Zmodyfikowana technika programowania dynamicznego

Wielkość: px
Rozpocząć pokaz od strony:

Download "Zmodyfikowana technika programowania dynamicznego"

Transkrypt

1 Zmodyfkowana technka programowana dynamcznego Lech Madeysk 1, Zygmunt Mazur 2 Poltechnka Wrocławska, Wydzał Informatyk Zarządzana, Wydzałowy Zakład Informatyk Wybrzeże Wyspańskego 27, Wrocław Streszczene. W artykule przedstawono metodę (technkę) częścowego spamętywana partal memozaton na tle nnych technk programowana dynamcznego. Wykorzystuje ona deę ogranczana lośc przechowywanych rozwązań. Jest to szczególne przydatne w przypadkach, w których lczba (rozmar) podproblemów unemożlwa zastosowane standardowych technk programowana dynamcznego. Modyfkacja w stosunku do technk spamętywana memozaton polega na tym, że (podobne jak w przypadku koncepcj wykorzystana pamęc podręcznej cache) pamętany jest tylko pewen podzbór rozwązań. Technkę częścowego spamętywana z powodzenem wykorzystano do stworzena nowego algorytmu na baze standardowego algorytmu faktoryzacj do oblczana nezawodnośc K-termnal. Wydaje sę, że zaprezentowana technka może znaleźć praktyczne zastosowane przy projektowanu równeż nnych algorytmów. Słowa kluczowe: projektowane algorytmów, programowane dynamczne, częścowe spamętywane. 1. Technka częścowego spamętywana Technk czy metody projektowana algorytmów są klasyczną dzedzną nformatyk, szeroko omawaną w pracach [1, 4-7, 9, 12]. Ich użyce prowadz często do uzyskana szybkch algorytmów. Jedną z powszechne stosowanych technk jest technka programowana dynamcznego, która pozwala unknąć welokrotnego rozwązywana tych samych podproblemów. Tworzona jest tablca, w której zapamętywane są rozwązana najmnejszych podproblemów (czasam określanych manem podproblemów elementarnych), a następne oblczonych na ch podstawe rozwązań podproblemów wększych rozmarów. Proces ten jest kontynuowany, aż do uzyskana rozwązana problemu perwotnego P, przy czym raz znalezone rozwązane podproblemu zostaje zapamętane może być wykorzystywane bez konecznośc ponownego oblczana. Przykładem efektywnego zastosowana technk programowana dynamcznego może być problem wyznaczana elementów cągu Fbonaccego. Defncja cągu jest następująca: 1 E-mal: madeysk@c.pwr.wroc.pl. 2 E-mal: mazur@c.pwr.wroc.pl.

2 2 F(1)=1, F(2)=1, F(n)=F(n-1)+F(n-2). Formuła ta w naturalny sposób jest wyrażona poprzez następujący algorytm rekurencyjny. Algorytm 1: nt fb(nt n) f(n <= 2) return 1; else return fb(n-1) + fb(n-2); Próbując dokładne prześledzć wywołana rekurencyjne okaże sę, że te same podproblemy rozwązywane są wele razy: F(5) / \ F(4) F(3) / \ / \ F(3) F(2) F(2) F(1) / \ F(2) F(1) Złożoność czasowa powyższego algorytmu jest wykładncza. Stosując technkę programowana dynamcznego można stworzyć prosty znaczne bardzej efektywny algorytm, który ne będze welokrotne rozwązywał tych samych podproblemów [12]. Algorytm 2: nt fb(nt n) nt f[n+1]; f[1] = f[2] = 1; for (nt = 3; <= n; ++) f[] = f[-1] + f[-2]; return f[n]; Zarówno złożoność pamęcowa, jak czasowa tego algorytmu, wynos O(n). Poneważ generowane kolejnych lczb Fbonaccego wcale ne wymaga pamętana wszystkch wcześnej rozwązanych podproblemów, można prosto zredukować złożoność pamęcową powyższego algorytmu do O(1) 3. Algorytm 3: nt fb(nt n) nt a=1, b=1, c=1; for (nt =3; <=n; ++) c=a+b; 3 Stosując trk z potęgowanem macerzy można uzyskać jeszcze efektywnejszy algorytm o złożonośc czasowej O(log n).

3 3 a=b; b=c; return c; Czasam zdarza sę, że ze względu na naturę rozpatrywanego problemu, trudno jest określć na wstępe podproblemy elementarne ch rozwązana, a następne sposób, formułę otrzymana na ch podstawe rozwązana problemu perwotnego. W takej sytuacj można zastosować technkę spamętywana określaną w języku angelskm termnem memozaton 4. Jest to zmodyfkowana technka programowana dynamcznego wykorzystująca strategę zstępującą. Algorytm wykorzystujący technkę spamętywana ma formę algorytmu rekurencyjnego z dodanym funkcjam zapamętywana dentyfkatorów podproblemów wraz z ch rozwązanam 5 oraz przeszukwana zarejestrowanych podproblemów, co zapobega welokrotnemu ch rozwązywanu. Algorytm wykorzystujący teracyjną technkę programowana dynamcznego ze strategą wstępującą, charakteryzuje sę podobną złożonoścą czasową jak algorytm stosujący technkę spamętywana (różnca o stały czynnk, na korzyść programowana dynamcznego, ze względu na koszt wywołań rekurencyjnych powrotów). Gdy rozwązane problemu wymaga rozwązana jedyne nektórych spośród wszystkch możlwych podproblemów, to zastosowane strateg zstępującej zamast wstępującej zapewna, że rozpatrywane będą tylko te podproblemy, których rozwązane jest nezbędne. Dzęk temu algorytm charakteryzować sę może mnejszą, nż w przypadku zastosowana strateg wstępującej, złożonoścą pamęcową czasową. W nektórych przypadkach lczba (rozmar) podproblemów unemożlwa zastosowane standardowych technk programowana dynamcznego. Dlatego zaproponowano technkę częścowego spamętywana partal memozaton wykorzystującą deę ogranczana lośc przechowywanych rozwązań 6. Technk spamętywana jak częścowego spamętywana są odmanam technk programowana dynamcznego, wykorzystującym strategę zstępującą. Technka częścowego spamętywana umożlwa ogranczene złożonośc pamęcowej algorytmu. Modyfkacja w stosunku do technk spamętywana polega na tym, że ne są przechowywane wszystke rozwązana, a jedyne te, które jak przypuszczamy mogą 4 Por. [5], s Jeżel jest określona relacja pomędzy pozycjam tabel a podproblemam, to wystarczy zapamętywać jedyne rozwązana. 6 Można sobe wyobrazć równeż teracyjne programowane dynamczne wykorzystujące deę ogranczana lośc przechowywanych rozwązań.

