PC: Identifikace struktury zobecněného dynamického systému

Rozměr: px
Začít zobrazení ze stránky:

Download "PC: Identifikace struktury zobecněného dynamického systému"

Transkript

1 PC: Identifikace struktury zobecněného dynamického systému Důležitý problém v obecné teorii systémů. 1. Podsystém a nadsystém. 2. Definice dekompozice systému. 3. Problém rekonstrukce systému: a. lokální a globální konzistence dynamických systémů, b. jednoduchá a iterativní spojovací procedura. 4. Problém identifikace struktury: a. generátor rekonstrukčních hypotéz, b. kvalita rekonstrukční hypotézy, c. identifikační procedura. 5. Příklad identifikace na skutečném systému. Systém, identifikace struktury; R. Šára, CMP (str. 1)

2 Podsystém dynamického systému systém 1 F v 1 systém 2 F a b 1 2 v 2 v w A v 4 6 w B c s 1 s 2 s 3 s 4 s 5 s 6 1 p(s) s a s b s c 2 p(s) Jde o nadsystém a podsystém 2 F 1 F? Musíme vědět, že 1. w A = v 1, w B = v 4 2. parametrizující množina je stejná Potom můžeme zkontrolovat: 1. obory hodnot R(w A ) = R(v 1 ), R(w B ) = R(v 4 ) 2. vnoření masky 2 M 1 M, s a = s 1, s b = s 2, s c = s 6 3. marginalitu 2 p vzhledem k 1 p Systém, identifikace struktury; R. Šára, CMP (str. 2)

3 Podsystém a nadsystém dynamického systému Def: i F = ( i A, i B; i M, i p B ) je podsystém systému F = (A, B; M, p B ), když platí následující podmínky: 1. kompatibilita s F (ztotožnění atributů a parametrů) má stejnou parametrickou množinu: ib = B obory hodnot základních proměnných Vj zachovány 2. vnoření i F F a. množina vzorkovacích proměnných je vnořena: i S S b. (data pro proměnné v i S jsou zachována) maska je vnořena i M M funkce přípustnosti i p B je marginální k p B Hierarchie podsystémů Konvence: S značí dále pouze množinu (vzorkovacích) proměnných dynamického systému F. Místo i F F budeme používat zkráceně i S S. Systém, identifikace struktury; R. Šára, CMP (str. 3)

4 Dekompozice systému blokové vyjádření struktury struktura jako rozklad množiny vzorkovacích proměnných v 4 F 4 S v 1 S 4 F v 1 1 F v 2 3 F 3 S v 4 v 2 v 3 2 F v 3 2 S Systém, identifikace struktury; R. Šára, CMP (str. 4)

5 Dekompozice systému Celkový systém obsahuje všechny proměnné. Dekompozice: Množina podsystémů G = {, 2 S,..., q S} celkového systému S, taková, že žádné dva j S a k S nejsou navzájem podsystémy: j S k S Protipříklad: S vazební proměnné 3 S 2 S Podmínka iredundance: podsystém 3 S nenese žádnou novou informaci o S a nepatří tedy do dekompozice systému S. Vazební proměnné mezi podsystémy: C k,l = k S l S Orientované vazby: rozklad proměnných na vstupní a výstupní. Proměnná může být deklarována jako výstupní jen v jednom podsystému (jednoznačnost řízení) Systém, identifikace struktury; R. Šára, CMP (str. 5)

6 Rozklad proměnných na vazební vstupní, vazební výstupní generující, vazební výstupní generované a nevazební generující proměnné s 1 s 2 s 1 s 2 s 2 s s 3 s 4 s 3 s 4 s 3 s 4 s 4 2 S S S S s 5 s 6 s 5 s 6 s 6 s 6 celkem 24 možností identifikace struktury systému není tímto rozkladem ovlivněna orientace vazby se pozná dle generativní neurčitosti příslušné proměnné vzhledem k 1. nebo 2. systému kauzalita se takto ale nezjistí Systém, identifikace struktury; R. Šára, CMP (str. 6)

7 Rekonstrukce a identifikace: úvod Rekonstrukce systému Konstrukce hypotézy o nejlepším celkovém systému S je-li dána jeho dekompozice {, 2 S,..., q S}. Aplikace: 1. inference celkového systému z dílčích 2. procedura nutná pro identifikaci Identifikace struktury Nejlepší dekompozice systému S na {, 2 S,..., q S}. Aplikace: 1. zjednodušení systému (např. rozpoznávání: jednodušší modely se odhadují lépe z dat) 2. nalezení struktury ve složitém systému (např. analýza kritických vazeb a závislostí) Systém, identifikace struktury; R. Šára, CMP (str. 7)

8 Velikost reprezentace celkového a dekomponovaného systému Pro k = 10 k počet stavů jedné proměnné n počet proměnných v systému (1 + n) k n velikost reprezentace celkového systému funkcí přípustnosti 3 2 k2 n (n 1) velikost reprezentace dekompozice, kde každý podsystém má jen dvě proměnné = n(n 1) 2 (2 + 1) k 2 (Gibbs) velikost reprezentace celkovy system dekomponovany system pocet promennych dekomponovaný syst.: méně proměnných lepší odhad z dat Systém, identifikace struktury; R. Šára, CMP (str. 8)

9 Systém, identifikace struktury; R. Šára, CMP (str. 9) Rekonstrukce celku z částí

10 Schéma identifikační procedury systém S generátor rekonstrukčních hypotéz G a S nejsou porovnatelné nelze srovnat kvalitu G a S S a S jsou porovnatelné kvalita dekompozice S? S : (S,S ) = G dekompozice na podsystémy = rekonstrukční hypotéza G = {, 2 S,..., q S} nestranné spojení rekonstrukce S Systém, identifikace struktury; R. Šára, CMP (str. 10)

