WYZNACZANIE PARAMETRÓW MODELU ROBOTA PRZEMYSŁOWEGO PRZY POMOCY SIECI NEURONOWYCH
|
|
- Jadwiga Ostrowska
- 5 lat temu
- Przeglądów:
Transkrypt
1 XIV Krajowa Koferecja Autoatyk Zeloa Góra, -7 czerwca WYZNACZANIE PARAMETRÓW MODEU ROBOTA PRZEMYSŁOWEGO PRZY POMOCY SIECI NEURONOWYCH Jakub MOŻARYN, Cezary WIDNER, Jerzy E KUREK Istytut Autoatyk Robotyk, Poltechka Warszawska ul Chodkewcza 8, -55, Warszawa Streszczee: Model ateatyczy robota rzeysłowego jest dobrze zay w ostac rówań agrage a-eulera Paraetry fzycze robota wykorzystywae w ty odelu są jedak trude do wyzaczea dla rzeczywstego robota W racy rzedstawoo sosób wyzaczaa wsółczyków odelu ateatyczego robota rzy oocy sec euroowych Prooowaa etoda ozwala a wyzaczee odelu rzeczywstego robota bez otrzeby oaru jego araetrów fzyczych takch jak oety ercyje, t Słowa kluczowe: robotyka, sec euroowe, odel robota Wstę Jedy ze sosobów wyzaczaa odelu ateatyczego robota jest wykorzystae wzorów agrage a-eulera Wyagają oe jedak dokładej zajoośc araetrów fzyczych robota takch jak oety ercyje, asy wyary człoów W zarooowaej w artykule etodze do oblczeń odelu ateatyczego robota w ostac rówań agrage a-eulera wykorzystao sec euroowe Dotychczasowe wyk badań w zakrese zastosowaa sztuczych sec euroowych do wyzaczaa odelu robota wskazują a ch otecjale duże ożlwośc [, 5, 6] Podstawową zaletą jest brak wyagań zajoośc araetrów fzyczych robota Neuroowy odel budoway jest z wykorzystae sygałów wejścowych wyjścowych robota, oraz zajoośc struktury jego odelu ateatyczego W racy rzedstawoo odel robota w ostac rówań agrage a-eulera Nastęe zarooowae są odele euroowe robota Na końcu rzedstawoo oówoo wyk badań Model robota agrage a-eulera Model ateatyczy robota oża osać rówaa agrage'a-eulera [] w ostac: M ( θ ) && θ V ( θ, & θ ) G( θ ) = τ () gdze: θ R wektor wsółrzędych uogóloych, lość sto swobody robota, τ R wektor oetów aędowych, M (θ ) R acerz oetów bez- władośc robota, V ( θ, & θ ) R wektor oetów zależych od sł odśrodkowych sł Corolsa, G(θ ) R wektor oetów zależych od sł grawtacj Dokoując astęujących odstaweń & θ ( t ) θ (t T ) θ ( t) & θ & θ ( t T ) & θ ( t), ( t) T M[ θ ( k)][ θ ( k ) θ ( k) θ ( k )] = Tτ ( k) T B[ θ ( k)] = [ T oża wyzaczyć odel robota w czase dyskrety: V[ θ ( k), θ ( k )] T W erwszy rzyadku seć euroowa wyzacza astęujące araetry A, B,C odelu robota (): T ] = M [ θ ( k)] G[ θ ( k)], C[ θ ( k)] = [ cj ] = T M [ θ ( k)] Przyjując, że: ϑ( k) = θ ( k ) θ ( k) θ ( k ), oraz korzystając z () oża asać rówae dyak dla każdego ze sto swobody jako: G[ θ ( k)] gdze T jest okrese róbkowaa oraz k jest czase dyskrety, t = kt Modele euroowe robota () () Do wyzaczaa odelu robota zbudowao dwa układy sec euroowych Model euroowy A[ θ ( k), θ ( k )] = [ a ] = T M [ θ ( k)] V[ θ ( k), θ ( k )], b
2 ϑ ( k) = a = [ θ ( k), θ ( k )] b c [ θ ( k)] τ ( k) [ θ ( k)] (5) Do wyzaczaa araetrów w rówau (5) wykorzystao rzedstawoy a rys układ trójwarstwowych sec euroowych tyu feed-forward o dwóch ukrytych warstwach elowych (N, N) składających sę z różej lczby euroów o fukcj aktywacj: f N ( v ) = ta sg( v ) =, f [,] (6) v e wyjścowej warstwe lowej () z euroa o fukcj aktywacj: f ( v ) = v (7) k = v Model : J ( d) = [ ϑ ( k, d) ϑnn ( k, d)] (8) Υ a = a θ k θ k = gdze: d ozacza uer teracj, v ozacza lość róbek uczących, ϑ NN ozacza wyjśce z sec odelujących dyakę -tego stoa swobody (rys) Model euroowy Każda z sec jest kolete ołączoa, tz wejśca do kolejych warstw ołączoe są ze wszystk euroa w tych warstwach Sygała wejścowy do sec są θ (k) θ ( k ) W ty rzyadku oddzely układ sec euroowych odtwarza araetry dla każdego ze sto swobody Dla tego odelu rzyjęto wskaźk jakośc uczea sec euroowych w astęującej ostac: Drug odel do wyzaczaa araetrów A, B,C wykorzystuje rzedstawoy a rys układ trójwarstwowych sec euroowych tyu feed-forward Każda z sec a strukturę aalogczą jak w osay wcześej odelu W ty rzyadku układ sec euroowych odtwarza jedocześe araetry wszystkch sto swobody Dla tego odelu rzyjęto astęujący wskaźk jakośc uczea sec euroowych: v J ( d) = [ θ j ( k, d) θ NNj ( k, d)] (9) k = j= gdze: wektor wyjść z sec odelujący dyakę θ NNj wszystkch sto swobody (rys) Syulacje kouterowe Sec uczoo wykorzystując etodę roagacj wsteczej gradetową etodę alzacj kerukowej erwszego rzędu [8] Przedstawoą owyżej etodykę odelowaa sec euroowych do odtwarzaa araetrów odelu ateatyczego robota wykorzystao w syulacjach kouterowych Dae uczące testujące uzyskao z kouterowych syulacj