Rechnen ohne Algorithmen
|
|
- Walther Heidrich
- vor 6 Jahren
- Abrufe
Transkript
1 Rechnen ohne Algorithmen Prof. Dr. Bernd Ulmann 9. Oktober /59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
2 Algorithmen 2/59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
3 Algorithmen Was ist ein Algorithmus? Ein Algorithmus ist eine eindeutige Handlungsvorschrift zur Lösung eines Problems oder einer Klasse von Problemen. Algorithmen bestehen aus endlich vielen, wohldefinierten Einzelschritten. 1 Algorithmen sind toll, weil man damit eigentlich alles (Berechenbarkeit?) machen kann... Sie implizieren gleichzeitig die Idee speicherprogrammierter Computer. Ohne Algorithmen geht in unserer technisierten Welt schlicht gar nichts mehr Stand /59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
4 Speicherprogrammiert 4/59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
5 Algorithmen Andererseits sind Algorithmen auch doof... Sie beschreiben die Lösung eines Problems auf Basis von Einzelschritten! Programme werden aus Speichern gelesen, was Engpässe schafft (von Neumann-Flaschenhals), Caches erforderlich macht (das wird bei Multiprozessorsystemen kompliziert, wenn Cacheeinträge prozessorübergreifend invalidiert werden müssen) etc. Parallelisierung ist oft eine Kunst und stößt ebenso oft auch an Grenzen (Amdahls Law). Häufig muss man sich bei der Implementation eines Algorithmus um Dinge kümmern, die wenig bis gar nichts mit dem zugrunde liegenden Problem zu tun haben (Speicherverwaltung, Pointer-Orgien, grundlegende Datenstrukturen wie Bäume, Skiplisten etc., die explizit konstruiert werden müssen usf.)... 5/59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
6 Probleme Compiler und Interpreter erstellen in der Regel Parse-Trees. Beispielsweise wird das Statement x=(7 + 3) * (5-2) in einen einfachen Baum umgewandelt, auf dessen Basis dann Code erzeugt wird (Compiler) bzw. die Ausführung stattfindet: _images/meparse.png, Stand /59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
7 Code Ein Compiler könnte daraus z. B. folgenden Assemblercode erzeugen: 1 MOVE 0x0007, R0 2 MOVE 0x0003, R1 3 ADD R1, R0 4 MOVE 0x0005, R1 5 MOVE 0x0002, R2 6 SUB R1, R2 7 MULT R2, R0 Beispel Beispel... das eigentlich zu lösende Problem ist hier schon ein wenig in den Hintergrund gerückt man muss sich um Registerallokation und andere Maschineneigenheiten kümmern. 7/59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
8 Keine Algorithmen :-) 8/59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
9 Idee Was wäre, wenn man die Idee des Algorithmus über Bord würfe? Könnte man nicht einfach drei Rechenelemente (einen Addierer, einen Subtrahierer und einen Multiplizierer) in Form dieses Parse-Trees miteinander verschalten? Man kann, und das bringt einen zu einer ganz neuen Klasse von Maschinen, den sogenannten Analogrechnern (hier gibt es starke Überschneidungen mit Datenflussmaschinen). Ein Analogrechner lässt sich wie folgt darstellen: 9/59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
10 Analog 10/59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
11 Analogrechnen Wodurch sind Analogrechner gekennzeichnet? Spezialrechner, die hauptsächlich für das Lösen von Differentialgleichungssystemen geeignet sind Basieren auf Modellen (Analogien), nicht auf klassischen Algorithmen Programmierung in der Regel nicht speicherbasiert, sondern durch Strukturänderung Analogelektronische und digitale Implementationen möglich Extrem hoher Grad an Parallelität möglich In der Regel geringer Energiebedarf 11/59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
12 Analogien Bei Analogiebildungen ist allgemein zwischen zwei grundlegenden Ausprägungen zu unterscheiden: Direkte Analogien: Diese basieren auf gleichen oder zumindest ähnlichen physikalischen Effekten wie das zu untersuchende Problem. Indirekte Analogien: Analogelektronische Analogrechner sind ein schönes Beispiel hierfür alle zu untersuchenden Fragestellungen werden als elektronische Modellschaltungen abgebildet, ungeachtet des eigentlich zu modellierenden Effektes. 12/59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
13 Direkte Analogien Ein typisches Beispiel für eine direkte Analogie ist die Bestimmung von Minimalflächen mit Hilfe von Seifenfilmen oder Geweben etwas, das es bis heute beispielsweise als Spielzeug gibt: 3 3 Siehe https: // Stand sowie [Jacobi 2008] und [Singer 1995]. 13/59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
14 Direkte Analogien Praktisch wurde derlei aber auch eingesetzt z.b. bei der Entwicklung des Daches des Münchner Olympiastadions (siehe z. B. [Dressler 1972, S. 52]): 14/59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
15 Extreme Analogs Die NASA hat sogar ein Extreme Analogs genanntes Forschungsprogramm: (Siehe 15/59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
16 Indirekte Analogien Ein Beispiel für eine indirekte Analogie ist das folgende Setup einer RA 770 zur Simulation der Umströmung eines Joukowski-Profils: 16/59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
17 Implementationstechniken Was sind typische Implementationsvarianten von Rechenelementen für Analogrechner? mechanische Rechenelemente, hydraulische Elemente, analogelektronische Rechenglieder sowie auch rein digitale Techniken. Aus heutiger Sicht sind selbstverständlich analogelektronische Rechenelemente bzw. rein digitale Implementationen am interessantesten und erfolgversprechendsten. 17/59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
18 Rechenelemente Typische Rechenelemente eines Analogrechners: Koeffizientenglieder (Spannungsteiler / Multiplizierer bei digitaler Implementation) Summierer U 1 U 2 U S (U 1 + 5U U 3 ) 18/59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
