@phdthesis{Quade2018,
  author    = {Quade, Markus},
  title     = {Symbolic regression for identification, prediction, and control of dynamical systems},
  url       = {http://nbn-resolving.de/urn:nbn:de:kobv:517-opus4-419790},
  school      = {Universit{\"a}t Potsdam},
  pages     = {xiii, 134},
  year      = {2018},
  abstract  = {In the present work, we use symbolic regression for automated modeling of dynamical systems. Symbolic regression is a powerful and general method suitable for data-driven identification of mathematical expressions. In particular, the structure and parameters of those expressions are identified simultaneously. We consider two main variants of symbolic regression: sparse regression-based and genetic programming-based symbolic regression. Both are applied to identification, prediction and control of dynamical systems. We introduce a new methodology for the data-driven identification of nonlinear dynamics for systems undergoing abrupt changes. Building on a sparse regression algorithm derived earlier, the model after the change is defined as a minimum update with respect to a reference model of the system identified prior to the change. The technique is successfully exemplified on the chaotic Lorenz system and the van der Pol oscillator. Issues such as computational complexity, robustness against noise and requirements with respect to data volume are investigated. We show how symbolic regression can be used for time series prediction. Again, issues such as robustness against noise and convergence rate are investigated us- ing the harmonic oscillator as a toy problem. In combination with embedding, we demonstrate the prediction of a propagating front in coupled FitzHugh-Nagumo oscillators. Additionally, we show how we can enhance numerical weather predictions to commercially forecast power production of green energy power plants. We employ symbolic regression for synchronization control in coupled van der Pol oscillators. Different coupling topologies are investigated. We address issues such as plausibility and stability of the control laws found. The toolkit has been made open source and is used in turbulence control applications. Genetic programming based symbolic regression is very versatile and can be adapted to many optimization problems. The heuristic-based algorithm allows for cost efficient optimization of complex tasks. We emphasize the ability of symbolic regression to yield white-box models. In contrast to black-box models, such models are accessible and interpretable which allows the usage of established tool chains.},
  language  = {en}
}
@phdthesis{Krause2015,
  author    = {Krause, Tobias Alexander},
  title     = {Erkl{\"a}rungsfaktoren f{\"u}r die Managementautonomie in kommunalen Mehrheitsbeteiligungen},
  url       = {http://nbn-resolving.de/urn:nbn:de:kobv:517-opus4-86503},
  school      = {Universit{\"a}t Potsdam},
  pages     = {XIII, 214, XL},
  year      = {2015},
  abstract  = {In den letzten Jahrzehnten ist der Trend der Verselbstst{\"a}ndigung in vielen Kommunen zu beobachten. Ein Großteil der {\"o}ffentlichen Leistungserbringer wird mittlerweile als privatrechtliche Gesellschaften in einem wettbewerbsorientierten Umfeld gef{\"u}hrt. W{\"a}hrend viele Forscher Ausgliederungen in Form von nachgeordneten Beh{\"o}rden auf Bundesebene untersuchen und diese Reformwelle als einen faktischen Autonomisierungsprozess beschreiben, gibt es nur einige wenige Studien, die sich explizit mit den Autonomisierungstendenzen auf Kommunalebene auseinandersetzen. Daher fehlt es an empirischen Erkenntnissen zur Steuerung der kommunalen Beteiligungen. In dieser Arbeit werden die Steuerungsarrangements deutscher Großst{\"a}dte erstmals aus Sicht der Gesteuerten beleuchtet. Das Untersuchungsziel der vorliegenden Forschungsarbeit besteht darin, Flexibilisierungstendenzen in mehrheitlich kommunalen Unternehmen zu identifizieren und hierf{\"u}r Erkl{\"a}rungsfaktoren zu identifizieren. Die Forschungsfrage lautet: Welche instrumentellen und relationalen Faktoren beeinflussen die Managementautonomie in kommunalen Mehrheitsbeteiligungen? Dabei interessiert insbesondere die Einflussnahme der Kommunen auf verschiedene T{\"a}tigkeitsbereiche ihrer Ausgliederungen. {\"U}ber diese unternehmensspezifischen Sachverhalte ist in Deutschland fast nichts und international nur sehr wenig Empirisches bekannt. Zur Beantwortung der Forschungsfrage hat der Autor auf Basis der Transaktionskosten- und der Social-Exchange-Theorie einen Analyserahmen erstellt. Die aufgestellten Hypothesen wurden mit einer großfl{\"a}chigen Umfrage bei 243 Unternehmen in den 39 gr{\"o}ßten deutschen St{\"a}dten empirisch getestet. Im Ergebnis zeigen sich mehrere empirische Erkenntnisse: Erstens konnten mittels Faktorenanalyse vier unabh{\"a}ngige Faktoren von Managementautonomie in kommunalen Unternehmen identifiziert werden: Personalautonomie, Generelles Management, Preisautonomie und Strategische Fragen. W{\"a}hrend die Kommunen ihren Beteiligungen einen hohen Grad an Personalautonomie zugestehen, unterliegen vor allem strategische Investitionsentscheidungen wie die finanzielle Beteiligung an Tochterfirmen, große Projektvorhaben, Diversifikationsentscheidungen oder Kreditautfnahmen einem starken politischen Einfluss. Zweitens f{\"u}hrt eine Rechtsform{\"a}nderung und die Platzierung in einem Wettbewerbsumfeld (auch bekannt als Corporatisation) vor allem zu einer gr{\"o}ßeren Flexibilisierung der Personal- und Preispolitik, wirkt sich allerdings wenig auf die weiteren Faktoren der Managementautonomie, Generelles Management und Strategische Entscheidungen, aus. Somit behalten die Kommunen ihre M{\"o}glichkeit, auf wichtige Unternehmensfragen der Beteiligung Einfluss zu nehmen, auch im Fall einer Formalprivatisierung bei. Letztlich k{\"o}nnen zur Erkl{\"a}rung der Autonomiefaktoren transaktionskostenbasierte und relationale Faktoren erg{\"a}nzend herangezogen werden. In den Transaktionsspezifika wirken vor allem der wahrgenommene Wettbewerb in der Branche, die Messbarkeit der Leistung, Branchenvariablen, die Anzahl der Politiker im Aufsichtsrat und die eingesetzten Steuerungsmechanismen. In den relationalen Faktoren setzen sich die Variablen gegenseitiges Vertrauen, Effektivit{\"a}t der Aufsichtsr{\"a}te, Informationsaustausch, Rollenkonflikte, Rollenambivalenzen und Gesch{\"a}ftsf{\"u}hrererfahrung im Sektor durch.},
  language  = {de}
}