University, Diss., 2002--Kiel.

Techn. University, Diss., 2005--Berlin.

Gegenstand dieser Arbeit sind sog. nicht-kanonische bzw. unintegrierte Nebensätze. Diese Nebensätze zeichnen sich dadurch aus, dass sie sich mittels gängiger Kriterien (Satzgliedstatus, Verbletztstellung) nicht klar als koordiniert oder subordiniert beschreiben lassen. Das Phänomen nicht-kanonischer Nebensätze ist ein Thema, welches in der Sprachwissenschaft generell seit den späten Siebzigern (Davison 1979) diskutiert wird und spätestens mit Fabricius-Hansen (1992) auch innerhalb der germanistischen Linguistik angekommen ist. Ein viel beachteter Komplex ist hierbei – neben der reinen Identifizierung nicht-kanonischer Satzgefüge – meist auch die Erstellung einer Klassifikation zur Erfassung zumindest einiger nicht-kanonischer Gefüge, wie dies etwa bei Fabricius-Hansen (1992) und Reis (1997) zu sehen ist. Das Ziel dieser Studie ist es, eine exhaustive Klassifikation der angesprochenen Nebensatztypen vorzunehmen. Dazu werden zunächst – unter Zuhilfenahme von Korpusdaten – alle potentiellen Subordinationsmerkmale genauer untersucht, da die meisten bisherigen Studien zu diesem Thema die stets gleichen Merkmale als gegeben voraussetzen. Dabei wird sich herausstellen, dass nur eine kleine Anzahl von Merkmalen sich wirklich zweifelsfrei dazu eignet, Aufschluss über die Satzverknüpfungsqualität zu geben. Die anschließend aufgestellte Taxonomie deutscher Nebensätze wird schließlich einzig mit der Postulierung einer nicht-kanonischen Nebensatzklasse auskommen. Sie ist darüber hinaus auch in der Lage, die zahlreich vorkommenden Ausnahmefälle zu erfassen. Dies heißt konkret, dass auch etwaige Nebensätze, die sich aufgrund bestimmter Eigenschaften teilweise idiosynkratisch verhalten, einfach in die vorgeschlagene Klassifikation übernommen werden können. In diesem Zuge werde ich weiterhin zeigen, wie eine Nebensatzklassifikation auch sog. sekundären Subordinationsmerkmalen gerecht werden kann, obwohl diese sich hinsichtlich der einzelnen Nebensatzklassen nicht einheitlich verhalten. Schließlich werde ich eine theoretische Modellierung der zuvor postulierten Taxonomie vornehmen, die auf Basis der HPSG mittels Merkmalsvererbung alle möglichen Nebensatztypen zu erfassen imstande ist. / This study focuses on so-called non-canonical or unintegrated clauses in German. These clauses cannot easily be categorized as either subordinate or coordinate by using classical criteria like the syntactic function or the position of the finite verb. In linguistics in general, this phenomenon has been discussed since the seventies (Davison 1979) and Fabricius-Hansen (1992) brought this topic to German linguistics. Apart from the mere identification of non-canonical clause types, previous studies mostly deal with classification approaches in order to be able to subsume at least some non-canonical clause types under the same category, see Fabricius-Hansen (1992) or Reis (1997). This study aims at providing an exhaustive classification of non-canonical clause types. In order to do so, I will first look at all potential diagnostics that could be used to distinguish between different clause linkage patterns. This needs to be addressed because most previous studies simply assume a certain set of diagnostics to be relevant and valid. Eventually, it will turn out that only a very limited number of criteria can serve as clear diagnostics with regard to a certain clause linkage status. After that, I will present a taxonomy of German clauses that is able to cover all non-canonical clauses only with postulating one additional subcategory. Furthermore, this classification is also able to cover the numerous cases of non-canonical clauses that show idiosyncratic behavior. Besides, I will further show how such a classification can address so-called secondary diagnostics. Finally, the previously established taxonomy will be embedded in a generative framework. By using HPSG and its default inheritance principle, it is possible to capture all non-canonical clause types within one simple classification.

