Zbiory rozmyte. logika rozmyta
|
|
- Liliana Czajka
- 7 lat temu
- Przeglądów:
Transkrypt
1 Ziory rozmyte logik rozmyt
2 Rozwiąznie Fuzzy Set Theory L. Zdeh (965) Logik rozmyt i reguły rozmyte Informj którą przetwrzją ludzie zęsto (zwsze) jest niepreyzyjn, mimo to potrfimy poprwnie wnioskowć! Np. Jeśli przeszkod jest lisko to przyhmuj Co to znzy lisko, jką to m wrtość? Co to znzy przyhmuj jk rdzo mm nisnąć n hmule? Gdzie kuhrek sześć tm nie m o jeść - Ilu ekspertów tyle pomysłów n rozwiąznie prolemu
3 Przykłd. Przy jkiej temperturze mmy gorązkę?
4 Reguł rozmyt
5 Podstwy + histori 965 rok prof. Lotofil Zdeh pulikuje Fuzzy sets Ziory rozmyte próują nśldowć sposó rozumieni i postrzegni ludzi np. jehć szyko, duże drzewo (informj niepreyzyjn) prolemy w implementji w mszynh yfrowyh Rozwiąznie - wprowdzenie funkji opisująej stopień przynleżnośi elementu do zioru (trdyyjny rhunek ziorów zkłd dwuwrtośiowy stopień przynleżnośi: 0-nie nleży; -przynleży do zioru) Główne zstosownie: sterownie, wnioskownie orz systemy wspomgjąe podejmownie deyzji Rozwinięie teorii ziorów rozmytyh -> logik rozmyt rozwinięie logiki (L N ) Łuksiewiz
6 Podstwowe pojęi Zmienn lingwistyzn wielkość wejśiow, wyjśiow, zmienn stnu. Nzw zmiennej przyjmują wrtośi lingwistyzne. Przykłdy: prędkość, iśnienie, wiek Wrtość lingwistyzn jest to słowny opis wrtośi jkie przyjmuje zmienn lingwistyzn. Przykłd: szyko, wolno, duże, młe, stry, młody Przestrzeń numeryzn zmiennej ziór wrtośi numeryznyh, jki może przyjąć dn zmienn lingwistyzn Funkj przynleżnośi funkj opisują prmetr, stopień w jkim dny punkt nleży do dnego zioru
7 MF [-] Wrtość lingwistyzn, przestrzeń numeryzn zmiennej i funkj przynleżnośi Mł Wolno Brdzo szyko B. duż Szyko Średni Duż Szyiej szykos [km/h]
8 Definije Ziór rozmyty ziór w niepustej przestrzeni X definiowny przez pry: (, ( )) : X Gdzie funkj przynleżnośi definiown jko: Funkj przynleżnośi przyporządkowuje kżdemu elementowi ze zioru wrtość z przedziłu [0,], określjąą stopień przynleżnośi tego elementu do zioru. W odróżnieniu od klsyznego podejśi do teorii ziorów, gdzie mówiliśmy o funkji opisująej przyjmująej dwie wrtośi {0,}, w ziorh rozmytyh wyróżnimy trzy przypdki: ()= pełn przynleżność do zioru rozmytego, ()=0 rk przynleżnośi elementu do zioru rozmytego, 0< ()< zęśiow przynleżność elementu do zioru rozmytego : [0],
9 Metody zpisu Ziór w przestrzeni X o skońzonej lizie n elementów przedstwi się nstępująo: i` przy zym znk oznz sumę mnogośiową, opertor dzieleni nleży trktowć jko przyporządkownie elementowi i odpowidjąej mu wrtośi funkji przynleżnośi W przestrzeni o nieskońzonej lizie elementów powyższy zpis przyjmuje postć: Inną zęsto spotykną formą zpisu zioru rozmytego jest zpis skróony n ( i μ ( )/ : X i )
10 Podstwowe ziory przynleżnośi dowolny ksztłt trójkątn funkj przynleżnośi: Gussowsk funkj przynleżnośi: s 0,,, 0, ),, ; ( ep ), ; ( 0 2 >2
11 trpezow funkj przynleżnośi: sigmoidln funkj przynleżnośi: funkj przynleżnośi klsy S: d d d d d 0,,,, 0, ),,, ; ( 0 d )) ( ep( ), ; ( >2>0 >2> ;,, 2, 2 0, ),, ; ( 2 2 gdzie
12 funkj przynleżnośi klsy Z: Singleton (wrtość ostr): ;,, 2, 2 0, ),, ; ( 2 2 gdzie 0 ' 0, ', ') ; (
13 Pojęi.d. Nośnik zioru jest to ziór elementów przestrzeni X, dl któryh funkj przynleżnośi przyjmuje wrtośi dodtnie. Wysokość zioru definiown jko mksymln wrtość funkji () supp Jeśli h()=, mówimy wówzs o ziorze normlnym - w przeiwnym przypdku ziór rozmyty możemy poddć normlizji w posti: ( ) h( ) ( ) 0 Ziór pusty to tki ziór dl którego X Równość ziorów rozmytyh Ziór rozmyty równy jest ziorowi rozmytemu B, =B gdy spełnion jest zleżność X : h( ) sup ( ) ( ) ( ) X B ( ) 0
14 Zwiernie się ziorów rozmytyh Ziór rozmyty zwier się w ziorze rozmytym B, B gdy ( ) B ( ) Przeięie ziorów rozmytyh W literturze istnieje wiele definiji przeięi (ilozynu) ziorów rozmytyh. Noszą one wspólną nzwę T-norm. Ilozyn logizny ziorów rozmytyh oznz się T B. Njprostszą i njzęśiej stosowną definiją przeięi ziorów i B X jest: X B B X ( ) ( ) ( ) min ( ), ( ) B B min(,) 0
15 Sum ziorów rozmytyh Podonie jk ilozyn tk i sum ziorów rozmytyh (S-norm) i B X zostł zdefiniown n różne sposoy. Sumę ziorów rozmytyh oznzmy jko S B, njprostszym jej przedstwiielem jest operj mksimum: ) ( ), ( m ) ( ) ( ) ( B B B X m(,) 0
16 T normy T-norm powinn spełnić wrunki:. T(,)=; T(,0)=0 (Tożsmość jedynki, zerownie) 2. T(,y)=T(y,) (Przemienność) 3. u T(,y) T(u,y) (monotonizność) y r T(,y) T(,r) 4. T(,T(y,z))=T(T(,y),z) (Łązność) Przykłdy njzęśiej stosownyh T-norm: Zdeh: min(,y) lgerizn: *y Łuksiewiz: m(+y-,0) Fodor: Drstyzn: Einstin: min(, y), 0, y y min(, y), m(, y) 0, m(, y) y 2 ( y y)
