Structurally Evolved Neural Networks for Forecasting
|
|
- Martina Burgstaller
- vor 8 Jahren
- Abrufe
Transkript
1 Structurally Evolved Neural Networks for Forecasting - Strukturierte neuronale Netze für Vorhersagen Institut für Informatik - Ausgewählte Kapitel aus dem Bereich Softcomputing
2 Agenda Grundlagen Neuronale Netze Backpropagation Networks Feststellungen Evolutionäre Algorithmen Der genetische Algorithmus Der strukturierte genetische Algorithmus sga vs GA Strukturierte neuronale Netze zur Vorhersage Experimentelle Validierung Diskussion der Ergebnisse Ausblick 1
3 Agenda Grundlagen Neuronale Netze Backpropagation Networks Feststellungen Evolutionäre Algorithmen Strukturierte neuronale Netze zur Vorhersage Zusammenfassung und Ausblick 2
4 Neuronale Netze - Idee Künstliche Intelligenz Beobachtung und Nachahmung menschlichen Verhaltens Verarbeitung von Symbolen Künstliche Neuronale Netze Nachbau der menschlichen Hardware Verarbeitung von Reizen 3
5 Natur Menschliches Gehirn Hirnzellen (Neuronen) Vernetzung Reizübermittlung Parallele Verarbeitung Lernen Künstliche Neuronale Netze versuchen diese Mechanismen zu simulieren. 4
6 Neuronale Netze - Beispiel Inputschicht Hidden Outputschicht Einfaches LayerMultilayer Perzeprton Empfang Nur Empfängt Vorwärtsverknüpfungen der und Signale Siganle Weitergabe vom von System der nur (Feed Systemaußenwelt innerhalb forward des net) Systems Interne Keine Gibt Signale Schicht Weiterveratrbeitung weiter wird übersprungen an die Systemaußenwelt 5
7 Neuronale Netze - Lernen Überwachtes Lernen Training, Eingabe und korrekte Ausgabe bekannt Wird mit tatsächlicher Ausgabe verglichen Daraufhin Änderung des Netzes Bestärkendes Lernen Ausgabe ist korrekt oder inkorrekt Netz erfährt nicht den exakten Unterschiedsbetrag Unüberwachtes Lernen Ziel nicht bekannt Netz erkennt Ähnlichkeitsklassen selbst 6
8 Neuronale Netze - Anwendung Beispiele zur Anwendung: Regelung und Analyse komplexer Prozesse Frühwarnsysteme Optimierung Zeitreihenanalyse Bildverarbeitung und Mustererkennung Roboter und Agenten... 7
9 Backpropagation Networks Tripartiter Graph ( feedforward network ) Eingabeschicht: n Knoten ( Neuronen ) Verborgene Schicht: k Knoten, k 1 Designparameter Ausgabeschicht: m Knoten Vollständige Verbindung einer Schicht mit der nächsten Keine Sprung-, Quer-, Rückverbindungen Verbindung = Kante ( Synapse ) mit bewerteten Gewichten 8
10 Verhalten eines BP-Netzes Modellierung von Eingabe-Ausgabe-Mustern Eingaben x R n quantitativ, Ausgaben y R m quantitativ Ziel: Hohe Prognosegenauigkeit von x y(x w) Überwachtes Lernen der Gewichte w Eingabewerte werden an die Eingabeneuronen gegeben Schichtweise Berechnung der Werte an den Kanten bzw. in den Knoten Feststellung der Zahlenwerte an den Ausgabeneuronen 9
11 Backpropagation Zusammenfassung des Algorithmus Vorwärtsdurchlauf Berechne zu angelegtem Muster Ausgabe y Ermittle Fehler y -ŷ Berechne δ-werte für letzte Schicht und passe Gewichte an Rückwärtsdurchlauf Berechne δ-werte für versteckte Schichten von hinten nach vorne und passe Gewichte an Wiederhole Durchlauf mit neuem Muster 10
12 Backpropagation Parameterwahl Anzahl verborgene Schichten Anzahl Knoten in verborgenen Schichten Lernrate Faustregeln verfügbar, Optimierung durch Ausprobieren Testfrage: Generalisierung erreicht? 11
13 Anwendungsmöglichkeiten Verbreitete Anwendungen Prognosen auf Basis von Querschnittsdaten (z. B. Diagnose) Prognosen auf Basis von Zeitreihen (z. B. Stromverbrauchsprognosen) Steuerung (z. B. Robotik), hier auch Neuro-fuzzy techniques Weiter häufig genannt: Klassifikationsaufgaben Mustererkennung Textkategorisierung (Krankheits-)Diagnose Bonitätsprüfung... 12
14 Feststellungen Schwerigkeit eine optimale ANN-Konfiguration für ein gegebenes Problem zu finden Verhalten eines ANN kann sehr komplex sein ANN können nicht auf einfache Weise in ein Projekt eingebunden werden Parameterauswahl muss vom Nutzer getroffen werden Auch bei erfahrenem Nutzer oft durch trial and error BP bleibt oft bei lokalen Optima stecken 13
15 Agenda Grundlagen Evolutionäre Algorithmen Der genetische Algorithmus Der strukturierte genetische Algorithmus sga vs GA Strukturierte neuronale Netze zur Vorhersage Zusammenfassung und Ausblick 14
16 Evolutionäre Algorithmen Idee: Evolution kann als Lernprozess (Anpassung an Umwelt) gesehen werden. Deshalb Imitation der grundlegenden Elemente von Evolution und Vererbung Klassische Anwendung von Evolutionären Algorithmen: Optimierung Einsatz für KI-Anwendungen möglich und sinnvoll 15
17 Evolution Elemente der Evolution Population = mehrere Individuen Bei der Vererbung werden Eigenschaften von (meist) zwei Individuen kombiniert und weitergegeben Das entstehende Individuum hat sich in der Natur gegen andere durchzusetzen Schlechte Individuen haben weniger Möglichkeiten, ihre Eigenschaften weiterzugeben, als gute Survival of the fittest 16
