P i= Od každého obrázku sady odečteme průměrný obraz (provedeme centrování dat): (2)
|
|
- Zdenka Fišerová
- před 8 lety
- Počet zobrazení:
Transkript
1 METODA PCA A JEJÍ IMPLEMENTACE V JAZYCE C++ Lukáš Frtsch, Ing. ČVUT v Praze, Fakulta elektrotechncká, Katedra radoelektronky Abstrakt Metoda PCA (Prncpal Coponent Analyss- analýza hlavních koponent) ůže být využta k reprezentac např. ldské tváře v tzv. facespace (prostoru tváří), v něž lze efektvně provádět rozpoznávání tváře. Na základě dále uvedeného popsu etody PCA byla pod operační systée Wndows v jazyce Vsual C++ naprograována aplkace, která deonstruje užtí etody v úloze rozpoznávání a též v úloze koprese obrazové nforace. Př návrhu aplkace byl kladen důraz na rychlost výpočtu a na ožnost použtí rozsáhlejších trénovacích sad sníků. Součástí realzace bylo ověření funkčnost algortu pro obě zňované úlohy v prograové prostředí MATLAB. Základní pojy a úvod do probleatky Uvažuje kolekc o počtu P obrázků tváří (též trénovací sadu), kdy všechny ají stejné rozěry WxH. Z těchto obrázků sestrojíe atc o počtu řádků rovné počtu obrazů P v kolekc a o počtu sloupců rovné číslu n=wxh. Obrázky tváří jsou s podobné, ať už ve více č éně rysech, a proto nejsou náhodně dstrbuovány (exstuje ez n nenulová korelace). Hlavní yšlenkou PCA pro ná zaýšlené účely je nalézt vektory, které nejlépe popsují dstrbuc obrázků tváří v celé prostoru obrázků. Tyto nalezené vektory denze n defnují podprostor, který nazýváe prostor obrázků tváří (egenspace, též facespace), jsou lneární kobnací původních vektorů a tvoří báz egenspace. Tyto vektory jsou vlastní vektory kovaranční atce korespondující k původní obrázků a protože jsou podobné obrázků tváří, nazýváe je egenfaces. Tí jse s na úvod uvedl základní teríny a prncpy, [], [2], [4], [5], [6]. 2 Proces rozpoznávání Zabýveje se postupe, který nás dovede až do fáze rozpoznávání tváře, []. Nechť áe kolekc obrázků tváří x,, x2 K, xp, přčež s představuje každý obrázek jako vektor (jednotlvé řádky obrazové atce poskládáe postupně za sebou). Na obr. je uvedena část dalogového okna aplkace, kde se defnuje trénovací sada. V toto konkrétní případě sada obsahuje celke 80 obrázků od čtyř různých osob ( už a 3 ženy) a lze j získat na stránce [7]. Obr. Volba trénovací sady
2 Další kroke je výpočet průěrného obrázku této sady podle vztahu: P M = x. () P = Od každého obrázku sady odečtee průěrný obraz (provedee centrování dat): x = x M. (2) Takto získané vektory uspořádeje do atce, označe j X, kdy každý řádek atce popsuje jeden z vektorů x. Matce á tedy P řádků a n sloupců a je vstupe do analýzy hlavních koponent, která hledá nožnu vektorů, které nejlépe popsují dstrbuc vstupních dat. Hledané vektory jsou vlastní vektory (hlavní koponenta) kovaranční atce C, kterou získáe následovně: T C = X X. (3) Vdíe, že kovaranční atce získaná podle vztahu (3) á P řádků a P sloupců. Může ít ovše rozěry n x n, pokud provedee transpozc. atce v součnu (3): C = X T X. (4) Zřejě je kovaranční atce získaná podle vztahu (3) z hledska výpočetní náročnost vlastních čísel a vektorů výhodnější. Předpoklade ovše usí být, že P << n. Tedy, že počet obrázků v kolekc je daleko enší než počet obrazových bodů jednoho z obrázků. V opačné případě bycho usel zenšt rozěry obrázků v sadě, což je docela schůdné řešení nebo použít jný přístup. K probleatce výpočetní náročnost, předevší pak z paěťového hledska, se ještě vrátíe na konc příspěvku. Pro rozpoznávání ovše potřebujee ít vlastní vektory atce C. Jak ale uvdíe dále, lze k výpočtu vlastních vektorů atce C použít vlastní vektory atce C. Máe tedy kovaranční atc C získanou podle (3). Tato atce je zřejě reálná a syetrcká. V další kroku usíe nuercky vyřešt rovnc: C V = λ V, (5) tj. nalézt vlastní vektory, které jsou uspořádány po řádcích v atc V a vlastní čísla λ kovaranční atce C. Tento krok není jednoduchý, k jeho vyřešení v aplkac používáe hlavčkový soubor jaa_eg.h z balíku JAMAC++, který lze zdara získat na stránce [3]. Ipleentační část je součástí uvedeného hlavčkového souboru. Je psána oderní prograovací technka- poocí šablon objektových typů. Hlavčkový soubor jaa_eg.h vyžaduje ještě soubory tnt_xxx.h obsahující pleentace pro správu polí. Soubory jsou dstrbuovány s balíke JAMAC++. Po vyřešení rovnce (5) získáe vlastní čísla a vektory atce C. Kovaranční atce C obsahuje nejvýše P vlastních čísel různých od nuly a platí, že tato čísla jsou shodná s vlastní čísly atce C. U vlastních vektorů toto neplatí. Zřejě atce V obsahující v řádcích vlastní vektory á stejné rozěry jako kovaranční atce C, tedy P x P. K vlastní vektorů uspořádaných po řádcích v atc V kovaranční atce C se lze dostat vztahe: V = X V. (6) Dostanee tak atc V obsahující v P řádcích vlastní vektory délky n, které tvoří báz prostoru egenspace. Vektory nyní seřadíe podle příslušných vlastních čísel od největšího k nejenšíu poocí vhodného řadcího algortu. Před