Seminar zur Entscheidungslehre "Interpolation und Regression"

• Organisatorisches
  • Ankündigung der Veranstaltung im EVV
  • Einordnung: Das Seminar ist als Hauptseminar (verteidigtes Referat, 8 CP) für das Fach Entscheidungslehre anerkennbar. Es ist eine Anmeldung beim Prüfungsamt nötig.
  • Termin: Das Seminar findet als Kompakt-Seminar vom 24.11. bis 25.11.2005 im SR1 statt.
  • Platzvergabe: Die Plätze für das Seminar werden per e-Mail vergeben.
  • Der Abgabetermin für die Seminararbeit ist auf den 14.11.2005 um 17.00 Uhr festgelegt.
  • Zeitplan für das Seminar:
    • Donnerstag:
      09.00 Uhr Thema 2
      10.00 Uhr Thema 3
      11.00 Uhr Thema 4
      12.00 Uhr Mittagspause
      14.00 Uhr Thema 8
      15.00 Uhr Thema 9
      16.00 Uhr Thema 11
      17.00 Uhr Ende des ersten Tages
      
    • Freitag:
      09.00 Uhr Thema 12
      10.00 Uhr Thema 13
      11.00 Uhr Thema 14
      12.00 Uhr Ende des zweiten Tages
  • Ausarbeitungen und Präsentationen (passwortgeschützt)


• Themen

  (betreut von Dr. Ulrich Kathöfer (UK) und MScIS Stephan Dlugosz (SD))

  1. extra: Polynom-Interpolation (STO Kap. 2.1; UK)
  2. Interpolation mit rationalen Funktionen (STO Kap. 2.2; UK) (Nils Kelleter)
     
  3. Interpolation mit Tschebyscheff-Polynomen (BGK Kap. 19; UK) (Florian Baten)
     
  4. Trigonometrische Interpolation (STO Kap. 2.3; UK) (Stephan Poll)
     
  5. Interpolation mit Bézier-Polynomen (BGK Kap. 20; UK)
  6. extra: Spline-Interpolation (STO Kap 2.4; UK)
  7. extra: Interpolation mit B-Splines (ST5 Kap 2.4.4-2.4.5; UK)
  8. Nichtlineare Regression mit KQ-Schätzung (FHT; SD) (Sai Cheong Yuen)
     
  9. Projection Pursuit Regression (PPR) und Multi-Layer-Perceptron (MLP) (HTF Kap. 11, ROJ, ZEL; SD) (Kathrin Heeschen)
     
  10. extra: Univariate Kernel-Dichteschätzung (SIM Kap. 3; SD)
      
  11. Multivariate Dichteschätzung (SIM Kap. 4; SD) (Jens Michel)
      
  12. Kernel-Regression (SIM Kap. 5; SD) (Johannes Tomasoni)
      
  13. CART und Multivariate Adaptive Regression Splines (MARS) (HTF Kap. 9; SD) (Oliver Liebsch)
      
  14. Support Vector Machines (HTF Kap. 12; SD) (Sven Becker)
      


• Literatur:
  1. Fahrmeir/Hamerle/Tutz (FHT) "Multivariatestatistische Verfahren" (WI 52-262)
     
  2. Hastie/Tibshirani/Friedman (HTF) "The Elements of Statistical Learning" (WI 52-411)
     
  3. Rojas (ROJ) "Theorie der neuronalen Netze" (WI 16-434)
     
  4. Simonoff (SIM) "Smoothing Methods in Statistics" (WI 52-378)
     
  5. Zell(ZEL) "Simulation neuronaler Netze" (WI 16-360)
     
  6. Stoer (STO) "Numerische Mathematik 1" (WI 51-117/1)
  7. Stoer (ST5) "Numerische Mathematik 1", 5. Auflage
     
  8. Boehm/Gose/Kahmann (BGK) "Methoden der Numerischen Mathematik" (WI 51-22)
     


• Informationen zur Anfertigung von Seminararbeiten

• Seitenanfang
• zurückblättern