Minimalne modele dwuwymiarowe

Wielkość: px
Rozpocząć pokaz od strony:

Download "Minimalne modele dwuwymiarowe"

Transkrypt

1 Spis treści Model minimalny

2 Spis treści Model minimalny Spis treści Model minimalny

3 Spis treści Model minimalny Model minimalny definicja Posiada (przynajmniej) jeden stan stabilny (spoczynkowy), Posiada (przynajmniej) jeden cykl zamknięty (jest w stanie periodyczne impulsować) przynajmniej dla pewnych wartości parametrów, Usunięcie jakiejkolwiek zmiennej z modelu usuwa z modelu jedyny cykl zamknięty.

4 Model Hodgkina-Huxleya Spis treści Model minimalny C V = I g K n 4 (V E K ) g Na m 3 h(v E Na ) g L (V E L ) ṅ = n (V ) n τ n (V ) ṁ = m (V ) m τ m (V ) ḣ = h (V ) h τ h (V ) Można usunąć zmienną h, albo zmianną m (ale nie obie na raz!).

5 Zmienne amplifikujące i rezonujące Spis treści Model minimalny

6 Zmienne amplifikujące i rezonujące Spis treści Model minimalny resonant inactivation inward resonant activation outward amplifying I Na,t I Na,P + K activation inward I Na,p + I h amplifying I Kir + I h I A inactivation outward I Kir + I K

7 Zmienne amplifikujące i rezonujące Spis treści Model minimalny Model minimalny musi posiadać przynajmniej jedną zmienną amplifikującą i przynajmniej jedną zmienną rezonującą.

8 Model I Na,p + I K Persisstent sodium + potassium C V = I g K n(v E K ) g Na m (V E Na ) g L (V E L ) ṅ = n (V ) n τ n (V )

9 Model I Na,p + I K

10 Model I Na,t Transient sodium C V = I g Na m 3 h(v E Na ) g L (V EL) ḣ = h (V ) h τ h (V )

11 Model I Na,t

12 Model I Na,p + I h Persistent sodium + h-current C V = I g h h(v E h ) g Na m (V E Na ) g L (V E L ) ḣ = h (V ) h τ h (V )

13 Model I Na,p + I h

14 Model I h + I Kir h-current + inwardly rectifying potassium C V = I g h h(v E h ) g Kir h Kir, (V E Kir ) g L (V E L ) ḣ = h (V ) h τ h (V )

15 Model I h + I Kir

16 Model I K + I Kir persistent + inwardly rectifying potassium C V = I g K n(v E K ) g Kir h Kir, (V E Kir ) ṅ = n (V ) n τ n (V )

17 Model I K + I Kir

18 Model I A transient potassium C V = I g A mh (V E A ) g L (V E L ) ṁ = m (V ) m τ m (V )

19 Model I A

20 Model Hodgkina-Huxleya (4d) C V = I g K n 4 (V E K ) g Na m 3 h(v E Na ) g L (V E L ) ṅ = n (V ) n τ n (V ) ṁ = m (V ) m τ m (V ) ḣ = h (V ) h τ h (V ) Bramka aktywująca m jest (niemal) natychmiastowa. Zmienną h można przybliżać poprzez h = n

21 Model Hodgkina-Huxleya (2d) C V = I g K n 4 (V E K ) g Na m 3 ( n)(V E Na ) g L (V E L ) ṅ = n (V ) n τ n (V )

22 Zdefiniujmy zmienne v i takie, że: Teraz zachodzi: C V = I I (V, x 1, x 2,..., x n ) x i = (m i, (V ) x i )/τ i (V ) x i = m i, (v i ) C V = I I (V, m 1, (v 1 ), m 2, (v 2 ),..., m n, (v n )) v i = (m i, (V ) m i, (v i ))/(τ i (V )m i, (v i ))

23 Redukcja do prostszego modelu Uproszczona postać szybkiej separatrisy u = u min + p(v V min ) 2 Uproszczona postać wolnej separatrisy u = s(v V 0 ) Gdzie: (u min, V min ) minimum lokalne, lewe kolano oryginalnej separatrisy s nachylenie

