loops done

programming/code/facultyLoop.m

@@ -0,0 +1,6 @@
+n = 5;
+x = 1;
+for i = 1:n
+	  x = x * i;
+end 
+fprintf('Faculty of %i is: %i\n', n, x)

programming/code/facultyLoop.out

@@ -0,0 +1,2 @@
+>> facultyLoop
+Faculty of 5 is: 120

programming/code/facultyWhileLoop.m

@@ -0,0 +1,7 @@
+n = 5;
+counter = 1;
+x = 1;
+while counter <= n
+    x = x * counter;
+end
+fprintf('Faculty of %i is: %i\n', n, x)

programming/code/neverendingWhile.m

@@ -0,0 +1,6 @@
+i = 1;
+while true % this is always true
+    disp(x);
+    x = x * i;
+    i = i + 1;
+end

programming/lectures/programming.tex

@@ -784,7 +784,7 @@ nun die Werte an den Stellen zur\"uck, an denen der logische Vektor
 In der Regel wird ein Programm Zeile f\"ur Zeile von oben nach unten
 ausgef\"uhrt. Manchmal muss der Kontrollfluss aber so gesteuert
 werden, dass bestimmte Teile des Programmcodes wiederholt oder nur
-unter bestimmten Bedingungen ausgef\"uhrt werden. Von gro[\ss]er
+unter bestimmten Bedingungen ausgef\"uhrt werden. Von gro{\ss}er
 Bedeutung sind hier zwei Strukturen:
 
 \begin{enumerate}
@@ -799,7 +799,7 @@ zu vereinfachen.  In einer \"Ubung wurde die Fakult\"at von 5 wie in
 Listing \ref{facultylisting1} berechnet:
 
 \begin{lstlisting}[caption={Berechnung der Fakult\"at von 5 in f\"unf
-    Schritten}, label=facultylisting1]
+    Schritten}, label=facultylisting]
 >> x = 1;
 >> x = x * 2;
 >> x = x * 3;  
@@ -811,71 +811,115 @@ x =
 \end{lstlisting}
 
 Im Prinzip ist das obige Programm v\"ollig in Ordnung. Es f\"allt
-jedoch auf, dass die Zeilen 2 bis 5 sehr \"ahnlich sind und 
+jedoch auf, dass die Zeilen 2 bis 5 sehr \"ahnlich sind; bis auf die
+Multiplikation mit einer ansteigenden Zahl \"andert sich nichts. Die
+Verwendung von mehr oder weniger exakten Klonen einzelner Zeilen oder
+Abschnitte ist schlechter Prgrammierstil. Dabei geht es nicht nur um
+einen \"asthetischen Aspekt sondern vielmehr darum, dass es schwerwiegende Nachteile gibt.
+\begin{enumerate}
+\item Fehleranf\"alligkeit: Beim ``Copy-and-paste'' kann leicht
+  vergessen werden in einzelnen Klonen die entscheidende \"Anderung
+  auch wirklich vorzunehmen.
+\item Flexibilit\"at: Das obige Programm ist f\"ur genau einen Zweck,
+  Berechnung der Fakult\"at von f\"unf, gemacht und kann nichts
+  anderes.
+\item Wartung: Wenn ich einen Fehler gemacht habe, dann muss ich den
+  Fehler in allen Klonen korrigieren (sehr wird dabei der ein oder
+  andere Klon \"ubersehen).
+\item Verst\"andlichkeit: Solche Abschnitte sind schwerer zu lesen/zu
+  verstehen. Das liegt zum Teil daran, dass man dazu neigt \"uber sich
+  wiederholende Zeilen zu springen (ist ja eh das gleiche...) und dann
+  den entscheidenden Teil verpasst.
+\end{enumerate}
 
-  \begin{itemize}
+Alle Programmiersprachen bieten zur L\"osung dieses Problems die
-  \item Zeilen 2 bis 5 sind sehr \"ahnlich.
+Schleifen. Eine Schleife wird immer dann eingesetzt, wenn man
-  \item Die Verwendung von solchen Codeklonen ist schlechter Programmierstil!
+Abschnitte wiederholt ausf\"uhren will. 
-  \item Welche Nachteile hat es sonst noch?
-  \end{itemize}
 
+\subsubsection{\textbf{for}- Schleife}
 
+Der am h\"aufigsten benutzte Vertreter der Schleifen ist die
+\textit{for-Schleife}. Sie besteht aus dem \textit{Schleifenkopf} und
+dem \textit{Schleifenk\"orper}. Der Kopf regelt, wie h\"aufig der Code
+im K\"orper ausgef\"uhrt wird.
 