11 Vzájemná konzistence dynamických systémů Lokální konzistence chování Marginální funkce přípustnosti nad vazebními proměnnými musí být stejné C i,j = i S j S [ i p B C i,j ] = [ j p B C i,j ] Př: Lokálně nekonzistentní systémy: 2 S v 1 v 2 v 3 v 1 v 2 1 p B S v 2 v 3 2 p B v 2 [ 1 p B {v 2 }] v 2 [ 2 p B {v 2 }] Pozn: podsystémy vzniklé rozkladem systému jsou lokálně konzistentní. Systém, identifikace struktury; R. Šára, CMP (str. 11)

12 Stačí lokální konzistence k rekonstrukci? v 1 v 2 1 p v 2 v 3 2 p v 1 v 3 3 p v 1 v 2 v 3 p p p p p p p p p p p p p 11 Množina možných rekonstrukcí? 0.06 p p p 10 + p p 0 = 0.34 p 10 p 11 p 1 = p 10 p 2 = p 11. p 9 = Systém, identifikace struktury; R. Šára, CMP (str. 12)

Zjednodušení generativního systému redukcí rozlišení

Zjednodušení generativního systému redukcí rozlišení Zjednodušení generativního systému redukcí rozlišení Ze studie zahrnující dotaz na vzdělání. Obor hodnot v i : e základní vzdělání h střední vzdělání c bakalář g magistr Možné redukce rozlišení cg vysoké

Více

Schéma identifikační procedury

Schéma identifikační procedury Schéma identifikační procedury systém S generátor rekonstrukčních hypotéz G a S nejsou porovnatelné nelze srovnat kvalitu G a S S a S jsou porovnatelné kvalita dekompozice S? S : (S,S ) = G dekompozice

Více

Prohledávání svazu zjemnění

Prohledávání svazu zjemnění Prohledávání svazu zjemnění Rekonstrukční chyba je monotonně neklesající podél každé cesty svazu zjemnění: Je-li G i G k G j potom (G i ) (G k ) (G j ) Rekonstrukční chyba je aditivní podél každé cesty

Více

Rekonstrukce diskrétního rozdělení psti metodou maximální entropie

Rekonstrukce diskrétního rozdělení psti metodou maximální entropie Rekonstrukce diskrétního rozdělení psti metodou maximální entropie Příklad Lze nalézt četnosti nepozorovaných stavů tak, abychom si vymýšleli co nejméně? Nechť n i, i = 1, 2,..., N jsou známé (absolutní)

Více

Kybernetika. Wiener 1948: Rok 2000:

Kybernetika. Wiener 1948: Rok 2000: Kybernetika Wiener 1948: Věda o řízení a sdělování v živých organismech a strojích. Rok 2000: Věda o modelování a řízení složitých systémů. 1. Objekt a model. 2. Systém. 3. Hierarchie systémů. 4. Předmět

Více

Teorie systémů TES 1. Úvod

Teorie systémů TES 1. Úvod Evropský sociální fond. Praha & EU: Investujeme do vaší budoucnosti. Teorie systémů TES 1. Úvod ZS 2011/2012 prof. Ing. Petr Moos, CSc. Ústav informatiky a telekomunikací Fakulta dopravní ČVUT v Praze

Více

APLIKAČNÍ SOFTWARE PRO ODHAD SPOLEHLIVOSTI A PRO HODNOCENÍ RIZIK

APLIKAČNÍ SOFTWARE PRO ODHAD SPOLEHLIVOSTI A PRO HODNOCENÍ RIZIK 1 INTEGROVANÝ NÁVRH KONSTRUKCÍ A SYSTÉMŮ PRO VÝSTAVBU 1.1 Teoretické základy integrovaného navrhování 1.1.2 Rozvoj rizikové a spolehlivostní analýzy jako nástroje kvalifikovaného rozhodování 1.1.2.1 Metody

Více

É ú Ú ú ť Ú Ě Ě Ě Í Š ň Š óó Š ú ň ú ú ú ňň Š Í ň ť ň ň É Í Ť Š Ú ť Ř ť ň ú ó ň ó ň ť Í ž ú Ú Š š ť ť š š Šť ú Ú Š ú Ú Ú š šť Í ň Ú Š Ú š ú Ď š š Š ú š Ó Š š Š ň Š ú ž ň š Ú Í ú š Š Í ž ž Ú ž Í š Š Š Š

Více

UČENÍ BEZ UČITELE. Václav Hlaváč

UČENÍ BEZ UČITELE. Václav Hlaváč UČENÍ BEZ UČITELE Václav Hlaváč Fakulta elektrotechnická ČVUT v Praze katedra kybernetiky, Centrum strojového vnímání hlavac@fel.cvut.cz, http://cmp.felk.cvut.cz/~hlavac 1/22 OBSAH PŘEDNÁŠKY ÚVOD Učení

Více

RNDr. Jakub Lokoč, Ph.D. RNDr. Michal Kopecký, Ph.D. Katedra softwarového inženýrství Matematicko-Fyzikální fakulta Univerzita Karlova v Praze

RNDr. Jakub Lokoč, Ph.D. RNDr. Michal Kopecký, Ph.D. Katedra softwarového inženýrství Matematicko-Fyzikální fakulta Univerzita Karlova v Praze RNDr. Jakub Lokoč, Ph.D. RNDr. Michal Kopecký, Ph.D. Katedra softwarového inženýrství Matematicko-Fyzikální fakulta Univerzita Karlova v Praze 1 Konceptuální modelování 2 Vytvořte model pro reprezentaci

Více

Ý š é š ó š ž š žé ó Š é ď Ý é é ž é ž š ž Ť é š é é Ř š é ď é ž é ž é é ž Ť é ď é šš é ž é ž é ž ů ž ž é Ť Ť Ř š é ž ž ď Ú š é ž š š ž š é ž š é é š ž é ž é ž ů é ž é ž é Č é é ž š š é é Ř š ž Ž š é é

Více

ď ď ď š Ý š š É Ý šš š š š šš š š š š Ě š Ó ď šš š šš ď Ě šš š šš Ě š Ě Ě Ú š š š Ě š š ď Ě š š Ž š Ě š Č š Ý ď š š ď š Ý Ť š š š š š Ý š ď ď š š Á Á É š š š Ž šš ď ř ň ř ř š Ý ď š š š š š š Ť Ě š Ť š

