PIERWIASTKI ROZMYTE RÓWNAŃ PRZEDZIŁOWYCH
|
|
- Jolanta Przybysz
- 5 lat temu
- Przeglądów:
Transkrypt
1 Marusz GONERA, Ludmła DYMOWA, Paweł SEWASTJANOW Instytut Informatyk Teoretyczne Stosowane ul. Dąbrowskego, 73, Częstochowa PIERWIASTKI ROZMYTE RÓWNAŃ PRZEDZIŁOWYCH 285 słów Znaczna cześć problemów przy modelowanu procesów, zawsk w narozmatszych dzedznach sprowadza sę do rozwązywana układów równań lnowych algebracznych. Dzś można powedzeć, że problemy ch rozwązywana w przypadku opsu parametrów przez lczby rzeczywste są w zasadze rozwązane. Jednak w rzeczywstośc parametry tych układów równań są często wadome z dokładnoścą do przedzałów. Konstatuemy, że, ścśle mówąc, układ równań, realzuący, na przykład, zagadnene mechank, rozwązywany za pomocą metody elementów skończonych, ma być przedstawony w kształce przedzałowym. Równeż dotyczy to systemów ekonometrycznych, których parametry maą awne przedzałowy charakter uż na zasadze wewnętrznych właścwośc metod statystycznych, wykorzystywanych dla ch otrzymana. Problem rozwązywana równań przydzałowych est ednym z ważneszych zagadneń arytmetyk przedzałowe. Mmo, że formalne rozszerzene przedzałowe systemów zwykłych z punktu wdzena algebracznego wydae sę banalnym, konkretne realzace, na przykład, rozmytoprzedzałowe odmany procedury Gaussa doprowadzą do znacznego rozszerzena wynkowych przedzałów. Odnotowana cecha to est wewnętrzny problem arytmetyk przedzałowe, w zwązku z czym powstało klka e modyfkac. Wszystke te sposoby są efektywne w odnesenu do określonych klas sytuac. W całośc wzrost przedzałów wynkowych całkowce odzwercedla rzeczywstość w stoce odpowada zasadze wzrastana neoznaczonośc (entrop). Przyczyną ch powstana est właśne dążene do skonstruowana matematyk przedzałowe, pozwalaące otrzymywać wynk w forme dosyć wąskch przedzałów. Drug metodologczny problem rozwązywana równań przedzałowych, to problem stnena zera przedzałowego. W nnesze pracy zaproponowana została metoda rozwązywana równań przedzałowych, całkowce rozwązuąca problem drug w znaczącym stopnu problem perwszy. Naturalny efekt osąga sę w skutku wprowadzena nektórych ogranczeń, które będzemy nazywal naturalnym. Przy tym perwastk równań przedzałowych otrzymuemy w forme dosyć wąskch przedzałów rozmytych. W nnesze pracy opsane są ogólne metodologczne zasady zaproponowane metody. Metoda została zlustrowana przykładem rozwązywana układu równań lnowych przedzałowych. Otrzymane wynk są porównane z wynkam rozwązywana tego samego zagadnena przez bezpośredne rozszerzene przedzałowe procedury Gaussa. SŁOWA KLUCZOWE: ranga, lczba przedzałowa, przedzałowa metoda Gaussa 1.WPROWADZENIE Znaczna cześć problemów przy modelowanu procesów, zawsk w narozmatszych dzedznach sprowadza sę do rozwązywana układów równań lnowych algebracznych. Dzś można powedzeć, że problemy ch rozwązywana w przypadku opsu parametrów przez lczby rzeczywste są w zasadze rozwązane. Jednak w rzeczywstośc parametry tych układów równań są często wadome z dokładnoścą do przedzałów. Na przykład, dobre nformatorze właścwośc materałów podaą z reguły dane w forme m±σ, gdze σ charakteryzue sę szerokoścą przedzałów zadanego parametru. Ne będzemy tuta zagłębać sę w flozofę nepewnośc danych weścowych (zwykle est zwązana z nedokładnoścą pomarów, prognoz, - 1 -
2 wpływu zewnętrznego otoczena tp.). Konstatuemy, że, ścsłe mówąc, układ równań, realzuący, na przykład, zagadnene mechank, rozwązywany za pomocą metody elementów skończonych, ma być przedstawony w kształce przedzałowym. Równeż dotyczy to systemów ekonometrycznych, których parametry maą awne przedzałowy charakter uż na zasadze wewnętrznych właścwośc metod statystycznych, wykorzystywanych dla ch otrzymana. Problem rozwązywana równań przydzałowych est ednym z ważneszych zagadneń arytmetyk przedzałowe [1]. Mmo, że formalne rozszerzene przedzałowe systemów zwykłych z punktu wdzena algebracznego wydae sę banalnym, konkretne realzace, na przykład, rozmyto-przedzałowe odmany procedury Gaussa doprowadzą do znacznego rozszerzena wynkowych przedzałów. Odnotowana cecha to est wewnętrzny problem arytmetyk przedzałowe, w zwązku z czym powstało klka e modyfkac. Nabardze znanym spośród nch są: arytmetyka przedzałowa z nestandardowym odemowanem dzelenem [2], uogólnona arytmetyka przedzałowa [3], matematyka segmentowa [4], forma scentrowana [1], MV-forma [5]. Wszystke te sposoby są efektywne w odnesenu do określonych klas sytuac. W całośc wzrost przedzałów wynkowych całkowce odzwercedla rzeczywstość w stoce odpowada zasadze wzrastana neoznaczonośc (entrop). Przyczyną ch powstana est właśne dążene do skonstruowana matematyk