19 Rechenelemente Integrierer Multiplizierer (analogelektronische Implementation ist nicht trivial).. 19/59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
20 Rechenelemente Funktionsgeber (einfach mit Lookup-Tables, schwer mit rein analogelektronischer Implementation) f (x) Entscheidungsglieder (Komparatoren) und Schalter a b 20/59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
21 Beispiel Beispiel: Räuber-Beute-System 21/59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
22 Räuber-Beute-System Das im Folgenden dargestellte Beispiel ist ein klassisches Räuber-Beute-System. Betrachtet wird ein abgeschlossenes Ökosystem, bestehend aus einer Luchs- (l) und einer Hasenpopulation (r), für das ṙ = α 1 r α 2 rl und l = β 1 l + β 2 rl gelten. Hierbei ist α 1 die Geburtsrate der Hasen, α 2 die Rate der von Luchsen getöteten Hasen, β 1 die Sterblichkeitsrate der Luchse und β 2 der durch Futterzufuhr erzeugte Zuwachs der Luchspopulation. 22/59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
23 Berechnung von r ṙ +1 r 0 α 1 r rl α 2 ( α 1 r + α 2 rl) = α 1 r α 2 rl 23/59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
24 Berechnung von l rl β 2 +1 l 0 β 1 l 24/59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
25 Die Gesamtschaltung +1 r 0 +1 l 0 α 2 α 1 β 2.. r l β 1 25/59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
26 Realisierung 26/59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
27 Ergebnisse 27/59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
28 Beispiel Beispiel: Chaotische Systeme 28/59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
29 Rössler-Attraktor ẋ = (y + z) ẏ = x + ay ż = b + z(x c), x y z /59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
30 Rössler-Attraktor 30/59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
31 Beispiel Beispiel: Strömungssimulation 31/59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
32 Mit Hilfe einer konformen Abbildung der Form λ2 w(z) = (z z 0 ) + z z 0 kann ein Einheitskreis in ein sogenannntes Joukowski-Profil verwandelt werden. Nach Aufspaltung dieser Gleichung in einen Real- und einen Imaginärteil ergibt sich Folgendes: u(x(t), y(t)) = (x(t) x 0 (t)) + v(x(t), y(t)) = (y(t) y 0 (t)) λ 2 (x(t) x 0 (t)) (x(t) x 0 (t)) 2 + (y(t) y 0 (t)) 2 λ 2 (y(t) y 0 (t)) (x(t) x 0 (t)) 2 + (y(t) y 0 (t)) 2 Die Rechenschaltung für die konforme Abbildung hat folgende Gestalt: 32/59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
33 Konforme Abbildung x 3 x 1 resp. x y 1 resp. y y 3 33/59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
34 Strömung Der Weg eines Stromfadens um einen rotierenden Zylinder lässt sich durch ein komplexes Geschwindigkeitspotenzial der folgenden Form beschreiben: f (z) = v 0 ( e iδ z + e iδ r 2 z ) i Γ 2π ln(z), Die Umsetzung dieser Funktion in eine Rechenschaltung zeigt folgendes Bild: 34/59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
35 Strömung x tan(δ) log(100x) y ε 35/59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
36 Strömungssimulation 36/59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
37 Klassische Systeme Klassische Systeme 37/59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
38 Beckman Richard FitzHugh löst die Hodgkin-Huxley- Gleichungen mit Hilfe eines Beckman Analogrechners. a a Source: Izhikevich E. M., FitzHugh R. 38/59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
39 EAI EAI 231R-Installation am Deutschen Elektronensynchrotron Hamburg 4 : 4 Quelle: Inge Borchardt 39/59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
40 EAI EAI-Installation am DLR : 5 5 Quelle: Dr. Jessika Wichner, DLR, Signatur FF /59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
41 MADDIDA Bereits 1949 wurde der erste digitale (!) Analogrechner, der Magnetic Drum Differential Analyzer, kurz MADDIDA, von Northtrop entwickelt: 6 6 Quelle: Navy Electronics Laboratory, File Number E /59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
42 Bendix D-12 In den frühen 1950er Jahren kam die Bendix D-12 auf den Markt: 7 7 Siehe. [Bendix][p. 2]. 42/59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
43 TRICE Während MADDIDA und die D-12 sequentiell arbeiteten, war die TRICE von Packard Bell ein vollparalleler digitaler Analogrechner (frühe 1960er Jahre): 8 : 8 Siehe [Ameling 1963][p. 30]. 43/59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
44 Zukunft Zukunft 44/59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
45 Zukunft Das Wichtigste zuerst: Analogrechner sind Spezialmaschinen! Sie werden nicht klassische speicherprogrammierte Digitalrechner ablösen können. Sie haben aber in einigen Anwendungsgebieten durchaus ernstzunehmende Vorteile, die im Folgenden kurz aufgelistet werden: 45/59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
46 Ausbildung und Lehre Vorteile in Ausbildung und Lehre: Hohe Anschaulichkeit Extrem hohes Maß an Interaktivität Vermittlung eines Gefühls für das Verhalten von DGLs und Systemen aus DGLs Brückenschlag zwischen Mathematik und Regelungstechnik etc. 46/59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
47 Ausbildung und Lehre 47/59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
48 Ausbildung und Lehre Der Anfang eines Lorenzattraktors: 48/59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
49 Industrielle Applikationen Unangreifbarkeit, da keine Software (kein Stuxnet o. ä. möglich) Robustheit Nahezu stateless behaviour Geringer Energiebedarf Geringer Wartungsaufwand Vergleichsweise geringe Entwicklungs-/Herstellungskosten Langer Life Cycle 49/59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
