Počítačová grafika III Multiple Importance Sampling. Jaroslav Křivánek, MFF UK
|
|
- Daniel Havel
- před 5 lety
- Počet zobrazení:
Transkript
1 Počítačová grafika III Multiple Importance Sampling Jaroslav Křivánek, MFF UK
2 MIS samples EM IS 600 samples BRDF IS 600 samples Sampling strategies Diffuse only Ward BRDF, a=0.2 Ward BRDF, a=0.05 Ward BRDF, a=0.01
3 Zpět k obecnému MC integrování Multiple Importance Sampling
4 Multiple Importance Sampling Veach & Guibas, 95 f p 1 p 2 0 1
5 Multiple importance sampling Máme dáno n vzorkovacích technik hustot pravděpodobnosti p 1,.., p n Z každé techniky hustoty vybereme n i vzorků X i,1,.., X i,n i Kombinovaný estimátor kombinační váhy mohou být různé pro každý vzorek vzorkovací techniky vzorky z jednotlivých technik
6 Nestrannost kombinovaného odhadu E F f d f i n i1 Podmínka pro váhové funkce : n i1 i 1
7 Volba váhových funkcí Cíl: minimalizovat rozptyl kombinovaného estimátoru 1. Aritmetický průměr velmi špatná kombinace 1 i n 2. Vyrovnaná heuristika velmi dobrá kombinace.
8 Vyrovnaná heuristika Balance heurist. Kombinační váhy Výsledný estimátor po dosazení vah příspěvek vzorku nezávisí na tom, ze které byl pořízen techniky tj. pdf
9 Vyrovnaná heuristika Balance heurist. Vyrovnaná heuristika je téměř optimální Žádný kombinovaný estimátor nemůže mít rozptyl o mnoho menší než vyrovnaná heuristika Další možné kombinační heuristiky Maimální heuristika Mocninná heuristika viz. Veach 1997
10 Jeden člen kombinovaného odhadu f p 1 p 2 0 1
11 Aritmetický průměr f p 1 f p f p 1 0 1
12 Vyrovnaná heuristika p f p
13 Výpočet přímého osvětlení pomocí MIS
14 Images: Aleander Wilkie Problém: Najdeme náhodným vzorkováním BRDF světlo? reference simple path tracer 150 cest na piel
15 Přímé osvětlení Řešíme problém: přímé osvětlení z daného zdroje světla tj. odražená radiance z bodu způsobená osvětlením ze zdroje světla
16 Přímé osvětlení: Dva možné přístupy 1. Vzorkování BRDF 2. Vzorkování plochy světel
17 Image: Aleander Wilkie Dvě vzorkovací techniky
18 Přímé osvětlení: Vzorkování BRDF Formulace integrálu integrování přes hemisféru nad MC estimátor Generujeme náhodný směr i,k podle hustoty p Vrhneme paprsek z ve směru i,k Pokud protne nějaký zdroj světla, přičteme L e. f r. cos/pdf i i o i i i e o r d cos,,, r, H f r L L N k,k,k,k r,k,k p f L N L 1 i i o i i i e o r cos,,, r 1, ˆ
19 Přímé osvětlení: Vzorkování povrchu zdrojů světla Formulace integrálu integrování přes plochu zdroje MC estimátor Generujeme náhodnou pozici y k na zdroji Testujeme viditelnost mezi a y Pokud V,y=1, přičteme A L e y f r. cos/pdf A r A G V f L L y y y y y d, o e o r N k k k k r k G V f L N A L 1 o e o r, ˆ y y y y
20 Přímé osvětlení: Dva možné přístupy Vzorkování BRDF Výhodnější pro velké zdroje světla Pro malé zdroje světla je pravděpodobnost zásahu zdroje velmi malá -> vysoký rozptyl, šum Vzorkování světel Výhodnější pro malé zdroje Jediná možná alternativa pro bodové zdroje Pro velké zdroje mnoho vzorků mimo lalok BRDF -> vysoký rozptyl, šum
21 Images: Eric Veach Přímé osvětlení: Dva možné přístupy Vzorkování BRDF Vzorkování světel
22 Přímé osvětlení: Dva možné přístupy Kterou techniku zvolit? OBĚ Problém Obě techniky odhadují stejnou veličinu L r, o Pouhým sečtením bychom dostali odhad 2 L r, o - špatně Potřebuji vážený průměr příspěvků obou technik Jak zvolit váhy?
23 Image: Eric Veach Jak zvolit váhy? Multiple importance sampling Veach & Guibas, 95 Váhy závislé na pdf vzorků Minimalizuje rozptyl kombinovaného estimátoru Téměř optimální řešení
24 Image: Aleander Wilkie Výpočet přímého osvětlení pomocí MIS Vzorkovací technika pdf p 1 : Vzorkování BRDF Vzorkovací technika pdf p 2 : Vzorkování plochy světla
25 Image: Aleander Wilkie Kombinace Aritmetický průměr Zachovává špatné vlastnosti obou technik Vyrovnaná heuristika Bingo!!!