24 Redukcja do prostszych modeli Dynamika: V = τ f (p(v V min ) 2 (u u min )) u = τ s (s(v V 0 ) u) Jeżeli V > V max V := V reset u := u + u reset

25 Redukcja do prostszych modeli

26 Bibliografia E. Izhikevich, Dynamical Systems in Neuroscience

Wstęp do sieci neuronowych, wykład 15, Neuron Hodgkina-Huxleya

Wstęp do sieci neuronowych, wykład 15, Neuron Hodgkina-Huxleya Wstęp do sieci neuronowych, wykład 15, Neuron Hodgkina-Huxleya Maja Czoków, Jarosław Piersa, Andrzej Rutkowski Wydział Matematyki i Informatyki, Uniwersytet Mikołaja Kopernika 2019-01-21 Projekt pn. Wzmocnienie

Bardziej szczegółowo

Wprowadzenie do pulsujących sieci neuronowych

Wprowadzenie do pulsujących sieci neuronowych Zakład Algebry i Kombinatoryki Wydział Matematyki i Nauk Informacyjnych 31 maja 2017 Wstęp Plan prezentacji Biologiczna inspiracja modeli neuronów. Modelowe neuronów naturalnych. Neurony trzeciej generacji

Bardziej szczegółowo

Elektrofizjologia neuronu

Elektrofizjologia neuronu Spis treści Co to jest neuron? 2008-11-13 Spis treści Co to jest neuron? Wstęp Rola jonów w działaniu neronu Potencjał membranowy Stan równowagi Bramki jonowe Dynamika bramek jonowych Model Hodgkina-Huxley

Bardziej szczegółowo

Termodynamika Część 6 Związki i tożsamości termodynamiczne Potencjały termodynamiczne Warunki równowagi termodynamicznej Potencjał chemiczny

Termodynamika Część 6 Związki i tożsamości termodynamiczne Potencjały termodynamiczne Warunki równowagi termodynamicznej Potencjał chemiczny Termodynamika Część 6 Związki i tożsamości termodynamiczne Potencjały termodynamiczne Warunki równowagi termodynamicznej Potencjał chemiczny Janusz Brzychczyk, Instytut Fizyki UJ Związek pomiędzy równaniem

Bardziej szczegółowo

Model błony neuronowej

Model błony neuronowej Model błony neuronowej 1 Modelowanie pewnych aspektów czynności mózgu Neuron McCullocha i Pits a. Pierwsze próby matematycznego opisu czynności neuronów i próby zrozumienia w oparciu o te modele czynności

Bardziej szczegółowo

Analiza Matematyczna MAEW101 MAP1067

Analiza Matematyczna MAEW101 MAP1067 1 Analiza Matematyczna MAEW101 MAP1067 Wydział Elektroniki Przykłady do Listy Zadań nr 14 Funkcje wielu zmiennych. Płaszczyzna styczna. Ekstrema Opracowanie: dr hab. Agnieszka Jurlewicz Przykłady do zadania

Bardziej szczegółowo

Technika cyfrowa Synteza układów kombinacyjnych (I)

Technika cyfrowa Synteza układów kombinacyjnych (I) Sławomir Kulesza Technika cyfrowa Synteza układów kombinacyjnych (I) Wykład dla studentów III roku Informatyki Wersja 2.0, 05/10/2011 Podział układów logicznych Opis funkcjonalny układów logicznych x 1

Bardziej szczegółowo

Technika cyfrowa Synteza układów kombinacyjnych

Technika cyfrowa Synteza układów kombinacyjnych Sławomir Kulesza Technika cyfrowa Synteza układów kombinacyjnych Wykład dla studentów III roku Informatyki Wersja 2.0, 05/10/2011 Podział układów logicznych Opis funkcjonalny układów logicznych x 1 y 1

Bardziej szczegółowo

Poz. 1923. z dnia 9 grudnia 2014 r. bezpiecznych.

