Significance assessment in local sequence alignment with gaps. Ralf Bundschuh Department of Physics, The Ohio State University
|
|
- Botond Farkas
- 5 évvel ezelőtt
- Látták:
Átírás
1 Significance assessment in local sequence alignment with gaps Ralf Bundschuh Department of Physics, The Ohio State University Collaborators: T. Hwa, R. Olsen, Physics Department, UC San Diego S. Altschul, Y.K. Yu, National Center for Biotechnology Information, NIH Outline: Biological sequences and what to do with them Sequence alignment Statistical significance Central conjecture Applications Conclusions Funding: NSF, DAAD, Beckman foundation
2 Biological sequences and what to do with them I The data: a piece of human chromosome...tctacatgtaaaaatatgtatttttaaaaattggatgtcatgggctgggtgtggtggctcatgcctgtaatcccagcactttgggaggccgaggcgggtggatctcctgaggtcg GGAGTTCGAGACCAGCCTGACCAACATGGAGAAACCCCGTCTCTACTAAAAACACAAAATTATCCAGGCATGGTGGCACATGACTGTAATCCCAGCTACTAGGGAGGCTGAGGCAGGA GAAACACTTGAACCTGGGAGGCGGAGGTTGAGGTGAGCCGAGATCGCGCCATTGCACTCCAGCCTGGGCAACAAGAGTGAAACTCGGTCTCAAAAAAAAAAAATTTGATGTTATGGAA GTAGGGAGACAAAAAATGCTCTACAACTATTAACTGATGCTTTTCTGGTTTTGTTCTCCAGACACCATTCGCTTTTCACCCAAGATGATTTGATGTCTTATAAAACTCTGATGAACCA TGATGGCTACACAGACATTAAGTATAGACAGCTATCAAGATGGGCAACAGGTGAGCTTGAACTTGATTCTGCATTCTAATTACAAATCAACCTGGCACTCAAGCATGAACATTGCTTT GTATACTTGCAATTCAATTGCCATGAGGTTGCATGCTCAGTGTTAGTGTATTATGCATTTATTGTACATTCGTGTTCAGAAAAAAAGCCATAGAATAATACTATTTCGTTAACTGATA CCAAGATTGCCAGGAATCTTGACTTCCCTAAGTCATATGACAGTTTCTTGGGAATTTACCTTTTTAATGTCAGTGTTAATTAGCACTGTTACTTTGAAAGAAAACCCGGTTGATTTTC ATGATGACAGATTCCCATGTTGACTGGTGGCTCTTCTGAGTGTCTAACTGGATCAGCTTTTGAATGGGAATCTTGTAGCCTCGTCTCCCCAGTTGTAGGCATGAGAGGGGCTGTCCCA GTAATGAATTTGCAGGGGCCCCAGTGCTCTATCTTTGTACCTTGCTCGTGCTTGGATGGTTGTGCCATACACGGGCAGCTCTCCATTGCCCTCCCACCATAGATGAGACTTTGTTCTC CTTTCTTGGCCTGGAAGCTGTGGTGTTTTGTGCTTTTGAGTATCTGAGTGTTTTGTGTTCTGTGACCTGAATGAATTGAGGAGCAGGTGGATCGAGACTTGGCTGAGGCCCTTGTGGT TTGCGATCTTGTTAAACACGGTGTTCTGAACCCACTGGCATTTGGCTCATCATCCCACTGACTCTGGAGCCAGTGAAGGGATTTGGCCCTGCCCTTTACTTTCCTGCCCAGCAGGCAG GGGCAGTGCAGTACACCCCCCTCGGCTCTCCTCCCCACCTCGAGGACTTCGGTGGCAAGGATCAGGCTCCGGAAAACTCACTGGAGCCATGCTGGTGAGGTCTGAGGAGGGGTTAGGA GCTGAGGCGCTGGGTCCCCCTTTCCCTGGTGGTTAGTTTTACCAACCAGTCCTTGTTCAGTTCCTGTGGCAGAGATTTTTGTTGTTGGTGGTGGTGGTGTTAGTGTTTTTTTTTCTCT GTATAGCAATTAAAGGAGGGAGATTCTGTGATGTAGTCAGCCTGCTTCCTTAGCCTAGAAGTCCTTAGTCCTTTGGTATTTCCAATTGACTTTTTTTTTTTTTTCTAAAATGCAAATC TAATAATGTCCCGCCTGAGCTCTCCAGTGGCTCCCTGTGGATTCCTGTGGGTTTCATGCAAAGACTGAGCTGCTCTGTGGCCCGAATCGTCTGGCCCCTCTGGACCCCAGGACGCCCC CAACATCTCTGCCTGGCATATCTTGGGCACCTCTCTGCCTGCCCTGGAGCACCGGCCTCACTGTTCCCATCACTCTTCTCCCTCCTGCCTGCCAGGTCTTTGCTCCGACCCCACTGCT GCCTCCTGTGCACCAAGGCACGGTGACCACCTCCAACACAGCCTGGTTGCTACCAGCCACCTCCTCCCAGGCAGCTGTGCCAGGTGCAGATGACACCTGGAGCACTGCCCTTTTCATA CCCGAGTGTTTCCAAGGGCCTCGGAAGTGTTTAATCAGCATTATTTTAAATAAACATTGAAATATATCTACAGCGTAGACCTATCATAATTATTTTGCCATTTTTCCAAGGTTGAACA TTTAGGTTTCTCTCTTTTCACAATCATTTTTTTTTCAAATACTGAAATGAATCTTTTAAGGCTTCTTATTTTTTATTATTTATTTATTTACTTATTTATTTATTTTGAGACAGAGTCT TGCTCTGTTGCCCCGGCTGGAGTGCAGTGGTGTGATCTCAGCTCACTGCAACCTCCGTCTCCCAGGTTCAAGCAATTCTCCTGTCTCAGCCTCCTGAGTACCTGGGATTACAGGTGTG TGCCACCACGCCCAGCTAATTTTTTTGTATTTTTAGTAGAGACAGGGTTTCACCATGTTGGCCAGGCTGATCTTGAACCCCTGACCTCAGGTGATCCGCCCACCTTGGCCTCCCAAAG TGCTGGGATCACAGGCATAAGCCACTGTGCCTGGCCTTTTTAAGGCTTTTTATACATGCTGGCAGATTGCCTTACACAAATACTGTGTCCACTTAGGCTTTATTGCTTTTATTTTTTG GATTTTTTAAGAGAAACATAAACAGTTTTCCTAATATGTTGTACCATTTAAAGGCAGCAGAATAGAAGTCATCTTATTGCAAAAACAAGACATTGGAGAGAGAGCACAGGGCTGGAGG ATGTGAGAGGCGTCCTGTGCGGGTGGGCGTTCATGGCTGGCCCCCAGTCTGTCTGGACAGTGGGGATGGCCCCGCTCCCATGAGGTCTCCCCGCCCCCGCTGCCCCAAGCTGCTTCCT CAAGGGGCAGAAGCATGGCCAAATCCACCGCGGGAGAAATGGCCCGTCCTGGTCCTGAGGAAGCTGAGGTCAGGACAGTCTAATCTGCTGCTCATGGATAACTAGAAGTTTACTTTCA CGAAATTTTGTTTTTGTAAACTGATTTTTTTTAACGATTTAAATGTTTTTTACCTAAATGACAAAGGCATTGCTTGTTTAAAGCAGTTTAAATGATAGTATCTTTTAAGGCTTTAAGT AAACACAGCTGGCCTTTTCCTTTCTGAATGCAGTGACATTTTTATGGCTATGTATTGCTGAGGTTTGAGGGTAGATATGGGAGAAGTTCAACCTTGTCCCAAATATGTAGCGTATGGG TTAGGTTGTGTCTGTGACATGGTAAGAAGACCTTGGACTATTTGTCTATGCTTCTCTGACTGTAGTATTGCTACACGTGAGGAGATATAGCAATAGACGGAGGAGTAGATTGCACGTG TGCCGTTCTCTTCATTAGGCCATCGCCAGTGTTATTTTAAAATCATGAGCATTTCACAGACATTGGTTATCTCAGTTCTTAAGCAGTTTGGAAATTTTACCTTTATTTTAAAGCACAT TAAATTCAAAGCTGTTTTGTTGGTAGCATTCTTTACATATGATTGCAGTCATACTGCTGTCTGGCAATTCCCCACTCCAACTGCATTCCTGTTGGAGCATGGAATACCTCGTAGTAGT TTGTGTTTGCTAATAAGAATTATCTTCCTCCTTTTACAGATGCAAGTAGTAACAGAGTTAAAGACAGAACAAGATCCAAACTGCTCTGAACCCGATGCAGAAGGAGTGAGCCCTCCCC CTGTGGAGTCTCAGACCCCGATGGATGTGGACAAGCAGGCCATTTATAGGTAGTGCCCGGGGTGCCGGCTGTGGGGGCCTCAGAGGAGTGAGGAGTGTCCACAAGTTTGTTAAAAGGA ACACCAGAACTAGTAGCGAGGCAGAGTTGTGAGGTGCCATTATGATGTGATAACTGCTCGGCTGAAAATTTTCTCAGATTAAGATGTTATTTCTGGCCAGGTGTGGTGGCTCATGCCT GTAATCCTAGCACTTTGGGAGGCTGAGGCGGGCGGATCACTTGAGGTTAAGAGTTTGAGACCAGCCTGGCCAACATGGTGAAACTCCATCTCTACTAA... Sequence of 3 billion A, C, G, and T s The problem: What does it mean?