-  \begin{itemize}
+\begin{definition}
-  \item  Wird genutzt um iterativ/wiederholt einen Codeabschnitt auszuf\"uhren.\pause
+  Der Schleifenkopf beginnt mit dem Schl\"usselwort \textbf{for} auf
-  \item  Eine \code{for} Schleife besteht aus dem \textit{(Schleifen-) Kopf} und dem \textit{(Schleifen-) K\"orper}.
+  welches folgend die \textit{Laufvariable} definiert wird. In \matlab
-    \begin{itemize}
+  ``l\"auft''/iteriert eine for-Schleife immer(!) \"uber einen
-    \item Der Schleifenkopf beginnt mit dem Schl\"usselwort
+  Vektor. Die \textit{Laufvariable} nimmt mit jeder Iteration einen
-      \textbf{for} auf welches folgend die \textit{Laufvariable}
+  Wert dieses Vektors an.  Im Schleifenk\"orper k\"onnen beliebige
-      definiert wird.
+  Anweisungen ausgef\"uhrt werden. Die Schleife wird durch das
-    \item Die Schleife ``l\"auft''/iteriert immer(!) \"uber einen
+  Schl\"usselwort \textbf{end} beendet. Listing \ref{looplisting}
-      Vektor.
+\end{definition}
-    \item Die \textit{Laufvariable} nimmt in jeder Iteration einen
-      Wert dieses Vektors an.
-    \item Im Schleifenk\"orper k\"onnen beliebige Anweisungen
-      ausgef\"uhrt werden.
-    \item Die Schleife wird durch das Schl\"usselwort \textbf{end}
-      beendet.
-    \end{itemize}
-  \end{itemize}
 
-  \begin{lstlisting}[label=loopListing2]
+\begin{lstlisting}[caption={Beispiel einer \textbf{for} Schleife. Die Laufvariable \code{x} nimmt mit jeder Iteration der Schleife einen Wert des Vektors \code{1:5} an.}, label=looplisting]
 for x = 1:5
   % ... etwas sinnvolles mit x ...
 end
 \end{lstlisting}
 
 
+\begin{exercise}{facultyLoop.m}{facultyLoop.out}
+  Wie k\"onnte Fakult\"at mit einer Schleife implementiert werden?
+  Implementiere eine for Schleife, die die Fakul\"at von einer Zahl
+  \code{n} berechnet.
+\end{exercise}
 
-  Zur\"uck zu unserer Implementation der Fakult\"at:
-  \begin{lstlisting}
->> x = 1;
->> x = x * 2;
->> x = x * 3;  
->> x = x * 4;
->> x = x * 5;
->> x
-x =
-    120
-\end{lstlisting}
-\normalsize
-Wie k\"onnte das in einer Schleife gel\"ost werden?
 
+\subsubsection{Die \textbf{while}-Schleife}
 
-  Implementatierung der Fakult\"at mithilfe einer \code{for} Schleife:
+Eine weiterer Schleifentyp, der weniger h\"aufig eingesetzt wird, ist
-  \begin{lstlisting}
+die \textot{while}-Schleife. Auch sie hat ihre Entsprechungen in fast
-    x = 1;
+allen Programmiersprachen.  \"Ahnlich zur \code{for} Schleife wird
-    for i = 1:5
+auch hier der in der Schleife definierte Programmcode iterative
-      x = x * i;
+ausgef\"uhrt.
-    end 
+
-    % oder auch
+\begin{definition}
-    iterations = 1:5;
+  Der Schleifenkopf beginnt mit dem Schl\"usselwort \textbf{while}
-    for i = iterations
+  gefolgt von einem \underline{Booleschen Ausdruck}. Solange dieser zu
-      x = x * i;
+  \textit{true} ausgewertet werden kann, wird der Code im
+  Schleifenk\"orper ausgef\"uhrt.  Die Schleife wird mit dem
+  Schl\"usselwort \textbf{end} beendet.
+\end{definition}
+
+
+\begin{lstlisting}[caption={Grundstruktur einer \textbf{while} Schleife.}, label=whileloop]
+while x == true 
+   % fuehre diesen sinnvollen code aus ...
 end
 \end{lstlisting}
   