Poz. 1923. z dnia 9 grudnia 2014 r. bezpiecznych. Poz. 1923 1) z dnia 9 grudnia 2014 r. 2) 3) bezpiecznych. 1) 2) - 3) - - 4) M.H. Grabowski 4) z dnia 9 grudnia 2014 r. (poz. 1923) 1) 1) - - - 2) - 3) - pitu 5

Bardziej szczegółowo

Pochodna funkcji c.d.-wykład 5 ( ) Funkcja logistyczna

Pochodna funkcji c.d.-wykład 5 ( ) Funkcja logistyczna Pochodna funkcji c.d.-wykład 5 (5.11.07) Funkcja logistyczna Rozważmy funkcję logistyczną y = f 0 (t) = 40 1+5e 0,5t Funkcja f może być wykorzystana np. do modelowania wzrostu masy ziaren kukurydzy (zmienna

Bardziej szczegółowo

Wstęp do sieci neuronowych laboratorium 01 Organizacja zajęć. Perceptron prosty

Wstęp do sieci neuronowych laboratorium 01 Organizacja zajęć. Perceptron prosty Wstęp do sieci neuronowych laboratorium 01 Organizacja zajęć. Perceptron prosty Jarosław Piersa Wydział Matematyki i Informatyki, Uniwersytet Mikołaja Kopernika 2012-10-03 Projekt pn. Wzmocnienie potencjału

Bardziej szczegółowo

Stosowana Analiza Regresji

Stosowana Analiza Regresji Stosowana Analiza Regresji Wykład VIII 30 Listopada 2011 1 / 18 gdzie: X : n p Q : n n R : n p Zał.: n p. X = QR, - macierz eksperymentu, - ortogonalna, - ma zera poniżej głównej diagonali. [ R1 X = Q

Bardziej szczegółowo

BADANIA OPERACYJNE pytania kontrolne

BADANIA OPERACYJNE pytania kontrolne DUALNOŚĆ 1. Podać twierdzenie o dualności 2. Jaka jest zależność pomiędzy funkcjami celu w zadaniu pierwotnym i dualnym? 3. Prawe strony ograniczeń zadania pierwotnego, w zadaniu dualnym są 4. Współczynniki

Bardziej szczegółowo

Adresowanie obiektów. Adresowanie bitów. Adresowanie bajtów i słów. Adresowanie bajtów i słów. Adresowanie timerów i liczników. Adresowanie timerów

Adresowanie obiektów. Adresowanie bitów. Adresowanie bajtów i słów. Adresowanie bajtów i słów. Adresowanie timerów i liczników. Adresowanie timerów Adresowanie obiektów Bit - stan pojedynczego sygnału - wejście lub wyjście dyskretne, bit pamięci Bajt - 8 bitów - wartość od -128 do +127 Słowo - 16 bitów - wartość od -32768 do 32767 -wejście lub wyjście

Bardziej szczegółowo

Tadeusz Lesiak. Dynamika punktu materialnego: Praca i energia; zasada zachowania energii

Tadeusz Lesiak. Dynamika punktu materialnego: Praca i energia; zasada zachowania energii Mechanika klasyczna Tadeusz Lesiak Wykład nr 4 Dynamika punktu materialnego: Praca i energia; zasada zachowania energii Energia i praca T. Lesiak Mechanika klasyczna 2 Praca Praca (W) wykonana przez stałą

Bardziej szczegółowo

Wielokryteriowa optymalizacja liniowa

Wielokryteriowa optymalizacja liniowa Wielokryteriowa optymalizacja liniowa 1. Przy decyzjach złożonych kierujemy się zwykle więcej niż jednym kryterium. Postępowanie w takich sytuacjach nie jest jednoznaczne. Pojawiło się wiele sposobów dochodzenia

Bardziej szczegółowo

Wprowadzenie Modele o opóźnieniach rozłożonych Modele autoregresyjne o opóźnieniach rozłożonych. Modele dynamiczne.

