Rysunek 1. Piramida obrazów
|
|
- Arkadiusz Patryk Przybysz
- 7 lat temu
- Przeglądów:
Transkrypt
1 ZASTOSOWANIE PIRAMIDY OBRAZÓW DO ODSZUMIANIA MGR IN. G. SARWAS 1. Wst p Otaczaj cy nas ±wiat ma struktur wieloskalow. To co widzimy zale»y od tego w jakim powi kszeniu oraz rozdzielczo±ci ogl damy dany obraz. Aby komputer mógª dokona analizy obrazu cyfrowego, musi dokona pewnej dekompozycji, która zachodzi tak»e w mózgu czªowieka, podczas analizy zarejestrowanego obrazu. Czªowiek, analizuj c dany obraz, zaczyna od rozpoznania rzeczy jak najbardziej ogólnych, a ko«czy na szczegóªach. Najpierw analizuje tªo, okre±la ilo± przedmiotów, a nast pnie przechodzi do analizy ksztaªtów, kolorów i faktur. Dla komputera obraz cyfrowy to nic innego jak macierz punków. Aby mógª go podzieli na pewne obszary musi tak»e zacz od zbiorów jednorodnych (tªa), by nast pnie doª czy wszystkie elementy znajduj ce si w pa±mie wysokich cz stotliwo±ci (szumy, tekstury). Taki sposób post powania staª si inspiracj do stworzenia piramidy obrazów, która dokonywaªaby wst pnej dekompozycji obrazu poprzez zmian jego rozdzielczo±ci i wydobycie z niego elementów jak najbardziej ogólnych, by nast pnie mo»na byªo zaj si analiz bardziej szczegóªow. 2. Zastosowanie piramidy obrazów do odszumiania Piramida obrazu jest zbiorem obrazów w ró»nej rozdzielczo±ci. Poprzez redukcj rozdzielczo±ci w obrazie wej±ciowym, otrzymuje si struktur hierarchiczn, w której jasno± ka»dego piksela znajduj cego si na danym poziomie piramidy jest funkcj pewnej liczby punktów z poziomu ni»szego. Rysunek 1. Piramida obrazów Ilo± poziomów piramidy ograniczona jest przede wszystkim poprzez rozmiar obrazu wej±ciowego. Kolejne poziomy mog by uzyskiwane, a» do otrzymania poziomu skªadaj cego si z jednego piksela. Nie ma jednak potrzeby tworzenia, a» tak wysokiej piramidy, poniewa» obraz skªadaj cy si z jednego piksela nie daje»adnej mo»liwo±ci analizy, dlatego te» ilo± poziomów okre±lana jest wcze±niej i zale»y od zastosowania konstrukcji piramidalnej. Date: Luty 17,
2 2 MGR IN. G. SARWAS Jak wida na rysunku 1 na samym dole piramidy znajduje si obraz oryginalny o najwi kszej rozdzielczo±ci. Obraz ten zawiera elementy zarówno o niskiej, jak i o wysokiej cz stotliwo±ci. Wyra¹nie widoczne s tekstury, wszelkie detale oraz szum. Podczas tworzenia kolejnych poziomów piramidy, oprócz redukcji liczby pikseli, cz sto stosuje si tak»e rozmaite ltry. W wyniku przeksztaªce«piramidalnych usuwa si informacje o szczegóªach obrazu. Ka»dy nast pny poziom piramidy b dzie wi c zawieraª elementy bardziej ogólne, znajduj ce si w pa±mie niskich cz stotliwo±ci. B d to jednorodne, rozmazane obszary Rodzaje piramidy obrazów. Poszczególne piramidy ró»ni mi dzy sob sposób otrzymywania kolejnego poziomu. Ze wzgl du na rodzaj przeksztaªcenia, daj cy obraz o ni»szej rozdzielczo±ci, mo»na wyró»ni piramidy liniowe i nieliniowe. Najcz ±ciej stosowanymi piramidami niefalkowymi s : (1) Liniowe: (a) Piramida u±redniaj ca (b) Piramida Gaussa (2) Nieliniowe: (a) Piramida oparta na metodzie najbli»szego s siada (ang. nearest neighbour) (b) Piramida medianowa (c) Piramida morfologiczna Rysunek 2. Schemat dekompozycji i rekonstrukcji piramidalnej 2.2. Dekompozycja piramidalna obrazu. Dowoln dekompozycj piramidaln obrazu f mo»na opisa za pomoc algorytmu [1]: (1) Niech g k = f dla k = 0. (2) Poddanie obrazu g k P rzeksztaªceniu P iramidalnemu w celu uzyskania nast pnego poziomu piramidy g k+1 : g k+1 = REDUKCJA(g k ) (3) Interpolacja obraz g k+1 w celu powrotu do rozmiaru obrazu z poziomu ni»szego: g k = INT ERP OLACJA(g k+1 ) (4) Wyliczenie macierzy wspóªczynników, zdeniowanej jako: ε k = g k g k
3 PIRAMIDA OBRAZÓW 3 (5) Niech k = k + 1. Je±li k < S, gdzie S - ilo± poziomów piramidy, id¹ do kroku 2. Macierz wspóªczynników jest ró»nic pomi dzy obrazem z ni»szego poziomu piramidy, a obrazem z poziomu wy»szego, zinterpolowanym do rozmiarów obrazu wej±ciowego. Macierz ta nie mo»e by jednak nazwana obrazem, poniewa» obrazem nazywamy macierz dwuwymiarow o wspóªczynnikach wi kszych b d¹ równych zero. W przypadku dekompozycji piramidalnej nie ma mo»liwo±ci okre±lenia, czy macierz wspóªczynników b dzie obrazem. Wi kszo± przeksztaªce«piramidalnych nie jest bowiem antyekstensywna. Sposobem na otrzymanie obrazu ró»nicowego z macierzy wspóªczynników jest policzenia jej warto±ci bezwzgl dnej O ró»nicowy = ε k 1. Obraz taki znakomicie przedstawia wszystkie elementy, które zostaªy usuni te z obrazu w procesie powstawania piramidy. Ró»nice te nie wynikaj jednak tylko z transformaty piramidalnej ale s tak»e zale»ne od rodzaju interpolacji obrazu, która dopasowuj cej jego rozmiar do wykonania operacji odejmowania. Obraz taki pozwala znale¹ sposoby zastosowa«ró»nych