17 S - normy T-norm powinn spełnić wrunki:. S(,)=; S(,0)= 2. S(,y)=S(y,) 3. u S(,y) S(u,y) y r S(,y) S(,r) 4. S(,S(y,z))=S(S(,y),z) Przykłdy njzęśiej stosownyh S-norm: Zdeh: m(,y) lgerizn: +y-*y Łuksiewiz: min(+y,) Fodor: Drstyzn: Einstin m(, y), y, y m(, y), min(, y), min(, y) 0 y y 0
18 Wnioskownie i reguły rozmyte
19 Systemy rozmyte Czysty system rozmyty: wejśie Ziór rozmyty Blok wnioskowni wyjśie Ziór rozmyty System rozmyty z lokmi rozmywni i wyostrzni We Blok rozmywni (Fzyfikj) Blok wnioskowni Blok wyostrzni (Defuzzyfikj) Wy y Bz reguł
20 Reguł rozmyt Jeżeli X jest to Y jest B Jeżeli zmienn lingwistyzn X przyjmuje wrtość lingwistyzn to zmienn lingwistyzn Y przyjmuje wrtość B Np. Jeżeli szykość jest duż to opór jest duży. Implikj rozmyt -> min(, B ) jeżeli jest Jeżeli jest to we B
21 Metody wnioskowni Reguł odrywni (modus ponendo ponens) Modus sposó Pono twierdzenie (wnioskownie stwierdzjąe przez stwierdzenie) Ponens stwierdzenie Jeżeli prwdziwe jest zdnie p i implikj p q to prwdziwe jest zdnie q [p^(p q)] q Wnioskownie stwierdzjąe przez zprzezenie (modus tollendo ponens) Tollendo usunąć p=nie p [ p^( p q)] q Wnioskownie zprzezjąe przez stwierdzenie (modus ponendo tollens) [p^(p q)] q Modus tollendo tollens Jeżeli prwdziwe s zdni q i implikj p q to prwdziwe jest zdnie p [ q^(p q)] p [ q^( q p)] p Zsd rozkłdu p q p r r q lu q r
22 Implikje rozmyte Jeżeli jest to y jest B Implikj Mmdniego: u ->B =u ()^u B (y)=min(u (), u B (y)) Implikj Lrsen u ->B =u ()u B (y) Implikj Luksiewiz u ->B =min(,-u ()+u B (y)) Implikj Kleene-Dienes u ->B =m(-u (),u B (y)) Implikj Zdeh u ->B =m(min(u (),u B (y)),-u ()) Implikj proilistyzn u ->B =min(,-u ()+u ()u B (y)) Implikj Goguen u ->B =min(, u B (y) / u ())
23 Ogóln postć reguł jeżeli to dl system MIMO R : jeżeli ( jest ) i ( 2 jest 2 ) i i ( 3 jest n ) to (y jest B ) i (y 2 jest B 2 ) i i (y m jest B p ) R i : jeżeli ( jest i ) i ( 2 jest 2i ) i i ( 3 jest ni ) to (y jest B i ) i (y 2 jest B 2i ) i i (y m jest B pi ) 2 R (i) R (i) y y 2 N R (i) y p
24 Knonizn postć reguł Postć ogóln reguły z MISO Postć knonizn R: jeżeli (( jest ) i ( 2 jest 2 )) lu (( jest 2 ) i ( 2 jest 22 )) to (y jest B ) R : jeżeli ( jest ) i ( 2 jest 2 ) to (y jest B ) R 2 : jeżeli ( jest 2 ) i ( 2 jest 22 ) to (y jest B )
25 Reguł 2 Reguł we przesłnki Konkluzj reguł 2 2 T S 2 2 T Przykłd dziłni reguł rozmytyh gregj konkluzji i defzyfikj
26 Metody defzyfikji metod środków mksimum metod pierwszego mksimum metod osttniego mksimum metod środków iężkośi y C y wyn wyn y y dy dy
27 Metod środk mksimum Pierwsze mksimum Osttnie mksimum Metod środk iężkośi
28 Modele rozmyte
29 Rodzje modeli rozmytyh Model Mmdniego JEŻELI ( około ) TO (y około B) Model Tkgi-Sugeno JEŻELI ( około ) TO y=f() Modele relyjne inne wykorzystują rozmyty rhunek relji
30 Przykłd modelu Mmdniego
31 Przykłd modelu Tkgi-Sugeno
32 Uzenie modeli rozmytyh Ręznie korzystją z wiedzy ekspert Prolem -> Trnsformj wiedzy ekspert n odpowiednie funkje przynleżnośi Uzenie n podstwie dnyh Systemy neurorozmyte -> trnsformj (interpretj) reguł systemu rozmytego do posti neuronowej Grdientowe metody uzeni (jk RBF) lgorytmy genetyzne i ewoluyjne (doór opertorów) Uzenie w opriu o lgorytm smoorgnizji Klsteryzję lgorytm RTMP
33 Struktur wrstwow systemy neurorozmyte We Wej. MF Reguł Wyj. Mf Wyostrz
34 Klsyfiktory Rozmyte Brk spójnej interpretji (L. Kunhew) fuzzy lssifier is ny lssifier whih uses fuzzy sets either during its trining or during its opertion fuzzy or possiilisti lssifier, is ny possiilisti lssifier for whih i fuzzy lssifier is fuzzy if-then inferene system ( fuzzy rules sed system) whih yields lss lel (risp or soft) for i
35 Po o rozmywć? Jedni wolą logikę (nwet rozmytą) inni rozkłdy prwdopodoieństw Sterownie w wrunkh niepewnyh nliz i przetwrznie język nturlnego Możliwość udowy reguł w opriu o lingwistyzną wiedzę ekspert Większ elstyzność reguł rozmytyh Niedokłdność dnyh ziory rozmyte drugiego rzędu
36 Logik rozmyt zy klsyzn?
37 Logik rozmyt zy klsyzn?
38 Logik rozmyt zy klsyzn? If <- then B elseif 2> then R elseif <0 then B elseif 2>0 then R elseif < then B elseif 2>- then R elseif <2 B else R
39 Przykłd if ( około -) & (2 około -) then rzej B if ( około ) & (2 około ) then rzej R
40 Ziory rozmyte II rodzju Rozmywnie ziorów rozmytyh
41 Prezentj - Mtl
42 Litertur. Piegt. Modelownie i sterownie rozmyte, OW Eit, Wrszw Łhw. Rozmyty świt ziorów, liz, relji, fktów, reguł i deyzji. OW Eit, Wrszw Ossowski S. Siei neuronowe w ujęiu lgorytmiznym, WNT Wrszw Kunhev L. Fuzzy Clssifier Design, Studies in Fuzziness nd Soft Computing, Physi-Verlg, Nuk D., Klwonn F., Kruse R. Foundtions on Neuro- Fuzzy Systems. Wiley, Chihester, 997.