Wprowadzenie Modele o opóźnieniach rozłożonych Modele autoregresyjne o opóźnieniach rozłożonych. Modele dynamiczne. opisują kształtowanie się zjawiska w czasie opisują kształtowanie się zjawiska w czasie Najważniejszymi zastosowaniami modeli dynamicznych są opisują kształtowanie się zjawiska w czasie Najważniejszymi

Bardziej szczegółowo

Układy równań i nierówności liniowych

Układy równań i nierówności liniowych Układy równań i nierówności liniowych Wiesław Krakowiak 1 grudnia 2010 1 Układy równań liniowych DEFINICJA 11 Układem równań m liniowych o n niewiadomych X 1,, X n, nazywamy układ postaci: a 11 X 1 + +

Bardziej szczegółowo

Stosowana Analiza Regresji

Stosowana Analiza Regresji Model jako : Stosowana Analiza Regresji Wykład XI 21 Grudnia 2011 1 / 11 Analiza kowariancji Model jako : Oprócz czynnika o wartościach nominalnych chcemy uwzględnić wpływ predyktora o wartościach ilościowych

Bardziej szczegółowo

Ę ć ń ń Ń Ę ń ź ć ć ć ć

Ę ć ń ń Ń Ę ń ź ć ć ć ć ć ź Ż ń Ż Ę ć ń ń Ń Ę ń ź ć ć ć ć ć Ż ć ć Ż ń ń ń ź ć ć ń ń ź ń ń ć ń ń ć ź ć ń ń ń ń ń Ć ć Ę Ś Ę Ę ć ń Ż ć ć ć ć ć Ę ć ź ć Ż ń ń ć ź ź ź ń ń ć ć ć Ż ń ź ź ń ń ń ć ć ć ć ć ć ć ć ć ć ć Ń ć ć ć ź ć ź ź Ź

Bardziej szczegółowo

Część 1. Transmitancje i stabilność

Część 1. Transmitancje i stabilność Część 1 Transmitancje i stabilność Zastosowanie opisu transmitancyjnego w projektowaniu przekształtników impulsowych Istotne jest przewidzenie wpływu zmian w warunkach pracy (m. in. v g, i) i wielkości

Bardziej szczegółowo

ń ć ń ć ń Ć ć Ć ź

ń ć ń ć ń Ć ć Ć ź ń ń ć ń ć ń Ć ć Ć ź ż ń ż ń ń ź ń ń ź ń ć ń Ł Ę Ł ć ń ń Ć ń Ć ń ć ć ż ż ń ż ż ż ń ż ż ń ń ż ń Ć Ł Ń ć Ł Ę ń ń ń ć ć ń ń ń ż ż ń ż ń ń ń ń ń Ż ń ń ń Ż ż ń ż ż ż ż ż Ć Ć ż ż ć ż ć ż Ę Ń Ż Ę ć ż ż Ż ż ć ń

Bardziej szczegółowo

Praktyczne aspekty modelowania układu nerwowego

Praktyczne aspekty modelowania układu nerwowego Praktyczne aspekty modelowania układu nerwowego Ćwiczenia 2 Model Hodgkina-Huxleya dr Daniel Wójcik na podstawie The Book of GENESIS Wprowadzenie do interfejsu graficznego GENESIS Przećwiczymy obsługę

Bardziej szczegółowo

Regulacja dwupołożeniowa (dwustawna)

Regulacja dwupołożeniowa (dwustawna) Regulacja dwupołożeniowa (dwustawna) I. Wprowadzenie Regulacja dwustawna (dwupołożeniowa) jest często stosowaną metodą regulacji temperatury w urządzeniach grzejnictwa elektrycznego. Polega ona na cyklicznym

Bardziej szczegółowo

I. Pochodna i różniczka funkcji jednej zmiennej. 1. Definicja pochodnej funkcji i jej interpretacja fizyczna. Istnienie pochodnej funkcji.