przeksztaªce«piramidalnych. Nale»y jednak pami ta,»e wykonanie rekonstrukcji przy pomocy obrazu ró»nicowego mo»e doprowadzi do powstania artefaktów Rekonstrukcja obrazu. Jak wida na rysunku 2 wystarczaj c wiedz do rekonstrukcji obrazu g S, znajduj cego si na S-owym poziomie piramidy, do obrazu oryginalnego, jest dany obraz oraz macierze wspóªczynników ε k, gdzie k {0,..., S 1}. Rekonstrukcj obrazu mo»na przedstawi za pomoc algorytmu [1]: (1) Niech g k = g S, dla k = S (2) Interpolacja obrazu z poziomu g k do wielko±ci obrazu na poziomie k 1 : g k 1 = INT ERP OLACJA(g k ) (3) Wyliczenie obrazu na poziomie piramidy k 1 : g k 1 = g k 1 + ε k 1 (4) Niech k = k 1. Je±li k > 0 id¹ do kroku 2. Aby mo»liwy byª powrót z dowolnego poziomu piramidy, do obrazu oryginalnego nale»y w procesie restauracji u»y takiego samego algorytmu interpolacji, jak ten który zostaª u»yty w procesie dekompozycji Zmodykowany algorytm dekompozycji. Inn metod znalezienia obrazu ró»nicowego jest niewielka modykacja algorytmu dekompozycji i podziaª przeksztaªcenia piramidalnego na dwie operacje. Pierwasz operacj jest przeltrowanie obrazu ltrem zale»nym od rodzaju piramidy. W wyniku otrzymuje si obraz b d cy obrazem przeltrowanym lecz o rozmiarze równym rozmiarowi obrazu wej±ciowego. Nast pnie posiadaj c dwa obrazy tych samych rozmiarów mo»na dokona odejmowania otrzymuj c macierz wspóªczynników. Przej±cie do nast pnego poziomu piramidy wi»e si z u»yciem piramidy opartej na metodzie najbli»szego s siada, czyli wybraniu co drugiego piksela w wierszu i kolumnie. W przypadku zmodykowanego algorytmu dekompozycji, macierz wspóªczynników jest obrazem ró»nicowym pod warunkiem,»e ltr u»yty w tym procesie byª antyekstensywny. Filtrem takim jest ltr otwarcia u»ywany w piramidzie morfologicznej. Podstawow wad zastosowania zmodykowanego algorytmu dekompozycji jest niedokªadno± rekonstrukcji, wynikaj ca z faktu, i» macierz wspóªczynników nie uwzgl dnia bª du wprowadzonego poprzez interpolacj obrazu.
4 4 MGR IN. G. SARWAS 2.5. Algorytm odszumiania. Dziaªanie algorytmu odszumiaj cego opiera si o podwójne progowanie macierzy wspóªczynników. Poprzez odpowiednie dobranie operacji REDU KCJI i IN T ERP OLACJI, w procesie dekompozycji piramidalnej, otrzymuje si macierze wspóªczynników zawieraj ce informacje o detalach obrazu oraz szum, który jest tak»e skªadnikiem wysokocz stotliwo±ciowym. Zaszumione piksele obrazu ró»nicowego odznaczaj si wysok luminancj. Poprzez u»ycie mi kkiego progowania mo»na z macierzy wspóªczynników wyeliminowa informacj o szumie, dzi ki czemu w procesie rekonstrukcji obrazu zostan przywrócone jego detale Algorytm progowania macierzy wspóªczynników. p ε k (i, j) p ε k (i, j) = p ε k (i, j) p ε k (i, j) w innym przypadku, gdzie p-próg W przypadku odszumiania obrazu wystarczy wykona dekompozycj piramidaln o wysoko±ci 3. Wy»sze poziomy nie zawieraj informacji o szumie. Dziaªanie algorytmu mo»na poprawi poprzez zró»nicowane progowanie. Im macierz wspóªczynników jest na wy»szym poziomie tym próg mo»e by wi kszy Filtr piramidalny. Bardzo dobre wªasno±ci ltrowania obrazu posiada ltr w dekompozycji którego zostaªa zastosowana piramida medianowa i interpolacja biliniowa Algorytm dekompozycji z zastosowaniem piramidy medianowej. (1) Niech g k = f, gdzie k = 0, f - obraz wej±ciowy. (2) Wyliczenie nast pnego poziomu: g k+1 (i, j) = med(g k (2i + m, 2j + n), s), gdzie 0 < i C k+1, 0 < j R k+1, a funkcja med(f(i, j), s) zdeniowana jest jako mediana otoczenia piksela o wspóªrz dnych i, j z j drem o wymiarach (2s + 1) (2s + 1) (3) g k = INT ERP OLACJA(g k+1 ) (4) Wyliczenie macierzy wspóªczynników: ε k = g k g k (5) k = k + 1. Je±li k < S, gdzie S - ilo± poziomów piramidy, to id¹ do kroku Zmodykowany algorytm dekompozycji. Algorytm ten opiera si o ltr medianowy i piramid opart na metodzie najbli»szego s siada. Na ka»dym poziomie piramidy nale»y napierw wykona ltracj obrazu za pomoc ltru medianowego. Nast pnie na przeltrowanym obrazie wykonuje si opracj REDU KCJI za pomoc algorytmu najbli»szego s siada: (1) Niech g k = f, gdzie k = 0, f - obraz wej±ciowy. (2) Filtracja obrazu g k na k-tym poziomie piramidy (3) Wyliczenie nast pnego poziomu: g k = med(g k ) g k+1 = dec(g k), gdzie dec jest operacj polegaj c na zast pieniu wszystkich czwórek pikseli, jednym z nich. (4) g k = INT ERP OLACJA(g k+1 ) (5) Wyliczenie macierzy wspóªczynników: ε k = g k g k
