Okre lanie priorytetów zmiennych pewnych funkcji decyzyjnych

Wielkość: px
Rozpocząć pokaz od strony:

Download "Okre lanie priorytetów zmiennych pewnych funkcji decyzyjnych"

Transkrypt

1 Okrelanie priorytetów zmiennych pewnych funkci decyzynych J. WINIEWSKA Instytut Systemów Informatycznych Wydzia ybernetyki WAT ul. S. Kaliskiego, Warszawa W pracy opisane s dwie metody wyznaczania priorytetów zmiennych pewnych funkci logicznych (takich, w których zapisie nie wystpue negaca). Pierwsza metoda opiera si na wykorzystaniu miary Hamminga w procesie okrelania priorytetów zmiennych,. Ze wzgldu na konieczno generowania i przegldania tablicy prawdy dla badane funkci, zoono czasowa te metody est rzdu wykadniczego. Druga proponowana metoda polega na analizowaniu zapisu funkci w postaci minimalne formuy sumacyne. Dae ona wyniki mnie precyzyne ni pierwsza wspomniana metoda, ale nie wymaga podania tablicy prawdy dla danego zadania, dziki czemu est zazwycza mnie zoona czasowo od metody uywace miary Hamminga. Sowa kluczowe: priorytet zmienne, funkca decyzyna, odlego Hamminga 1. harakterystyka rozwaanych funkci decyzynych Podane w tym referacie metody okrelania priorytetów zmiennych nie mog by z powodzeniem stosowane dla dowolnych funkci decyzynych. Metody te zostay opracowane z myl o pewnych funkcach logicznych. Definica 1: Funkc logiczn nazywamy dowolne odwzorowanie postaci: f : X Y (1) gdzie, przy B = {0;1}, X est podzbiorem B n B n za Y est podzbiorem B m. B B... B () Zaoenie 1: W pracy rozwaana est funkca decyzyna f(x), która ma posta funkci logiczne n zmiennych, przy czym w zapisie f(x) nie wystpue negaca.. Okrelanie priorytetów zmiennych decyzynych za pomoc miary Hammiga Spostrzeenie 1: Jeeli mona zauway co namnie edn wasno zmiennych x i (dla i 1, n ) funkci decyzyne f(x), to zmienne x i mona podzieli na grupy wedug wartoci przymowane przez obserwowan wasno. o te same wartoci badane wasnoci, w aspekcie tee cechy, przymuemy za równowane. Posiadac tabel prawdy dla danego zadania mona sprawdzi aka est relaca midzy wartociami przymowanymi przez zmienne x i a wartoci funkci f(x). Niech miar pozwalac ustali warto takie relaci bdzie odlego Hamminga. Definica : Odlego Hamminga est to miara odmiennoci dwóch cigów o takie same dugoci. Wyraa ona liczb miesc (pozyci), na których analizowane cigi posiada nie równe sobie elementy. Oznaczenie 1: Za pomoc H(x i ) bdziemy okrela warto mówic o odlegoci Hamminga midzy cigiem reprezentucym wartoci przymowane przez zmienn x i a cigiem wartoci funkci f(x). Zgodnie ze spostrzeeniem 1, dwie zmienne te same funkci decyzyne f(x), np. x i i x, dla których zachodzi: H(x i ) = H(x ); traktuemy ako równowane. Przykad 1: Niech dana bdzie nastpuca funkca decyzyna: x x x x x x x x (3) 1 tabela prawdy dla te funkci ma posta:

2 J. Winiewska, Okrelanie priorytetów zmiennych pewnych funkci decyzynych x 1 x x 3 x 4 x 5 f(x) Wartoci odlegoci Hamminga midzy cigiem przyporzdkowanym konkretne zmienne x i a cigiem reprezentucym f(x), s nastpuce: H(x 1 ) = 7, H(x ) = 11, H(x 3 ) = 13, H(x 4 ) = 13, H(x 5 ) = 15. Spostrzeenie : Ze wzgldu na róne wartoci odlegoci Hamminga midzy cigami reprezentucymi zmienne x i a cigiem f(x) mona przypuszcza, e wartoci przymowane przez zmienne x i w rónym stopniu przekada si na warto badane funkci decyzyne f(x). Definica 3: Istotnoci, bd priorytetem, zmienne x i nazywamy zdolno rzutowania wartoci przymowanych przez t zmienn na warto funkci decyzyne f(x). Definica 4: Klas c(x i ) zmienne x i nazywamy niepusty zbiór zmiennych funkci f(x), zawieracy zmienn x i i ewentualnie inne zmienne o takie same istotnoci (priorytecie) ak x i. Jak wynika z definici 4 n-elementowy zbiór Z x = {x 1,x,,x n } zmiennych analizowane funkci decyzyne mona podzieli na podzbiory, za pomoc moliwe do zdefiniowania relaci równowanoci, zawierace zmienne nalece do te same klasy c(x i ). Tene podzia P mona przedstawi nastpuco: P k, r 1; m kr,,..., 1 Z, x k przy r m, gdzie 1, m oraz m n Z x (4) znaduce si w pewne klasie c(x i ) ma tak sam istotno. W zwizku z tym niech klasa równie posiada swo istotno dziedziczon po zmiennych nalecych do nie. Istotno klasy c(x i ), a take priorytet zmiennych do nie nalecych, wyraona est wskanikiem w(c(x i )) wyznaczanym przy pomocy procedury 1. Procedura 1: Wykorzystuc spostrzeenie 1. mona poda nastpucy algorytm wyznaczania klas c(x i ) zmiennych funkci decyzyne f(x): 1) Na podstawie tabeli prawdy dla kade zmienne x i obliczy warto H(x i ). ) Pogrupowa zmienne o takie same wartoci H(x i ) zmienne te utworz klasy. 3) Posortowa klasy (czyli zbiory zawierace zmienne) rosnco wedug wartoci H(x i ). 4) Posortowanym klasom przypisywa warto wskanika w(c(x i )) rozpoczynac od wartoci 1 poprzez kolene liczby cakowite dodatnie. Przykad : Wyznaczmy klasy zmiennych uywac algorytmu opisanego w procedurze 1, dla zadania rozpocztego w przykadzie 1. Ad. 1) Wartoci H(x i ) zostay u obliczone: H(x 1 ) = 7, H(x ) = 11, H(x 3 ) = 13, H(x 4 ) = 13, H(x 5 ) = 15. Ad. ) Utworzenie zbiorów klas: 1 = {x 1 }, = {x }, 3 = {x 3, x 4 }, 4 = {x 5 }. Ad. 3) Posortowanie zbiorów klas (w tym zadaniu s u posortowane): 1. 1 = {x 1 } dla H(x 1 ) = 7. = {x } dla H(x ) = = {x 3, x 4 } dla H(x 3 ) = H(x 4 ) = = {x 5 } dla H(x 5 ) = 15. Ad. 4) Przypisanie klasom wartoci wskanika w(c(x i )): w(c(x 1 )) = 1 dla zbioru 1, w(c(x )) = dla zbioru, w(c(x 3, x 4 )) = 3 dla zbioru 3, w(c(x 5 )) = 4 dla zbioru 4. W ten sposób zmienne funkci f(x) zostay przydzielone do czterech klas, gdzie nawyszy priorytet (nabardzie intensywny wpyw na 6

