WYBRANE ZASTOSOWANIA OPTYMALIZACJI ROZMYTEJ W STEROWANIU PROCESAMI ODLEWNICZYMI
|
|
- Franciszek Komorowski
- 5 lat temu
- Przeglądów:
Transkrypt
1 47/17 ARCHIWUM ODLEWNICTWA Rok 2005, Rocznk 5, Nr 17 Archves of Foundry Year 2005, Volume 5, Book 17 PAN - Katowce PL ISSN WYBRANE ZASTOSOWANIA OPTYMALIZACJI ROZMYTEJ W STEROWANIU PROCESAMI ODLEWNICZYMI E. ZIÓŁKOWSKI 1 Wydzał Odlewnctwa AGH, ul. Reymonta 23, Kraków STRESZCZENIE W artykule przedstawono ogólny model matematyczny optymalzacj rozmytej oraz klasyfkację metod programowana matematycznego, które można wykorzystać w rozwązywanu zadań optymalzacj rozmytej. Przedstawono także wybrane modele rozmytośc parametrów dowolnego procesu technologcznego. Artykuł uzupełnono przykładam odlewnczych zastosowań optymalzacj rozmytej Key words: fuzzy optmzaton, control of foundry processes 1. WPROWADZENIE Modele matematyczne szeregu procesów technologcznych mogą występować w postac model determnstycznych albo rozmytych. W perwszym przypadku, wszystke wartośc współczynnków występujących w funkcjach tworzących model matematyczny, są określone sztywno, w postac ścśle określonych wartośc lczbo - wych. Take determnstyczne podejśce często ne sprawdza sę w praktyce technolo - gcznej, na przykład w opse nektórych procesów odlewnczych. Podejśce rozmyte pozwala za założene nepewnej wartośc każdego współczynnka modelu, co znaczne lepej opsuje rzeczywste uwarunkowana technologczne. Należy podkreślć, ż nepewność wartośc pewnego parametru ne jest tutaj rozumana w sense rachunku prawdopodobeństwa. Istotę różnc mędzy pojęcem nepewność w teor rozmytośc, a znaczenem tego pojęca w teor rachunku prawdopodobeństwa wyjaśnono mędzy nnym w publkacj [2]. 1 Dr nż., ez@agh.edu.pl 393
2 2. MODEL OPTYMALIZACJI ROZMYTEJ BEZ OGRANICZEŃ Determnstyczny model zadana optymalzacj (tutaj mnmalzacj) bez ogranczeń ma postać [1]: Znaleźć take wartośc x aby f x x mn f. (1) Założenem tutaj jest różnczkowalność funkcj f. Model rozmyty będze posadał postać analogczną do (1), jednak nektóre współczynnk będą rozmyte, według przyjętego modelu rozmytośc. Algorytmy optymalzacyjne, które zmodyfkowano tak, aby mogły uwzględnać przynajmnej jeden parametr o charakterze rozmytym, są nazywane algorytmam optymalzacj rozmytej. Klasyfkacja algorytmów optymalzacj rozmytej jest przede wszystkm uzależnona od tego, czy oprócz funkcj optymalzowanej jest znana postać analtyczna gradentu tej funkcj. W przypadku, gdy wyznaczene gradentu jest nemożlwe lub utrudnone stosuje sę bezgradentowe metody optymalzacj. W metodach tych ne stosuje sę mnmalzacj kerunkowej. Metody te ze względu na bardzo prosty sposób poszukwań, są mało efektywne, jednak dość nezawodne [1]. Metody gradentowe optymalzacj służą do optymalzacj funkcj różnczkowalnych, których pochodne cząstkowe można wyznaczać analtyczne. We wszystkch metodach gradentowych jest stosowane poszukwane ekstremum w wyznaczonym kerunku. Metody te należą do najbardzej efektywnych metod optymalzacj bez ogranczeń. Metody gradentowe z estymacją gradentu mogą być stosowane wówczas, gdy ne jest możlwe analtyczne wyznaczene wartośc pochodnych cząstkowych, jednak mogą one być z dużą dokładnoścą przyblżane przez lorazy różncowe. Z punktu wdzena użytkownka są to metody bezgradentowe, gdyż w oblczenach korzystają jedyne z wartośc funkcj celu. Zadana optymalzacj rozmytej bez ogranczeń można rozwązywać za pomocą metod [1]: 1. Bezgradentowych: poszukwań prostych (metody: Hooke a-jeevesa, Rosenbrocka, Neldera-Meada, losowa), poprawy (Powella, Davesa-Swanna-Campeya), 2. Gradentowych: kerunków poprawy (metody: gradentu sprzężonego, zmennej metryk Davdona-Fletchera-Powella, zmennej metryk Broydena-Fletchera-Goldfarba-Shanno, przełączana metoda zmennej metryk Fletchera, metoda zmennej metryk Wolfe a-broydena-davdona) 3. Gradentowych z estymacją gradentu. 394
3 ARCHIWUM ODLEWNICTWA Rozmyta funkcja celu sprowadza zadane optymalzacj do welokryteralnego zadana bez ogranczeń. Lczba kryterów jest uzależnona od przyjętego modelu rozmytośc uwzględnanych parametrów funkcj celu. Na rysunku 1 przedstawono najczęścej stosowane modele rozmytośc parametrów. a) 1 0 mn max b) 1 0 mn s max c) 1 0 mn s 1 Rys. 1. Waranty modelu rozmytośc [4]: a) prostokątny, b) trójkątny, c) trapezowy Fg. 1. Three types of the fuzzy sets [4]: a) rectangular, b) trangular, c) trapezod Dla modelu prostokątnego rozmytośc parametrów funkcj (rys. 1a) zadane optymalzacj będze można przekształcć do zadana z dwoma kryteralnym funkcjam celu bez dodatkowych ogranczeń. W modelu trójkątnym (rys. 1b) zadane optymalzacj bez ogranczeń będze posadać trzy funkcje celu, natomast w modelu trapezowym (rys. 1c) lczba kryterów optymalzacj będze wynosć cztery. Powyższe zadana optymalzacj welokryteralnej bez ogranczeń można rozwązywać na przykład poprzez sprowadzene układu welu funkcj celu do jednej kompromsowej funkcj celu. 3. MODEL OPTYMALIZACJI ROZMYTEJ Z OGRANICZENIAMI Ogólny model determnstycznego zadana optymalzacj (na przykład mnmalzacj) z ogranczenam polega na wyznaczenu takego zboru wartośc x, aby funkcja celu o postac [1] f ( x) mn f ( x) (2) s 2 max 395