robota PUMA 56 o 6 stoach swobody rzegubach obrotowych w których zastosowao sterowae o zeej strukturze [], lub teracyje sterowae uczące [] Paraetry robota odao w tabel W celu auczea sec wygeerowao 5 zborów daych uczących, syulując zachowae robota odczas którego ał o oruszać sę o zadaej trajektor w czase [s] z czase róbkowaa wyoszący T = [ s] Przerowadzoo badaa dla różych lośc euroów w warstwach elowych Na oczątku auk sec wyberao w sosób losowy wag rzesuęca Sec uczoo wykoując teracj uczących Przykładowe rezultaty uzyskae w wyku uczea sec dla wszystkch sto swobody rzedstawoo a rys W rzyadku dotyczący odelu każda z sec w układze ała euroy w erwszej warstwe elowej, euroy w drugej warstwe elowej, oraz jede euro w warstwe wyjścowej Natoast w odelu każda z sec ała (czarek) Zadae trajektore uczące rzedstawoo a rysuku Różce oędzy dwoa odela zobrazowao dla stoa swobody a rysuku, gdze zajdują sę wykresy błędu lczoego jako: Model : Υ = a θ k ( ϑ k θ k θ ( k () a k = ( ) ( ) ( ) )) ( ) ( k)) NN W tabel rzedstawoo wartośc aksyalego błędu o teracjach 5 Wosk Podczas wykoywaa syulacj dotyczących erwszego odelu zauważoo, że sec odowadające róży stoo swobody uczoe są z różą dokładoścą Dobrą aroksyację fukcj osującej dyakę uzyskao dla, 5 stoa swobody o teracjach W ozostałych rzyadkach różce oędzy fukcją zadaą a wyjśce z sec euroowej są wększe Dodatkowo a rys wdać, że ajwększe różce są a końcach trajektor Po uczeu sec rzerowadzao także róby dla trajektor ych ż trajektore uczące, aby srawdzć ożlwośc redykcyje tak auczoych sec Nestety e uzyskao zadowalających rezultatów Korzystając z uzyskaych wyków oża stwerdzć, że dla daych uczących owyższe odele ogą odtwarzać zadae fukcje osujące dyakę oszczególych sto swobody robota Należy wykoać jedak węcej badań, tak aby zotyalzować czas uczea sec, oraz orawć jej właścwośc redykcyje 6 teratura [] Corke P I, Matlab Robotcs Toolbo (release 5), CSIRO, Australa, 999 [] Fu K S, Gozalez R C, ee C S G, Robotcs: cotrol, sesg, vso, ad telgece, McGraw- Hll Book Coay, 987
3 [] Gao W, Wag Y, Hoafa A, Dscrete-Te Varable Structure Cotrol Systes, IEEE Trasactos o Idustral Electrocs, vol, o, str7-, Arl 995 [] Kurek J E Iteracyje uczące sę sterowae dla układu z czase dyskrety z zakłócea, XIII Krajowa Koferecja Autoatyk, Oole 999 [5] Kurek J E, "Calculato of Robot Maulator- Model Usg Neural Net", Euroea Cotrol Coferece ECC '99, Karlsruhe, Geray 999 [6] Kurek J E, "Neural Net Model of Robot Maulator", Neural Coutato NC '98, Vea, Austra, 998 [7] Kurek J E, "Calculato of a Robot Maulator Model a for of a Recurret Neural Net", [8] Osowsk S, Sec Neuroowe, OWPW, Warszawa, 99 CACUATION OF THE INDUSTRIA ROBOT MODE PARAMETERS USING NEURA NETWORKS Abstract: I the aer there are reseted ethods of calculato of the araeters of the dustral robot atheatcal odel usg eural etworks We reset the ossble archtectures of eural etworks ad the obtaed results fro the couter sulatos of PUMA 56 robot ar A NN θ(k-) θ(k) N N a NN (k) B NN N N b NN (k) ϑ NN(k) C NN τ (k) N N c NN (k) C NN N N c NN (k) τ (k) Rys Struktura układu sec euroowych służąca do detyfkacj araetrów odelu ()
4 θ( k), θ( k ), τ ( k) N N (k) C NN N N A NN (k) θ ( k ) NN N N (k) B NN - Rys Struktura układu sec euroowych odtwarzających araetry odelu (9) Tabela Paraetry Robota PUMA 56 wg[] ( α - kąt skręcea, a - długość człou, θ - kąt kofguracj, d - odsuęce człoów I,, I yy, I zz,- asowe oety bezwładośc, I y,i yz, I z asowe oety dewacj, M- asa człou, r=[r r y r z ] T - jedorody wektor wsółrzędych środka asy ) ołączee α a [] θ d [] I [kg ] I yy [kg ] I zz [kg ] I y = I yz = I z [kg ] M [kg] r [] r y [] r z []
5 6 υnn, υ [deg] - υnn, υ [deg] rkroku rkroku υnn, υ [deg] - υnn, υ [deg] rkroku rkroku 8 υnn5, υ5 [deg] υnn6, υ6 [deg] rkroku rkroku egeda: υnn υ Rys Wyjśca z sec ϑ NN (k) fukcja zadaa ϑ (k) dla wszystkch sto swobody robota PUMA 56 o teracjach TABEA Maksyaly błąd uzyskay o teracjach (dae uczące) Υ a [ ] Υ a [ ] Υ a [ ] Υ a [ ] Υ 5a [ ] Υ 6a [ ] Model TABEA 5Maksyaly błąd uzyskay o teracjach (dae testowe) Υ a [ ] Υ a [ ] Υ a [ ] Υ a [ ] Υ 5a [ ] Υ 6a [ ] teracj
BADANIE STATYSTYCZNEJ CZYSTOŚCI POMIARÓW
INSTYTUT FIZYKI WYDZIAŁ INŻYNIERII RODUKCJI I TECHNOLOGII MATERIAŁÓW OLITECHNIKA CZĘSTOCHOWSKA RACOWNIA DETEKCJI ROMIENIOWANIA JĄDROWEGO Ć W I C Z E N I E N R J-6 BADANIE STATYSTYCZNEJ CZYSTOŚCI OMIARÓW
Portfel złożony z wielu papierów wartościowych
