OPPA European Social Fund Prague & EU: We invest in your future.
|
|
- Stanislav Musil
- před 5 lety
- Počet zobrazení:
Transkript
1 OPPA European Social Fund Prague & EU: We invest in your future.
2 Plánování s nejistotou Antonín Komenda 33PAH
3 Doménově nezávislé plánování plánovací problém plánovací doména instance plánovacího problému plánovač vstup: plánovací problém výstup: plán false plán řešení konkrétního plánovacího problému
4 Konceptuální model systému s plánováním iniciální stav cíl(e) doména plánovač plán(y) exekutor pozorování akce systém
5 Typy prostředí Z pohledu: pozorovatelnosti plně pozorovatelný stav částečně pozorovatelný stav chyby pozorování se známou prpostí chyby pozorování s neznámou prpostí (uniformní) výsledků akcí deterministické akce nedeterministické akce se známou prpostí možností nedet. akce s neznámou prpostí možností
6 Plánování dle typu prostředí deterministické akce nedet. se známou P nedet. s neznámou P plně pozorovatelný klasické plánování MDP, RR (RP) RR (RP) část. pozorovatelný POMDP, TCP POMDP, TCP+RR TCP+RR (PO)MDP = (Partially Observable) Markov Decision Processes (Markovské rozhodovací procesy) RR = Re-planning & Plan Repair (Replánování a opravy plánů) RP = Reactive Planning (Reaktivní plánování) TCP = Tranformation to Classical Planning (Transformace probl. do klasického plánování)
7 (PO)MDP plánovací problém plánovací doména instance plánovacího problému plánovač vstup: plánovací problém výstup: plán false policy (plán) řešení konkrétního plánovacího problému exekuce policy
8 (PO)MDP
9 Exekuce Policy policy: p1 = {(S0,a1),(S1,a0),(S2,a1)} p2 = {(S0,a0),(S1,a0),(S2,a1)} loop sense the current state s a <- p(s) execute a
10 Konceptuální model systému s (PO)MDP iniciální stav cíl(e) doména plánovač policies exekutor pozorování akce systém vnější události
11 Reaktivní plánování předpřipravená knihovna plánů známé preconditions a effects pro každý plán plánovač a exekutor pozoruje aktuální stav použije vhodný plán z knihovny postupná stavba plánu od makro-akcí ke konkrétním akcím backtracking na úrovni rozkladu akcí
12 Konceptuální model systému s reaktivním plánováním knihovna plánů plány exekutor pozorování akce systém vnější události
13 Replánování a opravy plánů plánovací problém plánovací doména instance plánovacího problému plánovač vstup: plánovací problém výstup: plán false plán řešení konkrétního plánovacího problému exekuce plánu monitoring exekuce plánu případné replánování nebo oprava plánu
14 Konceptuální model systému s dynamickým plánováním iniciální stav cíl(e) doména plánovač stav exekuce plán(y) exekutor pozorování akce systém vnější události
15 Replánování spuštění plánovače znovu z aktuálního stavu jednoduchá technika často dostačující rychlostí optimální v délce výsledného plánu za předpokladu optimálního plánovače
16 Back-on-track technika opravy plánu použití plánovače pro návrat k originálnímu plánu vyšší požadavky na možnosti plánovače může mít vyšší rychlost oproti replánování
17 Lazy-repair technika opravy plánu ignoruj chyby v exekuci dokud je to možné, potom naplánuj znovu opakování: proces opakuj dokud nejsou cíle splněné může mít vyšší rychlost jak oproti replánování, tak oproti back-on-track
18 Opravy plánů vs. replanning
19 Opravy plánů vs. replanning
20 Transformace plánovacích problemů obecně používaný princip transformace rozšířených vlastností problému do speciálních akcí a proměnných stavu rozšířený problém transformace problému obohacený klasický problém klasický plánovač klasický plán (rozšířený plán) (zpětná transformace plánu)
21 Tranformace pro částečnou pozorovatelnost stav rozšíříme o: know-at(loc,what) akce rozšíříme o: sense-at(loc) Wumpus problem
22 Opravy plánů v hierarchickém plánování princip derivační analogie (derivational analogy) přepoužijme částečné výsledky předešlých plánovacích procesů rozbalený hierarchický strom možných akcí nové rozvíjení stromu na místě nejblíže chybě v plánu
23 OPPA European Social Fund Prague & EU: We invest in your future.
Pravděpodobnostní (Markovské) metody plánování, MDP - obsah
Pravděpodobnostní (Markovské) metody plánování, MDP - obsah Pravděpodobnostní plánování - motivace. Nejistota ve výběr akce Markovské rozhodovací procesy Strategie plán (control policy) Částečně pozorovatelné
VícePlánování v praxi A co tomu říkají počítačové hry?
