ALGORYTM UNIKANIA KOLIZJI PRZEZ ROBOTY MOBILNE BAZUJ

Wielkość: px
Rozpocząć pokaz od strony:

Download "ALGORYTM UNIKANIA KOLIZJI PRZEZ ROBOTY MOBILNE BAZUJ"

Transkrypt

1 mgr nż. Marek Majchrowsk dr nż. Wojcech Szynkewcz Instytut Automatyk Informatyk Stosowanej Poltechnka Warszawska ALGORYTM UNIKANIA KOLIZJI PRZEZ ROBOTY MOBILNE BAZUJĄCY NA PRZESZUKIWANIU PRZESTRZENI PRĘDKOŚCI * W artykule omówono mplementację wynk badań eksperymentalnych algorytmu unkana kolzj przez grupę współpracujących robotów moblnych w statycznym środowsku. Idea algorytmu polega na wyznaczanu dopuszczalnych prędkośc lnowej kątowej jako rozwązana zadana optymalzacj lnowej. OBSTACLE AVOIDANCE ALGORITHM FOR MOBILE ROBOTS BASED ON VELOCITY SPACE SEARCH The paper presents a modfed erson of well known Curature Velocty Method for local obstacle aodance. The obstacle aodance problem s formulated as one of a constraned optmzaton problem n elocty space. The obtaned elocty commands satsfy all the constrants and mze the objecte functon. The algorthm has been mplemented and tested on a group of smulated robots.. WSTĘP Wykrywane lokalnych przeszkód unkane z nm kolzj jest jedną z podstawowych funkcj sterownków robotów moblnych dzałających w neznanym lub częścowo neznanym bądź dynamcznym otoczenu. W algorytmach unkana kolzj wykorzystuje sę dane pomarowe z czujnków a także docelową pozycję robota oraz jego aktualną pozycję względem docelowej do lokalnej modyfkacj trajektor ruchu robota. Wymaga sę aby algorytmy były efektywne oblczenowo a generowany ruch był możlwe gładk oraz by robot podążał w kerunku celu przy uwzględnenu fzycznych ogranczeń robota [ 9]. Wększość znanych z lteratury algorytmów unkana kolzj można zalczyć do jednej z dwóch podstawowych grup: wyznaczana kerunku ruchu [ 6 ] oraz wyznaczana prędkośc lnowej kątowej robota w wynku przeszukwana odpowedno dobranej przestrzen prędkośc [3 5 8 ]. Jednym z wcześnejszych algorytmów zalczanych do perwszej grupy jest podejśce wykorzystujące sztuczne pola potencjalne [6]. Robot traktowany jako cząsteczka porusza sę w polu zaś jego ruch jest wypadkową dzałających na nego sł pochodzących od przeszkód sły odpychające oraz od celu sła przycągająca. W swej perwotnej wersj metoda pól potencjalnych mała szereg wad wśród których najpoważnejszą było występowane mnmów lokalnych pola czyl punktów różnych od docelowego w których sła wypadkowa jest równa zeru [ 4]. Wśród metod wyznaczana kerunku najwększą popularność zdobyły kolejne wersje algorytmów z grupy tzw. hstogramów pola wektorowego Vector Feld Hstogram VFH [] VFH+ [] oraz VHF * []. Idea tego podejśca polega na poszukwanu prześwtów przejść w tworzonych lokalne hstogramach begunowych wokół beżącej pozycj robota. W algorytme VHF+ przy wyznaczanu toru ruchu brane są pod uwagę wymary robota uproszczony model robota w postac okręgu możlwość realzacj danej trajektor przy ogranczenach wynkających z knematyk robota []. Wybór kerunku polega na poszukwanu mnmum wartośc pewnej funkcj kosztu. Zakłada sę że robot porusza * Praca jest fnansowana przez grant MEN: 3 TA9 9

2 sę po odcnkach prostych łukach okręgów. Zblżone do VFH podejśce zaprezentowane w pracy [7] wykorzystuje dagramy blskośc Nearness Dagram ND. Dzęk uwzględnenu geometrycznych knematycznych dynamcznych ogranczeń dla robota algorytm ten daje lepsze rezultaty nż VFH+ szczególne w środowskach z dużą lczbą przeszkód wąskm przejścam. Technk wykorzystujące pojęce okna dynamcznego Dynamc Wndow są przykładem podejśca polegające na przeszukwanu przestrzen prędkośc w celu znalezena sterowań prędkośc dopuszczalnych przy uwzględnenu ogranczeń wynkających z knematyk robota uproszczonego modelu dynamk [3 5 8]. Przestrzeń prędkośc jest zborem wszystkch par ω składających z prędkośc kątowych ω lnowych. W podejścu tym zakłada sę że robot może poruszać sę tylko po łukach okręgów reprezentowanych przez parę ω. Orygnalne podejśce to zaproponowane w pracy [5] polegało na wyznaczenu lokalnego okna dynamcznego czyl wszystkch par ω które mogą być osągnęte w następnym przedzale próbkowana borąc pod uwagę dopuszczalne przyspeszena oraz odrzucając te prędkośc których wybór powodował kolzję. Inn autorzy zaproponowal lczne modyfkacje udoskonalena m.n. wprowadzene globalnego okna dynamcznego w celu osągnęca pewnych zalet globalnego planowana śceżk bez kompletnego modelu otoczena [3] zapewnena zbeżnośc algorytmu dzęk połączenu orygnalnego podejśca z technkam sterowana predykcyjnego teor stablnośc Lapunowa [8]. Do grupy podejść bazujących na wyznaczanu prędkośc zalcza sę także metodę tzw. krzywzn prędkośc Curature Velocty Method CVM []. Zakłada sę tutaj podobne jak w technkach okna dynamcznego że robot porusza sę tylko po łukach okręgów o krzywznach c. W podejścu tym możlwe jest uwzględnene ogranczeń na dopuszczalne ω prędkośc przyspeszena. Algorytm przedstawony w nnejszej pracy zalcza sę do tej grupy stanow rozwnęce de zaproponowanej w []. W nnejszej pracy starano sę wyelmnować nedocągnęca błędy orygnalnej wersj tego algorytmu. Podstawowym celem pracy była eksperymentalna weryfkacja algorytmu dla robotów neholonomcznych w szczególnośc dla robotów o napędze różncowym.. ALGORYTM CVM.. Ops algorytmu Algorytm ten należy do grupy lokalnych metod planowana ruchu bazujących na wyznaczanu prędkośc lnowej kątowej robota. Problem omjana przeszkód jest opsywany jako zadane optymalzacj z ogranczenam w przestrzen prędkośc robota. Przestrzeń prędkośc jest zborem dopuszczalnych prędkośc. W zadanu tym przyjmujemy sterowane za pomocą nezależnych prędkośc: lnowej oraz kątowej ω. Wybór takch sterowań jest naturalny dla robotów o napędze synchroncznym. Dla naszego robota o napędze różncowym bardzej oczywste wydaje sę sterowane za pomocą nezależnych prędkośc lewego l oraz prawego r koła. Przejśce pomędzy tym prędkoścam wyraża l r sę prostym zależnoścam: ω gdze d to rozstaw kół robota oraz l + r. Po- d