3 podemowan decyz) ma zmienne z klasy pierwsze (przy w(c(x 1 )) = 1), a namnieszy z klasy czwarte (przy w(c(x 5 )) = 4). 3. Metoda okrelania przyblionych klas istotnoci zmiennych Metoda wyznaczania klas zmiennych za pomoc odlegoci Hamminga est metod skuteczn, cho zoon obliczeniowo: trzeba wygenerowa tablic prawdy, która posiada n wierszy (gdzie n to liczba zmiennych decyzynych) oraz (n + 1) kolumn, a nastpnie obliczy warto miary Hamminga dla n par cigów o dugoci n. W zwizku z tym metoda ta ma zoono rzdu wykadniczego. Mona zaproponowa inn metod klasyfikaci zmiennych mnie dokadn, lecz duo szybsz (obliczeniowo zazwycza mnie zoon, poniewa nie ma w nie koniecznoci generowania ani przegldania tabeli prawdy, a edynie analizue si zapis funkci decyzyne f(x) w postaci minimalne formuy sumacyne). Badac funkc logiczn f(x) mona zauway pewne cechy e zmiennych. W przypadku zmiennych x i funkci decyzyne f(x) zgodne z zaoeniem 1 mona wyróni ich dwie wasnoci: stopie zalenoci oraz powtarzalno zmienne. Definica 5: Stopie zalenoci zmienne to warto bdca namniesz liczb innych zmiennych wystpucych w ednym iloczynie wraz z badan zmienn, w zapisie funkci f(x). Definica 6: Powtarzalno zmienne to liczba iloczynów, w których w funkci f(x) wystpue badana zmienna. Ze wzgldu na róne stopnie zalenoci oraz rón powtarzalno zmiennych te same funkci mona przypuszcza, e wartoci przymowane przez zmienne x i w rónym stopniu rzutu na warto badane funkci decyzyne f(x). Definica 7: Przyblion klas pc(x i ) zmienne x i nazywamy niepusty zbiór zmiennych funkci f(x), zawieracy zmienn x i i ewentualnie inne zmienne, które s równowane z x i ze wzgldu na tak sam powtarzalno oraz równy stopie zalenoci. Spostrzeenie 3: Jeeli dana est funkca decyzyna f(x), zgodna z zaoeniem 1, to mona dla zmiennych te funkci wyznaczy przyblione klasy pc(x i ) grupuc zmienne wzgldem stopnia ich zalenoci, a nastpnie, wewntrz kade takie grupy, wprowadzac co namnie edn klas pc(x i ) kieruc si kryterium powtarzalnoci zmiennych. Wane est eby zachowa koleno opisan w spostrzeeniu 3: napierw zmienne s grupowane wedug stopnia zalenoci, a dopiero potem wedug kryterium ich powtarzalnoci. Jest to istotne poniewa kryterium zalenoci est silniesze od powtarzalnoci (uzasadnienie 1). Uzasadnienie 1: W zapisie sumacynym rozwaane funkci decyzyne f(x) zmienne x i oraz warto funkci przymu edynie wartoci {0,1}. Silnieszy wpyw stopnia zalenoci zmienne na warto funkci mona pokaza na przykadzie: niech dana bdzie logiczna funkca decyzyna f(x), gdzie x = (x 1, x,, x n ), x i {0,1} i n, o postaci: x1 x x3 x x4 x x5... x x n (5) gdzie zmienna x 1 wystpue tylko eden raz, ale est niezalena (e stopie zalenoci wynosi zero); zmienna x wystpue (n ) razy przy n, wic liczba e powtórze równie dy do nieskoczonoci, ale zawsze est zalena od inne zmienne x (gdzie = 3, 4,, n). Zmienna x 1 ma silnieszy wpyw na warto funkci f(x) ni zmienna x poniewa przycie przez zmienn x 1 wartoci 1 gwarantue, e f(x) = 1 zupenie niezalenie od wartoci zmiennych x, x 3,, x n (w przypadku gdy x 1 = 0 warto f(x) bdzie równie zalena od pozostaych zmiennych). Natomiast przycie wartoci 0 lub 1 przez zmienn x nie est w stanie zagwarantowa (niezalenie od wartoci pozostaych zmiennych), e f(x) bdzie miaa tak sam warto ak x. Istotno przyblione klasy pc(x i ), a take priorytet zmiennych do nie nalecych, wyraona est przyblionym wskanikiem pw(pc(x i )) wyznaczanym przy pomocy procedury. Procedura : Wykorzystuc spostrzeenie 3. mona poda nastpucy algorytm wyznaczania przyblionych klas zmiennych pc(x i ) funkci decyzyne f(x): 1) x i naley pogrupowa wzgldem stopnia ich zalenoci grupa zmiennych nabardzie niezalenych otrzymue numer 1, a pozostae grupy (w kolenoci zawierania zmiennych o coraz to wyszym stopniu zalenoci) s ponumerowane za pomoc kolenych liczb cakowitych dodatnich (rozpoczynac od liczby ). ) W kade grupie, zgodnie z kolenoci numeraci grup z poprzedniego punktu, wyznaczane s przyblione klasy pc istotnoci zmiennych x i : eeli grupa zawiera tylko edn zmienn, to zmienna ta 63

4 J. Winiewska, Okrelanie priorytetów zmiennych pewnych funkci decyzynych tworzy osobn przyblion klas; eeli grupa zawiera wice ni edn zmienn, to przyblione klasy s wyodrbniane na podstawie kryterium powtarzalnoci zmienne. W obrbie edne grupy zmienne s dzielone na przyblione klasy wedug takie same powtarzalnoci koleno powstawania przyblionych klas na tym poziomie est taka, e napierw wyodrbniane s klasy skadace si ze zmiennych o wiksze powtarzalnoci. Koleno powstacym klasom przyblionym przypisywana est warto wskanika pw(pc(x i )) rozpoczynac od wartoci 1 poprzez kolene liczby cakowite dodatnie. Przykad 3: Oszacumy przyblione klasy zmiennych dla funkci (3) analizowane w poprzednich przykadach. Ad. 1) Grupy zalenoci zmiennych badane funkci przedstawia si nastpuco: Numer grupy Stopie zalenoci zmienne wchodzce w skad grupy 1 0 x 1 1 x, x 3, x 4 3 x 5 W pierwsze i trzecie grupie znadue si tylko po edne zmienne, wic utworz one osobne przyblione klasy zmiennych. W drugie grupie znadu si trzy zmienne, wic naley sprawdzi aka est ich powtarzalno. Ad. ) Okrelenie powtarzalnoci zmiennych wewntrz grup zalenoci: Wskanik pw istotnoci przyblione klasy Powtarzalno zmienne * wchodzce w skad przyblione klasy pc 1 - x 1 x, x 3, x x 5 * Jeeli zmienna wystpowaa sama w grupie zalenoci, to liczba e powtórze w sumie iloczynów funkci f(x) nie est istotna w wyznaczaniu klas istotnoci zmiennych. Porównuc otrzymane w powyszym przykadzie wyniki z wynikami z przykadu, gdzie klasy byy wyznaczane za pomoc odlegoci Hamminga, wida, e przybliona klasa o priorytecie (tam gdzie wp(pc(x,x 3,x 4 )) = ) powinna by podzielona na dwie osobne klasy c(x i ). Niemnie ednak prawd est, e zmienne z te przyblione klasy ma mnieszy wpyw na warto funkci decyzyne ni zmienne z przyblione klasy o priorytecie 1, ale ednoczenie mocnie rzutu na warto funkci decyzyne ni zmienne z przyblione klasy o priorytecie równym 3. Istnie take funkce decyzyne f(x), zgodne z zaoeniem 1, takie, e wyznaczanie priorytetów zmiennych za pomoc procedury 1 i procedury dae identyczne wyniki, co pokazue przykad 4. Przykad 4: Niech dana bdzie funkca decyzyna czterech zmiennych: x1x4 x x3 (6) Proc. 1: Ad. 1) Wartoci H(x i ) s nastpuce: H(x 1 ) = 7, H(x ) = 5, H(x 3 ) = 5, H(x 4 ) = 7. Ad. ) Utworzenie zbiorów klas: 1 = {x 1, x 4 }, = {x, x 3 }. Ad. 3) Sortowanie zbiorów klas: 1. = {x, x 3 } dla H(x ) = H(x 3 ) = 5. 1 = {x 1, x 4 } dla H(x 1 ) = H(x 4 ) = 7. Ad. 4) Przypisanie klasom wartoci wskanika w(c(x i )): w(c(x, x 3 )) = 1 dla zbioru, w(c(x 1, x 4 )) = dla zbioru 1. Proc. : Ad. 1) Grupy zalenoci zmiennych badane funkci to: Numer grupy Stopie zalenoci zmienne wchodzce w skad grupy 1 0 x, x 3 1 x 1, x 4 Ad. ) Okrelenie powtarzalnoci zmiennych wewntrz grup zalenoci: Wskanik pw istotnoci przyblione klasy Powtarzalno zmienne wchodzce w skad przyblione klasy pc 1 1 x, x 3 1 x 1, x 4 Przyblione klasy pokrywa si w tym przykadzie z grupami zalenoci, poniewa kada zmienna w zapisie funkci (6) wystpue tak sam liczb razy. Jak obrazue przykad 4., nie zawsze uycie metody mnie zoone obliczeniowo dae mnie precyzyny wynik oblicze. 64