50 HPC Hybridrechner Monte-Carlo-Simulationen im Finanzwesen Simulation dynamischer Systeme Hardware in the loop-simulationen Geringer Energiebedarf/MFLOPS, siehe z. B. Cowans Chip 50/59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
51 VLSI Analogrechner 2005 entwicklte Glenn Edward Russel Cowan einen analogelektronischen VLSI Analogrechner (kurz für Very Large Scale Integration) für den Einsatz als Co-Prozessor für herkömmliche speicherprogrammierte Rechner: 9 9 See [Cowan 2005]. 51/59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
52 VLSI Analogrechner Der Chip weist eine Fläche von 100 mm 2 auf, enthält 416 Rechenelemente mit der zugehörigen Verbindungselektronik und wurde zur Lösung gewöhnlicher, partieller und stochastischer Differentialgleichungen eingesetzt. 10 In [Cowan et al. 2009][pp. 13 f.] werden einige Ansätze zur Lösung solcher stochastischer Differentialgleichungen hinsichtlich der benötigten Energie betrachtet. Verglichen wurden eine traditionelle Implementation auf einem typischen Mikroprozessor, eine Lösung auf einem DSP (kurz für Digital Signal Processor) sowie eine Lösung mit Hilfe des VLSI Analogrechners von Cowan: 10 Siehe [Cowan 2005][abstract]. 52/59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
53 VLSI Analogrechner Die Resultate sind beeindruckend: Der traditionelle Lösungsansatz auf einem Mikroprozessor erforderte etwa 400 MFLOPS, was einer Leistungsaufnahme von 1.2 bis 40 J entspricht. Der DSP benötigt hierfür zwischen 0.04 und 0.4 J. Der VLSI Analogrechner benötigt für die gleiche Aufgabe lediglich J! Die VLSI-Implementation erzielt etwa 6.4 GFLOPS (bei zugegebenermaßen eingeschränkter Genauigkeit und einem Spezialproblem) bei einer Leistungsaufnahme von lediglich 300 mw! 53/59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
54 Effizienz Bezüglich Performance per Watt bietet sich ein Blick auf green500.org an. Der gegenwärtig (Juni 2016) energieeffizienteste Supercomputer, RIKEN erreicht ca. 6.7 GFLOPS/Watt. Cowans VLSI Analogrechner liegt (zugegeben bei einer Spezialanwendung, aber dennoch) mit 21 GFLOPS/Watt um einen Faktor 3 vorne, verglichen mit einem Rechner, der zehn Jahre später gebaut wurde! 54/59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
55 Und... Und nicht zuletzt... An analog computer is a thing of beauty and a joy forever Siehe [McLeod (1958)]. 55/59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
56 Vielen Dank! Vielen Dank für Ihre Aufmerksamkeit! (Der Autor kann unter erreicht werden.) 56/59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
57 Bibliographie 57/59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
58 Bibliographie [Ameling 1963] Walter Ameling, Aufbau und Arbeitsweise des Hybrid-Rechners TRICE, in Elektronische Rechenanlagen, 5 (1963), Heft 1 [Bendix] Bendix Computer, Digital Differential Analyzer D-12 [Cowan 2005] Glenn Edward Russell Cowan, A VLSI Analog Computer / Math Co-processor for a Digital Computer, Columbia University, 2005 [Cowan et al. 2009] Glenn Edward Russell Cowan, Y. Tsividis, Analog and Digital Continuous-Time Computation and Signal Processing, CMOSET 2009 [Dressler 1972] Fritz Dressler, Das Dach in hobby Das Magazin der Technik, Nr. 8/72, pp /59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
59 Bibliographie [Jacobi 2008] Johanna Jacobi, Minimalflächen, Universität Köln, 2008 [McLeod (1958)] Suzette McLeod, John H. McLeod, The Simulation Council Newsletter, in Instruments and Automation, Vol. 31, March 1958, S [Singer 1995] P. Singer, Die Berechnung von Minimalflächen, Seifenblasen, Membrane und Pneus aus geodätischer Sicht, Dissertation, Stuttgart, Juli /59 Prof. Dr. Bernd Ulmann 9. Oktober 2016
MEDA 42 Inhalt Analogien Technik Mathematik Analog Digital Digitalisierung des Analogen Beispiele
TA Frank Winkler, Manfred Günther Berlin, 17.12.2008 1 Inhalt Analogien Technische Probleme: Ausgleich Mathematik: Differentialgleichungen Analoge Rechnung: Spannungen Digitale Rechnung: Zahlen Digitale
MehrEchtzeitsimulation hydraulischer Antriebe Vom Analogrechner zum FPGA. Peter Beater
Echtzeitsimulation hydraulischer Antriebe Vom Analogrechner zum FPGA Peter Beater beater@fh-swf.de Zeitlicher Ablauf Analogrechner Digitalrechner FPGA Hydrostatisches Getriebe PC-Simulation (offline /
MehrAnleitung zu Blatt 4 Differentialgleichungen I für Studierende der Ingenieurwissenschaften
Fachbereich Mathematik der Universität Hamburg WiSe / Dr Hanna Peywand Kiani 722 Anleitung zu Blatt 4 Differentialgleichungen I für Studierende der Ingenieurwissenschaften Lineare Differentialgleichungssysteme,
MehrFlüsse, Fixpunkte, Stabilität
1 Flüsse, Fixpunkte, Stabilität Proseminar: Theoretische Physik Yannic Borchard 7. Mai 2014 2 Motivation Die hier entwickelten Formalismen erlauben es, Aussagen über das Verhalten von Lösungen gewöhnlicher
MehrMathematik II Frühlingsemester 2015 Kap. 9: Funktionen von mehreren Variablen 9.2 Partielle Differentiation
Mathematik II Frühlingsemester 2015 Kap. 9: Funktionen von mehreren Variablen 9.2 Partielle Differentiation www.math.ethz.ch/education/bachelor/lectures/fs2015/other/mathematik2 biol Prof. Dr. Erich Walter
Mehr6.2 Lineare Differentialgleichungen erster Ordnung
98 6.2 Lineare Differentialgleichungen erster Ordnung Eine Differentialgleichung erster Ordnung heisst linear, wenn sie auf die Form y = p(x)y +q(x) (I) gebracht werden kann. Die DGL y = p(x)y (H) heisst
MehrSeltsame Attraktoren
1 Seltsame Attraktoren Proseminar: Theoretische Physik Jonas Haferkamp 9. Juli 2014 Abbildung: Poincaré-Schnitt der Duffing-Gleichungen 2 3 Gliederung 1 Motivation 2 Was ist ein (seltsamer) Attraktor?
