Logo Institute of Electrical Power and Energy Technology
Institute of Electrical Power and Energy Technology
Logo Institute of Electrical Power and Energy Technology
Institute of Electrical Power and Energy Technology
DE
EN
Search
DE
EN
Search
IEET > Staff > Research Assistants > Mirco Fabian Woidelko, M.Sc., M. A.

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

to the project page

Publications

TUHH Open Research (TORE)

Courses

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: E-21 Data Science Foundations
Registered participants in Stud.IP: 1

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.

TU Hamburg
Institute of Electrical Power and Energy Technology (ieet) E-6
Prof. Dr.-Ing. Christian Becker
Harburger Schloßstraße 22a
21079 Hamburg
E-mail : ieet(at)tuhh.de
Phone : +49 40 42878 3213
Links
Map and Directions
Data Privacy
Imprint