započetí řazení s ještě vytvoříe poocné hodnotové pole, které naplníe vzestupnou řadou čísel od 0 do P-. Spolu s prohazování vlastních čísel př řazení prohazujee obsah tohoto hodnotového pole. Zřejě po ukončení řazení obsahuje hodnotové pole odkazy do původního nesetříděného pole. Zde používáe řazení výběre (select sortz posloupnost vlastních čísel postupně vybíráe nální prvek a ten vložíe za jž seřazený úsek). Lze sloučt výpočet atce V s řazení vlastních vektorů do jednoho kroku- př výpočtu (6) uístíe do -tého řádku atce V vektor získaný výpočte vektoru z atce V na řádku rovné hodnotě uístěné na pozc (P--(-)) výše uvedeného poocného hodnotového pole. Uveďe příklad. Máe posloupnost čísel h = {2, 5,, 4}. Vytvoříe poocné hodnotové pole p = [0,, 2, 3]. Posloupnost h seřadíe, dostanee h = {, 2, 4, 5}, prvky pole p se prohodí, čl p = [2, 0, 3, ]. Dále áe atc T V = [ v 2, v 5, v, v 4]. Do. řádku atce V uístíe vektor získaný výpočte x v 5, neboť poslední prvek (postupujee od největšího vlastního čísla k nejenšíu) pole p á hodnotu - tj. odkazuje na
3 druhý řádek v atc V. Do 2. řádku atce V pak uístíe vektor získaný výpočte x v 4, neboť předposlední prvek pole p á hodnotu 3 a tedy odkazuje na čtvrtý řádek atce V, atd. pro další vektory. Po toto kroku áe sestupně seřazené vlastní vektory atce V. Dále je usíe noralzovat na jednotkovou velkost. Pro každý vektor v z atce V provedee přepočet podle vztahu: v v =. (7) v Pro noru vektoru obecně platí: = v v v naše případě jsou hodnoty vlastních vektorů reálné, proto: v, (8) 2 v v =. (9) Po toto kroku áe určenou báz prostoru egenspace, která je tvořena atcí V, ve tvaru potřebné pro další kroky. Nyní ůžee do egenspace transforovat trénovací obrázky uístěné v atc X. ~ Předpokládeje, že jednotlvé transforované egenfaces vkládáe po řádcích do atce X. Transforac provedee podle vztahu: ~ T x = x V. (0) Na obr. 2 je uvedena část dalogového okna aplkace, kde je zobrazen průěrný obrázek a též zvolený egenface. Vzualzace egenface je provedena tak, že jsou jeho prvky lneárně přeškálovány do rozsahu hodnot 0 až 255. Obr. 2 Průěrný obrázek a zobrazení zvoleného egenface Po toto kroku jse přpraven zahájt proces rozpoznávání obrázku neznáé tváře; označe ho u. Tento obrázek usíe poocí výše získané báze převést do egenspace, tedy: obrázek vycentrujee: u = u M, T vypočtee egenface: u ~ = u V. Zbývá rozhodnout o nejpodobnější tvář z trénovací sady k tvář neznáé. Provedee to tak, že určíe vzdálenost trénovacích egenfaces x~ k egenface ~u. Z nalezené nální vzdálenost nakonec určíe odpovídající tvář z trénovací sady. K určení vzdálenost ůžee použít různé etrky. V této prác jsou na výběr etrky: P 2 Eukldova, ( ~, ~ ) ( ~ [ ] ~ d E u x = u j x [ j]) () = 0 j
4 P Hangova, d ( ~ ~ = ~ [ ] ~ H u, x ) u j x [ j] (2) = 0 j P j=0 n Zobecněná Mnkowskho, d ( u ~, ~ x ) = n ( u ~ [ j] ~ x [ j] ). (3) M Tí áe popsán postup př úloze rozpoznávání. Na obr. 3 je uvedena část dalogového okna aplkace, kde probíhá proces rozpoznávání. Vstupe je obrázek, jehož nejpodobnější vzor chcee najít v trénovací sadě a výstupe pak nalezené dva nejpodobnější vzory v sadě. Obr. 3 Proces rozpoznávání tváří- levý obrázek je vstup, pravý pak nalezený nejpodobnější obrázek. V rác procesu rozpoznávání lze též nastavt práh úspěšného rozpoznání, který je chápán jako ezní hodnota vzdálenost obrázku pro rozpoznání od obrázku z trénovací sady. Je-l vzdálenost větší než nastavený práh, vypíše se nforace, že nelze nalézt nejpodobnější obrázek. Práh ůže být gnorován. 3 Proces zpětné rekonstrukce Vedle rozpoznávání je v této prác naprograována ještě zpětná rekonstrukce z egenspace, přčež lze s zvolt počet vektorů báze, které ají být k rekonstrukc použty, []. Toto je v podstatě způsob, který se dá využít ke kopres sníků. Popše s proto, co tato úloha vyžaduje. K dspozc áe: báz egenspace V o rozěrech P x n transforovaný obrázek ve forě egenface u ~ resp. ~ x. Předpokládeje, že chcee zrekonstruovat -tý obrázek z trénovací sady s použtí k vektorů báze. Pak lze rekonstrukc vyjádřt vztahe: kde k j= 0 x [ t] = ~ x [ j] v [ t]; 0 t n, (4) x značí -tý zrekonstruovaný obrázek, ~ x. značí -tý egenface, k je počet použtých vektorů báze, n je počet obrazových bodů výchozího obrázku. Po toto kroku nesíe zapoenout přčíst průěrný obrázek: j
5 ) x = x + M. Zpětná rekonstrukce je zatížena určtou chybou ε, kterou ůžee obecně vyjádřt: x (5) ε = x ). (6) Tí jse popsal postup zpětné rekonstrukce sníků s ožností volby počtu použtých bází. Na obr. 4 je uvedena část dalogového okna aplkace, kde probíhá proces zpětné rekonstrukce. Obr. 4 Proces zpětné rekonstrukce Pro jstou představu o vlvu počtu použtých vektorů báze na rekonstruovaný sníek uveďe na obr. 5 přehled sníků získaných z různých počtů vektorů báze. a) b) c) d) e) Obr. 5 Vlv počtu vektorů báze na rekonstrukc obrázku- a) původní obrázek, b) vektor, c) 3 vektory, d) 0 vektorů, e) 25 vektorů báze.