I. Pochodna i różniczka funkcji jednej zmiennej. 1. Definicja pochodnej funkcji i jej interpretacja fizyczna. Istnienie pochodnej funkcji. I. Pochodna i różniczka funkcji jednej zmiennej. 1. Definicja pochodnej funkcji i jej interpretacja fizyczna. Istnienie pochodnej funkcji. Niech x 0 R i niech f będzie funkcją określoną przynajmniej na

Bardziej szczegółowo

Termodynamiczny opis przejść fazowych pierwszego rodzaju

Termodynamiczny opis przejść fazowych pierwszego rodzaju Wykład II Przejścia fazowe 1 Termodynamiczny opis przejść fazowych pierwszego rodzaju Woda występuje w trzech stanach skupienia jako ciecz, jako gaz, czyli para wodna, oraz jako ciało stałe, a więc lód.

Bardziej szczegółowo

IX. Rachunek różniczkowy funkcji wielu zmiennych. 1. Funkcja dwóch i trzech zmiennych - pojęcia podstawowe. - funkcja dwóch zmiennych,

IX. Rachunek różniczkowy funkcji wielu zmiennych. 1. Funkcja dwóch i trzech zmiennych - pojęcia podstawowe. - funkcja dwóch zmiennych, IX. Rachunek różniczkowy funkcji wielu zmiennych. 1. Funkcja dwóch i trzech zmiennych - pojęcia podstawowe. Definicja 1.1. Niech D będzie podzbiorem przestrzeni R n, n 2. Odwzorowanie f : D R nazywamy

Bardziej szczegółowo

Ś ć

Ś ć Ś ć Ś Ś ć Ó Ś Ń ć ć ć ć Ś ŚĆ Ż Ń Ó Ż Ś ć Ń ć Ó Ó ć ć ć ć Ź Ś ć Ó Ó ć Ś Ń Ó Ś Ń Ż Ż Ź Ó Ń ć Ś Ź Ż ć Ś Ó ć ć ć ć Ż Ó Ś Ś Ó Ś Ś Ś Ś Ś ć ć Ś ć ć Ś ć Ó Ó ć Ó ć Ó ć ć Ó Ó Ó Ó Ś Ó ć Ż Ó ć Ń ć ć ć ć ć

Bardziej szczegółowo

ć

ć Ń ć Ś Ś ć Ó Ś Ń ć Ś Ż Ć Ń Ó ć ć Ó Ó Ś Ó Ó Ó Ź Ó Ś Ó ŚĆ Ź ŚĆ Ń Ó Ń ć ŚĆ Ś Ź Ź Ń Ó Ó Ó Ó Ń Ó Ó Ó Ó Ó Ź Ź Ź Ó Ń Ź Ó Ź Ż ć ć Ś ć Ó ć ć Ń Ó Ń Ó Ź Ż Ń Ó Ń Ń Ś Ż Ż Ó Ó Ń Ś ć Ó Ó Ń Ó Ó Ń Ó Ó Ó ć ć Ó Ó Ó Ś Ż

Bardziej szczegółowo

Zadania z analizy matematycznej - sem. I Pochodne funkcji, przebieg zmienności funkcji

Zadania z analizy matematycznej - sem. I Pochodne funkcji, przebieg zmienności funkcji Zadania z analizy matematycznej - sem. I Pochodne funkcji przebieg zmienności funkcji Definicja 1. Niech f : (a b) R gdzie a < b oraz 0 (a b). Dla dowolnego (a b) wyrażenie f() f( 0 ) = f( 0 + ) f( 0 )

Bardziej szczegółowo

Analiza matematyczna. 1. Ciągi

Analiza matematyczna. 1. Ciągi Analiza matematyczna 1. Ciągi Definicja 1.1 Funkcję a: N R odwzorowującą zbiór liczb naturalnych w zbiór liczb rzeczywistych nazywamy ciągiem liczbowym. Wartość tego odwzorowania w punkcie n nazywamy n