3 neważ przelczene take jest dokonywane w sterownku robota węc w ponższych rozważanach będzemy operować na prędkoścach ω. Pożądane prędkośc ω są uzyskwane w wynku maksymalzacj określonej funkcj celu przy spełnenu ogranczeń. Do zalet tak sformułowanego zadana należą mędzy nnym: łatwość dodawana ogranczeń wynkających z dynamk robota nezależne sterowane prędkoścą oraz zmaną orentacj robota przez zadawane prędkośc lnowej kątowej sterowane prędkoścą kątową wpływa tylko wyłączne na zmanę orentacj natomast prędkość lnowa wpływa jedyne na prędkość robota możlwość wprowadzana dodatkowych czynnków decydujących o wyborze prędkośc przez modyfkację funkcj celu. W rzeczywstośc z dobrym przyblżenem można założyć że robot w każdej chwl czasu ω porusza sę wzdłuż łuku pewnego okręgu którego krzywzna wyraża sę wzorem: c. Fzyczna konstrukcja robota narzuca dwa typy ogranczeń: na maksymalną oraz mnmalną prędkość kątową oraz lnową robota: mn oraz ωmn ω ω na przyspeszene kątowe oraz lnowe. Dla prędkośc ω n n w chwl n oraz okresu T będącego czasem jednego wykonana algorytmu prawdzwe są warunk: ω ε T ω ω + ε T oraz + a T n n+ n n+ n gdze ε oraz to odpowedno maksymalne przyspeszene kątowe oraz maksymalne przyspeszene lnowe robota a n + n + T. Najważnejszym źródłem ogranczeń na dopuszczalne prędkośc ω są przeszkody znajdujące sę w środowsku otaczającym robota. Poneważ w naturalny sposób przeszkody są opsywane we współrzędnych kartezjańskch należy dokonać transformacj ch opsu do przestrzen prędkośc robota. Ponżej opsano jak jest to realzowane. Dla wszystkch krzywzn c należy oblczyć odległość d c p rozumaną jako długość drog jaką mus przebyć robot startując z punktu w układze lokalnym robota wzdłuż okręgu o krzywźne c zanm zderzy sę z przeszkodą p w punkce p. Następne defnujemy funkcje odległośc robota od przeszkody jako zaps ten ne jest ścsły z matematycznego punktu wdzena: d c p d ω p Dla danego zboru przeszkód Π funkcja ta ma postać: dla ω gdze c. dla D ω Π nf d ω p. p Π Rysunek. Wyznaczane odległośc od przeszkody p dla okręgu o krzywźne c 3

4 Poneważ zasęg czujnków jest ogranczony należy ogranczyć zakres możlwych wartośc funkcj D do pewnej ustalonej wartośc L w naszym przypadku przyjęlśmy L m: D ogr ω Π mn L D ω Π Oblczene odległośc d c p od przeszkody p o dowolnym kształce może być w ogólnym przypadku skomplkowane. Dlatego też w naszych rozważanach będzemy przyblżać przeszkody okręgam opsanym na nch. Dla robota o orentacj zgodnej z osa OY dla danego okręgu o krzywźne c który przecna przeszkodę w punkce p x y otrzymujemy rys. : y d c p θ c dla c dla c a tan y x dla c < c θ 4 π a tan > y x dla c c Mając już dane ogranczena wynkające z otoczena robota jak jego możlwośc wartośc prędkośc otrzymujemy poszukując maksmum funkcj celu. Funkcje celu doberamy tak aby spełnć następujące wymagana: robot pownen dążyć do osągnęca swojej maksymalnej prędkośc lnowej robot pownen poruszać sę po krzywych ne koldujących z przeszkodam robot pownen zawsze kerować sę na cel. Powyższe wymagana można zapsać w postac lnowej funkcj celu: gdze: V F ω α V + α D ω + α G 5 3 ω Dogr ω Π D ω L Wartośc poszczególnych składnków V D G funkcj F są znormalzowane. Składowa V odpowada za poruszane sę z maksymalną możlwą prędkoścą lnową składowa D jest odpowedzalna ze podążane wzdłuż bezkolzyjnych krzywych natomast składowa G preferuje podążane za celem. W ostatnm człone θ cel jest orentacją do celu w układze współrzędnych robota. Wartośc współczynnków α są wagam powyższych składnków. Od doboru tych współczynnków zależy zachowane robota tzn. jaka będze krzywzna skrętu jak wcześne będze reagował na przeszkody td... Szczegółowy ops algorytmu CVM θcel ω T G ω π Rysunek. Krzywe styczne do przeszkody p w punktach p mn p Gdy robot jest wyposażony w czujnk zblżenowe z pomarów otrzymujemy nformację o położenu krawędz przeszkody natomast położene środka promeń koła opsanego na tej 3 4

