Dinamikus rendszerek identifikációja genetikus programozással
|
|
- Gyöngyi Hajduné
- 7 évvel ezelőtt
- Látták:
Átírás
1 Dinamikus rendszerek identifikációja genetikus programozással Madár János, Abonyi János, Szeifert Ferenc Veszprémi Egyetem, Folyamatmérnöki Tanszék Kulcsszavak: Struktúra identifikáció, genetikus programozás, bemenet-kimenet modellek, OLS Identification of dynamic systems by genetic programming Abstract The genetic programming (GP) is an automatic method for identifying programs and complex structures. The GP supports the modeling of dynamic systems and selecting the structures of models. In this work, we present identification of structures of models which are linear in parameters. In practice, due to measurement noise, the overtraining and the demand of transparent modeling the GP often does not yields satisfying models. To handle this problem we incorporate the orthogonal least squares method into the GP, which yields better models. The usefulness of the GP is demonstrated by a simulation example where the input-output model of a polymerization reactor is identified. Kivonat A genetikus programozás (GP) alkalmas programok és egyéb komplex struktúrák automatikus identifikációjára. A GP a dinamikus rendszerek modellezésében a modell struktúra kiválasztásában segít. Ebben a cikkben a paramétereiben lineáris modellek struktúrájának GP-al történő identifikációját mutatjuk be. A gyakorlatban a zajos mérési adatok, a modell átláthatóság követelménye és a túlparaméterezés problémája miatt a szokásos algoritmus gyakran szolgáltat nem megfelelő modelleket. Ezért, ahogy ebben a cikkben bemutatjuk, ha bevezetjük az ortogonális legkisebb négyzetek módszerét a GP-ba, akkor robosztusabb és jobb modelleket kapunk. A GP hatékonyságát egy szimulációs példán és egy polimerizációs reaktor bemenet-kimenet modelljén és modellrendűségének meghatározásán keresztül mutatjuk be.. Bevezetés Egy rendszer identifikációja két fő lépésből áll: a modell struktúrájának a meghatározásából, majd a modellben szereplő paraméterek identifikációjából. A paraméterek identifikációjának módja függ a választott modellstruktúrától, így a különböző modellfajtákhoz elég sok hatékony paraméter identifikáló módszert fejlesztettek ki az évek során. A modellstruktúra meghatározását azonban az esetek többségében az ember végzi el. A mérési adatokon alapuló modell struktúra identifikáció előnye a szokásos a priori modell struktúra felíráshoz képest az, hogy a fehér doboz modellezéshez a rendszer pontos elméleti ismeretére van szükség. Emiatt a fehér-doboz modellezés hosszadalmasabb és körülményesebb lehet a fekete-doboz modellezésnél, és ha nem minden jelenség ismert illetve formalizálható pontosan, akkor akár elvi hibákat is tartalmazhat []. Ez a vegyészmérnöki gyakorlatban felmerülő modellezési problémákra különösen jellemző, mert a modellek megalkotása gyakran a modellezendő rendszer mély ismeretét igényli. A genetikus programozás egy olyan eljárás, amely segítségével a mérési adatokból automatikusan lehet modell struktúrát generálni. A genetikus programozásról kitűnő történeti áttekintést nyújt [], a genetikus programozást használták például kvantumszámítógépek algoritmusainak fejlesztésére, elektronikus áramkörök tervezésére. A GP többféle struktúra identifikációra használható: Kinetikai rendűség meghatározása [] Stacioner modellek identifikációja [] Differenciálegyenletek identifikálása [] Mi ebben a cikkben a GP-t paramétereiben lineáris dinamikus modellek struktúrájának a meghatározására használjuk. Mivel a gyakorlatban a mért adatok zajosak így a túlparaméterezés veszélye fennáll, aminek eredményeképpen a kapott modellben megjelenhetnek felesleges tagok. Bemutatjuk, hogy az ortogonális legkisebb négyzetek módszere (OLS) GP-ba történő bevezetésével már a GP alatt is eltávolíthatjuk ezeket a felesleges tagokat. A GP hatékonyságát szimulációs példákon keresztül mutatjuk be, amelyekben bemenet-kimenet modelleket identifikálunk, és modellrendűség meghatározásárát végezzük el.. Genetikus Programozás A genetikus programozás (GP) a genetikus algoritmus (GA) egy fajtája [5]. A GA egy olyan sztochasztikus optimalizáló algoritmus, amely egyszerre sok lehetséges
2 (potenciális) megoldást kezel. A Darni evolúciós elmélet mintájára ezeket a potenciális megoldásokat, mint egyedeket fogjuk fel, amik közösen egy populációt alkotnak. Mindegyik egyedet egy kromoszómával reprezentálunk, ami egy vagy több génből áll. A GA-ban a kromoszóma nem más, mint a potenciális megoldás kódolva valamilyen formában. A populáció egyedei rendelkeznek ún. életképességi értékkel, ami azt határozza meg, hogy az adott egyed mennyire sikeres, vagyis az optimalizációs probléma szempontjából mennyire jó. A következő generációt a régi generáció egyedeiből állítjuk elő, követve a kiválasztódás elvét, vagyis a sikeresebb egyedek nagyobb valószínűséggel tudják tovább örökíteni a génjeiket. A GA-ban az új egyedeket a szelekció alapján rekombinációval és mutációval állítják elő.. táblázat: Fa struktúrában található elemek Terminális elemek Változók: x, x, Paraméterek: p, p, Nem terminális elemek Operátorok:,,*, Függvények: *log(), *exp(),.. Genetikus operátorok A GP-ban három genetikus operátor van: a szelekció, a rekombináció és a mutáció. Az algoritmus folyamatábrája a. ábrán látható. Kezdeti populáció generálása Kiértékelés Paraméterek optimálása Életképességi érték számítása Szelekció.. A modell kódolása A GP tulajdonképpen egy szimbolikus optimalizáló algoritmus. Míg a klasszikus optimalizáló algoritmusok számokkal reprezentálják az egyes megoldásokat (például egy többdimenziós vektorral), addig a szimbolikus algoritmusokban az egyes megoldásokat szimbólumok valamilyen struktúrájával reprezentálják. Az egyik legelterjedtebb módszer a fa struktúra használata. Példaként az. ábra mutatja az y = x ( p x )/ p egyenletet fa struktúrában ábrázolva. Rekombináció Direkt reprodukció Új populáció Kilépési feltétel? Vége igen nem Mutáció X / P P X. ábra: Egy egyenlet bináris fa struktúrában ábrázolva Fa struktúrával nemcsak egyenleteket, hanem egyenletrendszereket vagy moduláris blokkokból összetett modelleket is reprezentálhatunk. Mi ebben a cikkben a szokásos bináris fa reprezentációt választottuk az egyenletek kódolására. A bináris fa olyan fa struktúra, amelyben minden csomópontnak két alága van. Kétféle eleme fordul elő egy bináris fában: a terminális és a nem terminális. A terminális olyan elem, aminek nincsen alága, vagyis amely lezárja a fát. A terminális elemekben mindig változók vagy paraméterek vannak, míg a nem terminális elemekben mindig operátorok és függvények vannak (ld. az. táblázat).. ábra: A GP folyamatábrája A GP legelső lépése a kezdeti populáció előállítása. Ez legtöbbször véletlen kromoszómák előállítását jelenti, ugyanis ez teszi lehetővé a kezdeti populáció diverzitását, azaz azt, hogy a populáció sokféle potenciális megoldást tartalmazhasson. A következő lépés az aktuális populáció egyedeinek a kiértékelése, vagyis az életképességi értékek megállapítása. Ennek menete és módja jelentősen függ magától a problémától. Általában ez a feladat az optimalizálandó célfüggvény kiértékelését jelenti. A szelekció során véletlenszerűen kiválasztjuk a következő generáció egyedeinek szülőpárjait. A kiválasztásra többféle stratégiát dolgoztak ki, és igazából nem egyértelmű, hogy melyik a legjobb. A leginkább elterjedt szelekciós stratégia az életképességi értéken alapuló rulettkerék szelekció [], ezért mi is ezt választottuk. Ennek a szelekciós stratégiának a lényege az, hogy egy egyed kiválasztásának a valószínűsége arányos annak életképességi értékével: fi p ( szelekció) i = () f i