4 osągała wartość mnmalną przy ogranczenach: nelnowych nerównoścowych g ( x) 0, 1,2,..., (3) n g nelnowych równoścowych h ( x) 0, 1,2,..., (4) n h lnowych nerównoścowych a T x b 0, 1,2,..., l (5) g lnowych równoścowych a T x b 0, l 1,..., l l (6) g g W przypadku wystąpena chocaż jednego rozmytego parametru w zależnoś - cach (2 6) mamy do czynena z zadanem optymalzacj rozmytej. Występowane parametrów rozmytych w funkcj celu (2) oznacza koneczność określena kompromsowej funkcj celu, której postać będze wynkać z przyjętego modelu rozmytośc uwzględnanych parametrów. Jeżel w układze warunków ogranczających (3 6) występują parametry rozmyte, to układ ten mus zostać zastąpony odpowedn ą lczbą dodatkowych warunków ogranczających poprzez transformację funkcj rozmytej do układu funkcj determnstycznych. Klasyfkacja algorytmów służących do rozwązana zadana optymalzacj rozmytej z ogranczenam opera sę na klasyfkacj metod programowana matematycznego nelnowego z ogranczenam. Jeżel zarówno funkcja celu jak układ warunków ogranczających są zadane funkcjam lnowym, to do rozwązana takego zadana optymalzacj stosuje sę meto - dy programowana lnowego, na przykład powszechne znaną metodę sympleksów. Jeżel funkcja celu jest nelnowa, natomast układ warunków ogranczających ma postać funkcj lnowych, to do rozwązana takego zadana optymalzacj stosuje sę wybraną metodę z grupy metod optymalzacj nelnowej z ogranczenam lnowym, na przykład metodę programowana kwadratowego (dla kwadratowej funkcj celu) albo metody: gradentu sprzężonego z rzutowanem lub zmennej metryk z rzutowanem. W przypadku nelnowej funkcj celu oraz występowana nelnowych funkcj ogranczających do rozwązana zadana optymalzacj można zastosować [1]: h bezgradentową metodę przesuwanej funkcj kary, metody gradentowe: przesuwanej funkcj kary, przesuwanej funkcj kary z rzutowanem, przesuwanej funkcj kary z modyfkacją quas-newtonowską albo metodę aproksymacj kwadratowych. Należy podkreślć, ż metody programowana lnowego lub programowana kwadratowego są łatwejsze do zamplementowana we własnych programach komputerowych od metod programowana nelnowego 396
5 ARCHIWUM ODLEWNICTWA 4. PRZYKŁADY ZASTOSOWAŃ OPTYMALIZACJI ROZMYTEJ W OBLICZENIACH ODLEWNICZYCH 4.1. Programowane kwadratowe Charakterystycznym przykładem zastosowana programowana kwadratowego jest zadane oblczana namaru wsadu przy założenu nepewnego (rozmytego) składu chemcznego materałów wsadowych /lub nepewnych cen jednostkowych poszczególnych materałów wsadowych. Teoretyczne podstawy takego zadana oraz przykłady oblczenowe przedstawono w pracach [4, 5]. Funkcja celu w tych przypadkach jest funkcją kwadratową, gdyż w takej postac jest zdefnowana funkcja kompromsu dla programowana welokryteralnego; układ warunków ogranczających tworzą funkcje lnowe Programowane nelnowe bez ogranczeń Metody programowana matematycznego nelnowego bez ogranczeń można stosować na przykład w systemach automatycznej dentyfkacj wybranych parametrów technologcznych. Szereg przykładów programów komputerowych realzujących taką dentyfkację w oparcu o algorytm Levenberga-Marquardta oraz algorytmy optymalzacj nelnowej bez ogranczeń przedstawono mędzy nnym w publkacj [3]. Metodam programowana matematycznego nelnowego bez ogranczeń można dentyfkować procesy technologczne zarówno o charakterze statycznym jak dynamcznym. Wynk takej dentyfkacj muszą być każdorazowo weryfkowane, gdyż z uwag na brak dodatkowych ogranczeń stneje możlwość wyznaczena wartośc spoza dopuszczalnego fzyczne technologczne zakresu Programowane nelnowe z ogranczenam Typowym przykładem rozmytej optymalzacj nelnowej z ogranczenam (także nelnowym) jest zadana optymalnego wyboru punktu pracy żelwaka. Dysponując matematycznym zależnoścam temperatury cekłego żelwa T=f(P,K) wydajnośc W=g(P,K), gdze P lość powetrza dmuchu, K zużyce (rozchód) koksu, zadane wyboru optymalnych wartośc P K sprowadza sę do maksymalzacj wartośc funkcj W przy założonej rozmytej wartośc temperatury T. Dodatkowym założenam są dopuszczalne przedzały wartośc P oraz K. Zadane to należy do zadań optymalzacj statycznej. 5. PODSUMOWANIE Metody programowana matematycznego lnowego nelnowego, bez ogranczeń z ogranczenam można zastosować w welu zadanach optymalzacj statycznej lub dynamcznej wybranych procesów odlewnczych. Programy zawerające take 397
6 algorytmy optymalzacj mogą znaczne ułatwć właścwe sterowane procesam produkcyjnym w odlewn. LITERATURA [1] Kręglewsk T., Rogowsk T., Ruszczyńsk A., Szymanowsk J.: Metody optymalzacj w języku FORTRAN. PWN, Warszawa [2] Pegat A.: Modelowane sterowane rozmyte. Wyd. EXIT, Warszawa, [3] Zółkowsk E.: Program komputerowej automatycznej dentyfkacj wybranych dynamcznych procesów odlewnczych. Mat. XXIV Konferencj Naukowej z okazj Śwęta Odlewnka Kraków, 2000, s [4] Zółkowsk E.: Zastosowane metod programowana matematycznego w optymalzacj wytopu w pecach odlewnczych. Praca zborowa pod redakcją Janusza Kacprzyka Jana Węglarza pt.: Badana operacyjne systemowe wobec wyzwań XXI weku. Modelowane Optymalzacja. Metody zastosowana. Akademcka Ofcyna Wydawncza EXIT, Warszawa, 2002, s. II-21 II-32. [5] Zółkowsk E.: Zastosowane algorytmów optymalzacj rozmytej do określana namaru wsadu dla peców odlewnczych. Praca zborowa pod redakcją Romana Kulkowskego, Janusza Kacprzyka Romana Słowńskego p.t.: Badana operacyjne systemowe Podejmowane decyzj. Podstawy metodyczne zastosowana. Wyd. EXIT, Warszawa 2004, s Praca naukowa fnansowana ze środków Komtetu Badań Naukowych w latach jako projekt badawczy. SUMMARY THE SELECTED APPLICATIONS OF FUZZY OPTIMIZATION IN FOUNDRY PROCESSES CONTROL The artcle presents a mathematcal model of fuzzy optmzaton and a classfcaton of the mathematcal programmng methods whch can be used to solve the fuzzy optmzaton problems. The author has descrbed selected fuzzy models of the technologcal processes parameters. The examples of the fuzzy optmzaton n foundry calculatons have been ncluded. Recenzował: prof. zw. dr hab. nż. Stansław Petrowsk 398
