Hybrydowe racjonalno reaktywne systemy sterowania
|
|
- Zuzanna Wilczyńska
- 7 lat temu
- Przeglądów:
Transkrypt
1 Wrocław, dn r Hybrydowe racjonalno reaktywne systemy sterowania Praca zaliczeniowa z kursu: INE3802 Informatyka systemów autonomicznych Autor: Agata Zaremba Prowadzący: Dr inż. Marek Piasecki
2 1 Wprowadzenie Jeśli spojrzymy na rodzaj ludzki przez pryzmat systemów autonomicznych, okaże się, że ludzie to zaawansowani agenci zdolni do funkcjonowania w skomplikowanym środowisku. Zdolność tą zawdzięczamy możliwości kombinacji zachowań reaktywnych z racjonalnym wnioskowaniem. Jednym z wielu marzeń ludzi jest posiadanie własnego sługi, który byłby na tyle inteligentny, by móc wykonywać za nich wszelkie trudne, wymagające fizycznego wysiłku, lub po prostu nudne zadania. Jednakże, sługa ten nie powinien używać inteligencji do kwestionowania wydanych mu poleceń lub proszenia o urlop, czy podwyżkę. Jednym słowem, idealny sługa powinien być robotem. Prototypem takiej istoty w mitologii żydowskiej był golem. Stworzenie ulepione z gliny na podobieństwo człowieka, nie posiadające jednak wolnej woli i zdolne jedynie posłusznie wykonywać rozkazy pana. W dzisiejszym świecie sługa nie zawsze musi przybierać materialną postać. Coraz większym powodzeniem cieszą się wszelkiego typu elektroniczni doradcy lub asystenci programy, których zadaniem jest ułatwienie życia użytkownikowi systemu (np.: pomagające ułożyć plan zajęć, sortujące pocztę elektroniczną). 1.1 Systemy racjonalne Systemy racjonalne pojawiły się najwcześniej. Zasada ich działania opiera się na klasycznej sztucznej inteligencji. Korzystają z algorytmów wyszukujących i optymalizujących. Aby stworzyć rozwiązania potrzebują abstrakcyjnego modelu rzeczywistości, w oparciu o który prowadzą swoje obliczenia. Potrafią tworzyć plany wybiegające wiele kroków w przyszłość. Jeśli to możliwe szukają zawsze optymalnego rozwiązania. Doskonale sprawdzają się w statycznym środowisku i w grach turowych (np.: szachy). Rozwiązują skomplikowane problemy... i są prawie całkowicie bezużyteczne w środowiskach zmieniających się dynamicznie. Systemy racjonalne działają na pamięć. Opierają się na modelu abstrakcyjnym i kiedy już zaczną wykonywać plan są ślepe na wszelkie zmiany zachodzące w otoczeniu. Skomplikowane systemy obliczeniowe nie pozwalają zaś na prowadzenie obserwacji i modyfikację działania w czasie ciągłym. Systemy działają krokowo. 1.2 Systemy reaktywne Systemy reaktywne są z założenia systemami prostymi. Składają się z modułu postrzegania, którego zadaniem jest analizowanie otoczenia i przekazywanie zdobytych informacji do modułu reaktywnego. Moduł ten zaś w zależności od rodzaju otrzymanych informacji przeprowadza jedną z zakodowanych akcji. W przeciwieństwie do systemów racjonalnych systemy reaktywne nie prowadzą skomplikowanych obliczeń i nie posiadają wirtualnego modelu świata. Operują na modelu
3 rzeczywistym a ich działania ograniczają się do reakcji na stan aktualny. Systemy reaktywne odznaczają się szybkim czasem reakcji, w związku z czym nie mają problemów z poruszaniem sie w dynamicznym świecie. Niestety pozbawione są jakiejkolwiek możliwości planowania, w związku z czym nie są w stanie wykonywać zadań skomplikowanych i planów długoterminowych. Często w systemach tych implementuje się pamięć, aby zapobiec zakleszczeniu (np.: zdalny samochodzik w rogu, skręcający raz w prawo, raz w lewo). Pamięć taka najczęściej przechowuje dane dotyczące częstotliwości ostatnio wykonanych akcji i z czasem ulega wyżarzaniu (wartości maleją do 0). 1.3 Systemy hybrydowe Wszystko powinno być tak proste, jak to tylko możliwe, ale nie prostsze. Albert Einstein Systemy te podobnie jak systemy racjonalne działanie swoje obierają na wirtualnym modelu świata. Na podstawie zawartych w takim modelu danych formułują plan działania, a następnie zestaw elementarnych zachowań, który będzie użyty w trakcie wykonywania zadanego planu. Różnica polega na tym, że wirtualna reprezentacja świata używana jest do formułowania planu, lecz nie do jego wykonywania[1]. W wyniku takiego zabiegu robot/program jest bardziej elastyczny, zachowując się reaktywnie na najniższym poziomie, podczas gdy warstwy wyższe konfigurują jego działania w oparciu o rodzaj zadania, znane elementy środowiska oraz umiejętności robota (wielkość, ilość ramion, funkcjonalność). Generalnie systemy hybrydowe łączą w sobie zalety systemów racjonalnych i reaktywnych przy jednoczesnej minimalizacji wad tychże systemów. W rezultacie są bardzo funkcjonalne, gdyż dobry czas reakcji wraz z systemem samozachowawczym (unikanie niebezpieczeństw) dopełniają zdolnością planowania kolejnych kroków narzuconych im zadań. 2 Rodzaje i właściwości hybrydowych systemów sterowania Idea połączenia systemów racjonalnych z reaktywnymi wydaje się być bardzo ciekawa, jednak nie jest prosta w realizacji. Systemy te znacznie się między sobą różnią, głównym zaś problemem jest przepływ sterowania pomiędzy nimi, oraz ustalenie priorytetów. Generalnie istnieją trzy rodzaje połączeń pomiędzy systemami reaktywnymi i racjonalnymi: System idealny jednolity, obejmujący oba systemy sterowania. Niestety system taki na razie nie istnieje[2]. System prosty dwuwarstwowy, z wyraźnym podziałem na komunikujące się ze sobą, niższą warstwę reaktywną i wyższą racjonalną. System ten jest stosunkowo prosty w implementacji[2]. System złożony wielowarstwowy (najczęściej 3 warstwy, tzw. 3T), z płynnym przejściem pomiędzy warstwą reaktywną, a warstwą planowania.[2]
