Gépi tanulás és Mintafelismerés

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "Gépi tanulás és Mintafelismerés"

Átírás

1 Gépi tanulás és Mintafelismerés jegyzet Csató Lehel Matematika-Informatika Tanszék BabesBolyai Tudományegyetem, Kolozsvár 2007 Aug. 20

2 2

3 1. fejezet Bevezet A mesterséges intelligencia azon módszereit, melyeket numerikus vagy enyhén strukturált 1 adatokra tudunk alkalmazni, gépi tanulásos módszereknek nevezzük. A gépi tanulás e meghatározás alapján egy szerteágazó tudományág, melynek a keretén belül sok módszerr l és ennek megfelel en sok alkalmazási területr l beszélhetünk. A módszerek közös jellemz je, hogy olyan algoritmusokat fejlesztenek ki, melyek egy bejöv nagy 2 adathalmazból a hasznos információkat tudják kinyerni. A fenti megfogalmazás kell en általános. Az adat jelenthet: mérési eredményeket egy rendszer ki- és bemenetér l. Ez a klasszikusnak is mondható regressziós feladat, ahol a cél egy berendezés melyr l mérési adatokat rögzítünk m ködési paramétereinek a becslése. égitestek jellemz it, ahol a cél egy automata osztályozó felépítése. mikrofonok által rögzített akusztikus jeleket. Ebben az esetben az információ az adatokban lev szöveg beszélt szöveg esetén vagy a hangmagasságok és ritmus zene feldolgozásánál. (referencia) egy DNS-spirálban az aminosavak egymásutánját. Ez a típusú adathalmaz a modern biológiában és a gyógyszerészettudományokban, az orvosi illetve bioinformatikában nagyon gyakori. A feldolgozás célja olyan aminosav-szekvenciák keresése, melyek géneket alkotnak, illetve azon vegyi anyagok meghatározása, melyek egy adott génszekvencia m ködését befolyásolják (segítik vagy gátolják). referencia. m holdas meggyeléseket. A tengerek felszínér l visszaver d napfény mérése információkat szolgáltat a felszínen keletkez mikro-hullámokról, ezek a hullámok pedig segítenek a szél becslésénél. Ez inverziós feladat ahol ismerjük a jelenségek zikai modelljét. Ki tudjuk számítani tehát a szél ismeretében a m hold által mért értékeket, azonban a fordított irányú következtetés sokkal nehezebb. referencia. 1 Enyhén strukturált (nagyon felületesen): az adatok komponensei (dimenziók) közötti kapcsolat nem túl bonyolult 2 Nagy adathalmaz pl. az internet azaz az interneten megtalálható összes dokumentum. Ebben a halmazban történ böngészés illetve az azt megel z lépések jó példák a gépi tanulás alkalmazásaira. 3

4 4 1. FEJEZET. BEVEZETŽ cm kg 1.1. ábra. A testsúly és a magasság kapcsolata 18 bejegyzés alapján. Az X tengelyen a meggyelt súlyok, az Y tengelyen a magasság; a szaggatott vonal a súly-magasság kapcsolat becslése. Az adatok sokféleségéhez hasonlóan a módszer azaz az algoritmus is sokféle lehet. Jelenthet: osztályozó rendszert, ahol minden bemen adathoz címkét rendelünk, azaz besoroljuk egy kategóriába. Klasszikus példa a postai rendszerek által használt felismer, ahol a kézzel írott számjegyeknek kell meghatározzuk a tartalmát. referencia approximátort, mely bemeneti értékekhez tartozó folytonos értékeket rendel. Ekképp meg tudjuk becsülni korábbi betegek adatainak feldolgozása alapján például azt, hogy egy páciens milyen eséllyel fog egy nehéz szívm tétet túlélni. referencia prediktort, mely múltbeli meggyelések alapján képes egy becslést adni a meggyelt folyamat jöv beli alakulásáról. referencia 1. Példa. Testsúly és magasság kapcsolatát szeretnénk vizsgálni orvosi adatok alapján. Tegyük fel, hogy rendelkezésünkre áll 18 meggyelés, ahogyan azt a 1.1 ábrán látható. A cél, hogy a magasság és súly között egy lineáris kapcsolatot deniáljunk, azaz meghatározzuk az ^m i = α + βs i egyenlet optimális (α, β) paramétereit: mindegyik meggyelt adatra az m i magasság közel van az egyenlet alapján számított értékhez. A fenti feladatok amint láttuk feltételezik, hogy adatokat gy jtsünk és feltételezzünk egy modellt ami az adatokat generálta. Ezen fogalmakat tisztázzuk a következ kben. Jelen jegyzet nem önálló kutatás, a terjedelmes irodalomnak egy rövid összefoglalója, a teljesség igénye nélkül Deníciók, meghatározások Tegyük fel, hogy az adatokat tároltuk a D = {z 1,..., z N } halmazba. Az z i adatok lehetnek bármilyen típusúak. A korábbi példák esetéhez hasonlóan minden adatot tovább bontunk egy bemeneti és egy kimeneti értékre: z i = (x i, t i )

5 1.1. DEFINÍCIÓK, MEGHATÁROZÁSOK 5 ahol az x i R d a rendszer bemenete, a t i R a rendszer kimenete, d pedig a bemeneti adatok dimenziója. Feltételeztük tehát, hogy a bemeneti és a kimeneti adatok típusa valós. Továbbá feltételezzük, hogy létezik egy függvény, mely a kimen adatokat generálja, legyen ez a függvény f : R d R. A feltételezés fontos, merthogy a A következ kben feltételezzük, hogy

Regresszió. Csorba János. Nagyméretű adathalmazok kezelése március 31.

Regresszió. Csorba János. Nagyméretű adathalmazok kezelése március 31. Regresszió Csorba János Nagyméretű adathalmazok kezelése 2010. március 31. A feladat X magyarázó attribútumok halmaza Y magyarázandó attribútumok) Kérdés: f : X -> Y a kapcsolat pár tanítópontban ismert

Részletesebben

Mérési struktúrák

Mérési struktúrák Mérési struktúrák 2007.02.19. 1 Mérési struktúrák A mérés művelete: a mérendő jellemző és a szimbólum halmaz közötti leképezés megvalósítása jel- és rendszerelméleti aspektus mérési folyamat: a leképezést

Részletesebben

Matematikai geodéziai számítások 5.

