Computerorientierte Physik VORLESUNG Zeit: jeweils Mo. 9.40 - 11.10 Uhr Ort: Hörsaal 5.01, Institut für Experimentalphysik, Universitätsplatz 5, A-8010.

Slides:



Advertisements
Ähnliche Präsentationen
COLLIDE und COLDEX Forschungsgruppe und Projekt
Advertisements

Hauptseminar Robot/Computer Vision SS 2001 Active Contours von Andrew Blake und Michael Isard B-Splines Florian Klaschka.
Simulation komplexer technischer Anlagen
Das virtuelle Physiklabor im Computer: Vom Experiment zur Simulation
Vorlesung Prozessidentifikation
13. Transformationen mit Matrizen
Seminar Stochastik im WS 02/03
Multivariate Analysemethoden Johannes Gutenberg Universität Mainz
Unterstützung des Lernprozesses durch Graphen
Numerik partieller Differentialgleichungen
Simulation komplexer technischer Anlagen
3.Februar 2003 SFB Seminar Kiel1 Energie- und Wasserdampftransporte in die Arktis bestimmt aus Radiosondendaten Andreas Hense, Reinhardt Hagenbrock,Martin.
Computerkurs: Quantitative Auswertung biochemischer Experimente Tag 8 Einführung in die numerische Integration Aufgabe 18: Simulation einer Assoziationskinetik.
Lösung linearer Gleichungssysteme
Universität Stuttgart Wissensverarbeitung und Numerik I nstitut für K ernenergetik und E nergiesysteme Numerik partieller Differentialgleichungen, SS 01Teil.
Universität Stuttgart Wissensverarbeitung und Numerik I nstitut für K ernenergetik und E nergiesysteme Numerische Methoden, SS Numerische Methoden.
K. Desch - Statistik und Datenanalyse SS05
Mathematik Unterschiede GK / LK R. Redix 2009.
Mathematische Grundlagen und Rechnen mit algebraischen Zahlen
Vorlesung Die Vorlesung Statistische Methoden II nächste Woche vom 6. Juni ( nächste Woche ) wird auf den 4. Juni (Mittwoch) vorverlegt ! 14 – 16 Zeit:
Folie 1 § 30 Erste Anwendungen (30.2) Rangberechnung: Zur Rangberechnung wird man häufig die elementaren Umformungen verwenden. (30.1) Cramersche Regel:
Einsatz des GTR in der Sekundarstufe I
Generalisierte additive Modelle
Simulation komplexer technischer Anlagen
Computergrafik – Inhalt Achtung! Kapitel ist relevant für CG-2!
Universität Stuttgart Wissensverarbeitung und Numerik I nstitut für K ernenergetik und E nergiesysteme Numerik partieller Differentialgleichungen, SS 01Teil.
Fachhochschule Wels Mechatronik Wirtschaft - MEWI  FH Campus Wels Einführung in die Informatik Fernlehre: Ingenieurtechnische Anwendungen der Tabellenkalkulation.
Ausgleichungsrechnung I
EXCEL PROFESSIONAL KURS
Computerorientierte Physik VORLESUNG und Übungen Vorlesung Zeit: Di., 8.30 – Uhr Ort: Hörsaal 5.01, Institut für Experimentalphysik, Universitätsplatz.
Computerorientierte Physik VORLESUNG Zeit: jeweils Mo Uhr Ort: Hörsaal 5.01, Institut für Experimentalphysik, Universitätsplatz 5, A-8010.
© Roland Angst, 2012Institute for Visual Computing Exercise Session 1 Roland Angst,
Adaptive Systeme-2 Grundlagen
§23 Basiswechsel und allgemeine lineare Gruppe
§3 Allgemeine lineare Gleichungssysteme
Charakteristika linearer Gleichungen auffinden Lineare Gleichungssysteme Lösen durch Elimination Eliminationsprogramm erstellen Anwendung: Bahn eines.
Lärmschutzwirkung gekrümmter Lärmschutzwände
Wie bewältigt man Stationaritätsannahmen in der Geostatistik? Brenning & van den Boogaart A.Brenning, Humboldt-Universität zu Berlin
Algorithm Engineering „GPU Algorithmen“
Computerorientierte Physik VORLESUNG und Übungen Vorlesung Zeit: Di., 8.30 – Uhr Ort: Hörsaal 5.01, Institut für Experimentalphysik, Universitätsplatz.
Computerorientierte Physik VORLESUNG und Übungen Vorlesung Zeit: Mo., – Uhr Ort: Hörsaal 5.01, Institut für Physik, Universitätsplatz 5, A-8010.
Computerorientierte Physik VORLESUNG und Übungen Vorlesung Zeit: Di., 8.30 – Uhr Ort: Hörsaal 5.01, Institut für Experimentalphysik, Universitätsplatz.
Computerorientierte Physik VORLESUNG und Übungen
Computerorientierte Physik VORLESUNG Zeit: jeweils Mo Uhr Ort: Hörsaal 5.01, Institut für Experimentalphysik, Universitätsplatz 5, A-8010.
Computerorientierte Physik VORLESUNG
Computerorientierte Physik VORLESUNG
Computerorientierte Physik VORLESUNG und Übungen VORBESPRECHUNG Zeit: Mo , Uhr Ort: Hörsaal 5.01, Institut für Experimentalphysik, Universitätsplatz.
Computerorientierte Physik VORLESUNG
Computerorientierte Physik VORLESUNG Zeit: jeweils Mo Uhr Ort: Hörsaal 5.01, Institut für Experimentalphysik, Universitätsplatz 5, A-8010.
Computerorientierte Physik VORLESUNG und Übungen VORLESUNG Zeit: jeweils Mo Uhr Ort: Hörsaal 5.02, Institut für Experimentalphysik, Universitätsplatz.
Facharbeitsthemen LK Mathematik 03/05.
Inhalt Vorbemerkung Vorstellung einer Unterrichtssequenz Kritik
1 (C) 2007, Hermann Knoll, HTW Chur, Fachhochschule Ostschweiz teMat1: Mathematik 1 / TET 4 CP / 54 Kontaktlektionen Hermann Knoll.
Data Mining Georg Pölzlbauer.
Multivariate Statistische Verfahren
Multivariate Statistische Verfahren
Stetige Kleinste-Quadrate-Approximation
Extremalprobleme Extremalprobleme sind Anwendungsprobleme.
Die Wege - Modellierung und Simulation von biochemischen Stoffwechselpfaden Ursula Kummer EML Research gGmbH.
Schidurchbiegung im Schnee von Dieter Heinrich, Andreas Rudigier, Anita Wibmer.
Dr.-Ing. R. Marklein - GET I - WS 06/07 - V Grundlagen der Elektrotechnik I (GET I) Vorlesung am Fr. 08:30-10:00 Uhr; R (Hörsaal)
Variogramme und Kriging
K. Desch - Statistik und Datenanalyse SS05 1 Zusammenfassung 2. Vorlesung (22.4.) Schiefe (Skewness): Maß für die Asymmetrie der Verteilung um den Mittelwert.
K. Desch - Statistik und Datenanalyse SS05
Kap. 7: Die quadratische Funktion – numerisch, graphisch, theoretisch
Das Gebäude der Mathematik
Computergestützte Studie von Molekülstrukturen - Vergleich von gemessenen und berechneten Spektren Richard Moha Institut für organische Chemie RWTH Aachen.
Multivariate Statistische Verfahren
Berechnung des Fixverktors bei stochastischen Matrizen
Integration durch lineare Substitution
 Präsentation transkript:

