In der vorliegenden Magisterarbeit wird das Modell der familialen Pflege, der Ausbildung der Pflegeeltern und der Arbeit mit der Pflegefamilie in Litauen analysiert. Im ersten Teil wird die Analyse der Dokumente und der Rechtsakten, die den Pflegeprozess in Litauen regeln, vorgestellt. Hier wird das Problem der Auswahl der potentiellen Pflegeeltern und ihrer Vorbereitung auf die Pflege überblickt. Man analysiert die Spezifik der Sozialarbeit mit Pflegefamilien, die Aufgaben des vorläufigen Kinderheimes und die Möglichkeiten, seine Tätigkeit zu erweitern. Man konstruiert auch das Modell der zu bestrebten Sozialarbeit mit der Pflegefamilie. Im zweiten Teil stellt man die Forschung der Einstellungen vor, die die in den vorläufigen Kinderheimen arbeitenden Fachleute haben. Man versucht, die Einstellungen der Fachleute zum Phänomen der Pflegefamilie, zur Organisation der Sozialarbeit mit der Pflegefamilie und zur Möglichkeit, die Funktionen des vorläufigen Kinderheimes zu erweitern, zu erschließen. Das Problem der vorläufigen Abtrennung eines Kindes von seiner Familie ist ein komplexes Problem, und so müsste es auch gelöst werden, indem man Hilfe für die Familie des sozialen Risikos leistet und dem Kind die Möglichkeit gibt, die Krisenperiode in einer Pflegefamilie zu überleben. Am Ende der Magisterarbeit wird eine Empfehlung gegeben, wie man einem Kind, das ohne Fürsorge der Eltern geblieben ist, Hilfe effektiver leisten könnte. Das ist das Projekt des Programms eines... [to full text]

Objectives: To investigate the prevalence and distribution of comorbidity and its association with perioperative complications in patients undergoing radical prostatectomy (RPE). Methods: In 431 unselected RPE patients, the American Society of Anesthesiologists Physical Status classification (ASA-PS), the New York Heart Association classification of cardiac insufficiency (NYHA), the classification of angina pectoris of the Canadian Cardiovascular Society (CCS), height, weight, the body mass index (BMI), and the number of concomitant diseases (NCD) were assessed and related to perioperative cardiovascular complications. Results: In RPE patients less than 70 years old, comorbidity rose nearly continuously with increasing age. However, after reaching an age of 70 years, the proportion of NYHA-0 patients increased (60–64 years, 86%; 65–69 years, 85%; ≥70 years, 87%). Furthermore, the severe comorbidities decreased in patients selected for RPE aged 70 or more years. There was a nonsignificant trend towards higher comorbidity in patients with perioperative cardiovascular complications. Conclusions: These data suggest that documentation of the distribution of ASA-PS, CCS, NYHA and of concomitant diseases might be helpful to characterize the general health status and the degree of selection of prostate cancer treatment populations especially in series with a high portion of patients aged 70 or more years. Concerning perioperative complications, the individual predictive value of comorbidity seems to be poor in the radical prostatectomy setting. / Dieser Beitrag ist mit Zustimmung des Rechteinhabers aufgrund einer (DFG-geförderten) Allianz- bzw. Nationallizenz frei zugänglich.

This paper studies if the Minimax theorem holds for the behaviour of trained and untrained actors in the field. This is explored with data from 1043 football penalty kicks from professionals of the German Bundesliga and for 268 penalty kicks from untrained players. Minimax makes good predictions about the collective patterns emerging from the behaviour of experienced actors, as well as about their individual strategic actions. However, this is not true for untrained actors. In the next step it is explored if, the professional players learned their behaviour, or if they were selected into their roles because they had the required abilities. The data suggests that the professionals were selected by the competitive conditions of professional sports.

