Theoretical Studies on a Rotating Film Reactor for Hydrogen Production from Methane

Effect Y 1 (1) –1 –1 –1 –1 0.63664 2 A 1 –1 –1 –1 0.65566 0.23726 3 B –1 1 –1 –1 0.61942 –0.03548 4 C –1 –1 1 –1 0.63726 0.12148 5 D –1 –1 –1 1 0.46394 –1.24500 6 AB 1 1 –1 –1 0.65707 0.08400 7 AC 1 –1 1 –1 [...] 66059 0.01032 8 AD 1 –1 –1 1 0.48064 –0.00704 9 BC –1 1 1 –1 0.61849 –0.01302 10 BD –1 1 –1 1 0.45453 0.03358 11 CD –1 –1 1 1 0.49435 0.10510 12 ABC 1 1 1 –1 0.66064 –0.00006 13 ABD 1 1 –1 1 0.49463 0.00910 [...] 00910 14 ACD 1 –1 1 1 0.51193 –0.00730 15 BCD –1 1 1 1 0.48001 –0.00720 16 ABCD 1 1 1 1 0.52074 –0.00044 Figure 3. Resulting effects from the DoE. Positive values indi- cate an increase in conversion when …

Vorlesung Maschinelles Lernen - Strukturelle Modelle – SVMstruct

gungen an: SVM1 : min~β,ξ 1 2‖~β‖ 2 + C N ∑N i=1 ξi ∀i,∀~y ∈ Y \~yi : 〈~β, δΨi(~y)〉 ≥ 1− ξi ∆(~yi,~y) (8) SVM2 : min~β,ξ 1 2‖~β‖ 2 + C 2N ∑N i=1 ξ 2 i ∀i,∀~y ∈ Y \~yi : 〈~β, δΨi(~y)〉 ≥ 1− ξi√ ∆(~yi,~y) [...] Optimieren 1 Input: T = {( ~x1, ~y1), ..., ( ~xN , ~yN )}, C, ε 2 Si := {} für alle i = 1, ..., N 3 Solange ein Si sich in der Iteration ändert: 4 for i = 1, ..., N do 5 Kosten: H(~y)  1− 〈δΨi(~y) [...] konkreten Problem ab, eine Darstellung für Parse-Trees liefert z.B. Ψ(~x, ~y) =  1 1 1 0 ... 0 1  S→ NP, VP NP→ Det, N NP→ Prep, N NP→ Adj, N ... Prep→ in Prep→ bei 13 von 37 LS 8 …

Vorlesung Maschinelles Lernen - Strukturelle Modelle – SVMstruct

gungen an: SVM1 : min~β,ξ 1 2‖~β‖ 2 + C N ∑N i=1 ξi ∀i,∀~y ∈ Y \~yi : 〈~β, δΨi(~y)〉 ≥ 1− ξi ∆(~yi,~y) (8) SVM2 : min~β,ξ 1 2‖~β‖ 2 + C 2N ∑N i=1 ξ 2 i ∀i,∀~y ∈ Y \~yi : 〈~β, δΨi(~y)〉 ≥ 1− ξi√ ∆(~yi,~y) [...] Optimieren 1 Input: T = {( ~x1, ~y1), ..., ( ~xN , ~yN )}, C, ε 2 Si := {} für alle i = 1, ..., N 3 Solange ein Si sich in der Iteration ändert: 4 for i = 1, ..., N do 5 Kosten: H(~y)  1− 〈δΨi(~y) [...] konkreten Problem ab, eine Darstellung für Parse-Trees liefert z.B. Ψ(~x, ~y) =  1 1 1 0 ... 0 1  S→ NP, VP NP→ Det, N NP→ Prep, N NP→ Adj, N ... Prep→ in Prep→ bei 13 von 37 LS 8 …

rado.tu-dortmund.de/bitstreams/1faab1e5-c9b0-4f21-8979-01f384f34333/download","type":"application/pdf"},{"href":"https://eldorado.tu-dortmund.de/bitstreams/d9f30a05-edf1-4c00-8415-9c1068d37fed/download" [...] d.de/signposting/linksets/8ec65132-1df0-454c-8aba-2fef46380957/json","type":"application/linkset+json"}],"anchor":"https://eldorado.tu-dortmund.de/bitstreams/1faab1e5-c9b0-4f21-8979-01f384f34333/download"} [...] .de/signposting/linksets/8ec65132-1df0-454c-8aba-2fef46380957","type":"application/linkset"},{"href":"https://eldorado.tu-dortmund.de/signposting/linksets/8ec65132-1df0-454c-8aba-2fef46380957/json","t …