5 PIRAMIDA OBRAZÓW 5 (6) k = k + 1. Je±li k < S, gdzie S - ilo± poziomów piramidy, to id¹ do kroku Interpolacja dwuliniowa. Interpolacja dwuliniowa jest podstawow, liniow metod interpolacji obrazów. Nowy piksel wyliczany jest na podstawie czterech s siaduj cych ze sob pikseli [2]. Rysunek 3. Siatka interpolacji dwuliniowej Aby wyliczy warto± piksela f(p ) w punkcie P = (x, y), najpierw trzeba wykona interpolacj wzdªu» osi x, w efekcie której otrzymuje si warto±ci obrazu w punktach R 1 i R 2. Warto± tych punktów wylicza si ze wzoru: (1) f(r 1 ) x 2 x f(q 11 ) + x x 1 f(q 21 ), gdzie R 1 = (x, y 1 ), (2) f(r 2 ) x 2 x f(q 12 ) + x x 1 f(q 22 ), gdzie R 2 = (x, y 2 ). Nast pnie dokonuje si interpolacji wzdªu» osi y: (3) f(p ) y 2 y y 2 y 1 f(r 1 ) + y y 1 y 2 y 1 f(r 2 ). (4) Ostatecznie podstawiaj c wzory na f(r 1 ) i f(r 2 ) otrzymujemy: f(q 11) f(x, y) (x (x 2 x 1)(y 2 y 1) 2 x)(y 2 y) f(q + 21) (x (x x 2 x 1)(y 2 y 1) 1)(y 2 y) f(q + 12) (x (x 2 x 1)(y 2 y 1) 2 x)(y y 1 ) f(q + 22) (x (x x 2 x 1)(y 2 y 1) 1)(y y 1 ). Interpolacja dwuliniowa jest najmniej zªo»on obliczeniowo interpolacj. U±redniaj c piksele s siednie powoduje ona rozmycie obrazu. Interpolacji obrazu zawieraj cego szum o rozkªadzie Gaussa spowoduje jego usuni cie Opis algorytmu. (1) Wykonanie piramidy medianowej z interpolacj dwuliniow (3 poziomy) (2) Wykonanie progowania mecierzy wspóªczynników (3) Rekonstrukcja obrazu
6 6 MGR IN. G. SARWAS 3. wiczenie laboratoryjne Celem wiczenia jest napisanie algorytmu dekompozycji i rekonstrukcji piramidalnej w oparciu o piramid medianow i interpolacj dwuliniow. Nast pn cz ±ci wiczenia jest zastosowanie algorytmu ltracji piramidalnej do usuwania szumu impulsowego oraz szumu o rozkªadzie Gaussa. Wyniki dziaªania ltru nale»y porówna z wynikami otrzymanymi przy zastosowaniu ltra Gaussa oraz medianowego Plan wiczenia. (1) Napisanie algorytmu interpolacji biliniowej. (2) Napisanie algorytmu REDU KCJI w oparciu o metod najbli»szego s - siada. (3) Stworzenie algorytmu dekompozycji piramidalnej opartej o piramid medianow i interpolacj dwuliniow. (4) Stworzenie algorytmu rekonstrukcji piramidalnej. (5) Wy±wietlenie obrazów ró»nicowych. (6) Wykonanie algorytmu progowania macierzy wspóªczynników. (7) Przetestowanie dziaªania algorytmu odszumiaj cego w przypadku szumu impulsowego oraz o rozkªadzie Gaussa dla ró»nych progów. (8) Porównanie dziaªania ltru piramidalnego z ltrem medianowym i u±redniaj cym. (9) Sprawozdanie z wiczenia (Do wykonania w domu). Literatura [1] J.-L. Starck, F. Murtagh, A. Bijaoui: Image Processing and Data Analysis: The Multiscale Approach, Cambridge University Press, (1998). [2] M. Jiang from School of Mathematical Sciences: Digital Image Processing, Peking University, ( ). [3] M. Kraus, M. Strengert: Pyramid Filters Based On Bilinear Interpolation. [4] J.M. Ogden, E.H. Adelson, J R. Bergen, P.J. Burt Pyramid-based computer graphics, RCA Engineer, (Nov 1985). [5] K.G. Derpanis: The Gaussian Pyramid, Version 1.0, (5 Feb 2005). [6] G. Sarwas: Zastosowania piramidy niefalkowej w przetwarzaniu obrazów, Praca Magisterska broniona w Zakªadzie Sterowania PW, (Sep 2007). address, G. Sarwas: sarwasg@isep.pw.edu.pl URL:
Przetwarzanie sygnaªów
Przetwarzanie sygnaªów Wykªad 8 - Wst p do obrazów 2D Marcin Wo¹niak, Dawid Poªap Przetwarzanie sygnaªów Pa¹dziernik, 2018 1 / 27 Plan wykªadu 1 Informacje wstepne 2 Przetwarzanie obrazu 3 Wizja komputerowa
Dyskretyzacja i kwantyzacja obrazów
Laboratorium: Cyfrowe przetwarzanie obrazów i sygnaªów Dyskretyzacja i kwantyzacja obrazów 1 Cel i zakres wiczenia Celem wiczenia jest zapoznanie si z procesami dyskretyzacji i kwantyzacji, oraz ze zjawiskami
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
Lokalne transformacje obrazów
Laboratorium: Cyfrowe przetwarzanie obrazów i sygnaªów Lokalne transformacje obrazów 1 Cel i zakres wiczenia Celem wiczenia jest zapoznanie si z wªasno±ciami lokalnych transformacji obrazu i ich wykorzystaniem
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
Metody numeryczne. Wst p do metod numerycznych. Dawid Rasaªa. January 9, 2012. Dawid Rasaªa Metody numeryczne 1 / 9
Metody numeryczne Wst p do metod numerycznych Dawid Rasaªa January 9, 2012 Dawid Rasaªa Metody numeryczne 1 / 9 Metody numeryczne Czym s metody numeryczne? Istota metod numerycznych Metody numeryczne s
Lab. 02: Algorytm Schrage
Lab. 02: Algorytm Schrage Andrzej Gnatowski 5 kwietnia 2015 1 Opis zadania Celem zadania laboratoryjnego jest zapoznanie si z jednym z przybli»onych algorytmów sªu» cych do szukania rozwi za«znanego z
Ukªady równa«liniowych
dr Krzysztof yjewski Mechatronika; S-I 0 in» 7 listopada 206 Ukªady równa«liniowych Informacje pomocnicze Denicja Ogólna posta ukªadu m równa«liniowych z n niewiadomymi x, x, x n, gdzie m, n N jest nast
wiczenie nr 3 z przedmiotu Metody prognozowania kwiecie«2015 r. Metodyka bada«do±wiadczalnych dr hab. in». Sebastian Skoczypiec Cel wiczenia Zaªo»enia
wiczenie nr 3 z przedmiotu Metody prognozowania kwiecie«2015 r. wiczenia 1 2 do wiczenia 3 4 Badanie do±wiadczalne 5 pomiarów 6 7 Cel Celem wiczenia jest zapoznanie studentów z etapami przygotowania i
