Zadanie 1: Piętnastka - uzupełnienie
|
|
- Stefan Dudek
- 6 lat temu
- Przeglądów:
Transkrypt
1 Informatyka, studia dzienne, inż. I st. semestr VI Sztuczna Inteligencja i Systemy Ekspertowe 2010/2011 Prowadzący: mgr Michał Pryczek piątek, 12:00 Data oddania: Ocena: Grzegorz Graczyk Marek Rogalski Zadanie 1: Piętnastka - uzupełnienie 1. Materiały i metody W ramach badań użyto następujących losowych zestawów układanek: 30 układanek o wymiarach 4x4 z optymalnym rozwiązaniem o długości 5 50 układanek o wymiarach 4x4 z optymalnym rozwiązaniem o długości układanek o wymiarach 4x4 z optymalnym rozwiązaniem o długości losowych układanek o wymiarach 4x4 10 układanek o wymiarach 3x3 z optymalnym rozwiązaniem o długości 3 30 układanek o wymiarach 3x3 z optymalnym rozwiązaniem o długości 5 50 układanek o wymiarach 3x3 z optymalnym rozwiązaniem o długości układanek o wymiarach 3x3 z optymalnym rozwiązaniem o długości układanek o wymiarach 3x3 z optymalnym rozwiązaniem o długości losowych układanek o wymiarach 3x3 2. Wyniki Wszystkie zebrane wyniki przedstawiono na histogramach. Dla wszystkich badań zbadano długość znalezionego rozwiązania. Ponadto zbadano czas działania algorytmów bfs i dfs SVN: 1
2 2
3 3
4 4
5 5
6 6
7 3. Dyskusja Dla układanek o krótkich rozwiązaniach optymalnych rozwiązania znalezione przez algorytm BFS są takie same, równe długości rozwiązania optymalnego - zgodnie z przewidywaniami algorytm znajduje rozwiązania optymalne. Wyniki dla układanek 4x4 wyraźnie pokazują optymalność wybranych heurystyk. W wypadku drugiej heurystyki dla najmniejszych układanek duża część znalezionych rozwiązań była optymalna. W układankach 3x3 o rozwiązaniu optymalnym nie dłuższym niż 10 znadowała ona zawsze optymalne rozwiązanie. W przypadku układanek długości 17 optymalne rozwiązanie udało się znaleźć tylko w 40 W wypadku pierwszej heurystyki nawet dla najmniejszych układanek tylko mała część zaproponowanych rozwiązań była optymalna. Dla układanki o długości 17 heurystyka nie znajdywała optymalnych rozwiązań, jednak znajdywane przez nią rozwiązania były nieznacznie dłuższe niż nieoptymalne rozwiązania znalezione przez drugą heurystykę. Układanki 3x3 również pokazały tendencję drugiej heurystyki do znajdywania optymalnych rozwiązań. Zauważono również, że algorytm DFS znajduje bardzo nieoptymalne rozwiązania nawet dla bardzo małych układanek. Co więcej - długość optymalnego rozwiązania nie wpływa na długość rozwiązania znalezionegorz przez ten algorytm. W przypadku pomiarów czasu dla krótkich układanek 3x3 algorytm DFS działał znacząco wolniej niż pozostałe, co świadczy o niewielkiej liczbie stanów przeszukanych przez pozostałe algorytmy - a zatem dobrze obieranej drodze w stronę rozwiązania. Losowe układanki oraz układanki 4x4 o dłuższych rozwiązaniach optymalnych ujawniły skłonność algorytmu BFS do dłuższego działania. Spowodowane było to rosnącą wykładniczo ilością stanów, które musiał przeszukać ten algorytm. Porównanie czasów przeszukiwania dla układanek różnej długości dla algorytmu DFS nie wykazało żadnej jednoznacznej zależności między czasem działania i długością optymalnego rozwiązania, choć dla krótszych widać było tendencję do nieco szybszego działania dla krótkich układanek. Dla algorytmu BFS wyraźnie wyrysowała się zależność między długością rozwiązania i czasem działania. Sąsiednie klasy zazębiają się między sobą jednak proporcjonalność jest nadal wyraźna. W przypadku losowych układanek 4x4 druga heurystyka nie tylko przestała odnajdywać optymalne rozwiązania, ale stała się gorsza od pierwszej heurystyki. Wynika to z metody używanej przez drugą heurystykę, która jest najskuteczniejsza, gdy rozwiązanie jest niedaleko. 4. Wnioski Algorytm BFS jako jedyny z badanych znajduje optymalne (najmniej ruchów) rozwiązania. Algorytm DFS znajduje rozwiązania bardzo nieoptymalne tysiące razy dłuższe niż optymalne. Z tego powodu nie nadaje się on do tego rodzaju przeszukiwania stanów. 7
8 Algorytmy heurystyczne znajdują rozwiązania znacznie szybciej niż algorytmy BFS bądź DFS. Wybór heurystyki powinien zależeć od naszego celu oraz wyboru heurystyki - w badanym przypadku jedna z heurystyk pozwalała dla krótkich układanek znajdywać wydajnie optymalne rozwiązania. Czas działania algorytmu BFS jest zależny od długości optymalnego rozwiązania. Czas działania oraz długość rozwiązania znalezionego przez algorytm DFS jest niezależna od długości optymalnego rozwiązania. 8
Zadanie 1: Piętnastka
Informatyka, studia dzienne, inż. I st. semestr VI Sztuczna Inteligencja i Systemy Ekspertowe 2010/2011 Prowadzący: mgr Michał Pryczek piątek, 12:00 Data oddania: Ocena: Grzegorz Graczyk 150875 Marek Rogalski
Bardziej szczegółowoZadanie 3: Liczenie winogron
