Přemysl Žiška, Pravoslav Martinek. Katedra teorie obvodů, ČVUT Praha, Česká republika. Abstrakt
|
|
- Dušan Havlíček
- před 7 lety
- Počet zobrazení:
Transkript
1 ALGORITMUS DIFERENCIÁLNÍ EVOLUCE A JEHO UŽITÍ PRO IDENTIFIKACI NUL A PÓLŮ PŘE- NOSOVÉ FUNKCE FILTRU Přemysl Žška, Pravoslav Martnek Katedra teore obvodů, ČVUT Praha, Česká republka Abstrakt V příspěvku je popsána metoda pro dentfkac nul a pólů přenosové funkce dskrétně pracujícího fltru z jeho známé kmtočtové modulové charakterstky. Metoda je založena na použtí dferenčního evolučního algortmu, který byl naprogramován v prostředí MATLAB, verze Jde o progresvní metodu, která je schopna nalézt globální mnmum účelové funkce a její aplkace přnesla velm dobré výsledky. Metoda je demonstrována na příkladu dentfkace parametrů přenosové funkce číslcového fltru 0. řádu se známou modulovou charakterstkou která naznačuje, že byl navržen pomocí Cauerovy aproxmace. Identfkace přenosové funkce fltru proběhla úspěšně.. Úvod Problém určení, resp. výpočtu přenosové funkce je často řešená úloha v mnoha případech návrhu a dentfkace parametrů elektrckých systémů. V současnost exstuje více cest jak řešt tento problém, například v článku Sdman et al. [6] jsou prezentovány výsledky ve kterých jsou použty Bodeho "šablony" pro modulové frekvenční charakterstky nulových bodů a pólů k dentfkac přenosové funkce analogového obvodu, nebo v článcích Martnek - Vondraš [2, 3] jsou prezentovány výsledky, kde byla řešena úloha aproxmace přenosové funkce analogového fltru př současných požadavcích na ampltudovou modulovou charakterstku a skupnové zpoždění. V tomto příspěvku je řešená odlšná aproxmační úloha, kdy na základě známé kmtočtové modulové charakterstky jsou dentfkovány nuly a póly přenosové funkce dskrétně pracujícího obvodu, ať jž číslcového fltru nebo dskrétně pracujícího analogového fltru SC, resp. SI. Exstuje více metod, kterým je možno určt parametry vybraného modelu z jeho charakterstk jakým jsou např. kmtočtové charakterstky, přechodové nebo mpulsní odezvy. Obecný prncp dentfkace je ukázán na obrázku. Výstupní charakterstka neznámého systému y S, která je daná v dskrétních bodech, je porovnávána s výstupní charakterstkou jeho modelu y M. Chybová funkce e je pak vyhodnocována podle vhodně zvoleného krtéra. Často používaným krtér pro dentfkac parametrů modelu je metoda mnmální stejnoměrné odchylky nebo metoda nejmenších čtverců. Poslední část je pak výpočet parametrů modelů podle výsledků získaných vyhodnocením chybové funkce e. Obr. : Základní prncp dentfkace přenosové funkce neznámého systému
2 V tomto příspěvku je popsána nová jednoduchá metoda pro dentfkac přenosové funkce dskrétně pracujícího lnearzovaného obvodu založená na použtí Dferenčního Evolučního algortmu (DE). Aplkujeme-l termnolog použtou v obrázku na zadanou úlohu, označuje v tomto příspěvku symbol y S ampltudovou modulovou charakterstku neznámého obvodu (fltru) a y M modulovou charakterstku jeho modelu. Výpočtem parametrů modelu je zde míněn výpočet nul a pólů přenosové funkce použtím algortmu DE. Evoluční algortmy jsou výkonné robustní algortmy, které smulují evoluční proces v přírodě a jsou vhodné pro hledání globálního mnma funkcí. Pracují s množnam možných řešení sestavených do tzv. populační matce. Evolučním algortmy můžeme mnmalzovat nejen standardní funkce, ale také nelneární a po částech nedferencovatelné funkce s mnoha lokálním extrémy. Dferenční evoluční algortmus vytvořl K. Prce a poprvé ho prezentoval v roce 995. Na konferenc Frst Internatonal Contest of Evolutonary Computaton (sticeo), která se konala v Nagoy v květnu 996, byl tento algortmus oceněn jako nejvýkonnější evoluční algortmus pro řešení funkcí s reálným proměnným. Obecnou nevýhodou evolučních algortmů je jejch stochastcké chování, což znamená, že nejsme schopn exaktně určt předem rychlost konvergence. Ncméně expermenty ukazují dobré konvergenční vlastnost př zadání vhodných počátečních podmínek. Úspěšné aplkace algortmu DE př řešení problému aproxmace přenosové funkce byly prezentovány ve [2, 3], ovšem v rozdílně formulovaných specfkacích. 2. Dferenční evoluční algortmus DE je paralelní přímo vyhledávací metoda pro hledání neznámých parametrů, která používá reprezentac reálným čísly. Tato technka pracuje s množnou NP D-dmenzonálních parametrckých vektorů: x G,, =,2,..., NP () které vytvářejí populac pro každou generac G řešení úlohy; tzn. v průběhu mnmalzace je př každé terac vytvářena nová populace. Počet vektorů NP se nemění během optmalzačního procesu. Počáteční populace může být generována náhodně, pokud nemáme žádné blžší nformace o řešeném systému. Př mplementac algortmu v MATLABu je pak generována populace jako matce o rozměrech NP x D, kde NP je počet členů populace a D je počet neznámých proměnných řešeného problému. Každý prvek v matc je generován jako náhodné číslo r s rovnoměrným rozložením pravděpodobnost v rozsahu (0..) podle vzorce: x j, = mn+ r (max mn), (2) kde =...NP, j =...D a rozsah neznámých hledaných proměnných je (mn..max). DE generuje nový vektor tak, že vypočítá vážený rozdílový vektor ze dvou náhodně vybraných členů populace a tento přčte ke třetím členu populace. Jestlže má tento nový výsledný vektor nžší hodnotu účelové funkce (tzv. ftness), než předem vybraný vektor, pak je tento předem vybraný vektor nahrazen nově vygenerovaným vektorem s kterým byl porovnáván. Navíc je vždy zachováván nejlepší vektor x best, G pro zajštění zlepšování výsledku optmalzace. Exstuje několk varant tohoto algortmu. Zde budou podrobněj popsány dvě varanty. První z nch je označována jako DE/rand//exp. Funkc algortmu můžeme popsat takto:. pro každý cílový vektor z populační matce x, G, =, 2,..., NP, je vygenerován zkušební vektor v podle následujícího vztahu ( x x ) v x r G + F r, G r, G = (3), 2 3 kde ndexy r, r 2, r 3 [, NP], jsou celočíselné a navzájem různé a F>0.
