Statystyki teoriografowe grafów funkcjonalnych w sieciach neuronowych

Wielkość: px
Rozpocząć pokaz od strony:

Download "Statystyki teoriografowe grafów funkcjonalnych w sieciach neuronowych"

Transkrypt

1 Statystyki teoriografowe grafów funkcjonalnych w sieciach neuronowych Wydział Matematyki i Informatyki, UMK

2 1 Wstęp Motywacja 2 Model 3 4 Dalsze plany Referencje

3 Motywacja 1 Wstęp Motywacja 2 Model 3 4 Dalsze plany Referencje

4 Motywacja Wstęp Motywacja Skąd się wzięły grafy losowe? Siatka Pełny

5 Motywacja Wstęp Motywacja Model losowy (ER) i Alberty-Barabasiego [1], Charakterystyki grafów losowych, Siatka + losowe zmiany: Losowy ER:

6 Motywacja Wstęp Motywacja Potęgowy rozkład stopni grafu, Stany krytyczne skomplikowanych układów, Graf Alberty Barabasiego

7 Motywacja Wstęp Motywacja Aktywność mózgowa (fmri) w trakcie prostych czynności [3], Aktywność sieciach neuronowych?

8 Nasz wkład Wstęp Motywacja Analiza przepływu aktywności w grafach pełnych (Filip Piękniewski) oraz rzadkich zanurzonych w R 3 (JP), Model przepływu aktywności pomiędzy jednostkami, Analiza rozkładu stopni (bezskalowość), charakterystycznej długości ścieżek i klasteryzacji (graf małego świata) uzyskanej sieci.

9 Model 1 Wstęp Motywacja 2 Model 3 4 Dalsze plany Referencje

10 Model Wstęp Model Jednostki rozmieszczone losowo na S 2, Abstrakcyjny poziom aktywności σ i (ładunek, spin), Połączenia synaptyczne zależne od geometrycznej lokalizacji, { d(u, v) α d(u, v) 1 P({u, v} E) = 1 wpw, α < 1 losowe wagi synaps w ij, Energia układu: E( σ) = (u,v) E w u,v σ v σ u

11 Dynamika Wstęp Model Wybieramy parę neuronów u, v V połączonych synapsą {u, v} E, taką że σ u 1, Dokonujemy transferu jednej jednostki ładunku z u do v, σ u := σ u 1, σ v := σ v + 1, Jeżeli powoduje to spadek energii układu, to akceptujemy zmianę, Jeżeli powoduje wzrost o E, to akceptujemy z prawdopodobieństwem P(u v) = exp( β E) i odrzucamy wpw. Kończymy po osiągnięciu stanu stabilnego, wracamy do 1.

12 Ewolucja sieci Hopfielda Model click

13 Graf aktywności funkcjonalnej Model Zapamiętujemy dokonane transfery przez krawędź d uv, Wybieramy wszystkie neurony, V 1 = V, Krawędzie powyżej progu E 1 = {e = {u, v} E : d uv + d vu θ}, Graf aktywności funkcjonalnej = G 1 := (V 1, E 1 )

14 Graf aktywności funkcjonalnej Model Losowy Erdős-Rényi ego: Uzyskany graf:

15 1 Wstęp Motywacja 2 Model 3 4 Dalsze plany Referencje

16 w grafie P(deg in (v) = k)

17 10 3 Degree distribution 12k 28k 78k 10 5 CCDF 12k 28k 78k Counts Counts Degree Complementary Cumulative Degree Distribution

18 Średnica grafu / charakterystyczna długość ścieżki D = max u,v V L = avg u,v V min u=p 1,p 2,...,p n=v:(p i,p i+1 ) E) min u=p 1,p 2,...,p n=v:(p i,p i+1 ) E) p 1..p n p 1..p n

19 Charakterystyczna i maksymalna długość ścieżki 7 6 APL = APL = -3.5 MPL = -2.5 MPL = diameter neurons

20 C(u) = {e = (w, v) : e E (w, u) E (v, u) E} {(w, v) : (w, u) E (v, u) E} C = 1 C(u) V u V

21 10 3 Clustering coefficient 28k 10 2 Counts Clustering

22 path-length ratio clustering ratio small-world-ness indicator λ = L REAL L TEO γ = C REAL C TEO σ = γ λ

23 Stosunek długości ścieżki 5 L real L teo 4 3 Length Neurons

24 Stosunek długości klasteryzacji 10 0 c real c teo Clustering Neurons

25 Wsk. małego świata 10 2 = / Neurons

26 ER {e C : v R n Adj v = Adj e} eig i i

27 Typowe spektrum grafu aktywności funkcyjnej all eigenvalues in linear segment eig i range = = % i

28 Ewolucja spektrum w trakcie dynamiki 5000 lower bound i1 upper bound i2 segment length i2-i index simulation progress [%]

29 Ewolucja spektrum w trakcie dynamiki click

30 Rozkład stopni Network Size α Notes Source Brain fmri 31k 2.0 r c = 0.6 Eguiluz [3] Brain fmri 17k 2.1 r c = 0.7 Eguiluz [3] Brain fmri 4.8k 2.2 r c = 0.8 Eguiluz [3] Cortex k α e k/kc He et al. [5] Ising model 40k 2 T = 2.3 (crit.) Fraiman et al. [4] Simplified model 58k S 2 Piersa et al. [6]

31 Długość ścieżki Network Size L real L rand Notes Source Brain fmri 31k r c = 0.6 Eguiluz [3] Brain fmri 17k r c = 0.7 Eguiluz [3] Brain fmri 4.8k r c = 0.8 Eguiluz [3] Cortex He et al. [5] Human fmri Basset Bullmore [2] Ising model 40k T = 2.3 (crit.) Fraiman et al. [4] Simplified model 50k S 2, d = 2.5 Piersa [7]

32 Klasteryzacja Wstęp Network Size C real C rand Notes Source Brain fmri 31k r c = 0.6 Eguiluz [3] Brain fmri 17k r c = 0.7 Eguiluz [3] Brain fmri 4.8k r c = 0.8 Eguiluz [3] Cortex He et al. [5] Human fmri Basset Bullmore [2] Ising model 40k T = 2.3 (crit.) Fraiman et al. [4] Simplified model 50k S 2, d = 2.5 Piersa

33 Plany Wstęp Dalsze plany Referencje Rozprawa doktorska! Odporność na szumy i awarie, Dynamika i analiza na ewoluującej sieci, Analiza asymetrycznych grafów przepływu aktywności.

34 Referencje I Wstęp Dalsze plany Referencje R. Albert, A. L. Barabasi, Statistical mechanics of complex networks, Reviews of modern physics, Vol 74, January 2002 D. S. Bassett E. Bullmore Small-World Brain Networks, The Neuroscientist, Volume 12, Number 6, 2006 V. Eguiluz, D. Chialvo, G. Cecchi, M. Baliki, V. Apkarian Scale-free brain functional networks, Physical Review Letters, PRL , JAN 2005, D. Fraiman, P. Balenzuela, J. Foss, D. R. Chialvo, Ising-like dynamics in large-scale functional brain networks, Physical Review E, Volume 79, Issue 6, doi: /physreve , June 2009.