Portfel westycyy ćwczea Na odst. Wtold Jurek: Kostrukca aalza, rozdzał 4 dr Mchał Kooczyńsk Portfel złożoy z welu aerów wartoścowych. Zwrot ryzyko Ozaczea: w kwota ulokowaa rzez westora w aery wartoścowe
W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =
4. Na podstawe erówośc Cramera Rao wyzacz dole ograczee dla waracj eobcążoego estymatora waracj σ w rozkładze ormalym N(0, σ ). W zadau e ma polecea wyzaczaa estymatora eobcążoego o mmalej waracj dla σ,
OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B
OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B W przypadku gdy e występuje statystyczy rozrzut wyków (wszystke pomary dają te sam wyk epewość pomaru wyzaczamy w y sposób. Główą przyczyą epewośc pomaru jest epewość
L.Kowalski zadania ze statystyki opisowej-zestaw 5. ZADANIA Zestaw 5
L.Kowalsk zadaa ze statystyk opsowej-zestaw 5 Zadae 5. X cea (zł, Y popyt (tys. szt.. Mając dae ZADANIA Zestaw 5 x,5,5 3 3,5 4 4,5 5 y 44 43 43 37 36 34 35 35 Oblcz współczyk korelacj Pearsoa. Oblcz współczyk
Projekt 3 Analiza masowa
Wydzał Mechaczy Eergetyk Lotctwa Poltechk Warszawskej - Zakład Saolotów Śgłowców Projekt 3 Aalza asowa Nejszy projekt składa sę z dwóch częśc. Perwsza polega projekce wstępy wętrza kaby (kadłuba). Druga
WPŁYW ZMIENNOŚCI MASY JEDNEGO Z POJAZDÓW NA NIEBEZPIECZEŃSTWO ZEJŚCIA KOŁA Z SZYNY PODCZAS ZDERZENIA CZOŁOWEGO
Dr ż. erzy Pawlus WPŁYW ZMIENNOŚCI MAY EDNEGO Z POAZDÓW NA NIEBEZPIECZEŃTWO ZEŚCIA KOŁA Z ZYNY PODCZA ZDERZENIA CZOŁOWEGO PI TREŚCI. Wrowadzee. Aalza daych statystyczych dotyczących zderzeń czołowych zderzeń
Planowanie eksperymentu pomiarowego I
POLITECHNIKA ŚLĄSKA W GLIWICACH WYDZIAŁ INŻYNIERII ŚRODOWISKA ENERGETYKI INSTYTUT MASZYN URZĄDZEŃ ENERGETYCZNYCH Plaowae eksperymetu pomarowego I Laboratorum merctwa (M 0) Opracował: dr ż. Grzegorz Wcak
W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =
4. Na podstawe erówośc Cramera Rao wyzacz dole ograczee dla waracj eobcążoego estymatora waracj σ w rozkładze ormalym N(0, σ. W zadau e ma polecea wyzaczaa estymatora eobcążoego o mmalej waracj dla σ,
KALIBRACJA NIE ZAWSZE PROSTA
KALIBRACJA NIE ZAWSZE PROSTA Potr Koeczka Katedra Chem Aaltyczej Wydzał Chemczy Poltechka Gdańska S w S C -? C w Sygał - astępstwo kosekwecja przeprowadzoego pomaru główy obekt zateresowań aaltyka. Cel
= σ σ. 5. CML Capital Market Line, Rynkowa Linia Kapitału
5 CML Catal Market Lne, ynkowa Lna Katału Zbór ortolo o nalny odchylenu standardowy zbór eektywny ozważy ortolo złożone ze wszystkch aktywów stnejących na rynku Załóży, że jest ch N A * P H P Q P 3 * B
Jego zależy od wysokości i częstotliwości wypłat kuponów odsetkowych, ceny wykupu, oczekiwanej stopy zwrotu oraz zapłaconej ceny za obligację.
Wrażlwość oblgacj Jedym z czyków ryzyka westowaa w oblgacje jest zmeość rykowych stóp procetowych. Iżyera fasowa dyspouje metodam pozwalającym zabezpeczyć portfel przed egatywym skutkam zma stóp procetowych.
METODY KOMPUTEROWE 1
MTODY KOMPUTROW WIADOMOŚCI WSTĘPN MTODA ULRA Mcał PŁOTKOWIAK Adam ŁODYGOWSKI Kosultacje aukowe dr z. Wtold Kąkol Pozań 00/00 MTODY KOMPUTROW WIADOMOŚCI WSTĘPN Metod umercze MN pozwalają a ormułowae matematczc
będą niezależnymi zmiennymi losowymi o tym samym 2 x
Prawdopodobeństwo statystyka 8.0.007 r. Zadae. Nech,,, rozkładze z gęstoścą Oblczyć m E max będą ezależym zmeym losowym o tym samym { },,, { },,, gdy x > f ( x) = x. 0 gdy x 8 8 Prawdopodobeństwo statystyka
Wyznaczanie oporu naczyniowego kapilary w przepływie laminarnym.
Wyzaczae oporu aczyowego kaplary w przepływe lamarym. I. Przebeg ćwczea. 1. Zamkąć zawór odcający przewody elastycze a astępe otworzyć zawór otwerający dopływ wody do przewodu kaplarego. 2. Ustawć zawór
Pomiary parametrów napięć i prądów przemiennych
Ćwczee r 3 Pomary parametrów apęć prądów przemeych Cel ćwczea: zapozae z pomaram wartośc uteczej, średej, współczyków kształtu, szczytu, zekształceń oraz mocy czyej, berej, pozorej współczyka cosϕ w obwodach
PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH. dr Michał Silarski
PODTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH dr Mchał larsk I Pracowa Fzycza IF UJ, 9.0.06 Pomar Pomar zacowae wartośc prawdzwej Bezpośred (welkość fzycza merzoa jest
POPULACJA I PRÓBA. Próba reprezentatywna. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH 5 1
POPULACJA I PRÓBA POPULACJĄ w statystyce matematyczej azywamy zbór wszystkch elemetów (zdarzeń elemetarych charakteryzujących sę badaą cechą opsywaą zmeą losową. Zbadae całej populacj (przeprowadzee tzw.
