ZASTOSOWANIE TRANSFORMAT FALKOWYCH DAUBECHIES W KOMPRESJI OBRAZU

Wielkość: px
Rozpocząć pokaz od strony:

Download "ZASTOSOWANIE TRANSFORMAT FALKOWYCH DAUBECHIES W KOMPRESJI OBRAZU"

Transkrypt

1 STUDIA IFORMATIA 008 Volume 9 umber 75 Mara SUBLEWSA-PASZOWSA Jaub SMOŁA Poltechna Lubelsa Instytut Informaty ZASTOSOWAIE TRASFORMAT FALOWYH DAUBEHIES W OMPRESJI OBRAZU Streszczene. Transformaty falowe są coraz częśce stosowane w ompres obrazów. ażda transformata posada nne właścwośc tóre wpływaą na aość obrazu sompresowanego. W artyule przedstawono rodznę transformat falowych Daubeches oraz transformatę Haara ch wpływ na stratną ompresę sześcu przyładowych obrazów. Do oceny aośc obrazu sompresowanego zostały użyte mary uwzględnaące różnce wartośc psel obrazu orygnalnego sompresowanego ch orelacę mary wdmowe oraz mary rawędzowe. Słowa luczowe: ompresa falowa transformaty falowe błędy ompres THE PRATIAL USE OF DAUBEHIES WAVELET TRASFORM I IMAGE OMPRESSIO Summary. Wavelet transforms are more and more often mplemented n mage compresson. Each transform possesses ts own unque features whch nfluence on the qualty of compressed mage. In ths artcle a famly of Daubeches wavelet transforms and Haar transform are presented and ther nfluence on lossy compresson of sx dfferent mages. The qualty of compressed mages was evaluated wth measures based on the dfference between orgnal and compressed pxels correlaton measures spectral and edge measures. eywords: wavelet compresson wavelet transform compresson dstorton. Wstęp Stratna ompresa falowa polega na wygenerowanu obrazu wynowego tórego rozmar est mneszy w stosunu do orygnalnego. zęsto aość obrazu sompresowanego est gorsza od obrazu poddawanego ompres. Stopeń ompres oraz aość obrazu po

2 6 M. Sublewsa-Paszowsa J. Smoła ompres są uzależnone od transformaty falowe zastosowane w ompres. Wpływa ona na właścwośc sompresowanego obrazu tóre mogą dotyczyć wartośc poedynczych psel ch orelac zneształceń rawędz obrazu orygnalnego oraz reprezentac wdmowe obrazów. Przedstawone wyn zostały uzysane dla transformat Daubeches stopn oraz transformaty Haara tóre zostały zastosowane do ompres sześcu obrazów. Transformaty Daubeches stopna charateryzuą sę własnoścą tóra zapewna zerowe bądź blse zeru detale eśl na przedzale nośna fal sygnał est równy welomanow stopna mneszego nż /. echa ta pownna polepszać aość obrazu sompresowanego eśl wartośc puntów obrazu tworzą weloman stopna mneszego nż /. Za pomocą przedstawonych mar aośc obrazu zostały wybrane te transformaty falowe dla tórych uzysane zostały namnesze błędy ompres dla obrazów syntetycznych fotografcznych.. Podstawowe poęca Fala est funcą przedstawoną wzorem [ 8]: t b ψ ab t ψ a Jest to funca podstawowa na baze tóre budowane są rodzny fale przez przesuwane rozcągane fal bazowe za pomocą parametrów a b. Parametry te są lczbam rzeczywstym a dodatowo parametr a est węszy od ednośc. Za pomocą parametru a funca falowa pozwala na wyszczególnene charaterystycznych cech sygnału tach a ego dynam oraz rótotrwałych zman. Parametr zapewna zachowane energ sygnału na olenych pozomach rozdzelczośc. Zaletą func falowych est dobra oncentraca względem czasu częstotlwośc. Funca falowa oscylue sąd pochodz e nazwa. Jest to własność fal tórą można zapsać równanem [ 8]: ψ t 0 Z poęcem fal zwązane est poęce func saluące oraz równana func saluące 4. Funca saluąca est zdefnowana równanem 3 [ 8]: m / m ϕ t ϕ t n 3 mn gdze: m oznacza współczynn sal a n współczynn przesunęca. Oba parametry są lczbam całowtym m n

3 Zastosowane transformat falowych Daubeches w ompres obrazu 7 Dla func saluące spełnone est równane [ 8]: ϕ t a ϕt 4 0 gdze: a oznacza współczynn func saluące a ch lczbę. Rozwązane równana 4 możlwe est edyne gdy suma wszystch współczynnów wynos. Funca ta ne est falą poneważ ne spełna warunu. Funca saluąca est funcą znormalzowaną [8]: ϕ x 5 Za pomocą func saluące można zdefnować funcę falową [ 8]: ψ t d ϕ t 6 0 gdze: d est współczynnem falowym. Transformata falowa est dzałanem polegaącym na podzale obrazu orygnalnego na obraz zgrubny zaweraący uśrednoną nformacę o ompresowanym obraze oraz szczegóły wylczone na olenych -tych pozomach rozdzelczośc. W ompres obrazów do oblczena transformaty używane są zespoły fltrów dolnoprzepustowych h oraz górnoprzepustowych g. ąg współczynnów falowych est uzyswany przez deompozycę dysretną f sygnału f n na obraz zgrubny oraz reprezentacę szczegółową n co można przedstawć za pomocą równań 7 oraz 8 []: f n hnl l nl f l d g f 8 n l l Fltr dolnoprzepustowy h est budowany za pomocą func saluące ϕ 9 [] natomast górnoprzepustowy g est tworzony z wyorzystanem func falowe ψ 0 []: t ϕ hnϕ t n 9 n Z t ψ g nψ t n 0 n Z Do oblczena sygnału orygnalnego za pomocą współczynnów falowych służy odwrotna transformata falowa []. Złożene sygnału na olenych pozomach szczegółowośc polega na sploce szczegółów z -tego pozomu rozdzelczośc z fltrem zsumowana go ze splotem obrazu zgrubnego na -tym pozome aprosymac z fltrem f n l h + ln f l + l g ln d l f n g d n 7 oraz + h.

4 8 M. Sublewsa-Paszowsa J. Smoła + Fltry h oraz g zdefnowane są następuąco []: + ϕ t h ϕt ψ t g ψ t 3 Algorytm Mallata [] transformaty falowe proste odwrotne dla obrazów przedstawony est na rys.. a b Rys.. Schemat Mallata: a deompozyc obrazu b reonstruc obrazu Fg.. Mallat s scheme of: a mage decomposton b mage reconstructon Z lczbą nezerowych współczynnów transformaty falowe zwązane est poęce nośna func oznaczaącego przedzał czasowy w tórym sygnały elementarne są nezerowe []. ośn nazywamy zwartym gdy przedzał czasowy est przedzałem domnętym. Im dłuższy nośn posada funca falowa tym węce współczynnów nezerowych otrzymywanych est po transformace falowe. Jeśl funca saluąca posada nośn to taże fltr h posada ta sam nośn. Lczba współczynnów zerowych transformaty falowe est zwązana z momentam zerowym fal 4. Funca falowa posada q zerowych momentów eśl spełnone est równane 4 []: t ψ t dt 0 dla0 < q 4 Lczba momentów zerowych est ścśle zwązana z nośnem func. Jeśl fala ψ posada q zerowych momentów to nośn func est rozmaru co namne q []. Funcę falową należy dobrać ta aby został osągnęty omproms mędzy długoścą nośna lczbą momentów zerowych.