3 ahol a f i az i-ik egyed életképességi értéke, a p(szelekció) i pedig az i-ik egyed kiválasztási valószínűsége. Amikor egy egyedet kiválasztunk a reprodukcióra, akkor három fajta genetikus reprodukciós műveletet alkalmazhatunk: a direkt reprodukciót, a mutációt és a rekombinációt. A mutáció valószínűsége p m a rekombináció valószínűsége p c, a direkt reprodukció valószínűsége -p c -p m. Ez a két valószínűség a GP algoritmus paramétere. A direkt reprodukció a kiválasztott egyedet minden változtatás nélkül átmásolja a következő generációba. A mutáció során a kiválasztott egyeden egy véletlenszerűen megváltoztatunk egy elemet a fában (ha több fát tartalmaz a kromoszóma, akkor csak egy véletlenszerűen kiválasztott fát mutálunk). Amikor egy fában megváltoztatunk egy elemet, akkor akár a fa struktúrája is megváltozhat, ha egy nem terminális elemet terminális elemmel cserélünk ki vagy fordítva. Ilyenkor ügyelni kell arra, hogy jó fát kapjunk vissza, aminek az első feltétele az, hogy a legalsó még engedélyezett szinten csak terminális elemre cserélhetjük ki a mutálandó elemet. A másik feltétele az, hogy a még halott levek se legyenek üresek a bináris fákban, így mikor azok a mutáció során felélednek nem fog hibás struktúrájú fa létrejönni. (Ez a probléma megoldható úgy is, hogy egy véletlen fát generálunk és azt illesztjük be a mutálandó fába.) A rekombinációhoz a kiválasztott egyedhez még egy egyedet kell kiválasztani (ugyanazt a szelekciós stratégiát használva). Ezután a két fát úgy kombináljuk, hogy mindkét fában kiválasztunk egy pontot, majd az alatti fa részeket kicseréljük, így két új egyedet hozva létre. A keresztezési pontok kiválasztását kétféle módon végezhetjük el: vagy ugyanazon a véletlenszerűen kiválasztott helyen keresztezzük a két fát (egypontos rekombináció); vagy a két fában két különböző helyet választunk ki véletlenszerűen, és úgy végezzük el a rekombinációt (kétpontos rekombináció). Mielőtt az új generáció egyedeit előállítjuk, azoknak helyet kell csinálni, vagyis el kell dönteni, hogy a régi populációból mennyi egyed haljon meg. A legegyszerűbb módszer, ha a teljes populációt lecseréljük, de ennek az a hátránya, hogy a legjobb egyedek eltűnhetnek. Ezért általában az a szokás, hogy a legjobb egyedeket meghagyják a populációban. A P gap paraméter (generációs különbség) adja meg, hogy a populáció mekkora hányada haljon meg. Ha például a P gap =0.9, akkor a populáció egyedei közül a legjobb 0%-ot hagyjuk meg... Életképességi érték kiszámítása Az életképességi értékkel a GP által előállított struktúrákat értékeljük az adott probléma szempontjából. Az életképességi érték függvénye általában a mért és a jósolt adatok közötti hibán (legtöbbször a négyzetes hiba összegen) alapul. Azonban a szimbolikus regresszió esetén a négyzetes hiba helyett inkább érdemes a két adatsor közötti korrelációt tekinteni, ahogyan [6] ajánlja. Így ebben a cikkben az életképességi érték számítására a korrelációs koefficiens négyzetét használtuk (A korrelációs koefficiens abszolút értéke 0 és között változik, minél közelebb van az -hez annál nagyobb a korreláció). Egy modell megítélésekor nemcsak az számít, hogy mennyire jól működik a modell, hanem az is számít, hogy minél egyszerűbb, áttekinthetőbb legyen. Erre azért is szükség van, mert a bonyolult modellek esetén fennáll a veszélye a túlparaméterezésnek. Ezért ahogyan [] ajánlja bevezettük a büntetőfüggvény használatát az életképességi érték számításába: r f = i i exp( a( L a )) () ahol f i az életképességi érték, r i a számított korrelációs koefficiens, L i a fa-struktúra mérete (leveleinek a száma), a és a a büntető függvény két paramétere.. Modellek identifikációja GP-al Általában a modellek egyenletekből állnak, és ezek az egyenletek paramétereket/konstansokat és változókat tartalmaznak. Mikor a GP-al előállítunk egy egyenletet, akkor az abban található paramétereket optimalizálni kell, mert még egy struktúrájában tökéletes egyenlet is teljesen rossz modellt szolgáltat, ha a benne szereplő paraméterek hibásak. Mivel általában a GP által előállított modellek a paraméterire nézve (is) nemlineárisak, így nemlineáris optimalizáló algoritmust kell használni. Ez azt jelenti, hogy minden egyes új egyed kiértékelésekor el kell végezni egy nemlineáris optimálást, aminek köszönhetően a GP nagyon számításigényes... Paramétereiben lineáris modellek GP-ban A nemlineáris optimálási feladat elkerülhető, ha olyan modelleket használunk, amely modellek a paramétereikre nézve lineárisak, vagyis a következő formában írhatóak fel: m ( k) = ai Fi ( x ( k),..., xn ( k) ) yˆ () i= ahol F i függvények, a i a paraméterek, ( ) k ŷ a modell kimenete a k-ik időpontban, és x(k) a modell bemenete a k-ik időpontban. A modell bemenetei vektora (a felhasználható adatok vektora) a k-ik időpontban x(k) = (x (k),, x n (k)). A mért kimenetek alkotják a kimeneti vektort: y = (y(),,y(n)) T ahol N az adatpontok száma. A paraméterek identifikálására így használható a lineáris
4 legkisebb négyzetek módszere: a cél mért kimenet és a számolt kimenet közötti különbség négyzetösszegének a csökkentése, vagyis a N m χ = y( k) ai Fi ( x( k )) () k= i= összeg csökkentése az a = (a,...,a m ) paramétervektor optimálásával. A paramétervektort ekkor a szokásos: T T a = ( F F ) F y (5) összefüggéssel határozhatjuk meg, ahol F mátrix: F ( x() ) L Fm ( x( ) ) F = M O M (6) F ( x( N )) L F ( x( N )) m Tehát GP során a fa struktúrákban nem szerepelnek paraméterek, azokat mi illesztjük hozzá az egyenlet tagjaihoz a () egyenlet szerint. Az F i egyenletek egy fastruktúrában vannak, és úgy kapjuk meg őket, hogy a fát szétbontjuk a gyökérből kiindulva az összeadások mentén, erre a. ábrán látható példa... Az OLS módszer alkalmazása A GP futása során a generációszám növekedésével a modellek kimenetei a célfüggvény szerint egyre jobban megközelítik a mért adatokat. Sajnos a gyakorlatban a mért adatok mérési zajokat is tartalmaznak így a tökéletes illeszkedés nem lehetséges, sőt a túlzottan jó illeszkedés a túlparaméterezés veszélyével jár, és megjelenhetnek az egyenletekben felesleges, komplex tagok, amelyekre a helyes modellben nem lenne szükség. Az értékelő függvénybe bevezetett büntetőfüggvény részben tud segíteni ezen a problémán, mert a feleslegesen nagy fastruktúrák életképességi értékeit csökkenti. De a büntető függvény nem képes hatékony megoldást kínálni erre a problémára. Ennek az egyik oka az, hogy ha az ember nem tudja előre a végeredményt (márpedig a gyakorlatban nem tudja), akkor igen nehéz jól beállítani a büntetőfüggvény paramétereit. Ha túl nagy a súlya a büntetőfüggvénynek, akkor a modellek túlegyszerűsödnek és értékes tagok vesznek el; ha meg túl kicsi, akkor alig lesz valami hatása. De ha sikerül is jól beállítani a büntetőfüggvény paramétereit, önmagában akkor se tudja hatékonyan megoldani a problémát. Például egy olyan fa, ami struktúrájában teljesen jó csak tartalmaz egy-két felesleges tagot, a büntetőfüggvény következtében rosszabb életképességi értékkel fog rendelkezni, mint egy majdnem jó struktúrájú fa, ami viszont mentes ezektől a felesleges tagoktól. Látható, hogy a hatékony megoldás egy olyan algoritmus lenne, amely képes arra, hogy már a GP futása közben kiszűrje a fákból ezeket a felesleges tagokat. A paramétereiben lineáris modellek esetén erre az ortogonális legkisebb négyzetek (OLS) módszere kínál megoldást. Az OLS módszerének a lényege az, hogy kiszámítjuk a () egyenletben szereplő F i egyenletek hibacsökkentő hozzájárulását, vagyis azt, hogy mekkora részben járulnak hozzá a számolt kimenet és a mért adat közötti hiba csökkentéséhez. Az OLS a legkisebb négyzetek módszeréből indul ki. A kimenet felírható az y = F a e (7) formában, ahol e a hibavektor. Az OLS transzformálja az F mátrix oszlopvektorait ortogonális bázisvektorokká a F = W A (8) alapján, ahol W az ortogonális mátrix, amelyre W T W = I egységmátrix, és A felső háromszögmátrix egység diagonális elemekkel. A (7) egyenletbe behelyettesítve a ()-t y = W A a e = W g e, ahol g = A a. Ha w i jelöli a W mátrix i-ik oszlopvektorát és g i a hozzá tartozó elemét az OLS megoldásvektornak a kimenet varianciája y T y/n kifejezhető felhasználva, hogy y T m T T y = gi e e (9) i= Ebből a hibacsökkentés értéke: T i gi [ err] = (0) T y y ahol [err] i jelöli az F i hibacsökkentő hozzájárulását. Azokat az F i függvényeket, amelyeknek a hozzájárulása túl kicsi, kitöröljük a fából. Az életképességi érték kiszámítása csak ezután történik meg az új fát használva. A. ábrán látható erre egy példa: az eredeti fa tartalmazott három függvényt: F, F, F, ezeket az OLS alapján sorba rendeztük és eldöntöttük, hogy az F függvényt kitöröljük a fából, így kaptuk az ábra jobb oldalán látható egyszerűbb fát. * x x F x x * x x F F * x x. ábra: A fa egy alágának kivágása az OLS-t alkalmazva. Alkalmazási példák Ebben a fejezetben szimulációs modellek alapján mutatjuk be az GP használhatóságát a modell struktúrájának a meghatározásában. A GP paraméterei mindegyik példában. táblázatban található értékek voltak. F x F