4 4 znacząco wpłynąć na przyspeszene algorytmu (np. ostatno zarejestrowane rozwązana jeżel przypuszczamy, że będą one częścej wykorzystywane nż te zarejestrowane wcześnej). Koncepcja ta jest podobna do koncepcj wykorzystana pamęc podręcznej cache 7. W przypadku zastosowana technk częścowego spamętywana należy pamętać, że: stratega ogranczana lośc przechowywanych rozwązań zależy od charakteru rozwązywanego problemu; w przypadku, gdy stneją różne stratege dekompozycj problemu perwotnego o efektywnośc algorytmu może decydować wybrana stratega dekompozycj. Algorytmy wykorzystujące technkę rekurencyjną, w których te same podproblemy są rozwązywane welokrotne, można bardzo prosto zmodyfkować, tak, aby wykorzystywały technk spamętywana lub częścowego spamętywana w zależnośc od charakteru problemu perwotnego P dostępnej pamęc. Pseudo-kod algorytmu wykorzystującego proponowaną technkę częścowego spamętywana jest następujący: P(N) rozwązywany problem solve(p(n)) f(p(n)jest zarejestrowany lub jego rozmar jest wystarczająco mały) return rozwązane; else Podzel P(N)na mnejsze podproblemy: P(N 1 ),..., P(N k ) for(=1; <=k; ++) oblcz stosując strategę ogranczana lośc przechowywanych rozwązań odrzuć bądź zarejestruj (ewentualne kosztem wcześnej zarejestrowanego rozwązana) rozwązane cząstkowe w =solve(p(n )) return Połącz rozwązana(w 1,..., w k ); Problem perwotny P podlega dekompozycj na k podproblemów mnejszych rozmarów, z których każdy podlega dekompozycj tak długo, aż rozmar problemu stane sę tak mały, że rozwązane będze oczywste lub będze można wykorzystać już zarejestrowane rozwązane. Raz znalezone rozwązane pewnego podproblemu może zostać zarejestrowane w marę możlwośc późnej wykorzystywane, jeżel w trakce pracy algorytmu okaże sę, że 7 Słowo cache ne było dotąd używane w kontekśce technk programowana. Pamęć cache występuje na różnych pozomach archtektury komputerów. Są w nej przechowywane często używane dane, co znaczne przyspesza dokonywane operacje. Pamęć cache perwszego pozomu jest najczęścej umejscowona w procesorze. Pamęć cache drugego pozomu, o wększej pojemnośc neco wolnejsza, znajduje sę zwykle poza procesorem. Często stosuje sę tzw. cache dysku, który może być realzowany sprzętowo (kontrolery dysków lub same dysk zawerają pamęć cache) programowo (np. smartdrv z systemu operacyjnego MS-DOS). W przypadku opsywanej technk w pamęc cache będą przechowywane rozwązana podproblemów ewentualne (jeżel to będze koneczne) odpowadające m dentyfkatory.

5 5 w poszczególnych węzłach drzewa oblczeń występują te same podproblemy. Rozwązana podproblemów są łączone w celu uzyskana rozwązana problemu perwotnego P. Podsumowując, stosowane technk częścowego spamętywana można polecć, gdy: mamy do czynena z welokrotnym rozwązywanem tych samych podproblemów; trudno jest określć na wstępe podproblemy mnejszych rozmarów, ch rozwązana, a następne formułę otrzymana na ch podstawe rozwązana problemu perwotnego P; lczba (rozmar) możlwych podproblemów jest bardzo duża (np. wykładncza przestrzeń podproblemów) ze względu na mnejszą złożoność pamęcową technk częścowego spamętywana nż klasycznego programowana dynamcznego czy technk spamętywana. Ponadto jeżel rozwązane problemu wymaga rozwązana jedyne nektórych spośród wszystkch możlwych podproblemów, to zastosowane technk spamętywana lub częścowego spamętywana zapewna, że rozpatrywane będą tylko te podproblemy, których rozwązane jest nezbędne. 2. Przykład efektywnego wykorzystana technk częścowego spamętywana Technkę częścowego spamętywana wykorzystano do stworzena nowego znaczne efektywnejszego algorytmu na baze standardowego algorytmu faktoryzacj do oblczana nezawodnośc K-termnal. Analza nezawodnośc różnego rodzaju sec, których łącza ulegają wzajemne nezależne losowym uszkodzenom 8 jest tematem ntensywnych badań. Najczęścej rozważany problem nezawodnośc K-termnal (K-termnal network relablty problem) określa prawdopodobeństwo, ż wszystke węzły w pewnym określonym zborze K (2<= K <= V ) są połączone poprzez śceżk ne uszkodzonych łączy [8, 11]. Równe często są rozważane przypadk brzegowe: problem nezawodnośc dwóch termnal (2-termnal network relablty), gdy K =2; problem nezawodnośc wszystkch termnal (All-termnal network relablty), gdy K = V. Zwykle stosowanym algorytmem do wyznaczana nezawodnośc sec jest algorytm faktoryzacj z zachowującym nezawodność redukcjam grafu [8, 11]. Algorytm faktoryzacj wykorzystuje zdarzena elementarne sprawnośc lub nesprawnośc pojedynczej krawędz. 8 Na ogół zakłada sę, że węzły sec są całkowce nezawodne.

6 6 Stany grafu można podzelć na dwa zbory ze względu na dwa możlwe stany krawędz e o nezawodnośc p. Stąd nezawodność K-termnal można wyrazć w postac prostej formuły nezawodnośc warunkowej: R ( GK) = p R( GK e funkcjonuje) + ( 1 p ) R( GK e ne funkcjonuje). Twerdzene faktoryzacj jest topologczną nterpretacją powyższej formuły dla grafów neskerowanych. Twerdzene 1 (Twerdzene faktoryzacj) Zgodne z formułą faktoryzacj nezawodność K-termnal sec probablstycznej reprezentowanej poprzez graf G z wyróżnonym podzborem węzłów K można wyrazć następująco: R ( G ) = p R( G * e ) + ( 1 p ) R( G e ), K gdze: K ' e dowolna krawędź grafu G K ; p prawdopodobeństwo, że łącze reprezentowane przez G K ' * e ( V u v + w, E e ) K K' = K u v + w G e = ( V, E e ). K =, K w = u v; jeżel u, v K; jeżel u K lub v K; e E funkcjonuje; Nezawodność R(G K ) dowolnej sec reprezentowanej przez graf G K może być oblczona poprzez rekurencyjne wywoływane formuły faktoryzacj ewentualne dokonywane zachowujących nezawodność redukcj sec [11]. Pesymstyczna złożoność czasowa takego algorytmu jest wykładncza. Poneważ wykazano [2, 3, 11], że problem nezawodnośc K-termnal w ogólnym przypadku należy do klasy problemów NP-trudnych #P-zupełnych, węc mało prawdopodobne jest stnene welomanowego (w najgorszym przypadku) algorytmu do rozwązana tego problemu. Możlwe jest jednak zastosowane w algorytme faktoryzacj technk częścowego spamętywana. W efekce prowadz to do znacznego przyspeszena oblczana nezawodnośc sec. Badając algorytm faktoryzacj można zauważyć, ż w welu węzłach bnarnego drzewa oblczeń te same podproblemy (sec powstałe w wynku stosowana faktoryzacj redukcj) rozwązywane są wele razy. Zamast welokrotne rozwązywać ten sam podproblem (oblczać nezawodność tej samej sec) jak ma to mejsce w przypadku standardowego

7 7 algorytmu faktoryzacj znaczne efektywnej byłoby użyć wcześnej oblczony zapamętany rezultat oblczeń. Załóżmy, ż Fact oznacza standardowy algorytm faktoryzacj (wg Page Perry [8]) 9 z zachowującym nezawodność redukcjam grafu (równoległą, szeregową, perwszego drugego stopna). Natomast nech Fact&Cache oznacza zaproponowany przez nas algorytm faktoryzacj z zachowującym nezawodność redukcjam grafu wykorzystujący technkę częścowego spamętywana. Algorytm Fact&Cache używa strateg przechowywana ostatno zarejestrowanych rozwązań. Ponadto podproblemy o wększym rozmarze są dłużej przechowywane nż podproblemy o mnejszym rozmarze. Zarówno algorytm Fact jak Fact&Cache zostały praktyczne zamplementowane w języku C++. Dośwadczalne porównano efekty pracy programów wykorzystujących algorytmy Fact, Fact&Cache jak rezultaty otrzymane za pomocą gotowego paketu NRA97 powstałego na unwersytece Mttweda 10. Wykonano oblczena nezawodnośc dwóch termnal jak nezawodnośc wszystkch termnal w przypadku sec 3x12 z ponższego rysunku. Rysunek 1. Seć 3x12. Program wykorzystujący algorytm Fact&Cache okazał sę ponad sto razy szybszy od paketu NRA97, jak równeż programu wykorzystującego algorytm Fact w przypadku oblczana nezawodnośc wszystkch termnal przynajmnej klka tysęcy razy szybszy w przypadku oblczana nezawodnośc dwóch termnal. Pozwala to przypuszczać, że 9 Stratega wyboru krawędz do faktoryzacj została zmenona z losowej na stałą (zawsze wyberana jest ostatna krawędź z lsty krawędz grafu), co daje na ogół lepsze rezultaty. 10 NRA97 (Network Relablty Analyss (C)1997, HTW Mttweda) paket do analzy nezawodnoścowej sec, pracujący w środowsku Wndows 3.1/Wndows95 stworzony na Unwersytece Mttweda

8 8 zaprezentowana technka częścowego spamętywana może znaleźć praktyczne zastosowane w projektowanu algorytmów do rozwązywana welu nnych problemów. Szczególne w przypadkach, w których lczba (rozmar) podproblemów ograncza zastosowane technk spamętywana czy programowana dynamcznego.