5 przeszkodze są neznane. W zwązku z tym w dalszych rozważanach przez przeszkodę będze rozumany okrąg o środku znajdującym sę na krawędz przeszkody w którym został dokonany pomar odległośc przez czujnk. W ten sposób jedna rzeczywsta przeszkoda może być reprezentowana przez wele okręgów. Pommo uproszczena jakm jest przyjęce że przeszkody są reprezentowane przez okręg oblczene wartośc funkcj D dla dużej lczby przeszkód jest czasochłonne. Zauważmy ogr y że dla danej przeszkody p odległość dc p jest neskończona na zewnątrz krzywych stycznych do danej przeszkody. Wystarczy zatem że będzemy rozpatrywać jedyne krzywe leżące pomędzy krzywym c mn a c rys.. Aby wyznaczyć wartośc c mn c p mn xmn ymn oraz p x y dla przeszkody p środku w punkce p x x y promenu r należy znaleźć take r aby ponższy układ równań przedstawający dwa okręg mał dokładne jedno rozwązane: x x + y y x r + y r r Powyższy układ równań należy sprowadzć do równana kwadratowego jednej zmennej wyznaczyć wyróżnk tego równana. O wyborze zmennej względem której będzemy rozwązywać to równane kwadratowe będze decydować położene przeszkody w układze współrzędnych czego powodem jest mnmalzacja błędów numerycznych oraz unknęce przypadków szczególnych przypadku y dla równana kwadratowego względem zmennej x oraz analogcznego przypadku x względem zmennej y. W ponższych rozważanach przejęlśmy że y > x będzemy sprowadzać dany układ równań do równana kwadratowego względem zmennej x. Natomast dla y x należy dany układ równań sprowadzć do równana kwadratowego względem zmennej y a rozwązana będą analogczne do przedstawonych ponżej. Rozwązując równane kwadratowe względem zmennej r gdze to wyróżnk równana kwadratowego o którym mowa była wyżej otrzymujemy rozwązana: r c x + y r x r x r r mn x + y r x + r mn c r x + y r r mn x + y r p mn xmn ymn oraz p x y : Punkty stycznośc okręgów x y mn mn x r / y ymn yrmn r r mn x y x x + r / y y yr r r + r Mając dane krzywe styczne do przeszkody przyblżamy funkcję d daną wzorem funkcją stałą 3 dla wszystkch c z zakresu c [ c c mn ] mmo że możemy najmnejszą z długośc łuków prowadzących do przeszkody wyznaczyć analtyczne. W ten sposób przyspeszamy dzałane algorytmu unkamy czasochłonnych oblczeń. Funkcja ta ma postać: 5

6 d c p d c p mn mn mn dla cmn c c d ω p 6 w p. p. W ten sposób dla zboru przeszkód otrzymujemy zbór przedzałów. Każdy z tych przedza- c c d gdze c c to krzywzny łów można reprezentować jako strukturę postac: [ ] okręgów wyznaczających ten przedzał c c a d jest odległoścą do przeszkody wewnątrz tego przedzału. W dalszych rozważanach przedzał będze rozumany jako jego re- c c d. Zaczynając od lsty przedzałów zawerają- prezentacja w postac struktury typu: [ ] cej tylko przedzał [ ] L dla każdej przeszkody wyznaczamy przedzał [ c mn c ] d dodajemy ten przedzał do lsty według zasady: dla każdego przedzału [ c c ] d z lsty: sprawdź w jakch zależnoścach jest ten przedzał z nowododawanym. Jeśl: są to przedzały rozłączne nc ne rób przedzał z lsty zawera sę w nowododawanym przedzale c cmn c c ustaw d mn d d odległość przedzał z lsty zawera nowododawany przedzał c cmn c c jeśl d < d c d c c d c c d ; to podzel stnejący przedzał na trzy: [ c mn ] [ mn ] oraz [ ] w przecwnym przypadku nc ne rób przedzały na sebe zachodzą jeśl d < d to podzel stnejący przedzał na dwa a wynk uzależnj od tego które brzeg przedzałów na sebe zachodzły tzn. dla c > c c d c c d w przecwnym przypadku na przedza- podzel na przedzały [ c mn ] [ mn ] ły [ c c ] d [ c c] d ; jeśl d d to nc ne rób. Rysunek 3. Przeszkody grafczna nterpretacj lsty przedzałów które z nch powstały Następne należy połączyć sąsadujące przedzały które mają tę samą odległość. W ten sposób otrzymujemy lstę rozłącznych przedzałów w przestrzen prędkośc. Geometryczne każdy przedzał w takej lśce defnuje parę prostych w przestrzen prędkośc rys. 3. c c mn pojedynczą wartoścą ne daje dobrych wynków rys. 4. W pewnych sytuacjach przyblżene take jest zbyt restrykcyjne Przyblżene zboru długośc krzywych z zakresu [ ] 6

7 a w nnych jest zbyt słabe może powodować problemy sytuacja w której rzeczywsta odległość od przeszkody jest mnejsza nż ta wylczona ze wzoru 6. Rysunek 4. Łuk okręgów o różnych krzywznach c wyznaczające odległość d c p dla danej przeszkody p c c mn na podprzedzały zastosowane równana 6 dla tych podprzedzałów a następne dodane ch do lsty zawerającej wszystke take przedzały w sposób omówony wyżej. Jednym z rozwązań tego problemu jest podzelene przedzału [ ] Przyjęto rozwązane polegające na wyznaczenu punktu na okręgu opsującym przeszkodę do którego odległość od robota jest najmnejsza w metryce eukldesowej. Następne okrąg ten jest dzelony na k segmentów które wyznaczają nowe punkty rys. 5 począwszy od wyznaczonego wcześnej punktu. Dla każdych dwóch sąsadujących punktów leżących pomędzy punktam wyznaczonym przez krzywe styczne do przeszkody tworzony jest przedzał c c d dodawany do lsty w sposób omówony wyżej. c c to krzywzny okręgów [ ] przechodzących przez te dwa punkty a jako odległość d brana jest mnejsza z odległośc lczonych jako droga z równana 3 wzdłuż krzywych c c. Dla przykładu z rysunku 5 dodane zostaną cztery przedzały zamast jednego..3. Rozszerzene algorytmu na grupę współpracujących robotów W celu wykorzystana opsanego powyżej algorytmu dla grupy współpracujących robotów w środowsku statycznym wprowadzono pewne założena. Rysunek 5. Sposób podzału okręgu opsującego przeszkodę na k 8 częśc Każdy z robotów w grupe ma unkalny prorytet przy czym robot o wyższym prorytece ma perwszeństwo przed robotem o nższym prorytece którego traktuje Rysunek 6. Punkty przecęca na planowanej śceżce ruchu jak przeszkodę. Prorytety mogą być nadawane arbtralne lub też dynamczne zmenane w zależnośc od planowanych dzałań. Każdy z robotów posada nformacje o wymarach szerokość długość pozostałych członków grupy w celu określena promena okręgu opsanego na danym roboce. 7

