Mély neuronhálók alkalmazása és optimalizálása

Save this PDF as:
 WORD  PNG  TXT  JPG

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "Mély neuronhálók alkalmazása és optimalizálása"

Átírás

1 magyar nyelv beszédfelismerési feladatokhoz január 10. Konzulens: Dr. Mihajlik Péter

2 A megvalósítandó feladatok Irodalomkutatás Nyílt kutatási eszközök keresése, beszédfelismer rendszerek tervezése magyar nyelv beszédadatbázisokhoz A neurális hálózatos módszerek hagyományos eljárásokkal szembeni teljesítményének elemzése Paraméter-nomhangolás, optimalizálás Számítási er forrásigények meghatározása

3 Akusztikus bemenetb l szöveges kimenet el állítása: lényegkiemelés mintaillesztés

4 Mintaillesztési módok súlyozások ((w)) súlyozások ((w)) Statisztikai módszerek: cél a feldolgozott hangra legjobban illeszked fonémák, szavak, szósorozatok keresése Hagyományos módszerek: rejtett Markov-modellek Az újabb kelet neurális hálózatos megoldásokkal jobb pontosság érhet el bemeneti réteg (x) f (x T w) rejtett réteg(ek) kimeneti réteg (y)

5 Kaldi: nyílt forráskódú beszédfelismer keretrendszer támogatja a klasszikus és a neurális hálós modellek tanítását is szabadon módosítható, testreszabható kódok Beszédadatbázisok híradó-hanganyagok (64 óra; 16kHz) telefonos ügyfélszolgálati hanganyagok (54, 38 és 27 óra; 8kHz)

6 A f bb kísérleti paraméterek adatbázisméret akusztikus modell (HMM vs. DNN) bemeneti jellemz k (pl. normalizálás, dimenziócsökkentés, lényegkiemelés módja) neuronháló-architektúra és tanítási paraméterek (pl. dimenziók, tanulási sebesség) lehet ségek a beszél adaptációra

7 Eredmények a hír-hanganyagokon HMM DNN WERavg % a legjobb hagyományos és neuronhálós modellek teljesítménye legjobb konguráció méret neuronháló indokolt a dimenziócsökkentés, normalizálás óra 20 óra 64 óra

8 Eredmények a hír-hanganyagokon (folyt.) beszél adaptáció újrabeszél kre az adatbázis sok ismeretlen beszél t tartalmaz, a felvételek zajosak, gyakori az egyszerre beszélés stb. megoldás: újrabeszél k alkalmazása az hangjukra tesztelési id ben adaptálható a modell az adaptáció az adaptálatlan modellhez képest 17%-os relatív javulást hoz hagyományos HMM-módszereknél neurális hálókkal is érzékelhet javulás, bár kisebb (3%)

9 Eredmények az ügyfélszolgálati hanganyagokon HMM DNN WERavg % a hír-hanganyagoknál tapasztaltak itt is érvényesek a rosszabb akusztikai körülmények miatt magasabbak a szóhibaarányok 20 1/A 2/A 2/C

10 Tanítási er forrásigények, dekódolási id , 2GB GPU , 2GB GPU , 4GB GPU , 4GB GPU , CPU , CPU Tanítási idö (perc) 10,000 8,000 6,000 4,000 Real Time Factor: RTF = t(dekódolás) t(dekódalandó anyag) Átlagos RTF a híranyagon: 0,36 2, óra 64 óra

11 Összefoglalás és további irányok neurális hálózatokkal minden esetben javulás érhet el, ez átlagosan relatív 16% a hagyományos módszerekhez képest a dimenziócsökkentés javulást hoz, dimenziós rejtett réteg teljesít a legjobban további irányok új neuronháló-architektúrák automatikus beszél klaszterezés

12 Kérdések?

13 Bírálói kérdések Mi a különbség a DEV az EVAL teszthalmazok között? Miért kell külön DEV teszthalmaz, ha egyszer a felismerés ideje elhanyagolható a betanításhoz képest? A DEV halmaz hagyományosan a modellek nomítására, az EVAL pedig a végs tesztelésre szolgál, alapvet en nem különböznek (a tartalmukat leszámítva). Mi az oka, hogy a 3.6-os táblázatban feltüntetett eredmények jelent sen rosszabbak a referenciához képest (3.2 táblázat)? Vajon az újrabeszél k rosszabbul mondták fel az elhangzottakat, mint az eredeti beszél k? Az újrabeszél -teszthalmaz anyaga nem azonos az eredeti teszthalmazzal, sokkal kisebb annál (ilyen formában csak az adaptációs lehet ségek vizsgálatára szolgált), de a kérdésben felvetett eset is el fordulhat.