MehrSeminarvortrag. Euler-Approximation. Marian Verkely TU Dortmund
Seminarvortrag Euler-Approximation Marian Verkely TU Dortmund 03.12.14 1 / 33 Inhaltsverzeichnis 1 Motivation 2 Simulierte Prozesse 3 Euler-Approximation 4 Vasicek-Prozess: Vergleich analytische Lösung
MehrDifferentialgleichungen
Kapitel Differentialgleichungen Josef Leydold Mathematik für VW WS 05/6 Differentialgleichungen / Ein einfaches Modell (Domar) Im Domar Wachstumsmodell treffen wir die folgenden Annahmen: () Erhöhung der
Mehr2. Computer (Hardware) K. Bothe, Institut für Informatik, HU Berlin, GdP, WS 2015/16
2. Computer (Hardware) K. Bothe, Institut für Informatik, HU Berlin, GdP, WS 2015/16 Version: 14. Okt. 2015 Computeraufbau: nur ein Überblick Genauer: Modul Digitale Systeme (2. Semester) Jetzt: Grundverständnis
MehrAnalysis und Lineare Algebra mit MuPAD
Analysis und Lineare Algebra mit MuPAD Dehling/Kubach Mögliche Themen für Abschlussprojekte 1 Fourier-Reihen Zu einer integrierbaren Funktion f : [0,2π] R definieren wir die Fourier-Reihe wobei a 0 = 1
MehrTheoretische Physik I: Lösungen Blatt Michael Czopnik
Theoretische Physik I: Lösungen Blatt 2 15.10.2012 Michael Czopnik Aufgabe 1: Scheinkräfte Nutze Zylinderkoordinaten: x = r cos ϕ y = r sin ϕ z = z Zweimaliges differenzieren ergibt: ẍ = r cos ϕ 2ṙ ϕ sin
MehrExascale Computing. = Exascale braucht Manycore-Hardware...und was für Software??? 46/58
Exascale Computing Die FLOP/s-Tabelle: Name Faktor erreicht heute Giga 10 9 1976 CPU-Kern Tera 10 12 1997 Graphikkarte (GPU) Peta 10 15 2009 Supercomputer Exa 10 18 2020(?) Der gegenwärtig schnellste Rechner
MehrDierentialgleichungen 2. Ordnung
Dierentialgleichungen 2. Ordnung haben die allgemeine Form x = F (x, x, t. Wir beschränken uns hier auf zwei Spezialfälle, in denen sich eine Lösung analytisch bestimmen lässt: 1. reduzible Dierentialgleichungen:
Mehr8. Übungsblatt Aufgaben mit Lösungen
8 Übungsblatt Aufgaben mit Lösungen Aufgabe 6: Matrix Bestimmen Sie die allgemeine reelle Lösung des Differentialgleichungssystems u x = Aux für die A =, 9 indem Sie das System auf eine einzelne gewöhnliche
MehrJohann Wolfgang Goethe-Universität
Flynn sche Klassifikation SISD (single instruction, single data stream): IS IS CU PU DS MM Mono (Mikro-)prozessoren CU: Control Unit SM: Shared Memory PU: Processor Unit IS: Instruction Stream MM: Memory
MehrEinführung in die Informatik
Einführung in die Informatik Geschichte und Einteilung der Informatik 01101101 01011001 11010011 10011000 00000011 00011100 01111111 11111111 00110100 00101110 11101110 01110010 10011101 00111010 2 Der
MehrInformatik - Lehrgang 2000/2001 GRUNDLAGEN
Informatik - Lehrgang 2000/2001 GRUNDLAGEN Ein Überblick! Das Werden der Informatik! Daten! Technische Informatik Der von Neumann Computer Versuch einer Entmystifizierung 2 Grundlagen Micheuz Peter Das
MehrAlgorithmische 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
MehrFunktionale Programmiersprachen
Funktionale Programmiersprachen An den Beispielen Haskell und Erlang Übersicht Programmiersprachen λ-kalkül Syntax, Definitionen Besonderheiten von funktionalen Programmiersprache, bzw. Haskell Objektorientierte
MehrBeispiel: Evolution infizierter Individuen
Differentialgleichungen sind sehr nützlich in der Modellierung biologischer Prozesse, denn: damit kann man auch sehr komplizierte Systeme beschreiben die Mathematik liefert mit der gut entwickelten Theorie
Mehr3.2 Lineare Optimierung (Entscheidungen unter Sicherheit)
3. Lineare Optimierung (Entscheidungen unter Sicherheit) Betrachtet wird hier der Fall Θ = (bzw. die Situation u(a, ϑ) bzw. l(a,ϑ) konstant in ϑ Θ für alle a A). Da hier keine Unsicherheit über die Umweltzustände
MehrSensorsimulation in Hardware in the Loop-Anwendungen
Sensorsimulation in Hardware in the Loop-Anwendungen Kristian Trenkel, Florian Spiteller Echtzeit 2014 20.11.2014 Gliederung I. Einführung II. Problemstellung III. Anforderungen an eine Sensorsimulation
MehrRandom Access Machine (RAM) Berechenbarkeit und Komplexität Random Access Machines
Random Access Machine (RAM) Berechenbarkeit und Komplexität Random Access Machines Wolfgang Schreiner Wolfgang.Schreiner@risc.jku.at Research Institute for Symbolic Computation (RISC) Johannes Kepler University,
MehrDifferenzengleichungen. und Polynome
Lineare Differenzengleichungen und Polynome Franz Pauer Institut für Mathematik, Universität Innsbruck Technikerstr. 13/7, A-600 Innsbruck, Österreich franz.pauer@uibk.ac.at 1 Einleitung Mit linearen Differenzengleichungen
MehrDemonstrations- Analogrechner mit Röhren
1. Überblick Demonstrations- Analogrechner mit Röhren F. Vogel 21.08.2010 Dieser kleine Röhren-Analogrechner dient zur Demonstration der elektronischen Analogrechentechnik, wie sie in der Zeit von ca.