35 Referencje II Wstęp Dalsze plany Referencje Y. He, Z. J. Chen, A. C. Evans, Small-World Anatomical Networks in the Human Brain Revealed by Cortical Thickness from MRI, Cerebral Cortex October 2007;17: J. Piersa, F. Piekniewski, T. Schreiber, Theoretical model for mesoscopic-level scale-free self-organization of functional brain networks, IEEE Transactions on Neural Networks, vol. 21, no. 11, November 2010 J. Piersa Diameter of the spike-flow graphs of geometrical neural networks, accepted for postproceedings 9th International Conference on Parallel Processing and Applied Mathematics, serie Lecture Notes on Computer Science, September 2011.

36 Referencje III Wstęp Dalsze plany Referencje D. Watts, S. Strogatz Collective dynamics of small-world networks, Nature, vol 393, 4 June 1998, pp

37 Podziękowania Dalsze plany Referencje Autor pragnie podziękować projektowi PL-Grid za dostęp do infrastruktury obliczeniowej. Praca finansowana przez Ministerstwo Nauki i Szkolnictwa Wyższego z grantu DEC-2011/01/N/ST6/01931.

Sieci: grafy i macierze. Sieci afiliacji. Analiza sieci społecznych. Najważniejsze pytania. Komunikatory internetowe

Sieci: grafy i macierze. Sieci afiliacji. Analiza sieci społecznych. Najważniejsze pytania. Komunikatory internetowe Sieci społeczne Charakterystyka, uwarunkowania i konsekwencje struktur relacji społecznych na przykładzie komunikacji internetowej E Sieci: grafy i macierze A B A B A - C D E dr Dominik Batorski B - Instytut

Bardziej szczegółowo

Filip Piękniewski - Curriculum Vitae

Filip Piękniewski - Curriculum Vitae Filip Piękniewski - Curriculum Vitae Informacje Kontaktowe Brain Corporation Tel: +1 (858) 651 6303 5665 Morehouse Drive E-mail: Filip.Piekniewski@braincorporation.com San Diego, CA, 92121, USA WWW: http://www.braincorporation.com

Bardziej szczegółowo

Badania w sieciach złożonych

Badania w sieciach złożonych Badania w sieciach złożonych Grant WCSS nr 177, sprawozdanie za rok 2012 Kierownik grantu dr. hab. inż. Przemysław Kazienko mgr inż. Radosław Michalski Instytut Informatyki Politechniki Wrocławskiej Obszar

Bardziej szczegółowo

Wstęp do sieci neuronowych laboratorium 01 Organizacja zajęć. Perceptron prosty

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

Bardziej szczegółowo

Centralność w sieciach społecznych. Radosław Michalski Social Network Group - kwiecień 2009

Centralność w sieciach społecznych. Radosław Michalski Social Network Group - kwiecień 2009 Centralność w sieciach społecznych Radosław Michalski Social Network Group - kwiecień 2009 Agenda spotkania Pojęcie centralności Potrzeba pomiaru centralności Miary centralności degree centrality betweenness

Bardziej szczegółowo

Nowy generator grafów dwudzielnych

Nowy generator grafów dwudzielnych Nowy generator grafów dwudzielnych w analizie systemów rekomendujących Szymon Chojnacki Instytut Podstaw Informatyki Polskiej Akademii Nauk 08 marca 2011 roku Plan prezentacji 1 Wprowadzenie 2 Dane rzeczywiste

Bardziej szczegółowo

GMWØJCIK Publications

GMWØJCIK Publications GMWØJCIK Publications A. Gajos and G. M. Wojcik, Electroencephalographic detection of synesthesia, Annales Universitatis Mariae Curie-Sklodowska, Sectio AI: Informatica, vol. 14, no. 3, pp. 43 52, 2014.

Bardziej szczegółowo

Struktury bezskalowe w rekurencyjnych sieciach neuronowych

Struktury bezskalowe w rekurencyjnych sieciach neuronowych Struktury bezskalowe w rekurencyjnych sieciach neuronowych Wydział Matematyki i Informatyki UMK Prezentacja na Seminarium Probabilistyczne KTPiAS dostępna na http://www.mat.uni.torun.pl/~philip/sem_2007.pdf

Bardziej szczegółowo

WYŻSZA SZKOŁA INFORMATYKI STOSOWANEJ I ZARZĄDZANIA

WYŻSZA SZKOŁA INFORMATYKI STOSOWANEJ I ZARZĄDZANIA DROGI i CYKLE w grafach Dla grafu (nieskierowanego) G = ( V, E ) drogą z wierzchołka v 0 V do v t V nazywamy ciąg (naprzemienny) wierzchołków i krawędzi grafu: ( v 0, e, v, e,..., v t, e t, v t ), spełniający

Bardziej szczegółowo

POISSONOWSKA APROKSYMACJA W SYSTEMACH NIEZAWODNOŚCIOWYCH

POISSONOWSKA APROKSYMACJA W SYSTEMACH NIEZAWODNOŚCIOWYCH POISSONOWSKA APROKSYMACJA W SYSTEMACH NIEZAWODNOŚCIOWYCH Barbara Popowska bpopowsk@math.put.poznan.pl Politechnika Poznańska http://www.put.poznan.pl/ PROGRAM REFERATU 1. WPROWADZENIE 2. GRAF JAKO MODEL

Bardziej szczegółowo

Michał Matuszak. Wydział Matematyki i Informatyki Uniwersytet Adama Mickiewicza Tel:+48 696459522

Michał Matuszak. Wydział Matematyki i Informatyki Uniwersytet Adama Mickiewicza Tel:+48 696459522 Michał Matuszak Informacje Kontaktowe Informacje Osobiste Wydział Matematyki i Informatyki Uniwersytet Adama Mickiewicza Tel:+48 696459522 ul. Umultowska 87 E-mail: gruby@mat.umk.pl 61 614 Poznań, Polska

Bardziej szczegółowo

MODELOWANIE I SYMULACJA Kościelisko, 19-23 czerwca 2006r. Oddział Warszawski PTETiS Wydział Elektryczny Politechniki Warszawskiej Polska Sekcja IEEE

MODELOWANIE I SYMULACJA Kościelisko, 19-23 czerwca 2006r. Oddział Warszawski PTETiS Wydział Elektryczny Politechniki Warszawskiej Polska Sekcja IEEE ODELOWANIE I SYULACJA Kościelisko, 9-3 czerwca 006r. Oddział Warszawski PTETiS Wydział Elektryczny Politechniki Warszawskiej Polska Sekcja IEEE SYSTE DO KOPUTEROWEGO ODELOWANIA I SYULACJI UKŁADÓW DYNAICZNYCH

Bardziej szczegółowo

Neuronalne korelaty przeżyć estetycznych (Rekonstrukcja eksperymentu)

Neuronalne korelaty przeżyć estetycznych (Rekonstrukcja eksperymentu) Neuronalne korelaty przeżyć estetycznych (Rekonstrukcja eksperymentu) NEUROESTETYKA PIOTR PRZYBYSZ Wykład monograficzny. UAM Poznań 2010 Rozumienie piękna na gruncie psychologii sztuki i w neuroestetyce

Bardziej szczegółowo

Mikro- i makro-ewolucja sieci społecznych

Mikro- i makro-ewolucja sieci społecznych Mikro- i makro-ewolucja sieci społecznych Mikołaj Morzy Agnieszka Ławrynowicz Instytut Informatyki Poznań, rok akademicki 2010/2011 (c) Mikołaj Morzy, Agnieszka Ławrynowicz, Instytut Informatyki Politechniki