Informatyka, studia dzienne, II st. semestr II Rozpoznawanie obrazów 2012/2013 Prowadzący: dr inż. Bartłomiej Stasiak czwartek, 8:30 Data oddania: Ocena: Andrzej Stasiak 178736 Grzegorz Graczyk 178717
Bardziej szczegółowoPodstawy Sztucznej Inteligencji (PSZT)
Podstawy Sztucznej Inteligencji (PSZT) Paweł Wawrzyński Przeszukiwanie Przeszukiwanie przestrzeni stanów Motywacja Rozwiązywanie problemów: poszukiwanie sekwencji operacji prowadzącej do celu poszukiwanie
Bardziej szczegółowoPodstawy sztucznej inteligencji
wykład 2 Strategie przeszukiwania - ślepe i heurystyczne 27 październik 2011 Plan wykładu 1 Strategie czyli jak znaleźć rozwiązanie problemu Jak wykonać przeszukiwanie Przeszukiwanie przestrzeni stanów
Bardziej szczegółowoHeurystyki. Strategie poszukiwań
Sztuczna inteligencja Heurystyki. Strategie poszukiwań Jacek Bartman Zakład Elektrotechniki i Informatyki Instytut Techniki Uniwersytet Rzeszowski DLACZEGO METODY PRZESZUKIWANIA? Sztuczna Inteligencja
Bardziej szczegółowoInteligentna analiza danych
Numer indeksu 150946 Michał Moroz Imię i nazwisko Numer indeksu 150875 Grzegorz Graczyk Imię i nazwisko kierunek: Informatyka rok akademicki: 2010/2011 Inteligentna analiza danych Ćwiczenie I Wskaźniki
Bardziej szczegółowoMichał Kazimierz Kowalczyk rok 1, semestr 2 nr albumu indeksu: Algorytmy i struktury danych. Problem połączeń
Michał Kazimierz Kowalczyk rok 1, semestr 2 nr albumu indeksu: 28969 Algorytmy i struktury danych Problem połączeń Określenie problemu Problem połączeń możemy odnaleźć w wielu dziedzinach. Dla potrzeb
Bardziej szczegółowoPlanowanie drogi robota, algorytm A*
Planowanie drogi robota, algorytm A* Karol Sydor 13 maja 2008 Założenia Uproszczenie przestrzeni Założenia Problem planowania trasy jest bardzo złożony i trudny. W celu uproszczenia problemu przyjmujemy
Bardziej szczegółowoWstęp do Sztucznej Inteligencji
Wstęp do Sztucznej Inteligencji Rozwiązywanie problemów-i Joanna Kołodziej Politechnika Krakowska Wydział Fizyki, Matematyki i Informatyki Rozwiązywanie problemów Podstawowe fazy: Sformułowanie celu -
Bardziej szczegółowoHeurystyczne metody przeszukiwania
Heurystyczne metody przeszukiwania Dariusz Banasiak Katedra Informatyki Technicznej W4/K9 Politechnika Wrocławska Pojęcie heurystyki Metody heurystyczne są jednym z ważniejszych narzędzi sztucznej inteligencji.
Bardziej szczegółowoElementy kognitywistyki II: Sztuczna inteligencja. WYKŁAD V: Agent wciąż szuka rozwiązania (choć już nie na ślepo)
Elementy kognitywistyki II: Sztuczna inteligencja WYKŁAD V: Agent wciąż szuka rozwiązania (choć już nie na ślepo) Poprzednio: węzeł reprezentowany jest jako piątka: stan odpowiadający węzłowi rodzic węzła
Bardziej szczegółowoĆWICZENIE 1: Przeszukiwanie grafów cz. 1 strategie ślepe
Instytut Mechaniki i Inżynierii Obliczeniowej Wydział Mechaniczny Technologiczny, Politechnika Śląska www.imio.polsl.pl METODY HEURYSTYCZNE ĆWICZENIE 1: Przeszukiwanie grafów cz. 1 strategie ślepe opracował:
Bardziej szczegółowoWyznaczanie długości fali świetlnej za pomocą spektrometru siatkowego
Politechnika Łódzka FTIMS Kierunek: Informatyka rok akademicki: 2008/2009 sem. 2. grupa II Termin: 19 V 2009 Nr. ćwiczenia: 413 Temat ćwiczenia: Wyznaczanie długości fali świetlnej za pomocą spektrometru
Bardziej szczegółowoJeśli czas działania algorytmu zależy nie tylko od rozmiaru danych wejściowych i przyjmuje różne wartości dla różnych danych o tym samym rozmiarze,
Oznaczenia: Jeśli czas działania algorytmu zależy nie tylko od rozmiaru danych wejściowych i przyjmuje różne wartości dla różnych danych o tym samym rozmiarze, to interesuje nas złożoność obliczeniowa
Bardziej szczegółowoŁ Ł Ś Ó ć ć ć Ą Ć ć ć Ł Ś Ą Ó Ń Ą ź ź ź Ń ć ć Ł ć Ł Ł Ł Ś Ó Ń ć ć Ł ć Ł ć ć Ś Ł ć Ą Ą ź ź ź ć ć ć Ńć ć Ś Ś Ś Ń Ą ć ć ć ć ć Ń Ą Ł ź ź Ą ź ź ć ć ź ć Ą ć ć ć ź ź ź Ą ź ź ź ź ź ź ć ć ć ć ć ć ć Ą ć ć ź ć ć
Bardziej szczegółowoAlgorytmy mrówkowe. H. Bednarz. Wydział Informatyki Zachodniopomorski Uniwersytet Technologiczny w Szczecinie Inteligentne systemy informatyczne
Algorytmy mrówkowe H. Bednarz Wydział Informatyki Zachodniopomorski Uniwersytet Technologiczny w Szczecinie Inteligentne systemy informatyczne 13 kwietnia 2015 1 2 3 4 Przestrzeń poszukiwań Ograniczenia
Bardziej szczegółowoOptymalizacja. Wybrane algorytmy
dr hab. inż. Instytut Informatyki Politechnika Poznańska www.cs.put.poznan.pl/mkomosinski, Andrzej Jaszkiewicz Problem optymalizacji kombinatorycznej Problem optymalizacji kombinatorycznej jest problemem
Bardziej szczegółowoSprawozdanie z realizacji efektów kształcenia na kierunku Informatyka w roku akademickim 2012/2013
Uniwersytet Śląski Wydział Informatyki i Nauki o Materiałach KIERUNKOWY ZESPÓŁ ZAPEWNIANIA JAKOŚCI KSZTAŁCENIA Sprawozdanie z realizacji efektów kształcenia na kierunku Informatyka w roku akademickim 01/01
