Beszédfelismerő szoftver adaptálása C# programozási nyelvre

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "Beszédfelismerő szoftver adaptálása C# programozási nyelvre"

Átírás

1 Beszédfelismerő szoftver adaptálása C# programozási nyelvre Készítette: Sztahó Dávid A szoftver leírása A szoftver által megvalósított funkciók blokkvázlatát az 1. ábra mutatja. A szoftver valós idejű beszédfelismerést végez, amely Rejtett Markov Modelleken alapul. A modellek tanításához szükség van egy hang, valamint szövegadatbázisra (nem része a jelenlegi feladatnak). Az akusztikai előfeldolgozás során a bemenő hangból a feladathoz szükséges paraméterek állnak elő, majd a felismerő motor ezeket felhasználva a legvalószínűbb szósorozatot állítja elő. A feladathoz tartozó akusztikai előfeldolgozást és valós idejű beszédfelismerő motor leírását tartalmazza a következő két fejezet. 1. ábra. A középszótáras folyamatos beszédfelismerő rendszer általános blokksémája

2 Akusztikai előfeldolgozási eljárás optimalizálása Akusztikai előfeldolgozási eljárásra a beszédfelismerés immár több évtizedes fejlődése alatt számos eljárás született, melyek közül ma az alábbiak a legismertebbek [Bechetti, C., 1999]: szűrősoros elemzés (BFFP), lineáris predikció analízis (LP), perceptuális lineáris predikció (PLP), kepsztrális együtthatók vizsgálata (MFCC), spektrális torzításon alapuló rendszerek (SDM). A mai legsikeresebb felismerők előfeldolgozási rendszere mell-kepsztrum (MFCC) vizsgálatot végez: valamilyen hallásmodell alapján (Mel, Bark) [Zwicker, E., 1980, Vicsi, K., 1990] kiszámított szűrők sorozata szolgáltatja az alapjelet (szűrősoros elemzés): 2 pl.: - Bark szűrő: 10lg L ( x) = ( x + 0.5) 17.5(1 + (0.5x) ), (1) - Mel-szűrő: f Mel(f) = 2595log háromszögszűrő, (2) Az információ jobb kinyeréséhez kepsztrális együtthatókat képzünk (MFCC): c i = N 2 πi m j cos ( j 0.5) N j= 1 N (3) A kepsztrális együtthatók információtartalma igen magas, azonban az emberi szem számára nem hordoz jól felismerhető jegyeket. Ennek ellenére (vagy éppen ezért) az MFCC nagy népszerűségnek örvend, az egyik legtöbbet alkalmazott módszer. Ennek okai a következők lehetnek: Kizárólag a Melilletve Bark szűrősorokkal végzett akusztikai előfeldolgozáskor, a szűrősorok kimenetei ugyan hasonlóak a különböző ejtésekben, de egymáshoz viszonyítva el vannak tolódva az egyedek hangjai, a szűrősorral betanított Markov-modellekel a betanítástól teljesen eltérő jeleket is lehet produkálni. Ebből kifolyólag a szűrősorral képzett eredmény vizuálisan ugyan jól meghatározott képet ad (emelkedés, süllyedés, maximumok), de mindenképpen elkenődik az információ. A (3.) képletben közölt módszer csökkenti az elkenés mértékét, mivel különböző frekvenciájú szinuszos rezgések mentén felcsavarja az adatokat. Az információ jobb megőrzése azért válik így lehetségessé, mert ebben a reprezentációban szerepel a vektoradatok egymás közti viszonya. A szoftverben alkalmazott akusztikai előfeldolgozás olyan akusztikai elemzést alkalmaz, melyben az eredeti szűrősoros adatok frekvenciatérbeli és időbeli deriváltjai kapnak szerepet. Ez az eljárás nem

3 teljesen idegen a szakirodalomban, de ma a gyakorlatban nem használatos. Az frekvenciaderiváláskor keletkező adatkiemelődés bemutatását láthatjuk az 2. ábrán. A felső szürke kitöltéssel stilizált eloszlás az adatok Bark szűrősoron való áteresztésekor keletkezett. Az eloszlást létrehozó alapjelek egy részét zöld színnel kiemeltem. A képen jól látható, hogy a modell a piros függvényhez tartozó alapjeleket is nagyszerűen képes generálni, azaz ilyen jeleket is felismerni vél majd, pedig a betanító minták ettől szignifikánsan különböztek. Az alsó ábrán az eddigi Bark szűrősor frekvenciabeli deriváltjaiból képzett modell alapjel-eloszlása látható. Megfigyelhető, hogy mindenképpen szükséges egy minimális egyezés a derivált kilengésénél. Ezáltal a csúcs nem tűnt el, mint az előbbi esetben, és a modell csak olyan eseteket ismer fel, amikor a vizsgált kritikus helyen valóban van energiamaximum. Továbbá, míg az igen népszerű MFCC számításigénye N 2 -el arányos, az új módszeré csak N-el. Találati százalékos eredmények 20 khz mintavételezési frekvencia mellett 3 és 5 állapotú, fonéma alapú diszkrét Markov-modellekkel az 1. táblázatban találhatók. 2. ábra: Bark szűrősor és Bark szűrősor deriváltjainak eloszlása