Bardziej szczegółowo

Elektroniczne materiały dydaktyczne do przedmiotu Wstęp do Sieci Neuronowych

Elektroniczne materiały dydaktyczne do przedmiotu Wstęp do Sieci Neuronowych Elektroniczne materiały dydaktyczne do przedmiotu Wstęp do Sieci Neuronowych Maja Czoków, Jarosław Piersa Wydział Matematyki i Informatyki, Uniwersytet Mikołaja Kopernika 2011-12-21 Koncepcja kursu Koncepcja

Bardziej szczegółowo

PLAN STUDIÓW DOKTORANCKICH Z FIZYKI I ASTRONOMII DZIEDZINA / NAUKI FIZYCZNE DYSCYPLINA / FIZYKA lub ASTRONOMIA

PLAN STUDIÓW DOKTORANCKICH Z FIZYKI I ASTRONOMII DZIEDZINA / NAUKI FIZYCZNE DYSCYPLINA / FIZYKA lub ASTRONOMIA PLAN STUDIÓW DOKTORANCKICH Z FIZYKI I ASTRONOMII DZIEDZINA / NAUKI FIZYCZNE DYSCYPLINA / FIZYKA lub ASTRONOMIA STUDIA STACJONARNE - rekrutacja 2013/2014 Lp. Nazwa przedmiotu Ogólne Rozkład zajęć w poszczególnych

Bardziej szczegółowo

Modelowanie układów złożonych. oferta dydaktyczna kierunki badawcze realizowane na Wydziale Fizyki PW

Modelowanie układów złożonych. oferta dydaktyczna kierunki badawcze realizowane na Wydziale Fizyki PW Modelowanie układów złożonych oferta dydaktyczna kierunki badawcze realizowane na Wydziale Fizyki PW Dlaczego MUZ? Dlaczego MUZ? Podsumowując Sieci dystrybucyjne / skalowanie allometryczne / samopodobieństwo

Bardziej szczegółowo

Wyjazdy dla studentów Politechniki Krakowskiej zainteresowanych studiami częściowymi w Tianjin Polytechnic University (Chiny).

Wyjazdy dla studentów Politechniki Krakowskiej zainteresowanych studiami częściowymi w Tianjin Polytechnic University (Chiny). Wyjazdy dla studentów Politechniki Krakowskiej zainteresowanych studiami częściowymi w Tianjin Polytechnic University (Chiny). Tianjin Polytechnic University (TJPU) jest państwową uczelnią chińską założoną

Bardziej szczegółowo

1. Ogólna charakterystyka Kandydata

1. Ogólna charakterystyka Kandydata Prof. dr hab. inż. Franciszek Seredyński Warszawa, 19.10.2013 Uniwersytet Kardynała Stefana Wyszyńskiego w Warszawie Wydział Matematyczno Przyrodniczy Szkoła Nauk Ścisłych ul. Wóycickiego 1/3, 01-938 Warszawa

Bardziej szczegółowo

Kolegium Dziekanów i Dyrektorów

Kolegium Dziekanów i Dyrektorów Kolegium Dziekanów i Dyrektorów jednostek posiadających uprawnienia do nadawania stopnia doktora habilitowanego w zakresie nauk matematycznych Warszawa, 9. listopada 2007 Kolegium Dziekanów i Dyrektorów

Bardziej szczegółowo

ANKIETA OCENY OSIĄGNIĘĆ NAUKOWYCH KANDYDATA DO TYTUŁU PROFESORA

ANKIETA OCENY OSIĄGNIĘĆ NAUKOWYCH KANDYDATA DO TYTUŁU PROFESORA dr hab. Janusz Szczepański, prof. IPPT PAN Warszawa, 9 kwiecień 2013 ANKIETA OCENY OSIĄGNIĘĆ NAUKOWYCH KANDYDATA DO TYTUŁU PROFESORA I. INFORMACJE O OSIĄGNIĘCIACH I DOROBKU 1. Informacje o osiągnięciach

Bardziej szczegółowo

Sieci ewoluujące: od fizyki do Internetu

Sieci ewoluujące: od fizyki do Internetu Wykład z Sieci: 21 lutego 2007 Agata Fronczak i Janusz A. Hołyst Pracownia Dynamiki Nieliniowej Układów ZłoŜonych Sieci ewoluujące: od fizyki do Internetu Co oznacza termin układ złoŝony (complex system,

Bardziej szczegółowo

Czy istnieje zamknięta droga spaceru przechodząca przez wszystkie mosty w Królewcu dokładnie jeden raz?

Czy istnieje zamknięta droga spaceru przechodząca przez wszystkie mosty w Królewcu dokładnie jeden raz? DROGI i CYKLE EULERA w grafach Czy istnieje zamknięta droga spaceru przechodząca przez wszystkie mosty w Królewcu dokładnie jeden raz? Czy można narysować podaną figurę nie odrywając ołówka od papieru

Bardziej szczegółowo

Piotr H. Pawłowski. Tom 58 2009 Numer 1 2 (282 283) Strony 89 95

Piotr H. Pawłowski. Tom 58 2009 Numer 1 2 (282 283) Strony 89 95 Tom 58 2009 Numer 1 2 (282 283) Strony 89 95 Piotr H. Pawłowski Instytut Biochemii i Biofizyki PAN Pawińskiego 5a, 02-106 Warszawa E-mail: piotrp@ibb.waw.pl CZY JESTEŚMY SCALE-FREE? Kiedy mamy tzw. węzły

Bardziej szczegółowo

Assistant Professor. Institute of Mathematics. Marie Curie-Sklodowska University Lublin, Poland 1 Oct 1998 30 Sep 2006 Teaching Assistant

Assistant Professor. Institute of Mathematics. Marie Curie-Sklodowska University Lublin, Poland 1 Oct 1998 30 Sep 2006 Teaching Assistant Beata Bylina Personal Office address: Phone: 48 81 537 61 99 E-mail: WWW: The date of birth: Institute of Mathematics Marie Curie-Sklodowska University Pl. M. Curie-Skłodowskiej 1, 20-031 Lublin, Poland

Bardziej szczegółowo

3. Plan studiów PLAN STUDIÓW. Faculty of Fundamental Problems of Technology Field of study: MATHEMATICS

3. Plan studiów PLAN STUDIÓW. Faculty of Fundamental Problems of Technology Field of study: MATHEMATICS 148 3. Plan studiów PLAN STUDIÓW 3.1. MATEMATYKA 3.1. MATHEMATICS - MSc studies - dzienne studia magisterskie - day studies WYDZIAŁ: PPT KIERUNEK: MATEMATYKA SPECJALNOŚCI: Faculty of Fundamental Problems

Bardziej szczegółowo

Zastosowanie sztucznej inteligencji w testowaniu oprogramowania

Zastosowanie sztucznej inteligencji w testowaniu oprogramowania Zastosowanie sztucznej inteligencji w testowaniu oprogramowania Problem NP Problem NP (niedeterministycznie wielomianowy, ang. nondeterministic polynomial) to problem decyzyjny, dla którego rozwiązanie

Bardziej szczegółowo

Wprowadzenie do Sieci Neuronowych lista zadań 1

Wprowadzenie do Sieci Neuronowych lista zadań 1 Wprowadzenie do Sieci Neuronowych lista zadań 1 Maja Czoków, Jarosław Piersa 2010-10-04 1 Zasadyzaliczania 1.1 Oceny Zaliczenie laboratoriów na podstawie implementowania omawianych algorytmów. Każde zadanie

Bardziej szczegółowo

Algorytmy grafowe. Wykład 1 Podstawy teorii grafów Reprezentacje grafów. Tomasz Tyksiński CDV

Algorytmy grafowe. Wykład 1 Podstawy teorii grafów Reprezentacje grafów. Tomasz Tyksiński CDV Algorytmy grafowe Wykład 1 Podstawy teorii grafów Reprezentacje grafów Tomasz Tyksiński CDV Rozkład materiału 1. Podstawowe pojęcia teorii grafów, reprezentacje komputerowe grafów 2. Przeszukiwanie grafów

Bardziej szczegółowo

Customer Attribution Models. czyli o wykorzystaniu machine learning w domu mediowym.