6 Vhodnější ěřítke pro posouzení vlvu počtu vektorů báze na kvaltu rekonstruovaného obrázku ůže být zobrazení závslost RMSE na počtu vektorů báze použtých k rekonstrukc obrázku, přčež pro RMSE platí: kde RMSE = M N M N = j= ) 2 ( x (, j) x (, j) ), M resp. N je výška (počet řádků obrazové atce) resp. šířka (počet sloupců obrazové atce) obrazu, x ) značí - tý zrekonstruovaný obraz, x značí - tý orgnální obraz. Uvažuje původní obrázek z obr. 5a) a tutéž trénovací sadu popsanou výše. Uvedenou závslost ukazuje obr. 6. (7) Obr.6 Závslost RMSE na počtu vektorů báze použtých k rekonstrukc obrazu Stojí za povšnutí, že význačný zlo v charakterstce nastává pro 5 vektorů báze, což je hodnota o větší než je počet různých osob uístěných v trénovací sadě. Použjee-l v naše případě k rekonstrukc 20 a více vektorů báze, není zde význaný vzuální rozdíl ez orgnální a rekonstruovaný obrázke. 4 Poznáky k pleentac aplkace Na závěr popsu použtí etody PCA uveďe některé poznáky z hledska pleentace, []. V řadě vztahů se počítá s transponovanou forou atce. Saozřejě není vůbec nutné ít vytvořenou vedle atce netransponované ještě atc transponovanou. Stačí u původní atce prohodt řádkový ndex se sloupcový ndexe. Pro velké trénovací sady vdíe vysoké paěťové nároky. Může se stát, že se dynacky přdělovaná paěť vyčerpá dříve než se zahájí nějaký výpočet. Proto bycho neěl pro alokac velkých polí a atc nutných k výpočtů používat operátory new, alloc, příp. u hodnotových polí etodu resze. V této prác je pro rozsáhlá pole a atce používán paěťově apovaný soubor. Konkrétně jde o atc X uchovávající trénovací sadu obrázků a o atc V uchovávající báz egenspace. Zaplatíe za to ovše určtou ztrátou rychlost. Veškeré postupy předpokládaly vstupní obrázky ve stupních šedé. Na nternetu lze ale nalézt rozsáhlé databáze barevných obrázků. Máe několk ožností, jak se s tí vypořádat; buď budee pracovat paralelně s každý kanále zvlášť (pro velké časové a paěťové nároky je
7 to však nevhodné a též nelogcké) nebo obrázky převedee do stupňů šedé nebo s zvolíe jeden z barevných kanálů R,G,B a s ní etodu rozpoznávání provedee. V této prác funguje poslední ožnost (byl vybrán kanál R) a bez jakýchkol probléů. Výsledky pro jeden ze zvolených kanálů zobrazujee tak, že získané hodnoty obrazových bodů doplníe do zbývajících 2 kanálů (toto se týká zobrazení průěrného obrazu, zvoleného egenface a zrekonstruovaného obrazu). 5 Shrnutí Cíle tohoto příspěvku bylo ukázat využtí etody PCA pro účely rozpoznávání a pro účely koprese obrazu a probleatku jejího prograování v jazyce Vsual C++. Zrealzovaná aplkace ůže sloužt ke studjní účelů v rác seznaování se s etodou PCA nebo jako odrazový ůstek pro další prác v této oblast. Velce zajíavou návaznou prací ůže být oblast koprese vdeosekvencí, kde je nutné řešt optalzace z hledska vysoké časové a paěťové náročnost etody. Lákavou oblastí je též realzace přístupového systéu budov na základě rozpoznávání tváří. Zde by bylo nutné pouze vyřešt propojení sníací kaery s aplkací a ovládání nějakého elektronckého záku, neboť vše ostatní je jž realzováno. V rác realzace aplkace byly uvedené algorty pro kontrolu odzkoušeny v prograové prostředí MATLAB. Tento příspěvek vznkl s přspění grantu GAČR č.02/05/2054 a výzkuného záěru MSM (MŠMT). Reference [] Frtsch, L. Prograová podpora sníání obrazu. Praha, Dploová práce FEL ČVUT. Vedoucí práce Mgr. Petr Páta, Ph.D. [2] Stejskal, J. KLT obrazový kodér. Praha, Dploová práce FEL ČVUT. Vedoucí práce Mgr. Petr Páta, Ph.D. [3] JAMAC++ package [onlne]. URL: < [4] Rozpoznávání tváří [soubor PDF]. URL: < [5] Efektvní vyhledávání v kolekcích obrázků tváří [soubor PDF]. URL: < [6] A tutoral on Prncpal Coponent Analyss [soubor PDF]. URL: < [7] Collecton of Facal Iages: Faces94 [onlne]. URL: < Ing. Lukáš Frtsch ČVUT v Praze Fakulta elektrotechncká, katedra radoelektronky Techncká 2, Praha 6, e-al: frtsl@fel.cvut.cz
NÁVRH DECENTRALIZOVANÉHO ŘÍZENÍ METODOU DYNAMICKÉ KOMPENZACE. Milan Cepák, Branislav Rehák, Vladimír Havlena ČVUT FEL, katedra řídicí techniky
ÁVR DECETRALIZVAÉ ŘÍZEÍ METDU DYAMICÉ MPEZACE Mlan Cepák, ranslav Rehák, Vladír avlena ČVUT FEL, katedra řídcí technky Abstrakt: Tento příspěvek se zabývá návrhe decentralzovaného řízení rozlehlých systéů
Více2 Struktura ortogonální neuronové sítě
XXXII. Senar ASR '7 Instruents and Control, Farana, Sutný, Kočí & Babuch (eds) 7, VŠB-UO, Ostrava, ISBN 978-8-48-7-4 Neural Netork Usng Orthogonal Actvaton Functon Využtí ortogonální aktvační funkce v
VíceRekonstrukce objektu a pozice pozorovatele z 2D pohledů
Západočeská unverzta v Plzn Fakulta aplkovaných věd Katedra nforatky a výpočetní technky Dploová práce Rekonstrukce objektu a pozce pozorovatele z D pohledů Plzeň 004 Ladslav Lang Abstrakt Anotace v češtně
VíceLokace odbavovacího centra nákladní pokladny pro víkendový provoz
Markéta Brázdová 1 Lokace odbavovacího centra nákladní pokladny pro víkendový provoz Klíčová slova: odbavování záslek, centrum grafu, vážená excentrcta vrcholů sítě, časová náročnost odbavení záslky, vážená
VíceDIPLOMOVÁ PRÁCE UNIVERZITA PALACKÉHO V OLOMOUCI KATEDRA MATEMATICKÉ ANALÝZY A APLIKACÍ MATEMATIKY
UNIVERZITA PALACKÉHO V OLOMOUCI PŘÍRODOVĚDECKÁ FAKULTA KATEDRA MATEMATICKÉ ANALÝZY A APLIKACÍ MATEMATIKY DIPLOMOVÁ PRÁCE Mateatka úvěrů Vedoucí dploové práce: Mgr Eva Bohanesová, PhD Rok odevzdání: 2010
VíceVZDUCH V MÍSTNOSTI POMŮCKY NASTAVENÍ MĚŘICÍHO ZAŘÍZENÍ. Vzdělávací předmět: Fyzika. Tematický celek dle RVP: Látky a tělesa
VZDUCH V MÍSTNOSTI Vzdělávací předět: Fyzika Teatický celek dle RVP: Látky a tělesa Teatická oblast: Měření fyzikálních veličin Cílová skupina: Žák 6. ročníku základní školy Cíle pokusu je určení rozěrů
Více3.2.2 Rovnice postupného vlnění
3.. Rovnice postupného vlnění Předpoklady: 310, 301 Chcee najít rovnici, která bude udávat výšku vlny v libovolné okažiku i libovolné bodě (v jedno okažiku je v různých ístech různá výška vlny). Veličiny
VíceUrčení geometrických a fyzikálních parametrů čočky
C Určení geoetrickýc a yzikálníc paraetrů čočky Úkoly :. Určete poloěry křivosti ploc čočky poocí séroetru. Zěřte tloušťku čočky poocí digitálnío posuvnéo ěřítka 3. Zěřte oniskovou vzdálenost spojné čočky
Více1. Cvičení ze Základů informatiky - rozsah 4+8 z,zk
1. Cvčení ze Základů nformatky - rozsah 4+8 z,zk e-mal: janes@fd.cvut.cz www.fd.cvut.cz/personal/janes/z1-bvs/z1.html Úkoly : 1) Proveďte kontrolu (nventuru) programového vybavení: a) Jaké programy máte
Více2.5. MATICOVÉ ŘEŠENÍ SOUSTAV LINEÁRNÍCH ROVNIC
25 MATICOVÉ ŘEŠENÍ SOUSTAV LINEÁRNÍCH ROVNIC V této kaptole se dozvíte: jak lze obecnou soustavu lneárních rovnc zapsat pomocí matcového počtu; přesnou formulac podmínek řeštelnost soustavy lneárních rovnc
Více11MAMY LS 2017/2018. Úvod do Matlabu. 21. února Skupina 01. reseni2.m a tak dále + M souborem zadané funkce z příkladu 3 + souborem skupina.