9 9 Lteratura: [1] A. V. Aho, J. E. Hopcroft, J. D. Ullman, Projektowane analza algorytmów komputerowych, PWN, [2] M. O. Ball, J. S. Provan, The complexty of countng cuts and of computng the probablty that a graph s connected, SIAM J. Comp., 1983 (12), [3] M. O. Ball, Computatonal complexty of network relablty analyss: An overvew, IEEE Trans. Relablty, 1986 (R-35), [4] L. Banachowsk, K. Dks, W. Rytter, Algorytmy struktury danych, WNT, [5] T. H. Cormen, C. E. Leserson, R. L. Rvest, Wprowadzene do algorytmów, WNT, [6] A. Drozdek, D. L. Smon, Struktury danych w języku C, WNT, [7] E. Horowtz, S. Sahn, Fundamentals of Computer Algorthms, Computer Scence Press, [8] L. B. Page, J. E. Perry, A practcal mplementaton of the factorng theorem for network relablty, IEEE Trans. Relablty, 1988 (37) Aug, [9] R. Sedgewck, Algorthms n C, Addson-Wesley, [10] L. G. Valant, The complexty of enumeraton and relablty problems, SIAM J. Computng, 1979 (8), [11] R. K. Wood, Factorng Algotthms for Computng K-Termnal Network Relablty, IEEE Trans. Relablty, 1986 (R-35), [12] P. Wróblewsk, Algorytmy, struktury danych technk programowana, Helon, 1997.

Pesymistyczna złożoność obliczeniowa algorytmu faktoryzacji Fact

Pesymistyczna złożoność obliczeniowa algorytmu faktoryzacji Fact Pesymstyczna złożoność oblczenowa algorytmu faktoryzacj Fact Lech Madeysk 1, Zygmunt Mazur Poltechnka Wrocławska, Wydzał Informatyk Zarządzana, Wydzałowy Zakład Informatyk Wybrzeże Wyspańskego 7, 50-370

Bardziej szczegółowo

Analiza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja)

Analiza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja) Analza danych Dane trenngowe testowe. Algorytm k najblższych sąsadów. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ OGÓLNY SCHEMAT Mamy dany zbór danych podzelony na klasy decyzyjne, oraz

Bardziej szczegółowo

Zaawansowane metody numeryczne

Zaawansowane metody numeryczne Wykład 9. jej modyfkacje. Oznaczena Będzemy rozpatrywać zagadnene rozwązana następującego układu n równań lnowych z n newadomym x 1... x n : a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x

Bardziej szczegółowo

WikiWS For Business Sharks

WikiWS For Business Sharks WkWS For Busness Sharks Ops zadana konkursowego Zadane Opracowane algorytmu automatyczne przetwarzającego zdjęce odręczne narysowanego dagramu na tablcy lub kartce do postac wektorowej zapsanej w formace

Bardziej szczegółowo

KRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA

KRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA KRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA Krzysztof Serżęga Wyższa Szkoła Informatyk Zarządzana w Rzeszowe Streszczene Artykuł porusza temat zwązany

Bardziej szczegółowo

Proces narodzin i śmierci

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

Bardziej szczegółowo

Twierdzenie Bezouta i liczby zespolone Javier de Lucas. Rozwi azanie 2. Z twierdzenia dzielenia wielomianów, mamy, że

Twierdzenie Bezouta i liczby zespolone Javier de Lucas. Rozwi azanie 2. Z twierdzenia dzielenia wielomianów, mamy, że Twerdzene Bezouta lczby zespolone Javer de Lucas Ćwczene 1 Ustal dla których a, b R można podzelć f 1 X) = X 4 3X 2 + ax b przez f 2 X) = X 2 3X+2 Oblcz a b Z 5 jeżel zak ladamy, że f 1 f 2 s a welomanam

Bardziej szczegółowo

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda BADANIA OPERACYJNE Podejmowane decyzj w warunkach nepewnośc dr Adam Sojda Teora podejmowana decyzj gry z naturą Wynk dzałana zależy ne tylko od tego, jaką podejmujemy decyzję, ale równeż od tego, jak wystąp

Bardziej szczegółowo

Nowy algorytm do szybkiego obliczania niezawodności sieci

Nowy algorytm do szybkiego obliczania niezawodności sieci Lech Madeyski 1, Zygmunt Mazur 2 Nowy algorytm do szybkiego obliczania niezawodności sieci 1. Wprowadzenie Analiza niezawodności różnego rodzaju sieci, których łącza ulegają losowym uszkodzeniom jest tematem

Bardziej szczegółowo

Zapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie.

Zapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie. Zaps nformacj, systemy pozycyjne 1 Lteratura Jerzy Grębosz, Symfona C++ standard. Harvey M. Detl, Paul J. Detl, Arkana C++. Programowane. Zaps nformacj w komputerach Wszystke elementy danych przetwarzane

Bardziej szczegółowo

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych Zaawansowane metody numeryczne Komputerowa analza zagadneń różnczkowych 1. Układy równań lnowych P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ semestr letn 2006/07 Podstawowe fakty Równane Ax = b, x,

Bardziej szczegółowo

Analiza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A

Analiza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A Analza rodzajów skutków krytycznośc uszkodzeń FMECA/FMEA według MIL STD - 629A Celem analzy krytycznośc jest szeregowane potencjalnych rodzajów uszkodzeń zdentyfkowanych zgodne z zasadam FMEA na podstawe

Bardziej szczegółowo

Rozwiązywanie zadań optymalizacji w środowisku programu MATLAB

Rozwiązywanie zadań optymalizacji w środowisku programu MATLAB Rozwązywane zadań optymalzacj w środowsku programu MATLAB Zagadnene optymalzacj polega na znajdowanu najlepszego, względem ustalonego kryterum, rozwązana należącego do zboru rozwązań dopuszczalnych. Standardowe

Bardziej szczegółowo

SZTUCZNA INTELIGENCJA

SZTUCZNA INTELIGENCJA SZTUCZNA INTELIGENCJA WYKŁAD 15. ALGORYTMY GENETYCZNE Częstochowa 014 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska TERMINOLOGIA allele wartośc, waranty genów, chromosom - (naczej

Bardziej szczegółowo

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE Inormatyka Podstawy Programowana 06/07 Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE 6. Równana algebraczne. Poszukujemy rozwązana, czyl chcemy określć perwastk rzeczywste równana:

Bardziej szczegółowo

Laboratorium ochrony danych

Laboratorium ochrony danych Laboratorum ochrony danych Ćwczene nr Temat ćwczena: Cała skończone rozszerzone Cel dydaktyczny: Opanowane programowej metody konstruowana cał skończonych rozszerzonych GF(pm), poznane ch własnośc oraz

