Oprogramowanie wspomagajàce badanie zjawiska perkolacji w systemach chaotycznych
|
|
- Lech Wysocki
- 8 lat temu
- Przeglądów:
Transkrypt
1 Zeszyty Naukowe nr 724 Akademii Ekonomicznej w Krakowie 2006 Jacek Wo oszyn Katedra Informatyki Oprogramowanie wspomagajàce badanie zjawiska perkolacji w systemach chaotycznych Streszczenie: Analiza numeryczna wraz z wykorzystaniem grafiki komputerowej stanowią wygodne narzędzia badania zachowań systemów dynamicznych, w których obserwowane są zjawiska chaosu. Badając zjawisko perkolacji rozważa się sieć złożoną z węzłów, która w najprostszym przypadku może być siatką kwadratową o równomiernie rozłożonych węzłach. Każdy węzeł jest albo nieaktywny, albo aktywny. Węzły aktywne mogą tworzyć klastry mające tę własność, że każdy węzeł klastra sąsiaduje bezpośrednio z innym aktywnym węzłem. Na użytek niniejszej pracy rozszerzony został i uogólnimy klasyczny problem perkolacji poprzez dopuszczenie możliwości stosowania różnych metod i mechanizmów aktywowania węzłów sieci w sposób bezpośredni, a także poprzez propagację frontu pobudzenia węzłów. Klasyczny proces losowego wyboru aktywności każdego węzła sieci zastąpiony został deterministycznym generowaniem chaotycznego szeregu czasowego. Powstaje w ten sposób zjawisko perkolacji w systemie chaotycznym. W sieci takiej można obserwować i analizować powstawanie klastrów lub innych form utworzonych z aktywnych węzłów. Natura zagadnienia perkolacji doskonale koresponduje z metodami symulacji komputerowej stosowanymi w badaniu tego zjawiska. Jednym z warunków efektywnego stosowania metod symulacyjnych jest wykorzystywanie odpowiedniego oprogramowania komputerowego dostosowanego do specyfiki prowadzonych badań. W niniejszej pracy zaprezentowane zostało oprogramowanie służące do przeprowadzania komputerowych eksperymentów symulacyjnych związanych ze zjawiskiem perkolacji w systemach chaotycznych. Słowa kluczowe: chaos deterministyczny, perkolacja, symulacja komputerowa.
2 112 Jacek Wołoszyn 1. Wst p Teoria chaosu wykorzystuje różnorodną metodologię w badaniu własności złożonych systemów dynamicznych. Obok podejścia teoretycznego szeroko stosowane są metody eksperymentalne. Ogromnych możliwości w tym zakresie dostarcza szybko rozwijająca się technika informatyczna oraz inne związane z nią dziedziny. Symulacja komputerowa pozwala w stosunkowo prosty sposób generować dowolnie długie ciągi obserwacji matematycznego modelu systemu chaotycznego. Odpowiedni program komputerowy może dokonywać równocześnie złożonej analizy rezultatów otrzymanych podczas eksperymentu symulacyjnego. Analiza numeryczna wraz z wykorzystaniem grafiki komputerowej stanowią wygodne narzędzia badania zachowania się systemów dynamicznych, w których obserwowane są zjawiska chaosu. Określenia chaos i determinizm przedstawiają dwa pojęcia intuicyjnie rozumiane jako przeciwstawne. Chaos kojarzy się zwykle z brakiem regularności i porządku, natomiast determinizm utożsamiany jest ze ścisłym podporządkowaniem pewnym precyzyjnie określonym regułom. Chaos deterministyczny jest terminem łączącym wspomniane dwa pozornie przeciwstawne pojęcia. Pozorną przeciwstawność łagodzi, a nawet zupełnie niweluje, stwierdzenie, że chaos i determinizm wyrażają dwa niezależne od siebie atrybuty zachowania się badanego systemu dynamicznego. Ścisłe podporządkowanie zachowania się systemu deterministycznego ustalonym regułom oznacza możliwość jednoznacznego wyznaczenia przyszłego stanu systemu na podstawie znajomości jego stanu bieżącego i stanów poprzednich. Determinizm można rozpatrywać również na płaszczyźnie jednoznacznych związków probabilistycznych. Tak rozumiane zależności deterministyczne oznaczają możliwość prognozowania przyszłych stanów systemu, czyli wyznaczenia wartości prawdopodobieństwa wystąpienia określonych stanów rozważanego systemu. Przedstawione podejście jest bardzo często wykorzystywane w analizie dynamiki systemów ekonomicznych [Wołoszyn 2000]. Brak regularności i porządku dostrzegany w zachowaniu się systemów określanych jako chaotyczne (a ściślej jako deterministycznie chaotyczne) oraz towarzysząca tym zjawiskom nieprzewidywalność zachowania się systemu nie wynikają ze skomplikowanej budowy wewnętrznej systemu i występujących tam złożonych zależności. Źródłem chaosu jest specyfika nieliniowych związków rzutujących na relacje pomiędzy zmiennymi systemu obserwowanymi w przestrzeni jego stanów. Zachowania chaotyczne są obserwowane nie tylko w złożonych systemach dynamicznych. Systemy opisywane nawet bardzo prostymi zależnościami, mające trywialne modele matematyczne, mogą wykazywać bardzo złożone zachowania opisywane skomplikowanymi trajektoriami w przestrzeni fazowej systemu.
3 Oprogramowanie wspomagające badanie Chaos generowany odwzorowaniem logistycznym Jeden z najprostszych przypadków występowania zjawiska chaosu deterministycznego można zaobserwować dokonując iteracji formuły odwzorowania logistycznego mającego następującą postać: x t + 1 = cx t (1 x t ). (1) Równanie (1) można uważać za model matematyczny systemu, którego stan opisuje jedna zmienna x. Ten system jest nieliniowy ze względu na występujący w opisującym go równaniu iloczyn. Po dokonaniu wyboru pewnego punktu startowego x 0 odpowiadającego chwili czasu t = 0, z zależności (1) w sposób deterministyczny jednoznacznie wynika stan systemu w następnej chwili czasu t = 1. Powtarzając obliczenia dla kolejnych momentów czasu otrzymujemy szereg czasowy reprezentujący zachowanie się rozpatrywanego systemu dynamicznego. Na rys. 1 przedstawiony został wykres wartości zmiennej x, które w formie szeregu czasowego otrzymano w wyniku wykonania 200 iteracji równania (1). Jako wartość początkową obserwowanej zmiennej wybrano w sposób arbitralny x 0 = 0,73621 oraz ustalono wartość mnożnika w postaci parametru c = 3, ,0 0,8 0,6 0,4 0,2 0,0 Rys. 1. Szereg czasowy generowany przez odwzorowanie logistyczne (1) 200 iteracji dla x 0 = 0,73621 oraz c = 3, Systemy dynamiczne zachowujące się w sposób chaotyczny wykazują dużą wrażliwość na warunki początkowe. Zmieniając nieznacznie wartość początkową
4 114 Jacek Wołoszyn x 0 = 0,73622 otrzymujemy zupełnie różny obraz (rys. 2) zachowania się systemu opisanego równaniem (1). Zmieniając równie nieznacznie wartość parametru c = 3, obserwujemy podobnie zdecydowanie różny przebieg wartości zmiennej x. 1,0 0,8 0,6 0,4 0,2 0,0 Rys. 2. Szereg czasowy generowany przez odwzorowanie logistyczne (1) 200 iteracji dla x 0 = 0,73622 oraz c = 3, ,2 0,1 0,0 Rys. 3. Szereg czasowy generowany przez odwzorowanie logistyczne (1) 40 iteracji dla x 0 = 0,001 oraz c = 1,25 Odwzorowanie (1) przy odpowiednim wyborze wartości parametru c oraz wartości początkowej x 0 generuje przebieg o kształcie funkcji logistycznej (nazwa
5 Oprogramowanie wspomagające badanie 115 odwzorowania). Rys. 3 prezentuje wykres początkowych 40 iteracji odwzorowania (1) dla wartości x 0 = 0,001 oraz c = 1, Zjawisko perkolacji Omawiając zjawisko perkolacji rozważamy sieć złożoną z węzłów, która w najprostszym przypadku może być siatką kwadratową o równomiernie rozłożonych węzłach w kwadratowych komórkach utworzonych przez boki siatki. Węzły mogą znajdować się w dwóch stanach: każdy węzeł jest albo nieaktywny (pusty), albo aktywny (zapełniony). Węzły aktywne mogą tworzyć klastry, czyli zbiory wierzchołków mających tę własność, że każdy węzeł klastra sąsiaduje bezpośrednio z innym aktywnym węzłem. W klasycznym problemie perkolacji [Heermann 1997] interesują nas własności klastrów powstających w wyniku losowego aktywowania węzłów. Każdy węzeł jest zapełniony z ustalonym jednakowym prawdopodobieństwem p [0;1] oraz pozostaje pusty z prawdopodobieństwem 1 p. Okazuje się, że istnieje pewna wartość graniczna p c nazywana progiem perkolacji, mająca tę własność, że aktywowanie węzłów sieci z prawdopodobieństwem p p c prowadzi do powstania klastra łączącego przeciwległe brzegi sieci węzłów (w sieci nieskończonej powstaje nieskończony klaster). Na użytek niniejszej pracy rozszerzymy i uogólnimy przedstawiony wyżej problem perkolacji dopuszczając możliwość stosowania różnych metod i mechanizmów aktywowania węzłów sieci w sposób bezpośredni, a także poprzez propagację frontu pobudzenia węzłów. Klasyczny proces losowego wyboru aktywności każdego węzła sieci zastąpimy deterministycznym generowaniem chaotycznego szeregu czasowego. Powstaje w ten sposób zjawisko perkolacji w systemie chaotycznym. W sieci takiej można obserwować i analizować powstawanie klastrów lub innych form utworzonych z aktywnych węzłów. Natura zagadnienia perkolacji doskonale koresponduje z metodami symulacji komputerowej stosowanymi w badaniu tego zjawiska. Jednym z warunków efektywnego stosowania metod symulacyjnych jest wykorzystywanie odpowiedniego oprogramowania komputerowego dostosowanego do specyfiki prowadzonych badań. W dalszej części pracy prezentowane jest oprogramowanie służące do przeprowadzania komputerowych eksperymentów symulacyjnych związanych ze zjawiskiem perkolacji w systemach chaotycznych.