3 Biological seqeunces and what to do with them II 3 How do we find out what a sequence does? First step: Determine which part codes for proteins and determine protein sequence solved, e.g., myoglobin: MGLSDGEWQLVLHVWAKVEADVAGHGQDILIRLF... Second step: compare sequence to sequences of genes (of other organisms) with known function Sequence alignment algorithms...lvlhvw......lvagdw... Σ= Calculate score Σ for every pair of sequences. global: Needleman and Wunsch, 97, local: Smith and Waterman, 98 Sequences similar enough putative functional similarity Putative function to be confirmed by experiment Everybody does it: paper presenting most widely used program BLAST is most cited paper in all of science written in the 9 s Altschul et al., 99
4 Sequence alignment I 4 How do sequence alignment algorithms work? AGMKCYDHPSARQAW Want to find sequence similarities, e.g., KDAGVMKYEHPSQRW Need way to compare individual letters scoring matrix s a,b Has to represent similarities between letters DNA-DNA comparison: for a = b s a,b = µ for a b Protein-protein: BLOSUM or PAM matrices Many parameters a p( a ) sa,b for PAM A R N D C Q E G H I L K M F P S T W Y V 3.5%.3%.%.4%.87%.9%.84% 3.3%.99%.3% 4.6%.59%.%.74%.34% 3.%.63%.6%.45%.9% N(s) s PAM Combine entries from the scoring matrix to an alignment score Σ 4
5 Sequence alignment II 5 Simplest algorithm: gapless alignment Given pair of sequences a...a N and b...b N Assign score to pair of substrings a i l+...a i and b j l+...b j S[i, j, l] l k= s ai k,b j k i= l=6 AGMKC YDHPS ARQAW KDAGVMK YEHPS QRW j=3 Optimal alignment has score Σ max i,j,l S(,3,6)= =7 S[i, j, l] Clever way to find optimal alignment S i,j max l S[i, j, l] S i,j = max{s i,j + s ai,b j, } Σ = max i,j S i,j
6 Statistical Significance I 6 Problem: Algorithms assign score Σ to every sequence pair, even random ones Which Σ implies biological relationship? Statistical answer: find score distribution P (Σ) if algorithm is applied to random sequences random random AWDQR EAIPST P( Σ) Σ= Σ=7 Σ=3 Σ= = Σ =5 Σ Σ can assign probability p(σ) =Pr{Σ σ} = Choose highest score across a database of size N σ P (Σ)dΣ to each score new sequence known sequence Σ= known sequence Σ = P( Σ) largest Σ p > /N not similar enough known sequence k Σ=5 Σ p p < /N biologically relevant! known sequence N Σ=8
7 Significance Assessment II 7 Need score distribution P (Σ) for random sequences Obtain distribution by numerical simulation (shuffling method) random random AWDQR EAIPST P( Σ) Σ= Σ=7 Σ=3 Σ= = Σ =5 Σ Σ Generate many pairs of random sequences with correct letter composition Align each pair Take histogram of alignment scores Very time consuming (hours)
8 Significance Assessment III 8 Precompute distribution But: distribution depends on Scoring parameters, e.g. s a,b Sequence ensemble, e.g. p a Pre-computation only possible for some fixed set of scoring systems at overall amino acid/base pair frequencies Problems: unusual amino acid composition Iterative schemes (PSI-BLAST) Query Sequence Database Sequences Alignment Score Functions refine score fn Opt. Alignment signficance evaluation homologous sequences Position dependent scoring parameters Need fast numerical way or analytical theory to get score distribution
9 Significance Assessment IV 9 Analytical theory for gapless alignment: Gumbel or extreme value distribution Karlin and Altschul, Proc. Natl. Acad. Sci. 99 P( Σ ) P (Σ) =κλ exp[ λσ κe λσ ] e λ S Σ < Σ> ~ log λ κ universal shape Dependence on scoring system and letter frequencies in parameters κ, λ κ, λ known: e λs a,b p a p b e λs a,b = Corrections due to finite sequence length analytically known Makes gapless alignment powerful tool: BLAST Altschul et al., J. Mol. Biol. 99
10 Sequence alignment III Problem: during evolution pieces of sequences are inserted and deleted alignment algorithm has to compensate for this do gapped alignments to find weak similarities First: gapped global alignment Alignment = way of inserting gaps in sequences Score gaps by δ --AG-MKCYDHPSARQAW KDAGVMK-YEHPS--QRW Score S[A] for each alignment A S[A] = (a,b) A s a,b δn g In practice: affine gap cost δ + ɛk Find alignment with highest score Σ = max A S[A] Exponentially many alignments for each pair of sequences!
