- Seite 1: Adaptive Modellierung und Simulatio
- Seite 7 und 8: Inhaltsverzeichnis Inhaltsverzeichn
- Seite 9 und 10: Inhaltsverzeichnis IX 5.4 Der Simul
- Seite 11 und 12: 1-2 Einleitung modellieren soll ode
- Seite 13 und 14: 2 Black-Box-Modellierung Der einfac
- Seite 15 und 16: 2.2 Lineare Modellierung Lineare Mo
- Seite 17 und 18: ist a = cov( x, y) var( x) = y x
- Seite 19 und 20: x2 α d b × x a u Hyperebene mit g
- Seite 21 und 22: Die Grenzen des linearen Modells 2-
- Seite 23 und 24: Die Grenzen des linearen Modells 2-
- Seite 25 und 26: Die Grenzen des linearen Modells 2-
- Seite 27 und 28: Die Grenzen des linearen Modells 2-
- Seite 29 und 30: Nichtlineare Modellierung mit Polyn
- Seite 31 und 32: z(w,x) = w T x - s Nichtlineare Mod
- Seite 33 und 34: Backpropagation-Netze 2-21 Abb. 2.9
- Seite 35 und 36: Backpropagation-Netze 2-23 dieser
- Seite 37 und 38: −z ∂ 1 + 1− 1+ e S'( z) = = =
- Seite 39 und 40: Training, Validierung, Testen 2-27
- Seite 41 und 42: Eine Funktion SG mit den Eigenschaf
- Seite 43 und 44: RBF-Netze 2-31 Diese Art von Neuron
- Seite 45 und 46: Abb. 2.17 Transformation auf Normal
- Seite 47 und 48: RBF-Lernverfahren 2-35 Initialisier
- Seite 49 und 50: RBF-Lernverfahren 2-37 Abb. 2.19 An
- Seite 51 und 52: Anwendungsbeispiel: Reaktormodell 2
- Seite 53 und 54:
Anwendungsbeispiel: Reaktormodell 2
- Seite 55 und 56:
Approximationsleistung neuronaler N
- Seite 57 und 58:
3 Wissensbasierte Modellierung Eine
- Seite 59 und 60:
- Albedo + Einführung in dynamisch
- Seite 61 und 62:
Einführung in dynamische Systeme 3
- Seite 63 und 64:
Einführung in dynamische Systeme 3
- Seite 65 und 66:
Einführung in dynamische Systeme 3
- Seite 67 und 68:
Umweltbelastung Umweltbelastung 1,8
- Seite 69 und 70:
Einführung in dynamische Systeme 3
- Seite 71 und 72:
Dynamische Modellierung 3-15 der Pa
- Seite 73 und 74:
Dynamische Modellierung 3-17 In Abb
- Seite 75 und 76:
U* * % 0 S U U0 CU -1 * Dynamische
- Seite 77 und 78:
CD * B * CB -1 (c) (a) (b) U* CG *
- Seite 79 und 80:
Bevölkerung Konsum Umweltbelastung
- Seite 81 und 82:
Grundelemente dynamischer Modellier
- Seite 83 und 84:
Zufluss h Grundelemente dynamischer
- Seite 85 und 86:
Grundelemente dynamischer Modellier
- Seite 87 und 88:
Grundelemente dynamischer Modellier
- Seite 89 und 90:
Grundelemente dynamischer Modellier
- Seite 91 und 92:
u' = v v' = -a⋅u -b⋅v Stabilit
- Seite 93 und 94:
Grundelemente dynamischer Modellier
- Seite 95 und 96:
12 10 8 6 4 2 0 N2 Grundelemente dy
- Seite 97 und 98:
Grundelemente dynamischer Modellier
- Seite 99 und 100:
Grundelemente dynamischer Modellier
- Seite 101 und 102:
u' = bu + s⋅u* 2 2 v - ruu + ∂
- Seite 103 und 104:
3.4 Gleichgewichtssysteme Gleichgew
- Seite 105 und 106:
y* Warenmenge y yp(x) x* Preis x Gl