Customer Attribution Models. czyli o wykorzystaniu machine learning w domu mediowym. Customer Attribution Models czyli o wykorzystaniu machine learning w domu mediowym. Proces decyzyjny MAILING SEO SEM DISPLAY RETARGETING PRZEGRANI??? ZWYCIĘZCA!!! Modelowanie atrybucja > Słowo klucz: wpływ

Bardziej szczegółowo

Curriculum Vitae. Edukacja, tytuły i stopnie naukowe

Curriculum Vitae. Edukacja, tytuły i stopnie naukowe Curriculum Vitae Dr hab. inż. Marcin Magdziarz, prof. nadzw. PWr Instytut Matematyki i Informatyki Politechnika Wrocławska E-Mail: marcin.magdziarz@pwr.wroc.pl tel. (+48) 71 320-31-83 Edukacja, tytuły

Bardziej szczegółowo

Elementy kognitywistyki III: Modele i architektury poznawcze

Elementy kognitywistyki III: Modele i architektury poznawcze Elementy kognitywistyki III: Modele i architektury poznawcze Wykład III: Psychologiczne modele umysłu Gwoli przypomnienia: Kroki w modelowaniu kognitywnym: teoretyczne ramy pojęciowe (modele pojęciowe)

Bardziej szczegółowo

Bezpieczne stadiony systemy wspomagające projektowanie obiektów użyteczności publicznej. dr inż. Jarosław Wąs mgr inż.

Bezpieczne stadiony systemy wspomagające projektowanie obiektów użyteczności publicznej. dr inż. Jarosław Wąs mgr inż. Bezpieczne stadiony systemy wspomagające projektowanie obiektów użyteczności publicznej dr inż. Jarosław Wąs mgr inż. Robert Lubaś Plan prezentacji Kilka słów o autorach Cel naukowy Istniejący stan wiedzy

Bardziej szczegółowo

Nazwa Wydziału Nazwa jednostki prowadzącej moduł Nazwa modułu kształcenia. Kod modułu Język kształcenia Efekty kształcenia dla modułu kształcenia

Nazwa Wydziału Nazwa jednostki prowadzącej moduł Nazwa modułu kształcenia. Kod modułu Język kształcenia Efekty kształcenia dla modułu kształcenia Nazwa Wydziału Nazwa jednostki prowadzącej moduł Nazwa modułu kształcenia Kod modułu Język kształcenia Efekty kształcenia dla modułu kształcenia Wydział Matematyki i Informatyki Instytut Informatyki i

Bardziej szczegółowo

Algorytmy sztucznej inteligencji

Algorytmy sztucznej inteligencji Algorytmy sztucznej inteligencji Dynamiczne sieci neuronowe 1 Zapis macierzowy sieci neuronowych Poniżej omówione zostaną części składowe sieci neuronowych i metoda ich zapisu za pomocą macierzy. Obliczenia

Bardziej szczegółowo

Wielokategorialne systemy uczące się i ich zastosowanie w bioinformatyce. Rafał Grodzicki

Wielokategorialne systemy uczące się i ich zastosowanie w bioinformatyce. Rafał Grodzicki Welokategoralne systemy uząe sę h zastosowane w bonformatye Rafał Grodzk Welokategoralny system uząy sę (multlabel learnng system) Zbór danyh weśowyh: d X = R Zbór klas (kategor): { 2 } =...Q Zbór uząy:

Bardziej szczegółowo

Ż ż Ł ż ż ż Ż Ś ż ż ż Ł Ż Ż ć ż Ż Ż Ż Ń Ż Ź ż Ź Ź ż Ż ż ż Ż Ł Ż Ł Ż ż Ż ż Ż Ż Ń Ą Ż Ń Ż Ń ć ż Ż ź Ś ć Ł Ł Ź Ż Ż ż Ł ż Ż Ł Ż Ł ź ć ż Ż Ż ż ż Ó ż Ł Ż ć Ż Ż Ę Ż Ż Ż ż Ż ż ż Ś ż Ż ż ż ź Ż Ń ć Ż ż Ż Ż ż ż ż

Bardziej szczegółowo

Ś Ł Ą Ś Ś ź Ś ń ż ż Ó ż ż Ś Ł ż ń ń ń ż ń Ś ń ć ŚĘ Ó Ł Ę Ł Ś Ę Ę ń ń ń ń ń Ź ń ń ń ń ń ż ń ń ń ń ń Ę ż ż ć Ść ń ń ż Ń ż ż ń ń Ś Ą ń Ś ń ń ż Ó ż Ź ń ż ń Ś Ń Ó ż Ł ż Ą ź ź Ś Ł ć Ś ć ż ź ż ć ć Ę Ó Ś Ó ż ż

Bardziej szczegółowo

Ł Ł Ś ź ń ź ź ź Ś Ł Ę Ę Ś ż Ś ń Ą Ś Ą Ł ż ż ń ż ć ż ż ż ź ż ć ź Ę Ę ń ć ż Ł ń ż ż ż Ś ż Ś ż ż ż ż ż ż ż ń ń ż ż ż ć ż ń ż ń ź ż ć ż ż ć ń ż Ę Ę ć ń Ę ż ż ń ń ź Ę ź ż ń ż ń ź ż ż ż ń ż ż ż ż ż ż ż ż ń ń

Bardziej szczegółowo

Ł Ł Ś Ę ź ń ź ź Ś Ę Ę Ś Ą Ś Ę Ż Ł ń Ę Ś ć ć ń ć ń ń ń ź ń Ę ź ń ń ń ź ź Ś ź ź ć ń ń ń ń Ś ć Ś ń ń Ś ź ń Ę ń Ś ź ź ź ź ź Ę Ę Ę Ś ń Ś ć ń ń ń ń ń ń Ę ń ń ń ń ć ń ń ń ń ć ń Ś ć Ł ń ń ń ć ń ć ź ń ź ć ń ń ć

Bardziej szczegółowo

Postępy neuroinżynierii Podsumowanie

Postępy neuroinżynierii Podsumowanie Postępy neuroinżynierii Podsumowanie Paweł Strumiłło Zakład Elektroniki Medycznej Neuroinżynieria Neuroinżynieria (ang. neuroengineering) jest dyscypliną, w której wykorzystuje się techniki inżynierii

Bardziej szczegółowo

Rodzaje Code slicing w weryfikacji Narzędzia Literatura. Code slicing. Bartłomiej Wołowiec. 16 lutego 2011