18 Der Genetische Algorithmus Mechanismen Mehrere potenzielle Lösungen gleichzeitig Codierung Fitness Selektion Rekombination/Crossover und Mutation 17
19 Der Genetische Algorithmus Der Grundalgorithmus Initialisierung (Erschaffen der ersten Generation) Evaluierung (Bewerten der ersten Generation) Wiederhole Erschaffen neuer Individuen Evaluierung (Bewerten der aktuellen Generation) Bis eine Abbruchbedingung erfüllt ist Das beste Individuum stellt dann die Lösung dar. 18
20 Codierung Während die Natur bei ihren Genen die Codes mit vier verschiedenen Elementen aufbaut, ist es bei GA üblich, binär zu arbeiten. Eine potenzielle Lösung (= ein Individuum) muss also in irgendeiner Weise binär codiert werden. Beispiel: Normale binäre Codierung von natürlichen Zahlen 0000 = = = = = = = = = = = = = = = = 15 Man beachte, dass bei festgelegter Länge der Individuen nur eine endliche Zahl dargestellt werden kann. 19
21 Fitness Jedem Individuum wird eine Fitness zugeordnet, die etwas mit seiner Nähe zum Optimum zu tun hat Der Bitstring eines Individuums ist also zu decodieren und mit einem Fitnesswert zu bewerten. Beispiel: f(13) 20
22 Selektion Die fittesten Individuen sollen eine größere Chance haben, Ihre Eigenschaften weiterzugeben. Entsprechend muss eine passende Wahrscheinlichkeit für das Überleben (bzw. die Weitergabe von Eigenschaften) vergeben werden. Dann üblich: Fitnessproportionale Auswahl roulette wheel 21
23 Crossover Verfahren: 1-Point-Crossover: 2-Point-Crossover: 22
24 Mutation In der Natur sind oft leichte zufällige Abweichungen im Erbgut festzustellen. Der Sinn der Mutation liegt darin, neue Aspekte, die in den Eltern-Genen nicht vorhanden waren, zu ermöglichen. Bei der Mutation wird praktisch irgendein Bit mit geringer Wahrscheinlichkeit gekippt. 23
25 Parameter Festzulegende Parameter: Populationsgröße Selektions-WS Crossover-Methode Mutations-WS Abbruchkriterium/Laufzeit Die Parameterwahl hat durchaus Einfluss auf die Qualität des Ablaufs. 24
26 Der strukturierte genetische Algorithmus Der sga als Variante des GA Bereits bei irreführenden und nicht-stationären Fitness-Räumen als effektiver i. V. zum GA herausgestellt Nutzt hierarchische Beziehungen zwischen den Genen Gene werden weiterhin in linearer Form im Chromosom gespeichert Somit können die allgemeinen Crossover- und Mutations-Operatoren eingesetzt werden 25
27 Hierarchische Organisation des sga Control-Gene Parametrische Level Gene Ebene Gene, Eine hierarchische die keinerlei der Lage Einfluss Stufe, sind auf den auf der den nur Aktivierungs-Status Control paramtrische Gene Gene vorhanden anderer Gene sind haben zu beeinflussen 26
28 sga vs GA sga interpretiert das Chromosom als hierarchische genomische Struktur Gene können aktiv oder passiv sein Nur aktive beeinflussen die Fitness Passive sind neutral und werden als genetisches Material mitgeführt High Level Genes können andere Gene aktivieren oder deaktivieren Die Wahrscheinlichkeit in einem lokalen Optimum stecken zu bleiben wird noch geringer 27
29 sga zum Trainieren von ANN Effektive Methode zum simultanen Herleiten der ANN- Topologie und der Verbindungsgewichte Zeitliche Verbesserung Verbreitung der evolutionären Algorithmen zur automatischen Entwicklung von ANN sga als mögliche Lösung für die Anwendungsprobleme der ANN SENNGA Structurally evolved Neural Network Generator Algorithm 28
30 Agenda Grundlagen Evolutionäre Algorithmen Strukturierte neuronale Netze zur Vorhersage Experimentelle Validierung Diskussion der Ergebnisse Zusammenfassung und Ausblick 29
31 Motivation Weiterentwickelte ANN (oder genauer evolved Multilayer-Perceprtrons) bei einem Vorhersage-Problem Ziel: Überprüfung der Effektivität des sga bei der Generierung von ANN zur Vorhersage i. V. mit einem GA Untersuchung wie das Codierungs-Schema die sga- Performance beeinflusst 30
32 Verwendete sga zur ANN-Generierung Two-Level-sGA Control-Level: Kodierung der Verbindungen Parametric Level: Kodierung der Gewichte Three-Level-sGA (I) Control-Level 1: Kodierung versteckter Neuronen Control-Level 2: Kodierung der Verbindungen Parametric Level: Kodierung der Gewichte Three-Level-sGA (II) Control-Level 1: Kodierung von hidden layers Control-Level 2: Kodierung von hidden nodes Parametric Level: Kodierung der Gewichte Four-Level-sGA Control-Level 0: Kodierung von hidden layers Three-Level-sGA (I) 31
33 Fitness-Funktion Population s smallest error in the current generation Population s smallest number of ANN Desired connections emphasis to reducing the current ANN generation size e min x ( 1 -Φ) c min x Φ f ind = + Fitness of an individual e ind Training error for a given individual in the population c ind Number of connections in the current generation 32
34 Mackey-Glass-Zeitreihe Y t = Y t ,5 * ( 0,2*Y t Y t-5 10 ) - 0,1* Y t-1 Chaotische Zeitreihen-Funktion Offensichtliche Zufälligkeit Ähnlichkeit zu beobachteten Trends auf Wirtschaftsund Finanzmärkten 33
