Kybernetika. Wiener 1948: Rok 2000:
|
|
- Ilona Horáčková
- před 5 lety
- Počet zobrazení:
Transkript
1 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 obecné teorie systémů. 5. Role obecné teorie systémů. OTS: Systém, úvod; R. Šára, CMP (p. 1) Poslední revize: 23. března 2009
2 Objekt a jeho model Objekt: Pozorovatelná část reality. Model: Nechť je dán objekt X a pozorovatel P. Potom M(X) je modelem X jestliže pozorovatel může použít M(X) k předpovědi chování X. objekt pozorovatel svět objekt X model M(X) Systém: Je druh modelu. objekt není vydělitelný ze svého okolí (Př: počasí nad ČR) interakce pozorovatel objekt ovlivňují chování obou (Př: voltmetr s malým vstupním odporem) vlastnosti celku nevyplývají nutně z vlastností částí (Ludwig von Bertalanfy, 60. léta 20. stol.) OTS: Systém, úvod; R. Šára, CMP (p. 2) Poslední revize: 23. března 2009
3 Co je a co není systém Mějme dva objekty: (1) pružně upevněné závaží, (2) elektrický RLC obvod Možné systémy na objektech: x 1 K m R L B x 2 u 1 C u 2 S 1 : m ẍ 2 + B ẋ 2 + Kx 2 = Kx 1 S 2 : L ü 2 + R u C u 2 = 1 C u 1 S 1 a S 2 jsou izomorfní: Při x 1 u 1, x 2 u 2, m L, B R, K 1 C mají stejné chování Systém: atributy (proměnné): u 1, u 2 parametr: čas chování: diferenciální rovnice OTS: Systém, úvod; R. Šára, CMP (p. 3) Poslední revize: 23. března 2009
4 Příklad systému objekt měřicí místa data Systém atributy (proměnné) parametr: čas chování: vzorek aktivity systému (data) OTS: Systém, úvod; R. Šára, CMP (p. 4) Poslední revize: 23. března 2009
5 Přirozený dynamický systém se sémantikou Typické postoje soupeřících racků v nafilmované sekvenci, slovně popsané rest away forward hunched chocking mew call upright Systém: atributy (proměnné): v 1, v 2 ; parametr: čas; chování: vzorek aktivity t v v t v v interpretace: forward 0 upright 1 grass pulling 2 chocking 3 away 4 jednotka času: 2s převzato z [Klir, Architecture of Systems Problem Solving, 1985] OTS: Systém, úvod; R. Šára, CMP (p. 5) Poslední revize: 23. března 2009
6 Dynamický systém parametrizovaný polohou Sonogram zdravé štítné žlázy v podélném řezu Systém: atribut: v hodnota obrazu v bodě parametry: i,j poloha v obrazu vzorek aktivity textura dynamický zde neznamená časově proměnný, ale proměnný s polohou OTS: Systém, úvod; R. Šára, CMP (p. 6) Poslední revize: 23. března 2009
7 Shrnutí příkladů (model zvaný systém ) Systém je trojice S = (A, B; R), kde 1. A množina podstaných atributů: vypovídajích o stavu systému popisné komparativní (částečné uspořádané) metrické (aditivní vůči konkatenaci) př: postoje racků při souboji př: Mohsova stupnice tvrdosti př: kvantitativní vlastnosti 2. B parametrická množina: parametry rozlišují instance měření, tj. indexují proměnné čas poloha populace 3. R je relace informační závislosti mezi a i A (chování): schéma s označenými proměnnými diferenciální rovnice naměřená data Co není systém? atributy nejsou voleny s ohledem na nějaký účel neexistuje společná parametrická množina data nejsou získána za dostatečné variability OTS: Systém, úvod; R. Šára, CMP (p. 7) Poslední revize: 23. března 2009
8 Systém z hlediska pozorovatele systém S 1 na objektu v rychlost v zrychlení φ úhlové rychlosti φ úhlová zrychlení průtoky paliva průtoky okysličovadla p tlak ve spalovacích komorách rychlosti výtoku plynů hmotnost paliva hmotnost okysličovadla π f π o v e m f m o systém S 2 na objektu v zrychlení φ úhlová zrychlení F síly působící na části rakety S 2 π f π o m f φ v v φ F m o p v e S 1 Hledisko Volba systému závisí na účelu zkoumání. Na každém materiálním objektu je možno definovat mnoho různých systémů významných z různého hlediska. Systémy na různých fyzikálních objektech mohou být formálně totožné. Obecný systém Na interpretaci nezávislý bezkontextový model ve standardní formě, který reprezentuje třídu ekvivalence vzhledem k významným vlastnostem relací. OTS: Systém, úvod; R. Šára, CMP (p. 8) Poslední revize: 23. března 2009
9 Předmět OTS Klir 1985: OTS je metodologie pro zkoumání vlastností velmi složitých systémů bez zjevné struktury, které se vyskytují v různých tradičních disciplínách. 1. Předmět zkoumání: Strukturální vlastnosti společné určitým třídám systémů. 2. Model systému: Matematicky, experimentálně nebo simulací získaný. OTS: Systém, úvod; R. Šára, CMP (p. 9) Poslední revize: 23. března 2009
10 Náplň této části přednášek 1. Formalismus, kterým lze popsat zobecněný dynamický systém. Zobecněný diskrétní dynamický systém popsaný naměřenými daty anebo jejich zobecněním. Pravděpodobnostní anebo posibilistický model nad množinou stavů. Výměna informace měřena na základě entropie. 2. Vybrané problémy OTS Jak vytvořit systém z dat? Jak zjednodušit daný systém? Jak zjistit strukturu složitých systémů? problém identifikace struktury z dat Aplikace analýza a interpetace dat těžení dat (data mining) rozpoznávání GSPS: Nástroj, který podporuje efektivní inženýrskou práci v procesu analýza predikce experiment bez ohledu na interpretaci a kontext. OTS: Systém, úvod; R. Šára, CMP (p. 10) Poslední revize: 23. března 2009