8 Każdy z robotów posada nformacje o położenu pozostałych członków grupy w pewnym układze globalnym oraz ch aktualnej prędkośc poruszana sę. Zakładana jest tu także możlwość wymenana nformacj pomędzy robotam komunkacja oraz ch samolokalzacja. W celu wyznaczena nowych sterowań w sposób opsany powyżej każdy z robotów do lsty wykrytych przeszkód przez czujnk odległośc dodaje po dwe nowe przeszkody na każdego robota o nższym prorytece. Perwsza z tych przeszkód reprezentuje aktualną pozycję danego robota o nższym prorytece druga zaś opsuje pozycję którą osągne ten robot po czase T. 3 3 W obu przypadkach okręg reprezentujące te przeszkody mają promeń równy sume promen: okręgu opsanego na roboce który wykonuje ten algorytm oraz okręgu opsanego na danym roboce o nższym prorytece. Po tym jak robot wyznaczy nowe sterowana sprawdzane jest czy na planowanej drodze ruchu ne znajduje sę robot o wyższym prorytece. W tym celu są wyznaczane punkty przecęca G H: okręgu opsanego na roboce o wyższym prorytece okrąg z opsem robot oraz okręgów c sw c sz współśrodkowych z okręgem c wzdłuż którego będze następował ruch o promenach które zapewną styczność z danym robotem rys. 6. W przypadku szczególnym gdy robot porusza sę po prostej będzemy szukal punktów przecęca K L E F okręgu prostych a b. Następne jest wyznaczana najmnejsza z odległośc do tych punktów wzdłuż odpowednch okręgów/prostych. Dla tak wyznaczonego dystansu jest modyfkowana prędkość robota aby ten w ustalonym czase zdążył zatrzymać sę przed poruszającym sę przed nm robotem o wyższym prorytece. 3. WYNIKI EKSPERYMENTALNE Rysunek 7. Unkane kolzj przez grupę robotów moblnych Wyżej przedstawony algorytm został zamplementowany przetestowany w środowsku symulacyjnym. W przeprowadzonych eksperymentach roboty wykorzystywały modele dalmerzy laserowych SICK LMS. Jako częstotlwość dzałana algorytmu T przyjęto Hz. Przedstawony algorytm unkana kolzj zależy od doboru welu parametrów w szczególnośc od wartośc współczynnków α. Po przeprowadzenu szeregu dośwadczeń w środowsku symulacyjnym dobrano następujące wartośc parametrów: α α 8 9 α 3 3 8

9 Środowsko w którym przeprowadzane były eksperymenty przedstawone jest na rysunku 7. Na lewym rysunku roboty znajdują sę w sytuacj początkowej na prawym przedstawona jest sytuacja w której normalne doszłoby do zderzena sę robotów. Robot nr 3 mał najwyższy prorytet natomast robot nr mał najnższy prorytet. Cel dla każdego robota znajdował sę w odległośc 5 m przed robotem. Roboty osągnęły cel z błędem ponżej cm. Rysunek 8. Wykresy położena oraz prędkośc robotów w trakce omjana przeszkód Rysunek 8 przedstawa wykres położena oraz prędkośc robotów w trakce omjana przeszkód. Przebeg położena jest gładk co jest stotne. Wynka z nego że roboty ne zaklnowały sę ngdze oraz ne zblżyły sę do przeszkód na tyle blsko aby musały zatrzymać sę obrócć sę w mejscu. Zatem uzyskane wynk można uznać za zadowalające. Na wykresach Rysunek 9. Wykresy położena oraz prędkośc robotów dla nnych prorytetów prędkośc lnowej najlepej wdać który robot mał najwyższy prorytet gdyż ne musał on hamować an sę zatrzymywać jak to mało mejsce w przypadku robotów nr. Na rysunku 9 przedstawono te same wykresy co wyżej tylko tym razem robot nr mał najwększy prorytet natomast robot nr 3 najmnejszy. W tym przypadku roboty także ne uległy zakleszczenu a przebeg położena są gładke. Na rysunku przedstawono sytuację w której roboty nr nr 3 sę zatrzymał a robot nr przejeżdżał swobodne mędzy przeszkodam. 9

10 4. PODSUMOWANIE Możlwość dzałana welu robotów we wspólnej przestrzen roboczej wymaga efektywnych algorytmów wykrywana unkana kolzj mędzy robotam. W nnejszej pracy zaproponowano algorytm unkana kolzj bazujący na przeszukwanu przestrzen prędkośc robotów. Wynk uzyskane w wybranych przykładach rys. 8 9 pokazują że można było uzyskać zadowalające zachowane robotów w środowsku całkowce neznanym pommo eksperymentalnego doboru parametrów α funkcj celu F 5. Było to jednak możlwe dzęk welokrotnym eksperymentom z różnym wartoścam poszczególnych parametrów w środowsku symulowanym. Obecne trwają prace nad doskonalenem opsanego w tej pracy algorytmu oraz nad opraco- ω z wększą precyzją. wanem nnych funkcj celu pozwalających na dobór prędkośc 5. LITERATURA [] R. C. Arkn. Behaor-Based Robotcs. Cambrdge Mass. MIT Press 998. [] J. Borensten Y. Koren. The ector feld hstogram fast obstacle aodance for moble robots. IEEE Trans. on Robotcs and Automaton 99 wol. 7 nr 3 s [3] O. Brock O. Khatb. Hgh-speed nagaton usng the global dynamc wndow approach. In: Proc. IEEE Int. Conf. on Robotcs and Automaton. Proceedngs s [4] I. Dulęba. Metody algorytmy planowana ruchu robotów moblnych manpulacyjnych. Warszawa Akademcka Ofcyna Wydawncza EXIT. [5] D. Fox W. Burgard S. Thrun. The dynamc wndow approach to collson aodance. IEEE Robotcs and Automaton Magazne 997 wol. 4 nr s [6] O. Khatb. Real-tme obstacle aodance for manpulators and moble robots. The Internatonal Journal Robotcs Research 986 wol. 5 nr s [7] J. Mnguez L. Montano. Nearness dagram ND nagaton: Collson aodance n troublesome scenaros. IEEE Trans. on Robotcs and Automaton 4 wol. nr s [8] P. Ögren N.E. Leonard. A conergent dynamc wndow approach to obstacle aodance. IEEE Transactons on Robotcs Aprl 5 wol. nr s [9] R. Segwart I.R. Nourbakhsh. Introducton to Autonomous Moble Robots. Cambrdge Mass. London. England MIT Press 4. [] R. Smmons. The curature-elocty method for local obstacle aodance. In: Proc. IEEE Int. Conf. on Robotcs and Automaton. Proceedngs 996 s [] I. Ulrch J. Borensten. VFH+: relable obstacle aodance for fast moble robots. In: Proc. IEEE Int. Conf. Robotcs and Automaton. Proceedngs 998 s [] I. Ulrch J. Borensten. VFH * : local obstacle aodance wth lookahead erfcaton. In: Proc. IEEE Int. Conf. Robotcs and Automaton. Proceedngs s Rysunek 8. Unkane kolzj przez grupę robotów moblnych dla nnych prorytetów