Matematikai geodéziai számítások 5. Matematikai geodéziai számítások 5 Hibaterjedési feladatok Dr Bácsatyai László Matematikai geodéziai számítások 5: Hibaterjedési feladatok Dr Bácsatyai László Lektor: Dr Benedek Judit Ez a modul a TÁMOP

Részletesebben

Matematikai geodéziai számítások 5.

Matematikai geodéziai számítások 5. Nyugat-magyarországi Egyetem Geoinformatikai Kara Dr Bácsatyai László Matematikai geodéziai számítások 5 MGS5 modul Hibaterjedési feladatok SZÉKESFEHÉRVÁR 2010 Jelen szellemi terméket a szerzői jogról

Részletesebben

Érdekes informatika feladatok

Érdekes informatika feladatok A keres,kkel és adatbázissal ellátott lengyel honlap számos díjat kapott: Spirit of Delphi '98, Delphi Community Award, Poland on the Internet, Golden Bagel Award stb. Az itt megtalálható komponenseket

Részletesebben

Új típusú döntési fa építés és annak alkalmazása többtényezős döntés területén

Új típusú döntési fa építés és annak alkalmazása többtényezős döntés területén Új típusú döntési fa építés és annak alkalmazása többtényezős döntés területén Dombi József Szegedi Tudományegyetem Bevezetés - ID3 (Iterative Dichotomiser 3) Az ID algoritmusok egy elemhalmaz felhasználásával

Részletesebben

Matematikai geodéziai számítások 9.

Matematikai geodéziai számítások 9. Nyugat-magyarországi Egyetem Geoinformatikai Kara Dr Bácsatyai László Matematikai geodéziai számítások 9 MGS9 modul Szabad álláspont kiegyenlítése SZÉKESFEHÉRVÁR 2010 Jelen szellemi terméket a szerzői

Részletesebben

Intelligens képtömörítés 2.

Intelligens képtömörítés 2. Intelligens képtömörítés 2. Témalabor beszámoló Antal Áron Gyula Konzulens: dr Kovács Ilona BME, 2009. január 9. Mir l lesz szó? 1 Visszatekintés 2 3 A megvalósított kontrasztérzékenység mér program Tavalyi

Részletesebben

Matematikai geodéziai számítások 9.

Matematikai geodéziai számítások 9. Matematikai geodéziai számítások 9 Szabad álláspont kiegyenlítése Dr Bácsatyai, László Created by XMLmind XSL-FO Converter Matematikai geodéziai számítások 9: Szabad álláspont kiegyenlítése Dr Bácsatyai,

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 10 X. SZIMULÁCIÓ 1. VÉLETLEN számok A véletlen számok fontos szerepet játszanak a véletlen helyzetek generálásában (pénzérme, dobókocka,

Részletesebben

Számelméleti alapfogalmak

Számelméleti alapfogalmak 1 Számelméleti alapfogalmak 1 Definíció Az a IN szám osztója a b IN számnak ha létezik c IN melyre a c = b Jelölése: a b 2 Példa a 0 bármely a számra teljesül, mivel c = 0 univerzálisan megfelel: a 0 =

Részletesebben

Diszkrét matematika I.

Diszkrét matematika I. Diszkrét matematika I. középszint 2014. ősz 1. Diszkrét matematika I. középszint 10. előadás Mérai László diái alapján Komputeralgebra Tanszék 2014. ősz Felhívás Diszkrét matematika I. középszint 2014.

Részletesebben

Digitális hangszintmérő

Digitális hangszintmérő Digitális hangszintmérő Modell DM-1358 A jelen használati útmutató másolása, bemutatása és terjesztése a Transfer Multisort Elektronik írásbeli hozzájárulását igényli. Használati útmutató Óvintézkedések

Részletesebben

MÉRÉSTECHNIKA. BME Energetikai Gépek és Rendszerek Tanszék Fazekas Miklós (1) márc. 1

MÉRÉSTECHNIKA. BME Energetikai Gépek és Rendszerek Tanszék Fazekas Miklós (1) márc. 1 MÉRÉSTECHNIKA BME Energetikai Gépek és Rendszerek Tanszék Fazekas Miklós (1) 463 26 14 16 márc. 1 Méréstechnikai alapfogalmak CÉL Mennyiségek mérése Fizikai mennyiség Hosszúság L = 2 m Mennyiségi minőségi

Részletesebben

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió SZDT-08 p. 1/31 Biometria az orvosi gyakorlatban Korrelációszámítás, regresszió Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Korrelációszámítás

Részletesebben

Gépi tanulás a gyakorlatban. Bevezetés

Gépi tanulás a gyakorlatban. Bevezetés Gépi tanulás a gyakorlatban Bevezetés Motiváció Nagyon gyakran találkozunk gépi tanuló alkalmazásokkal Spam detekció Karakter felismerés Fotó címkézés Szociális háló elemzés Piaci szegmentáció analízis

Részletesebben

Függvények 1. oldal Készítette: Ernyei Kitti. Függvények

Függvények 1. oldal Készítette: Ernyei Kitti. Függvények Függvények 1. oldal Készítette: Ernyei Kitti Függvények DEFINÍCIÓ: Ha adott két nemüres halmaz: és, továbbá minden eleméhez hozzárendeljük a valamely elemét, akkor ezt a hozzárendelést függvénynek nevezzük.

