Contact

Prof. Dr. Thorsten Stumpf

Director Institute of Resource Ecology
t.stumpf@hzdr.de
Phone: +49 351 260 3210

Diplom- & Masterarbeiten


Pic Domaschke_K
Pic Domaschke_K

Multidimensionale Spektrenanalyse mittels neuronaler Netze


Diplomand:
Kristin Domaschke
Betreuer:
Dr. Vinzenz Brendler
Abteilung:
Grenzflächenprozesse
Erstgutachter:
Prof. Dr. Hayk Mashuryan (Hochschule Zittau/Görlitz)
Zeitraum:
01.04.2012–30.11.2012


Kurzbeschreibung:

Um die Auswertung der in den letzen Jahren immer größer werdenden Spektrendatenbanken zu verbessern und gegebenenfalls neue Erkenntnisse aus diesen zu gewinnen, sollen mit dieser Diplomarbeit die Möglichkeiten des Einsatzes von Künstlichen Neuronalen Netzen (KNN) bei der mathematischen Datenanalyse untersucht werden

KNN’s sind Algorithmen, die Netze aus sogenannten Neuronen erzeugen, deren Aufbau und Funktionsweise denen des menschlichen Gehirns nachempfunden wurde. Speziell sollen hier die von Teuvo Kohonen (1982) entwickelte Kohonen Karte bzw. Self-Organizing Map (SOM) benutzt werden, welche multivariate Daten auf ein 2-dimensionales Netz abbildet. Während der Trainingsphase mit ausgewählten Informationen erfolgt eine Selbstorganisation des Netzes, wobei Strukturen, wie z.B. Cluster, die in den Daten verborgen sind, extrahiert werden.

Nachdem das primäre Ziel der Entwicklung, exemplarischen Implementierung und Tests dieser Methode erreicht ist, soll eine Anwendung auf Spektrenbibliotheken reiner Substanzen erfolgen, um deren typische Merkmale zu identifizieren, sodass im Anschluss Umweltproben unbekannter Zusammensetzung mit trainierten SOM’s bestimmt werden können.

Solche Ansätze sind bereits für die Daten von 2-dimensionalen Spektren bekannt und werden in dieser Arbeit zum einen auf seltenere Spektrenarten, wie XAFS, angewandt sowie für die Auswertung von 3-dimensionalen Spektren erweitert. Als Arbeitsmittel dient die freie Programmiersprache R, welche ursprünglich ein Tool für statistisches Rechnen und Grafiken ist. Durch die unkommerzielle Anwendung hat sich diese Software jedoch sehr breit entwickelt, sodass bereits entsprechende Pakete für SOM’s zur Verfügung stehen. Ebenso ist die einfache Handhabbarkeit bei der Implementierung eigener Algorithmen für die vorgestellten Zwecke von großem Vorteil.