Rodzaje Code slicing w weryfikacji Narzędzia Literatura. Code slicing. Bartłomiej Wołowiec. 16 lutego 2011 w weryfikacji 16 lutego 2011 w weryfikacji 1 Rodzaje Statyczny slicing (ang. Static Slicing) Dynamiczny slicing (ang. Dynamic Slicing) Warunkowy slicing (ang. Conditioned Slicing) Bezpostaciowy slicing

Bardziej szczegółowo

Problemy studentów na I roku

Problemy studentów na I roku Poczatek studiów Problemy studentów na I roku Jacek Cichoń Wydział Podstawowych Problemów Techniki Politechniki Wrocławskiej VIII Konferencja Regionalna: 5 grudnia 2011 Poczatek studiów Program I roku

Bardziej szczegółowo

WSTĘP DO INFORMATYKI SIECI NEURONOWE I SZTUCZNA INTELIGENCJA wykład

WSTĘP DO INFORMATYKI SIECI NEURONOWE I SZTUCZNA INTELIGENCJA wykład WSTĘP DO INFORMATYKI SIECI NEURONOWE I SZTUCZNA INTELIGENCJA wykład Adrian Horzyk Web: http://home.agh.edu.pl/~horzyk/ E-mail: horzyk@agh.edu.pl Google: Adrian Horzyk, Gabinet: paw. C3p. 205 Akademia Górniczo-Hutniacza

Bardziej szczegółowo

LISTA PUBLIKACJI. dr Ewa Kołczyk Instytut Informatyki Uniwersytetu Wrocławskiego. Artykuły. Książki

LISTA PUBLIKACJI. dr Ewa Kołczyk Instytut Informatyki Uniwersytetu Wrocławskiego. Artykuły. Książki dr Ewa Kołczyk Instytut Informatyki Uniwersytetu Wrocławskiego Artykuły LISTA PUBLIKACJI 1. Hardt-Olejniczak, G., Kołczyk, E., Uwagi o kształceniu nauczycieli informatyki, Komputer w Edukacji, 1-2(1997),

Bardziej szczegółowo

dr inż. SZYMON ŁUKASIK

dr inż. SZYMON ŁUKASIK dr inż. SZYMON ŁUKASIK Data i miejsce urodzenia: E-mail: 22 kwietnia 1981, Szczawnica slukasik@agh.edu.pl, slukasik@ibspan.waw.pl WYKSZTAŁCENIE 04.2013-07.2013 szkolenie z zakresu zarządzania w nauce,

Bardziej szczegółowo

MATLAB Neural Network Toolbox przegląd

MATLAB Neural Network Toolbox przegląd MATLAB Neural Network Toolbox przegląd WYKŁAD Piotr Ciskowski Neural Network Toolbox: Neural Network Toolbox - zastosowania: przykłady zastosowań sieci neuronowych: The 1988 DARPA Neural Network Study

Bardziej szczegółowo

Wielkoskalowe obliczenia komputerowej dynamiki płynów na procesorach graficznych -- pakiet Sailfish

Wielkoskalowe obliczenia komputerowej dynamiki płynów na procesorach graficznych -- pakiet Sailfish Michał Januszewski Materialy do broszury końcowej TWING. Wielkoskalowe obliczenia komputerowej dynamiki płynów na procesorach graficznych -- pakiet Sailfish Od około 5 lat procesory graficzne (GPU) znajdują

Bardziej szczegółowo

Testowanie i walidacja oprogramowania

Testowanie i walidacja oprogramowania Testowanie i walidacja oprogramowania Inżynieria oprogramowania, sem.5 cz. 5 Rok akademicki 2010/2011 Dr inż. Wojciech Koziński Przykład Obliczmy sumę: 0+1+2+...+i, i є [0,100] read(i); if((i < 0)(i >

Bardziej szczegółowo

Books edited by professor Ryszard Tadeusiewicz

Books edited by professor Ryszard Tadeusiewicz Books edited by professor Ryszard Tadeusiewicz Książki, w których prof. Tadeusiewicz pełnił funkcje redaktora 2015 2014 2013 1. Romanowski A., Sankowski D., Tadeusiewicz R. (eds.): Modelling and Identification

Bardziej szczegółowo

Matematyka od zaraz zatrudnię

Matematyka od zaraz zatrudnię Uniwersytet Jagielloński Gdzie jest matematyka? Soczewka, 26-28 listopada 2010 Kolorowanie grafów Dobre kolorowanie wierzchołków grafu, to nadanie im kolorów w taki sposób, że każde dwa wierzchołki połaczone

Bardziej szczegółowo

Wniosek o przeprowadzenie postępowania habilitacyjnego w dziedzinie nauk technicznych w dyscyplinie Informatyka AUTOREFERAT

Wniosek o przeprowadzenie postępowania habilitacyjnego w dziedzinie nauk technicznych w dyscyplinie Informatyka AUTOREFERAT dr inż. Michał Małafiejski Politechnika Gdańska Wydział Elektroniki, Telekomunikacji i Informatyki Katedra Algorytmów i Modelowania Systemów Wniosek o przeprowadzenie postępowania habilitacyjnego w dziedzinie

Bardziej szczegółowo

Adam Pawe l Wojda. 1988: kolokwium habilitacyjne w Uniwersytecie im. Adama Mickiewicza w Poznaniu, praca Cykle i ścieżki w grafach i digrafach

Adam Pawe l Wojda. 1988: kolokwium habilitacyjne w Uniwersytecie im. Adama Mickiewicza w Poznaniu, praca Cykle i ścieżki w grafach i digrafach C U R R I C U L U M V I T A E Wydzia l Matematyki Stosowaneji Akademia Gorniczo-Hutnicza Al. Mickiewicza 30 30-059 Kraków Wykszta lcenie Adam Pawe l Wojda 1969: mgr matematyki - studia matematyki ukończone

Bardziej szczegółowo

Zastosowanie teorii grafów w Geograficznych Systemach Informacyjnych

Zastosowanie teorii grafów w Geograficznych Systemach Informacyjnych Zastosowanie teorii grafów w Geograficznych Systemach Informacyjnych Katarzyna Lange Centrum GIS Uniwersytet Gdański Wydział Oceanografii i Geografii Najważniejsze osiągnięcia teorii grafów były rezultatem

Bardziej szczegółowo

Wycena nieruchomości za pomocą wyboru wielokryterialnego w warunkach niepewności rozmytej oraz klasycznie: metodą pp i kcś

Wycena nieruchomości za pomocą wyboru wielokryterialnego w warunkach niepewności rozmytej oraz klasycznie: metodą pp i kcś Wycena nieruchomości za pomocą wyboru wielokryterialnego w warunkach niepewności rozmytej oraz klasycznie: metodą pp i kcś Materiały reklamowe ZAWAM-Marek Zawadzki Wybór wielokryterialny jako jadna z metod

Bardziej szczegółowo

SPRAWOZDANIE z grantu obliczeniowego za rok 2011

SPRAWOZDANIE z grantu obliczeniowego za rok 2011 Zakład Chemii Nieorganicznej i Strukturalnej Wydział Chemiczny Politechnika Wrocławska SPRAWOZDANIE z grantu obliczeniowego za rok 2011 Teoretyczne badania związków kompleksowych i metaloorganicznych,

