Indirekt térfogat-vizualizáció. Fourier térfogat-vizualizáció. Tomográfiás rekonstrukció. Radon-transzformáció. A Fourier vetítő sík tétel
|
|
- István Papp
- 5 évvel ezelőtt
- Látták:
Átírás
1 Vzualzácós algortmusok csoportosítása Indrekt térfogat-vzualzácó Csébfalv Balázs Budapest Műszak és Gazdaságtudomány Egyetem Irányítástechnka és Informatka Tanszék Drekt vzualzácó: Közvetlenül a dszkrét adatot dolgozzuk fel Indrekt vzualzácó: Átmenet reprezentácóra van szükség 3D Fourer transzformácó Fourer térfogatvzualzácó Véletlen pontfelhős reprezentácó Monte Carlo térfogat-vzualzácó Szntfelület geometra modelle Masírozó kockák (Marchng cubes 2 / 44 Fourer térfogat-vzualzácó Tomográfás rekonstrukcó Tomográfás rekonstrukcó a bemenet adatok a vetületek ezekből rekonstruáluk a 3D elet egy adott rács rácspontaban Fourer térfogat-vzualzácó a tomográfás rekonstrukcó nverze a bement adat a 3D tomográfás rekonstrukcó eredménye ebből reprodukálunk egy tetszőleges rányú vetületet szmulált Röntgen-képek generálása 3 / 44 4 / 44 Radon-transzformácó A Fourer vetítő sík tétel p ( t y δ ( x cos( + y sn( t dy 5 / 44 a vetület D Fourer transzformálta 2πω t P ( ω p ( t e Fourer vetítő sík tétel: P ( ω ω cos, ω sn u, v y P ( ω e 2π ( ux+ vy dt dudv 6 / 44
2 2D Fourer-transzformácó f(x,y 2D Fourer-transzformálta: u, v 2π ( ux+ vy y e dy A vetület Fourer-transzformálta: P ( ω p ( t, s e 2πωt dt Koordnáták transzformácóa t cos s sn sn x cos y A vetület a transzformált (t, s térben: p ( t f ( t, s ds 7 / 44 8 / 44 Fourer vetítés sík tétel P ( ω 2πωt 2πωt p ( t, s e dt f ( t, s ds e dt Ugyanez az (x, y eredet térben: P ( ω 2πωt y e dy t x cos + y sn Fourer vetítés sík tétel a vetület D Fourer transzformálta P ( ω 2πω ( xcos + ysn y e dy Fourer vetítés sík tétel: y a szelet 2D Fourer-transzformálta P ( ω ω cos, ω sn u, v P ( ω e 2π ( ux+ vy dudv 9 / 44 0 / 44 Szűrt vsszavetítés Helyettesítéses ntegrálás: y u ω cos, v ω sn 2π 0 0 e 2πω ( xcos + ysn ωdωd ω a transzformácó Jacob-determnánsa Szűrt vsszavetítés y π 0 0 π π e e 2πω ( xcos + ysn 2πω ( xcos( + π + ysn( + π A Fourer transzformácó defnícóából: + π ωdωd + ωdωd / 44 2 / 44 2
3 Szűrt vsszavetítés A szűrő átvtel függvénye y π 0 π 0 P ( ω ω e ω e 2πω ( xcos + ysn 2πω ( xcos + ysn dωd dωd konvolúcós szűrés egy ω karaktersztkáú szűrővel vsszavetítés 3 / 44 4 / 44 A szűrt vsszavetítés algortmusa Dszkrét mplementácó. Mnden szögre számítsuk k a megfelelő p vetület P Fourer-transzformáltát 2. Szűrés a frekvencatartományban (P szorzása a szűrő átvtel függvényével ekvvalens egy konvolúcóval a tértartományban: 2πωt Q ( t P ( ω ω e dω 3. Vsszavetítés: π Q ( x cos + y y sn d 0. Mnden szögre számítsuk k a megfelelő p vetület P dszkrét Fourer transzformáltát 2. Szűrés a frekvencatartományban (P szorzása a szűrő dszkrét átvtel függvényével 3. A 2. lépés eredményének nverz dszkrét Fourertranszformácóa 4. Vsszavetítés: N y Q ( x cos + y sn 5 / 44 6 / 44 Fourer térfogat-vzualzácó 3D Fourer-transzformácó Szeletelés A nézet rányra merőleges sík mentén úramntavételezzük a 3D Fourer-transzformáltat 2D nverz Fourer-transzformácó A Fourer vetítő sík tétel alapán a kapott eredmény az eredet 3D tömb adott rányú vetülete Komplextás Tegyük fel, hogy egy N 3 felbontású tömbünk van A 3D DFT komplextása O(N 3 logn egyszer kell megcsnáln egy előfeldolgozásban A szeletelés komplextása O(N 2 ha kompakt mntavételező szűrőt használunk A 2D nverz DFT komplextása O(N 2 logn mnden nézetre külön el kell végezn A megelenítés költsége praktkusan a pxelek számával arányos nem pedg a voxelek számával A hagyományos módszerek (ray castng, splattng mnden voxelt számításba vesznek, ezért ezek komplextása O(N 3 7 / 44 8 / 44 3
4 Gyakorlat problémák A praktkus szűrők smító hatásuk matt a térfogat középső részét túlhangsúlyozzák Előszorzás: A 3D DFT-t előszorozzuk a rekonstrukcós szűrő Fourer-transzformáltának recprokával Hátrányok Nncs alfa-kompoztálás Csak szmulált Röntgen-képek előállítására alkalmas Csak párhuzamos vetítésre használható Gyakorlat alkalmazása korlátozott 9 / / 44 Depth cueng Félgömbös megvlágítás A távolabb pontokat ksebb ntenztással renderelük Ezáltal a mélységérzet avítható A mélység modulácó a frekvencatartományban egy 2D műveletként végezhető el A 3D DFT-t nem kell úraszámoln { f ( d( } H ( ν ( ν D( ν P( ν H ( ν ( ν P( ν ( H ( ν D( ν ( ν P( ν H '( ν FT 2 / 44 Klasszkus félgömbös megvlágítás: I ( + ( N L 2 Félgömbös megvlágítás térfogat adatokra: x L x f ( I f ( + x + x L x f ( f ( 2 f ( 2 Kértékelés a frekvencatartományban: 2 ( ( FT{ f ( } + FT{ f ( }( ν L H( ν 22 / 44 Félgömbös megvlágítás Monte Carlo térfogat-vzualzácó Integráluk a sűrűségfüggvényt azon a térfogatrészen, amely az adott pxelre vetül Alkalmazzuk a Monte Carlo ntegrálást félgömbös megvlágítás félgömbös megvlágítás mélység ntenztásmodulácóval 23 / / 44 4