CHARAKTERYSTYKA I ZASTOSOWANIA ALGORYTMÓW OPTYMALIZACJI ROZMYTEJ. E. ZIÓŁKOWSKI 1 Wydział Odlewnictwa AGH, ul. Reymonta 23, Kraków
36/3 Archives of Foundry, Year 004, Volume 4, 3 Archiwum Odlewnictwa, Rok 004, Rocznik 4, Nr 3 PAN Katowice PL ISSN 64-5308 CHARAKTERYSTYKA I ZASTOSOWANIA ALGORYTMÓW OPTYMALIZACJI ROZMYTEJ E. ZIÓŁKOWSKI
Bardziej szczegółowoRozwiązywanie zadań optymalizacji w środowisku programu MATLAB
Rozwązywane zadań optymalzacj w środowsku programu MATLAB Zagadnene optymalzacj polega na znajdowanu najlepszego, względem ustalonego kryterum, rozwązana należącego do zboru rozwązań dopuszczalnych. Standardowe
Bardziej szczegółowoModelowanie i obliczenia techniczne. Metody numeryczne w modelowaniu: Optymalizacja
Modelowane oblczena technczne Metody numeryczne w modelowanu: Optymalzacja Zadane optymalzacj Optymalzacja to ulepszane lub poprawa jakośc danego rozwązana, projektu, opracowana. Celem optymalzacj jest
Bardziej szczegółowoWykład IX Optymalizacja i minimalizacja funkcji
Wykład IX Optymalzacja mnmalzacja funkcj Postawene zadana podstawowe dee jego rozwązana Proste metody mnmalzacj Metody teracj z wykorzystanem perwszej pochodnej Metody teracj z wykorzystanem drugej pochodnej
Bardziej szczegółowoSZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW
SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskego 8, 04-703 Warszawa tel.
Bardziej szczegółowoSZTUCZNA INTELIGENCJA
SZTUCZNA INTELIGENCJA WYKŁAD 15. ALGORYTMY GENETYCZNE Częstochowa 014 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska TERMINOLOGIA allele wartośc, waranty genów, chromosom - (naczej
Bardziej szczegółowoZaawansowane metody numeryczne
Wykład 9. jej modyfkacje. Oznaczena Będzemy rozpatrywać zagadnene rozwązana następującego układu n równań lnowych z n newadomym x 1... x n : a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x
Bardziej szczegółowoAnaliza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja)
Analza danych Dane trenngowe testowe. Algorytm k najblższych sąsadów. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ OGÓLNY SCHEMAT Mamy dany zbór danych podzelony na klasy decyzyjne, oraz
Bardziej szczegółowoPorównanie wyników symulacji wpływu kształtu i amplitudy zakłóceń na jakość sterowania piecem oporowym w układzie z regulatorem PID lub rozmytym
ARCHIVES of FOUNDRY ENGINEERING Published quarterly as the organ of the Foundry Commission of the Polish Academy of Sciences ISSN (1897-3310) Volume 15 Special Issue 4/2015 133 138 28/4 Porównanie wyników
Bardziej szczegółowoSztuczne sieci neuronowe. Krzysztof A. Cyran POLITECHNIKA ŚLĄSKA Instytut Informatyki, p. 311
Sztuczne sec neuronowe Krzysztof A. Cyran POLITECHNIKA ŚLĄSKA Instytut Informatyk, p. 311 Wykład 6 PLAN: - Repetto (brevs) - Sec neuronowe z radalnym funkcjam bazowym Repetto W aspekce archtektury: zajmowalśmy
Bardziej szczegółowoDIAGNOSTYKA WYMIENNIKÓW CIEPŁA Z UWIARYGODNIENIEM WYNIKÓW POMIARÓW EKPLOATACYJNYCH
RYNEK CIEŁA 03 DIANOSYKA YMIENNIKÓ CIEŁA Z UIARYODNIENIEM YNIKÓ OMIARÓ EKLOAACYJNYCH Autorzy: rof. dr hab. nż. Henryk Rusnowsk Dr nż. Adam Mlejsk Mgr nż. Marcn ls Nałęczów, 6-8 paźdzernka 03 SĘ Elementam
Bardziej szczegółowoWspółczynnik przenikania ciepła U v. 4.00
Współczynnk przenkana cepła U v. 4.00 1 WYMAGANIA Maksymalne wartośc współczynnków przenkana cepła U dla ścan, stropów, stropodachów, oken drzw balkonowych podano w załącznku do Rozporządzena Mnstra Infrastruktury
Bardziej szczegółowo4. OPTYMALIZACJA WIELOKRYTERIALNA
Wybrane zagadnena badań operacyjnych dr nż. Zbgnew Tarapata Wykład nr 4: Optymalzacja welokryteralna 4. OPTYMLIZCJ WIELORYTERIL Decyzje nwestycyjne mają często charakter złożony. Zdarza sę, że przy wyborze
Bardziej szczegółowoInstrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne. Temat ćwiczenia: Problemy rozkroju materiałowego, zagadnienia dualne
Instrukca do ćwczeń laboratorynych z przedmotu: Badana operacyne Temat ćwczena: Problemy rozkrou materałowego, zagadnena dualne Zachodnopomorsk Unwersytet Technologczny Wydzał Inżyner Mechanczne Mechatronk
Bardziej szczegółowoXXX OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne
XXX OLIMPIADA FIZYCZNA ETAP III Zadane dośwadczalne ZADANIE D Nazwa zadana: Maszyna analogowa. Dane są:. doda półprzewodnkowa (krzemowa) 2. opornk dekadowy (- 5 Ω ), 3. woltomerz cyfrowy, 4. źródło napęca
Bardziej szczegółowoBADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda
BADANIA OPERACYJNE Podejmowane decyzj w warunkach nepewnośc dr Adam Sojda Teora podejmowana decyzj gry z naturą Wynk dzałana zależy ne tylko od tego, jaką podejmujemy decyzję, ale równeż od tego, jak wystąp
Bardziej szczegółowoliniowym w przeciwnym przypadku mówimy o programowaniu nieliniowym.