Více

š Ý š š Ú ž ž š ž š š ž š Í š š ž š Ú ž ž ž šš ž ž ž šš ž ž š ž ž š š ž ž ž šš ž ň Č ž ž ž ž šš ž ž ž š š š ó š š ž š ž š ž Ú ž š ž š š Ú ň š š ó š ž š ž š Ž ň š š š š š š š ž š š ž š š š š š š š š š š

Více

Automatický optický pyrometr v systémové analýze

Automatický optický pyrometr v systémové analýze ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA DOPRAVNÍ K611 ÚSTAV APLIKOVANÉ MATEMATIKY K620 ÚSTAV ŘÍDÍCÍ TECHNIKY A TELEMATIKY Automatický optický pyrometr v systémové analýze Jana Kuklová, 4 70 2009/2010

Více

Kybernetika a umělá inteligence, cvičení 10/11

Kybernetika a umělá inteligence, cvičení 10/11 Kybernetika a umělá inteligence, cvičení 10/11 Program 1. seminární cvičení: základní typy klasifikátorů a jejich princip 2. počítačové cvičení: procvičení na problému rozpoznávání číslic... body za aktivitu

Více

Optimalizace & soft omezení: algoritmy

Optimalizace & soft omezení: algoritmy Optimalizace & soft omezení: algoritmy Soft propagace Klasická propagace: eliminace nekonzistentních hodnot z domén proměnných Soft propagace: propagace preferencí (cen) nad k-ticemi hodnot proměnných

Více

SIGNÁLY A LINEÁRNÍ SYSTÉMY

SIGNÁLY A LINEÁRNÍ SYSTÉMY SIGNÁLY A LINEÁRNÍ SYSTÉMY prof. Ing. Jiří Holčík, CSc. INVESTICE Institut DO biostatistiky ROZVOJE VZDĚLÁVÁNÍ a analýz VII. SYSTÉMY ZÁKLADNÍ POJMY SYSTÉM - DEFINICE SYSTÉM (řec.) složené, seskupené (v

Více

ZÁKLADY AUTOMATICKÉHO ŘÍZENÍ

ZÁKLADY AUTOMATICKÉHO ŘÍZENÍ VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA FAKULTA STROJNÍ ZÁKLADY AUTOMATICKÉHO ŘÍZENÍ 1. týden doc. Ing. Renata WAGNEROVÁ, Ph.D. Ostrava 2013 doc. Ing. Renata WAGNEROVÁ, Ph.D. Vysoká škola báňská

Více

7. Pracovní postupy. Fakulta informačních technologií MI-NFA, zimní semestr 2011/2012 Jan Schmidt

7. Pracovní postupy. Fakulta informačních technologií MI-NFA, zimní semestr 2011/2012 Jan Schmidt Fakulta informačních technologií MI-NFA, zimní semestr 2011/2012 Jan Schmidt EVROPSKÝ SOCIÁLNÍ FOND PRAHA & EU: INVESTUJENE DO VAŠÍ BUDOUCNOSTI 7. Pracovní postupy Posloupnosti analytických a syntetických

Více

Otázky ke státní závěrečné zkoušce

Otázky ke státní závěrečné zkoušce Otázky ke státní závěrečné zkoušce obor Ekonometrie a operační výzkum a) Diskrétní modely, Simulace, Nelineární programování. b) Teorie rozhodování, Teorie her. c) Ekonometrie. Otázka č. 1 a) Úlohy konvexního

Více

Počítačová simulace logistických procesů II 7. přednáška Struktura simulačního modelu

Počítačová simulace logistických procesů II 7. přednáška Struktura simulačního modelu Počítačová simulace logistických procesů II 7. přednáška Struktura simulačního modelu Jan Fábry 23.10.2017 Počítačová simulace logistických procesů II Obsah předmětu I. Úvod, organizace, semestrální projekty,

Více

Hranová konzistence. Arc consistency AC. Nejprve se zabýváme binárními CSP. podmínka odpovídá hraně v grafu podmínek

Hranová konzistence. Arc consistency AC. Nejprve se zabýváme binárními CSP. podmínka odpovídá hraně v grafu podmínek Hranová konzistence Arc consistency AC Nejprve se zabýváme binárními CSP podmínka odpovídá hraně v grafu podmínek Hrana (V i, V j ) je hranově konzistentní, právě když pro každou hodnotu x z aktuální domény

Více

Konečný automat. Studium chování dynam. Systémů s diskrétním parametrem číslic. Počítae, nervové sys, jazyky...

Konečný automat. Studium chování dynam. Systémů s diskrétním parametrem číslic. Počítae, nervové sys, jazyky... Konečný automat. Syntéza kombinačních a sekvenčních logických obvodů. Sekvenční obvody asynchronní, synchronní a pulzní. Logické řízení technologických procesů, zápis algoritmů a formulace cílů řízení.

Více

01 Teoretické disciplíny systémové vědy

01 Teoretické disciplíny systémové vědy 01 Teoretické disciplíny systémové vědy (systémový přístup, obecná teorie systému, systémová statika a dynamika, úlohy na statických a dynamických systémech, kybernetika) Systémová věda je vědní disciplínou

Více

Síla a významnost asociace mezi proměnnými v systému

Síla a významnost asociace mezi proměnnými v systému Síla a významnost asociace mezi proměnnými v systému Program 1. Entropie jako míra neuspořádanosti. 2. Entropie jako míra informace. 3. Entropie na rozkladu množiny elementárních jevů. 4. Vlastnosti entropie.