EVROPSKÝ SOCIÁLNÍ FOND Plánování v praxi A co tomu říkají počítačové hry? PRAHA & EU INVESTUJEME DO VAŠÍ BUDOUCNOSTI Martin Černý cerny.m@gmail.com O CO PŮJDE Plánování v reálném světě Proč to není tak
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
VíceTeorie užitku. Marta Vomlelová 14. prosince / 23
Teorie užitku Většinou měříme výplatu, hodnotu atd. penězi. MEU (maximalizace očekávaného zisku) je většinou rozumná věc k volbě. Ale občas je lidská intuice jiná a je na nás, jestli věříme víc intuici
VícePokročilé neparametrické metody. Klára Kubošová
Klára Kubošová Další typy stromů CHAID, PRIM, MARS CHAID - Chi-squared Automatic Interaction Detector G.V.Kass (1980) nebinární strom pro kategoriální proměnné. Jako kriteriální statistika pro větvení
VícePlánování se stavovým prostorem
Plánování se stavovým prostorem 22. března 2018 1 Opakování: plánovací problém a reprezentace 2 Dopředné plánování 3 Zpětné plánování 4 Doménově závislé plánování Zdroj: Roman Barták, přednáška Plánování
VícePlánování: reprezentace problému
Plánování: reprezentace problému 15. března 2018 1 Úvod 2 Konceptuální model 3 Množinová reprezentace 4 Klasická reprezentace Zdroj: Roman Barták, přednáška Plánování a rozvrhování, Matematicko-fyzikální
VíceVirtualizace MetaCentra
Virtualizace MetaCentra David Antoš antos@ics.muni.cz SCB ÚVT MU a CESNET, z. s. p. o. Přehled současný stav virtualizace výpočty na cizím clusteru virtualizace počítačů připravujeme virtuální clustery
Více2. přednáška z předmětu GIS1 Data a datové modely
2. přednáška z předmětu GIS1 Data a datové modely Vyučující: Ing. Jan Pacina, Ph.D. e-mail: jan.pacina@ujep.cz Pro přednášku byly použity texty a obrázky z www.gis.zcu.cz Předmět KMA/UGI, autor Ing. K.
VíceAnalýza a Návrh. Analýza
Analysis & Design Návrh nebo Design? Design = návrh Není vytváření použitelného uživatelského prostředí (pouze malinká podmnožina celého návrhu) Často takto omezeně chápáno studenty nedokáží si představit,
VíceSešity požadavků. Manuál k sešitům požadavků. Nákupní zálohy 1
Sešity požadavků Manuál k sešitům požadavků Nákupní zálohy 1 Obsah: Obsah:... 2 1. Sešity požadavků... 3 2. Nastavení karty zboží... 4 2.1. Způsob objednání... 4 2.1.1. Pevně přiobjednávané množství...
VíceVýpočetní modely pro rozpoznávání bezkontextových jazyků zásobníkové automaty LL(k) a LR(k) analyzátory
Plán přednášky Výpočetní modely pro rozpoznávání bezkontextových jazyků zásobníkové automaty LL(k) a LR(k) analyzátory Obecný algoritmus pro parsování bezkontextových jazyků dynamické programování 1 Zásobníkový
VíceProvádění instrukcí. procesorem. Základní model
procesorem 1 Základní model Kód programu (instrukce) a data jsou uloženy ve vnější paměti. Procesor musí nejprve z paměti přečíst instrukci. Při provedení instrukce podle potřeby čte nebo zapisuje data
VíceLogický agent, výroková logika
Logický agent, výroková logika Aleš Horák E-mail: hales@fimunicz http://nlpfimunicz/uui/ Obsah: Logický agent Logika Výroková logika Inference důkazové metody Úvod do umělé inteligence 8/12 1 / 30 Logický
VíceLogický agent, výroková logika
Logický agent, výroková logika Aleš Horák E-mail: hales@fimunicz http://nlpfimunicz/uui/ Obsah: Statistické výsledky průběžné písemky Logický agent Logika Výroková logika Důkazové metody Úvod do umělé
VíceTeorie rozhodování (decision theory)
Umělá inteligence II Roman Barták, KTIML roman.bartak@mff.cuni.cz http://ktiml.mff.cuni.cz/~bartak Teorie pravděpodobnosti (probability theory) popisuje v co má agent věřit na základě pozorování. Teorie
VícePravděpodobnost, náhoda, kostky
Pravděpodobnost, náhoda, kostky Radek Pelánek IV122, jaro 2015 Výhled pravděpodobnost náhodná čísla lineární regrese detekce shluků Dnes lehce nesourodá směs úloh souvisejících s pravděpodobností krátké
VícePoužitelnost rozhodovacího modelu v regionálním rozvoji. Bc. Dušan Vaško Doc. Ing. Jiří Křupka, PhD.