3 Čísla r, r 2 a r 3 jsou náhodně vybrána z ntervalu [, NP] a navíc jsou rozdílná od ndexu. Symbol F označuje reálnou konstantu, která ovlvňuje velkost odchylky (x r2, G - x r3, G ). Obrázek 2 ukazuje 2-dmenzonální příklad, který lustruje funkc rozdílového vektoru v algortmu DE. Obr. 2: Příklad 2-dmenzonální účelové funkce, kde je ukázán proces generování vektoru v ve schématu algortmu DE 2. V dalším kroku je vybírán každý prvek vybraného cílového vektoru x, G, =, 2,..., NP, a zároveň každý prvek ze zkušebního vektoru v (první prvek z obou, druhý prvek z obou ). Pro každý pár těchto prvků je vygenerované náhodné číslo s rovnoměrným rozdělením pravděpodobnost v rozsahu (0-). Toto náhodné číslo je porovnáváno s konstantou křížení CR. Jestlže je toto náhodné číslo menší než CR, pak je odpovídající prvek z vektoru x, G vložen do nového vektoru u, G. V opačném případě je do nového vektoru u, G vložen odpovídající prvek ze zkušebního vektoru v. Takto získáme celý nový vektor u, G. Tato operace představuje operac křížení v teor evoluční stratege. Nakonec je porovnávána hodnota ftness vektoru u, G s hodnotou ftness cílového vektoru x, G. Vektor s nžší hodnotou ftness je vybrán do nové populace G+. Tento proces je opakován tak dlouho, dokud není nalezeno požadované řešení anebo dokud není dosažen předem zadaný počet generací. Nyní ještě popíšeme druhou varantu DE označovanou jako DE/best//exp. Jedný rozdíl spočívá v modfkac vztahu (3), kdy v této varantě platí pro vytváření vektoru v předps ( x x ) v xbest G + F r, G r, G =. (4), 2 3 Zde x best,g je nejlepší vektor, který představuje nejlepší dosavadní řešení v běhu algortmu. Zbývající část algortmu je shodná s předchozí varantou. Důležtým faktorem je zde volba konstant F a CR. Podrobnost o vlvu těchto konstant na běh algortmu a o jejch vhodné volbě jsou popsány v lteratuře [4, 5]. 3. Úloha dentfkace přenosové funkce číslcového IIR fltru Vstupním daty pro řešení úlohy jsou známé hodnoty kmtočtové modulové charakterstky v dskrétních kmtočtech. Jedná se tedy o vzorkovanou kmtočtovou charakterstku. Vzorkovací nterval nemusí být ekvdstantní, naopak je výhodné, když se jeho hodnota zmenšuje v okolí meze propustného pásma fltru. Tato data můžeme získat měřením anebo jakýmkolv jným způsobem. Konkrétním příkladem mohou být ukázky kmtočtových charakterstk číslcového fltru IIR na obr. 3 a 4. Získaná data slouží pro vytvoření testovacího vektoru v prostředí MATLAB.
4 Obr. 3: Získaná modulová charakterstka neznámého číslcového IIR fltru Obr. 4: Detal propustného pásma modulové charakterstky 3. Určení řádu přenosové funkce fltru Prvním krokem př dentfkac přenosové funkce IIR fltru je určení řádu této funkce. V této úloze dává průběh kmtočtové charakterstky aprorní nformac o tom, že fltr byl navržen pomocí Cauerovy aproxmace. Jak je známo o této aproxmac, počet extrémů p v propustném pásmu fltru je úměrný řádu fltru, což můžeme napsat jako p = n +, (5) kde p je počet extrémů v propustném pásmu a n je řád fltru. Z obrázku 4 je zřejmé, že v propustném pásmu má modulová charakterstka extrémů. Odtud vyplývá, že řád přenosové funkce je n = 0. Přenosovou funkc fltru desátého řádu můžeme defnovat jako součn dílčích funkcí 2.řádu ve tvaru
5 5 K = H ( z) = 5 j ϕ ( j ϕ z r e ) ( z r e ) j ϕ ( 2 j ϕ z r2 ) ( 2 2 e z r e ) =. (6) Ampltudovou modulovou charakterstku můžeme vypočítat podle následujícího vztahu ( ˆ ω) = 20 H ( z) j ˆ ω H db log 0, (7) z= e kde proměnná ωˆ znamená normalzovanou frekvenc defnovanou výrazem kde T je vzorkovací peroda. ωˆ = ω T, (8) Kmtočtová modulová charakterstka dskrétně pracujícího systému popsaného obvodovou funkcí H(z) v rovně z může být vypočítána v prostředí MATLAB prostřednctvím vestavěné vntřní funkce freqz. 3.2 Identfkace nul a pólů přenosové funkce číslcového IIR fltru Hlavní prncp spočívá v systematckém hledání nul a pólů přenosové funkce modelu dskrétně pracujícího systému tak, aby byl mnmalzován rozdíl mez zadanou modulovou charakterstkou neznámého obvodu a modulovou charakterstkou jeho modelu. Na tomto základě vytvoříme chybovou funkc e, kterou můžeme defnovat ve tvaru (9) S ( ˆ ω ) H ( ˆ ω ) e( ˆ ω ) = H, (9) kde H S (ωˆ ) je zadaná kmtočtová modulová charakterstka neznámého obvodu a H M (ωˆ ) je modulová charakterstka jeho modelu. Tato chybová funkce je pak vypočítávána v jednotlvých dskrétních frekvencích a ndvduální chyby jsou sčítány podle způsobu defnce účelové funkce. V prezentovaném případě jsou sčítány čtverce odchylek modulových charakterstk. Mnmum této účelové funkce hledáme pomocí DE algortmu. Matematcká formulace účelové funkce př vzorkování modulové charakterstky v N stejně vzdálených bodech přes celé frekvenční pásmo je defnována vztahem (0) M N 4 2 F( x) = [ e( ˆ ω )] + Pk. (0) = k= Vzhledem k tomu, že v této úloze se jedná o fltr 0. řádu navržený pomocí Cauerovy aproxmace, můžeme zjednodušt prostor hledaných řešení, neboť nuly přenosové funkce leží na jednotkové kružnc a pro jejch moduly pak platí, že r = r 2 = r 3 = r 4 = r 5 =. Tím nám klesne počet hledaných proměnných a prohledávaný prostor se zmenší o 5 dmenzí. Potom vektor x = [x,.., x 6 ] je mapován takto: x = r 2, x 2 = r 22, x 3 = r 23, x 4 = r 24, x 5 = r 25, x 6 = ϕ, x 7 = ϕ 2, x 8 = ϕ 3, x 9 = ϕ 4, x 0 = ϕ 5, x = ϕ 2, x 2 = ϕ 22, x 3 = ϕ 23, x 4 = ϕ 24, x 5 = ϕ 25, x 6 = Κ. () P k jsou penalzační funkce, pro které platí následující relace:
6 P P P 2 3 P 4 = = = 5 = x jestlže x 0 jnak 6 = x jestlže x < 0 0 jnak 5 = x jestlže x > π 0 jnak x6 jestlže x6 > = 0 jnak (2) (3) (4) (5) Penalzační funkce P je vložená do účelové funkce proto, aby byla zajštěna stablta navrženého číslcového IIR fltru. Jak je známo moduly komplexních pólů musí ležet uvntř jednotkové kružnce v komplexní rovně z. Penalzační funkce P 2 zajšťuje kladné hodnoty modulů a fází nul a pólů přenosové funkce a společně s penalzační funkcí P 3 je zajštěn rozsah fází nul a pólů v rozmezí (0..π). Penalzační funkce P 4 zajšťuje hodnotu zesílení v rozsahu (0..). Vzhledem k tomu, že momentálně nemáme velké zkušenost s optmálním nastavením penalzačních funkcí, byly použty mírně obměněné penalzační funkce z článku [7]. Vektor x opt, pro který má účelová funkce F(x) mnmum, představuje hledané řešení úlohy dentfkace přenosové funkce číslcového IIR fltru. 3.3 Výsledky dentfkace přenosové funkce číslcového IIR fltru Výše zmíněná dentfkační úloha byla řešena př volbě parametrů DE algortmu: NP=900, CR=0.9, F=0.9, rozsah hledaných proměnných byl x - x 5, x 6 (0..), x 6 - x 5 (0..π). Modulová charakterstka byla vzorkována v 64 stejně vzdálených bodech přes celé kmtočtové pásmo. Algortmus nalezl následující řešení úlohy po výpočtu 263 generací: r 2 = r 22 = r 23 = r 24 = r 25 = K = ϕ = ϕ 2 = ϕ 2 = ϕ 22 = ϕ 3 = ϕ 23 = ϕ 4 = ϕ 24 = ϕ 5 = ϕ 25 = Dosažená hodnota mnma účelové funkce F(x) = 3, Ze získaných hodnot nul a pólů byla sestavena přenosová funkce, která byla smulována v prostředí MATLAB. Výsledná ampltudová modulová charakterstka získaná touto smulac plně odpovídá modulové charakterstce neznámého číslcového IIR fltru, která je vykreslena na obrázcích 3 a Závěr Aplkace dferenčního evolučního algortmu pro mnmalzac chybové funkce je nová nekonvenční metoda, která byla použtá pro řešení úlohy dentfkace přenosové funkce číslcového IIR fltru o kterém máme aprorní nformac, že byl navržen pomocí Cauerovy aproxmace. Přenosová funkce ve vzorovém příkladu byla dentfkována úspěšně. Výsledná modulová charakterstka plně odpovídá předem zadané charakterstce neznámého fltru. Na základě výsledků expermentů je třeba poznamenat, že je velce důležté zvolt vhodnou varantu algo-
7 rtmu DE. V první fáz řešení byla použta varanta DE/rand//exp, ale pro fltry řádu vyšších než 6 docházelo ke konvergenčním problémům. Lepší výsledky, zejména vyšší rychlost konvergence a vyšší přesnost řešení dala varanta DE/best//exp. To je dokumentováno možností řešt úspěšně dentfkace parametrů přenosových funkcí vyšších řádů. V případě výpočtu parametrů přenosových funkcí řádu vyššího jak 0 zatím není vyloučeno selhání konvergence a to jak s ohledem na rozšíření prostoru možných řešení, tak z důvodů lmtované numercké přesnost. Vzhledem k stochastckému charakteru DE algortmu může být v těchto případech výhodné výpočet opakovat několkrát po sobě. Další zdokonalení algortmu vlastní metody výpočtu je předmětem další, právě probíhající etapy prací na využtí evolučních a genetckých algortmů pro nekonvenční řešení úloh optmalzace a návrhu elektronckých obvodů. 5. Poděkování Tato práce byla podporována grantem GAČR No. 02/02/ Lteratura [] V. Davídek, M. Lapert, M. Vlček, Analogové a číslcové fltry, ČVUT Praha, 2000 [2] P. Martnek, J. Vondraš, New Approach to Flters and Group Delay Equalser Transfer Functon Desgn. In: ICECS The 8th IEEE Internatonal Conference on Electroncs, Crcuts and Systems. St. Julan s: ICECS 200, 200, vol., p. 70. [3] P. Martnek, J. Vondraš, Mult-crteron Flter Desgn va Dfferental Evoluton Method for Functon Mnmzaton. In: ICCSC'02 st IEEE Internatonal Conference on Crcuts and Systems for Communcatons - Proceedngs. St. Petersburg: Sant-Petersburg State Techncal Unversty, 2002, vol., p ISBN [4] V. Mařík, O. Štěpánková, J. Lažanský a kolektv, Umělá ntelgence (4), Vyd.., Academa Praha, [5] I. Zelnka, Umělá ntelgence v problémech globální optmalzace, Vyd.., BENtechncká lteratura, Praha 2002 [6] M. D. Sdman, F. E. DeAngels, G. C. Verghese, Parametrc System Identfcaton on Logarthmc Frequency Response Data, IEEE Trans. Automatc Control, 36, No.9 (September 99), pp [7] R. Storn, Dfferental Evoluton Desgn of an IIR-Flter wth Requrements for Magntude and Group Delay, Techncal Report TR , ICSI, May Kontaktní nformace Ing. Přemysl Žška Katedra teore obvodů, ČVUT Praha, Techncká 2, Praha, Česká republka e-mal: premysl.zska@seznam.cz Doc. Ing. Pravoslav Martnek, Csc. Katedra teore obvodů, ČVUT Praha, Techncká 2, Praha, Česká republka e-mal: martnek@fel.cvut.cz
Lokace 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
VíceSIMULACE. Numerické řešení obyčejných diferenciálních rovnic. Měřicí a řídicí technika magisterské studium FTOP - přednášky ZS 2009/10
SIMULACE numercké řešení dferencálních rovnc smulační program dentfkace modelu Numercké řešení obyčejných dferencálních rovnc krokové metody pro řešení lneárních dferencálních rovnc 1.řádu s počátečním
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
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...