5 4. Podsumowanie W artykule zostay przedstawione dwie metody okrelania priorytetów zmiennych pewnych funkci logicznych. W ramach podsumowania spróbumy odpowiedzie na pytanie: dlaczego metoda opisana procedur 1. est bardzie dokadna ni metoda opisana procedur.? W procedurze 1. wyznaczanie priorytetów zmiennych opiera si na obliczaniu odlegoci Hamminga midzy cigami reprezentucymi wartoci przymowane przez kad zmienn badane funkci a cigiem wartoci tee funkci. Zatem w kadym poedynczym kroku badania odmiennoci konkretnego cigu x i i cigu f(x), bieca warto zmienne decyzyne konfrontowana est z edn wartoci funkci, na któr to warto ma wpyw równie wartoci pozostaych zmiennych badane funkci. Oznacza to, e wyznaczanie wartoci H(x i ) dla konkretne zmienne x i nie odbywa si w izolaci od wpywu innych zmiennych. Przeciwna sytuaca ma miesce w przypadku metody opisane procedur. tam okrelamy priorytet kade zmienne na podstawie liczby iloczynów, w których w zapisie funkci si ona poawia, oraz namniesze liczby innych zmiennych wystpucych wraz z ni w ednym iloczynie. Analizuemy wic tylko liczno innych zmiennych, bdcych w relaci z badan zmienn, pomiac informace dotyczce ich cech wasnych (takich ak stopie zalenoci czy powtarzalno), czyli wpywu tyche zmiennych na warto funkci decyzyne. 5. Bibliografia [1] A.V. Aho, J.D. Ullman, Wykady z informatyki z przykadami w zyku, Helion, Gliwice, 003. [] G. Birkhoff, S. Mac Lane, Przegld algebry wspóczesne, PWN, Warszawa, [3] M. hudy, Elementy teoretycznych podstaw informatyki, Akademicka Oficyna Wydawnicza EXIT, Warszawa, 006. [4] T.uba, B. Zbierzchowski, Ukady logiczne, Wydawnictwo WIT, Warszawa, 00. [5] A. Mostowski, M. Stark, Elementy algebry wysze, PWN, Warszawa, [6] R. Neapolitan, K. Naimipour, Podstawy algorytmów z przykadami w ++, Helion, Gliwice, 004. [7] Praca zbiorowa, Encyklopedia Universalis. wiat nauki wspóczesne. Tom 1, PWN, Warszawa,

6.2. Baza i wymiar. V nazywamy baz-

6.2. Baza i wymiar. V nazywamy baz- 62 Baza i wymiar V nazywamy baz- Definicja 66 Niech V bdzie przestrzeni, liniow, nad cia/em F Podzbiór B przestrzeni V, je2eli: () B jest liniowo niezale2ny, (2) B jest generuj,cy, tzn lin(b) =V Przyk/ady:

Bardziej szczegółowo

(Dantzig G. B. (1963))

(Dantzig G. B. (1963)) (Dantzig G.. (1963)) Uniwersalna metoda numeryczna dla rozwiązywania zadań PL. Ideą metody est uporządkowany przegląd skończone ilości rozwiązań bazowych układu ograniczeń, które możemy utożsamiać, w przypadku

Bardziej szczegółowo

Poszukiwanie optymalnego wyrównania harmonogramu zatrudnienia metodą analityczną

Poszukiwanie optymalnego wyrównania harmonogramu zatrudnienia metodą analityczną Mieczysław POŁOŃSKI Wydział Budownictwa i Inżynierii Środowiska, Szkoła Główna Gospodarstwa Wieskiego, Warszawa, ul. Nowoursynowska 159 e-mail: mieczyslaw_polonski@sggw.pl Poszukiwanie optymalnego wyrównania

Bardziej szczegółowo

Granular Computing 9999 pages 15 METODY SZTUCZNEJ INTELIGENCJI - PROJEKTY

Granular Computing 9999 pages 15 METODY SZTUCZNEJ INTELIGENCJI - PROJEKTY Granular Computing 9999 pages 15 METODY SZTUCZNEJ INTELIGENCJI - PROJEKTY PB 2 PB 1 Projekt z grupowania danych - Rough k-medoids Liczba osób realizuj cych projekt: 1 osoba 1. Wczytanie danych w formatach

Bardziej szczegółowo

DIAGNOZOWANIE STANÓW ZDOLNO CI JAKO CIOWEJ PROCESU PRODUKCYJNEGO

DIAGNOZOWANIE STANÓW ZDOLNO CI JAKO CIOWEJ PROCESU PRODUKCYJNEGO DIAGNOSTYKA 27 ARTYKUY GÓWNE SZKODA, Diagnozowanie stanów zdolnoci jakociowej 89 DIAGNOZOWANIE STANÓW ZDOLNOCI JAKOCIOWEJ PROCESU PRODUKCYJNEGO Jerzy SZKODA Katedra Eksploatacji Pojazdów i Maszyn Uniwersytetu

Bardziej szczegółowo

Planowanie adresacji IP dla przedsibiorstwa.

Planowanie adresacji IP dla przedsibiorstwa. Planowanie adresacji IP dla przedsibiorstwa. Wstp Przy podejciu do planowania adresacji IP moemy spotka si z 2 głównymi przypadkami: planowanie za pomoc adresów sieci prywatnej przypadek, w którym jeeli

Bardziej szczegółowo

Wektor o pocztku i kocu odpowiednio w punktach. Prosta zawierajca punkty p i q: pq Półprosta zaczynajca si w punkcie p i zawierajca punkt q:.

Wektor o pocztku i kocu odpowiednio w punktach. Prosta zawierajca punkty p i q: pq Półprosta zaczynajca si w punkcie p i zawierajca punkt q:. Temat: Geometria obliczeniowa, cz I. Podstawowe algorytmy geometryczne. Problem sprawdzania przynalenoci punktu do wielokta. Problem otoczki wypukłej algorytmy Grahama, i Jarvisa. 1. Oznaczenia Punkty

Bardziej szczegółowo

Bazy danych Podstawy teoretyczne

Bazy danych Podstawy teoretyczne Pojcia podstawowe Baza Danych jest to zbiór danych o okrelonej strukturze zapisany w nieulotnej pamici, mogcy zaspokoi potrzeby wielu u!ytkowników korzystajcych z niego w sposóbs selektywny w dogodnym

Bardziej szczegółowo

Pierścień wielomianów jednej zmiennej

Pierścień wielomianów jednej zmiennej Rozdział 1 Pierścień wielomianów jednej zmiennej 1.1 Definicja pierścienia wielomianów jednej zmiennej Definicja 1.1 Niech P będzie dowolnym pierścieniem. Ciąg nieskończony (a 0, a 1,..., a n,...) elementów

Bardziej szczegółowo

Metodydowodzenia twierdzeń

Metodydowodzenia twierdzeń 1 Metodydowodzenia twierdzeń Przez zdanie rozumiemy dowolne stwierdzenie, które jest albo prawdziwe, albo faªszywe (nie mo»e by ono jednocze±nie prawdziwe i faªszywe). Tradycyjnie b dziemy u»ywali maªych

Bardziej szczegółowo

Zbiory i odwzorowania

Zbiory i odwzorowania Zbiory i odwzorowania 1 Sposoby okre±lania zbiorów 1) Zbiór wszystkich elementów postaci f(t), gdzie t przebiega zbiór T : {f(t); t T }. 2) Zbiór wszystkich elementów x zbioru X speªniaj cych warunek ϕ(x):

Bardziej szczegółowo

Granular Computing 9999 pages 15 METODY SZTUCZNEJ INTELIGENCJI - PROJEKTY

Granular Computing 9999 pages 15 METODY SZTUCZNEJ INTELIGENCJI - PROJEKTY Granular Computing 9999 pages 15 METODY SZTUCZNEJ INTELIGENCJI - PROJEKTY PB 2 PB 1 Projekt z wyznaczania reduktów zbioru Liczba osób realizuj cych projekt: 1-2 osoby 1. Wczytanie danych w formatach arf,

Bardziej szczegółowo

Porządkowanie liniowe i analiza skupień

Porządkowanie liniowe i analiza skupień Porządkowanie liniowe i analiza skupień Wprowadzenie Uniwersytet Ekonomiczny w Krakowie, 2012 1 Plan prezentaci 1. Porządkowanie liniowe obiektów 2. Wprowadzenie do analizy skupień 2 1.PORZĄDKOWANIE LINIOWE

Bardziej szczegółowo

wiedzy Sieci neuronowe (c.d.)

wiedzy Sieci neuronowe (c.d.) Metody detekci uszkodzeń oparte na wiedzy Sieci neuronowe (c.d.) Instytut Sterowania i Systemów Informatycznych Universytet Zielonogórski Wykład 8 Metody detekci uszkodzeń oparte na wiedzy Wprowadzenie

Bardziej szczegółowo

Bazy danych. Plan wykładu. Podzapytania - wskazówki. Podzapytania po FROM. Wykład 5: Zalenoci wielowartociowe. Sprowadzanie do postaci normalnych.

