Logo Institut für Elektrische Energietechnik
Institut für Elektrische Energietechnik
Logo Institut für Elektrische Energietechnik
Institut für Elektrische Energietechnik
DE
EN
Suche
DE
EN
Suche
IEET > Personal > Wissenschaftliche Mitarbeitende > Anna-Lena Steen, M.Sc.

Anna-Lena Steen

M.Sc.
Wissenschaftliche Mitarbeiterin

Kontakt

Anna-Lena Steen, M. Sc.
E-6 Elektrische Energietechnik
  • Elektrische Energietechnik
Sprechzeiten
nach Vereinbarung
Harburger Schloßstraße 22a,
21079 Hamburg
Gebäude HS22a, Raum 2.017
Tel: +49 40 42878 4091
Logo

Forschungsprojekt

KoLa
Koordinierungsfunktion des Verteilnetzes und Lastmanagement für den elektrifizierten Personenverkehr

KoLa

Koordinierungsfunktion des Verteilnetzes und Lastmanagement für den elektrifizierten Personenverkehr

Bundesministerium für Wirtschaft und Klimaschutz (BMWK); Laufzeit: 2022 bis 2026

zur Projektseite

Publikationen

TUHH Open Research (TORE)

2024

2023

2022

Lehrveranstaltungen

Stud.IP
zur Veranstaltung in Stud.IP Studip_icon
Maschinelles Lernen I (GÜ)
Untertitel:
Diese Lehrveranstaltung ist Teil des Moduls: Maschinelles Lernen, Maschinelles Lernen I
Semester:
SoSe 24
Veranstaltungstyp:
Übung (Lehre)
Veranstaltungsnummer:
lv2433_s24
DozentIn:
Nihat Ay
Beschreibung:
  • 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
Leistungsnachweis:
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-Kreditpunkte:
3
Weitere Informationen aus Stud.IP zu dieser Veranstaltung
Heimatinstitut: Institut für Data Science Foundations (E-21)
In Stud.IP angemeldete Teilnehmer: 1

Betreute Abschlussarbeiten

laufende

2024

  • Ahmed, Taha (2024). Development of an iterative multi-agent coordination framework for congestion prevention in low voltage grids.

  • Busch, Marcel (2024). Entwicklung eines Netzmodells zur szenarienbasierten Untersuchung von Engpässen in heutigen und zukünftigen städtischen Verteilnetzen.

  • Krammer, Friederike (2024). Entwicklung eines Algorithmus zur Koordinierung flexibler Prosumer zur Netzengpassvermeidung in Niederspannungssträngen.

  • Wilke, Jan Jakob (2024). Definition leistungsbasierter Netzregeln zur Engpassvermeidung in elektrischen Verteilnetzen.

beendete
TU Hamburg
Institut für Elektrische Energietechnik (ieet) E-6
Prof. Dr.-Ing. Christian Becker
Harburger Schloßstraße 36
21079 Hamburg
E-Mail : ieet(at)tuhh.de
Tel : +49 40 42878 3213
Fax : +49 40 42878 2382
Weiterführende Links
Lageplan und Anfahrt
Datenschutz
Impressum