorlesung haben Se gelernt, we sch de Moble Staton (MS) gegenüber dem Home Envroment (HE) mt Hlfe
MehrÜbungsblatt 4 - Lösung
Formle Sprchen und Automten Üungsltt 4 - Lösung 26. M 2013 1 Whr oder flsch? Begründe kurz dene Antwort! 1. In enem determnstschen endlchen Automten gt es für jedes Wort w Σ mxml enen kzepterenden Pfd.
MehrAuswertung univariater Datenmengen - deskriptiv
Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert;
MehrNernstscher Verteilungssatz
Insttut für Physkalsche Cheme Grundpraktkum 7. NERNSTSCHER VERTEILUNGSSATZ Stand 03/11/2006 Nernstscher Vertelungssatz 1. Versuchsplatz Komponenten: - Schedetrchter - Büretten - Rührer - Bechergläser 2.
MehrFür jeden reinen, ideal kristallisierten Stoff ist die Entropie am absoluten Nullpunkt gleich
Drtter Hauptsatz der Thermodynamk Rückblck auf vorherge Vorlesung Methoden zur Erzeugung tefer Temperaturen: - umgekehrt laufende WKM (Wärmepumpe) - Joule-Thomson Effekt bs 4 K - Verdampfen von flüssgem
MehrLehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007
Lehrstuhl für Emprsche Wrtschaftsforschung und Ökonometre Dr Roland Füss Statstk II: Schleßende Statstk SS 007 5 Mehrdmensonale Zufallsvarablen Be velen Problemstellungen st ene solerte Betrachtung enzelnen
MehrUniversität Karlsruhe (TH)
Unverstät Karlsruhe (TH) Forschungsunverstät gegründet 825 Parallele Algorthmen I Augaben und Lösungen Pro. Dr. Walter F. Tchy Dr. Vctor Pankratus Davd Meder Augabe () Gegeben se en N-elementger Zahlenvektor
MehrDiskrete Mathematik 1 WS 2008/09
Ruhr-Unverstät Bochum Lehrstuhl für Kryptologe und IT-Scherhet Prof. Dr. Alexander May M. Rtzenhofen, M. Mansour Al Sawad, A. Meurer Lösungsblatt zur Vorlesung Dskrete Mathematk 1 WS 2008/09 Blatt 7 /
MehrDie Kugel Lösungen. 1. Von einer Kugel ist der Radius bekannt. Berechne Volumen und Oberfläche der
De Kugel Lösungen 1. Von ener Kugel st der Radus bekannt. Berechne Volumen und Oberfläche der Kugel. r,8 cm 5, cm 18,6 cm 4, cm 5,6 cm 4,8 cm V 0 cm³ 64 cm³ 6 954 cm³ cm³ 76 cm³ 46 cm³ O 181 cm² 5 cm²
MehrNSt. Der Wert für: x= +1 liegt, erkennbar an dem zugehörigen Funktionswert, der gesuchten Nullstelle näher.
PV - Hausaugabe Nr. 7.. Berechnen Se eakt und verglechen Se de Werte ür de Nullstelle, de mttels dem Verahren von Newton, der Regula als und ener Mttelung zu erhalten snd von der! Funkton: ( ) Lösungs
MehrKernphysik I. Kernmodelle: Schalenmodell
Kenphysk I Kenmodee: Schaenmode Schaenmode Töpfchenmode und Femgasmode snd phänemonoogsche Modee mt beschänktem Anwendungsbeech. Se weden an de Expemente angepasst z.b. de Konstanten fü de Teme n de Massenfome
Mehr"Zukunft der Arbeit" Arbeiten bis 70 - Utopie - oder bald Realität? Die Arbeitnehmer der Zukunft
"Zukunft der Arbet" Arbeten bs 70 - Utope - oder bald Realtät? De Arbetnehmer der Zukunft Saldo - das Wrtschaftsmagazn Gestaltung: Astrd Petermann Moderaton: Volker Obermayr Sendedatum: 7. Dezember 2012
Mehr12 UMPU Tests ( UMP unbiased )
89 1 UMPU Tests ( UMP unbased ) Nach Bemerkung 11.8(b) exstert m Allgemenen ken zwesetger UMP- Test zu enem Nveau α. Deshalb Enschränkung auf unverfälschte Tests: ϕ Φ α heßt unverfälscht (unbased) zum
Mehr18. Dynamisches Programmieren
8. Dynamsches Programmeren Dynamsche Programmerung we gerge Algorthmen ene Algorthmenmethode, um Optmerungsprobleme zu lösen. We Dvde&Conquer berechnet Dynamsche Programmerung Lösung enes Problems aus
MehrÜbungen zu Algorithmen
Insttut für Informatk Unverstät Osnabrück, 06.12.2016 Prof. Dr. Olver Vornberger http://www-lehre.nf.uos.de/~anf Lukas Kalbertodt, B.Sc. Testat bs 14.12.2016, 14:00 Uhr Nls Haldenwang, M.Sc. Übungen zu
MehrDie Schnittstellenmatrix Autor: Jürgen P. Bläsing
QUALITY-APPs Applkatonen für das Qaltätsmanagement Prozessmanagement De Schnttstellenmatrx Ator: Jürgen P. Bläsng Schnttstellen (Übergangsstellen, Verbndngsstellen) n betreblchen Prozessen ergeben sch
MehrKreditpunkte-Klausur zur Lehrveranstaltung Projektmanagement (inkl. Netzplantechnik)
Kredtpunkte-Klausur zur Lehrveranstaltung Projektmanagement (nkl. Netzplantechnk) Themensteller: Unv.-Prof. Dr. St. Zelewsk m Haupttermn des Wntersemesters 010/11 Btte kreuzen Se das gewählte Thema an:
MehrTeil E: Qualitative abhängige Variable in Regressionsmodellen
Tel E: Qualtatve abhängge Varable n Regressonsmodellen 1. Qualtatve abhängge Varable Grundlegendes Problem: In velen Fällen st de abhängge Varable nur über enen bestmmten Werteberech beobachtbar. Bsp.