6 116 Jacek Wołoszyn 4. Oprogramowanie narz dziowe wspomagajàce komputerowà symulacj zjawisk perkolacji Do celów prowadzenia komputerowych eksperymentów symulacyjnych z zakresu zagadnień związanych ze zjawiskiem perkolacji zostało zaprojektowane oraz implementowane 1 specjalne oprogramowanie nazwane Percolate, stanowiące samodzielną aplikację przeznaczoną do uruchamiania na platformie systemowej Microsoft Windows. Oprogramowanie zostało napisane w języku C++ przy wykorzystaniu systemu MFC w środowisku programistycznym Microsoft Visual Studio. Rys. 4. Główne okno programu Percolate Na rys. 4 przedstawiono wygląd głównego okna programu Percolate, które składa się z interfejsu sterującego (menu, pasek narzędzi) oraz zasadniczego widoku dokumentu. Menu główne zawiera polecenia, dostępne także za pomocą 1 Autorami projektu omawianego oprogramowania oraz jego implementacji są Jacek Wołoszyn (Katedra Informatyki AE w Krakowie) oraz Paweł Wołoszyn (Katedra Automatyki AGH w Krakowie).
7 Oprogramowanie wspomagające badanie 117 paska narzędzi, służące ustalaniu parametrów symulacji, przeprowadzaniu eksperymentów symulacyjnych oraz konfigurowaniu poszczególnych opcji programu. Widok dokumentu stanowi wizualizację stanu węzłów rozlokowanych w prostokątnej sieci i umożliwia obserwację struktury połączeń między węzłami oraz drogi propagacji aktywności węzłów. Pozwala także na interakcyjny wybór źródła propagacji. Podstawową strukturą danych programu Percolate jest węzeł reprezentowany, z programistycznego punktu widzenia, przez klasę obiektów. Właściwości tej klasy pozwalają przechowywać w każdym węźle informacje o jego bieżącym stanie oraz jednokierunkowych połączeniach z węzłami, do których ten stan będzie propagowany. Metody zdefiniowane w klasie węzła opisują podstawowe zachowanie węzła polegające na propagowaniu jego stanu do węzłów związanych połączeniami. Umożliwiają także uzyskanie informacji o bieżącym stanie, ustalenie połączeń oraz przywrócenie stanu początkowego danego węzła. Poszczególne węzły zorganizowane są w dwuwymiarową strukturę tablicową o zadanej przez użytkownika liczbie wierszy i kolumn. Graficzną reprezentacją sieci węzłów w widoku programu jest matryca złożona z kwadratowych elementów, których kolor odzwierciedla bieżący stan węzłów. Topologia widoku ekranowego odpowiada topologii struktury danych, tak więc brzegi tablicy nie są sklejone przeciwległymi parami, zaś węzły brzegowe sąsiadują z mniejszą liczbą węzłów niż te, które położone są we wnętrzu tablicy. Praca z programem rozpoczyna się od wybrania przez użytkownika rozmiaru tablicy węzłów. Rozmiar ten może być później zmieniany. Po utworzeniu węzłów możliwe jest tworzenie sieci połączeń między nimi. Następnym etapem jest wybór węzłów, od których rozpoczynać się będzie propagacja sygnału aktywacji. Po przejściu tych etapów użytkownik może rozpocząć symulację. Gdy propagacja sygnału się zakończy, można przeanalizować (również statystycznie) wyniki symulacji, a także wybrać inne źródła propagacji aktywności węzłów, zmienić układ połączeń między węzłami lub nawet zmienić rozmiary tablicy przechowującej strukturę sieci węzłów. Możliwe jest także uruchomienie eksperymentów symulacyjnych w trybie automatycznym, pozwalającym powtarzać doświadczenia wielokrotnie przy równoczesnym automatycznym rejestrowaniu uzyskiwanych rezultatów w poszczególnych przebiegach. W programie Percolate dostępne są w postaci odpowiednich narzędzi następujące polecenia: Array size zmienia liczbę wierszy i kolumn tablicy węzłów, Links setup ustala zasięg i liczbę połączeń między węzłami, Reset nodes przywraca wyjściowy stan węzłów,
8 118 Jacek Wołoszyn Propagate wykonuje jeden krok propagacji sygnału, Auto propagate iteruje kroki propagacji aż do osiągnięcia stanu ustalonego, Auto increment (przełącznik) włącza / wyłącza inkrementację stanu węzłów źródłowych, Statistics wyświetla statystyki węzłów, State gradation (przełącznik) włącza / wyłącza kolorową skalę stanu węzłów, Mark source (przełącznik) włącza / wyłącza oznaczanie węzłów źródłowych, Mark front (przełącznik) włącza / wyłącza oznaczanie frontu propagacji, View options konfiguracja dodatkowych parametrów wyświetlania, Show all links wyświetla wszystkie połączenia między węzłami, Repaint view odświeża ekran widoku węzłów, Copy kopiuje do schowka systemowego zawartość widoku, Batch uruchamia wsadowe przetwarzanie serii eksperymentów. Rys. 5. Połączenia wybranego węzła, zasięg połączeń równy 1 Rozmiar tablicy węzłów tworzonej w programie Percolate jest uzależniony zasadniczo od pojemności dostępnej pamięci operacyjnej komputera. W ekspe-
9 Oprogramowanie wspomagające badanie 119 rymentach przeprowadzanych na użytek niniejszej pracy wykorzystywane były tablice o rozmiarach rzędu węzłów. Wraz ze wzrostem liczby węzłów następuje wydłużanie czasu symulacji, który przy dużych rozmiarach tablicy w większym stopniu limituje możliwość prowadzenia doświadczeń niż wielkość pamięci operacyjnej komputera. Rys. 6. Połączenia wybranego węzła, zasięg połączeń równy 4 Podczas tworzenia połączeń między węzłami program Percolate umożliwia ustalenie dwóch parametrów: zasięgu połączeń (wyrażonego promieniem otoczenia mierzonego w metryce maksimum) oraz maksymalnej liczby połączeń wychodzących z jednego węzła. Pierwszy parametr wpływa na współczynnik skalowania wartości uzyskiwanych podczas iteracji odwzorowania logistycznego generującego przebiegi chaotyczne, które z przedziału [0, 1] transformowane są do przedziału względnych współrzędnych węzłów sąsiadujących z węzłem bazowym i zamieniane na wartości całkowite. Drugi parametr określa największą możliwą liczbę podwójnych iteracji odwzorowania logistycznego prowadzonych dla węzła bazowego celem wyznaczenia współrzędnych połączonych węzłów otoczenia. Faktyczna liczba podwójnych iteracji jest wynikiem losowania (za pomocą generatora liczb pseudolosowych o rozkładzie równomiernym) wartości mniejszej lub równej maksymalnej liczbie połączeń. W ten sposób każdy węzeł w tablicy może mieć inną, losową liczbę ustalanych połączeń, przy czym niektóre z nich mogą być dodatkowo pomijane, jeżeli wartości uzyskane w iteracjach odwzorowania logistycznego wskażą węzeł bazowy lub węzeł związany już wcześniej połączeniem.