=DGDQLHSROHJDMFHQDSRV]XNLZDQLXPDNV\PDOQHMOXEPLQLPDOQHMZDUWRFLIXQNFMLZLHOX ]PLHQQ\FKSU]\MHGQRF]HVQ\PVSHáQLHQLXSHZQHMLORFLQDáR*RQ\FKZDUXQNyZ UyZQDOXE QLHUyZQRFLQRVLQD]Z]DGDQLDRSW\PDOL]DF\MQHJROXE]DGDQLDSURJUDPRZDQLD
Bardziej szczegółowoMETODY PLANOWANIA EKSPERYMENTÓW. dr hab. inż. Mariusz B. Bogacki
Metody Planowana Eksperymentów Rozdzał 1. Strona 1 z 14 METODY PLANOWANIA EKSPERYMENTÓW dr hab. nż. Marusz B. Bogack Marusz.Bogack@put.poznan.pl www.fct.put.poznan.pl/cv23.htm Marusz B. Bogack 1 Metody
Bardziej szczegółowoV. TERMODYNAMIKA KLASYCZNA
46. ERMODYNAMIKA KLASYCZNA. ERMODYNAMIKA KLASYCZNA ermodynamka jako nauka powstała w XIX w. Prawa termodynamk są wynkem obserwacj welu rzeczywstych procesów- są to prawa fenomenologczne modelu rzeczywstośc..
Bardziej szczegółowoKlasyfkator lnowy Wstęp Klasyfkator lnowy jest najprostszym możlwym klasyfkatorem. Zakłada on lnową separację lnowy podzał dwóch klas mędzy sobą. Przedstawa to ponższy rysunek: 5 4 3 1 0-1 - -3-4 -5-5
Bardziej szczegółowoTeoria niepewności pomiaru (Rachunek niepewności pomiaru) Rodzaje błędów pomiaru
Pomary fzyczne - dokonywane tylko ze skończoną dokładnoścą. Powodem - nedoskonałość przyrządów pomarowych neprecyzyjność naszych zmysłów borących udzał w obserwacjach. Podawane samego tylko wynku pomaru
Bardziej szczegółowoORGANIZACJA ZAJĘĆ OPTYMALIZACJA GLOBALNA WSTĘP PLAN WYKŁADU. Wykładowca dr inż. Agnieszka Bołtuć, pokój 304, e-mail: aboltuc@ii.uwb.edu.
ORGANIZACJA ZAJĘĆ Wykładowca dr nż. Agneszka Bołtuć, pokój 304, e-mal: aboltuc@.uwb.edu.pl Lczba godzn forma zajęć: 15 godzn wykładu oraz 15 godzn laboratorum 15 godzn projektu Konsultacje: ponedzałk 9:30-11:00,
Bardziej szczegółowoKryteria optymalizacji w systemach sterowania rozmytego piecami odlewniczymi
A R C H I V E S of F O U N D R Y E N G I N E E R I N G Published quarterly as the organ of the Foundry Commission of the Polish Academy of Sciences ISSN (1897-3310) Volume 14 Special Issue 2/2014 95 100
Bardziej szczegółowoOptymalizacja belki wspornikowej
Leszek MIKULSKI Katedra Podstaw Mechank Ośrodków Cągłych, Instytut Mechank Budowl, Poltechnka Krakowska e mal: ps@pk.edu.pl Optymalzacja belk wspornkowej 1. Wprowadzene RozwaŜamy zadane optymalnego kształtowana
Bardziej szczegółowoMinimalizacja globalna, algorytmy genetyczne i zastosowanie w geotechnice
Mnmalzacja globalna, algorytmy genetyczne zastosowane w geotechnce Metoda sejsmczna Metoda geoelektryczna Podstawowy podzał ZAGADNIENIE PROSTE (ang. forward problem) model + parametry modelu dane (ośrodek,
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 6
Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych 1. Zastosowane
Bardziej szczegółowoWeryfikacja hipotez dla wielu populacji
Weryfkacja hpotez dla welu populacj Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Parametryczne testy stotnośc w
Bardziej szczegółowoSYMULACJA KOMPUTEROWA NAPRĘŻEŃ DYNAMICZNYCH WE WRĘGACH MASOWCA NA FALI NIEREGULARNEJ
Jan JANKOWSKI *), Maran BOGDANIUK *),**) SYMULACJA KOMPUTEROWA NAPRĘŻEŃ DYNAMICZNYCH WE WRĘGACH MASOWCA NA FALI NIEREGULARNEJ W referace przedstawono równana ruchu statku w warunkach falowana morza oraz
Bardziej szczegółowoMinimalizacja globalna. Algorytmy genetyczne i ewolucyjne.
Mnmalzacja globalna Algorytmy genetyczne ewolucyjne. Lnearyzacja nelnowego operatora g prowadz do przyblżonych metod rozwązywana zagadnena odwrotnego. Wynk takej nwersj jest slne uzależnony od wyboru modelu
Bardziej szczegółowoZaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych
Zaawansowane metody numeryczne Komputerowa analza zagadneń różnczkowych 1. Układy równań lnowych P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ semestr letn 2006/07 Podstawowe fakty Równane Ax = b, x,
Bardziej szczegółowoSprawozdanie powinno zawierać:
Sprawozdane pownno zawerać: 1. wypełnoną stronę tytułową (gotowa do ćw. nr 0 na strone drugej, do pozostałych ćwczeń zameszczona na strone 3), 2. krótk ops celu dośwadczena, 3. krótk ops metody pomaru,
Bardziej szczegółowoNAFTA-GAZ marzec 2011 ROK LXVII. Wprowadzenie. Tadeusz Kwilosz
NAFTA-GAZ marzec 2011 ROK LXVII Tadeusz Kwlosz Instytut Nafty Gazu, Oddzał Krosno Zastosowane metody statystycznej do oszacowana zapasu strategcznego PMG, z uwzględnenem nepewnośc wyznaczena parametrów
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 6
Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Interpretacja parametrów przy zmennych objaśnających cągłych Semelastyczność 2. Zastosowane modelu potęgowego Model potęgowy 3. Zmenne cągłe za zmenne dyskretne
Bardziej szczegółowoWikiWS For Business Sharks
WkWS For Busness Sharks Ops zadana konkursowego Zadane Opracowane algorytmu automatyczne przetwarzającego zdjęce odręczne narysowanego dagramu na tablcy lub kartce do postac wektorowej zapsanej w formace
Bardziej szczegółowo1 Metody optymalizacji wielokryterialnej... 1 1.1 Ogólna charakterystyka problemu... 1 1.2 Tradycyjne metody optymalizacji wielokryterialnej...
