Unsere Welt wird immer komplexer und undurchschaubarer. Wie können wir damit umgehen? Eine plausible, oft genutzte Strategie besteht darin, das betrachtete System auf wenige, wichtige Wesenszüge zu reduzieren: Wir machen ein Modell. Ähnlich einem Gebäudemodell in der Architektur, das nicht aus dem gleichen Material oder mit allen Details wie das geplante Gebäude bestehen muss, ist unser Modell nur eine Abstraktion des Systems, nicht das System selbst. Deshalb sind alle Verallgemeinerungen vom Modell zur Wirklichkeit mit Vorsicht zu betrachten.
Trotzdem erhalten wir aber wichtige Vorteile durch die Modellbildung:Hier finden Sie die aktuelle Version des Skripts und hier die Übungen.
Termin |
Thema |
Folien im .ppt-Format |
Handzettel-Folien für Notizen .pdf |
|
14.4. |
Kapitel 1: Einleitung + Übersicht | Kapitel 1 | Kapitel 1 | |
16.4. |
Kapitel 2: Black-Box-Modellierung Lineare Modellierung, TLMSE, |
Kapitel 2 | Kapitel 2 | |
21.4. |
Grenzen des lin. Modells, Multikollinearität, Tests |
|||
23.4. |
Adaptive Nicht-lineare Modellierung: Polynomapproximation, Neuronale Netze, Backpropagation-Netze, | |||
28.4. |
Backpropagation-Lernen, online- und offline-Lernen, Training und Overfitting | |||
30.4. |
RBF-Netze, Lernen in RBF-Netzen, 1.Schicht, | |||
05.5. |
2.Schicht, Beispiel Prozesskontrolle, Allgem. Eigenschaften neuronaler Netze. | |||
19.5. |
Kapitel 3 Wissensbasierte Systeme Dynamische Systeme: Einführung, Beispiel Mini-Weltmodell |
Kapitel 3 | Kapitel 3 | |
21.5. |
Modellierung und Stabilität, Simulation des Mini-Weltmodells.XLS, | |||
26.5. |
Modellierung von Subsystemen, Kombination der Subsysteme, Elementare dynamische Systeme mit keiner und einer Zustandsvariablen, Dimensionskalibrierung, Dimensionsnormierung | |||
28.5. |
Elementare dynamische Systeme mit zwei Zustandsvariablen, exponent. und logist. Wachstum, lineare Systeme, Stabilität lin. Systeme, Simulation der Systeme.XLS | |||
2.6. |
nicht-lin. Systeme mit zwei Variablen, Futterkonkurrenz, Räuber-Beute-Systeme, Bistabile Oszillator, Antagonisten-Systeme, Muschelpigmentierung | |||
9.6. |
Gleichgewichtssysteme, Parameterschätzung, Newton-Raphson-Iteration, Beispiel RWI-Konjunkturmodell, Parameterwahl und Modellkomplexität | |||
11.6. |
Kapitel 4 Hierarchische Systeme Hierarchische Systeme, Aggregation, RAS-Verfahren, |
Kapitel 4 | Kapitel 4 | |
16.6. |
Bottom-up: Multi-Level-Systeme, Beispiel Tabakeinfluss, Kausale Strukturanalyse 1 | |||
18.6. |
Kausale Strukturanalyse 2 | |||
23.6. |
Kapitel 5 Simulation Deterministische Simulation: Analytische Modellierung und Simulation, Simulation kontinuierlicher und diskreter Ereignisse |
Kapitel 5 | Kapitel 5 | |
25.6. |
Ereignisorientierte Simulation, Datenstrukturen des Dispatching, Stochastische Simulation: Eigenschaften von Zufallszahlen | |||
30.6. |
Generierung von uniform verteilten Zufallszahlen, Anpassen von Erwartungswert, Streuung, Intervallgrenzen | |||
|
Erzeugung einer Verteilung durch inverse Funktionsmethode, Diskrete Verteilungen | |||
02.7. |
Erzeugen von Laplace,Chi2, Normalverteilungen, Run-Tests, Anpassungstests | |||
|
Monte-Carlo-Simulationsmethoden | |||
07.7. |
Der Simulationsrahmen: Modellierung, Detaillierung, Eingabeverteilungen | |||
09.7. |
Simulationsauswertung, Fragen +Antworten | |||
21.07. |
Klausur im HS14, Hörsaalzentrum Bitte nur (nicht-programmierbaren) Taschenrechner mitbringen. Papier wird gestellt. |
Ergebnisse | Musterlösung | |
23.07. |
Klausurauslage im Raum 104a | |||
14.09. |
Nachprüfung |