|
Modulbezeichnung (engl.):
Applied Mathematics |
|
Code: WIMASc235 |
|
2V+2U (4 Semesterwochenstunden) |
6 |
Studiensemester: 2 |
Pflichtfach: ja |
Arbeitssprache:
Deutsch |
Prüfungsart:
Klausur
[letzte Änderung 05.03.2013]
|
WIMASc235 (P450-0101) Wirtschaftsingenieurwesen, Master, ASPO 01.10.2014
, 2. Semester, Pflichtfach
|
Die Präsenzzeit dieses Moduls umfasst bei 15 Semesterwochen 60 Veranstaltungsstunden (= 45 Zeitstunden). Der Gesamtumfang des Moduls beträgt bei 6 Creditpoints 180 Stunden (30 Std/ECTS). Daher stehen für die Vor- und Nachbereitung der Veranstaltung zusammen mit der Prüfungsvorbereitung 135 Stunden zur Verfügung.
|
Empfohlene Voraussetzungen (Module):
Keine.
|
Als Vorkenntnis empfohlen für Module:
WIMAScWPF-Ing15 Hydraulik I + II
[letzte Änderung 11.03.2020]
|
Modulverantwortung:
Prof. Dr. Frank Kneip |
Dozent/innen: Prof. Dr. Frank Kneip
[letzte Änderung 11.02.2020]
|
Lernziele:
Studierende, die dieses Modul erfolgreich abgeschlossen haben, können: • Aufgaben mit nichtlinearen Gleichungen lösen, ein geeignetes Lösungsverfahren auswählen und ihre Auswahl begründen • geeignete Systeme in Form eines Linearen Gleichungssystems modellieren und haben die Fähigkeit, unbekannte Parameter anhand von gegebenen Messdaten zu identifizieren • die Grundlagen der Zustandsschätzung bzw. Zeitreihenanalyse mittels Hidden Markov Modellen auf Fragestellungen beschreiben und bekannte Beispiele reproduzieren, sowie die Verfahren auf ähnliche Systeme zu adaptieren • die erlernten Algorithmen in Matlab in Aufgaben implementieren • aus den berechneten Ergebnissen Schlussfolgerungen ziehen und diese plausibilisieren
[letzte Änderung 06.01.2020]
|
Inhalt:
1. Numerische Methoden: Lösung nichtlinearer Gleichungen 1.1 Bisektions-Verfahren 1.2 Fixpunkt-Verfahren 1.3 Sekanten-Verfahren 1.4 Newton-Verfahren 1.5 Genauigkeit und Abbruchkriterien 1.6 Konvergenzeigenschaften 1.7 Anwendungen 2. Parameter-Schätzung: Lineare Ausgleichsrechnung 2.1 Modellierung 2.2 Methode der Kleinsten Quadrate 2.3 Gewichtete Kleinste Quadrate 2.4 Rekursive Kleinste Quadrate 2.5 Anwendungen 3. Zustands-Schätzung und Zeitreihenanalyse: Hidden Markov Modelle 3.1 Definition und Modellierung des Hidden Markov Modells 3.2 Forward-Algorithmus 3.3 Backward-Algorithmus 3.4 Viterbi-Algorithmus 3.5 Baum-Welch-Algorithmus 3.6 Anwendungen
[letzte Änderung 13.12.2019]
|
Weitere Lehrmethoden und Medien:
Beamer-Präsentation, Skript, Tafel, PC, Matlab/Simulink, rechnergestützte Übungen
[letzte Änderung 05.03.2013]
|
Literatur:
• Dahmen, W., Reusken, A.: Numerik für Ingenieure und Naturwissenschaftler; 2. Auflage, Springer, 2008 • Gramlich, G., Werner, W.: Numerische Mathematik mit Matlab; dpunkt verlag, 2000 • Björck, A.: Numerical Methods for Least Squares Problems; Society for Industrial and Applied Mathematics (SIAM), 1996 • Rabiner, L. R.: A Tutorial on Hidden Markov Models and Selected Applications in Speech Recognition; Proceedings of the IEEE, Band 77, Nr. 2, S. 257–286, 1989 • Fraser, A. M.: Hidden Markov Models and Dynamical Systems; Society for Industrial and Applied Mathematics (SIAM), 2009
[letzte Änderung 13.12.2019]
|