1 Metody optymalzacj welokryteralnej.... 1 1.1 Ogólna charakterystyka problemu.... 1 1.2 Tradycyjne metody optymalzacj welokryteralnej.... 3 1.2.1 Metoda ważonych kryterów.... 3 1.2.2 Metoda optymalzacj
Bardziej szczegółowoStanisław Cichocki Natalia Nehrebecka. Zajęcia 4
Stansław Cchock Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0-1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających Interpretacja
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 7
Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy zmennych dyskretnych 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy
Bardziej szczegółowoZmodyfikowana technika programowania dynamicznego
Zmodyfkowana technka programowana dynamcznego Lech Madeysk 1, Zygmunt Mazur 2 Poltechnka Wrocławska, Wydzał Informatyk Zarządzana, Wydzałowy Zakład Informatyk Wybrzeże Wyspańskego 27, 50-370 Wrocław Streszczene.
Bardziej szczegółowoEwolucyjne projektowanie filtrów cyfrowych IIR o nietypowych charakterystykach amplitudowych
Adam Słowk Mchał Bałko Wydzał Elektronk Poltechnka Koszalńska ul. JJ Śnadeckch 2, 75-453 Koszaln Ewolucyjne projektowane fltrów cyfrowych IIR o netypowych charakterystykach ampltudowych Słowa kluczowe:
Bardziej szczegółowoMetody gradientowe poszukiwania ekstremum. , U Ŝądana wartość napięcia,
Metody gradentowe... Metody gradentowe poszukwana ekstremum Korzystają z nformacj o wartośc funkcj oraz jej gradentu. Wykazując ch zbeŝność zakłada sę, Ŝe funkcja celu jest ogranczona od dołu funkcją wypukłą
Bardziej szczegółowoWykład 2: Uczenie nadzorowane sieci neuronowych - I
Wykład 2: Uczene nadzorowane sec neuronowych - I Algorytmy uczena sec neuronowych Na sposób dzałana sec ma wpływ e topologa oraz funkconowane poszczególnych neuronów. Z reguły topologę sec uznae sę za
Bardziej szczegółowoROZDZIAŁ 5 OPTYMALIZACJA WIELOKRYTERIALNA W PROBLEMIE INFLACJA BEZROBOCIE
Wesława Bogusławska ROZDZIAŁ 5 OPTYMALIZACJA WIELOKRYTERIALNA W PROBLEMIE INFLACJA BEZROBOCIE 1. Wprowadzene Od początku stnena cywlzacj człowek poszukwał rozwązań które umożlwłyby osągane jak najlepszych
Bardziej szczegółowo8. Optymalizacja decyzji inwestycyjnych
dr nż. Zbgnew Tarapata: Optymalzacja decyzj nwestycyjnych, cz.ii 8. Optymalzacja decyzj nwestycyjnych W rozdzale 8, część I przedstawono elementarne nformacje dotyczące metod oceny decyzj nwestycyjnych.
Bardziej szczegółowoFOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS METODA PROGRAMOWANIA LINIOWEGO. PRZYKŁAD ZASTOSOWANIA W ROLNICTWIE
FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Fola Pomer. Unv. Technol. Stetn., Oeconomca 2014, 308(74)1, 7 16 Agneszka Barczak METODA PROGRAMOWANIA LINIOWEGO. PRZYKŁAD ZASTOSOWANIA W ROLNICTWIE
Bardziej szczegółowoKURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. www.etrapez.pl Strona 1
KURS STATYSTYKA Lekcja 6 Regresja lne regresj ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 Funkcja regresj I rodzaju cechy Y zależnej
Bardziej szczegółowo1. SPRAWDZENIE WYSTEPOWANIA RYZYKA KONDENSACJI POWIERZCHNIOWEJ ORAZ KONDENSACJI MIĘDZYWARSTWOWEJ W ŚCIANIE ZEWNĘTRZNEJ
Ćwczene nr 1 cz.3 Dyfuzja pary wodnej zachodz w kerunku od środowska o wyższej temperaturze do środowska chłodnejszego. Para wodna dyfundująca przez przegrody budowlane w okrese zmowym napotyka na coraz
Bardziej szczegółowo5. OPTYMALIZACJA GRAFOWO-SIECIOWA
. OPTYMALIZACJA GRAFOWO-SIECIOWA Defncja grafu Pod pojęcem grafu G rozumemy następującą dwójkę uporządkowaną (defncja grafu Berge a): (.) G W,U gdze: W zbór werzchołków grafu, U zbór łuków grafu, U W W,
Bardziej szczegółowoKONCEPCJA ZASTOSOWANIA ALGORYTMU FAKTORYZACJI DO OCENY NIEZAWODNOŚCI CIĄGÓW KOMUNIKACYJNYCH
2-2007 POBLEMY ESPLOATACJI 29 obert PILCH, Jan SZYBA Akadema Górnczo-Hutncza, raków ONCEPCJA ZASTOSOWANIA ALGOYTMU FATOYZACJI DO OCENY NIEZAWODNOŚCI CIĄGÓW OMUNIACYJNYCH Słowa kluczowe Nezawodność układów
Bardziej szczegółowoMATEMATYKA POZIOM ROZSZERZONY Kryteria oceniania odpowiedzi. Arkusz A II. Strona 1 z 5
MATEMATYKA POZIOM ROZSZERZONY Krytera ocenana odpowedz Arkusz A II Strona 1 z 5 Odpowedz Pytane 1 2 3 4 5 6 7 8 9 Odpowedź D C C A B 153 135 232 333 Zad. 10. (0-3) Dana jest funkcja postac. Korzystając
Bardziej szczegółowoNieliniowe zadanie optymalizacji bez ograniczeń numeryczne metody iteracyjne optymalizacji
Nelnowe zadane optymalzacj bez ogranczeń numeryczne metody teracyjne optymalzacj mn R n f ( ) = f Algorytmy poszuwana mnmum loalnego zadana programowana nelnowego: Bez ogranczeń Z ogranczenam Algorytmy
Bardziej szczegółowoRozmyta efektywność portfela
Krzysztof PIASECKI Akadema Ekonomczna w Poznanu Problem badawczy Rozmyta ektywność portfela Buckley [] Calz [] zaproponowal reprezentowane wartośc przyszłych nwestycj fnansowych przy pomocy lczb rozmytych.