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

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

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

XXX OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne

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

Bardziej szczegółowo

Modelowanie i obliczenia techniczne. Metody numeryczne w modelowaniu: Optymalizacja

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

Bardziej szczegółowo

Wykład IX Optymalizacja i minimalizacja funkcji

Wykład IX Optymalizacja i minimalizacja funkcji Wykład IX Optymalzacja mnmalzacja funkcj Postawene zadana podstawowe dee jego rozwązana Proste metody mnmalzacj Metody teracj z wykorzystanem perwszej pochodnej Metody teracj z wykorzystanem drugej pochodnej

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

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

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

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Wielokryterialny Trójwymiarowy Problem Pakowania

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

Bardziej szczegółowo

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4 Zadane. Nech ( X, Y ),( X, Y ), K,( X, Y n n ) będą nezależnym zmennym losowym o tym samym rozkładze normalnym z następującym parametram: neznaną wartoścą oczekwaną EX = EY = m, warancją VarX = VarY =

Bardziej szczegółowo

(M2) Dynamika 1. ŚRODEK MASY. T. Środek ciężkości i środek masy

(M2) Dynamika 1. ŚRODEK MASY. T. Środek ciężkości i środek masy (MD) MECHANIKA - Dynamka T. Środek cężkośc środek masy (M) Dynamka T: Środek cężkośc środek masy robert.szczotka(at)gmal.com Fzyka astronoma, Lceum 01/014 1 (MD) MECHANIKA - Dynamka T. Środek cężkośc środek

Bardziej szczegółowo

5. OPTYMALIZACJA GRAFOWO-SIECIOWA

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

Bardziej szczegółowo

RÓWNOLEGŁY ALGORYTM POPULACYJNY DLA PROBLEMU GNIAZDOWEGO Z RÓWNOLEGŁYMI MASZYNAMI

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

Bardziej szczegółowo

WikiWS For Business Sharks

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

Bardziej szczegółowo

STATECZNOŚĆ SKARP. α - kąt nachylenia skarpy [ o ], φ - kąt tarcia wewnętrznego gruntu [ o ],

STATECZNOŚĆ SKARP. α - kąt nachylenia skarpy [ o ], φ - kąt tarcia wewnętrznego gruntu [ o ], STATECZNOŚĆ SKARP W przypadku obektu wykonanego z gruntów nespostych zaprojektowane bezpecznego nachylena skarp sprowadza sę do przekształcena wzoru na współczynnk statecznośc do postac: tgφ tgα = n gdze:

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

KRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA

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

Bardziej szczegółowo

Zaawansowane metody numeryczne

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

Bardziej szczegółowo

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

Siła jest przyczyną przyspieszenia. Siła jest wektorem. Siła wypadkowa jest sumą wektorową działających sił.

Siła jest przyczyną przyspieszenia. Siła jest wektorem. Siła wypadkowa jest sumą wektorową działających sił. 1 Sła jest przyczyną przyspeszena. Sła jest wektorem. Sła wypadkowa jest sumą wektorową dzałających sł. Sr Isaac Newton (164-177) Jeśl na cało ne dzała żadna sła lub sły dzałające równoważą sę, to cało

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

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

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

Sprawozdanie powinno zawierać:

Sprawozdanie powinno zawierać: Sprawozdane pownno zawerać: 1. wypełnoną stronę tytułową (gotowa do ćw. nr 0 na strone drugej, do pozostałych ćwczeń zameszczona na strone 3), 2. krótk ops celu dośwadczena, 3. krótk ops metody pomaru,

Bardziej szczegółowo

Minimalizacja globalna. Algorytmy genetyczne i ewolucyjne.

Minimalizacja globalna. Algorytmy genetyczne i ewolucyjne. Mnmalzacja globalna Algorytmy genetyczne ewolucyjne. Lnearyzacja nelnowego operatora g prowadz do przyblżonych metod rozwązywana zagadnena odwrotnego. Wynk takej nwersj jest slne uzależnony od wyboru modelu

Bardziej szczegółowo

ZASADA ZACHOWANIA MOMENTU PĘDU: PODSTAWY DYNAMIKI BRYŁY SZTYWNEJ

ZASADA ZACHOWANIA MOMENTU PĘDU: PODSTAWY DYNAMIKI BRYŁY SZTYWNEJ ZASADA ZACHOWANIA MOMENTU PĘDU: PODSTAWY DYNAMIKI BYŁY SZTYWNEJ 1. Welkośc w uchu obotowym. Moment pędu moment sły 3. Zasada zachowana momentu pędu 4. uch obotowy były sztywnej względem ustalonej os -II

Bardziej szczegółowo

Metody gradientowe poszukiwania ekstremum. , U Ŝądana wartość napięcia,

Metody gradientowe poszukiwania ekstremum. , U Ŝądana wartość napięcia, Metody gradentowe... Metody gradentowe poszukwana ekstremum Korzystają z nformacj o wartośc funkcj oraz jej gradentu. Wykazując ch zbeŝność zakłada sę, Ŝe funkcja celu jest ogranczona od dołu funkcją wypukłą

Bardziej szczegółowo

Minimalizacja globalna, algorytmy genetyczne i zastosowanie w geotechnice

Minimalizacja globalna, algorytmy genetyczne i zastosowanie w geotechnice Mnmalzacja globalna, algorytmy genetyczne zastosowane w geotechnce Metoda sejsmczna Metoda geoelektryczna Podstawowy podzał ZAGADNIENIE PROSTE (ang. forward problem) model + parametry modelu dane (ośrodek,

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

3. ŁUK ELEKTRYCZNY PRĄDU STAŁEGO I PRZEMIENNEGO

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

Bardziej szczegółowo

Optymalizacja belki wspornikowej

Optymalizacja belki wspornikowej Leszek MIKULSKI Katedra Podstaw Mechank Ośrodków Cągłych, Instytut Mechank Budowl, Poltechnka Krakowska e mal: ps@pk.edu.pl Optymalzacja belk wspornkowej 1. Wprowadzene RozwaŜamy zadane optymalnego kształtowana

Bardziej szczegółowo

Wyznaczanie długości fali światła metodą pierścieni Newtona

Wyznaczanie długości fali światła metodą pierścieni Newtona 013 Katedra Fzyk SGGW Ćwczene 368 Nazwsko... Data... Nr na lśce... Imę... Wydzał... Dzeń tyg.... Ćwczene 368: Godzna.... Wyznaczane długośc fal śwatła metodą perścen Newtona Cechowane podzałk okularu pomarowego