5 Monte Carlo térfogat-vzualzácó A sűrűségfüggvény folytonos reprezentácóa: f (,, k Z Monte Carlo ntegrálás:, k h( x x,, k M g( g( g( xk I g( E M k xk x k egy x valószínűség változó k-adk mntáa, ahol a valószínűség sűrűségfüggvény az átlagolás torzítatlan becslést ad az ntegrálra a szórás annál ksebb mnél nkább arányos a g( ntegrandussal (mportance samplng - fontosság szernt mntavételezés 25 / 44 Monte Carlo térfogat-vzualzácó Az I, pxel számítása f ( v, ( I, f ( f ( v, ( E V, V v, ( a láthatóság függvény: v(, 0 x V otherwse Részleges mportance samplng ( csak az f( sűrűségfüggvénnyel arányos: f ( p, v f (, f ( v ( V f M [, ( ],, E f ( E v v V, ( xk M k I, M, M 26 / 44 MCVR algortmus Komplextás Generálunk pontmntákat a folytonos sűrűségfüggvénnyel arányos valószínűség sűrűséggel először egy random voxel pozícót választunk mad a random voxelpozícóhoz hozzáadunk egy a rekonstrukcós kernellel, mnt valószínűség sűrűségfüggvénnyel generált eltolásvektort Vetítsük rá a pontmntákat a képsíkra Az pxelek ntenztása legyen arányos a ráuk vetülő pontmnták számával A becslés szórása csökkenthető a pontmnták számának növelésével A normalzált ntenztásokat kvantáluk A szórást a kvantálás hba sznte alá lehet vnn Belátható, hogy a szükséges mnták száma a pxelek számával és nem a voxelek számával arányos Ilyen értelemben az MCVR komplextása O(N 2, am obb mnt a Fourer térfogat-vzualzácó O(N 2 logn-es komplextása 27 / / 44 Konvergenca MCVR-rel generált képek M 6M 29 / / 44 5
6 Árnyalás gradensek alapán Árnyalás gradensek alapán Nem az eredet adatokat használuk valószínűség sűrűségfüggvényként A valószínűség a gradens nagyságával arányos A ól defnált szntfelületeket emelük k A pontmntákat a vetítés előtt árnyaluk A kompoztálás egy egyszerű ntegrálás Az árnyalt Fourer térfogat-vzualzácóhoz hasonló eredményt kapunk M 6M 3 / / 44 Masírozó kockák (Marchng Cubes Masírozó kockák algortmusa Az átmenet reprezentácó egy adott szntfelület háromszögekkel közelített geometra modelle Mnden kocka alakú cellára megvzsgáluk, hogy metsz-e a szntfelület A kockákon belül a sarokpontok osztályozása alapán alkalmazunk egy háromszöges közelítést A kapott geometra modellt hagyományos módon (pl. nkrementáls képszntézssel elenítük meg Szntfelület defnálása egy t küszöbértékkel Voxelek (volume element bnárs osztályozása A metszett cellák trangularzácóa: 8 btes ndex kszámítása a nyolc sarokvoxel bnárs osztályozása alapán éllsta kolvasása egy prekalkulált táblázatból metszéspontok számítása lneárs nterpolácóval felület normálsok lneárs nterpolácóa 33 / / 44 Osztályozás - cellandexek kszámítása A cellák trangularzácóa A 8-btes ndex alapán 256 esetet lehet megkülönböztetn Topológalag vszont csak 4 különböző elem trangularzácó létezk a prekalkulált táblázat csak 4 éllstát tárol A több esetet forgatással vagy tükrözéssel kaphatuk meg 35 / / 44 6
7 Elem trangularzácók Az elem trangularzácók nem egyértelműek 37 / / 44 Kegészítő trangularzácók A háromszögek csúcspontanak kszámítása Vertexek kszámítása: V, ( t f ( P P + ( f ( P t P f ( P f ( P Felület normálsok kszámítása: N, ( t f ( P N f ( P + ( f ( P t N f ( P 39 / / 44 Rekonstruált szntfelületek Az algortmus hátránya Nagy számú háromszöget generál Háromszög-tzedelésre (trangle decmaton van szükség A relatíve ks görbületű felületrészeket reprezentáló háromszögeket összevonuk Octree alapú herarchkus megközelítés Szakaszonként lneárs közelítés közelről látszanak a háromszögek éle Iteratív utósmításra van szükség görbület mnmalzálása büntető függvénnyel A háromszögháló megelenítése ma már lassabb mnt a drekt térfogat-vzualzácó GPU mplementácóa 4 / / 44 7
8 Alkalmazás orvos CAD rendszerben Fogászat alkamazás 43 / / 44 Mechanka szmulácó Véges elemes analízs 45 / 44 8
3D - geometriai modellezés, alakzatrekonstrukció, nyomtatás
3D - geometra modellezés, alakzatrekonstrukcó, nyomtatás 17. 3D Szegmentálás http://cg.t.bme.hu/portal/node/312 https://www.vk.bme.hu/kepzes/targyak/viiiav54 Dr. Várady Tamás, Dr. Salv Péter BME, Vllamosmérnök
Részletesebben3D-s számítógépes geometria
3D-s számítógépes geometra 11. 3D szegmentálás http://cg.t.bme.hu/portal/node/31 https://www.vk.bme.hu/kepzes/targyak/viiiav01 Dr. Várady Tamás BME, Vllamosmérnök és Informatka Kar Irányítástechnka és
RészletesebbenORVOSI STATISZTIKA. Az orvosi statisztika helye. Egyéb példák. Példa: test hőmérséklet. Lehet kérdés? Statisztika. Élettan Anatómia Kémia. Kérdések!
