Neuronové sítě. Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze
|
|
- Andrea Vítková
- před 6 lety
- Počet zobrazení:
Transkript
1 Neuoové sítě Doc. RND. Iveta Mázová, CSc. Kateda teoetcké fomatky Matematcko-fyzkálí fakulta Uvezty Kalovy v Paze
2 Neuoové sítě Asocatví pamět BAM a Hopfeldůvmodel Doc. RND. Iveta Mázová, CSc. Kateda teoetcké fomatky Matematcko-fyzkálí fakulta Uvezty Kalovy v Paze
3 Bdektví asocatví paměť BAM sychoí asocatví model s obousměým syapsem w y y w k y k I. Mázová: Neuoové sítě (NAIL) 3
4 Bdektví asocatví paměť () Rekuetí asocatví paměť Skládá se ze dvou vstev euoů, kteé s mez sebou ekuzvě posílají fomace. Vstupí vstva posílá výsledky svého výpočtu výstupí vstvě postředctvím vah sítě. Výstupí vstva vací výsledky svých výpočtů zpět vstupí vstvě postředctvím stejých vah. Otázka: Dosáhe síť stablího stavu, kdy se po ěkolka teacích už ebude mět fomace posílaá sem a tam? w w k y y y k I. Mázová: Neuoové sítě (NAIL) 4
5 BAM Bdectoal Assocatve Memoy (3) Rezoačí síť Aktvačí (přeosovou) fukcí je sg Ifomace kódováa pomocí bpoláích hodot w w k y y y k Síť zobazí -ozměý vekto a k-ozměý vekto Váhová matce síte je k matce W. Po pvím půchodu sítí dostáváme: Vstup po zpětém půchodu sítí bude: Výstup po dalším půchodu: y sg ( W ) T sg Wy ( ) sg W y I. Mázová: Neuoové sítě (NAIL) 5 y
6 BAM Bdectoal Assocatve Memoy (4) Po m teacích dostáváme m + dvojc vektoů y,,,, kteé splňují podmíku: ( ) ( ), K m y m ( ) T y sg W a + sg Wy Otázka: Naleze systém po ěkolka teacích pevý bod, y tak, aby platlo ( ) y sg ( ) T W a sg Wy? w w k y y y k I. Mázová: Neuoové sítě (NAIL) 6
7 BAM Bdectoal Assocatve Memoy (5) máme-l dvojc vektoů (, y ) a chceme astavt váhy bdektví asocatví pamět tak, aby tato uspořádaá dvojce představovala pevý bod systému, lze k výpočtu odpovídající matce vah použít Hebbovské učeí: W T y ( ) ( ) ( ) T y sg W sg y sg y y a záoveň: T sg ( ) ( ) ( ) T T T T T W y sg y y sg y I. Mázová: Neuoové sítě (NAIL) 7
8 BAM Bdectoal Assocatve Memoy (6) Chceme-l uložt do pamět více vzoů (, bude Hebbovské učeí efektvější, pokud y ) ( jsou vektoy y ),, K, m, m K a y K, y m avzájem otogoálí (meší cosstalk ),,, m po m dvojc vektoů bude matce W : W T T y + y K avíc lze bdektví asocatví paměť použít př kostukc autoasocatvích sítí, potože matce vah vytvořeé př Hebbovském učeí (aebo př výpočtu pseudovezí matce) jsou symetcké ( X X W a X T W X T ) + + I. Mázová: Neuoové sítě (NAIL) 8 m T y m
9 Eegetcká fukce po BAM Nechť po daou síť BAM představuje dvojce (, y ) stablí stav Př calzac je sít (zleva) předlože vstupí vekto (časem by měla dokovegovat k ) Výpočet vektou podle: y (, y ) y ( W ) sg Výstupí vekto y bude použt po ovou teac (zpava) I. Mázová: Neuoové sítě (NAIL) 9
10 Eegetcká fukce po BAM () Ectac euoů vlevo učt podle ectačího vektou e : e T W y ( ), y by odpovídalo stablímu stavu sítě, pokud sg ( e ) tj. pokud je e dostatečě blízko T e ( skaláí souč by měl být větší ež skaláí souč jých ectačích vektoů a, když jsou stejě dlouhé) I. Mázová: Neuoové sítě (NAIL)
11 Eegetcká fukce po BAM (3) T T souč E tedy bude e W y meší, pokud leží vekto W y blíže k možost sledováí kovegece systému ke stablímu stavu E ~ eegetcká fukce Lokálí mma eegetcké fukce odpovídají stablím stavům I. Mázová: Neuoové sítě (NAIL)
12 Eegetcká fukce po BAM (4) Defce: Nechť W je váhová matce sítě BAM a echť výstup y pavé vstvy euoů se v té teac spočítá podle y sg ( W ) a A výstup + levé vstvy euoů echť se T počítá podle sg W Eegetcká fukce sítě BAM je pak učea pomocí: ( ) T E, y W y ( ) + y I. Mázová: Neuoové sítě (NAIL)
13 Zobecěí eegetcké fukce Uvažujeme páh a skokovou přeosovou fukc Každý ozměý vekto bude tasfomová a vekto (,,, ) Každý k ozměý vekto, j w bude tasfomová a vekto ( y,, y k, ) Váhová matce W bude ozšířea a matc W, kteá má opot W řádek a sloupec avíc y ϑ y l, j I. Mázová: Neuoové sítě (NAIL) 3
14 Zobecěí eegetcké fukce () -ϑ l, w k -ϑ, y y k Zápoé pahy euoů z pavé vstvy sítě BAM tvoří (+) ířádku W Zápoé pahy euoů z levé vstvy sítě tvoří (k+) í sloupec W Pvek ( +, k+ ) matce W bude I. Mázová: Neuoové sítě (NAIL) 4
15 Zobecěí eegetcké fukce (3) Tato tasfomace odpovídá zavedeí dalšího euou s kostatím výstupem do obou vstev Váhy vedoucí z těchto přdaých euoů odpovídají zápoé hodotě pahu euoů, do chž vedou Eegetcká fukce modfkovaé sítě BAM: T T E, y W y + θ y + θ l θ ( ) T T l θ. Vekto pahů k euoů (v levé vstvě sítě). Vekto pahů euoů (v pavé vstvě sítě) I. Mázová: Neuoové sítě (NAIL) 5
16 Asychoí sítě BAM Každý euo áhodě spočítá svou ectac a Změí svůj stav a ebo - ezávsle a ostatích (ale podle zaméka své ectace) Pavděpodobost, že budou dva euoy současě mět svůj stav, je ulová Předpoklad: stav euou se eměí, je-l celková ectace ulová I. Mázová: Neuoové sítě (NAIL) 6
17 Asychoí sítě BAM () BAM aleze stablí stav v koečém počtu teací (sekvečí pocházeí euoů sítě) Stablí stav ~ dvojce vektoů, y ; y sg W a T sg W y ( ) ( ) ( T ) Věta: Bdektví asocatví paměť s lbovolou matcí vah W dosáhe stablího stavu v koečém počtu teací a to jak pomocí sychoí, tak také pomocí asychoí aktualzace. I. Mázová: Neuoové sítě (NAIL) 7
18 Asychoí sítě BAM (3) Důkaz: ( ) Po vektoy ( ),, K, a y y, y, K, y k a váhovou matc k W {w j } je eegetcká fukce E(, y) ova: w w L w k y w ( ) ( ) w L w k y E, y, K, M M O M M w w L wk yk I. Mázová: Neuoové sítě (NAIL) 8
19 Asychoí sítě BAM (4) Důkaz (pokačováí): Souč téřádky W a udává míu ectace tého euou z levé vstvy g po ectačí vekto levé vstvy ( g,, g ) pak platí: g ( ) ( ) E, y, K, M g podobě po pavou vstvu a její ectačí vekto ( e,, e k ) pak platí: y E, y e K e,, k M y y T ( ) ( ) k I. Mázová: Neuoové sítě (NAIL) 9
