2.1.M.06: Modelowanie i wspomaganie komputerowe w inżynierii powierzchni
|
|
- Bogusław Kulesza
- 7 lat temu
- Przeglądów:
Transkrypt
1 2nd Workshop on Foresight of surface properties formation leading technologies of engineering materials and biomaterials in Białka Tatrzańska, Poland 29th-30th November Panel nt. Procesy wytwarzania zdeterminowane stanem wiedzy i możliwościami produkcyjnymi parku maszynowego 2.1.M.06: Modelowanie i wspomaganie komputerowe w inżynierii powierzchni J. Trzaska Politechnika Śląska Model (w nauce) umyślnie i celowo uproszczona reprezentacja rzeczywistości. Model jest pozbawiony wielu szczegółów i cech nieistotnych z punktu widzenia modelowanej rzeczywistości. Model matematyczny zbiór symboli i relacji matematycznych oraz zasad posługiwania się nimi, przy czym opisane w modelu symbole i relacje odnoszą się do konkretnych elementów modelowanego obszaru rzeczywistości. Gutenbaum J., Modelowanie matematyczne systemów, Akademicka Oficyna Wydawnicza EXIT, Warszawa, 2003.
2 Proces myślowy prowadzący do powstania modelu matematycznego. Awrejcewicz J., Matematyczne modelowanie systemów, WNT, Warszawa, NATIONAL COHESIO N STRATEGY Etapy modelowania matematycznego: sformułowanie celów modelowania, wybór rodzaju modelu i określenie jego struktury, algorytmizacja obliczeń, weryfikacja obliczeń. Opracowanie modelu matematycznego ma zwykle charakter iteracyjny. Stwierdzenie niezgodności z danymi doświadczalnymi, na przykład na etapie weryfikacji obliczeń, wymusza powrót do wcześniejszych etapów i zmianę założeń, rodzaju czy struktury modelu. Gutenbaum J., Modelowanie matematyczne systemów, Akademicka Oficyna Wydawnicza EXIT, Warszawa, NATIONAL COHESIO N STRATEGY
3 Wybrane kategorie modeli: modele funkcyjne (deterministyczne) i stochastyczne, modele korelacyjne i przyczynowe, modele dynamiczne i statyczne, modele systemów o parametrach rozłożonych w przestrzeni, modele ciągłe i dyskretne, modele całkowito liczbowe i binarne. Metody rozwiązywania równań opisujących model: analityczne, numeryczne, symulacyjne. Gutenbaum J., Modelowanie matematyczne systemów, Akademicka Oficyna Wydawnicza EXIT, Warszawa, NATIONAL COHESIO N STRATEGY Trzy filary nauki Kleiber M., Modelowanie i Symulacja Komputerowa. Moda czy Naturalny Trend Rozwoju Nauki, Nauka 4 (1999) NATIONAL COHESIO N STRATEGY
4 Wybór metod Thin Solid Films (7 300) Applied Surface Science (6 963) Materials Science and Engineering: A (5 821) Wybór metod Dynamika Molekularna 21% Systemy Ekspertowe 2% Inne 5% Sieci neuronowe; 4% Automaty Komórkowe 3% Logika Rozmyta 1% Modelowanie Wieloskalowe 5% Analiza Fraktalna 1% Algorytmy genetyczne Monte Carlo 3% 11% 389 (rok 2008) Metoda Elementów Skończonych 43%
5 Wybrane metody modelowania: Metoda Elementów Skończonych Sztuczne sieci neuronowe Algorytmy genetyczne Systemy ekspertowe Logika rozmyta Automaty komórkowe Analiza fraktalna Metody Monte Carlo Dynamika Molekularna Modelowanie wieloskalowe Metoda elementów skończonych Możliwość uzyskania wyników dla skomplikowanych kształtów (wyniki niemożliwe do uzyskania metodami analitycznymi). Uniwersalność może być stosowana do rozwiązywania wielu klas problemów. Modelowanie zagadnień liniowych i nieliniowych. Własności materiałów nie muszą być jednakowe - możliwość prowadzenia obliczeń dla materiałów wielofazowych lub materiałów w których własności są np. funkcją temperatury. Ośrodek o skomplikowanym kształcie może być aproksymowany z dużą dokładnością za pomocą elementów krzywoliniowych. Wymiary elementów mogą być objętościowo różne. Za pomocą MES można uwzględniać nieliniowe warunki brzegowe. Symulacje nie mogą być prowadzone w czasie rzeczywistym. Obliczone wartości są wartościami przybliżonymi. Potrzebna duża moc obliczeniowa. Konieczność kontroli błędu numerycznego (błąd może zależeć od: gęstości siatki, zmiany warunków brzegowych, zmiany własności materiałowych, kroku czasowego itp.)
6 Sztuczne sieci neuronowe Rozwiązywanie problemów bez znajomości analitycznej zależności między danymi wejściowymi i oczekiwanymi wyjściami. łatwość użycia - nie wymagają programowania (wykorzystują proces uczenia). Zdolność do generalizacji wiedzy nabytej w trakcie uczenia. Różnorodność zastosowań. Odporność na szumy w danych uczących. Skuteczne w rozwiązywaniu problemów nieseparowalnych. Brak dowodów zbiegania do globalnego minimum metodami gradientowymi Niebezpieczeństwo przeuczenia (przetrenowania lub niedouczenia sieci Kłopotliwe dla niedoświadczonego użytkownika ustalenie architektury sieci i parametrów algorytmu uczenia i interpretacji wyników Przybliżone wyniki obliczeń. Brak rozumowania wieloetapowego. Algorytmy genetyczne Unikanie minimów lokalnych. Wyszukiwanie więcej niż jednego rozwiązania. Poszukiwanie rozwiązania w wielowymiarowej, złożonej przestrzeni rozwiązań. Względnie prosta implementacji. Nie występują ograniczenia postaci funkcji celu. Możliwość optymalizacji wielokryterialnej. Łatwa współpraca z innymi technikami (heurystyki inicjalizacyjne, przeszukiwanie lokalne). Możliwość łączenia z innymi metodami modelowania. Często występuje konieczność skalowania funkcji przystosowania. Konieczność podziału przestrzeni rozwiązań zmiennych modelu na skończoną liczbę przedziałów (reprezentacja genetyczna zawiera skończoną liczbę bitów). Przybliżone rozwiązanie.