4 1. Táblázat. Felismerési találatok alakulása a frekvenciatérbeli és időbeli deriválás esetén. Találat Bemeneti alapjelek Állapotok száma 44.36% 23 Bark szűrő 3 állapot 46.1% 23 Bark szűrő 5 állapot 46.15% 23 Bark szűrő + 23 Bark időbeni derivált 3 állapot 64.38% 23 Bark frekvenciatérbeli derivált 3 állapot 70.16% 23 Bark frekvenciatérbeli derivált + 23 időbeni derivált 3 állapot 72.32% 23 Bark frekvenciatérbeli derivált + 23 időbeni derivált 5 állapot Minden betanítás a következő közös paraméterekkel futott: 32 kvantálási lépcsős diszkrét valószínűségi tér minden szűrőhöz, modellek közötti állapotátmenetek kiemelése: az átmenetek 3. hatványra emelése, 4*(⅓ ; ⅓ ; ⅓) Blur. A Betanítás Babel magyar nyelvű beszédadatbázissal történt [Vicsi, K., 1998]. Legjobb felismerési eredményt a felismerő a Bark frekvenciatérbeli derivált és 23 időbeni derivált akusztikai paraméterek esetén produkálta. Modellépítési vizsgálatok, kvázi-folytonos rejtett Markov-modellek (QCHMM) A 80-as évek végére nyilvánvalóvá vált, hogy diszkrét (vektorkvantált) Markov-modellekkel a felismerés nem javítható tovább, ezért ki kellett dolgozni a folyamatos valószínűségi mezőkre értelmezett modelleket, azok tanítási módszerét. Az alapelv ugyanaz: a modell paramétereire optimális értékeket találni valamilyen iterációs algoritmus segítségével. A módszer hátránya, hogy - nagybonyolultságú algoritmusok jelennek meg az eddigi négy alapműveletet igénylő algoritmusokkal szemben, - új probléma merül fel: a gaussi változók szórásainak figyelése és esetleges módosítása, - a robusztus matematikai módszer sok időbe kerül lassú programot eredményez. Nyilvánvalóan ez nem probléma amennyiben lehetőség van nagyteljesítményű vektorszámítógépek használatára, de ennek hiányában kifejlesztettek egy kvázi-folytonos rejtett Markov-modelleket

5 (QCHMM) használó eljárást, mely a fenti két vetélytárs jó tulajdonságait igyekszik ötvözni, nevezetesen a nagyobb pontosságot a kisebb futási idővel. Ezen problémák megoldásához a kvázi-folytonosság a kulcs, mely a következőt jelenti: a meglévő N felbontású diszkrét mezővel nem a tanítóanyag mintáinak eloszlását kell maximális hűséggel visszaadni, hanem azok alapján egy becslést adni a folytonos valószínűségi mezőre. Ehhez egy simítási algoritmusra van szükség, amelyet egyszer vagy többször végigfuttatva az eddig betanított modellen a modell tanítóanyagra való adaptálódását lehet csökkenteni (megszüntetni). A használt algoritmus egy paraméterezhető simítófüggvény (továbbiakban blur), melynek a következőket lehet megszabni: - az élsimító mátrix (1 dimenzió miatt jelen esetben csak vektor) méretét, - a mátrix elemeinek értékét, ahol minden sorban összértékben 1-nek kell lennie (a teljes valószínűségi mező mindig 100%) Megoldandó problémák: - kvantálási lépcsők számának optimális megválasztása, - megfelelő súlyozású simítófüggvény megválasztása, - a tartomány minél jobb eseménytérbeli kihasználtsága. Az optimális kvantálási együttható, valamint az ehhez tartozó simítófüggvény mérési úton számítódik ki. Többféle adatbázisrész felismerési aránya nagyszámú véletlenszerűen választott paraméterezésű felismerő kimenetén össze van vetve, majd a statisztikailag így megismert kétváltozós probléma maximumkereséssel oldódik meg. Végeredményben tehát a laboratóriumban kifejlesztett fonémaszintű felismerő, a továbbiakban MKBF, 16 khz mintavételezésű, 17 Bark frekvenciatérbeli derivált + 17 időbeni derivált + 17 időbeni második derivált + energia bemeneti jelvektor mellett, 4-5 állapotú kvázi-folytonos, 24 lépcsős, rejtett Markov-modellekkel (QCHMM) fonéma, illetve trifon alappal dolgozik. A szoftver adaptálása C# programozási nyelvre A fent bemutatott szoftver Delphi 7.0 programozási nyelven készült Borland Delphi környezetben. Mivel ez a környezet nem rendelkezik a mai modern 64 bites operációs rendszerekre készült változattal (csupán 32 bites változatban érhető el), valamint a programozási környezet modernizálása és újrafelhasználhatósága érdekében szükséges volt a programot adaptálni egy, ma elterjedt

6 programozási nyelvre. Ehhez a C#-ot választottam. Annak ellenére, hogy ez a nyelv Microsoft függő, és nem platform független, könnyen kezelhető. Valamint a C++ és Java nyelvekkel való hasonlósága lehetővé teszi, hogy bármikor könnyen átírható az előzőek valamelyikébe, amelyek már bármely operációs rendszerre lefordíthatóak. A feladat több részből állt, mind az akusztikai előfeldolgozást, mind pedig a futtató keretprogramot meg kellett valósítani az új környezetben. A Rejtett Markov Modell felismerő motor C#-os átirata rendelkezésre állt, ám annak kódján is módosítani kellett, hogy az új környezetben megfelelően működjön. A megvalósított program modulok: ERApplication. A felismerő motort futtató keretprogram. Elvégzi a hang felvételét a beállított hangbemeneti eszközről. A felvett hanggal meghívja a valós-idejű felismerő motort, majd a kapott eredményt kiírja. A hangfelvételt a Microsoft DirectX DirectSound könyvtárcsomgjával valósítja meg. ERPreprocess. Az akusztikai előfeldolgozást valósítja meg az előző részben lévő leírásnak megfelelően. SIG2TXT. A Rejtett Markov Modelleket megvalósító programrész. Elvégzi a folyamatos felismerést a már betanított modellek alapján. TextGrid2Kez. A felismerőben használt Markov Modellek betanítását végző szoftverhez (külső program, amely a kódhoz nincs mellékelve) szükséges adatbázis címkefájlokat létrehozó modul. A program futtatása A programot a CD-n található bin/erapplication.exe-vel lehet indítani. A felismerés indítása gombbal lehet a felismerést elindítani, majd ugyanezzel a gombbal lehet leállítani is. A kilépés a jobb felső sarokban található X gombbal történik.

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

Mély neuronhálók alkalmazása és optimalizálása

Mély neuronhálók alkalmazása és optimalizálása magyar nyelv beszédfelismerési feladatokhoz 2015. január 10. Konzulens: Dr. Mihajlik Péter A megvalósítandó feladatok Irodalomkutatás Nyílt kutatási eszközök keresése, beszédfelismer rendszerek tervezése

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

[Biomatematika 2] Orvosi biometria

[Biomatematika 2] Orvosi biometria [Biomatematika 2] Orvosi biometria 2016.02.22. Valószínűségi változó Véletlentől függő számértékeket (értékek sokasága) felvevő változókat valószínűségi változóknak nevezzük(jelölés: ξ, η, x). (pl. x =

Részletesebben

KÓDOLÁSTECHNIKA PZH. 2006. december 18.