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
Ekonometria. wiczenia 1 Regresja liniowa i MNK. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej
Ekonometria wiczenia 1 Regresja liniowa i MNK (1) Ekonometria 1 / 25 Plan wicze«1 Ekonometria czyli...? 2 Obja±niamy ceny wina 3 Zadania z podr cznika (1) Ekonometria 2 / 25 Plan prezentacji 1 Ekonometria
Lekcja 3 Banki i nowe przedmioty
Lekcja 3 Banki i nowe przedmioty Akademia im. Jana Dªugosza w Cz stochowie Banki przedmiotów Co ju» wiemy? co to s banki przedmiotów w Baltie potramy korzysta z banków przedmiotów mo»emy tworzy nowe przedmioty
Przeksztaªcenia punktowe i geometryczne
Przeksztaªcenia punktowe i geometryczne 1 Przeksztaªcenia punktowe Przeksztaªcenia punktowe (bezkontekstowe) s to przeksztaªcenia dotycz ce stopnia szaro±ci lub nasycenia barwy dla ka»dego punktu oddzielnie,
Zasilacz stabilizowany 12V
Zasilacz stabilizowany 12V Marcin Polkowski marcin@polkowski.eu 3 grudnia 2007 Spis tre±ci 1 Wprowadzenie 2 2 Wykonane pomiary 2 2.1 Charakterystyka napi ciowa....................................... 2
Proste metody segmentacji
Laboratorium: Cyfrowe przetwarzanie obrazów i sygnaªów Proste metody segmentacji 1 Cel i zakres wiczenia Celem wiczenia jest zapoznanie si z prostymi metodami segmentacji: progowaniem, wykrywaniem i aproksymacj
Uczenie Wielowarstwowych Sieci Neuronów o
Plan uczenie neuronu o ci gªej funkcji aktywacji uczenie jednowarstwowej sieci neuronów o ci gªej funkcji aktywacji uczenie sieci wielowarstwowej - metoda propagacji wstecznej neuronu o ci gªej funkcji
Wyznaczanie krzywej rotacji Galaktyki na podstawie danych z teleskopu RT3
Wyznaczanie krzywej rotacji Galaktyki na podstawie danych z teleskopu RT3 Michaª Litwicki, Michalina Grubecka, Ewelina Obrzud, Tomasz Dziaªa, Maciej Winiarski, Dajana Olech 27 sierpnia 2012 Prowadz cy:
Wykªad 7. Ekstrema lokalne funkcji dwóch zmiennych.
Wykªad jest prowadzony w oparciu o podr cznik Analiza matematyczna 2. Denicje, twierdzenia, wzory M. Gewerta i Z. Skoczylasa. Wykªad 7. Ekstrema lokalne funkcji dwóch zmiennych. Denicja Mówimy,»e funkcja
2. L(a u) = al( u) dla dowolnych u U i a R. Uwaga 1. Warunki 1., 2. mo»na zast pi jednym warunkiem: L(a u + b v) = al( u) + bl( v)
Przeksztaªcenia liniowe Def 1 Przeksztaªceniem liniowym (homomorzmem liniowym) rzeczywistych przestrzeni liniowych U i V nazywamy dowoln funkcj L : U V speªniaj c warunki: 1 L( u + v) = L( u) + L( v) dla
Algorytmy zwiazane z gramatykami bezkontekstowymi
Algorytmy zwiazane z gramatykami bezkontekstowymi Rozpoznawanie j zyków bezkontekstowych Problem rozpoznawania j zyka L polega na sprawdzaniu przynale»no±ci sªowa wej±ciowego x do L. Zakªadamy,»e j zyk
Funkcje wielu zmiennych
Funkcje wielu zmiennych Informacje pomocnicze Denicja 1 Niech funkcja f(x, y) b dzie okre±lona przynajmniej na otoczeniu punktu (x 0, y 0 ) Pochodn cz stkow pierwszego rz du funkcji dwóch zmiennych wzgl
Aproksymacja funkcji metod najmniejszych kwadratów
Aproksymacja funkcji metod najmniejszych kwadratów Teoria Interpolacja polega na znajdowaniu krzywej przechodz cej przez wszystkie w zªy. Zdarzaj si jednak sytuacje, w których dane te mog by obarczone
Macierze. 1 Podstawowe denicje. 2 Rodzaje macierzy. Denicja
Macierze 1 Podstawowe denicje Macierz wymiaru m n, gdzie m, n N nazywamy tablic liczb rzeczywistych (lub zespolonych) postaci a 11 a 1j a 1n A = A m n = [a ij ] m n = a i1 a ij a in a m1 a mj a mn W macierzy
Lekcja 3 - BANKI I NOWE PRZEDMIOTY
Lekcja 3 - BANKI I NOWE PRZEDMIOTY Wiemy ju» co to s banki przedmiotów i potramy z nich korzysta. Dowiedzieli±my si te»,»e mo»emy tworzy nowe przedmioty, a nawet caªe banki przedmiotów. Na tej lekcji zajmiemy
POLITECHNIKA WROCŠAWSKA WYDZIAŠ ELEKTRONIKI PRACA DYPLOMOWA MAGISTERSKA
POLITECHNIKA WROCŠAWSKA WYDZIAŠ ELEKTRONIKI Kierunek: Specjalno± : Automatyka i Robotyka (AIR) Robotyka (ARR) PRACA DYPLOMOWA MAGISTERSKA Podatny manipulator planarny - budowa i sterowanie Vulnerable planar
Opis matematyczny ukªadów liniowych
Rozdziaª 1 Opis matematyczny ukªadów liniowych Autorzy: Alicja Golnik 1.1 Formy opisu ukªadów dynamicznych 1.1.1 Liniowe równanie ró»niczkowe Podstawow metod przedstawienia procesu dynamicznego jest zbiór
PRZYPOMNIENIE Ka»d przestrze«wektorow V, o wymiarze dim V = n < nad ciaªem F mo»na jednoznacznie odwzorowa na przestrze«f n n-ek uporz dkowanych:
Plan Spis tre±ci 1 Homomorzm 1 1.1 Macierz homomorzmu....................... 2 1.2 Dziaªania............................... 3 2 Ukªady równa«6 3 Zadania 8 1 Homomorzm PRZYPOMNIENIE Ka»d przestrze«wektorow
Metody numeryczne i statystyka dla in»ynierów