5 . táblázat: A GP paraméterei Populáció mérete 50 Generált egyedek maximális száma 500 Generációs különbség 0.7 Rekombináció módja kétpontos Rekombinációs valószínűség 0.5 Mutációs valószínűség 0.5 Elemtípus-váltás valószínűsége mutáció során (terminális - nem terminális) Nemlineáris bemenet-kimenet modell Az első példában egy egyszerű nemlineáris bemenetkimenet modell struktúráját határoztuk meg GP-t használva. A modell a következő: y ( k) = 0.8u( k ).y( k ) 0.9y( k ) 0. () A mérési adatsort szimulációval állítottuk elő és a kimenethez %-os relatív nagyságú normál eloszlású zajt adtunk, az adatsor a. ábrán látható: ábra: Adatsor a.. példához A pontozott vonal a bemenet, a folytonos a kimenet Az adatsor alapján a GP-át használva identifikáltuk a bemenet-kimenet modell egyenletet, úgy hogy az F i függvények változói az u(k-), u(k-), y(k-), y(k-) voltak (pontosabban ezek közül választhatott a GP algoritmus a fastruktúrák generálása, mutálása során). Az OLS-t úgy alkalmaztuk a példában, hogy maximum öt tagot engedélyeztünk egy modellben (a bias-t természetesen nem beleértve). Ha ennél több volt az egyenletben, akkor az OLS alapján sorba rendeztük a tagokat és a legkisebb hibacsökkentési értékkel rendelkezőket kitöröltük a fából. Így használva a GP-t, az képes volt struktúrájában pontosan meghatározni a bemenet-kimenet modellt. A végeredmény minden futatás végén a következő formájú volt: y( k) = 0.890y( k ).75y( k ) (8) 0.855u( k ) u( k ) Az egyenletben szereplő paraméterek azért nem pontosak, mert az adatsor zajos volt. De az látható, hogy a bemenet-kimenet modell struktúrája jó... Polimerizációs reaktor A következő esettanulmány egy folyamatosan működő polimerizációs reaktor modelljét mutatja be. A modell a metil-metakrilát gyökös polimerizációjára vonatkozik, melyben azo-bisz(izobutiro-nitril)-t használunk iníciátorként és toluolt oldószerként. További információk: [7]-ban találhatók. Feltételezzük, hogy a reakció tökéletesen kevert üstben zajlik és még néhány további egyszerűsítést téve a következő matematikai modell kapjuk: x& = 0 x x x () (6 ). 568 x& = 80u 0. 0x () x& 0 x () =.00x x 0.9x 0 x& 5 x (5) =.978x x 0 x x y = (6) A dimenziómentes x állapotváltozó utal a monomer koncentrációjára, x az iníciátor koncentrációjára és x /x az átlagos molekulasúlyra. Az u bemenet az iníciátor dimenziómentes térfogatárama. A következő példákban az u értéke és között változik és mintavételezési ideje 0.. Ilyen bemenet esetén az y kimenet 6000 és 000 közötti értékeket vesz fel. A [8] szerint a modell jól felírható a következő formában: y ( t) = G[ y( t 0.), u( t 0.), u( t 0.)], (7) mivel a MARS modellezési technikát alkalmazva a jövőbeli kimenet pontosan jósolható belőle. Egy kérdés természetesen adódik ebből az eredményből: hogyan lehet az, hogy a regresszor vektor kisebb, mint a rendszer állapotainak a száma? Ennek magyarázata az lehet, hogy az állapotváltozók száma csak elégséges, de nem szükséges feltételt ad a regresszor vektor dimenziójára vonatkozóan. Ebben a konkrét példában a valós ok az, hogy a rendszer állapotváltozója közül kettőt nem megfigyelhető. Másrészt valószínű, hogy a folyamat alulmintavételezett, vagyis a mintavételezési idő túl nagy. Ezt néhány szimulációs vizsgálatunk is igazolta. Az adatsort a ()-(6) differenciálegyenletrendszerrel megadott modellből szimulációval állítottuk elő, és az első példához hasonló módon identifikáltunk egy bemenet-kimenet modellt GP-al. Mivel a GP sztochasztikus eljárás, így a végeredmény se lesz minden futatás végén ugyanaz, itt látható két jellegzetes eredmény: és y ( k) = 85.y( k )( u k )( u k ) 5.077y( k ) u( k ) 0.776y( k ) 97u( k ) 588, (8) 5
6 y ( k) = y( k ) y( k ) u( k ) 6.0y( k ) u( k ).60y( k ) 955 (9) Ahogyan a példákon is látszik az eredményül kapott bemenet-kimenet modellek rendűsége megegyezik azzal amit a (7) alapján vártunk. Tehát a genetikus programozás egy hatékony eszköz a dinamikus rendszerek bemenet-kimenet modellek rendűségének meghatározására. Sőt, az eredményül kapott modellekből az is látható, hogy hasonlóan a folyamatot leíró differenciálegyenletekhez a modellben megjelentek gyökös összefüggések is. 5. Összefoglalás A genetikus programozás egy szimbolikus regressziós módszer, amely alkalmas modell struktúrák identifikálására. A cikkben bemutattuk, hogy hogyan lehet a GP-al dinamikus rendszerek bemenet-kimenet modelljét meghatározni és az ortogonális legkisebb négyzete módszert alkalmazni paramétereire lineáris modellek esetén. Egy folytonos polimerizációs rekator példáján keresztül bemutattuk, hogy a GP alkalmas a modell rendűségének a meghatározására. Köszönetnyilvánítás A szerzők ezúton szeretnék kifejezni köszönetüket a Vegyészmérnöki Intézet Koordinációs Kutatási Központjának (KKK-I-7 projekt) az Oktatási Minisztériumnak (FKFP-007/00), és az OTKA-nak (No. T07600) a támogatásért. Abonyi János munkáját a Magyar Tudományos Akadémia Bolyai János Kutatói Ösztöndíja is támogatta Irodalom [] McKay B., Willis M., Barton G., Steady-state modelling of chemical process systems using genetic programming, Computers chem. Engng, (9), (997) [] Koza J. R., Keane M. A., Yu J., Bennett F. H., Mydlowec W., Automatic creation of human-competitive programs and controllers by means of genetic programming, Genetic Programming and Evolable Machines,, -6 (000) [] Cao H., Yu J., Kang L., Chen Y., Chen. Y., The kinetic evolutionary modeling of complex systems of chemical reactions, Computers & Chemistry,, -5 (999) [] Sakamoto E., Iba H., Inferring a system of differential equations for gene regulatory network by using genetic programming, Inferring a system of differential equations for gene regulatory network by using genetic programming, 70-76, (00) [5] Alvarez L. F., Toropov V. V., Hughes D. C., Ashour A. F., Approximation model building using genetic programming methodology: applications, Second ISSMO/AIAA Internet Conference on Approximations and Fast Reanalysis in Engineering Optimization, (000) [6] South, M. C., The application of genetic algorithms to rule finding in data analysis Ph.D. Theses, Dept. of Chemical and Process Eng., The University of Newcastle upon Tyne, UK (99) [7] Doyle F. J., Ogunnaike B. A., Pearson R. K., Nonlinear model-based control using second-order Volterra models Automatica, (995) [8] Rhodes C., Morari M., Determining the model order of nonlinear input/output systems, AIChE Journal, (998) 6
Irányítási struktúrák összehasonlító vizsgálata. Tóth László Richárd. Pannon Egyetem Vegyészmérnöki és Anyagtudományok Doktori Iskola
Doktori (PhD) értekezés tézisei Irányítási struktúrák összehasonlító vizsgálata Tóth László Richárd Pannon Egyetem Vegyészmérnöki és Anyagtudományok Doktori Iskola Témavezetők: Dr. Szeifert Ferenc Dr.