KÓDOLÁSTECHNIKA PZH. 2006. december 18. KÓDOLÁSTECHNIKA PZH 2006. december 18. 1. Hibajavító kódolást tekintünk. Egy lineáris bináris blokk kód generátormátrixa G 10110 01101 a.) Adja meg a kód kódszavait és paramétereit (n, k,d). (3 p) b.)

Részletesebben

Híradástechikai jelfeldolgozás

Híradástechikai jelfeldolgozás Híradástechikai jelfeldolgozás 13. Előadás 015. 04. 4. Jeldigitalizálás és rekonstrukció 015. április 7. Budapest Dr. Gaál József docens BME Hálózati Rendszerek és SzolgáltatásokTanszék gaal@hit.bme.hu

Részletesebben

Elektronika Előadás. Digitális-analóg és analóg-digitális átalakítók

Elektronika Előadás. Digitális-analóg és analóg-digitális átalakítók Elektronika 2 9. Előadás Digitális-analóg és analóg-digitális átalakítók Irodalom - Megyeri János: Analóg elektronika, Tankönyvkiadó, 1990 - U. Tiecze, Ch. Schenk: Analóg és digitális áramkörök, Műszaki

Részletesebben

Analóg-digitális átalakítás. Rencz Márta/ Ress S. Elektronikus Eszközök Tanszék

Analóg-digitális átalakítás. Rencz Márta/ Ress S. Elektronikus Eszközök Tanszék Analóg-digitális átalakítás Rencz Márta/ Ress S. Elektronikus Eszközök Tanszék Mai témák Mintavételezés A/D átalakítók típusok D/A átalakítás 12/10/2007 2/17 A/D ill. D/A átalakítók A világ analóg, a jelfeldolgozás

Részletesebben

A mintavételezéses mérések alapjai

A mintavételezéses mérések alapjai A mintavételezéses mérések alapjai Sok mérési feladat során egy fizikai mennyiség időbeli változását kell meghatároznunk. Ha a folyamat lassan változik, akkor adott időpillanatokban elvégzett méréssel

Részletesebben

EuroOffice Optimalizáló (Solver)

EuroOffice Optimalizáló (Solver) 1. oldal EuroOffice Optimalizáló (Solver) Az EuroOffice Optimalizáló egy OpenOffice.org bővítmény, ami gyors algoritmusokat kínál lineáris programozási és szállítási feladatok megoldására. Szimplex módszer

Részletesebben

Alap-ötlet: Karl Friedrich Gauss ( ) valószínűségszámítási háttér: Andrej Markov ( )

Alap-ötlet: Karl Friedrich Gauss ( ) valószínűségszámítási háttér: Andrej Markov ( ) Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel: 463-6-80 Fa: 463-30-9 http://www.vizgep.bme.hu Alap-ötlet:

Részletesebben

Szenzorcsatolt robot: A szenzorcsatolás lépései:

Szenzorcsatolt robot: A szenzorcsatolás lépései: 1. Mi a szenzorcsatolt robot, hogyan épül fel? Ismertesse a szenzorcsatolás lépéseit röviden az Egységes szenzorplatform architektúra segítségével. Mikor beszélünk szenzorfúzióról? Milyen módszereket használhatunk?

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

Kovács Ernő 1, Füvesi Viktor 2

Kovács Ernő 1, Füvesi Viktor 2 Kovács Ernő 1, Füvesi Viktor 2 1 Miskolci Egyetem, Elektrotechnikai - Elektronikai Tanszék 2 Miskolci Egyetem, Alkalmazott Földtudományi Kutatóintézet 1 HU-3515 Miskolc-Egyetemváros 2 HU-3515 Miskolc-Egyetemváros,

Részletesebben

ServiceTray program Leírás

ServiceTray program Leírás ServiceTray program Leírás Budapest 2015 Bevezetés szerviz munkalapok státuszai a Törölve és Lezárva státuszt leszámítva a munkalap különböző nyitott állapotát jelzik, melyek valamilyen tevékenységet jeleznek.

Részletesebben

Intelligens Rendszerek Gyakorlata. Neurális hálózatok I.

Intelligens Rendszerek Gyakorlata. Neurális hálózatok I. : Intelligens Rendszerek Gyakorlata Neurális hálózatok I. dr. Kutor László http://mobil.nik.bmf.hu/tantargyak/ir2.html IRG 3/1 Trend osztályozás Pnndemo.exe IRG 3/2 Hangulat azonosítás Happy.exe IRG 3/3

Részletesebben

Adatelemzési eljárások az idegrendszer kutatásban Somogyvári Zoltán

Adatelemzési eljárások az idegrendszer kutatásban Somogyvári Zoltán Adatelemzési eljárások az idegrendszer kutatásban Somogyvári Zoltán MTA KFKI Részecske és Magfizikai Intézet, Biofizikai osztály Az egy adatsorra (idősorra) is alkalmazható módszerek Példa: Az epileptikus

Részletesebben

Intelligens Rendszerek Elmélete

Intelligens Rendszerek Elmélete Intelligens Rendszerek Elmélete Dr. Kutor László : Mesterséges neurális hálózatok felügyelt tanítása hiba visszateresztő Back error Propagation algoritmussal Versengéses tanulás http://mobil.nik.bmf.hu/tantargyak/ire.html

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

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1 Statisztika - bevezetés 00.04.05. Méréselmélet PE MIK MI_BSc VI_BSc Bevezetés Véletlen jelenség fogalma jelenséget okok bizonyos rendszere hozza létre ha mindegyik figyelembe vehető egyértelmű leírás általában

Részletesebben

2. Elméleti összefoglaló

2. Elméleti összefoglaló 2. Elméleti összefoglaló 2.1 A D/A konverterek [1] A D/A konverter feladata, hogy a bemenetére érkező egész számmal arányos analóg feszültséget vagy áramot állítson elő a kimenetén. A működéséhez szükséges

Részletesebben

Analóg-digitál átalakítók (A/D konverterek)

Analóg-digitál átalakítók (A/D konverterek) 9. Laboratóriumi gyakorlat Analóg-digitál átalakítók (A/D konverterek) 1. A gyakorlat célja: Bemutatjuk egy sorozatos közelítés elvén működő A/D átalakító tömbvázlatát és elvi kapcsolási rajzát. Tanulmányozzuk

