fixed some figure legends
This commit is contained in:
parent
de92972722
commit
349fc2377b
@ -233,7 +233,7 @@
|
||||
% The cooler programming language.
|
||||
\usepackage[within=chapter]{newfloat}
|
||||
\DeclareFloatingEnvironment[
|
||||
fileextension=lob,
|
||||
fileext=lob,
|
||||
listname={\tr{Info Boxes}{Infoboxen}},
|
||||
name={Info Box},
|
||||
placement=t
|
||||
|
||||
@ -264,17 +264,17 @@ als Funktion eines Stimulusparameters ist dann die ``Tuning-curve''
|
||||
|
||||
\begin{figure}[tp]
|
||||
\includegraphics[width=1\textwidth]{mlecoding}
|
||||
\titlecaption{\label{mlecodingfig} Maximum Likelihood Sch\"atzung eines
|
||||
Stimulusparameters aus der Aktivit\"at einer Population von
|
||||
Neuronen.}{Oben: Die Tuning-Kurve eines einzelnen Neurons in
|
||||
Abh\"angigkeit von der Orientierung eines Balkens. Der Stimulus
|
||||
der die st\"akste Aktivit\"at in diesem Neuron hervorruft ist ein
|
||||
senkrechter Balken (Pfeil, $\phi_i=90$\,\degree. Die rote Fl\"ache
|
||||
deutet die Variabilit\"at $p(r)$ der Aktivit\"at $r$ um die
|
||||
Tuning-Kurve herum an. Mitte: Jedes Neuron in der Population hat
|
||||
eine andere bevorzugte Orientierung des Stimulus (farbige Linien).
|
||||
Ein Stimulus einer bestimmten Orientierung aktiviert die Neurone
|
||||
in spezifischer Weise (Punkte). Unten: Die Log-Likelihood dieser
|
||||
\titlecaption{\label{mlecodingfig} Maximum Likelihood Sch\"atzung
|
||||
eines Stimulusparameters aus neuronaler Aktivit\"at.}{Oben:
|
||||
Die Tuning-Kurve eines einzelnen Neurons in Abh\"angigkeit von der
|
||||
Orientierung eines Balkens. Der Stimulus der die st\"akste
|
||||
Aktivit\"at in diesem Neuron hervorruft ist ein senkrechter Balken
|
||||
(Pfeil, $\phi_i=90$\,\degree. Die rote Fl\"ache deutet die
|
||||
Variabilit\"at $p(r)$ der Aktivit\"at $r$ um die Tuning-Kurve
|
||||
herum an. Mitte: Jedes Neuron in der Population hat eine andere
|
||||
bevorzugte Orientierung des Stimulus (farbige Linien). Ein
|
||||
Stimulus einer bestimmten Orientierung aktiviert die Neurone in
|
||||
spezifischer Weise (Punkte). Unten: Die Log-Likelihood dieser
|
||||
Aktivit\"aten wir maximal in der N\"ahe der wahren Orientierung
|
||||
des Stimulus.}
|
||||
\end{figure}
|
||||
|
||||
@ -11,7 +11,7 @@ all: pdf slides thumbs
|
||||
|
||||
# script:
|
||||
pdf : $(BASENAME)-chapter.pdf
|
||||
$(BASENAME)-chapter.pdf : $(BASENAME)-chapter.tex $(BASENAME).tex $(GPTTEXFILES) $(PYPDFFILES)
|
||||
$(BASENAME)-chapter.pdf : $(BASENAME)-chapter.tex $(BASENAME).tex $(GPTTEXFILES) $(PYPDFFILES) ../../header.tex
|
||||
pdflatex -interaction=scrollmode $< | tee /dev/stderr | fgrep -q "Rerun to get cross-references right" && pdflatex -interaction=scrollmode $< || true
|
||||
|
||||
|
||||
|
||||
@ -62,7 +62,7 @@ nicht auf die genaue Lage der Datenpunkte ankommt.
