IMOSI - MODELACE A SIMULACE LEARN 2013 správně možná špatně
|
|
- Josef Pravec
- před 8 lety
- Počet zobrazení:
Transkript
1 IMOSI - MODELACE A SIMULACE LEARN 2013 správně možná špatně Simulátor označujeme jako kredibilní v případě, že: byla úspěšně završena fáze verifikace simulátoru se podařilo přesvědčit zadavatele simulačního projektu o kvalitní substituci reálných vstupních proudů generovanými proudy v rámci simulátoru byla úspěšně završena fáze výstavby simulátoru se podařilo přesvědčit zadavatele simulačního projektu, že simulátor představuje důvěryhodnou substituci reality Empirickou metodu validace simulujícího systému lze charakterizovat jako posouzení vnějšího chování simulátoru (a jeho výsledků): podle kvality generátorů pseudonáhodných čísel srovnáním s jiným modelem podle kvality submodelů vstupů expertem z příslušné oblasti zkoumání Simulační pokus, využívající synchronizační metodu plánování událostí, je ukončen, pokud je splněna následující podmínka: všechny plánované změny ve stavovém prostoru již byly provedeny všechny události již byly naplánované do budoucnosti aktuální hodnota snímací periody přesáhla zadanou mez je prázdný kalendář nebo uplynul simulační čas vymezený pro simulační pokus Jaké jsou odlišnosti mezi statickým a dynamickým systémem? Vymezený statický systém abstrahuje od sledování času, kdežto dynamický systém aspekt času nezanedbává Vymezený statický systém zahrnuje pouze diskrétní časové okamžiky, kdežto dynamický systém sleduje spojité plynutí času Vymezený statický systém zahrnuje pouze permanentní entity, kdežto dynamický systém navíc pracuje i s temporárními entitami Vymezený statický systém zahrnuje pouze temporární entity, kdežto dynamický systém navíc pracuje i s permanentními entitami Simulační pokus není reprodukovatelný pokud: nevyužívá generátory pseudonáhodných čísel využívá generátory pseudonáhodných čísel jsou na jeho počátku vygenerovány vždy odlišné násady generátorů pseudonáhodných čísel využívané k produkci proudů vstupních dat jsou na jeho počátku nastaveny vždy stejné násady generátorů pseudonáhodných čísel využívané k produkci proudů vstupních dat
2 Plynutí simulačního času v rámci simulujícího systému na počítači: je vždy synchronizováno s plynutím reálného času může být rychlejší, shodné i pomalejší než plynutí odpovídajícího reálného času je vždy pomalejší, než plynutí odpovídajícího reálného času je vždy rychlejší, než plynutí odpovídajícího reálného času Metodu plánování událostí lze využít pro synchronizaci výpočtu spojeného: pouze s diskrétní simulací pouze se spojitou simulací s diskrétní nebo spojitou simulací pouze s metodou Monte Carlo Základní akční jednotky simulace představují: aktivity, které mají jisté časové trvání a potenciálně mění stav systému atributy entit, jejichž hodnoty se dynamicky mění v průběhu evoluce simulačního výpočtu temporární entity, jejichž počty se dynamicky mění v průběhu evoluce simulačního výpočtu permanentní entity, jejichž počty se dynamicky mění v průběhu evoluce simulačního výpočtu Při zpracovávání události (aktuálně odebrané z kalendáře) v rámci řídícího cyklu metody plánování událostí typicky dochází k: archivaci všech událostí, jejichž výskyt nastal od počátku simulačního pokusu až do doby aktuální hodnoty simulačního času aktualizaci simulačního času a testování splnění podmínky pro ukončení simulačního pokusu provádění změn ve stavovém prostoru a potenciálnímu plánování výskytů dalších událostí do budoucnosti aktualizaci hodnot stavových proměnných, které jsou ovlivňovány všemi právě běžícími spojitými aktivitami Diagram plánování událostí se zaměřuje: na specifikaci logik zpracování událostí v okamžicích jejich výskytů na popis všech možných vzájemných plánovacích vazeb (včetně specifikace podmínek, při jejichž splnění je možné příslušné plánování uskutečnit) mezi všemi typy událostí, které jsou v rámci simulačního modelu využívány na popis všech možných vzájemných plánovacích vazeb mezi všemi typy událostí, které jsou v rámci simulačního modelu využívány na specifikaci podmínek pro uskutečňování vzájemného plánování mezi všemi typy událostí, které jsou využívány v rámci příslušného simulačního modelu
3 Proces nelze v souvislosti se simulací definovat jako: akční kompozitní element simulace složený z aktivit posloupnost po sobě bezprostředně navazujících aktivit (které spolu tvoří jistý logický celek) akční kompozitní element simulace (složený z aktivit) s typicky nenulovým časovým trváním časové trvání simulace Vymezený statický systém: abstrahuje od sledování času zahrnuje pouze permanentní entity zahrnuje pouze diskrétní časové okamžiky zahrnuje pouze temporární entity Spojitá aktivita může měnit stav systému: pouze v okamžiku svého ukončení v průběhu celé doby svého trvání pouze v okamžiku svého zahájení pouze v okamžicích svého zahájení a ukončení Simulační experimenty nejsou prováděny s fyzickým využitím: simulátoru simulovaného systému trenažéru simulujícího systému Simulační pokus neboli simulační experiment lze charakterizovat jako: běh simulačního programu podle více definovaných scénářů zahrnující 5 replikací aplikaci metody Monte Carlo realizující umělé náhodné procesy běh simulačního programu podle jednoho definovaného scénáře běh simulačního programu podle více definovaných scénářů Metodu Monte Carlo nelze využít pro: realizace umělých náhodných pokusů synchronizaci spojité simulace modelování výsledků hodů hrací kostkou modelování výsledků loterijní hry Sportka Simulující systém: dodržuje vztahy kauzality ze simulovaného systému pouze v případě, že simulující systém je statickým systéme vždy dodržuje vztahy kauzality ze simulovaného systému dodržuje vztahy kauzality ze simulovaného systému pouze v případě, že simulovaný systém je statickým systémem nemusí dodržovat vztahy kauzality ze simulovaného systému