Részletesebben

Hibadetektáló rendszer légtechnikai berendezések számára

Hibadetektáló rendszer légtechnikai berendezések számára Hibadetektáló rendszer légtechnikai berendezések számára Tudományos Diákköri Konferencia A feladatunk Légtechnikai berendezések Monitorozás Hibadetektálás Újrataníthatóság A megvalósítás Mozgásérzékelő

Részletesebben

Analóg elektronika - laboratóriumi gyakorlatok

Analóg elektronika - laboratóriumi gyakorlatok Analóg elektronika - laboratóriumi gyakorlatok. Mûveleti erõsítõk váltakozó-áramú alkalmazásai. Elmélet Az integrált mûveleti erõsítõk váltakozó áramú viselkedését a. fejezetben (jegyzet és prezentáció)

Részletesebben

Már megismert fogalmak áttekintése

Már megismert fogalmak áttekintése Interfészek szenasi.sandor@nik.bmf.hu PPT 2007/2008 tavasz http://nik.bmf.hu/ppt 1 Témakörök Polimorfizmus áttekintése Interfészek Interfészek kiterjesztése Eseménykezelési módszerek 2 Már megismert fogalmak

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

A kísérlet, mérés megnevezése célkitűzései: Váltakozó áramú körök vizsgálata, induktív ellenállás mérése, induktivitás értelmezése.

A kísérlet, mérés megnevezése célkitűzései: Váltakozó áramú körök vizsgálata, induktív ellenállás mérése, induktivitás értelmezése. A kísérlet, mérés megnevezése célkitűzései: Váltakozó áramú körök vizsgálata, induktív ellenállás mérése, induktivitás értelmezése. Eszközszükséglet: tanulói tápegység funkcionál generátor tekercsek digitális

Részletesebben

Folyamatos, középszótáras, beszédfelismerô rendszer fejlesztési tapasztalatai: kórházi leletezô beszédfelismerô

Folyamatos, középszótáras, beszédfelismerô rendszer fejlesztési tapasztalatai: kórházi leletezô beszédfelismerô Folyamatos, középszótáras, beszédfelismerô rendszer fejlesztési tapasztalatai: kórházi leletezô beszédfelismerô VICSI KLÁRA, VELKEI SZABOLCS, SZASZÁK GYÖRGY, BOROSTYÁN GÁBOR, GORDOS GÉZA BME Távközlési

Részletesebben

Rendszámfelismerő rendszerek

Rendszámfelismerő rendszerek Problémamegoldó szeminárium Témavezető: Pataki Péter ARH Zrt. ELTE-TTK 2013 Tartalomjegyzék 1 Bevezetés 2 Út a megoldás felé 3 Felmerült problémák 4 Alkalmazott matematika 5 További lehetőségek Motiváció

Részletesebben

MINTA Írásbeli Záróvizsga Mechatronikai mérnök MSc. Debrecen,

MINTA Írásbeli Záróvizsga Mechatronikai mérnök MSc. Debrecen, MINTA Írásbeli Záróvizsga Mechatronikai mérnök MSc Debrecen, 2017. 01. 03. Név: Neptun kód: Megjegyzések: A feladatok megoldásánál használja a géprajz szabályait, valamint a szabványos áramköri elemeket.

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

Analóg elektronika - laboratóriumi gyakorlatok

Analóg elektronika - laboratóriumi gyakorlatok Analóg elektronika - laboratóriumi gyakorlatok. Passzív alkatrészek és passzív áramkörök. Elmélet A passzív elektronikai alkatrészek elméleti ismertetése az. prezentációban található. A 2. prezentáció

Részletesebben

Feszültségérzékelők a méréstechnikában

Feszültségérzékelők a méréstechnikában 5. Laboratóriumi gyakorlat Feszültségérzékelők a méréstechnikában 1. A gyakorlat célja Az elektronikus mérőműszerekben használatos különböző feszültségdetektoroknak tanulmányozása, átviteli karakterisztika

Részletesebben

Iman 3.0 szoftverdokumentáció

Iman 3.0 szoftverdokumentáció Melléklet: Az iman3 program előzetes leírása. Iman 3.0 szoftverdokumentáció Tartalomjegyzék 1. Az Iman rendszer...2 1.1. Modulok...2 1.2. Modulok részletes leírása...2 1.2.1. Iman.exe...2 1.2.2. Interpreter.dll...3

Részletesebben

Jelek és rendszerek 1. 10/9/2011 Dr. Buchman Attila Informatikai Rendszerek és Hálózatok Tanszék

Jelek és rendszerek 1. 10/9/2011 Dr. Buchman Attila Informatikai Rendszerek és Hálózatok Tanszék Jelek és rendszerek 1 10/9/2011 Dr. Buchman Attila Informatikai Rendszerek és Hálózatok Tanszék 1 Ajánlott irodalom: FODOR GYÖRGY : JELEK ÉS RENDSZEREK EGYETEMI TANKÖNYV Műegyetemi Kiadó, Budapest, 2006

Részletesebben

Gazdasági matematika II. vizsgadolgozat, megoldással,

Gazdasági matematika II. vizsgadolgozat, megoldással, Gazdasági matematika II. vizsgadolgozat, megoldással, levelező képzés Definiálja az alábbi fogalmakat! 1. Kvadratikus mátrix invertálhatósága és inverze. (4 pont) Egy A kvadratikus mátrixot invertálhatónak

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

Irányítástechnikai alapok. Zalotay Péter főiskolai docens KKMF

Irányítástechnikai alapok. Zalotay Péter főiskolai docens KKMF Irányítástechnikai alapok Zalotay Péter főiskolai docens KKMF Az irányítás feladatai és fajtái: Alapfogalmak Irányítás: Műszaki berendezések ( gépek, gyártó sorok, szállító eszközök, vegyi-, hő-technikai

Részletesebben

Mesterséges neurális hálózatok II. - A felügyelt tanítás paraméterei, gyorsító megoldásai - Versengéses tanulás

Mesterséges neurális hálózatok II. - A felügyelt tanítás paraméterei, gyorsító megoldásai - Versengéses tanulás Mesterséges neurális hálózatok II. - A felügyelt tanítás paraméterei, gyorsító megoldásai - Versengéses tanulás http:/uni-obuda.hu/users/kutor/ IRE 7/50/1 A neurális hálózatok általános jellemzői 1. A