43 Pytni?
ZBIORY ROZMYTE. METODY INTELIGENCJI OBLICZENIOWEJ wykład 6 I WNIOSKOWANIE PRZYBLIŻONE. sets
METODY INTELIGENCJI OBLICZENIOWEJ wykłd 6 ZBIORY ROZMYTE I WNIOSKOWNIE PRZYBLIŻONE 965 Lotfi. Zdeh: : Fuzzy sets Metod reprezentcji wiedzy wyrżonej w języku nturlnym: Tempertur wynosi 9 o C informcj liczow
Bardziej szczegółowoSTANDARDOWE FUNKCJE PRZYNALEŻNOŚCI
INTELIGENTNE TECHNIKI KOMPUTEROWE wkłd STNDRDOWE FUNKCJE PRZYNLEŻNOŚCI GUSSOWSK F. PRZYNLEŻNOŚCI ' μ ( ; ', ) ep μ().5 ' środek; określ szerokość krzwej.5 3 F. PRZYNLEŻNOŚCI KLSY s dl - dl c- sc ( ;,,
Bardziej szczegółowoG i m n a z j a l i s t ó w
Ko³o Mtemtyzne G i m n z j l i s t ó w 1. Lizy,, spełniją wrunki: (1) ++ = 0, 1 () + + 1 + + 1 + = 1 4. Olizyć wrtość wyrżeni w = + + Rozwiąznie Stowrzyszenie n rzez Edukji Mtemtyznej Zestw 7 szkie rozwizń
Bardziej szczegółowoZADANIA Z ZAKRESU SZKOŁY PODSTAWOWEJ, GIMNAZJUM I SZKOŁY ŚREDNIEJ
ZADANIA Z ZAKRESU SZKOŁY PODSTAWOWEJ, GIMNAZJUM I SZKOŁY ŚREDNIEJ Nrsowć wkres funkji: f() = + Nrsowć wkres funkji: f() = + Nrsowć wkres funkji: f() = + + Dl jkih wrtośi A, B zhodzi równość: + +5+6 = A
Bardziej szczegółowoSZTUCZNA INTELIGENCJA
SZTUCZNA INTELIGENCJA WYKŁAD 9. ZBIORY ROZMYTE Częstochow 204 Dr hb. inż. Grzegorz Dudek Wydził Elektryczny Politechnik Częstochowsk ZBIORY ROZMYTE Klsyczne pojęcie zbioru związne jest z logiką dwuwrtościową
Bardziej szczegółowoPODSTAWY BAZ DANYCH Wykład 3 2. Pojęcie Relacyjnej Bazy Danych
PODSTAWY BAZ DANYCH Wykłd 3 2. Pojęcie Relcyjnej Bzy Dnych 2005/2006 Wykłd "Podstwy z dnych" 1 Rozkłdlno dlność schemtów w relcyjnych Przykłd. Relcj EGZ(U), U := { I, N, P, O }, gdzie I 10 10 11 N f f
Bardziej szczegółowoZbiory rozmyte. Teoria i zastosowania we wnioskowaniu aproksymacyjnym
Zior rozmte Teori i zstosowni we wniosowniu prosmcjnm PODSTWOWE POJĘCI Motwcje Potrze opisni zjwis i pojęć wielozncznch i niepreczjnch użwnch swoodnie w jęzu nturlnm np. wso tempertur młod człowie średni
Bardziej szczegółowo2. Funktory TTL cz.2
2. Funktory TTL z.2 1.2 Funktory z otwrtym kolektorem (O.. open olletor) ysunek poniżej przedstwi odnośny frgment płyty zołowej modelu. Shemt wewnętrzny pojedynzej rmki NAND z otwrtym kolektorem (O..)
Bardziej szczegółowoLISTA02: Projektowanie układów drugiego rzędu Przygotowanie: 1. Jakie własności ma równanie 2-ego rzędu & x &+ bx&
LISTA: Projektownie ukłdów drugiego rzędu Przygotownie: 1. Jkie włsności m równnie -ego rzędu & &+ b + c u jeśli: ) c>; b) c; c) c< Określ położenie biegunów, stbilność, oscylcje Zdni 1: Wyzncz bieguny.
Bardziej szczegółowoSemantyka i Weryfikacja Programów - Laboratorium 2 Działania na ułamkach, krotki i rekordy
Semntyk i Weryfikj Progrmów - Lortorium Dziłni n ułmkh, krotki i rekory Cz. I. Dziłni n ułmkh Prolem. Oprowć zestw funkji o ziłń rytmetyznyh n ułmkh zwykłyh posti q, gzie, są lizmi łkowitymi i 0. Rozwiąznie
Bardziej szczegółowoFUNKCJA KWADRATOWA. RÓWNANIA I NIERÓWNOŚCI DRUGIEGO STOPNIA.
Oprownie: Elżiet Mlnowsk FUNKCJA KWADRATOWA. RÓWNANIA I NIERÓWNOŚCI DRUGIEGO STOPNIA. Określeni podstwowe: Jeżeli kżdej lizie x z pewnego zioru lizowego X przporządkown jest dokłdnie jedn liz, to mówim,
Bardziej szczegółowoWYŻSZA SZKOŁA INFORMATYKI STOSOWANEJ I ZARZĄDZANIA
Mteriły do wykłdu MATEMATYKA DYSKRETNA dl studiów zocznych cz. Progrm wykłdu: KOMBINATORYKA:. Notcj i podstwowe pojęci. Zlicznie funkcji. Permutcje. Podziory zioru. Podziory k-elementowe. Ziory z powtórzenimi
Bardziej szczegółowoInżynieria Wiedzy i Systemy Ekspertowe. Niepewność wiedzy. dr inż. Michał Bereta Politechnika Krakowska
Inżynieria Wiedzy i Systemy Ekspertowe Niepewność wiedzy dr inż. Michał Bereta Politechnika Krakowska http://torus.uck.pk.edu.pl/~beretam/ beretam@torus.uck.pk.edu.pl 1 Logika Rozmyta (Fuzzy Logic) Mimo
Bardziej szczegółowo1. Wstęp. Pojęcie grafu przepływowego. Niech pewien system liniowy będzie opisany układem liniowych równań algebraicznych
Owody i Ukłdy Anliz ukłdów z pomoą grfów przepływowy Mteriły Pomonize. Wstęp. Pojęie grfu przepływowego. Nie pewien system liniowy ędzie opisny ukłdem liniowy równń lgerizny x + x x + x gdzie: x, x - zmienne
Bardziej szczegółowoAlgebra Boola i podstawy systemów liczbowych. Ćwiczenia z Teorii Układów Logicznych, dr inż. Ernest Jamro. 1. System dwójkowy reprezentacja binarna
lger Bool i podstwy systemów liczowych. Ćwiczeni z Teorii Ukłdów Logicznych, dr inż. Ernest Jmro. System dwójkowy reprezentcj inrn Ukłdy logiczne operują tylko n dwóch stnch ozncznymi jko zero (stn npięci
Bardziej szczegółowo2. FUNKCJE WYMIERNE Poziom (K) lub (P)
Kls drug poziom podstwowy 1. SUMY ALGEBRAICZNE Uczeń otrzymuje ocenę dopuszczjącą lub dostteczną, jeśli: rozpoznje jednominy i sumy lgebriczne oblicz wrtości liczbowe wyrżeń lgebricznych redukuje wyrzy
Bardziej szczegółowoTemat lekcji Zakres treści Osiągnięcia ucznia