11 Sequence alignment IV Representation on an alignment grid: --AG-MKCYDHPSARQAW KDAGVMK-YEHPS--QRW Dynamic programming: O(N ) algorithm Needleman and Wunsch, 97 Σ = h(, N) C K Y D H P S A R Q W A (r,t)= (6,4) A G M (r,t)= (r,t)= (,) K (,3) D A G V M K Y E H P S Q (r,t)= R (,7) W h(r, t + ) = max{h(r ±,t) δ, h(r, t ) + s(r, t)} r t
12 Sequence alignment V Often only pieces of two sequences related local alignment with gaps Look at all pairs of subsequences a i...a j and b k...b l of the original sequences Calculate gapped global alignment score Σ(i, j, k, l) for each pair using Needleman-Wunsch algorithm Total alignment score is best of these Σ = max Σ(i, j, k, l) i,j,k,l O(N 6 ) algorithm? Again dynamic programming solution Smith and Waterman, 98 S j,l max Σ(i, j, k, l) i,k S j,l = max{s j,l δ, S j,l δ, S j,l + s aj,b k, } Σ = max j,k S j,k Practically used sequence comparison programs (BLAST, FASTA) are approximations of this algorithm
13 Significance Assessment V 3 Problem: Significance assessment less clear for alignment with gaps Shape of distribution numerically verified to be still Gumbel What are the values of the non-universal parameters λ and κ? Only very limited theories and heuristics Zhang, 995, Siegmund and Yakir, 999, Mott and Tribe, 999, Mott, Statistical physics problem: Find distribution of observable in disordered system "disorder" "physical system" random random AWDQR EAIPST "observable" Σ= Σ=7 Σ=3 Σ= Σ= Σ =5 Use statistical physics methods
14 Central conjecture 4 Central conjecture: The distribution of Σ is of the Gumbel form with the Gumbel parameter λ given by e λh(,n) = Properties: h(, N) free energy e λh(,n) Z λ replicated partition function hard to calculate analytically h(, N) < typical sequence pairs contribute zero to e λh(,n) rare events dominate e λh(,n) numerically hard Reduces to proven formula e λs = for gapless alignment Not proven, but applications work
15 Applications I 5 Application I: DNA-DNA comparison with µ = δ: n prob p Mapping possible to asymmetric exclusion process Model of highway traffic Exactly solvable model of non-equilibrium physics W r Can calculate e λh(,n) Gumbel λ given by + p exp[ λ ( + µ)] + p exp[ λ ( + µ)] exp[ λ µ]= ( ) λ.5 Compare calculated with simulated λ (p =/4, DNA) Provides test case for heuristic approaches.5 Equation (*) Simulation: uncorrelated Simulation: sequences µ=δ BLAST p-value calculation changed since version..3 Altschul, RB, Olsen, and Hwa, Nucleic Acids Res.
16 Applications II 6 Application II: Smart numerics Estimate e λh(,n) by numerical sampling Instead of random sequence pairs (with h(, N) < ) use correlated sequence pairs with h(, N) > such that e λh(,n) corr is not dominated by rare events The difference between and corr can be handled analytically Estimate e λh(,n) for N = 6, N = 8, N = and extrapolate to N Results: Scoring system λ reference λ this algorithm time (min) BLOSUM45/4/.96±.8.978±.5 3: BLOSUM6//.67±..669±.6 5:49 BLOSUM8//.993±..34±.5 : PAM7//.9±.3.9±.3 :6 PAM3/9/.963±..954±. :7
17 Applications III 7 Application III: e λh(,n) = in general hard to fulfill Instead of calculating complicated quantity for Smith-Waterman alignment change the algorithm Smith-Waterman S(r +,t) δ, S(r,t) δ S(r, t+)=max S(r, t ) + s(r, t), Replace by hybrid algorithm, Σ = max r,t S(r, t) Z(r, t+) = Z(r+,t)e λ glδ + Z(r,t)e λ glδ, Σ = max r,t +Z(r, t )( e λ glδ )e λ gls(r,t) + log Z(r, t) Similar to: Viterbi probabilistic HMM (forward backward) RNA minimal energy (Zuker) partition function (Vienna) Guarantees e h(,n) = λ =independent of scoring system
18 Applications IV 8 Numerical test of hybrid statistics 5 i.i.d. amino acid sequences of length N, PAM- scoring matrix, + k gap cost D(Σ) Gumbel Fit % λ Simulation Theory λ Σ N Score histogram is of Gumbel form λ =for large N Even sequence length dependence theoretically understood
19 Applications V 9 Works even for position-specific scoring systems E.g., protein family Hidden Markov Models from Pfam database Bateman et al., Nucleic Acids Res. D(Σ) Gumbel fit 5 5 Σ # occurences λ Score histogram is of Gumbel form λ =within ±% for all, 6 models
20 Applications VI How is the performance in terms of sensitivity? Test algorithm on standard database: PDB9D-B Brenner et al., Proc. Natl. Acad. Sci. 998 Use SCOP as gold standard (known relations between sequences) Murzin et al., J. Mol. Biol. 995 Do pairwise alignments of all sequences in database Vary p-value cutoff and measure Number of relations found Coverage=, Number of total relations Ideal: high coverage at low errors per query Hybrid alignment s sensitivity is at least as good as that of other methods of wrong relations Errors per Query=Number Coverage Hybrid gapped BLAST Smith Waterman SSEARCH FASTA ktup= FASTA ktup= Number of sequences ungapped BLAST Errors Per Query
21 Conclusions and outlook Sequence alignment is standard tool in...lvlhvw......lvagdw... molecular biology Σ= Sequence alignment algorithms rely on dynamic programming methods.5 Statistics of sequence alignments are important and poorly understood Statistical physics methods can be applied to characterize and improve sequence alignment Future directions Other analytical solutions for λ Better importance sampling to estimate λ Incorporate hybrid algorithm into PSI-BLAST λ # occurences Equation (*) Simulation: uncorrelated Simulation: sequences µ=δ λ Statistics of other algorithms of computational biology (RNA folding, gene finding, clustering,...)