4 Najczęściej wykorzystywany ze względu na swą prostotę jest system dwuwarstwowy. Jednym z trudniejszych zadań związanych z systemami warstwowymi jest systematyzacja podziału na warstwy. Do podstawowych kryteriów pozwalających scharakteryzować poszczególne warstwy zaliczamy zmiany poziomu abstrakcji wykorzystywanych danych, oraz możliwość prognozowania osiągalnych rezultatów końcowych. Zatem: Warstwa 1 Refleksy : można nazwać ją warstwą odruchów bezwarunkowych, implementuje natychmiastowe i bezpośrednie transformacje sensory > efektory, wykonywane z dużą częstotliwością. Najczęściej są to działania związane z ochroną systemu. Działania aktywowane są w wyniku bezpośredniego wykrycia wzorców w bieżących danych sensorycznych. Brak tu wnioskowania, kolejność wykonywania działań regulują priorytety. Nie ma żadnych form modelowania lub wnioskowania. Wszystkie konflikty rozwiązywane są poprzez priorytety i mechanizm blokowania refleksów o niższym priorytecie przez refleksy o wyższym priorytecie. Gwarantuje to natychmiastową reakcję. Najczęściej refleksy implementowane są w postaci jawnych matryc bodziec > działanie [2]. Warstwa 2 Reakcje : jeszcze nie myślenie, już nie odruch. Reakcje reprezentują poziom pośredni. Ich zadaniem, podobnie jak refleksów, jest dostarczanie szybkich reakcji na pobudzenie, dzieje się to jednak w sposób bardziej wyszukany. Reakcje potrafią wykorzystywać wewnętrzne zmienne charakteryzujące stan/etap odpowiedzi systemu na zaobserwowany stan otoczenia. Najczęściej implementuje się je za pomocą automatów skończonych. Zatem są bardziej skomplikowane niż refleksy, składają się z kilku do kilkunastu pomniejszych działań. Wciąż jednak brak tutaj mechanizmu planowania. Podstawowym zadaniem reakcji jest detekcja występowania oczekiwanych wzorców w sygnałach pomiarowych. Różnica w stosunku do refleksów polega na tym, że pod uwagę brane są również dane wewnętrzne (pomiary wypracowywane na podstawie modeli wyższych poziomów). Połączenie wykrycia wzorców w danych z sensorów fizycznych i wirtualnych generuje wydarzenia inicjujące działanie odpowiednich reakcji. W ten sposób na poziomie pośrednim następuje połączenie systemu reaktywnego z systemem racjonalnym podejścia typowo reaktywnego. Reakcje są z góry zaplanowane ale możliwa jest odpowiednia ich modyfikacja w zależności od potrzeb konkretnego zadania[2]. Warstwa 3 Złożone działania : Najwyższy poziom, na którym następuje planowanie. Tutaj ma miejsce modelowania i wnioskowania, w wyniku którego tworzone są plany składające się z zadań cząstkowych. Na potrzeby tychże zadań generowane są zestawy zachowań. każde takie zadanie kończy się wraz z osiągnięciem celu cząstkowego. Wybrane zachowania mają służyć jego osiągnięciu. System na tym poziomie dokonuje analizy obserwowanych stanów świata i prognozuje możliwe zmiany zachodzące w wyniku przeprowadzenia konkretnych zachowań. Prognozowanie dokonywane jest na podstawie posiadanych modeli świata. Modele te powinny być w miarę możliwości proste, gdyż następuje ich częsta aktualizacja, jednak na tyle złożone, by system mógł na ich podstawie dokonywać efektywnego planowania[2].
5 Warstwa trzecia może pełnić różne role w zależności od rodzaju systemu. Oto kilka najczęściej spotykanych przykładów: Wybór: warstwa planująca konfiguruje system, Doradztwo: warstwa planująca pełni funkcję doradcy, Przystosowanie: warstwa planująca przystosowuje warstwę kontrolną (np.: wybór zadań), Odkładanie: warstwa planująca pełni najmniej istotną rolę, używana, gdy niższe warstwy zawodzą. 3 Przykładowe architektury hybrydowych systemów sterowania i ich zastosowania Istnieje wiele architektur wykorzystujących hybrydowe systemy sterowania. Poniżej zaprezentuję po jednym przykładzie dla systemów dwuwarstwowych i systemów złożonych. 3.1 AuRA AuRA (Autonomous Robot Architecture) jest jedną z wcześniejszych metod integracji systemów racjonalnych z reaktywnymi[2]. Opiera się na modelu dwuwarstwowym jej wnętrze stanowią dwa niezależne systemy komunikujące się ze sobą. AuRA wykorzystuje różne formy reprezentacji wiedzy: wirtualne mapy i przestrzenne modele obiektów znajdujących się w otoczeniu (statyczne), dynamicznie tworzone lokalne mapy przestrzenne, zbiór zachowań motorycznych, oraz metod percepcji, wybieranych i konfigurowanychna bieżąco w sposób zgodny z posiadaną wiedzą. Moduł planujący (eng. planner) jest ściśle związany z narzuconym z góry celem działań. Moduł ten posiada jednocześnie największy zasięg i najmniej zmiennych czasowych (planuje z góry całe postępowanie). Gotowy plan jest przekazywany następnie modułowi nawigatora, który wybiera drogę start meta w oparciu o dostępny wirtualny model świata. Droga ta składa się z serii odcinków (pomniejszych zadań) i jest zgodna z założeniami celu misji. Po ustaleniu drogi do akcji wkracza pilot. Jego zadaniem jest dobranie odpowiednich zachowań i metod percepcji (czujników),tak aby pomyślnie zakończyć bieżący fragment trasy. Gdy posiadamy już gotowy plan działania, a środki mające służyć jego wykonaniu zostały odpowiednio dobrane i skonfigurowane, sterowanie przekazane zostaje modułowi reaktywnemu. Konfiguracja schematów zmieniana jest dynamicznie w zależności od postępów w wykonywaniu działań, stopnia ich zaawansowania, oraz zmian zachodzących w otoczeniu systemu. Na tym poziomie system pozostaje niezależny od reprezentowanej wiedzy. Dopiero, gdy z jakiegoś powodu jeden z etapów lub etap końcowy kończy się niepowodzeniem, budzone są wyższe warstwy i wznawiany jest etap planowania w celu utworzenia strategii alternatywnej.