5 Zastosowane transformat falowych Daubeches w ompres obrazu 9 3. Transformaty falowe 3.. Transformata Haara Transformata Haara est naprostszą transformatą falową tóre funca falowa est przedstawona na rys. [5]. Rys.. Funca Haara Fg.. Haar functon Transformata ednopozomowa dzel sygnał na dwa podcąg o tae same lczbe elementów równe połowe długośc orygnalnego sygnału. Jeden cąg reprezentue średną wartość sygnału a drug detale flutuace. Współczynn detal oblczane są ao różnca dwóch sąsednch wartośc sygnału podzelonych przez do zera. dlatego węsza ch lczba dąży Zaletą transformaty Haara est zachowane węsze częśc energ sygnału na wszystch pozomach aprosymac dla dowolnego sygnału [9]. Transformata ta nalepe ompresue obrazy stałe. Wyna to z własnośc te transformaty mówące o uzysanu współczynnów detal równych w przyblżenu zero eśl na przedzale nośna transformowany sygnał est stały [9]. Dla sygnałów zróżncowanych transformata ta generue węszą lość nezerowych współczynnów detal co pogarsza suteczność te transformaty w ompres. Długość nośna func Haara est równa. Transformata Haara może być tratowana ao transformata Daubeches stopna drugego. 3.. Transformaty Daubeches Transformaty Daubeches [ 8 9] stopna 4..0 posadaą dłuższy nośn fal nż transformata Haara. Oznacza to że współczynn transformaty falowe wylczane są za pomocy węsze lczby współczynnów falowych oraz wartośc sygnału. Umożlwa to wyorzystane tych fale do lepsze ompres zróżncowanych sygnałów nż w przypadu transformaty Haara.

6 0 M. Sublewsa-Paszowsa J. Smoła Transformaty falowe Daubeches zachowuą nalepszy omproms pomędzy długoścą nośna fal a lczbą e momentów zerowych gdyż posadaą namneszą możlwą długość nośna dla onretne lczby momentów zerowych. Funce saluące -pozomowe transformaty Daubeches -tego pozomu posadaą energę równą eden 5 [9] natomast ch suma est równa 6 [9]: α 5 α 6 Poneważ w transformatach Daubeches użyte są fltry lustrzane współczynn falowe transformaty Daubeches -tego pozomu zdefnowane są równanem 7 [ 9]: β a Współczynn falowe posadaą energę równą eden na ażdym pozome aprosymac -pozomowe transformaty Daubeches 8 [9]. Suma współczynnów równa est zeru 9 [9]: β 8 β 0 9 Transformaty z wyorzystanem fale Daubeches -tego pozomu dobrze zachowuą energę ompresowanego sygnału. Jedną z głównych własnośc transformat falowych Daubeches stopna est generowane zerowych lub blsch zeru współczynnów detal dla sygnałów przedstawaących welomany stopna mneszego nż / w przedzale nośna func falowe. Dzę tym cechom transformaty te są wyorzystane w ompres dla sygnałów różnych od stałych. Im węszy stopeń transformaty Daubeches tym węsze wygładzene sygnału est otrzymywane. 4. Porównawcze mary aośc obrazów Istnee wele mar za pomocą tórych można ocenać aość ompresowanych obrazów. Zastosowane mary można podzelć na następuące grupy [3]: mary bazuące na różncy wartośc odpowednch psel w obraze orygnalnym sompresowanym mary opsuące orelace pomędzy obrazem podstawowym wynowym

7 Zastosowane transformat falowych Daubeches w ompres obrazu mary porównuące rawędze w obraze orygnalnym sompresowanym mary oreślaące wdmowe różnce pomędzy obrazam W przypadu obrazów olorowych standard RGB należy prześć na trzy sładowe lumnanc chromnanc oreślaące natężene śwatła w obraze oraz odceń nasycene barwy. Sładowe lumnanc chromnanc ne są sorelowane w tam stopnu a sładowe RGB dlatego wyznaczony błąd est obarczony mneszą nedoładnoścą. a ażde sładowe oblczana est wybrana mara ompres następne sumowana ze wszystch sładowych dzelona przez lczbę sładowych. 4.. Mary różncy psel Mary te opsuą w am stopnu wartośc psel obrazu sompresowanego odbegaą od odpowadaących m wartośc psel obrazu orygnalnego. Im węsza est ta różnca tym aość ompres est gorsza. Jedną z podstawowych mar odzwercedlaących różncę pomędzy wartoścam psel w obraze orygnalnym sompresowanym est metrya Mnowsego [3]: / γ γ γ ε 0 Parametr oznacza loczyn lczby olumn werszy w obraze a oraz są macerzam dwuwymarowym zaweraącym wartośc sładowe odpowedno obrazu orygnalnego sompresowanego. Dla parametru γ otrzymywana est mara znana ao MSE Mean Square Error [3] a dla γ bezwzględna różnca pomędzy wartoścam obrazu orygnalnego sompresowanego MAE Mean Absolute Error [3]: MSE MAE oleną marą wynaącą z równana Mnowsego dla γ est zmodyfowana bezwzględna norma MI Modfed Infnty orm [3]. Parametr ten powodue wyszuane masymalne różncy pomędzy obrazem orygnalnym a sompresowanym umeszczene e na uporządowane rosnąco lśce oznaczone ao Δ dla.... Lsta ta zawera olene masymalne różnce odpowadaących psel w obraze orygnalnym wynowym. Mara MI dana est następuącym wzorem 3: MI r r m Δ m 3

8 M. Sublewsa-Paszowsa J. Smoła Parametr r oznacza perwszych r masymalnych różnc dwóch rozpatrywanych obrazów. Poza zmaną wartośc psel w obraze sompresowanym może wystąpć przemeszczene onretnego psela w stosunu do obrazu orygnalnego. Mara tóra wyznacza błąd zwązany z przesunęcem psela w oreślonym otoczenu nos nazwę różncy w sąsedztwe D eghborhood Dfference [3]: D w w / { } d l m + mn { d l } mn l m w l m w m w / gdze w oznacza welość rozpatrywanego sąsedztwa psela o w werszach w olumnach. Parametr d est metryą odległośc daną wzorem [3]: l + m l m d l m + 5 G Parametry oraz G oznaczaą rozmary obszaru w tórym poszuwane est przemeszczene rozpatrywanego puntu obrazu. Przedstawone do te pory mary ompres są wylczane dla całowtego rozmaru obrazów. Można rozważyć podzał obrazu na r bloów z tórych ażdy ma rozmar na gdze r 3 4 log r r. Dla r rozdzelczość est równa rozmarow rozpatrywanego obrazu a dla r log 4 rozmar poedynczego blou est równy ednemu pselow. Różnce pomędzy obrazem orygnalnym a sompresowanym oblczane są dla ażdego blou osobno sumowane podzelone przez oreślone wag 6 [3]: Parametr d r g r r g 6 g oznacza wartość obrazu w punce o współrzędnych oraz w rozpatrywanym blou. Welorozdzelcza mara odległośc MDM Multresoluson Dstance Measure polega na zsumowanu odległośc d r sładowych obrazu lumnanc chromnanc 7 [3]: MDM R d r r dla wszystch pozomów szczegółowośc dla ażdych gdze oznacza lczbę pasm w obraze a R reprezentue pozom rozdzelczośc obrazu. Przyładowo dla obrazu wadratowego o rozmarach 5 5 R wynos 9. 7

9 Zastosowane transformat falowych Daubeches w ompres obrazu Mary orelac Jaość ompres może zostać przedstawona za pomocą mar orelac tóre za pomocą powązana obrazu orygnalnego sompresowanego odzwercedlaą ch stopeń podobeństwa [3]. Mara orelac tóra polega na wyznaczenu lorazu sumy wartośc obrazu orygnalnego sompresowanego dla ażde ze sładowych lumnanc chromnanc przedstawona est wzorem 8 [3]: BM Znormalzowana mara orelac M ormalzed ross orrelaton przedstawona est za pomocą równana 9: M Mara orelac zeanowsego zeanowsy Measure wyznacza podobeństwo pomędzy obrazem orygnalnym sompresowanym 30. Jeśl wartość psela obrazu sompresowanego est dentyczna z wartoścą w obraze orygnalnym błąd te mary dąży do edyn: + 0 mn M 30 Mary orelac mogą wyznaczać różnce pomędzy wetoram psel orygnalnego sompresowanego obrazu. Wetor należy rozumeć ao psele w onretnym olorze. W celu znormalzowana wartośc błędu wprowadzony został parametr π. awęsza różnca pomędzy obrazem orygnalnym a sompresowanym osągana est dla wartośc 0. W przypadu bezstratne ompres wartość błędu wynos. Średną różncę wetora MAD Mean of the Angle Dfference przedstawa równane 3 a 3 różncę welośc wetora AMD ombned Angle Magntude Dfference: MAD cos π 3