11MAMY LS 2017/2018 Cvičení č. 2: 21. 2. 2018 Úvod do Matlabu. Jan Přikryl 21. února 2018 Po skupinách, na které jste se doufám rozdělili samostatně včera, vyřešte tak, jak nejlépe svedete, níže uvedená
VíceMěření příkonu míchadla při míchání suspenzí
U8 Ústav procesní a zpracovatelské technky FS ČVUT v Praze Měření příkonu rotačních íchadel př íchání suspenzí I. Úkol ěření V průyslu téěř 60% všech operacích, kdy je íchání používáno, představuje íchání
VíceIvana Linkeová SPECIÁLNÍ PŘÍPADY NURBS REPREZENTACE. 2 NURBS reprezentace křivek
25. KONFERENCE O GEOMETRII A POČÍTAČOVÉ GRAFICE Ivana Lnkeová SPECIÁLNÍ PŘÍPADY NURBS REPREZENTACE Abstrakt Příspěvek prezentuje B-splne křvku a Coonsovu, Bézerovu a Fergusonovu kubku jako specální případy
VíceÚloha - rozpoznávání číslic
Úloha - rozpoznávání číslic Vojtěch Franc, Tomáš Pajdla a Tomáš Svoboda http://cmp.felk.cvut.cz 27. listopadu 26 Abstrakt Podpůrný text pro cvičení předmětu X33KUI. Vysvětluje tři způsoby rozpoznávání
VíceANALÝZA RIZIKA A CITLIVOSTI JAKO SOUČÁST STUDIE PROVEDITELNOSTI 1. ČÁST
Abstrakt ANALÝZA ZKA A CTLOST JAKO SOUČÁST STUDE POVEDTELNOST 1. ČÁST Jří Marek Úspěšnost nvestce závsí na tom, jaké nejstoty ovlvní její předpokládaný žvotní cyklus. Pomocí managementu rzka a analýzy
VíceNávody na cvičení. Prof. Ing. Jiří Militký CSc. EUR ING Ing. Miroslava Maršálková
VLASTNOSTI VLÁKEN Návody na cvčení Pro. Ing. Jří Mltký CSc. EUR ING Ing. Mroslava Maršálková TU Lberec 3 Náplň cvčení z předětu VLASTNOSTI VLÁKEN NÁPLŇ CVIČENÍ:. týden Úvod, bezpečnostní předpsy, poůcky.
VíceNormalizace fyzikálních veličin pro číslicové zpracování
Noralzace fyzkálních velčn pro číslcové zpracování Vypracoval: Petr Kaaník Aktualzace: 15. října 2003 Kažý realzovaný říící systé usel projít vě hlavní stá. Nejprve je to vlastní návrh. Na záklaě ostupných
Víceje nutná k tomu, aby byl odhad takto pořízený je potřebná k tomu, aby proměnné-instrumenty vysvětlující veličiny v rovnici je nahrazovaly co
Obecná etod nstruentálních proěnných (G)IV (Generl Instruentl Vrbles ethod) v soustvě sultánních regresních rovnc utor etody: J.D. Srgn [958] Metod nstruentálních proěnných je jstý zobecnění dvoustupňové
VíceDigitální přenosové systémy a účastnické přípojky ADSL
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE Fakulta elektrotechncká LABORATORNÍ ÚLOHA Č. 2 Dgtální přenosové systémy a účastncké přípojky ADSL Vypracoval: Jan HLÍDEK & Lukáš TULACH V rámc předmětu: Telekomunkační
Více( ) ( ) Newtonův zákon II. Předpoklady:
6 Newtonův zákon II Předpoklady: 0005 Př : Autoobil zrychlí z 0 k/h na 00 k/h za 8 s Urči velikost síly, která auto uvádí do pohybu, pokud autoobil váží,6 tuny Předpokládej rovnoěrně zrychlený pohybu auta
VíceMĚŘENÍ NA ASYNCHRONNÍM MOTORU
MĚŘENÍ NA ASYNCHRONNÍM MOTORU Základní úkole ěření je seznáit posluchače s vlastnosti asynchronního otoru v různých provozních stavech a s ožnosti využití provozu otoru v generátorické chodu a v režiu
VíceLOGICKÉ OBVODY J I Ř Í K A L O U S E K
LOGICKÉ OBVODY J I Ř Í K A L O U S E K Ostrava 2006 Obsah předmětu 1. ČÍSELNÉ SOUSTAVY... 2 1.1. Číselné soustavy - úvod... 2 1.2. Rozdělení číselných soustav... 2 1.3. Polyadcké číselné soustavy... 2
Více1 Linearní prostory nad komplexními čísly
1 Linearní prostory nad komplexními čísly V této přednášce budeme hledat kořeny polynomů, které se dále budou moci vyskytovat jako složky vektorů nebo matic Vzhledem k tomu, že kořeny polynomu (i reálného)
Více3.2.2 Rovnice postupného vlnění
3.. Rovnice postupného vlnění Předpoklady: 310, 301 Chcee najít rovnici, která bude udávat výšku vlny v libovolné okažiku i libovolné bodě (v jedno okažiku je v různých ístech různá výška vlny). Veličiny
Více1 CHYBY, VARIABILITA A NEJISTOTY INSTRUMENTÁLNÍCH MĚŘENÍ
1 CHYBY, VARIABILITA A NEJISTOTY INSTRUMENTÁLNÍCH MĚŘENÍ Účele ěření je stanovení velkost ěřené velčny, charakterzující určtou specfckou vlastnost. Specfkace ěřené velčny ůže vyžadovat údaje o dalších
Více1. Spektrální rozklad samoadjungovaných operátorů 1.1. Motivace Vlastní čísla a vlastní vektory symetrické matice 1 1 A = 1 2.