4 Kalendář událostí slouží k: uchovávání diskrétních událostí plánovaných v průběhu simulačního experimentu do budoucnosti archivaci všech stavových změn, které již byly aktuálně provedeny od počátku simulačního experimentu uchovávání aktuální hodnoty simulačního času archivaci všech diskrétních událostí, které byly aktuálně zpracovány od počátku simulačního experimentu Metodu plánování událostí nelze využít pro synchronizaci výpočtu spojeného: s diskrétní simulací se spojitou simulací s kombinovanou diskrétně-spojitou simulací s realizacemi diskrétních aktivit V čem se odlišuje modelování od simulace? Simulace je výzkumná metoda založená na náhradě zkoumaného statického systému jeho simulátorem, s nímž jsou prováděny experimenty. Modelování lze definovat obdobně, s tím rozdílem, že zkoumaný systém může být i dynamický Simulace je výzkumná metoda založená na náhradě zkoumaného dynamického nebo statického systému jeho simulátorem, s nímž jsou prováděny experimenty. Modelování lze definovat obdobně, s tím rozdílem, že zkoumaný systém může být pouze dynamický Simulace je výzkumná metoda založená na náhradě zkoumaného diskrétního systému jeho simulátorem, s nímž jsou prováděny experimenty. Modelování lze definovat obdobně, s tím rozdílem, že zkoumaný systém může být i spojitý Simulace je výzkumná metoda založená na náhradě zkoumaného dynamického systému jeho simulátorem, s nímž jsou prováděny experimenty. Modelování lze definovat obdobně, s tím rozdílem, že zkoumaný systém může být i statický Po odebrání události z kalendáře (při uplatňování metody plánování událostí) bezprostředně následuje: navýšení hodnoty aktuálního simulačního času o hodnotu snímací periody potenciální naplánování výskytu nové události do budoucnosti provedení potenciální změny hodnoty aktuálního simulačního času testování pravdivosti aktuálního splnění podmínky pro ukončení simulace Konkrétní stav simulujícího systému: je spojen s konkrétní hodnotou simulačního času pouze v případě, že příslušný simulovaný systém je statickým systémem není vždy spojen s konkrétní hodnotou simulačního času je vždy spojen s konkrétní hodnotou simulačního času je spojen s konkrétní hodnotou simulačního času pouze v případě, že příslušný simulovaný systém abstrahuje od plynutí času
5 Pro implementaci kalendáře využívaného synchronizační metodou plánování událostí není vhodné aplikovat datovou strukturu založenou na koncepci: binární haldy hashovací tabulky párovací haldy prioritní fronty Různé replikace jednoho konkrétního simulačního experimentu nemají: shodné scénáře simulačního experimentu shodné konfigurace permanentních prvků v rámci simulujícího systému odlišná nastavení násad generátorů pseudonáhodných čísel využívaných pro realizace vstupních proudů odlišné scénáře simulačního experimentu V rámci fáze tzv. náběhu simulace: nejsou prováděny změny ve stavovém prostoru simulujícího systému nejsou typicky sbírány údaje pro statistické sledování vybraných ukazatelů simulujícího systému jsou typicky sbírány údaje pro statistické sledování vybraných ukazatelů simulujícího systému nejsou prováděny změny hodnoty aktuálního simulačního času Diskrétní aktivita může měnit stav systému: pouze v okamžiku svého zahájení v průběhu celé doby svého trvání pouze v okamžiku svého ukončení pouze v okamžicích stavových změn jiných aktivit Diskrétní simulace nezahrnuje: události diskrétní i spojité aktivity diskrétní aktivity plánování událostí Kombinovaná diskrétně-spojitá simulace zahrnuje: takové techniky, které uplatňují výhradně synchronizační metodu plánování diskrétně-spojitých událostí jak diskrétní, tak spojité aktivity diskrétní i spojité aktivity, přičemž diskrétní aktivity musí vždy předcházet spojitým aktivitám takové techniky, které uplatňují výhradně synchronizační metodu Monte Carlo.
6 Pro implementaci kalendáře využívaného synchronizační metodou plánování událostí je vhodné aplikovat datovou strukturu založenou na koncepci: zásobníku (typu LIFO) hashovací tabulky fronty (typu FIFO) prioritní fronty Diskrétní simulace zahrnuje: výhradně diskrétní nebo spojité aktivity výhradně diskrétní aktivity takové techniky, které uplatňují výhradně synchronizační metodu plánování diskrétních událostí takové techniky, které uplatňují výhradně synchronizační metodu snímání aktivit. V čem se odlišuje simulace od metody Monte Carlo? Simulace je výzkumná metoda založená na náhradě zkoumaného dynamického nebo statického systému jeho simulátorem, s nímž jsou prováděny experimenty. Metodu Monte Carlo lze definovat obdobně, s tím rozdílem, že zkoumaný systém může být pouze dynamický Simulace je výzkumná metoda založená na náhradě zkoumaného diskrétního systému jeho simulátorem, s nímž jsou prováděny experimenty. Metodu Monte Carlo lze definovat obdobně, s tím rozdílem, že zkoumaný systém může být i spojitý Simulace je výzkumná metoda založená na náhradě zkoumaného statického systému jeho simulátorem, s nímž jsou prováděny experimenty. Metodu Monte Carlo lze definovat obdobně, s tím rozdílem, že zkoumaný systém může být i dynamický Simulace je výzkumná metoda založená na náhradě zkoumaného dynamického systému jeho simulátorem, s nímž jsou prováděny experimenty. Metodu Monte Carlo lze definovat obdobně, s tím rozdílem, že zkoumaný systém je statický Běh simulačního programu podle jednoho definovaného scénáře označujeme jako: simulační pokus neboli simulační experiment simulační studii simulační projekt simulační krok Výpočet spojité simulace (v rámci kombinované diskrétně-spojité simulace) probíhá v takovém intervalu simulačního času, v jehož rámci: je plánováno ukončení alespoň jedné spojité aktivity je plánován výskyt více než jedné diskrétní události není plánován výskyt žádné diskrétní události je plánován výskyt alespoň jedné diskrétní události