10 4 M. Sublewsa-Paszowsa J. Smoła AMD cos π Mary rawędzowe Mary rawędzowe polegaą na porównanu rawędz obrazu orygnalnego oraz sompresowanego. Błędy ae mogą powstać po ompres to: necągłość rawędz wygładzene rawędz lub też ch przemeszczene. W tym celu należy wyodrębnć rawędze w tych dwóch obrazach e porównać. Oblczene rawędz zostało przeprowadzone za pomocą detec anna [4]. Mara rawędzowa użyta do badań transformat falowych est marą Pratta PM Pratt Measure [3] przedstawoną wzorem 33. PM max n d { } n n + d t ad Parametry n oraz n oznaczaą odpowedno lczbę rawędz w obraze porównawczym oraz porównywanym. Zmenna d t 33 reprezentue odległość -tego rawędzowego psela od nablższego psela rawędzowego w obraze sompresowanym. Element mary max n n } wyznacza przemeszczene rawędz. Zmenna a oreśla preferowaną szeroość { d t równą psela w dealne mape rawędz odnesena. d 4.4. Mary wdmowe Mary wdmowe polegaą na oblczenu różncy wartośc obrazów orygnalnego sompresowanego. Wartośc uzyswane są po oblczenu transformaty Fourera na obraze orygnalnym wynowym [3]: Γ m n 0 u ν m nexp π m exp πm 34 gdze: u v oznaczaą rzeczywstą urooną część lczb zespolonych uzysanych po transfermace Fourera. Parametr zmena sę od do lośc sładowych obrazu. Do oblczena mar została zastosowana szyba transformata Fourera Fast Fourer Transform. Mara zneształcena wdmowego fazowego SPD Spectral Phase Dstorton polega na oblczenu różncy faz dwóch obrazów 35 [3]: SPD u ν 0 ϕ u ν ϕ u ν 35

11 Zastosowane transformat falowych Daubeches w ompres obrazu 5 Ważona mara zneształcena wdmowego WSD Weghted Spectra Dstorton przedstawona est przez równane 36 [3]: WSD λ ϕ u ν ϕ u ν + + λ M u ν M u ν 36 u ν 0 u ν 0 Parametr ϕ oznacza fazę wdma a M reprezentue ego ampltudę. 5. Wyn Błędy ompres obrazów przedstawone w rozdzale 4 zostały oblczone dla transformaty Haara oraz transformat Daubeches pozomów dla obrazów syntetycznych 3 testowych 4. Obrazy syntetyczne zostały stworzone w ta sposób aby ch wartośc w olenych olumnach reprezentowały welomany odpowedno stopn oraz 3 a w werszach funcę stałą. Ze względu na ogranczena zwązane z wartoścą psel w obraze 0 55 w edne olumne olene wartośc obrazu zostały ułożone w welomany na przeman maleące rosnące. Obrazy syntetyczne testowe są olorowym obrazam wadratowym o wymarach 5 na 5 psel. a b c Rys. 3. Obrazy syntetyczne; welomany stopna: a b c 3 Fg. 3. Synthetc mages; polynomals degree: a b c 3 a b c Rys. 4. Obrazy fotografczne: a Lena.bmp b peppers.bmpc baboon.bmp Fg. 4. Test mages: a Lena.bmp b peppers.bmp c baboon.bmp Błędy ompres dla obrazów fotografcznych syntetycznych dla poszczególnych transformat zostały przedstawone na wyresach rys. 5 do rys. 8. Wszyste transformaty były

12 6 M. Sublewsa-Paszowsa J. Smoła transfermatam 3-pozomowym. W ompres obrazów użyto odowana EZW Embedded Zerotree Wavelet [0]. a b c d e f Rys 5. Błędy różncy psel dla ompres falowe dla obrazów: a welomanu stopna b welomanu stopna c welomanu stopna 3 d Lena.bmp e peppers.bmp f baboon.bmp Fg. 5. MSE dstorton for wavelet compresson for mage: apolynomal degree b polynomal degree c polynomal degree 3 d Lena.bmp e peppers.bmp f baboon.bmp

13 Zastosowane transformat falowych Daubeches w ompres obrazu 7 a b c d e f Rys. 6. Błędy orelac dla ompres falowe dla obrazów: a welomanu stopna b welomanu stopna c welomanu stopna 3 d Lena.bmp e peppers.bmp f baboon.bmp Fg. 6. orrelaton dstorton for wavelet compresson for mage: a polynomal degree b polynomal degree c polynomal degree 3 dlena.bmp e peppers.bmp f baboon.bmp

14 8 M. Sublewsa-Paszowsa J. Smoła a b c d e f Rys. 7. Błędy wdmowe dla ompres falowe dla obrazów: a welomanu stopna b welomanu stopna c welomanu stopna 3 d Lena.bmp e peppers.bmp f baboon.bmp Fg. 7. Spectral dstorton for wavelet compresson for mage: apolynomal degree b polynomal degree c polynomal degree 3 d Lena.bmp e peppers.bmp f baboon.bmp

15 Zastosowane transformat falowych Daubeches w ompres obrazu 9 a b c d e Rys. 8. Błędy rawędzowe dla ompres falowe dla obrazów: a welomanu stopna b welomanu stopna 3 c Lena.bmp d peppers.bmp e baboon.bmp Fg. 8. Edge dstorton for wavelet compresson for mage: apolynomal degree b polynomal degree 3 c Lena.bmp d peppers.bmp e baboon.bmp Dla obrazu przedstawaącego weloman stopna perwszego stopeń ompres obrazu został ustawony na 9. dla weloman stopna drugego 7.9 a dla welomanu stopna trzecego 5.7. Stopeń ompres dla obrazów testowych wynos. Stopne ompres zostały dobrane w ta sposób aby wdoczne były zneształcena obrazów sompresowanych możlwe było porównane wpływu transformat Daubeches na poszczególne błędy ompres. Dla obrazu reprezentuącego weloman stopna oraz namnesze błędy MSE MAE MI 3 oraz D 4 zostały osągnęte dla transformat Daubeches stopna mneszego nż / gdze oznacza stopeń transformaty. W przypadu welomanu stopna trzecego wyn ne są uż ta dealne. Zwązane est to z newystarczaącą lczbą próbe sygnału sładaących sę na weloman stopna 3 7 w porównanu z długoścą nośna transformaty Daubeches stopna mnmum ósmego. Dla obrazów testowych nagorszą transformatą oazała sę transformata Haara. Spowodowane est to długoścą nośna a taże co est z tym zwązane lczbą współczynnów fltrowych. Błędy dla transformat Daubeches są porównywalne. amnesze błędy dla

16 0 M. Sublewsa-Paszowsa J. Smoła rozpatrywanych transformat są uzależnone od rodzau obrazów. abardze optymalne wydae sę stosowane transformat Daubeches co nawyże stopna ósmego. Błędy mar orelacynych dla wszystch testowanych transformat są porównywalne. Mnmalne nalepsza oazała sę transformata Haara tóra nalepe odzwercedla powązana pomędzy obrazem orygnalnym sompresowanym. awęsze zneształcena wdmowe zostały osągnęte dla ompres obrazów z zastosowanem transformaty Haara. alepszym transformatam oazały sę transformaty Daubeches stopna szóstego bądź ósmego. Wyąte stanow obraz syntetyczny welomanu stopna 3 dla tórego nawyższe wartośc wśród transformat Daubeches osąga transformata stopna 6. Błędy rawędzowe dla obrazu przedstawaącego weloman stopna są zerowe co est zgodne z rzeczywstoścą gdyż w obraze tym rys. a ne występuą rawędze. Dla obrazów testowych transformata Haara dała nalepsze wyn co udowadna że nalepe ą stosować do dobrego odzwercedlana rawędz. Dla węszośc obrazów lepsze odwzorowana obrazu orygnalnego otrzymywane są dla transformat Daubeches. W ompres obrazów nalepe swoą rolę spełnaą transformaty Daubeches co nawyże stopna ósmego co dowodz słusznośc postulatu przedstawonego we wstępe do artyułu. Zatem odpowedno do tego postulatu za główny powód przewag transformaty Daubeches co nawyże stopna ósmego est newystępowane w func Obrazowe welomanów stopna wyższego nż trzec. LITERATURA. Bałasewcz J.: Fal aprosymace. Wydawnctwo auowo-technczne Warszawa Schroeder P. Sweldens W.: Wavelets n omputer Graphcs Avcbas I.: Image qualty statstc and ther use n steganalyss and compresson. Bogazc Unversty Green B.: anny Edge Detecton Tutoral /can_tut.html 5. Sandberg.: The Haar wavelet transform /000Spr/Labs/Haar/haar.html Aprl Analza falowa

