Grupowanie sekwencji czasowych
|
|
- Kamila Kania
- 4 lat temu
- Przeglądów:
Transkrypt
1 BIULETYN INSTYTUTU AUTOMATYKI I ROBOTYKI NR 3, 006 Grupowanie sewencji czasowych Tomasz PAŁYS Załad Automatyi, Instytut Teleinformatyi i Automatyi WAT, ul. Kalisiego, Warszawa STRESZCZENIE: W artyule przedstawiono metody grupowania sewencji czasowych. Oryginalność tego problemu polega na tym, że grupowane elementy stanowią sewencję, a uzysane grupy mogą stanowić tylo segmenty sewencji. Przedstawiono dwie metody grupowania sewencji czasowych. Pierwsza metoda umożliwia uzysanie grup rozłącznych. W wyniu zastosowania drugiej metody otrzymujemy grupy, tóre mogą się na siebie naładać. SŁOWA KLUCZOWE: grupowanie sewencji, grupowanie z naładaniem. Wprowadzenie Celem grupowania jest podział zbioru obietów na grupy (supienia) złożone z obietów jednorodnych bądź podobnych. Wszystie znane metody grupowania nie uwzględniają olejności puntów w sewencji. W artyule zostaną przedstawione dwie metody grupowania sewencji puntów: hierarchiczna metoda grupowania rozłącznego, hierarchiczna metoda grupowania z naładaniem. Do sonstruowania metody grupowania sewencji czasowych przyjęto jao wyjściową metodę hierarchiczną []. Przyjmuje się, że dane wejściowe procesu grupowania stanowi zbiór puntów: O = {o, o,..., o t,..., o T }, gdzie: T liczba puntów. Proces grupowania metodą hierarchiczną odbywa się przez olejne łączenie położonych najbliżej siebie grup. Grupowanie ończy się po uzysaniu jednej grupy złożonej ze wszystich puntów. Tai sposób postępowania prowadzi do utworzenia drzewa grupowania, tóre umożliwia uzysanie podziału na żądaną liczbę grup albo grup o zadanych właściwościach. Aby ocenić jaość grupowania, można posłużyć się współczynniiem orelacji grupowania (ang. cophenetic correlation coefficient) lub współczynniiem 09
2 T. Pałys niezgodności grupowania (ang. inconsistency coefficient) [4], [5].. Grupowanie sewencji czasowych Przedstawione niżej metody grupowania sewencji czasowych bazują na hierarchicznej metodzie grupowania rozłącznego puntów, tórej opis można znaleźć w [3], [], []. Dane wejściowe procesu grupowania stanowi sewencja puntów O (a nie zbiór puntów). Dopasowanie do onretnego zadania jest możliwe poprzez odpowiedni dobór metryi, czyli sposobu oreślania odległości pomiędzy puntami przestrzeni cech oraz odpowiedni dobór sposobu oreślenia odległości pomiędzy poszczególnymi grupami [], [3], []. Opracowane metody grupowania sewencji czasowych, w odróżnieniu od metody bazowej, polegają na łączeniu tylo grup sąsiednich. Dwie grupy nazwano sąsiednimi pod waruniem, że w jednej z nich istnieje punt, tóry w drugiej grupie ma swój poprzedni albo następni (w sewencji)... Hierarchiczna metoda grupowania rozłącznego sewencji puntów Niech d(o n, o z ) oznacza odległość pomiędzy puntami w przestrzeni D wymiarowej, gdzie: o n o n D = L R, o on D z o z D = L R. ( ) ozd Przez G n oznaczono grupę o numerze n, T n jej liczebność (n =,..., N) ( n o ), z,..., T element grupy G n o indesie z, a dist(g n, G ) niech oznacza a { } z n odległość pomiędzy grupą G n a G. Wstępnie przyjmuje się, że ażdy punt stanowi oddzielną grupę. Punt o grupę G, punt o grupę G, itd. Na tej podstawie należy wyznaczyć odległości pomiędzy puntem sewencji a jego następniiem. Istotne są tylo odległości pomiędzy sąsiednimi puntami a w onsewencji przyjętego założenia pomiędzy sąsiednimi grupami. Następnie, według jednego wybranego sposobu oreślania odległości pomiędzy grupami, należy wyznaczyć wetor odległości dist(g n, G n+ ) pomiędzy grupami G n i G n+. W tej sytuacji ażdy element wetora odpowiada odległości pomiędzy grupą a jej następniiem: pierwszy element odległość pomiędzy grupą G a grupą G, drugi element odległość pomiędzy grupą G a grupą G 3 itd. Stosowne zależności, niezbędne 0 Biuletyn Instytutu Automatyi i Robotyi, 3/006
3 Grupowanie sewencji czasowych do wyznaczenia odległości pomiędzy puntami oraz grupami, zostały przedstawione w [3]. Dane wejściowe jednego rou grupowania stanowi wetor odległości dist(g r, G s ) pomiędzy sąsiednimi grupami. Po wyszuaniu pary sąsiednich grup (G p, G q ), tóre są położone najbliżej siebie, następuje połączenie ich w jedną grupę G p G q i zostaje oreślony nowy wetor odległości. Zmianie ulegają jedynie odległości do sąsiadów grupy G p G q. Wartości dist(g r, G p G q ) wyznacza się na podstawie znanych wartości: dist(g r, G p ), dist(g r, G q ) oraz dist(g p, G q ). Grupowanie ończymy po uzysaniu jednej grupy, złożonej ze wszystich puntów. Algorytm grupowania rozłącznego sewencji puntów metodą hierarchiczną przedstawiono poniżej. Strutury danych Stałe: O = (o,..., o T ) sewencja puntów obserwacji, T liczba elementów sewencji O. Zmienne: Y olumnowy wetor odległości sładający się z T elementów, W macierz pomocnicza sładająca się z T wierszy i olumn, olumna numer macierzy W będzie zawierała indesy grup, a olumna numer liczbę elementów grupy, numer olejnego etapu grupowania, N liczba grup w etapie grupowania, Z macierz grupowania, sładająca się z 4 olumn i olejno w ażdym etapie zwięszanej liczbie wierszy, i, j indesy sąsiednich grup najbliżej siebie położonych, ν odległość pomiędzy sąsiednią parą grup najbliżej siebie położoną. Obliczenia wstępne Przyjmuje się, że ażdy punt stanowi oddzielną grupę. Punt o grupę G, punt o grupę G, itd. Na tej podstawie należy wyznaczyć odległości pomiędzy puntem sewencji a jego następniiem. Następnie, według jednego wybranego sposobu oreślania odległości pomiędzy grupami, należy wyznaczyć wetor odległości Y = [dist(g n, G n+ )] T x T, gdzie: n =,..., T. Każdy element wetora odpowiada odległości pomiędzy grupą a jej następniiem: pierwszy element odległość pomiędzy grupą G a grupą G, drugi element odległość pomiędzy grupą G a grupą G 3 itd. Wiersze macierzy pomocniczej W będą opisywać grupy. Pierwszy element wiersza, to indes grupy, a drugi liczba elementów grupy. Ponieważ na początu jest N = T grup, dlatego macierz W Biuletyn Instytutu Automatyi i Robotyi, 3/006