KONCEPCJA WIELOKRYTERIALNEGO WSPOMAGANIA DOBORU WARTOŚCI PROGOWEJ W BIOMETRYCZNYM SYSTEMIE UWIERZYTELNIANIA. Adrian Kapczyński Maciej Wolny
KONCEPCJA WIELOKRYTERIALNEGO WSPOMAGANIA DOBORU WARTOŚCI PROGOWEJ W BIOMETRYCZNYM SYSTEMIE UWIERZYTELNIANIA Adra Kapczyńsk Macej Woly Wprowadzee Rozwój całego spektrum coraz doskoalszych środków formatyczych
TMM-2 Analiza kinematyki manipulatora metodą analityczną
Opracował: dr ż. Przemysław Szumńsk Laboratorum Teor Mechazmów Automatyka Robotyka, Mechatroka TMM- Aalza kematyk mapulatora metodą aaltyczą Celem ćwczea jest zapozae sę ze sposobem aalzy kematyk mechazmu
ma rozkład normalny z wartością oczekiwaną EX = EY = 1, EZ = 0 i macierzą kowariancji
Zadae. Zmea losowa (, Y, Z) ma rozkład ormaly z wartoścą oczekwaą E = EY =, EZ = 0 macerzą kowaracj. Oblczyć Var(( Y ) Z). (A) 5 (B) 7 (C) 6 Zadae. Zmee losowe,, K,,K P ( = ) = P( = ) =. Nech S =. Oblcz
Teoria i metody optymalizacji
Sforułowae owae zaaa otyalzacj elowej bez ograczeń: Fukcja celu f( : Zaae otyalzacj olega a zalezeu wektora zeych ecyzyjych aleŝącego o zboru rozwązań ouszczalych R takego Ŝe la R Co jest rówozacze zasow:
Szeregi czasowe, modele DL i ADL, przyczynowość, integracja
Szereg czasowe, modele DL ADL, rzyczyowość, egracja Szereg czasowy, o cąg realzacj zmeej losowej, owedzmy y, w kolejych okresach czasu: { y } T, co rówoważe możemy zasać: = 1 y = { y1, y,..., y T }. Najogólej
Pomiary bezpośrednie i pośrednie obarczone błędem przypadkowym
Pomary bezpośrede pośrede obarczoe błędem przypadkowym I. Szacowae wartośc przyblŝoej graczego błędu przypadkowego a przykładze bezpośredego pomaru apęca elem ćwczea jest oszacowae wartośc przyblŝoej graczego
n R ZałóŜmy, Ŝe istnieje d, dla którego: Metody optymalizacji Dr inŝ. Ewa Szlachcic otwarte otoczenie R n punktu x, Ŝe
Sforułowae owae zaaa otyalzacj elowej bez ograczeń: Fukcja celu f() : Zaae otyalzacj olega a zalezeu wektora zeych ecyzyjych aleŝącego o zboru rozwązań ouszczalych R takego Ŝe la R Co jest rówozacze zasow:
Statystyczna analiza miesięcznych zmian współczynnika szkodowości kredytów hipotecznych
dr Ewa Wycka Wyższa Szkoła Bakowa w Gdańsku Wtold Komorowsk, Rafał Gatowsk TZ SKOK S.A. Statystycza aalza mesęczych zma współczyka szkodowośc kredytów hpoteczych Wskaźk szkodowośc jest marą obcążea kwoty/lczby
Podstawy opracowania wyników pomiarowych, analiza błędów
Podstawy opracowaa wyków pomarowych, aalza błędów I Pracowa Fzycza IF UJ Grzegorz Zuzel Lteratura I Pracowa fzycza Pod redakcją Adrzeja Magery Istytut Fzyk UJ Kraków 2006 Wstęp do aalzy błędu pomarowego
f f x f, f, f / / / METODA RÓŻNIC SKOŃCZONYCH niech N = 2 (2 równania różniczkowe zwyczajne liniowe I-rz.) lub jedno II-rzędu
METODA RÓŻIC SKOŃCZOYCH (omówee a przykładze rówań lowych) ech ( rówaa różczkowe zwyczaje lowe I-rz.) lub jedo II-rzędu f / / p( x) f / + q( x) f + r( x) a x b, f ( a) α, f ( b) β dea: a satce argumetu
Ś Ś Ś Ś Ś Ś Ę Ą Ę ŚĘ Ę Ś ń Ę Ę Ą Ł Ż Ń Ł ć Ą ć Ł Ę Ó ć Ź ć ź ń Ń ń Ś Ą Ę Ł Ę Ą Ę ń ć ń Ź ć ń ć ń Ś ń ŚĆ ć ź Ł Ę Ę Ś Ę Ę Ę ń ŚĘ Ń Ę Ę ń ŚĘ Ę Ę Ś Ś ć ń Ę ń Ś Ę ć ć Ę Ę ć ź ć ń Ę Ń ń ć Ł Ę Ę Ę Ę ć Ę ć ć ź
Estymacja przedziałowa
Metody probabilistycze i statystyka Estymacja przedziałowa Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Metody probabilistycze
Równania rekurencyjne
Rówaa reurecyje Ja stosować do przelczaa obetów obatoryczych? zaleźć zwąze reurecyjy, oblczyć la początowych wartośc, odgadąć ogóly wzór, tóry astępe udowaday stosując ducję ateatyczą. W etórych przypadach,
Badanie efektu Halla w półprzewodniku typu n
Badaie efektu alla w ółrzewodiku tyu 35.. Zasada ćwiczeia W ćwiczeiu baday jest oór elektryczy i aięcie alla w rostoadłościeej róbce kryształu germau w fukcji atężeia rądu, ola magetyczego i temeratury.