Részletesebben

9. Laboratóriumi gyakorlat NYOMÁSÉRZÉKELŐK

9. Laboratóriumi gyakorlat NYOMÁSÉRZÉKELŐK 9. Laboratóriumi gyakorlat NYOMÁSÉRZÉKELŐK 1.A gyakorlat célja Az MPX12DP piezorezisztiv differenciális nyomásérzékelő tanulmányozása. A nyomás feszültség p=f(u) karakterisztika megrajzolása. 2. Elméleti

Részletesebben

Trigonometrikus egyenletek megoldása Azonosságok és 12 mintapélda

Trigonometrikus egyenletek megoldása Azonosságok és 12 mintapélda Trigonometrikus egyenletek megoldása Azonosságok és 1 mintapélda Frissítve: 01. novermber 19. :07:41 1. Azonosságok 1.1. Azonosság. A sin és cos szögfüggvények derékszög háromszögben vett, majd kiterjesztett

Részletesebben

Számítógép és programozás 2

Számítógép és programozás 2 Számítógép és programozás 2 6. Előadás Problémaosztályok http://digitus.itk.ppke.hu/~flugi/ Emlékeztető A specifikáció egy előfeltételből és utófeltételből álló leírása a feladatnak Léteznek olyan feladatok,

Részletesebben

Kibernetika korábbi vizsga zárthelyi dolgozatokból válogatott tesztkérdések Figyelem! Az alábbi tesztek csak mintául szolgálnak a tesztkérdések megoldásához, azaz a bemagolásuk nem jelenti a tananyag elsajátítását

Részletesebben

Mesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2010/2011 1/363

Mesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2010/2011 1/363 1/6 Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2010/2011 Az Előadások Témái 46/6 Bevezető: mi a mesterséges intelligencia... Tudás reprezentáció stratégiák Szemantikus hálók

Részletesebben

Biometria az orvosi gyakorlatban. Regresszió Túlélésanalízis

Biometria az orvosi gyakorlatban. Regresszió Túlélésanalízis SZDT-09 p. 1/36 Biometria az orvosi gyakorlatban Regresszió Túlélésanalízis Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Logisztikus regresszió

Részletesebben

Kvantitatív módszerek

Kvantitatív módszerek Kvantitatív módszerek szimuláció Kovács Zoltán Szervezési és Vezetési Tanszék E-mail: kovacsz@gtk.uni-pannon.hu URL: http://almos/~kovacsz Mennyiségi problémák megoldása analitikus numerikus szimuláció

Részletesebben

GYERMEKEK FIZIKAI FEJLŐDÉSE. Százalékos adatok és görbék. Fiúk Lányok Fiúk Lányok 1 72 76 81 69 74 79 8,8 10,5 12,6 8,1 9,7 11,6

GYERMEKEK FIZIKAI FEJLŐDÉSE. Százalékos adatok és görbék. Fiúk Lányok Fiúk Lányok 1 72 76 81 69 74 79 8,8 10,5 12,6 8,1 9,7 11,6 MAGASSÁG (cm) SÚLY (kg) Fiúk Lányok Fiúk Lányok min átlag max min átlag max min átlag max min átlag max 0 46 50 54 46 49 54 2,5 3,5 4,3 2,5 3,4 4,2 0,5 64 68 73 62 66 70 6,7 8,2 9,9 6,1 7,5 9,0 1 72 76

Részletesebben

Kétszemélyes játékok

Kétszemélyes játékok Mesterséges Intelligencia alapjai, gyakorlat Eötvös Loránd Tudományegyetem Informatikai Kar Programozáselmélet és Szoftvertechnológiai Tanszék 2010 / udapest Kétszemélyes teljes információjú játékok két

Részletesebben

Intelligens Rendszerek Elmélete. Versengéses és önszervező tanulás neurális hálózatokban

Intelligens Rendszerek Elmélete. Versengéses és önszervező tanulás neurális hálózatokban Intelligens Rendszerek Elmélete : dr. Kutor László Versengéses és önszervező tanulás neurális hálózatokban http://mobil.nik.bmf.hu/tantargyak/ire.html Login név: ire jelszó: IRE07 IRE 9/1 Processzor Versengéses

Részletesebben

óra 1 3 5 7 9 11 13 15 17 19 21 23 24 C 6 5 3 3 9 14 12 11 10 8 7 6 6

óra 1 3 5 7 9 11 13 15 17 19 21 23 24 C 6 5 3 3 9 14 12 11 10 8 7 6 6 Időjárási-éghajlati elemek: a hőmérséklet, a szél, a nedvességtartalom, a csapadék 2010.12.14. FÖLDRAJZ 1 Az időjárás és éghajlat elemei: hőmérséklet légnyomás szél vízgőztartalom (nedvességtartalom) csapadék

Részletesebben

Szöveges feladatok és Egyenletek

Szöveges feladatok és Egyenletek Szöveges feladatok és Egyenletek Sok feladatot meg tudunk oldani következtetéssel, rajz segítségével és egyenlettel is. Vajon mikor érdemes egyenletet felírni? Van-e olyan eset, amikor nem tanácsos, vagy

Részletesebben

Babeş Bolyai Tudományegyetem, Kolozsvár Matematika és Informatika Kar Magyar Matematika és Informatika Intézet

Babeş Bolyai Tudományegyetem, Kolozsvár Matematika és Informatika Kar Magyar Matematika és Informatika Intézet / Babeş Bolyai Tudományegyetem, Kolozsvár Matematika és Informatika Kar Magyar Matematika és Informatika Intézet / Tartalom 3/ kernelek segítségével Felügyelt és félig-felügyelt tanulás felügyelt: D =

Részletesebben

SZERKEZETFÖLDTANI OKTATÓPROGRAM, VETŐMENTI ELMOZDULÁSOK MODELLEZÉSÉRE. Kaczur Sándor Fintor Krisztián kaczur@gdf.hu, efkrisz@gmail.

SZERKEZETFÖLDTANI OKTATÓPROGRAM, VETŐMENTI ELMOZDULÁSOK MODELLEZÉSÉRE. Kaczur Sándor Fintor Krisztián kaczur@gdf.hu, efkrisz@gmail. SZERKEZETFÖLDTANI OKTATÓPROGRAM, VETŐMENTI ELMOZDULÁSOK MODELLEZÉSÉRE Kaczur Sándor Fintor Krisztián kaczur@gdf.hu, efkrisz@gmail.com 2010 Tartalom Földtani modellezés lehetőségei Szimulációs szoftver,

Részletesebben

Matematikai geodéziai számítások 6.