MehrPollards Rho-Methode zur Faktorisierung
C A R L V O N O S S I E T Z K Y Pollards Rho-Methode zur Faktorisierung Abschlusspräsentation Bachelorarbeit Janosch Döcker Carl von Ossietzky Universität Oldenburg Department für Informatik Abteilung
MehrGewöhnliche inhomogene Differentialgleichungen der 1. und 2. Ordnung. Christopher Schael
Gewöhnliche inhomogene Differentialgleichungen der 1. und. Ordnung 1.1.) Anleitung DGL der 1. Ordnung 1.) DGL der 1. Ordnung In diesem Abschnitt werde ich eine Anleitung zur Lösung von inhomogenen und
Mehr7 Die Hamilton-Jacobi-Theorie
7 Die Hamilton-Jacobi-Theorie Ausgearbeitet von Rolf Horn und Bernhard Schmitz 7.1 Einleitung Um die Hamilton schen Bewegungsgleichungen q k = H(q, p) p k ṗ k = H(p, q) q k zu vereinfachen, führten wir
Mehr4.3 Anwendungen auf Differentialgleichungen
7 4.3 Anwendungen auf Differentialgleichungen Die Laplace-Transformation wird gerne benutzt, um lineare Differentialgleichungen mit konstanten Koeffizienten y n + a n y n +... + a y + a 0 y ft zu lösen,
Mehr8 Die Riemannsche Zahlenkugel
8 Die Riemannsche Zahlenkugel Wir untersuchen zunächst Geraden- und Kreisgleichungen in der komplexen Ebene C = R 2. Geradengleichungen Die Parameterdarstellung einer Geraden durch zwei Punkte z 1 z 2
Mehr1 Vom Problem zum Programm
1 Vom Problem zum Programm Ein Problem besteht darin, aus einer gegebenen Menge von Informationen eine weitere (bisher unbekannte) Information zu bestimmen. 1 Vom Problem zum Programm Ein Algorithmus ist
MehrMathematik-Tutorium für Maschinenbauer II: Differentialgleichungen und Vektorfelder
DGL Schwingung Physikalische Felder Mathematik-Tutorium für Maschinenbauer II: Differentialgleichungen und Vektorfelder Johannes Wiedersich 23. April 2008 http://www.e13.physik.tu-muenchen.de/wiedersich/
MehrEinführung (1) Erster funktionsfähiger programmgesteuerter Rechenautomat Z3, fertiggestellt 1941 Bild: Nachbau im Deutschen Museum München
Einführung (1) Erster funktionsfähiger programmgesteuerter Rechenautomat Z3, fertiggestellt 1941 Bild: Nachbau im Deutschen Museum München Einführung (2) Architektur des Haswell- Prozessors (aus c t) Einführung
MehrGewöhnliche Dierentialgleichungen
Gewöhnliche Dierentialgleichungen sind Gleichungen, die eine Funktion mit ihren Ableitungen verknüpfen. Denition Eine explizite Dierentialgleichung (DGL) nter Ordnung für die reelle Funktion t x(t) hat
MehrCharles Babbage. Vortrag für das Oberseminar Geschichte der Informatik
Charles Babbage Vortrag für das Oberseminar Geschichte der Informatik Übersicht Kurzer Überblick über das Leben und Wirken von Charles Babbage Die großen Erfindungen von Charles Babbage: Difference Engine
MehrKapitel 1 1 Einleitung
Kapitel 1 Einleitung 1 1 1 Einleitung 1 Einleitung Die Informatik begegnet uns im Alltag ständig. Einmal natürlich als Rechenanlagen, die wir in Büros, Arztpraxen und zu Hause sehen. Zum anderen ist sie
MehrPhysik LK 11, 3. Klausur Schwingungen und Wellen Lösung
Die Rechnungen bitte vollständig angeben und die Einheiten mitrechnen. Antwortsätze schreiben. Die Reibung ist bei allen Aufgaben zu vernachlässigen, wenn nicht explizit anders verlangt. Besondere Näherungen
MehrTechnische Informatik I
Technische Informatik I SS 2001 PD Dr. A. Strey Abteilung Neuroinformatik Universität Ulm Inhalt Einführung: Überblick über die historische Entwicklung der Rechnerhardware Teil 1: Digitale Logik kurzer
MehrLösung 05 Klassische Theoretische Physik I WS 15/16. y a 2 + r 2. A(r) =
Karlsruher Institut für Technologie Institut für theoretische Festkörperphsik www.tfp.kit.edu Lösung Klassische Theoretische Phsik I WS / Prof. Dr. G. Schön Punkte Sebastian Zanker, Daniel Mendler Besprechung...
MehrMulticore Architektur vs. Amdahl`s Gesetz
Fakultätsname Informatik, Professur Technische Informatik Multicore Architektur vs. Amdahl`s Gesetz Dresden, 21.Juli.2010 Motivation Veröffentlichung von IEEE Computer 2008 von Mark D. Hill (University
Mehr5 Potenzreihenansatz und spezielle Funktionen
5 Potenzreihenansatz und spezielle Funktionen In diesem Kapitel betrachten wir eine Methode zur Lösung linearer Differentialgleichungen höherer Ordnung, die sich anwenden läßt, wenn sich alle Koeffizienten
MehrThema 10 Gewöhnliche Differentialgleichungen
Thema 10 Gewöhnliche Differentialgleichungen Viele Naturgesetze stellen eine Beziehung zwischen einer physikalischen Größe und ihren Ableitungen (etwa als Funktion der Zeit dar: 1. ẍ = g (freier Fall;
MehrDynamisches Huffman-Verfahren
Dynamisches Huffman-Verfahren - Adaptive Huffman Coding - von Michael Brückner 1. Einleitung 2. Der Huffman-Algorithmus 3. Übergang zu einem dynamischen Verfahren 4. Der FGK-Algorithmus 5. Überblick über
MehrSo tun als ob - mit dem Supercomputer in die Zukunft schauen Prof. Sabine Roller
So tun als ob - mit dem Supercomputer in die Zukunft schauen Prof. Sabine Roller Lehrstuhl Simulationstechnik & Wiss. Rechnen (STS) Zentrum für Inforamations- und Medientechnologie (ZIMT) Kinderuni 24.