Prace Naukowe Instytutu Maszyn, Napędów i Pomiarów Elektrycznych Nr 70 Politechniki Wrocławskiej Nr 70
Prace Naukowe Istytutu Maszy, Napędów Poarów Elektryczych Nr 7 Poltechk Wrocławskej Nr 7 Studa Materały Nr 34 4 Krzysztof DRÓŻDŻ* estyacja, fltr Kalaa, układ dwuasowy, tłuee drgań PORÓWNANIE JAKOŚCI ESYMACJI
ť Ü Ĺ ä Ů Ú Í Í Ť ř Ě Í ü Í ń đ ń ď ď ń Ż Ł í á í É Ĺ Ü Í Ť Ĺ Ĺ ű Í Í ť Í ŕ Ĺ Í Ü Ü ü Ż Ż ń ť Ą Ą ŕ Ą ń ń Ż ń Ż ń ý Ż ń í Á É É Ýá Í ä í Ĺ Ĺ í Í ů ť Ĺ ť Ź Ť Ť Ł ń ź Ź ń ń ć ń ć ń Ż í ť ń Ż Ĺ ŕ í Ú íí ť
Prognozowanie wielkości sprzedaży z wykorzystaniem sztucznych sieci neuronowych na przykładzie przedsiębiorstwa branży kwiatowej
Krzysztof Jurczyk 1 AGH Akademia Góriczo-Huticza Agata Kutyba 2 AGH Akademia Góriczo-Huticza Progozowaie wielkości sprzedaży z wykorzystaiem sztuczych sieci euroowych a przykładzie przedsiębiorstwa braży
METODY I ZASTOSOWANIA SZTUCZNEJ INTELIGENCJI. LABORATORIUM nr 01. dr inż. Robert Tomkowski
METODY I ZASTOSOWANIA SZTUCZNEJ INTELIGENCJI LABORATORIUM r 01 Temat: PERCEPTRON dr iż. Robert Tomkowski pok. 118 bud. C robert.tomkowski@tu.koszali.pl tel. 94 3178 251 Metody i zastosowaia sztuczej iteligecji
Laboratorium Metod Statystycznych ĆWICZENIE 2 WERYFIKACJA HIPOTEZ I ANALIZA WARIANCJI
Laboatoum Metod tatystyczych ĆWICZENIE WERYFIKACJA HIPOTEZ I ANALIZA WARIANCJI Oacowała: Katazya tąo Weyfkaca hotez Hoteza statystycza to dowole zyuszczee dotyczące ozkładu oulac. Wyóżamy hotezy: aametycze
Wyrażanie niepewności pomiaru
Wyrażae epewośc pomaru Adrzej Kubaczyk Wydzał Fzyk, Poltechka Warszawska Warszawa, 05 Iformacje wstępe Każdy pomar welkośc fzyczej dokoyway jest ze skończoą dokładoścą, co ozacza, że wyk tego pomaru dokoyway
Podstawowe zadanie statystyki. Statystyczna interpretacja wyników eksperymentu. Zalety statystyki II. Zalety statystyki
tatystycza terpretacja wyków eksperymetu Małgorzata Jakubowska Katedra Chem Aaltyczej Wydzał IŜyer Materałowej Ceramk AGH Podstawowe zadae statystyk tatystyka to uwersale łatwo dostępe arzędze, które pomaga
ANALIZA DRGAŃ POPRZECZNYCH PŁYTY PIERŚCIENIOWEJ O ZŁOŻONYM KSZTAŁCIE Z UWZGLĘDNIENIEM WŁASNOŚCI CYKLICZNEJ SYMETRII UKŁADU
Dr iż. Staisław NOGA oga@prz.edu.pl Politechika Rzeszowska ANALIZA DRGAŃ POPRZECZNYCH PŁYTY PIERŚCIENIOWEJ O ZŁOŻONYM KSZTAŁCIE Z UWZGLĘDNIENIEM WŁASNOŚCI CYKLICZNEJ SYMETRII UKŁADU Streszczeie: W publikacji
08 Model planowania sieci dostaw 1Po_2Pr_KT+KM
Nr Tytuł: Autor: 08 Model plaowaa sec dostaw 1Po_2Pr_KT+KM Potr SAWICKI Zakład Systeów Trasportowych WIT PP potr.sawck@put.poza.pl potr.sawck.pracowk.put.poza.pl www.facebook.co/potr.sawck.put Przedot:
Zastosowanie metody najmniejszych kwadratów do pomiaru częstotliwości średniej sygnałów o małej stromości zboczy w obecności zakłóceń
Zasosowae meody ajmejszych kwadraów do pomaru częsolwośc średej sygałów o małej sromośc zboczy w obecośc zakłóceń Elgusz PAWŁOWSKI, Darusz ŚWISULSKI Podsawowe meody pomaru częsolwośc Zlczae okresów w zadaym
Agenda. Politechnika Poznańska WMRiT ZST. Piotr Sawicki Optymalizacja w transporcie 1. Kluczowe elementy wykładu
Poltechka Pozańska WMRT ZST Tytuł: 05 Lokalzaca obektów. Model PoPr Zastosowae prograowaa lowego Autor: Potr SAWICKI Zakład Systeów Trasportowych WMRT PP potr.sawck@put.poza.pl www.put.poza.pl/~potr.sawck
Podstawy analizy niepewności pomiarowych (I Pracownia Fizyki)
Podstawy aalzy epewośc pomarowych (I Pracowa Fzyk) Potr Cygak Zakład Fzyk Naostruktur Naotecholog Istytut Fzyk UJ Pok. 47 Tel. 0-663-5838 e-mal: potr.cygak@uj.edu.pl Potr Cygak 008 Co to jest błąd pomarowy?
MATEMATYKA STOSOWANA W INŻYNIERII CHEMICZNEJ
MATEMATYKA STOSOWANA W INŻYNIERII CHEMICZNEJ Wykład Układy rówań metody aaltycze Metody umerycze rozwązywaa rówań lczbowych Prof. Ato Kozoł, Wydzał Chemczy Poltechk Wrocławskej ROZWIĄZYWANIE UKŁADÓW RÓWNAŃ
Prawdopodobieństwo i statystyka r.
Prawdopodobieństwo i statystyka.0.00 r. Zadaie Rozważy astępującą, uproszczoą wersję gry w,,woję. Talia składa się z 5 kart. Dobrze potasowae karty rozdajey dwó graczo, każdeu po 6 i układay w dwie kupki.
Sprawdzenie stateczności skarpy wykopu pod składowisko odpadów komunalnych
Sprawdzee stateczośc skarpy wykopu pod składowsko odpadów koualych Ustalee wartośc współczyka stateczośc wykoae zostae uproszczoą etodą Bshopa, w oparcu o poższą forułę: [ W s( α )] ( φ ) ( φ ) W ta F
( ) L 1. θ θ = M. Przybycień Rachunek prawdopodobieństwa i statystyka. = θ. min
Fukca warogodośc Nech będze daa próba losowa prosta o lczebośc z rozkładu f (x;. Fukcą warogodośc dla próby x azywamy welkość: ( x; f ( x ; L Twerdzee (Cramera-Rao: Mmala wartość warac m dowolego eobcążoego
N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi.
