Mathematik im Fraunhofer-Institut : Problemgetrieben - Modellbezogen - sungsorientiert /
Saved in:
| Imprint: | Heidelberg, Germany : Springer Spektrum, 2015. ©2015 |
|---|---|
| Description: | 1 online resource (456 pages) : color illustrations, photographs. |
| Language: | German |
| Subject: | |
| Format: | E-Resource Book |
| URL for this record: | http://pi.lib.uchicago.edu/1001/cat/bib/11088637 |
Table of Contents:
- Mathematik im Fraunhofer-Institut; Vorwort; Inhaltsverzeichnis; Teil I: Einleitung; Probleme dominieren Methoden: Eine etwas andere Mathematik aus einem etwas anderen Haus; 1 "Mathematik im Fraunhofer-Institut" versus "Angewandter Mathematik"; 2 Problemgetrieben oder Methodengetrieben?; 3 Modellbasiert und lösungsorientiert; 4 Mathematik als Motor für Innovation in Technik und Gesellschaft; 5 Mathematik ist universell anwendbar, weil sie quer liegt; 5.1 Komitee für mathematische Modellierung, Simulation und Optimierung (KoMSO); 5.2 "Mathematik
- Motor der Wirtschaft"; 5.3 ECMI; 5.4 Berlin
- 5.5 Kaiserslautern5.6 Weitere Aktivitäten in Deutschland; 6 Wie ist das Buch aufgebaut?; 7 Kurzportrait des Fraunhofer-Institutes für Techno- und Wirtschaftsmathematik ITWM; 7.1 Welche Kompetenzen und welche Strukturen werden benötigt, um erfolgreich Mathematiktransfer zu betreiben?; 7.2 Abteilungen, Geschäftsfelder und Kunden; 7.3 Kooperation mit dem Fraunhofer-Chalmers-Centre for Industrial Mathematics FCC; 8 Fazit ITWM; Anhang: Das Fraunhofer ITWM in Zahlen; Teil II: Die Konzepte; Modellierung; 1 Was ist ein Modell, was ist Modellieren?; 2 Warum modelliert man?
- 3 Es gibt niemals nur ein Modell. Wie findet man das passende?4 Wege zur Modellreduktion; 4.1 Methoden der asymptotischen Analysis, der Störungsrechnung oder des Upscalings; 4.2 Modellordnungsreduktion (MOR), Projektionsverfahren; 4.3 Surrogat-Modelle; 5 Zusammenfassung; Literaturverzeichnis; Berechnung; 1 Die Grundlagen; 2 Neuentwicklung oder Anpassung bekannter Algorithmen?; 3 Gittererzeugung; 4 Diskretisierung; 5 Mikrostruktursimulation (Voxel-basierte Methoden); 6 Numerik für Multiskalen-Probleme; 7 Bildanalyse; 8 Die Bewertung der Simulationen; Datenanalyse; 1 Datenquellen
- 2 Datenqualität und Informationsgehalt3 Datenintegration und Datenvorverarbeitung; 4 Datenbasierte Modellierung; 5 Unüberwachtes Lernen; 5.1 Clusteranalyse; 5.2 Merkmalsauswahl; 6 Überwachtes Lernen; 6.1 Nichtparametrische Regression; 6.2 Empirische Risikominimierung; 6.3 Lokales Glätten und Regularisierung; 6.4 Siebschätzer; 7 Datenadaptive Komplexitätswahl; 8 Schlussbetrachtungen; Literaturverzeichnis; Optimierungsprozesse; 1 Verbessern oder gar Optimieren?; 2 Die mathematische Optimierungsaufgabe; 3 Gibt es die mathematische Optimierungsaufgabe in der Praxis?
- 4 Flexible Optimierungskonzepte für die Praxis5 Integration von Simulation und Optimierung
- Fluch der Komplexität?; 6 Optimierung unter Unsicherheit; 7 Schlussbemerkungen; Literaturverzeichnis; Teil III: Die Forschung; Virtuelle Produktion von Filamenten und Vliesstoffen; 1 Gleichmäßigkeit aus Chaos
- eine Herausforderung für die Produktion; 2 Nur im Prinzip simulierbar
- eine Herausforderung für die Mathematik; 3 Arbeiten zur Filamentdynamik und Vliesstoffproduktion am Fraunhofer ITWM; 4 Grundlagen der Modellierung; 4.1 Cosserat-Rod-Theorie; 4.1.1 Materielle Beschreibung