mycoreobjectrosdok_disshab_0000003565rosdok_disshab_0000003565rosdokdisshabrosdok_derivate_00002277442026-06-19T15:48:28.356Z2026-06-19T15:01:33.161ZMCRJANITOReditorFGpublished1rosdok_derivate_0000227744truetruederivate_types:fulltextVolltextfulltextwf_edit_epub wf_register_epubstate:publishedstate:publishedveröffentlichtpublishedrosdok_id000056431973456362Oau2026-06-192026-06-19T15:10:16ZrdaConverted from PICA to MODS using Pica2MODS XSLT Transformer 2.14-SNAPSHOT [SCM: "" "" ""] with mode 'DEFAULT'.DissertationHochschulschriftEfficient solutions to modeling time series of NMR spectroscopic dataIn this work, we first discuss the question of whether the problem of modeling NMR time series has ambiguous or unique solutions in the continuous and discrete case and using several common types of model functions. In the second part, we propose an efficient and automated solution, by interpolating the parameters using cubic spline functions. Additionally, we improve on the optimization approach by introducing convolutional neural networks, which better initialize the optimization routines. We demonstrate the functionality of our algorithms on constructed and experimental data sets.In dieser Arbeit wird zunächst die Frage behandelt, ob und unter welchen Voraussetzungen die Lösung dieses Modellierungsproblems eindeutig ist. Da angenommen werden kann, dass sich die Spektren in Zeitrichtung stetig und glatt verhalten, interpolieren wir die Parameter zur effizienten Lösung des Optimierungsproblems. Diese Methode kann des Weiteren durch die Anwendung von neuronalen Netzen verbessert werden, die die Initialisierung der Optimierung verbessern. Wir wenden die Algorithmen sowohl auf künstlich erzeugten als auch auf experimentellen Datensätzen an.JanHellwig1999 -VerfasserInaut14026789320009-0001-2455-8135KlausNeymeyr1964 -AkademischeR BetreuerIndgs1324218870000-0002-1464-2851Universität RostockKrzysztofKazimierczukAkademischeR BetreuerIndgsUniversität Warschau38329-6Universität Rostock1419 - 19761990 -Grad-verleihende Institutiondgg2147083-2Universität Rostock. Mathematisch-Naturwissenschaftliche FakultätGrad-verleihende Institutiondgghttps://purl.uni-rostock.de/rosdok/id00005643urn:nbn:de:gbv:28-rosdok_id00005643-510.18453/rosdok_id00005643510 MathematikMathematisch-Naturwissenschaftliche FakultätCC BY-SA 4.0Nutzungsrechte erteiltLizenz Metadaten: CC0frei zugänglich (Open Access)en1 Online-Ressource (xi, 131 Seiten)202516.07.2025Universität RostockRostockmonographic20252026Universitätsbibliothek RostockRostock2026Universitätsbibliothek Rostockhttps://purl.uni-rostock.de/rosdok/id00005643Klaus Neymeyr (Universität Rostock) ; Krzysztof Kazimierczuk (Universität Warschau)[{"name":"Neymeyr, Klaus","affil":"Universität Rostock"},{"name":"Kazimierczuk, Krzysztof","affil":"Universität Warschau"}]Dissertation, Universität Rostock, 2025Nuclear magnetic resonancevorgelegt von Jan HellwigNeymeyr, KlausUniversität RostockKazimierczuk, KrzysztofUniversität Warschaudoctype:epubdoctype:epubDokumenttypDocument typedoctype:epub.dissertationdoctype:epub.dissertationDissertationdoctoral thesisdiniPublType:doctoralThesis diniPublType2022:PhDThesis XMetaDissPlusThesisLevel:thesis.doctoralinfo:eu-repo/semantics/doctoralThesisdocumentnatureOfContent:ppn_105825778natureOfContent:ppn_105825778HochschulschriftdiniPublType2022:DoctoralThesisdiniPublType2022:DoctoralThesisDissertation oder HabilitationDoctoral thesisDRIVERdiniPublType2022:PhDThesisdiniPublType2022:PhDThesisDissertationPhD thesisKDSF (Pu34)XMetaDissPlusThesisLevel:thesis.doctoralXMetaDissPlusThesisLevel:thesis.doctoralDoktorarbeitdoctoral thesisSDNB:510SDNB:510510 Mathematik510 Mathematicsinstitution:unirostockinstitution:unirostockUniversität RostockUniversity of RostockUniversität RostockUniversität RostockUni.Rostockhttp://d-nb.info/gnd/38329-6institution:unirostock.mnfinstitution:unirostock.mnfMathematisch-Naturwissenschaftliche FakultätFaculty of Mathematics and Natural SciencesUniversität Rostock. Mathematisch-Naturwissenschaftliche