6 3.2 CoCo Architektura Cognitive Controller jest z kolei typowym przykładem architektury trójwarstwowej. Składa się z następujących modułów: racjonalnego, reaktywnego, monitorującego, Moduł racjonalny zawiera wysokopoziomowy system planujący. Moduł reaktywny zawiera niskopoziomowy, oparty na zachowaniach system kontroli, wraz ze wspomagającym go systemem percepcji i modułem pamięci. Na poziomie pośrednim znajduje się moduł monitorujący wykonanie planu, który jednocześnie wprowadza kontrolę realcji pomiędzy modułami reaktywnym i racjonalnym[3]. Moduł reaktywny Pracuje jako strażnik odpowiedzialny za ciągłe bezpieczeństwo agenta. Jako taki, kontroluje zachowania systemu z najwyższym priorytetem (warstwa refleksów) i funkcjonuje całkowicie niezależnie od reszty systemu. W sposób ciągły pobiera i bada informacje dostarczane mu przez system percepcji, jak również zmienne wewnętrzne dostarczane przez moduł racjonalny. Na ich podstawie generuje wybiera odpowiednie działania. Wybór działania zależy w równym stopniu od obecnego stanu otoczenia, jak i od rad otrzymanych od modułu racjonalnego. Moduł ten odpowiedzialny jest także za kolekcjonowanie wiedzy o otaczającym świecie i przekazywanie dyskretnej reprezentacji tejże wiedzy do modułu racjonalnego. Aktualizacja modeli pozwala modułowi racjonalnemu efektywnie planować. Moduł reaktywny składa się z komponentów odpowiedzialnych za działanie/ruch, percepcję/kolekcjonowanie bodźców, oraz moduł pamięciowy. Moduł racjonalny Moduł ten daje agentowi w zdolność planowania, umożliwiając mu tym samem przeprowadzenie zadań, które bez planowania byłyby niemożliwe do wykonania. Moduł utrzymuje zestaw modułów planujących (planners). Każdy z tych modułów posiada własną bazę wiedzy, własną strategię planowania i oddzielną listę zadań. Każdy moduł planujący widzi świat w sposób abstrakcyjny (do obliczeń używa modelu wirtualnego). Pozwala to na śledzenie przeprowadzonego przez dany moduł wnioskowania. Moduł racjonalny zawsze ustala najniższy możliwy poziom abstrakcji dla działania modułów planujących. Wybranie odpowiedniego poziomu abstrakcji jest kluczowe dla poprawnego działania całego systemu. Po otrzymaniu zadania od operatora/użytkownika moduł racjonalny wybiera jeden z modułów planujących, aktualizuje jego model świata, po czym aktywuje sam moduł. W danej chwili czasowej
7 może działać tylko jeden moduł planujący, takie są wymogi ochrony przed interakcjami pomiędzy różnymi akcjami sugerowanymi przez różne moduły planujące. Moduł planujący ustala plan działania jako sekwencję 0 (tylko, gdy nie da się wygenerować planu działania), lub większej ilości akcji (działań), po czym przekazuje gotowy plan modułowi racjonalnemu, który z kolei przekazuje go modułowi monitorującemu. Każde działanie w planie zawiera instrukcje, dotyczące rodzaju podejmowanych akcji oraz określenie stanów przed rozpoczęciem akcji i po jej wykonaniu. Moduł monitorujący Moduł jest swoistym łącznikiem pomiędzy modułami racjonalnym i reaktywnym. Gdy nadchodzi zadanie, gdy istniejący plan nie powiódł się, gdy moduł reaktywny utknął, lub gdy któraś z akcji okazała się zbyt skomplikowana, moduł monitorujący inicjuje akcję planowania w module racjonalnym. Wykonywanie aktualnego planu kontrolowane jest poprzez sprawdzanie stanów systemu przed zaczęciem kolejnej akcji i po jej ukończeniu. Tak więc, stany te są podstawą wiedzy modułu dotyczącej kontroli wykonywanego planu. Istnieją trzy rodzaje akcji: akcje podstawowe, wykonywane bezpośrednio przez moduł reaktywny, akcje warunkowe, wymagają wyboru, która z akcji ma być wykonana następnie, akcje zaawansowane, wymagające bliższego zbadania. Moduł monitorujący radzi sobie ze wszystkimi rodzajami akcji, co znaczy, że może wykonywać akcje liniowe, akcje warunkowe, jak również akcje hierarchiczne. Może także wykonywać akcje współbieżne. Oznacza to jednak, że musi zarządzać także takimi zjawiskami, jak np.: zakleszczenia. System ten jest bardziej zaawansowany niż AuRA, dlatego też lepiej radzi sobie w zmiennym środowisku. Dzięki modułowi kontrolującemu znacznie szybciej reaguje na zmiany i szybciej zarzuca działania, które są z góry skazane na niepowodzenie. Dlatego też lepiej sprawdza się w sytuacjach wymagających precyzji i szybkości reakcji. 3.3 Zastosowania Oba systemy zorientowane są głównie na inteligentne sterowanie robotami. AuRA, ze względu na mały stopień skomplikowana używana jest często w celach dydaktycznych do programowania niewielkich robotów, tak by wykonywały określone funkcje (np. przenosiły przedmioty z miejsca na miejsce, trzymały się trasy). Myślę, że z powodzeniem można ją zastosować również w grach komputerowych (FPP, RPG) do symulacji zachowań postaci NPC. Architektura ta z powodzeniem znajduje zastosowanie przede wszystkim w różnego rodzaju systemach mobilnych, a więc: roboty, samochody, inne pojazdy (zarówno rzeczywiste, jak wirtualne). CoCo znajduje zastosowanie w podobnych dziedzinach. Jest to system bardziej rozbudowany i, co za tym idzie, bardziej niezawodny. Dlatego stosuje się go w systemach wymagających większej precyzji, np.: urządzenie łapiące satelity znajdujące się na orbitach.[3]