ln wynikowy kls 2c i 2e - Jolnt jąk Mtemtyk 2. dl liceum ogólnoksztłcącego, liceum profilownego i technikum. sztłcenie ogólne w zkresie podstwowym rok szkolny 2015/2016 Wymgni edukcyjne określjące oceny:
Bardziej szczegółowoProgramy współbieżne
Specyfikownie i weryfikownie Progrmy współieżne Mrek A. Bednrczyk, www.ipipn.gd.pl Litertur wiele prc dostępnych w Sieci np.: http://www.wikipedi.org/ Specyfikownie i weryfikcj progrmy współieżne PJP Prosty
Bardziej szczegółowoRys Wyrównanie spostrzeżeń zawarunkowanych jednakowo dokładnych C. KRAKOWIANY
Rys. 9.. Wyrównnie spostrzeżeń zwrunkownyh jednkowo dokłdnyh C. KRAKOWIANY 9.9. Informje wstępne o krkowinh Krkowin jest zespołem liz rozmieszzonyh w prostokątnej teli o k kolumnh i w wierszh, dl którego
Bardziej szczegółowoPODSTAWY BAZ DANYCH Wykład 2 2. Pojęcie Relacyjnej Bazy Danych
PODSTAWY BAZ DANYCH Wykłd 2 2. Pojęcie Relcyjnej Bzy Dnych 2005/2006 Wykłd "Podstwy bz dnych" 1 Pojęcie krotki - definicj Definicj. Niech dny będzie skończony zbiór U := { A 1, A 2,..., A n }, którego
Bardziej szczegółowoMATeMAtyka 3 inf. Przedmiotowy system oceniania wraz z określeniem wymagań edukacyjnych. Zakres podstawowy i rozszerzony. Dorota Ponczek, Karolina Wej
Dorot Ponczek, Krolin Wej MATeMAtyk 3 inf Przedmiotowy system ocenini wrz z określeniem wymgń edukcyjnych Zkres podstwowy i rozszerzony Wyróżnione zostły nstępujące wymgni progrmowe: konieczne (K), podstwowe
Bardziej szczegółowoWymagania edukacyjne matematyka klasa 2 zakres podstawowy 1. SUMY ALGEBRAICZNE
Wymgni edukcyjne mtemtyk kls 2 zkres podstwowy 1. SUMY ALGEBRAICZNE Uczeń otrzymuje ocenę dopuszczjącą lub dostteczną, jeśli: rozpoznje jednominy i sumy lgebriczne oblicz wrtości liczbowe wyrżeń lgebricznych
Bardziej szczegółowoSemantyka i Weryfikacja Programów - Laboratorium 7
Semntyk i Weryfikj Progrmów - Lortorium 7 Weryfikj twierdzeń logiznyh Cel. Celem ćwizeni jest zpoznnie się z metodą utomtyznego dowodzeni twierdzeń, tzn. weryfikji, zy dne twierdzenie jest tutologią (twierdzenie
Bardziej szczegółowoKLUCZ PUNKTOWANIA ODPOWIEDZI
Egzmin mturlny mj 009 INFORMATYKA POZIOM PODSTAWOWY KLUCZ PUNKTOWANIA ODPOWIEDZI Informtyk poziom podstwowy CZ I Nr zdni Nr podpunktu Mks. punktj z z zdni Mks. punktj z zdnie 1. Z poprwne uzupe nienie
Bardziej szczegółowoZ INFORMATYKI RAPORT
OKRĘGOWA KOMISJA EGZAMINACYJNA W POZNANIU WYNIKI EGZAMINU MATURALNEGO Z INFORMATYKI RAPORT WOJEWÓDZTWA LUBUSKIE*WIELKOPOLSKIE*ZACHODNIOPOMORSKIE 2 Egzmin mturlny z informtyki zostł przeprowdzony w łym
Bardziej szczegółowoOznaczenia: K wymagania konieczne; P wymagania podstawowe; R wymagania rozszerzające; D wymagania dopełniające; W wymagania wykraczające
Wymgni edukcyjne z mtemtyki ls 2 b lo Zkres podstwowy Oznczeni: wymgni konieczne; wymgni podstwowe; R wymgni rozszerzjące; D wymgni dopełnijące; W wymgni wykrczjące Temt lekcji Zkres treści Osiągnięci
Bardziej szczegółowoKodowanie liczb. Kodowanie stałopozycyjne liczb całkowitych. Niech liczba całkowita a ma w systemie dwójkowym postać: Kod prosty
Kodownie licz Kodownie stłopozycyjne licz cłkowitych Niech licz cłkowit m w systemie dwójkowym postć: nn 0 Wtedy może yć on przedstwion w postci ( n+)-itowej przy pomocy trzech niżej zdefiniownych kodów
Bardziej szczegółowoWYZNACZNIKI. . Gdybyśmy rozważali układ dwóch równań liniowych, powiedzmy: Takie układy w matematyce nazywa się macierzami. Przyjmijmy definicję:
YZNACZNIKI Do opisu pewnh oiektów nie wstrz użć liz. ie n przkłd, że do opisni sił nleż użć wektor. Sił to przeież nie tlko wielkość le i jej punkt przłożeni, zwrot orz kierunek dziłni. Zte jedną lizą
Bardziej szczegółowoPodstawy programowania obiektowego
1/3 Podstwy progrmowni oiektowego emil: m.tedzki@p.edu.pl stron: http://rgorn.p.ilystok.pl/~tedzki/ Mrek Tędzki Wymgni wstępne: Wskzn yły znjomość podstw progrmowni strukturlnego (w dowolnym języku). Temty
Bardziej szczegółowoCałki oznaczone. wykład z MATEMATYKI
Cłki oznzone wkłd z MATEMATYKI Budownitwo, studi niestjonrne sem. I, rok k. 28/29 Ktedr Mtemtki Wdził Informtki Politehnik Biłostok 1 Podstwowe pojęi 1.1 Podził P przedziłu, Nieh f ędzie funkją ogrnizoną
Bardziej szczegółowoPODSTAWY INŻYNIERI WIEDZY
Z1-PU7 WYDANIE N1 Strona 1 z 4 (pieczęć wydziału) KARTA PRZEDMIOTU 1. Nazwa przedmiotu: PODSTAWY INŻYNIERI WIEDZY 2. Kod przedmiotu: PIW 3. Karta przedmiotu ważna od roku akademickiego: 2012/2013 4. Forma
Bardziej szczegółowoInżynieria Wiedzy i Systemy Ekspertowe. Logika rozmyta. dr inż. Michał Bereta Politechnika Krakowska
Inżynieria Wiedzy i Systemy Ekspertowe Logika rozmyta dr inż. Michał Bereta Politechnika Krakowska http://torus.uck.pk.edu.pl/~beretam/ beretam@torus.uck.pk.edu.pl 1 Wyostrzanie Ostateczna, ostra wartość
Bardziej szczegółowoPodstawy układów logicznych
Podstwy ukłdów logicznych Prw logiki /9 Alger Boole Prw logiki WyrŜeni i funkcje logiczne Brmki logiczne Alger Boole /9 Alger Boole' Powszechnie stosowne ukłdy cyfrowe (logiczne) prcują w oprciu o tzw.