17 Zastosowane transformat falowych Daubeches w ompres obrazu 7. hrstopoulou E. B. Sodras A.. Reed T. R. hrstopoulus. A.: On the JPEG000 Implementaton on Dfferent omputer Platforms /pubs/ans-c36.pdf. 8. Daubeches I.: Ten lectures on wavelets. Rutgers Unversty and AT&T Bell Laboratores 9. Waler J. S.:A Prmer on Wavelets and ther Scentfc Applcatons. HAPMA & HALL/R. 0. Shapro J. M.: Embedded Image odng Usng Zerotrees of Wavelet oeffcents. IEEE Transactons On Sgnal Processng vol. 4 no. december 99. Recenzent: Dr hab. nż. Mara Petrusza prof. Pol. Łódze Wpłynęło do Redac 9 paźdzerna 007 r. Abstract More and more often wavelet transform s mplemented n mage compresson because of good approxmaton n tme and frequency. Each transform possesses ts own unque features whch nfluence on the qualty and compresson rate of ganed mage. The famly of Daubeches wavelet transforms s often used n mage compresson. One of the advantages of these -level Daubeches wavelets s ther ablty to generate the great numbers of small values zero or close to zero for detal coeffcents f the sgnal s the same as polynomal degree less than / over the support nterval. Haar transform whch can be treated as second Daubeches wavelet transform wavelet transform Daubeches for and 0 degree were mplemented n mage compresson. These transforms were evaluated wth dfferent measures whch can be dvded nto four categores. The frst one concerns the dfference between pxel values n orgnal and compressed mage the second one represents correlaton measures the thrd one spectral measures and the last one edge measures. Wavelet transforms were appled to dfferent synthetc mages whch represent polynomal frst second and thrd degree and test mages: lena.bmp peppers.bmp and baboon.bmp. For more measures Daubeches wavelets are better than Haar transform. In mage compresson the best applcaton s Daubeches wavelet transform equal or less than eght degree. It s caused by the lac of polynomal degree hgher than three n mages.

18 M. Sublewsa-Paszowsa J. Smoła Adresy Mara SUBLEWSA-PASZOWSA: Poltechna Lubelsa Instytut Informaty ul. adbystrzyca 36B 0-68 Lubln Polsa Jaub SMOŁA: Poltechna Lubelsa Instytut Informaty ul. adbystrzyca 36B 0-68 Lubln Polsa

SYSTEMY UCZĄCE SIĘ WYKŁAD 5. LINIOWE METODY KLASYFIKACJI. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.

SYSTEMY UCZĄCE SIĘ WYKŁAD 5. LINIOWE METODY KLASYFIKACJI. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska. SYSEMY UCZĄCE SIĘ WYKŁAD 5. LINIOWE MEODY KLASYFIKACJI Częstochowa 4 Dr hab. nż. Grzegorz Dude Wydzał Eletryczny Poltechna Częstochowsa FUNKCJE FISHEROWSKA DYSKRYMINACYJNE DYSKRYMINACJA I MASZYNA LINIOWA

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

LABORATORIUM TECHNIKI CIEPLNEJ INSTYTUTU TECHNIKI CIEPLNEJ WYDZIAŁ INŻYNIERII ŚRODOWISKA I ENERGETYKI POLITECHNIKI ŚLĄSKIEJ

LABORATORIUM TECHNIKI CIEPLNEJ INSTYTUTU TECHNIKI CIEPLNEJ WYDZIAŁ INŻYNIERII ŚRODOWISKA I ENERGETYKI POLITECHNIKI ŚLĄSKIEJ INSTYTUTU TECHNIKI CIEPLNEJ WYDZIAŁ INŻYNIERII ŚRODOWISKA I ENERGETYKI POLITECHNIKI ŚLĄSKIEJ INSTRUKCJA LABORATORYJNA Temat ćwczena: BADANIE POPRAWNOŚCI OPISU STANU TERMICZNEGO POWIETRZA PRZEZ RÓWNANIE

Bardziej szczegółowo

OPTYMALIZACJA KOSZTÓW PRZEBUDOWY PORTFELA JAKO ZADANIE TRANSPORTOWE. 1. Problem badawczy

OPTYMALIZACJA KOSZTÓW PRZEBUDOWY PORTFELA JAKO ZADANIE TRANSPORTOWE. 1. Problem badawczy B A D A N I A O P E R A C Y J N E I D E C Y Z J E Nr 2 2004 Krzysztof PIASECKI* OPTYALIZACJA KOSZTÓW PRZEBUDOWY PORTFELA JAKO ZADANIE TRANSPORTOWE Wszyste oszty generowane przez prowze malerse są włączone

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

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

Ćw. 5. Wyznaczanie współczynnika sprężystości przy pomocy wahadła sprężynowego

Ćw. 5. Wyznaczanie współczynnika sprężystości przy pomocy wahadła sprężynowego 5 KATEDRA FIZYKI STOSOWANEJ PRACOWNIA FIZYKI Ćw. 5. Wyznaczane współczynna sprężystośc przy pomocy wahadła sprężynowego Wprowadzene Ruch drgający należy do najbardzej rozpowszechnonych ruchów w przyrodze.

Bardziej szczegółowo

Udoskonalona metoda obliczania mocy traconej w tranzystorach wzmacniacza klasy AB

Udoskonalona metoda obliczania mocy traconej w tranzystorach wzmacniacza klasy AB Julusz MDZELEWSK Wydzał Eletron Techn nformacyjnych, nstytut Radoeletron, oltechna Warszawsa do:0.599/48.05.09.36 dosonalona metoda oblczana mocy traconej w tranzystorach wzmacnacza lasy AB Streszczene.

Bardziej szczegółowo

APROKSYMACJA QUASIJEDNOSTAJNA

APROKSYMACJA QUASIJEDNOSTAJNA POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 73 Electrcal Engneerng 213 Jan PURCZYŃSKI* APROKSYMACJA QUASIJEDNOSTAJNA W pracy wykorzystano metodę aproksymacj średnokwadratowej welomanowej, przy

Bardziej szczegółowo

MECHANIKA 2 MOMENT BEZWŁADNOŚCI. Wykład Nr 10. Prowadzący: dr Krzysztof Polko

MECHANIKA 2 MOMENT BEZWŁADNOŚCI. Wykład Nr 10. Prowadzący: dr Krzysztof Polko MECHANIKA Wykład Nr 10 MOMENT BEZWŁADNOŚCI Prowadzący: dr Krzysztof Polko Defncja momentu bezwładnośc Momentem bezwładnośc punktu materalnego względem płaszczyzny, os lub beguna nazywamy loczyn masy punktu

Bardziej szczegółowo

WYZNACZENIE ROZKŁADU TEMPERATUR STANU USTALONEGO W MODELU 2D PRZY UŻYCIU PROGRMU EXCEL

WYZNACZENIE ROZKŁADU TEMPERATUR STANU USTALONEGO W MODELU 2D PRZY UŻYCIU PROGRMU EXCEL Zeszyty robemowe Maszyny Eetryczne Nr /203 (98) 233 Andrze ałas BOBRME KOMEL, Katowce WYZNACZENIE ROZKŁADU TEMERATUR STANU USTALONEGO W MODELU 2D RZY UŻYCIU ROGRMU EXCEL SOLVING STEADY STATE TEMERATURE

Bardziej szczegółowo

ROZWIĄZYWANIE DWUWYMIAROWYCH USTALONYCH ZAGADNIEŃ PRZEWODZENIA CIEPŁA PRZY POMOCY ARKUSZA KALKULACYJNEGO

ROZWIĄZYWANIE DWUWYMIAROWYCH USTALONYCH ZAGADNIEŃ PRZEWODZENIA CIEPŁA PRZY POMOCY ARKUSZA KALKULACYJNEGO OZWIĄZYWAIE DWUWYMIAOWYCH USALOYCH ZAGADIEŃ PZEWODZEIA CIEPŁA PZY POMOCY AKUSZA KALKULACYJEGO OPIS MEODY Do rozwązana ustalonego pola temperatury wyorzystana est metoda blansów elementarnych. W metodze

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

Małe drgania wokół położenia równowagi.