35 Experimentelles Vorgehen 2000 Datensätze Erste 200 zum Training des ANN Letzte 200 zum Testen der Verallgemeinerung Simulationen starten mit dem GA Hinzufügen eines zusätzlichen Control-Levels Zwei Four-Level-Simulationen Mit zwei hidden layers Mit vier hidden layers 34
36 Experiment Level Error Sum (%) Final Error (%) (0) 73,99 (0) (70) 15,51 (79) (70) 15,67 (79) 4a (71) 16,30 (78) 4b (73) 14,59 (80) Tabelle 1: Training Errors and Real Time Generelle Steigerung der Genauigkeit bei jedem zusätzlichen Control-Level Ausnahme: 4-Level-sGA mit 2 hidden layers Die Anzahl der hidden layers beeinflusst also die Konvergenz des sga 35
37 Experiment Level Time Test Error 1 77,31 230, ,27 82, ,75 75,38 4a 68,68 66,53 4b 68,34 64,05 Tabelle 2: Real Time and Test Errors Level Connections Connections (%) , , a 15, b 13,32 85 Tabelle 3: Connections Jedes hinzugefügte Control-Level verringerte den Test Error (die letzten 200 Mackey-Glass-Datensätze) Jedes hinzugefügte Control-Level verringerte die Anzahl von Verbindungen Die Unterschiede zwischen GA und sga sind signifikant 36
38 Ergebnis Zusätzliche Control-Level verbessern die Vorhersage der Zukunfts-Daten Allgemeine Verbesserung beim Training Error, Testing Error, Simulation Time, ANN Größe Starker Beweis für die Vermutung, dass die optimale Anzahl an Gen-Leveln 4 ist 3 Control-Level 1 parametric Level Alle sga übertrafen den GA sga als Methode besserer Performance und Genauigkeit bei Vorhersage-Probleme 37
39 Agenda Grundlagen Evolutionäre Algorithmen Strukturierte neuronale Netze zur Vorhersage Ausblick 38
40 Ausblick Vielen Dank für die Aufmerksamkeit und ein frohes Weihnachtsfest! 39
Neuronale Netze (I) Biologisches Neuronales Netz
Neuronale Netze (I) Biologisches Neuronales Netz Im menschlichen Gehirn ist ein Neuron mit bis zu 20.000 anderen Neuronen verbunden. Milliarden von Neuronen beteiligen sich simultan an der Verarbeitung
MehrJan Parthey, Christin Seifert. 22. Mai 2003
Simulation Rekursiver Auto-Assoziativer Speicher (RAAM) durch Erweiterung eines klassischen Backpropagation-Simulators Jan Parthey, Christin Seifert jpar@hrz.tu-chemnitz.de, sech@hrz.tu-chemnitz.de 22.
MehrInformatik-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
MehrEinführung in neuronale Netze
Einführung in neuronale Netze Florian Wenzel Neurorobotik Institut für Informatik Humboldt-Universität zu Berlin 1. Mai 2012 1 / 20 Überblick 1 Motivation 2 Das Neuron 3 Aufbau des Netzes 4 Neuronale Netze
MehrGrundlagen der Theoretischen Informatik, SoSe 2008
1. Aufgabenblatt zur Vorlesung Grundlagen der Theoretischen Informatik, SoSe 2008 (Dr. Frank Hoffmann) Lösung von Manuel Jain und Benjamin Bortfeldt Aufgabe 2 Zustandsdiagramme (6 Punkte, wird korrigiert)
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Einheit 15: Reguläre Ausdrücke und rechtslineare Grammatiken Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Wintersemester 2008/2009 1/25 Was kann man mit endlichen
MehrInstitut für Computational Engineering ICE. N ä h e r d ra n a m S ys t e m d e r Te c h n i k d e r Z u ku n f t. w w w. n t b.
Institut für Computational Engineering ICE N ä h e r d ra n a m S ys t e m d e r Te c h n i k d e r Z u ku n f t w w w. n t b. c h Rechnen Sie mit uns Foto: ESA Das Institut für Computational Engineering
MehrAnhand des bereits hergeleiteten Models erstellen wir nun mit der Formel
Ausarbeitung zum Proseminar Finanzmathematische Modelle und Simulationen bei Raphael Kruse und Prof. Dr. Wolf-Jürgen Beyn zum Thema Simulation des Anlagenpreismodels von Simon Uphus im WS 09/10 Zusammenfassung
MehrBinäre Bäume. 1. Allgemeines. 2. Funktionsweise. 2.1 Eintragen
Binäre Bäume 1. Allgemeines Binäre Bäume werden grundsätzlich verwendet, um Zahlen der Größe nach, oder Wörter dem Alphabet nach zu sortieren. Dem einfacheren Verständnis zu Liebe werde ich mich hier besonders
MehrErfahrungen mit Hartz IV- Empfängern
Erfahrungen mit Hartz IV- Empfängern Ausgewählte Ergebnisse einer Befragung von Unternehmen aus den Branchen Gastronomie, Pflege und Handwerk Pressegespräch der Bundesagentur für Arbeit am 12. November
MehrAGROPLUS Buchhaltung. Daten-Server und Sicherheitskopie. Version vom 21.10.2013b
AGROPLUS Buchhaltung Daten-Server und Sicherheitskopie Version vom 21.10.2013b 3a) Der Daten-Server Modus und der Tresor Der Daten-Server ist eine Betriebsart welche dem Nutzer eine grosse Flexibilität
MehrGrundlagen und Basisalgorithmus
Grundlagen und Basisalgorithmus Proseminar -Genetische Programmierung- Dezember 2001 David König Quelle: Kinnebrock W.: Optimierung mit genetischen und selektiven Algorithmen. München, Wien: Oldenbourg
MehrBauteilattribute als Sachdaten anzeigen
Mit den speedikon Attributfiltern können Sie die speedikon Attribute eines Bauteils als MicroStation Sachdaten an die Elemente anhängen Inhalte Was ist ein speedikon Attribut?... 3 Eigene Attribute vergeben...
