@misc{Moehring2021,
  type      = {Master Thesis},
  author    = {M{\"o}hring, Jan},
  title     = {Stochastic inversion for core field modeling using satellite data},
  doi       = {10.25932/publishup-49807},
  url       = {http://nbn-resolving.de/urn:nbn:de:kobv:517-opus4-498072},
  school      = {Universit{\"a}t Potsdam},
  pages     = {vii, 55},
  year      = {2021},
  abstract  = {Magnetfeldmodellierung mit Kugelfl{\"a}chenfunktionen basiert auf der Inversion nach hunderten bis tausenden von Parametern. Dieses hochdimensionale Problem kann grunds{\"a}tzlich als ein Optimierungsproblem formuliert werden, bei dem ein globales Minimum einer gewissen Zielfunktion berechnet werden soll. Um dieses Problem zu l{\"o}sen, gibt es eine Reihe bekannter Ans{\"a}tze, dazu z{\"a}hlen etwa gradientenbasierte Verfahren oder die Methode der kleinsten Quadrate und deren Varianten. Jede dieser Methoden hat verschiedene Vor- und Nachteile, beispielsweise bez{\"u}glich der Anwendbarkeit auf nicht-differenzierbare Funktionen oder der Laufzeit zugeh{\"o}riger Algorithmen. In dieser Arbeit verfolgen wir das Ziel, einen Algorithmus zu finden, der schneller als die etablierten Verfahren ist und sich auch f{\"u}r nichtlineare Probleme anwenden l{\"a}sst. Solche nichtlinearen Probleme treten beispielsweise bei der Absch{\"a}tzung von Euler-Winkeln oder bei der Verwendung der robusteren L_1-Norm auf. Dazu untersuchen wir die Anwendbarkeit stochastischer Optimierungsverfahren aus der CMAES-Familie auf die Modellierung des geomagnetischen Feldes des Erdkerns. Es werden sowohl die Grundlagen der Kernfeldmodellierung und deren Parametrisierung anhand einiger Beispiele aus der Literatur besprochen, als auch die theoretischen Hintergr{\"u}nde der stochastischen Verfahren gegeben. Ein CMAES-Algorithmus wurde erfolgreich angewendet, um Daten der Swarm-Satellitenmission zu invertieren und daraus das Magnetfeldmodell EvoMag abzuleiten. EvoMag zeigt gute {\"U}bereinstimmung mit etablierten Modellen, sowie mit Observatoriumsdaten aus Niemegk. Wir thematisieren einige beobachtete Schwierigkeiten und pr{\"a}sentieren und diskutieren die Ergebnisse unserer Modellierung.},
  language  = {en}
}
@misc{Daempfling2021,
  type      = {Master Thesis},
  author    = {D{\"a}mpfling, Helge Leoard Carl},
  title     = {DeepGeoMap},
  doi       = {10.25932/publishup-52057},
  url       = {http://nbn-resolving.de/urn:nbn:de:kobv:517-opus4-520575},
  school      = {Universit{\"a}t Potsdam},
  pages     = {ii, 81},
  year      = {2021},
  abstract  = {In recent years, deep learning improved the way remote sensing data is processed. The classification of hyperspectral data is no exception. 2D or 3D convolutional neural networks have outperformed classical algorithms on hyperspectral image classification in many cases. However, geological hyperspectral image classification includes several challenges, often including spatially more complex objects than found in other disciplines of hyperspectral imaging that have more spatially similar objects (e.g., as in industrial applications, aerial urban- or farming land cover types). In geological hyperspectral image classification, classical algorithms that focus on the spectral domain still often show higher accuracy, more sensible results, or flexibility due to spatial information independence. In the framework of this thesis, inspired by classical machine learning algorithms that focus on the spectral domain like the binary feature fitting- (BFF) and the EnGeoMap algorithm, the author of this thesis proposes, develops, tests, and discusses a novel, spectrally focused, spatial information independent, deep multi-layer convolutional neural network, named 'DeepGeoMap', for hyperspectral geological data classification. More specifically, the architecture of DeepGeoMap uses a sequential series of different 1D convolutional neural networks layers and fully connected dense layers and utilizes rectified linear unit and softmax activation, 1D max and 1D global average pooling layers, additional dropout to prevent overfitting, and a categorical cross-entropy loss function with Adam gradient descent optimization. DeepGeoMap was realized using Python 3.7 and the machine and deep learning interface TensorFlow with graphical processing unit (GPU) acceleration. This 1D spectrally focused architecture allows DeepGeoMap models to be trained with hyperspectral laboratory image data of geochemically validated samples (e.g., ground truth samples for aerial or mine face images) and then use this laboratory trained model to classify other or larger scenes, similar to classical algorithms that use a spectral library of validated samples for image classification. The classification capabilities of DeepGeoMap have been tested using two geological hyperspectral image data sets. Both are geochemically validated hyperspectral data sets one based on iron ore and the other based on copper ore samples. The copper ore laboratory data set was used to train a DeepGeoMap model for the classification and analysis of a larger mine face scene within the Republic of Cyprus, where the samples originated from. Additionally, a benchmark satellite-based dataset, the Indian Pines data set, was used for training and testing. The classification accuracy of DeepGeoMap was compared to classical algorithms and other convolutional neural networks. It was shown that DeepGeoMap could achieve higher accuracies and outperform these classical algorithms and other neural networks in the geological hyperspectral image classification test cases. The spectral focus of DeepGeoMap was found to be the most considerable advantage compared to spectral-spatial classifiers like 2D or 3D neural networks. This enables DeepGeoMap models to train data independently of different spatial entities, shapes, and/or resolutions.},