Bardziej szczegółowoZachowania odbiorców. Grupa taryfowa G
Zachowania odbiorców. Grupa taryfowa G Autor: Jarosław Tomczykowski Biuro PTPiREE ( Energia elektryczna luty 2013) Jednym z założeń wprowadzania smart meteringu jest optymalizacja zużycia energii elektrycznej,
Bardziej szczegółowoAnaliza porównawcza sposobu pomiaru jakości spalania gazu w palnikach odkrytych
NAFTA-GAZ kwiecień 2011 ROK LXVII Mateusz Rataj Instytut Nafty i Gazu, Kraków Analiza porównawcza sposobu pomiaru jakości spalania gazu w ch odkrytych Wstęp W związku z prowadzonymi badaniami różnego typu
Bardziej szczegółowoWPROWADZENIE DO SZTUCZNEJ INTELIGENCJI
POLITECHNIKA WARSZAWSKA WYDZIAŁ MECHANICZNY ENERGETYKI I LOTNICTWA MEL WPROWADZENIE DO SZTUCZNEJ INTELIGENCJI NS 586 Dr inż. Franciszek Dul 6. GRY POSZUKIWANIA W OBECNOŚCI PRZECIWNIKA Gry Pokażemy, w jaki
Bardziej szczegółowoMetoda aktywnych konturów
Metoda aktywnych konturów Grzegorz Szuba (grzegorzszuba@poczta.onet.pl) informatyka IV rok Metody Rozpoznawania Obrazów 2005/2006 Treść zadania: Celem zadania jest stworzenie konturu, który będzie dążył
Bardziej szczegółowoRozwiązywanie problemów metodą przeszukiwania
Rozwiązywanie problemów metodą przeszukiwania Dariusz Banasiak Katedra Informatyki Technicznej W4/K9 Politechnika Wrocławska Reprezentacja problemu w przestrzeni stanów Jedną z ważniejszych metod sztucznej
Bardziej szczegółowoSTUDENCI I ABSOLWENCI W OSTATNIEJ DEKADZIE - W ZALEŻNOŚCI OD KIERUNKU, TYPU SZKOŁY i TRYBU STUDIOWANIA
STUDENCI I ABSOLWENCI W OSTATNIEJ DEKADZIE - W ZALEŻNOŚCI OD KIERUNKU, TYPU SZKOŁY i TRYBU STUDIOWANIA W mijającej dekadzie w Polsce najwięcej osób studiowało na kierunkach humanistycznospołecznych 1.
Bardziej szczegółowoAlgorytmy metaheurystyczne podsumowanie
dr hab. inż. Instytut Informatyki Politechnika Poznańska www.cs.put.poznan.pl/mkomosinski, Andrzej Jaszkiewicz Problem optymalizacji kombinatorycznej Problem optymalizacji kombinatorycznej jest problemem
Bardziej szczegółowoALHE. prof. Jarosław Arabas semestr 15Z
ALHE prof. Jarosław Arabas semestr 15Z Wykład 5 Błądzenie przypadkowe, Algorytm wspinaczkowy, Przeszukiwanie ze zmiennym sąsiedztwem, Tabu, Symulowane wyżarzanie 1. Błądzenie przypadkowe: Pierwszym krokiem
Bardziej szczegółowoSytuacja demograficzna a szkolnictwo wyższe w Polsce
Sytuacja demograficzna a szkolnictwo wyższe w Polsce Od 1990 roku polskie szkolnictwo wyższe było w okresie stałego i dynamicznego wzrostu. W ciągu 15 lat liczba studentów osiągnęła rekordowy poziom 1,9
Bardziej szczegółowoMetody przeszukiwania
Metody przeszukiwania Co to jest przeszukiwanie Przeszukiwanie polega na odnajdywaniu rozwiązania w dyskretnej przestrzeni rozwiązao. Zwykle przeszukiwanie polega na znalezieniu określonego rozwiązania
Bardziej szczegółowoDemografia członków PAN
NAUKA 3/2007 163-167 ANDRZEJ KAJETAN WRÓBLEWSKI Demografia członków PAN O niektórych sprawach dotyczących wieku nowych i odchodzących członków Polskiej Akademii Nauk mówiłem już w dyskusji podczas Zgromadzenia
Bardziej szczegółowodr inż. Jarosław Forenc
Informatyka 2 Politechnika Białostocka - Wydział Elektryczny Elektrotechnika, semestr III, studia stacjonarne I stopnia Rok akademicki 2010/2011 Wykład nr 7 (24.01.2011) dr inż. Jarosław Forenc Rok akademicki
Bardziej szczegółowoPodstawy systemów kryptograficznych z kluczem jawnym RSA
Podstawy systemów kryptograficznych z kluczem jawnym RSA RSA nazwa pochodząca od nazwisk twórców systemu (Rivest, Shamir, Adleman) Systemów z kluczem jawnym można używać do szyfrowania operacji przesyłanych
Bardziej szczegółowoProblem Komiwojażera - algorytmy metaheurystyczne
Problem Komiwojażera - algorytmy metaheurystyczne algorytm mrówkowy algorytm genetyczny by Bartosz Tomeczko. All rights reserved. 2010. TSP dlaczego metaheurystyki i heurystyki? TSP Travelling Salesman
Bardziej szczegółowoDominik Matuszek, V Liceum Ogólnokształcące w Bielsku-Białej. Liczby pierwsze
Dominik Matuszek, V Liceum Ogólnokształcące w Bielsku-Białej Liczby pierwsze Czym są liczby pierwsze? Na początku powiedzmy sobie, czym są liczby pierwsze. Jak powszechnie wiadomo, liczba pierwsza jest
Bardziej szczegółowoMiejscem pomiarów była gmina Kamionka Wielka. Pyłomierz był instalowany w trzech miejscach. Rys1. Mapa gminy z zaznaczonymi miejscowościami
W ramach projektu LIFE, przy współpracy z Krakowskim Alarmem Smogowym, został przeprowadzony pomiar pyłu zawieszonego, przy użyciu miernika laserowego DUSTTRAK II AEROSOL MONITOR 8530 przystosowanego do
Bardziej szczegółowooperacje porównania, a jeśli jest to konieczne ze względu na złe uporządkowanie porównywanych liczb zmieniamy ich kolejność, czyli przestawiamy je.