MehrHilfe zur Urlaubsplanung und Zeiterfassung
Hilfe zur Urlaubsplanung und Zeiterfassung Urlaubs- und Arbeitsplanung: Mit der Urlaubs- und Arbeitsplanung kann jeder Mitarbeiter in Coffee seine Zeiten eintragen. Die Eintragung kann mit dem Status anfragen,
MehrKulturelle Evolution 12
3.3 Kulturelle Evolution Kulturelle Evolution Kulturelle Evolution 12 Seit die Menschen Erfindungen machen wie z.b. das Rad oder den Pflug, haben sie sich im Körperbau kaum mehr verändert. Dafür war einfach
MehrÜber die Internetseite www.cadwork.de Hier werden unter Download/aktuelle Versionen die verschiedenen Module als zip-dateien bereitgestellt.
Internet, Codes und Update ab Version 13 Um Ihnen einen möglichst schnellen Zugang zu den aktuellsten Programmversionen zu ermöglichen liegen Update-Dateien für Sie im Internet bereit. Es gibt drei Möglichkeiten
MehrLehrer: Einschreibemethoden
Lehrer: Einschreibemethoden Einschreibemethoden Für die Einschreibung in Ihren Kurs gibt es unterschiedliche Methoden. Sie können die Schüler über die Liste eingeschriebene Nutzer Ihrem Kurs zuweisen oder
Mehr4. Jeder Knoten hat höchstens zwei Kinder, ein linkes und ein rechtes.
Binäre Bäume Definition: Ein binärer Baum T besteht aus einer Menge von Knoten, die durch eine Vater-Kind-Beziehung wie folgt strukturiert ist: 1. Es gibt genau einen hervorgehobenen Knoten r T, die Wurzel
MehrKapiteltests zum Leitprogramm Binäre Suchbäume
Kapiteltests zum Leitprogramm Binäre Suchbäume Björn Steffen Timur Erdag überarbeitet von Christina Class Binäre Suchbäume Kapiteltests für das ETH-Leitprogramm Adressaten und Institutionen Das Leitprogramm
MehrSoftware-Engineering SS03. Zustandsautomat
Zustandsautomat Definition: Ein endlicher Automat oder Zustandsautomat besteht aus einer endlichen Zahl von internen Konfigurationen - Zustände genannt. Der Zustand eines Systems beinhaltet implizit die
MehrFuzzy Logik und Genetische Algorithmen für adaptive Prozesskontrolle
Fuzzy Logik und Genetische Algorithmen für adaptive Prozesskontrolle Umgang mit unsicherem Wissen VAK 03-711.08 Oliver Ahlbrecht 8. Dezember 2005 Struktur 1. Einleitung 2. Beispiel Cart-Pole 3. Warum Hybride
MehrGliederung. Biologische Motivation Künstliche neuronale Netzwerke. Anwendungsbeispiele Zusammenfassung. Das Perzeptron
Neuronale Netzwerke Gliederung Biologische Motivation Künstliche neuronale Netzwerke Das Perzeptron Aufbau Lernen und Verallgemeinern Anwendung Testergebnis Anwendungsbeispiele Zusammenfassung Biologische
MehrInstallationsanleitung Maschinenkonfiguration und PP s. Release: VISI 21 Autor: Anja Gerlach Datum: 18. Dezember 2012 Update: 18.
Installationsanleitung Maschinenkonfiguration und PP s Release: VISI 21 Autor: Anja Gerlach Datum: 18. Dezember 2012 Update: 18.Februar 2015 Inhaltsverzeichnis 1 Einbinden der Postprozessoren... 3 1.1
MehrInformationsblatt Induktionsbeweis
Sommer 015 Informationsblatt Induktionsbeweis 31. März 015 Motivation Die vollständige Induktion ist ein wichtiges Beweisverfahren in der Informatik. Sie wird häufig dazu gebraucht, um mathematische Formeln
MehrAbamsoft Finos im Zusammenspiel mit shop to date von DATA BECKER
Abamsoft Finos im Zusammenspiel mit shop to date von DATA BECKER Abamsoft Finos in Verbindung mit der Webshopanbindung wurde speziell auf die Shop-Software shop to date von DATA BECKER abgestimmt. Mit
MehrEinsatz Evolutionärer Algorithmen zur Optimierung der Tourenplanung eines Wachschutzunternehmens
Fachhochschule Brandenburg Fachbereich Informatik und Medien Kolloquium zur Diplomarbeit Einsatz Evolutionärer Algorithmen zur Optimierung der Tourenplanung eines Wachschutzunternehmens Übersicht Darstellung
Mehrschnell und portofrei erhältlich bei beck-shop.de DIE FACHBUCHHANDLUNG mitp/bhv
Roboter programmieren mit NXC für Lego Mindstorms NXT 1. Auflage Roboter programmieren mit NXC für Lego Mindstorms NXT schnell und portofrei erhältlich bei beck-shop.de DIE FACHBUCHHANDLUNG mitp/bhv Verlag
MehrKostenstellen verwalten. Tipps & Tricks
Tipps & Tricks INHALT SEITE 1.1 Kostenstellen erstellen 3 13 1.3 Zugriffsberechtigungen überprüfen 30 2 1.1 Kostenstellen erstellen Mein Profil 3 1.1 Kostenstellen erstellen Kostenstelle(n) verwalten 4
MehrDatenübernahme easyjob 3.0 zu easyjob 4.0
Datenübernahme easyjob 3.0 zu easyjob 4.0 Einführung...3 Systemanforderung easyjob 4.0...3 Vorgehensweise zur Umstellung zu easyjob 4.0...4 Installation easyjob 4.0 auf dem Server und Arbeitsstationen...4
MehrZellulare 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.