10 120 Jacek Wołoszyn Rys. 7. Sieć połączeń węzłów, zasięg połączeń 1, maksymalna liczba połączeń 4 Rys. 8. Gęsta sieć połączeń węzłów, zasięg połączeń 3, maksymalna liczba połączeń 7 Połączenia węzłów ilustrują rys. 5 i 6 obrazujące działanie dostępnej w programie Percolate funkcji wizualizowania połączeń wszystkich lub jedynie wskazanych węzłów. Program pozwala wizualizować również wszystkie połączenia węzłów tablicy. By zachować przejrzystość graficzną, nie pokazano kierunków połączeń wychodzących z węzłów. Przykładowe sieci połączeń przedstawione są na rys. 7 i 8.
11 Oprogramowanie wspomagające badanie 121 Rys. 9. Różne konfiguracje węzłów źródłowych Użytkownik programu Percolate po utworzeniu tablicy węzłów i ustaleniu połączeń pomiędzy poszczególnymi węzłami może przystąpić do eksperymentów symulacyjnych. W tym celu konieczne jest wskazanie węzłów, od których rozpocznie się propagacja sygnału aktywacji. Interfejs programu pozwala za pomocą myszy komputerowej zaznaczać lub cofnąć zaznaczenie dowolnych węzłów przedstawionych w oknie widoku. Przykładowe konfiguracje węzłów źródłowych obrazuje rys. 9. Podczas prowadzenia eksperymentów symulacyjnych program Percolate umożliwia śledzenie drogi rozchodzenia się sygnału aktywacji węzłów. Jest to możliwe poprzez zastąpienie wartości logicznej określającej stan węzła (aktywny / nieaktywny) wartością całkowitą równą liczbie kroków propagacji, podczas których dany węzeł był aktywny. Zliczanie kroków propagacji jest uzyskiwane poprzez automatyczną inkrementację liczników węzłów źródłowych, które następnie inkrementowany stan przekazują dalej w kolejnych cyklach. W efekcie po pewnej liczbie kroków propagacji węzły źródłowe posiadają stan wyrażony największymi wartościami, węzły nowoaktywowane mają stan równy 1, pozostałe węzły nieaktywne mają natomiast stan zerowy. Zastosowanie barwnej skali w widoku ekranowym (rys. 10), niosącej więcej informacji, pozwala na prostą w percepcji wizualizację drogi rozchodzenia się sygnału aktywacji od węzłów źródłowych do frontu propagacji (skala barw wyrażająca następstwo przekazywania sygnału obejmuje sekwencję odcieni kolorów od koloru ciemnofioletowego do koloru żółtego). Niezależnie od skali barwnej, program Percolate pozwala odrębnym kolorem zaznaczyć w oknie widoku węzły źródłowe (kolor niebieski) oraz węzły znajdujące się na froncie propagacji (kolor zielony). Poszczególne kroki propagacji można realizować pojedynczo na polecenie użytkownika. Taki tryb pracy programu pozwala na precyzyjną obserwację drogi rozchodzenia się sygnału aktywacji węzłów. Na każdym etapie eksperymentu pro-
12 122 Jacek Wołoszyn Rys. 10. Obrazowanie drogi propagacji sygnału, węzły białe pozostały nieaktywne Rys. 11. Wybrane etapy tego samego eksperymentu gram Percolate umożliwia bezpośrednie skopiowanie bieżącego widoku węzłów do schowka systemowego, dzięki czemu można wykorzystywać ten obraz bez użycia dodatkowego oprogramowania graficznego. Kilka etapów tego samego eksperymentu przedstawiono na rys. 11. Program Percolate umożliwia również przeprowadzenie eksperymentu symulacyjnego automatycznie powtarzając kroki propagacji. Zatrzymanie eksperymentu zachodzi wówczas, gdy w kolejnych krokach nie następuje aktywacja nowych węzłów. Po zakończeniu lub w trakcie eksperymentu użytkownik może przywołać okno statystyk, w którym prezentowane są wartości opisujące: sieć połączeń, liczbę węzłów aktywnych i wymiary aktywnego klastra. Liczba połączeń przypadających na jeden węzeł jest średnią liczby połączeń wszystkich węzłów. Liczba i odsetek aktywnych węzłów opisuje efektywność propagacji (liczbę węzłów, do których doszedł sygnał aktywacji z węzłów źródłowych). Z kolei średnica pionowa i pozioma aktywnego klastra określa zasięg propagacji, a więc największą odległość pionową i poziomą, na jaką oddalił się sygnał z węzłów źródłowych.
13 Oprogramowanie wspomagające badanie 123 Ponieważ liczba połączeń indywidualnych węzłów wybierana jest w sposób losowy, symulacja propagacji sygnału ma charakter stochastyczny i w celu uzyskania wyników umożliwiających wyciąganie dalszych wniosków niezbędne jest wielokrotne powtarzanie eksperymentów. Program Percolate jest przystosowany do tego zadania i posiada moduł automatycznego powtarzania eksperymentów. Przed rozpoczęciem serii doświadczeń użytkownik ustala rozmiar tablicy węzłów, parametry tworzenia połączeń oraz wskazuje węzły źródłowe. Następnie zadaje liczbę eksperymentów do wykonania. Moduł automatycznie powtarza cykl eksperymentalny złożony z generowania połączeń, propagacji sygnału aż do uzyskania stanu ustalonego i obliczenia statystyk węzłów. Po każdym cyklu moduł zapisuje uzyskane statystyki do pliku tekstowego umożliwiając w ten sposób zgromadzenie wyników wszystkich doświadczeń i następnie dalszą ich komputerową analizę. 5. Eksperymenty symulacyjne Interesującym zagadnieniem jest zbadanie zależności między średnią liczbą połączeń wychodzących z węzłów a rozmiarem klastrów powstających w wyniku propagacji sygnału. Można przypuszczać, że im więcej połączeń wychodzi z aktywnego węzła, tym dalej zostanie przekazany sygnał. Jednak po pewnej liczbie kroków propagacja może ulec zatrzymaniu, jeśli sygnał dotrze do węzłów nie posiadających dalszych połączeń lub połączonych z węzłami już aktywnymi. Frakcja węzłów aktywnych 1 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0, ,5 2 2,5 3 3,5 4 Średnia liczba połączeń Rys. 12. Wykres zależności frakcji węzłów aktywnych i średniej liczby połączeń, dane z 1100 eksperymentów, tablica węzłów 100 x 100, zasięg połączeń 1
14 124 Jacek Wołoszyn Prawdopodobieństwo zatrzymania propagacji jest tym większe, im mniej połączeń przypada średnio na jeden węzeł. W celu zbadania eksperymentalnie tej zależności zaprojektowano układ węzłów w postaci kwadratowej tablicy o wymiarach 100 x 100 węzłów. Wybrano następnie jeden węzeł źródłowy leżący w punkcie o współrzędnych (50, 50) i wykonano 1100 eksperymentów losując za każdym razem połączenia o zasięgu 1 węzła. Z uzyskanych wyników wykorzystano średnią liczbę połączeń i frakcję aktywowanych węzłów w całej tablicy. Wykres zależności tych parametrów przedstawia rys. 12. Wyniki doświadczeń potwierdzają, że wzrost liczby połączeń między węzłami powoduje wzrost frakcji węzłów objętych propagacją. Zależność ta ma z początku charakter zbliżony do wykładniczego, lecz skończony rozmiar tablicy węzłów sprawia, że po pewnej liczbie kroków propagacji proces aktywacji nowych węzłów ustaje. Zjawisko to odpowiada drugiej części wykresu zbliżającej się asymptotycznie do jedności. Zmiana skali osi pionowej na logarytmiczną uwydatnia początkowy wykładniczy charakter rozrastania się klastrów aktywnych w miarę wzrostu średniej liczby połączeń (rys. 13). 1 Frakcja węzłów aktywnych 0,1 0,01 0,001 0, ,5 2 2,5 3 3,5 4 Średnia liczba połączeń Rys. 13. Wykres zależności frakcji węzłów aktywnych i średniej liczby połączeń, dane z rys. 12, oś pionowa w skali logarytmicznej W celu zmniejszenia zaburzenia spowodowanego ograniczonym rozmiarem tablicy węzłów wykonano kolejną serię eksperymentów na tablicy węzłów o wymiarach 1000 x Wzrost liniowego rozmiaru tablicy powoduje wzrost liczby węzłów z kwadratem wzrostu rozmiaru tablicy, zaś maksymalna
15 Oprogramowanie wspomagające badanie 125 ilość obliczeń wykonywanych podczas eksperymentów zwiększa się z czwartą potęgą wzrostu rozmiaru tablicy. Zwiększenie długości boku kwadratowej tablicy ze 100 do 1000 węzłów powoduje krotne wydłużenie czasu obliczeń. Z tego powodu dla tablicy 1000 x 1000 węzłów udało się przeprowadzić jedynie 400 eksperymentów. Rys. 14. Wykres zależności liczby węzłów aktywnych i średniej liczby połączeń, eksperymenty na tablicach 100 x 100 (kolor niebieski) i 1000 x 1000 (kolor żółty), zasięg połączeń 1 Uzyskane wyniki zestawiono z wynikami eksperymentów przeprowadzonych na mniejszej tablicy. By zachować jednolitą skalę, frakcję węzłów aktywnych zastąpiono w analizie liczbą węzłów aktywnych. Dzięki temu zabiegowi rezultaty eksperymentów na większej tablicy zostały zobrazowane jako kontynuacja doświadczeń z mniejszą tablicą węzłów. Duża rozpiętość wartości (od 1 do węzłów aktywnych) skłoniła do zastosowania skali logarytmicznej. Wykres wyników eksperymentów przedstawiono na rys. 14. Wąskie poziome skupiska punktów na rys. 14 należy uznać za artefakt, gdyż odpowiadają one liczebności wszystkich węzłów ( w przypadku mniejszej tablicy i w przypadku większej). Wyniki eksperymentów leżące w tych skupiskach są zatem zdeterminowane nie samą naturą symulowanego zjawiska, lecz ograniczeniami modelu symulacyjnego. Zwiększenie rozmiaru tablicy przemieszcza takie skupiska do odpowiednio wyższych rzędnych. By uniknąć tego typu artefaktów w sytuacji granicznej, należałoby prowadzić eksperymenty na nieskończonej tablicy węzłów.