Problem porządkowania zwanego również sortowaniem jest jednym z najważniejszych i najpopularniejszych zagadnień informatycznych. Dane: Liczba naturalna n i ciąg n liczb x 1, x 2,, x n. Wynik: Uporządkowanie
Bardziej szczegółowoMarcel Stankowski Wrocław, 23 czerwca 2009 INFORMATYKA SYSTEMÓW AUTONOMICZNYCH
Marcel Stankowski Wrocław, 23 czerwca 2009 INFORMATYKA SYSTEMÓW AUTONOMICZNYCH Przeszukiwanie przestrzeni rozwiązań, szukanie na ślepo, wszerz, w głąb. Spis treści: 1. Wprowadzenie 3. str. 1.1 Krótki Wstęp
Bardziej szczegółowoKonkurs z przedmiotu eksploracja i analiza danych: problem regresji i klasyfikacji
Konkurs z przedmiotu eksploracja i analiza danych: problem regresji i klasyfikacji Michał Witczak Data Mining 20 maja 2012 r. 1. Wstęp Dostarczone zostały nam 4 pliki, z których dwa stanowiły zbiory uczące
Bardziej szczegółowoKondycja polskiego sektora bankowego w drugiej połowie 2012 roku. Podsumowanie wyników polskich banków za I półrocze
Kondycja polskiego sektora bankowego w drugiej połowie 2012 roku. Podsumowanie wyników polskich banków za I półrocze Polskie banki osiągnęły w I półroczu łączny zysk netto na poziomie 8,04 mld zł, po wzroście
Bardziej szczegółowoPLAN ZAJĘĆ SEMESTR III- ROK AKADEMICKI 2016/2017
PLAN ZAJĘĆ SEMESTR III- ROK AKADEMICKI 20/20 STUDIA NIESTACJONARNE I STOPNIA Kierunek: Zarządzanie Specjalność: Zarządzanie w agrobiznesie aktualizacja --07 0: Przedmiot liczba godz. ćwicz. ECTS 1 2 3
Bardziej szczegółowoSztuczna inteligencja w programowaniu gier
ztuczna inteligencja w programowaniu gier Algorytmy przeszukiwania przestrzeni rozwiązań Krzysztof Ślot Wprowadzenie Ogólna charakterystyka zagadnienia Cel przeszukiwania: znaleźć element będący rozwiązaniem
Bardziej szczegółowoRaport z oceny pracy dydaktycznej nauczycieli akademickich dokonanej przez studentów w roku akademickim 2014/2015
Bydgoszcz, dnia 17 maja 2016 r. Hanna Żukowska Marek Mrówczyński Raport z oceny pracy dydaktycznej nauczycieli akademickich dokonanej przez studentów w roku akademickim 2014/2015 1. Wypełnialność ankiet
Bardziej szczegółowoSZTUCZNA INTELIGENCJA
SZTUCZNA INTELIGENCJA WYKŁAD 13. PROBLEMY OPTYMALIZACYJNE Częstochowa 2014 Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska PROBLEMY OPTYMALIZACYJNE Optymalizacja poszukiwanie
Bardziej szczegółowoZASTOSOWANIA KOGNITYWISTYKI
ZASTOSOWANIA KOGNITYWISTYKI PODSUMOWANIE ANALIZY PUBLIKACJI Z ZAKRESU KOGNITYWISTYKI RODZIAŁY W KSIĄŻKACH NAPISANE PRZEZ POLSKICH AUTORÓW Kraków, 2 ANALIZA PUBLIKACJI Z ZAKRESU KOGNITYWISTYKI Rozdziały
Bardziej szczegółowoBorealis AB Serwis Techniczny i Rozwój Rynku Reinhold Gard SE Stenungsund Szwecja
Borealis AB Serwis Techniczny i Rozwój Rynku Reinhold Gard SE-444 86 Stenungsund Szwecja Odporność na ciśnienie hydrostatyczne oraz wymiarowanie dla PP-RCT, nowej klasy materiałów z polipropylenu do zastosowań
Bardziej szczegółowoPDF created with FinePrint pdffactory Pro trial version http://www.fineprint.com
Analiza korelacji i regresji KORELACJA zależność liniowa Obserwujemy parę cech ilościowych (X,Y). Doświadczenie jest tak pomyślane, aby obserwowane pary cech X i Y (tzn i ta para x i i y i dla różnych
Bardziej szczegółowoII. BUDOWNICTWO MIESZKANIOWE
II. BUDOWNICTWO MIESZKANIOWE 1. Mieszkania oddane do eksploatacji w 2007 r. 1 Według danych Głównego Urzędu Statystycznego, w Polsce w 2007 r. oddano do użytku 133,8 tys. mieszkań, tj. o około 16% więcej
Bardziej szczegółowoGrafy i sieci w informatyce - opis przedmiotu
Grafy i sieci w informatyce - opis przedmiotu Informacje ogólne Nazwa przedmiotu Grafy i sieci w informatyce Kod przedmiotu 11.9-WI-INFD-GiSwI Wydział Kierunek Wydział Informatyki, Elektrotechniki i Automatyki
Bardziej szczegółowoWyznaczanie sprawności grzejnika elektrycznego i ciepła właściwego cieczy za pomocą kalorymetru z grzejnikiem elektrycznym
Politechnika Łódzka FTIMS Kierunek: Informatyka rok akademicki: 2008/2009 sem. 2. grupa II Termin: 24 III 2009 Nr. ćwiczenia: 215 Temat ćwiczenia: Wyznaczanie sprawności grzejnika elektrycznego i ciepła