Részletesebben

STATISZTIKA. A maradék független a kezelés és blokk hatástól. Maradékok leíró statisztikája. 4. A modell érvényességének ellenőrzése

STATISZTIKA. A maradék független a kezelés és blokk hatástól. Maradékok leíró statisztikája. 4. A modell érvényességének ellenőrzése 4. A modell érvényességének ellenőrzése STATISZTIKA 4. Előadás Variancia-analízis Lineáris modellek 1. Függetlenség 2. Normális eloszlás 3. Azonos varianciák A maradék független a kezelés és blokk hatástól

Részletesebben

Iványi László ARM programozás. Szabó Béla 6. Óra ADC és DAC elmélete és használata

Iványi László ARM programozás. Szabó Béla 6. Óra ADC és DAC elmélete és használata ARM programozás 6. Óra ADC és DAC elmélete és használata Iványi László ivanyi.laszlo@stud.uni-obuda.hu Szabó Béla szabo.bela@stud.uni-obuda.hu Mi az ADC? ADC -> Analog Digital Converter Analóg jelek mintavételezéssel

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

Név KP Blokk neve KP. Logisztika I. 6 LOG 12 Dr. Kovács Zoltán Logisztika II. 6 Logisztika Dr. Kovács Zoltán

Név KP Blokk neve KP. Logisztika I. 6 LOG 12 Dr. Kovács Zoltán Logisztika II. 6 Logisztika Dr. Kovács Zoltán 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

Részletesebben

Image Processor BarCode Service. Felhasználói és üzemeltetői kézikönyv

Image Processor BarCode Service. Felhasználói és üzemeltetői kézikönyv Image Processor BarCode Service Áttekintés CIP-BarCode alkalmazás a Canon Image Processor programcsomag egyik tagja. A program feladata, hogy sokoldalú eszközt biztosítson képállományok dokumentumkezelési

Részletesebben

ÁRAMKÖRÖK SZIMULÁCIÓJA

ÁRAMKÖRÖK SZIMULÁCIÓJA ÁRAMKÖRÖK SZIMULÁCIÓJA Az áramkörök szimulációja révén betekintést nyerünk azok működésébe. Meg tudjuk határozni az áramkörök válaszát különböző gerjesztésekre, különböző üzemmódokra. Végezhetők analóg

Részletesebben

A tervfeladat sorszáma: 1 A tervfeladat címe: ALU egység 8 regiszterrel és 8 utasítással

A tervfeladat sorszáma: 1 A tervfeladat címe: ALU egység 8 regiszterrel és 8 utasítással .. A tervfeladat sorszáma: 1 A ALU egység 8 regiszterrel és 8 utasítással Minimálisan az alábbi képességekkel rendelkezzen az ALU 8-bites operandusok Aritmetikai funkciók: összeadás, kivonás, shift, komparálás

Részletesebben

Teremakusztikai méréstechnika

Teremakusztikai méréstechnika Teremakusztikai méréstechnika Tantermek akusztikája Fürjes Andor Tamás 1 Tartalomjegyzék 1. A teremakusztikai mérések célja 2. Teremakusztikai paraméterek 3. Mérési módszerek 4. ISO 3382 szabvány 5. Méréstechnika

Részletesebben

DebitTray program Leírás

DebitTray program Leírás DebitTray program Leírás Budapest 2015 Bevezetés Egy-egy kintlévőséghez tartozó határidő elmulasztásának komoly következménye lehet. Éppen ezért a Kintlévőség kezelő program főmenü ablakában a program

Részletesebben

Mintavételezés és AD átalakítók

Mintavételezés és AD átalakítók HORVÁTH ESZTER BUDAPEST MŰSZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM JÁRMŰELEMEK ÉS JÁRMŰ-SZERKEZETANALÍZIS TANSZÉK ÉRZÉKELÉS FOLYAMATA Az érzékelés, jelfeldolgozás általános folyamata Mérés Adatfeldolgozás 2/31

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 9 IX. ROBUsZTUs statisztika 1. ROBUsZTUssÁG Az eddig kidolgozott módszerek főleg olyanok voltak, amelyek valamilyen értelemben optimálisak,

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 4 IV. MINTA, ALAPsTATIsZTIKÁK 1. MATEMATIKAI statisztika A matematikai statisztika alapfeladatát nagy általánosságban a következőképpen

Részletesebben

MŰSZAKKIOSZTÁSI PROBLÉMÁK A KÖZÖSSÉGI KÖZLEKEDÉSBEN

MŰSZAKKIOSZTÁSI PROBLÉMÁK A KÖZÖSSÉGI KÖZLEKEDÉSBEN infokommunikációs technológiák MŰSZAKKIOSZTÁSI PROBLÉMÁK A KÖZÖSSÉGI KÖZLEKEDÉSBEN Készítette: Árgilán Viktor, Dr. Balogh János, Dr. Békési József, Dávid Balázs, Hajdu László, Dr. Galambos Gábor, Dr. Krész

Részletesebben

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok. http://uni-obuda.hu/users/koczyl/statisztika1.

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok. http://uni-obuda.hu/users/koczyl/statisztika1. Statisztika I. 4. előadás Mintavétel http://uni-obuda.hu/users/koczyl/statisztika1.htm Kóczy Á. László KGK-VMI koczy.laszlo@kgk.uni-obuda.hu Sokaság és minta Alap- és mintasokaság A mintasokaság az a részsokaság,

Részletesebben

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok. http://uni-obuda.hu/users/koczyl/statisztika1.