przedzałowe, pozwalaące otrzymywać wynk w forme dosyć wąskch przedzałów. Drug metodologczny problem rozwązywana równań przedzałowych, to problem stnena zera przedzałowego. Na przykład, mamy bazowe rzeczywste równane f(x) = 0. Jego naturalne rozszerzene przedzałowe [1] może być przedstawone przez zastępstwo zwykłych zmennych przez zmenne przedzałowe wszystkch operac arytmetycznych przez odpowedne operace przedzałowe. W wynku otrzymuemy równana przedzałowe w forme: [f]([x]) = 0. Ścsłe mówąc, równane ne ma sensu, poneważ ego lewa część przedstawa przedzał, a prawa degenerowane zero. Rzeczywśce, eżel ([ ]) [ f ] x = [ f, f ], to wtedy równane [f]([x]) = 0 est prawdzwe tylko, eśl f = f = 0. To znaczy, że przychodzmy do sprzecznośc. W nnesze pracy zaproponowana została metoda rozwązywana równań przedzałowych, całkowce rozwązuąca problem drug w znaczącym stopnu problem perwszy. Naturalny efekt osąga sę w skutku wprowadzena pewnych ogranczeń, które będzemy nazywal naturalnym. Przy tym perwastk równań przedzałowych otrzymuemy w forme dosyć wąskch przedzałów rozmytych. Pozostała część nnesze pracy zorganzowana została w następny sposób. W sekc 2 opsane są ogólne metodologczne zasady zaproponowane metody. W sekc 3 metoda została zlustrowana przykładem rozwązywana układu równań lnowych przedzałowych. Otrzymane wynk są porównane z wynkam rozwązywana tego samego zagadnena przez bezpośredne rozszerzene przedzałowe procedury Gaussa. 2. METODA ROZWIĄZYWANIA UKŁADÓW RÓWNAŃ LINIOWYCH PRZEDZIAŁOWYCH Aby móc prześć do formułowana metody rozwązywana układów równań lnowych przedzałowych przedstawmy nektóre podstawy arytmetyk przedzałowe, które szczegóły można znaleźć w prace - 2 -
3 [1]. Załóżmy na początku, że lczby przedzałowe [x] oraz [y] opszemy za pomocą przedzałów wartośc odpowedno [ x, x ], oraz [ y, y ]. Przemuemy naczęśce używane operac przedzałowe [1]: dodawane: [x]+[y] = [ x + y, x + y ], (1) odemowane: [x]-[y] = [ x y, x y ], (2) mnożene: [x]*[y] = [ mn{ x y},max{ x y} ], (3) dzelene: [x]/[y] = [x]*(1/[y]). (4) Zawarta w pracy [1] metoda rozwązywana układów równań lnowych za pomocą metody Gaussa w werse przedzałowe wygląda w następuący sposób. Nech mamy układ n zwykłych równań lnowych w postac macerzowe A*x = b. Stosuąc rozkładu macerzy A na dwe macerze tróątne otrzymuemy algorytm dwuprzebegowy, na który składaą sę postępowane wprost, polegaące na elmnac do zer elementów, leżących pod dagonalną macerzy A, oraz postępowane odwrotne. Przedzałowy odpowednk metody Gaussa budue sę poprzez zastosowane analogcznych etapów przetwarzana macerzy A oraz wektorów x b, których elementy składowe [ ] [ będą mały postać: [ ] a, a ] a =, [ x ] = [ x x ] [,, oraz b = b, b ], przy czym, = 1, 2,..., n. W wynku rekurencynych przekształceń, zgodne z klasycznym algorytmem Gaussa, otrzymuemy następuący algorytm: a) Etap postępowana wprost: [ m, m ] [ a, a ]/[ a, a ]; [ a, a ] = [ a, a ] [ m, m ]*[ a, a ] = ; (5) [ m, m ] [ a, a ]/[ a, a ]; [ b, b ] = [ b, b ] [ m, m ]*[ b, b ] = (6) k k gdze = 1, 2,, n, = +1, ; k =,,n. b) Postępowane odwrotne: = n, n s = [, s] [ a, a ]*[ x, x ]; = (7) = 0, = [ x, x ] ([ b, b ] [ s, s] ) /[ a, a = ] (8) - 3 -
4 gdze: = n, n - 1,,0; = = n, n - 1,,. gdze [m ], [s ] zmenne pomocncze. W wynku otrzymuemy przedzałowy wektor [x] = [[ x 1, x1],[ x2, x2 ],...,[ x n, xn ]]. Skupmy sę na etape postępowana odwrotnego. Równane (8) przewdue welokrotne dzelene wartośc przedzałowe przez przedzał. Poneważ, ak wadomo, operaca dzelena powodue znaczne rozszerzene przedzału wynkowego, proponuemy następuące rozwązane tego problemu. Aby wyelmnować z równana dzelene należy e przekształcć do równo ważne postac: [ a ]*[ x] [ b] = [0], gdze przez zaps [0] rozumemy przedzałową postać zera. Z zasad arytmetyk przedzałowe (1)-(4) wynka, że [ a, a] [ a, a] = [ a a, a ]. a. To znaczy, że odemowane od sebe te same wartośc dae w wynku symetryczny wokół rzeczywste lczby zero przedzał. Zgodne z tą wdzą możemy zdefnować [0] ako następuący przedzał [0]=[-y, y], gdze y oznaczać będze symetryczną odchyłkę wokół zera rzeczywstego. Ostateczne nasze równane będze meć postać: [ a, a] *[ x, x] [ b, b] = [ y, y] (9) ako: Otrzymane równane przedzałowe można zgodne z zasadam arytmetyk przedzałowe przedstawć [ a * x, a * x] [ b, b] = [ y, y]. (10) Powyższe równane może być z kole rozpsane na dwa równana dotyczące lewych prawych granc przedzałów borących w nm udzał: a * x b = y, a * x b = y. (11) W wynku te transformac otrzymalśmy układ dwóch równań z trzema newadomym. Aby uproścć otrzymany układ równań możemy oba równana dodać stronam w wynku czego otrzymamy edno równane lnowe z dwoma newadomym: a * x b + a * x b = 0. (12) - 4 -