Bazy danych. Plan wykładu. Podzapytania - wskazówki. Podzapytania po FROM. Wykład 5: Zalenoci wielowartociowe. Sprowadzanie do postaci normalnych. Plan wykładu azy danych Wykład 5: Zalenoci wielowartociowe. Sprowadzanie do postaci normalnych. Dokoczenie SQL Zalenoci wielowartociowe zwarta posta normalna Dekompozycja do 4NF Przykład sprowadzanie do

Bardziej szczegółowo

KLUCZ PUNKTOWANIA ODPOWIEDZI

KLUCZ PUNKTOWANIA ODPOWIEDZI Egzamin maturalny maj 009 MATEMATYKA POZIOM ROZSZERZONY KLUCZ PUNKTOWANIA ODPOWIEDZI Zadanie. a) Wiadomoci i rozumienie Matematyka poziom rozszerzony Wykorzystanie pojcia wartoci argumentu i wartoci funkcji.

Bardziej szczegółowo

ZADANIA. Maciej Zakarczemny

ZADANIA. Maciej Zakarczemny ZADANIA Maciej Zakarczemny 2 Spis tre±ci 1 Algebra 5 2 Analiza 7 2.1 Granice iterowane, granica podwójna funkcji dwóch zmiennych....... 7 2.2 Caªki powierzchniowe zorientowane...................... 8 2.2.1

Bardziej szczegółowo

x y x y x y x + y x y

x y x y x y x + y x y Algebra logiki 1 W zbiorze {0, 1} okre±lamy dziaªania dwuargumentowe,, +, oraz dziaªanie jednoargumentowe ( ). Dziaªanie x + y nazywamy dodawaniem modulo 2, a dziaªanie x y nazywamy kresk Sheera. x x 0

Bardziej szczegółowo

Temat: Geometria obliczeniowa cz II. Para najmniej odległych punktów. Sprawdzenie, czy istnieje para przecinajcych si odcinków.

Temat: Geometria obliczeniowa cz II. Para najmniej odległych punktów. Sprawdzenie, czy istnieje para przecinajcych si odcinków. Temat: Geometria obliczeniowa cz II. Para najmniej odległych punktów. Sprawdzenie, czy istnieje para przecinajcych si odcinków. 1. Para najmniej odległych punktów WP: Dany jest n - elementowy zbiór punktów

Bardziej szczegółowo

Zapisów 17 ust. 4-6 nie stosuje si do przesuni midzy kategoriami wydatków, które s wynikiem przeprowadzenia procedury zamówie publicznych.

Zapisów 17 ust. 4-6 nie stosuje si do przesuni midzy kategoriami wydatków, które s wynikiem przeprowadzenia procedury zamówie publicznych. UMOWY O DOFINANSOWANIE PROJEKTÓW Zapisów 17 ust. 4-6 nie stosuje si do przesuni midzy kategoriami wydatków, które s wynikiem przeprowadzenia procedury zamówie publicznych. Przyjmuje si nastpujc interpretacj:

Bardziej szczegółowo

Temat: Algorytmy aproksymacyjne (przyblione) cz. I. Majc do rozwizania trudny obliczeniowo problem, moemy wybra jedno z dwóch nastpujcych podej:

Temat: Algorytmy aproksymacyjne (przyblione) cz. I. Majc do rozwizania trudny obliczeniowo problem, moemy wybra jedno z dwóch nastpujcych podej: Temat: Algorytmy aproksymacyjne (przyblione) cz. I. 1. Algorytmy aproksymacyjne Majc do rozwizania trudny obliczeniowo problem, moemy wybra jedno z dwóch nastpujcych podej: Zastosowa technik algorytmów

Bardziej szczegółowo

KLUCZ PUNKTOWANIA ODPOWIEDZI

KLUCZ PUNKTOWANIA ODPOWIEDZI Egzamin maturalny maj 009 MATEMATYKA POZIOM PODSTAWOWY KLUCZ PUNKTOWANIA ODPOWIEDZI Zadanie 1. Matematyka poziom podstawowy Wyznaczanie wartoci funkcji dla danych argumentów i jej miejsca zerowego. Zdajcy

Bardziej szczegółowo

Funkcja liniowa poziom podstawowy

Funkcja liniowa poziom podstawowy Funkcja liniowa poziom podstawowy Zadanie. (6 pkt) Źródło: CKE 005 (PP), zad. 6. Dane s zbiory liczb rzeczywistych: A x: x B x: x 8x x 6x Zapisz w postaci przedziaów liczbowych zbiory A, B, A B oraz B

Bardziej szczegółowo

Projektowanie algorytmów rekurencyjnych

Projektowanie algorytmów rekurencyjnych C9 Projektowanie algorytmów rekurencyjnych wiczenie 1. Przeanalizowa działanie poniszego algorytmu dla parametru wejciowego n = 4 (rysunek 9.1): n i i

Bardziej szczegółowo

EGZAMIN MATURALNY Z MATEMATYKI

EGZAMIN MATURALNY Z MATEMATYKI ARKUSZ ZAWIERA INFORMACJE PRAWNIE CHRONIONE DO MOMENTU ROZPOCZCIA EGZAMINU! Miejsce na naklejk MMA-R_P-08 EGZAMIN MATURALNY Z MATEMATYKI POZIOM ROZSZERZONY MAJ ROK 008 Czas pracy 80 minut Instrukcja dla

Bardziej szczegółowo

Bazy danych. Plan wykładu. Zalenoci funkcyjne. Wykład 4: Relacyjny model danych - zalenoci funkcyjne. SQL - podzapytania A B

Bazy danych. Plan wykładu. Zalenoci funkcyjne. Wykład 4: Relacyjny model danych - zalenoci funkcyjne. SQL - podzapytania A B Plan wykładu Bazy danych Wykład 4: Relacyjny model danych - zalenoci funkcyjne. SQL - podzapytania Definicja zalenoci funkcyjnych Klucze relacji Reguły dotyczce zalenoci funkcyjnych Domknicie zbioru atrybutów

Bardziej szczegółowo

Sposoby przekazywania parametrów w metodach.

Sposoby przekazywania parametrów w metodach. Temat: Definiowanie i wywoływanie metod. Zmienne lokalne w metodach. Sposoby przekazywania parametrów w metodach. Pojcia klasy i obiektu wprowadzenie. 1. Definiowanie i wywoływanie metod W dotychczas omawianych

Bardziej szczegółowo

Program SMS4 Monitor

Program SMS4 Monitor Program SMS4 Monitor INSTRUKCJA OBSŁUGI Wersja 1.0 Spis treci 1. Opis ogólny... 2 2. Instalacja i wymagania programu... 2 3. Ustawienia programu... 2 4. Opis wskaników w oknie aplikacji... 3 5. Opcje uruchomienia

Bardziej szczegółowo

Informacje pomocnicze

Informacje pomocnicze Funkcje wymierne. Równania i nierówno±ci wymierne Denicja. (uªamki proste) Wyra»enia postaci Informacje pomocnicze A gdzie A d e R n N (dx e) n nazywamy uªamkami prostymi pierwszego rodzaju. Wyra»enia

Bardziej szczegółowo

Rozkład normalny Parametry rozkładu zmiennej losowej Zmienne losowe wielowymiarowe

Rozkład normalny Parametry rozkładu zmiennej losowej Zmienne losowe wielowymiarowe Rachunek Prawdopodobieństwa istatystyka W4 Rozkład normalny Parametry rozkładu zmienne losowe Zmienne losowe wielowymiarowe Dr Anna ADRIAN Paw B5, pok407 adan@agh.edu.pl Rozkład normalny - standaryzaca

Bardziej szczegółowo

MONITOROWANIE STANU SYSTEMU KIEROWCA - RODEK TRANSPORTOWY - DROGA

MONITOROWANIE STANU SYSTEMU KIEROWCA - RODEK TRANSPORTOWY - DROGA PRACE NAUKOWE POLITECHNIKI WARSZAWSKIEJ z. 95 Transport 2013 Henryk Tylicki, Bolesaw Ochodek Instytut Politechniczny, Pastwowa Wysza Szkoa Zawodowa im. Stanisawa Staszica w Pile MONITOROWANIE STANU SYSTEMU

Bardziej szczegółowo

Funkcje wielu zmiennych

Funkcje wielu zmiennych dr Krzysztof yjewski Informatyka I rok I 0 in» 12 stycznia 2016 Funkcje wielu zmiennych Informacje pomocnicze Denicja 1 Niech funkcja f(x y) b dzie okre±lona przynajmniej na otoczeniu punktu (x 0 y 0 )

Bardziej szczegółowo

Objanienia dotyczce sposobu wypełniania tabel

Objanienia dotyczce sposobu wypełniania tabel INSTRUKCJA WYPEŁNIANIA TABEL W PEŁNYM PLANIE PROJEKTU DZIAŁANIE UŁATWIANIE STARTU MŁODYM ROLNIKOM SEKTOROWEGO PROGRAMU OPERACYJNEGO "RESTRUKTURYZACJA I MODERNIZACJA SEKTORA YWNOCIOWEGO ORAZ ROZWÓJ OBSZARÓW

Bardziej szczegółowo

Temat: Problem minimalnego drzewa Steinera. Definicja problemu. Zastosowania. Algorytm dokładny Hakimi. Algorytmy aproksymacyjne.