Více

Usuzování za neurčitosti

Usuzování za neurčitosti Usuzování za neurčitosti 25.11.2014 8-1 Usuzování za neurčitosti Hypotetické usuzování a zpětná indukce Míry postačitelnosti a nezbytnosti Kombinace důkazů Šíření pravděpodobnosti v inferenčních sítích

Více

Automatizované řešení úloh s omezeními

Automatizované řešení úloh s omezeními Automatizované řešení úloh s omezeními Martin Kot Katedra informatiky, FEI, Vysoká škola báňská Technická universita Ostrava 17. listopadu 15, Ostrava-Poruba 708 33 Česká republika 25. října 2012 M. Kot

Více

CVIČENÍ 4 Doc.Ing.Kateřina Hyniová, CSc. Katedra číslicového návrhu Fakulta informačních technologií České vysoké učení technické v Praze 4.

CVIČENÍ 4 Doc.Ing.Kateřina Hyniová, CSc. Katedra číslicového návrhu Fakulta informačních technologií České vysoké učení technické v Praze 4. CVIČENÍ POZNÁMKY. CVIČENÍ. Vazby mezi systémy. Bloková schémata.vazby mezi systémy a) paralelní vazba b) sériová vazba c) zpětná (antiparalelní) vazba. Vnější popis složitých systémů a) metoda postupného

Více

Katedra kybernetiky laboratoř Inteligentní Datové Analýzy (IDA) Katedra počítačů, Computational Intelligence Group

Katedra kybernetiky laboratoř Inteligentní Datové Analýzy (IDA) Katedra počítačů, Computational Intelligence Group Vytěžování dat Miroslav Čepek, Filip Železný Katedra kybernetiky laboratoř Inteligentní Datové Analýzy (IDA) Katedra počítačů, Computational Intelligence Group Evropský sociální fond Praha & EU: Investujeme

Více

DBS Konceptuální modelování

DBS Konceptuální modelování DBS Konceptuální modelování Michal Valenta Katedra softwarového inženýrství FIT České vysoké učení technické v Praze Michal.Valenta@fit.cvut.cz c Michal Valenta, 2010 BIVŠ DBS I, ZS 2010/11 https://users.fit.cvut.cz/

Více

Vila Lanna, , 2011

Vila Lanna, , 2011 Proměnné, rovnice a řešení Štěpán Holub MFF UK Vila Lanna, 19. 3., 2011 Štěpán Holub (MFF UK) Proměnné, rovnice a řešení Vila Lanna, 19. 3., 2011 1 / 22 1 Řešitelnost rovnic na slovech 2 Několik málo proměnných

Více

Pojem endogenity a exogenity

Pojem endogenity a exogenity 22. 4. 2010 Úvodní definice Klasická definice Exogenita a endogenita není jednoznačná, přesto se nejčastěji pracuje s následující definicí. Proměnná x vysvětlující proměnnou y je exogenní, pokud L(y x)

Více

MOCNINY A ODMOCNINY. Standardy: M-9-1-01 M-9-1-02 PYTHAGOROVA VĚTA. Standardy: M-9-3-04 M-9-3-01

MOCNINY A ODMOCNINY. Standardy: M-9-1-01 M-9-1-02 PYTHAGOROVA VĚTA. Standardy: M-9-3-04 M-9-3-01 matematických pojmů a vztahů, k poznávání základě těchto vlastností k určování a zařazování pojmů matematického aparátu Zapisuje a počítá mocniny a odmocniny racionálních čísel Používá pro počítání s mocninami

Více

Dobývání znalostí. Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze

Dobývání znalostí. Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze Dobývání znalostí Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze Dobývání znalostí Bayesovské modely Doc. RNDr. Iveta Mrázová, CSc.

Více

Maturitní otázky z předmětu PROGRAMOVÁNÍ

Maturitní otázky z předmětu PROGRAMOVÁNÍ Wichterlovo gymnázium, Ostrava-Poruba, příspěvková organizace Maturitní otázky z předmětu PROGRAMOVÁNÍ 1. Algoritmus a jeho vlastnosti algoritmus a jeho vlastnosti, formy zápisu algoritmu ověřování správnosti

Více

Aplikace 2: Hledání informativních příznaků pro rozpoznávání

Aplikace 2: Hledání informativních příznaků pro rozpoznávání Aplikace : Hledání informativních příznaků pro rozpoznávání Sonogram štítné žlázy v podélném řezu zdravá lymfocitická thyroitida Zajímá nás, kolik se lze z dat dozvědět o třídě c a kde ta informace je.

Více

1 0 0 u 22 u 23 l 31. l u11

1 0 0 u 22 u 23 l 31. l u11 LU dekompozice Jedná se o rozklad matice A na dvě trojúhelníkové matice L a U, A=LU. Matice L je dolní trojúhelníková s jedničkami na diagonále a matice U je horní trojúhelníková. a a2 a3 a 2 a 22 a 23

Více

12. Globální metody MI-PAA

12. Globální metody MI-PAA Jan Schmidt 2011 Katedra číslicového návrhu Fakulta informačních technologií České vysoké učení technické v Praze Zimní semestr 2011/12 MI-PAA EVROPSKÝ SOCIÁLNÍ FOND PRAHA & EU: INVESTUJENE DO VAŠÍ BUDOUCNOSTI

Více

Rekurze. Pavel Töpfer, 2017 Programování 1-8 1

Rekurze. Pavel Töpfer, 2017 Programování 1-8 1 Rekurze V programování ve dvou hladinách: - rekurzivní algoritmus (řešení úlohy je definováno pomocí řešení podúloh stejného charakteru) - rekurzivní volání procedury nebo funkce (volá sama sebe přímo

Více

5 Vícerozměrná data - kontingenční tabulky, testy nezávislosti, regresní analýza

5 Vícerozměrná data - kontingenční tabulky, testy nezávislosti, regresní analýza 5 Vícerozměrná data - kontingenční tabulky, testy nezávislosti, regresní analýza 5.1 Vícerozměrná data a vícerozměrná rozdělení Při zpracování vícerozměrných dat se hledají souvislosti mezi dvěma, případně

Více

Algoritmus. Přesné znění definice algoritmu zní: Algoritmus je procedura proveditelná Turingovým strojem.