Bardziej szczegółowo

Modelowanie pewnych aspektów czynności mózgu

Modelowanie pewnych aspektów czynności mózgu Tutorial: Modelowanie czynności neuronów i pewnych aspektów czynności mózgu 1 Modelowanie pewnych aspektów czynności mózgu Neuron McCullocha i Pits a. Pierwsze próby matematycznego opisu czynności neuronów

Bardziej szczegółowo

EGZAMIN - Wersja A. ALGORYTMY I STRUKTURY DANYCH Lisek89 opracowanie kartki od Pani dr E. Koszelew

EGZAMIN - Wersja A. ALGORYTMY I STRUKTURY DANYCH Lisek89 opracowanie kartki od Pani dr E. Koszelew 1. ( pkt) Dany jest algorytm, który dla dowolnej liczby naturalnej n, powinien wyznaczyd sumę kolejnych liczb naturalnych mniejszych od n. Wynik algorytmu jest zapisany w zmiennej suma. Algorytm i=1; suma=0;

Bardziej szczegółowo

Stabilność II Metody Lapunowa badania stabilności

Stabilność II Metody Lapunowa badania stabilności Metody Lapunowa badania stabilności Interesuje nas w sposób szczególny system: Wprowadzamy dla niego pojęcia: - stabilności wewnętrznej - odnosi się do zachowania się systemu przy zerowym wejściu, czyli

Bardziej szczegółowo

Samozamykacz do furtki? Mamy sprawdzone rozwiązania!

Samozamykacz do furtki? Mamy sprawdzone rozwiązania! Samozamykacz do furtki? Mamy sprawdzone rozwiązania! MAMMOTH-180 Hydrauliczny samozamykacz i zawias w jednym MAMMOTH-180 Hydrauliczny samozamykacz i zawias w jednym. Estetyczny, samozamykający zawias,

Bardziej szczegółowo

Zadania z ekonomii matematycznej Teoria produkcji

Zadania z ekonomii matematycznej Teoria produkcji Paweł Kliber Zadania z ekonomii matematycznej Teoria produkcji Zadania Zad Dla podanych funkcji produkcji a fk z k + z b fk z 6k z c fk z k z d fk z k 4 z e fk z k + z wykonaj następujące polecenia: A

Bardziej szczegółowo

Sortowanie - wybrane algorytmy

Sortowanie - wybrane algorytmy Sortowanie - wybrane algorytmy Aleksandra Wilkowska Wydział Matematyki - Katedra Matematyki Stosowanej Politechika Wrocławska 2 maja 2018 1 / 39 Plan prezentacji Złożoność obliczeniowa Sortowanie bąbelkowe

Bardziej szczegółowo

Model dopasowywania się cen na rynku

Model dopasowywania się cen na rynku Model dopasowywania się cen na rynku autor: Milena Ścisłowska Uniwersytet Kardynała Stefana Wyszyńskiego, wydział Matematyczno Przyrodniczy Warszawa 2013 Prosty model rynku - kupujący i sprzedający na

Bardziej szczegółowo

Stochastyczne dynamiki z opóźnieniami czasowymi w grach ewolucyjnych

Stochastyczne dynamiki z opóźnieniami czasowymi w grach ewolucyjnych Stochastyczne dynamiki z opóźnieniami czasowymi w grach ewolucyjnych Jacek Miękisz Instytut Matematyki Stosowanej i Mechaniki Uniwersytet Warszawski Warszawa 10 listopada 2016 Proseminarium licencjackie

Bardziej szczegółowo

ZAGADNIENIE TRANSPORTOWE (część 1)

ZAGADNIENIE TRANSPORTOWE (część 1) ZAGADNIENIE TRANSPORTOWE (część 1) Zadanie zbilansowane Przykład 1. Zadanie zbilansowane Firma posiada zakłady wytwórcze w miastach A, B i C, oraz centra dystrybucyjne w miastach D, E, F i G. Możliwości