ORVOSI STATISZTIKA Az orvos statsztka helye Élettan Anatóma Kéma Lehet kérdés?? Statsztka! Az orvos döntéseket hoz! Mkor jó egy döntés? Mennyre helyes egy döntés? Mekkora a tévedés lehetősége? Példa: test
Részletesebben3D - geometriai modellezés, alakzatrekonstrukció, nyomtatás
3D - geometra modellezés, alakzatrekonstrukcó, nyomtatás b Háromszöghálók - algortmusok http://cgtbmehu/portal/node/3 https://wwwvkbmehu/kepzes/targyak/viiiav54 Dr Várady Tamás, Dr Salv Péter BME, Vllamosmérnök
Részletesebben10. Alakzatok és minták detektálása
0. Alakzatok és mnták detektálása Kató Zoltán Képfeldolgozás és Számítógépes Grafka tanszék SZTE http://www.nf.u-szeged.hu/~kato/teachng/ 2 Hough transzformácó Éldetektálás során csak élpontok halmazát
RészletesebbenStatisztikai próbák. Ugyanazon problémára sokszor megvan mindkét eljárás.
Statsztka próbák Paraméteres. A populácó paraméteret becsüljük, ezekkel számolunk.. Az alapsokaság eloszlására van kkötés. Nem paraméteres Nncs lyen becslés Nncs kkötés Ugyanazon problémára sokszor megvan
Részletesebben7. Regisztráció. Kató Zoltán. Képfeldolgozás és Számítógépes Grafika tanszék SZTE (
Kató Zoltán: Ipar Képfeldolgozás 7. Regsztrácó Kató Zoltán Képfeldolgozás és Számítógépes Grafka tanszék SZE (http://www.nf.u-szeged.hu/~kato/teachng/ Kató Zoltán: Ipar Képfeldolgozás Kép mozak agyobb
RészletesebbenRöntgen diagnosztikai eljárások:
Röntgen dagnosztka eljárások: Vázlatosan smertesse egy röntgen alapú képalkotó berendezés felépítését! ogyan keletkezk a röntgen foton, m határozza meg az energáját? Mt nevezünk kollmátornak? Mt mond k
RészletesebbenMi a szcintilláció lényege? Milyen esetekben van rá szükség? Nevezzen meg egy konkrét ilyen esetet!
Röntgen dagnosztka eljárások: Vázlatosan smertesse egy röntgen alapú képalkotó berendezés felépítését! ogyan keletkezk a röntgen foton, m határozza meg az energáját? Mt nevezünk kollmátornak? Mt mond k
Részletesebbend(f(x), f(y)) q d(x, y), ahol 0 q < 1.
Fxponttétel Már a hétköznap életben s gyakran tapasztaltuk, hogy két pont között a távolságot nem feltétlenül a " kettő között egyenes szakasz hossza" adja Pl két település között a távolságot közlekedés
RészletesebbenA MOLEKULADINAMIKAI MÓDSZEREK SZISZTEMATIKUS TÁRGYALÁSA: KLASSZIKUS DINAMIKA A POSTERIORI KORREKCIÓJA
A MOLEKULADINAMIKAI MÓDSZEREK SZISZTEMATIKUS TÁRGYALÁSA: KLASSZIKUS DINAMIKA A POSTERIORI KORREKCIÓJA KLASSZIKUS DINAMIKA Klasszkus magok mozognak egy elre elkészített potencálfelületen. Potencálfelület
RészletesebbenDigitális Domborzat Modellek (DTM)
Dgtáls Domborzat Modellek (DTM) DTM fogalma A földfelszín számítógéppel kezelhető topográfa modellje Cél: tetszőleges pontban magasság érték nterpolálása a rendelkezésre álló támpontok alapján Interpolácós
RészletesebbenRegresszió. Fő cél: jóslás Történhet:
Fő cél: jóslás Történhet: Regresszó 1 változó több változó segítségével Lépések: Létezk-e valamlyen kapcsolat a 2 változó között? Kapcsolat természetének leírása (mat. egy.) A regresszós egyenlet alapján
RészletesebbenKéprekonstrukció 3. előadás
Képrekonstrukció 3. előadás Balázs Péter Képfeldolgozás és Számítógépes Grafika Tanszék Szegedi Tudományegyetem Computed Tomography (CT) Elv: Röntgen-sugarak áthatolása 3D objektum 3D térfogati kép Mérések
RészletesebbenAlgoritmusok és adatszerkezetek gyakorlat 09 Rendezések
Algortmusok és adatszerkezetek gyakorlat 09 Rendezések Néhány órával ezelőtt megsmerkedtünk már a Merge Sort rendező algortmussal. A Merge Sort-ról tuduk, hogy a legrosszabb eset dőgénye O(n log n). Tetszőleges
RészletesebbenALAKOS KÖRKÉS PONTOSSÁGI VIZSGÁLATA EXCEL ALAPÚ SZOFTVERREL OKTATÁSI SEGÉDLET. Összeállította: Dr. Szabó Sándor
MISKOLCI EGYETEM Gépgyártástechnológa Tanszék Mskolc - Egyetemváros ALAKOS KÖRKÉS PONTOSSÁGI VIZSGÁLATA EXCEL ALAPÚ SZOFTVERREL OKTATÁSI SEGÉDLET Összeállította: Dr. Szabó Sándor A orgácsoló megmunkálásokhoz
Részletesebben(Solid modeling, Geometric modeling) Testmodell: egy létező vagy elképzelt objektum digitális reprezentációja.
Testmodellezés Testmodellezés (Solid modeling, Geometric modeling) Testmodell: egy létező vagy elképzelt objektum digitális reprezentációja. A tervezés (modellezés) során megadjuk a objektum geometria
Részletesebben4 2 lapultsági együttható =
Leíró statsztka Egy kísérlet végeztével általában tetemes mennységű adat szokott összegyűln. Állandó probléma, hogy mt s kezdjünk - lletve mt tudunk kezden az adatokkal. A statsztka ebben segít mnket.
RészletesebbenIDA ELŐADÁS I. Bolgár Bence október 17.