VíceMĚŘENÍ ELEKTRICKÝCH PARAMETRŮ V OBVODECH S PWM ŘÍZENÝMI ZDROJI NAPĚTÍ Electric Parameter Measurement in PWM Powered Circuits
Techncká 4, 66 07 Praha 6 MĚŘENÍ ELEKTRICKÝCH PARAMETRŮ V OBVODECH S PWM ŘÍZENÝMI ZDROJI NAPĚTÍ Electrc Parameter Measurement n PWM Powered Crcuts Martn Novák, Marek Čambál, Jaroslav Novák Abstrakt: V
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
VíceNUMERICAL INTEGRATION AND DIFFERENTIATION OF SAMPLED TIME SIGNALS BY USING FFT
NUMERICAL INTEGRATION AND DIFFERENTIATION OF SAMPLED TIME SIGNALS BY USING FFT J. Tuma Summary: The paper deals wth dfferentaton and ntegraton of sampled tme sgnals n the frequency doman usng the FFT and
VíceSIMULACE A ŘÍZENÍ PNEUMATICKÉHO SERVOPOHONU POMOCÍ PROGRAMU MATLAB SIMULINK. Petr NOSKIEVIČ Petr JÁNIŠ
bstrakt SIMULCE ŘÍZENÍ PNEUMTICKÉHO SERVOPOHONU POMOCÍ PROGRMU MTL SIMULINK Petr NOSKIEVIČ Petr JÁNIŠ Katedra automatzační technky a řízení Fakulta stroní VŠ-TU Ostrava Příspěvek popsue sestavení matematckého
Vícepopsat činnost základních zapojení převodníků U-f a f-u samostatně změřit zadanou úlohu
7. Převodníky - f, f - Čas ke studu: 5 mnut Cíl Po prostudování tohoto odstavce budete umět popsat čnnost základních zapojení převodníků -f a f- samostatně změřt zadanou úlohu Výklad 7.. Převodníky - f
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
Víceu (x i ) U i 1 2U i +U i+1 h 2. Na hranicích oblasti jsou uzlové hodnoty dány okrajovými podmínkami bud přímo
Metoda sítí základní schémata h... krok sítě ve směru x, tj. h = x x q... krok sítě ve směru y, tj. q = y j y j τ... krok ve směru t, tj. τ = j... hodnota přblžného řešení v uzlu (x,y j ) (Possonova rovnce)
VíceČíslicové zpracování a analýza signálů (BCZA) Spektrální analýza signálů
Číslcové zpracování a analýza sgnálů (BCZA) Spektrální analýza sgnálů 5. Spektrální analýza sgnálů 5. Spektrální analýza determnstckých sgnálů 5.. Dskrétní spektrální analýza perodckých sgnálů 5..2 Dskrétní
VíceČísla a aritmetika. Řádová čárka = místo, které odděluje celou část čísla od zlomkové.
Příprava na cvčení č.1 Čísla a artmetka Číselné soustavy Obraz čísla A v soustavě o základu z: m A ( Z ) a z (1) n kde: a je symbol (číslce) z je základ m je počet řádových míst, na kterých má základ kladný
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
VíceMĚRENÍ V ELEKTROTECHNICE
EAICKÉ OKHY ĚENÍ V ELEKOECHNICE. řesnost měření. Chyby analogových a číslcových měřcích přístrojů. Chyby nepřímých a opakovaných měření. rmární etalon napětí. Zdroje referenčních napětí. rmární etalon
VíceModelování elektrických sítí KEE/MS Přednáška na téma: Výpočty chodu sítě. Ing. Jan Veleba, Ph.D. doc. Ing. Karel Noháč, Ph.D.
Modelování elektrckých sítí KEE/MS Přednáška na téma: Výpočty chodu sítě Ing. Jan Veleba, Ph.D. doc. Ing. Karel Noháč, Ph.D. Výpočet chodu soustavy Výpočet chodu soustavy Výpočet chodu soustavy Výpočet
VíceKonverze kmitočtu Štěpán Matějka
1.Úvod teoretcký pops Konverze kmtočtu Štěpán Matějka Směšovač měnč kmtočtu je obvod, který přeměňuje vstupní sgnál s kmtočtem na výstupní sgnál o kmtočtu IF. Někdy bývá tento proces označován také jako
Více6. Demonstrační simulační projekt generátory vstupních proudů simulačního modelu
6. Demonstrační smulační projekt generátory vstupních proudů smulačního modelu Studjní cíl Na příkladu smulačního projektu představeného v mnulém bloku je dále lustrována metodka pro stanovování typů a
VíceMĚŘENÍ A ANALÝZA ELEKTROAKUSTICKÝCH SOUSTAV NA MODELECH. Petr Kopecký ČVUT, Fakulta elektrotechnická, Katedra Radioelektroniky
MĚŘENÍ A ANALÝZA ELEKTROAKUSTICKÝCH SOUSTAV NA MODELECH Petr Kopecký ČVUT, Fakulta elektrotechnická, Katedra Radioelektroniky Při návrhu elektroakustických soustav, ale i jiných systémů, je vhodné nejprve
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
VíceHUDEBNÍ EFEKT DISTORTION VYUŽÍVAJÍCÍ ZPRACOVÁNÍ PŘÍRŮSTKŮ SIGNÁLŮ ČASOVĚ
HUDEBÍ EFEKT DISTORTIO VYUŽÍVAJÍCÍ ZPRACOVÁÍ PŘÍRŮSTKŮ SIGÁLŮ ČASOVĚ VARIATÍM SYSTÉMEM Ing. Jaromír Mačák Ústav telekomunkací, FEKT VUT, Purkyňova 118, Brno Emal: xmacak04@stud.feec.vutbr.cz Hudební efekt
VíceVYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA INFORMAČNÍCH TECHNOLOGIÍ ÚSTAV POČÍTAČOVÝCH SYSTÉMŮ FACULTY OF INFORMATION TECHNOLOGY DEPARTMENT OF COMPUTER SYSTEMS OPTIMALIZAČNÍ ÚLOHY
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
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
VíceDopravní plánování a modelování (11 DOPM )
Department of Appled Mathematcs Faculty of ransportaton Scences Czech echncal Unversty n Prague Dopravní plánování a modelování (11 DOPM ) Lekce 5: FSM: rp dstrbuton Prof. Ing. Ondře Přbyl, Ph.D. Ing.