Die Auswertung von Mehrschleifen-Feynman-Integralen ist eine der größten Herausforderungen bei der Berechnung präziser theoretischer Vorhersagen für die am LHC gemessenen Wirkungsquerschnitte. In den vergangenen Jahren hat sich die Nutzung von Differentialgleichungen bei der Berechnung von Feynman-Integralen als sehr erfolgreich erwiesen. Es wurde dabei beobachtet, dass die von den Feynman-Integralen erfüllte Differentialgleichung oftmals in eine sogenannte kanonische Form transformiert werden kann, welche die Integration der Differentialgleichung mittels iterierter Integrale wesentlich vereinfacht. Das zentrale Ergebnis der vorliegenden Arbeit ist ein Algorithmus zur Berechnung rationaler Transformationen von Differentialgleichungen von Feynman-Integralen in eine kanonische Form. Neben der Existenz einer solchen rationalen Transformation stellt der Algorithmus keinerlei weitere Bedingungen an die Differentialgleichung. Insbesondere ist der Algorithmus auf Mehrskalenprobleme anwendbar und erlaubt eine rationale Abhängigkeit der Differentialgleichung vom dimensionalen Regulator. Bei der Anwendung des Algorithmus wird zunächst das Transformationsgesetz im dimensionalen Regulator entwickelt, um Differentialgleichungen für die Koeffizienten in der Entwicklung der Transformation herzuleiten. Diese Differentialgleichungen werden dann mit einem rationalen Ansatz für die gesuchte Transformation gelöst. Es wird zudem eine Implementation des Algorithmus in dem Mathematica Paket CANONICA vorgestellt, welches das erste veröffentlichte Programm dieser Art ist, das auf Mehrskalenprobleme anwendbar ist. CANONICAs Potential für moderne Mehrschleifenrechnungen wird anhand mehrerer nicht trivialer Mehrschleifen-Integraltopologien demonstriert. Die gezeigten Topologien hängen von bis zu drei Variablen ab und umfassen auch vormals ungelöste Topologien, die zu Korrekturen höherer Ordnung zum Wirkungsquerschnitt der Produktion einzelner Top-Quarks am LHC beitragen. / The evaluation of multi-loop Feynman integrals is one of the main challenges in the computation of precise theoretical predictions for the cross sections measured at the LHC. In recent years, the method of differential equations has proven to be a powerful tool for the computation of Feynman integrals. It has been observed that the differential equation of Feynman integrals can in many instances be transformed into a so-called canonical form, which significantly simplifies its integration in terms of iterated integrals. The main result of this thesis is an algorithm to compute rational transformations of differential equations of Feynman integrals into a canonical form. Apart from requiring the existence of such a rational transformation, the algorithm needs no further assumptions about the differential equation. In particular, it is applicable to problems depending on multiple kinematic variables and also allows for a rational dependence on the dimensional regulator. First, the transformation law is expanded in the dimensional regulator to derive differential equations for the coefficients of the transformation. Using an ansatz in terms of rational functions, these differential equations are then solved to determine the transformation. This thesis also presents an implementation of the algorithm in the Mathematica package CANONICA, which is the first publicly available program to compute transformations to a canonical form for differential equations depending on multiple variables. The main functionality and its usage are illustrated with some simple examples. Furthermore, the package is applied to state-of-the-art integral topologies appearing in recent multi-loop calculations. These topologies depend on up to three variables and include previously unknown topologies contributing to higher-order corrections to the cross section of single top-quark production at the LHC.

No description available.

The constraint satisfaction problem (CSP) over a structure A with a finite relational signature, denoted by CSP(A), is the problem of deciding whether a given finite structure B with the same signature as A has a homomorphism to A. Using concepts and techniques from universal algebra, Bulatov and Zhuk proved independently that if A is finite, then the CSP over A is always in P or NP-complete. Following this result, it is a natural question to ask when and how this dichotomy can be generalized for infinite structures. The infinite-domain CSP dichotomy conjecture (originally formulated by Bodirsky and Pinsker [BPP14]) states that the same complexity dichotomy holds for first-order reducts of finitely bounded homogeneous structures. This conjecture has been solved for many special classes of structures. In this thesis we are developing new techniques involving canonical polymorphisms to attack this conjecture. Using these techniques we prove a new CSP dichotomy result, namely we show that the CSP over every finitely related ω-categorical monadically stable structure is in P or NP-complete.

Eine wichtige Invariante von Modulkurven ist die arithmetische Selbstschnittzahl der relativ dualisierenden Garbe. Auf dem minimalen regulären Modell von X(N) ist diese Selbstschnittzahl durch den gewöhnlichen Schnitt einiger ausgezeichneter vertikaler Divisoren (dem geometrischen Beitrag) und durch die Auswertung der kanonischen Greenschen Funktion an einigen Spitzen (dem analytischen Beitrag) vollständig festgelegt. Das Ziel dieser Arbeit ist es, jeden dieser Beiträge in Abhängigkeit von der Stufe N zu bestimmen und das asymptotische Verhalten der Selbstschnittzahl zu studieren, wenn die Stufe N gegen unendlich geht. / An important invariant of modular curves is the arithmetic self-intersection of the relative dualizing sheaf. On the minimal regular model of X(N) this self-intersection is completely described by the usual intersection of some distinguished vertical divisors (geometric contribution) and the evaluation of the canonical Green’s function at certain cusps (analytic contribution). The aim of this thesis is to determine each of these contributions in terms of the level N and study the asymptotic behaviour of the self-intersection as N tends to infinity.