Bardziej szczegółowo

Proste modele ze złożonym zachowaniem czyli o chaosie

Proste modele ze złożonym zachowaniem czyli o chaosie Proste modele ze złożonym zachowanem czyl o chaose 29 kwetna 2014 Komputer jest narzędzem coraz częścej stosowanym przez naukowców do ukazywana skrzętne ukrywanych przez naturę tajemnc. Symulacja, obok

Bardziej szczegółowo

Ćwiczenie 10. Metody eksploracji danych

Ćwiczenie 10. Metody eksploracji danych Ćwczene 10. Metody eksploracj danych Grupowane (Clusterng) 1. Zadane grupowana Grupowane (ang. clusterng) oznacza grupowane rekordów, obserwacj lub przypadków w klasy podobnych obektów. Grupa (ang. cluster)

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Interpretacja parametrów przy zmennych objaśnających cągłych Semelastyczność 2. Zastosowane modelu potęgowego Model potęgowy 3. Zmenne cągłe za zmenne dyskretne

Bardziej szczegółowo

2012-10-11. Definicje ogólne

2012-10-11. Definicje ogólne 0-0- Defncje ogólne Logstyka nauka o przepływe surowców produktów gotowych rodowód wojskowy Utrzyywane zapasów koszty zwązane.n. z zarożene kaptału Brak w dostawach koszty zwązane.n. z przestoje w produkcj

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH 1 Test zgodnośc χ 2 Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład o dystrybuance F). Hpoteza alternatywna H1( Cecha X populacj

Bardziej szczegółowo

Statystyka Inżynierska

Statystyka Inżynierska Statystyka Inżynerska dr hab. nż. Jacek Tarasuk AGH, WFIS 013 Wykład DYSKRETNE I CIĄGŁE ROZKŁADY JEDNOWYMIAROWE Zmenna losowa, Funkcja rozkładu, Funkcja gęstośc, Dystrybuanta, Charakterystyk zmennej, Funkcje

Bardziej szczegółowo

Wielokryterialny Trójwymiarowy Problem Pakowania

Wielokryterialny Trójwymiarowy Problem Pakowania Łukasz Kacprzak, Jarosław Rudy, Domnk Żelazny Instytut Informatyk, Automatyk Robotyk, Poltechnka Wrocławska Welokryteralny Trójwymarowy Problem Pakowana 1. Wstęp Problemy pakowana należą do klasy NP-trudnych

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych 1. Zastosowane

Bardziej szczegółowo

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni.

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni. Zestaw zadań : Przestrzene wektorowe podprzestrzene. Lnowa nezależność. Sumy sumy proste podprzestrzen. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar :

Bardziej szczegółowo

METODA UNITARYZACJI ZEROWANEJ Porównanie obiektów przy ocenie wielokryterialnej. Ranking obiektów.

METODA UNITARYZACJI ZEROWANEJ Porównanie obiektów przy ocenie wielokryterialnej. Ranking obiektów. Opracowane: Dorota Mszczyńska METODA UNITARYZACJI ZEROWANEJ Porównane obektów przy ocene welokryteralnej. Rankng obektów. Porównane wybranych obektów (warantów decyzyjnych) ze względu na różne cechy (krytera)

Bardziej szczegółowo

PODSTAWA WYMIARU ORAZ WYSOKOŚĆ EMERYTURY USTALANEJ NA DOTYCHCZASOWYCH ZASADACH

PODSTAWA WYMIARU ORAZ WYSOKOŚĆ EMERYTURY USTALANEJ NA DOTYCHCZASOWYCH ZASADACH PODSTAWA WYMIARU ORAZ WYSOKOŚĆ EMERYTURY USTALANEJ NA DOTYCHCZASOWYCH ZASADACH Z a k ł a d U b e z p e c z e ń S p o ł e c z n y c h Wprowadzene Nnejsza ulotka adresowana jest zarówno do osób dopero ubegających

Bardziej szczegółowo

5. OPTYMALIZACJA GRAFOWO-SIECIOWA

5. OPTYMALIZACJA GRAFOWO-SIECIOWA . OPTYMALIZACJA GRAFOWO-SIECIOWA Defncja grafu Pod pojęcem grafu G rozumemy następującą dwójkę uporządkowaną (defncja grafu Berge a): (.) G W,U gdze: W zbór werzchołków grafu, U zbór łuków grafu, U W W,

Bardziej szczegółowo

RÓWNOLEGŁY ALGORYTM POPULACYJNY DLA PROBLEMU GNIAZDOWEGO Z RÓWNOLEGŁYMI MASZYNAMI

RÓWNOLEGŁY ALGORYTM POPULACYJNY DLA PROBLEMU GNIAZDOWEGO Z RÓWNOLEGŁYMI MASZYNAMI RÓWNOLEGŁY ALGORYTM POPULACYJNY DLA PROBLEMU GNIAZDOWEGO Z RÓWNOLEGŁYMI MASZYNAMI Wojcech BOŻEJKO, Marusz UCHROŃSKI, Meczysław WODECKI Streszczene: W pracy rozpatrywany jest ogólny problem kolejnoścowy

Bardziej szczegółowo

Współczynnik przenikania ciepła U v. 4.00

Współczynnik przenikania ciepła U v. 4.00 Współczynnk przenkana cepła U v. 4.00 1 WYMAGANIA Maksymalne wartośc współczynnków przenkana cepła U dla ścan, stropów, stropodachów, oken drzw balkonowych podano w załącznku do Rozporządzena Mnstra Infrastruktury

Bardziej szczegółowo

KONCEPCJA ZASTOSOWANIA ALGORYTMU FAKTORYZACJI DO OCENY NIEZAWODNOŚCI CIĄGÓW KOMUNIKACYJNYCH

KONCEPCJA ZASTOSOWANIA ALGORYTMU FAKTORYZACJI DO OCENY NIEZAWODNOŚCI CIĄGÓW KOMUNIKACYJNYCH 2-2007 POBLEMY ESPLOATACJI 29 obert PILCH, Jan SZYBA Akadema Górnczo-Hutncza, raków ONCEPCJA ZASTOSOWANIA ALGOYTMU FATOYZACJI DO OCENY NIEZAWODNOŚCI CIĄGÓW OMUNIACYJNYCH Słowa kluczowe Nezawodność układów

Bardziej szczegółowo

Zastosowanie symulatora ChemCad do modelowania złożonych układów reakcyjnych procesów petrochemicznych

Zastosowanie symulatora ChemCad do modelowania złożonych układów reakcyjnych procesów petrochemicznych NAFTA-GAZ styczeń 2011 ROK LXVII Anna Rembesa-Śmszek Instytut Nafty Gazu, Kraków Andrzej Wyczesany Poltechnka Krakowska, Kraków Zastosowane symulatora ChemCad do modelowana złożonych układów reakcyjnych

Bardziej szczegółowo

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskego 8, 04-703 Warszawa tel.

Bardziej szczegółowo

Wprowadzenie do Sieci Neuronowych Sieci rekurencyjne

Wprowadzenie do Sieci Neuronowych Sieci rekurencyjne Wprowadzene do Sec Neuronowych Sec rekurencyjne M. Czoków, J. Persa 2010-12-07 1 Powtórzene Konstrukcja autoasocjatora Hopfelda 1.1 Konstrukcja Danych jest m obrazów wzorcowych ξ 1..ξ m, gdze każdy pojedynczy

Bardziej szczegółowo

3. ŁUK ELEKTRYCZNY PRĄDU STAŁEGO I PRZEMIENNEGO

3. ŁUK ELEKTRYCZNY PRĄDU STAŁEGO I PRZEMIENNEGO 3. ŁUK ELEKTRYCZNY PRĄDU STŁEGO I PRZEMIENNEGO 3.1. Cel zakres ćwczena Celem ćwczena jest zapoznane sę z podstawowym właścwoścam łuku elektrycznego palącego sę swobodne, w powetrzu o cśnentmosferycznym.