Bardziej szczegółowo

EKSPLORACJA DANYCH DLA OPTYMALIZACJI KAMPANII MARKETINGOWYCH W SIECI SPOŁECZNEJ

EKSPLORACJA DANYCH DLA OPTYMALIZACJI KAMPANII MARKETINGOWYCH W SIECI SPOŁECZNEJ EKSPLORACJA DANYCH DLA OPTYMALIZACJI KAMPANII MARKETINGOWYCH W SIECI SPOŁECZNEJ Jerzy Surma, Szkoła Główna Handlowa Biznesowe wykorzystanie sieci społecznych jest naturalną konsekwencją ich niezwykle intensywnego

Bardziej szczegółowo

Instytut Informatyki Uniwersytet Wrocławski. Dane w sieciach. (i inne historie) Marcin Bieńkowski

Instytut Informatyki Uniwersytet Wrocławski. Dane w sieciach. (i inne historie) Marcin Bieńkowski Dane w sieciach (i inne historie) Marcin Bieńkowski Jak przechowywać dane w sieciach (strony WWW, bazy danych, ) tak, żeby dowolne ciągi odwołań do (części) tych obiektów mogły być obsłużone małym kosztem?

Bardziej szczegółowo

Wykładnicze grafy przypadkowe: teoria, przykłady, symulacje numeryczne

Wykładnicze grafy przypadkowe: teoria, przykłady, symulacje numeryczne Artykuł Wykładnicze grafy przypadkowe: teoria, przykłady, symulacje numeryczne Agata Fronczak Streszczenie Omówione w tej pracy, podejście do modelowania sieci złożonych wykorzystujące wykładnicze grafy

Bardziej szczegółowo

Rekrutacja na rok akademicki 2015/2016

Rekrutacja na rok akademicki 2015/2016 1 Rekrutacja na rok akademicki 2015/2016 Terminarz postępowania rekrutacyjnego na studia inżynierskie i licencjackie (I stopnia stacjonarne) rekrutacja "letnia" 2015 egzaminów z matematyki i/lub fizyki

Bardziej szczegółowo

Grafowy model bazy danych na przykładzie GOOD

Grafowy model bazy danych na przykładzie GOOD GOOD p. 1/1 Grafowy model bazy danych na przykładzie GOOD (Graph-Oriented Object Database Model) Marcin Jakubek GOOD p. 2/1 Plan prezentacji Przykłady modeli danych Zastosowania Inne modele grafowe Wizualizacja

Bardziej szczegółowo

Przykład: budowa placu zabaw (metoda ścieżki krytycznej)

Przykład: budowa placu zabaw (metoda ścieżki krytycznej) Przykład: budowa placu zabaw (metoda ścieżki krytycznej) Firma budowlana Z&Z podjęła się zadania wystawienia placu zabaw dla dzieci w terminie nie przekraczającym 20 dni. Listę czynności do wykonania zawiera

Bardziej szczegółowo

Poprawa charakterystyk promieniowania diod laserowych dużej mocy poprzez zastosowanie struktur periodycznych w płaszczyźnie złącza

Poprawa charakterystyk promieniowania diod laserowych dużej mocy poprzez zastosowanie struktur periodycznych w płaszczyźnie złącza Poprawa charakterystyk promieniowania diod laserowych dużej mocy poprzez zastosowanie struktur periodycznych w płaszczyźnie złącza Grzegorz Sobczak, Elżbieta Dąbrowska, Marian Teodorczyk, Joanna Kalbarczyk,

Bardziej szczegółowo

Wpływ zdarzeń ekstremalnych i superekstermalnych na stochastyczną dynamikę szeregów czasowych

Wpływ zdarzeń ekstremalnych i superekstermalnych na stochastyczną dynamikę szeregów czasowych Proc. niegaussowskie Smoki Metodologia Symulacje Podsumowanie Wpływ zdarzeń ekstremalnych i superekstermalnych na stochastyczną dynamikę szeregów czasowych T.R. Werner 1 T. Gubiec 2 P. Kosewski 2 R. Kutner

Bardziej szczegółowo

Transmisje grupowe dla IPv4, protokół IGMP, protokoły routowania dla transmisji grupowych IPv4.

Transmisje grupowe dla IPv4, protokół IGMP, protokoły routowania dla transmisji grupowych IPv4. Transmisje grupowe dla IPv4, protokół IGMP, protokoły routowania dla transmisji grupowych IPv4. Multicast transmisja grupowa, multiemisja. Idea: Wysłanie jednego pakietu ze źródła do wielu miejsc docelowych.

Bardziej szczegółowo

Narodziny 1960 1980 Rozwój 1980 2000 Dojrzałość 2000. Historia Internetu

Narodziny 1960 1980 Rozwój 1980 2000 Dojrzałość 2000. Historia Internetu Elektroniczne Przetwarzanie Informacji Konsultacje: czw. 14.00-15.30, pokój 3.211 Plan prezentacji Narodziny 1960 1980 Rozwój 1980 2000 Dojrzałość 2000 Plan prezentacji Narodziny 1960 1980 Rozwój 1980

Bardziej szczegółowo

UWAGI O TESTACH JARQUE A-BERA

UWAGI O TESTACH JARQUE A-BERA PRZEGLĄD STATYSTYCZNY R. LVII ZESZYT 4 010 CZESŁAW DOMAŃSKI UWAGI O TESTACH JARQUE A-BERA 1. MIARY SKOŚNOŚCI I KURTOZY W literaturze statystycznej prezentuje się wiele miar skośności i spłaszczenia (kurtozy).

Bardziej szczegółowo

Uniwersytet Mikołaja Kopernika. Wydział Matematyki i Informatyki. Jarosław Piersa piersaj(at)mat.uni.torun.pl

Uniwersytet Mikołaja Kopernika. Wydział Matematyki i Informatyki. Jarosław Piersa piersaj(at)mat.uni.torun.pl Uniwersytet Mikołaja Kopernika Wydział Matematyki i Informatyki Jarosław Piersa piersaj(at)mat.uni.torun.pl Abstrakt Poniższy referat dotyczy zagadnień uczenia w sieciach neuronowych i bayesowskich(sieciach

Bardziej szczegółowo

Recenzja rozprawy doktorskiej mgr Ziemowita Klimondy

Recenzja rozprawy doktorskiej mgr Ziemowita Klimondy Warszawa, dnia 29 kwietnia 2013r. dr hab. inż. Krzysztof Kałużyński, prof.nzw. PW Instytut Metrologii i Inżynierii Biomedycznej PW ul.boboli 8, 02-525 Warszawa Recenzja rozprawy doktorskiej mgr Ziemowita

Bardziej szczegółowo

W tym rozdziale książka opisuje kilka podejść do poszukiwania kolokacji.