. Spektrální rozklad samoadjungovaných operátorů.. Motvace Vlastní čísla a vlastní vektory symetrcké matce A = A λe = λ λ = λ 3λ + = λ 3+ λ 3 Vlastní čísla jsou λ = 3+, λ = 3. Pro tato vlastní čísla nalezneme
VíceRozvoj tepla v betonových konstrukcích
Úvod do problematiky K novinkám v požární odolnosti nosných konstrukcí Praha, 11. září 2012 Ing. Radek Štefan prof. Ing. Jaroslav Procházka, CSc. Znalost rozložení teploty v betonové konstrukci nebo její
VíceIterační výpočty. Dokumentace k projektu pro předměty IZP a IUS. 22. listopadu projekt č. 2
Dokumentace k projektu pro předměty IZP a IUS Iterační výpočty projekt č.. lstopadu 1 Autor: Mlan Setler, setl1@stud.ft.vutbr.cz Fakulta Informačních Technologí Vysoké Učení Techncké v Brně Obsah 1 Úvod...
VíceFinanční matematikou rozumíme soubor obecných matematických metod uplatněných v oblasti financí. Základní pojmy ve finanční matematice:
1 Úvod Fnanční ateatkou rozuíe soubor obecných ateatckých etod uplatněných v oblast fnancí. Základní pojy ve fnanční ateatce: 1. Úrok je cena půjčky. Věřtel, který půjčku poskytne, s účtuje úrok jako cenu
Více[1] samoopravné kódy: terminologie, princip
[1] Úvod do kódování samoopravné kódy: terminologie, princip blokové lineární kódy Hammingův kód Samoopravné kódy, k čemu to je [2] Data jsou uložena (nebo posílána do linky) kodérem podle určitého pravidla
VíceMatematika I A ukázkový test 1 pro 2018/2019
Matematka I A ukázkový test 1 pro 2018/2019 1. Je dána soustava rovnc s parametrem a R x y + z = 1 x + y + 3z = 1 (2a 1)x + (a + 1)y + z = 1 a a) Napšte Frobenovu větu (předpoklady + tvrzení). b) Vyšetřete
VíceCircular Harmonics. Tomáš Zámečník
Circular Harmonics Tomáš Zámečník Úvod Circular Harmonics Reprezentace křivky, která je: podmonožinou RxR uzavřená funkcí úhlu na intervalu Dále budeme hovořit pouze o takovýchto křivkách/funkcích
Více1. kapitola. Vnitřní síly v průřezu prostorového prutu. Janek Faltýnek SI J (43) Teoretická část: Stavební mechanika 2.
1. kapitola Stavební echanika Janek Faltýnek SI J (43) Vnitřní síl v průřeu prostorového prutu eoretická část: ) erinologie ejdříve bcho si ěli říci co se rouí pod poje prut. Jako prut se onačuje konstrukční
VícePohybová energie pro translační pohyb
ázev a adresa školy: třední škola průyslová a uělecká, Opava, příspěvková organzace, Praskova 399/8, Opava, 746 ázev operačního prograu: OP Vzdělávání pro konkurenceschopnost, oblast podpory.5 Regstrační
VíceKorelační energie. Celkovou elektronovou energii molekuly lze experimentálně určit ze vztahu. E vib. = E at. = 39,856, E d
Korelační energe Referenční stavy Energ molekul a atomů lze vyjádřt vzhledem k různým referenčním stavům. V kvantové mechance za referenční stav s nulovou energí bereme stav odpovídající nenteragujícím
Víceteorie elektronických obvodů Jiří Petržela analýza obvodů s regulárními prvky
Jiří Petržela příklad pro příčkový filtr na obrázku napište aditanční atici etodou uzlových napětí zjistěte přenos filtru identifikujte tp a řád filtru Obr. : Příklad na příčkový filtr. aditanční atice
VíceELEKTRICKÝ POHON S ASYNCHRONNÍM MOTOREM
4 EEKTCKÝ POHON AYNCHONNÍ OTOE Asynchronní otory (A), zvláště pa s otvou naráto, jsou jž řadu let nejrozšířenější eletrootory na naší planetě. talo se ta díy jejch onstruční jednoduchost, nízé ceně, vysoé
VíceKOMPLEXNÍ ČÍSLA. Algebraický tvar komplexního čísla
KOMPLEXNÍ ČÍSLA Příklad Řešte na množně reálných čísel rovnc: x + = 0. x = Rovnce nemá v R řešení. Taková jednoduchá rovnce a nemá na množně reálných čísel žádné řešení! Co s tím? Zavedeme tzv. magnární
Více3.1.2 Harmonický pohyb
3.1.2 Haronický pohyb Předpoklady: 3101 Graf závislosti výchylky koštěte na čase: Poloha na čase 200 10 100 poloha [c] 0 0 0 10 20 30 40 0 60 70 80 90 100-0 -100-10 -200 čas [s] U některých periodických
VíceUspořádanou n-tici reálných čísel nazveme aritmetický vektor (vektor), ā = (a 1, a 2,..., a n ). Čísla a 1, a 2,..., a n se nazývají složky vektoru
1 1. Lineární algebra 1.1. Lineární závislost a nezávislost vektorů. Hodnost matice Aritmetické vektory Uspořádanou n-tici reálných čísel nazveme aritmetický vektor (vektor), ā = (a 1, a 2,..., a n ).
VíceNáplň. v.0.03 16.02.2014. - Jednoduché příklady na práci s poli v C - Vlastnosti třídění - Způsoby (algoritmy) třídění
Náplň v.0.03 16.02.2014 - Jednoduché příklady na práci s poli v C - Vlastnosti třídění - Způsoby (algoritmy) třídění Spojení dvou samostatně setříděných polí void Spoj(double apole1[], int adelka1, double
Více1 Projekce a projektory
Cvičení 3 - zadání a řešení úloh Základy numerické matematiky - NMNM20 Verze z 5. října 208 Projekce a projektory Opakování ortogonální projekce Definice (Ortogonální projekce). Uvažujme V vektorový prostor
VíceZákladní pojmy teorie množin Vektorové prostory
Základní pojmy teorie množin Přednáška MATEMATIKA č. 1 Katedra ekonometrie FEM UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz 7. 10. 2010 Základní pojmy teorie množin Základní pojmy
Vícese nazývá charakter grupy G. Dále budeme uvaºovat pouze kone né grupy G. Charaktery tvo í také grupu, s násobením denovaným
Charaktery a Diskrétní Fourierova transforace Nejd leºit j²í kvantový algorite je Diskrétní Fourierova transforace (DFT) D vody jsou dva: DFT je pro kvantové po íta e exponenciáln rychlej²í neº pro po
VíceMechanické vlastnosti materiálů.
Mechancké vastnost materáů. Obsah přednášky : tahová zkouška, zákadní mechancké vastnost materáu, prodoužení př tahu nebo taku, potencání energe, řešení statcky neurčtých úoh Doba studa : as hodna Cí přednášky
VíceMatice. Předpokládejme, že A = (a ij ) je matice typu m n: diagonálou jsou rovny nule.