1 Použitelnost rozhodovacího modelu v regionálním rozvoji Bc. Dušan Vaško Doc. Ing. Jiří Křupka, PhD. 2 Cíl Cílem článku je analýza a návrh modelu na bázi analytického hierarchického v procesu tvorby územního
VíceAnalýza lineárních regulačních systémů v časové doméně. V Modelice (ale i v Simulinku) máme blok TransfeFunction
Analýza lineárních regulačních systémů v časové doméně V Modelice (ale i v Simulinku) máme blok TransfeFunction Studijní materiály http://physiome.cz/atlas/sim/regulacesys/ Khoo: Physiological Control
VíceObsah. Zpracoval:
Zpracoval: houzvjir@fel.cvut.cz 03. Modelem řízený vývoj. Doménový (business), konceptuální (analytický) a logický (návrhový) model. Vize projektu. (A7B36SIN) Obsah Modelem řízený vývoj... 2 Cíl MDD, proč
VíceTřídy složitosti P a NP, NP-úplnost
Třídy složitosti P a NP, NP-úplnost Cíle přednášky: 1. Definovat, za jakých okolností můžeme problém považovat za efektivně algoritmicky řešitelný. 2. Charakterizovat určitou skupinu úloh, pro které není
VíceUmělá inteligence II Roman Barták, KTIML roman.bartak@mff.cuni.cz http://ktiml.mff.cuni.cz/~bartak Úvodem Pokud agent ví, kde je (plně pozorovatelný svět), potom pro každý stav umíme doporučit akci maximalizující
VíceLogický agent, výroková logika. Návrh logického agenta
Obsah: Logika Návrh logického agenta, výroková logika leš Horák E-mail: hales@fimunicz http://nlpfimunicz/uui/ Úvod do umělé inteligence 8/ / 3 Návrh logického agenta agent musí umět: reprezentovat stavy,
VíceMBI - technologická realizace modelu
MBI - technologická realizace modelu 22.1.2015 MBI, Management byznys informatiky Snímek 1 Agenda Technická realizace portálu MBI. Cíle a principy technického řešení. 1.Obsah portálu - objekty v hierarchiích,
VíceČíslo jednací: 120 EX 37841/10-104 U S N E S E N Í Soudní exekutor JUDr. Dalimil Mika, LL. M., Exekutorský úřad Klatovy, Za Beránkem 836, 339 01
Číslo jednací: 120 EX 37841/10-104 U S N E S E N Í Soudní exekutor JUDr. Dalimil Mika, LL. M., Exekutorský úřad Klatovy, Za Beránkem 836, 339 01 Klatovy, pověřený k provedení exekuce v usnesení o nařízení
VíceSpojení OntoUML a GLIKREM ve znalostním rozhodování
1 Formalizace biomedicínských znalostí Spojení OntoUML a GLIKREM ve znalostním rozhodování Ing. David Buchtela, Ph.D. 16. června 2014, Faustův dům, Praha Skupina mezioborových dovedností Fakulta informačních
Víceř Á ř ů Č é ú Č ř ů ž ž Ž ř é ú Č Š Š Č ř é ž ž ú é ř Š ř ž é ž ú ů é ž é é Č ř ř é ž ř ů Č Č ň é ř ž ů é Š Š ú ř ř ř é é é é ř ů ř ř ř ř Ž ž ž ž ř ó ú ř ř ř ř ó ř ó ř ř é é ó Ů Ž Č é ř é ř ř ř é Č é é
VíceÚvod do zpracování signálů
1 / 25 Úvod do zpracování signálů Karel Horák Rozvrh přednášky: 1. Spojitý a diskrétní signál. 2. Spektrum signálu. 3. Vzorkovací věta. 4. Konvoluce signálů. 5. Korelace signálů. 2 / 25 Úvod do zpracování
VíceLogický agent, výroková logika
Logický agent, výroková logika leš Horák E-mail: hales@fi.muni.cz http://nlp.fi.muni.cz/uui/ Obsah: Statistické výsledky průběžné písemky Logický agent Logika Výroková logika Důkazové metody Úvod do umělé
VíceECOSOC. Mezinárodní zadlužení
. ECOSOC Mezinárodní zadlužení http://www.nybooks.com/articles/archives/2013/jun/06/howcase-austerity-has-crumbled/?pagination= false http://www.ft.com/intl/cms/s/0/60b7a4ec-ab58-11e2-8c63-00144feabdc0.html#axzz2gsigbase
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
VíceIV120 Spojité a hybridní systémy. Jana Fabriková
IV120 Spojité a hybridní systémy Základní pojmy teorie řízení David Šafránek Jiří Barnat Jana Fabriková Problém řízení IV120 Základní pojmy teorie řízení str. 2/25 Mějme dynamický systém S definovaný stavovou
VíceZadání: TÉMA: Zápis algoritmu, čtení textového souboru, porovnání řetězců.