26 Image: Aleander Wilkie Dvě vzorkovací techniky 1 * A1 2 * A2
27 Výpočet vah Váha vzorku z BRDF vzorkování 1 j p 1 p 1 j p j 2 j Hustota pravděpodobnosti vzorkování z BRDF Hustota, s jakou by byl směr j vygenerován, kdybychom byli použili vzorkování plochy zdroje
28 Hustoty pravděpodobnosti Vzorkování BRDF: p 1 Závisí na BRDF, např. pro Lambertovskou BRDF p 1 cos Vzorkování plochy zdroje: p 2 p 2 1 A y cos y 2 Převedení hustoty 1/ A z plošné míry da do míry prostorového úhlu d
29 Image: Aleander Wilkie Příspěvky vzorkovacích technik 1 * vzorkování BRDF 2 * vzorkování zdroje
Počítačová grafika III Multiple Importance Sampling. Jaroslav Křivánek, MFF UK
Počítačová grafika III Multiple Importance Sampling Jaroslav Křivánek, MFF UK Jaroslav.Krivanek@mff.cuni.cz MIS 300 + 300 samples EM IS 600 samples BRDF IS 600 samples Sampling strategies Diffuse only
VícePočítačová grafika III Monte Carlo rendering 2. Jaroslav Křivánek, MFF UK
Počítačová grafika III Monte Carlo rendering 2 Jaroslav Křivánek, MFF UK Jaroslav.Krivanek@mff.cuni.cz Path Tracing Implicitní osvětlení getli(x, w) { Color thrput = (1,1,1) Color accum = (0,0,0) while(1)
VícePočítačová grafika III Path tracing II. Jaroslav Křivánek, MFF UK
Počítačová grafika III Path tracing II Jaroslav Křivánek, MFF UK Jaroslav.Krivanek@mff.cuni.cz Opakování Path Tracing Implicitní osvětlení getli(x, w) { Color thrput = (1,1,1) Color accum = (0,0,0) while(1)
VícePočítačová grafika III Důležitost, BPT. Jaroslav Křivánek, MFF UK
Počítačová grafika III Důležitost, BPT Jaroslav Křivánek, MFF UK Jaroslav.Krivanek@mff.cuni.cz Davis Cup Premier international team competition in men s tennis World group: 16 teams Total: 137 (in 2007)
VíceMonte Carlo rendering
Monte Carlo rendering Jan Havlíček 27. listopadu 2011 1 Základní algoritmus path traceru g e t L i ( x, w) { Color thrput = ( 1, 1, 1 ) Color accum = ( 0, 0, 0 ) while ( 1 ) { h i t = N e a r e s t I n
VícePočítačová grafika III Bidirectional path tracing. Jaroslav Křivánek, MFF UK
Počítačová grafika III Bidirectional path tracing Jaroslav Křivánek, MFF UK Jaroslav.Krivanek@mff.cuni.cz Science, it works (bitches!) Quote from Richard Dawkins http://www.youtube.com/watch?v=n6hxo1sc-du
VícePočítačová grafika III Photon mapping. Jaroslav Křivánek, MFF UK
Počítačová grafika III Photon mapping Jaroslav Křivánek, MFF UK Jaroslav.Krivanek@mff.cuni.cz Obousměrné sledování cest - opakování Transport světla jako integrál Cíl: místo integrální rovnice chceme formulovat
VíceDistribuované sledování paprsku
Distribuované sledování paprsku 1996-2015 Josef Pelikán, CGG MFF UK Praha http://cgg.mff.cuni.cz/~pepca/ pepca@cgg.mff.cuni.cz DistribRT 2015 Josef Pelikán, http://cgg.mff.cuni.cz/~pepca 1 / 24 Distribuované
VíceFotonové mapy. Leonid Buneev
Fotonové mapy Leonid Buneev 21. 01. 2012 Popis algoritmu Photon mapping algoritmus, který, stejně jako path tracing a bidirectional path tracing, vyřeší zobrazovací rovnice, ale podstatně jiným způsobem.
VícePočítačová grafika III Monte Carlo integrování II. Jaroslav Křivánek, MFF UK
Počítačová grafika III Monte Carlo integrování II Jaroslav Křivánek, MFF UK Jaroslav.Krivanek@mff.cuni.cz Monte Carlo integrování Obecný nástroj k numerickému odhadu určitých integrálů f(x) p(x) Integrál:
VícePočítačová grafika III Photon mapping. Jaroslav Křivánek, MFF UK
Počítačová grafika III Photon mapping Jaroslav Křivánek, MFF UK Jaroslav.Krivanek@mff.cuni.cz Kvíz 1 Proč BPT neumí zobrazit kaustiku na dně bazénu (bodové světlo, pinhole kamera)? Řešení kvízu 2 Problem
VícePočítačová grafika III (NPGR010) Přednáška: Path tracing II
Počítačová grafika III (PGR010) Přednáška: Path tracing II Petr Vévoda 15 listopadu 01 1 Přímé osvětlení v path traceru a minulé přednášce jsme si představili základní verzi algoritmu path tracing: Pro
VícePočítačová grafika III Monte Carlo integrování II. Jaroslav Křivánek, MFF UK
Počítačová grafika III Monte Carlo integrování II Jaroslav Křivánek, MFF UK Jaroslav.Krivanek@mff.cuni.cz Monte Carlo integrování Obecný nástroj k numerickému odhadu určitých integrálů f(x) p(x) Integrál:
VícePhoton-Mapping Josef Pelikán CGG MFF UK Praha.