RészletesebbenMŰSZAKI TUDOMÁNY AZ ÉSZAK-ALFÖLDI RÉGIÓBAN 2010
MŰSZAKI TUDOMÁNY AZ ÉSZAK-ALFÖLDI RÉGIÓBAN 2010 KONFERENCIA ELŐADÁSAI Nyíregyháza, 2010. május 19. Szerkesztette: Edited by Pokorádi László Kiadja: Debreceni Akadémiai Bizottság Műszaki Szakbizottsága
RészletesebbenAZ A PRIORI ISMERETEK ALKALMAZÁSA
Doktori (PhD) értekezés tézisei AZ A PRIORI ISMERETEK ALKALMAZÁSA A VEGYIPARI FOLYAMATMÉRNÖKSÉGBEN MADÁR JÁNOS Veszprémi Egyetem Vegyészmérnöki Tudományok Doktori Iskolája Témavezető: dr. Abonyi János
RészletesebbenAKTUÁTOR MODELLEK KIVÁLASZTÁSA ÉS OBJEKTÍV ÖSSZEHASONLÍTÁSA
AKTUÁTOR MODELLEK KIVÁLASZTÁSA ÉS OBJEKTÍV ÖSSZEHASONLÍTÁSA Kovács Ernő 1, Füvesi Viktor 2 1 Egyetemi docens, PhD; 2 tudományos segédmunkatárs 1 Eletrotechnikai és Elektronikai Tanszék, Miskolci Egyetem
RészletesebbenI. BEVEZETÉS, MOTIVÁCIÓ, PROBLÉMAFELVETÉS
Szolnoki Tudományos Közlemények XIV. Szolnok, 1. Prof. Dr. Szabolcsi Róbert 1 MECHANIKAI LENGŐ RENDSZEREK RENDSZERDINAMIKAI IDENTIFIKÁCIÓJA I. BEVEZETÉS, MOTIVÁCIÓ, PROBLÉMAFELVETÉS A műszaki gyakorlatban
RészletesebbenDinamikus programozás alapú szivattyú üzemvitel optimalizálási technikák (főként) kombinatorikus vízműhálózatokra
Systeemitekniikan Laboratorio Dinamikus programozás alapú szivattyú üzemvitel optimalizálási technikák (főként) kombinatorikus vízműhálózatokra Bene József HDR, Dr. Hős Csaba HDR, Dr. Enso Ikonen SYTE,
RészletesebbenA Margit híd pillérszobrának 3D-s digitális alakzatrekonstrukciója Nagy Zoltán 1 Túri Zoltán 2
A Margit híd pillérszobrának 3D-s digitális alakzatrekonstrukciója Nagy Zoltán 1 Túri Zoltán 2 1 hallgató, Debreceni Egyetem TTK, e-mail: zoli0425@gmail.com 2 egyetemi tanársegéd, Debreceni Egyetem Természetföldrajzi
RészletesebbenOPERÁCIÓKUTATÁS, AZ ELFELEDETT TUDOMÁNY A LOGISZTIKÁBAN (A LOGISZTIKAI CÉL ELÉRÉSÉNEK ÉRDEKÉBEN)
OPERÁCIÓKUTATÁS, AZ ELFELEDETT TUDOMÁNY A LOGISZTIKÁBAN (A LOGISZTIKAI CÉL ELÉRÉSÉNEK ÉRDEKÉBEN) Fábos Róbert 1 Alapvető elvárás a logisztika területeinek szereplői (termelő, szolgáltató, megrendelő, stb.)
RészletesebbenSZAKASZOS GYÁRTÓ RENDSZER MODELL BÁZISÚ IRÁNYÍTÁSA
SZAKASZOS GYÁRTÓ RENDSZER MODELL BÁZISÚ IRÁNYÍTÁSA Szeifert Ferenc, Nagy Lajos, Chován Tibor, Abonyi János, Veszprémi Egyetem, Folyamatmérnöki Tanszék 1. Bevezetés A gyógyszergyári, élelmiszeripari, műanyagipari
RészletesebbenPILÓTANÉLKÜLI REPÜLŐGÉP REPÜLÉSSZABÁLYOZÓ RENDSZERÉNEK ELŐZETES MÉRETEZÉSE. Bevezetés. 1. Időtartománybeli szabályozótervezési módszerek
Szabolcsi Róbert Szegedi Péter PILÓTANÉLÜLI REPÜLŐGÉP REPÜLÉSSZABÁLYOZÓ RENDSZERÉNE ELŐZETES MÉRETEZÉSE Bevezetés A cikkben a Szojka III pilótanélküli repülőgép [8] szakirodalomban rendelkezésre álló matematikai
RészletesebbenMÉLYFÚRÁSI GEOFIZIKAI ADATOK ÉRTELMEZÉSÉNEK MODERN INVERZIÓS MÓDSZEREI
MIKOVINY SÁMUEL FÖLDTUDOMÁNYI DOKTORI ISKOLA Doktori értekezés tézisei MÉLYFÚRÁSI GEOFIZIKAI ADATOK ÉRTELMEZÉSÉNEK MODERN INVERZIÓS MÓDSZEREI Írta: SZABÓ NORBERT PÉTER Tudományos vezető: DR. DOBRÓKA MIHÁLY
RészletesebbenA KUTATÁS EREDMÉNYEI ZÁRÓJELENTÉS 2004-2006.
ÖNELLENŐRZÉS ÉS FUTÁSIDEJŰ VERIFIKÁCIÓ SZÁMÍTÓGÉPES PROGRAMOKBAN OTKA T-046527 A KUTATÁS EREDMÉNYEI ZÁRÓJELENTÉS 2004-2006. Témavezető: dr. Majzik István Budapesti Műszaki és Gazdaságtudományi Egyetem
RészletesebbenVálasz Prof. Dr. Rudas Imre egyetemi tanár. Computational Methods for the Analysis of Nonnegative Polynomial Systems
Válasz Prof. Dr. Rudas Imre egyetemi tanár Szederkényi Gábor Computational Methods for the Analysis of Nonnegative Polynomial Systems című MTA doktori disszertációjához készített bírálatára Mindenek előtt
RészletesebbenA HIBRID LINEÁRIS LÉPTET MOTOR HATÉKONYSÁGÁNAK NÖVELÉSI MÓDOZATAIRÓL
A HIBRID LINEÁRIS LÉPTET MOTOR HATÉKONYSÁGÁNAK NÖVELÉSI MÓDOZATAIRÓL Szabó Loránd - Ioan-Adrian Viorel - Józsa János Kolozsvári M szaki Egyetem, Villamos Gépek Tanszék 3400 Kolozsvár, Pf. 358. e-mail:
RészletesebbenA bemeneti feszültség 10 V és 20 V között van. 1. ábra A fuzzy tagsági függvény
BÁRKÁNYI PÁL: FUZZY MODELL MATEMATIKAI HÁTTERE SPECIÁLIS KATONAI RENDSZEREKRE ALKALMAZVA A katonai rendszerek műszaki megbízhatóságának vizsgálatai során, több matematikai módszert alkalmazhatunk, mint
RészletesebbenPh. D. értekezés tézisei
Ph. D. értekezés tézisei Szabó István: NAPELEMES TÁPELLÁTÓ RENDSZEREKBEN ALKALMAZOTT NÖVELT HATÁSFOKÚ, ANALÓG MAXIMÁLIS TELJESÍTMÉNYKÖVETŐ ÁRAMKÖR ANALÍZISE Konzulens: dr. Szabó József Budapest, 1997.