20 Asychoí sítě BAM (5) Důkaz (pokačováí): Eegetckou fukc lze vyjádřt dvěma avzájem ekvvaletím způsoby: E, y ( ) a E (, y ) g V případě asychoích sítí se v každém koku vybee áhodě jede euo z levé č pavé vstvy: Spočítá se ectace a ový stav euou k I. Mázová: Neuoové sítě (NAIL) e y
21 Asychoí sítě BAM (6) Důkaz (pokačováí): Pokud se stav euou ezměí, zůstae beze změy eege sítě Stav euou z levé vstvy sítě se změí pouze v případě, že má ectace g ůzé zaméko ež jeho aktuálí stav Potože ostatí euoy svůj stav eměí (asychoí dyamka), bude ozdíl mez předchozí eegí E, y a ovou eegí E( y) odpovídat: E, y E, y g, ( ) ( ) ( ) ( ) I. Mázová: Neuoové sítě (NAIL)
22 Asychoí sítě BAM (7) Důkaz (pokačováí): Potože má ůzé zaméko od g, bude: E (, y ) E (, y ) > (pokud by mělo stejé zaméko jako g, eastala by změa stavu euou) Nový stav sítě (, y ) má tedy žší eeg ež původí stav (, y ) Aalogcky po euoy z pavé vstvy sítě: E (, y ) E (, y ) > (Pokud došlo ke změě stavu euou.) I. Mázová: Neuoové sítě (NAIL)
23 Asychoí sítě BAM (8) Důkaz (pokačováí): Každá aktualzace stavu sítě vede ke sížeí její celkové eege Potože estuje koečě moho kombací bpoláích hodot stavů, musí poces skočt v ějakém stavu a,b kdy už elze eeg sítě dále sžovat síť alezla lokálí mmum eegetcké fukce a stav a, b je ataktoem systému QED ( ) ( ), I. Mázová: Neuoové sítě (NAIL) 3
24 Asychoí sítě BAM (9) Pozámka: Věta platí po sítě se sychoí dyamkou lbovolá eálá matce vah W má bdektví stablí bpoláí stavy I. Mázová: Neuoové sítě (NAIL) 4
25 Hopfeldovy sítě Skoková přeosová fukce: f h + - euoů se skokovou přeosovou fukcí Bpoláí vstupy výstupy { +, - } Syaptcké váhy w j (mez všem euoy avzájem) m téovacích vzoů (tříd) Učeí s učtelem Rozpozáváí Použtí: Asocatví paměť Optmalzačí úlohy I. Mázová: Neuoové sítě (NAIL) 5
26 Hopfeldův model (bpoláí) Kok : Učeí - astavte hodoty syaptckých vah w j m s w j. Váha syapse mez euoy a j s {-,+}. tá složka s tého vzou,j s s j po po I. Mázová: Neuoové sítě (NAIL) 6 j j
27 Hopfeldův model (bpoláí) () Kok : Icalzace - předložte ezámý vstupí vzo: y () Kok 3: Iteace y (t). Výstup euou v čase t {-,+}. tá složka předložeého vzou y j + h ( t ) f w y ( t ) j f h. Skoková přeosová fukce j I. Mázová: Neuoové sítě (NAIL) 7
28 Hopfeldův model (bpoláí) (3) Iteatví poces se př ozpozáváí opakuje, dokud se výstupy euoů eustálí. Výstupy euoů pak epezetují te téovací vzo, kteý ejlépe odpovídá předložeému (ezámému) vzou. Kok 4: Přejděte ke Koku. I. Mázová: Neuoové sítě (NAIL) 8
29 Hopfeldův model (bpoláí) (4) Kovegece (Hopfeld): Symetcké váhy: w j w j Asychoí aktualzace výstupu jedotlvých euoů Nevýhody: Kapacta ( m <.5 ) / log Stablta ( otogoalzace) I. Mázová: Neuoové sítě (NAIL) 9
30 Hopfeldův model příklad Učeí: Vzoy: [-, -,, ] [, -,, -] Nastaveí vah: w w j j M m ( m ) ( m ) j j j I. Mázová: Neuoové sítě (NAIL) 3
31 I. Mázová: Neuoové sítě (NAIL) 3 Hopfeldův model příklad () Nastaveí vah: Rozpozáváí: Vzo: [-, -,, -] [, -,, -] [-, -,, ] W
32 I. Mázová: Neuoové sítě (NAIL) 3 Hopfeldův model - ozpozáváí Po předložeí vzou bude vekto potecálů sítě ( ) { { { ( ) 443 K K PERTURBACE m j j j m T m T T m T m T m I m mi W m α ξ α α
33 Hopfeldův model ozpozáváí (), K, m Stav je stablí, jestlže m < a m petubace α je malá α,, α m. Skaláí souč s každým dalším vektoem ( sg ( ξ ) sg ( ) ) j Malý počet otogoálích vzoů j j I. Mázová: Neuoové sítě (NAIL) 33
34 Hopfeldův model ozpozáváí (3) Stav euoů zachová, dokud ejsou vybáy k aktualzac Výbě po aktualzac se povádí áhodě Neuoy jsou avzájem plě popojey Symetcké váhy: w j w j w Kovegece ke stablímu řešeí př ozpozáváí - utá podmíka: symetcká váhová matce s ulovou dagoálou a asychoí dyamkou I. Mázová: Neuoové sítě (NAIL) 34
35 Hopfeldůvmodel -příklady Váhová matce s eulovou dagoálou emusí vést ke stablím stavům W Sychoí dyamka: (-, -, -) (,, ) Asychoí dyamka: Náhodý výbě jedoho z osm možých vzoů I. Mázová: Neuoové sítě (NAIL) 35
36 Hopfeldůvmodel příklady () Nesymetcká matce: W Asychoí dyamka: (, ) (, -) (-, ) (-, -) cyklcké změy - I. Mázová: Neuoové sítě (NAIL) 36
37 Eegetcká fukce Eegetcká fukce Hopfeldovy sítě s euoy a váhovou matcí W vyjadřuje eeg sítě ve stavu : E W ( ) E ( ) T j ( Obdobě po sítě s pahovým euoy: T T E ( ) W + θ j w j j I. Mázová: Neuoové sítě (NAIL) 37 + w ϑ j j )
38 Eegetcká fukce () Věta: Hopfeldova síť s asychoí dyamkou dosáhe z lbovolého počátečího stavu sítě stablího stavu v lokálím mmu eegetcké fukce. Idea důkazu: Počátečí stav ( ) Předložeý vzo:, K,,, k K I. Mázová: Neuoové sítě (NAIL) 38
39 Eegetcká fukce (3) Idea důkazu (pokačováí): E ( ) j w j j K aktualzac vybá euo k k ezměí svůj stav E( ) se ezměí k změí svůj stav, K, k, K, I. Mázová: Neuoové sítě (NAIL) 39
40 I. Mázová: Neuoové sítě (NAIL) 4 Eegetcká fukce (4) Idea důkazu (pokačováí): ( ) k k j j k kj k k k j j k j j w w w w E symete vah
41 Eegetcká fukce (5) Idea důkazu (pokačováí): Rozdíl eegí: E E w kk ( ) ( ) ůzé zaméko (jak by edošlo ke změě stavu) w k k k k POTENCIÁL k wk k w > I. Mázová: Neuoové sítě (NAIL) 4
42 Eegetcká fukce (6) Idea důkazu (pokačováí): Vždy, když dojde ke změě stavu euou, síží se celková eege sítě Koečý počet možých stavů Stablí stav, kdy eeg sítě už elze sžovat QED I. Mázová: Neuoové sítě (NAIL) 4
43 Ekvvalece Hebbovského a peceptoového učeí po Hopfeldův model V ěkteých případech elze alézt pomocí Hebbovského učeí váhovou matc Hopfeldovy sítě tak, aby m daých vektoů odpovídalo stablím stavům sítě ( když taková matce estuje) pokud leží vektoy, kteé mají být do sítě uložey, hodě blízko, může být cosstalk přílš velký hoší výsledky Hebbovského učeí Alteatva: Peceptoové učeí po Hopfeldovy sítě I. Mázová: Neuoové sítě (NAIL) 43