TÉMA: Zápis algoritmu, čtení textového souboru, porovnání řetězců. Zadání: V textovém souboru text.txt je uloženo několik řádků textu. Vytvořte makro, které určí nejdelší řádek z daného souboru. 1. Název
VícePřípadová studie: Adresářové řešení pro webhosting pomocí ApacheDS. Lukáš Jelínek
Případová studie: Adresářové řešení pro webhosting pomocí ApacheDS Lukáš Jelínek AIKEN Webhosting primárně pro provoz zakázkových projektů klasická platforma Linux+Apache+PHP+MySQL (LAMP) + databáze SQLite
VíceSmíšené regresní modely a možnosti jejich využití. Karel Drápela
Smíšené regresní modely a možnosti jejich využití Karel Drápela Regresní modely Základní úloha regresní analýzy nalezení vhodného modelu studované závislosti vyjádření reálného tvaru závislosti minimalizace
VíceInstalační manuál aplikace
Instalační manuál aplikace Informační systém WAK BCM je softwarovým produktem, jehož nástroje umožňují podporu procesního řízení. Systém je spolufinancován v rámci Programu bezpečnostního výzkumu České
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
VíceVztah teorie vyčíslitelnosti a teorie složitosti. IB102 Automaty, gramatiky a složitost, /31
Vztah teorie vyčíslitelnosti a teorie složitosti IB102 Automaty, gramatiky a složitost, 2. 12. 2013 1/31 IB102 Automaty, gramatiky a složitost, 2. 12. 2013 2/31 Časová složitost algoritmu počet kroků výpočtu
VíceÁ Á Í Á Í ř ú Č ř řů Č ř ů Č Č ú Ň ř Ť Č Č Á Ř ř ř ř Š ř ř ň ř Ý ř ů ú ř ú ř ů ř ř ú ř ů ň ř ň ú ř ů ú ř ř ů Č Á Í ů ú ř ř ř ř ř ř ř ř ů ů Ý ř ů ň ř ř Í Í ú Í Ř Á Á ů ř ř ř ú ú ú Č Ď Á ř ř ř ď ř ř ú ů
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
VíceÍ Í š ú ú Í Á É ř ú ř ř é é ú é ř ř š ř é ž é ž š é š é Ť é ř ů ž ž ž ď ý ř é ř ů é é ž é ž ř é é ř ž é Ť ú ý ý é é ž Ť ž ž ů ť ň é Ž Á Š é š ď é ž é é é ž ř é Š é řř ď Ž é ř é ž ř Í é ó Š ř Í ž ž ř ř
VícePlánováníá a rozvrhování
Plánováníá a rozvrhování Roman Barták, KTIML roman.bartak@mff.cuni.cz cz http://ktiml.mff.cuni.cz/~bartak Co nás čeká? Plánování, konečně! Klasické plánování Konceptuální model Reprezentace problému Plánovací
VíceŘízení a optimalizace Stavové modely a model-prediktivní řízení
Řízení a optimalizace Stavové modely a model-prediktivní řízení Matematické metody pro ITS (11MAMY) Jan Přikryl Ústav aplikované matematiky ČVUT v Praze, Fakulta dopravní 2. přednáška 11MAMY úterý 27.