Sehr geehrte Damen und Herren, Biomasse, insbesondere Holz, ist im deutschen Wärmemarkt der mit großem Abstand wichtigste erneuerbare Energieträger. Insbesondere häusliche Holzfeuerungen erfreuen sich einer hohen Beliebtheit. Regionale Wertschöpfung und weitgehende CO2-Neutralität sind die positiven Seiten dieser Entwicklung. Dem gegenüber stehen, insbesondere bei Altanlagen, erhöhte Emissionen von Feinstaub und anderen gasförmigen Schadstoffen. Damit durch den zwingend notwendigen Ausbau der erneuerbaren Energien keine neuen Umweltbelastungen entstehen, wurden in den letzten Jahren die gesetzlichen Grenzwerte für die wichtigsten Schadstoffe stufenweise verringert. Viele moderne Feuerungen sind in der Lage, diese ohne weitere Maßnahmen einzuhalten. In einigen Marktsegmenten können jedoch Feinstaubabscheider eine interessante Möglichkeit darstellen, die geforderten Grenzwerte sicher einzuhalten. Darüber hinaus bieten sich Staubabscheider an, freiwillig einen größeren Beitrag zur Feinstaubemissionsreduktion zu leisten.

Objectives: To investigate the prevalence and distribution of comorbidity and its association with perioperative complications in patients undergoing radical prostatectomy (RPE). Methods: In 431 unselected RPE patients, the American Society of Anesthesiologists Physical Status classification (ASA-PS), the New York Heart Association classification of cardiac insufficiency (NYHA), the classification of angina pectoris of the Canadian Cardiovascular Society (CCS), height, weight, the body mass index (BMI), and the number of concomitant diseases (NCD) were assessed and related to perioperative cardiovascular complications. Results: In RPE patients less than 70 years old, comorbidity rose nearly continuously with increasing age. However, after reaching an age of 70 years, the proportion of NYHA-0 patients increased (60–64 years, 86%; 65–69 years, 85%; ≥70 years, 87%). Furthermore, the severe comorbidities decreased in patients selected for RPE aged 70 or more years. There was a nonsignificant trend towards higher comorbidity in patients with perioperative cardiovascular complications. Conclusions: These data suggest that documentation of the distribution of ASA-PS, CCS, NYHA and of concomitant diseases might be helpful to characterize the general health status and the degree of selection of prostate cancer treatment populations especially in series with a high portion of patients aged 70 or more years. Concerning perioperative complications, the individual predictive value of comorbidity seems to be poor in the radical prostatectomy setting. / Dieser Beitrag ist mit Zustimmung des Rechteinhabers aufgrund einer (DFG-geförderten) Allianz- bzw. Nationallizenz frei zugänglich.

With respect to the continuous growth of computing systems, the energy-efficiency requirement of their processes becomes even more important. Different configurations, implying different energy-efficiency of the system, could be used to perform the process. A configuration denotes the choice among different hard- and software settings (e.g., CPU frequency, number of threads, the concrete algorithm, etc.). The identification of the most energy-efficient configuration demands to benchmark all configurations. However, this benchmarking is time- and energy-consuming, too. This thesis explores (a) the effect of dynamic voltage and frequency scaling (DVFS) in combination with dynamic concurrency throttling (DCT) on the energy consumption of (de)compression, DBMS query executions, encryption/decryption and sorting; and (b) a generic approach to reduce the benchmarking efforts to determine the optimal configuration. Our findings show that the utilization of optimal configurations can save wavg. 15.14% of energy compared to the default configuration. Moreover, we propose a generic heuristic (fractional factorial design) that utilizes data mining (adaptive instance selection) together with machine learning techniques (multiple linear regression) to decrease benchmarking effort by building a regression model based on the smallest feasible subset of the benchmarked configurations. Our approach reduces the energy consumption required for benchmarking by 63.9% whilst impairing the energy-efficiency of performing the computational process by only 1.88 pp, due to not using the optimal but a near-optimal configuration.