5 Należałoby sę teraz zastanowć, w ak sposób możemy otrzymać rozwązana szczegółowe w ake one będą postac? W celu rozwązana równana (11) musmy dodać pewne ogranczene. Nabardze naturalnym w przypadku wększośc zagadneń fzyk albo ekonomk wygląda ogranczene typu x >0, czyl przepuszczene, że wartość pozyskwanego przez nas parametru może być wyłączne dodatne. Gdy przeanalzuemy równane (11) maąc na uwadze ogranczene typu x >0, to dodzemy do wnosku, że gdy warto ść x będze namnesza, czy l x = 0, to x osągne wartość maksymalną, z czego wynka, że długość przedzału [ x, x ] będze nawększa. Gdy wartość x przesuwać będzemy na prawo od zera to w pewnym momence rozpętość przedzału [ x, x ] osągne wartość 0, gdyż x przesuwaąc sę w kerunku początku układu współrzędnych zrówna sę wartoścą z x. Oczywśce, że w praktyce x ne obowązkowo pownno być równym zero. To znaczy, że w ogóle x = x 0, gdze x 0 ogranczene, wynkaące z sensu rozwązywanego problemu. Na perwszy rzut oka wprowadzene takego rodzau ogranczeń w algebrze lnowe (co prawda, przedzałowe) wygląda dość nezwykłe. Jednak wystarczy wspomneć, że w zagadnenach programowana lnowego ogranczena są uż nezbędnym elementem zagadnena. Wprowadzaąc ogranczena w nasze sytuac faktyczne ne zmneszamy dokładnośc otrzymanego rozwązana, poneważ w realnych zagadnenach możlwe grancy poszukwanego rozwązana z reguły są wadome. Rozpatrywane przypadk podsuwaą rozwązane postac, aką przyme w nasze metodze wynk dzelena dwóch przedzałów. W wynku otrzymamy ne przedzał, lecz lczbę rozmytą (ang. fuzzy number) w postac tróątne x ~ =[l, m, u], gdze l, m, u oznaczaą charakterystyczne dla tróątne lczby rozmyte parametry: l-lewa granca, u-prawa granca, m - środek przedzału. Rozważmy procedurę otrzymana rozmytego wynku, gdy przymuemy x = x 0, gdze x 0 mnmalna możlwa wartość dolne grancy. Wtedy z równana (12) otrzymamy maksymalną wartość x z kole maksymalną szerokość przedzału w([x]) = x - x = w max. Gdy przesunemy x na prawo, otrzymamy mnesze x mneszą szerokość przedzałowego rozwązana w. Oczywśce względną szerokość przedzału w/ w max możemy traktować ak naturalny względny stopeń nepewnośc przedzałowego rozwązana. Jeżel skoarzyć stopeń nepewnośc w/ w max z α- pozomem lczby rozmyte, możemy przedstawć cągły zbór możlwych przedzałowych rozwązań (równane (12)) w forme lczby rozmyte, przedstawone na rys. 1. µ(x) 1 α-pozome 0 x mn =x 0 x= x x max Rys. 1. Przedstawene grafczne rozmytego rozwązana równana przedzałowego - 5 -
6 Z rysunku 1 równana (12) wynka, że przy x = x, (w=0) mamy mnmalną nepewność rozwązana, czemu w zgodnośc z zasadam teor zborów rozmytych odpowada maksymalna wartość α = 1. Aby móc porównać wynk, uzyskane za pomocą klasyczne operac dzelena przedzałów, z wynkam, uzyskanym przy pomocy nasze metody, która ch dae w postac ne przedzałów, lecz lczb rozmytych, rozpatrzymy przykład dzelena dwóch przedzałów: [b]/[a], gdze [a] = [1, 3], [b] = [3, 5]. Dzelene [b]/[a]według reguły (4) da w wynku przedzał [x] = [1, 5]. Wynkem operac dzelena według równana (12) będze lczba rozmyta ~ x =[0, 2, 2.7] z nośnkem [x] = [0, 2.7]. Analzuąc powyższe wynk, możemy zauważyć, że proponowana przez nas metoda dzelena przedzałowego ma klka charakterystycznych cech. Uzyskuemy znaczne węższe przedzały wynkowe (szerokość przedzału [x] równa est 4, nośnk lczby rozmyte ~ x ma szerokość 2.7). Jądrem lczby rozmyte x~ est wartość, która równa sę wartośc asymptotyczne, równe wynku dzelena centrów przedzałów [b] [a], w naszym przykładze to: 4/2 = 2. Natomast centrum przedzału, otrzymanego w wynku dzelena klasycznego w naszym przykładze równe est 3. To znaczy, że nasze podeśce gwarantue ne tyko mnesze szerokośc przedzałów wynkowych, ale też w odróżnenu od dzelena klasycznego zachowywane poważnych asymptotycznych cech. Lczba rozmyta ~ x w dalszych wylczenach może być wykorzystywana albo w te same postac, albo w postac zwykłego przedzału, którego grancy można łatwo wylczyć, w zależnośc od pożądanego stopnu ryzyku, zwązanego z szerokoścą wynków przedzałowych. 3. ROZWIĄZYWANIE UKŁADU RÓWNAŃ LINIOWYCH PRZEDZIAŁOWYCH Opracowaną przez nas metodę rozwązywana równań typu (8) na etape postępowana odwrotnego w metodze Gaussa zademonstruemy na przykładze przedzałowe macerzy, zaweraące przedzały uemne dodatne różne szerokośc. Macerz (13) zaczerpnęta została z zagadnena poszukwana współczynnków względne ważnośc na podstawe macerzy parzystych porównań [6]. Cechą charakterystyczną tego zadana est koneczność, aby [x 1 ], [x 2 ], [x 3 ] były dodatne, co pozwała wprowadzć naturalne ogranczena x1 = x 2 = x 3 = 0. [ 2.112,2.67] [ 3.9, 2.79] [ 6.25, 4.17] [ 3.9, 2.79] [ 8.41,15.58] [ 3.17, 1.9] [ ] [ ] [ ] 6.25, , ,44.25 [ ] x1 * [ ] x2 [ x3] = 0 0 (13) 0 Równane macerzowe (13) mus zostać poddane dzałanu specalzowanego algorytmu Gaussa dla lczb przedzałowych, którego propozycę przedstawlśmy w sekc 2 nnesze pracy. Efektem rozwązana są szukane współczynnk względne ważnośc kryterów szczegółowych (rang) w postac tróątnych lczb - 6 -