Małe drgania wokół położenia równowagi. ałe rgana woół położena równowag. ałe rgana Anazuemy ułay a tórych potencał Vqq,q,..,q posaa mnmum a oreśonych wartośc współrzęnych uogónonych q,, -czba stopn swoboy. ożemy ta przesaować te współrzęne

Bardziej szczegółowo

Wykład 2: Uczenie nadzorowane sieci neuronowych - I

Wykład 2: Uczenie nadzorowane sieci neuronowych - I Wykład 2: Uczene nadzorowane sec neuronowych - I Algorytmy uczena sec neuronowych Na sposób dzałana sec ma wpływ e topologa oraz funkconowane poszczególnych neuronów. Z reguły topologę sec uznae sę za

Bardziej szczegółowo

Natalia Nehrebecka. Zajęcia 4

Natalia Nehrebecka. Zajęcia 4 St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0 1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających

Bardziej szczegółowo

Wykład 2: Uczenie nadzorowane sieci neuronowych - I

Wykład 2: Uczenie nadzorowane sieci neuronowych - I Wykład 2: Uczene nadzorowane sec neuronowych - I Algorytmy uczena sec neuronowych Na sposób dzałana sec ma wpływ e topologa oraz funkconowane poszczególnych neuronów. Z reguły topologę sec uznae sę za

Bardziej szczegółowo

Ile wynosi suma miar kątów wewnętrznych w pięciokącie?

Ile wynosi suma miar kątów wewnętrznych w pięciokącie? 1 Ile wynos suma mar kątów wewnętrznych w pęcokące? 1 Narysuj pęcokąt foremny 2 Połącz środek okręgu opsanego na tym pęcokące ze wszystkm werzchołkam pęcokąta 3 Oblcz kąty każdego z otrzymanych trójkątów

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

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

Dr Krzysztof Piontek. Metody taksonomiczne Klasyfikacja i porządkowanie

Dr Krzysztof Piontek. Metody taksonomiczne Klasyfikacja i porządkowanie Lteratura przegląd etod Studu podyploowe Analty Fnansowy Metody tasonoczne Klasyfaca porządowane Dzechcarz J. (pod red.), Eonoetra: etody, przyłady, zadana, Wydawnctwo Aade Eonoczne we Wrocławu, Wrocław,

Bardziej szczegółowo

exp jest proporcjonalne do czynnika Boltzmanna exp(-e kbt (szerokość przerwy energetycznej między pasmami) g /k B

exp jest proporcjonalne do czynnika Boltzmanna exp(-e kbt (szerokość przerwy energetycznej między pasmami) g /k B Koncentracja nośnów ładunu w półprzewodnu W półprzewodnu bez domesz swobodne nośn ładunu (eletrony w paśme przewodnctwa, dzury w paśme walencyjnym) powstają tylo w wynu wzbudzena eletronów z pasma walencyjnego

Bardziej szczegółowo

1. Wstępna geometria skrzyżowania (wariant 1a)

1. Wstępna geometria skrzyżowania (wariant 1a) . Wtępna geometra rzyżowana (warant a) 2. Strutura erunowa ruchu 3. Warun geometryczne Srzyżowane et zloalzowane w śródmeścu o newelm ruchu pezych. Pochylene podłużne na wlotach nr 3 ne przeracza 0,5%,

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

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

Diagonalizacja macierzy kwadratowej

Diagonalizacja macierzy kwadratowej Dagonalzacja macerzy kwadratowej Dana jest macerz A nân. Jej wartośc własne wektory własne spełnają równane Ax x dla,..., n Każde z równań własnych osobno można zapsać w postac: a a an x x a a an x x an

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

Pokazać, że wyżej zdefiniowana struktura algebraiczna jest przestrzenią wektorową nad ciałem

Pokazać, że wyżej zdefiniowana struktura algebraiczna jest przestrzenią wektorową nad ciałem Zestaw zadań : Przestrzene wektorowe. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar : C C C, (z, v) z v := z v jest przestrzeną lnową nad całem lczb zespolonych

Bardziej szczegółowo

dr inż. ADAM HEYDUK dr inż. JAROSŁAW JOOSTBERENS Politechnika Śląska, Gliwice

dr inż. ADAM HEYDUK dr inż. JAROSŁAW JOOSTBERENS Politechnika Śląska, Gliwice dr nż. ADA HEYDUK dr nż. JAOSŁAW JOOSBEENS Poltechna Śląsa, Glwce etody oblczana prądów zwarcowych masymalnych nezbędnych do doboru aparatury łączenowej w oddzałowych secach opalnanych według norm europejsej

Bardziej szczegółowo

I. Elementy analizy matematycznej

I. Elementy analizy matematycznej WSTAWKA MATEMATYCZNA I. Elementy analzy matematycznej Pochodna funkcj f(x) Pochodna funkcj podaje nam prędkość zman funkcj: df f (x + x) f (x) f '(x) = = lm x 0 (1) dx x Pochodna funkcj podaje nam zarazem

Bardziej szczegółowo

4. Zjawisko przepływu ciepła

4. Zjawisko przepływu ciepła . Zawso przepływu cepła P.Plucńs. Zawso przepływu cepła wymana cepła przez promenowane wymana cepła przez unoszene wymana cepła przez przewodzene + generowane cepła znane wartośc temperatury zolowany brzeg

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

Zastosowanie procedur modelowania ekonometrycznego w procesach programowania i oceny efektywności inwestycji w elektroenergetyce

Zastosowanie procedur modelowania ekonometrycznego w procesach programowania i oceny efektywności inwestycji w elektroenergetyce Waldemar KAMRAT Poltechna Gdańsa Katedra Eletroenergety Zastosowane procedur modelowana eonometrycznego w procesach programowana oceny efetywnośc nwestyc w eletroenergetyce Streszczene. W pracy przedstawono

Bardziej szczegółowo

Kier. MTR Programowanie w MATLABie Laboratorium Ćw. 12

Kier. MTR Programowanie w MATLABie Laboratorium Ćw. 12 Ker. MTR Programowane w MATLABe Laboratorum Ćw. Analza statystyczna grafczna danych pomarowych. Wprowadzene MATLAB dysponuje weloma funcjam umożlwającym przeprowadzene analzy statystycznej pomarów, czy

Bardziej szczegółowo

WYZNACZENIE DYSYPACJI KINETYCZNEJ ENERGII TURBULENCJI PRZY UŻYCIU PRAWA -5/3. E c = E k + E p + E w

WYZNACZENIE DYSYPACJI KINETYCZNEJ ENERGII TURBULENCJI PRZY UŻYCIU PRAWA -5/3. E c = E k + E p + E w Metrologa... - "W y z n ac z an e d y s y p ac z p raw a -5 / " WYZNACZENIE DYSYPACJI KINETYCZNEJ ENERGII TRBLENCJI PRZY ŻYCI PRAWA -5/. WPROWADZENIE Energa przepływaącego płyn E c dem E p dem E c E k

Bardziej szczegółowo

WPŁYW PARAMETRÓW DYSKRETYZACJI NA NIEPEWNOŚĆ WYNIKÓW POMIARU OBIEKTÓW OBRAZU CYFROWEGO

WPŁYW PARAMETRÓW DYSKRETYZACJI NA NIEPEWNOŚĆ WYNIKÓW POMIARU OBIEKTÓW OBRAZU CYFROWEGO Walenty OWIECZKO WPŁYW PARAMETRÓW DYSKRETYZACJI A IEPEWOŚĆ WYIKÓW POMIARU OBIEKTÓW OBRAZU CYFROWEGO STRESZCZEIE W artykule przedstaono ynk analzy nepenośc pomaru ybranych cech obektu obrazu cyfroego. Wyznaczono

Bardziej szczegółowo

MODELOWANIE UKŁADÓW MECHANICZNYCH Z NIEPEWNYMI PARAMETRAMI

MODELOWANIE UKŁADÓW MECHANICZNYCH Z NIEPEWNYMI PARAMETRAMI Smlaca Andrze POWNUK Katedra Mecan Teoretczne Wdzał Bdownctwa Poltecna Śląsa w Glwcac MODELOWANIE UKŁADÓW MECHANICZNYCH Z NIEPEWNYMI PARAMETRAMI Streszczene. Wszste parametr ładów mecancznc są znane z

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

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

Wykład 1 Zagadnienie brzegowe liniowej teorii sprężystości. Metody rozwiązywania, metody wytrzymałości materiałów. Zestawienie wzorów i określeń.