7 Systemy ekspertowe Jawna interpretacja wiedzy i oddzielenie jej od procedur sterowania. Zdolność wyjaśniania wskazanego przez system rozwiązań problemów. Możliwość integracji wiedzy z wielu źródeł. Podejmowania złożonych decyzji w czasie rzeczywistym. Intuicyjna komunikacja z użytkownikiem. Przetwarzanie wiedzy oparte głównie na przetwarzanie symbolicznym, w mniejszym zaś stopniu przetwarzaniu numerycznym. Duża pracochłonność w czasie budowy systemu. Trudności w pozyskiwaniu i reprezentacji. Logika rozmyta Interpretacji wiedzy bazującej na pojęciach intuicyjnych. Przetwarzanie wiedzy nieprecyzyjnej. Naśladuje sposób postrzegania rzeczywistości przez człowieka i nieprecyzyjne określanie przez niego wartości. Szczególnie przydatna w przypadku systemów, w których czynnik ludzki odgrywa zasadniczą rolę. Operowanie na zbiorach rozmytych, zamiast na liczbach umożliwia uogólnienie informacji. Sposób rozumowania i interpretowania pewnych wielkości jest często przybliżony.
8 Automaty komórkowe Wykorzystywanie zależności lokalnych do modelowania globalnego zachowania systemu. Stosunkowa prostota metody. Brak konieczności znajomości skomplikowanych zjawisk fizycznych. Umiejętność opisania statystyki lokalnych konfiguracji zmiennych. Niedokładność obliczeń. Trudności w znalezieniu funkcji przejścia dla złożonych problemów. Analiza fraktalna Umożliwia ilościową charakterystykę cech geometrycznych powierzchni. Umożliwia ilościową charakterystykę stopnia nieregularności powierzchni niezależnie od skali - wartość wymiaru fraktalnego opisującego związek między wielkością powierzchni a skalą pomiaru jest stała w szerokim zakresie. Możliwość charakterystyki układów niejednorodnych, które mogą być traktowane jako podzbiory o lokalnych właściwościach samopodobnych (analiza multifraktalna).
9 Metody Monte Carlo Możliwość modelowania złożonych procesów dla których rozwiązanie analityczne jest trudne do uzyskania. Nie jest wymagana znajomość modelu środowiska. Eksperymenty dla skończonej liczby prób. Przybliżone wyniki obliczeń. Wyniki (dokładność obliczeń) zależą od jakości generatora liczb pseudolosowych. Badanie struktury i własności w stanie równowagowym. Nienajlepsze wyniki badania własności zależnych od czasu. Powolna zbieżność obliczeń. Dynamika Molekularna Wyniki mogą dostarczyć danych niedostępnych lub trudnych do uzyskania dla rzeczywistych eksperymentów. Możliwość wnioskowania o własnościach makroskopowych takich układu (temperatura, ciepło właściwe, współczynnik dyfuzji, przewodność cieplna i elektryczna). Wyniki dostarczają informacji o trajektoriach ruchu cząstek. Niezbędna duża moc obliczeniowa komputerów. Długi czas obliczeń. Mała efektywność w badaniach układów ze słabym mieszaniem (np. układów cząsteczek o bardzo zróżnicowanej masie).
10 Modelowanie wieloskalowe Zastosowanie sprzężenia zwrotnego między różnymi skalami modelu umożliwia wierniejsze opisanie rzeczywistego zachowania się materiału. Uzyskanie obrazu mikrostruktury materiału ma istotny wpływ na ocenę własności wyrobów gotowych i może być wykorzystywane na przykład do modelowania procesów technologicznych. Możliwość opisania złożonego układu dzięki analizie oddziaływania między jego podstawowymi elementami składowymi. Duża złożoność obliczeniowa. Liczba związana z analizowanymi metodami modelowania w wybranych czasopismach w latach Liczba Rok
11 Liczba związana z analizowanymi metodami modelowania w wybranych czasopismach w latach Dynamika Molekularna; 686; 27% Automaty Komórkowe; 13; 1% Sieci neuronowe; 91; 4% Logika Rozmyta; 20; 1% Metoda Elementów Skończonych; 674; 26% ,8% wszystkich Modelowanie Wieloskalowe; 38; 2% Monte Carlo; 631; 25% Algorytmy genetyczne; 40; 2% Analiza Fraktalna; 271; 11% Systemy Ekspertowe; 14; 1% Liczba związana z analizowanymi metodami modelowania w Computational Materials Science w latach Systemy Ekspertowe; 9; 0% Modelowanie Wieloskalowe; 120; 6% Dynamika Molekularna; 529; 26% Sieci neuronowe; 91; 4% Analiza Fraktalna; 38; Algorytmy genetyczne; 2% 75; 4% Monte Carlo; 247; 12% Automaty Komórkowe; 57; 3% Logika Rozmyta; 14; 1% % wszystkich Metoda Elementów Skończonych; 852; 42% 2472
12 Porównanie udziału poszczególnych metod modelowania w analizowanych publikacjach w latach Dynamika Molekularna 28% Modelowanie Wieloskalowe 2% Sztuczna Inteligencja 7% Metoda Elementów Skończonych 27% Dynamika Molekularna 26% Modelowanie Wieloskalowe 6% Sztuczna Inteligencja 12% Monte Carlo 25% Analiza Fraktalna 11% Monte Carlo 12% Analiza Fraktalna 2% Metoda Elementów Skończonych 42% Liczba związana z analizowanymi metodami modelowania w wybranych czasopismach w latach Liczba Rok Dynamika Molekularna 629 Monte Carlo 589 Metoda Elementów Skończonych 605 Analiza Fraktalna 248 Sztuczna Inteligencja 186
13 Podsumowanie Podstawowe metody modelowania w obszarze inżynierii powierzchni można podzielić na dwie kategorie: szeroko rozumiane modelowanie matematyczne, któremu towarzyszą rozwiązania numeryczne oraz metody inne, wśród których należy wyróżnić metody inteligencji obliczeniowej i sztucznej inteligencji. Wzrasta popularność modelowania wieloskalowego. Uwzględnienie oddziaływania między różnymi skalami modelu umożliwia wierniejsze opisanie rzeczywistego zachowania się materiału. Istotny wpływ na rozwój metod modelowania ma dynamiczny wzrost mocy obliczeniowej komputerów.
