diff --git a/header.tex b/header.tex index 8a6ec5a..4423fdc 100644 --- a/header.tex +++ b/header.tex @@ -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 diff --git a/likelihood/lecture/likelihood.tex b/likelihood/lecture/likelihood.tex index 4620e20..bdeb82d 100644 --- a/likelihood/lecture/likelihood.tex +++ b/likelihood/lecture/likelihood.tex @@ -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} diff --git a/plotting/lecture/Makefile b/plotting/lecture/Makefile index 9c5c90f..4626417 100644 --- a/plotting/lecture/Makefile +++ b/plotting/lecture/Makefile @@ -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 diff --git a/plotting/lecture/plotting.tex b/plotting/lecture/plotting.tex index daf1d23..8608526 100644 --- a/plotting/lecture/plotting.tex +++ b/plotting/lecture/plotting.tex @@ -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} - \titlecaption{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 & '*' \\ @@ -362,11 +362,11 @@ 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 @@ -385,7 +385,7 @@ 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') diff --git a/programming/lecture/programming.tex b/programming/lecture/programming.tex index aa5ef45..306964d 100644 --- a/programming/lecture/programming.tex +++ b/programming/lecture/programming.tex @@ -578,7 +578,7 @@ Eine elementweise Multiplikation (\code{.*} Operator, Listing 1 5 9 5 10 5 >> - >> A * B % Matrix Multiplikation + >> A * B % Matrixmultiplikation ans = 24 63 103 29 82 119 @@ -593,6 +593,8 @@ Eine elementweise Multiplikation (\code{.*} Operator, Listing \begin{ibox}[t]{\label{matrixmultilication} Matrixmultiplikation.} + + \end{ibox} \section{Boolesche Operationen} diff --git a/regression/lecture/regression.tex b/regression/lecture/regression.tex index 733abed..b6a6041 100644 --- a/regression/lecture/regression.tex +++ b/regression/lecture/regression.tex @@ -11,11 +11,11 @@ ein Optimierungsproblem, der als Kurvenfit bekannt ist \begin{figure}[t] \includegraphics[width=1\textwidth]{lin_regress}\hfill - \titlecaption{Parameter der linearen Geradengleichung.}{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 @@ -358,7 +358,7 @@ Punkte in Abbildung \ref{gradientdescentfig} gro{\ss}. \begin{figure}[t] \includegraphics[width=0.6\columnwidth]{gradient_descent} - \titlecaption{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} diff --git a/statistics/lecture/statistics.tex b/statistics/lecture/statistics.tex index 3929389..4667e03 100644 --- a/statistics/lecture/statistics.tex +++ b/statistics/lecture/statistics.tex @@ -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}