16 126 Jacek Wołoszyn Złożoność obliczeniowa nie pozwala na uzyskanie w porównywalnym czasie podobnej liczby punktów na rys. 14 dla mniejszej i większej tablicy. Mimo to daje się zauważyć pewną prawidłowość: wyniki eksperymentów dla większej liczby węzłów (kolor żółty) pokrywają się z częścią wyników doświadczeń z mniejszą liczbą węzłów (kolor niebieski). Zgodność występuje w obszarze poniżej artefaktu odpowiadającego liczbie Dalsza część wykresu, reprezentowana wyłącznie przez dane z eksperymentów na większej tablicy, stanowi przedłużenie części początkowej do bariery węzłów. Ze względu jednak na niewielką liczebność punktów w tym obszarze wykresu, trudno jest ocenić charakter zależności liczby węzłów aktywnych od średniej liczby połączeń. Rys. 15. Zasięg propagacji w eksperymencie symulacyjnym dla tablicy 100 x 100 węzłów. Kolor szary oznacza węzły aktywne, kolor biały oznacza węzły nieaktywne Oczywiste jest, że początkowy przebieg analizowanego związku liczby węzłów aktywnych i średniej liczby połączeń, nasuwający skojarzenia z zależnością wykładniczą, musi ustąpić innemu zachowaniu w miarę wzrostu liczby połączeń. Badanie liczby węzłów aktywnych po zakończeniu propagacji jest równoważne badaniu, po ilu krokach przy danej liczbie połączeń propagacja się zakończy. W przypadku dokładnie 8 połączeń każdego węzła z węzłami sąsiednimi propagacja nie zatrzyma się nigdy, tym samym liczba węzłów aktywnych wzrośnie do nieskończoności. Faktyczny próg, powyżej którego propagacja nie wygasa, może być mniejszy od 8. Z wykresu na rys. 14 wynika, że już powyżej średniej liczby 2,5 połączeń wychodzących przypadających na jeden węzeł propagacja obejmuje niemal całą dostępną przestrzeń tablicy węzłów.
17 Oprogramowanie wspomagające badanie 127 a b c d Objaśnienia: pojedynczy węzeł źródłowy położony centralnie. Skala barwna jak na rys. 10. Średnia liczba połączeń wynosi odpowiednio: a 1,8, b 2,1, c 2,2, d 3,1 Rys. 16. Drogi rozprzestrzeniania się sygnału do zakończenia propagacji w eksperymentach na tablicy 400 x 400 węzłów Występujące powyżej 2,5 połączeń na jeden węzeł przypadki zatrzymania propagacji przed objęciem wszystkich węzłów prawdopodobnie wynikają ze specyficznego położenia węzła źródłowego, który w tych przypadkach może znajdować się wewnątrz odosobnionego obszaru, do którego nie docierają połączenia z węzłów otaczających. Obszary takie widoczne są w postaci białych wysp na rys. 15 przedstawiającym zasięg propagacji w jednym z eksperymentów wykonanych na tablicy rozmiaru 100 x 100 węzłów. Aby zbadać mechanizm powstawania wysp, można prześledzić drogę rozprzestrzeniania się sygnału w aktywnych klastrach. Wyniki eksperymentów wykonanych na tablicy węzłów o wymiarach 400 x 400 dla różnych liczb połączeń
18 128 Jacek Wołoszyn zobrazowano na rys. 16. We wszystkich przypadkach wybierany był tylko jeden centralnie położony węzeł źródłowy. Jak wynika z przeprowadzonych eksperymentów symulacyjnych, nie tylko zasięg propagacji, ale także droga rozprzestrzeniania się sygnału zależy od liczby połączeń węzłów. Przy dużej liczbie połączeń sygnał rozchodzi się nieograniczenie w przybliżeniu radialnie wokół źródła. Z kolei przy mniejszej liczbie połączeń, dla której zatrzymanie się propagacji jest bardziej prawdopodobne, można obserwować chaotyczne błądzenie ścieżki propagacji przypominające ruchy Browna. Na przykład na rys. 16c front propagacji położony jest stosunkowo blisko węzła źródłowego, a szlak rozprzestrzeniania się sygnału zakreśla chaotyczne pętle oddalające się i powracające w stronę punktu wyjścia. Nasuwa się pytanie, w jaki sposób charakter ścieżki propagacji zależy od średniej liczby połączeń między węzłami. Jest to bardzo złożone zagadnienie, można jednak podjąć próbę zbadania uproszczonej wersji problemu, a mianowicie szukać odpowiedzi na pytanie, w jaki sposób średnia liczba połączeń wpływa na linearność propagacji. 6. Zakoƒczenie Jako cel dalszych badań wskazać można budowę modelu doświadczalnego umożliwiającego rozprzestrzenianie się sygnału jedynie po szlakach w przybliżeniu linearnych. Modelem takim byłaby tablica węzłów o stosunkowo niewielkiej szerokości i wielokrotnie większej długości. Węzły źródłowe powinny znajdować się na jednym z krótszych boków tablicy. W tak skonstruowanym środowisku propagacja postępująca wzdłuż chaotycznie błądzących ścieżek zostanie wyhamowana na skutek niewielkiej szerokości kanału rozprzestrzeniania się sygnału. Natomiast propagacja linearna może zachodzić tak długo, aż zostanie powstrzymana przez samą konfigurację połączeń. Innym interesującym problemem badawczym jest ustalenie związku liczby węzłów aktywnych i średniej liczby połączeń. Określenie liczby aktywnych węzłów po zakończeniu procesu propagacji odpowiada ustaleniu, po ilu krokach przy danej liczbie połączeń pomiędzy węzłami proces propagacji się zakończy. Wskazane zagadnienia mogą towarzyszyć modelowaniu procesu dyfuzji innowacji. Innym aspektem tego samego podejścia badawczego jest przestrzenne rozmieszczenie aktywnych węzłów (rys. 15). Znacznie bardziej rozbudowanym problemem jest badanie dynamiki dróg propagacji aktywności węzłów sieci (rys. 16). Na obydwu wspomnianych rysunkach wyraźnie widać fraktalny [Mandelbrot 1982] charakter uzyskiwanych map przestrzennej aktywności węzłów. Jest to całkowicie zrozumiałe ze względu na chaotyczny mechanizm propagacji aktywności.