2.2.P.07: Komputerowe narzędzia inżynierii powierzchni
2nd Workshop on Foresight of surface properties formation leading technologies of engineering materials and biomaterials in Białka Tatrzańska, Poland 29th-30th November 2009 2 Panel nt. Produkt oraz materiał
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 szczegółowoODWZOROWANIE RZECZYWISTOŚCI
ODWZOROWANIE RZECZYWISTOŚCI RZECZYWISTOŚĆ RZECZYWISTOŚĆ OBIEKTYWNA Ocena subiektywna OPIS RZECZYWISTOŚCI Odwzorowanie rzeczywistości zależy w dużej mierze od możliwości i nastawienia człowieka do otoczenia
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: INTELIGENTNE SYSTEMY OBLICZENIOWE Systems Based on Computational Intelligence Kierunek: Inżynieria Biomedyczna Rodzaj przedmiotu: obowiązkowy moduł specjalności informatyka medyczna Rodzaj
Bardziej szczegółowoMetody symulacji komputerowych Modelowanie systemów technicznych
Metody symulacji komputerowych Modelowanie systemów technicznych dr inż. Ryszard Myhan Katedra Inżynierii Procesów Rolniczych Program przedmiotu Lp. Temat Zakres 1. Wprowadzenie do teorii systemów Definicje
Bardziej szczegółowoPodsumowanie wyników ankiety
SPRAWOZDANIE Kierunkowego Zespołu ds. Programów Kształcenia dla kierunku Informatyka dotyczące ankiet samooceny osiągnięcia przez absolwentów kierunkowych efektów kształcenia po ukończeniu studiów w roku
Bardziej szczegółowoPodstawy metodologiczne symulacji
Sławomir Kulesza kulesza@matman.uwm.edu.pl Symulacje komputerowe (05) Podstawy metodologiczne symulacji Wykład dla studentów Informatyki Ostatnia zmiana: 26 marca 2015 (ver. 4.1) Spirala symulacji optymistycznie
Bardziej szczegółowoJacek Skorupski pok. 251 tel konsultacje: poniedziałek , sobota zjazdowa
Jacek Skorupski pok. 251 tel. 234-7339 jsk@wt.pw.edu.pl http://skorupski.waw.pl/mmt prezentacje ogłoszenia konsultacje: poniedziałek 16 15-18, sobota zjazdowa 9 40-10 25 Udział w zajęciach Kontrola wyników
Bardziej szczegółowoZastosowanie sztucznych sieci neuronowych w prognozowaniu szeregów czasowych (prezentacja 2)
Zastosowanie sztucznych sieci neuronowych w prognozowaniu szeregów czasowych (prezentacja 2) Ewa Wołoszko Praca pisana pod kierunkiem Pani dr hab. Małgorzaty Doman Plan tego wystąpienia Teoria Narzędzia
Bardziej szczegółowoModelowanie i obliczenia techniczne. dr inż. Paweł Pełczyński
Modelowanie i obliczenia techniczne dr inż. Paweł Pełczyński ppelczynski@swspiz.pl Literatura Z. Fortuna, B. Macukow, J. Wąsowski: Metody numeryczne, WNT Warszawa, 2005. J. Awrejcewicz: Matematyczne modelowanie
Bardziej szczegółowoMetody i techniki sztucznej inteligencji / Leszek Rutkowski. wyd. 2, 3 dodr. Warszawa, Spis treści
Metody i techniki sztucznej inteligencji / Leszek Rutkowski. wyd. 2, 3 dodr. Warszawa, 2012 Spis treści Przedmowa do wydania drugiego Przedmowa IX X 1. Wstęp 1 2. Wybrane zagadnienia sztucznej inteligencji
Bardziej szczegółowoNajprostszy schemat blokowy
Definicje Modelowanie i symulacja Modelowanie zastosowanie określonej metodologii do stworzenia i weryfikacji modelu dla danego układu rzeczywistego Symulacja zastosowanie symulatora, w którym zaimplementowano
Bardziej szczegółowoKierunek: Informatyka Stosowana Poziom studiów: Studia I stopnia Forma i tryb studiów: Stacjonarne. Wykład Ćwiczenia
Wydział: Inżynierii Metali i Informatyki Przemysłowej Kierunek: Informatyka Stosowana Poziom studiów: Studia I stopnia Forma i tryb studiów: Stacjonarne Rocznik: 216/217 Język wykładowy: Polski Semestr
Bardziej szczegółowoEfekty kształcenia dla makrokierunku: INFORMATYKA STOSOWANA Z KOMPUTEROWĄ NAUKĄ O MATERIAŁACH Wydział: MECHANICZNY TECHNOLOGICZNY
Efekty kształcenia dla makrokierunku: INFORMATYKA STOSOWANA Z KOMPUTEROWĄ NAUKĄ O MATERIAŁACH Wydział: MECHANICZNY TECHNOLOGICZNY nazwa kierunku studiów: Makrokierunek: Informatyka stosowana z komputerową
Bardziej szczegółowoPlan. Zakres badań teorii optymalizacji. Teoria optymalizacji. Teoria optymalizacji a badania operacyjne. Badania operacyjne i teoria optymalizacji
Badania operacyjne i teoria optymalizacji Instytut Informatyki Poznań, 2011/2012 1 2 3 Teoria optymalizacji Teoria optymalizacji a badania operacyjne Teoria optymalizacji zajmuje się badaniem metod optymalizacji
Bardziej szczegółowoKierunek: Informatyka Stosowana Poziom studiów: Studia I stopnia Forma i tryb studiów: Stacjonarne. Wykład Ćwiczenia
Wydział: Inżynierii Metali i Informatyki Przemysłowej Kierunek: Informatyka Stosowana Poziom studiów: Studia I stopnia Forma i tryb studiów: Stacjonarne Rocznik: 214/215 Język wykładowy: Polski Semestr
Bardziej szczegółowoZASTOSOWANIE SIECI NEURONOWYCH DO OPTYMALIZACJI WARUNKÓW OBRÓBKI CIEPLNEJ STOPÓW Mg-Al
LESZEK A. DOBRZAŃSKI, TOMASZ TAŃSKI ZASTOSOWANIE SIECI NEURONOWYCH DO OPTYMALIZACJI WARUNKÓW OBRÓBKI CIEPLNEJ STOPÓW Mg-Al APPLICATION OF NEURAL NETWORKS FOR OPTIMISATION OF Mg-Al ALLOYS HEAT TREATMENT
Bardziej szczegółowoDefinicje. Najprostszy schemat blokowy. Schemat dokładniejszy
Definicje owanie i symulacja owanie zastosowanie określonej metodologii do stworzenia i weryfikacji modelu dla danego rzeczywistego Symulacja zastosowanie symulatora, w którym zaimplementowano model, do