Die Aufgabe, ein passendes Journal zu finden, ist auf Grund von verschiedenen Einschränkungen nicht von Hand zu erledigen. Um also diese Problematik zu behandeln, entwickelt die aktuelle Untersuchung ein Journal-Empfehlungssystem, das – in einer Komponente – die inhaltlichen Ähnlichkeiten zwischen einem Manuskript und den existierenden Zeitschriftenartikeln in einem Korpus vergleicht. Das stellt die inhaltsbasierte Empfehlungskomponente des Systems dar. Zusätzlich beinhaltet das System eine wissensbasierte Empfehlungskomponente, um die Anforderungen des Autors bezüglich der Veröffentlichung auf Basis von 15 Journal-Auswahlkriterien zu berücksichtigen. Das neue System gibt Empfehlungen aus den im Directory of Open Access Journals indizierten Journals für zwei verschiedene Themengebiete: Medizin und Sozialwissenschaften. Die Ergebnisse zeigen, dass die Autoren aus den Themengebieten Medizin und Sozialwissenschaften mit den Empfehlungen des Systems zu 66,2% bzw. 58,8% einverstanden waren. Darüber hinaus wurde 35,5% der Autoren aus dem Bereich Medizin und 40,4% der Autoren aus den Sozialwissenschaften ein oder mehrere Journal(s) vorgeschlagen, das bzw. die für die Publikation besser geeignet war(en) als das Journal, in dem sie den Artikel veröffentlich hatten. Die durchschnittliche Leistung des Systems zeigte eine Abnahme von 15% in Medizin bzw. 18% in Sozialwissenschaften verglichen mit den gleichen Empfehlungen bei einer optimalen Sortierung. Leistungsverluste von 22,4% im Fach Medizin und 28,4% in den Sozialwissenschaften ergaben sich, wenn die durchschnittliche Leistung mit einem System verglichen wurde, das geeignete Empfehlungen für die 10 besten Resultate in der optimalen Reihenfolge sortiert abruft. Die vom Hybrid-Modell Empfehlungen zeigen zwar eine etwas bessere Leistung als die inhaltsbasierte Komponente, die Verbesserung war aber nicht statistisch signifikant. / The task of finding appropriate journals cannot be accomplished manually due to a number of limitations of the approach. Therefore, to address this issue, the current research develops a journal recommender system with two components: the first component compares the content similarities between a manuscript and the existing journal articles in a corpus. This represents the content-based recommender component of the system. In addition, the system includes a knowledge-based recommender component to consider authors’ publication requirements based on 15 journal selection factors. The new system makes recommendations from the open access journals indexed in the directory of open access journals for two distinct subject domains, namely medicine and social sciences. The results indicated that the authors from medicine and social sciences agree with the recommender’s suggestions by 66.2% and 58.8% respectively. Moreover, 35.5% of medicine and 40.4% of social sciences authors were suggested more appropriate journal(s) than the journal they already published in. Average performance of the system demonstrated 15% and 18% performance loss in medicine and social sciences respectively against the same suggestions after arranging according to the most appropriate order. Numbers were reported as 22.4% and 28.4% of loss in medicine and social sciences respectively when the average performance was compared with a system that retrieves appropriate suggestions for all 10 topmost results according to the most appropriate order. Although the hybrid recommender demonstrated a slight advancement of performance than the content-based component, the improvement was not statistically significant.