11 Datový systém (A, B) obecný obraz systému D = (A, B; d, u) A = {v 1, v 2,..., v n } B = {w 1, w 2,..., w m } R(v i ), i = 1, 2,..., n R(w j ), j = 1, 2,..., m R(A) = R(v 1 ) R(v 2 ) R(v n ) R(B) = R(w 1 ) R(w 2 ) R(w m ) množina základních proměnných množina parametrů obor hodnot (range) v i obor hodnot w j toto ještě není nutně stavový prostor! (u, d) reprezentace relací mezi proměnnými d: R(B) R(A) ostrá data d: R(B) R(A) 0, 1 u i {0, 1}, i = 1, 2,..., n fuzzy data vstupní proměnné OTS: Systém, úvod; R. Šára, CMP (p. 11) Poslední revize: 23. března 2009
12 Datový systém: Vzorek aktivity Obraz systému (A, B) charakterizuje potenciální stavy proměnných, funkce D poskytuje informaci o jejich skutečných stavech na části parametrické množiny. A = {v 1, v 2 }, B = {b}, R(v 1 ) = R(v 2 ) = {0, 1, 2, 3, 4}, R(b) = IN 0 Data jsou výsledkem měření na objektu. D = [ d i,j ] = [ vi (j) ] Ú ½ Ú ¾ datová matice D sloupce jsou stavy pozorované na hodnotách R(b), řádky jsou pozorování jedné proměnné indexované hodnotou parametru. OTS: Systém, úvod; R. Šára, CMP (p. 12) Poslední revize: 23. března 2009
13 Zobecněný diskrétní dynamický systém Cíl: zobecnit data, modelovat dynamiku Chování: Vztah mezi proměnnými systému nezávisle na absolutní hodnotě parametrů. Př: x(k) = f(x(k 1), x(k 2),..., x(k h) Θ) lze zapsat s 0 (k) = f(s 1 (k), s 2 (k),..., s h (k) Θ) invariantní vztah (vzhledem k k) kde s 1 (k) = x(k 1) jsou pojmenované translace Vzorkovací proměnné: Doplňují základní proměnné v i o proměnné s k s k (w) = v i ( rij (w) ), w R(B) odpovídají vnitřním stavovým proměnným v dynamickém systému Translační pravidla: každému elementu ve R(B) přiřazují jeden element z R(B): r ij : R(B) R(B). př: s 1 (k) = x(k 1), r 11 (k) = k 1 OTS: Systém, úvod; R. Šára, CMP (p. 13) Poslední revize: 23. března 2009
14 Translační pravidla na uspořádané parametrické množině: Maska maska M Hodnoty vzorkovacích proměnných s k : s 1 (6) = v 1 (5) = 2 s 2 (6) = v 1 (6) = 0 s 3 (6) = v 2 (6) = 2 Ö Ö Ò Ò Ó Stav pro masku M v poloze k = 6: s(6) = (2, 0, 2) Ø Ú ½ datová matice Ú ¾ Ö Ö Ò Ò Ó Maska M reprezentuje časově invariantní dynamický vztah mezi základními proměnnými, každému páru (i, j) M odpovídá jedno translační pravidlo s k = v i (w + r ij ) pro referenční čas w R(B). OTS: Systém, úvod; R. Šára, CMP (p. 14) Poslední revize: 23. března 2009
15 Příklad zobecnění datového na dynamický systém 1. Dán datový systém: A = {v 1, v 2 }, B = {t}, data t v v t v v Volba masky M: s 1 s 2 s 3 s 4 3. Odhad pravěpodobnosti přípustných stavů s 1 s 2 s 3 s 4 p(s 1, s 2, s 3, s 4 ) OTS: Systém, úvod; R. Šára, CMP (p. 15) Poslední revize: 23. března 2009
16 Zobecněný dynamický systém Stavový prostor Stav je okamžitá hodnota vzorkovacích proměnných S = {s i, i = 1,..., n} a R(S) = R(s 1 ) R(s 2 ) R(s n ) je stavový prostor o dimenzi n. Funkce přípustnosti definuje přípustné stavy p B : R(S) 0, 1 (pravděpodobnost, posibilita) Dynamický systém (A, B) je obecný obraz systému M je maska p B je funkce přípustnosti stavu F B = (A, B; M, p B ), OTS: Systém, úvod; R. Šára, CMP (p. 16) Poslední revize: 23. března 2009
17 Zobecněný dynamický systém: shrnutí dynamika popsána vztahem invariantním vůči parametrům vztah je reprezentován zvýšením dimenze stavového prostoru každý takový rozšířený stav má přípustnost (pravděpodobnost) tento model přesně popisuje všechna pozorovaná data Tento model dokáže generovat (předpovídat) vývoj stavu systému, uvidíme jak. OTS: Systém, úvod; R. Šára, CMP (p. 17) Poslední revize: 23. března 2009
18 Generativní systém Zobecněný dynamický systém nezahrnuje předpis pro generování aktivity systému. Generativní maska Rozklad masky M na generující část Mḡ a generovanou část M g : M G = (M g, Mḡ) tak, že M g M Mḡ M M g Mḡ = M M g Mḡ = Generativní funkce přípustnosti Množinu vzorkovacích proměnných rozložíme na generující množinu Ḡ a generovanou množinu G, potom sdružená funkce p GB : R(Ḡ) R(G) 0, 1 je generativní funkce přípustnosti. OTS: Systém, úvod; R. Šára, CMP (p. 18) Poslední revize: 23. března 2009
19 Nedetermininistický systém Deterministický systém Pro každý generující stav ḡ R(G) je povolen pouze jeden generovaný stav g R(G). Nedeterministický systém: Povoleno je více stavů. ḡ g s 1 s 3 s 2 s 4 p GB Ô ¼ 3,3 Ô ¼ ½ Ô ¼ ½ 0,3 4,4 nederministický stav (3, 3) má tři následníky Pravděpodobnost přechodu stavu p(g ḡ) = p GB(g, ḡ) p G (ḡ) OTS: Systém, úvod; R. Šára, CMP (p. 19) Poslední revize: 23. března 2009