7 rozmytych. W tabel 1 przedstawone zostały wynk rozwązywana tego samego zagadnena, uzyskane w postac zwykłych przedzałów na podstawe algorytmu Gaussa, proponowanego przez Moore a [1]. TABELA 1. Współczynnk względne ważnośc uzyskane z wykorzystanem zmodyfkowanego algorytmu Gaussa na podstawe algorytmu Gaussa, proponowanego przez Moore a [1]. Nośnk lczb rozmytych, uzyskanych na podstawe zmodyfkowanego przedzałowego algorytmu Gaussa Przedzały, uzyskane na podstawe kla- sycznego przedzałowego algorytmu Gaussa [x 1 ] [0, 0.84, 0.912] [0.2, 15] [x 2 ] [0, 0.27, 0.356] [0.1, 7.2] [x 3 ] [0, 0.16, 0.189] [0.08, 0.74] Łatwo zauważyć, że nośnk lczb rozmytych w kolumne 2 tabel 1 są znaczne mnesze, nż odpowedne rozstępy przedzałów w kolumne 3, a to w sposób nepodważalny śwadczy o tym, że proponowany przez nas zmodyfkowany przedzałowy algorytm Gaussa est lepszy od standardowego przedzałowego algorytmu Gaussa, przedstawonego w [1]. PODSUMOWANIE Proponowana metoda modyfkowanego dzelena przedzałów pozwala na rozwązane zarówno poedynczych równań przedzałowych, ak ch układów. Przy tym wynk otrzymywane są w postac lczb rozmytych. Na konkretnym przykładze pokazano, że dla układu równań lnowych otrzymane nośnk wynkaących lczb przedzałowych maą szerokośc około dzesęć węce razy mnesze, nż odpowedne prze- z klasycznego przedzałowego algorytmu dzały, wynkaące Gaussa. LITERATURA [1] Moore R.E., Interval analyss, Englewood Clffs. N.J., Prentce-Hall [2] Markov S.M., A non-standard subtracton of ntervals, Serdca 1977, 3, [3] Hansen E., A generalzed nterval arthmetc. Interval Mathematcs/ Ed. by K.Ncke, Lecture Notes n Computer Scence, 29, Berln - Hedelberg: Sprnger-Verl. 1975, [4] Sendov B., Some topcs of segment analyss, Interval Mathematcs, 1980/ Ed. by K.Nckel. N.Y.e.a.: Academc Press 1980, [5] Capran O., Madsen K., Mean value forms n nterval analyss, Computng 1980, 25, 2, [6] Mkhalov L., Dervng prortes from fuzzy parwse comparson udgments, Fuzzy Sets and Systems 2003, 134,
Zaawansowane 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 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 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 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 szczegółowoROZMYTE WARTOŚCI WIELKOŚCI PRODUKCJI I INTERWAŁOWE WARTOŚCI KOSZTÓW W ANALIZIE WEJŚCIA WYJŚCIA.
Marusz GONERA Instytut Informatyk Teoretyczne Stosowane ul. Dąbrowskego, 73, 42-2 Częstochowa ROZMYTE WARTOŚCI WIELKOŚCI PRODUKCJI I INTERWAŁOWE WARTOŚCI KOSZTÓW W ANALIZIE WEJŚCIA WYJŚCIA. (2 słów) Współczesne
Bardziej szczegółowoWykład 1 Zagadnienie brzegowe liniowej teorii sprężystości. Metody rozwiązywania, metody wytrzymałości materiałów. Zestawienie wzorów i określeń.
Wykład Zagadnene brzegowe lnowe teor sprężystośc. Metody rozwązywana, metody wytrzymałośc materałów. Zestawene wzorów określeń. Układ współrzędnych Kartezańsk, prostokątny. Ose x y z oznaczono odpowedno
Bardziej szczegółowoPokazać, że wyżej zdefiniowana struktura algebraiczna jest przestrzenią wektorową nad ciałem
Zestaw zadań : Przestrzene wektorowe. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar : C C C, (z, v) z v := z v jest przestrzeną lnową nad całem lczb zespolonych
Bardziej szczegółowoDiagonalizacja macierzy kwadratowej
Dagonalzacja macerzy kwadratowej Dana jest macerz A nân. Jej wartośc własne wektory własne spełnają równane Ax x dla,..., n Każde z równań własnych osobno można zapsać w postac: a a an x x a a an x x an
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 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 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 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 szczegółowoTwierdzenie Bezouta i liczby zespolone Javier de Lucas. Rozwi azanie 2. Z twierdzenia dzielenia wielomianów, mamy, że
Twerdzene Bezouta lczby zespolone Javer de Lucas Ćwczene 1 Ustal dla których a, b R można podzelć f 1 X) = X 4 3X 2 + ax b przez f 2 X) = X 2 3X+2 Oblcz a b Z 5 jeżel zak ladamy, że f 1 f 2 s a welomanam
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 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 szczegółowoProblem plecakowy (KNAPSACK PROBLEM).