Bardziej szczegółowoZBIORY ROZMYTE I WNIOSKOWANIE PRZYBLIŻONE
METODY HEURYSTYCZNE wkłd 5 ZBIORY ROZMYTE I WNIOSKOWNIE PRZYBLIŻONE 965 Lotfi. Zdeh: Fuzz sets Metod reprezentcji wiedz wrżonej w jęzku j nturlnm: Tempertur wnosi 9 o C informcj liczow - nturln dl sstemów
Bardziej szczegółowoWymagania edukacyjne matematyka klasa 2b, 2c, 2e zakres podstawowy rok szkolny 2015/2016. 1.Sumy algebraiczne
Wymgni edukcyjne mtemtyk kls 2b, 2c, 2e zkres podstwowy rok szkolny 2015/2016 1.Sumy lgebriczne N ocenę dopuszczjącą: 1. rozpoznje jednominy i sumy lgebriczne 2. oblicz wrtości liczbowe wyrżeń lgebricznych
Bardziej szczegółowo( ) Elementy rachunku prawdopodobieństwa. f( x) 1 F (x) f(x) - gęstość rozkładu prawdopodobieństwa X f( x) - dystrybuanta rozkładu.
Elementy rchunku prwdopodoeństw f 0 f() - gęstość rozkłdu prwdopodoeństw X f d P< < = f( d ) F = f( tdt ) - dystryunt rozkłdu E( X) = tf( t) dt - wrtość średn D ( X) = E( X ) E( X) - wrncj = f () F ()
Bardziej szczegółowoPropozycja przedmiotowego systemu oceniania wraz z określeniem wymagań edukacyjnych (zakres podstawowy)
Propozycj przedmiotowego systemu ocenini wrz z określeniem wymgń edukcyjnych (zkres podstwowy) Proponujemy, by omwijąc dne zgdnienie progrmowe lub rozwiązując zdnie, nuczyciel określł do jkiego zkresu
Bardziej szczegółowoPołączenie (1) Optymalizacja poleceń SQL Część 3. Algorytm nested loops. Połączenie (2)
Połązenie () Optymlizj poleeń SQL zęść. Metody połązeń, metody sortowni, wskzówki Operj inrn zwsze udził iorą dwie tele, jedn zostje nzwn telą zewnętrzną, drug telą wewnętrzną. W przypdku poleeni łąząego
Bardziej szczegółowoWykład 2. Pojęcie całki niewłaściwej do rachunku prawdopodobieństwa
Wykłd 2. Pojęcie cłki niewłściwej do rchunku prwdopodobieństw dr Mriusz Grządziel 4 mrc 24 Pole trpezu krzywoliniowego Przypomnienie: figurę ogrniczoną przez: wykres funkcji y = f(x), gdzie f jest funkcją
Bardziej szczegółowoWymagania na ocenę dopuszczającą z matematyki klasa II Matematyka - Babiański, Chańko-Nowa Era nr prog. DKOS 4015-99/02
Wymgni n ocenę dopuszczjącą z mtemtyki kls II Mtemtyk - Bbiński, Chńko-Now Er nr prog. DKOS 4015-99/02 Temt lekcji Zkres treści Osiągnięci uczni WIELOMIANY 1. Stopień i współczynniki wielominu 2. Dodwnie
Bardziej szczegółowoH. Dąbrowski, W. Rożek Próbna matura, grudzień 2014 r. CKE poziom rozszerzony 1. Zadanie 15 różne sposoby jego rozwiązania
H ąrowski, W Rożek Prón mtur, grudzień 014 r K poziom rozszerzony 1 Zdnie 15 różne sposoy jego rozwiązni Henryk ąrowski, Wldemr Rożek Zdnie 15 Punkt jest środkiem oku prostokąt, w którym Punkt leży n oku
Bardziej szczegółowo4. RACHUNEK WEKTOROWY
4. RACHUNEK WEKTOROWY 4.1. Wektor zczepiony i wektor swoodny Uporządkowną prę punktów (A B) wyznczjącą skierowny odcinek o początku w punkcie A i końcu w punkcie B nzywmy wektorem zczepionym w punkcie
Bardziej szczegółowoLista 4 Deterministyczne i niedeterministyczne automaty
Uniwersytet Zielonogórski Instytut Sterowni i Systemów Informtycznych Teoretyczne Podstwy Informtyki List 4 Deterministyczne i niedeterministyczne utomty Wprowdzenie Automt skończony jest modelem mtemtycznym
Bardziej szczegółowoDZIAŁ 2. Figury geometryczne
1 kl. 6, Scenriusz lekcji Pole powierzchni bryły DZAŁ 2. Figury geometryczne Temt w podręczniku: Pole powierzchni bryły Temt jest przeznczony do relizcji podczs 2 godzin lekcyjnych. Zostł zplnowny jko
Bardziej szczegółowoSTANDARDOWE FUNKCJE PRZYNALEŻNOŚCI. METODY HEURYSTYCZNE wykład 6. (alternatywa dla s) (zdef. poprzez klasę s) GAUSSOWSKA F.
METODY HEURYSTYCZNE wykład 6 STANDARDOWE FUNKCJE PRZYNALEŻNOŚCI 2 GAUSSOWSKA F. PRZYNALEŻNOŚCI F. PRZYNALEŻNOŚCI KLASY s środek; a określa szerokość krzywej 3 4 F. PRZYNALEŻNOŚCI KLASY π F. PRZYNALEŻNOŚCI
Bardziej szczegółowoZADANIA OTWARTE. Są więc takie same. Trzeba jeszcze pokazać, że wynoszą one 2b, gdyż taka jest długość krawędzi dwudziestościanu.
ZADANIA OTWARTE ZADANIE 1 DWUDZIESTOŚCIAN FOREMNY Wiemy, że z trzech złotych prostokątów możn skonstruowć dwudziestościn foremny. Wystrczy wykzć, że długości boków trójkąt ABC n rysunku obok są równe.
Bardziej szczegółowoWymagania kl. 2. Uczeń:
Wymgni kl. 2 Zkres podstwowy Temt lekcji Zkres treści Osiągnięci uczni. SUMY ALGEBRAICZNE. Sumy lgebriczne definicj jednominu pojęcie współczynnik jednominu porządkuje jednominy pojęcie sumy lgebricznej
Bardziej szczegółowoOd lewej: piramida Chefrena, Wielki Sfinks, piramida Cheopsa.
1. Pirmidiotologi. W obfitej literturze przedmiotu podje się, że pirmid Ceops, lub też z ngielsk Wielk Pirmid (te Gret Pyrmid), zwier w swej konstrukcji pełną i szczegółową istorię rodzju ludzkiego od
Bardziej szczegółowoGŁÓWNY URZĄD STATYSTYCZNY, al. Niepodległości 208, 00-925 Warszawa DS-50 I OCHRONA ZDROWIA W GOSPODARSTWACH DOMOWYCH, Kwestionariusz indywidualny
GŁÓWNY URZĄD STATYSTYCZNY, l. Niepodległośi 08, 00-95 Wrszw www.stt.gov.pl Dził 1. CHARAKTERYSTYKA OSOBY 1. Symol województw gospodrstw domowego. Nr gospodrstw domowego. Nr kolejny osoy ojętej dniem w
Bardziej szczegółowoLaura Opalska. Klasa 1. Gimnazjum nr 1 z Oddziałami Integracyjnym i Sportowymi im. Bł. Salomei w Skale
Trójkąt Pscl od kuchni Kls 1 Gimnzjum nr 1 z Oddziłmi Integrcyjnym i Sportowymi im. Bł. Slomei w Skle ul. Ks.St.Połetk 32 32-043 Skł Gimnzjum nr 1 z Oddziłmi Integrcyjnymi i Sportowymi im. Bł. Slomei w
Bardziej szczegółowoXI. Rachunek całkowy funkcji wielu zmiennych. 1. Całka podwójna Całka podwójna po prostokącie. Oznaczenia:
XI. Rhunek łkowy funkji wielu zmiennyh. 1. Cłk podwójn. 1.1. Cłk podwójn po prostokąie. Oznzeni: P = {(x, y) R 2 : x b, y d} = [, b] [, d] - prostokąt n płszzyźnie, f(x, y) - funkj określon i ogrnizon
Bardziej szczegółowoSzkice rozwiązań zadań zawody rejonowe 2019
XVI Śląski Konkurs Mtemtyzny Szkie rozwiązń zdń zwody rejonowe 9 Zdnie. Znjdź wszystkie lizy pierwsze p, dl któryh liz pp+ + też jest lizą pierwszą. Rozwiąznie Jeżeli p, to pp+ + 3 + i jest to liz złożon.