4 T. Pałys ma T wierszy. Wygląda ona następująco: W = L L. T Ostatnia czynność etapu wstępnego, to oreślenie wartości zmiennej, w tórej będzie przechowywany olejny numer etapu grupowania := 0. Etap grupowania Zwięszamy numer etapu grupowania := +. Znajdujemy dwie sąsiednie grupy położone najbliżej siebie. Sprowadza się do wyznaczenia najmniejszego elementu v w wetorze odległości oraz jego numeru wiersza i: gdzie: n=,..., N ( n) i= arg min Y, ( ) ( i) v= Y ( 3 ) v= dist( G W( i,), G W( i+,) ) najmniejsza odległość pomiędzy sąsiednimi grupami w rou, jest to odległość pomiędzy grupą o indesie W(i, ) a jej następniiem, czyli grupą o indesie W(i +, ). Grupy o indesie W(i, ) i W(i +, ) łączy się w jedną grupę. Zmniejszamy liczbę grup N := N, a wynii grupowania zapisujemy jao nowy wiersz macierzy Z: Z(, ) := W(i, ); Z(, ) := W(i +, ); Z(, 3) := v; Z(, 4) := N. Zgodnie z wybraną wcześniej metodą grupowania, uatualniamy odległości pomiędzy połączoną grupą a pozostałymi grupami, tzn. Y(z) = dist(g W(z, ), G W(i, ) G W(i+, ) ), dla z =,..., i, i +,..., N. Dodatowo należy usunąć z macierzy Y wiersz o numerze i. Uatualniamy macierz pomocniczą W, indes nowo utworzonej grupy oraz liczbę jej elementów: W(i, ) := T +, W(i, ) := W(i, ) + W(i +, ). Należy jeszcze usunąć wiersz numer i + z macierzy W. Etap ońcowy algorytmu Kolejne etapy grupowania powtarzamy do momentu, aż uzysamy jedną grupę, czyli gdy N =. W wyniu otrzymujemy macierz Z, tóra opisuje drzewo grupowania. Biuletyn Instytutu Automatyi i Robotyi, 3/006
5 Grupowanie sewencji czasowych W przypadu metody grupowania sewencji czasowych należy wyznaczyć T liczb reprezentujących odległości pomiędzy sąsiednimi puntami sewencji i wyonać T roów grupowania dla wyznaczenia drzewa grupowania. Przyład grupowania sewencji puntów w cztery grupy przedstawiono na rys.. Uzysano następujące grupy:,, 3, 4, 5; 6, 7, 8, 9, 0;, ; 3, 4, 5. Na rys. przedstawiono drzewo grupowania, na podstawie tórego doonano podziału w cztery grupy... Hierarchiczna metoda grupowania z naładaniem sewencji puntów Przedstawiony poniżej algorytm umożliwia grupowanie sewencji puntów z naładaniem (wyniiem grupowania nie muszą być zbiory rozłączne). Grupowanie rozłączne sewencji puntów metodą hierarchiczną polega na łączeniu w ażdym rou grupowania dwóch sąsiednich grup, tóre są położone najbliżej siebie. Na ażdym etapie grupowania uzysuje się grupy rozłączne. W wielu przypadach orzystniej jest zrezygnować z tego założenia i dopuścić możliwość naładania się grup. Każdy etap grupowania z naładaniem polega na znalezieniu dwóch par sąsiednich grup, tóre leżą najbliżej siebie. Wyni poszuiwań to pary sąsiednich grup: (G m, G n ) i (G p, G q ), m < n, p < q, o odległościach l mn i l pq, przy czym l mn < l pq. Należy rozważyć następujące przypadi: ) istnieje grupa wchodząca w sład obu par, czyli: (m = q albo n = q) albo (m = p albo n = p), ) nie zachodzi pierwszy przypade. Wystąpienie pierwszego przypadu oznacza, że grupa G p albo G q, jest położona względnie bliso grup G m i G n. W tym przypadu tworzy się dwie nowe grupy: G m G n oraz G p G q. Zajście drugiego przypadu oznacza, że w miejsce grupy G m tworzy się tylo grupę G m G n. Na ażdym etapie grupowania, oprócz połączenia dwóch sąsiednich grup w jedną, zapewniono dodatowe połączenie jednej z nich do swojego sąsiada. Zasady łączenia grup są podobne ja w przypadu metody opisanej powyżej. Istotą algorytmu jest łączenie tylo grup sąsiednich, w wyniu czego uwzględniona zostaje olejność puntów w sewencji. Kolejne etapy algorytmu grupowania z naładaniem sewencji puntów przedstawiono poniżej. Biuletyn Instytutu Automatyi i Robotyi, 3/006 3
6 T. Pałys o() o() Rys.. Grupowanie sewencji puntów w cztery grupy rozłączne 3,5 4 3, , t Rys.. Drzewo grupowania 4 Biuletyn Instytutu Automatyi i Robotyi, 3/006
7 Grupowanie sewencji czasowych Strutury danych Stałe: O = (o,..., o T ) sewencja puntów obserwacji, T długość sewencji O. Zmienne: Y olumnowy wetor odległości sładający się z T elementów, W macierz pomocnicza sładająca się z T wierszy i olumn, olumna numer macierzy W będzie zawierała indesy grup a olumna numer liczbę elementów grupy, numer olejnych etapów grupowania, N liczba grup w etapie grupowania, d liczba wyonanych nałożeń, Z macierz grupowania, sładająca się z 4 olumn i olejno w ażdym etapie zwięszanej liczbie wierszy, i, j indesy najbliżej siebie położonych sąsiednich grup, i, j indesy drugiej w olejności pary sąsiednich grup najbliżej siebie położonych, ν odległość pomiędzy sąsiednią parą grup najbliżej siebie położonych, ν odległość pomiędzy drugą w olejności parą sąsiednich grup najbliżej siebie położonych. Obliczenia wstępne Obliczenia wstępne przebiegają ta samo, ja w przypadu hierarchicznej metody grupowania rozłącznego. Dodatowo należy ustalić liczbę nałożeń d := 0. Etap grupowania Zwięszamy numer etapu grupowania := +. Znajdujemy najbliżej położoną siebie sąsiednią parę grup: gdzie: n=,..., N ( n) i = arg min Y, ( 4 ) ( i ) v = Y, ( 5 ) (, + ) v dist G W G W najmniejsza odległość pomiędzy = ( i,) ( i,) sąsiednią parą grup w rou. Grupy o indesie W(i, ) i W(i +, ) łączymy w jedną grupę. Zmniejszamy liczbę grup N := N a wyni grupowania zapisujemy w macierzy Z: Biuletyn Instytutu Automatyi i Robotyi, 3/006 5
8 T. Pałys Z( + d, ) := W(i, ), Z( + d, ) := W(i +, ), Z( + d, 3) := v, Z( + d, 4) := N. Następnie odnajdujemy drugą w olejności, sąsiednią parę grup najbliżej siebie położonych: i = arg min Y n ( 6 ) gdzie: v ( ) n=,..., i, i+,..., N ( i ) = Y ( 7 ) (, + ) v dist G W G W odległość pomiędzy drugą = ( i,) ( i,) w olejności parą sąsiednich grup w etapie. Jeżeli i = i +, to grupę o indesie W(i, ) łączymy z grupą o indesie W(i, ). Występuje tu zjawiso naładania się grup. Elementy grupy o indesie W(i, ) będą występować co najwyżej w dwóch grupach, co zostaje zapisane następująco: d := d +. Uatualniamy macierz Z: Z( + d, ) := W(i, ), Z( + d, ) := W(i, ), Z( + d, 3) := v, Z( + d, 4) := N, oraz macierz pomocniczą W, czyli indes nowo utworzonej grupy oraz liczbę jej elementów: W(i, ) := T + + d, W(i, ) := W(i, ) + W(i, ). Jeżeli i + = i, to grupę o indesie W(i +, ) łączymy z grupą o indesie W(i +, ). Występuje tu zjawiso naładania się grup. Elementy grupy o indesie W(i +, ) będą występować co najwyżej w dwóch grupach, co zapisujemy: d := d +. Uatualniamy macierz Z: Z( + d, ) := W(i +, ), Z( + d, ) := W(i +, ), Z( + d, 3) := v, Z( + d, 4) := N. oraz macierz pomocniczą W, czyli indes nowo utworzonej grupy oraz liczbę elementów grupy: W(i +, ) := T + + d, W(i +, ) := W(i +, ) + W(i +, ). Zgodnie z wybranym sposobem oreślania odległości pomiędzy grupami [3] należy uatualnić odległości pomiędzy nowo utworzoną grupą a pozostałymi grupami i usunąć z macierzy Y wiersz i. Na oniec etapu uatualniamy 6 Biuletyn Instytutu Automatyi i Robotyi, 3/006
9 Grupowanie sewencji czasowych macierz pomocniczą W, czyli indes nowo utworzonej grupy i liczbę jej elementów. Jeżeli nastąpiło nałożenie dwóch grup, to: W(i, ) := T + + d, w przeciwnym przypadu: W(i, ) := T + + d. Liczba elementów nowo utworzonej grupy jest równa: W(i, ) := W(i, ) + W(i +, ), Na oniec usuwamy wiersz numer i + z macierzy W. Etap ońcowy algorytmu Kolejne etapy grupowania powtarzamy do momentu, aż uzysamy jedną grupę, czyli gdy N =. W wyniu otrzymujemy macierz Z, tóra opisuje drzewo grupowania. Przyład grupowania puntów w trzy grupy przedstawiono na rys. 3. Uzysano następujące grupy (punty: 7, 8, 9 wchodzą w sład dwóch grup):,, 3; 4, 5, 6, 7, 8, 9; 7, 8, 9, 0. Grupy wydzielono na podstawie drzewa grupowania, tóre przedstawiono na rys o() o() Rys. 3. Grupowanie sewencji puntów w trzy grupy Biuletyn Instytutu Automatyi i Robotyi, 3/006 7