FakultätMathematisch-Natur-<br />wissenschaftliche FakultätUni.Rostock.Fakultaet.MNFhttp://d-nb.info/gnd/2147083-2licenseinfo:worklicenseinfo:workWerkworklicenseinfo:work.cclicenselicenseinfo:work.cclicenseCC-LizenzCC-licenselicenseinfo:work.cclicense.cc-by-salicenseinfo:work.cclicense.cc-by-saCC BY-SACC BY-SAlicenseinfo:work.cclicense.cc-by-sa.v40licenseinfo:work.cclicense.cc-by-sa.v40CC BY-SA 4.0CC BY-SA 4.0/creativecommons/l/by-sa/4.0/88x31.png[DE-28]Namensnennung - Weitergabe unter gleichen Bedingungen 4.0 International$cCC BY-SA 4.0$gCreative Commons$uhttps://creativecommons.org/licenses/by-sa/4.0/https://creativecommons.org/licenses/by-sa/4.0/https://creativecommons.org/licenses/by-sa/4.0/licenseinfo:depositlicenseinfo:depositVeröffentlichungsgenehmigungpermission to storelicenseinfo:deposit.rightsgrantedlicenseinfo:deposit.rightsgrantedNutzungsrechte erteiltrights grantedlicenseinfo:metadatalicenseinfo:metadataLizenzen für Metadatenlicenseinfo:metadata.cc0licenseinfo:metadata.cc0Lizenz Metadaten: CC0license metadata: CC0/creativecommons/p/zero/1.0/88x31.pnghttps://creativecommons.org/publicdomain/zero/1.0/accesscondition:openaccessaccesscondition:openaccessfrei zugänglich (Open Access)open accesshttp://purl.org/coar/access_right/c_abf2OAfreeinfo:eu-repo/semantics/openAccess[DE-28]Open Access$gControlled Vocabulary for Access Rights$uhttp://purl.org/coar/access_right/c_abf2rfc5646:enrfc5646:enEnglischEnglishengengEfficient solutions to modeling time series of NMR spectroscopic dataEfficient solutions to modeling time series of NMR spectroscopic datagnd:1402678932orcid:0009-0001-2455-8135gnd:132421887orcid:0000-0002-1464-2851gnd:38329-6gnd:2147083-2gnd:1402678932orcid:0009-0001-2455-8135gnd:132421887orcid:0000-0002-1464-2851gnd:38329-6gnd:2147083-2rosdok_disshab_0000003565-d1104783e54gnd:1402678932orcid:0009-0001-2455-8135Jan HellwigJan Hellwigrosdok_disshab_0000003565-d1104783e70gnd:132421887orcid:0000-0002-1464-2851Klaus NeymeyrKlaus Neymeyrrosdok_disshab_0000003565-d1104783e87Krzysztof KazimierczukKrzysztof Kazimierczukrosdok_disshab_0000003565-d1104783e99gnd:38329-6Universität RostockUniversität Rostockrosdok_disshab_0000003565-d1104783e112gnd:2147083-2Universität Rostock. Mathematisch-Naturwissenschaftliche FakultätUniversität Rostock. Mathematisch-Naturwissenschaftliche FakultätJan HellwigKlaus NeymeyrKrzysztof KazimierczukUniversität RostockUniversität Rostock. Mathematisch-Naturwissenschaftliche FakultätJan HellwigKlaus NeymeyrKrzysztof KazimierczukUniversität RostockUniversität Rostock. Mathematisch-Naturwissenschaftliche FakultätJan HellwigRostockUniversität Rostockepub.dissertationhttps://purl.uni-rostock.de/rosdok/id00005643urn:nbn:de:gbv:28-rosdok_id00005643-510.18453/rosdok_id00005643In this work, we first discuss the question of whether the problem of modeling NMR time series has ambiguous or unique solutions in the continuous and discrete case and using several common types of model functions. In the second part, we propose an efficient and automated solution, by interpolating the parameters using cubic spline functions. Additionally, we improve on the optimization approach by introducing convolutional neural networks, which better initialize the optimization routines. We demonstrate the functionality of our algorithms on constructed and experimental data sets.In dieser Arbeit wird zunächst die Frage behandelt, ob und unter welchen Voraussetzungen die Lösung dieses Modellierungsproblems eindeutig ist. Da angenommen werden kann, dass sich die Spektren in Zeitrichtung stetig und glatt verhalten, interpolieren wir die Parameter zur effizienten Lösung des Optimierungsproblems. Diese Methode kann des Weiteren durch die Anwendung von neuronalen Netzen verbessert werden, die die Initialisierung der Optimierung verbessern. Wir wenden die Algorithmen sowohl auf künstlich erzeugten als auch auf experimentellen Datensätzen an.20252025Klaus Neymeyr (Universität Rostock) ; Krzysztof Kazimierczuk (Universität