Bardziej szczegółowoRozwiązania maj 2017r. Zadania zamknięte
Rozwiązni mj 2017r. Zdni zmknięte Zd 1. 5 16 5 2 5 2 Zd 2. 5 2 27 2 23 2 2 2 2 Zd 3. 2log 3 2log 5log 3 log 5 log 9 log 25log Zd. 120% 8910 1,2 8910 2,2 8910 $%, 050 Zd 5. Njłtwiej jest zuwżyć że dl 1
Bardziej szczegółowoZbiory wyznaczone przez funkcje zdaniowe
pojęci zbioru i elementu RCHUNEK ZIORÓW zbiór zwier element element nleży do zbioru jest elementem zbioru ( X zbiór wszystkich przedmiotów indywidulnych, których dotyczy dn nuk zbiór pełny (uniwerslny
Bardziej szczegółowoWartość bezwzględna. Proste równania i nierówności.
Wrtość bezwzględn Proste równni i nierówności Dl liczb rzeczywistych możemy zdefiniowć opercję zwną wrtością bezwzględną lub modułem liczby Definicj 7,, Sens powyższej definicji jest nstępujący Jeżeli
Bardziej szczegółowozestaw DO ĆWICZEŃ z matematyki
zestaw DO ĆWICZEŃ z mtemtyki poziom rozszerzony rozumownie i rgumentcj krty prcy ZESTAW I Zdnie 1. Wykż, że odcinek łączący środki dwóch dowolnych oków trójkąt jest równoległy do trzeciego oku i jest równy
Bardziej szczegółowoROZWIĄZYWANIE MAŁYCH TRÓJKĄTÓW SFERYCZNYCH
Mteriły dydktyzne Geodezj geometryzn Mrin Ligs, Ktedr Geomtyki, Wydził Geodezji Górnizej i Inżynierii Środowisk OZWIĄZYWANIE MAŁYCH TÓJKĄTÓW SFEYCZNYCH rezentowne metody rozwiązywni młyh trójkątów sferyznyh
Bardziej szczegółowoZastosowanie multimetrów cyfrowych do pomiaru podstawowych wielkości elektrycznych
Zstosownie multimetrów cyfrowych do pomiru podstwowych wielkości elektrycznych Cel ćwiczeni Celem ćwiczeni jest zpoznnie się z możliwościmi pomirowymi współczesnych multimetrów cyfrowych orz sposobmi wykorzystni
Bardziej szczegółowoINSTRUKCJA. - Jak rozwiązywać zadania wysoko punktowane?
INSTRUKCJA - Jk rozwiązywć zdni wysoko punktowne? Mturzysto! Zdni wysoko punktowne to tkie, z które możesz zdobyć 4 lub więcej punktów. Zdni z dużą ilość punktów nie zwsze są trudniejsze, często ich punktcj
Bardziej szczegółowoMATLAB PODSTAWY. [ ] tworzenie tablic, argumenty wyjściowe funkcji, łączenie tablic
MTLB PODSTWY ZNKI SPECJLNE symbol przypisi [ ] tworzeie tblic, rgumety wyjściowe fukcji, łączeie tblic { } ideksy struktur i tblic komórkowych ( ) wisy do określi kolejości dziłń, do ujmowi ideksów tblic,
Bardziej szczegółowo8. 1. DEFINICJE FUNKCJI TRYGONOMETRYCZNYCH. Definicje funkcji trygonometrycznych kata ostrego. b- przyprostokątna przy α
8.. DEFINICJE FUNKCJI TRYGONOMETRYCZNYCH Definije funkji trygonometryznyh kt ostrego przyprostokątn nprzeiw - przyprostokątn przy - przeiwprostokątn sin - zytj: sinus os - zytj: kosinus tg - zytj: tngens
Bardziej szczegółowoMinimalizacja automatu
Minimlizj utomtu Minimlizj utomtu to minimlizj lizy stnów. Jest to trnsformj utomtu o nej tliy przejśćwyjść n równowżny mu (po wzglęem przetwrzni sygnłów yfrowyh) utomt o mniejszej lizie stnów wewnętrznyh.
Bardziej szczegółowoZadania. I. Podzielność liczb całkowitych
Zdni I. Podzielność liczb cłkowitych. Pewn liczb sześciocyfrow kończy się cyfrą 5. Jeśli tę cyfrę przestwimy n miejsce pierwsze ze strony lewej to otrzymmy nową liczbę cztery rzy większą od poprzedniej.