Algoritmus. Přesné znění definice algoritmu zní: Algoritmus je procedura proveditelná Turingovým strojem. Algoritmus Algoritmus je schematický postup pro řešení určitého druhu problémů, který je prováděn pomocí konečného množství přesně definovaných kroků. nebo Algoritmus lze definovat jako jednoznačně určenou

Více

Ontologie. Otakar Trunda

Ontologie. Otakar Trunda Ontologie Otakar Trunda Definice Mnoho různých definic: Formální specifikace sdílené konceptualizace Hierarchicky strukturovaná množina termínů popisujících určitou věcnou oblast Strukturovaná slovní zásoba

Více

Návrh databázového modelu

Návrh databázového modelu Návrh databázového modelu Informační a znalostní systémy 1 2 Konflikty 3 návrh musí pokrývat požadavky zadavatele návrhbyměl reflektovat i možné budoucí poslání návrh od shora dolů zdola nahoru Vývoj modelu

Více

Řídicí struktury. alg3 1

Řídicí struktury. alg3 1 Řídicí struktury Řídicí struktura je programová konstrukce, která se skládá z dílčích příkazů a předepisuje pro ně způsob provedení Tři druhy řídicích struktur: posloupnost, předepisující postupné provedení

Více

Základy algoritmizace, návrh algoritmu

Základy algoritmizace, návrh algoritmu Základy algoritmizace, návrh algoritmu Algoritmus Předpoklady automatického výpočtu: předem stanovit (rozmyslet) přesný postup během opakovaného provádění postupu již nepřemýšlet a postupovat mechanicky

Více

NPRG030 Programování I, 2015/16 1 / :25:32

NPRG030 Programování I, 2015/16 1 / :25:32 NPRG030 Programování I, 2015/16 1 / 21 22. 10. 2015 13:25:32 Podprogramy Příklad: Vytiskněte tabulku malé násobilky ve tvaru XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX X X 1 2 3 4 5 6 7 8 9 10 X

Více

Praha technic/(4 -+ (/T'ERATU"'P. ))I~~

Praha technic/(4 -+ (/T'ERATU'P. ))I~~ Jaroslav Baláte Praha 2003 -technic/(4 -+ (/T'ERATU"'P ))I~~ @ ZÁKLADNí OZNAČENí A SYMBOLY 13 O KNIZE 24 1 SYSTÉMOVÝ ÚVOD PRO TEORII AUTOMATICKÉHO iízení 26 11 VYMEZENí POJMU - SYSTÉM 26 12 DEFINICE SYSTÉMU

Více

Hloubka dat. kontury, klasifikace a konzistence. Daniel Hlubinka

Hloubka dat. kontury, klasifikace a konzistence. Daniel Hlubinka Hloubka dat kontury, klasifikace a konzistence Daniel Hlubinka Univerzita Karlova v Praze Matematicko-fyzikální fakulta Katedra pravděpodobnosti a matematické statistiky Robust Němčičky 2012 Hloubka Co

Více

ŠVP Gymnázium Ostrava-Zábřeh. 4.8.16. Úvod do programování

ŠVP Gymnázium Ostrava-Zábřeh. 4.8.16. Úvod do programování 4.8.16. Úvod do programování Vyučovací předmět Úvod do programování je na naší škole nabízen v rámci volitelných předmětů v sextě, septimě nebo v oktávě jako jednoletý dvouhodinový kurz. V případě hlubšího

Více

Obsah. Předmluva 13 Zpětná vazba od čtenářů 14 Zdrojové kódy ke knize 15 Errata 15

Obsah. Předmluva 13 Zpětná vazba od čtenářů 14 Zdrojové kódy ke knize 15 Errata 15 Předmluva 13 Zpětná vazba od čtenářů 14 Zdrojové kódy ke knize 15 Errata 15 KAPITOLA 1 Úvod do programo vání v jazyce C++ 17 Základní pojmy 17 Proměnné a konstanty 18 Typy příkazů 18 IDE integrované vývojové

Více

Profilová část maturitní zkoušky 2017/2018

Profilová část maturitní zkoušky 2017/2018 Střední průmyslová škola, Přerov, Havlíčkova 2 751 52 Přerov Profilová část maturitní zkoušky 2017/2018 TEMATICKÉ OKRUHY A HODNOTÍCÍ KRITÉRIA Studijní obor: 78-42-M/01 Technické lyceum Předmět: TECHNIKA

Více

Obsah. Kapitola 1 Hardware, procesory a vlákna Prohlídka útrob počítače...20 Motivace pro vícejádrové procesory...21

Obsah. Kapitola 1 Hardware, procesory a vlákna Prohlídka útrob počítače...20 Motivace pro vícejádrové procesory...21 Stručný obsah 1. Hardware, procesory a vlákna... 19 2. Programování s ohledemna výkon... 45 3. Identifikování příležitostí pro paralelizmus... 93 4. Synchronizace a sdílení dat... 123 5. Vlákna v rozhraní

Více

Navrhování experimentů a jejich analýza. Eva Jarošová

Navrhování experimentů a jejich analýza. Eva Jarošová Navrhování experimentů a jejich analýza Eva Jarošová Obsah Základní techniky Vyhodnocení výsledků Experimenty s jedním zkoumaným faktorem Faktoriální experimenty úplné 2 N dílčí 2 N-p Experimenty pro studium

Více

KLIMATICKÝ DOWNSCALING. ZOO76 Meteorologie a klimatologie Petr Kolář PřF MU Brno

KLIMATICKÝ DOWNSCALING. ZOO76 Meteorologie a klimatologie Petr Kolář PřF MU Brno ZOO76 Meteorologie a klimatologie Petr Kolář PřF MU Brno 12.12.2012 Definice: klimatický downscaling zahrnuje soubor technik, které využívají předpovědí globálních klimatických modelů (AOGCMs) k získávání