Problem plecakowy (KNAPSACK PROBLEM). Zagadnene optymalzac zwane problemem plecakowym swą nazwę wzęło z analog do sytuac praktyczne podobne do problemu pakowana plecaka. Chodz o to, by zapakować maksymalne
Bardziej szczegółowoZASTOSOWANIE KLASYCZNEGO ALGORYTMU GENETYCZNEGO DO ROZWIĄZANIA ZBILANSOWANEGO ZAGADNIENIA TRANSPORTOWEGO
Studa Materały. Mscellanea Oeconomcae Rok 6, Nr 2/22 Wydzał Zarządzana Admnstrac Unwersytetu Jana Kochanowskego w Kelcach Z a r z ą d z a n e f n a n s e Rafał Prońko ZASTOSOWANIE KLASYCZNEGO ALGORYTMU
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 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 szczegółowoKwantowa natura promieniowania elektromagnetycznego
Efekt Comptona. Kwantowa natura promenowana elektromagnetycznego Zadane 1. Foton jest rozpraszany na swobodnym elektrone. Wyznaczyć zmanę długośc fal fotonu w wynku rozproszena. Poneważ układ foton swobodny
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 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 szczegółowo7. Wykład VII: Warunki Kuhna-Tuckera
Wocech Grega, Metody Optymalzac 7 Wykład VII: Warunk Kuhna-Tuckera 7 Warunk koneczne stnena ekstremum Rozważane est zadane z ogranczenam nerównoścowym w postac: mn F( x ) x X X o F( x ), o { R x : h n
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 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 szczegółowo11/22/2014. Jeśli stała c jest równa zero to takie gry nazywamy grami o sumie zerowej.
/22/24 Dwuosobowe gry o sume zero DO NAUCZENIA I ZAPAMIĘTANIA: Defnca zaps ger o sume zero, adaptaca ogólnych defnc. Punkt sodłowy Twerdzena o zwązkach punktu sodłowego z koncepcam rozwązań PRZYPOMNIENIE:
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 szczegółowou u u( x) u, x METODA RÓŻNIC SKOŃCZONYCH, METODA ELEMENTÓW BRZEGOWYCH i METODA ELEMENTÓW SKOŃCZONYCH
METODA RÓŻNIC SKOŃCZONYCH, METODA ELEMENTÓW BRZEGOWYCH METODA ELEMENTÓW SKOŃCZONYCH Szkc rozwązana równana Possona w przestrzen dwuwymarowe. Równane Possona to równae różnczkowe cząstkowe opsuące wele
Bardziej szczegółowoSortowanie szybkie Quick Sort
Sortowane szybke Quck Sort Algorytm sortowana szybkego opera sę na strateg "dzel zwycęża" (ang. dvde and conquer), którą możemy krótko scharakteryzować w trzech punktach: 1. DZIEL - problem główny zostae
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 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 szczegółowoProgramowanie Równoległe i Rozproszone
Programowane Równoległe Rozproszone Wykład Programowane Równoległe Rozproszone Lucjan Stapp Wydzał Matematyk Nauk Informacyjnych Poltechnka Warszawska (l.stapp@mn.pw.edu.pl) /38 PRR Wykład Chcemy rozwązać
Bardziej szczegółowoWstęp do metod numerycznych Faktoryzacja SVD Metody iteracyjne. P. F. Góra
Wstęp do metod numerycznych Faktoryzacja SVD Metody teracyjne P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ 2013 Sngular Value Decomposton Twerdzene 1. Dla każdej macerzy A R M N, M N, stneje rozkład
Bardziej szczegółowoRÓWNOWAGA STACKELBERGA W GRACH SEKWENCYJNYCH
Stansław KOWALIK e-mal: skowalk@wsb.edu.pl Wyższa Szkoła Bznesu Dąbrowa Górncza RÓWNOWAGA STACKELBERGA W GRACH SEKWENCYJNYCH Streszczene Praca dotyczy nekooperacynych sekwencynych ger dwuosobowych o sume
Bardziej szczegółowoBadania operacyjne w logistyce i zarządzaniu produkcją
Państwowa Wyższa Szkoła Zawodowa w Nowym Sączu Badana operacyne w logstyce zarządzanu produkcą cz. I Andrze Woźnak Nowy Sącz Komtet Redakcyny doc. dr Zdzsława Zacłona przewodncząca, prof. dr hab. nż. Jarosław
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 szczegółowoKomputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych
Komputerowa analza zagadneń różnczkowych 1. Układy równań lnowych P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ semestr letn 2007/08 Podstawowe fakty Równane Ax = b, x, b R N, A R N N (1) ma jednoznaczne
Bardziej szczegółowoKRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA
KRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA Krzysztof Serżęga Wyższa Szkoła Informatyk Zarządzana w Rzeszowe Streszczene Artykuł porusza temat zwązany
Bardziej szczegółowon liczba zmiennych decyzyjnych c współczynniki funkcji celu a współczynniki przy zmienych decyzyjnych w warunkach
Problem decyzyny cel różne sposoby dzałana (decyze) warunk ogranczaące (determnuą zbór decyz dopuszczalnych) kryterum wyboru: umożlwa porównane efektywnośc różnych decyz dopuszczalnych z punktu wdzena
Bardziej szczegółowoI. Elementy analizy matematycznej
WSTAWKA MATEMATYCZNA I. Elementy analzy matematycznej Pochodna funkcj f(x) Pochodna funkcj podaje nam prędkość zman funkcj: df f (x + x) f (x) f '(x) = = lm x 0 (1) dx x Pochodna funkcj podaje nam zarazem
Bardziej szczegółowoPrzykład 5.1. Kratownica dwukrotnie statycznie niewyznaczalna
rzykład.. Kratownca dwukrotne statyczne newyznaczana oecene: korzystaąc z metody sł wyznaczyć sły w prętach ponższe kratowncy. const Rozwązane zadana rozpoczynamy od obczena stopna statyczne newyznaczanośc
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 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 szczegółowoAnaliza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A
Analza rodzajów skutków krytycznośc uszkodzeń FMECA/FMEA według MIL STD - 629A Celem analzy krytycznośc jest szeregowane potencjalnych rodzajów uszkodzeń zdentyfkowanych zgodne z zasadam FMEA na podstawe
Bardziej szczegółowoZAGADNIENIE TRANSPORTOWE
ZAGADNIENIE TRANSPORTOWE ZT.. Zagadee trasportowe w postac tablcy Z m puktów (odpowedo A,...,A m ) wysyłamy edorody produkt w loścach a,...,a m do puktów odboru (odpowedo B,...,B ), gdze est odberay w
Bardziej szczegółowoXLI OLIMPIADA FIZYCZNA ETAP WSTĘPNY Zadanie teoretyczne
XLI OLIMPIADA FIZYCZNA ETAP WSTĘPNY Zadane teoretyczne Rozwąż dowolne rzez sebe wybrane dwa sośród odanych nże zadań: ZADANIE T Nazwa zadana: Protony antyrotony A. Cząstk o mase równe mase rotonu, ale
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 szczegółowoPodstawy teorii falek (Wavelets)
Podstawy teor falek (Wavelets) Ψ(). Transformaca Haara (97).. Przykład pewne metody zapsu obrazu Transformaca Haara Przykład zapsu obrazu -D Podstawy matematyczne transformac Algorytmy rozkładana funkc
Bardziej szczegółowoWykład 5 12/15/2013. Problemy algebry liniowej w Matlabie
Wykład 5. Problemy algebry lnowej w Matlabe. Analza sygnałów a) w dzedzne częstotlwośc b) w dzedzne czasu c) częstotlwoścowo-czasowa d) nagrywane analza dźwęku e) Sgnal Processng Toolbox Problemy algebry
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 szczegółowo2. STOPIEŃ KINEMATYCZNEJ NIEWYZNACZALNOŚCI
Część. STOPIEŃ KINEMATYCZNEJ NIEWYZNACZALNOŚCI.. STOPIEŃ KINEMATYCZNEJ NIEWYZNACZALNOŚCI W metodze sł w celu przyjęca układu podstawowego należało odrzucć węzy nadlczbowe. O lczbe odrzuconych węzów decydował
Bardziej szczegółowoAnaliza ryzyka kosztowego robót remontowo-budowlanych w warunkach niepełnej informacji
Analza ryzyka kosztowego robót remontowo-budowlanych w warunkach nepełne nformac Mgr nż. Mchał Bętkowsk, dr nż. Andrze Pownuk Wydzał Budownctwa Poltechnka Śląska w Glwcach Mchal.Betkowsk@polsl.pl, Andrze.Pownuk@polsl.pl
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 szczegółowoZESTAW ZADAŃ Z INFORMATYKI
(Wpsue zdaąc przed rozpoczęcem prac) KOD ZDAJĄCEGO ZESTAW ZADAŃ Z INFORMATYKI CZĘŚĆ II (dla pozomu rozszerzonego) GRUDZIEŃ ROK 004 Czas prac 50 mnut Instrukca dla zdaącego. Proszę sprawdzć, cz zestaw zadań
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 szczegółowo(M2) Dynamika 1. ŚRODEK MASY. T. Środek ciężkości i środek masy
(MD) MECHANIKA - Dynamka T. Środek cężkośc środek masy (M) Dynamka T: Środek cężkośc środek masy robert.szczotka(at)gmal.com Fzyka astronoma, Lceum 01/014 1 (MD) MECHANIKA - Dynamka T. Środek cężkośc środek
Bardziej szczegółowoZapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie.