VíceOptimalizace & 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
VíceVYUŽITÍ PRAVDĚPODOBNOSTNÍ METODY MONTE CARLO V SOUDNÍM INŽENÝRSTVÍ
VYUŽITÍ PRAVDĚPODOBNOSTNÍ METODY MONTE CARLO V SOUDNÍM INŽENÝRSTVÍ Michal Kořenář 1 Abstrakt Rozvoj výpočetní techniky v poslední době umožnil také rozvoj výpočetních metod, které nejsou založeny na bázi
VíceKatedra kybernetiky skupina Inteligentní Datové Analýzy (IDA) 9. ledna 2017
Vytěžování dat Filip Železný Katedra kybernetiky skupina Inteligentní Datové Analýzy (IDA) 9. ledna 2017 Rozhodovací pravidla Strom lze převést na seznam pravidel ve tvaru if podmínky then třída if teplota=horečka
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
VíceSložitost 1.1 Opera ní a pam ová složitost 1.2 Opera ní složitost v pr rném, nejhorším a nejlepším p ípad 1.3 Asymptotická složitost
1 Složitost 1.1 Operační a paměťová složitost Nezávislé určení na konkrétní implementaci Několik typů operací = sčítání T+, logické T L, přiřazení T A(assign), porovnání T C(compare), výpočet adresy pole
VíceU S N E S E N Í. vydává tuto. dražební vyhlášku (nařízení dražebního jednání - elektronická dražba)
EXEKUTORSKÝ ÚŘAD OSTRAVA S o u d n í e x e k u t o r J U D r. V l a s t i m i l P O R O S T L Ý S t o j a n o v o n á m. 7 / 8 7 3, 7 0 9 0 0 O s t r a v a M a r i á n s k é H o r y T e l. / fax : + 4
VíceIng. Alena Šafrová Drášilová, Ph.D.
Rozhodování Ing. Alena Šafrová Drášilová, Ph.D. Rozhodování??? video Obsah typy rozhodování principy rozhodování rozhodovací fáze základní pojmy hodnotícího procesu rozhodovací podmínky rozhodování v podmínkách
VícePOZNÁMKY K PŘEDMĚTU PROJEKT
POZNÁMKY K PŘEDMĚTU PROJEKT Ing. Ivo Bukovský, Ph.D. http://www.fsid.cvut.cz/~bukovsk/ Obsah KOMENTÁŘE K MODELOVÁNÍ A ANALÝZE SYSTÉMŮ...2 ZADÁNÍ...5 1 Bio...5 1.1 Teoretická část (umělá data)...5 1.2 Praktická
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
VíceVector datový kontejner v C++.
Vector datový kontejner v C++. Jedná se o datový kontejner z knihovny STL jazyka C++. Vektor je šablona jednorozměrného pole. Na rozdíl od "klasického" pole má vector, mnoho užitečných vlastností a služeb.
VíceLogický agent, výroková logika.
Úvod do umělé inteligence Logický agent, výroková logika E-mail: hales@fi.muni.cz http://nlp.fi.muni.cz/uui/ Obsah: Statistické výsledky průběžné písemky Logický agent Wumpusova jeskyně Logika Výroková
VíceUžitek a rozhodování
Užitek a rozhodování 10. května 2018 1 Užitek 2 Rozhodovací sítě 3 Markovský rozhodovací proces Zdroje: Roman Barták, přednáška přednáška Umělá inteligence II, Matematicko-fyzikální fakulta, Karlova univerzita
VíceDSpace VSB-TUO Mirage T10:51:43Z. Downloaded from DSpace VSB-TUO
DSpace VSB-TUO http://www.dspace.vsb.cz þÿ P r i n c i p y v d e c k é k o m u n i k a c e / P r i n c i p l e s o þÿ f sd csi ep na tci e f i c 5 c( ow mo mr kus nh ioc p a) t, i o1n 4. 4. 2 0 1 5, V`
VíceALGORITMY A DATOVÉ STRUKTURY
Název tématického celku: Cíl: ALGORITMY A DATOVÉ STRUKTURY Metodický list č. 1 Časová složitost algoritmů Základním cílem tohoto tematického celku je vysvětlení potřebných pojmů a definic nutných k popisu
VíceANALÝZA A KLASIFIKACE DAT
ANALÝZA A KLASIFIKACE DAT prof. Ing. Jiří Holčík, CSc. INVESTICE Institut DO biostatistiky ROZVOJE VZDĚLÁVÁNÍ a analýz III. PŘÍZNAKOVÁ KLASIFIKACE - ÚVOD PŘÍZNAKOVÝ POPIS Příznakový obraz x zpracovávaných
VíceNařizuje se elektronická dražba, která se koná prostřednictvím elektronického systému dražeb na adrese portálu: www.exdrazby.cz
USNESENÍ - DRAŽEBNÍ VYHLÁŠKA Číslo jednací: 164 EX 5160/14-172 Soudní exekutor Mgr. Jan Svoboda, Exekutorský úřad Olomouc se sídlem Dvořákova 222/32, 779 00 Olomouc, pověřený provedením exekuce na základě
VíceDražební vyhláška. 1) Jiří Pelc, bytem Svatá čp.71, Svatá 267 51, nar. 3.1.1964, 2) Renáta Pelcová, bytem Svatá čp.71, Svatá 267 51, nar. 22.9.