MehrPhilipp Grasl PROZESSOREN
1 PROZESSOREN INHALTSVERZEICHNIS Definition/Verwendung Prozessor Historische Entwicklung Prozessor Aufbau Prozessor Funktionsweise Prozessor Steuerung/Maschinenbefehle Prozessorkern Prozessortakt 2 DEFINITION
MehrAbbildung 5.1: stabile und instabile Ruhelagen
Kapitel 5 Stabilität Eine intuitive Vorstellung vom Konzept der Stabilität vermitteln die in Abb. 5.1 dargestellten Situationen. Eine Kugel rollt unter dem Einfluss von Gravitation und Reibung auf einer
MehrAlgorithmen und Datenstrukturen 1 Kapitel 4.1
Algorithmen und Datenstrukturen 1 Kapitel 4.1 Technische Fakultät robert@techfak.uni-bielefeld.de Vorlesung, U. Bielefeld, Winter 2005/2006 Kapitel 4: Maschinenmodelle [Dieses Kapitel hält sich eng an
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.
MehrÜberblick. 1 Vorbemerkungen. 2 Algorithmen. 3 Eigenschaften von Algorithmen. 4 Historischer Überblick. Einführung
Teil I Einführung Überblick 1 Vorbemerkungen 2 Algorithmen 3 4 Historischer Überblick Prof. G. Stumme Algorithmen & Datenstrukturen Sommersemester 2009 1 1 Vorbemerkungen Was ist Informatik? Informatik
MehrTrigonometrie. In der Abbildung: der Winkel 120 (Gradenmaß) ist 2π = 2π (Bogenmaß).
Trigonometrie. Winkel: Gradmaß oder Bogenmaß In der Schule lernt man, dass Winkel im Gradmass, also als Zahlen zwischen 0 und 60 Grad angegeben werden. In der Mathematik arbeitet man lieber mit dem Bogenmaß,
MehrIntegrierte Schaltungen
Integrierte Schaltungen Klassen von Chips: SSI (Small Scale Integrated) circuit: 1 bis 10 Gatter MSI (Medium Scale Integrated) circuit: 10 bis 100 Gatter LSI (Large Scale Integrated) circuit: 100 bis 100
MehrInstitut für Statistik und Mathematische Wirtschaftstheorie Universität Augsburg. PROGNOSE II - Vertiefung Aufgaben und Lösungen Sommersemester 2004
Institut für Statistik und Mathematische Wirtschaftstheorie Universität Augsburg PROGNOSE II - Vertiefung Aufgaben und Lösungen Sommersemester 2004 Aufgabe 1 U t bedeute weißes Rauschen und B den Backshift
MehrTheoretische Informatik 1
heoretische Informatik 1 eil 2 Bernhard Nessler Institut für Grundlagen der Informationsverabeitung U Graz SS 2009 Übersicht 1 uring Maschinen uring-berechenbarkeit 2 Kostenmaße Komplexität 3 Mehrband-M
Mehr14 Lineare Differenzengleichungen
308 14 Lineare Differenzengleichungen 14.1 Definitionen In Abschnitt 6.3 haben wir bereits eine Differenzengleichung kennengelernt, nämlich die Gleichung K n+1 = K n q m + R, die die Kapitalveränderung
MehrÜBER JAHRE INFORMATIK
ÜBER 10001011 JAHRE INFORMATIK 1100 V. CHR. ABAKUS Rechenhilfsmittel. Addition, Subtraktion, Multiplikation und Division (4 Grundrechnungsarten) durch Verschieben der Kugeln mit der Hand. 2 9. JHDT. ALGORITHMUS-BEGRIFF
MehrLösung zu den Testaufgaben zur Mathematik für Chemiker II (Analysis)
Universität D U I S B U R G E S S E N Campus Essen, Mathematik PD Dr. L. Strüngmann Informationen zur Veranstaltung unter: http://www.uni-due.de/algebra-logic/struengmann.shtml SS 7 Lösung zu den Testaufgaben
Mehr3 Anwendungen der Differentialrechnung. (x 1, x 2,..., x n 1, x n ) f xn (x 1, x 2,..., x n 1, x n ), 1 i n 1. y + cos z
R Es sei f : R n D R eine einmal stetig differenzierbare Funktion, für die in einer Umgebung eines Punkte a = a 1, a,, a n D gilt: fa 1, a,, a n = 0, f xn a 1, a,, a n 0 Dann gibt es eines Umgebung U des
MehrDynamische Programmierung. Problemlösungsstrategie der Informatik
als Problemlösungsstrategie der Informatik und ihre Anwedung in der Diskreten Mathematik und Graphentheorie Fabian Cordt Enisa Metovic Wissenschaftliche Arbeiten und Präsentationen, WS 2010/2011 Gliederung
MehrWas ist Informatik? Alexander Lange
Was ist Informatik? Was ist Informatik? Alexander Lange 12.11.2003 Was ist Informatik? Inhalt 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. Das Wort»Informatik«Die Idee Teilgebiete der Informatik Technische Informatik
MehrWiederholungsblatt Elementargeometrie LÖSUNGSSKIZZE
Wiederholungsblatt Elementargeometrie im SS 01 bei Prof. Dr. S. Goette LÖSUNGSSKIZZE Die Lösungen unten enthalten teilweise keine vollständigen Rechnungen. Es sind aber alle wichtigen Zwischenergebnisse
MehrKapitel MK:II. II. Wissensrepräsentation
Kapitel MK:II II. Wissensrepräsentation Wissensrepräsentation in der Klassifikation Symbolisch versus subsymbolisch Problemlösungswissen Kennzeichen von Problemlösungswissen Prinzipien wissensbasierter
Mehr3: Zahlentheorie / Primzahlen
Stefan Lucks Diskrete Strukturen (WS 2009/10) 96 3: Zahlentheorie / Primzahlen 3: Zahlentheorie / Primzahlen Stefan Lucks Diskrete Strukturen (WS 2009/10) 97 Definition 37 (Teiler, Vielfache, Primzahlen,
MehrÚ Ú Ú Ú É Ú ů Ž ů ů ř Ú ň ř ť ů Ž Ú ů ů Ť ů Ú ů ů ů ů ť Ú Ú ů ů Ó Ú Ó ů ř Ú ť ů ů ř Ú ů Ú ý Ú Ú ň ř Ú Ú Ú ř Ú Ú Ú Ú É ř ů ů Ú Ó ů Ú Ú Ú Ú Ó Ú ň ř ů ů Ú Ú Ó Ť Ť ř ů ť Ú Ú Ú Á š Ú ř ř Ó ř ť Ú
MehrInformatik. Teil 1 Wintersemester 2011/2012. Prof. Dr.-Ing. habil. Peter Sobe Fachkultät Informatik / Mathematik
Informatik Teil 1 Wintersemester 2011/2012 Prof. Dr.-Ing. habil. Peter Sobe Fachkultät Informatik / Mathematik Dieser Foliensatz wurde z.t. von Herrn Prof. Grossmann übernommen Inhalt 1. Algorithmen -
Mehr37 Gauß-Algorithmus und lineare Gleichungssysteme
37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Motivation Lineare Gleichungssysteme treten in einer Vielzahl von Anwendungen auf und müssen gelöst werden In Abschnitt 355 haben wir gesehen, dass
Mehr3AA. Prof. Dr. Wolfgang P. Kowalk. Universität Oldenburg WS 2005/2006
3AA Prof. Dr. Wolfgang P. Kowalk Universität Oldenburg WS 2005/2006 Version vom 24.10.2005 Übersicht Einführung in maschinennahe Programmierung Verständnis für grundlegende Vorgänge im Computer Jedes Programm
MehrKomplexe Zahlen. Berechnung von n-ten Wurzeln. Als Beispiel behandeln wir die Bestimmung der 3-ten Wurzeln von z = i
Komplexe Zahlen Berechnung von n-ten Wurzeln Als Beispiel behandeln wir die Bestimmung der -ten Wurzeln von z = + i z:= + *I + i Nach diese Eingabe "weiss" das System, dass z die komplexe Zahl + i ist.