Zaps nformacj, systemy pozycyjne 1 Lteratura Jerzy Grębosz, Symfona C++ standard. Harvey M. Detl, Paul J. Detl, Arkana C++. Programowane. Zaps nformacj w komputerach Wszystke elementy danych przetwarzane
Bardziej szczegółowoALGEBRY HALLA DLA POSETÓW SKOŃCZONEGO TYPU PRINJEKTYWNEGO
ALGEBRY HALLA DLA POSETÓW SKOŃCZONEGO TYPU PRINJEKTYWNEGO NA PODSTAWIE REFERATU JUSTYNY KOSAKOWSKIEJ. Moduły prnjektywne posety skończonego typu prnjektywnego Nech I będze skończonym posetem. Przez max
Bardziej szczegółowoAnaliza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa. PARA ZMIENNYCH LOSOWYCH
Analza danych Analza danych welowymarowych. Regresja lnowa. Dyskrymnacja lnowa. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ PARA ZMIENNYCH LOSOWYCH Parę zmennych losowych X, Y możemy
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 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 szczegółowoStateczność układów ramowych
tateczność układów ramowych PRZYPONIENIE IŁ KRYTYCZN DL POJEDYNCZYCH PRĘTÓW tateczność ustrou tateczność ustrou est to zdoność ustrou do zachowana nezmennego położena (kształtu) ub nacze mówąc układ po
Bardziej szczegółowoKURS STATYSTYKA. Lekcja 1 Statystyka opisowa ZADANIE DOMOWE. www.etrapez.pl Strona 1
KURS STATYSTYKA Lekcja 1 Statystyka opsowa ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 W statystyce opsowej mamy pełne nformacje
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 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 szczegółowoStatystyka. Zmienne losowe
Statystyka Zmenne losowe Zmenna losowa Zmenna losowa jest funkcją, w której każdej wartośc R odpowada pewen podzbór zboru będący zdarzenem losowym. Zmenna losowa powstaje poprzez przyporządkowane każdemu
Bardziej szczegółowoZarządzanie ryzykiem w przedsiębiorstwie i jego wpływ na analizę opłacalności przedsięwzięć inwestycyjnych
dr nż Andrze Chylńsk Katedra Bankowośc Fnansów Wyższa Szkoła Menedżerska w Warszawe Zarządzane ryzykem w rzedsęborstwe ego wływ na analzę ołacalnośc rzedsęwzęć nwestycynych w w w e - f n a n s e c o m
Bardziej szczegółowoRozkład dwupunktowy. Rozkład dwupunktowy. Rozkład dwupunktowy x i p i 0 1-p 1 p suma 1
Rozkład dwupunktowy Zmenna losowa przyjmuje tylko dwe wartośc: wartość 1 z prawdopodobeństwem p wartość 0 z prawdopodobeństwem 1- p x p 0 1-p 1 p suma 1 Rozkład dwupunktowy Funkcja rozkładu prawdopodobeństwa
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 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 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 szczegółowoMETODA UNITARYZACJI ZEROWANEJ Porównanie obiektów przy ocenie wielokryterialnej. Ranking obiektów.
Opracowane: Dorota Mszczyńska METODA UNITARYZACJI ZEROWANEJ Porównane obektów przy ocene welokryteralnej. Rankng obektów. Porównane wybranych obektów (warantów decyzyjnych) ze względu na różne cechy (krytera)
Bardziej szczegółowoMETODA STRZAŁÓW W ZASTOSOWANIU DO ZAGADNIENIA BRZEGOWEGO Z NADMIAROWĄ LICZBĄ WARUNKÓW BRZEGOWYCH
RAFAŁ PALEJ, RENATA FILIPOWSKA METODA STRZAŁÓW W ZASTOSOWANIU DO ZAGADNIENIA BRZEGOWEGO Z NADMIAROWĄ LICZBĄ WARUNKÓW BRZEGOWYCH APPLICATION OF THE SHOOTING METHOD TO A BOUNDARY VALUE PROBLEM WITH AN EXCESSIVE
Bardziej szczegółowoStatystyka Opisowa 2014 część 1. Katarzyna Lubnauer
Statystyka Opsowa 2014 część 1 Katarzyna Lubnauer Lteratura: 1. Statystyka w Zarządzanu Admr D. Aczel 2. Statystyka Opsowa od Podstaw Ewa Waslewska 3. Statystyka, Lucjan Kowalsk. 4. Statystyka opsowa,
Bardziej szczegółowo5. Pochodna funkcji. lim. x c x c. (x c) = lim. g(c + h) g(c) = lim
5. Pocodna funkcj Defncja 5.1 Nec f: (a, b) R nec c (a, b). Jeśl stneje granca lm x c x c to nazywamy ją pocodną funkcj f w punkce c oznaczamy symbolem f (c) Twerdzene 5.1 Jeśl funkcja f: (a, b) R ma pocodną
Bardziej szczegółowo(Dantzig G. B. (1963))
(Dantzig G.. (1963)) Uniwersalna metoda numeryczna dla rozwiązywania zadań PL. Ideą metody est uporządkowany przegląd skończone ilości rozwiązań bazowych układu ograniczeń, które możemy utożsamiać, w przypadku
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 szczegółowo1. Komfort cieplny pomieszczeń
1. Komfort ceplny pomeszczeń Przy określanu warunków panuących w pomeszczenu używa sę zwykle dwóch poęć: mkroklmat komfort ceplny. Przez poęce mkroklmatu wnętrz rozume sę zespół wszystkch parametrów fzycznych
Bardziej szczegółowoModele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4.
Modele weloczynnkowe Analza Zarządzane Portfelem cz. 4 Ogólne model weloczynnkowy można zapsać jako: (,...,,..., ) P f F F F = n Dr Katarzyna Kuzak lub (,...,,..., ) f F F F = n Modele weloczynnkowe Można
Bardziej szczegółowoNatalia Nehrebecka. Wykład 2
Natala Nehrebecka Wykład . Model lnowy Postad modelu lnowego Zaps macerzowy modelu lnowego. Estymacja modelu Wartośd teoretyczna (dopasowana) Reszty 3. MNK przypadek jednej zmennej . Model lnowy Postad
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 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 szczegółowoZASTOSOWANIE METOD ANALIZY WRAŻLIWOŚCI DO MODELOWANIA KONSTRUKCJI Z PRZEDZIAŁOWYMI PARAMETRAMI. 1 Wprowadzenie
Andrze POWNUK ZASTOSOWANIE METOD ANALIZY WRAŻLIWOŚCI DO MODELOWANIA KONSTRUKCJI Z PRZEDZIAŁOWYMI PARAMETRAMI Wprowadzene Wartośc wszystkch parametrów układów mechancznych obarczone są pewną nepewnoścą
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 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 szczegółowoZadanie na wykonanie Projektu Zespołowego
Zadane na wykonane Projektu Zespołowego Celem projektu jest uzyskane następującego szeregu umejętnośc praktycznych: umejętnośc opracowana równoległych wersj algorytmów (na przykładze algorytmów algebry
Bardziej szczegółowoZjawiska masowe takie, które mogą wystąpid nieograniczoną ilośd razy. Wyrazów Obcych)
Statystyka - nauka zajmująca sę metodam badana przedmotów zjawsk w ch masowych przejawach ch loścową lub jakoścową analzą z punktu wdzena nauk, do której zakresu należą.