Matice Definice. Maticí typu m n nazýváme obdélníkové pole, tvořené z m n reálných čísel (tzv. prvků matice), zapsaných v m řádcích a n sloupcích. Značíme např. A = (a ij ), kde i = 1,..., m, j = 1,...,
VíceMODELOVÁNÍ A SIMULACE
MODELOVÁNÍ A SIMULACE základní pojmy a postupy vytváření matematckých modelů na základě blancí prncp numerckého řešení dferencálních rovnc základy práce se smulačním jazykem PSI Základní pojmy matematcký
VíceVLIV VELIKOSTI OBCE NA TRŽNÍ CENY RODINNÝCH DOMŮ
VLIV VELIKOSTI OBCE NA TRŽNÍ CENY RODINNÝCH DOMŮ Abstrakt Martn Cupal 1 Prncp tvorby tržní ceny nemovtost je sce založen na tržní nabídce a poptávce, avšak tento trh je značně nedokonalý. Nejvíce ovlvňuje
VíceVektory a matice. Obsah. Aplikovaná matematika I. Carl Friedrich Gauss. Základní pojmy a operace
Vektory a matice Aplikovaná matematika I Dana Říhová Mendelu Brno Obsah 1 Vektory Základní pojmy a operace Lineární závislost a nezávislost vektorů 2 Matice Základní pojmy, druhy matic Operace s maticemi
VíceNalezení výchozího základního řešení. Je řešení optimální? ne Změna řešení
Sipleová etoda: - patří ezi uiverzálí etody řešeí úloh lieárího prograováí. - de o etodu iteračí, t. k optiálíu řešeí dospíváe postupě, krok za kroke. - výpočetí algoritus se v každé iteraci rozpadá do
Více3. VÝVRTY: ODBĚR, POPIS A ZKOUŠENÍ V TLAKU
3. VÝVRTY: ODBĚR, POPIS A ZKOUŠENÍ V TLAKU Vývrty jsou válcová zkušební tělesa, získaná z konstrukce poocí dobře chlazeného jádrového vrtáku. Vývrty získané jádrový vrtáke jsou pečlivě vyšetřeny, upraveny
VíceDijkstrův algoritmus
Dijkstrův algoritmus Hledání nejkratší cesty v nezáporně hranově ohodnoceném grafu Necht je dán orientovaný graf G = (V, H) a funkce, která každé hraně h = (u, v) H přiřadí nezáporné reálné číslo označované
VíceUmělé neuronové sítě a Support Vector Machines. Petr Schwraz
Umělé neuronové sítě a Support Vector Machnes Petr Schraz scharzp@ft.vutbr.cz Perceptron ( neuron) x x x N f() y y N f ( x + b) x vstupy neuronu váhy jednotlvých vstupů b aktvační práh f() nelneární funkce
VíceMonte Carlo metody Josef Pelikán CGG MFF UK Praha.
Monte Carlo metody 996-7 Josef Pelkán CGG MFF UK Praha pepca@cgg.mff.cun.cz http://cgg.mff.cun.cz/~pepca/ Monte Carlo 7 Josef Pelkán, http://cgg.ms.mff.cun.cz/~pepca / 44 Monte Carlo ntegrace Odhadovaný
VíceStřední průmyslová škola strojnická Olomouc, tř.17. listopadu 49
Střední průmyslová škola strojnická Olomouc, tř.17. listopadu 49 Výukový materiál zpracovaný v rámci projektu Výuka moderně Registrační číslo projektu: CZ.1.07/1.5.00/34.0205 Šablona: III/2 Informační
VíceŘEŠENÍ PROBLÉMU LOKALIZACE A ALOKACE LOGISTICKÝCH OBJEKTŮ POMOCÍ PROGRAMOVÉHO SYSTÉMU MATLAB. Vladimír Hanta 1, Ivan Gros 2
ŘEŠENÍ PROBLÉMU LOKALIZACE A ALOKACE LOGISTICKÝCH OBJEKTŮ POMOCÍ PROGRAMOVÉHO SYSTÉMU MATLAB Vladmír Hanta 1 Ivan Gros 2 Vysoká škola chemcko-technologcká Praha 1 Ústav počítačové a řídcí technky 2 Ústav
VíceSIMULACE OBRAZOVÉHO KODÉRU NA BÁZI 3D KLT
SIMULACE OBRAZOVÉHO KODÉRU NA BÁZI 3D KLT Lukáš Fritsch ČVUT v Praze, Fakulta elektrotechnická, katedra radioelektroniky Abstrakt Obrazové kompresní algoritmy založené na Karhunen- Loeveho transformaci
VíceVÝVOJ SOFTWARU NA PLÁNOVÁNÍ PŘESNOSTI PROSTOROVÝCH SÍTÍ PRECISPLANNER 3D. Martin Štroner 1
VÝVOJ SOFWARU NA PLÁNOVÁNÍ PŘESNOSI PROSOROVÝCH SÍÍ PRECISPLANNER 3D DEVELOPMEN OF HE MEASUREMEN ACCURACY PLANNING OF HE 3D GEODEIC NES PRECISPLANNER 3D Martn Štroner 1 Abstract A software for modellng
VíceElektrotechnika 1. Garant předmětu: doc. Ing. Jiří Sedláček, CSc. Autoři textu:
Elektrotechnka arant předětu: doc ng Jří Sedláček, CSc Autoř textu: doc ng Jří Sedláček, CSc doc ng Mloslav Stenbauer, PhD Brno, leden Elektrotechnka Předluva Předkládaná skrpta slouží jako základní studjní
Více9 Kolmost vektorových podprostorů
9 Kolmost vektorových podprostorů Od kolmosti dvou vektorů nyní přejdeme ke kolmosti dvou vektorových podprostorů. Budeme se zabývat otázkou, kdy jsou dva vektorové podprostory na sebe kolmé a jak to poznáme.
Vícepodle typu regresní funkce na lineární nebo nelineární model Jednoduchá lineární regrese se dá vyjádřit vztahem y
4 Lneární regrese 4 LINEÁRNÍ REGRESE RYCHLÝ NÁHLED DO KAPITOLY Častokrát potřebujete zjstt nejen, jestl jsou dvě nebo více proměnných na sobě závslé, ale také jakým vztahem se tato závslost dá popsat.
VíceSoustavy linea rnı ch rovnic
[1] Soustavy lineárních rovnic vlastnosti množin řešení metody hledání řešení nejednoznačnost zápisu řešení a) soustavy, 10, b) P. Olšák, FEL ČVUT, c) P. Olšák 2010, d) BI-LIN, e) L, f) 2009/2010, g)l.