7 Simulace: není experimentální výzkumná metoda využívá k řešení zadaných problémů vhodně navrženou posloupnost simulačních experimentů je exaktní výzkumná metoda je exaktně-heuristická výzkumná metoda Simulující systém je možné realizovat: na počítači nebo s využitím jiných speciálních zařízení, příp. napodobenin objektu zkoumání výhradně na číslicovém počítači výhradně s fyzickým využitím objektu zkoumání výhradně na počítači Proces lze v souvislosti se simulací definovat jako: posloupnost po sobě bezprostředně navazujících aktivit (které spolu tvoří jistý logický celek) časové trvání aktivity konfiguraci simulačního modelu pro jeden konkrétní simulační pokus časové trvání simulačního pokusu Reprodukovatelnost simulačního pokusu znamená, že: simulační pokus produkuje vždy stejné výsledy pro shodná nastavení všech vstupních parametrů simulátoru simulační pokus neprodukuje vždy stejné výsledy pro shodná nastavení všech vstupních parametrů simulátoru všechny replikace simulačního pokusu produkují shodné proudy vstupních dat simulačního pokus produkuje stejné výsledky pro všechny odlišné scénáře Metoda Monte Carlo je založena na: náhradě zkoumaného statického systému jeho modelujícím systémem náhradě zkoumaného deterministického systému jeho stochastickým modelujícím systémem náhradě zkoumaného dynamického systému jeho modelujícím systémem náhradě zkoumaného statistického systému jeho statistickým modelujícím systémem Metodu plánování událostí můžeme označit jako: post-simulační metodu empirickou metodu asynchronní metodu synchronní metodu
8 Realizace změn hodnot aktuálního simulačního času je prováděna v rámci synchronizační metody snímání aktivit následujícím způsobem: po dokončení vyhodnocení všech běžící aktivit pro aktuální simulační čas je tento navýšen o aktuální hodnotu tzv. snímací periody, která je zjištěna z události právě odebrané z kalendáře (poté se přechází opět k vyhodnocování aktivit, přičemž tento cyklus se stále opakuje) po dokončení vyhodnocení všech běžící aktivit pro aktuální simulační čas je tento navýšen o hodnotu tzv. snímací periody (poté se přechází opět k vyhodnocování aktivit, přičemž tento cyklus se stále opakuje) po odebrání každé udábsti z kalendáře je hodnota aktuálního simulačního času potenciálně změněna na hodnotu příslušného časového razítka (udábsti právě odebrané z kalendáře) po dokončení vyhodnocení všech běžící aktivit pro aktuální simulační čas je tento navýšen o hodnotu časového razítka udábsti, která je právě odebrána z kalendáře (poté se přechází opět k vyhodnocování aktivit, přičemž tento cyklus se stále opakuje) Kalendář událostí (při uplatňování metody plánování událostí) na požádání poskytne: událost s nejvyšší hodnotou časového razítka událost, která byla do kalendáře vložena dříve než všechny ostatní událostí aktuálně v kalendáři obsažené událost s nejnižší hodnotou časového razítka událost, která byla do kalendáře vložena jako poslední ze všech událostí v kalendáři aktuálně obsažených Výskyt události je spojen: S přesunutím této události uložené v kalendáři události na první místo v kalendáři s uložením této události do kalendáře událostí s odebráním této události z kalendáře událostí s okamžitou změnou hodnoty časového razítka plánované události na hodnotu aktuálního simulačního času Jako stavový prostor počítačového simulujícího systému označujeme: souhrn datových struktur a stavových proměnných schopných uchovávat měnící se stav simulujícího systému během evoluce simulačního pokusu kalendář událostí a/anebo evidenční strukturu běžících spojitých aktivit (měnící se během evoluce simulačního pokusu) celý paměťový prostor počítače, na němž běží simulační pokus stavové proměnné uchovávající hodnoty měnícího se aktuálního simulačního času během simulačního pokusu
9 Simulační pokus (využívající synchronizační metodu snímání aktivit) je ukončen, pokud je splněna následující podmínka: každá z aktivit simulujícího systému byla právě jednou sesnímána aktuální hodnota simulačního času přesáhla zadanou mez pro simulační pokus je prázdný kalendář událostí je neprázdný kalendář událostí Kalendář událostí aktuálně neuchovává události: odpovídajícím ukončení aktuálně běžících aktivit s časem výskytu větším nebo rovným hodnotě aktuálního simulačního času s časem výskytu menším než je hodnota aktuálního simulačního času naplánované v průběhu simulačního experimentu do budoucnosti Prvky, které se nenacházejí po celou dobu simulace v rámci simulujícího systému, označujeme jako: temporární události temporární entity temporární aktivity permanentní entity Deterministický submodel vstupu simulátoru je založen na vytváření proudu vstupních dat: podle deterministických pravidel (tj. náhodnost není uplatněna) získávaných výhradně on-line ze zkoumaného systému výhradně získaných z historické reality zkoumaného systému za pomoci generátorů pseudonáhodných čísel s deterministicky stanovenými násadami těchto generátorů Spojitá simulace zahrnuje: takové techniky, které uplatňují výhradně synchronizační metodu snímání událostí. takové techniky, které uplatňují výhradně synchronizační metodu plánování diskrétních událostí výhradně spojité aktivity výhradně diskrétní nebo spojité aktivity
10 Pro implementaci kalendáře využívaného synchronizační metodou plánování událostí není vhodné aplikovat datovou strukturu založenou na koncepci: prioritní fronty hashovací tabulky binární haldy párovací haldy Prvky, které se nacházejí po cebu dobu simulace v rámci simulujícího systému, označujeme jako: permanentní udábsti permanentní entity permanentní aktivity temporární entity Stochastický submodel vstupu simulátoru je založen na vytváření proudu vstupních dat s využitím: generátorů pseudonáhodných čísel stochastických simulačních programovacích jazyků stochastických vyšších programovacích jazyků deterministických pravidel (tj. náhodnost není uplatněna)
