Benutzer: Gast  Login
Originaltitel:
Non-Parametric Methods for Data Processing and Knowledge Mining in Bioprocesses 
Übersetzter Titel:
Nicht-parametrische Methoden der Datenverarbeitung und des Knowledge-Mining für die Bioprozessanalyse 
Jahr:
2018 
Dokumenttyp:
Dissertation 
Institution:
Fakultät Wissenschaftszentrum Weihenstephan 
Betreuer:
Becker, Thomas (Prof. Dr.) 
Gutachter:
Becker, Thomas (Prof. Dr.); Gronauer, Andreas (Prof. Dr.) 
Sprache:
en 
Fachgebiet:
BRA Brauwesen; DAT Datenverarbeitung, Informatik 
Stichworte:
Parametric methods, nonparametric methods, bioprocess, biogas, linear fit identification, extrema identification, extrema filtering, density cluster identification, knowledge representation, multivariable analysis 
Übersetzte Stichworte:
Parametric methods, nonparametric methods, bioprocess, biogas, linear fit identification, extrema identification, extrema filtering, density cluster identification, knowledge representation, multivariable analysis 
TU-Systematik:
BRA 200d 
Kurzfassung:
In process analysis, parametric methods provide accurate outcomes only within the considered domain, which makes them unsuitable for dynamic bioprocesses. In contrast, non-parametric methods are model-independent and require fewer underlying assumptions. As such they provide robust outcomes even with dynamic bioprocesses. We introduce non-parametric methods for linear fit identification, extrema identification, extrema filtering, and density cluster identification for bioprocess analysis. 
Übersetzte Kurzfassung:
In der Prozessanalyse ist die Genauigkeit der Ergebnisse parametrischer Methoden nur innerhalb eines definierten Wertebereiches gegeben. Damit sind diese Methoden für dynamische Bioprozesse ungeeignet. Nichtparametrische Methoden sind hingegen Modell unabhängig und erfordern nur wenige Grundannahmen. Sie können daher auch für sehr dynamische Bioprozesse robuste Ergebnisse liefern. Wir stellen hier nicht-parametrische Methoden für die lineare Approximation, Extremwertermittlung, Extremwertfilteru...    »
 
Mündliche Prüfung:
16.03.2018 
Dateigröße:
36323741 bytes 
Seiten:
137 
Letzte Änderung:
23.04.2018