Mehr50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte
50. Mathematik-Olympiade. Stufe (Regionalrunde) Klasse 3 Lösungen c 00 Aufgabenausschuss des Mathematik-Olympiaden e.v. www.mathematik-olympiaden.de. Alle Rechte vorbehalten. 503 Lösung 0 Punkte Es seien
MehrKleines Handbuch zur Fotogalerie der Pixel AG
1 1. Anmelden an der Galerie Um mit der Galerie arbeiten zu können muss man sich zuerst anmelden. Aufrufen der Galerie entweder über die Homepage (www.pixel-ag-bottwartal.de) oder über den direkten Link
Mehrgeben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Gehen wir einmal davon aus, dass die von uns angenommenen
geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Vollständigkeit halber aufgeführt. Gehen wir einmal davon aus, dass die von uns angenommenen 70% im Beispiel exakt berechnet sind. Was würde
MehrKonzepte der Informatik
Konzepte der Informatik Vorkurs Informatik zum WS 2011/2012 26.09. - 30.09.2011 17.10. - 21.10.2011 Dr. Werner Struckmann / Christoph Peltz Stark angelehnt an Kapitel 1 aus "Abenteuer Informatik" von Jens
Mehr1 Mathematische Grundlagen
Mathematische Grundlagen - 1-1 Mathematische Grundlagen Der Begriff der Menge ist einer der grundlegenden Begriffe in der Mathematik. Mengen dienen dazu, Dinge oder Objekte zu einer Einheit zusammenzufassen.
MehrManchester Codierung sowie Differenzielle Manchester Codierung
Manchester Codierung sowie Differenzielle Manchester Codierung Nadine Sass 1 von 8 Inhaltsverzeichnis Inhaltsverzeichnis... 2 Abbildungsverzeichnis... 3 Das Ethernet... 4 Das IEEE 802.3 Ethernet Paketformat...
MehrWann ist eine Software in Medizinprodukte- Aufbereitungsabteilungen ein Medizinprodukt?
DGSV-Kongress 2009 Wann ist eine Software in Medizinprodukte- Aufbereitungsabteilungen ein Medizinprodukt? Sybille Andrée Betriebswirtin für und Sozialmanagement (FH-SRH) Prokuristin HSD Händschke Software
Mehrt r Lineare Codierung von Binärbbäumen (Wörter über dem Alphabet {, }) Beispiel code( ) = code(, t l, t r ) = code(t l ) code(t r )
Definition B : Menge der binären Bäume, rekursiv definiert durch die Regeln: ist ein binärer Baum sind t l, t r binäre Bäume, so ist auch t =, t l, t r ein binärer Baum nur das, was durch die beiden vorigen
MehrOECD Programme for International Student Assessment PISA 2000. Lösungen der Beispielaufgaben aus dem Mathematiktest. Deutschland
OECD Programme for International Student Assessment Deutschland PISA 2000 Lösungen der Beispielaufgaben aus dem Mathematiktest Beispielaufgaben PISA-Hauptstudie 2000 Seite 3 UNIT ÄPFEL Beispielaufgaben
MehrGrundfunktionen und Bedienung
Kapitel 13 Mit der App Health ist eine neue Anwendung in ios 8 enthalten, die von vorangegangenen Betriebssystemen bislang nicht geboten wurde. Health fungiert dabei als Aggregator für die Daten von Fitness-
MehrKonfiguration einer Sparkassen-Chipkarte in StarMoney
Konfiguration einer Sparkassen-Chipkarte in StarMoney In dieser Anleitung möchten wir Ihnen die Kontoeinrichtung in StarMoney anhand einer vorliegenden Sparkassen-Chipkarte erklären. Die Screenshots in
MehrTELIS FINANZ Login App
Installation & Bedienung der TELIS FINANZ Login App 1. Voraussetzungen - Android Version 4.0 oder höher - Uhrzeit automatisch gestellt - Für die Einrichtung wird einmalig eine Internetverbindung benötigt
MehrModellbildungssysteme: Pädagogische und didaktische Ziele
Modellbildungssysteme: Pädagogische und didaktische Ziele Was hat Modellbildung mit der Schule zu tun? Der Bildungsplan 1994 formuliert: "Die schnelle Zunahme des Wissens, die hohe Differenzierung und
MehrBedienungsanleitung für den Online-Shop
Hier sind die Produktgruppen zu finden. Zur Produktgruppe gibt es eine Besonderheit: - Seite 1 von 18 - Zuerst wählen Sie einen Drucker-Hersteller aus. Dann wählen Sie das entsprechende Drucker- Modell
MehrWas bisher geschah. Lernen: überwachtes Lernen. biologisches Vorbild neuronaler Netze: unüberwachtes Lernen
Was bisher geschah Lernen: überwachtes Lernen korrigierendes Lernen bestärkendes Lernen unüberwachtes Lernen biologisches Vorbild neuronaler Netze: Neuron (Zellkörper, Synapsen, Axon) und Funktionsweise
Mehr3 Wie bekommen Sie Passwortlevel 3 und einen Installateurscode?
Kurzanleitung Passwortlevel 3, Erhalt und Handhabung Inhaltsverzeichnis 1 Warum Passwortlevel 3...1 2 Gültigkeitsbereich...1 3 Wie bekommen Sie Passwortlevel 3 und einen Installateurscode?...1 4 Eingabe
MehrDas große ElterngeldPlus 1x1. Alles über das ElterngeldPlus. Wer kann ElterngeldPlus beantragen? ElterngeldPlus verstehen ein paar einleitende Fakten
Das große x -4 Alles über das Wer kann beantragen? Generell kann jeder beantragen! Eltern (Mütter UND Väter), die schon während ihrer Elternzeit wieder in Teilzeit arbeiten möchten. Eltern, die während
MehrStellen Sie bitte den Cursor in die Spalte B2 und rufen die Funktion Sverweis auf. Es öffnet sich folgendes Dialogfenster
Es gibt in Excel unter anderem die so genannten Suchfunktionen / Matrixfunktionen Damit können Sie Werte innerhalb eines bestimmten Bereichs suchen. Als Beispiel möchte ich die Funktion Sverweis zeigen.