44 Ekvvalece Hebbovského a peceptoového učeí po Hopfeldův model () Peceptoové učeí po Hopfeldovy sítě Hopfeldova síť s euoy, kteé mají eulový páh a skokovou přeosovou fukc Neuo má stav, je-l potecál větší ež Neuo má stav -, je-l potecál meší ebo ove I. Mázová: Neuoové sítě (NAIL) 44
45 Ekvvalece Hebbovského a peceptoového učeí po Hopfeldův model (3) Uvažujme Hopfeldovu síť:.. počet euoů W {w j }.. matce vah ϑ.. páh euou, (, ) Má-l s síť zapamatovat vekto, bude teto vekto odpovídat stablímu stavu sítě tehdy, jestlže se po jeho předložeí stav sítě ezměí K I. Mázová: Neuoové sítě (NAIL) 45
46 Ekvvalece Hebbovského a peceptoového učeí po Hopfeldův model (4) potecál euou by měl mít stejé zaméko jako jeho předchozí stav Nulovým hodotám bude odpovídat zápoé zaméko Měly by platt ásledující eovost: Neuo : Neuo : K Neuo : sg sg sg ( )( + w + K + w ϑ ) ( )( w + + K + w ϑ ) ( )( w + w + K + ϑ ) > K > > K K I. Mázová: Neuoové sítě (NAIL) 46
47 Ekvvalece Hebbovského a peceptoového učeí po Hopfeldův model (5) w j w j ( ) / eulových pvků váhové matce a pahů v v echť je vekto dmeze + ( ) / v (složky odpovídají pvkům w j ad dagoálou matce W ; < j ; a pahům se zápoým zamékem) w K K, w3, K, w, w3, w4, K, w,, w,, ϑ,, ϑ složek složek složka složek I. Mázová: Neuoové sítě (NAIL) 47
48 Ekvvalece Hebbovského a peceptoového učeí po Hopfeldův model (6) tasfomace vektou do pomocých vektoů z, z, K, z dmeze + ( ) / : z z z K 443 K, 3, K,,,,,,,,, 4 43 složek složek 4 K 43 4 K 43 K 443 K,,,, 3,,,,,,,,, složek složek složek K K K K K K K K K K K K,, 4 K, 43 složek,,, 4 K, 43 složek,,, K I. Mázová: Neuoové sítě (NAIL) 48, 443,, K, složek
49 Ekvvalece Hebbovského a peceptoového učeí po Hopfeldův model (7) složky vektoů z, z, K, z umožňují ekvvaletí záps předchozích eovostí: Neuo : sg Neuo : sg K Neuo : ( ) ( ) K z z v v > > K K sg ( ) z v > I. Mázová: Neuoové sítě (NAIL) 49
50 Ekvvalece Hebbovského a peceptoového učeí po Hopfeldův model (8) k leáí sepaac vektoů (podle sg ( ) ) lze použít peceptoové učeí v Spočítat vekto vah utý po leáí sepaac z z, K, z a astavt váhovou matc W, Pokud s má Hopfeldova síť zapamatovat m vektoů,, K, m, je třeba použít popsaou tasfomac po každý vekto z z,, K, z I. Mázová: Neuoové sítě (NAIL) 5
51 Ekvvalece Hebbovského a peceptoového učeí po Hopfeldův model (9) m pomocých vektoů, kteé je třeba leáě odsepaovat Pokud jsou vektoy leáě sepaablí, ajde peceptoové učeí řešeí zakódovaé ve fomě v I. Mázová: Neuoové sítě (NAIL) 5
52 Ekvvalece Hebbovského a peceptoového učeí po Hopfeldůvmodel() Příklad: ϑ w w 3 w 3 w 3 -ϑ -ϑ w ϑ w 3 ϑ 3 Učeí Hopfeldovy sítě s euoy -ϑ 3 Učeí peceptou s dmezí vstupího postou + ( )/ ( (+)/ ) Pozámka: lokálí aplkace delta-pavdla I. Mázová: Neuoové sítě (NAIL) 5
53 Použtí Hopfeldova modelu př řešeí optmalzačích úloh Báí kódováí: / Multflop:,,. Báí stavy jedotlvých euoů Hopfeldovy sítě Síť by se měla dostat do stavu, kdy bude pávě euo aktví; stav všech ostatích euoů by měl být Cíl: alézt mmum fukce E(,, ) E, ( K, ) I. Mázová: Neuoové sítě (NAIL) 53
54 I. Mázová: Neuoové sítě (NAIL) 54 Použtí Hopfeldova modelu př řešeí optmalzačích úloh () ( ) ( ) ( ) j j j j j j E,K, po báí stavy poováí s eegetckou fukcí Hopfeldova modelu astaveí vah a pahů sítě
55 Použtí Hopfeldova modelu př řešeí optmalzačích úloh (3) E + j (,K, ) ( ) + ( ) j astaveí vah a pahů sítě I. Mázová: Neuoové sítě (NAIL) 55
56 Použtí Hopfeldova modelu př řešeí optmalzačích úloh (4) Poblém věží: Umístt a šachovc, věží tak, aby se avzájem eohožovaly každá věžby měla být v jém řádku sloupku ež ostatí j. stav euou a pozc j šachovce ( ) j. počet stavů ve sloupc j v každém sloupc by měla být je jeda jedčka I. Mázová: Neuoové sítě (NAIL) 56
57 Použtí Hopfeldova modelu př řešeí optmalzačích úloh (5) Mmalzace: E Podobě po řádky: E j j 4 43 ( ), K, ( ),K, j j Mmalzovat E E + E MULTIFLOP I. Mázová: Neuoové sítě (NAIL) 57
58 Použtí Hopfeldova modelu př řešeí optmalzačích úloh (6) Nastaveí vah a pahů sítě: I. Mázová: Neuoové sítě (NAIL) 58
59 Použtí Hopfeldova modelu př řešeí optmalzačích úloh (7) Poblém obchodího cestujícího: (~ NP-úplý poblém) A C D G Nalézt cestu přes měst M,, M tak, aby bylo každé město avštíveo alespoň jedou a délka okuží jízdy byla mmálí B F E I. Mázová: Neuoové sítě (NAIL) 59
60 Použtí Hopfeldova modelu př řešeí optmalzačích úloh (8) Repezetace pomocí matce: město pořadí ávštěv M M M M 3 4 j.. Stav euou ~ odpovídá údaj k matce k jk+... Město M je avštíveo v k-tém koku a M j je avštíveo v (k+)-ím koku d j.. Vzdáleost mez M a M j d j přčíst k celkové délce cesty 3 4 Kovece: (+)-í sloupec je stejý jako kužce I. Mázová: Neuoové sítě (NAIL) 6
61 Použtí Hopfeldova modelu př řešeí optmalzačích úloh (9) Mmalzace délky cesty: povolea jedá ávštěva vždy je jedoho města přdat požadavky a přípustou cestu E > mmalzace E: γ d + jkjk+ j, k + j j, j j L d j k jk +, j, k I. Mázová: Neuoové sítě (NAIL) 6
62 Použtí Hopfeldova modelu př řešeí optmalzačích úloh () Nastaveí vah a pahů sítě: w k,jk+ - d j + t k,jk+ t k,jk+ - γ t k,jk+ ϑ j - γ / ; kde po euoy ve stejé řádce č ve stejstejém sloupc jak I. Mázová: Neuoové sítě (NAIL) 6
63 Stochastcké modely euoových sítí Hopfeldův model se používá k řešeí optmalzačích poblémů, kteé lze vyjádřt ve fomě mmalzovaé eegetcké fukce ( když eí zaučeo alezeí globálího optma) Poblém: zabát uvízutí v lokálím mmu eegetcké fukce I. Mázová: Neuoové sítě (NAIL) 63
64 Stochastcké modely euoových sítí () Modfkace Hopfeldova modelu:. statege: zvětšeí počtu možých cest k řešeí ve stavovém postou dovolt stavy ve fomě eálých hodot ( sgmodálí přeosová fukce) > spojtý model. statege: omezeí lokálích mm eegetcké fukce pomocí zašuměé dyamky sítě dočasé povoleí aktualzace stavu sítě za ceu přechodého zvýšeí eegetcké hlady > smulovaé žíháí, Boltzmaův stoj I. Mázová: Neuoové sítě (NAIL) 64