Photon-Mapping 2009-2016 Josef Pelikán CGG MFF UK Praha pepca@cgg.mff.cuni.cz http://cgg.mff.cuni.cz/~pepca/ Photon-mapping 2016 Josef Pelikán, http://cgg.mff.cuni.cz/~pepca 1 / 25 Základy Photon-mappingu
VíceA4M39RSO. Sledování cest (Path tracing) Vlastimil Havran ČVUT v Praze CTU Prague Verze 2014
A4M39RSO Sledování cest (Path tracing) Vlastimil Havran ČVUT v Praze CTU Prague Verze 2014 1 Rendering = integrování Antialiasing Integrál přes plochu pixelu Osvětlení plošným zdrojem Integrál přes plochu
VíceZobrazování a osvětlování
Zobrazování a osvětlování Petr Felkel Katedra počítačové grafiky a interakce, ČVUT FEL místnost KN:E-413 na Karlově náměstí E-mail: felkel@fel.cvut.cz S použitím materiálů Bohuslava Hudce, Jaroslava Sloupa
VíceOdraz světla, BRDF. Petr Kadleček
Odraz světla, BRDF Petr Kadleček 17. října 2011 Úvod V minulé přednášce jsme si představili matematický model scény včetně geometrie, materiálů, zdroje světla, kamery, atd. Ukázali jsme si, že při formulaci
VícePočítačová grafika III Všehochuť. Jaroslav Křivánek, MFF UK
Počítačová grafika III Všehochuť Jaroslav Křivánek, MFF UK Jaroslav.Krivanek@mff.cuni.cz Science, it works (bitches!) Quote from Richard Dawkins http://www.youtube.com/watch?v=n6hxo1sc-du PG III (NPGR010)
VíceUrčujeme neznámé hodnoty parametru základního souboru. Pomocí výběrové charakteristiky vypočtené z náhodného výběru.
1 Statistické odhady Určujeme neznámé hodnoty parametru základního souboru. Pomocí výběrové charakteristiky vypočtené z náhodného výběru. Odhad lze provést jako: Bodový odhad o Jedna číselná hodnota Intervalový
VíceStavový model a Kalmanův filtr
Stavový model a Kalmanův filtr 2 prosince 23 Stav je veličina, kterou neznáme, ale chtěli bychom znát Dozvídáme se o ní zprostředkovaně prostřednictvím výstupů Příkladem může býapř nějaký zašuměný signál,
VíceRekurzivní sledování paprsku
Rekurzivní sledování paprsku 1996-2016 Josef Pelikán CGG MFF UK Praha pepca@cgg.mff.cuni.cz http://cgg.mff.cuni.cz/~pepca/ 1 / 21 Model dírkové kamery 2 / 21 Zpětné sledování paprsku L D A B C 3 / 21 Skládání
VíceX39RSO/A4M39RSO Vychýlené (biased) metody globálního osvětlení. Vlastimil Havran ČVUT v Praze CTU Prague Verze 2011
X39RSO/A4M39RSO Vychýlené (biased) metody globálního osvětlení Vlastimil Havran ČVUT v Praze CTU Prague Verze 2011 Vychýlené versus nestranné metody Vychýlené vs. nestranné odhady (Biased vs. Unbiased
VíceRadiometrie, radiační metody
Radiometrie, radiační metody 1996-2018 Josef Pelikán CGG MFF UK Praha pepca@cgg.mff.cuni.cz http://cgg.mff.cuni.cz/~pepca/ Radiometry 2018 Josef Pelikán, http://cgg.mff.cuni.cz/~pepca 1 / 34 Globální výpočet
VíceFotonové mapy. Martin Bulant 21. března Fotonové mapy jsou podobné obousměrnému sledování cest, ale odlišují se tím,
Fotonové mapy Martin Bulant 21. března 2011 1 Photon mapping Fotonové mapy jsou podobné obousměrnému sledování cest, ale odlišují se tím, že se nedělá vše najednou. Je oddělena propagace světla do scény
Víceý č Í É Ě Í š Č č ý Ú ť š č ú š ý š ď č č ý Š Š č č Á ý ť ť Í ý ť č Ť É Ě Í š Č Č Ý ť Í ý ý č Ý É Ě Í č š ý ň č ý Í ď Í ú Ě Í č É Ě Í š č č Í ý ý úč č É Ě Í ý č ň š č ý ď ť ť ž ý č č É š Ě Í č š Ě š čď
VíceŘešení. Označme po řadě F (z) Odtud plyne, že
Úloha Nechť ~ R(, ) a Y = Jinak řečeno, Y je odmocnina čísla vybraného zcela náhodně z intervalu (, ) Popište rozdělení veličiny Y a určete jeho modus, medián, střední hodnotu a rozptyl Řešení Označme
VíceDIPLOMOVÁ PRÁCE. BRDF dílna
Univerzita Karlova v Praze Matematicko-fyzikální fakulta DIPLOMOVÁ PRÁCE Jiří Matějka BRDF dílna Kabinet software a výuky informatiky Vedoucí diplomové práce: RNDr. Josef Pelikán, KSVI Studijní program:
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
VícePočítačová grafika III Úvod
Počítačová grafika III Úvod Jaroslav Křivánek, MFF UK Jaroslav.Krivanek@mff.cuni.cz Syntéza obrazu (Rendering) Vytvoř obrázek z matematického popisu scény. Popis scény Geometrie Kde je jaký objekt ve scéně
Vícemetodou Monte Carlo J. Matěna, Gymnázium Českolipská, Praha
Výpočet obsahu plošných obrazců metodou Monte Carlo J. Löwit, Gymnázium Českolipská, Praha jakub.lowit@gmail.com J. Matěna, Gymnázium Českolipská, Praha matenajakub@gmail.com J. Novotná, Gymnázium, Chomutov
VíceRealistický rendering
Realistický rendering 2010-2017 Josef Pelikán, CGG MFF UK http://cgg.mff.cuni.cz/ http://cgg.mff.cuni.cz/~pepca/ Festival fantazie, Chotěboř, 4. 7. 2017 1 / 47 Obsah přednášky co je realistický rendering?