MehrTYPO3 (Facett.Net Backend) 33
TYPO3 (Facett.Net Backend) 33 34 TYPO3 (Facett.Net Backend) TYPO3 (Facett.Net Backend) 35 36 TYPO3 (Facett.Net Backend) TYPO3 (Facett.Net Backend) 37 TYPO3 (Facett.Net Backend) 39 Beschreibung Im Folgenden
MehrInformatik Kurs Simulation. Hilfe für den Consideo Modeler
Hilfe für den Consideo Modeler Consideo stellt Schulen den Modeler kostenlos zur Verfügung. Wenden Sie sich an: http://consideo-modeler.de/ Der Modeler ist ein Werkzeug, das nicht für schulische Zwecke
MehrWenn Sie das T-Online WebBanking das erste Mal nutzen, müssen Sie sich zunächst für den Dienst Mobiles Banking frei schalten lassen.
1 PIN/TAN-T-Online-WebBanking mit moneyplex Bis auf wenige Ausnahmen bieten heute fast alle Kreditinstitute modernes und hoch sicheres HBCI-Internetbanking an. Um mit nicht HBCI-fähigen Banken trotzdem
MehrOrdner Berechtigung vergeben Zugriffsrechte unter Windows einrichten
Ordner Berechtigung vergeben Zugriffsrechte unter Windows einrichten Was sind Berechtigungen? Unter Berechtigungen werden ganz allgemein die Zugriffsrechte auf Dateien und Verzeichnisse (Ordner) verstanden.
MehrWasserfall-Ansätze zur Bildsegmentierung
Wasserfall-Ansätze zur Bildsegmentierung von Philipp Jester Seminar: Bildsegmentierung und Computer Vision 16.01.2006 Überblick 1. Problemstellung 2. Wiederholung: Wasserscheiden-Ansätze 3. Der Wasserfall-Ansatz
MehrPartitionieren in Vista und Windows 7/8
Partitionieren in Vista und Windows 7/8 Windows Vista und Windows 7 können von Haus aus Festplatten partitionieren. Doch die Funktion ist etwas schwer zu entdecken, denn sie heißt "Volume verkleinern".
MehrFestigkeit von FDM-3D-Druckteilen
Festigkeit von FDM-3D-Druckteilen Häufig werden bei 3D-Druck-Filamenten die Kunststoff-Festigkeit und physikalischen Eigenschaften diskutiert ohne die Einflüsse der Geometrie und der Verschweißung der
MehrWas bisher geschah Künstliche Neuronen: Mathematisches Modell und Funktionen: Eingabe-, Aktivierungs- Ausgabefunktion Boolesche oder reelle Ein-und
Was bisher geschah Künstliche Neuronen: Mathematisches Modell und Funktionen: Eingabe-, Aktivierungs- Ausgabefunktion Boolesche oder reelle Ein-und Ausgaben Aktivierungsfunktionen: Schwellwertfunktion
MehrMaximizing the Spread of Influence through a Social Network
1 / 26 Maximizing the Spread of Influence through a Social Network 19.06.2007 / Thomas Wener TU-Darmstadt Seminar aus Data und Web Mining bei Prof. Fürnkranz 2 / 26 Gliederung Einleitung 1 Einleitung 2
MehrFunktion rsync mit den actinas Cube Systemen.
Funktion rsync mit den actinas Cube Systemen. Unternehmen haben oft keine ausgebildete IT Abteilung. Trotzdem oder gerade deshalb sind Backups so wichtig, denn das ist im Falle eines Datenverlustes, Ihre
MehrGRS SIGNUM Product-Lifecycle-Management
GRS SIGNUM Product-Lifecycle-Management Das optionale Modul Product-Lifecycle-Management stellt eine mächtige Ergänzung zum Modul Forschung & Entwicklung dar. Folgende Punkte werden dabei abgedeckt: Definition
MehrGEVITAS Farben-Reaktionstest
GEVITAS Farben-Reaktionstest GEVITAS Farben-Reaktionstest Inhalt 1. Allgemeines... 1 2. Funktionsweise der Tests... 2 3. Die Ruhetaste und die Auslösetaste... 2 4. Starten der App Hauptmenü... 3 5. Auswahl
MehrErstellen einer Collage. Zuerst ein leeres Dokument erzeugen, auf dem alle anderen Bilder zusammengefügt werden sollen (über [Datei] > [Neu])
3.7 Erstellen einer Collage Zuerst ein leeres Dokument erzeugen, auf dem alle anderen Bilder zusammengefügt werden sollen (über [Datei] > [Neu]) Dann Größe des Dokuments festlegen beispielsweise A4 (weitere
MehrENTDECKEN SIE DIE VORTEILE VON SUBSCRIPTION SUBSCRIPTION-VERTRÄGE VERWALTEN
ENTDECKEN SIE DIE VORTEILE VON SUBSCRIPTION SUBSCRIPTION-VERTRÄGE VERWALTEN Autodesk Subscription bietet Ihnen eine breite Palette an Leistungen, mit denen Sie das Optimum aus Ihrer Autodesk-Software herausholen.
MehrIhre Interessentendatensätze bei inobroker. 1. Interessentendatensätze
Ihre Interessentendatensätze bei inobroker Wenn Sie oder Ihre Kunden die Prozesse von inobroker nutzen, werden Interessentendatensätze erzeugt. Diese können Sie direkt über inobroker bearbeiten oder mit
MehrKurzanleitung. MEYTON Aufbau einer Internetverbindung. 1 Von 11
Kurzanleitung MEYTON Aufbau einer Internetverbindung 1 Von 11 Inhaltsverzeichnis Installation eines Internetzugangs...3 Ist mein Router bereits im MEYTON Netzwerk?...3 Start des YAST Programms...4 Auswahl
MehrAlgorithmische Kryptographie
Algorithmische Kryptographie Walter Unger Lehrstuhl für Informatik I 16. Februar 2007 Quantenkryptographie 1 Einleitung Grundlagen aus der Physik 2 Datenübertragung 1. Idee 2. Idee Nochmal Physik 3 Sichere
MehrWas können Schüler anhand von Primzahltests über Mathematik lernen?