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
RészletesebbenGPS-mérések abszolút feldolgozását terhelô hibahatások vizsgálata
GPS-mérések abszolút feldolgozását terhelô hibahatások vizsgálata TAKÁCS BENCE egyetemi tanársegéd BME Általános- és Felsôgeodézia Tanszék, bence@agt.bme.hu Reviewed Kulcsszavak: abszolút helymeghatározás,
RészletesebbenGÉPI ÉS EMBERI POZICIONÁLÁSI, ÉRINTÉSI MŰVELETEK DINAMIKÁJA
BUDAPESTI MŰSZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM MŰSZAKI MECHANIKAI TANSZÉK PhD Tézisfüzet GÉPI ÉS EMBERI POZICIONÁLÁSI, ÉRINTÉSI MŰVELETEK DINAMIKÁJA Szerző MAGYAR Bálint Témavezető Dr. STÉPÁN Gábor Budapest,
RészletesebbenAutópálya forgalomszabályozás felhajtókorlátozás és változtatható sebességkorlátozás összehangolásával és fejlesztési lehetőségei
Autópálya forgalomszabályozás felhajtókorlátozás és változtatható sebességkorlátozás összehangolásával és fejlesztési lehetőségei Tettamanti Tamás, Varga István, Bokor József BME Közlekedésautomatikai
RészletesebbenBIZONYTALANSÁG A KOCKÁZATBECSLÉSBEN 1. BEVEZETÉS
Pokorádi László BIZONYTALANSÁG A KOCKÁZATBECSLÉSBEN A műszaki menedzsment döntései különböző pozitív vagy negatív előjelű eredményeket eredményezhetnek. A döntéshozóknak mind morális, mind szakmai szempontokat
RészletesebbenLÉTRADIAGRAM FORDÍTÓK ELMÉLETE PLC VEZÉRLÉSEK SZÁMÁRA II.
V. Évfolyam 1. szám - 2010. március Deák Ferenc deak@nct.hu LÉTRADIAGRAM FORDÍTÓK ELMÉLETE PLC VEZÉRLÉSEK SZÁMÁRA II. Absztrakt A létradiagram egyszerű, programozási képzettséggel nem rendelkező szakemberek
RészletesebbenMérnök informatikus (BSc) alapszak levelező tagozat (BIL) / BSc in Engineering Information Technology (Part Time)
Mérnök informatikus (BSc) alapszak levelező tagozat (BIL) / BSc in Engineering Information Technology (Part Time) (specializáció választás a 4. félévben, specializációra lépés feltétele: az egyik szigorlat
RészletesebbenA megerosítéses tanulás és a szimulált hutés kombinált használata: algoritmusok és alkalmazások
MISKOLCI EGYETEM DOKTORI (PH.D.) TÉZISFÜZETEI HATVANY JÓZSEF INFORMATIKAI TUDOMÁNYOK DOKTORI ISKOLA A megerosítéses tanulás és a szimulált hutés kombinált használata: algoritmusok és alkalmazások Készítette:
RészletesebbenParciális differenciálegyenletek numerikus módszerei számítógépes alkalmazásokkal Karátson, János Horváth, Róbert Izsák, Ferenc
Karátson, János Horváth, Róbert Izsák, Ferenc numerikus módszerei számítógépes írta Karátson, János, Horváth, Róbert, és Izsák, Ferenc Publication date 2013 Szerzői jog 2013 Karátson János, Horváth Róbert,
RészletesebbenIntelligens Induktív Érzékelők
Intelligens Induktív Érzékelők Írta: Pólik Zoltán Konzulensek: Dr. Kuczmann Miklós Tanszékvezető egyetemi tanár Automatizálási Tanszék, Széchenyi István Egyetem Dr. Kántor Zoltán Fejlesztési csoportvezető
RészletesebbenBírálat. Farkas András
Bírálat Farkas András Közlekedési rendszerek fejlesztése és értékelése többtényezős döntési eljárások felhasználásával (Appraisal and Development of Transportation Systems Using Multiple Criteria Decision
Részletesebben(11) Lajstromszám: E 006 221 (13) T2 EURÓPAI SZABADALOM SZÖVEGÉNEK FORDÍTÁSA
!HU000006221T2! (19) HU (11) Lajstromszám: E 006 221 (13) T2 MAGYAR KÖZTÁRSASÁG Magyar Szabadalmi Hivatal EURÓPAI SZABADALOM SZÖVEGÉNEK FORDÍTÁSA (21) Magyar ügyszám: E 0 7178 (22) A bejelentés napja:
RészletesebbenBIZONYOS GRÁFELMÉLETI ALGORITMUSOK TANÍTÁSA ELEGÁNSAN KISS LÁSZLÓ
ACTA CAROLUS ROBERTUS 3 (1) Módszertan szekció BIZONYOS GRÁFELMÉLETI ALGORITMUSOK TANÍTÁSA ELEGÁNSAN Összefoglalás KISS LÁSZLÓ Cikkemben a gráfelmélet néhány algoritmusának elegáns, hatékony, tanításra
RészletesebbenHIDEGEN HENGERELT ALUMÍNIUM SZALAG LENCSÉSSÉGÉNEK VIZSGÁLATA INVESTIGATION OF CROWN OF COLD ROLLED ALUMINIUM STRIP
Anagmérnöki Tudományok, 37. kötet, 1. szám (2012), pp. 309 319. HIDEGEN HENGERELT ALUMÍNIUM SZALAG LENCSÉSSÉGÉNEK VIZSGÁLATA INVESTIGATION OF CROWN OF COLD ROLLED ALUMINIUM STRIP PÁLINKÁS SÁNDOR Miskolci
RészletesebbenSZÉCHENYI ISTVÁN EGYETEM MŰSZAKI TUDOMÁNYI KAR RENDSZERELEMZÉS I.
SZÉCHENYI ISTVÁN EGYETEM MŰSZAKI TUDOMÁNYI KAR RENDSZERELEMZÉS I. Minden jog fenntartva, beleértve a sokszorosítás és a mű bővített, vagy rövidített változatának kiadási jogát is. A Szerző előzetes írásbeli
RészletesebbenOsztott ter rektifikáló kolonna modellezése és stacioner vizsgálata
!"#! * $%&%%'() +,#**-. Osztott ter rektifikáló kolonna modellezése és stacioner vizsgálata Szabó László, Németh Sándor, Szeifert Ferenc Pannon Egyetem, 8200 Veszprém Egyetem u. 10, szabol@fmt.uni-pannon.hu
RészletesebbenDrótposta: kovacsea@math.bme.hu ; edith_kovacs@yahoo.com ; Honlapom: http://www.math.bme.hu/diffe/staff/kovacse.shtml
Szakmai önéletrajz 1.1 Személyes adatok: Nevem: Kovács Edith Alice Születési idő, hely: 1971.05.18, Arad Drótposta: kovacsea@math.bme.hu ; edith_kovacs@yahoo.com ; Honlapom: http://www.math.bme.hu/diffe/staff/kovacse.shtml
RészletesebbenHazánkban jelentõs múlttal rendelkeznek a klasszikus tesztelméleti módszerekkel
Iskolakultúra 2008/1 2 Molnár Gyöngyvér SZTE, Pedagógia Tanszék, MTA-SZTE Képességkutató Csoport A Rasch-modell kiterjesztése nem dichotóm adatok elemzésére: a rangskálás és a parciális kredit modell A
RészletesebbenPARAMÉTERES GÖRBÉK ALKALMAZÁSA VALÓSIDE- JŰ DIGITÁLIS HANGFELDOLGOZÁS SORÁN
Multidiszciplináris tudományok, 3. kötet. (2013) sz. pp. 251-258. PARAMÉTERES GÖRBÉK ALKALMAZÁSA VALÓSIDE- JŰ DIGITÁLIS HANGFELDOLGOZÁS SORÁN Lajos Sándor Mérnöktanár, Miskolci Egyetem,Ábrázoló geometriai
RészletesebbenVárosi légszennyezettség vizsgálata térinformatikai és matematikai statisztikai módszerek alkalmazásával
Pannon Egyetem Vegyészmérnöki Tudományok és Anyagtudományok Doktori Iskola Városi légszennyezettség vizsgálata térinformatikai és matematikai statisztikai módszerek alkalmazásával DOKTORI (Ph.D.) ÉRTEKEZÉS
RészletesebbenMŰSZAKI TUDOMÁNY AZ ÉSZAK-KELET MAGYARORSZÁGI RÉGIÓBAN 2012
MŰSZAKI TUDOMÁNY AZ ÉSZAK-KELET MAGYARORSZÁGI RÉGIÓBAN 0 KONFERENCIA ELŐADÁSAI Szolnok 0. május 0. Szerkesztette: Edited by Pokorádi László Kiadja: Debreceni Akadémiai Bizottság Műszaki Szakbizottsága
RészletesebbenVI. Magyar Földrajzi Konferencia 524-529
Van Leeuwen Boudewijn Tobak Zalán Szatmári József 1 BELVÍZ OSZTÁLYOZÁS HAGYOMÁNYOS MÓDSZERREL ÉS MESTERSÉGES NEURÁLIS HÁLÓVAL BEVEZETÉS Magyarország, különösen pedig az Alföld váltakozva szenved aszályos
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
RészletesebbenFiáth Attila Nagy Balázs Tóth Péter Dóczi Szilvia Dinya Mariann
Fiáth Attila Nagy Balázs Tóth Péter Dóczi Szilvia Dinya Mariann Egységes kockázatkezelési módszertan kialakítása a villamosenergia-ipari átviteli rendszerirányító társaságnál A felelős vállalatirányítás
RészletesebbenFIR SZŰRŐK TELJESÍTMÉNYÉNEK JAVÍTÁSA C/C++-BAN
Multidiszciplináris tudományok, 4. kötet. (2014) 1. sz. pp. 31-38. FIR SZŰRŐK TELJESÍTMÉNYÉNEK JAVÍTÁSA C/C++-BAN Lajos Sándor Mérnöktanár, Miskolci Egyetem, Matematikai Intézet, Ábrázoló Geometriai Intézeti
RészletesebbenTECHNOLÓGIAFEJLESZTÉSI CÉLÚ
MTA DOKTORI ÉRTEKEZÉS TÉZISEI TECHNOLÓGIAFEJLESZTÉSI CÉLÚ ADATBÁNYÁSZATI TECHNIKÁK Abonyi János Pannon Egyetem Folyamatmérnöki Intézeti Tanszék Veszprém, 2010 I. Helyzetértékelés, célkitűzés A termék-
RészletesebbenKvartó elrendezésű hengerállvány végeselemes modellezése a síkkifekvési hibák kimutatása érdekében. PhD értekezés tézisei
Kerpely Antal Anyagtudományok és Technológiák Doktori Iskola Kvartó elrendezésű hengerállvány végeselemes modellezése a síkkifekvési hibák kimutatása érdekében PhD értekezés tézisei KÉSZÍTETTE: Pálinkás
RészletesebbenBIZONYTALAN ADATOK KEZELÉSE: FUZZY SZAKÉRTŐI RENDSZEREK
BIZONYTALAN ADATOK KEZELÉSE: FUZZY SZAKÉRTŐI RENDSZEREK Szakértői rendszerek, 14. hét, 2008 Tartalom 1 Bevezető 2 Fuzzy történelem A fuzzy logika kialakulása Alkalmazások Fuzzy logikát követ-e a világ?