č.j.: 091 EX 10825/09-066 1440/3199 Dražební vyhláška soudní exekutorka JUDr. Ingrid Švecová, Exekutorský úřad Praha 3, se sídlem Seifertova 455/17, 130 00 Praha 3, pověřená provedením exekuce na základě
Více4. NP-úplné (NPC) a NP-těžké (NPH) problémy
Jan Schmidt 2011 Katedra číslicového návrhu Fakulta informačních technologií České vysoké učení technické v Praze Zimní semestr 2011/12 MI-PAA 4. NP-úplné (NPC) a NP-těžké (NPH) problémy Karpova redukce
VíceRozhodovací procesy 3
Rozhodovací procesy 3 Informace a riziko Příprava předmětu byla podpořena projektem OPPA č. CZ.2.17/3.1.00/33253 III rozhodování 1 Rozhodovací procesy Cíl přednášky 1-3: Význam rozhodování Rozhodování
VíceMonte Carlo Lokalizace. Martin Skalský
Monte Carlo Lokalizace Martin Skalský Proč Lokalizace? Problém určení pozice robota a věcí kolem něj. (filtrování dat, state estimation) Je důležitá Knowledge about where things are is at the core of any
VíceRozhodovací procesy 2
Rozhodovací procesy 2 Základní pojmy a struktura rozhodování Příprava předmětu byla podpořena projektem OPPA č. CZ.2.17/3.1.00/33253 II rozhodování 1 Rozhodovací procesy Cíl přednášky 1-3: Význam rozhodování
VíceMetody tvorby ontologií a sémantický web. Martin Malčík, Rostislav Miarka
Metody tvorby ontologií a sémantický web Martin Malčík, Rostislav Miarka Obsah Reprezentace znalostí Ontologie a sémantický web Tvorba ontologií Hierarchie znalostí (D.R.Tobin) Data jakékoliv znakové řetězce
Vícepravděpodobnosti Pravděpodobnost je teorií statistiky a statistika je praxí teorie pravděpodobnosti.
3.1 Základy teorie pravděpodobnosti Pravděpodobnost je teorií statistiky a statistika je praxí teorie pravděpodobnosti. Co se dozvíte Náhodný pokus a náhodný jev. Pravděpodobnost, počítání s pravděpodobnostmi.
VíceTGH09 - Barvení grafů
TGH09 - Barvení grafů Jan Březina Technical University of Liberec 15. dubna 2013 Problém: Najít obarvení států na mapě tak, aby žádné sousední státy neměli stejnou barvu. Motivační problém Problém: Najít
VíceAplikace obrazové fúze pro hledání vad
Marek Vajgl, Irina Perfilieva, Petr Hurtík, Petra Hoďáková Národní superpočítačové centrum IT4Innovations Divize Ostravské univerzity Ústav pro výzkum a aplikaci fuzzy modelování Ostrava, Česká republika
VíceIng. Alena Šafrová Drášilová
Rozhodování II Ing. Alena Šafrová Drášilová Obsah vztah jedince k riziku rozhodování v podmínkách rizika rozhodování v podmínkách nejistoty pravidlo maximin pravidlo maximax Hurwitzovo pravidlo Laplaceovo
VíceImplementace LL(1) překladů
Překladače, přednáška č. 6 Ústav informatiky, FPF SU Opava sarka.vavreckova@fpf.slu.cz Poslední aktualizace: 30. října 2007 Postup Programujeme syntaktickou analýzu: 1 Navrhneme vhodnou LL(1) gramatiku
Více8. lekce Úvod do jazyka C 3. část Základní příkazy jazyka C Miroslav Jílek
8. lekce Úvod do jazyka C 3. část Základní příkazy jazyka C Miroslav Jílek 1/41 Základní příkazy Všechny příkazy se píšou malými písmeny! Za většinou příkazů musí být středník (;)! 2/41 Základní příkazy
VíceZnalostní báze pro obor organizace informací a znalostí
Znalostní báze pro obor organizace informací a znalostí Představení projektu Programu aplikovaného výzkumu a vývoje národní a kulturní identity (NAKI) DF13P01OVV013 2013 2015 Helena Kučerová ÚISK FF UK