19 Oprogramowanie wspomagające badanie 129 Literatura Heermann D.W. [1997], Podstawy symulacji komputerowych w fizyce, WNT, Warszawa. Mandelbrot B. [1982], The Fractal Geometry of Nature, W.H. Freeman, New York. Wołoszyn J. [2000], Elementy teorii chaosu deterministycznego w badaniach systemów ekonomicznych, Zeszyty Naukowe AE w Krakowie, nr 551, Kraków. Software for Percolation Phenomena Research in Chaotic Systems Numerical analysis and computer graphics are convenient tools for research into behaviour of dynamic systems that demonstrate chaos phenomena. During exploration of percolation occurrence, a net consisted of nodes is being considered. In the simplest case, it can be a square net with uniformly placed nodes. Each node can be active or non-active. The active nodes can form clusters having such a feature that each cluster node neighbours directly with other active node. For the purpose of this paper, the classical percolation problem has been extended and generalised by enabling of utilisation of various node activation methods operating in direct way, or by the propagation of node stimulation front. The classical process of random activity selection for each node has been replaced by deterministic generation of a chaotic time series. This process creates a percolation phenomenon in a chaotic system. In such a net the creation of clusters and other forms that are composed of active nodes can be observed and analysed. The behaviour of percolation issue is perfectly connected with computer simulation methods that are used for exploration of this phenomenon. A condition of effective utilisation of simulation methods is application of proper computer software that should be adopted to research characteristics. The article presents the software for computer simulation experiments that are connected with percolation phenomena in chaotic systems. Key words: deterministic chaos, percolation, computer simulation.
Spacery 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 szczegółowoSzukanie rozwiązań funkcji uwikłanych (równań nieliniowych)
Szukanie rozwiązań funkcji uwikłanych (równań nieliniowych) Funkcja uwikłana (równanie nieliniowe) jest to funkcja, która nie jest przedstawiona jawnym przepisem, wzorem wyrażającym zależność wartości
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 szczegółowoSposoby prezentacji problemów w statystyce
S t r o n a 1 Dr Anna Rybak Instytut Informatyki Uniwersytet w Białymstoku Sposoby prezentacji problemów w statystyce Wprowadzenie W artykule zostaną zaprezentowane podstawowe zagadnienia z zakresu statystyki
Bardziej szczegółowoPolitechnika Warszawska Wydział Mechatroniki Instytut Automatyki i Robotyki
Politechnika Warszawska Wydział Mechatroniki Instytut Automatyki i Robotyki Ćwiczenie laboratoryjne 2 Temat: Modelowanie powierzchni swobodnych 3D przy użyciu programu Autodesk Inventor Spis treści 1.
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 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 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 szczegółowoAnaliza korespondencji
Analiza korespondencji Kiedy stosujemy? 2 W wielu badaniach mamy do czynienia ze zmiennymi jakościowymi (nominalne i porządkowe) typu np.: płeć, wykształcenie, status palenia. Punktem wyjścia do analizy
Bardziej szczegółowoFRAKTALE I SAMOPODOBIEŃSTWO
FRAKTALE I SAMOPODOBIEŃSTWO Mariusz Gromada marzec 2003 mariusz.gromada@wp.pl http://multifraktal.net 1 Wstęp Fraktalem nazywamy każdy zbiór, dla którego wymiar Hausdorffa-Besicovitcha (tzw. wymiar fraktalny)
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 szczegółowo1. Opis okna podstawowego programu TPrezenter.
OPIS PROGRAMU TPREZENTER. Program TPrezenter przeznaczony jest do pełnej graficznej prezentacji danych bieżących lub archiwalnych dla systemów serii AL154. Umożliwia wygodną i dokładną analizę na monitorze
Bardziej szczegółowoUniwersalność wykresu bifurkacyjnego w uogólnionym odwzorowaniu logistycznym
Uniwersalność wykresu bifurkacyjnego w uogólnionym odwzorowaniu logistycznym Oskar Amadeusz Prośniak pod opieką prof. dr hab. Karola Życzkowskiego 29 września 2015 Instytut Fizyki UJ 1 Wstęp Celem tej
Bardziej szczegółowoSPOSOBY POMIARU KĄTÓW W PROGRAMIE AutoCAD
Dr inż. Jacek WARCHULSKI Dr inż. Marcin WARCHULSKI Mgr inż. Witold BUŻANTOWICZ Wojskowa Akademia Techniczna SPOSOBY POMIARU KĄTÓW W PROGRAMIE AutoCAD Streszczenie: W referacie przedstawiono możliwości
Bardziej szczegółowoNazwisko i imię: Zespół: Data: Ćwiczenie nr 9: Swobodne spadanie
Nazwisko i imię: Zespół: Data: Ćwiczenie nr 9: Swobodne spadanie Cel ćwiczenia: Obserwacja swobodnego spadania z wykorzystaniem elektronicznej rejestracji czasu przelotu kuli przez punkty pomiarowe. Wyznaczenie
Bardziej szczegółowoDopasowywanie modelu do danych
Tematyka wykładu dopasowanie modelu trendu do danych; wybrane rodzaje modeli trendu i ich właściwości; dopasowanie modeli do danych za pomocą narzędzi wykresów liniowych (wykresów rozrzutu) programu STATISTICA;
Bardziej szczegółowoWymagania edukacyjne z informatyki dla klasy szóstej szkoły podstawowej.
Wymagania edukacyjne z informatyki dla klasy szóstej szkoły podstawowej. Dział Zagadnienia Wymagania podstawowe Wymagania ponadpodstawowe Arkusz kalkulacyjny (Microsoft Excel i OpenOffice) Uruchomienie
Bardziej szczegółowoModele symulacyjne PyroSim/FDS z wykorzystaniem rysunków CAD
Modele symulacyjne PyroSim/FDS z wykorzystaniem rysunków CAD Wstęp Obecnie praktycznie każdy z projektów budowlanych, jak i instalacyjnych, jest tworzony z wykorzystaniem rysunków wspomaganych komputerowo.
Bardziej szczegółowoWykresy statystyczne w PyroSim, jako narzędzie do prezentacji i weryfikacji symulacji scenariuszy pożarowych
Wykresy statystyczne w PyroSim, jako narzędzie do prezentacji i weryfikacji symulacji scenariuszy pożarowych 1. Wstęp: Program PyroSim posiada wiele narzędzi służących do prezentacji i weryfikacji wyników
Bardziej szczegółowoPrzestrzenne układy oporników
Przestrzenne układy oporników Bartosz Marchlewicz Tomasz Sokołowski Mateusz Zych Pod opieką prof. dr. hab. Janusza Kempy Liceum Ogólnokształcące im. marsz. S. Małachowskiego w Płocku 2 Wstęp Do podjęcia
Bardziej szczegółowoPorównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych
dr Piotr Sulewski POMORSKA AKADEMIA PEDAGOGICZNA W SŁUPSKU KATEDRA INFORMATYKI I STATYSTYKI Porównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych Wprowadzenie Obecnie bardzo
Bardziej szczegółowoPracownia Informatyczna Instytut Technologii Mechanicznej Wydział Inżynierii Mechanicznej i Mechatroniki. Podstawy Informatyki i algorytmizacji
Pracownia Informatyczna Instytut Technologii Mechanicznej Wydział Inżynierii Mechanicznej i Mechatroniki Podstawy Informatyki i algorytmizacji wykład 1 dr inż. Maria Lachowicz Wprowadzenie Dlaczego arkusz
Bardziej szczegółowoWYKRESY SPORZĄDZANE W UKŁADZIE WSPÓŁRZĘDNYCH:
WYKRESY SPORZĄDZANE W UKŁADZIE WSPÓŁRZĘDNYCH: Zasada podstawowa: Wykorzystujemy możliwie najmniej skomplikowaną formę wykresu, jeżeli to możliwe unikamy wykresów 3D (zaciemnianie treści), uwaga na kolory