W tym rozdziale książka opisuje kilka podejść do poszukiwania kolokacji. 5 Collocations Związek frazeologiczny (kolokacja), to często używane zestawienie słów. Przykłady: strong tea, weapons of mass destruction, make up. Znaczenie całości wyrażenia, nie zawsze wynika ze znaczeń

Bardziej szczegółowo

WSTĘPNE MODELOWANIE ODDZIAŁYWANIA FALI CIŚNIENIA NA PÓŁSFERYCZNY ELEMENT KOMPOZYTOWY O ZMIENNEJ GRUBOŚCI

WSTĘPNE MODELOWANIE ODDZIAŁYWANIA FALI CIŚNIENIA NA PÓŁSFERYCZNY ELEMENT KOMPOZYTOWY O ZMIENNEJ GRUBOŚCI WSTĘPNE MODELOWANIE ODDZIAŁYWANIA FALI CIŚNIENIA NA PÓŁSFERYCZNY ELEMENT KOMPOZYTOWY O ZMIENNEJ GRUBOŚCI Robert PANOWICZ Danuta MIEDZIŃSKA Tadeusz NIEZGODA Wiesław BARNAT Wojskowa Akademia Techniczna,

Bardziej szczegółowo

Wprowadzenie do analizy sieci społecznych

Wprowadzenie do analizy sieci społecznych Wprowadzenie do analizy sieci społecznych Mikołaj Morzy Agnieszka Ławrynowicz Instytut Informatyki Poznań, rok akademicki 2010/2011 (c) Mikołaj Morzy, Agnieszka Ławrynowicz, Instytut Informatyki Politechniki

Bardziej szczegółowo

KATALOG KURSÓW PRZEDMIOTÓW KSZTACŁENIA OGÓLNEGO

KATALOG KURSÓW PRZEDMIOTÓW KSZTACŁENIA OGÓLNEGO KATALOG KURSÓW PRZEDMIOTÓW KSZTACŁENIA OGÓLNEGO NA ROK AKADEMICKI 2015/2016 Politechnika Wrocławska Katalog kursów przedmiotów kształcenia ogólnego Oferta Ogólnouczelniana 2015/2016 Politechnika Wrocławska

Bardziej szczegółowo

Umiejscowienie duszy - od klasycznych poglądów do mózgowych sieci neuronalnych wysokiej hierarchii. Część III. Wiek XXI.

Umiejscowienie duszy - od klasycznych poglądów do mózgowych sieci neuronalnych wysokiej hierarchii. Część III. Wiek XXI. Umiejscowienie duszy - od klasycznych poglądów do mózgowych sieci neuronalnych wysokiej hierarchii. Część III. Wiek XXI. Soul localization - from the classical concepts to the cerebral neuronal networks

Bardziej szczegółowo

Korelacje krzyżowe kryzysów finansowych w ujęciu korelacji potęgowych. Analiza ewolucji sieci na progu liniowości.

Korelacje krzyżowe kryzysów finansowych w ujęciu korelacji potęgowych. Analiza ewolucji sieci na progu liniowości. Korelacje krzyżowe kryzysów finansowych w ujęciu korelacji potęgowych. Analiza ewolucji sieci na progu liniowości. Cross-correlations of financial crisis analysed by power law classification scheme. Evolving

Bardziej szczegółowo

Statystyka matematyczna Test χ 2. Wrocław, 18.03.2016r

Statystyka matematyczna Test χ 2. Wrocław, 18.03.2016r Statystyka matematyczna Test χ 2 Wrocław, 18.03.2016r Zakres stosowalności Testowanie zgodności Testowanie niezależności Test McNemara Test ilorazu szans Copyright 2014, Joanna Szyda ZAKRES STOSOWALNOŚCI

Bardziej szczegółowo

Akademia Morska w Szczecinie. Wydział Mechaniczny

Akademia Morska w Szczecinie. Wydział Mechaniczny Akademia Morska w Szczecinie Wydział Mechaniczny ROZPRAWA DOKTORSKA mgr inż. Marcin Kołodziejski Analiza metody obsługiwania zarządzanego niezawodnością pędników azymutalnych platformy pływającej Promotor:

Bardziej szczegółowo

STRUKTURA SPOŁECZNOŚCI SIECI POWIĄZAŃ RAD DYREKTORÓW PRZEDSIĘBIORSTW NA POLSKIM RYNKU KAPITAŁOWYM 2

STRUKTURA SPOŁECZNOŚCI SIECI POWIĄZAŃ RAD DYREKTORÓW PRZEDSIĘBIORSTW NA POLSKIM RYNKU KAPITAŁOWYM 2 PRZEGLĄD STATYSTYCZNY R. LXII ZESZYT 2 2015 DARIUSZ SIUDAK 1 STRUKTURA SPOŁECZNOŚCI SIECI POWIĄZAŃ RAD DYREKTORÓW PRZEDSIĘBIORSTW NA POLSKIM RYNKU KAPITAŁOWYM 2 1. WPROWADZENIE Sieci społeczne (ang. social

Bardziej szczegółowo

Neural networks. Krótka historia 2004-05-30. - rozpoznawanie znaków alfanumerycznych.

Neural networks. Krótka historia 2004-05-30. - rozpoznawanie znaków alfanumerycznych. Neural networks Lecture Notes n Pattern Recognton by W.Dzwnel Krótka hstora McCulloch Ptts (1943) - perwszy matematyczny ops dzalana neuronu przetwarzana przez nego danych. Proste neurony, które mogly

Bardziej szczegółowo

A.Z. Górski, S. Drożdż, J. Kwapień, P. Oświęcimka. Zakład Teorii Systemów Złożonych, Instytut Fizyki Jądrowej PAN, Kraków

A.Z. Górski, S. Drożdż, J. Kwapień, P. Oświęcimka. Zakład Teorii Systemów Złożonych, Instytut Fizyki Jądrowej PAN, Kraków COMPLEXITY CHARACTERISTICS OF CURRENCY NETWORKS A.Z. Górski, S. Drożdż, J. Kwapień, P. Oświęcimka Zakład Teorii Sstemów Złożoch, Isttut Fizki Jądrowej PAN, Kraków Układ o wielkiej złożoości moża przedstawiać

Bardziej szczegółowo

REPREZENTACJA HIERARCHICZNEGO GRAFU ZNAKOWAŃ Z WYKORZYSTANIEM FUNKCJI MONOTONICZNYCH

REPREZENTACJA HIERARCHICZNEGO GRAFU ZNAKOWAŃ Z WYKORZYSTANIEM FUNKCJI MONOTONICZNYCH II Konferencja Naukowa KNWS'0 "Informatyka- sztuka czy rzemios o" - czerwca 00, Z otniki Luba skie REPREZENTACJA HIERARCHICZNEGO GRAFU ZNAKOWAŃ Z WYKORZYSTANIE FUNKCJI ONOTONICZNYCH Piotr iczulski Instytut

Bardziej szczegółowo

Nowe techniki radioterapii w doniesieniach z ASTRO 57

Nowe techniki radioterapii w doniesieniach z ASTRO 57 Nowe techniki radioterapii w doniesieniach z ASTRO 57 Małgorzata Skórska Zakład Fizyki Medycznej Wielkopolskie Centrum Onkologii Nowe techniki RT SBRT & SRS MRI-Guided RT Drukarki 3D Terapia hadronowa

Bardziej szczegółowo

MODELOWANIE FAZ ZNI ANIA I L DOWANIA SAMOLOTU BOEING 767-300ER PRZY U YCIU SZTUCZNYCH SIECI NEURONOWYCH

MODELOWANIE FAZ ZNI ANIA I L DOWANIA SAMOLOTU BOEING 767-300ER PRZY U YCIU SZTUCZNYCH SIECI NEURONOWYCH P R A C E N A U K O W E P O L I T E C H N I K I W A R S Z A W S K I E J z. 102 Transport 2014 Aleksandra Stycunów, Jerzy Manerowski Politechnika Warszawska, Wydzia Transportu MODELOWANIE FAZ ZNI ANIA I