Matematikai geodéziai számítások 6. Matematikai geodéziai számítások 6. Lineáris regresszió számítás elektronikus távmérőkre Dr. Bácsatyai, László Matematikai geodéziai számítások 6.: Lineáris regresszió számítás elektronikus távmérőkre

Részletesebben

19. AZ ÖSSZEHASONLÍTÁSOS RENDEZÉSEK MŰVELETIGÉNYÉNEK ALSÓ KORLÁTJAI

19. AZ ÖSSZEHASONLÍTÁSOS RENDEZÉSEK MŰVELETIGÉNYÉNEK ALSÓ KORLÁTJAI 19. AZ ÖSSZEHASONLÍTÁSOS RENDEZÉSEK MŰVELETIGÉNYÉNEK ALSÓ KORLÁTJAI Ebben a fejezetben aszimptotikus (nagyságrendi) alsó korlátot adunk az összehasonlításokat használó rendező eljárások lépésszámára. Pontosabban,

Részletesebben

URN használata hálózati dokumentumok azonosításában Országos Széchényi Könyvtár Könyvtár-informatikai M hely Budapest, június 12.

URN használata hálózati dokumentumok azonosításában Országos Széchényi Könyvtár Könyvtár-informatikai M hely Budapest, június 12. URN használata hálózati dokumentumok azonosításában Országos Széchényi Könyvtár Könyvtár-informatikai M hely Budapest, 2003. június 12. Horváth Ádám OSZK informatikai f igazgató- helyettes Napirend OSZKKM

Részletesebben

Osztályozás, regresszió. Nagyméretű adathalmazok kezelése Tatai Márton

Osztályozás, regresszió. Nagyméretű adathalmazok kezelése Tatai Márton Osztályozás, regresszió Nagyméretű adathalmazok kezelése Tatai Márton Osztályozási algoritmusok Osztályozás Diszkrét értékkészletű, ismeretlen attribútumok értékének meghatározása ismert attribútumok értéke

Részletesebben

1. A k-szerver probléma

1. A k-szerver probléma 1. A k-szerver probléma Az egyik legismertebb on-line probléma a k-szerver probléma. A probléma általános deníciójának megadásához szükség van a metrikus tér fogalmára. Egy (M, d) párost, ahol M a metrikus

Részletesebben

Jel- és adatfeldolgozás a sportinformatikában

Jel- és adatfeldolgozás a sportinformatikában Pályázat címe: Új generációs sporttudományi képzés és tartalomfejlesztés, hazai és nemzetközi hálózatfejlesztés és társadalmasítás a Szegedi Tudományegyetemen Pályázati azonosító: TÁMOP-4.1.2.E-15/1/KONV-2015-0002

Részletesebben

Matematika (mesterképzés)

Matematika (mesterképzés) Matematika (mesterképzés) Környezet- és Településmérnököknek Debreceni Egyetem Műszaki Kar, Műszaki Alaptárgyi Tanszék Vinczéné Varga A. Környezet- és Településmérnököknek 2016/2017/I 1 / 29 Lineáris tér,

Részletesebben

Statisztikai eljárások a mintafelismerésben és a gépi tanulásban

Statisztikai eljárások a mintafelismerésben és a gépi tanulásban Statisztikai eljárások a mintafelismerésben és a gépi tanulásban Varga Domonkos (I.évf. PhD hallgató) 2014 május A prezentáció felépítése 1) Alapfogalmak 2) A gépi tanulás, mintafelismerés alkalmazási

Részletesebben

9. Trigonometria. I. Nulladik ZH-ban láttuk: 1. Tegye nagyság szerint növekvő sorrendbe az alábbi értékeket! Megoldás:

9. Trigonometria. I. Nulladik ZH-ban láttuk: 1. Tegye nagyság szerint növekvő sorrendbe az alábbi értékeket! Megoldás: 9. Trigonometria I. Nulladik ZH-ban láttuk: 1. Tegye nagyság szerint növekvő sorrendbe az alábbi értékeket! x = cos 150 ; y = sin 5 ; z = tg ( 60 ) (A) z < x < y (B) x < y < z (C) y < x < z (D) z < y

Részletesebben

Gépi tanulás a Rapidminer programmal. Stubendek Attila

Gépi tanulás a Rapidminer programmal. Stubendek Attila Gépi tanulás a Rapidminer programmal Stubendek Attila Rapidminer letöltése Google: download rapidminer Rendszer kiválasztása (iskolai gépeken Other Systems java) Kicsomagolás lib/rapidminer.jar elindítása

Részletesebben

biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás

biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás Kísérlettervezés - biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás A matematikai-statisztika feladata tapasztalati adatok feldolgozásával segítséget nyújtani

Részletesebben

Problémamegoldás kereséssel. Mesterséges intelligencia március 7.

Problémamegoldás kereséssel. Mesterséges intelligencia március 7. Problémamegoldás kereséssel Mesterséges intelligencia 2014. március 7. Bevezetés Problémamegoldó ágens Kívánt állapotba vezető cselekvéseket keres Probléma megfogalmazása Megoldás megfogalmazása Keresési

Részletesebben

Numerikus módszerek 1.

Numerikus módszerek 1. Numerikus módszerek 1. 10. előadás: Nemlineáris egyenletek numerikus megoldása Lócsi Levente ELTE IK 2013. november 18. Tartalomjegyzék 1 Bolzano-tétel, intervallumfelezés 2 Fixponttételek, egyszerű iterációk

Részletesebben

2015, Diszkrét matematika

2015, Diszkrét matematika Diszkrét matematika 4. előadás Sapientia Egyetem, Műszaki és Humántudományok Tanszék Marosvásárhely, Románia mgyongyi@ms.sapientia.ro 2015, őszi félév Miről volt szó az elmúlt előadáson? Számtartományok:

Részletesebben

Mesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2007/2008

Mesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2007/2008 Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2007/2008 Az Előadások Témái Bevezető: mi a mesterséges intelligencia... Tudás reprezentáció Gráfkeresési stratégiák Szemantikus hálók

Részletesebben

Irányításelmélet és technika II.