No description available.

Topicalization refers to the sentence-initial placement of constituents other than the subject and is often listed as a non-canonical construction [cf. Ward, Gregory, Betty J. Birner and Rodney Huddleston (2002). “Information Packaging.” Rodney Huddleston and Geoffrey K. Pullum, eds. The Cambridge Grammar of the English Language. Cambridge: Cambridge University Press, 1363–1447.]. In this paper, tokens of topicalization in the direct conversations in the International Corpus of English for Hong Kong and India and, for comparison, Great Britain are analysed. In order to find out if topicalization is a contact-induced feature, typological profiles with regard to topic-prominence [Li, Charles N. and Sandra A. Thompson (1976). “Subject and Topic: A New Typology of Language.” Charles N. Li, ed. Subject and Topic. New York: Academic Press, 457–489.] are created for three Indo-Aryan, three Dravidian and two Sinitic languages. I suggest that the low frequencies of topicalization in Hong Kong English and the high frequencies of topicalization in Indian English are primarily due to differences in intensity of contact [Thomason, Sarah G. (2001). Language Contact. Washington, D.C.: Georgetown University Press.] and variety development [Schneider, Edgar W. (2007). Postcolonial English. Varieties Around the World. Cambridge: Cambridge University Press.]. Typological interference at the level of information structure is assumed to only come to the fore in further developed varieties and after prolonged contact.