8 Aczkolwiek zaprojektowane z myślą o robotach, systemy hybrydowe znajdują także zastosowanie we wszelkiego rodzaju asystentach i organizerach. Potrafią szybko reagować na zmiany, więc ryzyko, że przeoczą właśnie otrzymaną wiadomość jest niewielkie. Natomiast ich funkcjonalność średnio sprawdza się w systemach doradczych, takich jak osobisty agent turystyczny. Systemy te muszą mieć jasno przedstawiony cel, aby mogły w pełni wyorzystać swój potencjał. 4 Podsumowanie Inteligencja systemu zależy od jego możliwości postrzegania, reakcji i planowania, postrzeganych nie jako osobne cechy systemu, lecz jako całość[4]. Dzieje się tak dlatego, że wymagamy przede wszystkim by system był efektywny. Systemy hybrydowe łączą w sobie najlepsze cechy systemów w ich skład wchodzących, dzięki czemu potrafią zachowywać się w sposób inteligentny, czasem sprawiają wrażenie istot żywych. Co za tym idzie, jeśli dobrze zaprojektowane, potrafią być bardzo efektywne. Dlatego też cieszą się coraz większą popularnością nie tylko wśród miłośników robotów. 5 Źródła [1] Integrating behavioral, perceptual and world knowledge inreactive navigation, Arkin R.C. [2] Systemy hybrydowe reaktywno racjonalne, Informatyka systemów autonomicznych, wykład [3] The Cognitive Controller: A Hybrid, Deliberative/Reactive Control Architecture for Autonomous Robots, Faisal Qureshi, Demetri Terzopoulos1, and Ross Gillett [4] Reactive Planning in a Motivated Behavioral Architecture, Eric Beaudry, Yannick Brosseau, Carle Cot, Cl ment Ra evsky, Dominic L tourneau, Froduald Kabanza, Francois Michaud
Systemy hybrydowe reaktywno-racjonalne
WYKŁAD 5 Systemy hybrydowe reaktywno-racjonalne Sterowanie REAKTYWNE Zalety: bardzo szybko reaguje na zmiany otoczenia, ograniczone wymagania na moc obliczeniową oraz pamięć, system reaktywny rozbudowany
Systemy Agentowe główne cechy. Mariusz.Matuszek WETI PG
Systemy Agentowe główne cechy Mariusz.Matuszek WETI PG Definicja agenta Wiele definicji, w zależności od rozpatrywanego zakresu zastosowań. Popularna definicja: Jednostka obliczeniowa (program, robot),
Elementy kognitywistyki II: Sztuczna inteligencja. WYKŁAD II: Agent i jego środowisko
Elementy kognitywistyki II: Sztuczna inteligencja WYKŁAD II: Agent i jego środowisko Agent racjonalny Agent jednostka traktowana jakby postrzegała swoje środowisko dzięki pewnym czujnikom oraz działająca
Systemy autonomiczne wykorzystujące sterowanie reaktywne
WYKŁAD 4 Systemy autonomiczne wykorzystujące sterowanie reaktywne DZIAŁANIE REAKTYWNE działanie poprzez 'reakcje', oparte na bezpośrednim przyporządkowaniu percepcji i akcji, bez modelowania i bez planowania
Heurystyki. Strategie poszukiwań
Sztuczna inteligencja Heurystyki. Strategie poszukiwań Jacek Bartman Zakład Elektrotechniki i Informatyki Instytut Techniki Uniwersytet Rzeszowski DLACZEGO METODY PRZESZUKIWANIA? Sztuczna Inteligencja
Struktura systemu operacyjnego. Opracował: mgr Marek Kwiatkowski
Struktura systemu operacyjnego Schemat budowy systemu operacyjnego model warstwowy Schemat budowy systemu operacyjnego części składowe Większość systemów operacyjnych opiera się o koncepcję jądra, która
OpenAI Gym. Adam Szczepaniak, Kamil Walkowiak
OpenAI Gym Adam Szczepaniak, Kamil Walkowiak Plan prezentacji Programowanie agentowe Uczenie przez wzmacnianie i problemy związane z rozwojem algorytmów Charakterystyka OpenAI Gym Biblioteka gym Podsumowanie
Marcel 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
Elementy kognitywistyki II: Sztuczna inteligencja. WYKŁAD III: Problemy agenta
Elementy kognitywistyki II: Sztuczna inteligencja WYKŁAD III: Problemy agenta To już było: AI to dziedzina zajmująca się projektowaniem agentów Określenie agenta i agenta racjonalnego Charakterystyka PAGE
Modelowanie 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
Modelowanie i obliczenia techniczne. dr inż. Paweł Pełczyński
Modelowanie i obliczenia techniczne dr inż. Paweł Pełczyński ppelczynski@swspiz.pl Literatura Z. Fortuna, B. Macukow, J. Wąsowski: Metody numeryczne, WNT Warszawa, 2005. J. Awrejcewicz: Matematyczne modelowanie
Automatyczne tworzenie trójwymiarowego planu pomieszczenia z zastosowaniem metod stereowizyjnych
Automatyczne tworzenie trójwymiarowego planu pomieszczenia z zastosowaniem metod stereowizyjnych autor: Robert Drab opiekun naukowy: dr inż. Paweł Rotter 1. Wstęp Zagadnienie generowania trójwymiarowego
Analiza i projektowanie oprogramowania. Analiza i projektowanie oprogramowania 1/32
Analiza i projektowanie oprogramowania Analiza i projektowanie oprogramowania 1/32 Analiza i projektowanie oprogramowania 2/32 Cel analizy Celem fazy określania wymagań jest udzielenie odpowiedzi na pytanie:
