Bereiche | Tage | Auswahl | Suche | Aktualisierungen | Downloads | Hilfe

UP: Fachverband Umweltphysik

UP 3: Methoden - Fernerkundung, Messverfahren und Datenauswertung

UP 3.7: Vortrag

Dienstag, 26. Februar 2013, 17:00–17:15, HS 5

Penalisierte funktionale Regression mit skalarer Zielgröße unter Einführung eines Kovariablen-Interaktionsterms als Sensorauswertestrategie. — •Karen Fuchs¹, Sonja Greven¹, Fabian Scheipl¹ und Evamaria Stütz² — ¹Department of Statistics, LMU Munich, Ludwigstr. 33, 80539 Munich, Germany — ²Siemens AG, Corporate Technology, Otto-Hahn-Ring 6, 81739 Munich, Germany

Der Einsatz verschiedenster Sensoren nimmt seit Jahren zu. Dabei wird erwartet, dass der Informationsgehalt der aus den Sensoren gewonnen Signale steigt, während Erzeugungskosten und Größe minimiert werden. Diese kontroversen Ziele können insbesondere bei komplexen Systemen nicht immer mittels konventioneller Signalverarbeitung erreicht werden, sie erfordern angepasste Auswertemethoden. Hier wird eine Methode aus der statistischen Regressionsanalyse, basierend auf funktionalen Daten, vorgestellt. Dabei wird die Schätzung der Regressionsfunktionen über Basiserweiterung und die Maximierung der penalisierten log-likelihood Funktion des betrachteten Modells mit skalarer Zielgröße um einen Kovariablen-Interaktionsterm erweitert. Dieser gibt Aufschluss über einen möglichen zusätzlichen Informationsgehalt durch die Analyse von Interaktionen zwischen simultan gemessenen Sensorsignalen. Außerdem kann die Regressionsfläche des Interaktionsterms Aufschlüsse über verdeckte Mechanismen im untersuchten System geben. Anhand eines Zellchipsensors werden die Methode illustriert und erste Ergebnisse interpretiert.