VíceSeznámení s prostředím dot.net Framework
Základy programování v jazyce C# Seznámení s prostředím dot.net Framework PL-Prostředí dot.net - NET Framework Je základním stavebním prvkem, na kterém lze vytvářet software. Jeho součásti a jádro je založené
VíceEXEKUTORSKÝ ÚŘAD PLZEŇ-MĚSTO Soudní exekutor Mgr. Ing. Jiří Prošek
EXEKUTORSKÝ ÚŘAD PLZEŇ-MĚSTO Soudní exekutor Mgr. Ing. Jiří Prošek Rychtaříkova 1, 326 00 Plzeň Tel: +420 377 464 009, fax: +420 377 464 223, E-mail: info@exekutors.cz USNESENÍ Spisová značka: 134 EX 08876/10-268
VíceINTRODUCTION TO MACHINE LEARNING (NPFL054) A template for Homework #2
INTRODUCTION TO MACHINE LEARNING (NPFL054) A template for Homework #2 Name: Petr Bělohlávek School year: 2015/2016 Provide answers for the exercises 1. (a) - (c), 2.(c), 2.(d.1-2), 2.(e.1-2) For each exercise,
VíceAlgoritmizace a programování
Algoritmizace a programování Řídicí struktury jazyka Java Struktura programu Příkazy jazyka Blok příkazů Logické příkazy Ternární logický operátor Verze pro akademický rok 2012/2013 1 Struktura programu
VíceU S N E S E N Í. prodejem nemovitosti rozhodl takto:
Č.j.: 054 EX 625/05-197 U S N E S E N Í Mgr. Jiří Nevřela, soudní exekutor Exekutorského úřadu Praha - východ, se sídlem Praha 6, Karlovarská 3/195, pověřený provedením exekuce na základě usnesení, které
VíceExpertní systémy. 1. Úvod k expertním systémům. Cíl kapitoly:
Expertní systémy Cíl kapitoly: Úkolem této kapitoly je pochopení významu expertních systémů, umět rozpoznat expertní systémy od klasicky naprogramovaných systémů a naučit se jejich tvorbu a základní vlastnosti.
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
VíceSocial Media a firemní komunikace
Social Media a firemní komunikace TYINTERNETY / FALANXIA YOUR WORLD ENGAGED UČTE SE OD STARTUPŮ ANALYSIS -> PARALYSIS POUŽIJTE TO, CO ZNÁ KAŽDÝ POUŽIJTE TO, CO ZNÁ KAŽDÝ POUŽIJTE TO, CO ZNÁ KAŽDÝ POUŽIJTE
VíceTypy souborů ve STATISTICA. Tento článek poslouží jako přehled hlavních typů souborů v programu
StatSoft Typy souborů ve STATISTICA Tento článek poslouží jako přehled hlavních typů souborů v programu STATISTICA, ukáže Vám jejich možnosti a tím Vám dovolí využívat program efektivněji. Jistě jste již
VíceSoučasná a budoucí role OZ na lékárnách z pohledu výrobce. Michal Křížek
Současná a budoucí role OZ na lékárnách z pohledu výrobce Michal Křížek Proč stále využívat Sales Force? Z POHLEDU VÝROBCE Výrobce bude využívat Sales Force (reprezentanty) do té doby, pokud to bude firmě
VíceOutcome mapping evaluation - nová možnost pro ČR? Vladimír Sodomka
Outcome mapping evaluation - nová možnost pro ČR? Vladimír Sodomka 2014 1 Obsah prezentace Představení metody Oucome Mapping Evaluation (OME) relativně nová metoda v ČR alternativa ke konvenčním lineárním
VíceProhledávání do šířky = algoritmus vlny
Prohledávání do šířky = algoritmus vlny - souběžně zkoušet všechny možné varianty pokračování výpočtu, dokud nenajdeme řešení úlohy průchod stromem všech možných cest výpočtu do šířky, po vrstvách (v každé
VíceUSNESENÍ DRAŽEBNÍ VYHLÁŠKU. dne 18.8.2015 v 10:00 hod. prostřednictvím elektronického systému dražeb na internetové adrese www.exdrazby.