20 Je RS obvod nedeterministický systém? RS obvod má paměť: následný stav závisí na současném stavu Ú ½ Ú ¾ & & Ú Ú v 1 v 2 v 3 v v3 k 1 v4 k 1 u ḡ g s 1 s 2 s 3 s u s 3 s 1 s 2 s 4 v 1 v 2 v Je deterministický: tabulka je úplný popis a žádné dva stavy (u, ḡ) nejsou stejné: každý stav má jen jednoho následníka ḡ maska g OTS: Systém, úvod; R. Šára, CMP (p. 20) Poslední revize: 23. března 2009
21 Generování dat 1. Dán stav ḡ R(Ḡ) pro dané t T, použije se pravděpodobnost přechodu p(g ḡ) pro zjištění stavu g R(G) pro t. 2. Hodnota t je nahrazena novou a krok 1 se opakuje. Vyžaduje uspořádanou parametrickou množinu. Vyžaduje počáteční podmínky. Pořadí generování: 1. dopředné (prediktivní): t = t + 1, 2. zpětné (retrodiktivní): t = t 1. Každý řádek masky M g pro dopředné pořadí má právě jeden prvek na pravé hraně masky, pro zpětné na levé straně. U nedeterministického systému se následující stav vygeneruje náhodně s danou pravděpodobností. OTS: Systém, úvod; R. Šára, CMP (p. 21) Poslední revize: 23. března 2009
22 Příklad texturního systému vstupní redukce rozlišení: prostorová redukce na 1/3, pouze jas, překvantizováno do 6 úrovní šedé výřez pixelů z kvantizovaného obrazu obraz tkaniny pixelů, RGB 8-bit maska 5 9 vygenerovaný vzorek jedna generovaná proměnná g (žlutě), 44 generujících G systém má stavů s nenulovou četností, zjištěno z redukovaného obrazu 1.7Mpix H(g) = 1.38, H(g G ) = malá generativní nejistota, systém je skoro deterministický OTS: Systém, úvod; R. Šára, CMP (p. 22) Poslední revize: 23. března 2009
23 Pozn: Systém se stavovými přechody (ST) Funkce přechodu stavu Jiná reprezentace invariantního omezení mezi proměnnými na totálně uspořádané parametrické množině Konstrukce stavu také reprezentována translačními pravidly (maskou) Nerozlišujeme generující a generované proměnné Stavový diagram: f GS (c c) další stav je c je-li současný stav c Ë ¼ ¼ µ ¼ Ë ½ ¼ µ ½ ¼ ¾ Generativní ST-systém F GS = (A, B; M GS, f GS ), M GS musí být kompaktní, tj. pro každou řádku M GS : s a s b s a M GS, s b M GS s a+1,..., s b 1 M GS Příklad: posouváme masku z t do t + 1 do t + 2 atd. tato maska neodpovídá ST-systému, hodnota pro s 1 (t) je vygenerována v kroku t 2 ½ ¾ ½ ¾ ½ ¾ OTS: Systém, úvod; R. Šára, CMP (p. 23) Poslední revize: 23. března 2009 Ø ¾ Ø
24 Konverze ST-systému na zobecněný dynamický systém F S = (A, B; M, f GS ) F B = (A, B; M +, f B ) 1. Rozšíření masky M na M + ¼ Å Å Å 2. Potom f GS (C, C ) = f B (G, Ḡ) Obráceně možné jen, je-li maska kompaktní a na každé řádce má alespoň 2 okénka! Pozorování Reprezentace pomocí systému s chováním je kompaktnější a obecnější. OTS: Systém, úvod; R. Šára, CMP (p. 24) Poslední revize: 23. března 2009
25 Klirova hierarchie systémů 4 METASYSTÉMY relace mezi relacemi níže pravidla popisující změny struktury abstrakce roste & neurčitost klesá STRUKTUROVANÉ SYSTÉMY relace mezi modely níže GENERATIVNÍ SYSTÉMY modely generující aktivitu (chování) zobecnění dynamických systémů DATOVÉ SYSTÉMY pozorování popsaná v jazyce níže ZDROJOVÉ SYSTÉMY jazyk pro popis dat rozložení vztahu mezi proměnnými na dílčí vztahy vztah mezi proměnnými vysvětlující pozorovaná data zdrojový systém doplněný vzorkem dat soubor měřitelných vlastností důležitých z nějakého hlediska MĚŘITELNÁ REALITA OTS: Systém, úvod; R. Šára, CMP (p. 25) Poslední revize: 23. března 2009
26 Konec
27
28
29
30
31
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
VícePC: Identifikace struktury zobecněného dynamického systému
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
VíceProhledávání 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
VíceSIGNÁLY 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
VíceModelování a simulace Lukáš Otte
Modelování a simulace 2013 Lukáš Otte Význam, účel a výhody MaS Simulační modely jsou nezbytné pro: oblast vědy a výzkumu (základní i aplikovaný výzkum) analýzy složitých dyn. systémů a tech. procesů oblast
VíceAgent 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
VíceU Úvod do modelování a simulace systémů
U Úvod do modelování a simulace systémů Vyšetřování rozsáhlých soustav mnohdy nelze provádět analytickým výpočtem.často je nutné zkoumat chování zařízení v mezních situacích, do kterých se skutečné zařízení
VíceRekonstrukce 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)
Více1. Statistická analýza dat Jak vznikají informace Rozložení dat
1. Statistická analýza dat Jak vznikají informace Rozložení dat J. Jarkovský, L. Dušek, S. Littnerová, J. Kalina Význam statistické analýzy dat Sběr a vyhodnocování dat je způsobem k uchopení a pochopení
VíceÚvod do modelování a simulace. Ing. Michal Dorda, Ph.D.