65 Spojtý model Hopfeldovy sítě Aktvace euou vybaého po aktualzac podle: s + e ( u ) u u ozačuje ectac euou Dodatečý předpoklad pomalé změy ectace euou v čase podle: du dt γ u + + wj j γ u j γ >. Adaptačí paamet w j. váha mez euoem a j j ( u ) I. Mázová: Neuoové sítě (NAIL) 65 w j s j
66 Spojtý model Hopfeldovy sítě () Př smulacích spočítat dskétí apomac du a přčíst j k aktuálí hodotě u výsledkem bude ový stav s ( u ) Asychoí dyamka vede k dosažeí ovovážého stavu Eegetcká fukce po spojtý model: E w j j j + s ( )d I. Mázová: Neuoové sítě (NAIL) 66
67 Spojtý model Hopfeldovy sítě (3) Po každé aktualzac stavu euou se hodota eegetcké fukce sžuje: de dt d w + j j j dt s ( ) d dt Potože je síť symetcká, w j w j a záoveň u s - ( ) de dt d dt j w j j u I. Mázová: Neuoové sítě (NAIL) 67
68 Spojtý model Hopfeldovy sítě (4) Přtom: du dt γ j w j j u de dt γ d dt du dt Potože s ( u ) de dt γ s ( u ) du dt I. Mázová: Neuoové sítě (NAIL) 68
69 Spojtý model Hopfeldovy sítě (5) Navíc platí s - ( )> (sgmoda je mootoě ostoucí fukce) de Potože γ > dt stablího stavu síť dosáhe, pokud de / dt vymzí Taková stuace astae, pokud du / dt dosáhe satuačí oblast sgmody, kde bude du / dt ~ QED I. Mázová: Neuoové sítě (NAIL) 69
70 Spojtý model Hopfeldovy sítě (6) Po kombatocké poblémy může spojtý model alézt lepší řešeí ež model dskétí Po velm složté poblémy (typu TSP) ovšem spojtý model obecě eachází výazě lepší řešeí I. Mázová: Neuoové sítě (NAIL) 7
71 Smulovaé žíháí B B A A C C I. Mázová: Neuoové sítě (NAIL) 7
72 Smulovaé žíháí () Př mmalzac eegetcké fukce E se teto jev smuluje ásledujícím způsobem: Hodota poměé se změí vždy, když může aktualzace Δ zmešt hodotu eegetcké fukce E Pokud by se př aktualzac aopak hodota E zvýšla o ΔE, bude ová hodota (tj. + Δ ) přjata s pavděpodobostí p ΔE : Δ E kde T je tzv. teplotí kostata p Δ E I. Mázová: Neuoové sítě (NAIL) 7 + e T
73 Smulovaé žíháí (3) Po velké hodoty T bude: p ΔE a aktualzace stavu astae zhuba v polově těchto případů Po T bude docházet pouze k takovým aktualzacím, kdy se hodota E síží Postupá změa hodot T z velm vysokých hodot směem k ule odpovídá zahřátí a postupému ochlazováí v pocesu žíháí I. Mázová: Neuoové sítě (NAIL) 73
74 Smulovaé žíháí (4) Navíc lze ukázat, že touto stategí lze dosáhout (asymptotcky) globálího mma eegetcké fukce Sgmoda ejlépe odpovídá fukcím používaým v temodyamce (po aalýzu teplotí ovováhy) I. Mázová: Neuoové sítě (NAIL) 74
75 Boltzmaův stoj Defce: Boltzmaův stojje Hopfeldova síť, kteá se skládá z euoů se stavy,,,. Stav euou se aktualzuje asychoě podle pavdla: kde p s s pstí pstí + e p p j w I. Mázová: Neuoové sítě (NAIL) 75 j j ϑ T
76 I. Mázová: Neuoové sítě (NAIL) 76 Boltzmaův stoj () Ve vztahu: ozačuje T kladou teplotí kostatu, w j váhy sítě a ϑ pahy euoů Eegetcká fukce Boltzmaova stoje: + j j j w E ϑ T w j j j e p + ϑ
77 Boltzmaův stoj (3) Rozdíl mez Boltzmaovým stojem a Hopfeldovým modelem spočívá ve stochastcké aktvac euoů Pokud je T velm malé, bude p ~, jestlže je j w j j ϑ pokud je ectace euou zápoá, bude p ~ > dyamka Boltzmaova stoje apomuje dyamku dskétí Hopfeldovy sítě a Boltzmaův stoj ajde lokálí mmum eegetcké fukce I. Mázová: Neuoové sítě (NAIL) 77
78 Boltzmaův stoj (4) Po je T > je pavděpodobost změy aebo posloupost změ ze stavu,, do jého stavu vždy eulová Boltzmaův stoj ezůstae v jedém stavu sžováí a záoveň možost zvyšováí eege systému Po velké hodoty T pojde síť téměř celý stavový posto V ochlazovací fáz má síť tedec zůstávat déle v oblastech blízkých ataktoům lokálích mm I. Mázová: Neuoové sítě (NAIL) 78
79 Boltzmaův stoj (5) Pokud se teplota sžuje spávým způsobem, můžeme očekávat, že systém dosáhe globálího mma s pavděpodobostí I. Mázová: Neuoové sítě (NAIL) 79
nazveme číselným vektorem. Čísla a Definice. Vektor, jehož všechny složky se rovnají nule, se nazývá nulový vektor o r = (0, 0, 0,, 0).
ČÍSELNÉ VEKTORY Defce Uspořádou -tc čísel = (,,, ) zveme číselým vektoem Čísl,,, jsou složky ebol souřdce vektou Přozeé číslo zýváme ozměem ebo tké dmezí vektou Defce Vekto, jehož všechy složky se ovjí
Generování dvojrozměrných rozdělení pomocí copulí
Pravděpodobost a matematcká statstka eerováí dvojrozměrých rozděleí pomocí copulí umbelova copule PRAHA 005 Vpracoval: JAN ZÁRUBA OBSAH: CÍL PRÁCE TEORIE Metoda verzí trasformace O copulích Sklarova věta
9.3.5 Korelace. Předpoklady: 9304
935 Koelace Předpoklad: 9304 Zatím jsme se zabýval vžd pouze jedím zakem, ve statstckém výzkumu jsme však u každého jedotlvce (statstcké jedotk) sledoval zaků více Učtě spolu ěkteé zak souvsí (apříklad
5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC
5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC V této kaptole se dozvíte: jak je defováa fukce přrozeá odmoca v kompleím oboru a jaké má vlastost včetě odlšostí od odmocy v reálém
a my chceme data proložit nějakou hladkou funkcí, která by vystihovala hlavní vlastnosti dat, ale ignorovala malé fluktuace a nepřesnosti.
Vyováváí dat Naše pozoováí jsou dáa tabulkou čísel, kde y y y i často bývají časové údaje, a my chceme data položit ějakou hladkou fukcí, kteá by vystihovala hlaví vlastosti dat, ale igoovala malé fluktuace
Aplikace teorie neuronových sítí
Alace teore euroových sítí Doc. RNDr. Iveta Mrázová CSc. Katedra teoretcé formaty Matematco-fyzálí faulta Uverzty Karlovy v Praze Alace teore euroových sítí Asocatvíamět a restaurace obrazu Doc. RNDr.
je číselná posloupnost. Pro všechna n položme s n = ak. Posloupnost
Číselé řady Defiice (Posloupost částečých součtů číselé řady). Nechť (a ) =1 je číselá posloupost. Pro všecha položme s = ak. Posloupost ( s ) azýváme posloupost částečých součtů řady. Defiice (Součet
Odhady parametrů základního souboru. Ing. Michal Dorda, Ph.D.