This thesis investigates the extension of the well-known canonical correlation analysis for random elements on abstract real measurable Hilbert spaces. One focus is on the application of this extension to the calculation of information-theoretical quantities on finite time intervals. Analytical approaches for the calculation of the mutual information and the information density between Gaussian distributed random elements on arbitrary real measurable Hilbert spaces are derived. With respect to mutual information, the results obtained are comparable to [4] and [1] (Baker, 1970, 1978). They can also be seen as a generalization of earlier findings in [20] (Gelfand and Yaglom, 1958). In addition, some of the derived equations for calculating the information density, its characteristic function and its n-th central moments extend results from [45] and [44] (Pinsker, 1963, 1964). Furthermore, explicit examples for the calculation of the mutual information, the characteristic function of the information density as well as the n-th central moments of the information density for the important special case of an additive Gaussian channel with Gaussian distributed input signal with rational spectral density are elaborated, on the one hand for white Gaussian noise and on the other hand for Gaussian noise with rational spectral density. These results extend the corresponding concrete examples for the calculation of the mutual information from [20] (Gelfand and Yaglom, 1958) as well as [28] and [29] (Huang and Johnson, 1963, 1962).:Kurzfassung Abstract Notations Abbreviations 1 Introduction 1.1 Software Used 2 Mathematical Background 2.1 Basic Notions of Measure and Probability Theory 2.1.1 Characteristic Functions 2.2 Stochastic Processes 2.2.1 The Consistency Theorem of Daniell and Kolmogorov 2.2.2 Second Order Random Processes 2.3 Some Properties of Fourier Transforms 2.4 Some Basic Inequalities 2.5 Some Fundamentals in Functional Analysis 2.5.1 Hilbert Spaces 2.5.2 Linear Operators on Hilbert Spaces 2.5.3 The Fréchet-Riesz Representation Theorem 2.5.4 Adjoint and Compact Operators 2.5.5 The Spectral Theorem for Compact Operators 3 Mutual Information and Information Density 3.1 Mutual Information 3.2 Information Density 4 Probability Measures on Hilbert Spaces 4.1 Measurable Hilbert Spaces 4.2 The Characteristic Functional 4.3 Mean Value and Covariance Operator 4.4 Gaussian Probability Measures on Hilbert Spaces 4.5 The Product of Two Measurable Hilbert Spaces 4.5.1 The Product Measure 4.5.2 Cross-Covariance Operator 5 Canonical Correlation Analysis on Hilbert Spaces 5.1 The Hellinger Distance and the Theorem of Kakutani 5.2 Canonical Correlation Analysis on Hilbert Spaces 5.3 The Theorem of Hájek and Feldman 6 Mutual Information and Information Density Between Gaussian Measures 6.1 A General Formula for Mutual Information and Information Density for Gaussian Random Elements 6.2 Hadamard’s Factorization Theorem 6.3 Closed Form Expressions for Mutual Information and Related Quantities 6.4 The Discrete-Time Case 6.5 The Continuous-Time Case 6.6 Approximation Error 7 Additive Gaussian Channels 7.1 Abstract Channel Model and General Definitions 7.2 Explicit Expressions for Mutual Information and Related Quantities 7.2.1 Gaussian Random Elements as Input to an Additive Gaussian Channel 8 Continuous-Time Gaussian Channels 8.1 White Gaussian Channels 8.1.1 Two Simple Examples 8.1.2 Gaussian Input with Rational Spectral Density 8.1.3 A Method of Youla, Kadota and Slepian 8.2 Noise and Input Signal with Rational Spectral Density 8.2.1 Again a Method by Slepian and Kadota Bibliography / Diese Arbeit untersucht die Erweiterung der bekannten kanonischen Korrelationsanalyse (canonical correlation analysis) für Zufallselemente auf abstrakten reellen messbaren Hilberträumen. Ein Schwerpunkt liegt dabei auf der Anwendung dieser Erweiterung zur Berechnung informationstheoretischer Größen auf endlichen Zeitintervallen. Analytische Ansätze für die Berechnung der Transinformation und der Informationsdichte zwischen gaußverteilten Zufallselementen auf beliebigen reelen messbaren Hilberträumen werden hergeleitet. Bezüglich der Transinformation sind die gewonnenen Resultate vergleichbar zu [4] und [1] (Baker, 1970, 1978). Sie können auch als Verallgemeinerung früherer Erkenntnisse aus [20] (Gelfand und Yaglom, 1958) aufgefasst werden. Zusätzlich erweitern einige der hergeleiteten Formeln zur Berechnung der Informationsdichte, ihrer charakteristischen Funktion und ihrer n-ten zentralen Momente Ergebnisse aus [45] und [44] (Pinsker, 1963, 1964). Weiterhin werden explizite Beispiele für die Berechnung der Transinformation, der charakteristischen Funktion der Informationsdichte sowie der n-ten zentralen Momente der Informationsdichte für den wichtigen Spezialfall eines additiven Gaußkanals mit gaußverteiltem Eingangssignal mit rationaler Spektraldichte erarbeitet, einerseits für gaußsches weißes Rauschen und andererseits für gaußsches Rauschen mit einer rationalen Spektraldichte. Diese Ergebnisse erweitern die entsprechenden konkreten Beispiele zur Berechnung der Transinformation aus [20] (Gelfand und Yaglom, 1958) sowie [28] und [29] (Huang und Johnson, 1963, 1962).:Kurzfassung Abstract Notations Abbreviations 1 Introduction 1.1 Software Used 2 Mathematical Background 2.1 Basic Notions of Measure and Probability Theory 2.1.1 Characteristic Functions 2.2 Stochastic Processes 2.2.1 The Consistency Theorem of Daniell and Kolmogorov 2.2.2 Second Order Random Processes 2.3 Some Properties of Fourier Transforms 2.4 Some Basic Inequalities 2.5 Some Fundamentals in Functional Analysis 2.5.1 Hilbert Spaces 2.5.2 Linear Operators on Hilbert Spaces 2.5.3 The Fréchet-Riesz Representation Theorem 2.5.4 Adjoint and Compact Operators 2.5.5 The Spectral Theorem for Compact Operators 3 Mutual Information and Information Density 3.1 Mutual Information 3.2 Information Density 4 Probability Measures on Hilbert Spaces 4.1 Measurable Hilbert Spaces 4.2 The Characteristic Functional 4.3 Mean Value and Covariance Operator 4.4 Gaussian Probability Measures on Hilbert Spaces 4.5 The Product of Two Measurable Hilbert Spaces 4.5.1 The Product Measure 4.5.2 Cross-Covariance Operator 5 Canonical Correlation Analysis on Hilbert Spaces 5.1 The Hellinger Distance and the Theorem of Kakutani 5.2 Canonical Correlation Analysis on Hilbert Spaces 5.3 The Theorem of Hájek and Feldman 6 Mutual Information and Information Density Between Gaussian Measures 6.1 A General Formula for Mutual Information and Information Density for Gaussian Random Elements 6.2 Hadamard’s Factorization Theorem 6.3 Closed Form Expressions for Mutual Information and Related Quantities 6.4 The Discrete-Time Case 6.5 The Continuous-Time Case 6.6 Approximation Error 7 Additive Gaussian Channels 7.1 Abstract Channel Model and General Definitions 7.2 Explicit Expressions for Mutual Information and Related Quantities 7.2.1 Gaussian Random Elements as Input to an Additive Gaussian Channel 8 Continuous-Time Gaussian Channels 8.1 White Gaussian Channels 8.1.1 Two Simple Examples 8.1.2 Gaussian Input with Rational Spectral Density 8.1.3 A Method of Youla, Kadota and Slepian 8.2 Noise and Input Signal with Rational Spectral Density 8.2.1 Again a Method by Slepian and Kadota Bibliography