10 T. Pałys dist(gr, Gs) Rys. 4. Drzewo grupowania.3. Wsaźnii grupowania Do oceny jaości grupowania zaproponowano procedury środowisa MATLAB z przybornia Statistics Toolbox. Oceniając jaość grupowania można posłużyć się współczynniiem orelacji grupowania (ang. cophenetic correlation coefficient) oraz współczynniiem niezgodności grupowania (ang. inconsistency coefficient). Poniżej róto przedstawiono zasady przeprowadzania obliczeń. Współczynni orelacji grupowania c wyznaczamy następująco [4]. Niech K oznacza liczbę etapów grupowania. Parę puntów, tórą można utworzyć na etapie grupowania oznaczmy przez (o n, o s ), a zbiór wszystich możliwych par Ĝ. Liczbę możliwych par, tóre można utworzyć na etapie, oznaczamy następująco: {( ) (,) (,) } = Gˆ, Gˆ = o, o : o G o G o o, ( 8 ) u n s n Z s Z n s gdzie: u liczba elementów zbioru Ĝ, etap grupowania, =,..., K, K liczba etapów grupowania (liczba wierszy macierzy Z), 8 Biuletyn Instytutu Automatyi i Robotyi, 3/006
11 Grupowanie sewencji czasowych Ĝ zbiór par puntów z grup łączonych na etapie, Z(, ) indes pierwszej grupy łączonej na etapie, Z(, ) indes drugiej grupy łączonej na etapie. Liczba połączeń pomiędzy puntami na wszystich etapach grupowania jest równa: = K = U u. ( 9 ) Niech S d oznacza sumę odległości pomiędzy parami puntów na wszystich etapach grupowania : S = K d n s = ( o, ) ˆ n os G natomiast R d sumę ich wadratów: R K d = d n s = ( o, ) ˆ n os G d( o, o ) ( 0 ) ( o, o ). ( ) Przez S z oznaczmy analogiczną do S sumę odległości po grupowaniu: = K S u Z (,3), ( ) z = a odpowiednią sumę wadratów tych odległości przez: z = K = [ (,3)] R u Z. ( 3 ) Z olei przez S dz oznaczmy sumę iloczynów odległości przed grupowaniem i odległości po grupowaniu: K ( ) Sdz = d( on, os ) Z,3. ( 4 ) = (, ) ˆ o n os G Biorąc pod uwagę wyznaczone powyżej wielości, współczynni orelacji grupowania c wyznaczamy następująco: Sdz Sd Sz c= U. ( 5 ) Rd Sd Rz Sz U U Współczynni orelacji grupowania przyjmuje wartości z przedziału 0,. Wyższa wartość współczynnia c oznacza lepsze dopasowanie metryi i sposobu łączenia w grupy do sewencji puntów. Czym mniejsza wartość c, tym gorsze grupowanie puntów. Współczynni niezgodności grupowania [4] na głęboość h opisuje ażdy etap grupowania. Odbywa się to przez porównanie odległości pomiędzy Biuletyn Instytutu Automatyi i Robotyi, 3/006 9
12 T. Pałys dwoma połączonymi grupami na etapie, ze średnią odległością łączenia w grupie pierwszej i drugiej. Niech Z % oznacza zbiór odległości pomiędzy łączonymi grupami na etapie. Pierwszy element zbioru Z % to Z(, 3). Następnie sprawdzamy grupę o indesie Z(, ). Jeżeli indes tej grupy jest więszy od T (długość sewencji puntów), to obliczamy numer etapu, na tórym powstała grupa: s = Z(, ) T, a odległość Z(s, 3) dodajemy do zbioru Z %. W ten sam sposób sprawdzamy grupę o indesie Z(, ). Jeżeli indes grupy jest więszy od T, to grupa powstała na etapie s = Z(, ) T, a do zbioru Z % dodajemy odległość Z(s, 3). Ta utworzony zbiór Z % posłuży do wyznaczenia współczynnia niezgodności grupowania na głęboość h =. Jeżeli chcemy wyznaczyć współczynni niezgodności grupowania na głęboość h = 3, to musimy jeszcze sprawdzić grupy o indesie: Z(s, ) i Z(s, ) a taże: Z(s, ) i Z(s, ). W przypadu, gdy ich indesy są więsze od T, to do zbioru Z % należy dołączyć odpowiednie odległości. W przypadu zadania więszej głęboości h postępujemy analogicznie do sposobu opisanego powyżej. Przyjmijmy, że zbiór Z % zawiera ũ elementów: Z % = l, l,..., l. ( 6 ) { } u Wyznaczamy sumę wartości elementów zbioru %Z : u = % S l ( 7 ) i i= oraz sumę ich wadratów: = % u i i= R l ( 8 ) Wartość średnią odległości łączenia grup na etapie wyznaczamy następująco: E( Z % ) = S ( 9 ) u% a wariancję odległości łączonych grup: ( % S V Z ) = R, dla u > u% % u ( 0 ) Ostatecznie wyznaczamy współczynni niezgodności grupowania na etapie według następującego wzoru: (,3) E( ) = Z Z % Y, ( ) V ( Z% ) 0 Biuletyn Instytutu Automatyi i Robotyi, 3/006
13 Grupowanie sewencji czasowych gdzie: =,..., T etap grupowania grupowania, Y współczynni niezgodności grupowania na etapie, Z(, 3) odległość pomiędzy grupami połączonymi na etapie, E( Z % ) średnia odległość łączenia grup na etapie, V ( Z % ) odchylenie standardowe łączenia grup na etapie. Doonanie oceny jaości grupowania polega na obliczeniu współczynnia Y od pierwszego do ostatniego etapu grupowania. W przypadu oreślenia jego masymalnej wartości podział na grupy wyznacza ten etap grupowania, dla tórego otrzymano zadaną wartość współczynnia niezgodności grupowania. 3. Podsumowanie Podstawą do opracowania metod grupowania sewencji czasowych była hierarchiczna metoda grupowania. W celu uwzględnienia olejności puntów sewencji grupowanie ograniczono tylo do grup sąsiednich. W ażdym etapie grupowania łączone są dwie najbliżej położone siebie grupy sąsiednie. W wyniu tego otrzymuje się drzewo grupowania, na podstawie tórego można otrzymać żądaną liczbę grup albo grupy o zadanych właściwościach. W wyniu zastosowania hierarchicznej metody grupowania rozłącznego sewencji puntów uzysuje się grupy rozłączne. W hierarchicznej metodzie grupowania z naładaniem sewencji puntów umożliwiono łączenie jednej grupy z dwoma sąsiadami pod waruniem, że są one położone dostatecznie bliso. Literatura [] Everitt B., Landau S. Leese M.: Cluster Analysis, 4 th edition, Edward Arnold Publishers Ltd., London 00. [] Koronaci J., Ćwi J.: Statystyczne systemy uczące się, Wydawnictwa Nauowo Techniczne, Warszawa 005. [3] Kwiatowsi W.: Metody automatycznego rozpoznawania wzorców, Instytut Automatyi i Robotyi WAT, Warszawa 00. [4] Mathwors, Inc: Statistics Toolbox User's Guide, MathWors, 005. Biuletyn Instytutu Automatyi i Robotyi, 3/006
14 T. Pałys [5] Pałys T.: Zastosowanie metody grupowania sewencji czasowych w rozpoznawaniu mowy na podstawie urytych modeli Marowa, Rozprawa dotorsa, WAT. Warszawa, 006. [6] Wiśniewsi A. M.: Metody oceny systemów rozpoznawania mówców, Biuletyn Instytutu Automatyi i Robotyi WAT, 3/000, ss Warszawa, 000 Clustering of Time Sequences ABSTRACT: Methods of time sequences grouping are presented in this paper. The originality of the problem lies in that the clustered elements determine time sequence, and received groups may determine only segments of a sequence. Two time sequences grouping methods have been elaborated. The first one gives possibility to receive separate groups. By the use of the second one it is possible to obtain groups which overlaps one another. KEYWORDS: clustering of sequences, overlap clustering Recenzent: prof. dr hab. inż. Włodzimierz KWIATKOWSKI Praca wpłynęła do redacji: Biuletyn Instytutu Automatyi i Robotyi, 3/006