Mapping Sequencing Reads to a Reference Genome
Mapping Sequencing Reads to a Reference Genome High Throughput Sequencing RN Example applications: Sequencing a genome (DN) Sequencing a transcriptome and gene expression studies (RN) ChIP (chromatin immunoprecipitation)
RészletesebbenStatistical Inference
Petra Petrovics Statistical Inference 1 st lecture Descriptive Statistics Inferential - it is concerned only with collecting and describing data Population - it is used when tentative conclusions about
RészletesebbenCorrelation & Linear Regression in SPSS
Petra Petrovics Correlation & Linear Regression in SPSS 4 th seminar Types of dependence association between two nominal data mixed between a nominal and a ratio data correlation among ratio data Correlation
RészletesebbenOn The Number Of Slim Semimodular Lattices
On The Number Of Slim Semimodular Lattices Gábor Czédli, Tamás Dékány, László Ozsvárt, Nóra Szakács, Balázs Udvari Bolyai Institute, University of Szeged Conference on Universal Algebra and Lattice Theory
RészletesebbenPerformance Modeling of Intelligent Car Parking Systems
Performance Modeling of Intelligent Car Parking Systems Károly Farkas Gábor Horváth András Mészáros Miklós Telek Technical University of Budapest, Hungary EPEW 2014, Florence, Italy Outline Intelligent
RészletesebbenPhenotype. Genotype. It is like any other experiment! What is a bioinformatics experiment? Remember the Goal. Infectious Disease Paradigm
It is like any other experiment! What is a bioinformatics experiment? You need to know your data/input sources You need to understand your methods and their assumptions You need a plan to get from point
RészletesebbenGenome 373: Hidden Markov Models I. Doug Fowler
Genome 373: Hidden Markov Models I Doug Fowler Review From Gene Prediction I transcriptional start site G open reading frame transcriptional termination site promoter 5 untranslated region 3 untranslated
RészletesebbenMiskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet. Hypothesis Testing. Petra Petrovics.
Hypothesis Testing Petra Petrovics PhD Student Inference from the Sample to the Population Estimation Hypothesis Testing Estimation: how can we determine the value of an unknown parameter of a population
RészletesebbenCluster Analysis. Potyó László
Cluster Analysis Potyó László What is Cluster Analysis? Cluster: a collection of data objects Similar to one another within the same cluster Dissimilar to the objects in other clusters Cluster analysis
RészletesebbenCLUSTALW Multiple Sequence Alignment
Version 3.2 CLUSTALW Multiple Sequence Alignment Selected Sequences) FETA_GORGO FETA_HORSE FETA_HUMAN FETA_MOUSE FETA_PANTR FETA_RAT Import Alignments) Return Help Report Bugs Fasta label *) Workbench
RészletesebbenBioinformatics: Blending. Biology and Computer Science
Bioinformatics: Blending Biology and Computer Science MDNMSITNTPTSNDACLSIVHSLMCHRQ GGESETFAKRAIESLVKKLKEKKDELDSL ITAITTNGAHPSKCVTIQRTLDGRLQVAG RKGFPHVIYARLWRWPDLHKNELKHVK YCQYAFDLKCDSVCVNPYHYERVVSPGI DLSGLTLQSNAPSSMMVKDEYVHDFEG
RészletesebbenCorrelation & Linear Regression in SPSS
Correlation & Linear Regression in SPSS Types of dependence association between two nominal data mixed between a nominal and a ratio data correlation among ratio data Exercise 1 - Correlation File / Open
RészletesebbenMiskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet. Correlation & Linear. Petra Petrovics.
Correlation & Linear Regression in SPSS Petra Petrovics PhD Student Types of dependence association between two nominal data mixed between a nominal and a ratio data correlation among ratio data Exercise
RészletesebbenConstruction of a cube given with its centre and a sideline
Transformation of a plane of projection Construction of a cube given with its centre and a sideline Exercise. Given the center O and a sideline e of a cube, where e is a vertical line. Construct the projections
RészletesebbenVálasztási modellek 3
Választási modellek 3 Prileszky István Doktori Iskola 2018 http://www.sze.hu/~prile Forrás: A Self Instructing Course in Mode Choice Modeling: Multinomial and Nested Logit Models Prepared For U.S. Department
RészletesebbenKlaszterezés, 2. rész
Klaszterezés, 2. rész Csima Judit BME, VIK, Számítástudományi és Információelméleti Tanszék 208. április 6. Csima Judit Klaszterezés, 2. rész / 29 Hierarchikus klaszterezés egymásba ágyazott klasztereket
RészletesebbenA logaritmikus legkisebb négyzetek módszerének karakterizációi
A logaritmikus legkisebb négyzetek módszerének karakterizációi Csató László laszlo.csato@uni-corvinus.hu MTA Számítástechnikai és Automatizálási Kutatóintézet (MTA SZTAKI) Operációkutatás és Döntési Rendszerek
RészletesebbenComputer Architecture
Computer Architecture Locality-aware programming 2016. április 27. Budapest Gábor Horváth associate professor BUTE Department of Telecommunications ghorvath@hit.bme.hu Számítógép Architektúrák Horváth
RészletesebbenENGLISH 24 English is fun Letter #1 Letters In the age of e-mails and cell phones writing a letter might seem out of fashion. However, learners of a foreign language should know how to do it. Here you
RészletesebbenSupporting Information
Supporting Information Cell-free GFP simulations Cell-free simulations of degfp production were consistent with experimental measurements (Fig. S1). Dual emmission GFP was produced under a P70a promoter
RészletesebbenSupporting Information
Supporting Information Paired design of dcas9 as a systematic platform for the detection of featured nucleic acid sequences in pathogenic strains Yihao Zhang 1,2,8, Long Qian 4,8, Weijia Wei 1,3,7,8, Yu
RészletesebbenCsima Judit április 9.