11 Plánování události je spojené: a. s přesunutím plánované události uložené v kalendáři událostí na první místo v kalendáři b. s uložením plánované události do kalendáře událostí c. s odebráním plánované události z kalendáře událostí d. s okamžitou změnou hodnoty aktuálního simulačního času na hodnotu časového razítka plánované události Diskrétní aktivita nemůže měnit stav systému: a. v okamžiku simulačního času uvedeném na tzv. časovém razítku koncové události aktivity b. v libovolně zvoleném okamžiku z intervalu simulačního času ohraničeného časem zahájení a ukončení aktivity c. v okamžiku svého ukončení d. v okamžiku výskytu tzv. koncové události aktivity Aktivita, jejímž působením není možné měnit stav systému potenciálně v libovolném časovém okamžiku jejího trvání, může být zahrnuta v rámci: a. spojité simulace b. diskrétní simulace c. metody Monte Carlo d. vymezeného statického systému Vizuální interaktivní simulace nerealizuje: a. on-line animaci b. metodu plánování událostí c. post-simulační animaci d. metodu snímání aktivit Simulaci s ukončením lze charakterizovat jako: a. simulaci, která musí být ukončena po výskytu každé události b. simulaci, která identifikuje událost přirozeným způsobem ohraničující délku běhu simulačního programu
12 c. simulaci, která musí být ukončena d. simulaci, která přirozeným způsobem ohraničuje dobu trvání každé události Simulace představuje: a. exaktně-heuristickou výzkumnou metodu b. heuristickou výzkumnou metodu c. exaktní výzkumnou metodu d. experimentální výzkumnou metodu Metodu snímání aktivit lze využít pro synchronizaci výpočtu spojeného: a. pouze se spojitou simulací b. s diskrétní nebo spojitou simulací c. pouze s diskrétní simulací d. pouze s metodou Monte Carlo Spojitá aktivita nemůže měnit stav systému: a. mimo okamžiky, kdy je tzv. snímána b. v okamžiku svého ukončení c. v průběhu celé doby svého trvání d. v okamžiku svého zahájení Kombinovaná diskrétně-spojitá simulace nezahrnuje: a. takové techniky, které uplatňují synchronizační metodu plánování událostí b. jak diskrétní, tak spojité aktivity c. takové techniky, které uplatňují synchronizační metodu snímání aktivit d. takové techniky, které uplatňují synchronizační metodu Monte Carlo Simulační experimenty jsou prováděny s fyzickým využitím: a. objektu zkoumání b. vymezeného systému na objektu zkoumání c. simulovaného systému
13 d. simulujícího systému? Spojitá simulace nezahrnuje: a. takové techniky, které uplatňují metody periodického vzorkování. b. aktivity c. takové techniky, které uplatňují synchronizační metodu plánování událostí d. takové techniky, které uplatňují synchronizační metodu snímání aktivit Vizuální interaktivní simulaci lze charakterizovat jako simulaci uplatňující: a. 3D animaci b. post-simulační animaci c. 2D nebo 3D animaci d. on-line animaci Různé replikace jednoho konkrétního simulačního experimentu mají: a. odlišné scénáře simulačního experimentu a odlišná nastavení násad generátorů pseudonáhodných čísel využívaných pro realizace vstupních proudů b. shodné scénáře simulačního experimentu i shodná nastavení násad generátorů pseudonáhodných čísel využívaných pro realizace vstupních proudů c. odlišné scénáře simulačního experimentu a shodují se v nastaveních násad generátorů pseudonáhodných čísel využívaných pro realizace vstupních proudů d. shodné scénáře simulačního experimentu a liší se nastavením násad generátorů pseudonáhodných čísel využívaných pro realizace vstupních proudů Metodu snímání aktivit můžeme označit jako: a. asynchronní metodu b. synchronní metodu c. post-simulační metodu d. empirickou metodu
14 Při periodickém zpracovávání/vyhodnocování aktivit v rámci synchronizační metody snímání aktivit typicky dochází k: a. aktualizaci hodnot příslušných stavových proměnných, které jsou ovlivňovány právě běžícími aktivitami b. potenciálnímu plánování výskytů dalších událostí do budoucnosti c. realizaci změn aktuálního simulačního času a to na hodnotu časového razítka události z vrcholu kalendáře d. archivaci všech změn stavů, které byly provedeny od počátku simulačního pokusu až do doby aktuální hodnoty simulačního času
1. a 2. přednáška. Základní pojmy. Model
1. a 2. přednáška Základní pojmy Abstrakce zanedbání aspektů zkoumaných objektů, které nejsou z pohledu konkrétního typu zkoumání důležité. Nezanedbané aspekty jsou zvládnutelné. Abstrakce v modelování
1. Vymezení základních pojmů z oblasti modelování a simulace
1. Vymezení základních pojmů z oblasti modelování a simulace Studijní cíl Úvodní blok věnuje pozornost vymezení základních pojmů z oblasti modelování a simulace s cílem zavést příslušnou odbornou terminologii,
Algoritmizace diskrétních. Ing. Michal Dorda, Ph.D.
Algoritmizace diskrétních simulačních modelů Ing. Michal Dorda, Ph.D. 1 Úvodní poznámky Při programování simulačních modelů lze hlavní dílčí problémy shrnout do následujících bodů: 1) Zachycení statických
Počítačová simulace logistických procesů II 10. přednáška Simulační experimentování
Počítačová simulace logistických procesů II 10. přednáška Simulační experimentování Jan Fábry 28.10.2017 Počítačová simulace logistických procesů II Obsah předmětu I. Úvod, organizace, semestrální projekty,
UNIVERZITA PARDUBICE
UNIVERZITA PARDUBICE Fakulta elektrotechniky a informatiky Jádro animace synchronizované s metodou snímání aktivit Jiří Adam Bakalářská práce 2013 Prohlášení autora Prohlašuji, že jsem tuto práci vypracoval
Simulační modely. Kdy použít simulaci?
Simulační modely Simulace z lat. Simulare (napodobení). Princip simulace spočívá v sestavení modelu reálného systému a provádění opakovaných experimentů s tímto modelem. Simulaci je nutno považovat za
POČÍTAČOVÁ SIMULACE PODNIKOVÝCH PROCESŮ. Ing. V. Glombíková, PhD.
POČÍTAČOVÁ SIMULACE PODNIKOVÝCH PROCESŮ Ing. V. Glombíková, PhD. SIMULACE nástroj pro studium chování objektů reálného světa SYSTÉM určitým způsobem uspořádána množina komponent a relací mezi nimi. zjednodušený,
7. Rozdělení pravděpodobnosti ve statistice
7. Rozdělení pravděpodobnosti ve statistice Statistika nuda je, má však cenné údaje, neklesejte na mysli, ona nám to vyčíslí Jednou z úloh statistiky je odhad (výpočet) hodnot statistického znaku x i,
Úvod do modelování a simulace. Ing. Michal Dorda, Ph.D.
Úvod do modelování a simulace systémů Ing. Michal Dorda, Ph.D. 1 Základní pojmy Systém systémem rozumíme množinu prvků (příznaků) a vazeb (relací) mezi nimi, která jako celek má určité vlastnosti. Množinu
Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti
Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti MI-SOC: 11 METODY VERIFIKACE SYSTÉMŮ NA ČIPU Hana Kubátov vá doc. Ing. Hana Kubátová, CSc. Katedra číslicového návrhu Fakulta 1 informačních