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
VícePočítačová grafika III Radiometrie. Jaroslav Křivánek, MFF UK
Počítačová grafika III Radiometrie Jaroslav Křivánek, MFF UK Jaroslav.Krivanek@mff.cuni.cz Směr, prostorový úhel, integrování na jednotkové kouli Směr ve 3D Směr = jednotkový vektor ve 3D Kartézské souřadnice
VícePočítačová grafika III Úvod
Počítačová grafika III Úvod Jaroslav Křivánek, MFF UK Jaroslav.Krivanek@mff.cuni.cz Syntéza obrazu (Rendering) Vytvoř obrázek z matematického popisu scény. Popis scény Geometrie Kde je jaký objekt ve scéně
VícePříklady ke čtvrtému testu - Pravděpodobnost
Příklady ke čtvrtému testu - Pravděpodobnost 6. dubna 0 Instrukce: Projděte si všechny příklady. Každý příklad se snažte pochopit. Pak vymyslete a vyřešte příklad podobný. Tím se ujistíte, že příkladu
VíceADA Semestrální práce. Harmonické modelování signálů
České vysoké učení technické v Praze ADA Semestrální práce Harmonické modelování signálů Jiří Kořínek 31.12.2005 1. Zadání Proveďte rozklad signálu do harmonických komponent (řeč, hudba). Syntetizujte
VíceKombinatorická minimalizace
Kombinatorická minimalizace Cílem je nalézt globální minimum ve velké diskrétní množině, kde může být mnoho lokálních minim. Úloha obchodního cestujícího Cílem je najít nejkratší cestu, která spojuje všechny
VíceX39RSO/A4M39RSO. Integrace a syntéza obrazu pomocí metody Monte Carlo. Vlastimil Havran, ČVUT v Praze
X39RSO/A4M39RSO Integrace a syntéza obrazu pomocí metody Monte Carlo Vlastimil Havran, ČVUT v Praze havran@fel.cvut.cz Osnova Historie Výpočet integrálu metodou Monte Carlo Aplikace v syntéze obrazu Antialiasing
VíceGlobal illumination with many-light methods. Martin Kahoun (2011)
Zápisky z přednášky Global illumination with many-light methods Tomáš Zámečník (2012) Martin Kahoun (2011) 1 1 Výpočet globálního osvětlení 1.1 Zobrazovací rovnice v 3b formulaci V této úvodní části se
VíceNáhodné signály. Honza Černocký, ÚPGM
Náhodné signály Honza Černocký, ÚPGM Signály ve škole a v reálném světě Deterministické Rovnice Obrázek Algoritmus Kus kódu } Můžeme vypočítat Málo informace! Náhodné Nevíme přesně Pokaždé jiné Především
VícePočítačová grafika III Radiometrie. Jaroslav Křivánek, MFF UK
Počítačová grafika III Radiometrie Jaroslav Křivánek, MFF UK Jaroslav.Krivanek@mff.cuni.cz Směr, prostorový úhel, integrování na jednotkové kouli Směr ve 3D Směr = jednotkový vektor ve 3D Kartézské souřadnice
VíceSTANOVENÍ SPOLEHLIVOSTI GEOTECHNICKÝCH KONSTRUKCÍ. J. Pruška, T. Parák
STANOVENÍ SPOLEHLIVOSTI GEOTECHNICKÝCH KONSTRUKCÍ J. Pruška, T. Parák OBSAH: 1. Co je to spolehlivost, pravděpodobnost poruchy, riziko. 2. Deterministický a pravděpodobnostní přístup k řešení problémů.