Warschau)[{"name":"Neymeyr, Klaus","affil":"Universität Rostock"},{"name":"Kazimierczuk, Krzysztof","affil":"Universität Warschau"}]Dissertation, Universität Rostock, 2025Nuclear magnetic resonancevorgelegt von Jan Hellwigepub.dissertation1 Hellwig_Dissertation_2026.pdf 9699127 2bdfc001ac2c16d0075892dcd42ad21a rosdok_id000056431973456362Oau2026-06-192026-06-19T15:10:16ZrdaConverted from PICA to MODS using Pica2MODS XSLT Transformer 2.14-SNAPSHOT [SCM: "" "" ""] with mode 'DEFAULT'.DissertationHochschulschriftEfficient solutions to modeling time series of NMR spectroscopic dataIn this work, we first discuss the question of whether the problem of modeling NMR time series has ambiguous or unique solutions in the continuous and discrete case and using several common types of model functions. In the second part, we propose an efficient and automated solution, by interpolating the parameters using cubic spline functions. Additionally, we improve on the optimization approach by introducing convolutional neural networks, which better initialize the optimization routines. We demonstrate the functionality of our algorithms on constructed and experimental data sets.In dieser Arbeit wird zunächst die Frage behandelt, ob und unter welchen Voraussetzungen die Lösung dieses Modellierungsproblems eindeutig ist. Da angenommen werden kann, dass sich die Spektren in Zeitrichtung stetig und glatt verhalten, interpolieren wir die Parameter zur effizienten Lösung des Optimierungsproblems. Diese Methode kann des Weiteren durch die Anwendung von neuronalen Netzen verbessert werden, die die Initialisierung der Optimierung verbessern. Wir wenden die Algorithmen sowohl auf künstlich erzeugten als auch auf experimentellen Datensätzen an.JanHellwig1999 -VerfasserInaut14026789320009-0001-2455-8135KlausNeymeyr1964 -AkademischeR BetreuerIndgs1324218870000-0002-1464-2851Universität RostockKrzysztofKazimierczukAkademischeR BetreuerIndgsUniversität Warschau38329-6Universität Rostock1419 - 19761990 -Grad-verleihende Institutiondgg2147083-2Universität Rostock. Mathematisch-Naturwissenschaftliche FakultätGrad-verleihende Institutiondgghttps://purl.uni-rostock.de/rosdok/id00005643urn:nbn:de:gbv:28-rosdok_id00005643-510.18453/rosdok_id00005643510 MathematikMathematisch-Naturwissenschaftliche FakultätCC BY-SA 4.0Nutzungsrechte erteiltLizenz Metadaten: CC0frei zugänglich (Open Access)en1 Online-Ressource (xi, 131 Seiten)202516.07.2025Universität RostockRostockmonographic20252026Universitätsbibliothek RostockRostock2026Universitätsbibliothek Rostockhttps://purl.uni-rostock.de/rosdok/id00005643Klaus Neymeyr (Universität Rostock) ; Krzysztof Kazimierczuk (Universität Warschau)[{"name":"Neymeyr, Klaus","affil":"Universität Rostock"},{"name":"Kazimierczuk, Krzysztof","affil":"Universität Warschau"}]Dissertation, Universität Rostock, 2025Nuclear magnetic resonancevorgelegt von Jan Hellwig Neymeyr, Klaus Universität Rostock Kazimierczuk, Krzysztof Universität Warschau 2026-06-19T15:01:33.161Z 2026-06-19T15:48:28.356Z 2026-06-29T15:48:28.368Z editorFG {"identifier":"rosdok/id00005643","type":"local_id","additional":"","service":"MCRLocalID","created":"2026-06-19T15:01:33.195Z"} {"identifier":"urn:nbn:de:gbv:28-rosdok_id00005643-5","type":"dnbUrn","additional":"","service":"RosDokURN","created":"2026-06-19T15:01:33.206Z"} {"identifier":"https://purl.uni-rostock.de/rosdok/id00005643","type":"purl","additional":"","service":"RosDokPURL","created":"2026-06-19T15:01:33.215Z","registrationStarted":"2026-06-19T15:48:27.101Z"} {"identifier":"10.18453/rosdok_id00005643","type":"doi","additional":"","service":"RosDokDOI","created":"2026-06-19T15:01:33.222Z","registrationStarted":"2026-06-19T15:48:26.800Z","registered":"2026-06-19T15:48:28.353Z"} MCRJANITORfulltextfile/rosdok_disshab_0000003565/rosdok_derivate_0000227744/Hellwig_Dissertation_2026.pdfEfficient solutions to modeling time series of NMR spectroscopic dataEfficient solutions to modeling time series of NMR spectroscopic