Temat: Problem minimalnego drzewa Steinera. Definicja problemu. Zastosowania. Algorytm dokładny Hakimi. Algorytmy aproksymacyjne. Temat: Problem minimalnego drzewa Steinera. Definicja problemu. Zastosowania. Algorytm dokładny Hakimi. Algorytmy aproksymacyjne. 1. Definicja problemu Wejcie: Graf spójny niezorientowany G =

Bardziej szczegółowo

Metody Informatyczne w Budownictwie Metoda Elementów Skoczonych ZADANIE NR 1

Metody Informatyczne w Budownictwie Metoda Elementów Skoczonych ZADANIE NR 1 Metody Informatyczne w Budownictwie Metoda Elementów Skoczonych ZADANIE NR 1 Wyznaczy wektor sił i przemieszcze wzłowych dla układu elementów przedstawionego na rysunku poniej (rysunek nie jest w skali!).

Bardziej szczegółowo

ANALIZA ODPORNO CI NA PRZERWANIE W DU YCH SIECIACH KOMUNIKACYJNYCH 1

ANALIZA ODPORNO CI NA PRZERWANIE W DU YCH SIECIACH KOMUNIKACYJNYCH 1 PRZEMYSŁAW KOBYLASKI MICHAŁ KULEJ JERZY PIERONEK Politechnika Wrocławska ANALIZA ODPORNOCI NA PRZERWANIE W DUYCH SIECIACH KOMUNIKACYJNYCH Streszczenie W artykule przedstawiono analiz odpornoci duych sieci

Bardziej szczegółowo

Rynek motoryzacyjny 2011 Europa vs Polska

Rynek motoryzacyjny 2011 Europa vs Polska Rynek motoryzacyjny 2011 Europa vs Polska Rynek cz!"ci motoryzacyjnych nierozerwalnie #$czy si! z parkiem samochodowym, dlatego te% podczas oceny wyników sprzeda%y samochodowych cz!"ci zamiennych nie mo%na

Bardziej szczegółowo

OCENIANIE ARKUSZA POZIOM ROZSZERZONY

OCENIANIE ARKUSZA POZIOM ROZSZERZONY Numer zadania... Etapy rozwizania zadania Przeksztacenie wzoru funkcji do danej postaci f ( x) lub f ( x) x x. I sposób rozwizania podpunktu b). Zapisanie wzoru funkcji w postaci sumy OCENIANIE ARKUSZA

Bardziej szczegółowo

Rys1 Rys 2 1. metoda analityczna. Rys 3 Oznaczamy prdy i spadki napi jak na powyszym rysunku. Moemy zapisa: (dla wzłów A i B)

Rys1 Rys 2 1. metoda analityczna. Rys 3 Oznaczamy prdy i spadki napi jak na powyszym rysunku. Moemy zapisa: (dla wzłów A i B) Zadanie Obliczy warto prdu I oraz napicie U na rezystancji nieliniowej R(I), której charakterystyka napiciowo-prdowa jest wyraona wzorem a) U=0.5I. Dane: E=0V R =Ω R =Ω Rys Rys. metoda analityczna Rys

Bardziej szczegółowo

Tworzenie bazy danych Biblioteka tworzenie tabel i powiza, manipulowanie danymi. Zadania do wykonani przed przystpieniem do pracy:

Tworzenie bazy danych Biblioteka tworzenie tabel i powiza, manipulowanie danymi. Zadania do wykonani przed przystpieniem do pracy: wiczenie 2 Tworzenie bazy danych Biblioteka tworzenie tabel i powiza, manipulowanie danymi. Cel wiczenia: Zapoznanie si ze sposobami konstruowania tabel, powiza pomidzy tabelami oraz metodami manipulowania

Bardziej szczegółowo

punkcie. Jej granica lewostronna i prawostronna w punkcie x = 2 wynosz odpowiednio:

punkcie. Jej granica lewostronna i prawostronna w punkcie x = 2 wynosz odpowiednio: 5.9. lim x x +4 f(x) = x +4 Funkcja f(x) jest funkcj wymiern, która jest ci gªa dla wszystkich x, dla których mianownik jest ró»ny od zera, czyli dla: x + 0 x Zatem w punkcie x = funkcja ta jest okre±lona

Bardziej szczegółowo

Mierzalne liczby kardynalne

Mierzalne liczby kardynalne czyli o miarach mierz cych wszystko Instytut Matematyki Uniwersytetu Warszawskiego Grzegorzewice, 26 stycznia 2007 Ogólny problem miary Pytanie Czy na pewnym zbiorze X istnieje σ-addytywna miara probabilistyczna,

Bardziej szczegółowo

IV Powiatowy Konkurs Matematyka, Fizyka i Informatyka w Technice Etap finałowy 1 kwietnia 2016

IV Powiatowy Konkurs Matematyka, Fizyka i Informatyka w Technice Etap finałowy 1 kwietnia 2016 IV Powiatowy Konkurs Matematyka, Fizyka i Informatyka w Technice Etap finałowy 1 kwietnia 2016 (imi i nazwisko uczestnika) (nazwa szkoły) Arkusz zawiera 8 zada. Zadania 1 i 2 bd oceniane dla kadego uczestnika,

Bardziej szczegółowo

Indeksowane rodziny zbiorów

Indeksowane rodziny zbiorów Logika i teoria mnogo±ci, konspekt wykªad 7 Indeksowane rodziny zbiorów Niech X b dzie przestrzeni zbiorem, którego podzbiorami b d wszystkie rozpatrywane zbiory, R rodzin wszystkich podzbiorów X za± T

Bardziej szczegółowo

Pozew o odszkodowanie. 1. o zas_dzenie na moj_ rzecz od pozwanego kwoty... z ustawowymi odsetkami od dnia wniesienia pozwu

Pozew o odszkodowanie. 1. o zas_dzenie na moj_ rzecz od pozwanego kwoty... z ustawowymi odsetkami od dnia wniesienia pozwu ...dnia... S_d Rejonowy S_d Pracy w... ul... Powód:... Pozwany:... Pozew o odszkodowanie W imieniu w_asnym wnosz_: 1. o zas_dzenie na moj_ rzecz od pozwanego kwoty... z ustawowymi odsetkami od dnia wniesienia

Bardziej szczegółowo

BADANIA OPERACYJNE ANALITYKA GOSPODARCZA

BADANIA OPERACYJNE ANALITYKA GOSPODARCZA BADANIA OPERACYJNE ANALITYKA GOSPODARCZA Egzamin pisemny 8.4.7 piątek, salae-6, godz. 8:-9:3 OBECNOŚĆ OBOWIĄZKOWA!!! Układ egzaminu. TEST z teorii: minut (test wielostronnego wyboru; próg 75%). ZADANIA:

Bardziej szczegółowo

ODPOWIEDZI I SCHEMAT PUNKTOWANIA ZESTAW NR 2 POZIOM PODSTAWOWY. 1. x y x y

ODPOWIEDZI I SCHEMAT PUNKTOWANIA ZESTAW NR 2 POZIOM PODSTAWOWY. 1. x y x y Nr zadania Nr czynnoci Przykadowy zestaw zada nr z matematyki ODPOWIEDZI I SCHEMAT PUNKTOWANIA ZESTAW NR POZIOM PODSTAWOWY Etapy rozwizania zadania. Podanie dziedziny funkcji f: 6, 8.. Podanie wszystkich

Bardziej szczegółowo

stopie szaro ci piksela ( x, y)

stopie szaro ci piksela ( x, y) I. Wstp. Jednym z podstawowych zada analizy obrazu jest segmentacja. Jest to podział obrazu na obszary spełniajce pewne kryterium jednorodnoci. Jedn z najprostszych metod segmentacji obrazu jest progowanie.