Bardziej szczegółowo

Sieci komputerowe. Wykład 0: O czym jest ten przedmiot. Marcin Bieńkowski. Instytut Informatyki Uniwersytet Wrocławski

Sieci komputerowe. Wykład 0: O czym jest ten przedmiot. Marcin Bieńkowski. Instytut Informatyki Uniwersytet Wrocławski Sieci komputerowe Wykład 0: O czym jest ten przedmiot Marcin Bieńkowski Instytut Informatyki Uniwersytet Wrocławski Sieci komputerowe (II UWr) Wykład 0 1 / 17 Wprowadzenie Co o sieci wie sama sieć Sieć

Bardziej szczegółowo

Elektrofizjologia neuronu

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

Bardziej szczegółowo

I INTERNATIONAL SCIENTIFIC CONFERENCE

I INTERNATIONAL SCIENTIFIC CONFERENCE I INTERNATIONAL SCIENTIFIC CONFERENCE EU SECURITY AND CRISIS MANAGEMENT FLOOD-2010 ATENEUM UNIVERSITY IN GDANSK P FUNDATION PRO POMERANIA NOTICE NO. 1 I International Scientific Conference EU SECURITY

Bardziej szczegółowo

Dwufazowy system monitorowania obiektów. Karina Murawko, Michał Wiśniewski

Dwufazowy system monitorowania obiektów. Karina Murawko, Michał Wiśniewski Dwufazowy system monitorowania obiektów Karina Murawko, Michał Wiśniewski Instytut Grafiki Komputerowej i Systemów Multimedialnych Wydziału Informatyki Politechniki Szczecińskiej Streszczenie W artykule

Bardziej szczegółowo

Immunizacja ryzyka stopy procentowej ubezpieczycieli życiowych

Immunizacja ryzyka stopy procentowej ubezpieczycieli życiowych Immunizacja ryzyka stopy procentowej ubezpieczycieli życiowych Elżbieta Krajewska Instytut Matematyki Politechnika Łódzka Elżbieta Krajewska Immunizacja ubezpieczycieli życiowych 1/22 Plan prezentacji

Bardziej szczegółowo

dr inż. Przemysław Perlikowski Politechnika Łódzka Katedra Dynamiki Maszyn AUTOREFERAT

dr inż. Przemysław Perlikowski Politechnika Łódzka Katedra Dynamiki Maszyn AUTOREFERAT dr inż. Przemysław Perlikowski Politechnika Łódzka Katedra Dynamiki Maszyn AUTOREFERAT Łódź 2011 SPIS TREŚCI Życiorys 3 Opis osiągnięcia naukowego 5 Przebieg pracy zawodowej 7 Wykaz dorobku naukowo-badawczego

Bardziej szczegółowo

YAKY, YAKYżo 0,6/1 kv. Kable elektroenergetyczne z izolacją PVC. Norma IEC - 60502-1:2004. Konstrukcja. Zastosowanie. Właściwości

YAKY, YAKYżo 0,6/1 kv. Kable elektroenergetyczne z izolacją PVC. Norma IEC - 60502-1:2004. Konstrukcja. Zastosowanie. Właściwości Kable elektroenergetyczne z izolacją PVC Power cables with PVC insulation YKY, YKYżo 0,6/1 kv Norma Standard IEC - 60502-1:2004 3 2 1 Konstrukcja Construction Żyła przewodząca aluminiowa luminium Izolacja

Bardziej szczegółowo

WYKAZ PUBLIKACJI PRACOWNIKÓW KATEDRY MIKROELEKTRONIKI I TECHNIK INFORMATYCZNYCH. 1999 r.

WYKAZ PUBLIKACJI PRACOWNIKÓW KATEDRY MIKROELEKTRONIKI I TECHNIK INFORMATYCZNYCH. 1999 r. WYKAZ PUBLIKACJI PRACOWNIKÓW KATEDRY MIKROELEKTRONIKI I TECHNIK INFORMATYCZNYCH 1999 r. A. KSIĄŻKI (monografie, książki, skrypty) oraz ROZDZIAŁY 1. NAPIERALSKI A. (Editor): MIXED DESIGN OF INTEGRATED CIRCUITS

Bardziej szczegółowo

13 Zastosowania Lematu Szemerédiego

13 Zastosowania Lematu Szemerédiego 13 Zastosowania Lematu Szemerédiego 13.1 Twierdzenie Erdősa-Stone a (Rozdzia ly 7.1 i 7.5 podre cznika) Jednym z g lównych zagadnień ekstremalnej teorii grafów jest wyznaczenie parametru ex(n, H) = max{

Bardziej szczegółowo

AKADEMIA GÓRNICZO-HUTNICZA

AKADEMIA GÓRNICZO-HUTNICZA AKADEMIA GÓRNICZO-HUTNICZA IM. STANISŁAWA STASZICA WYDZIAŁ ELEKTROTECHNIKI, AUTOMATYKI, INFORMATYKI I INŻYNIERII BIOMEDYCZNEJ KATEDRA AUTOMATYKI I INŻYNIERII BIOMEDYCZNEJ AUTOREFERAT ROZPRAWY DOKTORSKIEJ

Bardziej szczegółowo

Sztuczne neurony - programowanie w C++ Opracowanie: dr hab. Mirosław R. Dudek, prof. UZ

Sztuczne neurony - programowanie w C++ Opracowanie: dr hab. Mirosław R. Dudek, prof. UZ programowanie w C++ dla OWK Sztuczne neurony - programowanie w C++ Opracowanie: dr hab. Mirosław R. Dudek, prof. UZ 1 Streszczenie Dyskusja o stworzeniu sztucznego mózgu zawsze powoduje duże emocje. Pierwszy

Bardziej szczegółowo

Dykrotyzm oka wyjaśnienie występowania nowo zaobserwowanego zjawiska.

Dykrotyzm oka wyjaśnienie występowania nowo zaobserwowanego zjawiska. Dykrotyzm oka wyjaśnienie występowania nowo zaobserwowanego zjawiska. Mgr inż. Maja Berezowska Promotorzy : dr hab. inż. Jerzy Detyna, prof. nadzw. PWr dr inż. Monika Danielewska Plan prezentacji (1) Problem

Bardziej szczegółowo

Kinect: dostępne biblioteki

Kinect: dostępne biblioteki Kamery 3D Kinect Xbox 360 Budowa sensora Kinect Xbox 360: kamera wizyjna RGB (typu CMOS o rozdzielczości 640x480, kamera IR (typu CMOS zwracająca informację o głębokości (rozdzielczość ~300x200, 4 mikrofony

Bardziej szczegółowo

Outlier to dana (punkt, obiekt, wartośd w zbiorze) znacznie odstająca od reszty. prezentacji punktów odstających jest rysunek poniżej.

Outlier to dana (punkt, obiekt, wartośd w zbiorze) znacznie odstająca od reszty. prezentacji punktów odstających jest rysunek poniżej. Temat: WYKRYWANIE ODCHYLEO W DANYCH Outlier to dana (punkt, obiekt, wartośd w zbiorze) znacznie odstająca od reszty. prezentacji punktów odstających jest rysunek poniżej. Przykładem Box Plot wygodną metodą

Bardziej szczegółowo