Mirco Fabian Woidelko

M.Sc., M.A.
Research Assistant

Contact

Mirco Woidelko, M.Sc., M.A.
E-6 Elektrische Energietechnik
  • Elektrische Energietechnik
Office Hours
nach Vereinbarung
Harburger Schloßstraße 22a,
21079 Hamburg
Building HS22a, Room 2.004
Phone: +49 40 42878 4093
Logo

Research Project

DisrupSys
Disruptive functions and technology for angle-based integrated grid operation in converter-dominated power systems with predominantly renewable energy supply

DisrupSys

Disruptive functions and technology for angle-based integrated grid operation in converter-dominated power systems with predominantly renewable energy supply

Federal Ministry for Economic Affairs and Climate Action (BMWK); Duration: 2021 to 2024

Publications

TUHH Open Research (TORE)

Courses

Stud.IP
link to course in Stud.IP Studip_icon
Maschinelles Lernen I (VL)
Subtitle:
Diese Lehrveranstaltung ist Teil des Moduls: Maschinelles Lernen, Maschinelles Lernen I
Semester:
SoSe 24
Course type:
Lecture
Course number:
lv2432_s24
Lecturer:
Nihat Ay, Dr. Manfred Eppe, Ruslan Maktaew, Seyedhojat Naghavi
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: E-21 Data Science Foundations
Registered participants in Stud.IP: 124
Postings: 16
Documents: 36

Supervised Theses

ongoing
completed

2023

  • Babendererde, A. (2023). Regelung eines Umrichters zum Anschluss eines Wasserstoffspeicherkraftwerks an die Höchstspannungsebene.

2022

  • Lim, I. (2022). Modelling and Integration of a Hydrogen Storage Power Plant in the 10-Machine New-England Power System.

  • Lindner, J. (2022). Primärregelungskonzepte für einen Batteriepufferspeicher eines Wasserstoffspeicherkraftwerkes.

  • Rieckborn, N. (2022). Modellierung des Umwandlungsprozesses eines Wasserstoffspeicherkraftwerks.