Bardziej szczegółowodr inż. Jarosław Forenc
Informatyka 2 Politechnika Białostocka - Wydział Elektryczny Elektrotechnika, semestr III, studia stacjonarne I stopnia Rok akademicki 2009/2010 Wykład nr 8 (29.01.2009) dr inż. Jarosław Forenc Rok akademicki
Bardziej szczegółowodr inŝ. Jarosław Forenc
Rok akademicki 2009/2010, Wykład nr 8 2/19 Plan wykładu nr 8 Informatyka 2 Politechnika Białostocka - Wydział Elektryczny Elektrotechnika, semestr III, studia stacjonarne I stopnia Rok akademicki 2009/2010
Bardziej szczegółowoSegmentacja obrazów cyfrowych z zastosowaniem teorii grafów - wstęp. autor: Łukasz Chlebda
Segmentacja obrazów cyfrowych Segmentacja obrazów cyfrowych z zastosowaniem teorii grafów - wstęp autor: Łukasz Chlebda 1 Segmentacja obrazów cyfrowych - temat pracy Temat pracy: Aplikacja do segmentacji
Bardziej szczegółowoZaawansowane algorytmy i struktury danych
Zaawansowane algorytmy i struktury danych u dr Barbary Marszał-Paszek Opracowanie pytań teoretycznych z egzaminów. Strona 1 z 12 Pytania teoretyczne z egzaminu pisemnego z 25 czerwca 2014 (studia dzienne)
Bardziej szczegółowoAKADEMIA GÓRNICZO-HUTNICZA im. Stanisława Staszica w Krakowie. Wydział Geologii, Geofizyki i Ochrony Środowiska. Bazy danych 2
AKADEMIA GÓRNICZO-HUTNICZA im. Stanisława Staszica w Krakowie Wydział Geologii, Geofizyki i Ochrony Środowiska Wydajnośd w bazach danych Grzegorz Surdyka Informatyka Stosowana Kraków, 9 Spis treści. Wstęp...
Bardziej szczegółowoDrgania relaksacyjne w obwodzie RC
Politechnika Łódzka FTIMS Kierunek: Informatyka rok akademicki: 2008/2009 sem. 2. grupa II Termin: 21 IV 2009 Nr. ćwiczenia: 311 Temat ćwiczenia: Drgania relaksacyjne w obwodzie RC Nr. studenta: 5 Nr.
Bardziej szczegółowoProgramowanie dynamiczne
Programowanie dynamiczne Patryk Żywica 5 maja 2008 1 Spis treści 1 Problem wydawania reszty 3 1.1 Sformułowanie problemu...................... 3 1.2 Algorytm.............................. 3 1.2.1 Prosty
Bardziej szczegółowo58% 36% 14,6% Executive Summary. Informatyka coraz bardziej popularna. Dziewczyny informatyczki. ogólnej liczby studiujących w Polsce to kobiety
Executive Summary 58% ogólnej liczby studiujących w Polsce to kobiety 36% studentów wyższych szkół technicznych to kobiety Informatyka coraz bardziej popularna Od kilku lat obserwujemy wzrost zainteresowania
Bardziej szczegółowoWybór / ocena atrybutów na podstawie oceny jakości działania wybranego klasyfikatora.
Wprowadzenie do programu RapidMiner Studio 7.6, część 7 Podstawy metod wyboru atrybutów w problemach klasyfikacyjnych, c.d. Michał Bereta www.michalbereta.pl Wybór / ocena atrybutów na podstawie oceny
Bardziej szczegółowoPorównanie algorytmów wyszukiwania najkrótszych ścieżek międz. grafu. Daniel Golubiewski. 22 listopada Instytut Informatyki
Porównanie algorytmów wyszukiwania najkrótszych ścieżek między wierzchołkami grafu. Instytut Informatyki 22 listopada 2015 Algorytm DFS w głąb Algorytm przejścia/przeszukiwania w głąb (ang. Depth First
Bardziej szczegółowoPodstawy sztucznej inteligencji
wykład 2 Strategie przeszukiwania - ślepe i heurystyczne Algorytmy ewolucyjne 03 kwietnia 2011 Plan wykładu 1 Strategie czyli jak znaleźć rozwiązanie problemu 2 Jak wykonać przeszukiwanie Przeszukiwanie
Bardziej szczegółowoLaboratorium podstaw elektroniki
150875 Grzegorz Graczyk numer indeksu imie i nazwisko 150889 Anna Janicka numer indeksu imie i nazwisko Grupa: 2 Grupa: 5 kierunek Informatyka semestr 2 rok akademicki 2008/09 Laboratorium podstaw elektroniki
Bardziej szczegółowoAnaliza efektywności przetwarzania współbieżnego. Wykład: Przetwarzanie Równoległe Politechnika Poznańska Rafał Walkowiak Grudzień 2015
Analiza efektywności przetwarzania współbieżnego Wykład: Przetwarzanie Równoległe Politechnika Poznańska Rafał Walkowiak Grudzień 2015 Źródła kosztów przetwarzania współbieżnego interakcje między procesami
Bardziej szczegółowoStatystyczne badanie zasięgu samolotów papierowych. Autor: Michał Maszkowski Rok szkolny wykonania: 2014/2015 Opiekun: p.