IDA ELŐADÁS I. Bolgár Bence 2014. október 17. I. Generatív és dszkrmnatív modellek Korábban megsmerkedtünk a felügyelt tanulással (supervsed learnng). Legyen adott a D = {, y } P =1 tanító halmaz, ahol
Részletesebben3D számítógépes geometria és alakzatrekonstrukció
3D számítógépes geometria és alakzatrekonstrukció 2a. Háromszöghálók http://cg.iit.bme.hu/portal/node/312 https://www.vik.bme.hu/kepzes/targyak/viiima01 Dr. Várady Tamás, Dr. Salvi Péter BME, Villamosmérnöki
RészletesebbenMéréselmélet: 5. előadás,
5. Modellllesztés (folyt.) Méréselmélet: 5. előadás, 03.03.3. Út az adaptív elárásokhoz: (85) és (88) alapán: W P, ( ( P). Ez utóbb mndkét oldalát megszorozva az mátrxszal: W W ( ( n ). (9) Feltételezve,
RészletesebbenTurbulens áramlás modellezése háromszög elrendezésű csőkötegben
Turbulens áramlás modellezése háromszög elrendezésű csőkötegben Mayer Gusztáv mayer@sunserv.kfk.hu 2005. 09. 27. CFD Workshop 1 Tartalom - Vzsgált geometra Motvácó Az áramlás jellemző Saját fejlesztésű
Részletesebben3D-s számítógépes geometria és alakzatrekonstrukció
3D-s számítógépes geometria és alakzatrekonstrukció 2a. Háromszöghálók http://cg.iit.bme.hu/portal/node/312 https://www.vik.bme.hu/kepzes/targyak/viiiav08 Dr. Várady Tamás, Salvi Péter BME, Villamosmérnöki
RészletesebbenValószínűségi változók. Várható érték és szórás
Matematikai statisztika gyakorlat Valószínűségi változók. Várható érték és szórás Valószínűségi változók 2016. március 7-11. 1 / 13 Valószínűségi változók Legyen a (Ω, A, P) valószínűségi mező. Egy X :
RészletesebbenMinősítéses mérőrendszerek képességvizsgálata
Mnősítéses mérőrendszerek képességvzsgálata Vágó Emese, Dr. Kemény Sándor Budapest Műszak és Gazdaságtudomány Egyetem Kéma és Környezet Folyamatmérnök Tanszék Az előadás vázlata 1. Mnősítéses mérőrendszerek
RészletesebbenLineáris regresszió. Statisztika I., 4. alkalom
Lneárs regresszó Statsztka I., 4. alkalom Lneárs regresszó Ha két folytonos változó lneárs kapcsolatban van egymással, akkor az egyk segítségével elıre jelezhetjük a másk értékét. Szükségünk van a függı
RészletesebbenMérés és adatgyűjtés
Mérés és adatgyűjtés 4. óra Mingesz Róbert Szegedi Tudományegyetem 2012. február 27. MA - 4. óra Verzió: 2.1 Utolsó frissítés: 2012. március 12. 1/41 Tartalom I 1 Jelek 2 Mintavételezés 3 A/D konverterek
RészletesebbenAz entrópia statisztikus értelmezése
Az entrópa statsztkus értelmezése A tapasztalat azt mutatja hogy annak ellenére hogy egy gáz molekulá egyed mozgást végeznek vselkedésükben mégs szabályszerűségek vannak. Statsztka jellegű vselkedés szabályok
RészletesebbenStatisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1
Statisztika - bevezetés 00.04.05. Méréselmélet PE MIK MI_BSc VI_BSc Bevezetés Véletlen jelenség fogalma jelenséget okok bizonyos rendszere hozza létre ha mindegyik figyelembe vehető egyértelmű leírás általában
Részletesebben3D Számítógépes Geometria II.
3D Számítógépes Geometra II. 3. Szabadformáú felületek llesztése és smítása http://cg.t.bme.h/portal/3dgeo https://www.k.bme.h/kepzes/targyak/viiiav16 Dr. Várady Tamás Dr. Sal Péter BME Vllamosmérnök és
RészletesebbenPontműveletek. Sergyán Szabolcs Óbudai Egyetem Neumann János Informatikai Kar február 20.
Pontműveletek Sergyán Szabolcs sergyan.szabolcs@nik.uni-obuda.hu Óbudai Egyetem Neumann János Informatikai Kar 2012. február 20. Sergyán (OE NIK) Pontműveletek 2012. február 20. 1 / 40 Felhasznált irodalom
RészletesebbenSupport Vector Machines
Support Vector Machnes Ormánd Róbert MA-SZE Mest. Int. Kutatócsoport 2009. február 17. Előadás vázlata Rövd bevezetés a gép tanulásba Bevezetés az SVM tanuló módszerbe Alapötlet Nem szeparálható eset Kernel
RészletesebbenEM algoritmus. A feladat: egy valószínűség eloszlás valmilyen paraméterét(vektorát) akarjuk becsülni részlegesen megfigyelhető.
Szegmentálás Szegmentálás Hsztogram alapján, paraméteres hsztogram modell, EM algortmus Pontokra egyenes, lletve előre defnált alakú görbe llesztés, Hough transzformácó Modell alapú szegmentálás, ASM (AAM)
RészletesebbenGyakorló feladatok I.