Více31SCS Speciální číslicové systémy Antialiasing
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE 2006/2007 31SCS Speciální číslicové systémy Antialiasing Vypracoval: Ivo Vágner Email: Vagnei1@seznam.cz 1/7 Převod analogového signálu na digitální Složité operace,
VíceNumerická matematika 1. t = D u. x 2 (1) tato rovnice určuje chování funkce u(t, x), která závisí na dvou proměnných. První
Numercká matematka 1 Parabolcké rovnce Budeme se zabývat rovncí t = D u x (1) tato rovnce určuje chování funkce u(t, x), která závsí na dvou proměnných. První proměnná t mívá význam času, druhá x bývá
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
Více1 Elektrotechnika 1. 9:00 hod. G 0, 25
A 9: hod. Elektrotechnka a) Napětí stejnosměrného zdroje naprázdno je = 5 V. Př proudu A je svorkové napětí V. Vytvořte napěťový a proudový model tohoto reálného zdroje. b) Pomocí přepočtu napěťových zdrojů
VíceSpojité regulátory - 1 -
Spojté regulátory - 1 - SPOJIÉ EGULÁOY Nespojté regulátory mají většnou jednoduchou konstrukc a jsou levné, ale jsou nevhodné tím, že neudržují regulovanou velčnu přesně na žádané hodnotě, neboť regulovaná
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
VícePorovnání GUM a metody Monte Carlo
Porovnání GUM a metody Monte Carlo Ing. Tomáš Hajduk Nejstota měření Parametr přřazený k výsledku měření Vymezuje nterval, o němž se s určtou úrovní pravděpodobnost předpokládá, že v něm leží skutečná
VíceTéma 5: Parametrická rozdělení pravděpodobnosti spojité náhodné veličiny
0.05 0.0 0.05 0.0 0.005 Nomnální napětí v pásnc Std Mean 40 60 80 00 0 40 60 Std Téma 5: Parametrcká rozdělení pravděpodobnost spojté náhodné velčn Přednáška z předmětu: Pravděpodobnostní posuzování konstrukcí
VíceImpedanční děliče - příklady
Impedanční děliče - příklady Postup řešení: Vyznačení impedancí, tvořících dělič Z Z : podélná impedance, mezi svorkami a Z : příčná impedance, mezi svorkami a ' ' Z ' Obecné vyjádření impedancí nebo admitancí
VíceČVUT FEL. X16FIM Finanční Management. Semestrální projekt. Téma: Optimalizace zásobování teplem. Vypracoval: Marek Handl
ČVUT FEL X16FIM Fnanční Management Semestrální projekt Téma: Optmalzace zásobování teplem Vypracoval: Marek Handl Datum: květen 2008 Formulace úlohy Pro novou výstavbu 100 bytových jednotek je třeba zvolt
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
VíceMetody vícekriteriálního hodnocení variant a jejich využití při výběru produktu finanční instituce
. meznárodní konference Řízení a modelování fnančních rzk Ostrava VŠB-TU Ostrava, Ekonomcká fakulta, katedra Fnancí 8. - 9. září 200 Metody vícekrterálního hodnocení varant a ech využtí př výběru produktu
Více27 Systémy s více vstupy a výstupy
7 Systémy s více vstupy a výstupy Mchael Šebek Automatcké řízení 017 4-5-17 Stavový model MIMO systému Automatcké řízení - Kybernetka a robotka Má obecně m vstupů p výstupů x () t = Ax() t + Bu() t y()
VíceDobývání znalostí. Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze
Dobývání znalostí Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze Dobývání znalostí Pravděpodobnost a učení Doc. RNDr. Iveta Mrázová,
VíceOtto DVOŘÁK 1 NEJISTOTA STANOVENÍ TEPLOTY VZNÍCENÍ HOŘLAVÝCH PLYNŮ A PAR PARABOLICKOU METODOU PODLE ČSN EN 14522
Otto DVOŘÁK 1 NEJISTOTA STANOVENÍ TEPLOTY VZNÍCENÍ HOŘLAVÝCH PLYNŮ A PAR PARABOLICKOU METODOU PODLE ČSN EN 145 UNCERTAINTY OF DETEMINATION OF THE AUTO-IGNITION TEMPERATURE OF FLAMMABLE GASES OR VAPOURS
VíceSimulační metody hromadné obsluhy
Smulační metody hromadné osluhy Systém m a model vstupy S výstupy Systém Část prostředí, kterou lze od jeho okolí oddělt fyzckou neo myšlenkovou hrancí Model Zjednodušený, astraktní nástroj používaný pro
VíceTeorie efektivních trhů (E.Fama (1965))
Teore efektvních trhů (E.Fama (965)) Efektvní efektvní zpracování nových nformací Efektvní trh trh, který rychle a přesně absorbuje nové nf. Ceny II (akcí) náhodná procházka Předpoklady: na trhu partcpuje