EXEKUTORSKÝ ÚŘAD PLZEŇ-MĚSTO Soudní exekutor Mgr. Ing. Jiří Prošek Rychtaříkova 1, 326 00 Plzeň Tel: +420 377 464 009, fax: +420 377 464 223, E-mail: info@exekutors.cz USNESENÍ Spisová značka: 134 EX 05048/09-211
Vícea4b33zui Základy umělé inteligence
LS 2011 Jméno: a4b33zui Základy umělé inteligence 10.6.2011 O1 O2 O3 O4 O5 Total (50) Instrukce: Na vypracování máte 90 min, můžete použít vlastní materiály nebo poznámky. Použití počítače nebo mobilního
VíceNP-ÚPLNÉ PROBLÉMY. Doc. RNDr. Josef Kolář, CSc. Katedra teoretické informatiky, FIT České vysoké učení technické v Praze
NP-ÚPLNÉ PROBLÉMY Doc. RNDr. Josef Kolář, CSc. Katedra teoretické informatiky, FIT České vysoké učení technické v Praze BI-GRA, LS 2010/2011, Lekce 13 Evropský sociální fond Praha & EU: Investujeme do
VíceDRAŽEBNÍ VYHLÁŠKU o provedení elektronické dražby nemovitých věcí
Číslo jednací: 120 EX 52723/12-68 v. s. oprávněný: 17868 č.j. oprávněný: 2012-11-02-107 U S N E S E N Í JUDr. Dalimil Mika, LL. M., soudní exekutor, Exekutorský úřad Klatovy se sídlem Za Beránkem 836,
VíceProblémy malých populací
Problémy malých populací Rozložení velikostí populací Velikost populace Pocet pripadu 1 2 3 4 5 6 7 3 52 12 151 21 25 3 349 399 448 497 547 596 646 695 745 794 843 893 942 992 141 191 114 119 1239 1288
VíceRobotika. Kapitola 25. 16. května 2015. 1 Robot a jeho hardware. 2 Vnímání robota. 3 Plánování pohybu robota. 4 Pohyb robota
Robotika 16. května 2015 1 Robot a jeho hardware 2 Vnímání robota 3 Plánování pohybu robota 4 Pohyb robota Kapitola 25 Robot Robot: fyzický agent, který vykonává úlohy manipulací s fyzickým světem pro
VíceElektronická podpora výuky na ÚBMI
Závěrečná zpráva rozvojového projektu Elektronická podpora výuky na ÚBMI MŠMT č. 645 Odpovědný řešitel: Prof. Ing. Jiří Holčík, CSc. ČVUT v Praze - FBMI Kladno, leden 2006 Vyhodnocení splněných cílů a
VíceKonečný 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.
VíceUSNESENÍ - DRAŽEBNÍ VYHLÁŠKA
517 Číslo jednací: 164 EX 2092/13-92 USNESENÍ - DRAŽEBNÍ VYHLÁŠKA Soudní exekutor Mgr. Jan Svoboda, Exekutorský úřad Olomouc se sídlem Dvořákova 222/32, 779 00 Olomouc, pověřený provedením exekuce na základě
VíceSouhrn Apendixu A doporučení VHDL
Fakulta elektrotechniky a informatiky Univerzita Pardubice Souhrn Apendixu A doporučení VHDL Práce ke zkoušce z předmětu Programovatelné logické obvody Jméno: Jiří Paar Datum: 17. 2. 2010 Poznámka k jazyku
VíceRozhodování, markovské rozhodovací procesy
Rozhodování, markovské rozhodovací procesy Řešené úlohy Shromáždil: Jiří Kléma, klema@fel.cvut.cz LS 2013/2014 Cíle materiálu: Text poskytuje řešené úlohy jako podpůrný výukový materiál ke cvičením v předmětu
VíceUSNESENÍ DRAŽEBNÍ VYHLÁŠKU. dne 26.11.2013 v 9:30 hod. prostřednictvím elektronického systému dražeb na internetové adrese www.exdrazby.
EXEKUTORSKÝ ÚŘAD PLZEŇ-MĚSTO Soudní exekutor Mgr. Ing. Jiří Prošek Rychtaříkova 1, 326 00 Plzeň Tel: +420 377 464 009, fax: +420 377 464 223, E-mail: info@exekutors.cz USNESENÍ Spisová značka: 134 EX 10331/10-245
VíceMetody vícekriteriálního rozhodování a HTA. Josef Jablonský VŠE Praha
Metod vícekriteriálního rozhodování a HTA Josef Jablonský VŠE Praha 1 HTA - vícekriteriální rozhodování Úvod Přehled literatur Vícekriteriální hodnocení variant Formulace úloh, základní pojm Metod odhadu
VíceMetadata, sémantika a sémantický web. Ing. Vilém Sklenák, CSc.
Metadata, sémantika a sémantický web Ing. Vilém Sklenák, CSc. Inforum 2004, Praha, 27. 5. 2004 2/21 There are things we know that we know. There are known unknowns that is to say, there are things that
VíceZáklady ekonometrie. XI. Vektorové autoregresní modely. Základy ekonometrie (ZAEK) XI. VAR modely Podzim / 28
Základy ekonometrie XI. Vektorové autoregresní modely Základy ekonometrie (ZAEK) XI. VAR modely Podzim 2015 1 / 28 Obsah tématu 1 Prognózování s VAR modely 2 Vektorové modely korekce chyb (VECM) 3 Impulzní
VíceMetody návrhu algoritmů, příklady. IB111 Programování a algoritmizace
Metody návrhu algoritmů, příklady IB111 Programování a algoritmizace 2011 Návrhu algoritmů vybrané metody: hladové algoritmy dynamické programování rekurze hrubá síla tato přednáška: především ilustrativní
Více