MehrBeim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm):
Aufgabe 1 (4 + 2 + 3 Punkte) Bem Wegen von 0 Respaketen ergaben sch folgende Gewchte X(n Gramm): 1 2 3 4 K = (x u, x o ] (98,99] (99, 1000] (1000,100] (100,1020] n 1 20 10 a) Erstellen Se das Hstogramm.
MehrStatistik und Wahrscheinlichkeit
Regeln der Wahrschenlchketsrechnung tatstk und Wahrschenlchket Regeln der Wahrschenlchketsrechnung Relatve Häufgket n nt := Eregnsalgebra Eregnsraum oder scheres Eregns und n := 00 Wahrschenlchket Eregnsse
MehrProjektmanagement / Netzplantechnik Sommersemester 2005 Seite 1
Projektmanagement / Netzplantechnk Sommersemester 005 Sete 1 Prüfungs- oder Matrkel-Nr.: Themenstellung für de Kredtpunkte-Klausur m Haupttermn des Sommersemesters 005 zur SBWL-Lehrveranstaltung Projektmanagement
Mehr1 Mehrdimensionale Analysis
1 Mehrdmensonale Analyss Bespel: De Gesamtmasse der Erde st ene Funton der Erddchte ρ Erde und des Erdradus r Erde De Gesamtmasse der Erde st dann m Erde = V Erde ρ Erde Das Volumen ener Kugel mt Radus
Mehrtutorial N o 1a InDesign CS4 Layoutgestaltung Erste Schritte - Anlegen eines Dokumentes I a (Einfache Nutzung) Kompetenzstufe keine Voraussetzung
Software Oberkategore Unterkategore Kompetenzstufe Voraussetzung Kompetenzerwerb / Zele: InDesgn CS4 Layoutgestaltung Erste Schrtte - Anlegen enes Dokumentes I a (Enfache Nutzung) kene N o 1a Umgang mt
MehrLineare Regression (1) - Einführung I -
Lneare Regresson (1) - Enführung I - Mttels Regressonsanalysen und kompleeren, auf Regressonsanalysen aserenden Verfahren können schenar verschedene, jedoch nenander üerführare Fragen untersucht werden:
MehrPhysikalisches Anfängerpraktikum Teil 2 Versuch PII 33: Spezifische Wärmekapazität fester Körper Auswertung
Physkalsches Anfängerpraktkum Tel 2 Versuch PII 33: Spezfsche Wärmekapaztät fester Körper Auswertung Gruppe M-4: Marc A. Donges , 060028 Tanja Pfster, 204846 2005 07 spezfsche Wärmekapaztäten.
MehrHefte zur Logistik Prof. Dr. Siegfried Jetzke. Heft 1 Begriffsdefinitionen
Hefte zur Logstk Prof. Dr. Segfred Jetzke Heft 1 Begrffsdefntonen Jun 2010 Deses Heft st urheberrechtlch geschützt. Wenn Se de Quelle angeben, können Se gerne deses Heft wetergeben, Tele koperen oder aus
MehrDas Risiko ist jedoch nicht nur vom Risiko der einzelnen Aktien, sondern auch von deren Kovarianz abhängig: Bsp. 2-Aktien-Portfolio.
SBWL GK nanzwtschaft Schedelseke otefeulletheoe Ene Enfühung. akowtz-odell (a) nnahen De Entschedungen de Investoen snd ewels auf ene eode gechtet. Investoen vefügen übe subektve Wahschenlchketsvostellungen
MehrWahl auf Bäumen: FireWire
Wahl auf Bäumen: FreWre IEEE 94 Hgh Performance Seral Bus (FreWre) Internatonaler Standard Hochgeschwndgketsbus Transport von dgtalen Audo- und Vdeo-Daten 400 Mbps (94b: 800 MBps... 3200 Mbps) Hot-pluggable
MehrLeseprobe. Jürgen Koch, Martin Stämpfle. Mathematik für das Ingenieurstudium ISBN: Weitere Informationen oder Bestellungen unter
Lesepobe Jügen Koch, Matn Stämpfle Mathematk fü das Ingeneustudum ISBN: 978-3-446-46- Wetee Infomatonen ode Bestellungen unte http://www.hanse.de/978-3-446-46- sowe m Buchhandel. Cal Hanse Velag, München
Mehr