ZÁKLADY PROGRAMOVÁNÍ. Mgr. Vladislav BEDNÁŘ /14
ZÁKLADY PROGRAMOVÁNÍ Mgr. Vladislav BEDNÁŘ 2014 6 11/14 Co je vhodné vědět, než si vybereme programovací jazyk a začneme programovat roboty. 1 / 12 0:40 Simulace Při simulacích nahrazujeme skutečný dynamický
OSA. maximalizace minimalizace 1/22
OSA Systémová analýza metodika používaná k navrhování a racionalizaci systémů v podmínkách neurčitosti vyšší stupeň operační analýzy Operační analýza (výzkum) soubor metod umožňující řešit rozhodovací,
1. Statistická analýza dat Jak vznikají informace Rozložení dat
1. Statistická analýza dat Jak vznikají informace Rozložení dat J. Jarkovský, L. Dušek, S. Littnerová, J. Kalina Význam statistické analýzy dat Sběr a vyhodnocování dat je způsobem k uchopení a pochopení
ZÁKLADY AUTOMATICKÉHO ŘÍZENÍ
VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA FAKULTA STROJNÍ ZÁKLADY AUTOMATICKÉHO ŘÍZENÍ 1. týden doc. Ing. Renata WAGNEROVÁ, Ph.D. Ostrava 2013 doc. Ing. Renata WAGNEROVÁ, Ph.D. Vysoká škola báňská
NÁHODNÁ ČÍSLA. F(x) = 1 pro x 1. Náhodná čísla lze generovat některým z následujících generátorů náhodných čísel:
NÁHODNÁ ČÍSLA TYPY GENERÁTORŮ, LINEÁRNÍ KONGRUENČNÍ GENERÁTORY, TESTY NÁHODNOSTI, VYUŽITÍ HODNOT NÁHODNÝCH VELIČIN V SIMULACI CO JE TO NÁHODNÉ ČÍSLO? Náhodné číslo definujeme jako nezávislé hodnoty z rovnoměrného
Otázky ke státní závěrečné zkoušce
Otázky ke státní závěrečné zkoušce obor Ekonometrie a operační výzkum a) Diskrétní modely, Simulace, Nelineární programování. b) Teorie rozhodování, Teorie her. c) Ekonometrie. Otázka č. 1 a) Úlohy konvexního
Univerzita Pardubice Dopravní fakulta Jana Pernera. Simulace silničního provozu v rámci průsečných křižovatek jako podpora dopravního inženýrství
Univerzita Pardubice Dopravní fakulta Jana Pernera Simulace silničního provozu v rámci průsečných křižovatek jako podpora dopravního inženýrství Bc. Radek Beran Diplomová práce 2008 Souhrn Práce demonstruje
Modelování a simulace Lukáš Otte
Modelování a simulace 2013 Lukáš Otte Význam, účel a výhody MaS Simulační modely jsou nezbytné pro: oblast vědy a výzkumu (základní i aplikovaný výzkum) analýzy složitých dyn. systémů a tech. procesů oblast
VYUŽITÍ PRAVDĚPODOBNOSTNÍ METODY MONTE CARLO V SOUDNÍM INŽENÝRSTVÍ
VYUŽITÍ PRAVDĚPODOBNOSTNÍ METODY MONTE CARLO V SOUDNÍM INŽENÝRSTVÍ Michal Kořenář 1 Abstrakt Rozvoj výpočetní techniky v poslední době umožnil také rozvoj výpočetních metod, které nejsou založeny na bázi
10. Techniky formální verifikace a validace
Fakulta informačních technologií MI-NFA, zimní semestr 2011/2012 Jan Schmidt EVROPSKÝ SOCIÁLNÍ FOND PRAHA & EU: INVESTUJENE DO VAŠÍ BUDOUCNOSTI 10. Techniky formální verifikace a validace 1 Simulace není
GENEROVÁNÍ NÁHODNÝCH ČÍSEL PSEUDONÁHODNÁ ČÍSLA
GENEROVÁNÍ NÁHODNÝCH ČÍSEL PSEUDONÁHODNÁ ČÍSLA Oblasti využití generátorů náhodných čísel Statistika Loterie Kryptografie (kryptologie) Simulace Simulační modely DETERMINISTICKÉ STOCHASTICKÉ (činnost systému
Simulace. 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,
P13: Statistické postupy vyhodnocování únavových zkoušek, aplikace normálního, Weibullova rozdělení, apod.
P13: Statistické postupy vyhodnocování únavových zkoušek, aplikace normálního, Weibullova rozdělení, apod. Matematický přístup k výsledkům únavových zkoušek Náhodnost výsledků únavových zkoušek. Únavové
Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti
Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti MI-SOC: 2 METODY VERIFIKACE SYSTÉMŮ NA ČIPU II doc. Ing. Hana Kubátová, CSc. Katedra číslicového návrhu Fakulta informačních technologii
Pravděpodobnost, 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
Generování 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
Projekt Pospolu. Sekvenční logické obvody Klopné obvody. Autorem materiálu a všech jeho částí, není-li uvedeno jinak, je Ing. Jiří Ulrych.
Projekt Pospolu Sekvenční logické obvody Klopné obvody Autorem materiálu a všech jeho částí, není-li uvedeno jinak, je Ing. Jiří Ulrych. Rozlišujeme základní druhy klopných sekvenčních obvodů: Klopný obvod
Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti
Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti MI-SOC: 7 ČASOVÁNÍ A SYNCHRONIZACE TECHNICKÉHO VYBAVENÍ doc. Ing. Hana Kubátová, CSc. Katedra číslicového návrhu Fakulta informačních
Sekvenční logické obvody
Sekvenční logické obvody Sekvenční logické obvody - úvod Sledujme chování jednoduchého logického obvodu se zpětnou vazbou Sekvenční obvody - paměťové členy, klopné obvody flip-flop Asynchronní klopné obvody
TÉMATICKÝ OKRUH Softwarové inženýrství
TÉMATICKÝ OKRUH Softwarové inženýrství Číslo otázky : 22. Otázka : Úvodní fáze rozpracování softwarového projektu. Postupy při specifikaci byznys modelů. Specifikace požadavků a jejich rozpracování pomocí
3. Sekvenční logické obvody
3. Sekvenční logické obvody 3. Sekvenční logické obvody - úvod Sledujme chování jednoduchého logického obvodu se zpětnou vazbou 3. Sekvenční logické obvody příklad sekv.o. Příklad sledování polohy vozíku
U Úvod do modelování a simulace systémů
U Úvod do modelování a simulace systémů Vyšetřování rozsáhlých soustav mnohdy nelze provádět analytickým výpočtem.často je nutné zkoumat chování zařízení v mezních situacích, do kterých se skutečné zařízení
Ekonomické modelování pro podnikatelskou praxi
pro podnikatelskou praxi Ing. Jan Vlachý, Ph.D. vlachy@atlas.cz Dlouhý, M. a kol. Simulace podnikových procesů Vlachý, J. Řízení finančních rizik Scholleová, H. Hodnota flexibility: Reálné opce Sylabus
EXPERIMENTÁLNÍ MECHANIKA 1. Jan Krystek
EXPERIMENTÁLNÍ MECHANIKA 1 2. přednáška Jan Krystek 27. září 2017 ZÁKLADY TEORIE EXPERIMENTU EXPERIMENT soustava cílevědomě řízených činností s určitou posloupností CÍL EXPERIMENTU získání objektivních
NESTABILITY VYBRANÝCH SYSTÉMŮ. Úvod. Vzpěr prutu. Petr Frantík 1
NESTABILITY VYBRANÝCH SYSTÉMŮ Petr Frantík 1 Úvod Úloha pokritického vzpěru přímého prutu je řešena dynamickou metodou. Prut se statickým zatížením je modelován jako nelineární disipativní dynamický systém.