Irányításelmélet 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

Részletesebben

XII. LABOR - Fuzzy logika

XII. LABOR - Fuzzy logika XII. LABOR - Fuzzy logika XII. LABOR - Fuzzy logika A gyakorlat célja elsajátítani a fuzzy logikával kapcsolatos elemeket: fuzzy tagsági függvények, fuzzy halmazmveletek, fuzzy következtet rendszerek felépítése,

Részletesebben

Második számú Időszakos beszámoló

Második számú Időszakos beszámoló A projekt azonosító száma: GOP-111-11-2012-0137 A (fő)kedvezményezett neve: Terményszárító, Gabonafeldolgozó és Villamosipari Berendezéseket Gyártó és Szerelő Kft. Második számú Időszakos beszámoló 1.

Részletesebben

Statisztikai következtetések Nemlineáris regresszió Feladatok Vége

Statisztikai következtetések Nemlineáris regresszió Feladatok Vége [GVMGS11MNC] Gazdaságstatisztika 10. előadás: 9. Regressziószámítás II. Kóczy Á. László koczy.laszlo@kgk.uni-obuda.hu Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet A standard lineáris modell

Részletesebben

Fuzzy rendszerek és neurális hálózatok alkalmazása a diagnosztikában

Fuzzy rendszerek és neurális hálózatok alkalmazása a diagnosztikában Budapesti Műszaki és Gazdaságtudományi Egyetem Fuzzy rendszerek és neurális hálózatok alkalmazása a diagnosztikában Cselkó Richárd 2009. október. 15. Az előadás fő témái Soft Computing technikák alakalmazásának

Részletesebben

Bevezetés a vonalkódok elméletébe. Melis Zoltán BCS Hungary (C) 1992-2006

Bevezetés a vonalkódok elméletébe. Melis Zoltán BCS Hungary (C) 1992-2006 Bevezetés a vonalkódok elméletébe Melis Zoltán BCS Hungary (C) 1992-2006 Bevezetés A számítógépek általánosan valamilyen bemenő adathalmazon végeznek mûveleteket Az adatbevitel módja sokféle lehet Kézi

Részletesebben

[Biomatematika 2] Orvosi biometria

[Biomatematika 2] Orvosi biometria [Biomatematika 2] Orvosi biometria 2016.02.08. Orvosi biometria (orvosi biostatisztika) Statisztika: tömegjelenségeket számadatokkal leíró tudomány. A statisztika elkészítésének menete: tanulmányok (kísérletek)

Részletesebben

46/2010. (IV. 27.) FVM rendelet. az állami alapadatok felhasználásával végzett sajátos célú földmérési és térképészeti tevékenységről

46/2010. (IV. 27.) FVM rendelet. az állami alapadatok felhasználásával végzett sajátos célú földmérési és térképészeti tevékenységről 46/2010. (IV. 27.) FVM rendelet az állami alapadatok felhasználásával végzett sajátos célú földmérési és térképészeti tevékenységről A földmérési és térképészeti tevékenységről szóló 1996. évi LXXVI. törvény

Részletesebben

MATEMATIKA. Tildy Zoltán Általános Iskola és Alapfokú Művészeti Iskola Helyi tanterv 1-4. évfolyam 2013.

MATEMATIKA. Tildy Zoltán Általános Iskola és Alapfokú Művészeti Iskola Helyi tanterv 1-4. évfolyam 2013. MATEMATIKA Az iskolai matematikatanítás célja, hogy hiteles képet nyújtson a matematikáról, mint tudásrendszerről, és mint sajátos emberi megismerési, gondolkodási, szellemi tevékenységről. A matematika

Részletesebben

Tűgörgős csapágy szöghiba érzékenységének vizsgálata I.

Tűgörgős csapágy szöghiba érzékenységének vizsgálata I. Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Tudományos Diákköri Konferencia Tűgörgős csapágy szöghiba érzékenységének vizsgálata I. Szöghézag és a beépítésből adódó szöghiba vizsgálata

Részletesebben

Pénzügyi matematika. Vizsgadolgozat I. RÉSZ. 1. Deniálja pontosan, mit értünk amerikai vételi opció alatt!

Pénzügyi matematika. Vizsgadolgozat I. RÉSZ. 1. Deniálja pontosan, mit értünk amerikai vételi opció alatt! NÉV: NEPTUN KÓD: Pénzügyi matematika Vizsgadolgozat I. RÉSZ Az ebben a részben feltett 4 kérdés közül legalább 3-ra kell hibátlan választ adni ahhoz, hogy a vizsga sikeres lehessen. Kett vagy kevesebb

Részletesebben

MATEMATIKA I. RÉSZLETES ÉRETTSÉGI VIZSGAKÖVETELMÉNY A) KOMPETENCIÁK

MATEMATIKA I. RÉSZLETES ÉRETTSÉGI VIZSGAKÖVETELMÉNY A) KOMPETENCIÁK MATEMATIKA I. RÉSZLETES ÉRETTSÉGI VIZSGAKÖVETELMÉNY Az érettségi követelményeit két szinten határozzuk meg: - középszinten a mai társadalomban tájékozódni és alkotni tudó ember matematikai ismereteit kell

Részletesebben

Folyadékszcintillációs spektroszkópia jegyz könyv

Folyadékszcintillációs spektroszkópia jegyz könyv Folyadékszcintillációs spektroszkópia jegyz könyv Zsigmond Anna Julia Fizika MSc I. Mérés vezet je: Horváth Ákos Mérés dátuma: 2010. október 21. Leadás dátuma: 2010. november 8. 1 1. Bevezetés A mérés

Részletesebben

Döntéselőkészítés. I. előadás. Döntéselőkészítés. Előadó: Dr. Égertné dr. Molnár Éva. Informatika Tanszék A 602 szoba