Bardziej szczegółowoTRANZYSTOR BIPOLARNY CHARAKTERYSTYKI STATYCZNE
POLITHNIKA RZSZOWSKA Katedra Podstaw lektronk Instrkcja Nr4 F 00/003 sem. letn TRANZYSTOR IPOLARNY HARAKTRYSTYKI STATYZN elem ćwczena jest pomar charakterystyk statycznych tranzystora bpolarnego npn lb
Bardziej szczegółowoMatematyczny opis ryzyka
Aalza ryzyka kosztowego robót remotowo-budowlaych w warukach epełe formac Mgr ż Mchał Bętkowsk dr ż Adrze Powuk Wydzał Budowctwa Poltechka Śląska w Glwcach MchalBetkowsk@polslpl AdrzePowuk@polslpl Streszczee
Bardziej szczegółowoKONSPEKT WYKŁADU. nt. MECHANIKA OŚRODKÓW CIĄGŁYCH. Piotr Konderla
Studa doktorancke Wydzał Budownctwa Lądowego Wodnego Poltechnk Wrocławskej KONSPEKT WYKŁADU nt. MECHANIKA OŚRODKÓW CIĄGŁYCH Potr Konderla paźdzernk 2014 2 SPIS TREŚCI Oznaczena stosowane w konspekce...
Bardziej szczegółowoMetoda wyznaczania najtańszych 1-diagnozowalnych struktur opiniowania diagnostycznego
BIULETYN INSTYTUTU AUTOMATYKI I ROBOTYKI NR 7, 2002 Metoda wyznaczana natańszych -dagnozowalnych struktur opnowana dagnostycznego Roman KULESZA Zakład Automatyk, Instytut Automatyk Robotyk WAT, ul. Kalskego
Bardziej szczegółowoPrawdopodobieństwo i statystyka r.
Prawdopodobeństwo statystya.05.00 r. Zadane Zmenna losowa X ma rozład wyładnczy o wartośc oczewanej, a zmenna losowa Y rozład wyładnczy o wartośc oczewanej. Obe zmenne są nezależne. Oblcz E( Y X + Y =
Bardziej szczegółowoRUCH OBROTOWY Można opisać ruch obrotowy ze stałym przyspieszeniem ε poprzez analogię do ruchu postępowego jednostajnie zmiennego.
RUCH OBROTOWY Można opsać ruch obrotowy ze stałym przyspeszenem ε poprzez analogę do ruchu postępowego jednostajne zmennego. Ruch postępowy a const. v v at s s v t at Ruch obrotowy const. t t t Dla ruchu
Bardziej szczegółowoEgzamin poprawkowy z Analizy II 11 września 2013
Egzamn poprawkowy z nalzy II 11 wrześna 13 Uwag organzacyjne: każde zadane rozwązujemy na osobnej kartce Każde zadane należy podpsać menem nazwskem własnym oraz prowadzącego ćwczena Na wszelk wypadek prosmy
Bardziej szczegółowoWprowadzenie. Support vector machines (maszyny wektorów wspierających, maszyny wektorów nośnych) SVM służy do: Zalety metody SVM
SVM Wprowadzene Support vector machnes (maszyny wektorów wsperających, maszyny wektorów nośnych) SVM służy do: w wersj podstawowej klasyfkacj bnarnej w wersj z rozszerzenam regresj wyboru najważnejszych
Bardziej szczegółowop Z(G). (G : Z({x i })),
3. Wykład 3: p-grupy twerdzena Sylowa. Defncja 3.1. Nech (G, ) będze grupą. Grupę G nazywamy p-grupą, jeżel G = dla pewnej lczby perwszej p oraz k N. Twerdzene 3.1. Nech (G, ) będze p-grupą. Wówczas W
Bardziej szczegółowoStatystyka Opisowa 2014 część 2. Katarzyna Lubnauer
Statystyka Opsowa 2014 część 2 Katarzyna Lubnauer Lteratura: 1. Statystyka w Zarządzanu Admr D. Aczel 2. Statystyka Opsowa od Podstaw Ewa Waslewska 3. Statystyka, Lucjan Kowalsk. 4. Statystyka opsowa,
Bardziej szczegółowoPlan wykładu. Sztuczne sieci neuronowe. Neuronu dyskretny. Neuron dyskretny (perceptron prosty)
Plan wykładu Dzałane neuronu dyskretnego warstwy neuronów dyskretnych Wykład : Reguły uczena sec neuronowych. Sec neuronowe ednokerunkowe. Reguła perceptronowa Reguła Wdrowa-Hoffa Reguła delta ałgorzata
Bardziej szczegółowoĆ W I C Z E N I E N R M-6
INSTYTUT FIZYKI WYDZIAŁ INŻYNIERII PRODUKCJI I TECHNOLOGII MATERIAŁÓW POLITECHNIKA CZĘSTOCHOWSKA PRACOWNIA MECHANIKI Ć W I C Z E N I E N R M-6 WYZNACZANIE MODUŁU SZTYWNOŚCI DRUTU ZA POMOCĄ WAHADŁA TORSYJNEGO
Bardziej szczegółowoProste modele ze złożonym zachowaniem czyli o chaosie
Proste modele ze złożonym zachowanem czyl o chaose 29 kwetna 2014 Komputer jest narzędzem coraz częścej stosowanym przez naukowców do ukazywana skrzętne ukrywanych przez naturę tajemnc. Symulacja, obok
Bardziej szczegółowo