Gyakorló feladatok I. a Matematika Aa Vektorüggvények tárgyhoz (D D5 kurzusok) Összeállította: Szili László Ajánlott irodalmak:. G.B. Thomas, M.D. Weir, J. Hass, F.R. Giordano: Thomas-féle KALKULUS I.,
RészletesebbenNGB_IN040_1 SZIMULÁCIÓS TECHNIKÁK dr. Pozna Claudio Radu, Horváth Ernő
SZÉCHENYI ISTVÁN EGYETEM Műszaki Tudományi Kar Informatika Tanszék BSC FOKOZATÚ MÉRNÖK INFORMATIKUS SZAK NGB_IN040_1 SZIMULÁCIÓS TECHNIKÁK dr. Pozna Claudio Radu, Horváth Ernő Fejlesztői dokumentáció GROUP#6
RészletesebbenRégió alapú szegmentálás. Digitális képelemzés alapvető algoritmusai. 2. példa: Elfogadható eredmények. 1. példa: Jó eredmények. Csetverikov Dmitrij
Régó alapú szegmentálás Dgtáls képelemzés alapvető algortmusa Csetverkov Dmtrj Eötvös Lóránd Egyetem, Budapest csetverkov@sztak.hu http://vson.sztak.hu Informatka Kar 1 Küszöbölés példá és elemzése Küszöbölés
Részletesebbens n s x A m és az átlag Standard hiba A m becslése Információ tartalom Átlag Konfidencia intervallum Pont becslés Intervallum becslés
A m és az átlag Standard hba Mnta átlag 1 170 Az átlagok szntén ngadoznak a m körül. s x s n Az átlagok átlagos eltérése a m- től! 168 A m konfdenca ntervalluma. 3 166 4 173 x s x ~ 68% ~68% annak a valószínűsége,
RészletesebbenFourier transzformáció
a Matematika mérnököknek II. című tárgyhoz Fourier transzformáció Fourier transzformáció, heurisztika Tekintsük egy 2L szerint periodikus függvény Fourier sorát: f (x) = a 0 2 + ( ( nπ ) ( nπ )) a n cos
RészletesebbenTérbeli transzformációk, a tér leképezése síkra
Térbeli transzformációk, a tér leképezése síkra Homogén koordináták bevezetése térben A tér minden P pontjához kölcsönösen egyértelműen egy valós (x, y, z) számhármast rendeltünk hozzá. (Descartes-féle
RészletesebbenSzárítás során kialakuló hővezetés számítása Excel VBA makróval
Szárítás során kalakuló hővezetés számítása Excel VBA makróval Rajkó Róbert 1 Eszes Ferenc 2 Szabó Gábor 1 1 Szeged Tudományegyetem, Szeged Élelmszerpar Főskola Kar Élelmszerpar Műveletek és Környezettechnka
RészletesebbenInformáció megjelenítés Számítógépes ábrázolás. Dr. Iványi Péter
Információ megjelenítés Számítógépes ábrázolás Dr. Iványi Péter Raszterizáció OpenGL Mely pixelek vannak a primitíven belül fragment generálása minden ilyen pixelre Attribútumok (pl., szín) hozzárendelése
RészletesebbenHipotézis vizsgálatok. Egy példa. Hipotézisek. A megfigyelt változó eloszlása Kérdés: Hatásos a lázcsillapító gyógyszer?
01.09.18. Hpotézs vzsgálatok Egy példa Kérdések (példa) Hogyan adhatunk választ? Kérdés: Hatásos a lázcsllapító gyógyszer? Hatásos-e a gyógyszer?? rodalomból kísérletekből Hpotézsek A megfgyelt változó
RészletesebbenFILMHANG RESTAURÁLÁS: A NEMLINEÁRIS KOMPENZÁLÁS
FILMHANG RESTAURÁLÁS: A NEMLINEÁRIS KOMPENZÁLÁS EGY GYAKORLATI ALKALMAZÁSA Bakó Tamás, dr. Dabócz Tamás Budapest Mszak és gazdaságtudomány Egyetem, Méréstechnka és Informácós Rendszerek Tanszék e-mal:
RészletesebbenMatematika M1 1. zárthelyi megoldások, 2017 tavasz
Matematka M. zárthely megoldások, 7 tavasz A csoport Pontozás: + 7 + 7 + 7) + 3 + 6 5 pont.. Lehet-e az ux, y) e 3x cos3y) kétváltozós valós függvény egy regulárs komplex függvény valós része? Ha gen,
RészletesebbenPéldák ekvivalencia relációra (TÉTELként kell tudni ezeket zárthelyin, vizsgán):
F NIK INÁRIS RLÁIÓK INÁRIS RLÁIÓK (és hasonló mátrxok s tt!) Defnícó: z R bnárs relácó, ha R {( a, b) a, b } nárs relácók lehetséges tuladonsága:. Reflexív ha ( x,.(a). Szmmetrkus ha ( x, y) ( y,.(b).
Részletesebben3D számítógépes geometria és alakzatrekonstrukció
3D számítógépes geometria és alakzatrekonstrukció 14. Digitális Alakzatrekonstrukció - Bevezetés http://cg.iit.bme.hu/portal/node/312 https://www.vik.bme.hu/kepzes/targyak/viiima01 Dr. Várady Tamás, Dr.
RészletesebbenMérhetőség, σ-algebrák, Lebesgue Stieltjes-integrál, véletlen változók és eloszlásfüggvényeik
Mérhetőség, σ-algebrák, Lebesgue Stieltjes-integrál, véletlen változók és eloszlásfüggvényeik Az A halmazrendszer σ-algebra az Ω alaphalmazon, ha Ω A; A A A c A; A i A, i N, i N A i A. Az A halmazrendszer
RészletesebbenKészítette: Trosztel Mátyás Konzulens: Hajós Gergely
Készítette: Trosztel Mátyás Konzulens: Hajós Gergely Monte Carlo Markov Chain MCMC során egy megfelelően konstruált Markov-lánc segítségével mintákat generálunk. Ezek eloszlása követi a céleloszlást. A
RészletesebbenFuzzy rendszerek. A fuzzy halmaz és a fuzzy logika
Fuzzy rendszerek A fuzzy halmaz és a fuzzy logka A hagyományos kétértékű logka, melyet évezredek óta alkalmazunk a tudományban, és amelyet George Boole (1815-1864) fogalmazott meg matematkalag, azon a
RészletesebbenMolekuladinamika. Molekuladinamika. Molekuladinamika. Molekuladinamika. Molekuladinamika. Molekuladinamika
Potencáls energa felszín (sokváltozós függvény) Konfgurácós tér hatékony feltérképezése konformácók oldatfázsban flexbltás szubsztrát kötődés, leválás fő mozgásrányok korrelácós tuladonságok dffúzós tuladonságok
RészletesebbenA sokaság/minta eloszlásának jellemzése
3. előadás A sokaság/mnta eloszlásának jellemzése tpkus értékek meghatározása; az adatok különbözőségének vzsgálata, a sokaság/mnta eloszlásgörbéjének elemzése. Eloszlásjellemzők Középértékek helyzet (Me,
RészletesebbenKvantum-tömörítés II.