Döntéselőkészítés. I. előadás. Döntéselőkészítés. Előadó: Dr. Égertné dr. Molnár Éva. Informatika Tanszék A 602 szoba I. előadás Előadó: Dr. Égertné dr. Molnár Éva Informatika Tanszék A 602 szoba Tárggyal kapcsolatos anyagok megtalálhatók: http://www.sze.hu/~egertne Konzultációs idő: (páros tan. hét) csütörtök 10-11 30

Részletesebben

TERMÉSZETISMERET. 5 6. Tantárgyi célok, feladatok:

TERMÉSZETISMERET. 5 6. Tantárgyi célok, feladatok: EÖTVÖS LORÁND ÁLTALÁNOS ISKOLA TERMÉSZETISMERET 5-6. HELYI TANTERV - 2013. TERMÉSZETISMERET 5 6. Tantárgyi célok, feladatok: A természetismeret tantárgy olyan műveltségképet közvetít, amely egységben jeleníti

Részletesebben

Ipari kemencék PID irányítása

Ipari kemencék PID irányítása Ipari kemencék PID irányítása 1. A gyakorlat célja: Az ellenállással melegített ipari kemencék modelljének meghatározása. A Opelt PID tervezési módszer alkalmazása ipari kemencék irányítására. Az ipari

Részletesebben

Modellkiválasztás és struktúrák tanulása

Modellkiválasztás és struktúrák tanulása Modellkiválasztás és struktúrák tanulása Szervezőelvek keresése Az unsupervised learning egyik fő célja Optimális reprezentációk Magyarázatok Predikciók Az emberi tanulás alapja Általános strukturális

Részletesebben

Vérnyomásmérés, elektrokardiográfia. A testhelyzet, a légzés, a munkavégzés hatása a keringési rendszerre. A mérési adatok elemzése és értékelése

Vérnyomásmérés, elektrokardiográfia. A testhelyzet, a légzés, a munkavégzés hatása a keringési rendszerre. A mérési adatok elemzése és értékelése Vérnyomásmérés, elektrokardiográfia A testhelyzet, a légzés, a munkavégzés hatása a keringési rendszerre. A mérési adatok elemzése és értékelése Pszichológia BA gyakorlat A mérést és kiértékelést végezték:............

Részletesebben

Széladatok homogenizálása és korrekciója

Széladatok homogenizálása és korrekciója Széladatok homogenizálása és korrekciója Péliné Németh Csilla 1 Prof. Dr. Bartholy Judit 2 Dr. Pongrácz Rita 2 Dr. Radics Kornélia 3 1 MH Geoinformációs Szolgálat pelinenemeth.csilla@mhtehi.gov.hu 2 Eötvös

Részletesebben

A felmérési egység kódja:

A felmérési egység kódja: A felmérési egység lajstromszáma: 0218 ÚMFT Programiroda A felmérési egység adatai A felmérési egység kódja: Épügépé//30/Ksz/Rok A kódrészletek jelentése: Épületgépész szakképesítés-csoportban, a célzott,

Részletesebben

SZTE Eötvös Loránd Kollégium. 2. Móra György: Információkinyerés természetes nyelvű szövegekből

SZTE Eötvös Loránd Kollégium. 2. Móra György: Információkinyerés természetes nyelvű szövegekből 2010/2011 tavaszi félév SZTE Eötvös Loránd Kollégium 1. Dombi József: Fuzzy elmélet és alkalmazásai 2011. március 3. 19:00 2. Móra György: Információkinyerés természetes nyelvű szövegekből 2011. március

Részletesebben

Strukturált Generátorrendszerek Online Tanulása és Alk-ai

Strukturált Generátorrendszerek Online Tanulása és Alk-ai Strukturált Generátorrendszerek Online Tanulása és Alkalmazásai Problémamegoldó Szeminárium 2010. nov. 5 Tartalomjegyzék Motiváció, példák Regressziós feladatok (generátorrendszer fix) Legkisebb négyzetes

Részletesebben

Algoritmuselmélet. Függvények nagyságrendje, elágazás és korlátozás, dinamikus programozás. Katona Gyula Y.

Algoritmuselmélet. Függvények nagyságrendje, elágazás és korlátozás, dinamikus programozás. Katona Gyula Y. Algoritmuselmélet Függvények nagyságrendje, elágazás és korlátozás, dinamikus programozás Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem

Részletesebben

Abszolútértékes egyenlôtlenségek

Abszolútértékes egyenlôtlenségek Abszolútértékes egyenlôtlenségek 575. a) $, $ ; b) < - vagy $, # - vagy > 4. 5 576. a) =, =- 6, 5 =, =-, 7 =, 4 = 5; b) nincs megoldás;! c), = - ; d) =-. Abszolútértékes egyenlôtlenségek 577. a) - # #,

Részletesebben

Az Országos Középiskolai Tanulmányi Verseny tanévi első fordulójának feladatmegoldásai

Az Országos Középiskolai Tanulmányi Verseny tanévi első fordulójának feladatmegoldásai Az Országos Középiskolai Tanulmányi Verseny 008-009. tanévi első fordulójának feladatmegoldásai matematikából, a II. kategória számára. Határozzuk meg az alábbi egyenletrendszer valós megoldásait. ( x

Részletesebben

1.1. Definíció. Azt mondjuk, hogy a oszója b-nek, vagy más szóval, b osztható a-val, ha létezik olyan x Z, hogy b = ax. Ennek jelölése a b.