datagnd:1402678932orcid:0009-0001-2455-8135gnd:132421887orcid:0000-0002-1464-2851gnd:38329-6gnd:2147083-2gnd:1402678932orcid:0009-0001-2455-8135gnd:132421887orcid:0000-0002-1464-2851gnd:38329-6gnd:2147083-2rosdok_disshab_0000003565-d1104783e54gnd:1402678932orcid:0009-0001-2455-8135Jan HellwigJan Hellwigrosdok_disshab_0000003565-d1104783e70gnd:132421887orcid:0000-0002-1464-2851Klaus NeymeyrKlaus Neymeyrrosdok_disshab_0000003565-d1104783e87Krzysztof KazimierczukKrzysztof Kazimierczukrosdok_disshab_0000003565-d1104783e99gnd:38329-6Universität RostockUniversität Rostockrosdok_disshab_0000003565-d1104783e112gnd:2147083-2Universität Rostock. Mathematisch-Naturwissenschaftliche FakultätUniversität Rostock. Mathematisch-Naturwissenschaftliche FakultätJan HellwigKlaus NeymeyrKrzysztof KazimierczukUniversität RostockUniversität Rostock. Mathematisch-Naturwissenschaftliche FakultätJan HellwigKlaus NeymeyrKrzysztof KazimierczukUniversität RostockUniversität Rostock. Mathematisch-Naturwissenschaftliche FakultätJan HellwigRostockUniversität Rostockepub.dissertationhttps://purl.uni-rostock.de/rosdok/id00005643urn:nbn:de:gbv:28-rosdok_id00005643-510.18453/rosdok_id00005643In this work, we first discuss the question of whether the problem of modeling NMR time series has ambiguous or unique solutions in the continuous and discrete case and using several common types of model functions. In the second part, we propose an efficient and automated solution, by interpolating the parameters using cubic spline functions. Additionally, we improve on the optimization approach by introducing convolutional neural networks, which better initialize the optimization routines. We demonstrate the functionality of our algorithms on constructed and experimental data sets.In dieser Arbeit wird zunächst die Frage behandelt, ob und unter welchen Voraussetzungen die Lösung dieses Modellierungsproblems eindeutig ist. Da angenommen werden kann, dass sich die Spektren in Zeitrichtung stetig und glatt verhalten, interpolieren wir die Parameter zur effizienten Lösung des Optimierungsproblems. Diese Methode kann des Weiteren durch die Anwendung von neuronalen Netzen verbessert werden, die die Initialisierung der Optimierung verbessern. Wir wenden die Algorithmen sowohl auf künstlich erzeugten als auch auf experimentellen Datensätzen an.20252025Klaus Neymeyr (Universität Rostock) ; Krzysztof Kazimierczuk (Universität Warschau)[{"name":"Neymeyr, Klaus","affil":"Universität Rostock"},{"name":"Kazimierczuk, Krzysztof","affil":"Universität Warschau"}]Dissertation, Universität Rostock, 2025Nuclear magnetic resonancevorgelegt von Jan Hellwig[xslt]Saxonrosdok_id00005643https://purl.uni-rostock.de/rosdok/id00005643197345636210.18453/rosdok_id00005643urn:nbn:de:gbv:28-rosdok_id00005643-5Jan HellwigHellwig JanEfficient solutions to modeling time series of NMR spectroscopic dataDissertationdoctoral thesisUniversität Rostock, 16.07.2025In this work, we first discuss the question of whether the problem of modeling NMR time series has ambiguous or unique solutions in the continuous and discrete case and using several common types of model functions. In the second part, we propose an efficient and automated solution, by interpolating…Jan HellwigEfficient solutions to modeling time series of NMR spectroscopic dataNuclear magnetic resonanceUniversitätsbibliothek Rostockhttps://purl.uni-rostock.de/rosdok/id00005643JanHellwig1999 -VerfasserInaut14026789320009-0001-2455-8135KlausNeymeyr1964 -AkademischeR BetreuerIndgs1324218870000-0002-1464-2851Universität RostockKrzysztofKazimierczukAkademischeR BetreuerIndgsUniversität Warschau38329-6Universität Rostock1419 - 19761990 -Grad-verleihende Institutiondgg2147083-2Universität Rostock. Mathematisch-Naturwissenschaftliche FakultätGrad-verleihende Institutiondgg[purl]https://purl.uni-rostock.de/rosdok/id00005643[urn]urn:nbn:de:gbv:28-rosdok_id00005643-5[doi]10.18453/rosdok_id00005643open_access20252025epoch:21th_centuryrfc5646:endoctype:epub.dissertationaccesscondition:openaccessSDNB:510institution:unirostock.mnfstate:published