14 Bírálói kérdések (folyt.) A 10 és a 20 órás adatbázison betanított modellek ugyanazon a teszthalmazon lettek tesztelve (3.4 pont)? Igen.

15 Köszönöm a gyelmet!

Mély neuronhálók alkalmazása és optimalizálása magyar nyelv beszédfelismerési feladatokhoz

Mély neuronhálók alkalmazása és optimalizálása magyar nyelv beszédfelismerési feladatokhoz Budapesti M szaki és Gazdaságtudományi Egyetem Villamosmérnöki és Informatikai Kar Távközlési és Médiainformatikai Tanszék Mély neuronhálók alkalmazása és optimalizálása magyar nyelv beszédfelismerési

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

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

Beszédfelismerés alapú megoldások. AITIA International Zrt. Fegyó Tibor

Beszédfelismerés alapú megoldások. AITIA International Zrt. Fegyó Tibor Beszédfelismerés alapú megoldások AITIA International Zrt. Fegyó Tibor fegyo@aitia.hu www.aitia.hu AITIA Magyar tulajdonú vállalkozás Célunk: kutatás-fejlesztési eredményeink integrálása személyre szabott

Részletesebben

Beszédtechnológia a médiában. Tibor Fegyó SpeechTex Kft.

Beszédtechnológia a médiában. Tibor Fegyó SpeechTex Kft. Tibor Fegyó SpeechTex Kft. SpeechTex Kft Célunk korszerű beszédfelismerő motor és kapcsolódó alkalmazások, megoldások fejlesztése, kapcsolódva a hanganalitikai, hangbányászati feladatokhoz Fő kutatás-fejlesztési

Részletesebben

Beszédfelismerés, beszédmegértés

Beszédfelismerés, beszédmegértés Beszédfelismerés, beszédmegértés Werner Ágnes Beszéd, ember-gép kapcsolat A beszéd az emberek közötti legtermészetesebb információátviteli forma. Az ember és a gép kapcsolatában is ez lehetne talán a legcélravezetőbb,

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

Beszédfelismerés és videó keresés web2 módra

Beszédfelismerés és videó keresés web2 módra Beszédfelismerés és videó keresés web2 módra Web 2 Symposium, 2009. március 3. Tompa Tamás tamas.tompa@digitalnatives.hu Ki mit tud? Ki hallott már beszédfelismerésről? Ki tudja hogyan működik a beszédfelismerés?

Részletesebben

III.6. MAP REDUCE ELVŰ ELOSZTOTT FELDOLGOZÁSI ALGORITMUSOK ÉS TESZTKÖRNYEZET KIDOLGOZÁSA ADATBÁNYÁSZATI FELADATOK VÉGREHAJTÁSÁHOZ

III.6. MAP REDUCE ELVŰ ELOSZTOTT FELDOLGOZÁSI ALGORITMUSOK ÉS TESZTKÖRNYEZET KIDOLGOZÁSA ADATBÁNYÁSZATI FELADATOK VÉGREHAJTÁSÁHOZ infokommunikációs technológiák III.6. MAP REDUCE ELVŰ ELOSZTOTT FELDOLGOZÁSI ALGORITMUSOK ÉS TESZTKÖRNYEZET KIDOLGOZÁSA ADATBÁNYÁSZATI FELADATOK VÉGREHAJTÁSÁHOZ KECSKEMÉTI ANNA KUN JEROMOS KÜRT Zrt. KUTATÁSI

Részletesebben

Magyar nyelvű, élő közéleti- és hírműsorok gépi feliratozása

Magyar nyelvű, élő közéleti- és hírműsorok gépi feliratozása Magyar nyelvű, élő közéleti- és hírműsorok gépi feliratozása Tarján Balázs 1,2, Varga Ádám 2, Tobler Zoltán 2, Szaszák György 1,2, Fegyó Tibor 1,3, Bordás Csaba 4 és Mihajlik Péter 1,2 1 Budapesti Műszaki

Részletesebben

Újfajta, automatikus, döntési fa alapú adatbányászati módszer idősorok osztályozására

Újfajta, automatikus, döntési fa alapú adatbányászati módszer idősorok osztályozására VÉGZŐS KONFERENCIA 2009 2009. május 20, Budapest Újfajta, automatikus, döntési fa alapú adatbányászati módszer idősorok osztályozására Hidasi Balázs hidasi@tmit.bme.hu Konzulens: Gáspár-Papanek Csaba Budapesti

Részletesebben

Mesterséges Intelligencia II. kötelező feladat (3. forduló) - Ajánló rendszer 2.