RészletesebbenMatematika felvételi feladatok bővített levezetése 2013 (8. osztályosoknak)
Matematika felvételi feladatok bővített levezetése 2013 (8. osztályosoknak) Erre a dokumentumra az Edemmester Gamer Blog kiadványokra vonatkozó szabályai érvényesek. 1. feladat: Határozd meg az a, b és
RészletesebbenA CAN mint ipari kommunikációs protokoll CAN as industrial communication protocol
A CAN mint ipari kommunikációs protokoll CAN as industrial communication protocol Attila FODOR 1), Dénes FODOR Dr. 1), Károly Bíró Dr. 2), Loránd Szabó Dr. 2) 1) Pannon Egyetem, H-8200 Veszprém Egyetem
RészletesebbenA forrás pontos megnevezésének elmulasztása valamennyi hivatkozásban szerzői jogsértés (plágium).
A szakirodalmi idézések és hivatkozások rendszere és megadásuk szabályai A bibliográfia legfontosabb szabályai Fogalma: Bibliográfiai hivatkozáson azoknak a pontos és kellően részletezett adatoknak az
RészletesebbenKapacitív áramokkal működtetett relés áramkörök 621.316.92S:621.318.B7:S21.3S2.$
DR. GÁL JÓZSEF Budapesti Műszaki Egyetem Kapacitív áramokkal működtetett relés áramkörök BTO 621.316.92S:621.318.B7:S21.3S2.$ A cikk cím szerinti témáját két, egymástól időben nagyon távoleső kapcsolási
RészletesebbenA troposzférikus szcintilláció hatása a mûholdas távközlésre
A troposzférikus szcintilláció hatása a mûholdas távközlésre BAKKI PÉTER BME Villamosmérnöki és Informatika Kar, Szélessávú Hírközlô rendszerek és Villamosságtan tanszék bakki@mht.bme.hu Reviewed Kulcsszavak:
RészletesebbenKémiai és bioipari adatrendszerek és folyamatok minőségellenőrzésének informatikai eszközei. Viczián Gergely
Ph.D. értekezés tézisei Kémiai és bioipari adatrendszerek és folyamatok minőségellenőrzésének informatikai eszközei Viczián Gergely okleveles villamosmérnök-közgazdász Témavezető: Kollárné Dr. Hunek Klára
RészletesebbenHibrid rendszerek stabilitásvizsgálata és irányítása. PhD tézis. Írta: Rozgonyi Szabolcs. Témavezet : Prof. Hangos Katalin.
Hibrid rendszerek stabilitásvizsgálata és irányítása PhD tézis Írta: Rozgonyi Szabolcs Témavezet : Prof. Hangos Katalin Pannon Egyetem Informatikai Tudományok Doktori Iskola 2011 1. Motiváció és eredmények
RészletesebbenZárójelentés 2003-2005
Zárójelentés 2003-2005 A kutatási programban nemlineáris rendszerek ún. lineáris, paraméter-változós (LPV) modellezésével és rendszer elméleti tulajdonságainak kidolgozásával foglalkoztunk. Az LPV modellosztály
RészletesebbenRONCSOLÁSMENTES VIZSGÁLATTECHNIKA
RONCSOLÁSMENTES VIZSGÁLATTECHNIKA NDT TECHNICS FÉMLEMEZEK VASTAGSÁGÁNAK MÉRÉSE RÖNTGENSUGÁRZÁS SEGÍTSÉGÉVEL THICKNESS MEASURING OF METAL SHEETS WITH X-RAY METHODDS BOROMISZA LÁSZLÓ Kulcsszavak: vastagság
RészletesebbenElektro-pneumatikus tengelykapcsoló rendszerek megfigyelő alapú előrecsatolt/visszacsatolt irányítása. Szimandl Barna
Elektro-pneumatikus tengelykapcsoló rendszerek megfigyelő alapú előrecsatolt/visszacsatolt irányítása Tézisek Szimandl Barna Témavezető: Németh Huba Kandó Kálmán Doktori Iskola Közlekedés- és járműtudományok
RészletesebbenMOS logikai rendszerek statikus és dinamikus tulajdonságai
A HIRADASKCNHIXAI TUDOMÍMYOS IGYESUlCI IAHA B A R A N Y A I A T T I L A Híradástechnikai Ipari Kutató Intézet MOS logikai rendszerek statikus és dinamikus tulajdonságai ETO-621.315.592.4: 621.382.3: 681.32S.65
RészletesebbenA MEGBÍZHATÓSÁGI ELEMZŐ MÓDSZEREK
1. Elemző módszerek A MEGBÍZHATÓSÁGI ELEMZŐ MÓDSZEREK Ebben a fejezetben röviden összefoglaljuk azokat a módszereket, amelyekkel a technikai, technológiai és üzemeltetési rendszerek megbízhatósági elemzései
RészletesebbenTeszt generálás webes alkalmazásokhoz
Teszt generálás webes alkalmazásokhoz Írásos összefoglaló Pan Liu, Huaikou Miao, Hongwei Zeng és Linzhi Cai An Approach to Test Generation for Web Applications [1] c. munkájáról. Készítette: Doktor Tibor
RészletesebbenA kutatási projekt keretében a következő feladatokat tűztük ki:
Szakmai zárójelentés a Hibakorrekciós algoritmusok a koordináta méréstechnikában című T 042935 számú kutatási projekt keretében elvégzett feladatokról és azok tudományos eredményeiről A kutatási projekt
RészletesebbenFELADATMEGOLDÁSI SZOKÁSAINAK VIZSGÁLATA. Baranyai Tünde
Volume 3, Number 1, 2013 3. kötet, 1. szám, 2013 A SZATMÁRNÉMETI TANÍTÓ- ÉS ÓVÓKÉPZŐS HALLGATÓK FELADATMEGOLDÁSI SZOKÁSAINAK VIZSGÁLATA THE EXAMINATION OF TEACHER TRAINING COLLEGE STUDENTS PROBLEM-SOLVING
RészletesebbenExtraktív heteroazeotróp desztilláció: ökologikus elválasztási eljárás nemideális
Ipari Ökológia pp. 17 22. (2015) 3. évfolyam, 1. szám Magyar Ipari Ökológiai Társaság MIPOET 2015 Extraktív heteroazeotróp desztilláció: ökologikus elválasztási eljárás nemideális elegyekre* Tóth András
RészletesebbenLTI Rendszerek Dinamikus Analízise és Szabályozásának Alapjai
Diszkrét és hibrid diagnosztikai és irányítórendszerek LTI Rendszerek Dinamikus Analízise és Szabályozásának Alapjai Hangos Katalin Közlekedésautomatika Tanszék Rendszer- és Irányításelméleti Kutató Laboratórium
RészletesebbenHerczeg Bálint. Az iskola méretének hatása az iskola hozzáadott értékére. 2015 November 9.