Kierunek: Automatyka i Robotyka, II rok Wprowadzenie PWSZ Gªogów, 2009 Plan wykªadów Wprowadzenie, podanie zagadnie«, poj cie metody numerycznej i algorytmu numerycznego, obszar zainteresowa«i stosowalno±ci
Programowanie wspóªbie»ne
1 Zadanie 1: Bar Programowanie wspóªbie»ne wiczenia 6 monitory cz. 2 Napisz monitor Bar synchronizuj cy prac barmana obsªuguj cego klientów przy kolistym barze z N stoªkami. Ka»dy klient realizuje nast
1. Odcienie szaro±ci. Materiaªy na wiczenia z Wprowadzenia do graki maszynowej dla kierunku Informatyka, rok III, sem. 5, rok akadem.
Materiaªy na wiczenia z Wprowadzenia do graki maszynowej dla kierunku Informatyka, rok III, sem. 5, rok akadem. 2018/2019 1. Odcienie szaro±ci Model RGB jest modelem barw opartym na wªa±ciwo±ciach odbiorczych
1 Metody iteracyjne rozwi zywania równania f(x)=0
1 Metody iteracyjne rozwi zywania równania f()=0 1.1 Metoda bisekcji Zaªó»my,»e funkcja f jest ci gªa w [a 0, b 0 ]. Pierwiastek jest w przedziale [a 0, b 0 ] gdy f(a 0 )f(b 0 ) < 0. (1) Ustalmy f(a 0
Podziaª pracy. Cz ± II. 1 Tablica sortuj ca. Rozwi zanie
Cz ± II Podziaª pracy 1 Tablica sortuj ca Kolejka priorytetowa to struktura danych udost pniaj ca operacje wstawienia warto±ci i pobrania warto±ci minimalnej. Z kolejki liczb caªkowitych, za po±rednictwem
Interpolacja funkcjami sklejanymi
Interpolacja funkcjami sklejanymi Funkcje sklejane: Zaªó»my,»e mamy n + 1 w zªów t 0, t 1,, t n takich,»e t 0 < t 1 < < t n Dla danej liczby caªkowitej, nieujemnej k funkcj sklejan stopnia k nazywamy tak
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.
c Marcin Sydow Przepªywy Grafy i Zastosowania Podsumowanie 12: Przepªywy w sieciach
12: w sieciach Spis zagadnie«sieci przepªywowe przepªywy w sieciach ±cie»ka powi kszaj ca tw. Forda-Fulkersona Znajdowanie maksymalnego przepªywu Zastosowania przepªywów Sieci przepªywowe Sie przepªywowa
Wst p do sieci neuronowych 2010/2011 wykªad 7 Algorytm propagacji wstecznej cd.
Wst p do sieci neuronowych 2010/2011 wykªad 7 Algorytm propagacji wstecznej cd. M. Czoków, J. Piersa Faculty of Mathematics and Computer Science, Nicolaus Copernicus University, Toru«, Poland 2010-11-23
Wska¹niki, tablice dynamiczne wielowymiarowe
Rozdziaª 11 Wska¹niki, tablice dynamiczne wielowymiarowe 11.1 Wst p Identycznie, jak w przypadku tablic statycznych, tablica dynamiczna mo»e by tablic jedno-, dwu-, trójitd. wymiarow. Tablica dynamiczna
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
Temat: Co to jest optymalizacja? Maksymalizacja objętości naczynia prostopadłościennego za pomocą arkusza kalkulacyjngo.
Konspekt lekcji Przedmiot: Informatyka Typ szkoły: Gimnazjum Klasa: II Nr programu nauczania: DKW-4014-87/99 Czas trwania zajęć: 90min Temat: Co to jest optymalizacja? Maksymalizacja objętości naczynia
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.
Metody numeryczne i statystyka dla in»ynierów
Kierunek: Automatyka i Robotyka, II rok Interpolacja PWSZ Gªogów, 2009 Interpolacja Okre±lenie zale»no±ci pomi dzy interesuj cymi nas wielko±ciami, Umo»liwia uproszczenie skomplikowanych funkcji (np. wykorzystywana
4.3. Struktura bazy noclegowej oraz jej wykorzystanie w Bieszczadach
4.3. Struktura bazy noclegowej oraz jej wykorzystanie w Bieszczadach Baza noclegowa stanowi podstawową bazę turystyczną, warunkującą w zasadzie ruch turystyczny. Dlatego projektując nowy szlak należy ją
CAŠKOWANIE METODAMI MONTE CARLO Janusz Adamowski
III. CAŠKOWAIE METODAMI MOTE CARLO Janusz Adamowski 1 1 azwa metody Podstawowym zastosowaniem w zyce metody Monte Carlo (MC) jest opis zªo-»onych ukªadów zycznych o du»ej liczbie stopni swobody. Opis zªo»onych
Konstruowanie Baz Danych Wprowadzenie do projektowania. Normalizacja
Studia podyplomowe In»ynieria oprogramowania wspóªnansowane przez Uni Europejsk w ramach Europejskiego Funduszu Spoªecznego Projekt Studia podyplomowe z zakresu wytwarzania oprogramowania oraz zarz dzania
3. (8 punktów) EGZAMIN MAGISTERSKI, Biomatematyka
EGZAMIN MAGISTERSKI, 26.06.2017 Biomatematyka 1. (8 punktów) Rozwój wielko±ci pewnej populacji jest opisany równaniem: dn dt = rn(t) (1 + an(t), b gdzie N(t) jest wielko±ci populacji w chwili t, natomiast
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
Przetwarzanie sygnaªów
Przetwarzanie sygnaªów Laboratorium 1 - wst p do C# Dawid Poªap Przetwarzanie sygnaªów Pa¹dziernik, 2018 1 / 17 Czego mo»na oczekiwa wzgl dem programowania w C# na tych laboratoriach? Dawid Poªap Przetwarzanie
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
Zagadnienia na wej±ciówki z matematyki Technologia Chemiczna
Zagadnienia na wej±ciówki z matematyki Technologia Chemiczna 1. Podaj denicj liczby zespolonej. 2. Jak obliczy sum /iloczyn dwóch liczb zespolonych w postaci algebraicznej? 3. Co to jest liczba urojona?