Bardziej szczegółowoOpis efektów kształcenia dla programu kształcenia (kierunkowe efekty kształcenia) WIEDZA. rozumie cywilizacyjne znaczenie matematyki i jej zastosowań
TABELA ODNIESIEŃ EFEKTÓW KSZTAŁCENIA OKREŚLONYCH DLA PROGRAMU KSZTAŁCENIA DO EFEKTÓW KSZTAŁCENIA OKREŚLONYCH DLA OBSZARU KSZTAŁCENIA I PROFILU STUDIÓW PROGRAM KSZTAŁCENIA: POZIOM KSZTAŁCENIA: PROFIL KSZTAŁCENIA:
Bardziej szczegółowo1.7. Eksploracja danych: pogłębianie, przeszukiwanie i wyławianie
Wykaz tabel Wykaz rysunków Przedmowa 1. Wprowadzenie 1.1. Wprowadzenie do eksploracji danych 1.2. Natura zbiorów danych 1.3. Rodzaje struktur: modele i wzorce 1.4. Zadania eksploracji danych 1.5. Komponenty
Bardziej szczegółowoReprezentacja rozmyta - zastosowania logiki rozmytej
17.06.2009 Wrocław Bartosz Chabasinski 148384 Reprezentacja rozmyta - zastosowania logiki rozmytej 1. Wstęp Celem wprowadzenia pojęcia teorii zbiorów rozmytych była potrzeba matematycznego opisania tych
Bardziej szczegółowo8. PODSTAWY ANALIZY NIELINIOWEJ
8. PODSTAWY ANALIZY NIELINIOWEJ 1 8. 8. PODSTAWY ANALIZY NIELINIOWEJ 8.1. Wprowadzenie Zadania nieliniowe mają swoje zastosowanie na przykład w rozwiązywaniu cięgien. Przyczyny nieliniowości: 1) geometryczne:
Bardziej szczegółowoMetody numeryczne Technika obliczeniowa i symulacyjna Sem. 2, EiT, 2014/2015
Metody numeryczne Technika obliczeniowa i symulacyjna Sem. 2, EiT, 2014/2015 1 Metody numeryczne Dział matematyki Metody rozwiązywania problemów matematycznych za pomocą operacji na liczbach. Otrzymywane
Bardziej szczegółowoSZTUCZNA INTELIGENCJA
SZTUCZNA INTELIGENCJA SYSTEMY ROZMYTE Adrian Horzyk Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej Katedra Automatyki i Inżynierii Biomedycznej Laboratorium
Bardziej szczegółowoEFEKTY UCZENIA SIĘ DLA KIERUNKU INŻYNIERIA DANYCH W ODNIESIENIU DO EFEKTÓW UCZENIA SIĘ PRK POZIOM 6
EFEKTY UCZENIA SIĘ DLA KIERUNKU INŻYNIERIA DANYCH W ODNIESIENIU DO EFEKTÓW UCZENIA SIĘ PRK POZIOM 6 studia pierwszego stopnia o profilu ogólnoakademickim Symbol K_W01 Po ukończeniu studiów pierwszego stopnia
Bardziej szczegółowoT2A_W01 T2A_W01 T2A_W02 3 SI_W03 Posiada szeroką wiedzę w zakresie teorii grafów T2A_W01
Efekty dla studiów drugiego stopnia profil ogólnoakademicki, na kierunku Informatyka w języku polskim, na specjalnościach Metody sztucznej inteligencji oraz Projektowanie systemów CAD/CAM, na Wydziale
Bardziej szczegółowoEfekt kształcenia. Ma uporządkowaną, podbudowaną teoretycznie wiedzę ogólną w zakresie algorytmów i ich złożoności obliczeniowej.
Efekty dla studiów pierwszego stopnia profil ogólnoakademicki na kierunku Informatyka w języku polskim i w języku angielskim (Computer Science) na Wydziale Matematyki i Nauk Informacyjnych, gdzie: * Odniesienie-
Bardziej szczegółowoALGORYTMY GENETYCZNE (wykład + ćwiczenia)
ALGORYTMY GENETYCZNE (wykład + ćwiczenia) Prof. dr hab. Krzysztof Dems Treści programowe: 1. Metody rozwiązywania problemów matematycznych i informatycznych.. Elementarny algorytm genetyczny: definicja
Bardziej szczegółowoKierunek Informatyka stosowana Studia stacjonarne Studia pierwszego stopnia
Studia pierwszego stopnia I rok Matematyka dyskretna 30 30 Egzamin 5 Analiza matematyczna 30 30 Egzamin 5 Algebra liniowa 30 30 Egzamin 5 Statystyka i rachunek prawdopodobieństwa 30 30 Egzamin 5 Opracowywanie
Bardziej szczegółowoKIERUNKOWE EFEKTY KSZTAŁCENIA
Zał. nr 1 do Programu kształcenia KIERUNKOWE EFEKTY KSZTAŁCENIA WYDZIAŁ INFORMATYKI I ZARZĄDZANIA Kierunek studiów: INŻYNIERIA SYSTEMÓW Stopień studiów: STUDIA II STOPNIA Obszar Wiedzy/Kształcenia: OBSZAR
Bardziej szczegółowoWprowadzenie do teorii systemów ekspertowych
Myślące komputery przyszłość czy utopia? Wprowadzenie do teorii systemów ekspertowych Roman Simiński siminski@us.edu.pl Wizja inteligentnych maszyn jest od wielu lat obecna w literaturze oraz filmach z
Bardziej szczegółowoDrgania poprzeczne belki numeryczna analiza modalna za pomocą Metody Elementów Skończonych dr inż. Piotr Lichota mgr inż.
Drgania poprzeczne belki numeryczna analiza modalna za pomocą Metody Elementów Skończonych dr inż. Piotr Lichota mgr inż. Joanna Szulczyk Politechnika Warszawska Instytut Techniki Lotniczej i Mechaniki
Bardziej szczegółowoField of study: Computational Engineering Study level: First-cycle studies Form and type of study: Full-time studies. Auditorium classes.
Faculty of: Metals and Industrial Computer Science Field of study: Computational Study level: First-cycle studies Form and type of study: Full-time studies Annual: 2014/2015 Lecture language: Polish Project
Bardziej szczegółowoRecenzja rozprawy doktorskiej mgr inż. Joanny Wróbel
Prof. dr hab. inż. Tadeusz BURCZYŃSKI, czł. koresp. PAN Instytut Podstawowych Problemów Techniki PAN ul. A. Pawińskiego 5B 02-106 Warszawa e-mail: tburczynski@ippt.pan.pl Warszawa, 15.09.2017 Recenzja
Bardziej szczegółowoSpis treści 377 379 WSTĘP... 9
Spis treści 377 379 Spis treści WSTĘP... 9 ZADANIE OPTYMALIZACJI... 9 PRZYKŁAD 1... 9 Założenia... 10 Model matematyczny zadania... 10 PRZYKŁAD 2... 10 PRZYKŁAD 3... 11 OPTYMALIZACJA A POLIOPTYMALIZACJA...