Herczeg Bálint Az iskola méretének hatása az iskola hozzáadott értékére 1 2015 November 9. Az iskola méretének hatása az iskola hozzáadott értékére HÉTFA Mûhelytanulmányok 2015/11 Budapest ISSN 2062-378X
RészletesebbenSíklefedések Erdősné Németh Ágnes, Nagykanizsa
Magas szintű matematikai tehetséggondozás Síklefedések Erdősné Németh Ágnes, Nagykanizsa Kisebbeknek és nagyobbaknak a programozási versenyfeladatok között nagyon gyakran fordul elő olyan, hogy valamilyen
RészletesebbenSZEMLÉLETES RÉSZINFORMÁCIÓK INTEGRÁCIÓS PROBLÉMÁINAK VIZSGÁLATA A VIRTUÁLIS VALÓSÁGOT TEREMTŐ SZIMULÁTOROK ALAPJÁN
Cser Ádám ZMNE KMDI adam.cser@ge.com SZEMLÉLETES RÉSZINFORMÁCIÓK INTEGRÁCIÓS PROBLÉMÁINAK VIZSGÁLATA A VIRTUÁLIS VALÓSÁGOT TEREMTŐ SZIMULÁTOROK ALAPJÁN Absztrakt Az ember környezetét érzékszervein keresztül
RészletesebbenA strukturális egyenletek modellezésének bemutatása egy komplex dizájnú kutatás (ISPJ) adatain keresztül 1
Szociológiai Szemle 23(2): 3 5. A strukturális egyenletek modellezésének bemutatása egy komplex dizájnú kutatás (ISPJ) adatain keresztül Koltai Júlia koltai.juli@gmail.com Beérkezés: 23. 2. 4. Átdolgozott
RészletesebbenDinamikus rendszerek paramétereinek BAYES BECSLÉSE. Hangos Katalin VE Számítástudomány Alkalmazása Tanszék
Dinamikus rendszerek paramétereinek BAYES BECSLÉSE Hangos Katalin VE Számítástudomány Alkalmazása Tanszék 1 Bayes-becslések 1. A véletlen Bayes féle fogalma A "véletlen" Bayes féle értelmezése a megfigyelést
RészletesebbenPRÓBAMÉRÉSEK TEREPI KÖRÜLMÉNYEK KÖZÖTT KÖNNYŰ EJTŐSÚLYOS DINAMIKUS TERHELŐTÁRCSÁVAL
Miskolci Egyetem, Multidiszciplináris tudományok, 1. kötet (011) 1. szám, pp. 75-8. PRÓBAMÉRÉSEK TEREPI KÖRÜLMÉNYEK KÖZÖTT KÖNNYŰ EJTŐSÚLYOS DINAMIKUS TERHELŐTÁRCSÁVAL Makó Ágnes PhD hallgató, I. évfolyam
RészletesebbenTARTALOM FELELÕS SZERKESZTÕ: Dr. habil. Koren Csaba
FELELÕS KIADÓ: Szabó Zoltán (ÁKMI) TARTALOM FELELÕS SZERKESZTÕ: Dr. habil. Koren Csaba SZERKESZTÕK: Dr. Gulyás András Dr. Lánczos Pál Rétháti András Schulek János LEKTORI TESTÜLET: Apáthy Endre Dr. Boromisza
RészletesebbenLogisztikai mérnök záróvizsga tételsor Módosítva 2014. június 3.
Név KP Blokk neve KP Felelıs vizsgáztató Kombinatorikus módszerek és algoritmusok 5 MAT 10 Dr. Tuza Zsolt Diszkrét és folytonos dinamikai rendszerek matematikai alapjai 5 Matematika Dr. Hartung Ferenc
RészletesebbenMATEMATIKA JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ
Matematika középszint 1413 ÉRETTSÉGI VIZSGA 015. május 5. MATEMATIKA KÖZÉPSZINTŰ ÍRÁSBELI ÉRETTSÉGI VIZSGA JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ EMBERI ERŐFORRÁSOK MINISZTÉRIUMA Fontos tudnivalók Formai előírások:
RészletesebbenLoad-flow jellegű feladat a villamos rendszerirányításban
NASZVADI PÉTER Load-flow jellegű feladat a villamos rendszerirányításban TDK dolgozat 2006 Előszó: Adott egy (villamosenergiaellátást biztosító) villamoshálózat, és ezen hálózathoz csatlakozó energiatermelők
RészletesebbenXV. FIATAL MŰSZAKIAK TUDOMÁNYOS ÜLÉSSZAKA
XV. FIATAL MŰSZAKIAK TUDOMÁNYOS ÜLÉSSZAKA Kolozsvár, 2010. március 25-26. ÍVHEGESZTŐ ROBOT ALKALMAZÁSTECHNIKAI JELLEMZŐI BAGYINSZKI Gyula, BITAY Enikő Abstract The arc welding is the important joining
RészletesebbenNYOMÁSOS ÖNTÉS KÖZBEN ÉBREDŐ NYOMÁSVISZONYOK MÉRÉTECHNOLÓGIAI TERVEZÉSE DEVELOPMENT OF CAVITY PRESSURE MEASUREMENT FOR HIGH PRESURE DIE CASTING
Anyagmérnöki Tudományok, 39/1 (2016) pp. 82 86. NYOMÁSOS ÖNTÉS KÖZBEN ÉBREDŐ NYOMÁSVISZONYOK MÉRÉTECHNOLÓGIAI TERVEZÉSE DEVELOPMENT OF CAVITY PRESSURE MEASUREMENT FOR HIGH PRESURE DIE CASTING LEDNICZKY
RészletesebbenFATERMÉSI FOK MEGHATÁROZÁSA AZ EGÉSZÁLLOMÁNY ÁTLAGNÖVEDÉKE ALAPJÁN
4. évfolyam 2. szám 2 0 1 4 101 107. oldal FATERMÉSI FOK MEGHATÁROZÁSA AZ EGÉSZÁLLOMÁNY ÁTLAGNÖVEDÉKE ALAPJÁN Veperdi Gábor Nyugat-magyarországi Egyetem, Erdômérnöki Kar Kivonat A fatermési fok meghatározása
RészletesebbenPályázati kézikönyv. az Interreg V-A Ausztria-Magyarország Program pályázói és kedvezményezettjei számára
Pályázati kézikönyv az Interreg V-A Ausztria-Magyarország Program pályázói és kedvezményezettjei számára Projektfejlesztés és pályázatbenyújtás: a pályázat útja a projektötlettől a szerződéskötésig A pályázati
RészletesebbenDOKTORI (PhD) ÉRTEKEZÉS
ZRÍNYI MIKLÓS NEMZETVÉDELMI EGYETEM BOLYAI JÁNOS KATONAI MŰSZAKI KAR Katonai Műszaki Doktori Iskola Alapítva: 2002 évben Alapító: Prof. Solymosi József DSc. DOKTORI (PhD) ÉRTEKEZÉS Tibenszkyné Fórika Krisztina
RészletesebbenDIPLOMADOLGOZAT. Szabó László
DIPLOMADOLGOZAT Szabó László 2009 Pannon Egyetem Folyamatmérnöki Intézeti Tanszék DIPLOMADOLGOZAT Osztott ter rektifikáló kolonna dinamikai vizsgálata Szabó László Témavezet: dr. Németh Sándor dr. Szeifert
RészletesebbenIrányításelmélet és technika II.
Irányításelmélet és technika II. Legkisebb négyzetek módszere Magyar Attila Pannon Egyetem Műszaki Informatikai Kar Villamosmérnöki és Információs Rendszerek Tanszék amagyar@almos.vein.hu 200 november
RészletesebbenAz INTEL D-2920 analóg mikroprocesszor alkalmazása
Az INTEL D-2920 analóg mikroprocesszor alkalmazása FAZEKAS DÉNES Távközlési Kutató Intézet ÖSSZEFOGLALÁS Az INTEL D 2920-at kifejezetten analóg feladatok megoldására fejlesztették ki. Segítségével olyan
RészletesebbenKOCKÁZATKEZELÉS A REPÜLÉSBEN
KOCKÁZATKEZELÉS A REPÜLÉSBEN Dr. Pokorádi László* egyetemi docens ZMNE, VSzTK Haditechnikai tanszék Napjainkban az Amerikai Egyesült Államok Légierejénél (USAE) és Haditengerészeténél (l JS Navy) egyre
RészletesebbenEMTP, EGY ÚJ LEVELEZÕ PROTOKOLL ÉS IMPLEMENTÁCIÓJA
EMTP, EGY ÚJ LEVELEZÕ PROTOKOLL ÉS IMPLEMENTÁCIÓJA Iványi Tibor, ivanyit@tigris.klte.hu Csukás Levente, csukasl@fox.klte.hu Kossuth Lajos Tudományegyetem Informatikai és Számító Központ Abstract The well
RészletesebbenOTKA Zárójelentés 2006-2010. Publikációk 2009-2010.