VíceVLIV APLIKOVANÉ TECHNOLOGIE NA EFEKTIVNOST V SEKTORU VÝROBY MLÉKA # THE EFFECT OF APPLIED TECHNOLOGY ON THE EFFICIENCY IN DAIRY PRODUCTION
VLIV APLIKOVANÉ TECHNOLOGIE NA EFEKTIVNOST V SEKTORU VÝROBY MLÉKA # THE EFFECT OF APPLIED TECHNOLOGY ON THE EFFICIENCY IN DAIRY PRODUCTION JELÍNEK, Ladslav Abstract The objectve of the contrbuton s to
VíceOptimalizační přístup při plánování rekonstrukcí vodovodních řadů
Optmalzační přístup př plánování rekonstrukcí vodovodních řadů Ladslav Tuhovčák*, Pavel Dvořák**, Jaroslav Raclavský*, Pavel Vščor*, Pavel Valkovč* * Ústav vodního hospodářství obcí, Fakulta stavební VUT
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
Více9. Měření kinetiky dohasínání fluorescence ve frekvenční doméně
9. Měření knetky dohasínání fluorescence ve frekvenční doméně Gavolův experment (194) zdroj vzorek synchronní otáčení fázový posun detektor Měření dob žvota lumnscence Frekvenční doména - exctace harmoncky
VíceMATEMATICKÁ TEORIE ROZHODOVÁNÍ
MTMTICKÁ TORI ROZODOVÁNÍ odklady k soustředění č. 3 ráce s neurčtostí Většna našch znalostí o reálném světě je zatížena ve větší č menší míře neurčtostí. Na druhou stranu, schopnost rozhodovat se v stuacích,
VíceDále budeme předpokládat, že daný Markovův řetězec je homogenní. p i1 i 2
4 Markovovy řetězce se nazývá Markovův řetě- Defnce 7 Posloupnost celočíselných náhodných velčn {X n } zec (markovský řetězec), jestlže P(X n+ = j X n = n,, X 0 = 0 ) = P(X n+ = j X n = n ) (7) pro každé
VíceAbychom se vyhnuli užití diferenčních sumátorů, je vhodné soustavu rovnic(5.77) upravit následujícím způsobem
Abychom se vyhnuli užití diferenčních sumátorů, je vhodné soustavu rovnic(5.77) upravit následujícím způsobem I 1 = 1 + pl 1 (U 1 +( )), = 1 pc 2 ( I 1+( I 3 )), I 3 = pl 3 (U 3 +( )), 1 U 3 = (pc 4 +1/
VíceMechatronické systémy s elektronicky komutovanými motory
Mechatroncké systémy s elektroncky komutovaným motory 1. EC motor Uvedený motor je zvláštním typem synchronního motoru nazývaný též bezkartáčovým stejnosměrným motorem (anglcky Brushless Drect Current
VíceVyužití neuronové sítě pro identifikaci realného systému
1 Portál pre odborné publikovanie ISSN 1338-0087 Využití neuronové sítě pro identifikaci realného systému Pišan Radim Elektrotechnika 20.06.2011 Identifikace systémů je proces, kdy z naměřených dat můžeme
VíceOptimalizace metod pro multimediální aplikace v geodézii v prostředí IP sítí
Acta Montanstca Slovaca Ročník 12 (2007), mmoradne číslo 3, 311-317 Optmalzace metod pro multmedální aplkace v geodéz v prostředí IP sítí Mlan Berka 1 Optmzaton of Methods for Geodetc Data for Multcast
VícePOUŽITÍ METODY PERT PŘI ŘÍZENÍ PROJEKTŮ
5. Odborná konference doktorského studa s meznárodní účastí Brno 003 POUŽITÍ METODY PERT PŘI ŘÍZEÍ PROJEKTŮ A USAGE OF PERT METHOD I PROJECT MAAGEMET Vladslav Grycz 1 Abstract PERT Method and Graph theory
Více7. ZÁKLADNÍ TYPY DYNAMICKÝCH SYSTÉMŮ
7. ZÁKADNÍ TYPY DYNAMICKÝCH SYSTÉMŮ 7.. SPOJITÉ SYSTÉMY Téměř všechny fyzálně realzovatelné spojté lneární systémy (romě systémů s dopravním zpožděním lze vytvořt z prvů tří typů: proporconálních členů
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
VíceL8 Asimilace dat II. Oddělení numerické předpovědi počasí ČHMÚ 2007
L8 Asmlace dat II Oddělení numercké předpověd počasí ČHMÚ 007 Plán přednášky Úvod do analýzy Optmální odhad v meteorolog D případ: demonstrace metod; mult-dmensonální případ; Zavedení předběžného pole;
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
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
Více7. STATISTICKÝ SOUBOR S JEDNÍM ARGUMENTEM
7. STATISTICKÝ SOUBOR S JEDNÍM ARGUMENTEM Průvodce studem Předchozí kaptoly byly věnovány pravděpodobnost a tomu, co s tímto pojmem souvsí. Nyní znalost z počtu pravděpodobnost aplkujeme ve statstce. Předpokládané
VícePOLYMERNÍ BETONY Jiří Minster Ústav teoretické a aplikované mechaniky AV ČR, v. v. i.