Teraz 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
2016 Proget MDM jest częścią PROGET Sp. z o.o.
Proget MDM to rozwiązanie umożliwiające administrację urządzeniami mobilnymi w firmie takimi jak tablet czy telefon. Nasza platforma to także bezpieczeństwo danych firmowych i prywatnych: poczty email,
Mechatronika i inteligentne systemy produkcyjne. Modelowanie systemów mechatronicznych Platformy przetwarzania danych
Mechatronika i inteligentne systemy produkcyjne Modelowanie systemów mechatronicznych Platformy przetwarzania danych 1 Sterowanie procesem oparte na jego modelu u 1 (t) System rzeczywisty x(t) y(t) Tworzenie
Monitoring procesów z wykorzystaniem systemu ADONIS
Monitoring procesów z wykorzystaniem systemu ADONIS BOC Information Technologies Consulting Sp. z o.o. e-mail: boc@boc-pl.com Tel.: (+48 22) 628 00 15, 696 69 26 Fax: (+48 22) 621 66 88 BOC Management
zakładane efekty kształcenia
Załącznik nr 1 do uchwały nr 41/2018 Senatu Politechniki Śląskiej z dnia 28 maja 2018 r. Efekty kształcenia dla kierunku: INFORMATYKA WYDZIAŁ AUTOMATYKI, ELEKTRONIKI I INFORMATYKI WYDZIAŁ ELEKTRYCZNY nazwa
Programowanie współbieżne Wykład 2. Iwona Kochańska
Programowanie współbieżne Wykład 2 Iwona Kochańska Miary skalowalności algorytmu równoległego Przyspieszenie Stały rozmiar danych N T(1) - czas obliczeń dla najlepszego algorytmu sekwencyjnego T(p) - czas
Systemy Informatyki Przemysłowej
Systemy Informatyki Przemysłowej Profil absolwenta Profil absolwenta Realizowany cel dydaktyczny związany jest z: tworzeniem, wdrażaniem oraz integracją systemów informatycznych algorytmami rozpoznawania
Zarządzenie Nr 5 / 2011 Dyrektora Miejskiego Ośrodka Pomocy Społecznej w Lipnie z dnia 27 kwietnia 2011 roku
Zarządzenie Nr 5 / 2011 Dyrektora Miejskiego Ośrodka Pomocy Społecznej w Lipnie z dnia 27 kwietnia 2011 roku w sprawie: ustalenia regulaminu kontroli zarządczej i zasad jej prowadzenia. Na podstawie art.
Podsumowanie wyników ankiety
SPRAWOZDANIE Kierunkowego Zespołu ds. Programów Kształcenia dla kierunku Informatyka dotyczące ankiet samooceny osiągnięcia przez absolwentów kierunkowych efektów kształcenia po ukończeniu studiów w roku
Wykorzystanie wieloagentowych systemów w optymalizacji operacji łańcucha dostaw
Wykorzystanie wieloagentowych systemów w optymalizacji operacji łańcucha dostaw Marcin Hermanowicz IT w Logistyce GigaCon, Warszawa 2017 Dlaczego systemy wieloagentowe? Systemy wieloagentowe znajdują zastosowanie
Odniesienie do efektów kształcenia dla obszaru nauk EFEKTY KSZTAŁCENIA Symbol
KIERUNKOWE EFEKTY KSZTAŁCENIA Wydział Informatyki i Zarządzania Kierunek studiów INFORMATYKA (INF) Stopień studiów - pierwszy Profil studiów - ogólnoakademicki Projekt v1.0 z 18.02.2015 Odniesienie do
Jazda autonomiczna Delphi zgodna z zasadami sztucznej inteligencji
Jazda autonomiczna Delphi zgodna z zasadami sztucznej inteligencji data aktualizacji: 2017.10.11 Delphi Kraków Rozwój jazdy autonomicznej zmienia krajobraz technologii transportu w sposób tak dynamiczny,
Pamięć wirtualna. Przygotował: Ryszard Kijaka. Wykład 4
Pamięć wirtualna Przygotował: Ryszard Kijaka Wykład 4 Wstęp główny podział to: PM- do pamięci masowych należą wszelkiego rodzaju pamięci na nośnikach magnetycznych, takie jak dyski twarde i elastyczne,
Metody przeszukiwania
Metody przeszukiwania Co to jest przeszukiwanie Przeszukiwanie polega na odnajdywaniu rozwiązania w dyskretnej przestrzeni rozwiązao. Zwykle przeszukiwanie polega na znalezieniu określonego rozwiązania
Wykład 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
Komputerowe Systemy Przemysłowe: Modelowanie - UML. Arkadiusz Banasik arkadiusz.banasik@polsl.pl
Komputerowe Systemy Przemysłowe: Modelowanie - UML Arkadiusz Banasik arkadiusz.banasik@polsl.pl Plan prezentacji Wprowadzenie UML Diagram przypadków użycia Diagram klas Podsumowanie Wprowadzenie Języki
DLA SEKTORA INFORMATYCZNEGO W POLSCE
DLA SEKTORA INFORMATYCZNEGO W POLSCE SRK IT obejmuje kompetencje najważniejsze i specyficzne dla samego IT są: programowanie i zarządzanie systemami informatycznymi. Z rozwiązań IT korzysta się w każdej
2
1 2 3 4 5 Dużo pisze się i słyszy o projektach wdrożeń systemów zarządzania wiedzą, które nie przyniosły oczekiwanych rezultatów, bo mało kto korzystał z tych systemów. Technologia nie jest bowiem lekarstwem
Rzeczywistość rozszerzona: czujniki do akwizycji obrazów RGB-D. Autor: Olga Głogowska 207 505 AiR II
Rzeczywistość rozszerzona: czujniki do akwizycji obrazów RGB-D Autor: Olga Głogowska 207 505 AiR II Czujniki w robotyce coraz większego znaczenia nabierają systemy pomiarowe umożliwiające interakcję robota
Elementy kognitywistyki III: Modele i architektury poznawcze
Elementy kognitywistyki III: Modele i architektury poznawcze Wykład X/XI: Architektury poznawcze (symboliczne) III: GLAIR/SNePS GLAIR/SNePS - przegląd GLAIR/SNePS (Grounded Layered Architecture with Integrated
Uniwersytet Zielonogórski Wydział Elektrotechniki, Informatyki i Telekomunikacji Instytut Sterowania i Systemów Informatycznych
Uniwersytet Zielonogórski Wydział Elektrotechniki, Informatyki i Telekomunikacji Instytut Sterowania i Systemów Informatycznych ELEMENTY SZTUCZNEJ INTELIGENCJI Laboratorium nr 6 SYSTEMY ROZMYTE TYPU MAMDANIEGO
Planowanie 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
OPTYMALIZACJA HARMONOGRAMOWANIA MONTAŻU SAMOCHODÓW Z ZASTOSOWANIEM PROGRAMOWANIA W LOGICE Z OGRANICZENIAMI
Autoreferat do rozprawy doktorskiej OPTYMALIZACJA HARMONOGRAMOWANIA MONTAŻU SAMOCHODÓW Z ZASTOSOWANIEM PROGRAMOWANIA W LOGICE Z OGRANICZENIAMI Michał Mazur Gliwice 2016 1 2 Montaż samochodów na linii w
