Johannes Heise

M.Sc.
Wissenschaftlicher Mitarbeiter

Kontakt

Johannes Heise, M.Sc.
E-6 Elektrische Energietechnik
  • Elektrische Energietechnik
Sprechzeiten
Nach Vereinbarung
Harburger Schloßstraße 22a,
21079 Hamburg
Gebäude HS22a, Raum 2.003
Tel: +49 40 42878 4099
Logo

Forschungsprojekt

iNeP
Integrierte Netzplanung der Sektoren Strom, Gas und Wärme

iNeP

Integrierte Netzplanung der Sektoren Strom, Gas und Wärme

Bundesministerium für Wirtschaft und Klimaschutz (BMWK); Laufzeit: 2021 bis 2026

Publikationen

TUHH Open Research (TORE)

2023

2022

2021

Lehrveranstaltungen

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

Betreute Abschlussarbeiten

laufende

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.

beendete

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.