|
||||
|
||||
\begin{figure}[t]
|
||||
\includegraphics[width=0.7\columnwidth]{outlier}\vspace{-3ex}
|
||||
\titlecaption{Comicartige Darstellungen}{ sind f\"ur die Darstellung
|
||||
\titlecaption{Comicartige Darstellungen.}{Sie sind f\"ur die Darstellung
|
||||
wissenschaftlicher Daten nicht geeignet. F\"ur illustrative Beispiele
|
||||
k\"onnen sie aber helfen, die wesentlichen Aspekte zu betonen.}\label{comicexamplefig}
|
||||
\end{figure}
|
||||
@ -177,7 +177,7 @@ Einstellungsm\"oglichkeiten. Wie schon erw\"ahnt, k\"onnen diese
|
||||
\begin{minipage}[t]{0.3\columnwidth}
|
||||
\includegraphics[width=0.9\textwidth]{property_editor}
|
||||
\end{minipage}
|
||||
\caption{\textbf{Graphisches Interface ``Plot Editor''.} \"Uber das Menu
|
||||
\titlecaption{Graphisches Interface ``Plot Editor''.}{\"Uber das Menu
|
||||
``Tools $\rightarrow$ Edit Plot'' erreicht man den Plot Editor. Je nachdem
|
||||
welches Element des Plots ausgew\"ahlt wurde, ver\"andern sich
|
||||
die Einstellungsm\"oglichkeiten. Weitere Eigenschaften und
|
||||
@ -244,7 +244,7 @@ die Farbe und die verschiedenen Marker.
|
||||
\titlecaption{Vordefinierte Linienstile (links), Farben (Mitte) und Markersymbole (rechts).}{}\label{plotlinestyles}
|
||||
\begin{minipage}[t]{0.3\textwidth}
|
||||
\vspace{0pt}
|
||||
\begin{tabular}{c|l}
|
||||
\begin{tabular}{lc} \hline
|
||||
\textbf{Linienstil} & \textbf{K\"urzel} \\\hline
|
||||
durchgezogen & '\verb|-|' \\
|
||||
gestrichelt & '\verb|--|' \\
|
||||
@ -256,7 +256,7 @@ die Farbe und die verschiedenen Marker.
|
||||
\begin{minipage}[t]{.3\textwidth}
|
||||
\vspace{0pt}
|
||||
\hspace{0.05\textwidth}
|
||||
\begin{tabular}{lc}
|
||||
\begin{tabular}{lc} \hline
|
||||
\textbf{Farbe} & \textbf{K\"urzel} \\ \hline
|
||||
Rot & 'r'\\
|
||||
Gr\"un & 'g' \\
|
||||
@ -270,7 +270,7 @@ die Farbe und die verschiedenen Marker.
|
||||
\vspace{0pt}
|
||||
\begin{minipage}[t]{0.3\textwidth}
|
||||
\vspace{0pt}
|
||||
\begin{tabular}{lc}
|
||||
\begin{tabular}{lc} \hline
|
||||
\textbf{Markersymbol} & \textbf{K\"urzel} \\ \hline
|
||||
Kreis & 'o'\\
|
||||
Stern & '*' \\
|
||||
@ -296,7 +296,7 @@ einen roten Linienplot mit gepunkteter Linie der St\"arke 1.5 und
|
||||
Sternmarkern an den Positionen der Datenpunkte. Zus\"atzlich wird noch
|
||||
die Eigenschaft \codeterm{displayname} gesetzt, um dem Linienplot
|
||||
einen Namen zu geben, der in einer Legende verwendet werden kann.
|
||||
\begin{lstlisting}
|
||||
\begin{lstlisting}[caption={Ein enfache Plot.}]
|
||||
x = 0:0.1:2*pi;
|
||||
y = sin(x);
|
||||
plot( x, y, 'color', 'r', 'linestyle', ':', 'marker', '*', 'linewidth', 1.5, 'displayname', 'plot 1')
|
||||
@ -360,11 +360,11 @@ gerade aktiven Achse.
|
||||
\codeterm{PaperSize} & Gr\"o{\ss}e der des Papiers. & 2-elementiger Vektor mit der Papiergr\"o{\ss}e.\\
|
||||
\codeterm{PaperUnits} & Einheit, in der die Papiergr\"o{\ss}e bestimmt wird. & $\{'inches' | 'centimeters' | 'normalized' | 'points'\}$\\
|
||||
\codeterm{Visible} & Hilfreich, wenn ein Plot aus Performanzgr\"unden nicht auf dem Bildschirm gezeigt, sondern direkt gespeichert werden soll. & $\{'on' | 'off'\}$\\ \hline
|
||||
\end{tabular}
|
||||
\end{tabular*}
|
||||
\end{table}
|
||||
|
||||
Wie die Achse, hat auch das \codeterm{Figure} Element eine Reihe von
|
||||
Eigenschaften, die nach Bedarf mit der \cide{set} - Funktion gesetzt
|
||||
Eigenschaften, die nach Bedarf mit der \code{set} - Funktion gesetzt
|
||||
werden k\"onnen (Tabelle \ref{plotfigureprops} listet die
|
||||
meistverwendeten). Das erste Argument f\"ur \code{set()} ist jetzt
|
||||
aber eine Handle f\"ur die Abbildung, nicht das
|
||||
@ -383,7 +383,7 @@ erstes Argument wieder ein Handle auf die Figure erwartet. Das zweite
|
||||
Argument ist der Dateiname, und zuletzt muss das gew\"unschte Format
|
||||
(Box \ref{graphicsformatbox}) angegeben werden.