Elektrotechnika I stopień ogólnoakademicki. niestacjonarne. przedmiot kierunkowy. obieralny polski semestr VII semestr zimowy. nie
KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Teoria sterowania wybrane zagadnienia Control theory selection problems Obowiązuje od roku akademickiego 2012/2013
Modelowanie i Programowanie Obiektowe
Modelowanie i Programowanie Obiektowe Wykład I: Wstęp 20 październik 2012 Programowanie obiektowe Metodyka wytwarzania oprogramowania Metodyka Metodyka ustandaryzowane dla wybranego obszaru podejście do
Wykład I. Wprowadzenie do baz danych
Wykład I Wprowadzenie do baz danych Trochę historii Pierwsze znane użycie terminu baza danych miało miejsce w listopadzie w 1963 roku. W latach sześcdziesątych XX wieku został opracowany przez Charles
PRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: Kierunek: Mechatronika Rodzaj przedmiotu: obowiązkowy Rodzaj zajęć: wykład, laboratorium I KARTA PRZEDMIOTU CEL PRZEDMIOTU PRZEWODNIK PO PRZEDMIOCIE C1. Zapoznanie studentów z inteligentnymi
LEKCJA 2 Program do zdalnego sterowania robotem
LEKCJA 2 Program do zdalnego sterowania robotem Przedmiot: Informatyka Etap: klasa I-III, klasa IV-VI, klasa VII-VIII Czas na realizację: 45min. Autor: Grzegorz Troszyński Redakcja: Joanna Skalska Krótki
Projekt Zaprogramować działanie robota w narzędziu USARSim
WYŻSZA SZKOŁA INFORMATYKI I ZARZĄDZANIA Z SIEDZIBĄ W RZESZOWIE Inteligentne Systemy Autonomiczne Projekt Zaprogramować działanie robota w narzędziu USARSim Prowadzący: Wykonawca: Mgr Daniel Jachyra Paweł
EFEKTY KSZTAŁCENIA DLA KIERUNKU STUDIÓW INFORMATYKA. STUDIA PIERWSZEGO STOPNIA - PROFIL OGÓLNOAKADEMICKI
EFEKTY KSZTAŁCENIA DLA KIERUNKU STUDIÓW INFORMATYKA. STUDIA PIERWSZEGO STOPNIA - PROFIL OGÓLNOAKADEMICKI Umiejscowienie kierunku w obszarze kształcenia: Kierunek studiów informatyka należy do obszaru kształcenia
Dopasowywanie 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;
Najprostszy schemat blokowy
Definicje Modelowanie i symulacja Modelowanie zastosowanie określonej metodologii do stworzenia i weryfikacji modelu dla danego układu rzeczywistego Symulacja zastosowanie symulatora, w którym zaimplementowano
Budowa sztucznych sieci neuronowych do prognozowania. Przykład jednostek uczestnictwa otwartego funduszu inwestycyjnego
Budowa sztucznych sieci neuronowych do prognozowania. Przykład jednostek uczestnictwa otwartego funduszu inwestycyjnego Dorota Witkowska Szkoła Główna Gospodarstwa Wiejskiego w Warszawie Wprowadzenie Sztuczne
Elektrotechnika I stopień ogólnoakademicki. niestacjonarne. przedmiot kierunkowy. obieralny polski semestr VIII semestr letni. nie. Laborat. 16 g.
KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2012/2013 Wybrane zagadnienia teorii sterowania Selection problems of control theory
Efekty kształcenia dla kierunku studiów INFORMATYKA, Absolwent studiów I stopnia kierunku Informatyka WIEDZA
Symbol Efekty kształcenia dla kierunku studiów INFORMATYKA, specjalność: 1) Sieciowe systemy informatyczne. 2) Bazy danych Absolwent studiów I stopnia kierunku Informatyka WIEDZA Ma wiedzę z matematyki
Prezentacja systemu RTLinux
Prezentacja systemu RTLinux Podstawowe założenia RTLinux jest system o twardych ograniczeniach czasowych (hard real-time). Inspiracją dla twórców RTLinux a była architektura systemu MERT. W zamierzeniach
Elementy kognitywistyki II: Sztuczna inteligencja. WYKŁAD XII: Modele i architektury poznawcze
Elementy kognitywistyki II: Sztuczna inteligencja WYKŁAD XII: Modele i architektury poznawcze Architektury poznawcze Architektura poznawcza jako teoria poznania ludzkiego Anderson (1993): Architektura
Nazwa Wydziału Nazwa jednostki prowadzącej moduł Nazwa modułu kształcenia Kod modułu Język kształcenia Efekty kształcenia dla modułu kształcenia
Nazwa Wydziału Nazwa jednostki prowadzącej moduł Nazwa modułu kształcenia Kod modułu Język kształcenia Efekty kształcenia dla modułu kształcenia Wydział Matematyki i Informatyki Instytut Informatyki i
Szybkie prototypowanie w projektowaniu mechatronicznym
Szybkie prototypowanie w projektowaniu mechatronicznym Systemy wbudowane (Embedded Systems) Systemy wbudowane (ang. Embedded Systems) są to dedykowane architektury komputerowe, które są integralną częścią
System monitorowania realizacji strategii rozwoju. Andrzej Sobczyk
System monitorowania realizacji strategii rozwoju Andrzej Sobczyk System monitorowania realizacji strategii rozwoju Proces systematycznego zbierania, analizowania publikowania wiarygodnych informacji,
Ćwiczenie numer 4 JESS PRZYKŁADOWY SYSTEM EKSPERTOWY.
Ćwiczenie numer 4 JESS PRZYKŁADOWY SYSTEM EKSPERTOWY. 1. Cel ćwiczenia Celem ćwiczenia jest zapoznanie się z przykładowym systemem ekspertowym napisanym w JESS. Studenci poznają strukturę systemu ekspertowego,
JAKIEGO RODZAJU NAUKĄ JEST
JAKIEGO RODZAJU NAUKĄ JEST INFORMATYKA? Computer Science czy Informatyka? Computer Science czy Informatyka? RACZEJ COMPUTER SCIENCE bo: dziedzina ta zaistniała na dobre wraz z wynalezieniem komputerów
Programowanie sieciowe Network programming PRZEWODNIK PO PRZEDMIOCIE
Programowanie sieciowe Network programming Informatyka stacjonarne IO_04 Obowiązkowy w ramach specjalności: Inżynieria oprogramowania II stopień Rok: II Semestr: II wykład, laboratorium W, L 4 ECTS I KARTA
Inteligentny sterownik oświetlenia ulicznego Serii GLC100 Instrukcja obsługi
Inteligentny sterownik oświetlenia ulicznego Serii GLC100 Instrukcja obsługi Wersja 2.4 APANET Green System Sp. z o.o. Św. Antoniego 2/4 50-073 Wrocław www.greensys.pl Spis treści 1 Wstęp... 3 2 Budowa
E-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
LEKCJA TEMAT: Zasada działania komputera.