Odborná skupna Mechanka kompoztních materálů a konstrukcí České společnost pro mechanku s podporou frmy Letov letecká výroba, s. r. o. a Ústavu teoretcké a aplkované mechanky AV ČR v. v.. Semnář KOMPOZITY
VíceUniverzita Tomáše Bati ve Zlíně
nverzta Tomáše Bat ve líně LABOATOÍ CČEÍ ELETOTECHY A PŮMYSLOÉ ELETOY ázev úlohy: ávrh dělče napětí pracoval: Petr Luzar, Josef Moravčík Skupna: T / Datum měření:.února 8 Obor: nformační technologe Hodnocení:
VíceTeoretické modely diskrétních náhodných veličin
Teoretcké modely dskrétních náhodných velčn Velčny, kterým se zabýváme, bývají nejrůznější povahy. Přesto však estují skupny náhodných velčn, které mají podobně rozloženou pravděpodobnostní funkc a lze
VíceMetamodeling. Moderní metody optimalizace 1
Metamodelng Nejmodernějšíoblast optmalzace Určena zejména pro praktckéaplkace s velkým výpočetním nároky Vycházíz myšlenky, že reálnéoptmalzační problémy nejsou sce konvení, ale jsou do značnémíry hladké
VíceSCIENTIFIC PAPERS OF THE UNIVERSITY OF PARDUBICE APLIKACE NEURONOVÝCH SÍTÍ PRO DETEKCI PORUCH SIGNÁLŮ
SCIENTIFIC PAPERS OF THE UNIVERSITY OF PARDUBICE Seres B The Jan Perner Transport Faculty 5 (1999) APLIKACE NEURONOVÝCH SÍTÍ PRO DETEKCI PORUCH SIGNÁLŮ Mchal MUSIL Katedra provozní spolehlvost, dagnostky
VíceKTE/TEVS - Rychlá Fourierova transformace. Pavel Karban. Katedra teoretické elektrotechniky Fakulta elektrotechnická Západočeská univerzita v Plzni
KTE/TEVS - Rychlá Fourierova transformace Pavel Karban Katedra teoretické elektrotechniky Fakulta elektrotechnická Západočeská univerzita v Plzni 10.11.011 Outline 1 Motivace FT Fourierova transformace
VíceX31EO2 - Elektrické obvody 2. Kmitočtové charakteristiky
X3EO - Elektrické obvody Kmitočtové charakteristiky Doc. Ing. Petr Pollák, CSc. Letní semestr 5/6!!! Volné šíření není povoleno!!! Fázory a spektra Fázor harmonického průběhu Û m = U m e jϕ ut) = U m sinωt
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
VíceAplikace simulačních metod ve spolehlivosti
XXVI. ASR '2001 Semnar, Instruments and Control, Ostrava, Aprl 26-27, 2001 Paper 40 Aplkace smulačních metod ve spolehlvost MARTINEK, Vlastml Ing., Ústav automatzace a nformatky, FSI VUT v Brně, Techncká
VíceVysoká škola báňská - Technická univerzita Ostrava Fakulta elektrotechniky a informatiky LOGICKÉ OBVODY pro kombinované a distanční studium
Vysoká škola báňská - Techncká unverzta Ostrava Fakulta elektrotechnky a nformatky LOGICKÉ OBVODY pro kombnované a dstanční studum Zdeněk Dvš Zdeňka Chmelíková Iva Petříková Ostrava ZDENĚK DIVIŠ, ZDEŇKA
VícePOROVNÁNÍ MEZI SKUPINAMI
POROVNÁNÍ MEZI SKUPINAMI Potřeba porovnání počtů mez určtým skupnam jednců např. porovnání počtů onemocnění mez kraj nebo okresy v prax se obvykle pracuje s porovnáním na 100.000 osob. Stuace ale nebývá
VíceVkládání pomocí Viterbiho algoritmu
Vkládání pomocí Vterbho algortmu Andrew Kozlk KA MFF UK C Vkládání pomocí Vterbho algortmu Cíl: Využít teor konvolučních kódů. Motvace: Vterbho dekodér je soft-decson dekodér. Každému prvku nosče přřadíme
VíceANOVA. Analýza rozptylu při jednoduchém třídění. Jana Vránová, 3.lékařská fakulta UK, Praha
ANOVA Analýza rozptylu př jednoduchém třídění Jana Vránová, 3.léařsá faulta UK, Praha Teore Máme nezávslých výběrů, > Mají rozsahy n, teré obecně nemusí být stejné V aždém z nch známe průměr a rozptyl
VíceRobustnost regulátorů PI a PID
Proceedings of International Scientific Conference of FME Session 4: Automation Control and Applied Informatics Paper 45 Robustnost regulátorů PI a PID VÍTEČKOVÁ, Miluše Doc. Ing., CSc., katedra ATŘ, FS
VíceA u. jsou po řadě počáteční a koncové body úsečky; t je parametr:
1 Úvod Trangulace oblast má dnes využtí například v počítačové grafce nebo numercké matematce, kde základní algortmy pro výpočet parcálních dferencálních rovnc vyžadují rozdělení zadané souvslé oblast
Víceina ina Diskrétn tní náhodná veličina může nabývat pouze spočetně mnoha hodnot (počet aut v náhodně vybraná domácnost, výsledek hodu kostkou)
Náhodná velčna na Výsledek náhodného pokusu, daný reálným číslem je hodnotou náhodné velčny. Náhodná velčna je lbovolná reálná funkce defnovaná na množně elementárních E pravděpodobnostního prostoru S.
Více11 Tachogram jízdy kolejových vozidel
Tachogram jízdy kolejových vozdel Tachogram představuje znázornění závslost rychlost vozdel na nezávslém parametru. Tímto nezávslým parametrem může být ujetá dráha, pak V = f() dráhový tachogram, nebo
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
VíceREGRESNÍ ANALÝZA V PROSTŘEDÍ MATLAB
62 REGRESNÍ ANALÝZA V PROSTŘEDÍ MATLAB BEZOUŠKA VLADISLAV Abstrakt: Text se zabývá jednoduchým řešením metody nejmenších čtverců v prostředí Matlab pro obecné víceparametrové aproximační funkce. Celý postup
VícePřednášky část 4 Analýza provozních zatížení a hypotézy kumulace poškození, příklady. Milan Růžička
Přednášky část 4 Analýza provozních zatížení a hypotézy kumulace poškození, příklady Mlan Růžčka mechanka.fs.cvut.cz mlan.ruzcka@fs.cvut.cz Analýza dynamckých zatížení Harmoncké zatížení x(t) přes soubor
VíceMěření výkonu v obvodech s pulzně řízenými zdroji napětí
Měření výkonu v obvodech s pulzně řízeným zdroj napětí doc. ng. Jaroslav Novák, CSc., ng. Martn Novák, Ph.D. ČV Praha, Fakulta strojní, Ústav přístrojové a řídcí technky V článku je věnována pozornost
VíceXXX. ASR '2005 Seminar, Instruments and Control, Ostrava, April 29,
XXX. ASR '2005 Semnar, Instruments and Control, Ostrava, Aprl 29, 2005 449 Usng flockng Algorthm and Vorono Dagram for Moton Plannng of a Swarm of Robots Plánování pohybu skupny robotů pomocí flockng algortmu
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
VíceEKONOMICKO-MATEMATICKÉ METODY
. přednáška EKONOMICKO-MATEMATICKÉ METODY Ekonomcko matematcké metody (též se užívá název operační analýza) sou metody s matematckým základem, využívané především v ekonomcké oblast, v oblast řízení a
VíceNumerická integrace konstitučních vztahů
Numercká ntegrace konsttučních vztahů Po výočtu neznámých deformačních uzlových arametrů v každé terac NR metody je nutné stanovt naětí a deformace na rvcích. Nař. Jednoosý tah (vz obr. vravo) Pro nterval
VíceRegresní a korelační analýza
Regresní a korelační analýza Závslost příčnná (kauzální). Závslostí pevnou se označuje případ, kdy výskytu jednoho jevu nutně odpovídá výskyt druhé jevu (a často naopak). Z pravděpodobnostního hledska
VíceSylabus 18. Stabilita svahu
Sylabus 18 Stablta svahu Stablta svahu Smykové plochy rovnná v hrubozrnných zemnách ev. u vrstevnatého ukloněného podloží válcová v jemnozrnných homogenních zemnách obecná nehomogenní podloží vč. stavebních
VíceTypový list. Šroubový kompresor E100 Vario Standard a jeho volitelná provedení.