Bardziej szczegółowo

WYZNACZANIE WSPÓŁCZYNNIKA LEPKOŚCI CIECZY METODĄ STOKESA

WYZNACZANIE WSPÓŁCZYNNIKA LEPKOŚCI CIECZY METODĄ STOKESA WYZNACZANIE WSPÓŁCZYNNIKA LEPKOŚCI CIECZY METODĄ STOKESA. Ops teoretyczny do ćwczena zameszczony jest na strone www.wtc.wat.edu.pl w dzale DYDAKTYKA FIZYKA ĆWICZENIA LABORATORYJNE.. Ops układu pomarowego

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

Oligopol dynamiczny. Rozpatrzmy model sekwencyjnej konkurencji ilościowej jako gra jednokrotna z pełną i doskonalej informacją

Oligopol dynamiczny. Rozpatrzmy model sekwencyjnej konkurencji ilościowej jako gra jednokrotna z pełną i doskonalej informacją Olgopol dynamczny Rozpatrzmy model sekwencyjnej konkurencj loścowej jako gra jednokrotna z pełną doskonalej nformacją (1934) Dwa okresy: t=0, 1 tzn. frma 2 podejmując decyzję zna decyzję frmy 1 Q=q 1 +q

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

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

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

Bardziej szczegółowo

LABORATORIUM PODSTAW ELEKTROTECHNIKI Badanie obwodów prądu sinusoidalnie zmiennego

LABORATORIUM PODSTAW ELEKTROTECHNIKI Badanie obwodów prądu sinusoidalnie zmiennego Ćwczene 1 Wydzał Geonżyner, Górnctwa Geolog ABORATORUM PODSTAW EEKTROTECHNK Badane obwodów prądu snusodalne zmennego Opracował: Grzegorz Wśnewsk Zagadnena do przygotowana Ops elementów RC zaslanych prądem

Bardziej szczegółowo

2012-10-11. Definicje ogólne

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

Bardziej szczegółowo

METODA STRZAŁÓW W ZASTOSOWANIU DO ZAGADNIENIA BRZEGOWEGO Z NADMIAROWĄ LICZBĄ WARUNKÓW BRZEGOWYCH

METODA STRZAŁÓW W ZASTOSOWANIU DO ZAGADNIENIA BRZEGOWEGO Z NADMIAROWĄ LICZBĄ WARUNKÓW BRZEGOWYCH RAFAŁ PALEJ, RENATA FILIPOWSKA METODA STRZAŁÓW W ZASTOSOWANIU DO ZAGADNIENIA BRZEGOWEGO Z NADMIAROWĄ LICZBĄ WARUNKÓW BRZEGOWYCH APPLICATION OF THE SHOOTING METHOD TO A BOUNDARY VALUE PROBLEM WITH AN EXCESSIVE

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

WSPOMAGANE KOMPUTEROWO POMIARY CZĘSTOTLIWOŚCI CHWILOWEJ SYGNAŁÓW IMPULSOWYCH

WSPOMAGANE KOMPUTEROWO POMIARY CZĘSTOTLIWOŚCI CHWILOWEJ SYGNAŁÓW IMPULSOWYCH Metrologa Wspomagana Komputerowo - Zegrze, 9-22 05.997 WSPOMAGANE KOMPUTEROWO POMIARY CZĘSTOTLIWOŚCI CHWILOWEJ SYGNAŁÓW IMPULSOWYCH dr nż. Jan Ryszard Jask, dr nż. Elgusz Pawłowsk POLITECHNIKA lubelska

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

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

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

Bardziej szczegółowo

D Archiwum Prac Dyplomowych - Instrukcja dla studentów

D Archiwum Prac Dyplomowych - Instrukcja dla studentów Kraków 01.10.2015 D Archwum Prac Dyplomowych - Instrukcja dla studentów Procedura Archwzacj Prac Dyplomowych jest realzowana zgodne z zarządzenem nr 71/2015 Rektora Unwersytetu Rolnczego m. H. Kołłątaja

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

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej Badane współzależnośc dwóch cech loścowych X Y. Analza korelacj prostej Kody znaków: żółte wyróżnene nowe pojęce czerwony uwaga kursywa komentarz 1 Zagadnena 1. Zwązek determnstyczny (funkcyjny) a korelacyjny.

Bardziej szczegółowo

SYMULACJA KOMPUTEROWA NAPRĘŻEŃ DYNAMICZNYCH WE WRĘGACH MASOWCA NA FALI NIEREGULARNEJ

SYMULACJA KOMPUTEROWA NAPRĘŻEŃ DYNAMICZNYCH WE WRĘGACH MASOWCA NA FALI NIEREGULARNEJ Jan JANKOWSKI *), Maran BOGDANIUK *),**) SYMULACJA KOMPUTEROWA NAPRĘŻEŃ DYNAMICZNYCH WE WRĘGACH MASOWCA NA FALI NIEREGULARNEJ W referace przedstawono równana ruchu statku w warunkach falowana morza oraz

Bardziej szczegółowo

Moment siły (z ang. torque, inna nazwa moment obrotowy)

Moment siły (z ang. torque, inna nazwa moment obrotowy) Moment sły (z ang. torque, nna nazwa moment obrotowy) Sły zmenają ruch translacyjny odpowednkem sły w ruchu obrotowym jest moment sły. Tak jak sła powoduje przyspeszene, tak moment sły powoduje przyspeszene

Bardziej szczegółowo

mgr inż. Wojciech Artichowicz MODELOWANIE PRZEPŁYWU USTALONEGO NIEJEDNOSTAJNEGO W KANAŁACH OTWARTYCH

mgr inż. Wojciech Artichowicz MODELOWANIE PRZEPŁYWU USTALONEGO NIEJEDNOSTAJNEGO W KANAŁACH OTWARTYCH Poltechnka Gdańska Wydzał Inżyner Lądowej Środowska Katedra ydrotechnk mgr nż. Wojcech Artchowcz MODELOWANIE PRZEPŁYWU USTALONEGO NIEJEDNOSTAJNEGO W KANAŁAC OTWARTYC PRACA DOKTORSKA Promotor: prof. dr

Bardziej szczegółowo

ORGANIZACJA ZAJĘĆ OPTYMALIZACJA GLOBALNA WSTĘP PLAN WYKŁADU. Wykładowca dr inż. Agnieszka Bołtuć, pokój 304, e-mail: aboltuc@ii.uwb.edu.