OTKA Zárójelentés 2006-2010. Publikációk 2009-2010. ZÁRÓJELENTÉS szakmai beszámoló OTKA-azonosító: 63591 Típus: K Szakmai jelentés: 2010. 04. 02. Vezető kutató: Illés Béla Kutatóhely: Anyagmozgatási és
RészletesebbenBemenet modellezése II.
Bemenet modellezése II. Vidács Attila 2005. november 3. Hálózati szimulációs technikák, 2005/11/3 1 Kiszolgálási id k modellezése Feladat: Egy bemeneti modell felállítása egy egy kiszolgálós sorbanállási
RészletesebbenMesterséges intelligencia, 7. előadás 2008. október 13. Készítette: Masa Tibor (KPM V.)
Mesterséges intelligencia, 7. előadás 2008. október 13. Készítette: Masa Tibor (KPM V.) Bizonytalanságkezelés: Az eddig vizsgáltakhoz képest teljesen más világ. A korábbi problémák nagy része logikai,
Részletesebben23. ISMERKEDÉS A MŰVELETI ERŐSÍTŐKKEL
23. ISMEKEDÉS A MŰVELETI EŐSÍTŐKKEL Céltűzés: A műveleti erősítők legfontosabb tlajdonságainak megismerése. I. Elméleti áttentés A műveleti erősítők (továbbiakban: ME) nagy feszültségerősítésű tranzisztorokból
RészletesebbenKövetkezõ: Lineáris rendszerek jellemzõi és vizsgálatuk. Jelfeldolgozás. Lineáris rendszerek jellemzõi és vizsgálatuk
1 1 Következõ: Lineáris rendszerek jellemzõi és vizsgálatuk Jelfeldolgozás 1 Lineáris rendszerek jellemzõi és vizsgálatuk 2 Bevezetés 5 Kérdések, feladatok 6 Fourier sorok, Fourier transzformáció 7 Jelek
RészletesebbenDOKTORI (PHD) ÉRTEKEZÉS TÉZISEI SZAFNER GÁBOR
DOKTORI (PHD) ÉRTEKEZÉS TÉZISEI SZAFNER GÁBOR MOSONMAGYARÓVÁR 2014 NYUGAT-MAGYARORSZÁGI EGYETEM Mezőgazdaság- és Élelmiszertudományi Kar Mosonmagyaróvár Matematika, Fizika és Informatika Intézet Ujhelyi
Részletesebben7. Szisztolikus rendszerek (Eberhard Zehendner)
7. Szisztolikus rendszerek (Eberhard Zehendner) A szisztolikus rács a speciális feladatot ellátó számítógépek legtökéletesebb formája legegyszerubb esetben csupán egyetlen számítási muvelet ismételt végrehajtására
Részletesebben9. Áramlástechnikai gépek üzemtana
9. Áramlástechnikai gépek üzemtana Az üzemtan az alábbi fejezetekre tagozódik: 1. Munkapont, munkapont stabilitása 2. Szivattyú indítása soros 3. Stacionárius üzem kapcsolás párhuzamos 4. Szivattyú üzem
RészletesebbenDekonvolúció, Spike dekonvolúció. Konvolúciós föld model
Dekonvolúció, Spike dekonvolúció Konvolúciós föld model A szeizmikus hullám által átjárt teret szeretnénk modelezni A földet úgy képzeljük el, mint vízszintes rétegekből álló szűrő rendszert Bele engedünk
RészletesebbenBIOGÁZ-TERMELŐDÉS MATEMATIKAI MODELLEZÉSE
BIOGÁZ-TERMELŐDÉS MATEMATIKAI MODELLEZÉSE Varga Terézia 1, Dr. Bokányi Ljudmilla 2 1 tudományos segédmunkatárs, 2 egyetemi docens Miskolci Egyetem Nyersanyagelőkészítési és Környezeti Eljárástechnikai
RészletesebbenLemezgrafitos vasöntvények visszamaradó öntési feszültségének mérése és véges elemes szimulációja
Lemezgrafitos vasöntvények visszamaradó öntési feszültségének mérése és véges elemes szimulációja Dr. Molnár Dániel Miskolci Egyetem, Műszaki Anyagtudományi Kar, Metallurgiai és Öntészeti Intézet daniel.molnar@uni-miskolc.hu
RészletesebbenA TERMELÉSI FOLYAMATOK HATÉKONY ÉS OPTIMÁLIS IRÁNYÍTÁSA A KOMPLEX MÓDSZER ALKALMAZÁSÁVAL
Wolfgang Lassmann - Günter Peissker A TERMELÉSI FOLYAMATOK HATÉKONY ÉS OPTIMÁLIS IRÁNYÍTÁSA A KOMPLE MÓDSZER ALKALMAZÁSÁVAL A termelési folyamat hatékonyabb irányítása közepes és nagy gazdasági vállalatokban,
Részletesebben1 Rendszer alapok. 1.1 Alapfogalmak
ÉRTÉKTEREMTŐ FOLYAM ATOK MENEDZSMENTJE II. RENDSZEREK ÉS FOLYAMATOK TARTALOMJEGYZÉK 1 Rendszer alapok 1.1 Alapfogalmak 1.2 A rendszerek csoportosítása 1.3 Rendszerek működése 1.4 Rendszerek leírása, modellezése,
RészletesebbenAZ ACETON ÉS AZ ACETONILGYÖK NÉHÁNY LÉGKÖRKÉMIAILAG FONTOS ELEMI REAKCIÓJÁNAK KINETIKAI VIZSGÁLATA
Budapesti Műszaki és Gazdaságtudományi Egyetem, Fizikai Kémia Tanszék Ph.D. értekezés tézisei AZ ACETON ÉS AZ ACETONILGYÖK NÉHÁNY LÉGKÖRKÉMIAILAG FONTOS ELEMI REAKCIÓJÁNAK KINETIKAI VIZSGÁLATA Készítette
RészletesebbenA FÓKUSZÁLT NAPENERGIA TÁROLÁSI ÉS HASZNOSÍTÁSI LEHETŐSÉGEI
A FÓKUSZÁLT NAPENERGIA TÁROLÁSI ÉS HASZNOSÍTÁSI LEHETŐSÉGEI A HŐTÁROLÓ MÉRETÉNEK ÉS HŐSZIGETELÉSÉNEK OPTIMÁLISA POSSIBILITIES IN THE HEAT STORAGE AND EXPLOITATION OF CONCENTRATED SOLAR ENERGY OPTIMAL DESIGN
RészletesebbenTevékenység: Olvassa el a fejezetet! Gyűjtse ki és jegyezze meg a ragasztás előnyeit és a hátrányait! VIDEO (A ragasztás ereje)
lvassa el a fejezetet! Gyűjtse ki és jegyezze meg a ragasztás előnyeit és a hátrányait! VIDE (A ragasztás ereje) A ragasztás egyre gyakrabban alkalmazott kötéstechnológia az ipari gyakorlatban. Ennek oka,
Részletesebbenmtatk A kistérségi gyerekesély program és az általános iskolai oktatás teljesítményének összefüggése MTA TK Gyerekesély Műhelytanulmányok 2015/3
MTA Társadalomtudományi Kutatóközpont mtatk MTA TK Gyerekesély Műhelytanulmányok 2015/3 A kistérségi gyerekesély program és az általános iskolai oktatás teljesítményének összefüggése Nikitscher Péter Széll
RészletesebbenIntelligens Érzékelők
Intelligens Érzékelők 1. előadás Készítette: Dr. Füvesi Viktor 2016. 2. Előadó Dr. Füvesi Viktor ME AFKI Alkalmazott Földtudományi Kutatóintézet Műszerfejlesztési és Informatikai Osztály Email: fuvesi@afki.hu,
RészletesebbenMEZŐGAZDASÁGI HULLADÉKOT FELDOLGOZÓ PELLETÁLÓ ÜZEM LÉTESÍTÉSÉNEK FELTÉTELEI
Multidiszciplináris tudományok, 2. kötet. (2012) 1 sz. pp. 115-120. MEZŐGAZDASÁGI HULLADÉKOT FELDOLGOZÓ PELLETÁLÓ ÜZEM LÉTESÍTÉSÉNEK FELTÉTELEI Szamosi Zoltán*, Dr. Siménfalvi Zoltán** *doktorandusz, Miskolci
Részletesebben