Optymalizacja harmonogramów budowlanych - problem szeregowania zadań
Mieczysław POŁOŃSKI Wydział Budownictwa i Inżynierii Środowisa, Szoła Główna Gospodarstwa Wiejsiego, Warszawa, ul. Nowoursynowsa 159 e-mail: mieczyslaw_polonsi@sggw.pl Założenia Optymalizacja harmonogramów
Bardziej szczegółowoMODYFIKACJA KOSZTOWA ALGORYTMU JOHNSONA DO SZEREGOWANIA ZADAŃ BUDOWLANYCH
MODYFICJ OSZTOW LGORYTMU JOHNSON DO SZEREGOWNI ZDŃ UDOWLNYCH Michał RZEMIŃSI, Paweł NOW a a Wydział Inżynierii Lądowej, Załad Inżynierii Producji i Zarządzania w udownictwie, ul. rmii Ludowej 6, -67 Warszawa
Bardziej szczegółowowtedy i tylko wtedy, gdy rozwiązanie i jest nie gorsze od j względem k-tego kryterium. 2) Macierz części wspólnej Utwórz macierz
Temat: Programowanie wieloryterialne. Ujęcie dysretne.. Problem programowania wieloryterialnego. Z programowaniem wieloryterialnym mamy do czynienia, gdy w problemie decyzyjnym występuje więcej niż jedno
Bardziej szczegółowoMatematyka dyskretna. Wykład 2: Kombinatoryka. Gniewomir Sarbicki
Matematya dysretna Wyład 2: Kombinatorya Gniewomir Sarbici Kombinatorya Definicja Kombinatorya zajmuje się oreślaniem mocy zbiorów sończonych, w szczególności mocy zbiorów odwzorowań jednego zbioru w drugi
Bardziej szczegółowoOptymalizacja harmonogramów budowlanych - problem szeregowania zadań
Mieczysław OŁOŃSI Wydział Budownictwa i Inżynierii Środowisa, Szoła Główna Gospodarstwa Wiejsiego, Warszawa, ul. Nowoursynowsa 159 e-mail: mieczyslaw_polonsi@sggw.pl Założenia Optymalizacja harmonogramów
Bardziej szczegółowoPrawdopodobieństwo i statystyka
Zadanie Rozważmy następujący model strzelania do tarczy. Współrzędne puntu trafienia (, Y ) są niezależnymi zmiennymi losowymi o jednaowym rozładzie normalnym N ( 0, σ ). Punt (0,0) uznajemy za środe tarczy,
Bardziej szczegółowo13. 13. BELKI CIĄGŁE STATYCZNIE NIEWYZNACZALNE
Część 3. BELKI CIĄGŁE STATYCZNIE NIEWYZNACZALNE 3. 3. BELKI CIĄGŁE STATYCZNIE NIEWYZNACZALNE 3.. Metoda trzech momentów Rozwiązanie wieloprzęsłowych bele statycznie niewyznaczalnych można ułatwić w znaczącym
Bardziej szczegółowojest scharakteryzowane przez: wektor maksymalnych żądań (ang. claims), T oznaczający maksymalne żądanie zasobowe zadania P j
Systemy operacyjne Zaleszczenie Zaleszczenie Rozważmy system sładający się z n procesów (zadań) P 1,P 2,...,P n współdzielący s zasobów nieprzywłaszczalnych tzn. zasobów, tórych zwolnienie może nastąpić
Bardziej szczegółowo( ) + ( ) T ( ) + E IE E E. Obliczanie gradientu błędu metodą układu dołączonego
Obliczanie gradientu błędu metodą uładu dołączonego /9 Obliczanie gradientu błędu metodą uładu dołączonego Chodzi o wyznaczenie pochodnych cząstowych funcji błędu E względem parametrów elementów uładu
Bardziej szczegółowo4. Weryfikacja modelu
4. Weryfiacja modelu Wyznaczenie wetora parametrów struturalnych uładu ończy etap estymacji. Kolejnym etapem jest etap weryfiacji modelu. Przeprowadza się ją w dwóch ujęciach: merytorycznym i statystycznym.
Bardziej szczegółowoPrognozowanie notowań pakietów akcji poprzez ortogonalizację szeregów czasowych 1
Prognozowanie notowań paietów acji poprzez ortogonalizację szeregów czasowych Andrzej Kasprzyci. WSĘP Dynamię rynu finansowego opisuje się indesami agregatowymi: cen, ilości i wartości. Indes giełdowy
Bardziej szczegółowoA. Cel ćwiczenia. B. Część teoretyczna
A. Cel ćwiczenia Celem ćwiczenia jest zapoznanie się z wsaźniami esploatacyjnymi eletronicznych systemów bezpieczeństwa oraz wyorzystaniem ich do alizacji procesu esplatacji z uwzględnieniem przeglądów
Bardziej szczegółowoTEORIA OBWODÓW I SYGNAŁÓW LABORATORIUM
EORI OBWODÓW I SYGNŁÓW LBORORIUM KDEMI MORSK Katedra eleomuniacji Morsiej Ćwiczenie nr 2: eoria obwodów i sygnałów laboratorium ĆWICZENIE 2 BDNIE WIDM SYGNŁÓW OKRESOWYCH. Cel ćwiczenia Celem ćwiczenia
Bardziej szczegółowoσ-ciało zdarzeń Niech Ω będzie niepustym zbiorem zdarzeń elementarnych, a zbiór F rodziną podzbiorów zbioru Ω spełniającą warunki: jeśli A F, to A F;
Zdarzenie losowe i zdarzenie elementarne Zdarzenie (zdarzenie losowe) - wyni pewnej obserwacji lub doświadczenia; może być ilościowy lub jaościowy. Zdarzenie elementarne - najprostszy wyni doświadczenia
Bardziej szczegółowoAlgorytm wyznaczania krotności diagnostycznej struktury opiniowania diagnostycznego typu PMC 1
BIULETYN INSTYTUTU AUTOMATYKI I ROBOTYKI NR 18, 2003 Algoryt wyznaczania rotności diagnostycznej strutury opiniowania diagnostycznego typu PMC 1 Artur ARCIUCH Załad Systeów Koputerowych, Instytut Teleinforatyi
Bardziej szczegółowoDSP-MATLAB, Ćwiczenie 5, P.Korohoda, KE AGH. Ćwiczenie 5. Przemysław Korohoda, KE, AGH
DSP-MATLAB, Ćwiczenie 5, P.Korohoda, KE AGH Instrucja do laboratorium z cyfrowego przetwarzania sygnałów Ćwiczenie 5 Wybrane właściwości Dysretnej Transformacji Fouriera Przemysław Korohoda, KE, AGH Zawartość
Bardziej szczegółowoPodstawy rachunku prawdopodobieństwa (przypomnienie)
. Zdarzenia odstawy rachunu prawdopodobieństwa (przypomnienie). rawdopodobieństwo 3. Zmienne losowe 4. rzyład rozładu zmiennej losowej. Zdarzenia (events( events) Zdarzenia elementarne Ω - zbiór zdarzeń
Bardziej szczegółowoMetoda rozwiązywania układu równań liniowych z symetryczną, nieokreśloną macierzą współczynników ( 0 )
MATEMATYKA STOSOWANA 7, 2006 Izabella Czochralsa (Warszawa) Metoda rozwiązywania uładu równań liniowych z symetryczną, nieoreśloną macierzą współczynniów ( 0 ) Streszczenie. W pracy zaadaptowano opracowaną
Bardziej szczegółowoColloquium 3, Grupa A
Colloquium 3, Grupa A 1. Z zasobów obliczeniowych pewnego serwera orzysta dwóch użytowniów. Każdy z nich wysyła do serwera zawsze trzy programy naraz. Użytowni czea, aż serwer wyona obliczenia dotyczące
Bardziej szczegółowoAlgebra liniowa z geometrią analityczną
WYKŁAD. Własności zbiorów liczbowych. Podzielność liczb całowitych, relacja przystawania modulo, twierdzenie chińsie o resztach. Liczby całowite Liczby 0,±,±,±3,... nazywamy liczbami całowitymi. Zbiór
Bardziej szczegółowoP k k (n k) = k {O O O} = ; {O O R} =
Definicja.5 (Kombinacje bez powtórzeń). Każdy -elementowy podzbiór zbioru A wybrany (w dowolnej olejności) bez zwracania nazywamy ombinacją bez powtórzeń. Twierdzenie.5 (Kombinacje bez powtórzeń). Liczba
Bardziej szczegółowoSterowanie Ciągłe. Używając Simulink a w pakiecie MATLAB, zasymulować układ z rysunku 7.1. Rys.7.1. Schemat blokowy układu regulacji.