ORGANIZACJA ZAJĘĆ OPTYMALIZACJA GLOBALNA WSTĘP PLAN WYKŁADU. Wykładowca dr inż. Agnieszka Bołtuć, pokój 304, e-mail: aboltuc@ii.uwb.edu. ORGANIZACJA ZAJĘĆ Wykładowca dr nż. Agneszka Bołtuć, pokój 304, e-mal: aboltuc@.uwb.edu.pl Lczba godzn forma zajęć: 15 godzn wykładu oraz 15 godzn laboratorum 15 godzn projektu Konsultacje: ponedzałk 9:30-11:00,

Bardziej szczegółowo

Wprowadzenie do Sieci Neuronowych Sieci rekurencyjne

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

Bardziej szczegółowo

DIAGNOSTYKA WYMIENNIKÓW CIEPŁA Z UWIARYGODNIENIEM WYNIKÓW POMIARÓW EKPLOATACYJNYCH

DIAGNOSTYKA WYMIENNIKÓW CIEPŁA Z UWIARYGODNIENIEM WYNIKÓW POMIARÓW EKPLOATACYJNYCH RYNEK CIEŁA 03 DIANOSYKA YMIENNIKÓ CIEŁA Z UIARYODNIENIEM YNIKÓ OMIARÓ EKLOAACYJNYCH Autorzy: rof. dr hab. nż. Henryk Rusnowsk Dr nż. Adam Mlejsk Mgr nż. Marcn ls Nałęczów, 6-8 paźdzernka 03 SĘ Elementam

Bardziej szczegółowo

Przykład 4.1. Belka dwukrotnie statycznie niewyznaczalna o stałej sztywności zginania

Przykład 4.1. Belka dwukrotnie statycznie niewyznaczalna o stałej sztywności zginania Przykład.. Beka dwukrotne statyczne newyznaczana o stałej sztywnośc zgnana Poecene: korzystając z metody sł sporządzć wykresy sł przekrojowych da ponŝszej bek. Wyznaczyć ugęce oraz wzgędną zmanę kąta w

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

PODSTAWA WYMIARU ORAZ WYSOKOŚĆ EMERYTURY USTALANEJ NA DOTYCHCZASOWYCH ZASADACH

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

Bardziej szczegółowo

Rachunek niepewności pomiaru opracowanie danych pomiarowych

Rachunek niepewności pomiaru opracowanie danych pomiarowych Rachunek nepewnośc pomaru opracowane danych pomarowych Mędzynarodowa Norma Oceny Nepewnośc Pomaru (Gude to Epresson of Uncertanty n Measurements - Mędzynarodowa Organzacja Normalzacyjna ISO) http://physcs.nst./gov/uncertanty

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

Pattern Classification

Pattern Classification attern Classfcaton All materals n these sldes were taken from attern Classfcaton nd ed by R. O. Duda,. E. Hart and D. G. Stork, John Wley & Sons, 000 wth the permsson of the authors and the publsher Chapter

Bardziej szczegółowo

Sztuczne sieci neuronowe. Krzysztof A. Cyran POLITECHNIKA ŚLĄSKA Instytut Informatyki, p. 311

Sztuczne sieci neuronowe. Krzysztof A. Cyran POLITECHNIKA ŚLĄSKA Instytut Informatyki, p. 311 Sztuczne sec neuronowe Krzysztof A. Cyran POLITECHNIKA ŚLĄSKA Instytut Informatyk, p. 311 Wykład 6 PLAN: - Repetto (brevs) - Sec neuronowe z radalnym funkcjam bazowym Repetto W aspekce archtektury: zajmowalśmy

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

Wprowadzenie. Support vector machines (maszyny wektorów wspierających, maszyny wektorów nośnych) SVM służy do: Zalety metody SVM

Wprowadzenie. Support vector machines (maszyny wektorów wspierających, maszyny wektorów nośnych) SVM służy do: Zalety metody SVM SVM Wprowadzene Support vector machnes (maszyny wektorów wsperających, maszyny wektorów nośnych) SVM służy do: w wersj podstawowej klasyfkacj bnarnej w wersj z rozszerzenam regresj wyboru najważnejszych

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

Planowanie eksperymentu pomiarowego I

Planowanie eksperymentu pomiarowego I POLITECHNIKA ŚLĄSKA W GLIWICACH WYDZIAŁ INŻYNIERII ŚRODOWISKA ENERGETYKI INSTYTUT MASZYN URZĄDZEŃ ENERGETYCZNYCH Plaowae eksperymetu pomarowego I Laboratorum merctwa (M 0) Opracował: dr ż. Grzegorz Wcak

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

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

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

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

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

Statystyka. Zmienne losowe

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

Bardziej szczegółowo

PAŃSTWOWA WYŻSZA SZKOŁA ZAWODOWA W PILE INSTYTUT POLITECHNICZNY. Zakład Budowy i Eksploatacji Maszyn PRACOWNIA TERMODYNAMIKI TECHNICZNEJ INSTRUKCJA

PAŃSTWOWA WYŻSZA SZKOŁA ZAWODOWA W PILE INSTYTUT POLITECHNICZNY. Zakład Budowy i Eksploatacji Maszyn PRACOWNIA TERMODYNAMIKI TECHNICZNEJ INSTRUKCJA PAŃSTWOWA WYŻSZA SZKOŁA ZAWODOWA W PILE INSTYTUT POLITECHNICZNY Zakład Budowy Eksploatacj Maszyn PRACOWNIA TERMODYNAMIKI TECHNICZNEJ INSTRUKCJA Temat ćwczena: PRAKTYCZNA REALIZACJA PRZEMIANY ADIABATYCZNEJ.