Statystyczne badanie zasięgu samolotów papierowych Autor: Michał Maszkowski Rok szkolny wykonania: 2014/2015 Opiekun: p. Jolanta Siemińska Wstęp Celem mojego projektu było znalezienie najdalej latającego
Bardziej szczegółowoSztuczna Inteligencja i Systemy Doradcze
Sztuczna Inteligencja i Systemy Doradcze Przeszukiwanie przestrzeni stanów algorytmy ślepe Przeszukiwanie przestrzeni stanów algorytmy ślepe 1 Strategie slepe Strategie ślepe korzystają z informacji dostępnej
Bardziej szczegółowoSymulacyjne metody wyceny opcji amerykańskich
Metody wyceny Piotr Małecki promotor: dr hab. Rafał Weron Instytut Matematyki i Informatyki Politechniki Wrocławskiej Wrocław, 0 lipca 009 Metody wyceny Drzewko S 0 S t S t S 3 t S t St St 3 S t St St
Bardziej szczegółowoStraty sieciowe a opłaty dystrybucyjne
Straty sieciowe a opłaty dystrybucyjne Autorzy: Elżbieta Niewiedział, Ryszard Niewiedział Menedżerskich w Koninie - Wyższa Szkoła Kadr ( Energia elektryczna styczeń 2014) W artykule przedstawiono wyniki
Bardziej szczegółowoPorównanie czasów działania algorytmów sortowania przez wstawianie i scalanie
Więcej o sprawności algorytmów Porównanie czasów działania algorytmów sortowania przez wstawianie i scalanie Załóżmy, że możemy wykonać dane zadanie przy użyciu dwóch algorytmów: jednego o złożoności czasowej
Bardziej szczegółowogodz JĘZYKI PROGRAMOWANIA I. GR. 2 sala 573 B+574 B
STUDIA ZAOCZNE; kier. INFORMATYKA Ist. I rok 1 sem. dr Sławomir PAWŁOWSKI ARCHITEKTURA SYSTEMÓW KOMPUTEROWYCH GR 1 sala 571 B+572 B dr Grzegorz WIECZOREK JĘZYKI PROGRAMOWANIA I sala 573 B+574 B dr hab.
Bardziej szczegółowoObowiązkowy A. Przedmioty kształcenia ogólnego 1 Etykieta w życiu publicznym wykład 9 zaliczenie tak 1 B. Przedmioty podstawowe
Instytut Informatyki, PWSZ w Nysie Kierunek: Informatyka Specjalność: Systemy internetowe, SI studia niestacjonarne Rok 2012/2013 Rok I, semestr I (zimowy) zajęć 1 Etykieta w życiu publicznym 9 tak 1 Przedmiot
Bardziej szczegółowo1. Granice funkcji - wstępne definicje i obliczanie prostych granic
1. Granice funkcji - wstępne definicje i obliczanie prostych granic Grzegorz Kosiorowski Uniwersytet Ekonomiczny w Krakowie rzegorz Kosiorowski (Uniwersytet Ekonomiczny 1. Granice w Krakowie) funkcji -
Bardziej szczegółowoKarta pracy do doświadczeń
1 Karta pracy do doświadczeń UWAGA: Pola z poleceniami zapisanymi niebieską czcionką i ramkami z przerywaną linią wypełniają uczniowie uczestniczący w zajęciach. A. Temat w formie pytania badawczego lub
Bardziej szczegółowoAlgorytmy klasteryzacji jako metoda dyskretyzacji w algorytmach eksploracji danych. Łukasz Przybyłek, Jakub Niwa Studenckie Koło Naukowe BRAINS
Algorytmy klasteryzacji jako metoda dyskretyzacji w algorytmach eksploracji danych Łukasz Przybyłek, Jakub Niwa Studenckie Koło Naukowe BRAINS Dyskretyzacja - definicja Dyskretyzacja - zamiana atrybutów
Bardziej szczegółowodr Grzegorz WIECZOREK JĘZYKI PROGRAMOWANIA I
STUDIA ZAOCZNE; kier. INFORMATYKA Ist. I rok 1 sem. dr Grzegorz WIECZOREK JĘZYKI PROGRAMOWANIA I GR. 1 sala 573 B+574 B prof. Jarosław BAUER MATEMATYKA DYSKRETNA GR. 1 sala 271 A dr Sławomir PAWŁOWSKI
Bardziej szczegółowoPOLITECHNIKA OPOLSKA
POLITECHNIKA OPOLSKA WYDZIAŁ MECHANICZNY Katedra Technologii Maszyn i Automatyzacji Produkcji Laboratorium Podstaw Inżynierii Jakości Ćwiczenie nr Temat: Karty kontrolne przy alternatywnej ocenie właściwości.