emat ćwiczenia nr 7: Synteza parametryczna uładów regulacji. Sterowanie Ciągłe Celem ćwiczenia jest orecja zadanego uładu regulacji wyorzystując następujące metody: ryterium amplitudy rezonansowej i metodę
Bardziej szczegółowoKomputerowa reprezentacja oraz prezentacja i graficzna edycja krzywoliniowych obiektów 3d
Komputerowa reprezentacja oraz prezentacja i graficzna edycja rzywoliniowych obietów 3d Jan Prusaowsi 1), Ryszard Winiarczy 1,2), Krzysztof Sabe 2) 1) Politechnia Śląsa w Gliwicach, 2) Instytut Informatyi
Bardziej szczegółowoL.Kowalski zadania z rachunku prawdopodobieństwa-zestaw 1 ZADANIA - ZESTAW 1. . (odp. a)
ZADANIA - ZESTAW 1 Zadanie 11 Rzucamy trzy razy monetą A i - zdarzenie polegające na tym, że otrzymamy orła w i - tym rzucie Oreślić zbiór zdarzeń elementarnych Wypisać zdarzenia elementarne sprzyjające
Bardziej szczegółowoĆwiczenie 4 Badanie wpływu asymetrii obciążenia na pracę sieci
Ćwiczenie 4 - Badanie wpływu asymetrii obciążenia na pracę sieci Strona 1/13 Ćwiczenie 4 Badanie wpływu asymetrii obciążenia na pracę sieci Spis treści 1.Cel ćwiczenia...2 2.Wstęp...2 2.1.Wprowadzenie
Bardziej szczegółowoPROCENTY, PROPORCJE, WYRAŻENIA POTEGOWE
PROCENTY, PROPORCJE, WYRAŻENIA POTEGOWE ORAZ ŚREDNIE 1. Procenty i proporcje DEFINICJA 1. Jeden procent (1%) pewnej liczby a to setna część tej liczby, tórą oznacza się: 1% a, przy czym 1% a = 1 p a, zaś
Bardziej szczegółowo4.15 Badanie dyfrakcji światła laserowego na krysztale koloidalnym(o19)
256 Fale 4.15 Badanie dyfracji światła laserowego na rysztale oloidalnym(o19) Celem ćwiczenia jest wyznaczenie stałej sieci dwuwymiarowego ryształu oloidalnego metodą dyfracji światła laserowego. Zagadnienia
Bardziej szczegółowoWPŁYW SZUMÓW KOLOROWYCH NA DZIAŁANIE FILTRU CZĄSTECZKOWEGO
ELEKTRYKA 2012 Zeszyt 3-4 (223-224) Ro LVIII Piotr KOZIERSKI Instytut Automatyi i Inżynierii Informatycznej, Politechnia Poznańsa Marcin LIS Instytut Eletrotechnii i Eletronii Przemysłowej, Politechnia
Bardziej szczegółowoR w =
Laboratorium Eletrotechnii i eletronii LABORATORM 6 Temat ćwiczenia: BADANE ZASLACZY ELEKTRONCZNYCH - pomiary w obwodach prądu stałego Wyznaczanie charaterysty prądowo-napięciowych i charaterysty mocy.
Bardziej szczegółowoMetody komputerowe i obliczeniowe Metoda Elementów Skoczonych. Element jednowymiarowy i jednoparametrowy : spryna
Metody omputerowe i obliczeniowe Metoda Elementów Soczonych Element jednowymiarowy i jednoparametrowy : spryna Jest to najprostszy element: współrzdne loalne i globalne jego wzłów s taie same nie potrzeba
Bardziej szczegółowoWykorzystanie metody DEA w przestrzenno-czasowej analizie efektywności inwestycji
Wyorzystanie metody DEA w przestrzenno-czasowej analizie... 49 Nierówności Społeczne a Wzrost Gospodarczy, nr 39 (3/04) ISSN 898-5084 dr Bogdan Ludwicza Katedra Finansów Uniwersytet Rzeszowsi Wyorzystanie
Bardziej szczegółowoDetekcja i śledzenie ruchomych obiektów w obrazie
Detecja i śledzenie ruchomych oietów w orazie Piotr Dala Plan prezentacji Wprowadzenie Metody wyrywania oietów ruchomych Podstawowe metody Modelowanie tła Usuwanie cienia Przetwarzanie morfologiczne Metody
Bardziej szczegółowoREFERAT PRACY MAGISTERSKIEJ Symulacja estymacji stanu zanieczyszczeń rzeki z wykorzystaniem sztucznych sieci neuronowych.
REFERAT PRACY MAGISTERSKIEJ Symulacja estymacji stanu zanieczyszczeń rzei z wyorzystaniem sztucznych sieci neuronowych. Godło autora pracy: EwGron. Wprowadzenie. O poziomie cywilizacyjnym raju, obo wielu
Bardziej szczegółowo(U.3) Podstawy formalizmu mechaniki kwantowej
3.10.2004 24. (U.3) Podstawy formalizmu mechanii wantowej 33 Rozdział 24 (U.3) Podstawy formalizmu mechanii wantowej 24.1 Wartości oczeiwane i dyspersje dla stanu superponowanego 24.1.1 Założenia wstępne
Bardziej szczegółowoMetody numeryczne. Instytut Sterowania i Systemów Informatycznych Wydział Elektrotechniki, Informatyki i Telekomunikacji Uniwersytet Zielonogórski
Metody numeryczne Instytut Sterowania i Systemów Informatycznych Wydział Eletrotechnii, Informatyi i Teleomuniacji Uniwersytet Zielonogórsi Eletrotechnia stacjonarne-dzienne pierwszego stopnia z tyt. inżyniera
Bardziej szczegółowoKONCEPCJA SYSTEMU BONIFIKAT DLA ODBIORCÓW ZA NIEDOTRZYMANIE PRZEZ DOSTAWCĘ WYMAGANEGO POZIOMU JAKOŚCI NAPIĘCIA
KONCEPCJA SYSTEMU BONIFIKAT DLA ODBIORCÓW ZA NIEDOTRZYMANIE PRZEZ DOSTAWCĘ WYMAGANEGO POZIOMU JAKOŚCI NAPIĘCIA prof. dr hab. inż. Zbigniew Hanzela / Aademia Górniczo-Hutnicza dr inż. Grzegorz Błajszcza
Bardziej szczegółowoWykres linii ciśnień i linii energii (wykres Ancony)
Wyres linii ciśnień i linii energii (wyres Ancony) W wyorzystywanej przez nas do rozwiązywania problemów inżyniersich postaci równania Bernoulliego występuje wysoość prędości (= /g), wysoość ciśnienia
Bardziej szczegółowoANALIZA WIELOKRYTERIALNA
ANALIZA WIELOKRYTERIALNA Dział Badań Operacyjnych zajmujący się oceną możliwych wariantów (decyzji) w przypadu gdy występuje więcej niż jedno ryterium oceny D zbiór rozwiązań (decyzji) dopuszczalnych x
Bardziej szczegółowoOPTYMALIZACJA PRZEPUSTOWOŚCI SIECI KOMPUTEROWYCH ZA POMOCĄ ALGORYTMÓW GENETYCZNYCH
OPTYMALIZACJA PRZEPUSTOWOŚCI SIECI KOMPUTEROWYCH ZA POMOCĄ ALGORYTMÓW GENETYCZNYCH Andrzej SZYMONIK, Krzysztof PYTEL Streszczenie: W złożonych sieciach omputerowych istnieje problem doboru przepustowości
Bardziej szczegółowoZastosowanie metody PCA do opisu wód naturalnych
autorzy: Stanisław Koter, Klaudia Wesołowsa 2 Uniwersytet Miołaja Kopernia, Toruń, 2 Politechnia Śląsa, Gliwice Zastosowanie metody PCA do opisu wód naturalnych W niniejszej pracy przedstawiono zastosowanie
Bardziej szczegółowoInformatyka medyczna
Informatya medyczna Wczytywanie pliu: Wczytujemy cały pli do pamięci operacyjnej według specyfiacji: agłówe RIFF FMT opcjonalne inne bloi DATA azwa pola Wielość w bajtach Opis chunid Test ASCII RIFF -
Bardziej szczegółowoBilansowanie hierarchicznej struktury zasobów w planowaniu przedsięwzięć inżynieryjno-budowlanych
Bi u l e t y n WAT Vo l. LXIV, Nr 3, 2015 Bilansowanie hierarchicznej strutury zasobów w planowaniu przedsięwzięć inżynieryjno-budowlanych Radosław Seunda 1, Roman Marcinowsi 2 1 Biuro Inżyniersie, 05-082
Bardziej szczegółowoMateriały do wykładów na temat Obliczanie sił przekrojowych i momentów przekrojowych. dla prętów zginanych.
ateriały do wyładów na temat Obliczanie sił przerojowych i momentów przerojowych dla prętów zginanych Wydr eletroniczny. slajdów na. stronach przeznaczony do celów dydatycznych dla stdentów II ro stdiów
Bardziej szczegółowoWYKŁAD 5 METODY OPTYMALIZACJI NIELINIOWEJ BEZ OGRANICZEŃ
WYKŁAD 5 METODY OPTYMALIZACJI NIELINIOWEJ BEZ OGRANICZEŃ Wstęp. Za wyjątie nielicznych funcji, najczęściej w postaci wieloianów, dla tórych ożna znaleźć iniu na drodze analitycznej, pozostała więszość
Bardziej szczegółowoPLAN WYKŁADU OPTYMALIZACJA GLOBALNA ALGORYTM MRÓWKOWY (ANT SYSTEM) ALGORYTM MRÓWKOWY. Algorytm mrówkowy
PLAN WYKŁADU Algorytm mrówowy OPTYMALIZACJA GLOBALNA Wyład 8 dr inż. Agniesza Bołtuć (ANT SYSTEM) Inspiracja: Zachowanie mrówe podczas poszuiwania żywności, Zachowanie to polega na tym, że jeśli do żywności
Bardziej szczegółowoKoła rowerowe malują fraktale
Koła rowerowe malują fratale Mare Berezowsi Politechnia Śląsa Rozważmy urządzenie sładającego się z n ół o różnych rozmiarach, obracających się z różnymi prędościami. Na obręczy danego oła, obracającego
Bardziej szczegółowoKoła rowerowe kreślą fraktale
26 FOTON 114, Jesień 2011 Koła rowerowe reślą fratale Mare Berezowsi Politechnia Śląsa Od Redacji: Fratalom poświęcamy ostatnio dużo uwagi. W Fotonach 111 i 112 uazały się na ten temat artyuły Marcina
Bardziej szczegółowoCYKLICZNY PROBLEM PRZEPŁYWOWY Z PRZEZBROJENIAMI MASZYN
CYKLICZNY PROBLEM PRZEPŁYWOWY Z PRZEZBROJENIAMI MASZYN Wojciech BOŻEJKO, Łuasz KACPRZAK, Mieczysław WODECKI Streszczenie: W pracy zajmujemy się cylicznym problemem przepływowym z przezbrojeniami maszyn.
Bardziej szczegółowoZASADY WYZNACZANIA BEZPIECZNYCH ODSTĘPÓW IZOLACYJNYCH WEDŁUG NORMY PN-EN 62305
ZASADY WYZNACZANIA BEZPIECZNYCH ODSTĘPÓW IZOLACYJNYCH WEDŁUG NORMY PN-EN 62305 Henry Boryń Politechnia Gdańsa ODSTĘPY IZOLACYJNE BEZPIECZNE Zadania bezpiecznego odstępu izolacyjnego to: ochrona przed bezpośrednim
Bardziej szczegółowoProgramowanie wielocelowe lub wielokryterialne
Programowanie wielocelowe lub wieloryterialne Zadanie wielocelowe ma co najmniej dwie funcje celu nazywane celami cząstowymi. Cele cząstowe f numerujemy indesem = 1, 2, K. Programowanie wielocelowe ciągłe.
Bardziej szczegółowoDRGANIA WŁASNE RAM OBLICZANIE CZĘSTOŚCI KOŁOWYCH DRGAŃ WŁASNYCH
Część 5. DRGANIA WŁASNE RAM OBLICZANIE CZĘSTOŚCI KOŁOWYCH... 5. 5. DRGANIA WŁASNE RAM OBLICZANIE CZĘSTOŚCI KOŁOWYCH DRGAŃ WŁASNYCH 5.. Wprowadzenie Rozwiązywanie zadań z zaresu dynamii budowli sprowadza
Bardziej szczegółowoHierarchiczna analiza skupień
Hierarchiczna analiza skupień Cel analizy Analiza skupień ma na celu wykrycie w zbiorze obserwacji klastrów, czyli rozłącznych podzbiorów obserwacji, wewnątrz których obserwacje są sobie w jakimś określonym
Bardziej szczegółowoSTATYSTYKA OPISOWA ZARZĄDZANIE
STATYSTYKA OPISOWA ZARZĄDZAIE STATYSTYKA OPISOWA materiały dla studentów, Str. "1 STATYSTYKA OPISOWA WYKŁAD ĆWICZEIA Statystya wprowadzenie 3 Sale pomiarowe 4 Miary opisu statystycznego badanej zbiorowości
Bardziej szczegółowoWstęp. Przygotowanie materiału doświadczalnego do badań. Zastosowanie logiki rozmytej do obliczeń
Przedstawiona praca jest ontynuacją próby wprowadzenia metody logii rozmytej do rutynowych modelowań geologicznych. Wyorzystując dane laboratoryjne i otworowe uzupełniano z jej pomocą braujące fragmenty
Bardziej szczegółowoPORÓWNANIE WYBRANYCH ALGORYTMÓW OPTYMALIZACJI ROZPŁYWU MOCY W SYSTEMIE ELEKTROENERGETYCZNYM A COMPARISON OF SELECTED OPTIMAL POWER FLOW ALGORITHMS
ELEKRYKA 2013 Zeszyt 4 (228) Ro LIX Artur PASIERBEK, Marcin POŁOMSKI, Radosław SOKÓŁ Politechnia Śląsa w Gliwicach PORÓWNANIE WYBRANYCH ALGORYMÓW OPYMALIZACJI ROZPŁYWU MOCY W SYSEMIE ELEKROENERGEYCZNYM
Bardziej szczegółowoWpływ zamiany typów elektrowni wiatrowych o porównywalnych parametrach na współpracę z węzłem sieciowym
Wpływ zamiany typów eletrowni wiatrowych o porównywalnych parametrach na współpracę z węzłem sieciowym Grzegorz Barzy Paweł Szwed Instytut Eletrotechnii Politechnia Szczecińsa 1. Wstęp Ostatnie ila lat,
Bardziej szczegółowoLZNK. Rozkªad QR. Metoda Householdera
Rozdziaª 10 LZNK. Rozªad QR. Metoda Householdera W tym rozdziale zajmiemy si liniowym zadaniem najmniejszych wadratów (LZNK). Dla danej macierzy A wymiaru M N i wetora b wymiaru M chcemy znale¹ wetor x
Bardziej szczegółowokoszt kapitału D/S L dźwignia finansowa σ EBIT zysku operacyjnego EBIT firmy. Firmy Modele struktury kapitału Rys. 8.3. Krzywa kosztów kapitału.
Modele strutury apitału oszt apitału Optymalna strutura apitału dźwignia finansowa / Rys. 8.3. Krzywa osztów apitału. Założenia wspólne modeli MM Modigliani i Miller w swoich rozważaniach ograniczyli się
Bardziej szczegółowo1 Przestrzeń zdarzeń elementarnych
Przestrzeń zdarzeń elementarnych Przestrzeń zdarzeń elementarnych jest pojęciem pierwotnym w teorii prawdopodobieństwa. W zastosowaniach tej teorii zdarzenia elementarne interpretuje się jao możliwe przypadi,
Bardziej szczegółowoOCENA JAKOŚCI PROCESU LOGISTYCZNEGO PRZEDSIĘBIORSTWA PRZEMYSŁOWEGO METODĄ UOGÓLNIONEGO PARAMETRU CZĘŚĆ II
B A D A N I A O P E R A C Y J N E I D E C Y Z J E Nr 2 2004 Anna DOBROWOLSKA* Jan MIKUŚ* OCENA JAKOŚCI PROCESU LOGISTYCZNEGO PRZEDSIĘBIORSTWA PRZEMYSŁOWEGO METODĄ UOGÓLNIONEGO PARAMETRU CZĘŚĆ II Przedstawiono
Bardziej szczegółowoWyznaczenie prędkości pojazdu na podstawie długości śladów hamowania pozostawionych na drodze
Podstawy analizy wypadów drogowych Instrucja do ćwiczenia 1 Wyznaczenie prędości pojazdu na podstawie długości śladów hamowania pozostawionych na drodze Spis treści 1. CEL ĆWICZENIA... 3. WPROWADZENIE...
Bardziej szczegółowoPomiary napięć przemiennych
LABORAORIUM Z MEROLOGII Ćwiczenie 7 Pomiary napięć przemiennych . Cel ćwiczenia Celem ćwiczenia jest poznanie sposobów pomiarów wielości charaterystycznych i współczynniów, stosowanych do opisu oresowych
Bardziej szczegółowoPRAKTYCZNY PRZYKŁAD OCENY ŚRODOWISKOWEGO RYZYKA ZDROWOTNEGO
PRAKTYCZNY PRZYKŁAD OCENY ŚRODOWISKOWEGO RYZYKA ZDROWOTNEGO Mgr Beata Malec, dr Mare Biesiada, dr Anicenta Buba Instytut Medycyny Pracy i Zdrowia Środowisowego, Sosnowiec Wstęp Zagrożenia zdrowotne stwarzane
Bardziej szczegółowoP(T) = P(T M) = P(T A) = P(T L) = P(T S) = P(T L M) = P(T L A) = P(T S M) = P(T S A) =
Przyład (obrona orętów USA przed ataami lotnictwa japońsiego) Możliwe dwie wyluczające się tatyi: M = manewr A = artyleria przeciwlotnicza Departament Marynari Wojennej na podstawie danych z wojny na Pacyfiu
Bardziej szczegółowoZL - STATYSTYKA - Zadania do oddania
ZL - STATYSTYKA - Zadania do oddania Parametr = liczba trzycyfrowa dwie ostatnie cyfry to dwie ostatnie cyfry numeru indesu pierwsza cyfra to pierwsza cyfra liczby liter pierwszego imienia. Poszczególne
Bardziej szczegółowo(u) y(i) f 1. (u) H(z -1 )
IDETYFIKACJA MODELI WIEERA METODAMI CZĘSTOTLIWOŚCIOWYMI Opracowanie: Anna Zamora Promotor: dr hab. inż. Jarosław Figwer Prof. Pol. Śl. MODELE WIEERA MODELE WIEERA Modele obietów nieliniowych Modele nierozłączne
Bardziej szczegółowoMETODA PROJEKTOWANIA REJONU ZMIANY KIERUNKU TRASY KOLEJOWEJ
Problemy Kolejnictwa Zeszyt 5 97 Prof. dr hab. inż. Władysław Koc Politechnia Gdańsa METODA PROJEKTOWANIA REJONU ZMIANY KIERUNKU TRASY KOLEJOWEJ SPIS TREŚCI. Wprowadzenie. Ogólna ocena sytuacji geometrycznej
Bardziej szczegółowoZnaczenie kapitału ludzkiego w budowie spójności społeczno-gospodarczej w wymiarze lokalnym (na przykładzie woj. mazowieckiego)
Znaczenie apitału ludziego w budowie spójności społeczno-gospodarczej... 365 Dr hab. Danuta Kołodziejczy Instytut Eonomii Rolnictwa i Gospodari Żywnościowej Państwowy Instytut Badawczy Znaczenie apitału
Bardziej szczegółowoA4: Filtry aktywne rzędu II i IV
A4: Filtry atywne rzędu II i IV Jace Grela, Radosław Strzała 3 maja 29 1 Wstęp 1.1 Wzory Poniżej zamieszczamy podstawowe wzory i definicje, tórych używaliśmy w obliczeniach: 1. Związe między stałą czasową
Bardziej szczegółowoMateriały dydaktyczne. Matematyka. Semestr III. Wykłady
Materiały dydatyczne Matematya Semestr III Wyłady Aademia Morsa w Szczecinie ul. Wały Chrobrego - 70-500 Szczecin WIII RÓWNANIA RÓŻNICZKOWE ZWYCZAJNE PIERWSZEGO RZĘDU. Pojęcia wstępne. Równania różniczowe
Bardziej szczegółowoZARYS METODY OPISU KSZTAŁTOWANIA SKUTECZNOŚCI W SYSTEMIE EKSPLOATACJI WOJSKOWYCH STATKÓW POWIETRZNYCH
Henry TOMASZEK Ryszard KALETA Mariusz ZIEJA Instytut Techniczny Wojs Lotniczych PRACE AUKOWE ITWL Zeszyt 33, s. 33 43, 2013 r. DOI 10.2478/afit-2013-0003 ZARYS METODY OPISU KSZTAŁTOWAIA SKUTECZOŚCI W SYSTEMIE
Bardziej szczegółowoNUMERYCZNA SYMULACJA STOPNIOWEGO USZKADZANIA SIĘ LAMINATÓW KOMPOZYTOWYCH NUMERICAL SIMULATION OF PROGRESSIVE DAMAGE IN COMPOSITE LAMINATES
JANUSZ GERMAN, ZBIGNIEW MIKULSKI NUMERYCZNA SYMULACJA STOPNIOWEGO USZKADZANIA SIĘ LAMINATÓW KOMPOZYTOWYCH NUMERICAL SIMULATION OF PROGRESSIVE DAMAGE IN COMPOSITE LAMINATES S t r e s z c z e n i e A b s
Bardziej szczegółowoβ blok sprzężenia zwrotnego
10. SPRZĘŻENE ZWROTNE Przypomnienie pojęcia transmitancji. Transmitancja uładu jest to iloraz jego odpowiedzi i wymuszenia. W uładach eletronicznych wymuszenia i odpowiedzi są zwyle prądami lub napięciami
Bardziej szczegółowoRestauracja a poprawa jakości obrazów
Restauracja obrazów Zadaniem metod restauracji obrazu jest taie jego przeształcenie aby zmniejszyć (usunąć) znieształcenia obrazu powstające przy jego rejestracji. Suteczność metod restauracji obrazu zależy
Bardziej szczegółowoWSPOMAGANIE DECYZJI W OBSZARZE WYZNACZANIA TRAS POJAZDÓW
DECYZJE nr 13 czerwiec 2010 WSPOMAGANIE DECYZJI W OBSZARZE WYZNACZANIA TRAS POJAZDÓW Paweł Hanczar* Uniwersytet Eonomiczny we Wrocławiu Streszczenie: Problem wyznaczania tras pojazdów jest znany już od
Bardziej szczegółowoLuty 2001 Algorytmy (4) 2000/2001
Mając dany zbiór elementów, chcemy znaleźć w nim element największy (maksimum), bądź najmniejszy (minimum). We wszystkich naturalnych metodach znajdywania najmniejszego i największego elementu obecne jest
Bardziej szczegółowoModelowanie przez zjawiska przybliżone. Modelowanie poprzez zjawiska uproszczone. Modelowanie przez analogie. Modelowanie matematyczne
Modelowanie rzeczywistości- JAK? Modelowanie przez zjawisa przybliżone Modelowanie poprzez zjawisa uproszczone Modelowanie przez analogie Modelowanie matematyczne Przyłady modelowania Modelowanie przez
Bardziej szczegółowojednoznacznie wyznaczają wymiary wszystkich reprezentacji grup punktowych, a związki ortogonalności jednoznacznie wyznaczają ich charaktery
Reprezentacje grup puntowych związi pomiędzy h i n a jednoznacznie wyznaczają wymiary wszystich reprezentacji grup puntowych, a związi ortogonalności jednoznacznie wyznaczają ich charatery oznaczenia:
Bardziej szczegółowoKierunki racjonalizacji jednostkowego kosztu produkcji w przedsiębiorstwie górniczym
Kieruni racjonalizacji jednostowego osztu producji w przedsiębiorstwie górniczym Roman MAGDA 1) 1) Prof dr hab inż.; AGH University of Science and Technology, Kraów, Miciewicza 30, 30-059, Poland; email:
Bardziej szczegółowoZofia MIECHOWICZ, Zielona Góra. v 1. v 2
Jest to zapis odczytu wygłoszonego na XLVIII Szole atematyi Poglądowej, Sojarzenia i analogie, Otwoc Śródborów, styczeń 22. W przestrzeni Zofia IECHOWICZ, Zielona Góra Naturalna analogia? Nie mylił się,
Bardziej szczegółowoMetody probabilistyczne Rozwiązania zadań
Metody robabilistyczne Rozwiązania zadań 6. Momenty zmiennych losowych 8.11.2018 Zadanie 1. Poaż, że jeśli X Bn, to EX n. Odowiedź: X rzyjmuje wartości w zbiorze {0, 1,..., n} z rawdoodobieństwami zadanymi
Bardziej szczegółowoMetody optymalizacji nieliniowej (metody programowania nieliniowego) Ewa Niewiadomska-Szynkiewicz Instytut Automatyki i Informatyki Stosowanej
Metody optymalizacji nieliniowej metody programowania nieliniowego Ewa Niewiadomsa-Szyniewicz Instytut Automatyi i Inormatyi Stosowanej Ewa Niewiadomsa-Szyniewicz ens@ia.pw.edu.pl Instytut Automatyi i
Bardziej szczegółowoUwaga 1.1 Jeśli R jest relacją w zbiorze X X, to mówimy, że R jest relacją w zbiorze X. Rozważmy relację R X X. Relację R nazywamy zwrotną, gdy:
Matematya dysretna - wyład 1. Relacje Definicja 1.1 Relacją dwuargumentową nazywamy podzbiór produtu artezjańsiego X Y, tórego elementami są pary uporządowane (x, y), taie, że x X i y Y. Uwaga 1.1 Jeśli
Bardziej szczegółowoZastosowanie syntetycznych mierników dynamiki struktury w analizie zmian aktywności ekonomicznej ludności wiejskiej
Ewa Wasilewsa Katedra Eonometrii i Statystyi SGGW Zastosowanie syntetycznych mierniów dynamii strutury w analizie zmian atywności eonomicznej ludności wiejsiej Wstęp Przeobrażenia gospodari polsiej po
Bardziej szczegółowoProgramowanie wielocelowe lub wielokryterialne
Programowanie wielocelowe lub wieloryterialne Zadanie wielocelowe ma co najmniej dwie funcje celu nazywane celami cząstowymi. Cele cząstowe f numerujemy indesem = 1, 2, K. Programowanie wielocelowe ciągłe
Bardziej szczegółowowagi cyfry 7 5 8 2 pozycje 3 2 1 0
Wartość liczby pozycyjnej System dziesiętny W rozdziale opiszemy pozycyjne systemy liczbowe. Wiedza ta znakomicie ułatwi nam zrozumienie sposobu przechowywania liczb w pamięci komputerów. Na pierwszy ogień
Bardziej szczegółowoSieci Kohonena Grupowanie
Sieci Kohonena Grupowanie http://zajecia.jakubw.pl/nai UCZENIE SIĘ BEZ NADZORU Załóżmy, że mamy za zadanie pogrupować następujące słowa: cup, roulette, unbelievable, cut, put, launderette, loveable Nie
Bardziej szczegółowoZASTOSOWANIE ALGORYTMÓW GENETYCZNYCH DO OPTYMALIZACJI SIECI KOMPUTEROWYCH
Algorytmy genetyczne, optymalizacja sieci omputerowych Krzysztof Pytel Grzegorz Klua Jerzy Kisilewicz*** ZASTOSOWANIE ALGORYTMÓW GENETYCZNYCH DO OPTYMALIZACJI SIECI KOMPUTEROWYCH W artyule zaproponowano
Bardziej szczegółowoRACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 5.
RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 5. PODSTAWOWE ROZKŁADY PRAWDOPODOBIEŃSTWA Rozłady soowe Rozład jednopuntowy Oreślamy: P(X c) 1 gdzie c ustalona liczba. 1 EX c, D 2 X 0 (tylo ten rozład ma zerową wariancję!!!)
Bardziej szczegółowoROZDZIAŁ 10 METODA KOMPONOWANIA ZESPOŁU CZYNNIKI EFEKTYWNOŚCI SKŁADU ZESPOŁU
Agniesza Dziurzańsa ROZDZIAŁ 10 METODA KOMPONOWANIA ZESPOŁU 10.1. CZYNNIKI EFEKTYWNOŚCI SKŁADU ZESPOŁU Przeprowadzona analiza formacji, jaą jest zespół (zobacz rozdział 5), wyazała, że cechy tóre powstają
Bardziej szczegółowoAnaliza nośności poziomej pojedynczego pala
Poradni Inżyniera Nr 16 Atualizacja: 09/016 Analiza nośności poziomej pojedynczego pala Program: Pli powiązany: Pal Demo_manual_16.gpi Celem niniejszego przewodnia jest przedstawienie wyorzystania programu
Bardziej szczegółowoRównania rekurencyjne 1 RÓWNANIA REKURENCYJNE
Równania reurencyjne 1 RÓWNANIA REKURENCYJNE 1 Ciągi arytmetyczne i geometryczne Z najprostszymi równaniami reurencyjnymi zetnęliśmy się już w szole Zacznijmy od przypomnienia definicji ciągu arytmetycznego
Bardziej szczegółowoKody Huffmana oraz entropia przestrzeni produktowej. Zuzanna Kalicińska. 1 maja 2004
Kody uffmana oraz entroia rzestrzeni rodutowej Zuzanna Kalicińsa maja 4 Otymalny od bezrefisowy Definicja. Kod nad alfabetem { 0, }, w tórym rerezentacja żadnego znau nie jest refisem rerezentacji innego
Bardziej szczegółowoBadanie stacjonarności szeregów czasowych w programie GRETL
Badanie stacjonarności szeregów czasowych w programie GRETL Program proponuje następujące rodzaje testów stacjonarności zmiennych:. Funcję autoorelacji i autoorelacji cząstowej 2. Test Diceya-Fullera na
Bardziej szczegółowoData Mining Wykład 9. Analiza skupień (grupowanie) Grupowanie hierarchiczne O-Cluster. Plan wykładu. Sformułowanie problemu
Data Mining Wykład 9 Analiza skupień (grupowanie) Grupowanie hierarchiczne O-Cluster Plan wykładu Wprowadzanie Definicja problemu Klasyfikacja metod grupowania Grupowanie hierarchiczne Sformułowanie problemu
Bardziej szczegółowoładunek do przewiezienia dwie możliwości transportu
ładune do przewiezienia dwie możliwości transportu Potrzeba jest przesłać np. 10 Mb/s danych drogą radiową jedna ala nośna Kod NRZ + modulacja PSK czas trwania jednego bitu 0,1 us przy możliwej wielodrogowości
Bardziej szczegółowoMatematyka dyskretna. Andrzej Łachwa, UJ, /10
Matematyka dyskretna Andrzej Łachwa, UJ, 2018 andrzej.lachwa@uj.edu.pl 6/10 Zasada Dirichleta 1 ZASADA SZUFLADKOWA DIRICHLETA (1ZSD) Jeśli n obiektów jest rozmieszczonych w m szufladach i n > m > 0, to
Bardziej szczegółowoAgnieszka Nowak Brzezińska
Agnieszka Nowak Brzezińska jeden z algorytmów regresji nieparametrycznej używanych w statystyce do prognozowania wartości pewnej zmiennej losowej. Może również byd używany do klasyfikacji. - Założenia
Bardziej szczegółowoPODZIAŁ DANYCH NA KLASY
PODZIAŁ DANYCH NA KLASY Definicja Dana jest macierz danych X. Podziałem P macierzy na las(lasyfiacją) nazywamy przyporządowanieindesomwierszymacierzyrozłącznychzbiorówi 1,I,...,I,taich, Ŝe j1 I j 1,,...,n.WierszX
Bardziej szczegółowoFILTRACJA KALMANA W TECHNICE NA PRZYKŁADZIE URZĄDZENIA SST
Zeszyty Nauowe WSInf Vol 12, Nr 1, 2013 Mirosław Zając Politechnia Łódza, Instytut mechatronii i Systemów Informatycznych ul. Stefanowsiego 18/22, 90-924 Łódź email: mire21.mire21@wp.pl FILRACJA KALMANA
Bardziej szczegółowo