Bardziej szczegółowo

Regulamin promocji 14 wiosna

Regulamin promocji 14 wiosna promocja_14_wosna strona 1/5 Regulamn promocj 14 wosna 1. Organzatorem promocj 14 wosna, zwanej dalej promocją, jest JPK Jarosław Paweł Krzymn, zwany dalej JPK. 2. Promocja trwa od 01 lutego 2014 do 30

Bardziej szczegółowo

Systemy Ochrony Powietrza Ćwiczenia Laboratoryjne

Systemy Ochrony Powietrza Ćwiczenia Laboratoryjne ś POLITECHNIKA POZNAŃSKA INSTYTUT INŻYNIERII ŚRODOWISKA PROWADZĄCY: mgr nż. Łukasz Amanowcz Systemy Ochrony Powetrza Ćwczena Laboratoryjne 2 TEMAT ĆWICZENIA: Oznaczane lczbowego rozkładu lnowych projekcyjnych

Bardziej szczegółowo

Sortowanie szybkie Quick Sort

Sortowanie szybkie Quick Sort Sortowane szybke Quck Sort Algorytm sortowana szybkego opera sę na strateg "dzel zwycęża" (ang. dvde and conquer), którą możemy krótko scharakteryzować w trzech punktach: 1. DZIEL - problem główny zostae

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7 Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy zmennych dyskretnych 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy

Bardziej szczegółowo

Analiza ryzyka jako instrument zarządzania środowiskiem

Analiza ryzyka jako instrument zarządzania środowiskiem WARSZTATY 2003 z cyklu Zagrożena naturalne w górnctwe Mat. Symp. str. 461 466 Elżbeta PILECKA, Małgorzata SZCZEPAŃSKA Instytut Gospodark Surowcam Mneralnym Energą PAN, Kraków Analza ryzyka jako nstrument

Bardziej szczegółowo

XXX OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne

XXX OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne XXX OLIMPIADA FIZYCZNA ETAP III Zadane dośwadczalne ZADANIE D Nazwa zadana: Maszyna analogowa. Dane są:. doda półprzewodnkowa (krzemowa) 2. opornk dekadowy (- 5 Ω ), 3. woltomerz cyfrowy, 4. źródło napęca

Bardziej szczegółowo

1 Metody optymalizacji wielokryterialnej... 1 1.1 Ogólna charakterystyka problemu... 1 1.2 Tradycyjne metody optymalizacji wielokryterialnej...

1 Metody optymalizacji wielokryterialnej... 1 1.1 Ogólna charakterystyka problemu... 1 1.2 Tradycyjne metody optymalizacji wielokryterialnej... 1 Metody optymalzacj welokryteralnej.... 1 1.1 Ogólna charakterystyka problemu.... 1 1.2 Tradycyjne metody optymalzacj welokryteralnej.... 3 1.2.1 Metoda ważonych kryterów.... 3 1.2.2 Metoda optymalzacj

Bardziej szczegółowo

Statyczna alokacja kanałów (FCA)

Statyczna alokacja kanałów (FCA) Przydzał kanałów 1 Zarys wykładu Wprowadzene Alokacja statyczna a alokacja dynamczna Statyczne metody alokacj kanałów Dynamczne metody alokacj kanałów Inne metody alokacj kanałów Alokacja w strukturach

Bardziej szczegółowo

Problemy jednoczesnego testowania wielu hipotez statystycznych i ich zastosowania w analizie mikromacierzy DNA

Problemy jednoczesnego testowania wielu hipotez statystycznych i ich zastosowania w analizie mikromacierzy DNA Problemy jednoczesnego testowana welu hpotez statystycznych ch zastosowana w analze mkromacerzy DNA Konrad Furmańczyk Katedra Zastosowań Matematyk SGGW Plan referatu Testowane w analze mkromacerzy DNA

Bardziej szczegółowo

Jakość cieplna obudowy budynków - doświadczenia z ekspertyz

Jakość cieplna obudowy budynków - doświadczenia z ekspertyz dr nż. Robert Geryło Jakość ceplna obudowy budynków - dośwadczena z ekspertyz Wdocznym efektem występowana znaczących mostków ceplnych w obudowe budynku, występującym na ogół przy nedostosowanu ntensywnośc

Bardziej szczegółowo

Regulamin promocji zimowa piętnastka

Regulamin promocji zimowa piętnastka zmowa pętnastka strona 1/5 Regulamn promocj zmowa pętnastka 1. Organzatorem promocj zmowa pętnastka, zwanej dalej promocją, jest JPK Jarosław Paweł Krzymn, zwany dalej JPK. 2. Promocja trwa od 01 grudna

Bardziej szczegółowo

Problem plecakowy (KNAPSACK PROBLEM).

Problem plecakowy (KNAPSACK PROBLEM). Problem plecakowy (KNAPSACK PROBLEM). Zagadnene optymalzac zwane problemem plecakowym swą nazwę wzęło z analog do sytuac praktyczne podobne do problemu pakowana plecaka. Chodz o to, by zapakować maksymalne

Bardziej szczegółowo

Natalia Nehrebecka. Zajęcia 3

Natalia Nehrebecka. Zajęcia 3 St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 3 1. Dobroć dopasowana równana regresj. Współczynnk determnacj R Dk Dekompozycja warancj zmennej zależnej ż Współczynnk determnacj R. Zmenne cągłe a

Bardziej szczegółowo

TRANZYSTOR BIPOLARNY CHARAKTERYSTYKI STATYCZNE

TRANZYSTOR BIPOLARNY CHARAKTERYSTYKI STATYCZNE POLITHNIKA RZSZOWSKA Katedra Podstaw lektronk Instrkcja Nr4 F 00/003 sem. letn TRANZYSTOR IPOLARNY HARAKTRYSTYKI STATYZN elem ćwczena jest pomar charakterystyk statycznych tranzystora bpolarnego npn lb

Bardziej szczegółowo

Programowanie Równoległe i Rozproszone

Programowanie Równoległe i Rozproszone Programowane Równoległe Rozproszone Wykład Programowane Równoległe Rozproszone Lucjan Stapp Wydzał Matematyk Nauk Informacyjnych Poltechnka Warszawska (l.stapp@mn.pw.edu.pl) /38 PRR Wykład Chcemy rozwązać

Bardziej szczegółowo

Urządzenia wejścia-wyjścia

Urządzenia wejścia-wyjścia Urządzena wejśca-wyjśca Klasyfkacja urządzeń wejśca-wyjśca. Struktura mechanzmu wejśca-wyjśca (sprzętu oprogramowana). Interakcja jednostk centralnej z urządzenam wejśca-wyjśca: odpytywane, sterowane przerwanam,

Bardziej szczegółowo

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np.