Bardziej szczegółowoRepetytorium z matematyki 3,0 1,0 3,0 3,0. Analiza matematyczna 1 4,0 2,0 4,0 2,0. Analiza matematyczna 2 6,0 2,0 6,0 2,0
PROGRAM STUDIÓW I INFORMACJE OGÓLNE 1. Nazwa jednostki prowadzącej kierunek: Wydział Matematyki i Informatyki 2. Nazwa kierunku: Informatyka 3. Oferowane specjalności: 4. Poziom kształcenia: studia pierwszego
Bardziej szczegółowoTemat: ANFIS + TS w zadaniach. Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE
Temat: ANFIS + TS w zadaniach Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE Dr inż. Barbara Mrzygłód KISiM, WIMiIP, AGH mrzyglod@ agh.edu.pl 1. Systemy neuronowo - rozmyte Systemy
Bardziej szczegółowoStatystyka w pracy badawczej nauczyciela
Statystyka w pracy badawczej nauczyciela Wykład 1: Terminologia badań statystycznych dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyka (1) Statystyka to nauka zajmująca się zbieraniem, badaniem
Bardziej szczegółowoModelowanie glikemii w procesie insulinoterapii
Dawid Kaliszewski Modelowanie glikemii w procesie insulinoterapii Promotor dr hab. inż. Zenon Gniazdowski Cel pracy Zbudowanie modelu predykcyjnego przyszłych wartości glikemii diabetyka leczonego za pomocą
Bardziej szczegółowoWYKAZ KIERUNKOWYCH EFEKTÓW KSZTAŁCENIA
WYKAZ KIERUNKOWYCH EFEKTÓW KSZTAŁCENIA Symbol kierunkowego efektu K1P_W01 K1P_W02 K1P_W03 K1P _W04 K1P _W05 K1P_W06 K1P_W07 K1P_W08 K1P_W09 K1P_W10 K1P_W11 K1P_W12 K1P_U01 K1P_U02 K1P_U03 K1P_U04 K1P_U05
Bardziej szczegółowoZagadnienia optymalizacji i aproksymacji. Sieci neuronowe.
Zagadnienia optymalizacji i aproksymacji. Sieci neuronowe. zajecia.jakubw.pl/nai Literatura: S. Osowski, Sieci neuronowe w ujęciu algorytmicznym. WNT, Warszawa 997. PODSTAWOWE ZAGADNIENIA TECHNICZNE AI
Bardziej szczegółowoa) Szczegółowe efekty kształcenia i ich odniesienie do opisu efektów
1. PROGRAM KSZTAŁCENIA 1) OPIS EFEKTÓW KSZTAŁCENIA a) Szczegółowe efekty kształcenia i ich odniesienie do opisu efektów kształcenia dla obszaru nauk społecznych i technicznych Objaśnienie oznaczeń: I efekty
Bardziej szczegółowoAKTUALNE OPŁATY ZA WARUNKI Tylko dla studentów I roku 2018/2019 OPŁATY ZA WARUNKI Z POSZCZEGÓLNYCH PRZEDMIOTÓW
AKTUALNE OPŁATY ZA WARUNKI Tylko dla studentów I roku 2018/2019 Studia niestacjonarne: METALURGIA OPŁATY ZA WARUNKI Z POSZCZEGÓLNYCH PRZEDMIOTÓW SEMESTR I Matematyka I 448 Podstawy technologii wytwarzania
Bardziej szczegółowozna metody matematyczne w zakresie niezbędnym do formalnego i ilościowego opisu, zrozumienia i modelowania problemów z różnych
Grupa efektów kierunkowych: Matematyka stosowana I stopnia - profil praktyczny (od 17 października 2014) Matematyka Stosowana I stopień spec. Matematyka nowoczesnych technologii stacjonarne 2015/2016Z
Bardziej szczegółowoDostawa oprogramowania. Nr sprawy: ZP /15
........ (pieczątka adresowa Oferenta) Zamawiający: Państwowa Wyższa Szkoła Zawodowa w Nowym Sączu, ul. Staszica,33-300 Nowy Sącz. Strona: z 5 Arkusz kalkulacyjny określający minimalne parametry techniczne
Bardziej szczegółowoEfekty kształcenia dla kierunku studiów INFORMATYKA, Absolwent studiów I stopnia kierunku Informatyka WIEDZA
Symbol Efekty kształcenia dla kierunku studiów INFORMATYKA, specjalność: 1) Sieciowe systemy informatyczne. 2) Bazy danych Absolwent studiów I stopnia kierunku Informatyka WIEDZA Ma wiedzę z matematyki
Bardziej szczegółowoModelowanie i symulacja II Modelling and Simulation II. Automatyka i Robotyka II stopień ogólno akademicki studia stacjonarne
KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2013/2014 Modelowanie i symulacja II Modelling and Simulation II A. USYTUOWANIE
Bardziej szczegółowoKARTA PRZEDMIOTU. Dyscyplina:
KARTA PRZEDMIOTU Jednostka: WIPiE Dyscyplina: Poziom studiów: 3 Semestr: 3 lub 4 Forma studiów: stacjonarne Język wykładowy: Nazwa przedmiotu: Metody sztucznej inteligencji Symbol przedmiotu: MSI Liczba
Bardziej szczegółowoInżynierskie metody analizy numerycznej i planowanie eksperymentu / Ireneusz Czajka, Andrzej Gołaś. Kraków, Spis treści
Inżynierskie metody analizy numerycznej i planowanie eksperymentu / Ireneusz Czajka, Andrzej Gołaś. Kraków, 2017 Spis treści Od autorów 11 I. Klasyczne metody numeryczne Rozdział 1. Na początek 15 1.1.
