Merge branch 'master' of raven.am28.uni-tuebingen.de:scientificComputing

Conflicts:
	plotting/lecture/plotting.tex
	regression/lecture/regression.tex

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

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
+  \titlecaption{\label{mlecodingfig} Maximum Likelihood Sch\"atzung
-    Stimulusparameters aus der Aktivit\"at einer Population von
+    eines Stimulusparameters aus neuronaler Aktivit\"at.}{Oben:
-    Neuronen.}{Oben: Die Tuning-Kurve eines einzelnen Neurons in
+    Die Tuning-Kurve eines einzelnen Neurons in Abh\"angigkeit von der
-    Abh\"angigkeit von der Orientierung eines Balkens. Der Stimulus
+    Orientierung eines Balkens. Der Stimulus der die st\"akste
-    der die st\"akste Aktivit\"at in diesem Neuron hervorruft ist ein
+    Aktivit\"at in diesem Neuron hervorruft ist ein senkrechter Balken
-    senkrechter Balken (Pfeil, $\phi_i=90$\,\degree. Die rote Fl\"ache
+    (Pfeil, $\phi_i=90$\,\degree. Die rote Fl\"ache deutet die
-    deutet die Variabilit\"at $p(r)$ der Aktivit\"at $r$ um die
+    Variabilit\"at $p(r)$ der Aktivit\"at $r$ um die Tuning-Kurve
-    Tuning-Kurve herum an. Mitte: Jedes Neuron in der Population hat
+    herum an. Mitte: Jedes Neuron in der Population hat eine andere
-    eine andere bevorzugte Orientierung des Stimulus (farbige Linien).
+    bevorzugte Orientierung des Stimulus (farbige Linien).  Ein
-    Ein Stimulus einer bestimmten Orientierung aktiviert die Neurone
+    Stimulus einer bestimmten Orientierung aktiviert die Neurone in
-    in spezifischer Weise (Punkte). Unten: Die Log-Likelihood dieser
+    spezifischer Weise (Punkte). Unten: Die Log-Likelihood dieser
     Aktivit\"aten wir maximal in der N\"ahe der wahren Orientierung
     des Stimulus.}
 \end{figure}

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
 
 

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')

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}

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 $x$,
+  \titlecaption{Beispieldatensatz f\"ur den Geradenfit.}{F\"ur eine
-    z.B. Stimulusintensit\"aten, wurden die Antworten $y$ eines
+    Reihe von Eingangswerten $x$, z.B. Stimulusintensit\"aten, wurden
-    Systems gemessen (links). Der postulierte lineare Zusammenhang hat
+    die Antworten $y$ eines Systems gemessen (links). Der postulierte
-    als freie Parameter die Steigung (mitte) und den
+    lineare Zusammenhang hat als freie Parameter die Steigung (mitte)
-    $y$-Achsenabschnitt (rechts).}\label{linregressiondatafig}
+    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}

statistics/lecture/statistics.tex

@@ -217,13 +217,12 @@ Standardabweichung $\sigma$.
 
 \begin{figure}[t]
   \includegraphics[width=1\textwidth]{pdfhistogram}
-  \titlecaption{\label{pdfhistogramfig} Histogramme mit
+  \titlecaption{\label{pdfhistogramfig} Histogramme mit verschiednenen
-      verschiednenen Klassenbreiten eines Datensatzes von
+    Klassenbreiten von normalverteilten Messwerten.}{Links: Die H\"ohe
-      normalverteilten Messwerten.}{Links: Die H\"ohe des absoluten
+    des absoluten Histogramms h\"angt von der Klassenbreite
-      Histogramms h\"angt von der Klassenbreite ab. Rechts: Bei auf
+    ab. Rechts: Bei auf das Integral normierten Histogrammen werden
-      das Integral normierten Histogrammen werden auch
+    auch unterschiedliche Klassenbreiten untereinander vergleichbar
-      unterschiedliche Klassenbreiten untereinander vergleichbar und
+    und auch mit der theoretischen Wahrschinlichkeitsdichtefunktion
-      auch mit der theoretischen Wahrschinlichkeitsdichtefunktion
     (blau).}}
 \end{figure}
 
@@ -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
+  \titlecaption{\label{correlationfig} Korrelationen zwischen Datenpaaren.}{}
-    Datens\"atzen $x$ und $y$.}{}
 \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
+  \titlecaption{\label{nonlincorrelationfig} Korrelationen von
-    werden durch den Korrelationskoeffizienten nicht erfasst.}{Sowohl
+    nichtlineare Zusammenh\"angen.}{Der Korrelationskoeffizienten
-    die quadratische Abh\"angigkeit (links) als auch eine
+    erfasst nur lineare Zusammenh\"ange. Sowohl die quadratische
-    Rauschkorrelation (rechts), bei der die Streuung der $y$-Werte von
+    Abh\"angigkeit (links) als auch eine Rauschkorrelation (rechts),
-    $x$ abh\"angen, ergeben Korrelationskeffizienten nahe Null.
+    bei der die Streuung der $y$-Werte von $x$ abh\"angen, ergeben
-    $\xi$ sind normalverteilte Zufallszahlen.}
+    Korrelationskeffizienten nahe Null. $\xi$ sind normalverteilte
+    Zufallszahlen.}
 \end{figure}