 
+\begin{exercise}{facultyWhileLoop.m}{}
+  Implementiere die Fakult\"at mit einer \textbf{while}-Schleife.
+\end{exercise}
+
+
+\begin{exercise}{neverendingWhile.m}{}
+  Implementiere eine \textbf{while}-Schleife, die unendlich
+  l\"auft. Tipp: der Boolesche Ausdruck hinter dem \textbf{while} muss
+  immer zu wahr ausgewertet werden.
+\end{exercise}
+
+
+\subsubsection{Vergleich \textbf{for} und \textbf{while} Schleife}
+\begin{itemize}
+\item Beide f\"uhren den Code im Schleifenk\"orper iterativ aus.
+\item Der K\"orper einer \code{for} Schleife wird mindestens 1 mal
+  betreten.
+\item Der K\"orper einer \code{while} Schleife wird nur dann betreten,
+  wenn die Bedinung im Kopf \textbf{true} ist. \\$\rightarrow$ auch
+  ``Oben-abweisende'' Schleife genannt.
+\item Die \code{for} Schleife eignet sich f\"ur F\"alle in denen f\"ur
+  jedes Element eines Vektors der Code ausgef\"uhrt werden soll.
+\item Die \code{while} Schleife ist immer dann gut, wenn nicht klar
+  ist wie h\"aufig etwas ausgef\"uhrt werden soll. Sie ist
+  speichereffizienter.
+\item Jedes Problem kann mit beiden Typen gel\"ost werden. 
+\end{itemize}
+
+
 \subsection{Bedingte Anweisungen und Verzweigungen}
 
 

spike_trains/lecture/psth_sta.tex

@@ -17,7 +17,7 @@ modellieren.
 Die Analyse von Spiketrains beinhaltet demnach einige der Methoden,
 die auch f\"r die Beschreibung von Punktprozessen angewandt
 werden. Dar\"uber hinaus wird versucht die Beziehung zwischen der
-zeitabh\"aengigen neuronalen Antwort und dem zugrundeliegenden
+zeitabh\"angigen neuronalen Antwort und dem zugrundeliegenden
 Stimulus zu analysieren.
 
 \section{Darstellung der zeitabh\"angigen Feuerrate}
@@ -34,12 +34,13 @@ Nachteile. Im folgenden werden die drei Methoden aus Abbildung
 
 \begin{figure}
   \includegraphics[width=\columnwidth]{psth_comparison}
-  \caption{\textbf{Verschiedene Methoden das PSTH zu bestimmen. A)}
+  \caption{\textbf{Verschiedene Methoden die zeitabh\"angige Feuerrate
-    Rasterplot einer einzelnen neuronalen Antwort. Jeder vertikale
+      zu bestimmen. A)} Rasterplot einer einzelnen neuronalen
-    Strich notiert den Zeitpunkt eines Aktionspotentials. \textbf{B)}
+    Antwort. Jeder vertikale Strich notiert den Zeitpunkt eines
-    PSTH aus der instantanen Feuerrate bestimmt. \textbf{C)} PSTH mit
+    Aktionspotentials. \textbf{B)} Feurerrate aus der instantanen
-    der Binning Methode. \textbf{D)} Feuerrate durch Faltung mit einem
+    Feuerrate bestimmt. \textbf{C)} klassisches PSTH mit der Binning
-    Gauss Kern bestimmt.}\label{psthfig}
+    Methode. \textbf{D)} Feuerrate durch Faltung mit einem Gauss Kern
+    bestimmt.}\label{psthfig}
 \end{figure}
 
 
@@ -47,10 +48,10 @@ Nachteile. Im folgenden werden die drei Methoden aus Abbildung
 Ein sehr einfacher Weg, die zeitabh\"angige Feuerrate zu bestimmen ist
 die sogenannte \textit{instantane Feuerrate}. Dabei wird die Feuerrate
 aus dem Kehrwert des \textit{Interspike Intervalls}, der Zeit zwischen
-zwei aufeinander folgenden Aktionspotentialen (Abbildung \ref{isipsth}
+zwei aufeinander folgenden Aktionspotentialen (Abbildung \ref{instrate}
-A), bestimmt. Die abgesch\"atzte Feuerrate (Abbildung \ref{isipsth} B)
+A), bestimmt. Die abgesch\"atzte Feuerrate (Abbildung \ref{instrate} B)
 ist g\"ultig f\"ur das gesammte Interspike Intervall
-\ref{isipsth}. Diese Methode hat den Vorteil, dass sie sehr einfach zu
+\ref{instrate}. Diese Methode hat den Vorteil, dass sie sehr einfach zu
 berechnen ist und keine Annahme \"uber eine relevante Zeitskala (der
 Kodierung oder des Auslesemechanismus der postsynaptischen Zelle)
 macht. $r(t)$ ist allerdings keine kontinuierliche Funktion, die
@@ -60,13 +61,13 @@ Aktionspotentiale generiert wurden.
 