Bardziej szczegółowoAlgorytmy genetyczne. Materiały do laboratorium PSI. Studia stacjonarne i niestacjonarne
Algorytmy genetyczne Materiały do laboratorium PSI Studia stacjonarne i niestacjonarne Podstawowy algorytm genetyczny (PAG) Schemat blokowy algorytmu genetycznego Znaczenia, pochodzących z biologii i genetyki,
Bardziej szczegółowoUniwersytet Śląski w Katowicach WYDZIAŁ MATEMATYKI, FIZYKI I CHEMII. Informatyka Stosowana. Studia stacjonarne I stopnia
Uniwersytet Śląski w Katowicach WYDZIAŁ MATEMATYKI, FIZYKI I CHEMII Studia stacjonarne I stopnia Organizacja roku akademickiego 2017/2018 3,5-letnie studia pierwszego stopnia Semestr zimowy Zajęcia w semestrze
Bardziej szczegółowoPRZYRZĄD DO BADANIA RUCHU JEDNOSTAJNEGO l JEDNOSTANIE ZMIENNEGO V 5-143
Przyrząd do badania ruchu jednostajnego i jednostajnie zmiennego V 5-43 PRZYRZĄD DO BADANIA RUCHU JEDNOSTAJNEGO l JEDNOSTANIE ZMIENNEGO V 5-43 Oprac. FzA, IF US, 2007 Rys. Przyrząd stanowi równia pochyła,
Bardziej szczegółowoĆwiczenie 1 Planowanie trasy robota mobilnego w siatce kwadratów pól - Algorytm A
Ćwiczenie 1 Planowanie trasy robota mobilnego w siatce kwadratów pól - Algorytm A Zadanie do wykonania 1) Utwórz na pulpicie katalog w formacie Imię nazwisko, w którym umieść wszystkie pliki związane z
Bardziej szczegółowoAiSD zadanie trzecie
AiSD zadanie trzecie Gliwiński Jarosław Marek Kruczyński Konrad Marek Grupa dziekańska I5 5 czerwca 2008 1 Wstęp Celem postawionym przez zadanie trzecie było tzw. sortowanie topologiczne. Jest to typ sortowania
Bardziej szczegółowoAlgorytmy genetyczne. Materiały do laboratorium PSI. Studia niestacjonarne
Algorytmy genetyczne Materiały do laboratorium PSI Studia niestacjonarne Podstawowy algorytm genetyczny (PAG) Schemat blokowy algorytmu genetycznego Znaczenia, pochodzących z biologii i genetyki, pojęć
Bardziej szczegółowoV ZJAZD. STUDIA ZAOCZNE; kier. INFORMATYKA Ist. I rok 1 sem. 26 listopada 2016 (sobota) ANALIZA FIZYKA ANALIZA MATEMATYCZNA I FIZYKA ANALIZA FIZYKA
I rok 1 sem. prof. Tadeusz BALCERZAK FIZYKA prof. Krzysztof KOWALSKI ANALIZA MATEMATYCZNA I prof. Krzysztof KOWALSKI ANALIZA MATEMATYCZNA I GR 1 sala 272 A dr hab. Karol SZAŁOWSKI FIZYKA dr hab. Karol
Bardziej szczegółowoWydział Nauk Ekonomicznych Uniwersytetu Warszawskiego Warszawa, Czerwiec 2002. Mała Giełda
Wydział Nauk Ekonomicznych Uniwersytetu Warszawskiego Warszawa, Czerwiec 2002 Mała Giełda Opis eksperymentu na zajęcia z Ekonomii Eksperymentalnej prowadzone przez dr Tomasza Kopczewskiego. Wykonali: Krzysztof
Bardziej szczegółowodr Grzegorz WIECZOREK
STUDIA ZAOCZNE; kier. INFORMATYKA Ist. I rok 1 sem. prof. Jarosław BAUER MATEMATYKA DYSKRETNA Sala 551 B dr Grzegorz WIECZOREK PROGRAMOWANIA I sala 573 B+574 B dr Małgorzata WRZESIEŃ FIZYKA konwersatorium
Bardziej szczegółowoPLAN ZAJĘĆ- ZJAZD 1 27.06.2014 INFORMATYKA TRYB NIESTACJONARNY SEMESTR 4
PLAN ZAJĘĆ- ZJAZD 1 27.06.2014 piątek 7.03.2014 Analiza matematyczna-wykład, dr Parczyk, aula B sobota 8.03.2014 8.00-8.45 Matematyka dyskretna-wykład, prof. Jaworski, aula B MD-ćw., s.7 parter AM-ćw.,
Bardziej szczegółowoHarmonogram INFORMATYKA ANALITYCZNA Rok akademicki 2016/17 semestr letni
Studia licencjackie I ROK: Analiza Matematyczna 2 wykład dr hab. Rafał Pierzchała poniedziałki 8-10 0174 Analiza Matematyczna 2 ćw gr 1 dr hab. Rafał Pierzchała poniedziałki 10-12 0086 Analiza Matematyczna
Bardziej szczegółowoUkład RLC z diodą. Zadanie: Nazwisko i imię: Nr. albumu: Grzegorz Graczyk. Nazwisko i imię: Nr. albumu:
Politechnika Łódzka TIMS Kierunek: Informatyka rok akademicki: 2009/2010 sem. 3. grupa II Zadanie: Układ z diodą Termin: 5 I 2010 Nr. albumu: 150875 Nazwisko i imię: Grzegorz Graczyk Nr. albumu: 151021
Bardziej szczegółowoprof. Krzysztof KOWALSKI ANALIZA MATEMATYCZNA I. konwersatorium (3h)