MehrTechnische Informatik I, SS 2001
Technische Informatik I SS 2001 PD Dr. A. Strey Abteilung Neuroinformatik Universität Ulm Inhalt Einführung: Überblick über die historische Entwicklung der Rechnerhardware Teil 1: Digitale Logik kurzer
MehrRückblick auf die letzte Vorlesung. Bemerkung
Bemerkung 1) Die Bedingung grad f (x 0 ) = 0 T definiert gewöhnlich ein nichtlineares Gleichungssystem zur Berechnung von x = x 0, wobei n Gleichungen für n Unbekannte gegeben sind. 2) Die Punkte x 0 D
MehrSchnupperkurs. Steigerung gder Effizienz bei der Anwendungserstellung mit Hilfe von. Dipl. Ing.(FH) Rüdiger Ellmauer. Applications Engineer
Schnupperkurs Steigerung gder Effizienz bei der Anwendungserstellung mit Hilfe von LabVIEW Toolkits Dipl. Ing.(FH) Rüdiger Ellmauer Applications Engineer Umgebung zur Erstellung von Mess und Automatisierungssoftware
Mehr1. Unterteilung von allgemeinen Dreiecken in rechtwinklige
Trigonometrie am allgemeinen Dreieck Wir können auch die Seiten und Winkel von allgemeinen Dreiecken mit Hilfe der Trigonometrie berechnen. Die einfachste Variante besteht darin, ein beliebiges Dreieck
MehrAnalysis [1] Fachwissen verständlich erklärt. Lern-Buch Prüfungsvorbereitung für Oberstufe und Abitur
Lern-Buch Prüfungsvorbereitung für Oberstufe und Abitur Fachwissen verständlich erklärt Analysis [1] Kurvendiskussion Mitternachtsformel / pq-formel Polynomdivision Ableitung / Integration und mehr Kostenlose
MehrFach: Mathematik (schriftlich: 180 Minuten)
Ergänzungsprüfung für die Zulassung zu den Studiengängen Vorschul-/Primarstufe bzw. Primarschulstufe (gemäss Richtlinien der PH vom 17. Januar 2013): Musterarbeit Fach: Mathematik (schriftlich: 180 Minuten)
MehrSystemtheorie 1. Einführung Systemtheorie 1 Formale Systeme 1 # WS 2006/2007 Armin Biere JKU Linz Revision: 1.4
Einführung intro 1 Grobklassifizierung r Methoden in der Informatik intro 2 Systemtheorie 1 Systeme 1 #342234 http://fmv.jku.at/fs1 WS 2006/2007 Johannes Kepler Universität Linz, Österreich Univ. Prof.
MehrÜbungen zu Theoretische Physik I - Mechanik im Sommersemester 2013 Blatt 7 vom Abgabe:
Übungen zu Theoretische Physik I - Mechanik im Sommersemester 03 Blatt 7 vom 0.06.3 Abgabe: 7.06.3 Aufgabe 9 3 Punkte Keplers 3. Gesetz Das 3. Keplersche Gesetz für die Planetenbewegung besagt, dass das
MehrSpielst du noch oder rechnest du schon?
