Causal Local States: Achieving Scalable Simultaneous Causal Network Inference and Forecasting for Dynamical Systems

Braun, Jonas (2026) Causal Local States: Achieving Scalable Simultaneous Causal Network Inference and Forecasting for Dynamical Systems. Masterarbeit, Ludwig-Maximilians-Universität München.

PDF
6MB

elib-URL des Eintrags:

https://elib.dlr.de/225693/

Dokumentart:

Hochschulschrift (Masterarbeit)

Titel:

Causal Local States: Achieving Scalable Simultaneous Causal Network Inference and Forecasting for Dynamical Systems

Autoren:

Autoren	Institution oder E-Mail-Adresse	Autoren-ORCID-iD	ORCID Put Code
Braun, Jonas	LMU	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT

DLR-Supervisor:

Beitragsart	DLR-Supervisor	Institution oder E-Mail-Adresse	DLR-Supervisor-ORCID-iD
Thesis advisor	Räth, Christoph	Christoph.Raeth (at) dlr.de	NICHT SPEZIFIZIERT

Datum:

2026

Open Access:

Seitenanzahl:

Status:

veröffentlicht

Stichwörter:

time series analysis, AI, reservoir computing, causality measures, prediction, power grids

Institution:

Ludwig-Maximilians-Universität München

Abteilung:

Fakultät für Physik

HGF - Forschungsbereich:

keine Zuordnung

HGF - Programm:

keine Zuordnung

HGF - Programmthema:

keine Zuordnung

DLR - Schwerpunkt:

Digitalisierung

DLR - Forschungsgebiet:

D KIZ - Künstliche Intelligenz

DLR - Teilgebiet (Projekt, Vorhaben):

D - Kurzstudien [KIZ]

Standort:

Köln-Porz

Institute & Einrichtungen:

Institut für Frontier Materials auf der Erde und im Weltraum > Funktionale Granulate und Komposite

Hinterlegt von:

Räth, Christoph

Hinterlegt am:

20 Jul 2026 10:55

Letzte Änderung:

20 Jul 2026 10:55

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags