Ruch drogowy, korki uliczne - czy fizyk może coś na to poradzić?
|
|
- Radosław Kosiński
- 7 lat temu
- Przeglądów:
Transkrypt
1 Ruch drogowy, korki uliczne - czy fizyk może coś na to poradzić? KNF Migacz, Instytut Fizyki Teoretycznej, Uniwersytet Wrocławski listopada 2007
2 Spis treści
3 Spis treści 1
4 Spis treści 1 2
5 Spis treści Model Nagela-Schreckenberga
6 Spis treści Model Nagela-Schreckenberga 4 Symulacja a rzeczywistość
7 Spis treści Model Nagela-Schreckenberga 4 Symulacja a rzeczywistość Niemcy Wrocław
8 Spis treści Szybki rozwój motoryzacji Nasilenie się ruchu na drogach Rozwój sieci drogowej - nie można w nieskończonośc poszerzać dróg
9 Spis treści Definicja Rys historyczny Przykłady Automat komórkowy to pojęcie matematyczne.
10 Spis treści Definicja Rys historyczny Przykłady Automat komórkowy to pojęcie matematyczne. Formalna definicja:
11 Spis treści Definicja Rys historyczny Przykłady Automat komórkowy to pojęcie matematyczne. Formalna definicja: zbiór {i} - sieć komórek przestrzeni d-wymiarowej
12 Spis treści Definicja Rys historyczny Przykłady Automat komórkowy to pojęcie matematyczne. Formalna definicja: zbiór {i} - sieć komórek przestrzeni d-wymiarowej zbiór {s i } - zbiór stanów i-tej komórki
13 Spis treści Definicja Rys historyczny Przykłady Automat komórkowy to pojęcie matematyczne. Formalna definicja: zbiór {i} - sieć komórek przestrzeni d-wymiarowej zbiór {s i } - zbiór stanów i-tej komórki reguła przejścia F określająca zachowanie stanu komórki w następnym kroku czasowym w zależności od obecnego stanu tej komórki oraz stanu jej sąsiadów, s i+1 = F ({s i (t), s j (t)}), gdzie j O(i) oraz O(i) jest zbiorem komórek sąsiednich do i-tej.
14 Spis treści Definicja Rys historyczny Przykłady Automat komórkowy to pojęcie matematyczne. Formalna definicja: zbiór {i} - sieć komórek przestrzeni d-wymiarowej zbiór {s i } - zbiór stanów i-tej komórki reguła przejścia F określająca zachowanie stanu komórki w następnym kroku czasowym w zależności od obecnego stanu tej komórki oraz stanu jej sąsiadów, s i+1 = F ({s i (t), s j (t)}), gdzie j O(i) oraz O(i) jest zbiorem komórek sąsiednich do i-tej. Jest to definicja automatu deterministycznego. Jeśli funkcja przejścia F zależy dodatkowo od zmiennej losowej to mamy doczynienia z automatem probabilistycznym.
15 Spis treści Definicja Rys historyczny Przykłady 1952/ John von Neuman i Stanisław Ulam - pierwszy automat komórkowy
16 Spis treści Definicja Rys historyczny Przykłady 1952/ John von Neuman i Stanisław Ulam - pierwszy automat komórkowy John Conway - gra w życie
17 Spis treści Definicja Rys historyczny Przykłady 1952/ John von Neuman i Stanisław Ulam - pierwszy automat komórkowy John Conway - gra w życie Stephen Wolfram - klasyfikacja automatów komórkowych
18 Spis treści Definicja Rys historyczny Przykłady 1952/ John von Neuman i Stanisław Ulam - pierwszy automat komórkowy John Conway - gra w życie Stephen Wolfram - klasyfikacja automatów komórkowych 1 I - Automaty niezmienne ewoluują do czasu, kiedy wszystkie komórki osiągną identyczny stan niezależnie od stanu początkowego (zbieżne).
19 Spis treści Definicja Rys historyczny Przykłady 1952/ John von Neuman i Stanisław Ulam - pierwszy automat komórkowy John Conway - gra w życie Stephen Wolfram - klasyfikacja automatów komórkowych 1 I - Automaty niezmienne ewoluują do czasu, kiedy wszystkie komórki osiągną identyczny stan niezależnie od stanu początkowego (zbieżne). 2 II - Automaty ewoluujące do stanu stabilnego lub okresowych wzorców (okresowe).
20 Spis treści Definicja Rys historyczny Przykłady 1952/ John von Neuman i Stanisław Ulam - pierwszy automat komórkowy John Conway - gra w życie Stephen Wolfram - klasyfikacja automatów komórkowych 1 I - Automaty niezmienne ewoluują do czasu, kiedy wszystkie komórki osiągną identyczny stan niezależnie od stanu początkowego (zbieżne). 2 II - Automaty ewoluujące do stanu stabilnego lub okresowych wzorców (okresowe). 3 III - Automaty wykazujące nieporządek zarówno lokalnie jak i globalnie, nie wykazujące żadnego wzorca (chaotyczne).
21 Spis treści Definicja Rys historyczny Przykłady 1952/ John von Neuman i Stanisław Ulam - pierwszy automat komórkowy John Conway - gra w życie Stephen Wolfram - klasyfikacja automatów komórkowych 1 I - Automaty niezmienne ewoluują do czasu, kiedy wszystkie komórki osiągną identyczny stan niezależnie od stanu początkowego (zbieżne). 2 II - Automaty ewoluujące do stanu stabilnego lub okresowych wzorców (okresowe). 3 III - Automaty wykazujące nieporządek zarówno lokalnie jak i globalnie, nie wykazujące żadnego wzorca (chaotyczne). 4 IV - Automaty wykazujące bardziej złożone, długotrwałe zachowanie ( żywe ).
22 Popularne automaty komórkowe Definicja Rys historyczny Przykłady Gra w życie
23 Popularne automaty komórkowe Definicja Rys historyczny Przykłady Gra w życie Mrówka Langtona
24
25 Twórcy: Karl Nagel, Michael Schreckenberg
26 Twórcy: Karl Nagel, Michael Schreckenberg Założenia:
27 Twórcy: Karl Nagel, Michael Schreckenberg Założenia: komórka ma 7.5 m - średnia długość pojazdu,
28 Twórcy: Karl Nagel, Michael Schreckenberg Założenia: komórka ma 7.5 m - średnia długość pojazdu, droga jest jednokierunkowa i jednopasmowa,
29 Twórcy: Karl Nagel, Michael Schreckenberg Założenia: komórka ma 7.5 m - średnia długość pojazdu, droga jest jednokierunkowa i jednopasmowa, komórka wolna lub zajęta,
30 Twórcy: Karl Nagel, Michael Schreckenberg Założenia: komórka ma 7.5 m - średnia długość pojazdu, droga jest jednokierunkowa i jednopasmowa, komórka wolna lub zajęta, jedna komórka może być zajęta tylko przez jeden pojazd,
31 Twórcy: Karl Nagel, Michael Schreckenberg Założenia: komórka ma 7.5 m - średnia długość pojazdu, droga jest jednokierunkowa i jednopasmowa, komórka wolna lub zajęta, jedna komórka może być zajęta tylko przez jeden pojazd, w komórce wartość liczbowa odpowiadająca aktualnej prędkości samochodu.
32 Ruch pojazdów w tym modelu odbywa się w 4 krokach:
33 Ruch pojazdów w tym modelu odbywa się w 4 krokach: 1 Przyspieszenie
34 Ruch pojazdów w tym modelu odbywa się w 4 krokach: 1 Przyspieszenie 2 Hamowanie
35 Ruch pojazdów w tym modelu odbywa się w 4 krokach: 1 Przyspieszenie 2 Hamowanie 3 Losowość
36 Ruch pojazdów w tym modelu odbywa się w 4 krokach: 1 Przyspieszenie 2 Hamowanie 3 Losowość 4 Przesunięcie
37 - przyspieszenie Pojazdy zwiększają prędkość o jeden o ile jest to zgodne z przepisami. Możemy to wyrazić wzorem:
38 - przyspieszenie Pojazdy zwiększają prędkość o jeden o ile jest to zgodne z przepisami. Możemy to wyrazić wzorem: v i < v max v i = v i + 1
39 - hamowanie Jeśli liczba wolnych komórek jest mniejsza niż aktualna prędkość to pojazd hamuje.
40 - hamowanie Jeśli liczba wolnych komórek jest mniejsza niż aktualna prędkość to pojazd hamuje. v i > d v i = d
41 - losowość W prawdziwym ruchu mamy zdarzenia losowe, np: wtargnięcie osoby na jezdnię zapatrzenie się przez kierowcę na reklamę
42 - losowość W prawdziwym ruchu mamy zdarzenia losowe, np: wtargnięcie osoby na jezdnię zapatrzenie się przez kierowcę na reklamę Aby to symulować czasami prędkość pojazdu jest zmniejszana z pewnym prawdopodobieństwem o jeden.
43 - losowość W prawdziwym ruchu mamy zdarzenia losowe, np: wtargnięcie osoby na jezdnię zapatrzenie się przez kierowcę na reklamę Aby to symulować czasami prędkość pojazdu jest zmniejszana z pewnym prawdopodobieństwem o jeden. v i > 0 P < p v i = v i 1
44 - przesunięcie Po wykonaniu obliczeń z trzech powyższych kroków następuje przesunięcie pojazdów o aktualną prędkość i zwiększenie zmiennej czasu o 1.
45
46 - symulacja Założenia:
47 - symulacja Założenia: max 100 samochodów
48 - symulacja Założenia: max 100 samochodów prędkość początkowa losowa
49 - symulacja Założenia: max 100 samochodów prędkość początkowa losowa prędkość maksymalna 5
50 - symulacja Założenia: max 100 samochodów prędkość początkowa losowa prędkość maksymalna 5 zagęszczenie pojazdów 0.4
51 - symulacja Założenia: max 100 samochodów prędkość początkowa losowa prędkość maksymalna 5 zagęszczenie pojazdów 0.4 prawdopodobieństwo losowego zaspania w symulacji 1
52 - symulacja Założenia: max 100 samochodów prędkość początkowa losowa prędkość maksymalna 5 zagęszczenie pojazdów 0.4 prawdopodobieństwo losowego zaspania w symulacji 1 prawdopodobieństwo losowego zaspania w symulacji 2
53 w Niemczech Z inicjatywy Michaela Schreckenberga na Uniwersytecie w Duisburgu powstał projekt, dzięki któremu kierowcy w okolicach Kolonii, Bonn i Aachen mogą na bieżąco otrzymywać informację o tym gdzie są korki. Możliwe jest również otrzymanie informacji o przewidywanych korkach za 30 lub 60 minut.
54 w Niemczech Z inicjatywy Michaela Schreckenberga na Uniwersytecie w Duisburgu powstał projekt, dzięki któremu kierowcy w okolicach Kolonii, Bonn i Aachen mogą na bieżąco otrzymywać informację o tym gdzie są korki. Możliwe jest również otrzymanie informacji o przewidywanych korkach za 30 lub 60 minut. Problem leży w skuteczności tego systemu przewidywania - zazwyczaj gdy wiemy, że jest korek to próbujemy go ominąć. Ale nie wszyscy tak czynią. Badania pokazały istnienie trzech grup:
55 w Niemczech Z inicjatywy Michaela Schreckenberga na Uniwersytecie w Duisburgu powstał projekt, dzięki któremu kierowcy w okolicach Kolonii, Bonn i Aachen mogą na bieżąco otrzymywać informację o tym gdzie są korki. Możliwe jest również otrzymanie informacji o przewidywanych korkach za 30 lub 60 minut. Problem leży w skuteczności tego systemu przewidywania - zazwyczaj gdy wiemy, że jest korek to próbujemy go ominąć. Ale nie wszyscy tak czynią. Badania pokazały istnienie trzech grup: wrażliwych,
56 w Niemczech Z inicjatywy Michaela Schreckenberga na Uniwersytecie w Duisburgu powstał projekt, dzięki któremu kierowcy w okolicach Kolonii, Bonn i Aachen mogą na bieżąco otrzymywać informację o tym gdzie są korki. Możliwe jest również otrzymanie informacji o przewidywanych korkach za 30 lub 60 minut. Problem leży w skuteczności tego systemu przewidywania - zazwyczaj gdy wiemy, że jest korek to próbujemy go ominąć. Ale nie wszyscy tak czynią. Badania pokazały istnienie trzech grup: wrażliwych, konserwatystów
57 w Niemczech Z inicjatywy Michaela Schreckenberga na Uniwersytecie w Duisburgu powstał projekt, dzięki któremu kierowcy w okolicach Kolonii, Bonn i Aachen mogą na bieżąco otrzymywać informację o tym gdzie są korki. Możliwe jest również otrzymanie informacji o przewidywanych korkach za 30 lub 60 minut. Problem leży w skuteczności tego systemu przewidywania - zazwyczaj gdy wiemy, że jest korek to próbujemy go ominąć. Ale nie wszyscy tak czynią. Badania pokazały istnienie trzech grup: wrażliwych, konserwatystów i hazardzistów.
58 we Wrocławiu W związku z dużą ilością remontów dróg we Wrocławiu KUSI 1 i IFT UWr 2 symulowały efekty jednej z prowadzonych przebudów. W wyniku symulacji otrzymaliśmy informację, że sama przebudowa nie da zbyt wiele. Konieczna byłaby dodatkowa zmiana organizacji ruchu. 1 Katedra Unesco Studiów Interdyscyplinarnych 2 Instytut Fizyki Teoretycznej Uniwersytetu Wrocławskiego
59 Spis treści Korzystając z wymyślonych przez fizyków modeli można skutecznie przewidywać korki i usprawniać ruch drogowy, zarówno na autostradach (Niemcy) jak i w miastach (Wrocław).
60 Bibliografia Spis treści Andreas Schadschneider, Statistical Physics of Traffic Flow, Physica A 285, 101 (2000). Maciej Bartodziej, Modelowanie ruchu ulicznego za pomocą automatów komórkowych, rweron/prace/bartodziej07.pdf Katarzyna Sznajd-Weron, Opowieść o fizyce egzotycznej, Wiedza i Życie, X Wolfgang Knospe, Ludger Santen, Andreas Schadschneider, Michael Schreckenberg, Empirical test for cellular automaton models of traffic flow, Physical Review E 70, (2004).
61 Koniec Spis treści Dziękuję za uwagę!
Automaty komórkowe. Katarzyna Sznajd-Weron
Automaty komórkowe Katarzyna Sznajd-Weron Trochę historii CA (Cellular Automata) Koniec lat 40-tych John von Neuman maszyna z mechanizmem samopowielania Sugestia Ulama 1952 dyskretny układ komórek dyskretne
Bardziej szczegółowoModelowanie wieloskalowe. Automaty Komórkowe - podstawy
Modelowanie wieloskalowe Automaty Komórkowe - podstawy Dr hab. inż. Łukasz Madej Katedra Informatyki Stosowanej i Modelowania Wydział Inżynierii Metali i Informatyki Przemysłowej Budynek B5 p. 716 lmadej@agh.edu.pl
Bardziej szczegółowoDynamiki rynków oligopolistycznych oczami fizyka
KNF Migacz, Instytut Fizyki Teoretycznej, Uniwersytet Wrocławski 7-10 listopada 2008 1 1 2 1 2 3 1 2 3 4 Wprowadzenie reklamy 1 2 3 4 Wprowadzenie reklamy 5 1 2 3 4 Wprowadzenie reklamy 5 6 1 2 3 4 Wprowadzenie
Bardziej szczegółowoObliczenia inspirowane Naturą
Obliczenia inspirowane Naturą Wykład 02 Jarosław Miszczak IITiS PAN Gliwice 06/10/2016 1 / 31 Czego dowiedzieliśmy się na poprzednim wykładzie? 1... 2... 3... 2 / 31 1 2 3 3 / 31 to jeden z pierwszych
Bardziej szczegółowoModelowanie wieloskalowe. Automaty Komórkowe - podstawy
Modelowanie wieloskalowe Automaty Komórkowe - podstawy Dr hab. inż. Łukasz Madej Katedra Informatyki Stosowanej i Modelowania Wydział Inżynierii Metali i Informatyki Przemysłowej Budynek B5 p. 716 lmadej@agh.edu.pl
Bardziej szczegółowoModelowanie systemów biomedycznych
Modelowanie systemów biomedycznych - automaty komórkowe (czy jest to "nowe oblicze nauki"?) Arkadiusz Mandowski Modelowanie... R. Tadeusiewicz (2008) Modelowanie... R. Tadeusiewicz (2008) Jak rozpoznać
Bardziej szczegółowoMODELOWANIE RZECZYWISTOŚCI
MODELOWANIE RZECZYWISTOŚCI Daniel Wójcik Instytut Biologii Doświadczalnej PAN Szkoła Wyższa Psychologii Społecznej d.wojcik@nencki.gov.pl dwojcik@swps.edu.pl tel. 022 5892 424 http://www.neuroinf.pl/members/danek/swps/
Bardziej szczegółowoPodręcznik. Model czy teoria
MODELOWANIE RZECZYWISTOŚCI Daniel Wójcik Instytut Biologii Doświadczalnej PAN d.wojcik@nencki.gov.pl tel. 58 92 424 http://www.neuroinf.pl/members/danek/swps/ Iwo Białynicki-Birula Iwona Białynicka-Birula
Bardziej szczegółowoSymulacja ruchu pojazdów w mieście
Symulacja ruchu pojazdów w mieście Paweł Gora 2013-11-05 Plan prezentacji Dlaczego badać ruch pojazdów w mieście? Dotychczasowe wyniki Model Implementacja Predykcja Optymalizacja Analiza stanów Plany przyszłych
Bardziej szczegółowopojawianie się na drodze - z prawdopodobieństwem alf a nowe auto pojawia się na początku ulicy z pewną prędkością początkową
Opis modelu Projekt zawiera model automatu komórkowego opisującego ruch uliczny na jednopasmowej ulicy bez możliwości wyprzedzania. Przyjmujemy, że kierowcy nie powodują celowo kolizji oraz że chcą dojechać
Bardziej szczegółowoStrumień pojazdów w modelach ruchu drogowego wykorzystujących automaty komórkowe
SMOCZYŃSKI Mariusz 1 Strumień pojazdów w modelach ruchu drogowego wykorzystujących automaty komórkowe WSTĘP Podczas modelowania ruchu drogowego coraz częściej znajdują zastosowanie automaty komórkowe.
Bardziej szczegółowoUkłady dynamiczne Chaos deterministyczny
Układy dynamiczne Chaos deterministyczny Proste iteracje odwzorowań: Funkcja liniowa Funkcja logistyczna chaos deterministyczny automaty komórkowe Ewolucja układu dynamicznego Rozwój w czasie układu dynamicznego
Bardziej szczegółowoModele i symulacje zmienności potoków ruchu w przestrzeni dowolnej ilości skrzyżowań
Obecnie obserwujemy wzmożony wzrost liczby pojazdów na ulicach polskich miast. Samochód stał się podstawowym dobrem dzisiejszych czasów, dlatego też mamy do czynienia z poważnymi utrudnieniami w ruchu,
Bardziej szczegółowoMODELOWANIE RZECZYWISTOŚCI
MODELOWANIE RZECZYWISTOŚCI Daniel Wójcik Instytut Biologii Doświadczalnej PAN Szkoła Wyższa Psychologii Społecznej d.wojcik@nencki.gov.pl dwojcik@swps.edu.pl tel. 022 5892 424 http://www.neuroinf.pl/members/danek/swps/
Bardziej szczegółowoModelowanie komputerowe
Modelowanie komputerowe wykład 1- Generatory liczb losowych i ich wykorzystanie dr Marcin Ziółkowski Instytut Matematyki i Informatyki Akademia im. Jana Długosza w Częstochowie 5,12 października 2016 r.
Bardziej szczegółowoMODELOWANIE RUCHU ULICZNEGO ZA POMOCĄ AUTOMATÓW KOMÓRKOWYCH
POLITECHNIKA WROCŁAWSKA WYDZIAŁ PODSTAWOWYCH PROBLEMÓW TECHNIKI MODELOWANIE RUCHU ULICZNEGO ZA POMOCĄ AUTOMATÓW KOMÓRKOWYCH MACIEJ BARTODZIEJ Praca dyplomowa napisana pod kierunkiem: dr Rafała WERONA Wrocław
Bardziej szczegółowoSymulator do mikroskopowej analizy ruchu drogowego
MAŁECKI Krzysztof 1 SZMAJDZIŃSKI Maciej 2 Symulator do mikroskopowej analizy ruchu drogowego Symulacja komputerowa, mikrosymulacja, modele ruchu drogowego, automaty komórkowe Streszczenie W niniejszym
Bardziej szczegółowoPotęga modeli agentowych
Potęga modeli agentowych Katarzyna Sznajd-Weron Katedra UNESCO Studiów Interdyscyplinarnych Seminarium S 3, 7 maja 2013 Aperitif (2006) Physicists pretend not only to know everything, but also to know
Bardziej szczegółowoPrognozowanie i Symulacje. Wykład I. Matematyczne metody prognozowania
Prognozowanie i Symulacje. Wykład I. e-mail:e.kozlovski@pollub.pl Spis treści Szeregi czasowe 1 Szeregi czasowe 2 3 Szeregi czasowe Definicja 1 Szereg czasowy jest to proces stochastyczny z czasem dyskretnym
Bardziej szczegółowoPrawdopodobieństwo geometryczne
Prawdopodobieństwo geometryczne Krzysztof Jasiński Wydział Matematyki i Informatyki UMK, Toruń V Lieceum Ogólnokształące im. Jana Pawała II w Toruniu 13.03.2014 Krzysztof Jasiński (WMiI UMK) Prawdopodobieństwo
Bardziej szczegółowoSymulacje komputerowe
Fizyka w modelowaniu i symulacjach komputerowych Jacek Matulewski (e-mail: jacek@fizyka.umk.pl) http://www.fizyka.umk.pl/~jacek/dydaktyka/modsym/ Symulacje komputerowe Automaty komórkowe Wersja: 6 maja
Bardziej szczegółowo1. Symulacje komputerowe Idea symulacji Przykład. 2. Metody próbkowania Jackknife Bootstrap. 3. Łańcuchy Markova. 4. Próbkowanie Gibbsa
BIOINFORMATYKA 1. Wykład wstępny 2. Bazy danych: projektowanie i struktura 3. Równowaga Hardyego-Weinberga, wsp. rekombinacji 4. Analiza asocjacyjna 5. Analiza asocjacyjna 6. Sekwencjonowanie nowej generacji
Bardziej szczegółowoTuring i jego maszyny
Turing Magdalena Lewandowska Politechnika Śląska, wydział MS, semestr VI 20 kwietnia 2016 1 Kim był Alan Turing? Biografia 2 3 Mrówka Langtona Bomba Turinga 4 Biografia Kim był Alan Turing? Biografia Alan
Bardziej szczegółowoTeoria gier. prof. UŚ dr hab. Mariusz Boryczka. Wykład 4 - Gry o sumie zero. Instytut Informatyki Uniwersytetu Śląskiego
Instytut Informatyki Uniwersytetu Śląskiego Wykład 4 - Gry o sumie zero Gry o sumie zero Dwuosobowe gry o sumie zero (ogólniej: o sumie stałej) były pierwszym typem gier dla których podjęto próby ich rozwiązania.
Bardziej szczegółowoINSTRUKCJA DO ĆWICZENIA NR 7
KATEDRA MECHANIKI STOSOWANEJ Wydział Mechaniczny POLITECHNIKA LUBELSKA INSTRUKCJA DO ĆWICZENIA NR 7 PRZEDMIOT TEMAT OPRACOWAŁ LABORATORIUM MODELOWANIA Przykładowe analizy danych: przebiegi czasowe, portrety
Bardziej szczegółowoBIOINFORMATYKA. Copyright 2011, Joanna Szyda
BIOINFORMATYKA 1. Wykład wstępny 2. Struktury danych w badaniach bioinformatycznych 3. Bazy danych: projektowanie i struktura 4. Bazy danych: projektowanie i struktura 5. Powiązania pomiędzy genami: równ.
Bardziej szczegółowoModelowanie Wieloskalowe. Automaty Komórkowe w Inżynierii Materiałowej
Modelowanie Wieloskalowe Automaty Komórkowe w Inżynierii Materiałowej Dr inż. Łukasz Madej Katedra Informatyki Stosowanej i Modelowania Wydział Inżynierii Metali i Informatyki Przemysłowej Budynek B5 p.
Bardziej szczegółowoPowstanie gry Opis reguł gry Reguły według Conwaya Elementy występujące w grze Modyfikacje gry Charakterystyka automatu komórkowego Gra w Życie
Game of life Spis treści Powstanie gry Opis reguł gry Reguły według Conwaya Elementy występujące w grze Modyfikacje gry Charakterystyka automatu komórkowego Gra w Życie Powstanie gry Game of life (Gra
Bardziej szczegółowoObszary strukturalne i funkcyjne mózgu
Spis treści 2010-03-16 Spis treści 1 Spis treści 2 Jak charakteryzować grafy? 3 4 Wielkości charakterystyczne Jak charakteryzować grafy? Średni stopień wierzchołków Rozkład stopni wierzchołków Graf jest
Bardziej szczegółowoWstęp do sieci neuronowych, wykład 11 Łańcuchy Markova
Wstęp do sieci neuronowych, wykład 11 Łańcuchy Markova M. Czoków, J. Piersa 2010-12-21 1 Definicja Własności Losowanie z rozkładu dyskretnego 2 3 Łańcuch Markova Definicja Własności Losowanie z rozkładu
Bardziej szczegółowoKatarzyna Jesionek Zastosowanie symulacji dynamiki cieczy oraz ośrodków sprężystych w symulatorach operacji chirurgicznych.
Katarzyna Jesionek Zastosowanie symulacji dynamiki cieczy oraz ośrodków sprężystych w symulatorach operacji chirurgicznych. Jedną z metod symulacji dynamiki cieczy jest zastosowanie metody siatkowej Boltzmanna.
Bardziej szczegółowoW dowolnym kwadracie 3x3 ustawiamy komórki na palące się (stan 3). Program powinien pokazywać ewolucję pożaru lasu.
1. Symulacja pożaru lasu ver. 1 Las reprezentowany jest przez macierz 100x100. W lesie występują dwa rodzaje drzew: liściaste i iglaste. Przyjmijmy, że prostokąt A(1:50,1:100) wypełniony jest drzewami
Bardziej szczegółowoPowtórzenie wiadomości z klasy I. Temat: Ruchy prostoliniowe. Obliczenia
Powtórzenie wiadomości z klasy I Temat: Ruchy prostoliniowe. Obliczenia Ruch jest względny 1.Ruch i spoczynek są pojęciami względnymi. Można jednocześnie być w ruchu względem jednego ciała i w spoczynku
Bardziej szczegółowoNadzór nad prowadzeniem szkoleń sprawuje Wojewoda.
Szkolenia dla kierowców zawodowych - przewóz rzeczy i osób. Kwalifikacja wstępna, kwalifikacja wstępna uzupełniająca, Kwalifikacja wstępna przyspieszona, kwalifikacja wstępna uzupełniająca przyspieszona,
Bardziej szczegółowoObliczenia inspirowane Naturą
Obliczenia inspirowane Naturą Wykład 03 (uzupełnienie Wykładu 02) Jarosław Miszczak IITiS PAN Gliwice 31/03/2016 1 / 17 1 2 / 17 Dynamika populacji Równania Lotki-Voltery opisują model drapieżnik-ofiara.
Bardziej szczegółowoKwalifikacja wstępna? cena : zł.? 280 godz./ 90 dni/
Kwalifikacja wstępna, kwalifikacja wstępna uzupełniająca, Kwalifikacja wstępna przyspieszona, kwalifikacja wstępna uzupełniająca przyspieszona, i szkolenie okresowe dla kierowców wykonujących przewóz drogowy.
Bardziej szczegółowoMichał Cydzik. Promotor: Mgr inż. Waldemar Ptasznik-Kisieliński
Michał Cydzik Promotor: Mgr inż. Waldemar Ptasznik-Kisieliński Plan prezentacji Cel i zakres pracy Motywacja podjęcia tematu Struktura stworzonego systemu Skrzyżowanie Serwer i operator Schemat systemu
Bardziej szczegółowooności. Zastosowanie modelowania Agent-based Computational Economics w nauczaniu zdalnym
Ekonomia złożonoz oności. Zastosowanie modelowania Agent-based Computational Economics w nauczaniu zdalnym Tomasz Kopczewski Wydział Nauk Ekonomicznych, Uniwersytet Warszawski Mikroekonomia Praktyka wykładania:
Bardziej szczegółowoWojny Coli - czyli siła reklamy na rynku oligopolicznym
Wojny Coli (Cola wars) - czyli siła reklamy na rynku oligopolicznym Maja Włoszczowska Promotor: Dr Rafał Weron Wydział Podstawowych Problemów Techniki Politechnika Wrocławska Wrocław, 26 stycznia 2008
Bardziej szczegółowoStochastyczna dynamika z opóźnieniem czasowym w grach ewolucyjnych oraz modelach ekspresji i regulacji genów
Stochastyczna dynamika z opóźnieniem czasowym w grach ewolucyjnych oraz modelach ekspresji i regulacji genów Jacek Miękisz Instytut Matematyki Stosowanej i Mechaniki Uniwersytet Warszawski Warszawa 14
Bardziej szczegółowoTworzenie gier na urządzenia mobilne
Katedra Inżynierii Wiedzy Wykład 11 O czym dzisiaj? labirynty, dużo labiryntów; automaty komórkowe; algorytmy do budowy labiryntów; algorytmy do szukania wyjścia z labiryntów; Blueprints i drzewa zachowań
Bardziej szczegółowoZESTAW POWTÓRKOWY (1) KINEMATYKA POWTÓRKI PRZED EGZAMINEM ZADANIA WYKONUJ SAMODZIELNIE!
Imię i nazwisko: Kl. Termin oddania: Liczba uzyskanych punktów: /50 Ocena: ZESTAW POWTÓRKOWY (1) KINEMATYKA POWTÓRKI PRZED EGZAMINEM ZADANIA WYKONUJ SAMODZIELNIE! 1. /(0-2) Przelicz jednostki szybkości:
Bardziej szczegółowoWstęp do sieci neuronowych, wykład 12 Łańcuchy Markowa
Wstęp do sieci neuronowych, wykład 12 Łańcuchy Markowa M. Czoków, J. Piersa 2012-01-10 1 Łańcucha Markowa 2 Istnienie Szukanie stanu stacjonarnego 3 1 Łańcucha Markowa 2 Istnienie Szukanie stanu stacjonarnego
Bardziej szczegółowoZŁOŻONOŚĆ OBLICZENIOWA ALGORYTMÓW
ZŁOŻONOŚĆ OBLICZENIOWA ALGORYTMÓW NIEDETERMINISTYCZNE MASZYNY TURINGA Bartosz Zieliński Katedra Fizyki Teoretycznej i Informatyki Zima 2011-2012 NIEDETERMINISTYCZNE MASZYNY TURINGA DEFINICJA: NIEDETERMINISTYCZNA
Bardziej szczegółowoSZKOLENIA DLA KIEROWCÓW ZAWODOWYCH
Szkolenia dla kierowców zawodowych - przewóz rzeczy i osób. Kwalifikacja wstępna, kwalifikacja wstępna uzupełniająca, Kwalifikacja wstępna przyspieszona, kwalifikacja wstępna uzupełniająca przyspieszona,
Bardziej szczegółowoObrona rozprawy doktorskiej Neuro-genetyczny system komputerowy do prognozowania zmiany indeksu giełdowego
IBS PAN, Warszawa 9 kwietnia 2008 Obrona rozprawy doktorskiej Neuro-genetyczny system komputerowy do prognozowania zmiany indeksu giełdowego mgr inż. Marcin Jaruszewicz promotor: dr hab. inż. Jacek Mańdziuk,
Bardziej szczegółowoStrefa pokrycia radiowego wokół stacji bazowych. Zasięg stacji bazowych Zazębianie się komórek
Problem zapożyczania kanałów z wykorzystaniem narzędzi optymalizacji Wprowadzenie Rozwiązanie problemu przydziału częstotliwości prowadzi do stanu, w którym każdej stacji bazowej przydzielono żądaną liczbę
Bardziej szczegółowoKrytyczność, przejścia fazowe i symulacje Monte Carlo. Katarzyna Sznajd-Weron Physics of Complex System
Krytyczność, przejścia fazowe i symulacje Monte Carlo Katarzyna Sznajd-Weron Physics of Complex System Przejścia fazowe wokół nas woda faza ciekła PUNKT KRYTYCZNY Lód faza stała para faza gazowa ciągłe
Bardziej szczegółowoPodręcznik. Przykład 1: Wyborcy
MODELOWANIE RZECZYWISTOŚCI Daniel Wójcik Instytut Biologii Doświadczalnej PAN d.wojcik@nencki.gov.pl tel. 5892 424 http://www.neuroinf.pl/members/danek/swps/ Iwo Białynicki-Birula Iwona Białynicka-Birula
Bardziej szczegółowoTechnologie Informacyjne
POLITECHNIKA KRAKOWSKA - WIEiK - KATEDRA AUTOMATYKI Technologie Informacyjne www.pk.edu.pl/~zk/ti_hp.html Wykładowca: dr inż. Zbigniew Kokosiński zk@pk.edu.pl Wykład: Generacja liczb losowych Problem generacji
Bardziej szczegółowoImplementacja modelu FHP w technologii NVIDIA CUDA
Uniwersytet Wrocławski Wydział Fizyki i Astronomii Instytut Fizyki Teoretycznej Sebastian Szkoda Implementacja modelu FHP w technologii NVIDIA CUDA Opiekun: dr hab. Zbigniew Koza, prof. UWr. 1 Model 1.1
Bardziej szczegółowoZadania o numerze 4 z zestawów licencjat 2014.
Zadania o numerze 4 z zestawów licencjat 2014. W nawiasie przy zadaniu jego występowanie w numerze zestawu Spis treści (Z1, Z22, Z43) Definicja granicy ciągu. Obliczyć granicę:... 3 Definicja granicy ciągu...
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
Zał. nr 4 do ZW WYDZIAŁ ELEKTRONIKI KARTA PRZEDMIOTU Nazwa w języku polskim STATYSTYKA MATEMATYCZNA Nazwa w języku angielskim Mathematical Statistics Kierunek studiów (jeśli dotyczy): Specjalność (jeśli
Bardziej szczegółowoPętle i tablice. Spotkanie 3. Pętle: for, while, do while. Tablice. Przykłady
Pętle i tablice. Spotkanie 3 Dr inż. Dariusz JĘDRZEJCZYK Pętle: for, while, do while Tablice Przykłady 11/26/2016 AGH, Katedra Informatyki Stosowanej i Modelowania 2 Pętla w największym uproszczeniu służy
Bardziej szczegółowoZwiększanie losowości
Zwiększanie losowości Maciej Stankiewicz Wydział Matematyki, Fizyki i Informatyki UG Krajowe Centrum Informatyki Kwantowej XIII Matematyczne Warsztaty KaeNeMów Hel, 20-22 maja 2016 Maciej Stankiewicz Zwiększanie
Bardziej szczegółowoRozdział 2: Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów
Rozdział : Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów W tym rozdziale omówione zostaną dwie najpopularniejsze metody estymacji parametrów w ekonometrycznych modelach nieliniowych,
Bardziej szczegółowoInstytut Politechniczny Państwowa Wyższa Szkoła Zawodowa. Diagnostyka i niezawodność robotów
Instytut Politechniczny Państwowa Wyższa Szkoła Zawodowa Diagnostyka i niezawodność robotów Laboratorium nr 6 Model matematyczny elementu naprawialnego Prowadzący: mgr inż. Marcel Luzar Cele ćwiczenia:
Bardziej szczegółowoSztuczna inteligencja stan wiedzy, perspektywy rozwoju i problemy etyczne. Piotr Bilski Instytut Radioelektroniki i Technik Multimedialnych
Sztuczna inteligencja stan wiedzy, perspektywy rozwoju i problemy etyczne Piotr Bilski Instytut Radioelektroniki i Technik Multimedialnych Plan wystąpienia Co to jest sztuczna inteligencja? Pojęcie słabej
Bardziej szczegółowoTEORIA GIER W NAUKACH SPOŁECZNYCH. Gry macierzowe, rybołówstwo na Jamajce, gry z Naturą
TEORIA GIER W NAUKACH SPOŁECZNYCH Gry macierzowe, rybołówstwo na Jamajce, gry z Naturą Przypomnienie Gry w postaci macierzowej i ekstensywnej Gry o sumie zerowej i gry o sumie niezerowej Kryterium dominacji
Bardziej szczegółowoSpacery losowe generowanie realizacji procesu losowego
Spacery losowe generowanie realizacji procesu losowego Michał Krzemiński Streszczenie Omówimy metodę generowania trajektorii spacerów losowych (błądzenia losowego), tj. szczególnych procesów Markowa z
Bardziej szczegółowoZmienność wiatru w okresie wieloletnim
Warsztaty: Prognozowanie produktywności farm wiatrowych PSEW, Warszawa 5.02.2015 Zmienność wiatru w okresie wieloletnim Dr Marcin Zientara DCAD / Stermedia Sp. z o.o. Zmienność wiatru w różnych skalach
Bardziej szczegółowoJak długo żyją spółki na polskiej giełdzie? Zastosowanie statystycznej analizy przeżycia do modelowania upadłości przedsiębiorstw
Jak długo żyją spółki na polskiej giełdzie? Zastosowanie statystycznej analizy przeżycia do modelowania upadłości przedsiębiorstw dr Karolina Borowiec-Mihilewicz Uniwersytet Ekonomiczny we Wrocławiu Zastosowania
Bardziej szczegółowoPrawa wielkich liczb, centralne twierdzenia graniczne
, centralne twierdzenia graniczne Katedra matematyki i ekonomii matematycznej 17 maja 2012, centralne twierdzenia graniczne Rodzaje zbieżności ciągów zmiennych losowych, centralne twierdzenia graniczne
Bardziej szczegółowoMateusz Żyliński Tadeusz Włodarkiewicz. WireWorld. Zebranie informacji dotyczących tematyki projektu oraz przedstawienie koncepcji realizacji projektu
Mateusz Żyliński Tadeusz Włodarkiewicz WireWorld Zebranie informacji dotyczących tematyki projektu oraz przedstawienie koncepcji realizacji projektu 1 I. Informacje ogólne A utomat komórkowy to system
Bardziej szczegółowoWykład z dnia 8 lub 15 października 2014 roku
Wykład z dnia 8 lub 15 października 2014 roku Istota i przedmiot statystyki oraz demografii. Prezentacja danych statystycznych Znaczenia słowa statystyka Znaczenie I - nazwa zbioru danych liczbowych prezentujących
Bardziej szczegółowoOcena skuteczności zastosowania oznakowania aktywnego na przejściach dla pieszych
Ocena skuteczności zastosowania oznakowania aktywnego na przejściach dla pieszych Piotr Olszewski, Witold Czajewski Paweł Dąbkowski, Cezary Kraśkiewicz, Piotr Szagała Politechnika Warszawska 1 W Polsce
Bardziej szczegółowoWYZNACZANIE NIEPEWNOŚCI OBLICZEŃ W PRZYPADKU MODELI NIELINIOWO ZALEŻNYCH OD PARAMETRÓW
WYZNACZANIE NIEPEWNOŚCI OBLICZEŃ W PRZYPADKU MODELI NIELINIOWO ZALEŻNYCH OD PARAMETRÓW TOMASZ PUSTY 1, JERZY WICHER 2 Automotive Industry Institute (PIMOT) Streszczenie W artykule podjęto problem określenia
Bardziej szczegółowoStatystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory
Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Dr Anna ADRIAN Paw B5, pok 407 adrian@tempus.metal.agh.edu.pl
Bardziej szczegółowoMODELOWANIE RZECZYWISTOŚCI
MODELOWANIE RZECZYWISTOŚCI Daniel Wójcik Instytut Biologii Doświadczalnej PAN d.wojcik@nencki.gov.pl tel. 022 5892 424 http://www.neuroinf.pl/members/danek/swps/ Podręcznik Iwo Białynicki-Birula Iwona
Bardziej szczegółowoAUTOMATY KOMÓRKOWE. Symulacje komputerowe (11) Sławomir Kulesza
Sławomir Kulesza kulesza@matman.uwm.edu.pl Symulacje komputerowe (11) AUTOMATY KOMÓRKOWE Wykład dla studentów Informatyki (1 rok MU) Ostatnia zmiana: 1.06.2012 (ver. 3.13) UKŁADY ZŁOŻONE Wszelki rozwój
Bardziej szczegółowoRachunku prawdopodobieństwa: rys historyczny, aksjomatyka, prawdopodobieństwo warunkowe,
Rachunku prawdopodobieństwa: rys historyczny, aksjomatyka, prawdopodobieństwo warunkowe, niezależność zdarzeń dr Mariusz Grzadziel Katedra Matematyki, Uniwersytet Przyrodniczy we Wrocławiu Semestr letni
Bardziej szczegółowoP (A B) P (B) = 1/4 1/2 = 1 2. Zakładamy, że wszystkie układy dwójki dzieci: cc, cd, dc, dd są jednakowo prawdopodobne.
Wykład Prawdopodobieństwo warunkowe Dwukrotny rzut symetryczną monetą Ω {OO, OR, RO, RR}. Zdarzenia: Awypadną dwa orły, Bw pierwszym rzucie orzeł. P (A) 1 4, 1. Jeżeli już wykonaliśmy pierwszy rzut i wiemy,
Bardziej szczegółowoAlgorytmy metaheurystyczne Wykład 6. Piotr Syga
Algorytmy metaheurystyczne Wykład 6 Piotr Syga 10.04.2017 Wprowadzenie Inspiracje Wprowadzenie ACS idea 1 Zaczynamy z pustym rozwiązaniem początkowym 2 Dzielimy problem na komponenty (przedmiot do zabrania,
Bardziej szczegółowoPolitechnika Śląska. Katedra Wytrzymałości Materiałów i Metod Komputerowych Mechaniki. Praca dyplomowa inżynierska. Wydział Mechaniczny Technologiczny
Politechnika Śląska Wydział Mechaniczny Technologiczny Katedra Wytrzymałości Materiałów i Metod Komputerowych Mechaniki Praca dyplomowa inżynierska Temat pracy Symulacja komputerowa działania hamulca tarczowego
Bardziej szczegółowoOcena wpływu rozwoju elektromobilności na stan jakości powietrza
Ocena wpływu rozwoju elektromobilności na stan jakości powietrza Paweł Durka (1) Joanna Strużewska (1,2) Jacek W. Kamiński (1,3) Grzegorz Jeleniewicz (1) Paweł Czapski (1) 1 IOŚ-PIB, Zakład Modelowania
Bardziej szczegółowoStrategia poprawy bezpieczeństwa drogowego w Polsce
Strategia poprawy bezpieczeństwa drogowego w Polsce Michael Wodzicki, V KONGRES POLSKIEJ IZBY UBEZPIECZEŃ Sopot 9 maja 2017 POUFNE I PRAWNIE ZASTRZEŻONE Korzystanie bez zgody zabronione Wprowadzenie około
Bardziej szczegółowoUkłady stochastyczne
Instytut Informatyki Uniwersytetu Śląskiego 21 stycznia 2009 Definicja Definicja Proces stochastyczny to funkcja losowa, czyli funkcja matematyczna, której wartości leżą w przestrzeni zdarzeń losowych.
Bardziej szczegółowoWprowadzenie do środowiska MATLAB z zastosowaniami w modelowaniu i analizie danych
Wprowadzenie do środowiska MATLAB z zastosowaniami w modelowaniu i analizie danych Daniel Wójcik Instytut Biologii Doświadczalnej PAN Szkoła Wyższa Psychologii Społecznej d.wojcik@nencki.gov.pl tel. 022
Bardziej szczegółowoKierunek: Matematyka Poziom studiów: Studia II stopnia Forma i tryb studiów: Stacjonarne
Wydział: Matematyki Stosowanej Kierunek: Matematyka Poziom studiów: Studia II stopnia Forma i tryb studiów: Stacjonarne Specjalność: Matematyka ubezpieczeniowa Rocznik: 2016/2017 Język wykładowy: Polski
Bardziej szczegółowoRuch drogowy a sztuczna inteligencja. Paweł Gora , LVI Szkoła Matematyki Poglądowej
Ruch drogowy a sztuczna inteligencja Paweł Gora 29.08.2017, LVI Szkoła Matematyki Poglądowej Problemy 4 mld PLN / rok 7 największych miast Na świecie rocznie: 1 300 000 ofiar śmiertelnych ponad 20 milionów
Bardziej szczegółowoMODELOWANIE NIETYPOWYCH SYTUACJI NA SKRZYŻOWANIACH Z WYKORZYSTANIEM AUTOMATU KOMÓRKOWEGO
Mariusz SMOCZYŃSKI, Aneta WĄSOWICZ MODELOWANIE NIETYPOWYCH SYTUACJI NA SKRZYŻOWANIACH Z WYKORZYSTANIEM AUTOMATU KOMÓRKOWEGO W artykule przedstawiono metodę modelowania nietypowych sytuacji na skrzyżowaniach
Bardziej szczegółowoRuchome Piaski v1.0. Maciej Matyka email: maq@panoramix.ift.uni.wroc.pl
Ruchome Piaski v1.0 Maciej Matyka email: maq@panoramix.ift.uni.wroc.pl Uniwersytet Wrocławski Wydział Fizyki i Astronomii Fizyka II BIS 16 lutego 2002 roku Spis treści 1 Teoria 4 1.1 Ogólne założenia.........................................
Bardziej szczegółowoSymulacja Monte Carlo izotermy adsorpcji w układzie. ciało stałe-gaz
Ćwiczenie nr 2 Symulacja Monte Carlo izotermy adsorpcji w układzie ciało stałe-gaz I. Cel ćwiczenia Celem ćwiczenia jest określenie wpływu parametrów takich jak temperatura, energia oddziaływania cząsteczka-powierzchnia
Bardziej szczegółowoAutomat komórkowy w modelowaniu ruchu na małym skrzyżowaniu
SMOCZYŃSKI Mariusz 1 Automat komórkowy w modelowaniu ruchu na małym skrzyżowaniu WSTĘP Podczas oceny przepustowości i warunków ruchu drogowego w pewnych przypadkach, gdy nie można zastosować obowiązujących
Bardziej szczegółowoModelowanie komputerowe
Modelowanie komputerowe wykład 5- Klasyczne systemy kolejkowe i ich analiza dr Marcin Ziółkowski Instytut Matematyki i Informatyki Akademia im. Jana Długosza w Częstochowie 16,23listopada2015r. Analiza
Bardziej szczegółowoĆwiczenie 1b. Silnik prądu stałego jako element wykonawczy Modelowanie i symulacja napędu CZUJNIKI POMIAROWE I ELEMENTY WYKONAWCZE
Politechnika Łódzka Katedra Mikroelektroniki i Technik Informatycznych 90-924 Łódź, ul. Wólczańska 221/223, bud. B18 tel. 42 631 26 28 faks 42 636 03 27 e-mail secretary@dmcs.p.lodz.pl http://www.dmcs.p.lodz.pl
Bardziej szczegółowoEkotoksykologia 12/9/2016. Procesy losowe w populacjach a skutki działania substancji toksycznych
Ekotoksykologia Procesy losowe w populacjach a skutki działania substancji toksycznych Prof. dr hab. Ryszard Laskowski Instytut Nauk o Środowisku UJ Ul. Gronostajowa 7, Kraków pok. 2.1.2 http://www.eko.uj.edu.pl/laskowski
Bardziej szczegółowoWykład 2 Hipoteza statystyczna, test statystyczny, poziom istotn. istotności, p-wartość i moc testu
Wykład 2 Hipoteza statystyczna, test statystyczny, poziom istotności, p-wartość i moc testu Wrocław, 01.03.2017r Przykład 2.1 Właściciel firmy produkującej telefony komórkowe twierdzi, że wśród jego produktów
Bardziej szczegółowoPROJEKT ORGANIZACJI RUCHU CZASOWEJ I DOCELOWEJ
UL. OKRĘŻNA 27 53-008 WROCŁAW (71) 794 99 36 +48 604 114858 nowak.m@plusnet.pl HN-XXX/2016 PROJEKT ORGANIZACJI RUCHU CZASOWEJ I DOCELOWEJ OBIEKT: ADRES: INWESTOR: TEREN ZAKOŃCZENIA UL. WAPIENNEJ WE WROCŁAWIU
Bardziej szczegółowoMODELOWANIE RZECZYWISTOŚCI
MODELOWANIE RZECZYWISTOŚCI Daniel Wójcik Instytut Biologii Doświadczalnej PAN Szkoła Wyższa Psychologii Społecznej d.wojcik@nencki.gov.pl dwojcik@swps.edu.pl tel. 022 5892 424 http://www.neuroinf.pl/members/danek/swps/
Bardziej szczegółowoKierunek: Matematyka Poziom studiów: Studia II stopnia Forma i tryb studiów: Stacjonarne
Wydział: Matematyki Stosowanej Kierunek: Matematyka Poziom studiów: Studia II stopnia Forma i tryb studiów: Stacjonarne Specjalność: Matematyka finansowa Rocznik: 2014/2015 Język wykładowy: Polski Semestr
Bardziej szczegółowoMetody Ilościowe w Socjologii
Metody Ilościowe w Socjologii wykład 2 i 3 EKONOMETRIA dr inż. Maciej Wolny AGENDA I. Ekonometria podstawowe definicje II. Etapy budowy modelu ekonometrycznego III. Wybrane metody doboru zmiennych do modelu
Bardziej szczegółowoSAFEWAY2SCHOOL Europejski projekt z wykorzystaniem ITS dla zwiększania bezpieczeostwa dojazdów do szkół Pilotażowe wdrożenie w Polsce
SAFEWAY2SCHOOL Europejski projekt z wykorzystaniem ITS dla zwiększania bezpieczeostwa dojazdów do szkół Pilotażowe wdrożenie w Polsce Dagmara Jankowska Konferencja Bezpieczeństwo dzieci jako uczestników
Bardziej szczegółowoStabilność II Metody Lapunowa badania stabilności
Metody Lapunowa badania stabilności Interesuje nas w sposób szczególny system: Wprowadzamy dla niego pojęcia: - stabilności wewnętrznej - odnosi się do zachowania się systemu przy zerowym wejściu, czyli
Bardziej szczegółowoWykorzystanie pakietu simecoldo modelowania zachorowań na grypę.
Wykorzystanie pakietu simecoldo modelowania zachorowań na grypę. Marta Markiewicz, Anna Sikora, Katarzyna Zajączkowska, Michał Balcerek, Piotr Kupczyk (PWr) Runda 1 zawirusowane dane NAPOTKANE PROBLEMY
Bardziej szczegółowoTomasz Niedzielski a,b, Wiesław Kosek a
STATYSTYCZNA ISTOTNOŚĆ GLOBALNEGO TRENDU W ZMIANACH POZIOMU OCEANU OBSERWOWANYCH ZA POMOCA SATELITÓW ALTIMETRYCZNYCH TOPEX/POSEIDON I JASON-1 Tomasz Niedzielski a,b, Wiesław Kosek a a Centrum Badań Kosmicznych
Bardziej szczegółowoInformatyka szkolna z perspektywy uczelni
Informatyka szkolna z perspektywy uczelni Jacek Cichoń Jacek.Cichon@pwr.wroc.pl Instytut Matematyki i Informatyki Wydział Podstawowych Problemów Techniki Politechnika Wrocławska listopad 2010 Cichoń (IMiI
Bardziej szczegółowoZADANIA OPTYMALIZCJI BEZ OGRANICZEŃ
ZADANIA OPTYMALIZCJI BEZ OGRANICZEŃ Maciej Patan Uniwersytet Zielonogórski WSTEP Zadanie minimalizacji bez ograniczeń f(ˆx) = min x R nf(x) f : R n R funkcja ograniczona z dołu Algorytm rozwiazywania Rekurencyjny
Bardziej szczegółowoTERMODYNAMIKA I FIZYKA STATYSTYCZNA
TERMODYNAMIKA I FIZYKA STATYSTYCZNA Lech Longa pok. D.2.49, II piętro, sektor D Zakład Fizyki Statystycznej e-mail: lech.longa@uj.edu.pl Dyżury: poniedziałki 14-15.50 można się umówić wysyłając e-maila
Bardziej szczegółowoModelowanie jako sposób opisu rzeczywistości. Katedra Mikroelektroniki i Technik Informatycznych Politechnika Łódzka
Modelowanie jako sposób opisu rzeczywistości Katedra Mikroelektroniki i Technik Informatycznych Politechnika Łódzka 2015 Wprowadzenie: Modelowanie i symulacja PROBLEM: Podstawowy problem z opisem otaczającej
Bardziej szczegółowo