Spielst du noch oder rechnest du schon? Mit Spielkonsole und Co. zum Supercomputer der Zukunft Fachbereich Elektrotechnik und Informationstechnik Fachhochschule Bielefeld University of Applied Sciences
MehrDas Softwaresystem BASEMENT
Numerische Modellierung von Naturgefahren mit dem Softwaresystem BASEMENT Workshop vom 6. Oktober 2006 an der VAW ETH Zürich Das Softwaresystem BASEMENT David Vetsch Inhalt 1. Motivation und Entstehungsgeschichte
MehrEinführung in die linearen Funktionen. Autor: Benedikt Menne
Einführung in die linearen Funktionen Autor: Benedikt Menne Inhaltsverzeichnis Vorwort... 3 Allgemeine Definition... 3 3 Bestimmung der Steigung einer linearen Funktion... 4 3. Bestimmung der Steigung
MehrCentre of Excellence for High Performance Computing Erlangen Kompetenzgruppe für Supercomputer und Technisch-Wissenschaftliche Simulation
1 Centre of Excellence for High Performance Computing Erlangen Kompetenzgruppe für Supercomputer und Technisch-Wissenschaftliche Simulation Dr. G. Wellein, Regionales Rechenzentrum Erlangen Supercomputer
MehrElectronic Design Automation (EDA) Register-Transfer-Synthese
Electronic Design Automation (EDA) Register-Transfer-Synthese Überblick digitale Synthese Register-Transfer-Synthese Makrozellgenerator Beispiel Addierer (1)... (2)... (3)... (4) Beispiel Speicher Synthese
MehrExperimente mit trigonometrischen Funktionen
Mathematik und ihre Didaktik Uni Bayreuth Sinus Sachsen-Anhalt Experimente mit trigonometrischen Funktionen Eine Sammlung von interaktiven Arbeitsblättern zur vertieften Betrachtung der Funktionen sin
MehrGrundlagen der Rechnerarchitektur
Grundlagen der Rechnerarchitektur Einführung Unsere erste Amtshandlung: Wir schrauben einen Rechner auf Grundlagen der Rechnerarchitektur Einführung 2 Vorlesungsinhalte Binäre Arithmetik MIPS Assembler
MehrEinführung. Rechnerarchitekturen Entwicklung und Ausführung von Programmen Betriebssysteme
Teil I Einführung Überblick 1 2 Geschichte der Informatik 3 Technische Grundlagen der Informatik Rechnerarchitekturen Entwicklung und Ausführung von Programmen Betriebssysteme 4 Daten, Informationen, Kodierung
MehrPraktikum Angewandte Optik Versuch: Aufbau eines Fernrohres
Praktikum Angewandte Optik Versuch: Aufbau eines Fernrohres Historisches und Grundlagen: Generell wird zwischen zwei unterschiedlichen Typen von Fernrohren unterschieden. Auf der einen Seite gibt es das
Mehr11. Mehrrechner-DBMSe / Datenbankmaschinen
11. Mehrrechner-e / Datenbankmaschinen In der Vergangenheit DB-Maschinen oft auf Basis von Spezial-HW-/SW Schnittstelle Anwendungsprogramm - DB-Maschine oft "nicht hoch" genug Interaktion und Integration
Mehr3. Übungsblatt Aufgaben mit Lösungen
. Übungsblatt Aufgaben mit Lösungen Aufgabe : Gegeben sind zwei Teilmengen von R : E := {x R : x x = }, und F ist eine Ebene durch die Punkte A = ( ), B = ( ) und C = ( ). (a) Stellen Sie diese Mengen
Mehrdurch Ratengleichungen der Form t t = F 2 N 1 t, N 2 t d N 1 t
5. Wechselwirkungen zwischen verschiedenen Spezies Allgemein kann man die zeitliche Entwicklung zweier Spezies N 1 und N 2 durch Ratengleichungen der Form d N 1 t d N 2 t = F 1 N 1 t, N 2 t, t = F 2 N
Mehr3.4 Der Gaußsche Algorithmus
94 34 Der Gaußsche Algorithmus Wir kommen jetzt zur expliziten numerischen Lösung des eingangs als eine Motivierung für die Lineare Algebra angegebenen linearen Gleichungssystems 341 n 1 a ik x k = b i,
Mehr2. Räumliche Bewegung
2. Räumliche Bewegung Prof. Dr. Wandinger 1. Kinematik des Punktes TM 3 1.2-1 2. Räumliche Bewegung Wenn die Bahn des Punkts nicht bekannt ist, reicht die Angabe einer Koordinate nicht aus, um seinen Ort
MehrKapitel 12: Schnelles Bestimmen der Frequent Itemsets
Einleitung In welchen Situationen ist Apriori teuer, und warum? Kapitel 12: Schnelles Bestimmen der Frequent Itemsets Data Warehousing und Mining 1 Data Warehousing und Mining 2 Schnelles Identifizieren
MehrEnergy-Efficient Cluster Computing
Energy-Efficient Cluster Computing http://www.eeclust.de April 2009 März 2012 Timo Minartz Universität Hamburg Arbeitsbereich Wissenschaftliches Rechnen Konsortium Universität Hamburg (Koordinator) Thomas
MehrGewöhnliche Differentialgleichungen am Beispiel des harmonischen Oszillators
Gewöhnliche Differentialgleichungen am Beispiel des harmonischen Oszillators Horst Laschinsky 12. Oktober 1999 Inhaltsverzeichnis 1 Gewöhnliche lineare homogene Differentialgleichungen 2. Ordnung mit konstanten
MehrData Warehousing. DWH Projekte. Ulf Leser Wissensmanagement in der Bioinformatik
Data Warehousing DWH Projekte Ulf Leser Wissensmanagement in der Bioinformatik Inhalt DWH Projekte Spezifika Die kritischen Punkte Warum scheitern DWH Projekte? Ulf Leser: Data Warehousing, Vorlesung,
Mehr1 Konzepte der Parallelverarbeitung
Parallelverarbeitung Folie 1-1 1 Konzepte der Parallelverarbeitung Erhöhung der Rechenleistung verbesserte Prozessorarchitekturen mit immer höheren Taktraten Vektorrechner Multiprozessorsysteme (Rechner
Mehr12 Gewöhnliche Differentialgleichungen
12 Gewöhnliche Differentialgleichungen 121 Einführende Beispiele und Grundbegriffe Beispiel 1 ( senkrechter Wurf ) v 0 Ein Flugkörper werde zum Zeitpunkt t = 0 in der Höhe s = 0 t = 0 s = 0 mit der Startgeschwindigkeit
Mehr$Id: reihen.tex,v /06/12 10:59:50 hk Exp $ unendliche Summe. a 1 + a 2 + a 3 +.
Mathematik für Informatiker B, SS 202 Dienstag 2.6 $Id: reihen.tex,v.8 202/06/2 0:59:50 hk Exp $ 7 Reihen Eine Reihe ist eine unendliche Summe a + a 2 + a 3 +. Die Summanden a i können dabei reell oder
MehrZwischencodeerzeugung Compiler II
Zwishenodeerzeugung Compiler II Prof. Dr. Ursula Goltz 14.09.2012 Einleitung Front-End... Parser Sem. Analys Zwishenodegenerator Bak-End Codegenerator... Zwishendarstellung (Zwishenode) evtl. mashinennunabh.
Mehr