Bardziej szczegółowo

Temat: Technika zachłanna. Przykłady zastosowania. Własno wyboru zachłannego i optymalnej podstruktury.

Temat: Technika zachłanna. Przykłady zastosowania. Własno wyboru zachłannego i optymalnej podstruktury. Temat: Technika zachłanna. Przykłady zastosowania. Własno wyboru zachłannego i optymalnej podstruktury. Algorytm zachłanny ( ang. greedy algorithm) wykonuje zawsze działanie, które wydaje si w danej chwili

Bardziej szczegółowo

MODELOWANIE KOGNITYWNE SYSTEMÓW I MASZYN ALEKSANDER JASTRIEBOW, GRZEGORZ SŁO

MODELOWANIE KOGNITYWNE SYSTEMÓW I MASZYN ALEKSANDER JASTRIEBOW, GRZEGORZ SŁO MODELOWANIE KOGNITYWNE SYSTEMÓW I MASZYN ALEKSANDER JASTRIEBOW, GRZEGORZ SŁO Streszczenie Modele komputerowe obiektów technicznych i maszyn s zawsze w pewnym sensie wirtualne. Sposoby przedstawiania takich

Bardziej szczegółowo

Regulamin wyjazdów studenckich na stypendia w ramach Programu Erasmus na Wydziale Pedagogiczno-Artystycznym UAM

Regulamin wyjazdów studenckich na stypendia w ramach Programu Erasmus na Wydziale Pedagogiczno-Artystycznym UAM Regulamin wyjazdów studenckich na stypendia w ramach Programu Erasmus na Wydziale Pedagogiczno-Artystycznym UAM Zasady ogólne 1. Stypendium Erasmus przyznawane jest w oparciu o umowy bilateralne podpisane

Bardziej szczegółowo

Bazy danych. Plan wykładu. Dekompozycja relacji. Anomalie. Wykład 5: Projektowanie relacyjnych schematów baz danych. SQL - funkcje grupujce

Bazy danych. Plan wykładu. Dekompozycja relacji. Anomalie. Wykład 5: Projektowanie relacyjnych schematów baz danych. SQL - funkcje grupujce Plan wykładu Bazy danych Wykład 5: Projektowanie relacyjnych schematów baz danych. SQL - funkcje grupujce Małgorzata Krtowska Katedra Oprogramowania e-mail: mmac@ii.pb.bialystok.pl Proces dobrego projektowania

Bardziej szczegółowo

Program Sprzeda wersja 2011 Korekty rabatowe

Program Sprzeda wersja 2011 Korekty rabatowe Autor: Jacek Bielecki Ostatnia zmiana: 14 marca 2011 Wersja: 2011 Spis treci Program Sprzeda wersja 2011 Korekty rabatowe PROGRAM SPRZEDA WERSJA 2011 KOREKTY RABATOWE... 1 Spis treci... 1 Aktywacja funkcjonalnoci...

Bardziej szczegółowo

ANALIZA NUMERYCZNA. Grzegorz Szkibiel. Wiosna 2014/15

ANALIZA NUMERYCZNA. Grzegorz Szkibiel. Wiosna 2014/15 ANALIZA NUMERYCZNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Metoda Eulera 3 1.1 zagadnienia brzegowe....................... 3 1.2 Zastosowanie ró»niczki...................... 4 1.3 Output do pliku

Bardziej szczegółowo

Wstp. Warto przepływu to

Wstp. Warto przepływu to 177 Maksymalny przepływ Załoenia: sie przepływow (np. przepływ cieczy, prdu, danych w sieci itp.) bdziemy modelowa za pomoc grafów skierowanych łuki grafu odpowiadaj kanałom wierzchołki to miejsca połcze

Bardziej szczegółowo

SYMULACYJNE BADANIA GEOMETRII MAGAZYNU PRZY WYKORZYSTANIU PAKIETU KOMPUTEROWEGO OL09

SYMULACYJNE BADANIA GEOMETRII MAGAZYNU PRZY WYKORZYSTANIU PAKIETU KOMPUTEROWEGO OL09 PRACE NAUKOWE POITECHNIKI WARSZAWSKIEJ z. 77 Transport 2011 Mariusz Kostrzewski Wydzia Transportu Politechniki Warszawskiej SYMUACYJNE BADANIA GEOMETRII MAGAZYNU PRZY WYKORZYSTANIU PAKIETU KOMPUTEROWEGO

Bardziej szczegółowo

Temat: Problem najkrótszych cieek w grafach waonych, cz. I: Algorytmy typu label - setting.

Temat: Problem najkrótszych cieek w grafach waonych, cz. I: Algorytmy typu label - setting. Temat: Problem najkrótszych cieek w grafach waonych, cz. I: Algorytmy typu label - setting.. Oznaczenia i załoenia Oznaczenia G = - graf skierowany z funkcj wagi s wierzchołek ródłowy t wierzchołek

Bardziej szczegółowo

Wykªad 4. Funkcje wielu zmiennych.

Wykªad 4. Funkcje wielu zmiennych. Wykªad jest prowadzony w oparciu o podr cznik Analiza matematyczna 2. Denicje, twierdzenia, wzory M. Gewerta i Z. Skoczylasa. Wykªad 4. Funkcje wielu zmiennych. Zbiory na pªaszczy¹nie i w przestrzeni.

Bardziej szczegółowo

Chcąc wyróżnić jedno z działań, piszemy np. (, ) i mówimy, że działanie wprowadza w STRUKTURĘ ALGEBRAICZNĄ lub, że (, ) jest SYSTEMEM ALGEBRAICZNYM.

Chcąc wyróżnić jedno z działań, piszemy np. (, ) i mówimy, że działanie wprowadza w STRUKTURĘ ALGEBRAICZNĄ lub, że (, ) jest SYSTEMEM ALGEBRAICZNYM. DEF. DZIAŁANIE DWUARGUMENTOWE Działaniem dwuargumentowym w niepsutym zbiorze nazywamy każde odwzorowanie iloczynu kartezjańskiego :. Inaczej mówiąc, w zbiorze jest określone działanie dwuargumentowe, jeśli:

Bardziej szczegółowo

Lista kontrolna umowy z podwykonawc

Lista kontrolna umowy z podwykonawc Dane podstawowe projektu:... Zleceniodawca:...... Nazwa podwykonawcy z którym zawierana jest umowa:... Nazwa detalu:... Numer detalu:... Odbiór Czy definicja tymczasowego odbioru jest jasno ustalona? Czy

Bardziej szczegółowo

RELACYJNE BAZY DANYCH TEORIA. Bazy danych to uporzdkowany zbiór informacji z okrelonej dziedziny lub tematyki przeznaczony do wyszukiwania

RELACYJNE BAZY DANYCH TEORIA. Bazy danych to uporzdkowany zbiór informacji z okrelonej dziedziny lub tematyki przeznaczony do wyszukiwania RELACYJNE BAZY DANYCH TEORIA Bazy danych to uporzdkowany zbiór informacji z okrelonej dziedziny lub tematyki przeznaczony do wyszukiwania W kadej bazie danych mona wyodrbni dwa składniki: - model danych,

Bardziej szczegółowo

I Powiatowy Konkurs Matematyka, Fizyka i Informatyka w Technice Etap finałowy 10 kwietnia 2013 grupa elektryczno-elektroniczna

I Powiatowy Konkurs Matematyka, Fizyka i Informatyka w Technice Etap finałowy 10 kwietnia 2013 grupa elektryczno-elektroniczna I Powiatowy Konkurs Matematyka, Fizyka i Informatyka w Technice Etap finałowy 10 kwietnia 2013 grupa elektryczno-elektroniczna (imi i nazwisko uczestnika) (nazwa szkoły) Arkusz zawiera 6 zada. Zadania

Bardziej szczegółowo

i, lub, nie Cegieªki buduj ce wspóªczesne procesory. Piotr Fulma«ski 5 kwietnia 2017

i, lub, nie Cegieªki buduj ce wspóªczesne procesory. Piotr Fulma«ski 5 kwietnia 2017 i, lub, nie Cegieªki buduj ce wspóªczesne procesory. Piotr Fulma«ski Uniwersytet Šódzki, Wydziaª Matematyki i Informatyki UŠ piotr@fulmanski.pl http://fulmanski.pl/zajecia/prezentacje/festiwalnauki2017/festiwal_wmii_2017_

Bardziej szczegółowo

Obwody sprzone magnetycznie.