Bardziej szczegółowoAnaliza składowych głównych. Wprowadzenie
Wprowadzenie jest techniką redukcji wymiaru. Składowe główne zostały po raz pierwszy zaproponowane przez Pearsona(1901), a następnie rozwinięte przez Hotellinga (1933). jest zaliczana do systemów uczących
Bardziej szczegółowoE-E-A-1008-s5 Komputerowa Symulacja Układów Nazwa modułu. Dynamicznych. Elektrotechnika I stopień Ogólno akademicki. Przedmiot kierunkowy
Załącznik nr 7 do Zarządzenia Rektora nr 10/12 z dnia 21 lutego 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu E-E-A-1008-s5 Komputerowa Symulacja Układów Nazwa modułu Dynamicznych Nazwa modułu w języku
Bardziej szczegółowoWstęp 7 Rozdział 1. OpenOffice.ux.pl Writer środowisko pracy 9
Wstęp 7 Rozdział 1. OpenOffice.ux.pl Writer środowisko pracy 9 Uruchamianie edytora OpenOffice.ux.pl Writer 9 Dostosowywanie środowiska pracy 11 Menu Widok 14 Ustawienia dokumentu 16 Rozdział 2. OpenOffice
Bardziej szczegółowoRegresja linearyzowalna
1 z 5 2007-05-09 23:22 Medycyna Praktyczna - portal dla lekarzy Regresja linearyzowalna mgr Andrzej Stanisz z Zakładu Biostatystyki i Informatyki Medycznej Collegium Medicum UJ w Krakowie Data utworzenia:
Bardziej szczegółowoWymagania edukacyjne z informatyki w klasie VIII
Wymagania edukacyjne z informatyki w klasie VIII Wymagania konieczne K dotyczą zagadnień elementarnych, stanowiących swego rodzaju podstawę, powinien je zatem opanować każdy uczeń. Wymagania podstawowe
Bardziej szczegółowoZadania domowe. Ćwiczenie 2. Rysowanie obiektów 2-D przy pomocy tworów pierwotnych biblioteki graficznej OpenGL
Zadania domowe Ćwiczenie 2 Rysowanie obiektów 2-D przy pomocy tworów pierwotnych biblioteki graficznej OpenGL Zadanie 2.1 Fraktal plazmowy (Plasma fractal) Kwadrat należy pokryć prostokątną siatką 2 n
Bardziej szczegółowoUsługi Informatyczne "SZANSA" - Gabriela Ciszyńska-Matuszek ul. Świerkowa 25, Bielsko-Biała
Usługi Informatyczne "SZANSA" - Gabriela Ciszyńska-Matuszek ul. Świerkowa 25, 43-305 Bielsko-Biała NIP 937-22-97-52 tel. +48 33 488 89 39 zwcad@zwcad.pl www.zwcad.pl Aplikacja do rysowania wykresów i oznaczania
Bardziej szczegółowoFunkcje liniowe i wieloliniowe w praktyce szkolnej. Opracowanie : mgr inż. Renata Rzepińska
Funkcje liniowe i wieloliniowe w praktyce szkolnej Opracowanie : mgr inż. Renata Rzepińska . Wprowadzenie pojęcia funkcji liniowej w nauczaniu matematyki w gimnazjum. W programie nauczania matematyki w
Bardziej szczegółowoStatystyka opisowa. Wykład I. Elementy statystyki opisowej
Statystyka opisowa. Wykład I. e-mail:e.kozlovski@pollub.pl Spis treści Elementy statystyku opisowej 1 Elementy statystyku opisowej 2 3 Elementy statystyku opisowej Definicja Statystyka jest to nauka o
Bardziej szczegółowoProgram V-SIM tworzenie plików video z przebiegu symulacji
Program V-SIM tworzenie plików video z przebiegu symulacji 1. Wprowadzenie Coraz częściej zdarza się, że zleceniodawca opinii prosi o dołączenie do opracowania pliku/ów Video z zarejestrowanym przebiegiem
Bardziej szczegółowoSterowanie wielkością zamówienia w Excelu - cz. 3
Sterowanie wielkością zamówienia w Excelu - cz. 3 21.06.2005 r. 4. Planowanie eksperymentów symulacyjnych Podczas tego etapu ważne jest określenie typu rozkładu badanej charakterystyki. Dzięki tej informacji
Bardziej szczegółowoNumeryczna symulacja rozpływu płynu w węźle
231 Prace Instytutu Mechaniki Górotworu PAN Tom 7, nr 3-4, (2005), s. 231-236 Instytut Mechaniki Górotworu PAN Numeryczna symulacja rozpływu płynu w węźle JERZY CYGAN Instytut Mechaniki Górotworu PAN,
Bardziej szczegółowoKultywator rolniczy - dobór parametrów sprężyny do zadanych warunków pracy
Metody modelowania i symulacji kinematyki i dynamiki z wykorzystaniem CAD/CAE Laboratorium 6 Kultywator rolniczy - dobór parametrów sprężyny do zadanych warunków pracy Opis obiektu symulacji Przedmiotem
Bardziej szczegółowoRobert Barański, AGH, KMIW MathScript and Formula Nodes v1.0
MathScript i Formula Nodes (MathScript and Formula Nodes) Formula Node w oprogramowaniu LabVIEW jest wygodnym, tekstowym węzłem, który można użyć do wykonywania skomplikowanych operacji matematycznych
Bardziej szczegółowoScenariusz lekcji Ozobot w klasie: Spacer losowy po układzie współrzędnych
Scenariusz lekcji Ozobot w klasie: Spacer losowy po układzie współrzędnych Opracowanie scenariusza: Richard Born Adaptacja scenariusza na język polski: mgr Piotr Szlagor Tematyka: Informatyka, Matematyka,
Bardziej szczegółowoTeraz bajty. Informatyka dla szkoły podstawowej. Klasa VI
1 Teraz bajty. Informatyka dla szkoły podstawowej. Klasa VI 1. Obliczenia w arkuszu kalkulacyjnym Rozwiązywanie problemów z wykorzystaniem aplikacji komputerowych obliczenia w arkuszu kalkulacyjnym wykonuje
Bardziej szczegółowoElektrotechnika I stopień Ogólno akademicki. Przedmiot kierunkowy. Obowiązkowy Polski VI semestr zimowy
KARTA MODUŁU / KARTA PRZEDMIOTU Załącznik nr 7 do Zarządzenia Rektora nr 10/12 z dnia 21 lutego 2012r. Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2012/2013
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 szczegółowoInstrukcja obsługi programu Do-Exp
Instrukcja obsługi programu Do-Exp Autor: Wojciech Stark. Program został utworzony w ramach pracy dyplomowej na Wydziale Chemicznym Politechniki Warszawskiej. Instrukcja dotyczy programu Do-Exp w wersji
Bardziej szczegółowo4/4/2012. CATT-Acoustic v8.0
CATT-Acoustic v8.0 CATT-Acoustic v8.0 Oprogramowanie CATT-Acoustic umożliwia: Zaprojektowanie geometryczne wnętrza Zadanie odpowiednich współczynników odbicia, rozproszenia dla wszystkich planów pomieszczenia
Bardziej szczegółowoGenerowanie ciągów pseudolosowych o zadanych rozkładach przykładowy raport
Generowanie ciągów pseudolosowych o zadanych rozkładach przykładowy raport Michał Krzemiński Streszczenie Projekt dotyczy metod generowania oraz badania własności statystycznych ciągów liczb pseudolosowych.
Bardziej szczegółowoFunkcja liniowa - podsumowanie
Funkcja liniowa - podsumowanie 1. Funkcja - wprowadzenie Założenie wyjściowe: Rozpatrywana będzie funkcja opisana w dwuwymiarowym układzie współrzędnych X. Oś X nazywana jest osią odciętych (oś zmiennych
Bardziej szczegółowoPolitechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania KOMPUTEROWE SYSTEMY STEROWANIA (KSS)
Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania KOMPUTEROWE SYSTEMY STEROWANIA (KSS) Temat: Platforma Systemowa Wonderware cz. 2 przemysłowa baza danych,
Bardziej szczegółowoTemat: Konstrukcja prostej przechodzącej przez punkt A i prostopadłej do danej prostej k.
Temat: Konstrukcja prostej przechodzącej przez punkt A i prostopadłej do danej prostej k. Cel: Uczeń, przy użyciu programu GeoGebra, stworzy model konstrukcji prostej prostopadłej i wykorzysta go w zadaniach
Bardziej szczegółowoNiezwykłe tablice Poznane typy danych pozwalają przechowywać pojedyncze liczby. Dzięki tablicom zgromadzimy wiele wartości w jednym miejscu.
Część XIX C++ w Każda poznana do tej pory zmienna może przechowywać jedną liczbę. Jeśli zaczniemy pisać bardziej rozbudowane programy, okaże się to niewystarczające. Warto więc poznać zmienne, które mogą
Bardziej szczegółowo3. FUNKCJA LINIOWA. gdzie ; ół,.