VíceInferenční statistika - úvod. z-skóry normální rozdělení pravděpodobnost rozdělení výběrových průměrů
Inferenční statistika - úvod z-skóry normální rozdělení pravděpodobnost rozdělení výběrových průměrů Pravděpodobnost postupy induktivní statistiky vycházejí z teorie pravděpodobnosti pravděpodobnost, že
VíceModerní fotorealistický rendering
Moderní fotorealistický rendering 2010-2016 Josef Pelikán, CGG MFF UK 2016 Jiří Vorba a Jaroslav Křivánek, dtto http://cgg.mff.cuni.cz/ http://cgg.mff.cuni.cz/~pepca/ Seminář Ústavu teoretické fyziky,
Víceúč úč ž ů ž Č Č č č ů ž úč č úč ť Ň č ú Ý č č Ú Ú ť ú č ď ů ž š úč ž úč úč ž ť ď ť ď ž ú č č úč š ž Ů č č ú úč ž ů ť úč ž ž ž Ů č ž ú č Š úč č Úč Č Č š ď š Š š Ó Ó ž ůč ú Ď ť ž ů ů č ů Č ů ž úč Ý č ž úč
Víceč ů š ň č č Ú č č č Ú ů Ú č ž ú š š ý č ú ó ó ž č ý ý ý č ž č ý ž ý č ý ž ž č ý ý ý ž ý ý ý ý š ý š ů ů č č ý ž č ý ů š ž ý Ú Ú úč š ů ž ů ů Úč ž č ý č š ý ů č š ý ý ý ů č č ž ů š ů ů š ý ý ů ů č č ž ú
VíceÁ Ě Í Ě Á Á ó č ž č ž č Í š úč é úč š ž č é ů č é č é é ů č ů č č ů é Ž š ů ů š č é Ž č é Ž č Í ž Ž Ž é é Ů é Ř ů ť š é é č é é é š č č é č č č č š č š é č é č ů č č š ú é č é š é Ž Ž é é ú č č é ů č š
VícePravděpodobnost, náhoda, kostky
Pravděpodobnost, náhoda, kostky Radek Pelánek IV122 Výhled pravděpodobnost náhodná čísla lineární regrese detekce shluků Dnes lehce nesourodá směs úloh souvisejících s pravděpodobností připomenutí, souvislosti
VíceUNIVERZITA OBRANY Fakulta ekonomiky a managementu. Aplikace STAT1. Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 3. 11.
UNIVERZITA OBRANY Fakulta ekonomiky a managementu Aplikace STAT1 Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 Jiří Neubauer, Marek Sedlačík, Oldřich Kříž 3. 11. 2012 Popis a návod k použití aplikace
VíceYou created this PDF from an application that is not licensed to print to novapdf printer (http://www.novapdf.com)
Testování statistických hypotéz Testování statistických hypotéz Princip: Ověřování určitého předpokladu zjišťujeme, zda zkoumaný výběr pochází ze základního souboru, který má určité rozdělení zjišťujeme,
VícePočítačová grafika III Světlo, Radiometrie. Jaroslav Křivánek, MFF UK
Počítačová grafika III Světlo, Radiometrie Jaroslav Křivánek, MFF UK Jaroslav.Krivanek@mff.cuni.cz Syntéza obrazu (Rendering) Vytvoř obrázek z matematického popisu scény. Fotorealistická syntéza obrazu
VíceFyzikální korespondenční seminář MFF UK
Úloha I.S... náhodná 10 bodů; průměr 7,04; řešilo 45 studentů a) Zkuste vlastními slovy popsat, co je to náhodná veličina a jaké má vlastnosti (postačí vlastními slovy objasnit následující pojmy: náhodná
VíceSTŘEDOŠKOLSKÁ ODBORNÁ ČINNOST
Vyšší odborná škola a Střední průmyslová škola elektrotechnická v Plzni STŘEDOŠKOLSKÁ ODBORNÁ ČINNOST Tomáš Šváb Fotonové mapy v realistickém osvětlení Únor 2009, Plzeň Konzultant práce: RNDr. Josef Pelikán,
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
VíceStanovení akustického výkonu Nejistoty měření. Ing. Miroslav Kučera, Ph.D.
Stanovení akustického výkonu Nejistoty měření Ing. Miroslav Kučera, Ph.D. Využití měření intenzity zvuku pro stanovení akustického výkonu klapek? Výhody: 1) přímé stanovení akustického výkonu zvláště při
VícePrincipy fotorealistického zobrazování
Principy fotorealistického zobrazování 2010-2013 Josef Pelikán, CGG MFF UK Praha http://cgg.mff.cuni.cz/~pepca/ MaSo jaro 2013, doprovodná přednáška, 16. 5. 2013 1 / 101 Obsah přednášky cíle a aplikace
VíceVícerozměrná rozdělení
Vícerozměrná rozdělení 7. září 0 Učivo: Práce s vícerozměrnými rozděleními. Sdružené, marginální, podmíněné rozdělení pravděpodobnosti. Vektorová střední hodnota. Kovariance, korelace, kovarianční matice.