Bardziej szczegółowo

STARE A NOWE KRAJE UE KONKURENCYJNOŚĆ POLSKIEGO EKSPORTU

STARE A NOWE KRAJE UE KONKURENCYJNOŚĆ POLSKIEGO EKSPORTU Ewa Szymank Katedra Teor Ekonom Akadema Ekonomczna w Krakowe ul. Rakowcka 27, 31-510 Kraków STARE A NOWE KRAJE UE KONKURENCYJNOŚĆ POLSKIEGO EKSPORTU Abstrakt Artykuł przedstawa wynk badań konkurencyjnośc

Bardziej szczegółowo

ANALIZA WŁASNOŚCI SILNIKA RELUKTANCYJNEGO METODAMI POLOWYMI

ANALIZA WŁASNOŚCI SILNIKA RELUKTANCYJNEGO METODAMI POLOWYMI Akadema Górnczo-Hutncza Wydzał Elektrotechnk, Automatyk, Informatyk Elektronk Koło naukowe MAGNEIK ANAIZA WŁANOŚCI INIKA EUKANCYJNEGO MEODAMI POOWYMI Marcn Welgus Wtold Zomek Opekun naukowy referatu: dr

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

Natalia Nehrebecka. Dariusz Szymański

Natalia Nehrebecka. Dariusz Szymański Natala Nehrebecka Darusz Szymańsk . Sprawy organzacyjne Zasady zalczena Ćwczena Lteratura. Czym zajmuje sę ekonometra? Model ekonometryczny 3. Model lnowy Postać modelu lnowego Zaps macerzowy modelu dl

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

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

SZTUCZNA INTELIGENCJA

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

Bardziej szczegółowo

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

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

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

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

PROSTO O DOPASOWANIU PROSTYCH, CZYLI ANALIZA REGRESJI LINIOWEJ W PRAKTYCE

PROSTO O DOPASOWANIU PROSTYCH, CZYLI ANALIZA REGRESJI LINIOWEJ W PRAKTYCE PROSTO O DOPASOWANIU PROSTYCH, CZYLI ANALIZA REGRESJI LINIOWEJ W PRAKTYCE Janusz Wątroba, StatSoft Polska Sp. z o.o. W nemal wszystkch dzedznach badań emprycznych mamy do czynena ze złożonoścą zjawsk procesów.

Bardziej szczegółowo

Natalia Nehrebecka. Wykład 2

Natalia Nehrebecka. Wykład 2 Natala Nehrebecka Wykład . Model lnowy Postad modelu lnowego Zaps macerzowy modelu lnowego. Estymacja modelu Wartośd teoretyczna (dopasowana) Reszty 3. MNK przypadek jednej zmennej . Model lnowy Postad

Bardziej szczegółowo

Proste modele ze złożonym zachowaniem czyli o chaosie

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

Bardziej szczegółowo

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

dy dx stąd w przybliżeniu: y

dy dx stąd w przybliżeniu: y Przykłady do funkcj nelnowych funkcj Törnqusta Proszę sprawdzć uzasadnć, które z podanych zdań są prawdzwe, a które fałszywe: Przykład 1. Mesęczne wydatk na warzywa (y, w jednostkach penężnych, jp) w zależnośc

Bardziej szczegółowo

WPŁYW POSTACI FUNKCJI JAKOŚCI ORAZ WAG KRYTERIÓW CZĄSTKOWYCH NA WYNIKI OPTYMALIZACJI ZDERZENIA METODĄ GENETYCZNĄ

WPŁYW POSTACI FUNKCJI JAKOŚCI ORAZ WAG KRYTERIÓW CZĄSTKOWYCH NA WYNIKI OPTYMALIZACJI ZDERZENIA METODĄ GENETYCZNĄ PIOTR KRZEMIEŃ *, ANDRZEJ GAJEK ** WPŁYW POSTACI FUNKCJI JAKOŚCI ORAZ WAG KRYTERIÓW CZĄSTKOWYCH NA WYNIKI OPTYMALIZACJI ZDERZENIA METODĄ GENETYCZNĄ THE INFLUENCE OF THE SHAPE OF THE QUALITY FUNCTION AND

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

Modele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4.

Modele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4. Modele weloczynnkowe Analza Zarządzane Portfelem cz. 4 Ogólne model weloczynnkowy można zapsać jako: (,...,,..., ) P f F F F = n Dr Katarzyna Kuzak lub (,...,,..., ) f F F F = n Modele weloczynnkowe Można

Bardziej szczegółowo

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

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

Bardziej szczegółowo

INDUKCJA ELEKTROMAGNETYCZNA. - Prąd powstający w wyniku indukcji elektro-magnetycznej.

INDUKCJA ELEKTROMAGNETYCZNA. - Prąd powstający w wyniku indukcji elektro-magnetycznej. INDUKCJA ELEKTROMAGNETYCZNA Indukcja - elektromagnetyczna Powstawane prądu elektrycznego w zamknętym, przewodzącym obwodze na skutek zmany strumena ndukcj magnetycznej przez powerzchnę ogranczoną tym obwodem.

Bardziej szczegółowo

Wyznaczenie promienia hydrodynamicznego cząsteczki metodą wiskozymetryczną. Część 2. Symulacje komputerowe

Wyznaczenie promienia hydrodynamicznego cząsteczki metodą wiskozymetryczną. Część 2. Symulacje komputerowe Rafał Górnak Wyznaczene promena hydrodynamcznego cząsteczk metodą wskozymetryczną. Część. Symulacje komputerowe Pojęca podstawowe Symulacje komputerowe, zasady dynamk Newtona, dynamka molekularna, potencjał

Bardziej szczegółowo

Portfele zawierające walor pozbawiony ryzyka. Elementy teorii rynku kapitałowego

Portfele zawierające walor pozbawiony ryzyka. Elementy teorii rynku kapitałowego Portel nwestycyjny ćwczena Na podst. Wtold Jurek: Konstrukcja analza rozdzał 5 dr chał Konopczyńsk Portele zawerające walor pozbawony ryzyka. lementy teor rynku kaptałowego 1. Pożyczane penędzy amy dwa

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

WYBRANE ZASTOSOWANIA OPTYMALIZACJI ROZMYTEJ W STEROWANIU PROCESAMI ODLEWNICZYMI

WYBRANE ZASTOSOWANIA OPTYMALIZACJI ROZMYTEJ W STEROWANIU PROCESAMI ODLEWNICZYMI 47/17 ARCHIWUM ODLEWNICTWA Rok 2005, Rocznk 5, Nr 17 Archves of Foundry Year 2005, Volume 5, Book 17 PAN - Katowce PL ISSN 1642-5308 WYBRANE ZASTOSOWANIA OPTYMALIZACJI ROZMYTEJ W STEROWANIU PROCESAMI ODLEWNICZYMI

Bardziej szczegółowo

Analiza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa. PARA ZMIENNYCH LOSOWYCH

Analiza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa.   PARA ZMIENNYCH LOSOWYCH Analza danych Analza danych welowymarowych. Regresja lnowa. Dyskrymnacja lnowa. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ PARA ZMIENNYCH LOSOWYCH Parę zmennych losowych X, Y możemy

Bardziej szczegółowo