|
||||
|
||||
\begin{lstlisting}[caption={Skript zur Erstellung des Plots in Abbildung \ref{spikedetectionfig}.}, label=niceplotlisting]
|
||||
\begin{lstlisting}[caption={Skript zur Erstellung des Plots in \figref{spikedetectionfig}.}, label=niceplotlisting]
|
||||
figure()
|
||||
set(gcf, 'PaperUnits', 'centimeters', 'PaperSize', [11.7 9.0]);
|
||||
set(gcf, 'PaperPosition',[0.0 0.0 11.7 9.0], 'Color', 'white')
|
||||
@ -402,9 +402,9 @@ set(gca, 'TickDir','out', 'linewidth', 1.5, 'fontname', 'MyriadPro-Regular')
|
||||
saveas(gcf, 'spike_detection.pdf', 'pdf')
|
||||
\end{lstlisting}
|
||||
|
||||
\begin{figure}
|
||||
\includegraphics[width=0.5\columnwidth]{spike_detection}
|
||||
\caption{\textbf{Annehmbarer Plot.} Dieser Plot wurde vollst\"andig
|
||||
\begin{figure}[t]
|
||||
\includegraphics[width=0.4\columnwidth]{spike_detection}
|
||||
\titlecaption{Annehmbarer Plot.}{Dieser Plot wurde vollst\"andig
|
||||
mit dem Skript in Listing \ref{niceplotlisting} erstellt und
|
||||
gespeichert.}\label{spikedetectionfig}
|
||||
\end{figure}
|
||||
|
||||
@ -11,11 +11,11 @@ ein Optimierungsproblem, der als Kurvenfit bekannt ist
|
||||
|
||||
\begin{figure}[t]
|
||||
\includegraphics[width=1\textwidth]{lin_regress}\hfill
|
||||
\titlecaption{.}{F\"ur eine Reihe von Eingangswerten $x$,
|
||||
z.B. Stimulusintensit\"aten, wurden die Antworten $y$ eines
|
||||
Systems gemessen (links). Der postulierte lineare Zusammenhang hat
|
||||
als freie Parameter die Steigung (mitte) und den
|
||||
$y$-Achsenabschnitt (rechts).}\label{linregressiondatafig}
|
||||
\titlecaption{Beispieldatensatz f\"ur den Geradenfit.}{F\"ur eine
|
||||
Reihe von Eingangswerten $x$, z.B. Stimulusintensit\"aten, wurden
|
||||
die Antworten $y$ eines Systems gemessen (links). Der postulierte
|
||||
lineare Zusammenhang hat als freie Parameter die Steigung (mitte)
|
||||
und den $y$-Achsenabschnitt (rechts).}\label{linregressiondatafig}
|
||||
\end{figure}
|
||||
|
||||
Die Punktewolke in \figref{linregressiondatafig} legt
|
||||
@ -169,7 +169,7 @@ beiden Parameter und auf der $z$-Achse der Fehlerwert aufgetragen
|
||||
|
||||
\begin{figure}[t]
|
||||
\includegraphics[width=0.75\columnwidth]{error_surface.pdf}
|
||||
\caption{\textbf{Fehlerfl\"ache.} Die beiden freien Parameter
|
||||
\titlecaption{Fehlerfl\"ache.}{Die beiden freien Parameter
|
||||
unseres Modells $m$ und $b$ spannen die Grundfl\"ache des Plots
|
||||
auf. F\"ur jede Kombination von Steigung $m$ und
|
||||
$y$-Achsenabschnitt $b$ wird die errechnete Vorhersage des Modells
|
||||
@ -358,7 +358,7 @@ Punkte in Abbildung \ref{gradientdescentfig} gro{\ss}.