Wykład 1 Zagadnienie brzegowe liniowej teorii sprężystości. Metody rozwiązywania, metody wytrzymałości materiałów. Zestawienie wzorów i określeń. Wykład Zagadnene brzegowe lnowe teor sprężystośc. Metody rozwązywana, metody wytrzymałośc materałów. Zestawene wzorów określeń. Układ współrzędnych Kartezańsk, prostokątny. Ose x y z oznaczono odpowedno

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

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7 Stansław Cchock Natala Nehrebecka Wykład 7 . Zmenne dyskretne Kontrasty: efekty progowe, kontrasty w odchylenach Interakcje. Przyblżane model nelnowych Stosowane do zmennych dyskretnych o uporządkowanych

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

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X Prawdopodobeństwo statystyka.. r. Zadane. Zakładamy, że,,,,, 5 są nezależnym zmennym losowym o rozkładach normalnych, przy czym E = μ Var = σ dla =,,, oraz E = μ Var = 3σ dla =,, 5. Parametry μ, μ σ są

Bardziej szczegółowo

Evaluation of estimation accuracy of correlation functions with use of virtual correlator model

Evaluation of estimation accuracy of correlation functions with use of virtual correlator model Jadwga LAL-JADZIAK Unwersytet Zelonogórsk Instytut etrolog Elektrycznej Elżbeta KAWECKA Unwersytet Zelonogórsk Instytut Informatyk Elektronk Ocena dokładnośc estymacj funkcj korelacyjnych z użycem modelu

Bardziej szczegółowo

METODA USTALANIA WSPÓŁCZYNNIKA DYNAMICZNEGO WYKORZYSTANIA ŁADOWNOŚCI POJAZDU

METODA USTALANIA WSPÓŁCZYNNIKA DYNAMICZNEGO WYKORZYSTANIA ŁADOWNOŚCI POJAZDU Stansław Bogdanowcz Poltechna Warszawsa Wydzał Transportu Załad Logsty Systemów Transportowych METODA USTALANIA WSPÓŁCZYNNIKA DYNAMICZNEGO WYKORZYSTANIA ŁADOWNOŚCI POJAZDU Streszczene: Ogólna podstawa

Bardziej szczegółowo

ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 2(88)/2012

ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 2(88)/2012 ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW (88)/01 Hubert Sar, Potr Fundowcz 1 WYZNACZANIE ASOWEGO OENTU BEZWŁADNOŚCI WZGLĘDE OSI PIONOWEJ DLA SAOCHODU TYPU VAN NA PODSTAWIE WZORU EPIRYCZNEGO 1. Wstęp asowy moment

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

ELEKTROCHEMIA. ( i = i ) Wykład II b. Nadnapięcie Równanie Buttlera-Volmera Równania Tafela. Wykład II. Równowaga dynamiczna i prąd wymiany

ELEKTROCHEMIA. ( i = i ) Wykład II b. Nadnapięcie Równanie Buttlera-Volmera Równania Tafela. Wykład II. Równowaga dynamiczna i prąd wymiany Wykład II ELEKTROCHEMIA Wykład II b Nadnapęce Równane Buttlera-Volmera Równana Tafela Równowaga dynamczna prąd wymany Jeśl układ jest rozwarty przez elektrolzer ne płyne prąd, to ne oznacza wcale, że na

Bardziej szczegółowo

METODA ELEMENTU SKOŃCZONEGO. Termokinetyka

METODA ELEMENTU SKOŃCZONEGO. Termokinetyka METODA ELEMENTU SKOŃCZONEGO Termoknetyka Matematyczny ops ruchu cepła (1) Zasada zachowana energ W a Cepło akumulowane, [J] P we Moc wejścowa, [W] P wy Moc wyjścowa, [W] t przedzał czasu, [s] V q S(V)

Bardziej szczegółowo

u u u( x) u, x METODA RÓŻNIC SKOŃCZONYCH, METODA ELEMENTÓW BRZEGOWYCH i METODA ELEMENTÓW SKOŃCZONYCH

u u u( x) u, x METODA RÓŻNIC SKOŃCZONYCH, METODA ELEMENTÓW BRZEGOWYCH i METODA ELEMENTÓW SKOŃCZONYCH METODA RÓŻNIC SKOŃCZONYCH, METODA ELEMENTÓW BRZEGOWYCH METODA ELEMENTÓW SKOŃCZONYCH Szkc rozwązana równana Possona w przestrzen dwuwymarowe. Równane Possona to równae różnczkowe cząstkowe opsuące wele

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

Podstawy teorii falek (Wavelets)

Podstawy teorii falek (Wavelets) Podstawy teor falek (Wavelets) Ψ(). Transformaca Haara (97).. Przykład pewne metody zapsu obrazu Transformaca Haara Przykład zapsu obrazu -D Podstawy matematyczne transformac Algorytmy rozkładana funkc

Bardziej szczegółowo

Przykład 5.1. Kratownica dwukrotnie statycznie niewyznaczalna

Przykład 5.1. Kratownica dwukrotnie statycznie niewyznaczalna rzykład.. Kratownca dwukrotne statyczne newyznaczana oecene: korzystaąc z metody sł wyznaczyć sły w prętach ponższe kratowncy. const Rozwązane zadana rozpoczynamy od obczena stopna statyczne newyznaczanośc

Bardziej szczegółowo

Indukcja matematyczna

Indukcja matematyczna Iducja matematycza Twerdzee. zasada ducj matematyczej Nech T ozacza pewą tezę o lczbe aturalej. Jeżel dla pewej lczby aturalej 0 teza T 0 jest prawdzwa dla ażdej lczby aturalej 0 z prawdzwośc tezy T wya

Bardziej szczegółowo

Matematyka finansowa r.

Matematyka finansowa r. . Sprawdź, tóre z ponższych zależnośc są prawdzwe: () = n n a s v d v d d v v d () n n m ) ( n m ) ( v a d s ) m ( = + & & () + = = + = )! ( ) ( δ Odpowedź: A. tylo () B. tylo () C. tylo () oraz () D.