Bardziej szczegółowoNatalia Nehrebecka. Zajęcia 4
St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0 1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających
Bardziej szczegółowoOPTYMALIZACJA PROCESU PRZESIEWANIA W PRZESIEWACZACH WIELOPOKŁADOWYCH
Prace Naukowe Instytutu Górnctwa Nr 136 Poltechnk Wrocławskej Nr 136 Studa Materały Nr 43 2013 Jerzy MALEWSKI* Marta BASZCZYŃSKA** przesewane, jakość produktów, optymalzacja OPTYMALIZACJA PROCESU PRZESIEWANIA
Bardziej szczegółowoSTATECZNOŚĆ SKARP. α - kąt nachylenia skarpy [ o ], φ - kąt tarcia wewnętrznego gruntu [ o ],
STATECZNOŚĆ SKARP W przypadku obektu wykonanego z gruntów nespostych zaprojektowane bezpecznego nachylena skarp sprowadza sę do przekształcena wzoru na współczynnk statecznośc do postac: tgφ tgα = n gdze:
Bardziej szczegółowoWYKŁAD 9 METODY ZMIENNEJ METRYKI
WYKŁAD 9 METODY ZMIENNEJ METRYKI Kierunki sprzężone. Metoda Newtona Raphsona daje dobre przybliżenie najlepszego kierunku poszukiwań, lecz jest to okupione znacznym kosztem obliczeniowym zwykle postać
Bardziej szczegółowoTeoria niepewności pomiaru (Rachunek niepewności pomiaru) Rodzaje błędów pomiaru
Pomary fzyczne - dokonywane tylko ze skończoną dokładnoścą. Powodem - nedoskonałość przyrządów pomarowych neprecyzyjność naszych zmysłów borących udzał w obserwacjach. Podawane samego tylko wynku pomaru
Bardziej szczegółowoWYZNACZANIE WSPÓŁCZYNNIKA LEPKOŚCI CIECZY METODĄ STOKESA
WYZNACZANIE WSPÓŁCZYNNIKA LEPKOŚCI CIECZY METODĄ STOKESA. Ops teoretyczny do ćwczena zameszczony jest na strone www.wtc.wat.edu.pl w dzale DYDAKTYKA FIZYKA ĆWICZENIA LABORATORYJNE.. Ops układu pomarowego
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH
STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH 1 Test zgodnośc χ 2 Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład o dystrybuance F). Hpoteza alternatywna H1( Cecha X populacj
Bardziej szczegółowoBadanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej
Badane współzależnośc dwóch cech loścowych X Y. Analza korelacj prostej Kody znaków: żółte wyróżnene nowe pojęce czerwony uwaga kursywa komentarz 1 Zagadnena 1. Zwązek determnstyczny (funkcyjny) a korelacyjny.
Bardziej szczegółowoProjekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE
Inormatyka Podstawy Programowana 06/07 Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE 6. Równana algebraczne. Poszukujemy rozwązana, czyl chcemy określć perwastk rzeczywste równana:
Bardziej szczegółowoAPROKSYMACJA QUASIJEDNOSTAJNA
POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 73 Electrcal Engneerng 213 Jan PURCZYŃSKI* APROKSYMACJA QUASIJEDNOSTAJNA W pracy wykorzystano metodę aproksymacj średnokwadratowej welomanowej, przy
Bardziej szczegółowoRachunek niepewności pomiaru opracowanie danych pomiarowych
Rachunek nepewnośc pomaru opracowane danych pomarowych Mędzynarodowa Norma Oceny Nepewnośc Pomaru (Gude to Epresson of Uncertanty n Measurements - Mędzynarodowa Organzacja Normalzacyjna ISO) http://physcs.nst./gov/uncertanty
Bardziej szczegółowoNatalia Nehrebecka. Zajęcia 3
St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 3 1. Dobroć dopasowana równana regresj. Współczynnk determnacj R Dk Dekompozycja warancj zmennej zależnej ż Współczynnk determnacj R. Zmenne cągłe a
Bardziej szczegółowoProces narodzin i śmierci
Proces narodzn śmerc Jeżel w ewnej oulacj nowe osobnk ojawają sę w sosób losowy, rzy czym gęstość zdarzeń na jednostkę czasu jest stała w czase wynos λ, oraz lczba osobnków n, które ojawły sę od chwl do
Bardziej szczegółowoZESZYTY NAUKOWE NR x(xx) AKADEMII MORSKIEJ W SZCZECINIE. Metody wymiarowania obszaru manewrowego statku oparte na badaniach rzeczywistych
ISSN 009-069 ZESZYTY NUKOWE NR () KDEMII MORSKIEJ W SZCZECINIE IV MIĘDZYNRODOW KONFERENCJ NUKOWO-TECHNICZN E X P L O - S H I P 0 0 6 Paweł Zalewsk, Jakub Montewka Metody wymarowana obszaru manewrowego
Bardziej szczegółowoMetody obliczeniowe. wykład nr 2. metody rozwiązywania równań nieliniowych zadanie optymalizacji. Nr: 1
Nr: Metody oblczenowe - Budownctwo semestr - wykład nr Metody oblczenowe wykład nr metody rozwązywana równań nelnowych zadane optymalzacj Nr: Metody oblczenowe - Budownctwo semestr - wykład nr Postać równana
Bardziej szczegółowoANALIZA TERMODYNAMICZNA STOPÓW ODLEWNICZYCH PRZY UŻYCIU PROGRAMU THERMOCALC
171/18 ARCHIWUM ODLEWNICTWA Rok 2006, Rocznk 6, Nr 18 (2/2) ARCHIVES OF FOUNDRY Year 2006, Volume 6, N o 18 (2/2) PAN Katowce PL ISSN 1642-5308 ANALIZA TERMODYNAMICZNA STOPÓW ODLEWNICZYCH PRZY UŻYCIU PROGRAMU
Bardziej szczegółowoPrzykład 4.1. Belka dwukrotnie statycznie niewyznaczalna o stałej sztywności zginania