Řízení bezpečnosti. Úvod do předmětu, terminologie, legislativní rámec a obecné zásady zajišťování bezpečnosti
Řízení bezpečnosti Úvod do předmětu, terminologie, legislativní rámec a obecné zásady zajišťování bezpečnosti Operační program Vzdělávání pro konkurenceschopnost Název projektu: Inovace magisterského studijního
Semestrální práce A. Simulace provozu montážní linky televizních přijímačů
Semestrální práce A Simulace provozu montážní linky televizních přijímačů ÚVOD DO PROBLEMATIKY Továrna FATV na výrobu televizorů uvedla před nedávnem do provozu novou montážní halu, ve které se montují
Počítačová simulace logistických procesů
Jan Fábry ŠKODA AUTO Vysoká škola Katedra logistiky, kvality a automobilové techniky 10.3.2019 logistických procesů logistických procesů Obsah kurzu 1. Základy počítačové simulace definice simulace, výhody
MASSIV. Middleware pro tvorbu online her
MASSIV Middleware pro tvorbu online her Obsah prezentace Úvod Prostředky poskytované Massivem Využití jádra Massivu v Demu Zhodnocení projektu Prezentace Dema Úvod Část 1. Tým projektu Massiv Zahájení
SEKVENČNÍ LOGICKÉ OBVODY
Sekvenční logický obvod je elektronický obvod složený z logických členů. Sekvenční obvod se skládá ze dvou částí kombinační a paměťové. Abychom mohli určit hodnotu výstupní proměnné, je potřeba u sekvenčních
01 Teoretické disciplíny systémové vědy
01 Teoretické disciplíny systémové vědy (systémový přístup, obecná teorie systému, systémová statika a dynamika, úlohy na statických a dynamických systémech, kybernetika) Systémová věda je vědní disciplínou
5. Sekvenční logické obvody
5. Sekvenční logické obvody 3. Sekvenční logické obvody - úvod Sledujme chování jednoduchého logického obvodu se zpětnou vazbou 3. Sekvenční logické obvody - příklad asynchronního sekvenčního obvodu 3.
Vývoj IS - strukturované paradigma II
Milan Mišovič (ČVUT FIT) Pokročilé informační systémy MI-PIS, 2011, Přednáška 05 1/18 Vývoj IS - strukturované paradigma II Prof. RNDr. Milan Mišovič, CSc. Katedra softwarového inženýrství Fakulta informačních
Infor APS (Scheduling) Tomáš Hanáček
Infor APS (Scheduling) Tomáš Hanáček Klasické plánovací metody a jejich omezení MRP, MRPII, CRP Rychlost Delší plánovací cyklus Omezená reakce na změny Omezené možnosti simulace Funkčnost Nedokonalé zohlednění
Datové struktury. alg12 1
Datové struktury Jedna z klasických knih o programování (autor prof. Wirth) má název Algorithms + Data structures = Programs Datová struktura je množina dat (prvků, složek, datových objektů), pro kterou
Modelování procesů (2) 23.3.2009 Procesní řízení 1
Modelování procesů (2) 23.3.2009 Procesní řízení 1 Seznam notací Síťové diagramy Notace WfMC Notace Workflow Together Editor Aktivity diagram (UML) FirsStep Designer Procesní mapa Select Prespective (procesní
Monte 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
Pravděpodobnost, 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
IV117: Úvod do systémové biologie
IV117: Úvod do systémové biologie David Šafránek 8.10.2008 Obsah Metody dynamické analýzy Obsah Metody dynamické analýzy Shrnutí biologický systém definován interakcemi mezi jeho komponentami interakce
Pokročilé neparametrické metody. Klára Kubošová
Pokročilé neparametrické metody Klára Kubošová Pokročilé neparametrické metody Výuka 13 přednášek doplněných o praktické cvičení v SW Úvod do neparametrických metod + princip rozhodovacích stromů Klasifikační
ANALÝZA A OPTIMALIZACE VÝROBNÍCH PROCESŮ MALOSÉRIOVÉ SLOŽITÉ VÝROBY V NOVÝCH VÝROBNÍCH PROSTORECH NA ZÁKLADĚ DISKRÉTNÍ SIMULACE
ANALÝZA A OPTIMALIZACE VÝROBNÍCH PROCESŮ MALOSÉRIOVÉ SLOŽITÉ VÝROBY V NOVÝCH VÝROBNÍCH PROSTORECH NA ZÁKLADĚ DISKRÉTNÍ SIMULACE Doc. Václav Votava, CSc. (a), Ing. Zdeněk Ulrych, Ph.D. (b), Ing. Milan Edl,
Institut teoretické informatiky (ITI) na FI MU
Institut teoretické informatiky (ITI) na FI MU Antonín Kučera (vedoucí) Petr Hliněný, Jan Obdržálek, Vojtěch Řehák Fakulta informatiky, Masarykova Univerzita, Brno Brno, 28. dubna 2011 J. Obdržálek (FI
Kapitola 1. Signály a systémy. 1.1 Klasifikace signálů
Kapitola 1 Signály a systémy 1.1 Klasifikace signálů Signál představuje fyzikální vyjádření informace, obvykle ve formě okamžitých hodnot určité fyzikální veličiny, která je funkcí jedné nebo více nezávisle
Projekční algoritmus. Urychlení evolučních algoritmů pomocí regresních stromů a jejich zobecnění. Jan Klíma
Urychlení evolučních algoritmů pomocí regresních stromů a jejich zobecnění Jan Klíma Obsah Motivace & cíle práce Evoluční algoritmy Náhradní modelování Stromové regresní metody Implementace a výsledky
Téma 1: Spolehlivost a bezpečnost stavebních nosných konstrukcí
Téma 1: Spolehlivost a bezpečnost stavebních nosných konstrukcí Přednáška z předmětu: Spolehlivost a bezpečnost staveb 4. ročník bakalářského studia Katedra stavební mechaniky Fakulta stavební Vysoká škola
PARAMETRICKÁ STUDIE VÝPOČTU KOMBINACE JEDNOKOMPONENTNÍCH ÚČINKŮ ZATÍŽENÍ
PARAMETRICKÁ STUDIE VÝPOČTU KOMBINACE JEDNOKOMPONENTNÍCH ÚČINKŮ ZATÍŽENÍ Ing. David KUDLÁČEK, Katedra stavební mechaniky, Fakulta stavební, VŠB TUO, Ludvíka Podéště 1875, 708 33 Ostrava Poruba, tel.: 59
Simulace pohybu chodců pomocí celulárních modelů
Simulace pohybu chodců pomocí celulárních modelů Marek Bukáček výzkumná skupina GAMS při KM KIPL FJFI ČVUT v Praze 8. červen 2011 Obsah Úvod Celulární modely úprava Floor field modelu Proč modelovat Akademický
Návrh čítače jako automatu
ávrh čítače jako automatu Domovská URL dokumentu: http://dce.felk.cvut.cz/lsy/cviceni/pdf/citacavrh.pdf Obsah ÁVRH ČÍTAČE JAO AUTOMATU.... SYCHROÍ A ASYCHROÍ AUTOMAT... 2.a. Výstupy automatu mohou být
Počítačová simulace logistických procesů I. - cvičení 06. ŠAVŠ, Štoček, Karpeta, Varjan
ŠAVŠ, Štoček, Karpeta, Varjan 30.4.2013 Vzorový příklad: PSLP1_CV06_M01_AttributExplorer Téma: Možnosti využití prvku AttributeExplorer v simulačním modelu. Hlavní body: Výrobní program bude generován