  language  = {en}
}
@misc{Blum2021,
  type      = {Master Thesis},
  author    = {Blum, Franziska},
  title     = {I see you smile, you must be happy! Social-emotional gains and usability evaluation of the new training tool E.V.A.: A pilot study},
  doi       = {10.25932/publishup-50550},
  url       = {http://nbn-resolving.de/urn:nbn:de:kobv:517-opus4-505509},
  school      = {Universit{\"a}t Potsdam},
  pages     = {XIX, 80},
  year      = {2021},
  abstract  = {Emotions are a complex concept and they are present in our everyday life. Persons on the autism spectrum are said to have difficulties in social interactions, showing deficits in emotion recognition in comparison to neurotypically developed persons. But social-emotional skills are believed to be positively augmented by training. A new adaptive social cognition training tool "E.V.A." is introduced which teaches emotion recognition from face, voice and body language. One cross-sectional and one longitudinal study with adult neurotypical and autistic participants were conducted. The aim of the cross-sectional study was to characterize the two groups and see if differences in their social-emotional skills exist. The longitudinal study, on the other hand, aimed for detecting possible training effects following training with the new training tool. In addition, in both studies usability assessments were conducted to investigate the perceived usability of the new tool for neurotypical as well as autistic participants. Differences were found between autistic and neurotypical participants in their social-emotional and emotion recognition abilities. Training effects for neurotypical participants in an emotion recognition task were found after two weeks of home training. Similar perceived usability was found for the neurotypical and autistic participants. The current findings suggest that persons with ASC do not have a general deficit in emotion recognition, but are in need for more time to correctly recognize emotions. In addition, findings suggest that training emotion recognition abilities is possible. Further studies are needed to verify if the training effects found for neurotypical participants also manifest in a larger ASC sample.},
  language  = {en}
}
@misc{Kluemper2021,
  type      = {Master Thesis},
  author    = {Kl{\"u}mper, Hannah},
  title     = {From Brock to Brett},
  doi       = {10.25932/publishup-62329},
  url       = {http://nbn-resolving.de/urn:nbn:de:kobv:517-opus4-623293},
  school      = {Universit{\"a}t Potsdam},
  pages     = {110},
  year      = {2021},
  abstract  = {Diese Masterarbeit in der US-amerikanischen Kulturwissenschaft stellt die These auf, dass das Ph{\"a}nomen der rape culture ein soziokulturelles System gesellschaftlicher Machtstrukturen und kultureller Mythen darstellt. Basierend auf sogenannten Vergewaltigungsmythen konstituiert dieses System zudem eine Ideologie. Ziel der Arbeit ist es zu zeigen, wie diese Vergewaltigungsmythen instrumentalisiert werden, um (prim{\"a}r weiße, cis-m{\"a}nnliche) T{\"a}ter zu besch{\"u}tzen und stattdessen Betroffenen von sexualisierter Gewalt die Verantwortung zuzuweisen. So soll aufgezeigt werden, dass junge M{\"a}nner wie Brock Turner, die von patriarchalen Machtstrukturen profitieren, zu M{\"a}nnern wie Brett Kavanaugh aufwachsen, und dass diese nicht nur davon profitieren, dass die rape culture ihr {\"u}bergriffiges Verhalten entschuldigt, sondern dass sie zudem darauf gest{\"u}tzt an Machtpositionen gelangen, durch die sie als Entscheidungstr{\"a}ger diese der rape culture zugrundeliegenden Strukturen im Gegenzug aufrechterhalten k{\"o}nnen. Dabei konzentriert sich die Arbeit auf die Vergewaltigungsmythen des sogenannten Victim-Blamings und Shamings sowie der Viktimisierung von T{\"a}tern. Diese Mythen werden im Rahmen einer Analyse von Zeitungsartikeln aus dem 19. Jahrhundert herausgearbeitet und in das 21. Jahrhundert verfolgt. Basierend auf Mary Douglas' Theorie zu Reinheitsvorstellungen wird aufgezeigt, inwiefern sich nicht nur soziale Kategorien, n{\"a}mlich Geschlecht, race, sozio{\"o}konomischer Status und Alter, sondern auch die sexuelle Reinheit oder Unreinheit von Betroffenen auf die gesellschaftliche Bewertung von Vergewaltigungsf{\"a}llen auswirken. Dar{\"u}ber hinaus zeigt die Arbeit, wie weibliche K{\"o}rper als ideologisches Schlachtfeld f{\"u}r politische und gesellschaftliche Ver{\"a}nderungen in den USA fungieren, und dass empfundene Bedrohungen des patriarchalen Status Quo im {\"o}ffentlichen Diskurs als moralische Gefahren dargestellt werden, die von weiblichen K{\"o}rpern ausgehen. Die Arbeit argumentiert, dass die rape culture von (weißem cis-) m{\"a}nnlichem Anspruchsdenken auf weibliche K{\"o}rper, aber dar{\"u}ber hinaus auch auf Machtpositionen im patriarchalen System angetrieben wird. Sie zeigt auf, wie dieses System die rape culture instrumentalisiert, um seine zugrundeliegenden Strukturen aufrechtzuerhalten, die (cis) M{\"a}nner beg{\"u}nstigen und im Gegensatz (cis) Frauen sowie andere marginalisierte und nicht-heteronormative Gruppen benachteiligen. Dies wird anhand einer Analyse des Stanford-Vergewaltigungsfalls von 2016 sowie der Kavanaugh-Anh{\"o}rung von 2018 dargestellt.},
  language  = {en}
}