- Seite 107 und 108:
Gleichgewichtssysteme 3-51 Durch di
- Seite 109 und 110:
Schätzung der Parameter 3-53 so is
- Seite 111 und 112:
dz1 dt dz dt 2 = x1 - c g1(z1,z2) =
- Seite 113 und 114:
Schätzung der Parameter 3-57 abzul
- Seite 115 und 116:
4 Hierarchische Systeme Große, kom
- Seite 117 und 118:
Hierarchiebildung durch Aggregation
- Seite 119 und 120:
Hierarchiebildung durch Aggregation
- Seite 121 und 122:
Hierarchiebildung durch lineare Mul
- Seite 123 und 124:
Hierarchiebildung durch lineare Mul
- Seite 125 und 126:
a2j = γ0 + γ1ej + u2j Hierarchieb
- Seite 127 und 128:
Hierarchiebildung und Strukturanaly
- Seite 129 und 130:
Hierarchiebildung und Strukturanaly
- Seite 131 und 132:
Hierarchiebildung und Strukturanaly
- Seite 133 und 134:
Hierarchiebildung und Strukturanaly
- Seite 135 und 136:
4.3.2 Zeitverschobene Einflüsse Hi
- Seite 137 und 138:
Hierarchiebildung und Strukturanaly
- Seite 139 und 140:
5 Simulation Der Begriff „Simulat
- Seite 141 und 142:
K(B) = KB + KL = RF B + ½HB Determ
- Seite 143 und 144:
Deterministische Simulation 5-5 Dig
- Seite 145 und 146:
Deterministische Simulation 5-7 sen
- Seite 147 und 148:
Eingang Warenlager Deterministische
- Seite 149 und 150:
Deterministische Simulation 5-11 ei
- Seite 151 und 152:
1 0 p(x) P(x) Stochastische Simulat
- Seite 153 und 154:
a Intervalle Δx b Stochastische Si
- Seite 155 und 156:
xt = 7 1 8 2 → 5 1 5 8 1 1 2 4 xt
- Seite 157 und 158:
x% = m x% 1 = k 2 2 Stochastische S
- Seite 159 und 160:
Stochastische Simulation 5-21 hinau
- Seite 161 und 162:
x = ln ( y) − λ Stochastische Si
- Seite 163 und 164:
Stochastische Simulation 5-25 Der o
- Seite 165 und 166:
Stochastische Simulation 5-27 ist,
- Seite 167 und 168:
x = Stochastische Simulation 5-29 n
- Seite 169 und 170:
st = ⎧1 x ≥ x ⎨ ⎩0 x < x t
- Seite 171 und 172:
Simulation mit Monte Carlo-Verfahre
- Seite 173 und 174:
Simulation mit Monte Carlo-Verfahre
- Seite 175 und 176:
Simulation mit Monte Carlo-Verfahre
- Seite 177 und 178:
Der Simulationsrahmen 5-39 Wir kön
- Seite 179 und 180:
5.4.3 Modellintegration realen Syst
- Seite 181 und 182:
Der Simulationsrahmen 5-43 gen zwar
- Seite 183 und 184:
Der Simulationsrahmen 5-45 Bei nich
- Seite 185 und 186:
Auswertung der Simulationsergebniss
- Seite 187 und 188:
5.5.3 Synchronisierung der Zufallsv
- Seite 189 und 190:
Auswertung der Simulationsergebniss
- Seite 191 und 192:
L-2 Literaturverzeichnis Franses, P
- Seite 193 und 194:
L-4 Literaturverzeichnis Bossel, Ha
- Seite 195 und 196:
L-6 Literaturverzeichnis http://cle
- Seite 197 und 198:
2 Abbildungsverzeichnis Abb. 3.18 W
- Seite 199 und 200:
Anhang A Der Fixpunktalgorithmus f
- Seite 201 und 202:
Index A Abbaurate 3-17, 3-45 activa
- Seite 203 und 204:
maximum likelihood-Schätzung 3- 52