Przykład.. Beka dwukrotne statyczne newyznaczana o stałej sztywnośc zgnana Poecene: korzystając z metody sł sporządzć wykresy sł przekrojowych da ponŝszej bek. Wyznaczyć ugęce oraz wzgędną zmanę kąta w
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 11
Stansław Cchock Natala Nehrebecka Wykład 11 1 1. Testowane hpotez łącznych 2. Testy dagnostyczne Testowane prawdłowośc formy funkcyjnej: test RESET Testowane normalnośc składnków losowych: test Jarque-Berra
Bardziej szczegółowo) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4
Zadane. Nech ( X, Y ),( X, Y ), K,( X, Y n n ) będą nezależnym zmennym losowym o tym samym rozkładze normalnym z następującym parametram: neznaną wartoścą oczekwaną EX = EY = m, warancją VarX = VarY =
Bardziej szczegółowoMetody analizy obwodów
Metody analzy obwodów Metoda praw Krchhoffa, która jest podstawą dla pozostałych metod Metoda transfguracj, oparte na przekształcenach analzowanego obwodu na obwód równoważny Metoda superpozycj Metoda
Bardziej szczegółowoLaboratorium ochrony danych
Laboratorum ochrony danych Ćwczene nr Temat ćwczena: Cała skończone rozszerzone Cel dydaktyczny: Opanowane programowej metody konstruowana cał skończonych rozszerzonych GF(pm), poznane ch własnośc oraz
Bardziej szczegółowoPROGRAMOWANIE DYNAMICZNE W ROZMYTYM OTOCZENIU DO STEROWANIA STATKIEM
Mostefa Mohamed-Seghir Akademia Morska w Gdyni PROGRAMOWANIE DYNAMICZNE W ROZMYTYM OTOCZENIU DO STEROWANIA STATKIEM W artykule przedstawiono propozycję zastosowania programowania dynamicznego do rozwiązywania
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 6
Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Model potęgowy Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych
Bardziej szczegółowoPattern Classification
attern Classfcaton All materals n these sldes were taken from attern Classfcaton nd ed by R. O. Duda,. E. Hart and D. G. Stork, John Wley & Sons, 000 wth the permsson of the authors and the publsher Chapter
Bardziej szczegółowoPortfele zawierające walor pozbawiony ryzyka. Elementy teorii rynku kapitałowego
Portel nwestycyjny ćwczena Na podst. Wtold Jurek: Konstrukcja analza rozdzał 5 dr chał Konopczyńsk Portele zawerające walor pozbawony ryzyka. lementy teor rynku kaptałowego 1. Pożyczane penędzy amy dwa
Bardziej szczegółowoZestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni.
Zestaw zadań : Przestrzene wektorowe podprzestrzene. Lnowa nezależność. Sumy sumy proste podprzestrzen. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar :
Bardziej szczegółowoKarta (sylabus) modułu/przedmiotu
Karta (sylabus) mułu/przedmotu Budownctwo (Nazwa kerunku studów) Studa I Stopna Przedmot: Materały budowlane II Constructon materals Rok: II Semestr: MK_26 Rzaje zajęć lczba gzn: Studa stacjonarne Studa
Bardziej szczegółowoDr inż. Robert Smusz Politechnika Rzeszowska im. I. Łukasiewicza Wydział Budowy Maszyn i Lotnictwa Katedra Termodynamiki
Dr nż. Robert Smusz Poltechnka Rzeszowska m. I. Łukasewcza Wydzał Budowy Maszyn Lotnctwa Katedra Termodynamk Projekt jest współfnansowany w ramach programu polskej pomocy zagrancznej Mnsterstwa Spraw Zagrancznych
Bardziej szczegółowo± Δ. Podstawowe pojęcia procesu pomiarowego. x rzeczywiste. Określenie jakości poznania rzeczywistości
Podstawowe pojęca procesu pomarowego kreślene jakośc poznana rzeczywstośc Δ zmerzone rzeczywste 17 9 Zalety stosowana elektrycznych przyrządów 1/ 1. możlwość budowy czujnków zamenających werne każdą welkość
Bardziej szczegółowoSieci Neuronowe 1 Michał Bereta
Wprowadzene Zagadnena Sztucznej Intelgencj laboratorum Sec Neuronowe 1 Mchał Bereta Sztuczne sec neuronowe można postrzegać jako modele matematyczne, które swoje wzorce wywodzą z bolog obserwacj ludzkch
Bardziej szczegółowoSZTUCZNA INTELIGENCJA
SZTUCZNA INTELIGENCJA WYKŁAD 18. ALGORYTMY EWOLUCYJNE - ZASTOSOWANIA Częstochowa 2014 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska ZADANIE ZAŁADUNKU Zadane załadunku plecakowe
Bardziej szczegółowoPlan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup
Jednoczynnkowa Analza Waranc (ANOVA) Wykład 11 Przypomnene: wykłady zadana kursu były zaczerpnęte z podręcznków: Statystyka dla studentów kerunków techncznych przyrodnczych, J. Koronack, J. Melnczuk, WNT
Bardziej szczegółowoZastosowanie algorytmów genetycznych do optymalizacji modelu SVM procesu stalowniczego
POLITECHIKA ŚLĄSKA Wydzał Inżyner Materałowej Metalurg Zakład Informatyk w Procesach Technologcznych Katedra Elektrotechnolog Kerunek: Zarządzane Inżynera Produkcj Specjalzacja: Informatyka w Zarządzanu
Bardziej szczegółowoMikroekonometria 13. Mikołaj Czajkowski Wiktor Budziński