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np. Wykład 7 Uwaga: W praktyce często zdarza sę, że wynk obu prób możemy traktować jako wynk pomarów na tym samym elemence populacj np. wynk x przed wynk y po operacj dla tego samego osobnka. Należy wówczas

Bardziej szczegółowo

Określanie mocy cylindra C w zaleŝności od ostrości wzroku V 0 Ostrość wzroku V 0 7/5 6/5 5/5 4/5 3/5 2/5 Moc cylindra C 0,5 0,75 1,0 1,25 1,5 > 2

Określanie mocy cylindra C w zaleŝności od ostrości wzroku V 0 Ostrość wzroku V 0 7/5 6/5 5/5 4/5 3/5 2/5 Moc cylindra C 0,5 0,75 1,0 1,25 1,5 > 2 T A R C Z A Z E G A R O W A ASTYGMATYZM 1.Pojęca ogólne a) astygmatyzm prosty (najbardzej zgodny z pozomem) - najbardzej płask połudnk tzn. o najmnejszej mocy jest pozomy b) astygmatyzm odwrotny (najbardzej

Bardziej szczegółowo

METODY PLANOWANIA EKSPERYMENTÓW. dr hab. inż. Mariusz B. Bogacki

METODY PLANOWANIA EKSPERYMENTÓW. dr hab. inż. Mariusz B. Bogacki Metody Planowana Eksperymentów Rozdzał 1. Strona 1 z 14 METODY PLANOWANIA EKSPERYMENTÓW dr hab. nż. Marusz B. Bogack Marusz.Bogack@put.poznan.pl www.fct.put.poznan.pl/cv23.htm Marusz B. Bogack 1 Metody

Bardziej szczegółowo

ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 5(96)/2013

ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 5(96)/2013 ZESZYTY NAUKOWE NSTYTUTU POJAZDÓW 5(96)/2013 Hubert Sar, Potr Fundowcz 1 WYZNACZANE MASOWEGO MOMENTU BEZWŁADNOŚC WZGLĘDEM OS PODŁUŻNEJ DLA SAMOCHODU TYPU VAN NA PODSTAWE WZORÓW DOŚWADCZALNYCH 1. Wstęp

Bardziej szczegółowo

Parametry zmiennej losowej

Parametry zmiennej losowej Eonometra Ćwczena Powtórzene wadomośc ze statysty SS EK Defncja Zmenną losową X nazywamy funcję odwzorowującą przestrzeń zdarzeń elementarnych w zbór lczb rzeczywstych, taą że przecwobraz dowolnego zboru

Bardziej szczegółowo

Regulamin promocji upalne lato 2014 2.0

Regulamin promocji upalne lato 2014 2.0 upalne lato 2014 2.0 strona 1/5 Regulamn promocj upalne lato 2014 2.0 1. Organzatorem promocj upalne lato 2014 2.0, zwanej dalej promocją, jest JPK Jarosław Paweł Krzymn, zwany dalej JPK. 2. Promocja trwa

Bardziej szczegółowo

Procedura normalizacji

Procedura normalizacji Metody Badań w Geograf Społeczno Ekonomcznej Procedura normalzacj Budowane macerzy danych geografcznych mgr Marcn Semczuk Zakład Przedsęborczośc Gospodark Przestrzennej Instytut Geograf Unwersytet Pedagogczny

Bardziej szczegółowo

Regulamin promocji fiber xmas 2015

Regulamin promocji fiber xmas 2015 fber xmas 2015 strona 1/5 Regulamn promocj fber xmas 2015 1. Organzatorem promocj fber xmas 2015, zwanej dalej promocją, jest JPK Jarosław Paweł Krzymn, zwany dalej JPK. 2. Promocja trwa od 01 grudna 2015

Bardziej szczegółowo

0 0,2 0, p 0,1 0,2 0,5 0, p 0,3 0,1 0,2 0,4

0 0,2 0, p 0,1 0,2 0,5 0, p 0,3 0,1 0,2 0,4 Zad. 1. Dana jest unkcja prawdopodobeństwa zmennej losowej X -5-1 3 8 p 1 1 c 1 Wyznaczyć: a. stałą c b. wykres unkcj prawdopodobeństwa jej hstogram c. dystrybuantę jej wykres d. prawdopodobeństwa: P (

Bardziej szczegółowo

Algorytm FA. Zastosowanie w zadanich optymalizacji z ograniczeniami dla ciągłych dziedzin poszukiwań

Algorytm FA. Zastosowanie w zadanich optymalizacji z ograniczeniami dla ciągłych dziedzin poszukiwań Algorytm FA Metaheurystyczna metoda poszukwań (Xn-She Yang, 2008), nsprowana przez: zachowana społeczne zjawsko bolumnescencj robaczków śwetojańskch (śwetlków) Zastosowane w zadanch optymalzacj z ogranczenam

Bardziej szczegółowo

Pewnie wkrocz w świat baz danych z programem Access 2010! Bonus! Odpowiedzi do zadań na FTP

Pewnie wkrocz w świat baz danych z programem Access 2010! Bonus! Odpowiedzi do zadań na FTP Pewne wkrocz w śwat baz danych z programem Access 2010! Poznaj zasady rządzące systemam baz danych Naucz sę nstalować program Access korzystać z jego możlwośc Dowedz sę, jak defnować modyfkować strukturę

Bardziej szczegółowo

ASPEKT SYTUACJI STATUS QUO WE WSPOMAGANIU WIELOKRYTERIALNEGO WYBORU BAZUJĄCEGO NA TEORII GIER

ASPEKT SYTUACJI STATUS QUO WE WSPOMAGANIU WIELOKRYTERIALNEGO WYBORU BAZUJĄCEGO NA TEORII GIER Macej Wolny ASPEKT SYTUACJI STATUS QUO WE WSPOMAGANIU WIELOKRYTERIALNEGO WYBORU BAZUJĄCEGO NA TEORII GIER Wprowadzene Zagadnena welokryteralne dotyczą sytuacj, w których rozpatruje sę elementy zboru dopuszczalnych

Bardziej szczegółowo

OPTYMALIZACJA ALGORYTMÓW WYZNACZANIA RUCHU CIECZY LEPKIEJ METODĄ SZTUCZNEJ ŚCIŚLIWOŚCI

OPTYMALIZACJA ALGORYTMÓW WYZNACZANIA RUCHU CIECZY LEPKIEJ METODĄ SZTUCZNEJ ŚCIŚLIWOŚCI MODELOWANIE INśYNIERSKIE ISSN 1896-771X 36, s. 187-192, Glwce 2008 OPTYMALIZACJA ALGORYTMÓW WYZNACZANIA RUCHU CIECZY LEPKIEJ METODĄ SZTUCZNEJ ŚCIŚLIWOŚCI ZBIGNIEW KOSMA, BOGDAN NOGA Instytut Mechank Stosowane,

Bardziej szczegółowo

Realizacja logiki szybkiego przeniesienia w prototypie prądowym układu FPGA Spartan II

Realizacja logiki szybkiego przeniesienia w prototypie prądowym układu FPGA Spartan II obert Berezowsk Natala Maslennkowa Wydzał Elektronk Poltechnka Koszalńska ul. Partyzantów 7, 75-4 Koszaln Mchał Bałko Przemysław Sołtan ealzacja logk szybkego przenesena w prototype prądowym układu PG

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka Katarzyna Rosiak-Lada. Zajęcia 3

Stanisław Cichocki. Natalia Nehrebecka Katarzyna Rosiak-Lada. Zajęcia 3 Stansław Cchock Natala Nehrebecka Katarzyna Rosak-Lada Zajęca 3 1. Dobrod dopasowana równana regresj. Współczynnk determnacj R 2 Dekompozycja warancj zmennej zależnej Współczynnk determnacj R 2 2. Zmenne

Bardziej szczegółowo

EKONOMETRIA I Spotkanie 1, dn. 05.10.2010

EKONOMETRIA I Spotkanie 1, dn. 05.10.2010 EKONOMETRIA I Spotkane, dn. 5..2 Dr Katarzyna Beń Program ramowy: http://www.sgh.waw.pl/nstytuty/e/oferta_dydaktyczna/ekonometra_stacjonarne_nest acjonarne/ Zadana, dane do zadań, ważne nformacje: http://www.e-sgh.pl/ben/ekonometra