VíceMatematické modelování Náhled do ekonometrie. Lukáš Frýd
Matematické modelování Náhled do ekonometrie Lukáš Frýd Výnos akcie vs. Výnos celého trhu - CAPM model r it = r ft + β 1. (r mt r ft ) r it r ft = α 0 + β 1. (r mt r ft ) + ε it Ekonomický (finanční model)
VíceVytyčení polohy bodu polární metodou
Obsah Vytyčení polohy bodu polární metodou... 2 1 Vliv měření na přesnost souřadnic... 3 2 Vliv měření na polohovou a souřadnicovou směrodatnou odchylku... 4 3 Vliv podkladu na přesnost souřadnic... 5
VíceTEMATICKÝ PLÁN VÝUKY
TEMATICKÝ PLÁN VÝUKY Studijní obor: 23-41 - M/1 Strojírenství Zaměření: Předmět: Matematika Ročník: 4. Počet hodin týdně: 4 Počet hodin celkem: Tento plán vychází z rámcového vzdělávacího programu pro
VíceSimulace. Simulace dat. Parametry
Simulace Simulace dat Menu: QCExpert Simulace Simulace dat Tento modul je určen pro generování pseudonáhodných dat s danými statistickými vlastnostmi. Nabízí čtyři typy rozdělení: normální, logaritmicko-normální,
VícePravděpodobnost a statistika (BI-PST) Cvičení č. 9
Pravděpodobnost a statistika (BI-PST) Cvičení č. 9 R. Blažek, M. Jiřina, J. Hrabáková, I. Petr, F. Štampach, D. Vašata Katedra aplikované matematiky Fakulta informačních technologií České vysoké učení
VíceOdhady Parametrů Lineární Regrese
Odhady Parametrů Lineární Regrese Mgr. Rudolf B. Blažek, Ph.D. prof. RNDr. Roman Kotecký, DrSc. Katedra počítačových systémů Katedra teoretické informatiky Fakulta informačních technologií České vysoké
VícePočítačová grafika III Světlo, Radiometrie. Jaroslav Křivánek, MFF UK
Počítačová grafika III Světlo, Radiometrie Jaroslav Křivánek, MFF UK Jaroslav.Krivanek@mff.cuni.cz Syntéza obrazu (Rendering) Vytvoř obrázek z matematického popisu scény. 2 Fotorealistická syntéza obrazu
VíceOdhad stavu matematického modelu křižovatek
Odhad stavu matematického modelu křižovatek Miroslav Šimandl, Miroslav Flídr a Jindřich Duník Katedra kybernetiky & Výzkumné centrum Data-Algoritmy-Rozhodování Fakulta aplikovaných věd Západočeská univerzita
VíceCíle lokalizace. Zjištění: 1. polohy a postavení robota (robot pose) 2. vzhledem k mapě 3. v daném prostředí
Cíle lokalizace Zjištění: 1. polohy a postavení robota (robot pose) 2. vzhledem k mapě 3. v daném prostředí 2 Jiný pohled Je to problém transformace souřadnic Mapa je globální souřadnicový systém nezávislý
VíceFyzikální korespondenční seminář UK MFF 22. II. S
Fzikální korespondenční seminář UK MFF http://fkosmffcunicz II S ročník, úloha II S Young a vlnová povaha světla (5 bodů; průměr,50; řešilo 6 studentů) a) Jaký tvar interferenčních proužků na stínítku
VíceODBĚR, PŘÍPRAVA, PŘEPRAVA A UCHOVÁVÁNÍ VZORKŮ
ODBĚR, PŘÍPRAVA, PŘEPRAVA A UCHOVÁVÁNÍ VZORKŮ Základní pojmy Obecná pravidla vzorkování Chyby při vzorkování, typy materiálů Strategie vzorkování Plán vzorkování Základní způsoby odběru Vzorkovací pomůcky
VíceTestování hypotéz. 4. přednáška 6. 3. 2010
Testování hypotéz 4. přednáška 6. 3. 2010 Základní pojmy Statistická hypotéza Je tvrzení o vlastnostech základního souboru, o jehož pravdivosti se chceme přesvědčit. Předem nevíme, zda je pravdivé nebo
VíceVYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE. Optimalizace trasy při revizích elektrospotřebičů
VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Hlavní specializace: Ekonometrie a operační výzkum Název diplomové práce Optimalizace trasy při revizích elektrospotřebičů Diplomant: Vedoucí
VíceZápočtová písemka z Matematiky III (BA04) skupina A
skupina A 0 pro x < 1, ae x pro x 1, ), Pravděpodobnost P (X ) a P (X =.). E (X) a E ( X 1). Hustotu transformované náhodné veličiny Y = (X + 1). F(x) = x 3 pro x (0, 9), Hustotu f(x). Pravděpodobnost
VíceANALÝZA DAT V R 9. VÝPOČET VELIKOSTI SOUBORU. Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK.