Arytmetyka zmiennopozycyjna
Rozdziaª 4 Arytmetyka zmiennopozycyjna Wszystkie obliczenia w octavie s wykonywane w arytmetyce zmiennopozycyjnej (inaczej - arytmetyce ) podwójnej precyzji (double) - cho w najnowszych wersjach octave'a
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_
mgr inż. Grzegorz Kraszewski SYSTEMY MULTIMEDIALNE wykład 6, strona 1. Format JPEG
mgr inż. Grzegorz Kraszewski SYSTEMY MULTIMEDIALNE wykład 6, strona 1. Format JPEG Cechy formatu JPEG Schemat blokowy kompresora Transformacja koloru Obniżenie rozdzielczości chrominancji Podział na bloki
Ekonometria Bayesowska
Ekonometria Bayesowska Wykªad 6: Bayesowskie ª czenie wiedzy (6) Ekonometria Bayesowska 1 / 21 Plan wykªadu 1 Wprowadzenie 2 Oczekiwana wielko± modelu 3 Losowanie próby modeli 4 wiczenia w R (6) Ekonometria
Macierz A: macierz problemów liniowych (IIII); Macierz rozszerzona problemów liniowych (IIII): a 11 a 1m b 1 B = a n1 a nm b n
Plan Spis tre±ci 1 Problemy liniowe 1 2 Zadania I 3 3 Formy biliniowe 3 3.1 Odwzorowania wieloliniowe..................... 3 3.2 Formy biliniowe............................ 4 4 Formy kwadratowe 4 1 Problemy
ALGORYTMY SORTOWANIA DANYCH
ALGORYTMY SORTOWANIA DANYCH W zagadnieniu sortowania danych rozpatrywa b dziemy n liczb caªkowitych, b d cych pierwotnie w losowej kolejno±ci, które nale»y uporz dkowa nierosn co. Oczywi±cie sortowa mo»emy
Listy Inne przykªady Rozwi zywanie problemów. Listy w Mathematice. Marcin Karcz. Wydziaª Matematyki, Fizyki i Informatyki.
Wydziaª Matematyki, Fizyki i Informatyki 10 marca 2008 Spis tre±ci Listy 1 Listy 2 3 Co to jest lista? Listy List w Mathematice jest wyra»enie oddzielone przecinkami i zamkni te w { klamrach }. Elementy
ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15
ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych
Relacj binarn okre±lon w zbiorze X nazywamy podzbiór ϱ X X.
Relacje 1 Relacj n-argumentow nazywamy podzbiór ϱ X 1 X 2... X n. Je±li ϱ X Y jest relacj dwuargumentow (binarn ), to zamiast (x, y) ϱ piszemy xϱy. Relacj binarn okre±lon w zbiorze X nazywamy podzbiór
Optyka geometryczna. Soczewki. Marcin S. Ma kowicz. rok szk. 2009/2010. Zespóª Szkóª Ponadgimnazjalnych Nr 2 w Brzesku
skupiaj ce rozpraszaj ce Optyka geometryczna Zespóª Szkóª Ponadgimnazjalnych Nr 2 w Brzesku rok szk. 2009/2010 skupiaj ce rozpraszaj ce Spis tre±ci 1 Wprowadzenie 2 Ciekawostki 3 skupiaj ce Konstrukcja
AUTO-ENKODER JAKO SKŠADNIK ARCHITEKTURY DEEP LEARNING
AUTO-ENKODER JAKO SKŠADNIK ARCHITEKTURY DEEP LEARNING Magdalena Wiercioch Uniwersytet Jagiello«ski 3 kwietnia 2014 Plan Uczenie gª bokie (deep learning) Auto-enkodery Rodzaje Zasada dziaªania Przykªady
Politechnika Świętokrzyska. Laboratorium. Cyfrowe przetwarzanie sygnałów. Ćwiczenie 8. Filtracja uśredniająca i statystyczna.
Politechnika Świętokrzyska Laboratorium Cyfrowe przetwarzanie sygnałów Ćwiczenie 8 Filtracja uśredniająca i statystyczna. Cel ćwiczenia Celem ćwiczenia jest zdobycie umiejętności tworzenia i wykorzystywania
Podstawy modelowania w j zyku UML
Podstawy modelowania w j zyku UML dr hab. Bo»ena Wo¹na-Szcze±niak Akademia im. Jan Dªugosza bwozna@gmail.com Wykªad 2 Zwi zki mi dzy klasami Asocjacja (ang. Associations) Uogólnienie, dziedziczenie (ang.