3 Metody estymacj N ( µ, σ ) Wyzacz estymatory parametrów µ 3 Populacja geerala ma rozład ormaly mometów wyorzystując perwszy momet zwyły drug momet cetraly z prób σ metodą 3 Zmea losowa ma rozład geometryczy
5. OPTYMALIZACJA NIELINIOWA
5. OPTYMALIZACJA NIELINIOWA Zdarza sę dość często, że zależośc występujące w aalzowaych procesach (p. ospodarczych) mają charakter elowy. Dlateo też, oprócz lowych zadań decyzyjych, formułujemy także elowe
Sterowanie optymalne statkiem w obszarze ze zmiennym prądem problem czasooptymalnej marszruty. Zenon Zwierzewicz
Sterowae otymale statem w obszarze ze zmeym rądem roblem czasootymalej marszrty Zeo Zwerzewcz Szczec Zeo Zwerzewcz Sterowae otymale statem w obszarze ze zmeym rądem roblem czasootymalej marszrty W artyle
Regresja REGRESJA
Regresja 39. REGRESJA.. Regresja perwszego rodzaju Nech (, będze dwuwyarową zeą losową, dla które steje kowaracja. Nech E( y ozacza warukową wartość oczekwaą zdefowaą dla przypadku zeych losowych typu
OGÓLNE SFORMUŁOWANIE ZADANIA IDENTYFIKACJI NIELINIOWEGO MODELU DYNAMICZNEGO
acta mechaca et automatca, vol.3 o.2 (2009) OGÓLNE SFORMUŁOWANIE ZADANIA IDENTYFIKACJI NIELINIOWEGO MODELU DYNAMICZNEGO Zbgew DĄBROWSKI * Wydzał Samochodów Maszy Roboczych, Istytut Podstaw Budowy Maszy,
... MATHCAD - PRACA 1/A
Nazwsko Imę (drukowaym) KOD: Dzeń+godz. (p. Śr) MATHCAD - PRACA /A. Stablcuj fukcję: f() = s() + /6. w przedzale od a do b z podzałem a rówych odcków. Sporządź wykres f() sprawdź, le ma mejsc zerowych.
Tablice wzorów Przygotował: Mateusz Szczygieł
Tablce zoó Pzygotoał: Mateusz Szczygeł DKATORFIASOWY.COM.PL . Oczekaa stoa zotu - adoodobeństo zaśca daego zdazea ożla do zealzoaa stoa zotu. Waaca aaca stoy zotu oczekaa stoa zotu [ ] 3. Odchylee stadadoe
System finansowy gospodarki
System fasowy gospodark Zajęca r 7 Krzywa retowośc, zadaa (mat. f.), marża w hadlu, NPV IRR, Ustawa o kredyce kosumeckm, fukcje fasowe Excela Krzywa retowośc (dochodowośc) Yeld Curve Krzywa ta jest grafczym
Funkcja wiarogodności
Fukca warogodośc Defca: Nech będze daa próba losowa prosta o lczebośc z rozkładu f (x; θ. Fukcą warogodośc dla próby x azywamy welkość: ( x; θ f ( x ; θ L Uwaga: Fukca warogodośc to e to samo co łącza
Obliczanie średniej, odchylenia standardowego i mediany oraz kwartyli w szeregu szczegółowym i rozdzielczym?
Oblczae średej, odchylea tadardowego meday oraz kwartyl w zeregu zczegółowym rozdzelczym? Średa medaa ależą do etymatorów tzw. tedecj cetralej, atomat odchylee tadardowe to etymatorów rozprozea (dyperj)
. Wtedy E V U jest równa
Prawdopodobeństwo statystyka 7.0.0r. Zadae Dwuwymarowa zmea losowa Y ma rozkład cągły o gęstośc gdy ( ) 0 y f ( y) 0 w przecwym przypadku. Nech U Y V Y. Wtedy E V U jest rówa 8 7 5 7 8 8 5 Prawdopodobeństwo
FINANSE II. Model jednowskaźnikowy Sharpe a.
ODELE RYNKU KAPITAŁOWEGO odel jedowskaźkowy Sharpe a. odel ryku kaptałowego - CAP (Captal Asset Prcg odel odel wycey aktywów kaptałowych). odel APT (Arbtrage Prcg Theory Teora artrażu ceowego). odel jedowskaźkowy
Nowoczesne technk nformatyczne - Ćwczene 2: PERCEPTRON str. 2 Potencjał membranowy u wyznaczany jest klasyczne: gdze: w waga -tego wejśca neuronu b ba
Nowoczesne technk nformatyczne - Ćwczene 2: PERCEPTRON str. 1 Ćwczene 2: Perceptron WYMAGANIA 1. Sztuczne sec neuronowe budowa oraz ops matematyczny perceptronu (funkcje przejśca perceptronu), uczene perceptronu
ĆWICZENIE 10 OPTYMALIZACJA STRUKTURY CZUJKI TEMPERATURY W ASPEKCIE NIEZWODNOŚCI
ĆWICZENIE 0 OPTYMALIZACJA STUKTUY CZUJKI TEMPEATUY W ASPEKCIE NIEZWODNOŚCI Cel ćwczea: zapozae z metodam optymalzac wewętrze struktury mozakowe czuk temperatury stosowae w systemach sygalzac pożaru; wyzaczee
SOWA - ENERGOOSZCZĘDNE OŚWIETLENIE ULICZNE METODYKA
Załączk r do Regulamu I kokursu GIS PROGRAM PRIORYTETOWY: SOWA - ENERGOOSZCZĘDNE OŚWIETLENIE ULICZNE METODYKA. Cel opracowaa Celem opracowaa jest spója metodyka oblczaa efektu ograczaa emsj gazów ceplaraych,
ma rozkład normalny z nieznaną wartością oczekiwaną m
Zadae Każda ze zmeych losowych,, 9 ma rozkład ormaly z ezaą wartoścą oczekwaą m waracją, a każda ze zmeych losowych Y, Y,, Y9 rozkład ormaly z ezaą wartoścą oczekwaą m waracją 4 Założoo, że wszystke zmee
05 Klasyfikacja modeli planowania sieci dostaw Model: 1Po_1Pr_KT
Nr Tytuł: Autor: 05 Klasyfkacja odel plaowaa sec dostaw Model: 1Po_1Pr_KT Potr SAWICKI Zakład Systeów Trasportowych WIT PP potr.sawck@put.poza.pl potr.sawck.pracowk.put.poza.pl www.facebook.co/potr.sawck.put
Stanisław Cichocki Natalia Nehrebecka. Zajęcia 7-8
Stasław Cchock Natala Nehreecka Zajęca 7-8 . Testowae łączej stotośc wyraych regresorów. Założea klasyczego modelu regresj lowej 3. Własośc estymatora MNK w KMRL Wartość oczekwaa eocążoość estymatora Waracja
Proces narodzin i śmierci
Proces narodzn śmerc Jeżel w ewnej oulacj nowe osobnk ojawają sę w sosób losowy, rzy czym gęstość zdarzeń na jednostkę czasu jest stała w czase wynos λ, oraz lczba osobnków n, które ojawły sę od chwl do
Statystyczne charakterystyki liczbowe szeregu
Statystycze charakterystyk lczbowe szeregu Aalzę badaej zmeej moża uzyskać posługując sę parametram opsowym aczej azywaym statystyczym charakterystykam lczbowym szeregu. Sytetycza charakterystyka zborowośc
AKADEMIA MORSKA W SZCZECINIE
AKADEMIA MORSKA W SZCZECINIE Istytut Iżyer Ruchu Morskego Zakład Urządzeń Nawgacyjych Istrukcja r 0 Wzory do oblczeń statystyczych w ćwczeach z radoawgacj Szczec 006 Istrukcja r 0: Wzory do oblczeń statystyczych
będą niezależnymi zmiennymi losowymi z rozkładu o gęstości
Prawdopodobeństwo statystyka 4.0.00 r. Zadae Nech... będą ezależym zmeym losowym z rozkładu o gęstośc θ f ( x) = θ xe gdy x > 0. Estymujemy dodat parametr θ wykorzystując estymator ajwększej warogodośc
Wykład 10 Wnioskowanie o proporcjach
Wykład 0 Wioskowaie o roorcjach. Wioskowaie o ojedyczej roorcji rzedziały ufości laowaie rozmiaru róby dla daego margiesu błędu test istotości dla ojedyczej roorcji Uwaga: Będziemy aalizować roorcje odobie
Dynamika układu punktów materialnych
Daka układu puktów ateralch Układ puktów ateralch jest to bór puktów ateralch, w któr ruch każdego puktu jest ależ od ruchu ch puktów. P P,,,,,,,,,,,, sł wewętre P P P sł ewętre Układ puktów ateralch sł
Prognozowanie obciążeń 24-godzinnych w systemie elektroenergetycznym z użyciem zespołu sieci neuronowych
Krzysztof SIWEK 1, STANISŁAW OSOWSKI 1,2 1 Politechika Warszawska, 2 Wojskowa Akademia Techicza Progozowaie obciążeń 24-godziych w systemie elektroeergetyczym z użyciem zespołu sieci euroowych Streszczeie.