Several modifications have been suggested to extend binary classifiers to multiclass classification, for instance the One Against All technique, the One Against One technique, or Directed Acyclic Graphs. A recent approach for multiclass classification is the pairwise classification, which relies on two input examples instead of one and predicts whether the two input examples belong to the same class or to different classes. A Support Vector Machine (SVM), which is able to handle pairwise classification tasks, is called pairwise SVM. A common pairwise classification task is face recognition. In this area, a set of images is given for training and another set of images is given for testing. Often, one is interested in the interclass setting. The latter means that any person which is represented by an image in the training set is not represented by any image in the test set. From the mentioned multiclass classification techniques only the pairwise classification technique provides meaningful results in the interclass setting. For a pairwise classifier the order of the two examples should not influence the classification result. A common approach to enforce this symmetry is the use of selected kernels. Relations between such kernels and certain projections are provided. It is shown, that those projections can lead to an information loss. For pairwise SVMs another approach for enforcing symmetry is the symmetrization of the training sets. In other words, if the pair (a,b) of examples is a training pair then (b,a) is a training pair, too. It is proven that both approaches do lead to the same decision function for selected parameters. Empirical tests show that the approach using selected kernels is three to four times faster. For a good interclass generalization of pairwise SVMs training sets with several million training pairs are needed. A technique is presented which further speeds up the training time of pairwise SVMs by a factor of up to 130 and thus enables the learning of training sets with several million pairs. Another element affecting time is the need to select several parameters. Even with the applied speed up techniques a grid search over the set of parameters would be very expensive. Therefore, a model selection technique is introduced that is much less computationally expensive. In machine learning, the training set and the test set are created by using some data generating process. Several pairwise data generating processes are derived from a given non pairwise data generating process. Advantages and disadvantages of the different pairwise data generating processes are evaluated. Pairwise Bayes' Classifiers are introduced and their properties are discussed. It is shown that pairwise Bayes' Classifiers for interclass generalization tasks can differ from pairwise Bayes' Classifiers for interexample generalization tasks. In face recognition the interexample task implies that each person which is represented by an image in the test set is also represented by at least one image in the training set. Moreover, the set of images of the training set and the set of images of the test set are disjoint. Pairwise SVMs are applied to four synthetic and to two real world datasets. One of the real world datasets is the Labeled Faces in the Wild (LFW) database while the other one is provided by Cognitec Systems GmbH. Empirical evidence for the presented model selection heuristic, the discussion about the loss of information and the provided speed up techniques is given by the synthetic databases and it is shown that classifiers of pairwise SVMs lead to a similar quality as pairwise Bayes' classifiers. Additionally, a pairwise classifier is identified for the LFW database which leads to an average equal error rate (EER) of 0.0947 with a standard error of the mean (SEM) of 0.0057. This result is better than the result of the current state of the art classifier, namely the combined probabilistic linear discriminant analysis classifier, which leads to an average EER of 0.0993 and a SEM of 0.0051. / Es gibt verschiedene Ansätze, um binäre Klassifikatoren zur Mehrklassenklassifikation zu nutzen, zum Beispiel die One Against All Technik, die One Against One Technik oder Directed Acyclic Graphs. Paarweise Klassifikation ist ein neuerer Ansatz zur Mehrklassenklassifikation. Dieser Ansatz basiert auf der Verwendung von zwei Input Examples anstelle von einem und bestimmt, ob diese beiden Examples zur gleichen Klasse oder zu unterschiedlichen Klassen gehören. Eine Support Vector Machine (SVM), die für paarweise Klassifikationsaufgaben genutzt wird, heißt paarweise SVM. Beispielsweise werden Probleme der