Johannes Heise

M.Sc.
Research Assistant

Contact

Johannes Heise, M.Sc.
E-6 Elektrische Energietechnik
  • Elektrische Energietechnik
Office Hours
Nach Vereinbarung
Harburger Schloßstraße 22a,
21079 Hamburg
Building HS22a, Room 2.003
Phone: +49 40 42878 4099
Logo

Research Project

iNeP
Integrated network planning for the electricity, gas and heat sectors

iNeP

Integrated network planning for the electricity, gas and heat sectors

Federal Ministry for Economic Affairs and Climate Action (BMWK); Duration: 2021 to 2026

Publications

TUHH Open Research (TORE)

2023

2022

2021

Courses

Stud.IP
link to course in Stud.IP Studip_icon
Maschinelles Lernen I (GÜ)
Subtitle:
Diese Lehrveranstaltung ist Teil des Moduls: Maschinelles Lernen, Maschinelles Lernen I
Semester:
SoSe 24
Course type:
Exercise
Course number:
lv2433_s24
Lecturer:
Nihat Ay
Description:
  • Geschichte der Neurowissenschaften und des maschinellen Lernens (insbesondere des tiefen Lernens) 
  • McCulloch-Pitts-Neuronen und binäre neuronale Netze
  • Boolesche Funktionen und Schellwert-Funktionen 
  • Universalität von neuronalen McCulloch-Pitts-Netzwerken
  • Lernen und das Perzeptron-Konvergenz-Theorem
  • Support-Vektor-Maschinen
  • Harmonische Analyse von Booleschen Funktionen
  • Kontinuierliche künstliche neuronale Netze 
  • Kolmogorovsches Superpositions-Theorem
  • Universelle Approximation mit kontinuierlichen neuronalen Netzen
  • Approximationsfehler und die Gradienten-Abstiegs-Methode: die allgemeine Idee
  • Die stochastische Gradienten-Abstiegs-Methode (Robbins-Monro- und Kiefer-Wolfowitz-Fälle)
  • Mehrschichtige Netzwerke und der Backpropagation-Algorithmus
  • Statistische Lerntheorie
Performance accreditation:
m1595 - Maschinelles Lernen<ul><li>p1543 - Maschinelles Lernen: Klausur schriftlich</li></ul><br>m1595-2022 - Maschinelles Lernen I<ul><li>p1543-2022 - Maschinelles Lernen I: Klausur schriftlich</li><li>vl424-2022 - Freiwillige Studienleistung Maschinelles Lernen I - Übungsaufgaben: Übungsaufgaben</li></ul>
ECTS credit points:
3
Stud.IP informationen about this course:
Home institute: Institut für Data Science Foundations (E-21)
Registered participants in Stud.IP: 1

Supervised Theses

ongoing

2024

  • Famulla, J (2024). Nutzenbasierte Bereitstellung von Flexibilität aus urbanen Gas- und Wärmenetzen für die integrierte Verteilnetzplanung.

  • Westphal, M (2024). Optimierte Planung eines gekoppelten Verteilnetzes unter der Berücksichtigung flexibler Komponenten.

completed

2023

  • Hülfenhaus, V (2023). Modellierung und Planung eines urbanen sektorgekoppelten Verteilnetzes.

  • Körber, C (2023). Quantifizierung und Modellierung von Flexibilitätsoptionen im Mittelspannungsverteilnetz für eine optimierte Netzplanung.

  • Oboreh, J (2023). Einsatz von Gas-gefeuerten Blockheizkraftwerken zur Stabilisierung des Stromnetzes bei hoher Durchdringung von Wärmepumpen.

  • Velikov, S (2023). Entwicklung und Parametrisierung eines Wärmepumpen- und Speichermodells für die Netzberechnung und -planung.

  • Westphal, M (2023). Aggregation von Flexibilitäten im Niederspannungsnetz zur Netzplanung unter Berücksichtigung der Auslastung von Betriebsmitteln.

2022

  • Albrecht, J. P. (2022). Entwicklung einer netzdienlichen Regelungsstrategie für einen Elektrolyseur im Verteilnetz.

  • Barthelme, J. (2022). Technisch-ökonomische Systemmodellierung und -anlayse eines urbanen Quatiers hinsichtlich des Einsatz von Wasserstoff als primärer Energieträger.