Osztályozókról még pár dolog Csima Judit BME, VIK, Számítástudományi és Információelméleti Tanszék 2018. április 9. Csima Judit Osztályozókról még pár dolog 1 / 19 SVM (support vector machine) ez is egy
RészletesebbenMiskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Nonparametric Tests
Nonparametric Tests Petra Petrovics Hypothesis Testing Parametric Tests Mean of a population Population proportion Population Standard Deviation Nonparametric Tests Test for Independence Analysis of Variance
RészletesebbenBird species status and trends reporting format for the period (Annex 2)
1. Species Information 1.1 Member State Hungary 1.2.2 Natura 2000 code A634-B 1.3 Species name Ardea purpurea purpurea 1.3.1 Sub-specific population East Europe, Black Sea & Mediterranean/Sub-Saharan Africa
RészletesebbenAngol Középfokú Nyelvvizsgázók Bibliája: Nyelvtani összefoglalás, 30 kidolgozott szóbeli tétel, esszé és minta levelek + rendhagyó igék jelentéssel
Angol Középfokú Nyelvvizsgázók Bibliája: Nyelvtani összefoglalás, 30 kidolgozott szóbeli tétel, esszé és minta levelek + rendhagyó igék jelentéssel Timea Farkas Click here if your download doesn"t start
RészletesebbenDependency preservation
Adatbázis-kezelés. (4 előadás: Relácó felbontásai (dekomponálás)) 1 Getting lossless decomposition is necessary. But of course, we also want to keep dependencies, since losing a dependency means, that
RészletesebbenBevezetés a kvantum-informatikába és kommunikációba 2015/2016 tavasz
Bevezetés a kvantum-informatikába és kommunikációba 2015/2016 tavasz Kvantumkapuk, áramkörök 2016. március 3. A kvantummechanika posztulátumai (1-2) 1. Állapotleírás Zárt fizikai rendszer aktuális állapota
RészletesebbenLongman Exams Dictionary egynyelvű angol szótár nyelvvizsgára készülőknek
Longman Exams Dictionary egynyelvű angol szótár nyelvvizsgára készülőknek Egynyelvű angol nagyszótár haladó nyelvtanulóknak és nyelvvizsgázóknak 212,000 szócikkel A szótárban minden definíció egyszerű
RészletesebbenPletykaalapú gépi tanulás teljesen elosztott környezetben
Pletykaalapú gépi tanulás teljesen elosztott környezetben Hegedűs István Jelasity Márk témavezető Szegedi Tudományegyetem MTA-SZTE Mesterséges Intelligencia Kutatócsopot Motiváció Az adat adatközpontokban
RészletesebbenEnsemble Kalman Filters Part 1: The basics
Ensemble Kalman Filters Part 1: The basics Peter Jan van Leeuwen Data Assimilation Research Centre DARC University of Reading p.j.vanleeuwen@reading.ac.uk Model: 10 9 unknowns P[u(x1),u(x2),T(x3),.. Observations:
RészletesebbenMiskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet. Correlation & Regression
Correlation & Regression Types of dependence association between nominal data mixed between a nominal and a ratio data correlation among ratio data Correlation describes the strength of a relationship,
RészletesebbenLecture 11: Genetic Algorithms
Lecture 11 1 Linear and Combinatorial Optimization Lecture 11: Genetic Algorithms Genetic Algorithms - idea Genetic Algorithms - implementation and examples Lecture 11 2 Genetic algorithms Algorithm is
Részletesebbendiscosnp demo - Peterlongo Pierre 1 DISCOSNP++: Live demo
discosnp demo - Peterlongo Pierre 1 DISCOSNP++: Live demo Download and install discosnp demo - Peterlongo Pierre 3 Download web page: github.com/gatb/discosnp Chose latest release (2.2.10 today) discosnp
RészletesebbenMiskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Factor Analysis
Factor Analysis Factor analysis is a multiple statistical method, which analyzes the correlation relation between data, and it is for data reduction, dimension reduction and to explore the structure. Aim
RészletesebbenStatistical Dependence
Statistical Dependence Petra Petrovics Statistical Dependence Deinition: Statistical dependence exists when the value o some variable is dependent upon or aected by the value o some other variable. Independent
RészletesebbenReport on the main results of the surveillance under article 11 for annex II, IV and V species (Annex B)
0.1 Member State HU 0.2.1 Species code 1358 0.2.2 Species name Mustela putorius 0.2.3 Alternative species scientific name 0.2.4 Common name házigörény 1. National Level 1.1 Maps 1.1.1 Distribution Map
RészletesebbenGeokémia gyakorlat. 1. Geokémiai adatok értelmezése: egyszerű statisztikai módszerek. Geológus szakirány (BSc) Dr. Lukács Réka
Geokémia gyakorlat 1. Geokémiai adatok értelmezése: egyszerű statisztikai módszerek Geológus szakirány (BSc) Dr. Lukács Réka MTA-ELTE Vulkanológiai Kutatócsoport e-mail: reka.harangi@gmail.com ALAPFOGALMAK:
RészletesebbenA jövőbeli hatások vizsgálatához felhasznált klímamodell-adatok Climate model data used for future impact studies Szépszó Gabriella
A jövőbeli hatások vizsgálatához felhasznált klímamodell-adatok Climate model data used for future impact studies Szépszó Gabriella Országos Meteorológiai Szolgálat Hungarian Meteorological Service KRITéR
RészletesebbenLocal fluctuations of critical Mandelbrot cascades. Konrad Kolesko
Local fluctuations of critical Mandelbrot cascades Konrad Kolesko joint with D. Buraczewski and P. Dyszewski Warwick, 18-22 May, 2015 Random measures µ µ 1 µ 2 For given random variables X 1, X 2 s.t.
RészletesebbenReport on the main results of the surveillance under article 11 for annex II, IV and V species (Annex B)
0.1 Member State HU 0.2.1 Species code 2633 0.2.2 Species name Mustela eversmanii 0.2.3 Alternative species scientific name 0.2.4 Common name molnárgörény 1. National Level 1.1 Maps 1.1.1 Distribution
RészletesebbenA rosszindulatú daganatos halálozás változása 1975 és 2001 között Magyarországon
A rosszindulatú daganatos halálozás változása és között Eredeti közlemény Gaudi István 1,2, Kásler Miklós 2 1 MTA Számítástechnikai és Automatizálási Kutató Intézete, Budapest 2 Országos Onkológiai Intézet,
RészletesebbenUnification of functional renormalization group equations
Unification of functional renormalization group equations István Nándori MTA-DE Részecsefiziai Kutatócsoport, MTA-Atomi, Debrecen MTA-DE Részecsefiziai Kutatócsoport és a ATOMKI Rács-QCD Lendület Kutatócsoport
RészletesebbenReport on the main results of the surveillance under article 11 for annex II, IV and V species (Annex B)
0.1 Member State HU 0.2.1 Species code 4029 0.2.2 Species name Chondrosoma fiduciarium 0.2.3 Alternative species scientific name 0.2.4 Common name magyar ősziaraszoló 1. National Level 1.1 Maps 1.1.1 Distribution
RészletesebbenMATEMATIKA ANGOL NYELVEN
ÉRETTSÉGI VIZSGA 2016. október 18. MATEMATIKA ANGOL NYELVEN KÖZÉPSZINTŰ ÍRÁSBELI VIZSGA 2016. október 18. 8:00 I. Időtartam: 45 perc Pótlapok száma Tisztázati Piszkozati EMBERI ERŐFORRÁSOK MINISZTÉRIUMA
RészletesebbenTudományos Ismeretterjesztő Társulat
Sample letter number 3. Russell Ltd. 57b Great Hawthorne Industrial Estate Hull East Yorkshire HU 19 5BV 14 Bebek u. Budapest H-1105 10 December, 2009 Ref.: complaint Dear Sir/Madam, After seeing your
RészletesebbenEN United in diversity EN A8-0206/419. Amendment
22.3.2019 A8-0206/419 419 Article 2 paragraph 4 point a point i (i) the identity of the road transport operator; (i) the identity of the road transport operator by means of its intra-community tax identification
RészletesebbenSTUDENT LOGBOOK. 1 week general practice course for the 6 th year medical students SEMMELWEIS EGYETEM. Name of the student:
STUDENT LOGBOOK 1 week general practice course for the 6 th year medical students Name of the student: Dates of the practice course: Name of the tutor: Address of the family practice: Tel: Please read
RészletesebbenSZOFTVEREK A SORBANÁLLÁSI ELMÉLET OKTATÁSÁBAN
SZOFTVEREK A SORBANÁLLÁSI ELMÉLET OKTATÁSÁBAN Almási Béla, almasi@math.klte.hu Sztrik János, jsztrik@math.klte.hu KLTE Matematikai és Informatikai Intézet Abstract This paper gives a short review on software
RészletesebbenUnit 10: In Context 55. In Context. What's the Exam Task? Mediation Task B 2: Translation of an informal letter from Hungarian to English.