Úvod do modelování a simulace systémů Ing. Michal Dorda, Ph.D. 1 Základní pojmy Systém systémem rozumíme množinu prvků (příznaků) a vazeb (relací) mezi nimi, která jako celek má určité vlastnosti. Množinu
Více01 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
VíceMarkovské metody pro modelování pravděpodobnosti
Markovské metody pro modelování pravděpodobnosti rizikových stavů 1 Markovský řetězec Budeme uvažovat náhodný proces s diskrétním časem (náhodnou posloupnost) X(t), t T {0, 1, 2,... } s konečnou množinou
VíceCharakterizují kvantitativně vlastnosti předmětů a jevů.
Měřicí aparatura 1 / 34 Fyzikální veličiny Charakterizují kvantitativně vlastnosti předmětů a jevů. Můžeme je dělit: Podle rozměrů: Bezrozměrné (index lomu, poměry) S rozměrem fyzikální veličiny velikost
VíceMETODOLOGIE I - METODOLOGIE KVANTITATIVNÍHO VÝZKUMU
METODOLOGIE I - METODOLOGIE KVANTITATIVNÍHO VÝZKUMU vyučující doc. RNDr. Jiří Zháněl, Dr. M I 4 Metodologie I 7. ANALÝZA DAT (KVANTITATIVNÍ VÝZKUM) (MATEMATICKÁ) STATISTIKA DESKRIPTIVNÍ (popisná) ANALYTICKÁ
VíceSchéma 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
VíceAplikace 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.
VíceTeorie 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
VíceGerstnerova laboratoř katedra kybernetiky fakulta elektrotechnická ČVUT v Praze
KYBERNETIKA A UMĚLÁ INTELIGENCE 1. Úvod do kybernetiky a dynamika systémů laboratory Gerstner Gerstnerova laboratoř katedra kybernetiky fakulta elektrotechnická ČVUT v Praze O předmětu K čemu je tento
VíceUsuzování 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
VíceModerní systémy pro získávání znalostí z informací a dat
Moderní systémy pro získávání znalostí z informací a dat Jan Žižka IBA Institut biostatistiky a analýz PřF & LF, Masarykova universita Kamenice 126/3, 625 00 Brno Email: zizka@iba.muni.cz Bioinformatika:
VíceZÁKLADY 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
Více7. Rozdělení pravděpodobnosti ve statistice
7. Rozdělení pravděpodobnosti ve statistice Statistika nuda je, má však cenné údaje, neklesejte na mysli, ona nám to vyčíslí Jednou z úloh statistiky je odhad (výpočet) hodnot statistického znaku x i,
Více1.3 Prezentace vlastní přednášky. v Power-Pointu
Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie 1.3 Prezentace vlastní přednášky v Power-Pointu Ing. Jiří PLISKA I & C energo, a.s. V Římově 20. 1. 2013 OBSAH 1. Šablona...
VíceModelov an ı biologick ych syst em u Radek Pel anek
Modelování biologických systémů Radek Pelánek Modelování v biologických vědách typický cíl: pomocí modelů se snažíme pochopit, jak biologické systémy fungují model zahrnuje naše chápání simulace ukazuje,
VíceInformační 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.
VícePřímá a inverzní kinematika manipulátoru pro NDT (implementační poznámky) (varianta 2: RRPR manipulátor)
Technická zpráva Katedra kybernetiky, Fakulta aplikovaných věd Západočeská univerzita v Plzni Přímá a inverzní kinematika manipulátoru pro NDT (implementační poznámky) (varianta 2: RRPR manipulátor) 22.
Vícečasovém horizontu na rozdíl od experimentu lépe odhalit chybné poznání reality.
Modelování dynamických systémů Matematické modelování dynamických systémů se využívá v různých oborech přírodních, technických, ekonomických a sociálních věd. Použití matematického modelu umožňuje popsat
VíceÚvodem Dříve les než stromy 3 Operace s maticemi
Obsah 1 Úvodem 13 2 Dříve les než stromy 17 2.1 Nejednoznačnost terminologie 17 2.2 Volba metody analýzy dat 23 2.3 Přehled vybraných vícerozměrných metod 25 2.3.1 Metoda hlavních komponent 26 2.3.2 Faktorová
VíceTeorie náhodných matic aneb tak trochu jiná statistika
Teorie náhodných matic aneb tak trochu jiná statistika B. Vlková 1, M.Berg 2, B. Martínek 3, O. Švec 4, M. Neumann 5 Gymnázium Uničov 1, Gymnázium Václava Hraběte Hořovice 2, Mendelovo gymnázium Opava
VícePQ-stromy a rozpoznávání intervalových grafů v lineárním čase
-stromy a rozpoznávání intervalových grafů v lineárním čase ermutace s předepsanými intervaly Označme [n] množinu {1, 2,..., n}. Mějme permutaci π = π 1, π 2,..., π n množiny [n]. Řekneme, že množina S
VíceStatistika. Základní pojmy a cíle statistiky. Roman Biskup. (zapálený) statistik ve výslužbě, aktuálně analytik v praxi ;-) roman.biskup(at) .