Bardziej szczegółowoTomasz Pawlak. Zastosowania Metod Inteligencji Obliczeniowej
1 Zastosowania Metod Inteligencji Obliczeniowej Tomasz Pawlak 2 Plan prezentacji Sprawy organizacyjne Wprowadzenie do metod inteligencji obliczeniowej Studium wybranych przypadków zastosowań IO 3 Dane
Bardziej szczegółowoMODELOWANIE OBCIĄŻEŃ ZIAREN AKTYWNYCH I SIŁ W PROCESIE SZLIFOWANIA
Modelowanie obciążeń ziaren ściernych prof. dr hab. inż. Wojciech Kacalak, mgr inż. Filip Szafraniec Politechnika Koszalińska MODELOWANIE OBCIĄŻEŃ ZIAREN AKTYWNYCH I SIŁ W PROCESIE SZLIFOWANIA XXXVI NAUKOWA
Bardziej szczegółowoSpis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16
Spis treści Przedmowa.......................... XI Rozdział 1. Pomiar: jednostki miar................. 1 1.1. Wielkości fizyczne i pozafizyczne.................. 1 1.2. Spójne układy miar. Układ SI i jego
Bardziej szczegółowoZastosowania metod odkrywania wiedzy do diagnostyki maszyn i procesów
Zastosowania metod odkrywania wiedzy do diagnostyki maszyn i procesów Wojciech Moczulski Politechnika Śląska Katedra Podstaw Konstrukcji Maszyn Sztuczna inteligencja w automatyce i robotyce Zielona Góra,
Bardziej szczegółowoLaboratorium demonstrator bazowych technologii Przemysłu 4.0 przykład projektu utworzenia laboratorium przez KSSE i Politechnikę Śląską
Laboratorium demonstrator bazowych technologii Przemysłu 4.0 przykład projektu utworzenia laboratorium przez KSSE i Politechnikę Śląską (wynik prac grupy roboczej ds. kształcenia, kompetencji i zasobów
Bardziej szczegółowoTomasz M. Gwizdałła 2012/13
METODY METODY OPTYMALIZACJI OPTYMALIZACJI Tomasz M. Gwizdałła 2012/13 Informacje wstępne Tomasz Gwizdałła Katedra Fizyki Ciała Stałego UŁ Pomorska 149/153, p.523b tel. 6355709 tomgwizd@uni.lodz.pl http://www.wfis.uni.lodz.pl/staff/tgwizdalla
Bardziej szczegółowoWSKAŹNIKI ILOŚCIOWE - Punkty ECTS w ramach zajęć: Efekty kształcenia. Wiedza Umiejętności Kompetencje społeczne (symbole) MK_1. Analiza matematyczna
PROGRAM STUDIÓW I INFORMACJE OGÓLNE 1. Nazwa jednostki prowadzącej kierunek: Wydział Matematyki i Informatyki 2. Nazwa kierunku: Informatyka 3. Oferowane specjalności: 4. Poziom kształcenia: studia pierwszego
Bardziej szczegółowoPODSTAWY BAZ DANYCH. 19. Perspektywy baz danych. 2009/2010 Notatki do wykładu "Podstawy baz danych"
PODSTAWY BAZ DANYCH 19. Perspektywy baz danych 1 Perspektywy baz danych Temporalna baza danych Temporalna baza danych - baza danych posiadająca informację o czasie wprowadzenia lub czasie ważności zawartych
Bardziej szczegółowoEfekty kształcenia dla kierunku studiów CHEMIA studia pierwszego stopnia profil ogólnoakademicki
Załącznik nr 1 Efekty kształcenia dla kierunku studiów CHEMIA studia pierwszego stopnia profil ogólnoakademicki Umiejscowienie kierunku w obszarze kształcenia Kierunek studiów chemia należy do obszaru
Bardziej szczegółowoZagadnienia egzaminacyjne AUTOMATYKA I ROBOTYKA. Stacjonarne I-go stopnia TYP STUDIÓW STOPIEŃ STUDIÓW SPECJALNOŚĆ
(ARK) Komputerowe sieci sterowania 1.Badania symulacyjne modeli obiektów 2.Pomiary i akwizycja danych pomiarowych 3.Protokoły transmisji danych w systemach automatyki 4.Regulator PID struktury, parametry,
Bardziej szczegółowoBudowa sztucznych sieci neuronowych do prognozowania. Przykład jednostek uczestnictwa otwartego funduszu inwestycyjnego
Budowa sztucznych sieci neuronowych do prognozowania. Przykład jednostek uczestnictwa otwartego funduszu inwestycyjnego Dorota Witkowska Szkoła Główna Gospodarstwa Wiejskiego w Warszawie Wprowadzenie Sztuczne
Bardziej szczegółowoKierunek:Informatyka- - inż., rok I specjalność: Grafika komputerowa i multimedia
:Informatyka- - inż., rok I specjalność: Grafika komputerowa i multimedia Podstawy prawne. 1 15 1 Podstawy ekonomii. 1 15 15 2 Metody uczenia się i studiowania. 1 15 1 Środowisko programisty. 1 30 3 Komputerowy
Bardziej szczegółowoWykład organizacyjny
Automatyka - zastosowania, metody i narzędzia, perspektywy na studiach I stopnia specjalności: Automatyka i systemy sterowania Wykład organizacyjny dr inż. Michał Grochowski kiss.pg.mg@gmail.com michal.grochowski@pg.gda.pl
Bardziej szczegółowoKIERUNKOWE I SPECJALNOŚCIOWE EFEKTY KSZTAŁCENIA
KIERUNKOWE I SPECJALNOŚCIOWE EFEKTY KSZTAŁCENIA Wydział: Matematyki Kierunek studiów: Applied Mathematics Studia w j. angielskim Stopień studiów: Drugi (2) Profil: Ogólnoakademicki (A) Umiejscowienie kierunku
Bardziej szczegółowoCHARAKTERYSTYKA I ZASTOSOWANIA ALGORYTMÓW OPTYMALIZACJI ROZMYTEJ. E. ZIÓŁKOWSKI 1 Wydział Odlewnictwa AGH, ul. Reymonta 23, Kraków
36/3 Archives of Foundry, Year 004, Volume 4, 3 Archiwum Odlewnictwa, Rok 004, Rocznik 4, Nr 3 PAN Katowice PL ISSN 64-5308 CHARAKTERYSTYKA I ZASTOSOWANIA ALGORYTMÓW OPTYMALIZACJI ROZMYTEJ E. ZIÓŁKOWSKI
Bardziej szczegółowoRelacja: III Seminarium Naukowe "Inżynierskie zastosowania technologii informatycznych"
Relacja: III Seminarium Naukowe "Inżynierskie zastosowania technologii informatycznych" W dniu 18.04.2015 odbyło się III Seminarium Naukowe Inżynierskie zastosowania technologii informatycznych. Organizatorzy