Unit 10: In Context 55 UNIT 10 Mediation Task B 2 Hungarian into English In Context OVERVIEW 1. Hungarian and English in Context 2. Step By Step Exam Techniques Real World Link Students who have studied
RészletesebbenA modern e-learning lehetőségei a tűzoltók oktatásának fejlesztésében. Dicse Jenő üzletfejlesztési igazgató
A modern e-learning lehetőségei a tűzoltók oktatásának fejlesztésében Dicse Jenő üzletfejlesztési igazgató How to apply modern e-learning to improve the training of firefighters Jenő Dicse Director of
RészletesebbenSebastián Sáez Senior Trade Economist INTERNATIONAL TRADE DEPARTMENT WORLD BANK
Sebastián Sáez Senior Trade Economist INTERNATIONAL TRADE DEPARTMENT WORLD BANK Despite enormous challenges many developing countries are service exporters Besides traditional activities such as tourism;
RészletesebbenEladni könnyedén? Oracle Sales Cloud. Horváth Tünde Principal Sales Consultant 2014. március 23.
Eladni könnyedén? Oracle Sales Cloud Horváth Tünde Principal Sales Consultant 2014. március 23. Oracle Confidential Internal/Restricted/Highly Restricted Safe Harbor Statement The following is intended
RészletesebbenVéges szavak általánosított részszó-bonyolultsága
Véges szavak általánosított részszó-bonyolultsága KÁSA Zoltán Sapientia Erdélyi Magyar Tudományegyetem Kolozsvár Marosvásárhely Csíkszereda Matematika-Informatika Tanszék, Marosvásárhely Budapest, 2010.
RészletesebbenReport on the main results of the surveillance under article 11 for annex II, IV and V species (Annex B)
0.1 Member State HU 0.2.1 Species code 1353 0.2.2 Species name Canis aureus 0.2.3 Alternative species scientific name 0.2.4 Common name aranysakál 1. National Level 1.1 Maps 1.1.1 Distribution Map Yes
RészletesebbenMiskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet. Nonparametric Tests. Petra Petrovics.
Nonparametric Tests Petra Petrovics PhD Student Hypothesis Testing Parametric Tests Mean o a population Population proportion Population Standard Deviation Nonparametric Tests Test or Independence Analysis
RészletesebbenProfessional competence, autonomy and their effects
ENIRDELM 2014, Vantaa Professional competence, autonomy and their effects Mária Szabó szabo.maria@ofi.hu www.of.hu The aim and the planned activities at this workshop Aim: To take a European survey on
RészletesebbenMATEMATIKA ANGOL NYELVEN MATHEMATICS
ÉRETTSÉGI VIZSGA 2005. május 10. MATEMATIKA ANGOL NYELVEN MATHEMATICS EMELT SZINTŰ ÍRÁSBELI VIZSGA HIGHER LEVEL WRITTEN EXAMINATION Az írásbeli vizsga időtartama: 240 perc Time allowed for the examination:
RészletesebbenManuscript Title: Identification of a thermostable fungal lytic polysaccharide monooxygenase and
1 2 3 4 5 Journal name: Applied Microbiology and Biotechnology Manuscript Title: Identification of a thermostable fungal lytic polysaccharide monooxygenase and evaluation of its effect on lignocellulosic
RészletesebbenUsing the CW-Net in a user defined IP network
Using the CW-Net in a user defined IP network Data transmission and device control through IP platform CW-Net Basically, CableWorld's CW-Net operates in the 10.123.13.xxx IP address range. User Defined
RészletesebbenOROSZ MÁRTA DR., GÁLFFY GABRIELLA DR., KOVÁCS DOROTTYA ÁGH TAMÁS DR., MÉSZÁROS ÁGNES DR.
ALL RIGHTS RESERVED SOKSZOROSÍTÁSI CSAK A MTT ÉS A KIADÓ ENGEDÉLYÉVEL Az asthmás és COPD-s betegek életminõségét befolyásoló tényezõk OROSZ MÁRTA DR., GÁLFFY GABRIELLA DR., KOVÁCS DOROTTYA Semmelweis Egyetem
RészletesebbenDescriptive Statistics
Descriptive Statistics Petra Petrovics DESCRIPTIVE STATISTICS Definition: Descriptive statistics is concerned only with collecting and describing data Methods: - statistical tables and graphs - descriptive
RészletesebbenFirst experiences with Gd fuel assemblies in. Tamás Parkó, Botond Beliczai AER Symposium 2009.09.21 25.
First experiences with Gd fuel assemblies in the Paks NPP Tams Parkó, Botond Beliczai AER Symposium 2009.09.21 25. Introduction From 2006 we increased the heat power of our units by 8% For reaching this
RészletesebbenEEA, Eionet and Country visits. Bernt Röndell - SES
EEA, Eionet and Country visits Bernt Röndell - SES Európai Környezetvédelmi Ügynökség Küldetésünk Annak elősegítése, hogy az EU és a tagállamok a szükséges információk alapján hozhassák meg a környezet
RészletesebbenELEKTRONIKAI ALAPISMERETEK ANGOL NYELVEN
ÉRETTSÉGI VIZSGA 2008. május 26. ELEKTRONIKAI ALAPISMERETEK ANGOL NYELVEN KÖZÉPSZINTŰ ÍRÁSBELI VIZSGA 2008. május 26. 8:00 Az írásbeli vizsga időtartama: 180 perc Pótlapok száma Tisztázati Piszkozati OKTATÁSI
RészletesebbenSzámítógéppel irányított rendszerek elmélete. A rendszer- és irányításelmélet legfontosabb részterületei. Hangos Katalin. Budapest
CCS-10 p. 1/1 Számítógéppel irányított rendszerek elmélete A rendszer- és irányításelmélet legfontosabb részterületei Hangos Katalin Villamosmérnöki és Információs Rendszerek Tanszék Folyamatirányítási
RészletesebbenLopocsi Istvánné MINTA DOLGOZATOK FELTÉTELES MONDATOK. (1 st, 2 nd, 3 rd CONDITIONAL) + ANSWER KEY PRESENT PERFECT + ANSWER KEY
Lopocsi Istvánné MINTA DOLGOZATOK FELTÉTELES MONDATOK (1 st, 2 nd, 3 rd CONDITIONAL) + ANSWER KEY PRESENT PERFECT + ANSWER KEY FELTÉTELES MONDATOK 1 st, 2 nd, 3 rd CONDITIONAL I. A) Egészítsd ki a mondatokat!