Gesichtserkennung als paarweise Klassifikationsaufgabe gestellt. Dazu nutzt man eine Menge von Bildern zum Training und ein andere Menge von Bildern zum Testen. Häufig ist man dabei an der Interclass Generalization interessiert. Das bedeutet, dass jede Person, die auf wenigstens einem Bild der Trainingsmenge dargestellt ist, auf keinem Bild der Testmenge vorkommt. Von allen erwähnten Mehrklassenklassifikationstechniken liefert nur die paarweise Klassifikationstechnik sinnvolle Ergebnisse für die Interclass Generalization. Die Entscheidung eines paarweisen Klassifikators sollte nicht von der Reihenfolge der zwei Input Examples abhängen. Diese Symmetrie wird häufig durch die Verwendung spezieller Kerne gesichert. Es werden Beziehungen zwischen solchen Kernen und bestimmten Projektionen hergeleitet. Zudem wird gezeigt, dass diese Projektionen zu einem Informationsverlust führen können. Für paarweise SVMs ist die Symmetrisierung der Trainingsmengen ein weiter Ansatz zur Sicherung der Symmetrie. Das bedeutet, wenn das Paar (a,b) von Input Examples zur Trainingsmenge gehört, dann muss das Paar (b,a) ebenfalls zur Trainingsmenge gehören. Es wird bewiesen, dass für bestimmte Parameter beide Ansätze zur gleichen Entscheidungsfunktion führen. Empirische Messungen zeigen, dass der Ansatz mittels spezieller Kerne drei bis viermal schneller ist. Um eine gute Interclass Generalization zu erreichen, werden bei paarweisen SVMs Trainingsmengen mit mehreren Millionen Paaren benötigt. Es wird eine Technik eingeführt, die die Trainingszeit von paarweisen SVMs um bis zum 130-fachen beschleunigt und es somit ermöglicht, Trainingsmengen mit mehreren Millionen Paaren zu verwenden. Auch die Auswahl guter Parameter für paarweise SVMs ist im Allgemeinen sehr zeitaufwendig. Selbst mit den beschriebenen Beschleunigungen ist eine Gittersuche in der Menge der Parameter sehr teuer. Daher wird eine Model Selection Technik eingeführt, die deutlich geringeren Aufwand erfordert. Im maschinellen Lernen werden die Trainingsmenge und die Testmenge von einem Datengenerierungsprozess erzeugt. Ausgehend von einem nicht paarweisen Datengenerierungsprozess werden unterschiedliche paarweise Datengenerierungsprozesse abgeleitet und ihre Vor- und Nachteile bewertet. Es werden paarweise Bayes-Klassifikatoren eingeführt und ihre Eigenschaften diskutiert. Es wird gezeigt, dass sich diese Bayes-Klassifikatoren für Interclass Generalization Aufgaben und für Interexample Generalization Aufgaben im Allgemeinen unterscheiden. Bei der Gesichtserkennung bedeutet die Interexample Generalization, dass jede Person, die auf einem Bild der Testmenge dargestellt ist, auch auf mindestens einem Bild der Trainingsmenge vorkommt. Außerdem ist der Durchschnitt der Menge der Bilder der Trainingsmenge mit der Menge der Bilder der Testmenge leer. Paarweise SVMs werden an vier synthetischen und an zwei Real World Datenbanken getestet. Eine der verwendeten Real World Datenbanken ist die Labeled Faces in the Wild (LFW) Datenbank. Die andere wurde von Cognitec Systems GmbH bereitgestellt. Die Annahmen der Model Selection Technik, die Diskussion über den Informationsverlust, sowie die präsentierten Beschleunigungstechniken werden durch empirische Messungen mit den synthetischen Datenbanken belegt. Zudem wird mittels dieser Datenbanken gezeigt, dass Klassifikatoren von paarweisen SVMs zu ähnlich guten Ergebnissen wie paarweise Bayes-Klassifikatoren führen. Für die LFW Datenbank wird ein paarweiser Klassifikator bestimmt, der zu einer durchschnittlichen Equal Error Rate (EER) von 0.0947 und einem Standard Error of The Mean (SEM) von 0.0057 führt. Dieses Ergebnis ist besser als das des aktuellen State of the Art Klassifikators, dem Combined Probabilistic Linear Discriminant Analysis Klassifikator. Dieser führt zu einer durchschnittlichen EER von 0.0993 und einem SEM von 0.0051.

Zugl.: Frankfurt (Main), Universiẗat, Diss., 2008.

This paper studies if the Minimax theorem holds for the behaviour of trained and untrained actors in the field. This is explored with data from 1043 football penalty kicks from professionals of the German Bundesliga and for 268 penalty kicks from untrained players. Minimax makes good predictions about the collective patterns emerging from the behaviour of experienced actors, as well as about their individual strategic actions. However, this is not true for untrained actors. In the next step it is explored if, the professional players learned their behaviour, or if they were selected into their roles because they had the required abilities. The data suggests that the professionals were selected by the competitive conditions of professional sports.