Více

DERIVACE FUKNCÍ VÍCE PROMĚNNÝCH

DERIVACE FUKNCÍ VÍCE PROMĚNNÝCH DERIVACE FUKNCÍ VÍCE PROMĚNNÝCH Reálná funkce dvou proměnných a definiční obor Kartézský součin R R značíme R 2 R 2 je množina všech uspořádaných dvojic reálných čísel (rovina) Prvk R 2 jsou bod v rovině

Více

Pravidla pro fungování týmů na cvičení předmětu IMO

Pravidla pro fungování týmů na cvičení předmětu IMO na cvičení předmětu IMO Všichni studenti kursu se budou podílet na jednom, jehož cílem bude zpracování analýzy informačního systému organizace na základě podnikatelského záměru (informační systém bude

Více

LINEÁRNÍ MODELY. Zdeňka Veselá

LINEÁRNÍ MODELY. Zdeňka Veselá LINEÁRNÍ MODELY Zdeňka Veselá vesela.zdenka@vuzv.cz Genetika kvantitativních vlastností Jednotlivé geny nejsou zjistitelné ani měřitelné Efekty většího počtu genů poskytují variabilitu, kterou lze většinou

Více

Matematika pro geometrickou morfometrii

Matematika pro geometrickou morfometrii Matematika pro geometrickou morfometrii Václav Krajíček Vaclav.Krajicek@mff.cuni.cz Department of Software and Computer Science Education Faculty of Mathematics and Physics Charles University Přednáška

Více

ČÁST 1. Základy 32bitového programování ve Windows

ČÁST 1. Základy 32bitového programování ve Windows Obsah Úvod 13 ČÁST 1 Základy 32bitového programování ve Windows Kapitola 1 Nástroje pro programování ve Windows 19 První program v Assembleru a jeho kompilace 19 Objektové soubory 23 Direktiva INVOKE 25

Více

Architektura informačních systémů. - dílčí architektury - strategické řízení taktické řízení. operativní řízení a provozu. Globální architektura

Architektura informačních systémů. - dílčí architektury - strategické řízení taktické řízení. operativní řízení a provozu. Globální architektura Dílčí architektury Informační systémy - dílčí architektury - EIS MIS TPS strategické řízení taktické řízení operativní řízení a provozu 1 Globální Funkční Procesní Datová SW Technologická HW Aplikační

Více

Syntaxe XML XML teorie a praxe značkovacích jazyků (4IZ238)

Syntaxe XML XML teorie a praxe značkovacích jazyků (4IZ238) XML teorie a praxe značkovacích jazyků (4IZ238) Jirka Kosek Poslední modifikace: $Date: 2009/10/01 19:46:33 $ Obsah Základy syntaxe... 3 Elementy a atributy... 4 Znakový model XML... 5 Komentáře... 6 Instrukce

Více

Kapitola 13: Transakce. Koncept transakce. ACID vlastnosti

Kapitola 13: Transakce. Koncept transakce. ACID vlastnosti - 13.1 - Kapitola 13: Transakce Koncept transakce Stavy transakce Implementace atomičnosti a trvanlivosti Souběžné spouštění Serializovatelnost Koncept transakce Transakce je posloupnost operací (část

Více

Informační a znalostní systémy jako podpora rozhodování

Informační a znalostní systémy jako podpora rozhodování Informační systémy a technologie Informační a znalostní systémy jako podpora rozhodování Petr Moos - ČVUT VŠL Přerov listopad 2015 Analýza a syntéza systému Definici systému můžeme zapsat ve tvaru: S =

Více

Témata profilové maturitní zkoušky

Témata profilové maturitní zkoušky Obor: 18-20-M/01 Informační technologie Předmět: Databázové systémy Forma: praktická 1. Datový model. 2. Dotazovací jazyk SQL. 3. Aplikační logika v PL/SQL. 4. Webová aplikace. Obor vzdělání: 18-20-M/01

Více

Modely datové. Další úrovní je logická úroveň Databázové modely Relační, Síťový, Hierarchický. Na fyzické úrovni se jedná o množinu souborů.

Modely datové. Další úrovní je logická úroveň Databázové modely Relační, Síťový, Hierarchický. Na fyzické úrovni se jedná o množinu souborů. Modely datové Existují různé úrovně pohledu na data. Nejvyšší úroveň je úroveň, která zachycuje pouze vztahy a struktury dat samotných. Konceptuální model - E-R model. Další úrovní je logická úroveň Databázové

Více

1. Vlastnosti diskretních a číslicových metod zpracování signálů... 15

1. Vlastnosti diskretních a číslicových metod zpracování signálů... 15 Úvodní poznámky... 11 1. Vlastnosti diskretních a číslicových metod zpracování signálů... 15 1.1 Základní pojmy... 15 1.2 Aplikační oblasti a etapy zpracování signálů... 17 1.3 Klasifikace diskretních

Více

SkiJo podpora pro vytyčování, řez terénem a kreslení situací

SkiJo podpora pro vytyčování, řez terénem a kreslení situací SkiJo podpora pro vytyčování, řez terénem a kreslení situací Koncepce: Pro podporu vytyčování, řezu terénem a kreslení situací byla vytvořena samostatná aplikace SkiJo GEOdeti. Obsahuje funkce pro odečítání

Více

TECHNICKÁ UNIVERZITA V LIBERCI

TECHNICKÁ UNIVERZITA V LIBERCI TECHNICKÁ UNIVERZITA V LIBERCI Fakulta mechatroniky, informatiky a mezioborových studií Základní pojmy diagnostiky a statistických metod vyhodnocení Učební text Ivan Jaksch Liberec 2012 Materiál vznikl

Více

Formální jazyky a gramatiky Teorie programovacích jazyků

Formální jazyky a gramatiky Teorie programovacích jazyků Formální jazyky a gramatiky Teorie programovacích jazyků doc. Ing. Jiří Rybička, Dr. ústav informatiky PEF MENDELU v Brně rybicka@mendelu.cz Připomenutí základních pojmů ABECEDA jazyk je libovolná podmnožina

Více

Agent pracující v částečně pozorovatelném prostředí udržuje na základě senzorického modelu odhaduje, jak se svět může vyvíjet.