ANALÝZA DAT V R 9. VÝPOČET VELIKOSTI SOUBORU Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK www.biostatisticka.cz DATA, VÝZKUM, ANALÝZY ve výzkumu se střídají fáze prozkoumávací
VícePro bodový odhad při základním krigování by soustava rovnic v maticovém tvaru vypadala následovně:
KRIGING Krigování (kriging) označujeme interpolační metody, které využívají geostacionární metody odhadu. Těchto metod je celá řada, zde jsou některé příklady. Pro krigování se používá tzv. Lokální odhad.
VícePožadavky k písemné přijímací zkoušce z matematiky do navazujícího magisterského studia pro neučitelské obory
Požadavky k písemné přijímací zkoušce z matematiky do navazujícího magisterského studia pro neučitelské obory Zkouška ověřuje znalost základních pojmů, porozumění teorii a schopnost aplikovat teorii při
VíceZ X 5 0 4 H o d n o c e n í v l i v ů n a ž i v o t n í p r o s t ř e d í. Vybrané metody posuzování dopadu záměrů na životní
Z X 5 0 4 H o d n o c e n í v l i v ů n a ž i v o t n í p r o s t ř e d í Vybrané metody posuzování dopadu záměrů na životní prostředí. ř Posuzování dopadu (impaktu) posuzované činnosti na životní prostředí
VíceTesty dobré shody Máme dvě veličiny, u kterých bychom chtěli prokázat závislost, TESTY DOBRÉ SHODY (angl. goodness-of-fit tests)
Testy dobré shody Máme dvě veličiny, u kterých bychom chtěli prokázat závislost, např. hmotnost a pohlaví narozených dětí. Běžný statistický postup pro ověření závislosti dvou veličin je zamítnutí jejich
VícePočítačová grafika III Globální osvětlení ve filmové produkci. Jaroslav Křivánek, MFF UK
Počítačová grafika III Globální osvětlení ve filmové produkci Jaroslav Křivánek, MFF UK Jaroslav.Krivanek@mff.cuni.cz Opakování Kvíz 1 F. Suykens Path tracing Light tracing Bidirectional path tracing Kvíz:
VíceMonte Carlo. Simulační metoda založená na užití stochastických procesů a generace náhodných čísel.
Monte Carlo Simulační metoda založená na užití stochastických procesů a generace náhodných čísel. Typy MC simulací a) MC integrace b) Geometrické MC c) Termodynamické MC d) Modelování vývoje na strukturální
VíceGenerování pseudonáhodných. Ing. Michal Dorda, Ph.D.
Generování pseudonáhodných čísel při simulaci Ing. Michal Dorda, Ph.D. 1 Úvodní poznámky V simulačních modelech se velice často vyskytují náhodné proměnné. Proto se budeme zabývat otázkou, jak při simulaci
VíceAnti-aliasing a vzorkovací metody
Anti-aliasing a vzorkovací metody 1996-2016 Josef Pelikán CGG MFF UK Praha pepca@cgg.mff.cuni.cz http://cgg.mff.cuni.cz/~pepca/ Sampling 2016 Josef Pelikán, http://cgg.mff.cuni.cz/~pepca 1 / 34 Prostorový
VíceBayesovské metody. Mnohorozměrná analýza dat
Mnohorozměrná analýza dat Podmíněná pravděpodobnost Definice: Uvažujme náhodné jevy A a B takové, že P(B) > 0. Podmíněnou pravěpodobností jevu A za podmínky, že nastal jev B, nazýváme podíl P(A B) P(A
VíceKGG/STG Statistika pro geografy
KGG/STG Statistika pro geografy 5. Odhady parametrů základního souboru Mgr. David Fiedor 16. března 2015 Vztahy mezi výběrovým a základním souborem Osnova 1 Úvod, pojmy Vztahy mezi výběrovým a základním
VíceRobust 2010 31. ledna 5. února 2010, Králíky
Modelování rozdělení ročních příjmů českých domácností J. Bartošová 1 M. Forbelská 2 1 Katedra managementu informací Fakulta managementu v Jindřichově Hradci Vysoká škola ekonomická v Praze 2 Ústav matematiky
VíceZáklady biostatistiky II. Veřejné zdravotnictví 3.LF UK - II
Základy biostatistiky II Veřejné zdravotnictví 3.LF UK - II Teoretické rozložení-matematické modely rozložení Naměřená data Výběrové rozložení Teoretické rozložení 1 e 2 x 2 Teoretické rozložení-matematické
VíceMotivace příklad použití lokace radarového echa Význam korelace Popis náhodných signálů číselné charakteristiky
A0M38SPP - Signálové procesory v praxi - přednáška 7 2 Motivace příklad použití lokace radarového echa Význam korelace Popis náhodných signálů číselné charakteristiky (momenty) Matematická definice korelační
VíceKompresní metody první generace
Kompresní metody první generace 998-20 Josef Pelikán CGG MFF UK Praha pepca@cgg.mff.cuni.cz http://cgg.mff.cuni.cz/~pepca/ Stillg 20 Josef Pelikán, http://cgg.mff.cuni.cz/~pepca / 32 Základní pojmy komprese
VíceSPOLEHLIVOST KONSTRUKCÍ & TEORIE SPOLEHLIVOSTI část 5: Aproximační techniky
SPOLEHLIVOST KONSTRUKCÍ & TEORIE SPOLEHLIVOSTI část 5: Aproximační techniky Drahomír Novák Jan Eliáš 2012 Spolehlivost konstrukcí, Drahomír Novák & Jan Eliáš 1 část 5 Aproximační techniky 2012 Spolehlivost
VíceMETODY FARMACEUTICKÉ TECHNOLOGIE ČL 2009, D PharmDr. Zdenka Šklubalová, Ph.D
METODY FARMACEUTICKÉ TECHNOLOGIE ČL 2009, D 2010 PharmDr. Zdenka Šklubalová, Ph.D. 10.6.2010 ZMĚNY D 2010 (harmonizace beze změn v textu) 2.9.1 Zkouška rozpadavosti tablet a tobolek 2.9.3 Zkouška disoluce
VíceANALÝZA DAT V R 2. POPISNÉ STATISTIKY. Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK.