Janusz Adamowski METODY OBLICZENIOWE FIZYKI Zastosowanie eliptycznych równa«ró»niczkowych
Janusz Adamowski METODY OBLICZENIOWE FIZYKI 1 Rozdziaª 9 RÓWNANIA ELIPTYCZNE 9.1 Zastosowanie eliptycznych równa«ró»niczkowych cz stkowych 9.1.1 Problemy z warunkami brzegowymi W przestrzeni dwuwymiarowej
1 Przeksztaªcenia morfologiczne
Przeksztaªcenia morfologiczne II i operacje na obrazach logicznych 1 Przeksztaªcenia morfologiczne 1.1 cienianie i Pogrubianie Pogrubianie i ±cienianie: Operacje te polegaj na naªo»eniu lub ±ci gni ciu
Koªo Naukowe Robotyków KoNaR. Plan prezentacji. Wst p Rezystory Potencjomerty Kondensatory Podsumowanie
Plan prezentacji Wst p Rezystory Potencjomerty Kondensatory Podsumowanie Wst p Motto W teorii nie ma ró»nicy mi dzy praktyk a teori. W praktyce jest. Rezystory Najwa»niejsze parametry rezystorów Rezystancja
1 Trochoidalny selektor elektronów
1 Trochoidalny selektor elektronów W trochoidalnym selektorze elektronów TEM (Trochoidal Electron Monochromator) stosuje si skrzy»owane i jednorodne pola: elektryczne i magnetyczne. Jako pierwsi taki ukªad
Algorytmy grafowe 2. Andrzej Jastrz bski. Akademia ETI. Politechnika Gda«ska Algorytmy grafowe 2
Algorytmy grafowe 2 Andrzej Jastrz bski Akademia ETI Minimalne drzewo spinaj ce Drzewem nazywamy spójny graf nie posiadaj cy cyklu. Liczba wierzchoªków drzewa jest o jeden wi ksza od liczby jego kraw dzi.
KLASYCZNE ZDANIA KATEGORYCZNE. ogólne - orzekaj co± o wszystkich desygnatach podmiotu szczegóªowe - orzekaj co± o niektórych desygnatach podmiotu
➏ Filozoa z elementami logiki Na podstawie wykªadów dra Mariusza Urba«skiego Sylogistyka Przypomnij sobie: stosunki mi dzy zakresami nazw KLASYCZNE ZDANIA KATEGORYCZNE Trzy znaczenia sªowa jest trzy rodzaje
Analiza obrazów - sprawozdanie nr 2
Analiza obrazów - sprawozdanie nr 2 Filtracja obrazów Filtracja obrazu polega na obliczeniu wartości każdego z punktów obrazu na podstawie punktów z jego otoczenia. Każdy sąsiedni piksel ma wagę, która
1 Klasy. 1.1 Denicja klasy. 1.2 Skªadniki klasy.
1 Klasy. Klasa to inaczej mówi c typ który podobnie jak struktura skªada si z ró»nych typów danych. Tworz c klas programista tworzy nowy typ danych, który mo»e by modelem rzeczywistego obiektu. 1.1 Denicja
Interpolacja Lagrange'a, bazy wielomianów
Rozdziaª 4 Interpolacja Lagrange'a, bazy wielomianów W tym rozdziale zajmiemy si interpolacj wielomianow. Zadanie interpolacji wielomianowej polega na znalezieniu wielomianu stopnia nie wi kszego od n,
2 Liczby rzeczywiste - cz. 2
2 Liczby rzeczywiste - cz. 2 W tej lekcji omówimy pozostaªe tematy zwi zane z liczbami rzeczywistymi. 2. Przedziaªy liczbowe Wyró»niamy nast puj ce rodzaje przedziaªów liczbowych: (a) przedziaªy ograniczone:
Rozdziaª 13. Przykªadowe projekty zaliczeniowe
Rozdziaª 13 Przykªadowe projekty zaliczeniowe W tej cz ±ci skryptu przedstawimy przykªady projektów na zaliczenia zaj z laboratorium komputerowego z matematyki obliczeniowej. Projekty mo»na potraktowa
Filtracja w domenie przestrzeni
Filtracja w domenie przestrzeni 1 Filtracja Filtracja liniowa jest procesem splotu (konwolucji) obrazu z mask (ltrem). Dla dwuwymiarowej i dyskretnej funkcji ltracja dana jest wzorem: L2(m, n) = (w L1)(m,
ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15
ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych
Wstawianie gotowych rysunków w texu - informacje podstawowe.
Wstawianie gotowych rysunków w texu - informacje podstawowe. By móc wstawi rysunek musimy w preambule pliku dopisa odpowiedni pakiet komend : \usepackage. W przypadku graki doª czamy pakiet:graphicx, (nieco
System zarządzania bazą danych (SZBD) Proces przechodzenia od świata rzeczywistego do jego informacyjnej reprezentacji w komputerze nazywać będziemy
System zarządzania bazą danych (SZBD) Proces przechodzenia od świata rzeczywistego do jego informacyjnej reprezentacji w komputerze nazywać będziemy modelowaniem, a pewien dobrze zdefiniowany sposób jego
REGULAMIN X GMINNEGO KONKURSU INFORMATYCZNEGO
REGULAMIN X GMINNEGO KONKURSU INFORMATYCZNEGO 1. Postanowienia ogólne 1. Organizatorem konkursu jest Zespół Szkół w Podolu-Górowej. 2. Konkurs przeznaczony jest dla uczniów szkół podstawowych i gimnazjów
JAO - J zyki, Automaty i Obliczenia - Wykªad 1. JAO - J zyki, Automaty i Obliczenia - Wykªad 1
J zyki formalne i operacje na j zykach J zyki formalne s abstrakcyjnie zbiorami sªów nad alfabetem sko«czonym Σ. J zyk formalny L to opis pewnego problemu decyzyjnego: sªowa to kody instancji (wej±cia)
Programowanie wspóªbie»ne
1 Programowanie wspóªbie»ne wiczenia 2 semafory cz. 1 Zadanie 1: Producent i konsument z buforem cyklicznym type porcja; void produkuj(porcja &p); void konsumuj(porcja p); porcja bufor[n]; / bufor cykliczny