1 WYKŁAD 3 3. FUNKCJA LINIOWA FUNKCJĄ LINIOWĄ nazywamy funkcję typu : dla, gdzie ; ół,. Załóżmy na początek, że wyraz wolny. Wtedy mamy do czynienia z funkcją typu :.. Wykresem tej funkcji jest prosta
Bardziej szczegółowoO higienie pracy, komputerze, sieciach komputerowych i Internecie
WYMAGANIA EDUKACYJNE INFORMATYKA GIMNAZJUM KLASA I NA ŚRÓDROCZNĄ I ROCZNĄ OCENĘ KLASYFIKACYJNĄ NA ŚRÓDROCZNĄ: O higienie pracy, komputerze, sieciach komputerowych i Internecie - zna regulamin pracowni
Bardziej szczegółowoZa pierwszy niebanalny algorytm uważa się algorytm Euklidesa wyszukiwanie NWD dwóch liczb (400 a 300 rok przed narodzeniem Chrystusa).
Algorytmy definicja, cechy, złożoność. Algorytmy napotykamy wszędzie, gdziekolwiek się zwrócimy. Rządzą one wieloma codziennymi czynnościami, jak np. wymiana przedziurawionej dętki, montowanie szafy z
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 szczegółowoUkłady VLSI Bramki 1.0
Spis treści: 1. Wstęp... 2 2. Opis edytora schematów... 2 2.1 Dodawanie bramek do schematu:... 3 2.2 Łączenie bramek... 3 2.3 Usuwanie bramek... 3 2.4 Usuwanie pojedynczych połączeń... 4 2.5 Dodawanie
Bardziej szczegółowoDARMOWA PRZEGLĄDARKA MODELI IFC
www.bimvision.eu DARMOWA PRZEGLĄDARKA MODELI IFC BIM VISION. OPIS FUNKCJONALNOŚCI PROGRAMU. CZĘŚĆ II. Spis treści ZAKŁADKA OBIEKTY... 1 PASEK LOKALIZACJI.... 8 CASE STUDY.... 9 ZAKŁADKA OBIEKTY Zakładka
Bardziej szczegółowoAproksymacja funkcji a regresja symboliczna
Aproksymacja funkcji a regresja symboliczna Problem aproksymacji funkcji polega na tym, że funkcję F(x), znaną lub określoną tablicą wartości, należy zastąpić inną funkcją, f(x), zwaną funkcją aproksymującą
Bardziej szczegółowoTeraz bajty. Informatyka dla szkół ponadpodstawowych. Zakres rozszerzony. Część 1.
Teraz bajty. Informatyka dla szkół ponadpodstawowych. Zakres rozszerzony. Część 1. Grażyna Koba MIGRA 2019 Spis treści (propozycja na 2*32 = 64 godziny lekcyjne) Moduł A. Wokół komputera i sieci komputerowych
Bardziej szczegółowoWykorzystanie nowoczesnych technik prognozowania popytu i zarządzania zapasami do optymalizacji łańcucha dostaw na przykładzie dystrybucji paliw cz.
14.12.2005 r. Wykorzystanie nowoczesnych technik prognozowania popytu i zarządzania zapasami do optymalizacji łańcucha dostaw na przykładzie dystrybucji paliw cz. 2 3.2. Implementacja w Excelu (VBA for
Bardziej szczegółowoZapisywanie algorytmów w języku programowania
Temat C5 Zapisywanie algorytmów w języku programowania Cele edukacyjne Zrozumienie, na czym polega programowanie. Poznanie sposobu zapisu algorytmu w postaci programu komputerowego. Zrozumienie, na czym
Bardziej szczegółowoWymagania na poszczególne oceny szkolne dla klasy VI. (na podstawie Grażyny Koba, Teraz bajty. Informatyka dla szkoły podstawowej.
1 Wymagania na poszczególne oceny szkolne dla klasy VI (na podstawie Grażyny Koba, Teraz bajty. Informatyka dla szkoły podstawowej. Klasa VI ) 2 1. Obliczenia w arkuszu kalkulacyjnym słucha poleceń nauczyciela
Bardziej szczegółowoElementy Modelowania Matematycznego Wykład 4 Regresja i dyskryminacja liniowa
Spis treści Elementy Modelowania Matematycznego Wykład 4 Regresja i dyskryminacja liniowa Romuald Kotowski Katedra Informatyki Stosowanej PJWSTK 2009 Spis treści Spis treści 1 Wstęp Bardzo często interesujący
Bardziej szczegółowoEXCEL. Diagramy i wykresy w arkuszu lekcja numer 6. Instrukcja. dla Gimnazjum 36 - Ryszard Rogacz Strona 20
Diagramy i wykresy w arkuszu lekcja numer 6 Tworzenie diagramów w arkuszu Excel nie jest sprawą skomplikowaną. Najbardziej czasochłonne jest przygotowanie danych. Utworzymy następujący diagram (wszystko
Bardziej szczegółowoopracował: mgr inż. Piotr Marchel Instrukcja obsługi programu Struktura
POLITECHNIKA WARSZAWSKA Instytut Elektroenergetyki, Zakład Elektrowni i Gospodarki Elektroenergetycznej Bezpieczeństwo elektroenergetyczne i niezawodność zasilania laboratorium opracował: mgr inż. Piotr
Bardziej szczegółowoWzór Żurawskiego. Belka o przekroju kołowym. Składowe naprężenia stycznego można wyrazić następująco (np. [1,2]): T r 2 y ν ) (1) (2)
Przykłady rozkładu naprężenia stycznego w przekrojach belki zginanej nierównomiernie (materiał uzupełniający do wykładu z wytrzymałości materiałów I, opr. Z. Więckowski, 11.2018) Wzór Żurawskiego τ xy
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 szczegółowoO 2 O 1. Temat: Wyznaczenie przyspieszenia ziemskiego za pomocą wahadła rewersyjnego
msg M 7-1 - Temat: Wyznaczenie przyspieszenia ziemskiego za pomocą wahadła rewersyjnego Zagadnienia: prawa dynamiki Newtona, moment sił, moment bezwładności, dynamiczne równania ruchu wahadła fizycznego,
Bardziej szczegółowo7. Identyfikacja defektów badanego obiektu
7. Identyfikacja defektów badanego obiektu Pierwszym krokiem na drodze do identyfikacji defektów było przygotowanie tzw. odcisku palca poszczególnych defektów. W tym celu został napisany program Gaussian
Bardziej szczegółowoAnaliza zjawisk fraktalnych w finansowych szeregach czasowych *
Zeszyty Naukowe nr 724 Akademii Ekonomicznej w Krakowie 2006 Katedra Informatyki Analiza zjawisk fraktalnych w finansowych szeregach czasowych * Streszczenie: W artykule zaproponowano ilościową metodę
Bardziej szczegółowoPOMIARY WIDEO W PROGRAMIE COACH 5
POMIARY WIDEO W PROGRAMIE COACH 5 Otrzymywanie informacji o położeniu zarejestrowanych na cyfrowym filmie wideo drobin odbywa się z wykorzystaniem oprogramowania do pomiarów wideo będącego częścią oprogramowania
Bardziej szczegółowoTEORETYCZNE PODSTAWY INFORMATYKI
1 TEORETYCZNE PODSTAWY INFORMATYKI 16/01/2017 WFAiS UJ, Informatyka Stosowana I rok studiów, I stopień Repetytorium złożoność obliczeniowa 2 Złożoność obliczeniowa Notacja wielkie 0 Notacja Ω i Θ Rozwiązywanie
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 szczegółowoProjektowanie baz danych za pomocą narzędzi CASE
Projektowanie baz danych za pomocą narzędzi CASE Metody tworzenia systemów informatycznych w tym, także rozbudowanych baz danych są komputerowo wspomagane przez narzędzia CASE (ang. Computer Aided Software
Bardziej szczegółowob) bc a Rys. 1. Tablice Karnaugha dla funkcji o: a) n=2, b) n=3 i c) n=4 zmiennych.
DODATEK: FUNKCJE LOGICZNE CD. 1 FUNKCJE LOGICZNE 1. Tablice Karnaugha Do reprezentacji funkcji boolowskiej n-zmiennych można wykorzystać tablicę prawdy o 2 n wierszach lub np. tablice Karnaugha. Tablica
Bardziej szczegółowoKolumna Zeszyt Komórka Wiersz Tabela arkusza Zakładki arkuszy
1 Podstawowym przeznaczeniem arkusza kalkulacyjnego jest najczęściej opracowanie danych liczbowych i prezentowanie ich formie graficznej. Ale formuła arkusza kalkulacyjnego jest na tyle elastyczna, że
Bardziej szczegółowo3.1. Na dobry początek
Klasa I 3.1. Na dobry początek Regulamin pracowni i przepisy BHP podczas pracy przy komputerze Wykorzystanie komputera we współczesnym świecie Zna regulamin pracowni i przestrzega go. Potrafi poprawnie
Bardziej szczegółowoPrzedmiot statystyki. Graficzne przedstawienie danych. Wykład-26.02.07. Przedmiot statystyki
Przedmiot statystyki. Graficzne przedstawienie danych. Wykład-26.02.07 Statystyka dzieli się na trzy części: Przedmiot statystyki -zbieranie danych; -opracowanie i kondensacja danych (analiza danych);
Bardziej szczegółowoObszary sprężyste (bez możliwości uplastycznienia)
Przewodnik Inżyniera Nr 34 Aktualizacja: 01/2017 Obszary sprężyste (bez możliwości uplastycznienia) Program: MES Plik powiązany: Demo_manual_34.gmk Wprowadzenie Obciążenie gruntu może powodować powstawanie
Bardziej szczegółowoMATEMATYKA Z PLUSEM DLA KLASY VII W KONTEKŚCIE WYMAGAŃ PODSTAWY PROGRAMOWEJ. programowej dla klas IV-VI. programowej dla klas IV-VI.
