Global ETD Search

1	Generating What-If Scenarios for Time Series Data Kegel, Lars, Hahmann, Martin, Lehner, Wolfgang 18 August 2022 (has links) Time series data has become a ubiquitous and important data source in many application domains. Most companies and organizations strongly rely on this data for critical tasks like decision-making, planning, predictions, and analytics in general. While all these tasks generally focus on actual data representing organization and business processes, it is also desirable to apply them to alternative scenarios in order to prepare for developments that diverge from expectations or assess the robustness of current strategies. When it comes to the construction of such what-if scenarios, existing tools either focus on scalar data or they address highly specific scenarios. In this work, we propose a generally applicable and easy-to-use method for the generation of what-if scenarios on time series data. Our approach extracts descriptive features of a data set and allows the construction of an alternate version by means of filtering and modification of these features. info:eu-repo/classification/ddc/004 ddc:004
2	Die erkenntnistheoretischen Grundlagen induktiven Schließens Bartelborth, Thomas 10 March 2017 (has links) (PDF) Das vorliegende Buch stellt eine überarbeitete und deutlich erweiterte zweite Ausgabe meines gleichnamigen Buches von 2012 dar. Es wendet sich in Form eines Lehrbuchs sowohl an Anfänger wie Fortgeschrittene der Wissenschaftstheorie sowie an Wissenschaftler, die sich dafür interessieren, wann Daten eine bestimmte Theorie begründen und wie stark die Bestätigung der Theorie durch die Daten ist. Im Vordergrund steht dabei immer die erkenntnistheoretische Frage, ob bestimmte Begründungsverfahren die Ziele der Wissenschaften in überzeugender Weise verfolgen oder ob es dagegen substantielle Einwände gibt. Leider wird sich herausstellen, dass kein Verfahren ohne Fehl und Tadel ist, und wir sollten die Schwächen unserer Begründungsverfahren genau kennen, um sie korrekt einsetzen zu können. Induktion Abduktion Bayesianismus Wissen Schluss auf die beste Erklärung Kausalität kausales Schließen Hypothesentesten eliminative Induktion Falsifikationismus Theorienwahl Begründung wissenschaftliches Erklären induction abduction bayesianism knowledge inference to the best explanation causality causal inference eliminative induction theory choice confirmation explanation ddc:121
3	Die erkenntnistheoretischen Grundlagen induktiven Schließens Bartelborth, Thomas 15 March 2012 (has links) (PDF) Im Buch werden verschiedene Ansätze zum induktiven Schließen vorgestellt und daraufhin analysiert, welche Erfolgsaussichten sie jeweils bieten, die erkenntnistheoretischen Ziele der Wissenschaften zu erreichen. Dabei werden u.a. die konsverativen Induktionsschlüsse, Falsifikationsverfahren und die eliminative Induktion, der Schluss auf die beste Erklärung und vor allem der Bayesianismus besprochen. Außerdem geht es um die Verfahren der klassischen Statistik sowie moderne Verfahren des kausalen Schließens. Dazu wird ein erkenntnistheoretischer Rahmen angegeben, in dem die verschiedenen Begründungsverfahren untereinander verglichen werden. Induktion Abduktion Bayesianismus Wissen Schluss auf die beste Erklärung Kausalität kausales Schließen Hypothesentesten eliminative Induktion Falsifikationismus Theorienwahl Begründung wissenschaftliches Erklären induction abduction bayesianism knowledge inference to the best explanation causality causal inference eliminative induction theory choice confirmation explanation ddc:121
4	Eine archaische chinesische Stimmung mit reinen Quinten und Terzen, aber temperierten Oktaven Kluge, Reiner 25 July 2019 (has links) Erweiterte Fassung (2019) des gleichnamigen Beitrages aus Wahrnehmung – Erkenntnis – Vermittlung. Hildesheim, Zürich, New York: Olms Verlag, 2013 (Fs. Auhagen), 248-259 info:eu-repo/classification/ddc/780 ddc:780
5	Die erkenntnistheoretischen Grundlagen induktiven Schließens: Induktion, Falsifikation, Signifikanztests, kausales Schließen, Abduktion, HD-Bestätigung, Bayesianismus Bartelborth, Thomas January 2017 (has links) Das vorliegende Buch stellt eine überarbeitete und deutlich erweiterte zweite Ausgabe meines gleichnamigen Buches von 2012 dar. Es wendet sich in Form eines Lehrbuchs sowohl an Anfänger wie Fortgeschrittene der Wissenschaftstheorie sowie an Wissenschaftler, die sich dafür interessieren, wann Daten eine bestimmte Theorie begründen und wie stark die Bestätigung der Theorie durch die Daten ist. Im Vordergrund steht dabei immer die erkenntnistheoretische Frage, ob bestimmte Begründungsverfahren die Ziele der Wissenschaften in überzeugender Weise verfolgen oder ob es dagegen substantielle Einwände gibt. Leider wird sich herausstellen, dass kein Verfahren ohne Fehl und Tadel ist, und wir sollten die Schwächen unserer Begründungsverfahren genau kennen, um sie korrekt einsetzen zu können. info:eu-repo/classification/ddc/121 ddc:121
6	Die erkenntnistheoretischen Grundlagen induktiven Schließens Bartelborth, Thomas January 2012 (has links) Im Buch werden verschiedene Ansätze zum induktiven Schließen vorgestellt und daraufhin analysiert, welche Erfolgsaussichten sie jeweils bieten, die erkenntnistheoretischen Ziele der Wissenschaften zu erreichen. Dabei werden u.a. die konsverativen Induktionsschlüsse, Falsifikationsverfahren und die eliminative Induktion, der Schluss auf die beste Erklärung und vor allem der Bayesianismus besprochen. Außerdem geht es um die Verfahren der klassischen Statistik sowie moderne Verfahren des kausalen Schließens. Dazu wird ein erkenntnistheoretischer Rahmen angegeben, in dem die verschiedenen Begründungsverfahren untereinander verglichen werden. info:eu-repo/classification/ddc/121 ddc:121

1

Page generated in 0.094 seconds