Computerorientierte Physik VORLESUNG Zeit: jeweils Mo Uhr Ort: Hörsaal 5.01, Institut für Experimentalphysik, Universitätsplatz 5, A-8010 Graz

6. Simulation und Modellierung 6.1 numerische Methoden Interpolation und Spline-Funktionen Datenanalyse mit Hilfe innerer Produkte Datenanalyse mit Hilfe der Kreuz-Korrelation Nullstellen von Funktionen Lösung linearer Gleichungssysteme (Invertierung von Matrizen) Numerische Differentiation Numerische Integration (numerische Quadratur) Lösung von Differentialgleichungen (Integralgleichungen) Monte-Carlo und Entropie- Methoden (statistische Methoden)

Datenanalyse mit inneren Produkten Problemstellung: Wie stark ist eine bekannte Funktion f(x) in einer gemessenen Funktion g(x) enthalten? Mathem. Grundlage: inneres Produkt in Funktionenräumen (Vektorräumen) Ergebnis: Anteil von f(x) in g(x) (Projektion von Vektoren) Anwendung: Analyse von Stoffgemischen (Spektroskopie)

Datenanalyse mit Kreuz- Korrelation Problemstellung: Wie ähnlich ist eine bekannte Funktion f(x) zu einer gemessenen Funktion g(x) ? Kreuz-Korrelationsfunktion k(y): Ergebnis: Ähnlich zum inneren Produkt, wenn Maximum von k(y) bei y=0 liegt (Auto-Korrelation). Sonst liegt Verschiebung vor.