Obwody sprzone magnetycznie. POITECHNIKA SKA WYDZIAŁ INYNIERII RODOWISKA I ENERGETYKI INSTYTUT MASZYN I URZDZE ENERGETYCZNYCH ABORATORIUM EEKTRYCZNE Obwody sprzone magnetycznie. (E 5) www.imiue.polsl.pl/~wwwzmiape Opracował: Dr in.

Bardziej szczegółowo

Zasady doboru zaworów regulacyjnych przelotowych - powtórka

Zasady doboru zaworów regulacyjnych przelotowych - powtórka Trójdrogowe zawory regulacyjne Wykład 5 Zasady doboru zaworów regulacyjnych przelotowych - powtórka Podstaw do doboru rednicy nominalnej zaworu regulacyjnego jest obliczenie współczynnika przepływu Kvs

Bardziej szczegółowo

1 Bª dy i arytmetyka zmiennopozycyjna

1 Bª dy i arytmetyka zmiennopozycyjna 1 Bª dy i arytmetyka zmiennopozycyjna Liczby w pami ci komputera przedstawiamy w ukªadzie dwójkowym w postaci zmiennopozycyjnej Oznacza to,»e s one postaci ±m c, 01 m < 1, c min c c max, (1) gdzie m nazywamy

Bardziej szczegółowo

Moemy tutaj doda pokoje do nieruchomoci (jeli wynajmujemy j na pokoje), zakwaterowa najemców, lub te dokona rezerwacji pokoju.

Moemy tutaj doda pokoje do nieruchomoci (jeli wynajmujemy j na pokoje), zakwaterowa najemców, lub te dokona rezerwacji pokoju. Pokoje i lokatorzy Moemy tutaj doda pokoje do nieruchomoci (jeli wynajmujemy j na pokoje), zakwaterowa najemców, lub te dokona rezerwacji pokoju. Dodawa rezerwacj lub lokatora do danego pokoju moemy te

Bardziej szczegółowo

PROWIZJE Menad er Schematy rozliczeniowe

PROWIZJE Menad er Schematy rozliczeniowe W nowej wersji systemu pojawił si specjalny moduł dla menaderów przychodni. Na razie jest to rozwizanie pilotaowe i udostpniono w nim jedn funkcj, która zostanie przybliona w niniejszym biuletynie. Docelowo

Bardziej szczegółowo

DLA KOGO UMOWY ENTERPRISE?

DLA KOGO UMOWY ENTERPRISE? Kady z Uytkowników posiadajcy co najmniej pakiet B moe zamówi funkcj Umowy Enterprise. Koszt tej modyfikacji to 800 zł netto bez wzgldu na liczb stanowisk. I jak ju wielokrotnie ogłaszalimy, koszt wikszoci

Bardziej szczegółowo

Wybór systemu i planowanie wykorzystania deskowa w wykonawstwie monolitycznych konstrukcji betonowych

Wybór systemu i planowanie wykorzystania deskowa w wykonawstwie monolitycznych konstrukcji betonowych 54 Wybór systemu i planowanie wykorzystania deskowa w wykonawstwie monolitycznych konstrukci betonowych Dr hab. in. Roman Marcinkowski, mgr in. Anna Krawczyska, Wydzia Budownictwa, Mechaniki i Petrochemii

Bardziej szczegółowo

Metody dowodzenia twierdze«

Metody dowodzenia twierdze« Metody dowodzenia twierdze«1 Metoda indukcji matematycznej Je±li T (n) jest form zdaniow okre±lon w zbiorze liczb naturalnych, to prawdziwe jest zdanie (T (0) n N (T (n) T (n + 1))) n N T (n). 2 W przypadku

Bardziej szczegółowo

Projekt okablowania strukturalnego dla I semestru Akademii CISCO we WSIZ Copernicus we Wrocławiu

Projekt okablowania strukturalnego dla I semestru Akademii CISCO we WSIZ Copernicus we Wrocławiu Przygotował: mgr in. Jarosław Szybiski Projekt okablowania strukturalnego dla I semestru Akademii CISCO we WSIZ Copernicus we Wrocławiu 1. Wstp Okablowanie strukturalne to pojcie, którym okrela si specyficzne

Bardziej szczegółowo

1) Grafy eulerowskie własnoci algorytmy. 2) Problem chiskiego listonosza

1) Grafy eulerowskie własnoci algorytmy. 2) Problem chiskiego listonosza 165 1) Grafy eulerowskie własnoci algorytmy 2) Problem chiskiego listonosza 166 Grafy eulerowskie Def. Graf (multigraf, niekoniecznie spójny) jest grafem eulerowskim, jeli zawiera cykl zawierajcy wszystkie

Bardziej szczegółowo

Przeksztaªcenia liniowe

Przeksztaªcenia liniowe Przeksztaªcenia liniowe Przykªady Pokaza,»e przeksztaªcenie T : R 2 R 2, postaci T (x, y) = (x + y, x 6y) jest przeksztaªceniem liniowym Sprawdzimy najpierw addytywno± przeksztaªcenia T Niech v = (x, y

Bardziej szczegółowo

Zadania do wykonaj przed przyst!pieniem do pracy:

Zadania do wykonaj przed przyst!pieniem do pracy: wiczenie 3 Tworzenie bazy danych Biblioteka tworzenie kwerend, formularzy Cel wiczenia: Zapoznanie si ze sposobami konstruowania formularzy operujcych na danych z tabel oraz metodami tworzenia kwerend

Bardziej szczegółowo

Lekcja 12 - POMOCNICY

Lekcja 12 - POMOCNICY Lekcja 12 - POMOCNICY 1 Pomocnicy Pomocnicy, jak sama nazwa wskazuje, pomagaj Baltiemu w programach wykonuj c cz ± czynno±ci. S oni szczególnie pomocni, gdy chcemy ci g polece«wykona kilka razy w programie.

Bardziej szczegółowo

Zgrubne Grafy i Kompleksy Symplicjalne

Zgrubne Grafy i Kompleksy Symplicjalne Uniwersytet Warszawski Wydział Matematyki, Informatyki i Mechaniki Karol Strzałkowski Nr albumu: 262973 Zgrubne Grafy i Kompleksy Symplicalne Praca licencacka na kierunku MATEMATYKA Praca wykonana pod

Bardziej szczegółowo

Gramatyki regularne i automaty skoczone

Gramatyki regularne i automaty skoczone Gramatyki regularne i automaty skoczone Alfabet, jzyk, gramatyka - podstawowe pojcia Co to jest gramatyka regularna, co to jest automat skoczony? Gramatyka regularna Gramatyka bezkontekstowa Translacja

Bardziej szczegółowo

Konspekt lekcji matematyki klasa 4e Liceum Ogólnokształcce

Konspekt lekcji matematyki klasa 4e Liceum Ogólnokształcce mgr Tomasz Grbski Konspekt lekcji matematyki klasa 4e Liceum Ogólnokształcce Temat: Dyskusja nad liczb rozwiza równania liniowego i kwadratowego z wartoci bezwzgldn i parametrem. Czas trwania: 45 minut.

Bardziej szczegółowo

EGZAMIN MATURALNY 2011 MATEMATYKA

EGZAMIN MATURALNY 2011 MATEMATYKA Centralna Komisja Egzaminacyjna w Warszawie EGZAMIN MATURALNY 0 MATEMATYKA POZIOM ROZSZERZONY MAJ 0 Zadanie (0 4) Obszar standardów Uycie i tworzenie strategii Opis wymaga Wykorzystanie cech podzielnoci

Bardziej szczegółowo

Wektory w przestrzeni

Wektory w przestrzeni Wektory w przestrzeni Informacje pomocnicze Denicja 1. Wektorem nazywamy uporz dkowan par punktów. Pierwszy z tych punktów nazywamy pocz tkiem wektora albo punktem zaczepienia wektora, a drugi - ko«cem

Bardziej szczegółowo

Funkcje, wielomiany. Informacje pomocnicze

Funkcje, wielomiany. Informacje pomocnicze Funkcje, wielomiany Informacje pomocnicze Przydatne wzory: (a + b) 2 = a 2 + 2ab + b 2 (a b) 2 = a 2 2ab + b 2 (a + b) 3 = a 3 + 3a 2 b + 3ab 2 + b 3 (a b) 3 = a 3 3a 2 b + 3ab 2 b 3 a 2 b 2 = (a + b)(a

Bardziej szczegółowo

Zadania z PM II A. Strojnowski str. 1. Zadania przygotowawcze z Podstaw Matematyki seria 2

Zadania z PM II A. Strojnowski str. 1. Zadania przygotowawcze z Podstaw Matematyki seria 2 Zadania z PM II 010-011 A. Strojnowski str. 1 Zadania przygotowawcze z Podstaw Matematyki seria Zadanie 1 Niech A = {1,, 3, 4} za± T A A b dzie relacj okre±lon wzorem: (a, b) T, gdy n N a n = b. a) Ile

Bardziej szczegółowo

Strategia czy intuicja?