LEKCJA TEMAT: Zasada działania komputera. 1. Ogólna budowa komputera Rys. Ogólna budowa komputera. 2. Komputer składa się z czterech głównych składników: procesor (jednostka centralna, CPU) steruje działaniem
Wstęp 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 -
Metody symulacji komputerowych Modelowanie systemów technicznych
Metody symulacji komputerowych Modelowanie systemów technicznych dr inż. Ryszard Myhan Katedra Inżynierii Procesów Rolniczych Program przedmiotu Lp. Temat Zakres 1. Wprowadzenie do teorii systemów Definicje
Definicje. Najprostszy schemat blokowy. Schemat dokładniejszy
Definicje owanie i symulacja owanie zastosowanie określonej metodologii do stworzenia i weryfikacji modelu dla danego rzeczywistego Symulacja zastosowanie symulatora, w którym zaimplementowano model, do
KARTA KURSU. Systemy operacyjne
KARTA KURSU Nazwa Nazwa w j. ang. Systemy operacyjne Operating systems Kod Punktacja ECTS* 5 Koordynator dr inż. Grzegorz Sokal Zespół dydaktyczny: prof. dr hab. Bartłomiej Pokrzywka dr inż. Muchacki Mateusz
ODWZOROWANIE RZECZYWISTOŚCI
ODWZOROWANIE RZECZYWISTOŚCI RZECZYWISTOŚĆ RZECZYWISTOŚĆ OBIEKTYWNA Ocena subiektywna OPIS RZECZYWISTOŚCI Odwzorowanie rzeczywistości zależy w dużej mierze od możliwości i nastawienia człowieka do otoczenia
Modułowy programowalny przekaźnik czasowy firmy Aniro.
Modułowy programowalny przekaźnik czasowy firmy Aniro. Rynek sterowników programowalnych Sterowniki programowalne PLC od wielu lat są podstawowymi systemami stosowanymi w praktyce przemysłowej i stały
Narzędzia uruchomieniowe dla systemów Embedded firmy Total Phase
1 Narzędzia uruchomieniowe dla systemów Embedded firmy Total Phase Narzędzia uruchomieniowe dla systemów Embedded firmy Total Phase Jednym z głównych aspektów procesu programowania systemów wbudowanych
w sieciach szerokopasmowych CATV i ISP - Model OSI
Technologie VoIP wykorzystywane w sieciach szerokopasmowych CATV i ISP - Model OSI mgr inż. Zbigniew Papuga Stowarzyszenie Elektryków Polskich W celu ujednolicenia struktury oprogramowania sieci komputerowych
Programowanie Zespołowe
Programowanie Zespołowe Programowanie zwinne dr Rafał Skinderowicz mgr inż. Michał Maliszewski Programowanie zwinne Grupa metodyk wytwarzania oprogramowania oparta na modelu iteracyjno-obiektowym Powstała
Uniwersytet Wirtualny VU2012
XII Konferencja Uniwersytet Wirtualny VU2012 M o d e l N a r z ę d z i a P r a k t y k a Andrzej ŻYŁAWSKI Warszawska Wyższa Szkoła Informatyki Marcin GODZIEMBA-MALISZEWSKI Instytut Technologii Eksploatacji
PROGRAM KSZTAŁCENIA dla kierunku automatyka i robotyka studiów pierwszego stopnia o profilu ogólnoakademickim
PROGRAM KSZTAŁCENIA dla kierunku automatyka i robotyka studiów pierwszego stopnia o profilu ogólnoakademickim Program kształcenia dla określonego kierunku, poziomu studiów i profilu kształcenia obejmuje
Ćwiczenia nr 7. TEMATYKA: Krzywe Bézier a
TEMATYKA: Krzywe Bézier a Ćwiczenia nr 7 DEFINICJE: Interpolacja: przybliżanie funkcji za pomocą innej funkcji, zwykle wielomianu, tak aby były sobie równe w zadanych punktach. Poniżej przykład interpolacji
SCENARIUSZ LEKCJI. TEMAT LEKCJI: Projektowanie rozwiązania prostych problemów w języku C++ obliczanie pola trójkąta
SCENARIUSZ LEKCJI OPRACOWANY W RAMACH PROJEKTU: INFORMATYKA MÓJ SPOSÓB NA POZNANIE I OPISANIE ŚWIATA. PROGRAM NAUCZANIA INFORMATYKI Z ELEMENTAMI PRZEDMIOTÓW MATEMATYCZNO-PRZYRODNICZYCH Autorzy scenariusza:
BIOCYBERNETYKA PROLOG
Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej BIOCYBERNETYKA Adrian Horzyk PROLOG www.agh.edu.pl Pewnego dnia przyszedł na świat komputer Komputery
Struktury Danych i Złożoność Obliczeniowa
Struktury Danych i Złożoność Obliczeniowa Zajęcia 1 Podstawowe struktury danych Tablica Najprostsza metoda przechowywania serii danych, zalety: prostota, wady: musimy wiedzieć, ile elementów chcemy przechowywać
Analogowy sterownik silnika krokowego oparty na układzie avt 1314
Katedra Energoelektroniki i Automatyki Systemów Przetwarzania Energii 51 Konferencja Studenckich Kół Naukowych Bartłomiej Dąbek Adrian Durak - Elektrotechnika 3 rok - Elektrotechnika 3 rok Analogowy sterownik
Elementy kognitywistyki III: Modele i architektury poznawcze
Elementy kognitywistyki III: Modele i architektury poznawcze Wykład II: Modele pojęciowe Gwoli przypomnienia: Kroki w modelowaniu kognitywnym: teoretyczne ramy pojęciowe (modele pojęciowe) przeformułowanie
Aproksymacja 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
Systemy wbudowane. Uproszczone metody kosyntezy. Wykład 11: Metody kosyntezy systemów wbudowanych
Systemy wbudowane Wykład 11: Metody kosyntezy systemów wbudowanych Uproszczone metody kosyntezy Założenia: Jeden procesor o znanych parametrach Znane parametry akceleratora sprzętowego Vulcan Początkowo
Algorytmy sztucznej inteligencji