Bardziej szczegółowoRozwiązywanie zadań z dynamicznego ruchu płaskiego część I 9
ozwiązywnie zdń z dyniczneo ruchu płskieo część I 9 Wprowdzenie ozwiązywnie zdń w oprciu o dyniczne równni ruchu (D pole n uwolnieniu z więzów kżdeo z cił w sposób znny ze sttyki. Wrunki równowi są zbliżone
Bardziej szczegółowoMETODY INTELIGENCJI OBLICZENIOWEJ wykład 6
METODY INTELIGENCJI OBLICZENIOWEJ wykład 6 2 ZBIORY ROZMYTE I WNIOSKOWANIE PRZYBLIŻONE 965 Lotfi A. Zadeh: : Fuzzy sets In almost every case you can build the same product without fuzzy logic, but fuzzy
Bardziej szczegółowoKARTA WZORÓW MATEMATYCZNYCH. (a + b) c = a c + b c. p% liczby a = p a 100 Liczba x, której p% jest równe a 100 a p
KRT WZORÓW MTEMTYZNY WŁSNOŚI DZIŁŃ Pwo pzemiennośi dodwni + = + Pwo łąznośi dodwni + + = ( + ) + = + ( + ) Pwo zemiennośi mnoŝeni = Pwo łąznośi mnoŝeni = ( ) = ( ) Pwo ozdzielnośi mnoŝeni względem dodwni
Bardziej szczegółowousuwa niewymierność z mianownika wyrażenia typu
Wymgni edukcyjne n poszczególne oceny z mtemtyki Kls pierwsz zkres podstwowy. LICZBY RZECZYWISTE podje przykłdy liczb: nturlnych, cłkowitych, wymiernych, niewymiernych, pierwszych i złożonych orz przyporządkowuje
Bardziej szczegółowoKomisja Egzaminacyjna dla Aktuariuszy LII Egzamin dla Aktuariuszy z 15 marca 2010 r. Część I Matematyka finansowa
Mtemtyk finnsow 15.0.010 r. Komisj Egzmincyjn dl Akturiuszy LII Egzmin dl Akturiuszy z 15 mrc 010 r. Część I Mtemtyk finnsow WERSJA TESTU A Imię i nzwisko osoy egzminownej:... Czs egzminu: 100 minut 1
Bardziej szczegółowo4.6. Gramatyki regularne
4.6. Grmtyki regulrne G = < N,T,P,Z > jest grmtyką prwostronnie liniową, jeśli jej produkcje mją postć: ( i) U xv x T * U,V N ( ii) U x G = < N,T,P,Z > jest grmtyką prwostronnie regulrną, jeśli jej produkcje
Bardziej szczegółowoWprowadzenie do Sieci Neuronowych Łańcuchy Markowa
Projekt pn. Wzmonienie potenjłu dydktyznego UMK w Toruniu w dziedzinh mtemtyzno-przyrodnizyh relizowny w rmh Poddziłni 4.1.1 Progrmu Operyjnego Kpitł Ludzki Wprowdzenie do Siei Neuronowyh Łńuhy Mrkow Mj
Bardziej szczegółowoSzczegółowe wymagania edukacyjne z matematyki, klasa 2C, poziom podstawowy
Szczegółowe wymgni edukcyjne z mtemtyki, kls 2C, poziom podstwowy Wymgni konieczne () dotyczą zgdnieo elementrnych, stnowiących swego rodzju podstwę, ztem powinny byd opnowne przez kżdego uczni. Wymgni
Bardziej szczegółowoWprowadzenie do Sieci Neuronowych Łańcuchy Markowa
Wprowdzenie do Siei Neuronowyh Łńuhy Mrkow Mj Czoków, Jrosłw Piers 213-1-14 1 Przypomnienie Łńuh Mrkow jest proesem stohstyznym (iągiem zmiennyh losowyh), w którym rozkłd zmiennej w hwili t zleży wyłąznie
Bardziej szczegółowoMatematyczne Podstawy Informatyki
Mtemtyczne Podstwy Informtyki dr inż. Andrzej Grosser Instytut Informtyki Teoretycznej i Stosownej Politechnik Częstochowsk Rok kdemicki 2013/2014 Podstwowe pojęci teorii utomtów I Alfetem jest nzywny
Bardziej szczegółowoJest błędem odwołanie się do zmiennej, której nie przypisano wcześniej żadnej wartości.
Zmienne: W progrmie operuje się n zmiennych. Ndwnie im wrtości odbyw się poprzez instrukcję podstwieni. Interpretcj tej instrukcji jest nstępując: zmiennej znjdującej się z lewej strony instrukcji podstwieni
Bardziej szczegółowoWykład 2. Granice, ciągłość, pochodna funkcji i jej interpretacja geometryczna
1 Wykłd Grnice, ciągłość, pocodn unkcji i jej interpretcj geometryczn.1 Grnic unkcji. Grnic lewostronn i grnic prwostronn unkcji Deinicj.1 Mówimy, że liczb g jest grnicą lewostronną unkcji w punkcie =,
Bardziej szczegółowoTemat: Do czego służą wyrażenia algebraiczne?
Projekt współfinnsowny przez Unię Europejską w rm Europejskiego Funduszu Społeznego Spotknie 14 Temt: Do zego służą wyrżeni lgerizne? Pln zjęć 1. Jkie wyrżenie nzywmy lgeriznym? Czym wyrżenie lgerizne
Bardziej szczegółowoJest błędem odwołanie się do zmiennej, której nie przypisano wcześniej żadnej wartości.
Zmienne Po nieco intuicyjnych początkch, zjmiemy się obiektmi, n których opier się progrmownie są to zmienne. Zmienne Progrmy operują n zmiennych. Ndwnie im wrtości odbyw się poprzez instrukcję podstwieni.
Bardziej szczegółowoRealizacje zmiennych są niezależne, co sprawia, że ciąg jest ciągiem niezależnych zmiennych losowych,
Klsyczn Metod Njmniejszych Kwdrtów (KMNK) Postć ć modelu jest liniow względem prmetrów (lbo nleży dokonć doprowdzeni postci modelu do liniowości względem prmetrów), Zmienne objśnijące są wielkościmi nielosowymi,
Bardziej szczegółowoPODSTAWY ALGEBRY MACIERZY. Operacje na macierzach
PODSTWY LGEBRY MCIERZY WIERSZ i, KOLUMN (j) Mcierz m,n, gdzie m to ilość wierszy, n ilość kolumn i,j element mcierzy z itego wiersz, jtej kolumny Opercje n mcierzch Równość mcierzy m,n = B m,n. def i,j
Bardziej szczegółowoT W O R Z Y M Y. 15 godzin w cyklu 3-godzinnym
T W O R Z Y M Y 5 godzin -godzinnym Szzegółowe ele ksztłeni i wyhowni: doskonlenie umiejętnośi pry z edytorem grfiznym poznnie zsd poprwnego tworzeni prezentji multimedilnyh nyie umiejętnośi smodzielnego
Bardziej szczegółowoMaciej Grzesiak. Iloczyn skalarny. 1. Iloczyn skalarny wektorów na płaszczyźnie i w przestrzeni. a b = a b cos ϕ. j) (b x. i + b y
Mciej Grzesik Iloczyn sklrny. Iloczyn sklrny wektorów n płszczyźnie i w przestrzeni Iloczyn sklrny wektorów i b określmy jko b = b cos ϕ. Bezpośrednio z definicji iloczynu sklrnego mmy, że i i = j j =
Bardziej szczegółowoWeryfikacja modelowa jest analizą statyczną logiki modalnej
Weryfikcj modelow jest nlizą sttyczną logiki modlnej Mrcin Sulikowski MIMUW 15 grudni 010 1 Wstęp Weryfikcj systemów etykietownych 3 Flow Logic 4 Weryfikcj modelow nliz sttyczn Co jest czym czego? Weryfikcj
Bardziej szczegółowo4.3. Przekształcenia automatów skończonych
4.3. Przeksztłceni utomtów skończonych Konstrukcj utomtu skończonego (niedeterministycznego) n podstwie wyrżeni regulrnego (lgorytm Thompson). Wejście: wyrżenie regulrne r nd lfetem T Wyjście : utomt skończony
Bardziej szczegółowoZasada rozszerzania. A U A jest zbiorem rozmytym, B jest obrazem zbioru A Przeniesienie rozmytości A w odwzorowaniu f na zbiór B. sup.