Strategia czy intuicja? Strategia czy intuicja czyli o grach niesko«czonych Instytut Matematyki Uniwersytetu Warszawskiego Grzegorzewice, 29 sierpnia 2009 Denicja gry Najprostszy przypadek: A - zbiór (na ogóª co najwy»ej przeliczalny),

Bardziej szczegółowo

Optymalizacja oprogramowania - wprowadzenie

Optymalizacja oprogramowania - wprowadzenie Optymalizacja oprogramowania - wprowadzenie Poznaskie Centrum Superkomputerowo Sieciowe Projekt jest współfinansowany ze rodków Europejskiego Funduszu Rozwoju Regionalnego w ramach Programu Operacyjnego

Bardziej szczegółowo

Temat: Algorytmy zachłanne

Temat: Algorytmy zachłanne Temat: Algorytmy zachłanne Algorytm zachłanny ( ang. greedy algorithm) wykonuje zawsze działanie, które wydaje si w danej chwili najkorzystniejsze. Wybiera zatem lokalnie optymaln moliwo w nadziei, e doprowadzi

Bardziej szczegółowo

Bash i algorytmy. Elwira Wachowicz. 20 lutego

Bash i algorytmy. Elwira Wachowicz. 20 lutego Bash i algorytmy Elwira Wachowicz elwira@ifd.uni.wroc.pl 20 lutego 2012 Elwira Wachowicz (elwira@ifd.uni.wroc.pl) Bash i algorytmy 20 lutego 2012 1 / 16 Inne przydatne polecenia Polecenie Dziaªanie Przykªad

Bardziej szczegółowo

Temat: Struktury danych do reprezentacji grafów. Wybrane algorytmy grafowe.

Temat: Struktury danych do reprezentacji grafów. Wybrane algorytmy grafowe. Temat: Struktury danych do reprezentacji grafów. Wybrane algorytmy grafowe. Oznaczenia G = V, E - graf bez wag, gdzie V - zbiór wierzchołków, E- zbiór krawdzi V = n - liczba wierzchołków grafu G E = m

Bardziej szczegółowo

WYKŁAD 9. Wzorce projektowe czynnociowe Observer Visitor

WYKŁAD 9. Wzorce projektowe czynnociowe Observer Visitor WYKŁAD 9 Wzorce projektowe czynnociowe Observer Visitor Behavioral Design Pattern: Observer [obj] Okrela relacj jeden-do-wielu midzy obiektami. Gdy jeden z obiektów zmienia stan, wszystkie obiekty zalene

Bardziej szczegółowo

Problem decyzyjny naley do klasy NP. (Polynomial), jeeli moe by rozwizany w czasie conajwyej wielomianowym przez algorytm A dla DTM.

Problem decyzyjny naley do klasy NP. (Polynomial), jeeli moe by rozwizany w czasie conajwyej wielomianowym przez algorytm A dla DTM. WYKŁAD : Teoria NP-zupełnoci. Problem decyzyjny naley do klasy P (Polynomial), jeeli moe by rozwizany w czasie conajwyej wielomianowym przez algorytm A dla DTM. (przynaleno ta jest zachowana równie dla

Bardziej szczegółowo

Wykład 5. Skręcanie nieskrępowane prętów o przekroju prostokątnym.

Wykład 5. Skręcanie nieskrępowane prętów o przekroju prostokątnym. Adresy internetowe, pod którymi można znaleźć wykłady z Wytrzymałości Materiałów: Politechnika Krakowska http://limba.wil.pk.edu.pl/kwm-edu.html Politechnika Łódzka http://kmm.p.lodz.pl/dydaktyka Wykład

Bardziej szczegółowo

Bazy danych. Plan wykładu. Metody organizacji pliku rekordów. Pojcie indeksu. Wykład 11: Indeksy. Pojcie indeksu - rodzaje indeksów

Bazy danych. Plan wykładu. Metody organizacji pliku rekordów. Pojcie indeksu. Wykład 11: Indeksy. Pojcie indeksu - rodzaje indeksów Plan wykładu Bazy Wykład 11: Indeksy Pojcie indeksu - rodzaje indeksów Metody implementacji indeksów struktury statyczne struktury dynamiczne Małgorzata Krtowska Katedra Oprogramowania e-mail: mmac@ii.pb.bialystok.pl

Bardziej szczegółowo

Ekonometria - wykªad 8

Ekonometria - wykªad 8 Ekonometria - wykªad 8 3.1 Specykacja i werykacja modelu liniowego dobór zmiennych obja±niaj cych - cz ± 1 Barbara Jasiulis-Goªdyn 11.04.2014, 25.04.2014 2013/2014 Wprowadzenie Ideologia Y zmienna obja±niana

Bardziej szczegółowo

Podstawowe obiekty AutoCAD-a

Podstawowe obiekty AutoCAD-a LINIA Podstawowe obiekty AutoCAD-a Zad1: Narysowa lini o pocztku w punkcie o współrzdnych (100, 50) i kocu w punkcie (200, 150) 1. Wybierz polecenie rysowania linii, np. poprzez kilknicie ikony. W wierszu

Bardziej szczegółowo

Temat: Liniowe uporzdkowane struktury danych: stos, kolejka. Specyfikacja, przykładowe implementacje i zastosowania. Struktura słownika.

Temat: Liniowe uporzdkowane struktury danych: stos, kolejka. Specyfikacja, przykładowe implementacje i zastosowania. Struktura słownika. Temat: Liniowe uporzdkowane struktury danych: stos, kolejka. Specyfikacja, przykładowe implementacje i zastosowania. Struktura słownika. 1. Pojcie struktury danych Nieformalnie Struktura danych (ang. data

Bardziej szczegółowo

Skojarzenia. Najliczniejsze skojarzenia: Dokładne skojarzenia o maksymalnej sumie wag w obcionych pełnych grafach dwudzielnych.

Skojarzenia. Najliczniejsze skojarzenia: Dokładne skojarzenia o maksymalnej sumie wag w obcionych pełnych grafach dwudzielnych. 206 Skojarzenia Najliczniejsze skojarzenia: grafy proste dwudzielne, dowolne grafy proste. Dokładne skojarzenia o maksymalnej sumie wag w obcionych pełnych grafach dwudzielnych. 207 Definicje Def Zbiór

Bardziej szczegółowo

Macierze - obliczanie wyznacznika macierzy z użyciem permutacji

Macierze - obliczanie wyznacznika macierzy z użyciem permutacji Macierze - obliczanie wyznacznika macierzy z użyciem permutacji I LO im. F. Ceynowy w Świeciu Radosław Rudnicki joix@mat.uni.torun.pl 17.03.2009 r. Typeset by FoilTEX Streszczenie Celem wykładu jest wprowadzenie

Bardziej szczegółowo

Oba zbiory s uporz dkowane liniowo. Badamy funkcj w pobli»u kresów dziedziny. Pewne punkty szczególne (np. zmiana denicji funkcji).

Oba zbiory s uporz dkowane liniowo. Badamy funkcj w pobli»u kresów dziedziny. Pewne punkty szczególne (np. zmiana denicji funkcji). Plan Spis tre±ci 1 Granica 1 1.1 Po co?................................. 1 1.2 Denicje i twierdzenia........................ 4 1.3 Asymptotyka, granice niewªa±ciwe................. 7 2 Asymptoty 8 2.1

Bardziej szczegółowo

1 Przypomnienie wiadomo±ci ze szkoªy ±redniej. Rozwi zywanie prostych równa«i nierówno±ci

1 Przypomnienie wiadomo±ci ze szkoªy ±redniej. Rozwi zywanie prostych równa«i nierówno±ci Zebraª do celów edukacyjnych od wykªadowców PK, z ró»nych podr czników Maciej Zakarczemny 1 Przypomnienie wiadomo±ci ze szkoªy ±redniej Rozwi zywanie prostych równa«i nierówno±ci dotycz cych funkcji elementarnych,

Bardziej szczegółowo