EMIL PANEK STABILNO STANU RÓWNOWAGI NA RYNKU KONKURENCYJNYM Z NIEKLASYCZNYM RÓWNANIEM DYNAMIKI CEN I CZASEM DYSKRETNYM 1. WST P
PRZEGL D STATYSTYCZNY R. LVII ZESZYT -3 00 EMIL PANEK STABILNO STANU RÓWNOWAGI NA RYNKU KONKURENCYJNYM Z NIEKLASYCZNYM RÓWNANIEM DYNAMIKI CEN I CZASEM DYSKRETNYM. WST P W racy [] rzedstawoy zosta model
BADANIE UKŁADÓW ZAWIERAJĄCYCH WZMACNIACZE OPERACYJNE
ADANI UKŁADÓW ZAWIAJĄCYCH WZMACNIACZ OPACYJN CL ĆWICZNIA: Pozae zasady dzałaa wzmacacza operacyjego w zakrese skch częstotlwośc. Aalza kładów zawerających wzmacacze operacyje pracjące w zakrese lowym elowym.
(a) Jednowarstwowa sieć Hopfielda, z n neuronami (źródło [2]) (b) Bipolarna funkcja przejścia
Sieci rekurecyje Przedmiot: Sieci euroowe i ich zastosowaie Sieci rekurecyje posiadają sprzężeie zwrote, co ma istoty wpływ a ich możliwości uczeia. Mają symulować asocjacyjy charakter ludzkiej pamięci.
W wielu przypadkach zadanie teorii sprężystości daje się zredukować do dwóch
Wykład 5 PŁASKI ZADANI TORII SPRĘŻYSTOŚCI Płaski sta arężeia W wielu rzyadkach zadaie teorii srężystości daje się zredukować do dwóch wymiarów Przykładem może być cieka tarcza obciążoa siłami działającymi
Zależność kosztów produkcji węgla w kopalni węgla brunatnego Konin od poziomu jego sprzedaży
Gawlk L., Kasztelewcz Z., 2005 Zależość kosztów produkcj węgla w kopal węgla bruatego Ko od pozomu jego sprzedaży. Prace aukowe Istytutu Górctwa Poltechk Wrocławskej r 2. Wyd. Ofcya Wydawcza Poltechk Wrocławskej,
Laboratorium z Biomechatroniki Ćwiczenie 3 Wyznaczanie położenia środka masy ciała człowieka za pomocą dźwigni jednostronnej
Wydzał: Mechaczy Techologczy Keruek: Grupa dzekańska: Semestr: perwszy Dzeń laboratorum: Godza: Laboratorum z Bomechatrok Ćwczee 3 Wyzaczae położea środka masy cała człoweka za pomocą dźwg jedostroej 1.