VíceAplikovaná numerická matematika - ANM
Aplikovaná numerická matematika - ANM 3 Řešení soustav lineárních rovnic iterační metody doc Ing Róbert Lórencz, CSc České vysoké učení technické v Praze Fakulta informačních technologií Katedra počítačových
VíceStaré mapy TEMAP - elearning
Staré mapy TEMAP - elearnng Modul 4 Kartometrcké analýzy Ing. Markéta Potůčková, Ph.D., 2013 Přírodovědecká fakulta UK v Praze Katedra aplkované geonformatky a kartografe Kartometre a kartometrcké vlastnost
Vícepříkladů do cvičení. V textu se objeví i pár detailů, které jsem nestihl (na které jsem zapomněl) a(b u) = (ab) u, u + ( u) = 0 = ( u) + u.
Několik řešených příkladů do Matematiky Vektory V tomto textu je spočteno několik ukázkových příkladů které vám snad pomohou při řešení příkladů do cvičení. V textu se objeví i pár detailů které jsem nestihl
VíceALGORITMUS SILOVÉ METODY
ALGORITMUS SILOVÉ METODY CONSISTENT DEFORMATION METHOD ALGORITHM Petr Frantík 1, Mchal Štafa, Tomáš Pal 3 Abstrakt Příspěvek se věnuje popsu algortmzace slové metody sloužící pro výpočet statcky neurčtých
VíceNumerické metody optimalizace
Numercké metody optmalzace Numercal optmzaton methods Bc. Mloš Jurek Dplomová práce 2007 Abstrakt Abstrakt česky Optmalzační metody představují vyhledávání etrémů reálných funkcí jedné nebo více reálných
VíceMatematika. Kamila Hasilová. Matematika 1/34
Matematika Kamila Hasilová Matematika 1/34 Obsah 1 Úvod 2 GEM 3 Lineární algebra 4 Vektory Matematika 2/34 Úvod Zkouška písemná, termíny budou včas vypsány na Intranetu UO obsah: teoretická a praktická
VíceÚLOHY S POLYGONEM. Polygon řetězec úseček, poslední bod je totožný s prvním. 6 bodů: X1, Y1 až X6,Y6 Y1=X6, Y1=Y6 STANOVENÍ PLOCHY JEDNOHO POLYGONU
ÚLOHY S POLYGONEM Polygon řetězec úseček, poslední bod je totožný s prvním 6 bodů: X1, Y1 až X6,Y6 Y1=X6, Y1=Y6 STANOVENÍ PLOCHY JEDNOHO POLYGONU 3 úsečky (segmenty) v horní části 2 úsečky ve spodní části
VícePŘÍSTAVBA KLINIKY SV. KLIMENTA DOKUMENTACE PRO STAVEBNÍ POVOLENÍ GENNET STUDIE DENNÍHO OSVĚTLENÍ. Gennet Letná s.r.o.
PŘÍSTAVBA KLNKY SV. KLMENTA ul. Kostelní, p.č. 2118/9, k.ú. Holešovce, 170 00, Praha 7 DOKUMENTACE PRO STAVEBNÍ POVOLENÍ výškový systém b.p.v. ±0,000 = +230,030 m.n.m., souřadncový systém S - JTSK Gennet
Více1. Mechanika - úvod. [ X ] - měřící jednotka. { X } - označuje kvantitu (množství)
. Mechanika - úvod. Základní pojy V echanice se zabýváe základníi vlastnosti a pohybe hotných těles. Chcee-li přeístit těleso (echanický pohyb), potřebujee k tou znát tyto tři veličiny: hota, prostor,
VíceII. Úlohy na vložené cykly a podprogramy
II. Úlohy na vložené cykly a podprogramy Společné zadání pro příklady 1. - 10. začíná jednou ze dvou možností popisu vstupních dat. Je dána posloupnost (neboli řada) N reálných (resp. celočíselných) hodnot.
Více, pro kapacitanci kondenzátoru platí
Poůcky: Systé, oduly: voltetr, apéretr, černý kondenzátor na destičce, sada rezistorů, ultietr M3900, 7 spojovacích vodičů, soubor rc_stridavy.icg. Úkoly: 1) Zěřit a porovnat aplitudu a eektivní hodnotu
VíceTeorie informace a kódování (KMI/TIK) Reed-Mullerovy kódy
Teorie informace a kódování (KMI/TIK) Reed-Mullerovy kódy Lukáš Havrlant Univerzita Palackého 10. ledna 2014 Primární zdroj Jiří Adámek: Foundations of Coding. Strany 137 160. Na webu ke stažení, heslo:
Více4 Parametry jízdy kolejových vozidel
4 Parametry jízdy kolejových vozdel Př zkoumání jízdy železnčních vozdel zjšťujeme většnou tř základní charakterstcké parametry jejch pohybu. Těmto charakterstkam jsou: a) průběh rychlost vozdel - tachogram,
VíceREGRESNÍ ANALÝZA. 13. cvičení
REGRESNÍ ANALÝZA 13. cvčení Závslost náhodných velčn Závslost mez kvanttatvním proměnným X a Y: Funkční závslost hodnotam nezávsle proměnných je jednoznačně dána hodnota závslé proměnné. Y=f(X) Stochastcká
VícePružnost a plasticita II
Pružnost a plastcta II 3 ročník bakalářského studa doc Ing Martn Kresa PhD Katedra stavební mechank Řešení pravoúhlých nosných stěn metodou sítí Statcké schéma nosné stěn q G υ (μ) h l d 3 wwwfastvsbcz
VíceMicrosoft Office. Excel vyhledávací funkce
Microsoft Office Excel vyhledávací funkce Karel Dvořák 2011 Vyhledávání v tabulkách Vzhledem ke skutečnosti, že Excel je na mnoha pracovištích používán i jako nástroj pro správu jednoduchých databází,
VíceSingulární rozklad. Petr Tichý. 31. října 2013
Singulární rozklad Petr Tichý 31. října 2013 1 Outline 1 Úvod a motivace 2 Zavedení singulárního rozkladu a jeho vlastnosti 3 Výpočet a náklady na výpočet singulárního rozkladu 4 Moor-Penroseova pseudoinverze
Více1. Pohyby nabitých částic
1. Pohyby nabitých částic 16 Pohyby nabitých částic V celé první kapitole budee počítat pohyby částic ve vnějších přede znáých (zadaných) polích. Předpokládáe že 1. částice vzájeně neinteragují. vlastní
VíceAlgoritmizace prostorových úloh
INOVACE BAKALÁŘSKÝCH A MAGISTERSKÝCH STUDIJNÍCH OBORŮ NA HORNICKO-GEOLOGICKÉ FAKULTĚ VYSOKÉ ŠKOLY BÁŇSKÉ - TECHNICKÉ UNIVERZITY OSTRAVA Algoritmizace prostorových úloh Třídění, vyhledávání Daniela Szturcová
VíceOperační měřidla. Operační měřidla. L±u ØD. Odvození měřidel:
