Efficient solutions to modeling time series of NMR spectroscopic data

Jan Hellwig

doi:10.18453/rosdok_id00005643

Jan Hellwig

Efficient solutions to modeling time series of NMR spectroscopic data

Universität Rostock, 16.07.2025

https://doi.org/10.18453/rosdok_id00005643

Abstract: 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.

Dissertation Freier Zugang

Titel:

Efficient solutions to modeling time series of NMR spectroscopic data

Beteiligte Personen:

Jan Hellwig[VerfasserIn]
	0009-0001-2455-8135
	1402678932
Klaus Neymeyr[AkademischeR BetreuerIn]
	0000-0002-1464-2851
	132421887
	Universität Rostock
Krzysztof Kazimierczuk[AkademischeR BetreuerIn]
	Universität Warschau

Beteiligte Körperschaften:

Universität Rostock[Grad-verleihende Institution]
	38329-6
Universität Rostock. Mathematisch-Naturwissenschaftliche Fakultät[Grad-verleihende Institution]
	2147083-2

Zusammenfassung:

In 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. [Englisch]

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. [Deutsch]

Dokumenttyp:

Dissertation

Einrichtung:

Mathematisch-Naturwissenschaftliche Fakultät

Sprache:

Englisch

Sachgruppe der DNB:

510 Mathematik

Umfang:

1 Online-Ressource (xi, 131 Seiten)

Veröffentlichung /
Entstehung:

Rostock: Universität Rostock

16.07.2025 (normiertes Datum: 2025)

Verantwortlichkeitsangabe:

vorgelegt von Jan Hellwig

Identifikatoren:

K10plus-ID:	1973456362
URN:	urn:nbn:de:gbv:28-rosdok_id00005643-5
DOI:	10.18453/rosdok_id00005643
PURL:	https://purl.uni-rostock.de/rosdok/id00005643

Zugang:

frei zugänglich (Open Access)

Lizenz/Rechtehinweis:

CC BY-SA 4.0
Dieses Werk ist lizenziert unter einer
Creative Commons Namensnennung - Weitergabe unter gleichen Bedingungen 4.0 International Lizenz.

RosDok-ID:

rosdok_disshab_0000003565

erstellt / geändert am:

19.06.2026 / 19.06.2026

Metadaten-Lizenz:

Die Metadaten zu diesem Dokument sind gemeinfrei
(CC0 1.0 Universal Public Domain Dedication).

Volltext	Hellwig_Dissertation_2026.pdf (9,25 MB; MD5: 2bdfc001ac2c16d0075892dcd42ad21a)

Efficient solutions to modeling time series of NMR spectroscopic data

Dauerhaft zitieren

Portale

Rechte

Export

Teilen

Kontakt

Service

MyCoRe