Bardziej szczegółowo

Obliczanie długości łuku krzywych. Autorzy: Witold Majdak

Obliczanie długości łuku krzywych. Autorzy: Witold Majdak Obliczanie długości łuku krzywych Autorzy: Witold Majdak 7 Obliczanie długości łuku krzywych Autor: Witold Majdak DEFINICJA Definicja : Długość łuku krzywej zadanej parametrycznie Rozważmy krzywą Γ zadaną

Bardziej szczegółowo

Projekt zaliczeniowy z przedmiotu Statystyka i eksploracja danych (nr 3) Kamil Krzysztof Derkowski

Projekt zaliczeniowy z przedmiotu Statystyka i eksploracja danych (nr 3) Kamil Krzysztof Derkowski Projekt zaliczeniowy z przedmiotu Statystyka i eksploracja danych (nr 3) Kamil Krzysztof Derkowski Zadanie 1 Eksploracja (EXAMINE) Informacja o analizowanych danych Obserwacje Uwzględnione Wykluczone Ogółem

Bardziej szczegółowo

Rozwiązywanie układów równań liniowych

Rozwiązywanie układów równań liniowych Rozwiązywanie układów równań liniowych Marcin Orchel 1 Wstęp Jeśli znamy macierz odwrotną A 1, to możęmy znaleźć rozwiązanie układu Ax = b w wyniku mnożenia x = A 1 b (1) 1.1 Metoda eliminacji Gaussa Pierwszy

Bardziej szczegółowo

Przetwarzanie obrazów rastrowych macierzą konwolucji

Przetwarzanie obrazów rastrowych macierzą konwolucji Przetwarzanie obrazów rastrowych macierzą konwolucji 1 Wstęp Obrazy rastrowe są na ogół reprezentowane w dwuwymiarowych tablicach złożonych z pikseli, reprezentowanych przez liczby określające ich jasność

Bardziej szczegółowo

Obwody elektryczne prądu stałego

Obwody elektryczne prądu stałego Obwody elektryczne prądu stałego Dr inż. Andrzej Skiba Katedra Elektrotechniki Teoretycznej i Informatyki Politechniki Gdańskiej Gdańsk 12 grudnia 2015 Plan wykładu: 1. Rozwiązanie zadania z poprzedniego

Bardziej szczegółowo

Zasada maksimum Pontriagina

Zasada maksimum Pontriagina 25.04.2015 Abstrakt Wiele zagadnień praktycznych dotyczących układów dynamicznych wymaga optymalizacji pewnych wielkości. Jednakże zwykła teoria gładkich układów dynamicznych zajmuje się jednak tylko opisem

Bardziej szczegółowo

Stochastyczna dynamika z opóźnieniem czasowym w grach ewolucyjnych oraz modelach ekspresji i regulacji genów

Stochastyczna dynamika z opóźnieniem czasowym w grach ewolucyjnych oraz modelach ekspresji i regulacji genów Stochastyczna dynamika z opóźnieniem czasowym w grach ewolucyjnych oraz modelach ekspresji i regulacji genów Jacek Miękisz Instytut Matematyki Stosowanej i Mechaniki Uniwersytet Warszawski Warszawa 14

Bardziej szczegółowo

Hi-SPEED H 2 O 2 - SZYBKA DEZYNFEKCJA BEZ POZOSTAŁOŚCI ŁUKASZ SALMONOWICZ BUSINESS DEVELOPMENT MANAGER, F&B

Hi-SPEED H 2 O 2 - SZYBKA DEZYNFEKCJA BEZ POZOSTAŁOŚCI ŁUKASZ SALMONOWICZ BUSINESS DEVELOPMENT MANAGER, F&B Hi-SPEED H 2 O 2 TM - SZYBKA DEZYNFEKCJA BEZ POZOSTAŁOŚCI ŁUKASZ SALMONOWICZ BUSINESS DEVELOPMENT MANAGER, F&B 15.10.2018 1 AGENDA Analiza trendów i oczekiwań w branży Technologia Hi-Speed H 2 O 2 TM Produkty