|
||||
|
||||
\begin{figure}[t]
|
||||
\includegraphics[width=0.6\columnwidth]{gradient_descent}
|
||||
\caption{\textbf{Gradientenabstieg.} Es wird von einer beliebigen
|
||||
\titlecaption{Gradientenabstieg.}{Es wird von einer beliebigen
|
||||
Position aus gestartet und der Gradient berechnet und die Position
|
||||
ver\"andert. Jeder Punkt zeigt die Position nach jedem
|
||||
Optimierungsschritt an.} \label{gradientdescentfig}
|
||||
|
||||
@ -217,14 +217,13 @@ Standardabweichung $\sigma$.
|
||||
|
||||
\begin{figure}[t]
|
||||
\includegraphics[width=1\textwidth]{pdfhistogram}
|
||||
\titlecaption{\label{pdfhistogramfig} Histogramme mit
|
||||
verschiednenen Klassenbreiten eines Datensatzes von
|
||||
normalverteilten Messwerten.}{Links: Die H\"ohe des absoluten
|
||||
Histogramms h\"angt von der Klassenbreite ab. Rechts: Bei auf
|
||||
das Integral normierten Histogrammen werden auch
|
||||
unterschiedliche Klassenbreiten untereinander vergleichbar und
|
||||
auch mit der theoretischen Wahrschinlichkeitsdichtefunktion
|
||||
(blau).}}
|
||||
\titlecaption{\label{pdfhistogramfig} Histogramme mit verschiednenen
|
||||
Klassenbreiten von normalverteilten Messwerten.}{Links: Die H\"ohe
|
||||
des absoluten Histogramms h\"angt von der Klassenbreite
|
||||
ab. Rechts: Bei auf das Integral normierten Histogrammen werden
|
||||
auch unterschiedliche Klassenbreiten untereinander vergleichbar
|
||||
und auch mit der theoretischen Wahrschinlichkeitsdichtefunktion
|
||||
(blau).}}
|
||||
\end{figure}
|
||||
|
||||
\begin{exercise}{gaussianbins.m}{}
|
||||
@ -261,8 +260,7 @@ $\Delta x$ der Klassen geteilt werden (\figref{pdfhistogramfig}).
|
||||
|
||||
\begin{figure}[tp]
|
||||
\includegraphics[width=1\textwidth]{correlation}
|
||||
\titlecaption{\label{correlationfig} Korrelationen zwischen zwei
|
||||
Datens\"atzen $x$ und $y$.}{}
|
||||
\titlecaption{\label{correlationfig} Korrelationen zwischen Datenpaaren.}{}
|
||||
\end{figure}
|
||||
|
||||
Bisher haben wir Eigenschaften einer einzelnen Me{\ss}gr\"o{\ss}e
|
||||
@ -285,10 +283,11 @@ nur unzureichend oder \"uberhaupt nicht erfasst (\figref{nonlincorrelationfig}).
|
||||
|
||||
\begin{figure}[tp]
|
||||
\includegraphics[width=1\textwidth]{nonlincorrelation}
|
||||
\titlecaption{\label{nonlincorrelationfig} Nichtlineare Zusammenh\"ange
|
||||
werden durch den Korrelationskoeffizienten nicht erfasst.}{Sowohl
|
||||
die quadratische Abh\"angigkeit (links) als auch eine
|
||||
Rauschkorrelation (rechts), bei der die Streuung der $y$-Werte von
|
||||
$x$ abh\"angen, ergeben Korrelationskeffizienten nahe Null.
|
||||
$\xi$ sind normalverteilte Zufallszahlen.}
|
||||
\titlecaption{\label{nonlincorrelationfig} Korrelationen von
|
||||
nichtlineare Zusammenh\"angen.}{Der Korrelationskoeffizienten
|
||||
erfasst nur lineare Zusammenh\"ange. Sowohl die quadratische
|
||||
Abh\"angigkeit (links) als auch eine Rauschkorrelation (rechts),
|
||||
bei der die Streuung der $y$-Werte von $x$ abh\"angen, ergeben
|
||||
Korrelationskeffizienten nahe Null. $\xi$ sind normalverteilte
|
||||
Zufallszahlen.}
|
||||
\end{figure}
|
||||
|
||||
Reference in New Issue
Block a user