Mesterséges Intelligencia II. kötelező feladat (3. forduló) - Ajánló rendszer 2. Mesterséges Intelligencia II. kötelező feladat (3. forduló) - Ajánló rendszer 2. 1. Feladat kiírása A második forduló feladata hasonlóan az előző fordulóhoz egy ajánló rendszer modelljének elkészítése.

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

Beszédfelismerő szoftver adaptálása C# programozási nyelvre

Beszédfelismerő szoftver adaptálása C# programozási nyelvre 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

Részletesebben

Tanulás tanuló gépek tanuló algoritmusok mesterséges neurális hálózatok

Tanulás tanuló gépek tanuló algoritmusok mesterséges neurális hálózatok Zrínyi Miklós Gimnázium Művészet és tudomány napja Tanulás tanuló gépek tanuló algoritmusok mesterséges neurális hálózatok 10/9/2009 Dr. Viharos Zsolt János Elsősorban volt Zrínyis diák Tudományos főmunkatárs

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

Deep Learning a gyakorlatban Python és LUA alapon. Beszédfelismerés (ASR)

Deep Learning a gyakorlatban Python és LUA alapon. Beszédfelismerés (ASR) Deep Learning a gyakorlatban Python és LUA alapon Szaszák György Beszédfelismerés (ASR) http://smartlab.tmit.bme.hu Nagyházik December 1, csütörtök Botz TensorFriends Ideiglenes név Bájösz VB train_validate_test_repeat

Részletesebben

Neurális hálózatok bemutató

Neurális hálózatok bemutató Neurális hálózatok bemutató Füvesi Viktor Miskolci Egyetem Alkalmazott Földtudományi Kutatóintézet Miért? Vannak feladatok amelyeket az agy gyorsabban hajt végre mint a konvencionális számítógépek. Pl.:

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

1 Rendszer alapok. 1.1 Alapfogalmak

1 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,

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

Mély neuronhálós akusztikus modellek gyors adaptációja multi-taszk tanítással

Mély neuronhálós akusztikus modellek gyors adaptációja multi-taszk tanítással 154 XII. Magyar Számítógépes Nyelvészeti Konferencia Mély neuronhálós akusztikus modellek gyors adaptációja multi-taszk tanítással Tóth László, Gosztolya Gábor MTA-SZTE Mesterséges Intelligencia Kutatócsoport

Részletesebben

0 0 1 Dekódolás. Az órajel hatására a beolvasott utasítás kód tárolódik az IC regiszterben, valamint a PC értéke növekszik.

0 0 1 Dekódolás. Az órajel hatására a beolvasott utasítás kód tárolódik az IC regiszterben, valamint a PC értéke növekszik. Teszt áramkör A CPU ból és kiegészítő áramkörökből kialakított számítógépet összekötjük az FPGA kártyán lévő ki és bemeneti eszközökkel, hogy az áramkör működése tesztelhető legyen. Eszközök A kártyán

Részletesebben

Gépi tanulás és Mintafelismerés

Gépi tanulás és Mintafelismerés Gépi tanulás és Mintafelismerés jegyzet Csató Lehel Matematika-Informatika Tanszék BabesBolyai Tudományegyetem, Kolozsvár 2007 Aug. 20 2 1. fejezet Bevezet A mesterséges intelligencia azon módszereit,

Részletesebben

A hallgatói preferenciák elemzése statisztikai módszerekkel

A hallgatói preferenciák elemzése statisztikai módszerekkel A hallgatói preferenciák elemzése statisztikai módszerekkel Kosztyán Zsolt Tibor 1, Katona Attila Imre 1, Neumanné Virág Ildikó 2, Telcs András 1 1,2 Pannon Egyetem, 1 Kvantitatív Módszerek Intézeti Tanszék,

Részletesebben

A szupraszegmentális jellemzők szerepe és felhasználása a gépi beszédfelismerésben. Szaszák György