Bardziej szczegółowo

ZASTOSOWANIE KLASYCZNEGO ALGORYTMU GENETYCZNEGO DO ROZWIĄZANIA ZBILANSOWANEGO ZAGADNIENIA TRANSPORTOWEGO

ZASTOSOWANIE KLASYCZNEGO ALGORYTMU GENETYCZNEGO DO ROZWIĄZANIA ZBILANSOWANEGO ZAGADNIENIA TRANSPORTOWEGO Studa Materały. Mscellanea Oeconomcae Rok 6, Nr 2/22 Wydzał Zarządzana Admnstrac Unwersytetu Jana Kochanowskego w Kelcach Z a r z ą d z a n e f n a n s e Rafał Prońko ZASTOSOWANIE KLASYCZNEGO ALGORYTMU

Bardziej szczegółowo

Za: Stanisław Latoś, Niwelacja trygonometryczna, [w:] Ćwiczenia z geodezji II [red.] J. Beluch

Za: Stanisław Latoś, Niwelacja trygonometryczna, [w:] Ćwiczenia z geodezji II [red.] J. Beluch Za: Stansław Latoś, Nwelacja trygonometryczna, [w:] Ćwczena z geodezj II [red.] J. eluch 6.1. Ogólne zasady nwelacj trygonometrycznej. Wprowadzene Nwelacja trygonometryczna, zwana równeż trygonometrycznym

Bardziej szczegółowo

Statystyka. Zmienne losowe

Statystyka. Zmienne losowe Statystyka Zmenne losowe Zmenna losowa Zmenna losowa jest funkcją, w której każdej wartośc R odpowada pewen podzbór zboru będący zdarzenem losowym. Zmenna losowa powstaje poprzez przyporządkowane każdemu

Bardziej szczegółowo

Kodowanie informacji. Instytut Informatyki UWr Studia wieczorowe. Wykład nr 2: rozszerzone i dynamiczne Huffmana

Kodowanie informacji. Instytut Informatyki UWr Studia wieczorowe. Wykład nr 2: rozszerzone i dynamiczne Huffmana Kodowane nformacj Instytut Informatyk UWr Studa weczorowe Wykład nr 2: rozszerzone dynamczne Huffmana Kod Huffmana - nemłe przypadk... Nech alfabet składa sę z 2 lter: P(a)=1/16 P(b)=15/16 Mamy H(1/16,

Bardziej szczegółowo

STATYSTYKA. Zmienna losowa skokowa i jej rozkład

STATYSTYKA. Zmienna losowa skokowa i jej rozkład STATYSTYKA Wnosowane statystyczne to proces myślowy polegający na formułowanu sądów o całośc przy dysponowanu o nej ogranczoną lczbą nformacj Zmenna losowa soowa jej rozład Zmenną losową jest welość, tóra

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4 Stansław Cchock Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0-1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających Interpretacja

Bardziej szczegółowo

Konstrukcja gier sprawiedliwych i niesprawiedliwych poprzez. określanie prawdopodobieństwa.

Konstrukcja gier sprawiedliwych i niesprawiedliwych poprzez. określanie prawdopodobieństwa. Fundacja Centrum Edukacj Obyatelskej, ul. Noakoskego 10, 00-666 Warszaa, e-mal: ceo@ceo.org.l; Akadema ucznoska, Tel. 22 825 04 96, e-mal: au@ceo.org.l; ęcej nformacj:.akademaucznoska.l 1 Konstrukcja ger

Bardziej szczegółowo

65120/ / / /200

65120/ / / /200 . W celu zbadana zależnośc pomędzy płcą klentów ch preferencjam, wylosowano kobet mężczyzn zadano m pytane: uważasz za lepszy produkt frmy A czy B? Wynk były następujące: Odpowedź Kobety Mężczyźn Wolę

Bardziej szczegółowo

Zadanie 1. Udowodnij, że CAUS PRAM. Załóżmy przetwarzanie przyczynowo spójne. Dla każdego obrazu historii hv i zachodzi zatem:

Zadanie 1. Udowodnij, że CAUS PRAM. Załóżmy przetwarzanie przyczynowo spójne. Dla każdego obrazu historii hv i zachodzi zatem: Zadane 1 Udowodnj, że CAUS PRAM Załóżmy przetwarzane przyczynowo spójne. Dla każdego obrazu hstor hv zachodz zatem: O OW O OW x X p j o O o1 o2 o1 o2 o1 j o2 ( o1 = w( x) v o2 = r( x) v) o1 o2 ( o1 o o2)

Bardziej szczegółowo

Bonus! Odpowiedzi do zadań na FTP. Pewnie wkrocz w świat baz danych z programem Access 2010!

Bonus! Odpowiedzi do zadań na FTP. Pewnie wkrocz w świat baz danych z programem Access 2010! Pewne wkrocz w śwat baz danych z programem Access 2010! Poznaj zasady rządzące systemam baz danych Naucz sę nstalować program Access korzystać z jego możlwośc Dowedz sę, jak defnować modyfkować strukturę

Bardziej szczegółowo

RÓWNOWAGA STACKELBERGA W GRACH SEKWENCYJNYCH

RÓWNOWAGA STACKELBERGA W GRACH SEKWENCYJNYCH Stansław KOWALIK e-mal: skowalk@wsb.edu.pl Wyższa Szkoła Bznesu Dąbrowa Górncza RÓWNOWAGA STACKELBERGA W GRACH SEKWENCYJNYCH Streszczene Praca dotyczy nekooperacynych sekwencynych ger dwuosobowych o sume

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Model potęgowy Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych

Bardziej szczegółowo

OPTYMALIZACJA WARTOŚCI POLA MAGNETYCZNEGO W POBLIŻU LINII NAPOWIETRZNEJ Z WYKORZYSTANIEM ALGORYTMU GENETYCZNEGO

OPTYMALIZACJA WARTOŚCI POLA MAGNETYCZNEGO W POBLIŻU LINII NAPOWIETRZNEJ Z WYKORZYSTANIEM ALGORYTMU GENETYCZNEGO POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 81 Electrcal Engneerng 015 Mkołaj KSIĄŻKIEWICZ* OPTYMALIZACJA WARTOŚCI POLA MAGNETYCZNEGO W POLIŻU LINII NAPOWIETRZNEJ Z WYKORZYSTANIEM ALGORYTMU

Bardziej szczegółowo

Modelowanie komputerowe fraktalnych basenów przyciągania.

Modelowanie komputerowe fraktalnych basenów przyciągania. Modelowane komputerowe fraktalnych basenów przycągana. Rafał Henryk Kartaszyńsk Unwersytet Mar Cure-Skłodowskej Pl. M. Cure-Skłodowskej 1, 0-031 Lubln, Polska Streszczene. W artykule tym zajmujemy sę prostym

Bardziej szczegółowo

Projektowanie i analiza algorytmów

Projektowanie i analiza algorytmów POLITECHNIKA KRAKOWSKA - WIEiK KATEDRA AUTOMATYKI i TECHNIK INFORMACYJNYCH Projektowanie i analiza algorytmów www.pk.edu.pl/~zk/piaa_hp.html Wykładowca: dr inż. Zbigniew Kokosiński zk@pk.edu.pl Wykład

Bardziej szczegółowo

Wyszukiwanie. Wyszukiwanie

Wyszukiwanie. Wyszukiwanie ZŁOŻOOŚĆ PROBLEMÓW ALGORYTMICZYCH Dolne górne oszacowana złożonośc problemu Złożoność każdego poprawnego algorytmu znajdującego rozwązane danego problemu ustanawa górne oszacowane złożonośc dla tego problemu.