LOGO Kvantum-tömörítés II. Gyöngyös László BME Vllamosmérnök és Informatka Kar A kvantumcsatorna kapactása Kommunkácó kvantumbtekkel Klasszkus btek előnye Könnyű kezelhetőség Stabl kommunkácó Dszkrét értékek
Részletesebben3D - geometriai modellezés, alakzatrekonstrukció, nyomtatás
3D - geometriai modellezés, alakzatrekonstrukció, nyomtatás ek - 2019. április 2. http://cg.iit.bme.hu/portal/node/312 https://www.vik.bme.hu/kepzes/targyak/viiima01 Dr. Várady Tamás, Dr. Salvi Péter BME,
Részletesebben3D - geometriai modellezés, alakzatrekonstrukció, nyomtatás
3D - geometriai modellezés, alakzatrekonstrukció, nyomtatás Önálló projektek - 2017. április 7. http://cg.iit.bme.hu/portal/node/312 https://www.vik.bme.hu/kepzes/targyak/viiima01 Dr. Várady Tamás, Dr.
RészletesebbenA csoport. Statika ZH feladat. Határozza meg az erőrendszer nyomatékát a F pontra! a = 3 m b = 4 m c = 4 m
Stata ZH-1. 215. 1. 14. A csoport 1. feladat Határozza meg az erőrendszer nyomatéát a F pontra! a = 3 m b = 4 m c = 4 m F 1 = 5 N F 2 = 1 N M = 5 Nm M = + 4 + 3 4 F 1 = 2 = + 12 16 + 9 + 16 3 + 4 F 2 =
Részletesebben3D-s számítógépes geometria
3D-s számítógépes geometria 2. Háromszöghálók I. http://cg.iit.bme.hu/portal/node/312 https://www.vik.bme.hu/kepzes/targyak/viiiav01 Dr. Várady Tamás BME, Villamosmérnöki és Informatikai Kar Irányítástechnika
RészletesebbenBevezetés a programozásba. 3. Előadás Algoritmusok, tételek
Bevezetés progrmozásb 3. Elődás Algortmusok, tételek ISMÉTLÉS Specfkácó Előfeltétel: mlyen körülmények között követelünk helyes működést Utófeltétel: mt várunk kmenettől, m z összefüggés kmenet és bemenet
RészletesebbenDr. Jelasity Márk Mesterséges Intelligencia I. (I602, IB602)
Dr. Jelasty Márk Mesterséges ntellgenca. (602, B602) kurzus nyolcadk előadásának jegyzete (2008. október 20-a) Készítette: Bóna Bence BOBNAAT.SZE NF-MAT V. Bayes-áló Ebben a részben egy szsztematkus módszert
Részletesebbene (t µ) 2 f (t) = 1 F (t) = 1 Normális eloszlás negyedik centrális momentuma:
Normális eloszlás ξ valószínűségi változó normális eloszlású. ξ N ( µ, σ 2) Paraméterei: µ: várható érték, σ 2 : szórásnégyzet (µ tetszőleges, σ 2 tetszőleges pozitív valós szám) Normális eloszlás sűrűségfüggvénye:
Részletesebben1/1. Házi feladat. 1. Legyen p és q igaz vagy hamis matematikai kifejezés. Mutassuk meg, hogy
/. Házi feladat. Legyen p és q igaz vagy hamis matematikai kifejezés. Mutassuk meg, hogy mindig igaz. (p (( p) q)) (( p) ( q)). Igazoljuk, hogy minden A, B és C halmazra A \ (B C) = (A \ B) (A \ C) teljesül.
RészletesebbenANALÍZIS II. Példatár
ANALÍZIS II. Példatár Többszörös integrálok 3. április 8. . fejezet Feladatok 3 4.. Kett s integrálok Számítsa ki az alábbi integrálokat:...3. π 4 sinx.. (x + y) dx dy (x + y) dy dx.4. 5 3 y (5x y y 3
RészletesebbenDigitális képek feldolgozása Előfeldolgozás Radiometriai korrekció Geometriai korrekció Képjavítás Szűrők Sávok közötti műveletek Képosztályozás Utófe
Távérzékelés Digitális felvételek előfeldolgozása (EENAFOTOTV, ETNATAVERV) Erdőmérnöki szak, Környezettudós szak Király Géza NyME, Erdőmérnöki Kar Geomatikai, Erdőfeltárási és Vízgazdálkodási Intézet Földmérési
Részletesebben{ } x x x y 1. MATEMATIKAI ÖSSZEFOGLALÓ. ( ) ( ) ( ) (a szorzás eredménye:vektor) 1.1. Vektorok közötti műveletek
1. MAEMAIKAI ÖSSZEFOGLALÓ 1.1. Vektorok közötti műveletek Azok a fizikai mennyiségek, melyeknek nagyságukon kívül irányuk is van, vektoroknak nevezzük. A vektort egyértelműen megadhatjuk a hosszával és
RészletesebbenBUDAPESTI MŰ SZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM KÖZLEKEDÉSMÉRNÖKI ÉS JÁRMŰMÉRNÖKI KAR VASÚTI JÁRMŰVEK ÉS JÁRMŰRENDSZERANALÍZIS TANSZÉK
BUDAPESTI MŰ SZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM KÖZLEKEDÉSMÉRNÖKI ÉS JÁRMŰMÉRNÖKI KAR VASÚTI JÁRMŰVEK ÉS JÁRMŰRENDSZERANALÍZIS TANSZÉK MÉRNÖKI MATAMATIKA Segédlet a Bessel-függvények témaköréhez a Közlekedésmérnök
RészletesebbenA tárgy neve Meghirdető tanszék(csoport) Felelős oktató: Kredit Heti óraszám típus Számonkérés Teljesíthetőség feltétele Párhuzamosan feltétel
tárgy neve MTEMTIKI MÓDZEREK FIZIKÁBN. Megrdető tanszékcsoport ZTE TTK Elmélet Fzka Tanszék Felelős oktató: Dr. Gyémánt Iván Kredt 4 Het óraszám + típus Előadás+gyakorlat zámonkérés Kollokvum+gyakorlat
RészletesebbenIntelligens Rendszerek Elmélete
Intellgens Rendszerek Elmélete Dr. Kutor László A mesterséges neuráls hálózatok alapfogalma és meghatározó eleme http://mobl.nk.bmf.hu/tantargyak/re.html Logn név: re jelszó: IRE07 IRE 7/1 Neuráls hálózatok
RészletesebbenDigitális képek szegmentálása. 5. Textúra. Kató Zoltán.