Předět: Ročník: Vytvořil: Datu: Základy výroby čtvrtý M. Geistová 7.srpen 01 Název zpracovaného celku: Operační ěřidla Operační ěřidla Pro velkou část ěření se ve výrobních podnicích používá nenoralizovaných
VíceAutomatická detekce anomálií při geofyzikálním průzkumu. Lenka Kosková Třísková NTI TUL Doktorandský seminář, 8. 6. 2011
Automatická detekce anomálií při geofyzikálním průzkumu Lenka Kosková Třísková NTI TUL Doktorandský seminář, 8. 6. 2011 Cíle doktorandské práce Seminář 10. 11. 2010 Najít, implementovat, ověřit a do praxe
VíceF A,B = Vektory baze vyjádřete jako aritmetické vektory souřadnic vzhledem
Přezdívka: Jméno a příjmení: výsledek 11 8 18 4 1 4 1 1 1 9 4 4 4 Určete které z vektorů B v 1 = 1 B v = 6 leží v oboru hodnot lineárního zobrazení zadaného maticí 1 1 1 5 1 15 1 6 5 Ten, který leží, můžete
VíceANALÝZA VZTAHU DVOU SPOJITÝCH VELIČIN
ANALÝZA VZTAHU DVOU SPOJITÝCH VELIČIN V dokumentu 7a_korelacn_a_regresn_analyza jsme řešl rozdíl mez korelační a regresní analýzou. Budeme se teď věnovat pouze lneárnímu vztahu dvou velčn, protože je nejjednodušší
Více1 Determinanty a inverzní matice
Determinanty a inverzní matice Definice Necht A = (a ij ) je matice typu (n, n), n 2 Subdeterminantem A ij matice A příslušným pozici (i, j) nazýváme determinant matice, která vznikne z A vypuštěním i-tého
VíceStřední průmyslová škola strojnická Olomouc, tř.17. listopadu 49
Střední průmyslová škola strojnická Olomouc, tř.17. listopadu 49 Výukový materiál zpracovaný v rámci projektu Výuka moderně Registrační číslo projektu: CZ.1.07/1.5.00/34.0205 Šablona: III/2 Informační
Více2. Určete optimální pracovní bod a účinnost solárního článku při dané intenzitě osvětlení, stanovte R SH, R SO, FF, MPP
FP 5 Měření paraetrů solárních článků Úkoly : 1. Naěřte a poocí počítače graficky znázorněte voltapérovou charakteristiku solárního článku. nalyzujte vliv různé intenzity osvětlení, vliv sklonu solárního
VíceSimBIm uživatelská dokumentace
SimBIm uživatelská dokumentace SimBIm (zkratka pro Similarity Between Images) je webová aplikace určená pro sběr uživatelských hodnocení podobnosti mezi obrázky. Tyto nasbíraná hodnocení jsou pak většinou
VíceDnešní látka Variačně formulované okrajové úlohy zúplnění prostoru funkcí. Lineární zobrazení.
Předmět: MA4 Dnešní látka Variačně formulované okrajové úlohy zúplnění prostoru funkcí. Lineární zobrazení. Literatura: Kapitola 2 a)-c) a kapitola 4 a)-c) ze skript Karel Rektorys: Matematika 43, ČVUT,
VíceStatika soustavy těles v rovině
Statka soustavy těles v rovně Zpracoval: Ing. Mroslav yrtus, Ph.. U mechancké soustavy s deálním knematckým dvojcem znázorněné na obrázku určete: počet stupňů volnost početně všechny reakce a moment M
VíceVícekriteriální rozhodování. Typy kritérií
Vícekrterální rozhodování Zabývá se hodnocením varant podle několka krtérí, přčemž varanta hodnocená podle ednoho krtéra zpravdla nebývá nelépe hodnocená podle krtéra ného. Metody vícekrterálního rozhodování
Víceh ztr = ς = v = (R-4) π d Po dosazení z rov.(r-3) a (R-4) do rov.(r-2) a úpravě dostaneme pro ztrátový součinitel (R-1) a 2 Δp ς = (R-2)
Stanovení součinitele odporu a relativní ekvivalentní délky araturního prvku Úvod: Potrubí na dopravu tekutin (kapalin, plynů) jsou vybavena araturníi prvky, kterýi se regulují průtoky (ventily, šoupata),
VíceCEMEX Go. Faktury. Verze 2.1
Faktury Verze 2. Faktury Ve snaze inovovat a zlepšovat zkušenosti našich zákazníků společnost CEMEX vytvořila integrované digitální řešení, které vám umožní správu vaší obchodní činnosti v reálném čase.
Víceí I - 13 - Průchod a rozptyl záření gama ve vrstvách materiálu Prof. Ing. J. Šeda, DrSc. KDAIZ - PJPI
- 13 - í Průchod a rozptyl záření gama ve vrstvách materálu Prof. ng. J. Šeda, DrSc. KDAZ - PJP Na našem pracovšt byl vypracován program umožňující modelovat průchod záření gama metodou Monte Carlo, homogenním
VíceÚvod do lineární algebry
Úvod do lineární algebry 1 Aritmetické vektory Definice 11 Mějme n N a utvořme kartézský součin R n R R R Každou uspořádanou n tici x 1 x 2 x, x n budeme nazývat n rozměrným aritmetickým vektorem Prvky
VíceLineární algebra. Soustavy lineárních rovnic
Lineární algebra Operační program Vzdělávání pro konkurenceschopnost Název projektu: Inovace magisterského studijního programu Fakulty ekonomiky a managementu Registrační číslo projektu: CZ.1.07/2.2.00/28.0326
VícePraktikum 1. Oddělení fyzikálních praktik při Kabinetu výuky obecné fyziky MFF UK. Úloha č...xvi... Název: Studium Brownova pohybu
Oddělení fyzikálních praktik při Kabinetu výuky obecné fyziky MFF UK Praktiku 1 Úloha č...xvi... Název: Studiu Brownova pohybu Pracoval: Jan Kotek stud.sk.: 17 dne: 7.3.2012 Odevzdal dne:... ožný počet
Více3. PEVNOST V TLAKU BETONU NA VÝVRTECH
3. PEVNOST V TLAKU BETONU NA VÝVRTECH Vývrty jsou válcové zkušební vzorky, získané z konstrukce poocí dobře chlazeného jádrového vrtáku. Vývrty jsou pečlivě vyšetřeny, upraveny buď zabroušení, anebo koncování
VíceKMA Písemná část přijímací zkoušky - MFS 2o16
JMÉNO a PŘÍJMENÍ KMA Písemná část přijímací zkoušky - MFS 2o16 verze 1 / 28. 6. 2016 Pokyny k vypracování: Za každý správně vyřešený příklad lze získat 2 body. U zaškrtávacích otázek, je vždy správná právě
Více