 \begin{figure}[!htb]
   \includegraphics[width=\columnwidth]{isi_method}
-  \caption{\textbf{Bestimmung des PSTH aus dem Interspike
+  \caption{\textbf{Bestimmung des zeitabh\"angigen Feuerrate aus dem
-      Interval. A)} Skizze eines Rasterplots einer einzelnen
+      Interspike Interval. A)} Skizze eines Rasterplots einer
-    neuronalen Antwort. Jeder vertikale Strich notiert den Zeitpunkt
+    einzelnen neuronalen Antwort. Jeder vertikale Strich notiert den
-    eines Aktionspotentials. Die Pfeile zwischen aufeinanderfolgenden
+    Zeitpunkt eines Aktionspotentials. Die Pfeile zwischen
-    Aktionspotentialen illustrieren das Interspike
+    aufeinanderfolgenden Aktionspotentialen illustrieren das
-    Interval. \textbf{B)} Der Kehrwert des Interspike Intervalls ist
+    Interspike Interval. \textbf{B)} Der Kehrwert des Interspike
-    die Feuerrate.}\label{isipsth}
+    Intervalls ist die Feuerrate.}\label{instrate}
 \end{figure}
 
 
@@ -99,9 +100,10 @@ koninuierliche Funktion.
 
 
 \paragraph{Faltungsmethode}
-Bei der Faltungsmethode geht man etwas anders vor. Die
+Bei der Faltungsmethode geht wird etwas anders vorgegangen um die
-Aktionspotentialfolge wird ``bin\"ar'' dargestellt. Das heisst, dass
+Feuerrate zeitaufgel\"ost zu berechnen. Die Aktionspotentialfolge wird
-eine Antwort als Vektor dargestellt wird, in welchem die Zeitpunkte der
+zun\"achst ``bin\"ar'' dargestellt. Das heisst, dass eine Antwort als
+(Zeit-)Vektor dargestellt wird, in welchem die Zeitpunkte der
 Aktionspotentiale als 1 notiert werden. Alle anderen Elemente des
 Vektors sind 0. Anschlie{\ss}end wir dieser bin\"are Spiketrain mit
 einem Gauss Kern bestimmter Breite gefaltet.
@@ -109,9 +111,9 @@ einem Gauss Kern bestimmter Breite gefaltet.
 \[r(t) = \int_{-\infty}^{\infty}d\tau \omega(\tau)\rho(t-\tau) \],
 wobei $\omega(\tau)$ der Filterkern und $\rho(t)$ die bin\"are Antwort
 ist. Bildlich geprochen wird jede 1 in $rho(t)$ durch den Filterkern
-ersetzt (Abbildung \ref{convpsth} A). Wenn der Kern richtig normiert
+ersetzt (Abbildung \ref{convrate} A). Wenn der Kern richtig normiert
 wurde (Integral 1), ergibt sich die Feuerrate direkt aus der
-\"Uberlagerung der Kerne (Abb. \ref{convpsth} B). Die Faltungsmethode
+\"Uberlagerung der Kerne (Abb. \ref{convrate} B). Die Faltungsmethode
 f\"uhrt, anders als die anderen Methoden, zu einer kontinuierlichen
 Funktion was f\"ur spektrale Analysen von Vorteil sein kann. Die Wahl
 der Kernbreite bestimmt, \"ahnlich zur Binweite, die zeitliche
@@ -126,17 +128,18 @@ relevante Zeitskala.
     Faltung werden die mit einer 1 notierten Aktionspotential durch
     den Faltungskern ersetzt. \textbf{B)} Bei korrekter Normierung des
     Kerns ergibt sich die Feuerrate direkt aus der \"Uberlagerung der
-    Kerne.}\label{convpsth}
+    Kerne.}\label{convrate}
 \end{figure}
 
 
 
 \section{Spike triggered Average}
-Die graphischer Darstellung der Feuerrate reicht nicht aus um den
+Die graphischer Darstellung der Feuerrate allein reicht nicht aus um
-Zusammenhang zwischen neuronaler Antwort und einem Stimulus zu
+den Zusammenhang zwischen neuronaler Antwort und einem Stimulus zu
-analysieren.  Eine Methode mehr \"uber diesen zu erfahren ist der
+analysieren.  Eine Methode mehr \"uber diesen Zusammenhang zu erfahren
-Spike triggered average (STA). Der STA ist der mittlere Stimulus, der
+ist der Spike triggered average (STA). Der STA ist der mittlere
-zu einem Aktionspotential in der neuronalen Antwort f\"uhrt.
+Stimulus, der zu einem Aktionspotential in der neuronalen Antwort
+f\"uhrt.
 
 \begin{equation}
   STA(\tau) = \frac{1}{\langle n \rangle} \left\langle  \displaystyle\sum_{i=1}^{n}{s(t_i - \tau)} \right\rangle