Typový lst Šroubový kompresor E100 Varo Standard a jeho voltelná provedení. Konstrukce kompresoru E100 Základní dspozce kompresoru je horzontální, určená k umístění na vzdušník. Kompresor je přímo spojen
VíceÚvod Terminologie Dělení Princip ID3 C4.5 CART Shrnutí. Obsah přednášky
Obsah přednášky. Úvod. Termnologe 3. Základní dělení 4. Prncp tvorby, prořezávání a použtí RS 5. Algortmus ID3 6. C4.5 7. CART 8. Shrnutí A L G O RI T M Y T E O R I E Stromové struktury a RS Obsah knhy
VíceMODELOVÁNÍ SEISMICKÉHO ZDROJE JAKO REÁLNÁ TESTOVACÍ ÚLOHA PRO NELINEÁRNÍ INVERSNÍ ALGORITMUS
MODELOVÁNÍ SEISMICKÉHO ZDROJE JAKO REÁLNÁ TESTOVACÍ ÚLOHA PRO NELINEÁRNÍ INVERSNÍ ALGORITMUS P. Kolář, B. Růžek, P. Adamová Geofyzkální ústav AV ČR, Praha Abstrakt Pro vyvíjený nelneární nversní algortmus
Více3 VYBRANÉ MODELY NÁHODNÝCH VELIČIN. 3.1 Náhodná veličina
3 VBRANÉ MODEL NÁHODNÝCH VELIČIN 3. Náhodná velčna Tato kaptola uvádí stručný pops vybraných pravděpodobnostních modelů spojtých náhodných velčn s důrazem na jejch uplatnění př rozboru spolehlvost stavebních
VíceFERGUSONOVA KUBIKA. ( u) ( ) ( ) X s X s. Kubický spline C 2 má dva stupně volnosti Q 1 Q 2
FERGUSONOVA KUBIKA C F F F ( u) = Q F ( u) + Q F ( u) + Q F ( u) + Q F ( u), u F ( u) = u ( u) = u + ( u) = u u ( u) = u u u + u + u Q Q Q Q C napojení Fergusonových kubk Kubcký splne C má dva stupně volnost
VíceMASARYKOVA UNIVERZITA PEDAGOGICKÁ FAKULTA
MASARYKOVA UNIVERZITA PEDAGOGICKÁ FAKULTA Katedra Matematky Řetězové zlomky Dplomová práce Brno 04 Autor práce: Bc. Petra Dvořáčková Vedoucí práce: doc. RNDr. Jaroslav Beránek, CSc. Bblografcký záznam
VíceHighspeed Synchronous Motor Torque Control
. Regulace momentu vysokootáčkového synchronního motoru Jaroslav Novák, Martn Novák, ČVUT v Praze, Fakulta strojní, Zdeněk Čeřovský, ČVUT v Praze, Fakulta elektrotechncká Hghspeed Synchronous Motor Torque
VíceDynamika psaní na klávesnici v kombinaci s klasickými hesly
Dynamka psaní na klávesnc v kombnac s klasckým hesly Mloslav Hub Ústav systémového nženýrství a nformatky, FES, Unverzta Pardubce Abstract Authentfcaton as a data securty nstrument n our nformatonal socety
VíceSIGNÁLY A SOUSTAVY, SIGNÁLY A SYSTÉMY
SIGNÁLY A SOUSTAVY, SIGNÁLY A SYSTÉMY TEMATICKÉ OKRUHY Signály se spojitým časem Základní signály se spojitým časem (základní spojité signály) Jednotkový skok σ (t), jednotkový impuls (Diracův impuls)
VíceHodnocení využití parku vozidel
Hodnocení využtí parku vozdel Všechna kolejová vozdla přdělená jednotlvým DKV (provozním jednotkám) tvoří bez ohledu na jejch okamžté použtí jejch nventární stav. Evdenční stav se skládá z vozdel vlastního
VíceObsah. Příloha (celkový počet stran přílohy 13) Závěrečná zpráva o výsledcích experimentu shodnosti ZČB 2013/2
Závěrečná zpráva o výsledcích expermentu shodnost ZČB 2013/2 Obsah Úvod a důležté kontakty... 2 Postupy statstcké analýzy expermentu shodnost... 4 2.1 Numercký postup zjšťování odlehlých hodnot... 4 2.1.1
VíceImplementace bioplynové stanice do tepelné sítě
Energe z bomasy XVII, 13. 15. 9. 2015 Lednce, Česká republka Implementace boplynové stance do tepelné sítě Pavel MILČÁK 1, Jaroslav KONVIČKA 1, Markéta JASENSKÁ 1 1 VÍTKOVICE ÚAM a.s., Ruská 2887/101,
VíceCHYBY MĚŘENÍ. uvádíme ve tvaru x = x ± δ.
CHYBY MĚŘENÍ Úvod Představte s, že máte změřt délku válečku. Použjete posuvné měřítko a získáte určtou hodnotu. Pamětlv přísloví provedete ještě jedno měření. Ale ouha! Výsledek je jný. Co dělat? Měřt
VíceANALÝZA RIZIKA A JEHO CITLIVOSTI V INVESTIČNÍM PROCESU
AALÝZA RIZIKA A JEHO CITLIVOSTI V IVESTIČÍM PROCESU Jří Marek ) ABSTRAKT Príspevek nformuje o uplatnene manažmentu rzka v nvestčnom procese. Uvádza príklad kalkulace rzka a analýzu jeho ctlvost. Kľúčové
Více