RészletesebbenEffect of the different parameters to the surface roughness in freeform surface milling
19 November 0, Budapest Effect of the different parameters to the surface roughness in freeform surface milling Balázs MIKÓ Óbuda University 1 Abstract Effect of the different parameters to the surface
Részletesebben7 th Iron Smelting Symposium 2010, Holland
7 th Iron Smelting Symposium 2010, Holland Október 13-17 között került megrendezésre a Hollandiai Alphen aan den Rijn városában található Archeon Skanzenben a 7. Vasolvasztó Szimpózium. Az öt napos rendezvényen
RészletesebbenPETER PAZMANY CATHOLIC UNIVERSITY Consortium members SEMMELWEIS UNIVERSITY, DIALOG CAMPUS PUBLISHER
SEMMELWEIS UNIVERSITY PETER PAMANY CATLIC UNIVERSITY Development of Complex Curricula for Molecular Bionics and Infobionics Programs within a consortial* framework** Consortium leader PETER PAMANY CATLIC
RészletesebbenDinamikus rendszerek identifikációja genetikus programozással
Dinamikus rendszerek identifikációja genetikus programozással Madár János, Abonyi János, Szeifert Ferenc Veszprémi Egyetem, Folyamatmérnöki Tanszék www.fmt.vein.hu/softcomp, abonyij@fmt.vein.hu Kulcsszavak:
RészletesebbenSupplementary Table 1. Cystometric parameters in sham-operated wild type and Trpv4 -/- rats during saline infusion and
WT sham Trpv4 -/- sham Saline 10µM GSK1016709A P value Saline 10µM GSK1016709A P value Number 10 10 8 8 Intercontractile interval (sec) 143 (102 155) 98.4 (71.4 148) 0.01 96 (92 121) 109 (95 123) 0.3 Voided
RészletesebbenFÖLDRAJZ ANGOL NYELVEN GEOGRAPHY
Földrajz angol nyelven középszint 0623 ÉRETTSÉGI VIZSGA 2007. május 15. FÖLDRAJZ ANGOL NYELVEN GEOGRAPHY KÖZÉPSZINTŰ ÍRÁSBELI ÉRETTSÉGI VIZSGA INTERMEDIATE LEVEL WRITTEN EXAM JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ
RészletesebbenTudományos Ismeretterjesztő Társulat
Sample letter number 5. International Culture Festival PO Box 34467 Harrogate HG 45 67F Sonnenbergstraße 11a CH-6005 Luzern Re: Festival May 19, 2009 Dear Ms Atkinson, We are two students from Switzerland
RészletesebbenFÖLDRAJZ ANGOL NYELVEN
Földrajz angol nyelven középszint 0821 ÉRETTSÉGI VIZSGA 2009. május 14. FÖLDRAJZ ANGOL NYELVEN KÖZÉPSZINTŰ ÍRÁSBELI ÉRETTSÉGI VIZSGA JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ OKTATÁSI ÉS KULTURÁLIS MINISZTÉRIUM Paper
RészletesebbenDecision where Process Based OpRisk Management. made the difference. Norbert Kozma Head of Operational Risk Control. Erste Bank Hungary
Decision where Process Based OpRisk Management made the difference Norbert Kozma Head of Operational Risk Control Erste Bank Hungary About Erste Group 2010. 09. 30. 2 Erste Bank Hungary Erste Group entered
RészletesebbenReport on the main results of the surveillance under article 11 for annex II, IV and V species (Annex B)
0.1 Member State HU 0.2.1 Species code 4110 0.2.2 Species name Pulsatilla pratensis ssp. hungarica 0.2.3 Alternative species Pulsatilla flavescens scientific name 0.2.4 Common name magyar kökörcsin 1.
RészletesebbenUtolsó frissítés / Last update: február Szerkesztő / Editor: Csatlós Árpádné
Utolsó frissítés / Last update: 2016. február Szerkesztő / Editor: Csatlós Árpádné TARTALOM / Contents BEVEZETŐ / Introduction... 2 FELNŐTT TAGBÉLYEGEK / Adult membership stamps... 3 IFJÚSÁGI TAGBÉLYEGEK
RészletesebbenEfficient symmetric key private authentication
Efficient symmetric key private authentication Cryptographic Protocols (EIT ICT MSc) Dr. Levente Buttyán Associate Professor BME Hálózati Rendszerek és Szolgáltatások Tanszék Lab of Cryptography and System
RészletesebbenNéhány folyóiratkereső rendszer felsorolása és példa segítségével vázlatos bemutatása Sasvári Péter
Néhány folyóiratkereső rendszer felsorolása és példa segítségével vázlatos bemutatása Sasvári Péter DOI: http://doi.org/10.13140/rg.2.2.28994.22721 A tudományos közlemények írása minden szakma művelésének
RészletesebbenMeteorológiai ensemble elırejelzések hidrológiai célú alkalmazásai
Meteorológiai ensemble elırejelzések hidrológiai célú alkalmazásai Országos Vízjelzı Szolgálat CSÍK András Országos Vízjelzı Szolgálat Budapest, 214. február 27. Ensemble elırejelzések elınye Determinisztikus
RészletesebbenFOSS4G-CEE Prágra, 2012 május. Márta Gergely Sándor Csaba
FOSS4G-CEE Prágra, 2012 május Márta Gergely Sándor Csaba Reklám helye 2009 óta Intergraph szoftverek felől jöttünk FOSS4G felé megyünk Békés egymás mellett élés több helyen: Geoshop.hu Terkep.torokbalint.hu
RészletesebbenANGOL NYELV KÖZÉPSZINT SZÓBELI VIZSGA I. VIZSGÁZTATÓI PÉLDÁNY
ANGOL NYELV KÖZÉPSZINT SZÓBELI VIZSGA I. VIZSGÁZTATÓI PÉLDÁNY A feladatsor három részből áll 1. A vizsgáztató társalgást kezdeményez a vizsgázóval. 2. A vizsgázó egy szituációs feladatban vesz részt a
RészletesebbenKN-CP50. MANUAL (p. 2) Digital compass. ANLEITUNG (s. 4) Digitaler Kompass. GEBRUIKSAANWIJZING (p. 10) Digitaal kompas
KN-CP50 MANUAL (p. ) Digital compass ANLEITUNG (s. 4) Digitaler Kompass MODE D EMPLOI (p. 7) Boussole numérique GEBRUIKSAANWIJZING (p. 0) Digitaal kompas MANUALE (p. ) Bussola digitale MANUAL DE USO (p.