Digitális képek szegmentálása 5. Textúra Kató Zoltán http://www.cab.u-szeged.hu/~kato/segmentation/ Textúra fogalma Sklansky: Egy képen egy területnek állandó textúrája van ha a lokális statisztikák vagy
Részletesebben5. osztály. Matematika
5. osztály A természetes számok értelmezése 100 000-ig. A tízes számrendszer helyértékes írásmódja. A A természetes számok írásbeli összeadása, kivonása. A műveleti eredmények becslése. Ellenőrzés 3. A
Részletesebbenbiometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás
Kísérlettervezés - biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás A matematikai-statisztika feladata tapasztalati adatok feldolgozásával segítséget nyújtani
RészletesebbenSzámítási feladatok a Számítógépi geometria órához
Számítási feladatok a Számítógépi geometria órához Kovács Zoltán Copyright c 2012 Last Revision Date: 2012. október 15. kovacsz@nyf.hu Technikai útmutató a jegyzet használatához A jegyzet képernyőbarát
RészletesebbenHely és elmozdulás - meghatározás távolságméréssel
Hely és elmozdulás - meghatározás távolságméréssel Bevezetés A repülő szerkezetek repülőgépek, rakéták, stb. helyének ( koordnátának ) meghatározása nem új feladat. Ezt a szakrodalom részletesen taglalja
Részletesebben3D - geometriai modellezés, alakzatrekonstrukció, nyomtatás
3D - geometra modellezés alazatreonstró nyomtatás 9. Szabadformáú felülete smtása http://g.t.bme.h/portal/node/3 https://www..bme.h/epzes/targya/viiiav54 Dr. Várady Tamás Dr. Sal éter BME Vllamosmérnö
RészletesebbenVIK A2 Matematika - BOSCH, Hatvan, 3. Gyakorlati anyag. Mátrix rangja
VIK A2 Matematika - BOSCH, Hatvan, 3. Gyakorlati anyag 2019. március 21. Mátrix rangja 1. Számítsuk ki az alábbi mátrixok rangját! (d) 1 1 2 2 4 5 1 1 1 1 1 1 1 1 2 1 2 1 1 0 1 1 2 1 0 1 1 1 1 2 3 1 3
RészletesebbenRelációk. Vázlat. Példák direkt szorzatra
8.. 7. elácók elácó matematka fogalma zükséges fogalom: drekt szorzat Halmazok Descartes drekt szorzata: Legenek D D D n adott doman halmazok. D D D n : = { d d d n d k D k k n } A drekt szorzat tehát
RészletesebbenDOKTORI ÉRTEKEZÉS ÚJ RÁCSKVANTÁLÓ ALGORITMUSOK ÉS ALKALMAZÁSAIK A VIDEÓ- ÉS A BESZÉDKÓDOLÁSBAN. Készítette: Lois László
DOKTORI ÉRTEKEZÉS ÚJ RÁCSKVANTÁLÓ ALGORITMUSOK ÉS ALKALMAZÁSAIK A VIDEÓ- ÉS A BESZÉDKÓDOLÁSBAN Készítette: Los László Témavezető: Dr. Pálnszk Antal Budapest Műszak és Gazdaságtudomány Egyetem Híradástechnka
RészletesebbenTanult nem paraméteres próbák, és hogy milyen probléma megoldására szolgálnak.
8. GYAKORLAT STATISZTIKAI PRÓBÁK ISMÉTLÉS: Tanult nem paraméteres próbák, és hogy mlyen probléma megoldására szolgálnak. Név Illeszkedésvzsgálat Χ próbával Illeszkedésvzsgálat grafkus úton Gauss papírral
RészletesebbenMINTAFELADATOK. 1. feladat: Két síkidom metszése I.33.,I.34.
MINTAFELADATOK 1. feladat: Két síkidom metszése I.33.,I.34. 2. feladat: Testábrázolás képsíktranszformációval Gúla ábrázolása (a magasságvonalának transzformálásával) Adott az m egyenes, a ráilleszkedő
RészletesebbenEgy forgáskúp metszéséről. Egy forgáskúpot az 1. ábra szerint helyeztünk el egy ( OXYZ ) derékszögű koordináta - rendszerben.
Egy forgáskúp metszéséről Egy forgáskúpot az 1. ábra szerint helyeztünk el egy ( OXYZ ) derékszögű koordináta - rendszerben. Az O csúcsú, O tengelyű, γ félnyílásszögű kúpot az ( XY ) sík itt két alkotóban
RészletesebbenVázlat. Relációk. Példák direkt szorzatra
7..9. Vázlat elácók a. elácó fogalma b. Tulajdonsága: refleív szmmetrkus/antszmmetrkus tranztív c. Ekvvalenca relácók rzleges/parcáls rrendez relácók felsmere d. elácók reprezentálása elácó matematka fogalma
RészletesebbenFerde kúp ellipszis metszete
Ferde kúp ellipszis metszete A ferde kúp az első képsíkon lévő vezérkörével és az M csúcsponttal van megadva. Ha a kúpból ellipszist szeretnénk metszeni, akkor a metsző síknak minden alkotót végesben kell
RészletesebbenSZE, Doktori Iskola. Számítógépes grafikai algoritmusok. Összeállította: Dr. Gáspár Csaba. Felületmegjelenítés
Felületmegjelenítés Megjelenítés paramétervonalakkal Drótvázas megjelenítés Megjelenítés takarással Triviális hátsólap eldobás A z-puffer algoritmus Megvilágítás és árnyalás Megjelenítés paramétervonalakkal
RészletesebbenValószínűségszámítás összefoglaló
Statisztikai módszerek BMEGEVGAT Készítette: Halász Gábor Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel:
RészletesebbenVadas Norbert Robotkarok problémája
Eötvös Loránd Tudományegyetem Természettudomány Kar Vadas Norbert Robotkarok problémája matematka BSc szakdolgozat alkalmazott matematkus szakrány Témavezetõ: Szeghy Dávd Geometra Tanszék Budapest, 2013
Részletesebben1.1. Feladatok. x 0 pontban! b) f(x) = 2x + 5, x 0 = 2. d) f(x) = 1 3x+4 = 1. e) f(x) = x 1. f) x 2 4x + 4 sin(x 2), x 0 = 2. általános pontban!