MATEMATYKA Z PLUSEM DLA KLASY VII W KONTEKŚCIE WYMAGAŃ PODSTAWY PROGRAMOWEJ TEMAT LICZBA GODZIN LEKCYJNYCH WYMAGANIA SZCZEGÓŁOWE Z PODSTAWY PROGRAMOWEJ UWAGI. LICZBY I DZIAŁANIA 6 h Liczby. Rozwinięcia
Bardziej szczegółowoS O M SELF-ORGANIZING MAPS. Przemysław Szczepańczyk Łukasz Myszor
S O M SELF-ORGANIZING MAPS Przemysław Szczepańczyk Łukasz Myszor Podstawy teoretyczne Map Samoorganizujących się stworzył prof. Teuvo Kohonen (1982 r.). SOM wywodzi się ze sztucznych sieci neuronowych.
Bardziej szczegółowoEfekt motyla i dziwne atraktory
O układzie Lorenza Wydział Matematyki i Informatyki Uniwersytet Mikołaja kopernika Toruń, 3 grudnia 2009 Spis treści 1 Wprowadzenie Wyjaśnienie pojęć 2 O dziwnych atraktorach 3 Wyjaśnienie pojęć Dowolny
Bardziej szczegółowoKlasa 1 technikum. Poniżej przedstawiony został podział wymagań na poszczególne oceny szkolne:
Klasa 1 technikum Przedmiotowy system oceniania wraz z wymaganiami edukacyjnymi Wyróżnione zostały następujące wymagania programowe: konieczne (K), podstawowe (P), rozszerzające (R), dopełniające (D) i
Bardziej szczegółowo- biegunowy(kołowy) - kursor wykonuje skok w kierunku tymczasowych linii konstrukcyjnych;
Ćwiczenie 2 I. Rysowanie precyzyjne Podczas tworzenia rysunków często jest potrzeba wskazania dokładnego punktu na rysunku. Program AutoCad proponuje nam wiele sposobów zwiększenia precyzji rysowania.
Bardziej szczegółowoPLAN SZKOLEŃ Femap. Nasza oferta: Solid Edge najefektywniejszy dostępny obecnie na rynku system CAD klasy mid-range,
PLAN SZKOLEŃ Femap PLAN SZKOLEŃ Femap Firma GM System Integracja Systemów Inżynierskich Sp. z o.o. została założona w 2001 roku. Zajmujemy się dostarczaniem systemów CAD/CAM/CAE/PDM. Jesteśmy jednym z
Bardziej szczegółowo( x) Równanie regresji liniowej ma postać. By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : Gdzie:
ma postać y = ax + b Równanie regresji liniowej By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : xy b = a = b lub x Gdzie: xy = też a = x = ( b ) i to dane empiryczne, a ilość
Bardziej szczegółowoKGGiBM GRAFIKA INŻYNIERSKA Rok III, sem. VI, sem IV SN WILiŚ Rok akademicki 2011/2012
Rysowanie precyzyjne 7 W ćwiczeniu tym pokazane zostaną wybrane techniki bardzo dokładnego rysowania obiektów w programie AutoCAD 2012, między innymi wykorzystanie punktów charakterystycznych. Narysować
Bardziej szczegółowoGrafika komputerowa Wykład 8 Modelowanie obiektów graficznych cz. II
Grafika komputerowa Wykład 8 Modelowanie obiektów graficznych cz. II Instytut Informatyki i Automatyki Państwowa Wyższa Szkoła Informatyki i Przedsiębiorczości w Łomży 2 0 0 9 Spis treści Spis treści 1
Bardziej szczegółowoPLAN SZKOLEŃ FEMAP. Nasza oferta: Solid Edge najefektywniejszy dostępny obecnie na rynku system CAD klasy mid-range,
PLAN SZKOLEŃ FEMAP Firma GM System Integracja Systemów Inżynierskich Sp. z o.o. została założona w 2001 roku. Zajmujemy się dostarczaniem systemów CAD/CAM/CAE/PDM. Jesteśmy jednym z największych polskich
Bardziej szczegółowoELEMENTY AUTOMATYKI PRACA W PROGRAMIE SIMULINK 2013
SIMULINK część pakietu numerycznego MATLAB (firmy MathWorks) służąca do przeprowadzania symulacji komputerowych. Atutem programu jest interfejs graficzny (budowanie układów na bazie logicznie połączonych
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 szczegółowoProjektowania Układów Elektronicznych CAD Laboratorium
Projektowania Układów Elektronicznych CAD Laboratorium ĆWICZENIE NR 3 Temat: Symulacja układów cyfrowych. Ćwiczenie demonstruje podstawowe zasady analizy układów cyfrowych przy wykorzystaniu programu PSpice.
Bardziej szczegółowoLaboratorium - Monitorowanie i zarządzanie zasobami systemu Windows Vista
5.0 5.3.3.6 Laboratorium - Monitorowanie i zarządzanie zasobami systemu Windows Vista Wprowadzenie Wydrukuj i uzupełnij to laboratorium. W tym laboratorium, będziesz korzystać z narzędzi administracyjnych
Bardziej szczegółowoWykład z Technologii Informacyjnych. Piotr Mika
Wykład z Technologii Informacyjnych Piotr Mika Uniwersalna forma graficznego zapisu algorytmów Schemat blokowy zbiór bloków, powiązanych ze sobą liniami zorientowanymi. Jest to rodzaj grafu, którego węzły
Bardziej szczegółowoINSTRUKCJA DO ĆWICZENIA NR 4
KATEDRA MECHANIKI STOSOWANEJ Wydział Mechaniczny POLITECHNIKA LUBELSKA INSTRUKCJA DO ĆWICZENIA NR 4 PRZEDMIOT TEMAT OPRACOWAŁ MECHANIKA UKŁADÓW MECHANCZNYCH Modelowanie fizyczne układu o dwóch stopniach
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 szczegółowoSysML rozpoczynanie projektu SysML001
INSTRUKCJA LABORATORIUM Automatyzacja procesów przemysłowych. SysML rozpoczynanie projektu SysML001 Projekt systemu - zabawkowa katapulta Systemem, na którym będziemy uczyć się modelowania w SysML jest
Bardziej szczegółowoTechnologie informacyjne - wykład 12 -
Zakład Fizyki Budowli i Komputerowych Metod Projektowania Instytut Budownictwa Wydział Budownictwa Lądowego i Wodnego Politechnika Wrocławska Technologie informacyjne - wykład 12 - Prowadzący: Dmochowski
Bardziej szczegółowoInstytut Fizyki Politechniki Łódzkiej Laboratorium Metod Analizy Danych Doświadczalnych Ćwiczenie 3 Generator liczb losowych o rozkładzie Rayleigha.
Instytut Fizyki Politechniki Łódzkiej Laboratorium Metod Analizy Danych Doświadczalnych Generator liczb losowych o rozkładzie Rayleigha. Generator liczb losowych o rozkładzie Rayleigha. 1. Cel ćwiczenia
Bardziej szczegółowoABC Excel 2016 PL / Witold Wrotek. Gliwice, cop Spis treści
ABC Excel 2016 PL / Witold Wrotek. Gliwice, cop. 2016 Spis treści 1 Arkusz kalkulacyjny 9 Za co lubimy arkusze kalkulacyjne 12 Excel 2016 12 Przez wygodę do efektywności 14 Podsumowanie 16 2 Uruchamianie
Bardziej szczegółowoPodstawy Informatyki Wykład V
Nie wytaczaj armaty by zabić komara Podstawy Informatyki Wykład V Grafika rastrowa Paint Copyright by Arkadiusz Rzucidło 1 Wprowadzenie - grafika rastrowa Grafika komputerowa tworzenie i przetwarzanie
Bardziej szczegółowo