Odhady parametrů základího souboru Ig. Mchal Dorda, Ph.D. Úvodí pozámky Základí soubor můžeme popsat jeho parametry, apř. středí hodota μ, rozptyl σ atd. Př praktckých úlohách ovšem zpravdla elze vyšetřt
PRAVDĚPODOBNOST A STATISTIKA
SP Záko velkých čísel, cetrálí lmtí věta PRAVDĚPODOBNOST A STATISTIKA Lbor Žák SP Záko velkých čísel, cetrálí lmtí věta Lbor Žák Kovergece podle pravděpodobost Posloupost áhodých proměých,,,, koverguje
Kapitola 12: Zpracování dotazů. Základní kroky ve zpracování dotazů
- 12.1 - Přehled Ifomace po odhad ákladů Míy po áklady dotazu Opeace výběu Řazeí Opeace spojeí Vyhodocováí výazů Tasfomace elačích výazů Výbě pláu po vyhodoceí Kapitola 12: Zpacováí dotazů Základí koky
Neuronové sítě. Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze
Neuonové sítě Doc. RND. Iveta Mázová, CSc. Kateda teoetcké nfomatky Matematcko-fyzkální fakulta Unvezty Kalovy v Paze Neuonové sítě Kohonenovy mapy a hybdní modely Doc. RND. Iveta Mázová, CSc. Kateda teoetcké
ANALÝZA A KLASIFIKACE DAT
ANALÝZA A KLASIFIKACE DA prof. Ig. Jří Holčík, CSc. INVESICE Isttut DO bostatstky ROZVOJE VZDĚLÁVÁNÍ a aalýz IV. LINEÁRNÍ KLASIFIKACE pokračováí Isttut bostatstky a aalýz (SUPPOR VECOR MACHINE SVM) SEPARABILNÍ
IV. MKP vynucené kmitání
Jří Máca - katedra mechaky - B35 - tel. 435 4500 maca@fsv.cvut.cz IV. MKP vyuceé kmtáí. Rovce vyuceého kmtáí. Modálí aalýza rozklad do vlastích tvarů 3. Přímá tegrace pohybových rovc 3. Metoda cetrálích
U. Jestliže lineární zobrazení Df x n n
MATEMATICKÁ ANALÝZA III předášky M. Krupky Zmí semestr 999/ 3. Iverzí a mplctí zobrazeí V této kaptole uvádíme dvě důležté věty, které acházeí aplkace v moha oblastech matematky: Větu o verzím a větu o
8. Zákony velkých čísel
8 Zákoy velkých čísel V této část budeme studovat velm často užívaá tvrzeí o součtech posloupost áhodých velč Nedříve budeme vyšetřovat tvrzeí azývaá souhrě ako slabé zákoy velkých čísel Veškeré úvahy
Spolehlivost a diagnostika
Spolehlvost a dagostka Složté systémy a jejch spolehlvost: Co je spolehlvost? Vlv spolehlvost kompoetů systému Návrh systému z hledska spolehlvost Aplkace - žvotě důležté systémy - vojeské aplkace Teore
11. Časové řady. 11.1. Pojem a klasifikace časových řad
. Časové řad.. Pojem a klasfkace časových řad Specfckým statstckým dat jsou časové řad pomocí chž můžeme zkoumat damku jevů v čase. Časovou řadou (damcká řada, vývojová řada) rozumíme v čase uspořádaé
3. Lineární diferenciální rovnice úvod do teorie
3 338 8: Josef Hekrdla lieárí difereciálí rovice úvod do teorie 3 Lieárí difereciálí rovice úvod do teorie Defiice 3 (lieárí difereciálí rovice) Lieárí difereciálí rovice -tého řádu je rovice, která se
P. Girg. 23. listopadu 2012
Řešeé úlohy z MS - díl prví P. Girg 2. listopadu 202 Výpočet ity poslouposti reálých čísel Věta. O algebře it kovergetích posloupostí.) Necht {a } a {b } jsou kovergetí poslouposti reálých čísel a echt
Odhady parametrů základního. Ing. Michal Dorda, Ph.D.
Odhady parametrů základího souboru Úvodí pozámky Základí soubor můžeme popsat jeho parametry, apř. středí hodota μ, rozptyl atd. Př praktckých úlohách ovšem zpravdla elze vyšetřt celou populac, provádíme
PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor
SP Náhodý vektor PRAVDĚPODOBNOS A SAISIKA Náhodý vektor SP Náhodý vektor Náhodý vektor Náhodý vektor slouží k popsu výsledku pokusu kdy měříme více údaů o procesu. Před provedeím pokusu eho výsledek a
MATICOVÉ HRY MATICOVÝCH HER
MATICOVÉ HRY FORMULACE, KONCEPCE ŘEŠENÍ, SMÍŠENÉ ROZŠÍŘENÍ MATICOVÝCH HER, ZÁKLADNÍ VĚTA MATICOVÝCH HER CO JE TO TEORIE HER A ČÍM SE ZABÝVÁ? Teorie her je ekoomická vědí disciplía, která se zabývá studiem
Výstup a n. Vstup. obrázek 1: Blokové schéma a graf paralelní soustavy
Paralelí soustava Vstup a a Výstup a Vstup a Výstup a a obrázek : Blokové schéma a graf paralelí soustavy paralelí soustava je v bezporuchovém stavu je-l v bezporuchovém stavu prvek (tzv. adbytečé spojeí
2. Vícekriteriální a cílové programování
2. Vícerterálí a cílové programováí Úlohy vícerterálího programováí jsou úlohy, ve terých se a možě přípustých řešeí optmalzuje ěol salárích rterálích fucí. Moža přípustých řešeí je přtom defováa podobě
Metody zkoumání závislosti numerických proměnných
Metody zkoumáí závslost umerckých proměých závslost pevá (fukčí) změě jedoho zaku jedozačě odpovídá změa druhého zaku (podle ějakého fukčího vztahu) (matematka, fyzka... statstcká (volá) změám jedé velčy
Úvod do korelační a regresní analýzy
Úvod do korelačí a regresí aalýz Bude ás zajímat, jak těsě spolu souvsí dva sledovaé jev Příklad: vztah mez rchlostí auta a brzdou dráhou vztah mez věkem žáka a rchlostí v běhu a 60 m vztah mez spotřebou
PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor
SP Náhodý vektor PRAVDĚPODOBNOS A SAISIKA Náhodý vektor Lbor Žák SP Náhodý vektor Lbor Žák Náhodý vektor Náhodý vektor slouží k popsu výsledku pokusu kdy měříme více údaů o procesu. Před provedeím pokusu
6. Posloupnosti a jejich limity, řady
Moderí techologie ve studiu aplikovaé fyziky CZ..07/..00/07.008 6. Poslouposti a jejich limity, řady Posloupost je speciálí, důležitý příklad fukce. Při praktickém měřeí hodot určité fyzikálí veličiy dostáváme
4.2 Elementární statistické zpracování. 4.2.1 Rozdělení četností
4.2 Elemetárí statstcké zpracováí Výsledkem statstckého zjšťováí (. etapa statstcké čost) jsou euspořádaá, epřehledá data. Proto 2. etapa statstcké čost zpracováí, začíá většou jejch utříděím, zpřehleděím.
Statistika. Jednotlivé prvky této množiny se nazývají prvky statistického souboru (statistické jednotky).