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok. http://uni-obuda.hu/users/koczyl/statisztika1. Statisztika I. 4. előadás Mintavétel http://uni-obuda.hu/users/koczyl/statisztika1.htm Kóczy Á. László KGK-VMI koczy.laszlo@kgk.uni-obuda.hu Sokaság és minta Alap- és mintasokaság A mintasokaság az a részsokaság,

Részletesebben

TANTÁRGYI PROGRAM Matematikai alapok II. útmutató

TANTÁRGYI PROGRAM Matematikai alapok II. útmutató BGF PÉNZÜGYI ÉS SZÁMVITELI KAR Módszertani Intézeti Tanszéki Osztály TANTÁRGYI PROGRAM Matematikai alapok II. útmutató 2013/2014. tanév II. félév Tantárgyi program Tantárgy megnevezése Tantárgy jellege/típusa:

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

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

10. modul: FÜGGVÉNYEK, FÜGGVÉNYTULAJDONSÁGOK

10. modul: FÜGGVÉNYEK, FÜGGVÉNYTULAJDONSÁGOK MATEMATIK A 9. évfolyam 10. modul: FÜGGVÉNYEK, FÜGGVÉNYTULAJDONSÁGOK KÉSZÍTETTE: CSÁKVÁRI ÁGNES Matematika A 9. évfolyam. 10. modul: FÜGGVÉNYEK, FÜGGVÉNYTULAJDONSÁGOK Tanári útmutató 2 MODULLEÍRÁS A modul

Részletesebben

Brüel & Kjaer 2238 Mediátor zajszintmérő

Brüel & Kjaer 2238 Mediátor zajszintmérő Brüel & Kjaer 2238 Mediátor zajszintmérő A leírást készítette: Deákvári József, intézeti mérnök Az FVM MGI zajszintméréseihez a Brüel & Kjaer gyártmányú 2238 Mediátor zajszintmérőt és frekvenciaanalizálót

Részletesebben

Jelfeldolgozás - ANTAL Margit. impulzusválasz. tulajdonságai. Rendszerek. ANTAL Margit. Sapientia - Erdélyi Magyar Tudományegyetem

Jelfeldolgozás - ANTAL Margit. impulzusválasz. tulajdonságai. Rendszerek. ANTAL Margit. Sapientia - Erdélyi Magyar Tudományegyetem Sapientia - Erdélyi Magyar Tudományegyetem 2007 Megnevezések Diszkrét Dirac jel Delta függvény Egységimpluzus függvény A diszkrét Dirac jel δ[n] = { 1, n = 0 0, n 0 d[n] { 1, n = n0 δ[n n 0 ] = 0, n n

Részletesebben

Az SPC (statisztikai folyamatszabályozás) ingadozásai

Az SPC (statisztikai folyamatszabályozás) ingadozásai A TERMELÉSI FOLYAMAT MINÕSÉGKÉRDÉSEI, VIZSGÁLATOK 2.3 Az SPC (statisztikai folyamatszabályozás) ingadozásai Tárgyszavak: statisztikai folyamatszabályozás; Shewhart-féle szabályozókártya; többváltozós szabályozás.

Részletesebben

NightHawk AccessControl

NightHawk AccessControl NightHawk AccessControl Poker Edition Version: 2.0 2012. január 1 Tartalomjegyzék Rendszer elemei... 3 Felhasználói felület... 3 Nap nyitása, zárása... 4 Új játékos felvitele... 4 Ki és beléptetés... 5

Részletesebben

Passzív és aktív aluláteresztő szűrők

Passzív és aktív aluláteresztő szűrők 7. Laboratóriumi gyakorlat Passzív és aktív aluláteresztő szűrők. A gyakorlat célja: A Micro-Cap és Filterlab programok segítségével tanulmányozzuk a passzív és aktív aluláteresztő szűrők elépítését, jelátvitelét.

Részletesebben

Az egyszerűsítés utáni alak:

Az egyszerűsítés utáni alak: 1. gyszerűsítse a következő törtet, ahol b 6. 2 b 36 b 6 Az egyszerűsítés utáni alak: 2. A 2, 4 és 5 számjegyek mindegyikének felhasználásával elkészítjük az összes, különböző számjegyekből álló háromjegyű

Részletesebben

ANTAL Margit. Sapientia - Erdélyi Magyar Tudományegyetem. Jelfeldolgozás. ANTAL Margit. Adminisztratív. Bevezetés. Matematikai alapismeretek.

ANTAL Margit. Sapientia - Erdélyi Magyar Tudományegyetem. Jelfeldolgozás. ANTAL Margit. Adminisztratív. Bevezetés. Matematikai alapismeretek. Jelfeldolgozás 1. Sapientia - Erdélyi Magyar Tudományegyetem 2007 és jeleket generáló és jeleket generáló és jeleket generáló Gyakorlatok - MATLAB (OCTAVE) (50%) Írásbeli vizsga (50%) és jeleket generáló

Részletesebben

A Markovi forgalomanalízis legújabb eredményei és ezek alkalmazása a távközlő hálózatok teljesítményvizsgálatában

A Markovi forgalomanalízis legújabb eredményei és ezek alkalmazása a távközlő hálózatok teljesítményvizsgálatában A Markovi forgalomanalízis legújabb eredményei és ezek alkalmazása a távközlő hálózatok teljesítményvizsgálatában Horváth Gábor ghorvath@hit.bme.hu (Horváth András, Telek Miklós) - p. 1 Motiváció, problémafelvetés

Részletesebben

Haszongépj. Németh. Huba. és s Fejlesztési Budapest. Kutatási. Knorr-Bremse. 2004. November 17. Knorr-Bremse 19.11.

Haszongépj. Németh. Huba. és s Fejlesztési Budapest. Kutatási. Knorr-Bremse. 2004. November 17. Knorr-Bremse 19.11. Haszongépj pjármű fékrendszer intelligens vezérl rlése Németh Huba Knorr-Bremse Kutatási és s Fejlesztési si Központ, Budapest 2004. November 17. Knorr-Bremse 19.11.2004 Huba Németh 1 Tartalom Motiváció

Részletesebben

ContractTray program Leírás

ContractTray program Leírás ContractTray program Leírás Budapest 2015 Bevezetés Egy-egy szerződéshez tartozó határidő elmulasztásának komoly gazdasági következménye lehet. Éppen ezért a Szerződés kezelő program főmenü ablakában a

Részletesebben

YBL - SGYMMAT2012XA Matematika II.

YBL - SGYMMAT2012XA Matematika II. YBL - SGYMMAT2012XA Matematika II. Tantárgyfelelős: Dr. Joós Antal Tárgyelőadó: Dr. Joós Antal Tantárgyi leírás Oktatási cél: Azoknak a matematikai alapoknak a megszerzése, melyek a szaktárgyak elsajátításához

Részletesebben

Általános algoritmustervezési módszerek

Általános algoritmustervezési módszerek Általános algoritmustervezési módszerek Ebben a részben arra mutatunk példát, hogy miként használhatóak olyan általános algoritmustervezési módszerek mint a dinamikus programozás és a korlátozás és szétválasztás

Részletesebben

Irányításelmélet és technika I.