Bardziej szczegółowo

Nieliniowe zadanie optymalizacji bez ograniczeń numeryczne metody iteracyjne optymalizacji

Nieliniowe zadanie optymalizacji bez ograniczeń numeryczne metody iteracyjne optymalizacji Nelnowe zadane optymalzacj bez ogranczeń numeryczne metody teracyjne optymalzacj mn R n f ( ) = f Algorytmy poszuwana mnmum loalnego zadana programowana nelnowego: Bez ogranczeń Z ogranczenam Algorytmy

Bardziej szczegółowo

Część 1 7. TWIERDZENIA O WZAJEMNOŚCI 1 7. TWIERDZENIA O WZAJEMNOŚCI Twierdzenie Bettiego (o wzajemności prac)

Część 1 7. TWIERDZENIA O WZAJEMNOŚCI 1 7. TWIERDZENIA O WZAJEMNOŚCI Twierdzenie Bettiego (o wzajemności prac) Część 1 7. TWIERDZENIA O WZAJEMNOŚCI 1 7. 7. TWIERDZENIA O WZAJEMNOŚCI 7.1. Twerdzene Bettego (o wzajemnośc prac) Nech na dowolny uład ramowy statyczne wyznaczalny lub newyznaczalny, ale o nepodatnych

Bardziej szczegółowo

Pracownia Automatyki i Elektrotechniki Katedry Tworzyw Drzewnych Ćwiczenie 3. Analiza obwodów RLC przy wymuszeniach sinusoidalnych w stanie ustalonym

Pracownia Automatyki i Elektrotechniki Katedry Tworzyw Drzewnych Ćwiczenie 3. Analiza obwodów RLC przy wymuszeniach sinusoidalnych w stanie ustalonym ĆWCZENE 3 Analza obwodów C przy wymszenach snsodalnych w stane stalonym 1. CE ĆWCZENA Celem ćwczena jest praktyczno-analtyczna ocena obwodów elektrycznych przy wymszenach snsodalne zmennych.. PODSAWY EOEYCZNE

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

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

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

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

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

1. Komfort cieplny pomieszczeń

1. Komfort cieplny pomieszczeń 1. Komfort ceplny pomeszczeń Przy określanu warunków panuących w pomeszczenu używa sę zwykle dwóch poęć: mkroklmat komfort ceplny. Przez poęce mkroklmatu wnętrz rozume sę zespół wszystkch parametrów fzycznych

Bardziej szczegółowo

KURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. www.etrapez.pl Strona 1

KURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. www.etrapez.pl Strona 1 KURS STATYSTYKA Lekcja 6 Regresja lne regresj ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 Funkcja regresj I rodzaju cechy Y zależnej

Bardziej szczegółowo

SPRAWDZANIE PRAWA MALUSA

SPRAWDZANIE PRAWA MALUSA INSTYTUT ELEKTRONIKI I SYSTEMÓW STEROWANIA WYDZIAŁ ELEKTRYCZNY POLITECHNIKA CZĘSTOCHOWSKA LABORATORIUM FIZYKI ĆWICZENIE NR O- SPRAWDZANIE PRAWA MALUSA I. Zagadnena do przestudowana 1. Fala elektromagnetyczna,

Bardziej szczegółowo

OGÓLNE PODSTAWY SPEKTROSKOPII

OGÓLNE PODSTAWY SPEKTROSKOPII WYKŁAD 8 OGÓLNE PODSTAWY SPEKTROSKOPII E E0 sn( ωt kx) ; k π ; ω πν ; λ T ν E (m c 4 p c ) / E +, dla fotonu m 0 p c p hk Rozkład energ w stane równowag: ROZKŁAD BOLTZMANA!!!!! P(E) e E / kt N E N E/

Bardziej szczegółowo

przez odwołanie się do funkcji programu MATLAB. Macierz A = Z

przez odwołanie się do funkcji programu MATLAB. Macierz A = Z PRYKŁAD 4.7 Oblczyć parametry ln z Przyład 4.1 dla sładowych azowych alnych, załadając, że jest to lna netransponowana. Oblczena wyonać za pomocą procedry LINE CONSANS dostępnej w programe AP-EMP. Przerój

Bardziej szczegółowo

Odczyt kodów felg samochodowych w procesie produkcyjnym

Odczyt kodów felg samochodowych w procesie produkcyjnym Odczyt odów felg samochodowych w procese producyjnym Jace Dunaj Przemysłowy Instytut Automaty Pomarów PIAP Streszczene: W artyule przedstawono sposób realzacj odczytu odów felg samochodowych. Opracowane

Bardziej szczegółowo

Grupa: Elektrotechnika, wersja z dn Studia stacjonarne, II stopień, sem.1 Laboratorium Techniki Świetlnej

Grupa: Elektrotechnika, wersja z dn Studia stacjonarne, II stopień, sem.1 Laboratorium Techniki Świetlnej ul.potrowo 3a http://lumen.ee.put.poznan.pl Grupa: Elektrotechnka, wersja z dn. 29.03.2016 Studa stacjonarne, stopeń, sem.1 Laboratorum Technk Śwetlnej Ćwczene nr 6 Temat: Badane parametrów fotometrycznych

Bardziej szczegółowo

STATYSTYCZNA ANALIZA WYNIKÓW POMIARÓW

STATYSTYCZNA ANALIZA WYNIKÓW POMIARÓW Zakład Metrolog Systemów Pomarowych P o l t e c h n k a P o z n ańska ul. Jana Pawła II 4 60-965 POZAŃ (budynek Centrum Mechatronk, Bomechank anonżyner) www.zmsp.mt.put.poznan.pl tel. +48 61 665 5 70 fax

Bardziej szczegółowo

MODEL ROZMYTY WYBORU SAMOCHODU W NAJWYŻSZYM STOPNIU SPEŁNIAJĄCEGO PREFERENCJE KLIENTA

MODEL ROZMYTY WYBORU SAMOCHODU W NAJWYŻSZYM STOPNIU SPEŁNIAJĄCEGO PREFERENCJE KLIENTA ZESZYTY NAUKWE PLITECHNIKI ŚLĄSKIEJ 2013 Sera: RGANIZACJA I ZARZĄDZANIE z. 64 Nr ol. 1894 Dorota GAWRŃSKA Poltechna Śląsa Wydzał rganzacj Zarządzana Instytut Eono Inforaty MDEL RZMYTY WYBRU SAMCHDU W NAJWYŻSZYM

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

Efekty zaokrągleń cen w Polsce po wprowadzeniu euro do obiegu gotówkowego

Efekty zaokrągleń cen w Polsce po wprowadzeniu euro do obiegu gotówkowego Ban Kredyt 40 (2), 2009, 61 95 www.banredyt.nbp.pl www.banandcredt.nbp.pl fety zaorągleń cen w Polsce po wprowadzenu euro do obegu gotówowego Mare Rozrut*, Jarosław T. Jaub #, Karolna Konopcza Nadesłany:

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

Weryfikacja hipotez dla wielu populacji

Weryfikacja hipotez dla wielu populacji Weryfkacja hpotez dla welu populacj Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Parametryczne testy stotnośc w

Bardziej szczegółowo

Cyfrowe przetwarzanie i kompresja danych

Cyfrowe przetwarzanie i kompresja danych Cyfrowe przetwarzane kompresja danyh dr nż.. Wojeh Zają Wykład 4. Dyskretna transformata kosnusowa Shemat przetwarzana danyh w systeme yfrowym Cyfryzaja danyh Dekorelaja kwantyzaja ompresja FEC + przeplot

Bardziej szczegółowo

11/22/2014. Jeśli stała c jest równa zero to takie gry nazywamy grami o sumie zerowej.

11/22/2014. Jeśli stała c jest równa zero to takie gry nazywamy grami o sumie zerowej. /22/24 Dwuosobowe gry o sume zero DO NAUCZENIA I ZAPAMIĘTANIA: Defnca zaps ger o sume zero, adaptaca ogólnych defnc. Punkt sodłowy Twerdzena o zwązkach punktu sodłowego z koncepcam rozwązań PRZYPOMNIENIE:

Bardziej szczegółowo

Minister Edukacji Narodowej Pani Katarzyna HALL Ministerstwo Edukacji Narodowej al. J. Ch. Szucha 25 00-918 Warszawa Dnia 03 czerwca 2009 r.

Minister Edukacji Narodowej Pani Katarzyna HALL Ministerstwo Edukacji Narodowej al. J. Ch. Szucha 25 00-918 Warszawa Dnia 03 czerwca 2009 r. Mnster Edukacj arodowej Pan Katarzyna HALL Mnsterstwo Edukacj arodowej al. J. Ch. Szucha 25 00-918 arszawa Dna 03 czerwca 2009 r. TEMAT: Propozycja zmany art. 30a ustawy Karta auczycela w forme lstu otwartego

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

1.4. STAN ODKSZTAŁCENIA STRONA GEOMETRYCZNA

1.4. STAN ODKSZTAŁCENIA STRONA GEOMETRYCZNA J. Wyrwał Wyłady z mechan materałów.. STAN ODKSZTAŁCENA STRONA GEOMETRYCZNA... Wetor przemeszczena Rozważmy bryłę (cało materalne) o dowolnym ształce meszczoną w prostoątnym ładze odnesena Ox xx (rys.