1.1. Definíció. Azt mondjuk, hogy a oszója b-nek, vagy más szóval, b osztható a-val, ha létezik olyan x Z, hogy b = ax. Ennek jelölése a b. 1. Oszthatóság, legnagyobb közös osztó Ebben a jegyzetben minden változó egész számot jelöl. 1.1. Definíció. Azt mondjuk, hogy a oszója b-nek, vagy más szóval, b osztható a-val, ha létezik olyan x Z, hogy

Részletesebben

I. LABOR -Mesterséges neuron

I. LABOR -Mesterséges neuron I. LABOR -Mesterséges neuron A GYAKORLAT CÉLJA: A mesterséges neuron struktúrájának az ismertetése, neuronhálókkal kapcsolatos elemek, alapfogalmak bemutatása, aktivációs függvénytípusok szemléltetése,

Részletesebben

6. Előadás. Megyesi László: Lineáris algebra, oldal. 6. előadás Bázis, dimenzió

6. Előadás. Megyesi László: Lineáris algebra, oldal. 6. előadás Bázis, dimenzió 6. Előadás Megyesi László: Lineáris algebra, 37. 41. oldal. Gondolkodnivalók Lineáris függetlenség 1. Gondolkodnivaló Legyen V valós számtest feletti vektortér. Igazolja, hogy ha a v 1, v 2,..., v n V

Részletesebben

METEOROLÓGIAI MÉRÉSEK és MEGFIGYELÉSEK

METEOROLÓGIAI MÉRÉSEK és MEGFIGYELÉSEK METEOROLÓGIAI MÉRÉSEK és MEGFIGYELÉSEK Földtudomány BSc Mészáros Róbert Eötvös Loránd Tudományegyetem Meteorológiai Tanszék MIÉRT MÉRÜNK? A meteorológiai mérések célja: 1. A légkör pillanatnyi állapotának

Részletesebben

Diszkrét matematika I. gyakorlat

Diszkrét matematika I. gyakorlat Diszkrét matematika I. gyakorlat 1. gyakorlat Gyakorlatvezet : Dr. Kátai-Urbán Kamilla Helyettesít: Bogya Norbert 2011. szeptember 8. Tartalom Információk 1 Információk Honlapcímek Számonkérések, követelmények

Részletesebben

Matematika. 1-4. évfolyam. tantárgy 2013.

Matematika. 1-4. évfolyam. tantárgy 2013. Matematika tantárgy 1-4. évfolyam 2013. Célok és feladatok Az iskolai matematikatanítás célja, hogy hiteles képet nyújtson a matematikáról, mint tudásrendszerről, és mint sajátos emberi megismerési, gondolkodási,

Részletesebben

Lineáris algebra gyakorlat

Lineáris algebra gyakorlat Lineáris algebra gyakorlat 0. gyakorlat Gyakorlatvezet : Bogya Norbert 202. április 23. Sajátérték, sajátvektor, sajátaltér Tartalom Sajátérték, sajátvektor, sajátaltér 2 Gyakorló feladatok a zh-ra (rutinfeladatok)

Részletesebben

[Biomatematika 2] Orvosi biometria

[Biomatematika 2] Orvosi biometria [Biomatematika 2] Orvosi biometria 2016.02.29. A statisztika típusai Leíró jellegű statisztika: összegzi egy adathalmaz jellemzőit. A középértéket jelemzi (medián, módus, átlag) Az adatok változékonyságát

Részletesebben

Általános lelet. A vizsgálatot kérı orvos: 0 0 0 69 3 8 57 2 6 13 0 2 0 0 0 [mmhg*h]

Általános lelet. A vizsgálatot kérı orvos: 0 0 0 69 3 8 57 2 6 13 0 2 0 0 0 [mmhg*h] Általános lelet Páciens: T. Z. Szül. dátum: 1953.3.23 Neme: férfi Megjegyzés: Vizsgálat paraméterei Magasság: 18 Súly: 124 kg cm BMI 38,27 Mérési terv 15/3 (24h) A vizsgálatot kérı orvos: Eredmények SBPao

Részletesebben

Mesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2007/2008

Mesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2007/2008 Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 007/008 Az Előadások Témái Bevezető: mi a mesterséges intelligencia... Tudás reprezentáció i stratégiák Szemantikus hálók / Keretrendszerek

Részletesebben

Tanári kézikönyv az Informatika az 1. és 2. évfolyam számára című munkafüzetekhez és a PC Peti oktatóprogramokhoz TANMENETJAVASLAT 2.

Tanári kézikönyv az Informatika az 1. és 2. évfolyam számára című munkafüzetekhez és a PC Peti oktatóprogramokhoz TANMENETJAVASLAT 2. Tanári kézi az Informatika az 1. és 2. évfolyam számára című munkafüzetekhez és a PC Peti oktatóprogramokhoz 31 1. Szabályok a számítógépteremben 2. Év eleji ismétlés I. 3. Év eleji ismétlés II. 4. Jel

Részletesebben

DINAMIKAI VIZSGÁLAT ÁLLAPOTTÉRBEN. 2003.11.06. Dr. Aradi Petra, Dr. Niedermayer Péter: Rendszertechnika segédlet 1

DINAMIKAI VIZSGÁLAT ÁLLAPOTTÉRBEN. 2003.11.06. Dr. Aradi Petra, Dr. Niedermayer Péter: Rendszertechnika segédlet 1 DINAMIKAI VIZSGÁLAT ÁLLAPOTTÉRBEN 2003..06. Dr. Aradi Petra, Dr. Niedermayer Péter: Rendszertechnika segédlet Egy bemenetű, egy kimenetű rendszer u(t) diff. egyenlet v(t) zárt alakban n-edrendű diff. egyenlet

Részletesebben

Logikai függvények osztályai. A függvényosztály a függvények egy halmaza.

Logikai függvények osztályai. A függvényosztály a függvények egy halmaza. Logikai függvények osztályai A függvényosztály a függvények egy halmaza. A logikai fügvények egy osztálya logikai függvények valamely halmaza. Megadható felsorolással, vagy a tulajdonságainak leírásával.