Statistika Základní pojmy a cíle statistiky Roman Biskup (zapálený) statistik ve výslužbě, aktuálně analytik v praxi ;-) roman.biskup(at)email.cz 12. února 2012 Statistika by Birom Statistika Pojmy a cíle
VíceModely 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
VíceAUTOMATY A GRAMATIKY. Pavel Surynek. Kontextové uzávěrové vlastnosti Turingův stroj Rekurzivně spočetné jazyky Kódování, enumerace
AUTOMATY A 11 GRAMATIKY Pavel Surynek Univerzita Karlova v Praze Matematicko-fyzikální fakulta Katedra teoretické informatiky a matematické logiky Kontextové uzávěrové vlastnosti Turingův stroj Rekurzivně
VíceZáklady umělé inteligence
Základy umělé inteligence Automatické řešení úloh Základy umělé inteligence - prohledávání. Vlasta Radová, ZČU, katedra kybernetiky 1 Formalizace úlohy UI chápe řešení úloh jako proces hledání řešení v
Více24.11.2009 Václav Jirchář, ZTGB
24.11.2009 Václav Jirchář, ZTGB Síťová analýza 50.let V souvislosti s potřebou urychlit vývoj a výrobu raket POLARIS v USA při závodech ve zbrojení za studené války se SSSR V roce 1958 se díky aplikaci
VíceT- MaR. Ústav technologie, mechanizace a řízení staveb. Teorie měření a regulace. Podmínky názvy. 1.c-pod. ZS 2015/ Ing. Václav Rada, CSc.
Ústav technologie, mechanizace a řízení staveb Teorie měření a regulace Podmínky názvy 1.c-pod. ZS 2015/2016 2015 - Ing. Václav Rada, CSc. MĚŘENÍ praktická část OBECNÝ ÚVOD Veškerá měření mohou probíhat
VíceDetekce interakčních sil v proudu vozidel
Detekce interakčních sil v proudu vozidel (ANEB OBECNĚJŠÍ POHLED NA POJEM VZDÁLENOSTI V MATEMATICE) Doc. Mgr. Milan Krbálek, Ph.D. Katedra matematiky Fakulta jaderná a fyzikálně inženýrská České vysoké
VíceMarkovovy modely v Bioinformatice
Markovovy modely v Bioinformatice Outline Markovovy modely obecně Profilové HMM Další použití HMM v Bioinformatice Analýza biologických sekvencí Biologické sekvence: DNA,RNA,protein prim.str. Sekvenování
VíceStatistika, Biostatistika pro kombinované studium Letní semestr 2011/2012. Tutoriál č. 4: Exploratorní analýza. Jan Kracík
Statistika, Biostatistika pro kombinované studium Letní semestr 2011/2012 Tutoriál č. 4: Exploratorní analýza Jan Kracík jan.kracik@vsb.cz Statistika věda o získávání znalostí z empirických dat empirická
VíceSíla 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.
VíceVYSOKONAPĚŤOVÉ ZKUŠEBNICTVÍ. #2 Nejistoty měření
VYSOKONAPĚŤOVÉ ZKUŠEBNICTVÍ # Nejistoty měření Přesnost měření Klasický způsob vyjádření přesnosti měření chyba měření: Absolutní chyba X = X M X(S) Relativní chyba δ X = X(M) X(S) - X(M) je naměřená hodnota
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
Více6.2.8 Vlnová funkce. ψ nemá (zatím?) žádný fyzikální smysl, fyzikální smysl má funkce. Předpoklady: 060207
6..8 Vlnová funkce ředpoklady: 06007 edagogická poznámka: Tato hodina není příliš středoškolská. Zařadil jsem ji kvůli tomu, aby žáci měli alespoň přibližnou představu o tom, jak se v kvantové fyzice pracuje.
Více23. Matematická statistika
Projekt: Inovace oboru Mechatronik pro Zlínský kraj Registrační číslo: CZ.1.07/1.1.08/03.0009 23. Matematická statistika Statistika je věda, která se snaží zkoumat reálná data a s pomocí teorii pravděpodobnosti
VíceSimulační modely. Kdy použít simulaci?
Simulační modely Simulace z lat. Simulare (napodobení). Princip simulace spočívá v sestavení modelu reálného systému a provádění opakovaných experimentů s tímto modelem. Simulaci je nutno považovat za
VíceUČENÍ 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
VícePočítačové vidění vs. digitální zpracování obrazu Digitální obraz a jeho vlastnosti
Počítačové vidění vs. digitální zpracování obrazu Digitální obraz a jeho vlastnosti 1/32 Václav Hlaváč Fakulta elektrotechnická ČVUT, katedra kybernetiky Centrum strojového vnímání, Praha hlavac@fel.cvut.cz
VíceAnalýza textury. Radim Šára Centrum strojového vnímání FEL ČVUT. DZO, R. Šára
Analýza textury Radim Šára Centrum strojového vnímání FEL ČVUT 1999 DZO, R. Šára DZO, R. Šára 1 Osnova prednášky 1. Co je to textura? 2. Motivační příklady. 3. Jak lze měřit vlastnosti textury? 4. Analytický
VíceINVESTICE DO ROZVOJE VZDĚLÁVÁNÍ. Modernizace studijního programu Matematika na PřF Univerzity Palackého v Olomouci CZ.1.07/2.2.00/28.
INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ Modernizace studijního programu Matematika na PřF Univerzity Palackého v Olomouci CZ.1.07/2.2.00/28.0141 Báze vektorových prostorů, transformace souřadnic Michal Botur Přednáška
VíceChyby měření 210DPSM
Chyby měření 210DPSM Jan Zatloukal Stručný přehled Zdroje a druhy chyb Systematické chyby měření Náhodné chyby měření Spojité a diskrétní náhodné veličiny Normální rozdělení a jeho vlastnosti Odhad parametrů
Víceanalýzy dat v oboru Matematická biologie
INSTITUT BIOSTATISTIKY A ANALÝZ Lékařská a Přírodovědecká fakulta, Masarykova univerzita Komplexní přístup k výuce analýzy dat v oboru Matematická biologie Tomáš Pavlík, Daniel Schwarz, Jiří Jarkovský,
VíceELT1 - Přednáška č. 6
ELT1 - Přednáška č. 6 Elektrotechnická terminologie a odborné výrazy, měřicí jednotky a činitelé, které je ovlivňují. Rozdíl potenciálů, elektromotorická síla, napětí, el. napětí, proud, odpor, vodivost,
VícePopis objektů. Karel Horák. Rozvrh přednášky:
1 / 41 Popis objektů Karel Horák Rozvrh přednášky: 1. Úvod.. Příznakový vektor. 3. Příznakový prostor. 4. Členění příznaků. 5. Identifikace oblastí. 6. Radiometrické deskriptory. 7. Fotometrické deskriptory.
Víceoddělení Inteligentní Datové Analýzy (IDA)
Vytěžování dat Filip Železný Katedra počítačů oddělení Inteligentní Datové Analýzy (IDA) 22. září 2014 Filip Železný (ČVUT) Vytěžování dat 22. září 2014 1 / 25 Odhad rozdělení Úloha: Vstup: data D = {
VíceNástin formální stavby kvantové mechaniky
Nástin formální stavby kvantové mechaniky Karel Smolek Ústav technické a experimentální fyziky, ČVUT Komplexní čísla Pro každé reálné číslo platí, že jeho druhá mocnina je nezáporné číslo. Např. 3 2 =
VíceKatedra 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
Více4EK311 Operační výzkum. 1. Úvod do operačního výzkumu
4EK311 Operační výzkum 1. Úvod do operačního výzkumu Mgr. Jana SEKNIČKOVÁ, Ph.D. Nová budova, místnost 433 Konzultační hodiny InSIS E-mail: jana.seknickova@vse.cz Web: jana.seknicka.eu/vyuka Garant kurzu:
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:
VíceCvičení z Lineární algebry 1
Cvičení z Lineární algebry Michael Krbek podzim 2003 2392003 Hodina Jsou dána komplexní čísla z = +2 i a w = 2 i Vyjádřete c algebraickém tvaru (z + w) 3,, (zw), z w 2 Řešte v komplexním oboru rovnice
VíceZáklady počtu pravděpodobnosti a metod matematické statistiky
Errata ke skriptu Základy počtu pravděpodobnosti a metod matematické statistiky K. Hron a P. Kunderová Autoři prosí čtenáře uvedeného studijního textu, aby případné další odhalené chyby nad rámec tohoto
VíceSYSTÉMOVÁ METODOLOGIE (VII) Kybernetika. Ak. rok 2011/2012 vbp 1
SYSTÉMOVÁ METODOLOGIE (VII) Kybernetika Ak. rok 2011/2012 vbp 1 ZÁKLADNÍ SMĚRY A DISCIPLÍNY Teoretická kybernetika (vědecký aparát a metody ke zkoumání kybernetických systémů; používá abstraktní modely
VíceMATEMATIKA V MEDICÍNĚ
MATEMATIKA V MEDICÍNĚ Tomáš Oberhuber Fakulta jaderná a fyzikálně inženýrská České vysoké učení technické v Praze Matematika pro život TOMÁŠ OBERHUBER (FAKULTA JADERNÁ A FYZIKÁLNĚ INŽENÝRSKÁ MATEMATIKA
Více12 DYNAMIKA SOUSTAVY HMOTNÝCH BODŮ
56 12 DYNAMIKA SOUSTAVY HMOTNÝCH BODŮ Těžiště I. impulsová věta - věta o pohybu těžiště II. impulsová věta Zákony zachování v izolované soustavě hmotných bodů Náhrada pohybu skutečných objektů pohybem
VíceIB112 Základy matematiky
IB112 Základy matematiky Řešení soustavy lineárních rovnic, matice, vektory Jan Strejček IB112 Základy matematiky: Řešení soustavy lineárních rovnic, matice, vektory 2/53 Obsah Soustava lineárních rovnic
VíceVztah jazyků Chomskeho hierarchie a jazyků TS
Vztah jazyků Chomskeho hierarchie a jazyků TS Jan Konečný; (přednáší Lukáš Havrlant) 15. října 2013 Jan Konečný; (přednáší Lukáš Havrlant) Chomskeho hierarchie a jazyky TS 15. října 2013 1 / 23 Rychlé
VíceSIGNÁLY A LINEÁRNÍ SYSTÉMY
SIGNÁLY A LINEÁRNÍ SYSTÉMY prof. Ing. Jiří Holčík, CSc. holcik@iba.muni.cziba.muni.cz II. SIGNÁLY ZÁKLADNÍ POJMY SIGNÁL - DEFINICE SIGNÁL - DEFINICE Signál je jev fyzikální, chemické, biologické, ekonomické
VíceCITLIVOSTNÍ ANALÝZA DYNAMICKÝCH SYSTÉMŮ I
Informačné a automatizačné technológie v riadení kvality produkcie Vernár,.-4. 9. 005 CITLIVOSTNÍ ANALÝZA DYNAMICKÝCH SYSTÉMŮ I KÜNZEL GUNNAR Abstrakt Příspěvek uvádí základní definice, fyzikální interpretaci