RészletesebbenWord and Polygon List for Obtuse Triangular Billiards II
Word and Polygon List for Obtuse Triangular Billiards II Richard Evan Schwartz August 19, 2008 Abstract This is the list of words and polygons we use for our paper. 1 Notation To compress our notation
RészletesebbenAdatbázisok 1. Rekurzió a Datalogban és SQL-99
Adatbázisok 1 Rekurzió a Datalogban és SQL-99 Expressive Power of Datalog Without recursion, Datalog can express all and only the queries of core relational algebra. The same as SQL select-from-where,
Részletesebben(NGB_TA024_1) MÉRÉSI JEGYZŐKÖNYV
Kommunikációs rendszerek programozása (NGB_TA024_1) MÉRÉSI JEGYZŐKÖNYV (5. mérés) SIP telefonközpont készítése Trixbox-szal 1 Mérés helye: Széchenyi István Egyetem, L-1/7 laboratórium, 9026 Győr, Egyetem
RészletesebbenA BÜKKI KARSZTVÍZSZINT ÉSZLELŐ RENDSZER KERETÉBEN GYŰJTÖTT HIDROMETEOROLÓGIAI ADATOK ELEMZÉSE
KARSZTFEJLŐDÉS XIX. Szombathely, 2014. pp. 137-146. A BÜKKI KARSZTVÍZSZINT ÉSZLELŐ RENDSZER KERETÉBEN GYŰJTÖTT HIDROMETEOROLÓGIAI ADATOK ELEMZÉSE ANALYSIS OF HYDROMETEOROLIGYCAL DATA OF BÜKK WATER LEVEL
RészletesebbenANGOL NYELV KÖZÉPSZINT SZÓBELI VIZSGA I. VIZSGÁZTATÓI PÉLDÁNY
ANGOL NYELV KÖZÉPSZINT SZÓBELI VIZSGA I. VIZSGÁZTATÓI PÉLDÁNY A feladatsor három részbol áll 1. A vizsgáztató társalgást kezdeményez a vizsgázóval. 2. A vizsgázó egy szituációs feladatban vesz részt a
RészletesebbenKELET-ÁZSIAI DUPLANÁDAS HANGSZEREK ÉS A HICHIRIKI HASZNÁLATA A 20. SZÁZADI ÉS A KORTÁRS ZENÉBEN
Liszt Ferenc Zeneművészeti Egyetem 28. számú művészet- és művelődéstörténeti tudományok besorolású doktori iskola KELET-ÁZSIAI DUPLANÁDAS HANGSZEREK ÉS A HICHIRIKI HASZNÁLATA A 20. SZÁZADI ÉS A KORTÁRS
RészletesebbenRezgésdiagnosztika. Diagnosztika 02 --- 1
Rezgésdiagnosztika Diagnosztika 02 --- 1 Diagnosztika 02 --- 2 A rezgéskép elemzésével kimutatható gépészeti problémák Minden gép, mely tartalmaz forgó részt (pl. motor, generátor, szivattyú, ventilátor,
RészletesebbenENROLLMENT FORM / BEIRATKOZÁSI ADATLAP
ENROLLMENT FORM / BEIRATKOZÁSI ADATLAP CHILD S DATA / GYERMEK ADATAI PLEASE FILL IN THIS INFORMATION WITH DATA BASED ON OFFICIAL DOCUMENTS / KÉRJÜK, TÖLTSE KI A HIVATALOS DOKUMENTUMOKBAN SZEREPLŐ ADATOK
RészletesebbenKvantum-informatika és kommunikáció 2015/2016 ősz. A kvantuminformatika jelölésrendszere szeptember 11.
Kvantum-informatika és kommunikáció 2015/2016 ősz A kvantuminformatika jelölésrendszere 2015. szeptember 11. Mi lehet kvantumbit? Kvantum eszközök (1) 15=5 3 Bacsárdi Képek forrása: IBM's László, Almaden
RészletesebbenKELER KSZF Zrt. bankgarancia-befogadási kondíciói. Hatályos: 2014. július 8.
KELER KSZF Zrt. bankgarancia-befogadási kondíciói Hatályos: 2014. július 8. A KELER KSZF a nem-pénzügyi klíringtagjaitól, és az energiapiaci alklíringtagjaitól a KELER KSZF Általános Üzletszabályzata szerinti
RészletesebbenDense Matrix Algorithms (Chapter 8) Alexandre David B2-206
Dense Matrix Algorithms (Chapter 8) Alexandre David B2-206 Dense Matrix Algorithm Dense or full matrices: few known zeros. Other algorithms for sparse matrix. Square matrices for pedagogical purposes only
RészletesebbenFÖLDRAJZ ANGOL NYELVEN GEOGRAPHY
Földrajz angol nyelven középszint 0513 ÉRETTSÉGI VIZSGA 2005. május 18. FÖLDRAJZ ANGOL NYELVEN GEOGRAPHY KÖZÉPSZINTŰ ÍRÁSBELI VIZSGA STANDARD LEVEL WRITTEN EXAMINATION Duration of written examination:
Részletesebben: az i -ik esélyhányados, i = 2, 3,..I
Kabos: Adatelemzés Ordinális logisztikus regresszió-1 Többtényezős regresszió (az adatelemzésben): Y közelítése b 1 X 1 + b 2 X 2 +... + b J X J alakban, y n = b 1 x n,1 + b 2 x n,2 +... + b J x n,j +
RészletesebbenProbabilistic Analysis and Randomized Algorithms. Alexandre David B2-206
Probabilistic Analysis and Randomized Algorithms Alexandre David B2-206 Today Counting. Basic probability. Appendix C Introduction to randomized algorithms. Chapter 5 27-10-2006 AA1 2 Counting Rule of
RészletesebbenSzámítógéppel irányított rendszerek elmélete. Gyakorlat - Mintavételezés, DT-LTI rendszermodellek
Számítógéppel irányított rendszerek elmélete Gyakorlat - Mintavételezés, DT-LTI rendszermodellek Hangos Katalin Villamosmérnöki és Információs Rendszerek Tanszék e-mail: hangos.katalin@virt.uni-pannon.hu
RészletesebbenExpansion of Red Deer and afforestation in Hungary
Expansion of Red Deer and afforestation in Hungary László Szemethy, Róbert Lehoczki, Krisztián Katona, Norbert Bleier, Sándor Csányi www.vmi.szie.hu Background and importance large herbivores are overpopulated
RészletesebbenFIATAL MŰSZAKIAK TUDOMÁNYOS ÜLÉSSZAKA
FIATAL ŰSZAKIAK TUDOÁNYOS ÜLÉSSZAKA Kolozsvár, 1999. március 19-20. Zsákolt áruk palettázását végző rendszer szimulációs kapacitásvizsgálata Kádár Tamás Abstract This essay is based on a research work
Részletesebben