www.math.uni.lodz.pl/ radmat Przeszukiwanie z ograniczeniami Zagadnienie przeszukiwania z ograniczeniami stanowi grupę problemów przeszukiwania w przestrzeni stanów, które składa się ze: 1 skończonego
RAPORT. Gryfów Śląski
RAPORT z realizacji projektu Opracowanie i rozwój systemu transportu fluidalnego w obróbce horyzontalnej elementów do układów fotogalwanicznych w zakresie zadań Projekt modelu systemu Projekt automatyki
Metodyka projektowania komputerowych systemów sterowania
Metodyka projektowania komputerowych systemów sterowania Andrzej URBANIAK Metodyka projektowania KSS (1) 1 Projektowanie KSS Analiza wymagań Opracowanie sprzętu Projektowanie systemu Opracowanie oprogramowania
5 Moduył do wyboru II *[zobacz opis poniżej] 4 Projektowanie i konfiguracja sieci komputerowych Z
1. Nazwa kierunku informatyka 2. Cykl rozpoczęcia 2016/2017L 3. Poziom kształcenia studia drugiego stopnia 4. Profil kształcenia ogólnoakademicki 5. Forma prowadzenia studiów stacjonarna Specjalizacja:
Transformacja wiedzy w budowie i eksploatacji maszyn
Uniwersytet Technologiczno Przyrodniczy im. Jana i Jędrzeja Śniadeckich w Bydgoszczy Wydział Mechaniczny Transformacja wiedzy w budowie i eksploatacji maszyn Bogdan ŻÓŁTOWSKI W pracy przedstawiono proces
Zaawansowane programowanie obiektowe - wykład 5
Zaawansowane programowanie obiektowe - wykład 5 dr Piotr Jastrzębski (czynnościowe) opisują zachowanie obiektów, komunikację pomiędzy nimi i ich odpowiedzialność. Interpreter Iterator (kursor) Łańcuch
Uniwersytet Zielonogórski Wydział Elektrotechniki, Informatyki i Telekomunikacji Instytut Sterowania i Systemów Informatycznych
Uniwersytet Zielonogórski Wydział Elektrotechniki, Informatyki i Telekomunikacji Instytut Sterowania i Systemów Informatycznych ELEMENTY SZTUCZNEJ INTELIGENCJI Laboratorium nr 9 PRZESZUKIWANIE GRAFÓW Z
Projekt i implementacja systemu wspomagania planowania w języku Prolog
Projekt i implementacja systemu wspomagania planowania w języku Prolog Kraków, 29 maja 2007 Plan prezentacji 1 Wstęp Czym jest planowanie? Charakterystyka procesu planowania 2 Przeglad istniejacych rozwiazań
Badania marketingowe. Omówione zagadnienia
Społeczna Wyższa Szkoła Przedsiębiorczości i Zarządzania kierunek: Zarządzanie Badania marketingowe Wykład 6 Opracowanie: dr Joanna Krygier 1 Omówione zagadnienia Rodzaje badań bezpośrednich Porównanie
Elektrotechnika II stopień ogólnoakademicki. stacjonarne. przedmiot specjalnościowy. obowiązkowy polski semestr I semestr zimowy
KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2012/2013 Wybrane zagadnienia z teorii sterowania Selection problems of control
E-2EZA-01-S1. Elektrotechnika II stopień ogólnoakademicki. niestacjonarne. przedmiot kierunkowy. obowiązkowy polski semestr I semestr zimowy.
KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu E-2EZA-01-S1 Nazwa modułu Wybrane zagadnienia teorii sterowania Nazwa modułu w języku angielskim Selection problems of control theory Obowiązuje od roku akademickiego
Wprowadzenie do analizy korelacji i regresji
Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących
Algorytm genetyczny (genetic algorithm)-
Optymalizacja W praktyce inżynierskiej często zachodzi potrzeba znalezienia parametrów, dla których system/urządzenie będzie działać w sposób optymalny. Klasyczne podejście do optymalizacji: sformułowanie
Elektrotechnika 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
Wymagania edukacyjne dla klasy VI na ocenę szkolną Historia
Wymagania edukacyjne dla klasy VI na ocenę szkolną Historia Ocena celująca Ocenę celującą otrzymuje uczeń, którego wiedza nie ogranicza się tylko do poziomu wymagań programowych ale je znacznie przekracza.
KIERUNKOWE EFEKTY KSZTAŁCENIA
WYDZIAŁ INFORMATYKI I ZARZĄDZANIA Kierunek studiów: INFORMATYKA Stopień studiów: STUDIA I STOPNIA Obszar Wiedzy/Kształcenia: OBSZAR NAUK TECHNICZNYCH Obszar nauki: DZIEDZINA NAUK TECHNICZNYCH Dyscyplina
Elementy kognitywistyki III: Modele i architektury poznawcze
Elementy kognitywistyki III: Modele i architektury poznawcze Wykład III: Psychologiczne modele umysłu Gwoli przypomnienia: Kroki w modelowaniu kognitywnym: teoretyczne ramy pojęciowe (modele pojęciowe)
Optymalizacja ciągła
Optymalizacja ciągła 5. Metoda stochastycznego spadku wzdłuż gradientu Wojciech Kotłowski Instytut Informatyki PP http://www.cs.put.poznan.pl/wkotlowski/ 04.04.2019 1 / 20 Wprowadzenie Minimalizacja różniczkowalnej
Wprowadzenie do złożoności obliczeniowej
problemów Katedra Informatyki Politechniki Świętokrzyskiej Kielce, 16 stycznia 2007 problemów Plan wykładu 1 2 algorytmów 3 4 5 6 problemów problemów Plan wykładu 1 2 algorytmów 3 4 5 6 problemów problemów
Idea Bezpiecznej Maszyny w prostym podejściu. użyj Safety Evaluation Tool. Safety Integrated. www.siemens.pl/safety-evaluation-tool
Idea Bezpiecznej Maszyny w prostym podejściu użyj Safety Evaluation Tool Safety Integrated www.siemens.pl/safety-evaluation-tool Safety Evaluation Tool jest częścią programu Safety Integrated opracowanego