Irányításelmélet és technika I. Irányításelmélet és technika I Folytonos idejű rendszerek leírása az állapottérben Állapotvisszacsatolást alkalmazó szabályozási körök Magyar Attila Pannon Egyetem Műszaki Informatikai Kar Villamosmérnöki

Részletesebben

CARE. Biztonságos. otthonok idős embereknek CARE. Biztonságos otthonok idős embereknek 2010-09-02. Dr. Vajda Ferenc Egyetemi docens

CARE. Biztonságos. otthonok idős embereknek CARE. Biztonságos otthonok idős embereknek 2010-09-02. Dr. Vajda Ferenc Egyetemi docens CARE Biztonságos CARE Biztonságos otthonok idős embereknek otthonok idős embereknek 2010-09-02 Dr. Vajda Ferenc Egyetemi docens 3D Érzékelés és Mobilrobotika kutatócsoport Budapesti Műszaki és Gazdaságtudományi

Részletesebben

Útmutató EDC kézivezérlőhöz

Útmutató EDC kézivezérlőhöz Útmutató EDC kézivezérlőhöz ALAPFUNKCIÓK A kézivezérlő használata során állítsa az EDC vezérlő előlapján található forgó kapcsolót 0 állásba. Ezáltal a felhasználó a kézivezérlő segítségével férhet hozzá,

Részletesebben

Visszalépéses keresés

Visszalépéses keresés Visszalépéses keresés Backtracking előadás http://nik.uni-obuda.hu/prog2 Szénási Sándor szenasi.sandor@nik.uni-obuda.hu Óbudai Egyetem,Neumann János Informatikai Kar Alapvető működése Továbbfejlesztési

Részletesebben

LBRA6i integrált rendszer

LBRA6i integrált rendszer LBRA6i integrált rendszer LIBRA 6i logolás és a log megtekintése Készítette: Libra Szoftver Zrt. Létrehozás dátuma: 2005.12.15. Utolsó módosítás: 2014.10.30. Referencia szám: LIBRA6i_UZEM_V_1.5 Verzió:

Részletesebben

Numerikus módszerek: Nemlineáris egyenlet megoldása (Newton módszer, húrmódszer). Lagrange interpoláció. Lineáris regresszió.

Numerikus módszerek: Nemlineáris egyenlet megoldása (Newton módszer, húrmódszer). Lagrange interpoláció. Lineáris regresszió. YBL - SGYMMAT202XXX Matematika II. Tantárgyfelelős: Dr. Joós Antal Tárgyelőadó: Dr. Joós Antal Tantárgyi leírás Oktatási cél: Azoknak a matematikai alapoknak a megszerzése, melyek a szaktárgyak elsajátításához

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

Programfejlesztési Modellek

Programfejlesztési Modellek Programfejlesztési Modellek Programfejlesztési fázisok: Követelmények leírása (megvalósíthatósági tanulmány, funkcionális specifikáció) Specifikáció elkészítése Tervezés (vázlatos és finom) Implementáció

Részletesebben

Kontrol kártyák használata a laboratóriumi gyakorlatban

Kontrol kártyák használata a laboratóriumi gyakorlatban Kontrol kártyák használata a laboratóriumi gyakorlatban Rikker Tamás tudományos igazgató WESSLING Közhasznú Nonprofit Kft. 2013. január 17. Kis történelem 1920-as években, a Bell Laboratórium telefonjainak

Részletesebben

TANTÁRGYI PROGRAM Matematikai alapok I. útmutató

TANTÁRGYI PROGRAM Matematikai alapok I. útmutató BGF PÉNZÜGYI ÉS SZÁMVITELI KAR Módszertani Intézeti Tanszéki Osztály TANTÁRGYI PROGRAM Matematikai alapok I. útmutató 2013/2014. tanév II. félév Tantárgyi program Tantárgy megnevezése Matematikai alapok

Részletesebben

Véletlenszám generátorok és tesztelésük HORVÁTH BÁLINT

Véletlenszám generátorok és tesztelésük HORVÁTH BÁLINT Véletlenszám generátorok és tesztelésük HORVÁTH BÁLINT Mi a véletlen? Determinisztikus vs. Véletlen esemény? Véletlenszám: számok sorozata, ahol véletlenszerűen követik egymást az elemek Pszeudo-véletlenszám

Részletesebben

Bevezetés a méréstechnikába és jelfeldolgozásba 7. mérés RC tag Bartha András, Dobránszky Márk

Bevezetés a méréstechnikába és jelfeldolgozásba 7. mérés RC tag Bartha András, Dobránszky Márk Bevezetés a méréstechnikába és jelfeldolgozásba 7. mérés 2015.05.13. RC tag Bartha András, Dobránszky Márk 1. Tanulmányozza át az ELVIS rendszer rövid leírását! Áttanulmányoztuk. 2. Húzzon a tartóból két

Részletesebben

6. Függvények. 1. Az alábbi függvények közül melyik szigorúan monoton növekvő a 0;1 intervallumban?

6. Függvények. 1. Az alábbi függvények közül melyik szigorúan monoton növekvő a 0;1 intervallumban? 6. Függvények I. Nulladik ZH-ban láttuk: 1. Az alábbi függvények közül melyik szigorúan monoton növekvő a 0;1 intervallumban? f x g x cos x h x x ( ) sin x (A) Az f és a h. (B) Mindhárom. (C) Csak az f.