Statstka. Základí pojmy Statstcký soubo - daá koečá, epázdá moža M předmětů pozoováí, majících jsté společé vlastost (událost, věc,.) Jedotlvé pvky této možy se azývají pvky statstckého soubou (statstcké
Klasická pravděpodobnost
NMUMP403 (Pavděpodobost a matematická statistika I Klasická pavděpodobost 1. Házíme čtyřmi šestistěými hacími kostkami. Učete, jaká je pavděpodobost, že (a padou čtyři ůzá čísla, (b padou pouze lichá čísla,
základním prvkem teorie křivek v počítačové grafice křivky polynomiální n
Petra Suryková Modelováí křivek základím prvkem teorie křivek v počítačové grafice křivky polyomiálí Q( t) a a t... a t polyomiálí křivky můžeme sado vyčíslit sado diferecovatelé lze z ich skládat křivky
1. Základy měření neelektrických veličin
. Základ měřeí eelektrckých velč.. Měřcí řetězec Měřcí řetězec (měřcí soustava) je soubor měřcích čleů (jedotek) účelě uspořádaých tak, ab blo ožě splt požadovaý úkol měřeí, tj. získat formac o velkost
1.3. ORTOGONÁLNÍ A ORTONORMÁLNÍ BÁZE
ORTOGONÁLNÍ A ORTONORMÁLNÍ BÁZE V této kaptole se dozvíte: jak je oecě defováa kolmost (ortogoalta) vektorů; co rozumíme ortogoálí a ortoormálí ází; co jsou to tzv relace ortoormalty a Croeckerovo delta;
rovinná soustava sil (paprsky všech sil soustavy leží v jedné rovině) rovinný svazek sil rovinná soustava rovnoběžných sil
3.3 Obecé soustav sl soustava sl seskupeí sl působících a těleso vláští případ: svaek sl (papsk všech sl soustav se potíaí v edo bodě) soustava ovoběžých sl (papsk všech sl soustav sou aváe ovoběžé) ová
Interpolační křivky. Interpolace pomocí spline křivky. f 1. f 2. f n. x... x 2
Iterpolace pomocí sple křvky dáo: bodů v rově úkol: alézt takovou křvku, která daým body prochází y f f 2 f 0 f x0 x... x 2 x x Iterpolace pomocí sple křvky evýhodou polyomálí terpolace změa ěkterého z
SEMESTRÁLNÍ PRÁCE Z PŘEDMĚTU
SEMESTRÁLNÍ PRÁCE Z PŘEDMĚTU Matematické modelováí (KMA/MM Téma: Model pohybu mraveců Zdeěk Hazal (A8N18P, zhazal@sezam.cz 8/9 Obor: FAV-AVIN-FIS 1. ÚVOD Model byl převzat z kihy Spojité modely v biologii
Dobývání znalostí. Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze
Dobývání znalostí Doc. RND. Iveta Mázová, CSc. Kateda teoetcké nfomatky Matematcko-fyzkální fakulta Unvezty Kalovy v Paze Dobývání znalostí Umělé neuonové sítě Doc. RND. Iveta Mázová, CSc. Kateda teoetcké
Optimalizace portfolia
Optmalzace portfola ÚVOD Problémy vestováí prostředctvím ákupu ceých papírů sou klasckým tématem matematcké ekoome. Celkový výos z portfola má v době rozhodováí o vestcích povahu áhodé velčy, eíž rozložeí
Téma 2 Přímková a rovinná soustava sil
Stavebí statka,.ročík bakalářského studa Téma 2 Přímková a rová soustava sl Přímková soustava sl ový svazek sl Statcký momet síly k bodu a dvojce sl v rově Obecá rová soustava sl ová soustava rovoběžých
Petr Šedivý Šedivá matematika
LIMITA POSLOUPNOSTI Úvod: Kapitola, kde poprvé arazíme a ekoečo. Argumety posloupostí rostou ade všechy meze a zkoumáme, jak vypadají hodoty poslouposti. V kapitole se sezámíte se základími typy it a početími
Beta faktor a ekvitní prémie z cizího trhu: přenositelnost a statistická spolehlivost
Beta fakto a ekvtí péme z czího thu: přeostelost a statstcká spolehlvost Veze 15. 4. 014 chal Dvořák Abstakt Cílem textu je lustovat že český buzoví th eobsahuje dostatečý počet ttulů ke koektímu staoveí
Cvičení 2: Rozhodovací stromy, RBF sítě, vlastní algoritmy v RapidMineru
České vysoké učeí techcké v Praze Fakulta formačích techologí Katedra teoretcké formatky Evropský socálí fod Praha & EU: Ivestujeme do vaší budoucost MI-ADM Algortmy data mgu 2010/2011 Cvčeí 2: Rozhodovací
Náhodné jevy, jevové pole, pravděpodobnost
S Náhodé jevy pravděpodobost Náhodé jevy jevové pole pravděpodobost Lbor Žák S Náhodé jevy pravděpodobost Lbor Žák Základí pojmy Expermet česky též vědecký pokus je soubor jedáí a pozorováí jehož účelem
Lineární a adaptivní zpracovní dat. 5. Lineární filtrace: FIR, IIR
Leárí a adaptví zpracoví dat 5. Leárí fltrace: FIR, IIR Dael Schwarz Ivestce do rozvoje vzděláváí Opakováí 2 Co je to fltrace? Co je to fltr? A jak ho popsujeme? Jaký je vztah Z trasformace a Fourerovy
Přehled vztahů k problematice jednoduchého úročení a úrokové sazby
Přehled vztahů k poblematice jedoduchého úočeí a úokové sazby Pozámka: Veškeé úokové sazby /předlhůtí i polhůtí/, diskotí sazby, míy iflace a sazby daě z příjmů je do uvedeých vzoců uto dosazovat v jejich
Téma 11 Prostorová soustava sil
Stavebí statka,.ročík bakalářského studa Téma Prostorová soustava sl Prostorový svazek sl Statcký momet síly a dvojce sl v prostoru Obecá prostorová soustava sl Prostorová soustava rovoběžých sl Katedra
Univerzita Karlova v Praze Pedagogická fakulta
Uverzta Karlova v Praze Pedagogcká fakulta SEMINÁRNÍ PRÁCE Z OBECNÉ ALGEBRY DĚLITELNOST CELÝCH ČÍSEL V SOUSTAVÁCH O RŮZNÝCH ZÁKLADECH / Cfrk C. Zadáí: Najděte pět krtérí pro děltelost v jých soustavách
Výukový modul III.2 Inovace a zkvalitnění výuky prostřednictvím ICT
Základy práce s tabulkou Výukový modul III. Iovace a zkvaltěí výuky prostředctvím IC éma III..3 echcká měřeí v MS Excel Pracoví lst 5 Měřeí teploty. Ig. Jří Chobot VY_3_INOVACE_33_5 Aotace Iovace a zkvaltěí
PRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBNOT A TATITIKA Přpomeutí pojmů,, P m θ, R θ R - pravděpodobostí prostor - parametrcký prostor - parametrcká fukce,, T - áhodý vektor defovaý a pravděpodobostím prostoru,, P θ s hustotou f x,
PRAVDĚPODOBNOST A STATISTIKA
Matematka IV PRAVDĚPODOBNOT A TATITIKA Lbor Žák Matematka IV Lbor Žák Regresí aalýza Regresí aalýza zkoumá závslost mez ezávslým proměým X ( X,, X k a závsle proměou Y. Tato závslost se vjadřuje ve tvaru
je konvergentní, právě když existuje číslo a R tak, že pro všechna přirozená <. Číslu a říkáme limita posloupnosti ( ) n n 1 n n n
8.3. Limity ěkterých posloupostí Předpoklady: 83 Opakováí z miulé hodiy: 8 Hodoty poslouposti + se pro blížící se k ekoeču blíží k a to tak že mezi = posloupostí a číslem eexistuje žádá mezera říkáme že
Tento odhad má rozptyl ( ) σ 2 /, kde σ 2 je rozptyl souboru, ze kterého výběr pochází. Má-li každý prvek i. σ 2 ( i. ( i
: ometové míry polohy zahrují růzé druhy průměrů pomocí kterých můžeme charakterzovat cetrálí tedec dat ometové míry polohy jsou jedoduché číselé charakterstky které se vyčíslují ze všech prvků výběru
( + ) ( ) ( ) ( ) ( ) Derivace elementárních funkcí II. Předpoklady: Př. 1: Urči derivaci funkce y = x ; n N.