Počítačová simulace logistických procesů I. - cvičení 04. ŠAVŠ, Štoček, Karpeta, Varjan
ŠAVŠ, Štoček, Karpeta, Varjan 15.3.2016 Příprava prvků MU pro vzorové příklady 3x prvek MU typu Entity, pojmenovat Dil_01, Dil_02, Dil_03. 3x prvek MU typu Container, pojmenovat Paleta, Paleta_01, Paleta_02
VISUAL BASIC. Přehled témat
VISUAL BASIC Přehled témat 1 ÚVOD DO PROGRAMOVÁNÍ Co je to program? Kuchařský předpis, scénář k filmu,... Program posloupnost instrukcí Běh programu: postupné plnění instrukcí zpracovávání vstupních dat
8. Sběr a zpracování technologických proměnných
8. Sběr a zpracování technologických proměnných Účel: dodat v částečně předzpracovaném a pro další použití vhodném tvaru ucelenou informaci o procesu pro následnou analyzu průběhu procesu a pro rozhodování
Inovace bakalářského studijního oboru Aplikovaná chemie
http://aplchem.upol.cz CZ.1.07/2.2.00/15.0247 Tento projekt je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky. Validace a kvalifikace Doc. RNDr. Jiří Šimek, CSc. Validace
Informační systémy 2008/2009. Radim Farana. Obsah. Obsah předmětu. Požadavky kreditového systému. Relační datový model, Architektury databází
1 Vysoká škola báňská Technická univerzita Ostrava Fakulta strojní, Katedra automatizační techniky a řízení 2008/2009 Radim Farana 1 Obsah Požadavky kreditového systému. Relační datový model, relace, atributy,
SIGNÁLY A LINEÁRNÍ SYSTÉMY
SIGNÁLY A LINEÁRNÍ SYSTÉMY prof. Ing. Jiří Holčík, CSc. INVESTICE Institut DO biostatistiky ROZVOJE VZDĚLÁVÁNÍ a analýz VII. SYSTÉMY ZÁKLADNÍ POJMY SYSTÉM - DEFINICE SYSTÉM (řec.) složené, seskupené (v
SIMULAČNÍ MODEL ČINNOSTÍ VEŘEJNÉHO LOGISTICKÉHO CENTRA
SIMULAČNÍ MODEL ČINNOSTÍ VEŘEJNÉHO LOGISTICKÉHO CENTRA Ing. Jaromír Široký, Ph.D. Ing. Michal Dorda VŠB - TU Ostrava Fakulta strojní Institut dopravy Obsah: 1. Definice cílů a účelu simulace VLC. 2. Struktura
Teorie systémů TES 3. Sběr dat, vzorkování
Evropský sociální fond. Praha & EU: Investujeme do vaší budoucnosti. Teorie systémů TES 3. Sběr dat, vzorkování ZS 2011/2012 prof. Ing. Petr Moos, CSc. Ústav informatiky a telekomunikací Fakulta dopravní
TÉMATICKÝ OKRUH Teorie zpracování dat, Databázové a informační systémy a Teorie informačních systémů
TÉMATICKÝ OKRUH Teorie zpracování dat, Databázové a informační systémy a Teorie informačních systémů Číslo otázky : 16. Otázka : Funkční a dynamická analýza informačního systému. Obsah : 1. Úvod 2. Funkční
Inženýrská statistika pak představuje soubor postupů a aplikací teoretických principů v oblasti inženýrské činnosti.
Přednáška č. 1 Úvod do statistiky a počtu pravděpodobnosti Statistika Statistika je věda a postup jak rozvíjet lidské znalosti použitím empirických dat. Je založena na matematické statistice, která je
Vypracoval: Ing. Antonín POPELKA. Datum: 30. června 2005. Revize 01
Popis systému Revize 01 Založeno 1990 Vypracoval: Ing. Antonín POPELKA Datum: 30. června 2005 SYSTÉM FÁZOROVÝCH MĚŘENÍ FOTEL Systém FOTEL byl vyvinut pro zjišťování fázových poměrů mezi libovolnými body
Kritéria hodnocení praktické maturitní zkoušky z databázových systémů
Kritéria hodnocení praktické maturitní zkoušky z databázových systémů Otázka č. 1 Datový model 1. Správně navržený ERD model dle zadání max. 40 bodů teoretické znalosti konceptuálního modelování správné
Téma 3: Metoda Monte Carlo
y Náhodná proměnná D Téma 3: Metoda Monte Carlo Přednáška z předmětu: Pravděpodobnostní posuzování konstrukcí 4. ročník bakalářského studia 1,0 1,00 0,80 0,60 0,40 0,0 0,00 0,00 0,0 0,40 0,60 0,80 1,00
24.11.2009 Václav Jirchář, ZTGB
24.11.2009 Václav Jirchář, ZTGB Síťová analýza 50.let V souvislosti s potřebou urychlit vývoj a výrobu raket POLARIS v USA při závodech ve zbrojení za studené války se SSSR V roce 1958 se díky aplikaci
Informační systémy 2008/2009. Radim Farana. Obsah. Nástroje business modelování. Business modelling, základní nástroje a metody business modelování.
3 Vysoká škola báňská Technická univerzita Ostrava Fakulta strojní, Katedra automatizační techniky a řízení 2008/2009 Radim Farana 1 Obsah Business modelling, základní nástroje a metody business modelování.
Základní datové struktury
Základní datové struktury Martin Trnečka Katedra informatiky, Přírodovědecká fakulta Univerzita Palackého v Olomouci 4. listopadu 2013 Martin Trnečka (UPOL) Algoritmická matematika 1 4. listopadu 2013
Implementace dávkových operací
Implementace dávkových operací Petr Steckovič 12. 5. 2011 Hradec Králové 1 Dávkové zpracování dat Procesy běžící na pozadí Spouštěné Časem Stavem (např. dochází místo) Ručně Obvykle se jedná o podpůrné
Algoritmizace prostorových úloh
INOVACE BAKALÁŘSKÝCH A MAGISTERSKÝCH STUDIJNÍCH OBORŮ NA HORNICKO-GEOLOGICKÉ FAKULTĚ VYSOKÉ ŠKOLY BÁŇSKÉ - TECHNICKÉ UNIVERZITY OSTRAVA Algoritmizace prostorových úloh Datové struktury Daniela Szturcová
Sběr dílenských dat s využitím produktu OKdata
Sběr dílenských dat s využitím produktu OKdata 1. Úvod Řídit bez informací nelze. To ví všichni. Přesto v praxi tuto samozřejmost často buď zcela ignorujeme nebo silně podceňujeme. Přitom na dosah ruky
Spolehlivost dodávek elektrické energie
Co je to spolehlivost? Je to obecná vlastnost Je to schopnost plnit požadované funkce v daných mezích v čase podle stanovených technických podmínek Spolehlivost obsahuje dílčí vlastnosti jako např. bezporuchovost,
METODICKÝ APARÁT LOGISTIKY
METODICKÝ APARÁT LOGISTIKY Metodický aparát logistiky jedná se o metody sloužící k rozhodování při logistických problémech Metodu = použijeme, v případě vzniku problému. Problém = vzniká v okamžiku, když
Náhodné chyby přímých měření
Náhodné chyby přímých měření Hodnoty náhodných chyb se nedají stanovit předem, ale na základě počtu pravděpodobnosti lze zjistit, která z možných naměřených hodnot je více a která je méně pravděpodobná.