Agent pracující v částečně pozorovatelném prostředí udržuje na základě senzorického modelu odhaduje, jak se svět může vyvíjet. Umělá inteligence II Roman Barták, KTIML roman.bartak@mff.cuni.cz http://ktiml.mff.cuni.cz/~bartak Dnešní program Agent pracující v částečně pozorovatelném prostředí udržuje na základě senzorického modelu

Více

dovolují dělení velkých úloh na menší = dekompozice

dovolují dělení velkých úloh na menší = dekompozice Podprogramy dovolují dělení velkých úloh na menší = dekompozice Příklad: Vytiskněte tabulku malé násobilky ve tvaru XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX X X 1 2 3 4 5 6 7 8 9 10 X XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX

Více

Paradigmata programování 1

Paradigmata programování 1 Paradigmata programování 1 Vytváření abstrakcí pomocí procedur Vilém Vychodil Katedra informatiky, PřF, UP Olomouc Přednáška 2 V. Vychodil (KI, UP Olomouc) Vytváření abstrakcí pomocí procedur Přednáška

Více

Intervalový odhad. Interval spolehlivosti = intervalový odhad nějakého parametru s danou pravděpodobností = konfidenční interval pro daný parametr

Intervalový odhad. Interval spolehlivosti = intervalový odhad nějakého parametru s danou pravděpodobností = konfidenční interval pro daný parametr StatSoft Intervalový odhad Dnes se budeme zabývat neodmyslitelnou součástí statistiky a to intervaly v nejrůznějších podobách. Toto téma je také úzce spojeno s tématem testování hypotéz, a tedy plynule

Více

Informační systémy 2008/2009. Radim Farana. Obsah. Nástroje business modelování. Business modelling, základní nástroje a metody business modelování.

Informační systémy 2008/2009. Radim Farana. Obsah. Nástroje business modelování. Business modelling, základní nástroje a metody business modelování. 3 Vysoká škola báňská Technická univerzita Ostrava Fakulta strojní, Katedra automatizační techniky a řízení 2008/2009 Radim Farana 1 Obsah Business modelling, základní nástroje a metody business modelování.

Více

Struktura programu v době běhu

Struktura programu v době běhu Struktura programu v době běhu Miroslav Beneš Dušan Kolář Struktura programu v době běhu Vztah mezi zdrojovým programem a činností přeloženého programu reprezentace dat správa paměti aktivace podprogramů

Více

Kontingenční tabulky. (Analýza kategoriálních dat)

Kontingenční tabulky. (Analýza kategoriálních dat) Kontingenční tabulky (Analýza kategoriálních dat) Agenda Standardní analýzy dat v kontingenčních tabulkách úvod, KT, míry diverzity nominálních veličin, některá rozdělení chí kvadrát testy, analýza reziduí,

Více

Zpráva s popisem softwarového návrhu a specifikací rozhraní prototypového modulu pro odhad chyby a zjemnění sítě

Zpráva s popisem softwarového návrhu a specifikací rozhraní prototypového modulu pro odhad chyby a zjemnění sítě TA02011196 1/5 Zpráva s popisem softwarového návrhu a specifikací rozhraní prototypového modulu pro odhad chyby a zjemnění sítě MEER (Modul for Error Estimation and Refinement) je knihovna sloužící pro

Více

MATURITNÍ OTÁZKY ELEKTROTECHNIKA - POČÍTAČOVÉ SYSTÉMY 2003/2004 PROGRAMOVÉ VYBAVENÍ POČÍTAČŮ

MATURITNÍ OTÁZKY ELEKTROTECHNIKA - POČÍTAČOVÉ SYSTÉMY 2003/2004 PROGRAMOVÉ VYBAVENÍ POČÍTAČŮ MATURITNÍ OTÁZKY ELEKTROTECHNIKA - POČÍTAČOVÉ SYSTÉMY 2003/2004 PROGRAMOVÉ VYBAVENÍ POČÍTAČŮ 1) PROGRAM, ZDROJOVÝ KÓD, PŘEKLAD PROGRAMU 3 2) HISTORIE TVORBY PROGRAMŮ 3 3) SYNTAXE A SÉMANTIKA 3 4) SPECIFIKACE

Více

Novinky v Advance Steel 2016 R2

Novinky v Advance Steel 2016 R2 Novinky v Advance Steel 2016 R2 Tento dokument obsahuje výběr novinek v aktualizaci Autodesk Advance Steel 2016 R2, která byla vydána v září 2015. 1. VŠEOBECNĚ 1.1. Možnost sdílet vyhledávací filtry mezi

Více

Relační datový model. Integritní omezení. Normální formy Návrh IS. funkční závislosti multizávislosti inkluzní závislosti

Relační datový model. Integritní omezení. Normální formy Návrh IS. funkční závislosti multizávislosti inkluzní závislosti Relační datový model Integritní omezení funkční závislosti multizávislosti inkluzní závislosti Normální formy Návrh IS Funkční závislosti funkční závislost elementární redundantní redukovaná částečná pokrytí

Více

Matematika a její aplikace Matematika 1. období 3. ročník

Matematika a její aplikace Matematika 1. období 3. ročník Vzdělávací oblast : Vyučovací předmět : Období ročník : Matematika a její aplikace Matematika 1. období 3. ročník Počet hodin : 165 Učební texty : H. Staudková : Matematika č. 7 (Alter) R. Blažková : Matematika

Více

Design of experiment Návrh experimentu

Design of experiment Návrh experimentu Design of experiment Návrh experimentu 19.7.2010 Co je to experiment Co je to experiment DOE SixSigma Proč se zabývat návrhem experimentu? Motivační příklad Klasický návrh DOE návrh experimentu Znalost

Více

4EK211 Základy ekonometrie

4EK211 Základy ekonometrie 4EK211 Základy ekonometrie LS 2014/15 Cvičení 7: Autokorelace LENKA FIŘTOVÁ KATEDRA EKONOMETRIE, FAKULTA INFORMATIKY A STATISTIKY VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE 1. Autokorelace - teorie Zopakujte si G-M