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA STATYSTYKA MATEMATYCZNA 1. Wykład wstępny 2. Zmienne losowe i teoria prawdopodobieństwa 3. Populacje i próby danych 4. Testowanie hipotez i estymacja parametrów 5. Najczęściej wykorzystywane testy statystyczne

Bardziej szczegółowo

Wstęp do sieci neuronowych, wykład 9 Sieci rekurencyjne. Autoasocjator Hopfielda

Wstęp do sieci neuronowych, wykład 9 Sieci rekurencyjne. Autoasocjator Hopfielda Wstęp do sieci neuronowych, wykład 9. M. Czoków, J. Piersa 2010-12-07 1 Sieci skierowane 2 Modele sieci rekurencyjnej Energia sieci 3 Sieci skierowane Sieci skierowane Sieci skierowane graf połączeń synaptycznych

Bardziej szczegółowo

Asynchroniczne statyczne układy sekwencyjne

Asynchroniczne statyczne układy sekwencyjne Asynchroniczne statyczne układy sekwencyjne Układem sekwencyjnym nazywany jest układ przełączający, posiadający przynajmniej jeden taki stan wejścia, któremu odpowiadają, zależnie od sygnałów wejściowych

Bardziej szczegółowo

Stopę zbieżności ciagu zmiennych losowych a n, takiego, że E (a n ) < oznaczamy jako a n = o p (1) prawdopodobieństwa szybciej niż n α.

Stopę zbieżności ciagu zmiennych losowych a n, takiego, że E (a n ) < oznaczamy jako a n = o p (1) prawdopodobieństwa szybciej niż n α. Stopy zbieżności Stopę zbieżności ciagu zmiennych losowych a n, takiego, że a n oznaczamy jako a n = o p (1 p 0 a Jeśli n p n α 0, to a n = o p (n α i mówimy a n zbiega według prawdopodobieństwa szybciej

Bardziej szczegółowo

Ż Ż Ł ĘĆ Ó Ń Ń Ó Ń Ł Ę ć ż ć ć ż Ć ż ć ż ź ż ż ż ż ć Ż ż ń ż ż ż ż ć ń ź ć ź ż ć ż ć ć ż Ż ż Ż Ć ć ż ż ż ć ć ż ń ń ć ż ż ż ń Ż ż ć ń Ż ń ń Ć ż ń ż ń ż ń ń ż ć ź ż ż ń ń ż ń ż ć ć ń ż ć Ó Ń ń ń Ż ż ż ń

Bardziej szczegółowo

W dowolnym momencie można zmienić typ wskaźnika.

W dowolnym momencie można zmienić typ wskaźnika. c++ Wskaźniki mają jeszcze jedną przydatną cechę. W dowolnym momencie można zmienić typ wskaźnika. Robi się to za pomocą operatora rzutowania. Najpierw zdefiniujemy sobie wsk_uniwersalny mogący pokazywać

Bardziej szczegółowo

ń ż Ż

ń ż Ż Ł ń ć ń Ż ń ż Ż Ę ń Ź Ż Ń ż ń ż Ż ń ż Ć Ę Ę ć ć ż ć ń ć ć ć ć ć ć Ę ń ć ń Ż ć Ą Ż ć ń ż ć ć Ń Ń ż ć ć ć Ż ć ź ż ć ć ć ż Ę ć ć Ń ć ż ć Ą ć ć ć Ę ć ń ż ć ć ń Ń ż ń ć Ą ż ć ń ć ż ż Ę Ź Ż Ż ń Ę Ż Ę Ę ż ń ż

Bardziej szczegółowo

dodatkowe operacje dla kopca binarnego: typu min oraz typu max:

dodatkowe operacje dla kopca binarnego: typu min oraz typu max: ASD - ćwiczenia IX Kopce binarne własność porządku kopca gdzie dla każdej trójki wierzchołków kopca (X, Y, Z) porządek etykiet elem jest następujący X.elem Y.elem oraz Z.elem Y.elem w przypadku kopca typu

Bardziej szczegółowo