Was können Schüler anhand von Primzahltests über Mathematik lernen? Innermathematisches Vernetzen von Zahlentheorie und Wahrscheinlichkeitsrechnung Katharina Klembalski Humboldt-Universität Berlin 20.
MehrLichtbrechung an Linsen
Sammellinsen Lichtbrechung an Linsen Fällt ein paralleles Lichtbündel auf eine Sammellinse, so werden die Lichtstrahlen so gebrochen, dass sie durch einen Brennpunkt der Linse verlaufen. Der Abstand zwischen
MehrOption 1: Hinzufügen eines Schritts zur Bearbeitungsliste... 2
Erklärung der Bearbeitungsliste Frage Wie verwende ich die Bearbeitungsliste? Antwort Alle Optimierungen, die auf Bilder angewandt werden, und im Rahmen der einzelnen Optimierungen jeweils vorgenommenen
MehrGibt es einen Geschmacksunterschied zwischen Coca Cola und Cola Zero?
Gibt es einen Geschmacksunterschied zwischen Coca Cola und Cola Zero? Manche sagen: Ja, manche sagen: Nein Wie soll man das objektiv feststellen? Kann man Geschmack objektiv messen? - Geschmack ist subjektiv
MehrErstellen von x-y-diagrammen in OpenOffice.calc
Erstellen von x-y-diagrammen in OpenOffice.calc In dieser kleinen Anleitung geht es nur darum, aus einer bestehenden Tabelle ein x-y-diagramm zu erzeugen. D.h. es müssen in der Tabelle mindestens zwei
MehrData Mining-Modelle und -Algorithmen
Data Mining-Modelle und -Algorithmen Data Mining-Modelle und -Algorithmen Data Mining ist ein Prozess, bei dem mehrere Komponenten i n- teragieren. Sie greifen auf Datenquellen, um diese zum Training,
MehrJede Zahl muss dabei einzeln umgerechnet werden. Beginnen wir also ganz am Anfang mit der Zahl,192.
Binäres und dezimales Zahlensystem Ziel In diesem ersten Schritt geht es darum, die grundlegende Umrechnung aus dem Dezimalsystem in das Binärsystem zu verstehen. Zusätzlich wird auch die andere Richtung,
MehrFehler und Probleme bei Auswahl und Installation eines Dokumentenmanagement Systems
Fehler und Probleme bei Auswahl und Installation eines Dokumentenmanagement Systems Name: Bruno Handler Funktion: Marketing/Vertrieb Organisation: AXAVIA Software GmbH Liebe Leserinnen und liebe Leser,
MehrIn konstanten Modellen wird davon ausgegangen, dass die zu prognostizierende Größe sich über die Zeit hinweg nicht verändert.
Konstante Modelle: In konstanten Modellen wird davon ausgegangen, dass die zu prognostizierende Größe sich über die Zeit hinweg nicht verändert. Der prognostizierte Wert für die Periode T+i entspricht
MehrÜbungen zur Softwaretechnik
Technische Universität München Fakultät für Informatik Lehrstuhl IV: Software & Systems Engineering Markus Pister, Dr. Bernhard Rumpe WS 2002/2003 Lösungsblatt 9 17. Dezember 2002 www4.in.tum.de/~rumpe/se
MehrKurzanleitung OOVS. Reseller Interface. Allgemein
Kurzanleitung OOVS Reseller Interface Allgemein Durch die Einführung des neuen Interfaces hat sich für Reseller von Syswebcom etwas geändert. Die Struktur der Kundenverwaltung ist einprägsamer, wenn man
MehrFastViewer Remote Edition 2.X
FastViewer Remote Edition 2.X Mit der FastViewer Remote Edition ist es möglich beliebige Rechner, unabhängig vom Standort, fernzusteuern. Die Eingabe einer Sessionnummer entfällt. Dazu muß auf dem zu steuernden
MehrLineare Funktionen. 1 Proportionale Funktionen 3 1.1 Definition... 3 1.2 Eigenschaften... 3. 2 Steigungsdreieck 3
Lineare Funktionen Inhaltsverzeichnis 1 Proportionale Funktionen 3 1.1 Definition............................... 3 1.2 Eigenschaften............................. 3 2 Steigungsdreieck 3 3 Lineare Funktionen
MehrAlgorithmen und Datenstrukturen
Algorithmen und Datenstrukturen Dipl. Inform. Andreas Wilkens 1 Organisatorisches Freitag, 05. Mai 2006: keine Vorlesung! aber Praktikum von 08.00 11.30 Uhr (Gruppen E, F, G, H; Vortestat für Prototyp)
MehrFachbericht zum Thema: Anforderungen an ein Datenbanksystem
Fachbericht zum Thema: Anforderungen an ein Datenbanksystem von André Franken 1 Inhaltsverzeichnis 1 Inhaltsverzeichnis 1 2 Einführung 2 2.1 Gründe für den Einsatz von DB-Systemen 2 2.2 Definition: Datenbank
MehrMobile Intranet in Unternehmen
Mobile Intranet in Unternehmen Ergebnisse einer Umfrage unter Intranet Verantwortlichen aexea GmbH - communication. content. consulting Augustenstraße 15 70178 Stuttgart Tel: 0711 87035490 Mobile Intranet
MehrZimmertypen. Zimmertypen anlegen
Zimmertypen anlegen Hier legen Sie Ihre Zimmer an, damit sie auf der Homepage dargestellt werden und online buchbar gemacht werden können. Wobei wir ausdrücklich darauf hinweisen möchten, dass es ganz
MehrLeitfaden Meine Daten ändern
Finanzdirektion des Kantons Bern Einleitung BE-Login ist die elektronische Plattform des Kantons Bern. Nach erfolgter Registrierung und anschliessender Anmeldung können Sie diverse Behördengänge zentral