Bardziej szczegółowo

V. WPROWADZENIE DO PRZESTRZENI FUNKCYJNYCH

V. WPROWADZENIE DO PRZESTRZENI FUNKCYJNYCH Krs na Stdach Doktoranckch Poltechnk Wrocławskej wersja: lty 007 34 V. WPROWADZENIE DO PRZESTRZENI FUNKCYJNYCH. Zbór np. lczb rzeczywstych a, b elementy zbor A a A b A, podzbór B zbor A : B A, sma zborów

Bardziej szczegółowo

OPTYMALNE STRATEGIE INWESTYCYJNE PODEJŚCIE FUNDAMENTALNE OPTIMAL INVESTMENT STRATEGY FUNDAMENTAL ANALYSIS

OPTYMALNE STRATEGIE INWESTYCYJNE PODEJŚCIE FUNDAMENTALNE OPTIMAL INVESTMENT STRATEGY FUNDAMENTAL ANALYSIS ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ 2014 Sera: ORGANIZACJA I ZARZĄDZANIE z. 68 Nr kol. 1905 Adranna MASTALERZ-KODZIS Unwersytet Ekonomczny w Katowcach OPTYMALNE STRATEGIE INWESTYCYJNE PODEJŚCIE FUNDAMENTALNE

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Prawdopodobeństwo statystya.05.00 r. Zadane Zmenna losowa X ma rozład wyładnczy o wartośc oczewanej, a zmenna losowa Y rozład wyładnczy o wartośc oczewanej. Obe zmenne są nezależne. Oblcz E( Y X + Y =

Bardziej szczegółowo

Programowanie dynamiczne cz. 2

Programowanie dynamiczne cz. 2 Programowanie dynamiczne cz. 2 Wykład 7 16 kwietnia 2019 (Wykład 7) Programowanie dynamiczne cz. 2 16 kwietnia 2019 1 / 19 Outline 1 Mnożenie ciągu macierzy Konstruowanie optymalnego rozwiązania 2 Podstawy

Bardziej szczegółowo

POJAZDY SZYNOWE 2/2014

POJAZDY SZYNOWE 2/2014 ANALIZA PRZYCZYN I SKUTKÓW USZKODZEŃ (FMEA) W ZASTOSOWANIU DO POJAZDÓW SZYNOWYCH dr nż. Macej Szkoda, mgr nż. Grzegorz Kaczor Poltechnka Krakowska, Instytut Pojazdów Szynowych al. Jana Pawła II 37, 31-864

Bardziej szczegółowo

Rozkład dwupunktowy. Rozkład dwupunktowy. Rozkład dwupunktowy x i p i 0 1-p 1 p suma 1

Rozkład dwupunktowy. Rozkład dwupunktowy. Rozkład dwupunktowy x i p i 0 1-p 1 p suma 1 Rozkład dwupunktowy Zmenna losowa przyjmuje tylko dwe wartośc: wartość 1 z prawdopodobeństwem p wartość 0 z prawdopodobeństwem 1- p x p 0 1-p 1 p suma 1 Rozkład dwupunktowy Funkcja rozkładu prawdopodobeństwa

Bardziej szczegółowo

ZAŁĄCZNIK NR 1C KARTA USŁUGI Utrzymanie Systemu Kopii Zapasowych (USKZ)

ZAŁĄCZNIK NR 1C KARTA USŁUGI Utrzymanie Systemu Kopii Zapasowych (USKZ) Załącznk nr 1C do Umowy nr.. z dna.2014 r. ZAŁĄCZNIK NR 1C KARTA USŁUGI Utrzymane Systemu Kop Zapasowych (USKZ) 1 INFORMACJE DOTYCZĄCE USŁUGI 1.1 CEL USŁUGI: W ramach Usług Usługodawca zobowązany jest

Bardziej szczegółowo

Modelowanie i obliczenia techniczne. Metody numeryczne w modelowaniu: Optymalizacja

Modelowanie i obliczenia techniczne. Metody numeryczne w modelowaniu: Optymalizacja Modelowane oblczena technczne Metody numeryczne w modelowanu: Optymalzacja Zadane optymalzacj Optymalzacja to ulepszane lub poprawa jakośc danego rozwązana, projektu, opracowana. Celem optymalzacj jest

Bardziej szczegółowo

RUCH OBROTOWY Można opisać ruch obrotowy ze stałym przyspieszeniem ε poprzez analogię do ruchu postępowego jednostajnie zmiennego.

RUCH OBROTOWY Można opisać ruch obrotowy ze stałym przyspieszeniem ε poprzez analogię do ruchu postępowego jednostajnie zmiennego. RUCH OBROTOWY Można opsać ruch obrotowy ze stałym przyspeszenem ε poprzez analogę do ruchu postępowego jednostajne zmennego. Ruch postępowy a const. v v at s s v t at Ruch obrotowy const. t t t Dla ruchu

Bardziej szczegółowo

Wprowadzenie do Sieci Neuronowych Algorytm wstecznej propagacji błędu

Wprowadzenie do Sieci Neuronowych Algorytm wstecznej propagacji błędu Wprowadzene do Sec Neuronowych Algorytm wstecznej propagacj błędu Maja Czoków, Jarosław Persa --6 Powtórzene. Perceptron sgmodalny Funkcja sgmodalna: σ(x) = + exp( c (x p)) Parametr c odpowada za nachylene

Bardziej szczegółowo

Zadanie na wykonanie Projektu Zespołowego

Zadanie na wykonanie Projektu Zespołowego Zadane na wykonane Projektu Zespołowego Celem projektu jest uzyskane następującego szeregu umejętnośc praktycznych: umejętnośc opracowana równoległych wersj algorytmów (na przykładze algorytmów algebry

Bardziej szczegółowo

Badania sondażowe. Braki danych Konstrukcja wag. Agnieszka Zięba. Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa

Badania sondażowe. Braki danych Konstrukcja wag. Agnieszka Zięba. Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa Badana sondażowe Brak danych Konstrukcja wag Agneszka Zęba Zakład Badań Marketngowych Instytut Statystyk Demograf Szkoła Główna Handlowa 1 Błędy braku odpowedz Całkowty brak odpowedz (UNIT nonresponse)

Bardziej szczegółowo

Plan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup

Plan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup Jednoczynnkowa Analza Waranc (ANOVA) Wykład 11 Przypomnene: wykłady zadana kursu były zaczerpnęte z podręcznków: Statystyka dla studentów kerunków techncznych przyrodnczych, J. Koronack, J. Melnczuk, WNT

Bardziej szczegółowo

Metody Programowania

Metody Programowania POLITECHNIKA KRAKOWSKA - WIEiK KATEDRA AUTOMATYKI i TECHNIK INFORMACYJNYCH Metody Programowania www.pk.edu.pl/~zk/mp_hp.html Wykładowca: dr inż. Zbigniew Kokosiński zk@pk.edu.pl Wykład 8: Wyszukiwanie

Bardziej szczegółowo

Metody analizy obwodów

Metody analizy obwodów Metody analzy obwodów Metoda praw Krchhoffa, która jest podstawą dla pozostałych metod Metoda transfguracj, oparte na przekształcenach analzowanego obwodu na obwód równoważny Metoda superpozycj Metoda

Bardziej szczegółowo

Modelowanie struktury stóp procentowych na rynku polskim - wprowadzenie

Modelowanie struktury stóp procentowych na rynku polskim - wprowadzenie Mgr Krzysztof Pontek Katedra Inwestycj Fnansowych Ubezpeczeń Akadema Ekonomczna we Wrocławu Modelowane struktury stóp procentowych na rynku polskm - wprowadzene Wprowadzene Na rynku stóp procentowych analzowana

Bardziej szczegółowo

KONCEPCJA OCENY HYBRYDOWYCH SYSTEMÓW ENERGETYCZNYCH

KONCEPCJA OCENY HYBRYDOWYCH SYSTEMÓW ENERGETYCZNYCH 2-2010 PROBLEMY ESPLOATACJI 159 Robert DZIERŻAOWSI Poltechnka Warszawska OCCJA OCEY HYBRYDOWYCH SYSTEMÓW EERGETYCZYCH Słowa kluczowe Hybrydowy system energetyczny, skojarzony system energetyczny, generator

Bardziej szczegółowo