Bardziej szczegółowoKierownik Katedry: Prof. dr hab. inż. Tadeusz BURCZYŃSKI
Kierownik Katedry: Prof. dr hab. inż. Tadeusz BURCZYŃSKI Zakład Inteligentnych Systemów Obliczeniowych RMT4-3 Kierownik Zakładu: Prof. dr hab. inż. Tadeusz BURCZYŃSKI Zakład Metod Numerycznych w Termomechanice
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: SYSTEMY INFORMATYCZNE WSPOMAGAJĄCE DIAGNOSTYKĘ MEDYCZNĄ Kierunek: Inżynieria Biomedyczna Rodzaj przedmiotu: obowiązkowy moduł specjalności informatyka medyczna Rodzaj zajęć: wykład, projekt
Bardziej szczegółowoElementy inteligencji obliczeniowej
Elementy inteligencji obliczeniowej Paweł Liskowski Institute of Computing Science, Poznań University of Technology 9 October 2018 1 / 19 Perceptron Perceptron (Rosenblatt, 1957) to najprostsza forma sztucznego
Bardziej szczegółowoMODELOWANIE ZA POMOCĄ MES Analiza statyczna ustrojów powierzchniowych
MODELOWANIE ZA POMOCĄ MES Analiza statyczna ustrojów powierzchniowych PODSTAWY KOMPUTEROWEGO MODELOWANIA USTROJÓW POWIERZCHNIOWYCH Budownictwo, studia I stopnia, semestr VI przedmiot fakultatywny rok akademicki
Bardziej szczegółowoProponowana tematyka prac dyplomowych magisterskich na kierunku Matematyka stopień II Rok akademicki 2018/2019
Proponowana tematyka prac dyplomowych magisterskich na kierunku Matematyka stopień II Rok akademicki 2018/2019 Prof. dr hab. inż. Marek Berezowski Chaos i fraktale Zdefiniowanie własnych modeli matematycznych
Bardziej szczegółowoOdniesienie do obszarowych efektów kształcenia 1 2 3. Kierunkowe efekty kształcenia WIEDZA (W)
EFEKTY KSZTAŁCENIA NA KIERUNKU "MECHATRONIKA" nazwa kierunku studiów: Mechatronika poziom kształcenia: studia pierwszego stopnia profil kształcenia: ogólnoakademicki symbol kierunkowych efektów kształcenia
Bardziej szczegółowoEgzamin / zaliczenie na ocenę*
Zał. nr do ZW 33/01 WYDZIAŁ / STUDIUM KARTA PRZEDMIOTU Nazwa w języku polskim Optymalizacja systemów Nazwa w języku angielskim System optimization Kierunek studiów (jeśli dotyczy): Inżynieria Systemów
Bardziej szczegółowoInżynieria danych I stopień Praktyczny Studia stacjonarne Wszystkie specjalności Katedra Inżynierii Produkcji Dr Małgorzata Lucińska
KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 205/206 Z-ID-602 Wprowadzenie do uczenia maszynowego Introduction to Machine Learning
Bardziej szczegółowoPodstawy Sztucznej Inteligencji (PSZT)
Podstawy Sztucznej Inteligencji (PSZT) Paweł Wawrzyński Uczenie maszynowe Sztuczne sieci neuronowe Plan na dziś Uczenie maszynowe Problem aproksymacji funkcji Sieci neuronowe PSZT, zima 2013, wykład 12
Bardziej szczegółowow ekonomii, finansach i towaroznawstwie
w ekonomii, finansach i towaroznawstwie spotykane określenia: zgłębianie danych, eksploracyjna analiza danych, przekopywanie danych, męczenie danych proces wykrywania zależności w zbiorach danych poprzez
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: Kierunek: Mechatronika Rodzaj przedmiotu: obowiązkowy Rodzaj zajęć: wykład, laboratorium I KARTA PRZEDMIOTU CEL PRZEDMIOTU PRZEWODNIK PO PRZEDMIOCIE C1. Zapoznanie studentów z inteligentnymi
Bardziej szczegółowoMETODY OPTYMALIZACJI. Tomasz M. Gwizdałła 2018/19
METODY OPTYMALIZACJI Tomasz M. Gwizdałła 2018/19 Informacje wstępne Tomasz Gwizdałła Katedra Fizyki Ciała Stałego UŁ Pomorska 149/153, p.524b tel. 6355709 tomgwizd@uni.lodz.pl http://www.wfis.uni.lodz.pl/staff/tgwizdalla
Bardziej szczegółowoECTS Razem 30 Godz. 330
3-letnie stacjonarne studia licencjackie kier. Matematyka profil: ogólnoakademicki Semestr 1 Przedmioty wspólne Algebra liniowa z geometrią analityczną I 7 30 30 E Analiza matematyczna I 13 60 60 E Technologie
Bardziej szczegółowoUniwersytet Zielonogórski Wydział Elektrotechniki, Informatyki i Telekomunikacji Instytut Sterowania i Systemów Informatycznych
Uniwersytet Zielonogórski Wydział Elektrotechniki, Informatyki i Telekomunikacji Instytut Sterowania i Systemów Informatycznych ELEMENTY SZTUCZNEJ INTELIGENCJI Laboratorium nr 6 SYSTEMY ROZMYTE TYPU MAMDANIEGO
Bardziej szczegółowoMODELE I MODELOWANIE
MODELE I MODELOWANIE Model układ materialny (np. makieta) lub układ abstrakcyjny (np..rysunki, opisy słowne, równania matematyczne). Model fizyczny (nominalny) opis procesów w obiekcie (fizycznych, również
Bardziej szczegółowozakładane efekty kształcenia
Załącznik nr 1 do uchwały nr 41/2018 Senatu Politechniki Śląskiej z dnia 28 maja 2018 r. Efekty kształcenia dla kierunku: INFORMATYKA WYDZIAŁ AUTOMATYKI, ELEKTRONIKI I INFORMATYKI WYDZIAŁ ELEKTRYCZNY nazwa
Bardziej szczegółowoWYKAZ KIERUNKOWYCH EFEKTÓW KSZTAŁCENIA KIERUNEK: MATEMATYKA, SPS WIEDZA
WYKAZ KIERUNKOWYCH EFEKTÓW KSZTAŁCENIA KIERUNEK: MATEMATYKA, SPS Symbol kierunkowego efektu kształcenia Efekty kształcenia dla programu kształcenia (kierunkowe efekty kształcenia) WIEDZA K1_W01 K1_W02
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: Kierunek: Inżynieria Biomedyczna Rodzaj przedmiotu: obowiązkowy moduł kierunkowy ogólny Rodzaj zajęć: wykład, laboratorium I KARTA PRZEDMIOTU CEL PRZEDMIOTU PRZEWODNIK PO PRZEDMIOCIE