ANALÝZA DAT V R 2. POPISNÉ STATISTIKY Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK www.biostatisticka.cz CO SE SKRÝVÁ V DATECH data sbíráme proto, abychom porozuměli
VíceLEKCE 5 STATISTICKÁ INFERENCE ANEB ZOBECŇOVÁNÍ VÝSLEDKŮ Z VÝBĚROVÉHO NA ZÁKLADNÍ SOUBOR
LEKCE 5 STATISTICKÁ INFERENCE ANEB ZOBECŇOVÁNÍ VÝSLEDKŮ Z VÝBĚROVÉHO NA ZÁKLADNÍ SOUBOR Ve většině případů pracujeme s výběrovým souborem a výběrové výsledky zobecňujeme na základní soubor. Smysluplné
VíceChemie a fyzika pevných látek p3
Chemie a fyzika pevných látek p3 strukturní faktor, monokrystalové a práškové difrakční metody Doporučená literatura: Doc. Michal Hušák dr. Ing. B. Kratochvíl, L. Jenšovský - Úvod do krystalochemie Kratochvíl
VíceAVDAT Mnohorozměrné metody, metody klasifikace
AVDAT Mnohorozměrné metody, metody klasifikace Josef Tvrdík Katedra informatiky Přírodovědecká fakulta Ostravská univerzita Mnohorozměrné metody Regrese jedna náhodná veličina je vysvětlována pomocí jiných
VícePrincip metody Transport částic Monte Carlo v praxi. Metoda Monte Carlo. pro transport částic. Václav Hanus. Koncepce informatické fyziky, FJFI ČVUT
pro transport částic Koncepce informatické fyziky, FJFI ČVUT Obsah Princip metody 1 Princip metody Náhodná procházka 2 3 Kódy pro MC Příklady použití Princip metody Náhodná procházka Příroda má náhodný
VíceDvojné a trojné integrály příklad 3. x 2 y dx dy,
Spočtěte = { x, y) ; 4x + y 4 }. Dvojné a trojné integrály příklad 3 x y dx dy, Řešení: Protože obor integrace je symetrický vzhledem k ose x, tj. vzhledem k substituci [x; y] [x; y], a funkce fx, y) je
VícePokročilé osvětlovací techniky. 2005 Josef Pelikán, MFF UK Praha http://cgg.ms.mff.cuni.cz/~pepca/ Josef.Pelikan@mff.cuni.cz
Pokročilé osvětlovací techniky 2005 Josef Pelikán, MFF UK Praha http://cgg.ms.mff.cuni.cz/~pepca/ Josef.Pelikan@mff.cuni.cz Obsah nefotorealistické techniky hrubé tónování kreslení obrysů ( siluety ) složitější
VíceVstupní signál protne zvolenou úroveň. Na základě získaných údajů se dá spočítat perioda signálu a kmitočet. Obrázek č.2
2. Vzorkovací metoda Určení kmitočtu z vzorkovaného průběhu. Tato metoda založena na pozorování vstupního signálu pomocí osciloskopu a nastavení určité úrovně, pro zjednodušování považujeme úroveň nastavenou
VíceVýpočet nejistot metodou Monte carlo
Výpočet nejistot metodou Monte carlo Mgr. Martin Šíra, Ph.D. (ČMI, Brno) červen 2012 Tato prezentace je spolufinancována Evropským sociálním fondem a státním rozpočtem České republiky. p. 1 Výpočty nejistot
VíceFotorealistická syntéza obrazu Josef Pelikán, MFF UK Praha
Fotorealistická sntéza obrazu 2006 Josef Pelikán MFF UK Praha Josef.Pelikan@mff.cuni.cz 10.4.2006 Obsah přednášk cíle a aplikace realistického zobrazování historie přehled používaných přístupů teoretické
VíceFyzikálně založené modely osvětlení
Fyzikálně založené modely osvětlení 1996-2015 Josef Pelikán, CGG MFF UK Praha http://cgg.mff.cuni.cz/~pepca/ pepca@cgg.mff.cuni.cz Physical 2015 Josef Pelikán, http://cgg.mff.cuni.cz/~pepca 1 / 31 Historie
Více