.. Derivace elemetárích fukcí II Předpoklady: Př. : Urči derivaci fukce y ; N. Budeme postupovat stejě jako předtím dosazeím do vzorce: f ( + ) f ( ) f f ( + ) + + + +... + (biomická věta) + + +... + f
Kapitola 5 - Matice (nad tělesem)
Kapitola 5 - Matice (ad tělesem) 5.. Defiice matice 5... DEFINICE Nechť T je těleso, m, N. Maticí typu m, ad tělesem T rozumíme zobrazeí možiy {, 2,, m} {, 2,, } do T. 5..2. OZNAČENÍ Možiu všech matic
Matematická analýza I
1 Matematická aalýza ity posloupostí, součty ekoečých řad, ity fukce, derivace Matematická aalýza I látka z I. semestru iformatiky MFF UK Zpracovali: Odřej Keddie Profat, Ja Zaatar Štětia a další 2 Matematická
3. Hodnocení přesnosti měření a vytyčování. Odchylky a tolerance ve výstavbě.
3. Hodoceí přesost měřeí a vytyčováí. Odchylky a tolerace ve výstavbě. 3.1 Úvod o měřeí obecě 3.2 Chyby měřeí a jejch děleí 3.2.1 Omyly a hrubé chyby 3.2.2 Systematcké chyby 3.2.3 Náhodé chyby 3.3 Výpočet
12. N á h o d n ý v ý b ě r
12. N á h o d ý v ý b ě r Při sledováí a studiu vlastostí áhodých výsledků pozáme charakter rozděleí z toho, že opakovaý áhodý pokus ám dává za stejých podmíek růzé výsledky. Ty odpovídají hodotám jedotlivých
12. Neparametrické hypotézy
. Neparametrcké hypotézy V této část se budeme zabývat specálí částí teore statstckých hypotéz tzv. eparametrckým hypotézam ebo jak řečeo eparametrckým statstckým testy. Neparametrcké se azývají proto,
Odhady parametrů 1. Odhady parametrů
Odhady parametrů 1 Odhady parametrů Na statistický soubor (x 1,..., x, který dostaeme statistickým šetřeím, se můžeme dívat jako a výběrový soubor získaý realizací áhodého výběru z áhodé veličiy X. Obdobě:
LABORATORNÍ CVIČENÍ Z FYZIKY. Měření objemu tuhých těles přímou metodou
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE KATEDRA FYZIKY LABORATORNÍ CVIČENÍ Z FYZIKY Jméo: Petr Česák Datum měřeí:.3.000 Studjí rok: 999-000, Ročík: Datum odevzdáí: 6.3.000 Studjí skupa: 5 Laboratorí skupa:
[ jednotky ] Chyby měření
Chyby měřeí Provedeme-l určté měřeí za stejých podmíek vícekrát, jedotlvá měřeí se mohou odlšovat (z důvodu koečé rozlšovací schopost měř. přístrojů, áhodých vlvů apod.). Chyba měřeí: e = x x x...přesá
USTÁLENÉ PROUDĚNÍ V OTEVŘENÝCH KORYTECH
USTÁLENÉ POUDĚNÍ V OTEVŘENÝCH KOYTECH ovoměré prouděí Charakterstka:. Hloubka vod v kortě, průtočá plocha a průřezová rchlost jsou v každém příčém řezu kostatí.. Čára eerge, vodí hlada a do korta jsou
Kapitola 5.: Analýza rozptylu jednoduchého třídění
Kaptola 5.: alýza ozptylu jedoduchého tříděí Cíl kaptoly Po postudováí této kaptoly budete umět - hodott vlv aktou o 3 úovích a vaabltu hodot sledovaé áhodé velčy - sestojt tabulku aalýzy ozptylu - detkovat
a další charakteristikou je četnost výběrového souboru n.
Předáška č. 8 Testováí rozptylu, testy relatví četost, testy dobré shody, test ezávslost kvaltatvích zaků Testy rozptylu Testy se používají k ověřeí hypotézy o určté velkost rozptylu a k ověřeí vztahu
(3n + 1) 3n Příklady pro samostatnou práci
... 4. 5. 6. 0 0 0 a q koverguje pro q < geometrická řada diverguje harmoická řada koverguje srovejte s teleskopickou řadou + + utá podmíka kovergece + 4 + + 7 ití srovávací kritérium, srováí s ití podílové
Matematika 1. Katedra matematiky, Fakulta stavební ČVUT v Praze. středa 10-11:40 posluchárna D / 13. Posloupnosti
Úvod Opakováí Poslouposti Příklady Matematika 1 Katedra matematiky, Fakulta stavebí ČVUT v Praze středa 10-11:40 posluchára D-1122 2012 / 13 Úvod Opakováí Poslouposti Příklady Úvod Opakováí Poslouposti
je konvergentní, právě když existuje číslo a R tak, že pro všechna přirozená <. Číslu a říkáme limita posloupnosti ( ) n n 1 n n n
8.3. Limity ěkterých posloupostí Předpoklady: 83 Pedagogická pozámka: Tuto a tři ásledující hodiy je možé probrat za dvě vyučovací hodiy. V této hodiě je možé vyechat dokazováí limit v příkladu 3. Opakováí
n=0 a n, n=0 a n = ±. n=0 n=0 a n diverguje k ±, a píšeme n=0 n=0 b n = t. Pak je konvergentní i řada n=0 (a n + b n ) = s + t. n=0 k a n a platí n=0
Nekoečé řady, geometrická řada, součet ekoečé řady Defiice Výraz a 0 a a a, kde {a i } i0 je libovolá posloupost reálých čísel, azveme ekoečou řadou Číslo se azývá -tý částečý součet Defiice Nekoečá řada
Sekvenční logické obvody(lso)
Sekvečí logické obvody(lso) 1. Logické sekvečí obvody, tzv. paměťové čley, jsou obvody u kterých výstupí stavy ezávisí je a okamžitých hodotách vstupích sigálů, ale jsou závislé i a předcházejících hodotách
jako konstanta nula. Obsahem centrálních limitních vět je tvrzení, že distribuční funkce i=1 X i konvergují za určitých
9 Limití věty. V aplikacích teorie pravděpodobosti (matematická statistika, metody Mote Carlo se užívají tvrzeí vět o kovergeci posloupostí áhodých veliči. Podle povahy kovergece se limití věty teorie
7 LIMITNÍ VĚTY. Čas ke studiu kapitoly: 70 minut. Cíl:
7 LIMITNÍ VĚTY Čas ke studu kaptoly: 70 mut Cíl: o prostudováí tohoto odstavce budete umět formulovat a používat lmtí věty aproxmovat já rozděleí rozděleím ormálím - 96 - Výklad: V této kaptole adefujeme
Obsah. 1 Mocninné řady Definice a vlastnosti mocninných řad Rozvoj funkce do mocninné řady Aplikace mocninných řad...