Korelacja i regresja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 12
Wykład Korelacja i regresja Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Wykład 8. Badaie statystycze ze względu
Materiały do wykładu 7 ze Statystyki
Materał do wkładu 7 ze Statstk Aalza ZALEŻNOŚCI pomędz CECHAMI (Aalza KORELACJI REGRESJI) korelacj wkres rozrzutu (korelogram) rodzaje zależośc (brak, elowa, lowa) pomar sł zależośc lowej (współczk korelacj
Statystyka Opisowa 2014 część 3. Katarzyna Lubnauer
Statystyka Opsowa 014 część 3 Katarzya Lubauer Lteratura: 1. Statystyka w Zarządzau Admr D. Aczel. Statystyka Opsowa od Podstaw Ewa Waslewska 3. Statystyka, Lucja Kowalsk. 4. Statystyka opsowa, Meczysław
TARCIE CIĘGIEN O POWIERZCHNIĘ WALCOWĄ WZÓR EULERA
Ćwczee 8 TARCIE CIĘGIEN O POWIERZCHNIĘ WALCOWĄ WZÓR EULERA 8.. Cel ćwczea Celem ćwczea jest wyzaczee statyczego współczyka tarca pomędzy walcową powerzchą cała a opasującą je lą. Poadto a drodze eksperymetalej
Sztuczna Inteligencja Tematy projektów Sieci Neuronowe
PB, 2009 2010 Sztuczna Inteligencja Tematy projektów Sieci Neuronowe Projekt 1 Stwórz projekt implementujący jednokierunkową sztuczną neuronową złożoną z neuronów typu sigmoidalnego z algorytmem uczenia
MODELOWANIE NEURONALNE ROZWOJU SYSTEMU ELEKTROENERGETYCZNEGO. CZĘŚĆ 2. MODELE SYSTEMU IEEE RTS
POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 82 Electrical Engineering 2015 Jerzy TCHÓRZEWSKI* Maciej PYTEL ** MODELOWANIE NEURONALNE ROZWOJU SYSTEMU ELEKTROENERGETYCZNEGO. CZĘŚĆ 2. MODELE SYSTEMU
3. OPTYMALIZACJA NIELINIOWA
Wybrae zaadea badań operacyjych dr ż. Zbew Tarapata 3. OPTYMALIZACJA NIELINIOWA Zdarza sę dość często że zależośc występujące w aalzowaych procesach (p. ospodarczych) mają charakter elowy. Dlateo też oprócz
Badania niezawodnościowe i statystyczna analiza ich wyników
Badaa ezawodoścowe statystycza aalza ch wyków. Co to są badaa ezawodoścowe jak sę je przeprowadza?. Metody prezetacj opsu daych pochodzących z eksperymetu 3. Sposoby wyzaczaa rozkładu zmeej losowej a podstawe
Średnia arytmetyczna Klasyczne Średnia harmoniczna Średnia geometryczna Miary położenia inne
Mary położea Średa arytmetycza Klasycze Średa harmocza Średa geometrycza Mary położea e Modala Kwartyl perwszy Pozycyje Medaa (kwartyl drug) Kwatyle Kwartyl trzec Decyle Średa arytmetycza = + +... + 2
Wielokategorialne systemy uczące się i ich zastosowanie w bioinformatyce. Rafał Grodzicki
Welokategoralne systemy uząe sę h zastosowane w bonformatye Rafał Grodzk Welokategoralny system uząy sę (multlabel learnng system) Zbór danyh weśowyh: d X = R Zbór klas (kategor): { 2 } =...Q Zbór uząy:
Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania MODELOWANIE I PODSTAWY IDENTYFIKACJI
Poltechka Gdańska Wydzał Elektrotechk Automatyk Katedra Iżyer Systemów Sterowaa MODELOWANIE I PODSAWY IDENYFIKACI Wybrae zagadea z optymalzacj. Materały pomoccze do zajęć ćwczeowych 5 Opracowae: Kazmerz
wyniki serii n pomiarów ( i = 1,..., n) Stosując metodę największej wiarygodności możemy wykazać, że estymator wariancji 2 i=
ESTYMATOR WARIANCJI I DYSPERSJI Ozaczmy: µ wartość oczekwaa rozkładu gauowkego wyków pomarów (wartość prawdzwa merzoej welkośc σ dyperja rozkładu wyków pomarów wyk er pomarów (,..., Stoując metodę ajwękzej
1.3. STAN NAPRĘŻENIA STRONA STATYCZNA
J. Wyrwał, Wykłady z echak aterałów.. STAN NAPRĘŻENA STRONA STATYCZNA... Klasyfkaca sł Sły wyrażaą wzaee oddzaływaa ędzy obekta ateraly lub ch częśca. Są oe rezultate dzałaa ól słowych a asy ładuk krocząstek
METODY ROZWIĄZYWANIA DUŻYCH UKŁADÓW RÓWNAŃ LINIOWYCH
DODATEK NR 2. METODY ROZWIĄZYWANIA DUŻYCH UKŁADÓW RÓWNAŃ LINIOWYCH Układy rówań występujące w etodze eleetów skończoych charakteryzują sę duży rzadk dodato określoy acerza. Metody rozwązywaa układów rówań
Centralna Izba Pomiarów Telekomunikacyjnych (P-12) Komputerowe stanowisko do wzorcowania generatorów podstawy czasu w częstościomierzach cyfrowych
Cetrala Izba Pomarów Telekomukacyjych (P-1) Komputerowe staowsko do wzorcowaa geeratorów podstawy czasu w częstoścomerzach cyrowych Praca r 1300045 Warszawa, grudzeń 005 Komputerowe staowsko do wzorcowaa
Zadanie 1. Rzucamy symetryczną monetą tak długo, aż w dwóch kolejnych rzutach pojawią się,,reszki. Oblicz wartość oczekiwaną liczby wykonanych rzutów.
Pradopodobeństo statystya 6..3r. Zadae. Rzucamy symetryczą moetą ta długo aż dóch olejych rzutach pojaą sę resz. Oblcz artość oczeaą lczby yoaych rzutó. (A) 7 (B) 8 (C) 9 (D) (E) 6 Wsazóa: jeśl rzuce umer
Józef Beluch Akademia Górniczo-Hutnicza w Krakowie. Wpływ wag współrzędnych na wyniki transformacji Helmerta
Józef Beluch Akadema Górczo-Hutcza w Krakowe płw wag współrzędch a wk trasformacj Helmerta . zór a trasformację współrzędch sposobem Helmerta: = c + b = d + a + a b () 2 2. Dwa modele wzaczea parametrów
PRZYKŁADOWE TEMATY ZADAŃ PROJEKTOWYCH
PRZYKŁADOWE TEMATY ZADAŃ PROJEKTOWYCH Z PRZEDMIOTU SZTUCZNA INTELIGENCJA DLA ISD. Zrealzować uład terowaa w oparcu o logę rozytą dla jedego z atępujących odel obetów. Wyorzytać paet arzędzowy Fuzzy Logc
MODELE OBIEKTÓW W 3-D3 część
WYKŁAD 5 MODELE OBIEKTÓW W -D część la wykładu: Kocepcja krzywej sklejaej Jedorode krzywe B-sklejae ejedorode krzywe B-sklejae owerzche Bezera, B-sklejae URBS 1. Kocepcja krzywej sklejaej Istotą z praktyczego
PRZYKŁADOWE TEMATY ZADAŃ PROJEKTOWYCH
PRZYKŁADOWE TEMATY ZADAŃ PROJEKTOWYCH Z PRZEDMIOTU EWOLUCYJNE METODY OPTYMALIZACJI. Rozwązać zadae zadaa załaduku (plecakowego z ograczeam a dopuszczale wymary oraz cężar []: a algorytmem symulowaego wyżarzaa.
WSPOMAGANIE DECYZJI - MIŁOSZ KADZIŃSKI LABORATORIUM II PROGRAMOWANIE CELOWE, ILORAZOWE I MIN-MAX. min. min
WSPOMAGANIE DECYZJI - MIŁOSZ KADZIŃSKI LABORAORIUM II PROGRAMOWANIE CELOWE, ILORAZOWE I MIN-MAX Probley prograowae celowego lorazowego to probley prograowae ateatyczego elowego, który oża sktecze zlearyzować