. Egyváltozós függgvények deriválása.. Feladatok.. Feladat A definíció alapján határozzuk meg a következő függvények deriváltját az x pontban! a) f(x) = x +, x = 5 b) f(x) = x + 5, x = c) f(x) = x+, x
Részletesebben(Independence, dependence, random variables)
Két valószínűségi változó együttes vizsgálata Feltételes eloszlások Két diszkrét változó együttes eloszlása a lehetséges értékpárok és a hozzájuk tartozó valószínűségek (táblázat) Példa: Egy urna 3 fehér,
RészletesebbenRobotok direkt geometriája
Robotok drekt geometrája. A gyakorlat célja Drekt geometra feladatot megvalósító osztály mplementálása. A megvalósított függvénycsomag tesztelése egy Stanford kar végberendezése pozícójának meghatározásához.
RészletesebbenFüggvények december 6. Határozza meg a következő határértékeket! 1. Feladat: x 0 7x 15 x ) = lim. Megoldás: lim. 2. Feladat: lim.
Függvények 05. december 6. Határozza meg a következő határértékeket!. Feladat: ( + 7 5 ) ( + 7 5 ) ( + 0 ). Feladat: ( + 7 5 ) ( + 7 5 ) ( + 0) 3. Feladat: ( + 0 7 5 ) 4. Feladat: ( + 0 7 5 ) ( + 7 0 5
RészletesebbenMETROLÓGIA ÉS HIBASZÁMíTÁS
METROLÓGIA ÉS HIBASZÁMíTÁS Metrológa alapfogalmak A metrológa a mérések tudománya, a mérésekkel kapcsolatos smereteket fogja össze. Méréssel egy objektum valamlyen tulajdonságáról számszerű értéket kapunk.
RészletesebbenOptikai elmozdulás érzékelő illesztése STMF4 mikrovezérlőhöz és robot helyzetérzékelése. Szakdolgozat
Mskolc Egyetem Gépészmérnök és Informatka Kar Automatzálás és Infokommunkácós Intézet Tanszék Optka elmozdulás érzékelő llesztése STMF4 mkrovezérlőhöz és robot helyzetérzékelése Szakdolgozat Tervezésvezető:
RészletesebbenMinimum követelmények matematika tantárgyból 11. évfolyamon
Minimum követelmények matematika tantárgyból. évfolyamon A hatványozás általánosítása pozitív alap esetén racionális kitevőre. Műveletek hatványokkal. A, a 0 függvény. Az eponenciális függvény. Vizsgálata
RészletesebbenVéletlenszám generátorok. 6. előadás
Véletlenszám generátorok 6. előadás Véletlenszerű változók, valószínűség véletlen, véletlen változók valószínűség fogalma egy adott esemény bekövetkezésének esélye értékét 0 és között adjuk meg az összes
RészletesebbenFELVÉTELI VIZSGA, július 17.
BABEŞ-BOLYAI TUDOMÁNYEGYETEM, KOLOZSVÁR MATEMATIKA ÉS INFORMATIKA KAR FELVÉTELI VIZSGA, 2017. július 17. Írásbeli vizsga MATEMATIKÁBÓL I. TÉTEL (30 pont) 1) (10 pont) Igazoljuk, hogy tetszőleges m R esetén
Részletesebbenegyenletesen, és c olyan színű golyót teszünk az urnába, amilyen színűt húztunk. Bizonyítsuk
Valószínűségszámítás 8. feladatsor 2015. november 26. 1. Bizonyítsuk be, hogy az alábbi folyamatok mindegyike martingál. a S n, Sn 2 n, Y n = t n 1+ 1 t 2 Sn, t Fn = σ S 1,..., S n, 0 < t < 1 rögzített,
Részletesebben3D-s számítógépes geometria és alakzatrekonstrukció
3D-s számítógépes geometria és alakzatrekonstrukció 14. Digitális Alakzatrekonstrukció - Bevezetés http://cg.iit.bme.hu/portal/node/312 https://www.vik.bme.hu/kepzes/targyak/viiiav08 Dr. Várady Tamás,
RészletesebbenLineáris algebra zárthelyi dolgozat javítókulcs, Informatika I. 2005.márc.11. A csoport
Lineáris algebra zárthelyi dolgozat javítókulcs, Informatika I. 2005.márc.11. A csoport 1. Egy egyenesre esnek-e az A (2, 5, 1), B (5, 17, 7) és C (3, 9, 3) pontok? 5 pont Megoldás: Nem, mert AB (3, 12,
Részletesebben1. Holtids folyamatok szabályozása
. oltds folyamatok szabályozása Az rányított folyamatok jelentés részét képezk a lassú folyamatok. Ilyenek például az par környezetben található nagy méret kemencék, desztllácós oszlopok, amelyekben valamlyen
Részletesebben,...,q 3N és 3N impulzuskoordinátával: p 1,
Louvlle tétele Egy tetszőleges klasszkus mechanka rendszer állapotát mnden t dőpllanatban megadja a kanónkus koordnáták összessége. Legyen a rendszerünk N anyag pontot tartalmazó. Ilyen esetben a rendszer
RészletesebbenPárhuzamos algoritmusok
Párhuzamos algortmusok. Hatékonyság mértékek A árhuzamos algortmusok esetében fontos jellemző az m ( n, P, ) munka, amt a futás dő és a rocesszorszám szorzatával defnálunk. A P árhuzamos algortmus az A
RészletesebbenKövetelmény az 5. évfolyamon félévkor matematikából
Követelmény az 5. évfolyamon félévkor matematikából Gondolkodási és megismerési módszerek Néhány elem kiválasztása adott szempont szerint. Néhány elem sorba rendezése, az összes lehetséges sorrend felsorolása.
Részletesebbenx 2 e x dx c) (3x 2 2x)e 2x dx x sin x dx f) x cosxdx (1 x 2 )(sin 2x 2 cos 3x) dx e 2x cos x dx k) e x sin x cosxdx x ln x dx n) (2x + 1) ln 2 x dx
Integrálszámítás II. Parciális integrálás. g) i) l) o) e ( + )(e e ) cos h) e sin j) (sin 3 cos) m) arctg p) arcsin e (3 )e sin f) cos ( )(sin cos 3) e cos k) e sin cos ln n) ( + ) ln. e 3 e cos 3 3 cos
Részletesebben