Plasmonic Hot Electron Injection

Der Smith Predictor ist ein Regelungsalgorithmus, der entwickelt wurde, um die dynamischen Eigenschaften von Systemen mit Verzögerungen zu verbessern. Insbesondere wird er häufig in Regelkreisen eingesetzt, bei denen eine signifikante Verzögerung zwischen der Eingangs- und der Ausgangsreaktion auftritt. Der Hauptansatz des Smith Predictors besteht darin, ein Modell der Verzögerung zu nutzen, um die zukünftigen Werte des Systems vorherzusagen und somit die Regelung zu optimieren. Dies geschieht durch die Schätzung der Systemantwort, sodass der Regler bereits vor dem Erhalt der aktuellen Ausgabe reagieren kann.

Der Smith Predictor kann in zwei Hauptkomponenten unterteilt werden:

1. Vorhersagemodell: Ein mathematisches Modell, das die Verzögerung und die Dynamik des Systems beschreibt.
2. Regelungsalgorithmus: Der Regler nutzt die Vorhersagen, um die Steuerung des Systems anzupassen.

Ein typisches Beispiel für die Anwendung des Smith Predictors findet sich in der Prozessindustrie, wo die Verzögerung durch lange Transportleitungen oder Trägheit in den Prozessreaktionen verursacht wird. Durch die Implementierung des Smith Predictors kann die Regelgenauigkeit erheblich verbessert werden, was zu einer effizienteren und stabileren Systemleistung führt.

DNA-Methylierung ist ein biologischer Prozess, bei dem Methylgruppen (-CH₃) an die DNA-Moleküle gebunden werden, insbesondere an das Cytosin in der CpG-Dinukleotidsequenz. Diese chemische Modifikation beeinflusst die Genexpression, indem sie die Bindung von Transkriptionsfaktoren und anderen regulatorischen Proteinen an die DNA hemmt. Methylierung kann somit als eine Art epigenetische Markierung betrachtet werden, die nicht die DNA-Sequenz selbst verändert, sondern die Art und Weise, wie Gene aktiviert oder deaktiviert werden.

Die Methylierungsmuster variieren zwischen verschiedenen Zelltypen und können durch Umweltfaktoren, Ernährung und Lebensstil beeinflusst werden. Eine aberrante Methylierung wird mit verschiedenen Krankheiten, einschließlich Krebs, in Verbindung gebracht, da sie zur Aktivierung von Onkogenen oder zur Inaktivierung von Tumorsuppressorgenen führen kann. Insgesamt spielt die DNA-Methylierung eine entscheidende Rolle in der Genregulation und der Entwicklung von Organismen.

Das Riemann Integral ist ein fundamentales Konzept in der Analysis, das verwendet wird, um die Fläche unter einer Kurve zu bestimmen. Es basiert auf der Idee, eine Funktion $f$ über ein Intervall $[a, b]$ zu approximieren, indem man das Intervall in kleine Teilintervalle zerlegt. Für jedes Teilintervall wird der Funktionswert an einem bestimmten Punkt (z. B. dem linken Ende, dem rechten Ende oder dem Mittelwert) genommen und mit der Breite des Teilintervalls multipliziert. Die Summe dieser Produkte über alle Teilintervalle ergibt die Riemann-Summe:

Wenn die Breite der Teilintervalle gegen 0 geht und die Anzahl der Teilintervalle gegen unendlich steigt, konvergiert die Riemann-Summe zu dem Riemann-Integral:

Das Riemann Integral ist besonders nützlich in der Physik und Technik, um physikalische Größen wie Flächen, Volumina und Arbeit zu berechnen. Es ist jedoch wichtig zu beachten, dass nicht alle Funktionen Riemann-integrierbar sind, insbesondere wenn sie zu viele Unstetigkeitsstellen aufweisen.

Der Keynesianische Fiskalmultiplikator ist ein wirtschaftliches Konzept, das beschreibt, wie Veränderungen in der Staatsausgaben oder Besteuerung das Gesamteinkommen einer Volkswirtschaft beeinflussen. Wenn die Regierung beispielsweise die Ausgaben erhöht, führt dies zu einer direkten Erhöhung der Gesamtnachfrage, was wiederum Unternehmen dazu anregt, mehr zu produzieren und Arbeitsplätze zu schaffen. Der Multiplikator-Effekt entsteht, weil die zusätzlichen Einkommen, die durch diese Ausgaben generiert werden, wiederum zu weiteren Ausgaben führen.

Der Fiskalmultiplikator kann mathematisch als Verhältnis der Änderung des Gesamteinkommens ($\Delta Y$) zur Änderung der Staatsausgaben ($\Delta G$) dargestellt werden:

Dabei steht $k$ für den Multiplikator. Ein höherer Multiplikator bedeutet, dass die Wirkung der Staatsausgaben auf das Gesamteinkommen stärker ist. In der Praxis variiert der Fiskalmultiplikator je nach wirtschaftlichen Bedingungen, wie z.B. der Höhe der Arbeitslosigkeit oder der Kapazitätsauslastung der Wirtschaft.

VGG16 ist ein tiefes Convolutional Neural Network (CNN), das für die Bildklassifikation entwickelt wurde und 2014 von der Visual Geometry Group der Universität Oxford vorgestellt wurde. Es besteht aus 16 Gewichtsschichten, darunter 13 Convolutional-Schichten und 3 Fully Connected-Schichten. VGG16 zeichnet sich durch seine einheitliche Architektur aus, bei der nur 3x3 Convolutional-Kernel (Filter) verwendet werden, um eine hohe räumliche Auflösung zu erhalten, während die Anzahl der Filter mit der Tiefe des Netzwerks zunimmt. Diese Struktur ermöglicht es, komplexe Merkmale in den Bildern zu erfassen, was zu einer hohen Genauigkeit bei der Bildklassifikation führt. VGG16 wird häufig als Vortrainierungsmodell verwendet und kann durch Transfer Learning an spezifische Aufgaben angepasst werden, was es zu einem beliebten Werkzeug in der Computer Vision macht.

Die Black-Scholes-Formel ist ein fundamentales Modell zur Bewertung von Optionen, das auf bestimmten Annahmen über die Preisbewegungen von Aktien basiert. Die Ableitung beginnt mit der Annahme, dass die Preise von Aktien einem geometrischen Brownians Prozess folgen, was bedeutet, dass die logarithmischen Renditen normalverteilt sind. Der Preis einer europäischen Call-Option kann dann durch die Risiko-Neutralität und die Martingal-Theorie abgeleitet werden.

Um die Option zu bewerten, wird zunächst ein Portfolio aus der Option und der zugrunde liegenden Aktie erstellt, das risikofrei ist. Mithilfe der Itô-Kalkül wird die zeitliche Veränderung des Portfoliowertes betrachtet, was zu einer partiellen differentialgleichung führt. Schließlich ergibt sich die Black-Scholes-Formel, die für eine europäische Call-Option wie folgt aussieht:

Hierbei sind $N(d_1)$ und $N(d_2)$ die Werte der kumulativen Normalverteilung, $S$ der aktuelle Aktienkurs, $K$ der Ausübungspreis, $r$ der risikofreie Zinssatz und $ T-t