VíceDigitální zpracování obrazu počítačové vidění zakotvení
Digitální zpracování obrazu počítačové vidění zakotvení Václav Hlaváč České vysoké učení technické v Praze Fakulta elektrotechnická, katedra kybernetiky Centrum strojového vnímání http://cmp.felk.cvut.cz/
VíceÚvodní statistické pojmy
Úvodní statistické pojmy STATISTIKA Statistika vznikla z úředních zjišťování (počtu lidí a jejich majetku), univerzitní státovědy, politické aritmetiky (zkoumání společenských jevů na podkladě objektivních
VícePokročilé neparametrické metody. Klára Kubošová
Pokročilé neparametrické metody Klára Kubošová Pokročilé neparametrické metody Výuka 13 přednášek doplněných o praktické cvičení v SW Úvod do neparametrických metod + princip rozhodovacích stromů Klasifikační
VíceÚVOD DO TERMODYNAMIKY
ÚVOD DO TERMODYNAMIKY Termodynamika: Nauka o obecných zákonitostech, kterými se se řídí transformace CELKOVÉ energie makroskopických systémů v její různé formy. Je založena na výsledcích experimentílních
Více1. 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
Více2. Entropie a Informace. Gerstnerova laboratoř katedra kybernetiky fakulta elektrotechnická ČVUT v Praze
KYBERNETIKA A UMĚLÁ INTELIGENCE 2. Entropie a Informace laboratory Gerstner Gerstnerova laboratoř katedra kybernetiky fakulta elektrotechnická ČVUT v Praze Popis složitých systémů V minulé přednášce: stavový
VíceCW01 - Teorie měření a regulace
Ústav technologie, mechanizace a řízení staveb CW01 - Teorie měření a regulace ZS 2010/2011 SPEC. 2.p 2010 - Ing. Václav Rada, CSc. Ústav technologie, mechanizace a řízení staveb Teorie měření a regulace
VíceMatematicko-fyzikální fakulta Univerzity Karlovy
Oceňování finančních derivátů ve spojitém čase Václav Kozmík Matematicko-fyzikální fakulta Univerzity Karlovy 4. 10. 2010 Úvod Stochastický kalkulus Wienerův proces stochastické procesy Itoovo lemma změna
VíceSIGNÁLY A LINEÁRNÍ SYSTÉMY
SIGNÁLY A LINEÁRNÍ SYSTÉMY prof. Ing. Jiří Holčík, CSc. holcik@iba.muni.cz II. SIGNÁLY ZÁKLADNÍ POJMY SIGNÁL - DEFINICE SIGNÁL - DEFINICE Signál je jev fyzikální, chemické, biologické, ekonomické či jiné
VíceZákladní statistické modely Statistické vyhodnocování exp. dat M. Čada ~ cada
Základní statistické modely 1 Statistika Matematická statistika se zabývá interpretací získaných náhodných dat. Snažíme se přiřadit statistickému souboru vhodnou distribuční funkci a najít základní číselné
VíceÚstav technologie, mechanizace a řízení staveb. CW01 - Teorie měření a regulace 10.2 ZS 2010/2011. reg Ing. Václav Rada, CSc.
Ústav technologie, mechanizace a řízení staveb CW01 - Teorie měření a regulace ZS 2010/2011 10.2 reg-2 2010 - Ing. Václav Rada, CSc. Ústav technologie, mechanizace a řízení staveb Teorie měření Teorie
Více1 Modelování systémů 2. řádu
OBSAH Obsah 1 Modelování systémů 2. řádu 1 2 Řešení diferenciální rovnice 3 3 Ukázka řešení č. 1 9 4 Ukázka řešení č. 2 11 5 Ukázka řešení č. 3 12 6 Ukázka řešení č. 4 14 7 Ukázka řešení č. 5 16 8 Ukázka
VíceFyzikální veličiny. - Obecně - Fyzikální veličiny - Zápis fyzikální veličiny - Rozměr fyzikální veličiny. Obecně
Fyzikální veličiny - Obecně - Fyzikální veličiny - Zápis fyzikální veličiny - Rozměr fyzikální veličiny Obecně Fyzika zkoumá objektivní realitu - hmotu - z určité stránky. Zabývá se její látkovou formou
VíceNáhodné (statistické) chyby přímých měření
Náhodné (statistické) chyby přímých měření Hodnoty náhodných chyb se nedají stanovit předem, ale na základě počtu pravděpodobnosti lze zjistit, která z možných naměřených hodnot je více a která je méně
VíceNÁHODNÁ ČÍSLA. F(x) = 1 pro x 1. Náhodná čísla lze generovat některým z následujících generátorů náhodných čísel:
NÁHODNÁ ČÍSLA TYPY GENERÁTORŮ, LINEÁRNÍ KONGRUENČNÍ GENERÁTORY, TESTY NÁHODNOSTI, VYUŽITÍ HODNOT NÁHODNÝCH VELIČIN V SIMULACI CO JE TO NÁHODNÉ ČÍSLO? Náhodné číslo definujeme jako nezávislé hodnoty z rovnoměrného
VíceStatistika. Regresní a korelační analýza Úvod do problému. Roman Biskup
Statistika Regresní a korelační analýza Úvod do problému Roman Biskup Jihočeská univerzita v Českých Budějovicích Ekonomická fakulta (Zemědělská fakulta) Katedra aplikované matematiky a informatiky 2008/2009