Obsah 1 Mocié řady 1 1.1 Defiice a vlastosti mociých řad.................... 1 1. Rozvoj fukce do mocié řady...................... 5 1.3 Aplikace mociých řad........................... 10 1 Kapitola 1
procesy II Zuzana 1 Katedra pravděpodobnosti a matematické statistiky Univerzita Karlova v Praze
limití Náhodé limití Katedra pravděpodobosti a matematické statistiky Uiverzita Karlova v Praze email: praskova@karli.mff.cui.cz 9.4.-22.4. 200 limití Outlie limití limití efiice: Řekeme, že stacioárí
ZS 2018/19 Po 10:40 T5
Cvičeí - Matematická aalýza ZS 08/9 Po 0:40 T5 Cvičeí 008 Řešte erovice v R: 8, log 3 ( 3+3 0 Částečý součet geometrické řady: pro každé q C, q, a N platí 3 Důsledek: +q +q + +q = q+ q si+si+ +si = si
MATEMATICKÁ INDUKCE. 1. Princip matematické indukce
MATEMATICKÁ INDUKCE ALEŠ NEKVINDA. Pricip matematické idukce Nechť V ) je ějaká vlastost přirozeých čísel, apř. + je dělitelé dvěma či < atd. Máme dokázat tvrzeí typu Pro každé N platí V ). Jeda možost
M - Posloupnosti VARIACE
M - Poslouposti Autor: Mgr Jromír Juřek - http://wwwjrjurekcz Kopírováí jkékoliv dlší využití výukového mteriálu je povoleo pouze s uvedeím odkzu wwwjrjurekcz VARIACE Teto dokumet byl kompletě vytvoře,
1. ZÁKLADY VEKTOROVÉ ALGEBRY 1.1. VEKTOROVÝ PROSTOR A JEHO BÁZE
1. ZÁKLADY VEKTOROVÉ ALGEBRY 1.1. VEKTOROVÝ PROSTOR A JEHO BÁZE V této kapitole se dozvíte: jak je axiomaticky defiová vektor a vektorový prostor včetě defiice sčítáí vektorů a ásobeí vektorů skalárem;
Náhodný výběr 1. Náhodný výběr
Náhodý výběr 1 Náhodý výběr Matematická statistika poskytuje metody pro popis veliči áhodého charakteru pomocí jejich pozorovaých hodot, přesěji řečeo jde o určeí důležitých vlastostí rozděleí pravděpodobosti
Finanční management. Co je inflace? Reálný a nominální diskont. Zahrnutí inflace do výpočtu NPV
Fačí maageme Zahuí flace do výpoču NPV Co je flace? defce měřeí pomocí CPI, PPI, defláou eálá a omálí velča měřeí v peěžích jedokách ebo v kupí síle běžé a sálé cey Reálý a omálí dsko zaedbáme-l daě (Fshe):
1 POPISNÁ STATISTIKA V PROGRAMU MS EXCEL
Elea Mielcová, Radmila Stoklasová a Jaroslav Ramík; Statistické programy POPISNÁ STATISTIKA V PROGRAMU MS EXCEL RYCHLÝ NÁHLED KAPITOLY Žádý výzkum se v deší době evyhe statistickému zpracováí dat. Je jedo,
NMAF063 Matematika pro fyziky III Zkoušková písemná práce 25. ledna x 1 n
Jméo: Příklad 3 Celkem bodů Bodů 8 0 30 Získáo [8 Uvažujte posloupost distribucí f } D R defiovaou jako f [δ kde δ a začí Diracovu distribuci v bodě a Najděte itu δ 0 + δ + této poslouposti aeb spočtěte
c) Pomocí Liouvillovy věty dokažte, že Liouvillovo číslo je transcendentí. xp 1 (p 1)! (x 1)p (x 2) p... (x d) p e x t f(t) d t = F (0)e x F (x),
a) Vyslovte a dokažte Liouvillovu větu o šaté aroximovatelosti algebraického čísla řádu d b) Defiujte Liouvillovo číslo c) Pomocí Liouvillovy věty dokažte, že Liouvillovo číslo je trascedetí 2 a) Defiujte
1.1 Definice a základní pojmy
Kaptola. Teore děltelost C. F. Gauss: Matematka je královou všech věd a teore čísel je králova matematky. Základím číselým oborem se kterým budeme v této kaptole pracovat jsou celá čísla a pouze v ěkterých
Aplikace teorie neuronových sítí
Aplikace teorie euroových sítí Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické iforatiky Mateaticko-fyzikálí fakulta Uiverzity Karlovy v Praze Zpracováí časových vzorů (teporal processig) Stadardí algoritus
PRAVDĚPODOBNOST A STATISTIKA. Neparametrické testy hypotéz čast 2
SP3 Neparametrcké testy hypotéz PRAVDĚPODOBNOST A STATISTIKA Neparametrcké testy hypotéz čast Lbor Žák SP3 Neparametrcké testy hypotéz Lbor Žák Neparametrcké testy hypotéz - úvod Neparametrcké testy statstckých
Poznámky k tématu Korelace a jednoduchá lineární regrese (Téma není ve skriptech)
Pozámk k tématu Koelace a jedoduchá leáí egee (Téma eí ve kptech) Mějme data, ),...,(, ), kteá jou áhodým výběem z ějaké populace. Data ted pokládáme za ezávlé ealzace dvojce áhodých velč ( X, Y ). Půmě
Strojové učení. Things learn when they change their behavior in a way that makes them perform better in a future. (Witten, Frank, 1999) typy učení:
Strojové učeí The feld of mache learg s cocered wth the questo of how to costruct computer programs that automatcally mprove wth eperece. (Mtchell, 1997) Thgs lear whe they chage ther behavor a way that
Tento materiál vznikl díky Operačnímu programu Praha Adaptabilita CZ.2.17/3.1.00/33254
Evropský socálí fod Prh & EU: Ivestuee do vší udoucost eto terál vkl díky Operčíu progru Prh dptlt CZ..7/3..00/3354 Mžerské kvtttví etody II - předášk č. - eore her eore her 96 vo Neu, Morgester kldtelé
Užitečné zdroje příkladů jsou: Materiály ke cvičením z Kalkulu 3 od Kristýny Kuncové:
Užitečé zdroje příkladů jsou: Materiály ke cvičeím z Kalkulu 3 od Kristýy Kucové: http://www.karli.mff.cui.cz/~kucova/historie8. php K posloupostem řad a fukcí Ilja Čerý: Iteligetí kalkulus. Olie zde:
b c a P(A B) = c = 4% = 0,04 d
Příklad 6: Z Prahy do Athé je 50 km V Praze byl osaze válec auta ovou svíčkou, jejíž životost má ormálí rozděleí s průměrem 0000 km a směrodatou odchylkou 3000 km Jaká je pravděpodobost, že automobil překoá
1.2. NORMA A SKALÁRNÍ SOUČIN
2 NORMA A SKALÁRNÍ SOUČIN V této kapitole se dozvíte: axiomatickou defiici ormy vektoru; co je to ormováí vektoru a jak vypadá Euklidovská orma; axiomatickou defiici skalárího (také vitřího) součiu vektorů;
Přednáška 7, 14. listopadu 2014
Předáška 7, 4. listopadu 204 Uvedeme bez důkazu klasické zobecěí Leibizova kritéria (v ěmž b = ( ) + ). Tvrzeí (Dirichletovo a Abelovo kritérium). Nechť (a ), (b ) R, přičemž a a 2 a 3 0. Pak platí, že.
a q provedeme toto nahrazení a dostane soustavu dvou rovnic o dvou neznámých: jsou nenulová čísla (jinak by na pravé straně rovnice byla 0)
..9 Úlohy geometickou poloupotí Předpokldy: 0, 0 Pedgogická pozámk: Při řešeí příkldů potupujeme tk, by Ti ejpomlejší počítli lepoň příkldy,,,. Souh vzoců pvidel po geometickou poloupot: + - pozávcí zmeí
EKONOMETRIE 9. přednáška Zobecněný lineární regresní model
EKONOMETRIE 9. předáška Zobecěý lieárí regresí model Porušeí základích podmíek klasického modelu Metoda zobecěých emeších čtverců Jestliže sou porušey ěkteré podmíky klasického modelu. E(u),. E (uu`) σ
8.2.1 Aritmetická posloupnost I
8.2. Aritmetická posloupost I Předpoklady: 80, 802, 803, 807 Pedagogická pozámka: V hodiě rozdělím třídu a dvě skupiy a každá z ich dělá jede z prvích dvou příkladů. Čley posloupostí pak při kotrole vypíšu
Aplikovaná informatika. Podklady předmětu Aplikovaná informatika pro akademický rok 2006/2007 Radim Farana. Obsah. Algoritmus
Podklady předmětu pro akademický rok 006007 Radim Faraa Obsah Tvorba algoritmů, vlastosti algoritmu. Popis algoritmů, vývojové diagramy, strukturogramy. Hodoceí složitosti algoritmů, vypočitatelost, časová
10.3 GEOMERTICKÝ PRŮMĚR
Středí hodoty, geometrický průměr Aleš Drobík straa 1 10.3 GEOMERTICKÝ PRŮMĚR V matematice se geometrický průměr prostý staoví obdobě jako aritmetický průměr prostý, pouze operace jsou o řád vyšší: místo
n=1 ( Re an ) 2 + ( Im a n ) 2 = 0 Im a n = Im a a n definujeme předpisem: n=1 N a n = a 1 + a 2 +... + a N. n=1
[M2-P9] KAPITOLA 5: Číselé řady Ozačeí: R, + } = R ( = R) C } = C rozšířeá komplexí rovia ( evlastí hodota, číslo, bod) Vsuvka: defiujeme pro a C: a ± =, a = (je pro a 0), edefiujeme: 0,, ± a Poslouposti
Funkce. RNDr. Yvetta Bartáková. Gymnázium, SOŠ a VOŠ Ledeč nad Sázavou
Fukce RNDr. Yvetta Bartáková Gymázium, SOŠ a VOŠ Ledeč ad Sázavou Limita poslouposti a fukce VY INOVACE_0 9_M Gymázium, SOŠ a VOŠ Ledeč ad Sázavou A) Limita poslouposti Říkáme, že posloupost a je kovergetí,