Antimicrobial and antioxidative activities of 1-adamantylthio derivatives of 3-substituted pyridines

tested 2-(1-adamantylthio)-3-ethoxypyridine (4a), 2-(1-adamantylthio)-3-acetoxypyridine (4b), N-acetyl-2-(1-adamantylthio)-3-acetamidopyridine (4c), 2-(1-adamantylthio)-3-bromopyridine (4d), 2-(1-adamant [...] article de dcterms.accessRights open access eldorado.dnb.zdberstkatid 2132560-1 Files Original bundle Now showing 1 - 1 of 1 Loading... Name: prachayasittikul10-03proof.pdf Size: 240.9 KB Format: Adobe [...] Portable Document Format Description: DNB Download License bundle Now showing 1 - 1 of 1 No Thumbnail Available Name: license.txt Size: 1.03 KB Format: Item-specific license agreed upon to submission Description: …

7MLVcluster.pdf

eiten: Sim( !x1, !x2) = 1 p p" j=1 sim(x1j , x2j) Die Korrelation verwendet das Mittel x̄i über allen p Variablen: Sim( !x1, !x2) = #p j=1(x1j # x̄1)(x2j # x̄2)$#p j=1(x1j # x̄1)2 #p j=1(x2j # x̄2)2 (2) [...] D( !x1, !x2) = p" j=1 wjdj(x1j , x2j); p" j=1 wj = 1 (3) Bei quadratischem Abstand d12 ergibt sich: D( !x1, !x2) = p" j=1 wj(x1j # x2j)2 (4) Man kann die Korrelation (Gleichung 2) verwenden: 1# Sim( [...] , dann ist die normalisierte Ähnlichkeit: simj(x1j , x2j) = 1# |x1j # x2j | maxj #minj Nominale Attribute: Ganz einfach: simj(x1j , x2j) = ! 1 falls x1j = x2j 0 sonst 7 von 38 LS 8 Künstliche Intelligenz …

Vorlesung Maschinelles Lernen - Cluster Analyse

eiten: Sim( ~x1, ~x2) = 1 p p∑ j=1 sim(x1j , x2j) Die Korrelation verwendet das Mittel x̄i über allen p Variablen: Sim( ~x1, ~x2) = ∑p j=1(x1j − x̄1)(x2j − x̄2)√∑p j=1(x1j − x̄1)2 ∑p j=1(x2j − x̄2)2 (2) [...] D( ~x1, ~x2) = p∑ j=1 wjdj(x1j , x2j); p∑ j=1 wj = 1 (3) Bei quadratischem Abstand d12 ergibt sich: D( ~x1, ~x2) = p∑ j=1 wj(x1j − x2j)2 (4) Man kann die Korrelation (Gleichung 2) verwenden: 1− Sim( ~x1 [...] , dann ist die normalisierte Ähnlichkeit: simj(x1j , x2j) = 1− |x1j − x2j | maxj −minj Nominale Attribute: Ganz einfach: simj(x1j , x2j) = { 1 falls x1j = x2j 0 sonst 7 von 38 LS 8 Künstliche Intelligenz …

Evaluation-Sommer2017-anonymisiert

Fragebögen 1,00 2,00 3,00 4,00 5,00 6,00 1,00 2,00 3,00 4,00 5,00 6,00 B ew er bu ng D oz en t/ in / B et re uu ng 1= se hr g ut , . .., 6 = s eh r s ch le ch t Bewertung der Veranstaltung 1=sehr gut, [...] vor, jeweils etwa 1.000 Fragebögen in der "Standard-Variante" und in der "HelpDesk-Variante". Übersichten 1 2 3 4 5 6 0 20 40 60 80 100 120 140 160 180 200 G es am tb ew er tn g 1= se hr g ut , . .., [...] und Projekte 1 2 3 4 5 6 0 5 10 15 20 25 30 G es am tb ew er tn g 1= se hr g ut , . .., 6 = se hr s ch le ch t Anzahl der Fragebögen Evaluation Sommer 2017: Gesamtnote Didaktik-Seminare 1,00 2,00 3,00 …

39 1,48 1,44 1,44 1,43 1,41 1,39 1,38 1,36 1,34 GB04 0,39 - - - - 1,51 1,67 1,58 1,74 1,72 GB05 0,39 1,37 1,29 1,29 1,32 1,36 1,37 1,42 1,43 1,43 GB06 0,77 1,80 1,68 1,66 1,64 1,62 1,60 1,59 1,57 1,54 [...] GB07 1,74 1,32 1,28 1,28 1,25 1,28 1,30 1,29 1,29 1,31 Bei Unterlast GB01 3,09 1,43 1,38 1,40 1,39 1,41 1,42 1,41 1,40 1,40 GB02 0,39 1,49 1,43 1,43 1,45 1,45 1,45 1,37 1,34 1,42 GB03 0,39 1,72 1,65 1 [...] 88 1,85 1,81 1,78 1,74 1,71 1,68 GB04 0,39 - - - - 1,83 1,96 1,81 2,13 2,17 GB05 0,39 2,24 1,93 1,80 1,74 1,72 1,67 1,68 1,67 1,67 GB06 0,77 2,35 2,11 2,09 2,05 2,05 2,05 2,06 2,02 1,90 GB07 1,74 1,57 …