Részletesebben

Valószín ségi döntéstámogató rendszerek

Valószín ségi döntéstámogató rendszerek Valószín ségi döntéstámogató rendszerek Antos András Antal Péter Hullám Gábor Millinghoer András Hajós Gergely Kulcsszavak: döntés, becslés, költségfüggvény, kockázat, a priori és a posteriori valószín

Részletesebben

MATEMATIKA. 5 8. évfolyam

MATEMATIKA. 5 8. évfolyam MATEMATIKA 5 8. évfolyam Célok és feladatok A matematikatanítás célja és ennek kapcsán feladata: megismertetni a tanulókat az őket körülvevő konkrét környezet mennyiségi és térbeli viszonyaival, megalapozni

Részletesebben

Algoritmusok Tervezése. 6. Előadás Algoritmusok 101 Dr. Bécsi Tamás

Algoritmusok Tervezése. 6. Előadás Algoritmusok 101 Dr. Bécsi Tamás Algoritmusok Tervezése 6. Előadás Algoritmusok 101 Dr. Bécsi Tamás Mi az algoritmus? Lépések sorozata egy feladat elvégzéséhez (legáltalánosabban) Informálisan algoritmusnak nevezünk bármilyen jól definiált

Részletesebben

1. A komplex számok ábrázolása

1. A komplex számok ábrázolása 1. komplex számok ábrázolása Vektorok és helyvektorok. Ismétlés sík vektorai irányított szakaszok, de két vektor egyenlő, ha párhuzamosak, egyenlő hosszúak és irányúak. Így minden vektor kezdőpontja az

Részletesebben

Mellékhatások és minőségi hibák kombinációs előfordulása Dr. Oláh Attila, Dr. Mészáros Márta (Magyarországi Gyógyszertörzskönyvezők Társasága)

Mellékhatások és minőségi hibák kombinációs előfordulása Dr. Oláh Attila, Dr. Mészáros Márta (Magyarországi Gyógyszertörzskönyvezők Társasága) Mellékhatások és minőségi hibák kombinációs előfordulása Dr. Oláh Attila, Dr. Mészáros Márta (Magyarországi Gyógyszertörzskönyvezők Társasága) Napjainkban egyre több olyan gyógyszer kerül forgalomba, amelynél

Részletesebben

Adatelemzés SAS Enterprise Guide használatával. Soltész Gábor solteszgabee[at]gmail.com

Adatelemzés SAS Enterprise Guide használatával. Soltész Gábor solteszgabee[at]gmail.com Adatelemzés SAS Enterprise Guide használatával Soltész Gábor solteszgabee[at]gmail.com Tartalom SAS Enterprise Guide bemutatása Kezelőfelület Adatbeolvasás Szűrés, rendezés Új változó létrehozása Elemzések

Részletesebben

Németh László Matematikaverseny, Hódmezővásárhely április 8. A osztályosok feladatainak javítókulcsa

Németh László Matematikaverseny, Hódmezővásárhely április 8. A osztályosok feladatainak javítókulcsa Németh László Matematikaverseny, Hódmezővásárhely 2013. április 8. A 9-10. osztályosok feladatainak javítókulcsa 1. Jelöljük x-szel az adott hónapban megkezdett 100 kb-s csomagok számát. Az első szolgáltatónál

Részletesebben

Mesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2010/2011 1/363

Mesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2010/2011 1/363 1/363 Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2010/2011 Az Előadások Témái 288/363 Bevezető: mi a mesterséges intelligencia... Tudás reprezentáció Gráfkeresési stratégiák

Részletesebben

Közzététel dátuma: 2016.02.10. Iktatószám: 1798/2016 CPV Kód: 90000000-7 Budapest Főváros XIII. Kerületi Önkormányzat

Közzététel dátuma: 2016.02.10. Iktatószám: 1798/2016 CPV Kód: 90000000-7 Budapest Főváros XIII. Kerületi Önkormányzat A Lehel Csarnok gazdálkodási területén lévő hulladék gyűjtéséhez és szelektálásához szükséges edények, szelektáló asztal biztosítása, válogatott hulladék elszállítása és hasznosítható hulladék átvétele

Részletesebben

DÉVAVÁNYA VÁROS BŰNMEGELŐZÉSI KONCEPCIÓJA 2011-2016.

DÉVAVÁNYA VÁROS BŰNMEGELŐZÉSI KONCEPCIÓJA 2011-2016. DÉVAVÁNYA VÁROS BŰNMEGELŐZÉSI KONCEPCIÓJA 2011-2016. I. Bevezető Az 1989. évi politikai rendszerváltást követően jelentős társadalmi, gazdasági és politikai változások következtek be társadalmunkban. Ezen

Részletesebben

Felügyelt önálló tanulás - Analízis III.

Felügyelt önálló tanulás - Analízis III. Felügyelt önálló tanulás - Analízis III Kormos Máté Differenciálható sokaságok Sokaságok Röviden, sokaságoknak nevezzük azokat az objektumokat, amelyek egy n dimenziós térben lokálisan k dimenziósak Definíció:

Részletesebben

A relációelmélet alapjai

A relációelmélet alapjai A relációelmélet alapjai A reláció latin eredet szó, jelentése kapcsolat. A reláció, két vagy több nem feltétlenül különböz halmaz elemei közötti viszonyt, kapcsolatot fejez ki. A reláció értelmezése gráffal

Részletesebben

BEKE ANDRÁS, FONETIKAI OSZTÁLY BESZÉDVIZSGÁLATOK GYAKORLATI ALKALMAZÁSA

BEKE ANDRÁS, FONETIKAI OSZTÁLY BESZÉDVIZSGÁLATOK GYAKORLATI ALKALMAZÁSA BEKE ANDRÁS, FONETIKAI OSZTÁLY BESZÉDVIZSGÁLATOK GYAKORLATI ALKALMAZÁSA BESZÉDTUDOMÁNY Az emberi kommunikáció egyik leggyakrabban használt eszköze a nyelv. A nyelv hangzó változta, a beszéd a nyelvi kommunikáció

Részletesebben

Irányításelmélet és technika II.

Irányításelmélet és technika II. Irányításelmélet és technika II. Modell-prediktív szabályozás Magyar Attila Pannon Egyetem Műszaki Informatikai Kar Villamosmérnöki és Információs Rendszerek Tanszék amagyar@almos.vein.hu 2010 november

Részletesebben