Shop : Details
Shop
Details
49,80 €ISBN 978-3-8440-7384-3Softcover236 pages51 figures351 g21 x 14,8 cmEnglishThesis
May 2020
Johannes Dittmann
Theoretical and experimental determination of material variability in biological microstructures
In der vorliegenden Arbeit wurden experimentelle Methoden etabliert, die zur mechanischen Beprobung biologischer Objekte im Bereich weniger Mikrometer geeignet ist. Hierfür ist an einem inversen Mikroskop ein Versuchsstand entwickelt worden, der sowohl eine Messung im Bereich der Körpertemperatur, als auch eine Messung von Objekten in wässriger Umgebung erlaubt. Angewandt wurde der experimentelle Aufbau zunächst an porzinen Oozyten, die mit zwei Deformationszuständen quasi statisch und dynamisch belastet wurden. Eine weitere Anwendung des Versuchsstandes erfolgte an filamentösen Pellets, die durch zwei Stämme mit jeweils zwei unterschiedlichen Zuchtbedingungen gebildet wurden.
Die experimentellen Daten wurden in einem zweiten Teil dieser Dissertation genutzt, um mit Hilfe von statistischen Algorithmen eine Parameteridentifikation von mechanischen Modellen durchzuführen. Hierfür wurde u.a. die Bayessche Statistik genutzt. Diese Methode erlaubt es, die experimentellen Unsicherheiten durch Wahrscheinlichkeitsverteilungen für die jeweiligen Parameter auszudrücken. Um auch rechenintensive Modelle nutzen zu können, wurde ein Ersatzmodell auf Basis eines Gaußprozesses angewandt, welches das ursprüngliche Modell während der Identifizierung ersetzt. Eine weitere Methode, die variationelle Inferenz, versucht eine Approximation der gesuchten Parameterverteilungen zu finden und wurde ebenfalls in dieser Arbeit angewandt und mit der klassischen Identifikation mittels Markov Ketten verglichen.
Die experimentellen Daten wurden in einem zweiten Teil dieser Dissertation genutzt, um mit Hilfe von statistischen Algorithmen eine Parameteridentifikation von mechanischen Modellen durchzuführen. Hierfür wurde u.a. die Bayessche Statistik genutzt. Diese Methode erlaubt es, die experimentellen Unsicherheiten durch Wahrscheinlichkeitsverteilungen für die jeweiligen Parameter auszudrücken. Um auch rechenintensive Modelle nutzen zu können, wurde ein Ersatzmodell auf Basis eines Gaußprozesses angewandt, welches das ursprüngliche Modell während der Identifizierung ersetzt. Eine weitere Methode, die variationelle Inferenz, versucht eine Approximation der gesuchten Parameterverteilungen zu finden und wurde ebenfalls in dieser Arbeit angewandt und mit der klassischen Identifikation mittels Markov Ketten verglichen.
Keywords: parameter identification; biomechanics; bayesian inference; oocytes
Professur für Festkörpermechanik
Edited by Professur für Festkörpermechanik, Braunschweig
Available online documents for this title
You need Adobe Reader, to view these files. Here you will find a little help and information for downloading the PDF files.
Please note that the online documents cannot be printed or edited.
Please also see further information at: Help and Information.
Please also see further information at: Help and Information.
| Document |  | Document | ||
| Type |  | |||
| Costs |  | 37,35 € | ||
| Action |  | Purchase in obligation and download the file | ||
| Document |  | Table of contents | ||
| Type | | |||
| Costs |  | free | ||
| Action |  | Download the file | ||
User settings for registered online customers (online documents)
You can change your address details here and access documents you have already ordered.
User
Not logged in
Export of bibliographic data
Shaker Verlag GmbH
Am Langen Graben 15a
52353 Düren
Germany
Am Langen Graben 15a
52353 Düren
Germany
Mon. - Thurs. 8:00 a.m. to 4:00 p.m.
Fri. 8:00 a.m. to 3:00 p.m.
Fri. 8:00 a.m. to 3:00 p.m.
Contact us. We will be happy to help you.