Bardziej szczegółowoModelowanie komputerowe w zagadnieniach środowiska. Strona:
Modelowanie komputerowe w zagadnieniach środowiska Wykład 30 godzin + Laboratorium 30 godzin Strona: http://www.icm.edu.pl/~aniat/modele/wdw1 Literatura Modelowanie Urszula Foryś, Matematyka w biologii,
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: Algorytmy i programowanie Algorithms and Programming Kierunek: Zarządzanie i Inżynieria Produkcji Rodzaj przedmiotu: kierunkowy Poziom studiów: studia I stopnia forma studiów: studia
Bardziej szczegółowoMetrologia: organizacja eksperymentu pomiarowego
Metrologia: organizacja eksperymentu pomiarowego (na podstawie: Żółtowski B. Podstawy diagnostyki maszyn, 1996) dr inż. Paweł Zalewski Akademia Morska w Szczecinie Teoria eksperymentu: Teoria eksperymentu
Bardziej szczegółowoWYDZIAŁ TRANSPORTU I INFORMATYKI MECHANIKA I BUDOWA MASZYN I STOPIEŃ PRAKTYCZNY
WYDZIAŁ TRANSPORTU I INFORMATYKI Nazwa kierunku Poziom Profil Symbole efektów na kierunku K_W01 K _W 02 K _W03 K _W04 K _W05 K _W06 MECHANIKA I BUDOWA MASZYN I STOPIEŃ PRAKTYCZNY Efekty - opis słowny Po
Bardziej szczegółowoJAKIEGO RODZAJU NAUKĄ JEST
JAKIEGO RODZAJU NAUKĄ JEST INFORMATYKA? Computer Science czy Informatyka? Computer Science czy Informatyka? RACZEJ COMPUTER SCIENCE bo: dziedzina ta zaistniała na dobre wraz z wynalezieniem komputerów
Bardziej szczegółowoZakładane efekty kształcenia dla kierunku Wydział Telekomunikacji, Informatyki i Elektrotechniki
Jednostka prowadząca kierunek studiów Nazwa kierunku studiów Specjalności Obszar kształcenia Profil kształcenia Poziom kształcenia Forma kształcenia Tytuł zawodowy uzyskiwany przez absolwenta Dziedziny
Bardziej szczegółowoOptymalizacja ciągła
Optymalizacja ciągła 5. Metoda stochastycznego spadku wzdłuż gradientu Wojciech Kotłowski Instytut Informatyki PP http://www.cs.put.poznan.pl/wkotlowski/ 04.04.2019 1 / 20 Wprowadzenie Minimalizacja różniczkowalnej
Bardziej szczegółowoPierwsze komputery, np. ENIAC w 1946r. Obliczenia dotyczyły obiektów: o bardzo prostych geometriach (najczęściej modelowanych jako jednowymiarowe)
METODA ELEMENTÓW W SKOŃCZONYCH 1 Pierwsze komputery, np. ENIAC w 1946r. Obliczenia dotyczyły obiektów: o bardzo prostych geometriach (najczęściej modelowanych jako jednowymiarowe) stałych własnościach
Bardziej szczegółowoKierunek:Informatyka- - inż., rok I specjalność: Grafika komputerowa
:Informatyka- - inż., rok I specjalność: Grafika komputerowa Rok akademicki 018/019 Metody uczenia się i studiowania. 1 Podstawy prawne. 1 Podstawy ekonomii. 1 Matematyka dyskretna. 1 30 Wprowadzenie do
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: Kierunek: ENERGETYKA Rodzaj przedmiotu: kierunkowy ogólny Rodzaj zajęć: wykład, laboratorium I KARTA PRZEDMIOTU CEL PRZEDMIOTU PRZEWODNIK PO PRZEDMIOCIE C1. Zapoznanie studentów z własnościami
Bardziej szczegółowoTabela odniesień efektów kierunkowych do efektów obszarowych
Umiejscowienie kierunku w obszarze kształcenia Kierunek studiów automatyka i robotyka należy do obszaru kształcenia w zakresie nauk technicznych i jest powiązany z takimi kierunkami studiów jak: mechanika
Bardziej szczegółowoWYZNACZANIE NIEPEWNOŚCI POMIARU METODAMI SYMULACYJNYMI
WYZNACZANIE NIEPEWNOŚCI POMIARU METODAMI SYMULACYJNYMI Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskiego 8, 04-703 Warszawa tel. (0)
Bardziej szczegółowoPaństwowa Wyższa Szkoła Techniczno-Ekonomiczna w Jarosławiu
Załącznik nr 1 do Uchwały nr 9/12 Rady Instytutu Inżynierii Technicznej PWSTE w Jarosławiu z dnia 30 marca 2012r Państwowa Wyższa Szkoła Techniczno-Ekonomiczna w Jarosławiu EFEKTY KSZTAŁCENIA DLA KIERUNKU
Bardziej szczegółowo2.1.M.07: Wpływ warunków zużycia na własności powierzchni materiałów inżynierskich
2nd Workshop on Foresight of surface properties formation leading technologies of engineering materials and biomaterials in Białka Tatrzańska, Poland 29th-30th November 2009 1 Panel nt. Procesy wytwarzania
Bardziej szczegółowoSterowanie z wykorzystaniem logiki rozmytej
Sterowanie z wykorzystaniem logiki rozmytej konspekt seminarium Paweł Szołtysek 24 stycznia 2009 1 Wstęp 1.1 Podstawy logiki rozmytej Logika rozmyta jest rodzajem logiki wielowartościowej, stanowi uogólnienie
Bardziej szczegółowoZałącznik nr 1 do uchwały Senatu PK nr 119/d/12/2017 z dnia 20 grudnia 2017 r.
Załącznik nr 1 do uchwały Senatu PK nr 119/d/12/2017 z dnia 20 grudnia 2017 r. Politechnika Krakowska im. Tadeusza Kościuszki w Krakowie Nazwa wydziału lub wydziałów: Wydział Fizyki, Matematyki i Informatyki
Bardziej szczegółowoMateriały do laboratorium Przygotowanie Nowego Wyrobu dotyczące metody elementów skończonych (MES) Opracowała: dr inŝ.
Materiały do laboratorium Przygotowanie Nowego Wyrobu dotyczące metody elementów skończonych (MES) Opracowała: dr inŝ. Jolanta Zimmerman 1. Wprowadzenie do metody elementów skończonych Działanie rzeczywistych
Bardziej szczegółowo