Operacje morfologiczne
Laboratorium: Cyfrowe przetwarzanie obrazów i sygnaªów Operacje morfologiczne 1 Cel i zakres wiczenia Celem wiczenia jest zapoznanie si z wªasno±ciami prostych operacji morfologicznych: zw»ania/erozji
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
Programowanie i struktury danych
Programowanie i struktury danych Wykªad 3 1 / 37 tekstowe binarne Wyró»niamy dwa rodzaje plików: pliki binarne pliki tekstowe 2 / 37 binarne tekstowe binarne Plik binarny to ci g bajtów zapami tanych w
Materiaªy do Repetytorium z matematyki
Materiaªy do Repetytorium z matematyki 0/0 Dziaªania na liczbach wymiernych i niewymiernych wiczenie Obliczy + 4 + 4 5. ( + ) ( 4 + 4 5). ( : ) ( : 4) 4 5 6. 7. { [ 7 4 ( 0 7) ] ( } : 5) : 0 75 ( 8) (
SVN - wprowadzenie. 1 Wprowadzenie do SVN. 2 U»ywanie SVN. Adam Krechowicz. 16 lutego Podstawowe funkcje. 2.1 Windows
SVN - wprowadzenie Adam Krechowicz 16 lutego 2013 1 Wprowadzenie do SVN SVN SubVersion jest systemem kontroli wersji pozwalaj cym wielu u»ytkownikom na swobodne wspóªdzielenie tych samych plików. Pozwala
ANALIZA MATEMATYCZNA Z ALGEBR
ANALIZA MATEMATYCZNA Z ALGEBR WYKŠAD II Maªgorzata Murat MACIERZ A rzeczywist (zespolon ) o m wierszach i n kolumnach nazywamy przyporz dkowanie ka»dej uporz dkowanej parze liczb naturalnych (i, j), gdzie
Ekonometria. wiczenia 2 Werykacja modelu liniowego. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej
Ekonometria wiczenia 2 Werykacja modelu liniowego (2) Ekonometria 1 / 33 Plan wicze«1 Wprowadzenie 2 Ocena dopasowania R-kwadrat Skorygowany R-kwadrat i kryteria informacyjne 3 Ocena istotno±ci zmiennych
Listy i operacje pytania
Listy i operacje pytania Iwona Polak iwona.polak@us.edu.pl Uniwersytet l ski Instytut Informatyki pa¹dziernika 07 Który atrybut NIE wyst puje jako atrybut elementów listy? klucz elementu (key) wska¹nik
Ekstremalnie fajne równania
Ekstremalnie fajne równania ELEMENTY RACHUNKU WARIACYJNEGO Zaczniemy od ogólnych uwag nt. rachunku wariacyjnego, który jest bardzo przydatnym narz dziem mog cym posªu»y do rozwi zywania wielu problemów
det A := a 11, ( 1) 1+j a 1j det A 1j, a 11 a 12 a 21 a 22 Wn. 1 (Wyznacznik macierzy stopnia 2:). = a 11a 22 a 33 +a 12 a 23 a 31 +a 13 a 21 a 32
Wyznacznik Def Wyznacznikiem macierzy kwadratowej nazywamy funkcj, która ka»dej macierzy A = (a ij ) przyporz dkowuje liczb det A zgodnie z nast puj cym schematem indukcyjnym: Dla macierzy A = (a ) stopnia
Macierze i Wyznaczniki
Macierze i Wyznaczniki Kilka wzorów i informacji pomocniczych: Denicja 1. Tablic nast puj cej postaci a 11 a 12... a 1n a 21 a 22... a 2n A =... a m1 a m2... a mn nazywamy macierz o m wierszach i n kolumnach,
Rozdział 6. Pakowanie plecaka. 6.1 Postawienie problemu
Rozdział 6 Pakowanie plecaka 6.1 Postawienie problemu Jak zauważyliśmy, szyfry oparte na rachunku macierzowym nie są przerażająco trudne do złamania. Zdecydowanie trudniejszy jest kryptosystem oparty na
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):
Wojewódzki Konkurs Matematyczny
Wojewódzki Konkurs Matematyczny dla uczniów gimnazjów ETAP SZKOLNY 16 listopada 2012 Czas 90 minut Instrukcja dla Ucznia 1. Otrzymujesz do rozwi zania 10 zada«zamkni tych oraz 5 zada«otwartych. 2. Obok
Stacjonarne szeregi czasowe
e-mail:e.kozlovski@pollub.pl Spis tre±ci 1 Denicja 1 Szereg {x t } 1 t N nazywamy ±ci±le stacjonarnym (stacjonarnym w w»szym sensie), je»eli dla dowolnych m, t 1, t 2,..., t m, τ ª czny rozkªad prawdopodobie«stwa
Proste modele o zªo»onej dynamice
Proste modele o zªo»onej dynamice czyli krótki wst p do teorii chaosu Tomasz Rodak Festiwal Nauki, Techniki i Sztuki 2018 April 17, 2018 Dyskretny model pojedynczej populacji Rozwa»my pojedyncz populacj
Statystyka matematyczna
Statystyka matematyczna Aleksandra Ki±lak-Malinowska akis@uwm.edu.pl http://wmii.uwm.edu.pl/ akis/ Czym zajmuje si statystyka? Statystyka zajmuje si opisywaniem i analiz zjawisk masowych otaczaj cej czªowieka
LXV OLIMPIADA FIZYCZNA ZAWODY III STOPNIA
LXV OLIMPIADA FIZYCZNA ZAWODY III STOPNIA CZ DO WIADCZALNA Za zadanie do±wiadczalne mo»na otrzyma maksymalnie 40 punktów. Zadanie D. Rozgrzane wolframowe wªókno»arówki o temperaturze bezwzgl dnej T emituje
Macierze i Wyznaczniki
dr Krzysztof yjewski Mechatronika; S-I.in». 5 pa¹dziernika 6 Macierze i Wyznaczniki Kilka wzorów i informacji pomocniczych: Denicja. Tablic nast puj cej postaci a a... a n a a... a n A =... a m a m...
ELEMENTARNA TEORIA LICZB. 1. Podzielno±
ELEMENTARNA TEORIA LICZB IZABELA AGATA MALINOWSKA N = {1, 2,...} 1. Podzielno± Denicja 1.1. Niepusty podzbiór A zbioru liczb naturalnych jest ograniczony, je»eli istnieje taka liczba naturalna n 0,»e m