Zasada rozszerzania f U V U jest zbiorem rozmytym V = f( ), jest obrazem zbioru Przeniesienie rozmytości w odwzorowaniu f na zbiór v) = ( v)? ( f ( ) = sup ( u) gdy ( v) 0 1 = 1 u f ( v) f( ) ( v) 1 0
Bardziej szczegółowoNotatki z Analizy Matematycznej 4. Jacek M. Jędrzejewski
Nottki z Anlizy Mtemtycznej 4 Jcek M. Jędrzejewski ROZDZIAŁ 7 Cłk Riemnn 1. Cłk nieoznczon Definicj 7.1. Niech f : (, b) R będzie dowolną funkcją. Jeżeli dl pewnej funkcji F : (, b) R spełnion jest równość
Bardziej szczegółowoFizyka. Kurs przygotowawczy. na studia inżynierskie. mgr Kamila Haule
Fizyk Kurs przygotowwczy n studi inżynierskie mgr Kmil Hule Dzień 3 Lbortorium Pomir dlczego mierzymy? Pomir jest nieodłączną częścią nuki. Stopień znjomości rzeczy często wiąże się ze sposobem ich pomiru.
Bardziej szczegółowosystem identyfikacji wizualnej forma podstawowa karta A03 część A znak marki
krt A03 część A znk mrki form podstwow Znk mrki Portu Lotniczego Olsztyn-Mzury stnowi połączenie znku grficznego (tzw. logo) z zpisem grficznym (tzw. logotypem). Służy do projektowni elementów symboliki
Bardziej szczegółowoPRÓBNA MATURA Z MATEMATYKI Z OPERONEM LISTOPAD ,0. 3x 6 6 3x 6 6,
Zdnie PRÓBNA MATURA Z MATEMATYKI Z OPERONEM LISTOPAD 04 Zbiorem wszystkich rozwiązń nierówności x 6 6 jest: A, 4 0, B 4,0 C,0 4, D 0,4 Odpowiedź: C Rozwiąznie Sposób I Nierówność A 6 jest równowżn lterntywie
Bardziej szczegółowo2. Na ich rozwiązanie masz 90 minut. Piętnaście minut przed upływem tego czasu zostaniesz o tym poinformowany przez członka Komisji Konkursowej.
Kod uczni... MAŁOPOLSKI KONKURS MATEMATYCZNY dl uczniów gimnzjów Rok szkolny 03/0 ETAP SZKOLNY - 5 pździernik 03 roku. Przed Tobą zestw zdń konkursowych.. N ich rozwiąznie msz 90 minut. Piętnście minut
Bardziej szczegółowoOchrona przed przepięciami w sieciach ISDN
OGANICZANIE PZEPIĘĆ W YEMACH PZEYŁ YGNAŁÓW Ochron przed przepięcimi w siecich IDN Andrzej ow Wstęp Wzrost zpotrzeowni n usługi odiegjące od klsycznego przekzu telefonicznego spowodowł gwłtowny rozwój sieci
Bardziej szczegółowoĆWICZENIA 1. PRZEDMIOT: ANALIZA EKONOMICZNA
Dr Ktrzyn Mmrz Wydził Ekonomizny UMCS Zkłd nliz Rynkowyh ĆWICZENI. PRZEDMIOT: NLIZ EKONOMICZN I. Sylus przedmiotu: dostępny w systemie USOS orz n profilu prownik II. Profil prownik znjduje się n stronie
Bardziej szczegółowoKatalog wymagań programowych na poszczególne stopnie szkolne. Matematyka. Poznać, zrozumieć
Ktlog wymgń progrmowych n poszczególne stopnie szkolne Mtemtyk. Poznć, zrozumieć Ksztłcenie w zkresie podstwowym. Kls 2 Poniżej podjemy umiejętności, jkie powinien zdobyć uczeń z kżdego dziłu, by uzyskć
Bardziej szczegółowoN(0, 1) ) = φ( 0, 3) = 1 φ(0, 3) = 1 0, 6179 = 0, 3821 < t α 1 e t dt α > 0. f g = fg. f = e t f = e t. U nas: g = t α 1 g = (α 1)t α 2
Zdnie X,..., X 5 N(6, 5 ) Y,..., Y 6 N(7, 5 ) X N(6, 5 6 ) Ȳ N(7, 5 6 ) Przy złożeniu niezleżności zmiennych mmy: X Ȳ N(, ) po stndryzcji otrzymmy: Ȳ X N(, ) Pr(Ȳ X < ) = Pr(Ȳ X < ) = φ(, 3) = φ(, 3) =,
Bardziej szczegółowoMatematyka stosowana i metody numeryczne
Ew Pbisek Adm Wostko Piotr Pluciński Mtemtyk stosown i metody numeryczne Konspekt z wykłdu 0 Cłkownie numeryczne Wzory cłkowni numerycznego pozwlją n obliczenie przybliżonej wrtości cłki: I(f) = f(x) dx
Bardziej szczegółowoAlgebra macierzowa. Akademia Morska w Gdyni Katedra Automatyki Okrętowej Teoria sterowania. Mirosław Tomera 1. ELEMENTARNA TEORIA MACIERZOWA
kdemi Morsk w Gdyni Ktedr utomtyki Okrętowej Teori sterowni lger mcierzow Mirosłw Tomer. ELEMENTRN TEORI MCIERZOW W nowoczesnej teorii sterowni rdzo często istnieje potrze zstosowni notcji mcierzowej uprszczjącej
Bardziej szczegółowoKlucz odpowiedzi do zadań zamkniętych i schemat oceniania zadań otwartych
Klucz odpowiedzi do zdń zmkniętc i scemt ocenini zdń otwrtc Klucz odpowiedzi do zdń zmkniętc 4 7 9 0 4 7 9 0 D D D Scemt ocenini zdń otwrtc Zdnie (pkt) Rozwiąż nierówność x x 0 Oliczm wróżnik i miejsc
Bardziej szczegółowoKarta oceny merytorycznej wniosku o dofinansowanie projektu konkursowego PO KL 1
Złącznik 3 Krt oceny merytorycznej wniosku o dofinnsownie konkursowego PO KL 1 NR WNIOSKU KSI: WND-POKL. INSTYTUCJA PRZYJMUJĄCA WNIOSEK:. NUMER KONKURSU 2/POKL/8.1.1/2010 TYTUŁ PROJEKTU:... SUMA KONTROLNA
Bardziej szczegółowosymbol dodatkowy element graficzny kolorystyka typografia
Identyfikcj wizuln Fundcji n rzecz Nuki Polskiej 1/00 Elementy podstwowe symbol dodtkowy element grficzny kolorystyk typogrfi Identyfikcj wizuln Fundcji n rzecz Nuki Polskiej 1/01 Elementy podstwowe /
Bardziej szczegółowoAlgorytmy graficzne. Filtry wektorowe. Filtracja obrazów kolorowych
Algorytmy grficzne Filtry wektorowe. Filtrcj orzów kolorowych Filtrcj orzów kolorowych Metody filtrcji orzów kolorowych możn podzielić n dwie podstwowe klsy: Metody komponentowe (component-wise). Cechą
Bardziej szczegółowoWYMAGANIA EDUKACYJNE Z MATEMATYKI W KLASIE IIc ZAKRES PODSTAWOWY I ROZSZERZONY
WYMAGANIA EDUKACYJNE Z MATEMATYKI W KLASIE IIc ZAKRES PODSTAWOWY I ROZSZERZONY. JĘZYK MATEMATYKI oblicz wrtość bezwzględną liczby rzeczywistej stosuje interpretcję geometryczną wrtości bezwzględnej liczby
Bardziej szczegółowo