Részletesebben

Az Informatika Elméleti Alapjai

Az Informatika Elméleti Alapjai Az Informatika Elméleti Alapjai dr. Kutor László Jelek típusai Átalakítás az analóg és digitális rendszerek között http://mobil.nik.bmf.hu/tantargyak/iea.html Felhasználónév: iea Jelszó: IEA07 IEA 3/1

Részletesebben

Mátrixjátékok tiszta nyeregponttal

Mátrixjátékok tiszta nyeregponttal 1 Mátrixjátékok tiszta nyeregponttal 1. Példa. Két játékos Aladár és Bendegúz rendelkeznek egy-egy tetraéderrel, melyek lapjaira rendre az 1, 2, 3, 4 számokat írták. Egy megadott jelre egyszerre felmutatják

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

MATEMATIKA PRÓBAÉRETTSÉGI 2013 I. rész

MATEMATIKA PRÓBAÉRETTSÉGI 2013 I. rész MATEMATIKA PRÓBAÉRETTSÉGI 203 I. rész. Oldja meg a következő egyenletet: x 2 25. Az egyenlet megoldása: 2. Egy vállalat 280 000 Ft-ért vásárol egy számítógépet. A számítógép évente 5%-ot veszít az értékéből.

Részletesebben

Tanulmányozza az 5. pontnál ismertetett MATLAB-modell felépítést és működését a leírás alapján.

Tanulmányozza az 5. pontnál ismertetett MATLAB-modell felépítést és működését a leírás alapján. Tevékenység: Rajzolja le a koordinaátarendszerek közti transzformációk blokkvázlatait, az önvezérelt szinkronmotor sebességszabályozási körének néhány megjelölt részletét, a rezolver felépítését és kimenőjeleit,

Részletesebben

Mohamed Aida* 58% 27% 42% EGYÉNI STRESSZLELTÁRA. (valós eredmény kitalált névvel) STRESSZHATÁSOK EGÉSZSÉGI ÁLLAPOT SZOKÁSOK /JELLEMZŐK

Mohamed Aida* 58% 27% 42% EGYÉNI STRESSZLELTÁRA. (valós eredmény kitalált névvel) STRESSZHATÁSOK EGÉSZSÉGI ÁLLAPOT SZOKÁSOK /JELLEMZŐK Mohamed Aida* EGYÉNI STRESSZLELTÁRA (valós eredmény kitalált névvel) STRESSZHATÁSOK 100-66% 65-36% 35-0% 27% EGÉSZSÉGI ÁLLAPOT 0-35% 36-65% 66-100% 42% SZOKÁSOK /JELLEMZŐK 0-35% 36-65% 66-100% 58% Cégnév:

Részletesebben

GCF 1.1 Gas Consumption Forecast

GCF 1.1 Gas Consumption Forecast GCF 1.1 Gas Consumption Forecast A szabadpiaci gáz-kereskedelem alapja a forrás- és a fogyasztói oldali menetrendek tervezése, operatív levezénylése és elszámolása. Az energia kereskedelem a jövõre vonatkozik,

Részletesebben

AIRPOL PRM frekvenciaváltós csavarkompresszorok. Airpol PRM frekvenciaváltós csavarkompresszorok

AIRPOL PRM frekvenciaváltós csavarkompresszorok. Airpol PRM frekvenciaváltós csavarkompresszorok Airpol PRM frekvenciaváltós csavarkompresszorok Az Airpol PRM frekvenciaváltós csavarkompresszorok változtatható sebességű meghajtással rendelkeznek 50-100%-ig. Ha a sűrített levegő fogyasztás kevesebb,

Részletesebben

Orvosi Fizika és Statisztika

Orvosi Fizika és Statisztika Orvosi Fizika és Statisztika Szegedi Tudományegyetem Általános Orvostudományi Kar Természettudományi és Informatikai Kar Orvosi Fizikai és Orvosi Informatikai Intézet www.szote.u-szeged.hu/dmi Orvosi fizika

Részletesebben

19. A fényelektromos jelenségek vizsgálata

19. A fényelektromos jelenségek vizsgálata 19. A fényelektromos jelenségek vizsgálata PÁPICS PÉTER ISTVÁN csillagász, 3. évfolyam Mérőpár: Balázs Miklós 2006.04.19. Beadva: 2006.05.15. Értékelés: A MÉRÉS LEÍRÁSA Fontos megállapítás, hogy a fénysugárzásban

Részletesebben

Programozási nyelvek a közoktatásban alapfogalmak I. előadás

Programozási nyelvek a közoktatásban alapfogalmak I. előadás Programozási nyelvek a közoktatásban alapfogalmak I. előadás Szempontok Programozási nyelvek osztályozása Felhasználói kör (amatőr, professzionális) Emberközelség (gépi nyelvektől a természetes nyelvekig)

Részletesebben

Beszédfelismerés és szintézis tételek:

Beszédfelismerés és szintézis tételek: Beszédfelismerés és szintézis tételek: 1. tétel: Emberi beszédlánc, beszéd szerkezete, beszédhang, beszédhangok osztályozása, fonéma A nyelv egy jelrendszer, amelynek elemeihez egy nyelvközösségen belül

Részletesebben

Új kompakt X20 vezérlő integrált I/O pontokkal

Új kompakt X20 vezérlő integrált I/O pontokkal Új kompakt X20 vezérlő integrált I/O pontokkal Integrált flash 4GB belső 16 kb nem felejtő RAM B&R tovább bővíti a nagy sikerű X20 vezérlő családot, egy kompakt vezérlővel, mely integrált be és kimeneti

Részletesebben

1. ábra a függvénygenerátorok általános blokkvázlata

1. ábra a függvénygenerátorok általános blokkvázlata A függvénygenerátorok nemszinuszos jelekből állítanak elő kváziszinuszos jelet. Nemszinuszos jel lehet pl. a négyszögjel, a háromszögjel és a fűrészjel is. Ilyen típusú jeleket az úgynevezett relaxációs

Részletesebben

Markov modellek 2015.03.19.

Markov modellek 2015.03.19. Markov modellek 2015.03.19. Markov-láncok Markov-tulajdonság: egy folyamat korábbi állapotai a későbbiekre csak a jelen állapoton keresztül gyakorolnak befolyást. Semmi, ami a múltban történt, nem ad előrejelzést

Részletesebben

ELEKTRONIKAI ALAPISMERETEK

ELEKTRONIKAI ALAPISMERETEK Elektronikai alapismeretek emelt szint 08 ÉETTSÉGI VIZSG 00. október 8. ELEKTONIKI LPISMEETEK EMELT SZINTŰ ÍÁSELI ÉETTSÉGI VIZSG JVÍTÁSI-ÉTÉKELÉSI ÚTMUTTÓ NEMZETI EŐFOÁS MINISZTÉIUM Egyszerű, rövid feladatok

Részletesebben