MehrVirtueller Seminarordner Anleitung für die Dozentinnen und Dozenten
Virtueller Seminarordner Anleitung für die Dozentinnen und Dozenten In dem Virtuellen Seminarordner werden für die Teilnehmerinnen und Teilnehmer des Seminars alle für das Seminar wichtigen Informationen,
MehrSuche schlecht beschriftete Bilder mit Eigenen Abfragen
Suche schlecht beschriftete Bilder mit Eigenen Abfragen Ist die Bilderdatenbank über einen längeren Zeitraum in Benutzung, so steigt die Wahrscheinlichkeit für schlecht beschriftete Bilder 1. Insbesondere
MehrMORE Profile. Pass- und Lizenzverwaltungssystem. Stand: 19.02.2014 MORE Projects GmbH
MORE Profile Pass- und Lizenzverwaltungssystem erstellt von: Thorsten Schumann erreichbar unter: thorsten.schumann@more-projects.de Stand: MORE Projects GmbH Einführung Die in More Profile integrierte
MehrEinführung in. Logische Schaltungen
Einführung in Logische Schaltungen 1/7 Inhaltsverzeichnis 1. Einführung 1. Was sind logische Schaltungen 2. Grundlegende Elemente 3. Weitere Elemente 4. Beispiel einer logischen Schaltung 2. Notation von
MehrWeb Interface für Anwender
Ing. G. Michel Seite 1/5 Web Interface für Anwender 1) Grundlagen: - Sie benötigen die Zugangsdaten zu Ihrem Interface, welche Sie mit Einrichtung des Servers durch uns oder Ihren Administrator erhalten
MehrNetzwerkeinstellungen unter Mac OS X
Netzwerkeinstellungen unter Mac OS X Dieses Dokument bezieht sich auf das D-Link Dokument Apple Kompatibilität und Problemlösungen und erklärt, wie Sie schnell und einfach ein Netzwerkprofil unter Mac
MehrSANDBOXIE konfigurieren
SANDBOXIE konfigurieren für Webbrowser und E-Mail-Programme Dies ist eine kurze Anleitung für die grundlegenden folgender Programme: Webbrowser: Internet Explorer, Mozilla Firefox und Opera E-Mail-Programme:
Mehr4. Woche Decodierung; Maximale, Perfekte und Optimale Codes. 4. Woche: Decodierung; Maximale, Perfekte und Optimale Codes 69/ 140
4 Woche Decodierung; Maximale, Perfekte und Optimale Codes 4 Woche: Decodierung; Maximale, Perfekte und Optimale Codes 69/ 140 Szenario für fehlerkorrigierende Codes Definition (n, M)-Code Sei C {0, 1}
MehrOutlook. sysplus.ch outlook - mail-grundlagen Seite 1/8. Mail-Grundlagen. Posteingang
sysplus.ch outlook - mail-grundlagen Seite 1/8 Outlook Mail-Grundlagen Posteingang Es gibt verschiedene Möglichkeiten, um zum Posteingang zu gelangen. Man kann links im Outlook-Fenster auf die Schaltfläche
MehrRoute Ein Programm besteht aus mehreren Routen (Teilstrecken). Jede Route hat eigene Einstellungen für
Trainingseinheit Mit der Funktionsschaltfläche Training können Sie Routen und Trainingsfahrten mit den verschiedenen Trainingstypen erstellen und bearbeiten: Catalyst, Video, GPS-Touren und Virtual Reality.
MehrIhr Weg in die Suchmaschinen
Ihr Weg in die Suchmaschinen Suchmaschinenoptimierung Durch Suchmaschinenoptimierung kann man eine höhere Platzierung von Homepages in den Ergebnislisten von Suchmaschinen erreichen und somit mehr Besucher
MehrWir gehen aus von euklidischen Anschauungsraum bzw. von der euklidischen Zeichenebene. Parallele Geraden schneiden einander nicht.
2 Ein wenig projektive Geometrie 2.1 Fernpunkte 2.1.1 Projektive Einführung von Fernpunkten Wir gehen aus von euklidischen Anschauungsraum bzw. von der euklidischen Zeichenebene. Parallele Geraden schneiden
MehrMelanie Kaspar, Prof. Dr. B. Grabowski 1
7. Hypothesentests Ausgangssituation: Man muss sich zwischen 2 Möglichkeiten (=Hypothesen) entscheiden. Diese Entscheidung soll mit Hilfe von Beobachtungen ( Stichprobe ) getroffen werden. Die Hypothesen
MehrVermeiden Sie es sich bei einer deutlich erfahreneren Person "dranzuhängen", Sie sind persönlich verantwortlich für Ihren Lernerfolg.
1 2 3 4 Vermeiden Sie es sich bei einer deutlich erfahreneren Person "dranzuhängen", Sie sind persönlich verantwortlich für Ihren Lernerfolg. Gerade beim Einstig in der Programmierung muss kontinuierlich
MehrInformatik 2 Labor 2 Programmieren in MATLAB Georg Richter
Informatik 2 Labor 2 Programmieren in MATLAB Georg Richter Aufgabe 3: Konto Um Geldbeträge korrekt zu verwalten, sind zwecks Vermeidung von Rundungsfehlern entweder alle Beträge in Cents umzuwandeln und
MehrIhr CMS für die eigene Facebook Page - 1
Ihr CMS für die eigene Facebook Page Installation und Einrichten eines CMS für die Betreuung einer oder mehrer zusätzlichen Seiten auf Ihrer Facebook Page. Anpassen der "index.php" Installieren Sie das
MehrWLAN und VPN im b.i.b. mit Windows (Vista Home Premium SP1) oder Windows 7
WLAN Bei Windows Vista Home Premium mit Service Pack 1 wrd unten rechts im Tray angezeigt, wenn Drahtlosnetzwerke verfügbar sind, ebenso bei Windows 7. Solange keine Verbindung mit diesen Drahtlosnetzwerken
Mehr