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

MATEMATYKA POZIOM ROZSZERZONY Kryteria oceniania odpowiedzi. Arkusz A II. Strona 1 z 5

MATEMATYKA POZIOM ROZSZERZONY Kryteria oceniania odpowiedzi. Arkusz A II. Strona 1 z 5 MATEMATYKA POZIOM ROZSZERZONY Krytera ocenana odpowedz Arkusz A II Strona 1 z 5 Odpowedz Pytane 1 2 3 4 5 6 7 8 9 Odpowedź D C C A B 153 135 232 333 Zad. 10. (0-3) Dana jest funkcja postac. Korzystając

Bardziej szczegółowo

Kwantowa natura promieniowania elektromagnetycznego

Kwantowa natura promieniowania elektromagnetycznego Efekt Comptona. Kwantowa natura promenowana elektromagnetycznego Zadane 1. Foton jest rozpraszany na swobodnym elektrone. Wyznaczyć zmanę długośc fal fotonu w wynku rozproszena. Poneważ układ foton swobodny

Bardziej szczegółowo

Kompresja fraktalna obrazów. obraz. 1. Kopiarka wielokrotnie redukująca 1.1. Zasada działania ania najprostszej kopiarki

Kompresja fraktalna obrazów. obraz. 1. Kopiarka wielokrotnie redukująca 1.1. Zasada działania ania najprostszej kopiarki Kompresa fratalna obraów. Kopara welorotne reuuąca.. Zasaa ałana ana naprostse opar Koncepca opar welorotne reuuące Naprosts prła opar. Moel matematcn obrau opara cęś ęścowa. obra weścow opara obra wścow

Bardziej szczegółowo

Wykład Turbina parowa kondensacyjna

Wykład Turbina parowa kondensacyjna Wykład 9 Maszyny ceplne turbna parowa Entropa Równane Claususa-Clapeyrona granca równowag az Dośwadczena W. Domnk Wydzał Fzyk UW ermodynamka 08/09 /5 urbna parowa kondensacyjna W. Domnk Wydzał Fzyk UW

Bardziej szczegółowo

Proces decyzyjny: 1. Sformułuj jasno problem decyzyjny. 2. Wylicz wszystkie możliwe decyzje. 3. Zidentyfikuj wszystkie możliwe stany natury.

Proces decyzyjny: 1. Sformułuj jasno problem decyzyjny. 2. Wylicz wszystkie możliwe decyzje. 3. Zidentyfikuj wszystkie możliwe stany natury. Proces decyzyny: 1. Sformułu sno problem decyzyny. 2. Wylcz wszyste możlwe decyze. 3. Zdentyfu wszyste możlwe stny ntury. 4. Oreśl wypłtę dl wszystch możlwych sytuc, ( tzn. ombnc decyz / stn ntury ). 5.

Bardziej szczegółowo

Kwantyzacja skalarna. Plan 1. Definicja 2. Kwantyzacja równomierna 3. Niedopasowanie, adaptacja 4. Kwantyzacja nierównomierna

Kwantyzacja skalarna. Plan 1. Definicja 2. Kwantyzacja równomierna 3. Niedopasowanie, adaptacja 4. Kwantyzacja nierównomierna Kwantyzacja salarna Plan. Defncja. Kwantyzacja równomerna 3. Nedopasowane, adaptacja 4. Kwantyzacja nerównomerna Pojce wantyzacj Defncja: Kwantyzacja reprezentacja duego w szczególnoc nesoczonego) zboru

Bardziej szczegółowo

7.8. RUCH ZMIENNY USTALONY W KORYTACH PRYZMATYCZNYCH

7.8. RUCH ZMIENNY USTALONY W KORYTACH PRYZMATYCZNYCH WYKŁAD 7 7.8. RUCH ZMIENNY USTALONY W KORYTACH PRYZMATYCZNYCH 7.8.. Ogólne równane rucu Rucem zmennym w korytac otwartyc nazywamy tak przepływ, w którym parametry rucu take jak prędkość średna w przekroju

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

5. Pochodna funkcji. lim. x c x c. (x c) = lim. g(c + h) g(c) = lim

5. Pochodna funkcji. lim. x c x c. (x c) = lim. g(c + h) g(c) = lim 5. Pocodna funkcj Defncja 5.1 Nec f: (a, b) R nec c (a, b). Jeśl stneje granca lm x c x c to nazywamy ją pocodną funkcj f w punkce c oznaczamy symbolem f (c) Twerdzene 5.1 Jeśl funkcja f: (a, b) R ma pocodną

Bardziej szczegółowo

Klasyfkator lnowy Wstęp Klasyfkator lnowy jest najprostszym możlwym klasyfkatorem. Zakłada on lnową separację lnowy podzał dwóch klas mędzy sobą. Przedstawa to ponższy rysunek: 5 4 3 1 0-1 - -3-4 -5-5

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

Lista 6. Kamil Matuszewski 26 listopada 2015

Lista 6. Kamil Matuszewski 26 listopada 2015 Lsta 6 Kaml Matuszews 6 lstopada 5 4 5 6 7 8 9 4 5 X X X X X X X X X X X D X X N Gdze X-spsae, D-Delarowae, N-edelarowae. Zadae Zadae jest westą odpowedego pomalowaa. Weźmy sobe szachowcę x, poumerujmy

Bardziej szczegółowo

Podstawy termodynamiki

Podstawy termodynamiki Podstawy termodynamk Temperatura cepło Praca jaką wykonuje gaz I zasada termodynamk Przemany gazowe zotermczna zobaryczna zochoryczna adabatyczna Co to jest temperatura? 40 39 38 Temperatura (K) 8 7 6

Bardziej szczegółowo

FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin. 2010, Oeconomica 280 (59), 13 20

FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin. 2010, Oeconomica 280 (59), 13 20 FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Fola Pomer. Unv. Technol. Stetn. 2010, Oeconomca 280 (59), 13 20 Iwona Bą, Agnesza Sompolsa-Rzechuła LOGITOWA ANALIZA OSÓB UZALEŻNIONYCH OD ŚRODKÓW

Bardziej szczegółowo

CAŁKOWANIE NUMERYCZNE całki pojedyncze

CAŁKOWANIE NUMERYCZNE całki pojedyncze CAŁKOWANIE NUMERYCZNE całk pojedyncze Kwadratury nterpolacyjne Kwadratury nterpolacyjne Rozpatrujemy funkcję f() cągłą ogranczoną w przedzale domknętym [a, b]. Przedzał [a, b] dzelmy na skończoną lczbę

Bardziej szczegółowo

ANALIZA PORÓWNAWCZA WYNIKÓW UZYSKANYCH ZA POMOCĄ MIAR SYNTETYCZNYCH: M ORAZ PRZY ZASTOSOWANIU METODY UNITARYZACJI ZEROWANEJ

ANALIZA PORÓWNAWCZA WYNIKÓW UZYSKANYCH ZA POMOCĄ MIAR SYNTETYCZNYCH: M ORAZ PRZY ZASTOSOWANIU METODY UNITARYZACJI ZEROWANEJ METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XVI/3, 2015, str. 248 257 ANALIZA PORÓWNAWCZA WYNIKÓW UZYSKANYCH ZA POMOCĄ MIAR SYNTETYCZNYCH: M ORAZ PRZY ZASTOSOWANIU METODY UNITARYZACJI ZEROWANEJ Sławomr

Bardziej szczegółowo

Teoria niepewności pomiaru (Rachunek niepewności pomiaru) Rodzaje błędów pomiaru

Teoria niepewności pomiaru (Rachunek niepewności pomiaru) Rodzaje błędów pomiaru Pomary fzyczne - dokonywane tylko ze skończoną dokładnoścą. Powodem - nedoskonałość przyrządów pomarowych neprecyzyjność naszych zmysłów borących udzał w obserwacjach. Podawane samego tylko wynku pomaru

Bardziej szczegółowo