Význam ekonomického modelování
Základy ekonomického modelování Ing. Jan Vlachý, Ph.D. vlachy@atlas.cz Dlouhý, M. a kol. Simulace podnikových procesů Hnilica, J., Fotr, J. Aplikovaná analýza rizika Scholleová, H. Hodnota flexibility:
Exponenciální modely hromadné obsluhy
Exponenciální modely hromadné obsluhy Systém s čekáním a neohraničeným zdrojem požadavků Na základě předchozích informací je potřeba probrat, jaké informace jsou dostupné v počtu pravděpodobnosti řešícím
Buněčné automaty a mřížkové buněčné automaty pro plyny. Larysa Ocheretna
Buněčné automaty a mřížkové buněčné automaty pro plyny Larysa Ocheretna Obsah Buněčný automat: princip modelu, vymezení pojmů Mřížkový buněčný automat pro plyny Příklady aplikace principů mřížkových buněčných
VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky SMAD
VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky JMÉNO STUDENTKY/STUDENTA: OSOBNÍ ČÍSLO: JMÉNO CVIČÍCÍ/CVIČÍCÍHO: SMAD Cvičení Ostrava, AR 2016/2017 Popis datového souboru Pro dlouhodobý
Počítačové sítě Datový spoj
(Data Link) organizovaný komunikační kanál Datové jednotky rámce (frames) indikátory začátku a konce signálu, režijní informace (identifikátor zdroje a cíle, řídící informace, informace o stavu spoje,
Pilotní ověření standardizace na agendě živnostenského podnikání. Projekt A121
Projekt A121 Východiska projektu A121 #1 Procesní modelování agend je v širším smyslu součástí programu transformace výkonu veřejné správy založený na procesním přístupu a standardizaci agend. Přináší
Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti
Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti MI-SOC: 2 KOMUNIKACE NAČIPU, LATENCE, PROPUSTNOST, ARCHITEKTURY doc. Ing. Hana Kubátová, CSc. Katedra číslicového návrhu Fakulta informačních
Základní informace o co se jedná a k čemu to slouží
Základní informace o co se jedná a k čemu to slouží založené na relačních databází transakční systémy, které jsou určeny pro pořizování a ukládání dat v reálném čase (ERP, účetní, ekonomické a další podnikové
Diferenciální rovnice a jejich aplikace. (Brkos 2011) Diferenciální rovnice a jejich aplikace 1 / 36
Diferenciální rovnice a jejich aplikace Zdeněk Kadeřábek (Brkos 2011) Diferenciální rovnice a jejich aplikace 1 / 36 Obsah 1 Co to je derivace? 2 Diferenciální rovnice 3 Systémy diferenciálních rovnic
Da D to t v o é v ty t py IB111: Datové typy
Datové typy IB111: Datové typy Data a algoritmizace jaká data potřebuji pro vyřešení problému? jak budu data reprezentovat? jaké operaci s nimi potřebuji provádět? Navržení práce s daty je velice důležité
SDI. František Manlig. Technická univerzita v Liberci. Simulace diskrétních systémů 19.2.2013. TU v Liberci
Tento materiál vznikl jako součást projektu, který je spolufinancován Evropským sociálním fondem a státním rozpočtem ČR. Simulační projekt Technická univerzita v Liberci Simulace diskrétních systémů Technická
podnikatelských koncepcí, objasnit přístupy sektoru finančních služeb k trhu a
Metodický list pro první soustředění kombinovaného studia ------------------------------------------------------------------------------------- Název tematického celku: MARKETINGOVÉ ŘÍZENÍ. KLIENT. Cíl:
Neuronové časové řady (ANN-TS)
Neuronové časové řady (ANN-TS) Menu: QCExpert Prediktivní metody Neuronové časové řady Tento modul (Artificial Neural Network Time Series ANN-TS) využívá modelovacího potenciálu neuronové sítě k predikci
zpravidla předpokládá, že hodnoty intenzity poruch a oprav jsou konstantní.
Pohotovost a vliv jednotlivých složek na číselné hodnoty pohotovosti Systém se může nacházet v mnoha různých stavech. V praxi se nejčastěji vyskytují případy, kdy systém (nebo prvek) je charakterizován
Téma: Dynamika - Úvod do stavební dynamiky
Počítačová podpora statických výpočtů Téma: Dynamika - Úvod do stavební dynamiky 1) Úlohy stavební dynamiky 2) Základní pojmy z fyziky 3) Základní zákony mechaniky 4) Základní dynamická zatížení Katedra
E(X) = np D(X) = np(1 p) 1 2p np(1 p) (n + 1)p 1 ˆx (n + 1)p. A 3 (X) =
Základní rozdělení pravděpodobnosti Diskrétní rozdělení pravděpodobnosti. Pojem Náhodná veličina s Binomickým rozdělením Bi(n, p), kde n je přirozené číslo, p je reálné číslo, < p < má pravděpodobnostní
Návrh a simulace zkušební stolice olejového čerpadla. Martin Krajíček
Návrh a simulace zkušební stolice olejového čerpadla Autor: Vedoucí diplomové práce: Martin Krajíček Prof. Michael Valášek 1 Cíle práce 1. Vytvoření specifikace zařízení 2. Návrh zařízení včetně hydraulického
MAPY POVODŇOVÉHO NEBEZPEČÍ, DOKUMENTACE OBLASTÍ S VÝZNAMNÝM
MAPY POVODŇOVÉHO NEBEZPEČÍ, DOKUMENTACE OBLASTÍ S VÝZNAMNÝM POVODŇOVÝM RIZIKEM, PLÁN PRO ZVLÁDÁNÍ POVODŇOVÝCH RIZIK ZKUŠENOSTI ZE ZPRACOVÁNÍ ÚKOLŮ SMĚRNICE 2007/60/ES V ČESKÉ REPUBLICE J. Cihlář, M. Tomek,
VÝVOJ ŘÍDICÍCH ALGORITMŮ HYDRAULICKÝCH POHONŮ S VYUŽITÍM SIGNÁLOVÉHO PROCESORU DSPACE
VÝVOJ ŘÍDICÍCH ALGORITMŮ HYDRAULICKÝCH POHONŮ S VYUŽITÍM SIGNÁLOVÉHO PROCESORU DSPACE Přednáška na semináři CAHP v Praze 4.9.2013 Prof. Ing. Petr Noskievič, CSc. Ing. Miroslav Mahdal, Ph.D. Katedra automatizační