VíceBuněčné automaty a mřížkové buněčné automaty pro plyny. Larysa Ocheretna
Buněčné automaty a mřížkové buněčné automaty pro plyny Larysa Ocheretna Obsah Buněčný automat: princip modelu, vymezení pojmů Mřížkový buněčný automat pro plyny Příklady aplikace principů mřížkových buněčných
VíceÚvod do problematiky měření
1/18 Lord Kelvin: "Když to, o čem mluvíte, můžete změřit, a vyjádřit to pomocí čísel, něco o tom víte. Ale když to nemůžete vyjádřit číselně, je vaše znalost hubená a nedostatečná. Může to být začátek
VíceStupnice geomagnetické aktivity
AKADEMIE VĚD ČESKÉ REPUBLIKY Geofyzikální ústav Stupnice geomagnetické aktivity Petr Kubašta Rozbor a zhodnocení předpovědí geomagnetické aktivity Praha, 2011 Abstrakt Tento článek poskytuje kvantitativní
VíceAnalytické metody v motorsportu
Analytické metody v motorsportu Bronislav Růžička Ústav konstruování Odbor konstruování strojů Fakulta strojního inženýrství Vysoké učení č technické v Brně ě 29. června 2011, FSI VUT v Brně, Česká republika
VíceMěření závislosti statistických dat
5.1 Měření závislosti statistických dat Každý pořádný astronom je schopen vám předpovědět, kde se bude nacházet daná hvězda půl hodiny před půlnocí. Ne každý je však téhož schopen předpovědět v případě
VíceKOMPRESE OBRAZŮ. Václav Hlaváč, Jan Kybic. Fakulta elektrotechnická ČVUT v Praze katedra kybernetiky, Centrum strojového vnímání.
1/25 KOMPRESE OBRAZŮ Václav Hlaváč, Jan Kybic Fakulta elektrotechnická ČVUT v Praze katedra kybernetiky, Centrum strojového vnímání hlavac@fel.cvut.cz http://cmp.felk.cvut.cz/ hlavac KOMPRESE OBRAZŮ, ÚVOD
VícePRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBNOST A STATISTIKA Náhodný výběr Nechť X je náhodná proměnná, která má distribuční funkci F(x, ϑ). Předpokládejme, že známe tvar distribuční funkce (víme jaké má rozdělení) a neznáme parametr
Více10. Techniky formální verifikace a validace
Fakulta informačních technologií MI-NFA, zimní semestr 2011/2012 Jan Schmidt EVROPSKÝ SOCIÁLNÍ FOND PRAHA & EU: INVESTUJENE DO VAŠÍ BUDOUCNOSTI 10. Techniky formální verifikace a validace 1 Simulace není
VíceTeorie měření a regulace
Ústav technologie, mechanizace a řízení staveb CW01 Teorie měření a regulace Praxe názvy 1. ZS 2015/2016 2015 - Ing. Václav Rada, CSc. OBECNÝ ÚVOD - praxe Elektrotechnická měření mohou probíhat pouze při
VíceANALÝZA BIOLOGICKÝCH A KLINICKÝCH DAT V MEZIOBOROVÉM POJETÍ
ANALÝZA BIOLOGICKÝCH A KLINICKÝCH DAT V MEZIOBOROVÉM POJETÍ INVESTICE Institut DO biostatistiky ROZVOJE VZDĚLÁVÁNÍ a analýz 5. LETNÍ ŠKOLA MATEMATICKÉ BIOLOGIE ANALÝZA BIOLOGICKÝCH A KLINICKÝCH DAT V MEZIOBOROVÉM
VíceVýzkumný problém. Přednášky ze Základů pedagogické metodologie Kateřina Vlčková, PdF MU Brno
Výzkumný problém Přednášky ze Základů pedagogické metodologie Kateřina Vlčková, PdF MU Brno 1 Formulace výzkumného problému Výzkum musí začít vymezením výzkumného problému toho, co chceme řešit, které
VíceGrafika na počítači. Bc. Veronika Tomsová
Grafika na počítači Bc. Veronika Tomsová Proces zpracování obrazu Proces zpracování obrazu 1. Snímání obrazu 2. Digitalizace obrazu převod spojitého signálu na matici čísel reprezentující obraz 3. Předzpracování
VíceI. část - úvod. Iva Petríková
Kmitání mechanických soustav I. část - úvod Iva Petríková Katedra mechaniky, pružnosti a pevnosti Osah Úvod, základní pojmy Počet stupňů volnosti Příklady kmitavého pohyu Periodický pohy Harmonický pohy,
VíceSimulace pohybu chodců pomocí celulárních modelů
Simulace pohybu chodců pomocí celulárních modelů Marek Bukáček výzkumná skupina GAMS při KM KIPL FJFI ČVUT v Praze 8. červen 2011 Obsah Úvod Celulární modely úprava Floor field modelu Proč modelovat Akademický
VícePeriodicita v časové řadě, její popis a identifikace, exponenciální vyrovnáván
Periodicita v časové řadě, její popis a identifikace, exponenciální vyrovnávání Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Periodicita v časových
VíceRNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr.
Analýza dat pro Neurovědy RNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr. Jaro 2014 Institut biostatistiky Janoušová, a analýz Dušek: Analýza dat pro neurovědy Blok 7 Jak hodnotit vztah spojitých proměnných
Více