STUDIA ZAOCZNE; kier. INFORMATYKA Ist. I rok 1 sem. dr Andrzej KRYŚ ARCHITEKTURA SYSTEMÓW GR 1 dr Grzegorz WIECZOREK JĘZYKI PROGRAMOWANIA I sala 573 B+574 B prof. Krzysztof KOWALSKI ANALIZA MATEMATYCZNA
Bardziej szczegółowoInstytut Nauk Technicznych, PWSZ w Nysie Kierunek: Informatyka Specjalność: Systemy internetowe, SI studia niestacjonarne Dla rocznika:
Instytut Nauk Technicznych, PWSZ w Nysie Kierunek: Informatyka Specjalność: Systemy internetowe, SI studia niestacjonarne Dla rocznika: Rok I, semestr I (zimowy) 1 Etykieta w życiu publicznym wykład 15
Bardziej szczegółowoKryteria wyboru operatorów usług telefonicznych przez abonentów w Polsce
Roman Nierebiński Opisano czynniki, wpływające na wybór operatora usług telefonii stacjonarnej i komórkowej. Wskazano najczęściej wybieranych operatorów telefonicznych oraz podano motywy wyboru. telekomunikacja,
Bardziej szczegółowoSEMESTRALNY PLAN ZAJĘĆ KKZ R. 3
Zespół Szkół im. E. Godlewskiego w Piotrkowicach Małych SEMESTRALNY PLAN ZAJĘĆ KKZ R. 3 Rok szkolny 2015/2016 Semestr III 1. Prowadzenie produkcji roślinnej 11 godzin 2. Prowadzenie produkcji zwierzęcej
Bardziej szczegółowoKierunek: Inżynieria Obliczeniowa Poziom studiów: Studia I stopnia Forma i tryb studiów: Stacjonarne. Wykład Ćwiczenia
Wydział: Inżynierii Metali i Informatyki Przemysłowej Kierunek: Inżynieria Obliczeniowa Poziom studiów: Studia I stopnia Forma i tryb studiów: Stacjonarne Rocznik: 2016/2017 Język wykładowy: Polski Semestr
Bardziej szczegółowoInstytut Informatyki, PWSZ w Nysie Kierunek: Informatyka Specjalność: Systemy i sieci komputerowe, SSK studia stacjonarne Rok 2012/2013
Instytut Informatyki, PWSZ w Nysie Kierunek: Informatyka Specjalność: Systemy i sieci komputerowe, SSK studia stacjonarne Rok 2012/2013 Rok I, semestr I (zimowy) 1 Etykieta w życiu publicznym 1 Przedmiot
Bardziej szczegółowoAlgorytmy genetyczne
9 listopada 2010 y ewolucyjne - zbiór metod optymalizacji inspirowanych analogiami biologicznymi (ewolucja naturalna). Pojęcia odwzorowujące naturalne zjawiska: Osobnik Populacja Genotyp Fenotyp Gen Chromosom
Bardziej szczegółowoPODSTAWY ELEKTROTECHNIKI I ELEKTRONIKI pracownia (3h) godz
STUDIA ZAOCZNE; kier. INFORMATYKA Ist. I rok 2 sem. JĘZYKI PROGRAMOWANIA II Mała Aula dr Krzysztof PYTEL ŚRODOWISKO PRACY INFORMATYKA: BEZPIECZEŃSTWO W SIECI dr Janusz BACZYŃSKI ŚRODOWISKO PRACY INFORMATYKA:
Bardziej szczegółowoLEMRG algorytm generowania pokoleń reguł decyzji dla baz danych z dużą liczbą atrybutów
LEMRG algorytm generowania pokoleń reguł decyzji dla baz danych z dużą liczbą atrybutów Łukasz Piątek, Jerzy W. Grzymała-Busse Katedra Systemów Ekspertowych i Sztucznej Inteligencji, Wydział Informatyki
Bardziej szczegółowoAutomatyczny dobór parametrów algorytmu genetycznego
Automatyczny dobór parametrów algorytmu genetycznego Remigiusz Modrzejewski 22 grudnia 2008 Plan prezentacji Wstęp Atrakcyjność Pułapki Klasyfikacja Wstęp Atrakcyjność Pułapki Klasyfikacja Konstrukcja
Bardziej szczegółowoCBOS CENTRUM BADANIA OPINII SPOŁECZNEJ ODPŁATNOŚĆ ZA ŚRODKI ANTYKONCEPCYJNE BS/76/2002 KOMUNIKAT Z BADAŃ WARSZAWA, MAJ 2002
CBOS CENTRUM BADANIA OPINII SPOŁECZNEJ SEKRETARIAT OŚRODEK INFORMACJI 629-35 - 69, 628-37 - 04 693-46 - 92, 625-76 - 23 UL. ŻURAWIA 4A, SKR. PT.24 00-503 W A R S Z A W A TELEFAX 629-40 - 89 INTERNET http://www.cbos.pl
Bardziej szczegółowoInstytut Nauk Technicznych, PWSZ w Nysie Kierunek: Informatyka Specjalność: Gry komputerowe i multimedia, GKiM studia niestacjonarne Dla rocznika:
Instytut Nauk Technicznych, PWSZ w Nysie Kierunek: Informatyka Specjalność: Gry komputerowe i multimedia, GKiM studia niestacjonarne Dla rocznika: Rok I, semestr I (zimowy) 1 Etykieta w życiu publicznym
Bardziej szczegółowoAlgorytmy przeszukiwania wzorca
Algorytmy i struktury danych Instytut Sterowania i Systemów Informatycznych Wydział Elektrotechniki, Informatyki i Telekomunikacji Uniwersytet Zielonogórski Algorytmy przeszukiwania wzorca 1 Wstęp Algorytmy
Bardziej szczegółowo