Více

Programování v Pythonu

Programování v Pythonu ƒeské vysoké u ení technické v Praze FIT Programování v Pythonu Ji í Znamená ek P íprava studijního programu Informatika je podporována projektem nancovaným z Evropského sociálního fondu a rozpo tu hlavního

Více

3. přednáška. Obsah: Řídící struktury sekvence, if-else, switch, for, while, do-while. Zpracování posloupnosti

3. přednáška. Obsah: Řídící struktury sekvence, if-else, switch, for, while, do-while. Zpracování posloupnosti Obsah: Řídící struktury sekvence, if-else, switch, for, while, do-while. Zpracování posloupnosti 3. přednáška nalezení největšího prvku, druhého nejvyššího prvku, algoritmus shozeného praporku. Algoritmizace

Více

Lineární a adaptivní zpracování dat. 2. SYSTÉMY a jejich popis v časové doméně

Lineární a adaptivní zpracování dat. 2. SYSTÉMY a jejich popis v časové doméně Lineární a adaptivní zpracování dat 2. SYSTÉMY a jejich popis v časové doméně Daniel Schwarz Investice do rozvoje vzdělávání Osnova Opakování: signály Systémy: definice, několik příkladů Vlastnosti systémů

Více

1. Programování proti rozhraní

1. Programování proti rozhraní 1. Programování proti rozhraní Cíl látky Cílem tohoto bloku je seznámení se s jednou z nejdůležitější programátorskou technikou v objektově orientovaném programování. Tou technikou je využívaní rozhraní

Více

Katedra kybernetiky, FEL, ČVUT v Praze.

Katedra kybernetiky, FEL, ČVUT v Praze. Strojové učení a dolování dat přehled Jiří Kléma Katedra kybernetiky, FEL, ČVUT v Praze http://ida.felk.cvut.cz posnova přednášek Přednáška Učitel Obsah 1. J. Kléma Úvod do předmětu, učení s a bez učitele.

Více

Začneme vysvětlením pojmů, které budeme používat a jejichž definic je nutné se držet.

Začneme vysvětlením pojmů, které budeme používat a jejichž definic je nutné se držet. Rozdělování IP sítí Vložil/a cm3l1k1 [1], 8 Červen, 2005-22:18 Networks & Protocols [2] Na českém internetu jsem nenalezl smysluplný a podrobný článek, který by popisoval rozdělování IP sítí. Je to základní

Více

6. ZÁKLADY STATIST. ODHADOVÁNÍ. Θ parametrický prostor. Dva základní způsoby odhadu neznámého vektoru parametrů bodový a intervalový.

6. ZÁKLADY STATIST. ODHADOVÁNÍ. Θ parametrický prostor. Dva základní způsoby odhadu neznámého vektoru parametrů bodový a intervalový. 6. ZÁKLADY STATIST. ODHADOVÁNÍ X={X 1, X 2,..., X n } výběr z rozdělení s F (x, θ), θ={θ 1,..., θ r } - vektor reálných neznámých param. θ Θ R k. Θ parametrický prostor. Dva základní způsoby odhadu neznámého

Více

Obsah. Předmluva 9 Poděkování 10. Statistické pojmy

Obsah. Předmluva 9 Poděkování 10. Statistické pojmy Obsah Předmluva 9 Poděkování 10 PRVNÍ ČÁST Statistické pojmy Kapitola 1 Základy matematiky 13 Množiny 13 Souvislosti a statistické funkce 16 Čísla 20 Rovnice o jedné neznámé 23 Jednoduché grafy 26 Modelování,

Více

7. přednáška - třídy, objekty třídy objekty atributy tříd metody tříd

7. přednáška - třídy, objekty třídy objekty atributy tříd metody tříd 7. přednáška - třídy, objekty třídy objekty atributy tříd metody tříd Algoritmizace (Y36ALG), Šumperk - 7. přednáška 1 Třída jako zdroj funkcionality Třída v jazyku Java je programová jednotka tvořená

Více

5EN306 Aplikované kvantitativní metody I

5EN306 Aplikované kvantitativní metody I 5EN306 Aplikované kvantitativní metody I Přednáška 10 Zuzana Dlouhá Předmět a struktura kurzu 1. Úvod: struktura empirických výzkumů 2. Tvorba ekonomických modelů: teorie 3. Data: zdroje a typy dat, význam

Více

4EK211 Základy ekonometrie

4EK211 Základy ekonometrie 4EK211 Základy ekonometrie LS 2014/15 Cvičení 10: Heteroskedasticita LENKA FIŘTOVÁ KATEDRA EKONOMETRIE, FAKULTA INFORMATIKY A STATISTIKY VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE 1. Heteroskedasticita - teorie Druhý

Více

Teorie systémů TES 5. Znalostní systémy KMS

Teorie systémů TES 5. Znalostní systémy KMS Evropský sociální fond. Praha & EU: Investujeme do vaší budoucnosti. Teorie systémů TES 5. Znalostní systémy KMS ZS 2011/2012 prof. Ing. Petr Moos, CSc. Ústav informatiky a telekomunikací Fakulta dopravní

Více

Unity a Objekty (NMIN102) RNDr. Michal Žemlička, Ph.D.

Unity a Objekty (NMIN102) RNDr. Michal Žemlička, Ph.D. Unity a Objekty Programování 2 (NMIN102) RNDr. Michal Žemlička, Ph.D. Větší programy Časté problémy: Ve více programech by se nám hodilo využít stejné řešení nějakého podproblému dalo by se vyřešit překopírováním

Více

Architektura počítačů

Architektura počítačů Architektura počítačů Studijní materiál pro předmět Architektury počítačů Ing. Petr Olivka katedra informatiky FEI VŠB-TU Ostrava email: petr.olivka@vsb.cz Ostrava, 2010 1 1 Architektura počítačů Pojem

Více