Mkroekonometra 13 Mkołaj Czajkowsk Wktor Budzńsk Symulacje Analogczne jak w przypadku cągłej zmennej zależnej można wykorzystać metody Monte Carlo do analzy różnego rodzaju problemów w modelach gdze zmenna
Bardziej szczegółowoZestaw przezbrojeniowy na inne rodzaje gazu. 1 Dysza 2 Podkładka 3 Uszczelka
Zestaw przezbrojenowy na nne rodzaje gazu 8 719 002 262 0 1 Dysza 2 Podkładka 3 Uszczelka PL (06.04) SM Sps treśc Sps treśc Wskazówk dotyczące bezpeczeństwa 3 Objaśnene symbol 3 1 Ustawena nstalacj gazowej
Bardziej szczegółowoPORÓWNANIE METOD OKREŚLANIA FUNKCJI CELU PRZY DOBORZE ROZSIEWACZY NAWOZÓW MINERALNYCH
Inżynera Rolncza (90)/007 PORÓWNANIE METOD OKREŚLANIA FUNKCJI CELU PRZY DOBORZE ROZSIEWACZY NAWOZÓW MINERALNYCH Zofa Hanusz Katedra Zastosowań Matematyk, Akadema Rolncza w Lublne Magdalena Ćwklńska Katedra
Bardziej szczegółowoSYSTEMOWE UJĘCIE ZADANIA PROJEKTOWEGO
3/12 ARCHIWUM ODLEWNICTWA Rok 2004, Rocznik 4, Nr 12 Archives of Foundry Year 2004, Volume 4, Book 12 PAN Katowice PL ISSN 1642-5308 SYSTEMOWE UJĘCIE ZADANIA PROJEKTOWEGO R. WRONA 1 Wydział Odlewnictwa,
Bardziej szczegółowoWykład 2: Uczenie nadzorowane sieci neuronowych - I
Wykład 2: Uczene nadzorowane sec neuronowych - I Algorytmy uczena sec neuronowych Na sposób dzałana sec ma wpływ e topologa oraz funkconowane poszczególnych neuronów. Z reguły topologę sec uznae sę za
Bardziej szczegółowoMikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński
Mkroekonometra 5 Mkołaj Czajkowsk Wktor Budzńsk Uogólnone modele lnowe Uogólnone modele lnowe (ang. Generalzed Lnear Models GLM) Różną sę od standardowego MNK na dwa sposoby: Rozkład zmennej objaśnanej
Bardziej szczegółowoZAJĘCIA X. Zasada największej wiarygodności
ZAJĘCIA X Zasada najwększej warygodnośc Funkcja warygodnośc Estymacja wg zasady maksymalzacj warygodnośc Rodzna estymatorów ML Przypadk szczególne WPROWADZEIE Komputerowa dentyfkacja obektów Przyjęce na
Bardziej szczegółowoRÓWNOLEGŁY ALGORYTM POPULACYJNY DLA PROBLEMU GNIAZDOWEGO Z RÓWNOLEGŁYMI MASZYNAMI
RÓWNOLEGŁY ALGORYTM POPULACYJNY DLA PROBLEMU GNIAZDOWEGO Z RÓWNOLEGŁYMI MASZYNAMI Wojcech BOŻEJKO, Marusz UCHROŃSKI, Meczysław WODECKI Streszczene: W pracy rozpatrywany jest ogólny problem kolejnoścowy
Bardziej szczegółowoWSTĘPNE UWAGI O WYZNACZANIU GRANICY EFEKTYWNOŚCI UKŁADÓW TRANSPORTOWYCH PRELIMINARY NOTES ON DETERMINING EFFICIENCY BORDER OF TRANSPORT SYSTEMS
Sławomr Dorosewcz Instytut Transportu Samochodowego WSTĘPNE UWAGI O WYZNACZANIU GRANICY EFEKTYWNOŚCI UKŁADÓW TRANSPORTOWYCH W artykule zaprezentowano semparametryczną modyfkację metody obwedn danych (Data
Bardziej szczegółowoDotyczy: opinii PKPP lewiatan do projektow dwoch rozporzqdzen z 27 marca 2012 (pismo P-PAA/137/622/2012)
30/04! 2012 PON 13: 30! t FAX 22 55 99 910 PKPP Lewatan _..~._. _., _. _ :. _._..... _.. ~._..:.l._.... _. '. _-'-'-'"." -.-.---.. ----.---.-.~.....----------.. LEWATAN Pol~ka KonfederacJa Pracodawcow
Bardziej szczegółowoWPŁYW PARAMETRÓW DYSKRETYZACJI NA NIEPEWNOŚĆ WYNIKÓW POMIARU OBIEKTÓW OBRAZU CYFROWEGO
Walenty OWIECZKO WPŁYW PARAMETRÓW DYSKRETYZACJI A IEPEWOŚĆ WYIKÓW POMIARU OBIEKTÓW OBRAZU CYFROWEGO STRESZCZEIE W artykule przedstaono ynk analzy nepenośc pomaru ybranych cech obektu obrazu cyfroego. Wyznaczono
Bardziej szczegółowo2012-10-11. Definicje ogólne
0-0- Defncje ogólne Logstyka nauka o przepływe surowców produktów gotowych rodowód wojskowy Utrzyywane zapasów koszty zwązane.n. z zarożene kaptału Brak w dostawach koszty zwązane.n. z przestoje w produkcj
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 7
Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Interakcje 2. Przyblżane model nelnowych 3. Założena KMRL 1. Interakcje 2. Przyblżane model nelnowych 3. Założena KMRL W standardowym modelu lnowym zakładamy,
Bardziej szczegółowoORGANIZACJA PROCESU MAGAZYNOWEGO A EFEKTYWNOŚĆ WYKORZYSTANIA ZASOBÓW PRACY
Logstyka nauka Konrad LEWCZUK Poltechnka Warszawska, Wydzał Transportu 00-662 Warszawa, ul. Koszykowa 75, kle@t.pw.edu.pl ORGANZACJA PROCESU MAGAZYNOWEGO A EFEKTYWNOŚĆ WYKORZYSTANA ZASOBÓW PRACY Streszczene:
Bardziej szczegółowoZadane 1: Wyznacz średne ruchome 3-okresowe z następujących danych obrazujących zużyce energ elektrycznej [kwh] w pewnym zakładze w mesącach styczeń - lpec 1998 r.: 400; 410; 430; 40; 400; 380; 370. Zadane
Bardziej szczegółowoMetody badań kamienia naturalnego: Oznaczanie współczynnika nasiąkliwości kapilarnej
Metody badań kaena naturalnego: Oznaczane współczynnka nasąklwośc kaplarnej 1. Zasady etody Po wysuszenu do stałej asy, próbkę do badana zanurza sę w wodze jedną z powerzchn (ngdy powerzchną obrabaną)
Bardziej szczegółowo