A szupraszegmentális jellemzők szerepe és felhasználása a gépi beszédfelismerésben. Szaszák György Budapesti Műszaki és Gazdaságtudományi Egyetem Távközlési és Médiainformatikai Tanszék A szupraszegmentális jellemzők szerepe és felhasználása a gépi beszédfelismerésben Szaszák György Tézisfüzet Tudományos

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

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

Crawler.NET: Elosztott webrobotok koordinálása és vezérlése

Crawler.NET: Elosztott webrobotok koordinálása és vezérlése : Elosztott webrobotok koordinálása és vezérlése Hunyadi Levente 2007. június 19. Motiváció Célok Motiváció Motiváció Célok a web: szórt formában jelenlévő információ gyorsan változó tartalom friss indexadatbázishoz

Részletesebben

Forgalmi modellezés BMEKOKUM209

Forgalmi modellezés BMEKOKUM209 BME Közlekedésüzemi és Közlekedésgazdasági Tanszék Forgalmi modellezés BMEKOKUM209 Szimulációs modellezés Dr. Juhász János A forgalmi modellezés célja A közlekedési igények bővülése és a motorizáció növekedése

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

Mesterséges Intelligencia Elektronikus Almanach. MI Almanach projektismertetı rendezvény április 29., BME, I. ép., IB.017., 9h-12h.

Mesterséges Intelligencia Elektronikus Almanach. MI Almanach projektismertetı rendezvény április 29., BME, I. ép., IB.017., 9h-12h. Mesterséges Intelligencia Elektronikus Almanach Neurális hálózatokh 1 BME 1990: Miért neurális hálók? - az érdeklıdésünk terébe kerül a neurális hálózatok témakör - fıbb okok: - adaptív rendszerek - felismerési

Részletesebben

MULTIPARAMETRIKUS MR VIZSGÁLATOK SZEGMENTÁLÁSA NYAKI RÉGIÓBAN

MULTIPARAMETRIKUS MR VIZSGÁLATOK SZEGMENTÁLÁSA NYAKI RÉGIÓBAN Világszínvonalú intelligens és inkluzív egészségügyi információs és döntéstámogató keretrendszer (Analitic Healthcare Quality User Information) kutatása MULTIPARAMETRIKUS MR VIZSGÁLATOK SZEGMENTÁLÁSA NYAKI

Részletesebben

NAGY TELJESÍTM. Szerzők Dévai. István Automatizálási. és s Alkalmazott Informatikai Tanszék

NAGY TELJESÍTM. Szerzők Dévai. István Automatizálási. és s Alkalmazott Informatikai Tanszék NAGY TELJESÍTM TMÉNYŰ WEBALKALMAZÁSOK KÉSZÍTÉSE SE JAVA TECHNOLÓGI GIÁVAL Szerzők Dévai István Automatizálási és s Alkalmazott Informatikai Tanszék Az előad adás s tartalma Elméleti áttekintés Nagy teljesítményű

Részletesebben

A 92. sorszámú Stúdióvezető megnevezésű szakképesítés-ráépülés szakmai és vizsgakövetelménye 1. AZ ORSZÁGOS KÉPZÉSI JEGYZÉKBEN SZEREPLŐ ADATOK

A 92. sorszámú Stúdióvezető megnevezésű szakképesítés-ráépülés szakmai és vizsgakövetelménye 1. AZ ORSZÁGOS KÉPZÉSI JEGYZÉKBEN SZEREPLŐ ADATOK A 92. sorszámú Stúdióvezető megnevezésű szakképesítés-ráépülés szakmai és vizsgakövetelménye 1. AZ ORSZÁGOS KÉPZÉSI JEGYZÉKBEN SZEREPLŐ ADATOK 1.1. A szakképesítés-ráépülés azonosító száma: 53 213 06 1.2.

Részletesebben

GPU-Accelerated Collocation Pattern Discovery

GPU-Accelerated Collocation Pattern Discovery GPU-Accelerated Collocation Pattern Discovery Térbeli együttes előfordulási minták GPU-val gyorsított felismerése Gyenes Csilla Sallai Levente Szabó Andrea Eötvös Loránd Tudományegyetem Informatikai Kar

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

MINTA BIZTONSÁGI KATEGORIZÁLÁS SEGÉDLET

MINTA BIZTONSÁGI KATEGORIZÁLÁS SEGÉDLET MINTA BIZTONSÁGI KATEGORIZÁLÁS SEGÉDLET A dokumentum az Új Magyarország Fejlesztési Terv keretében, az Államreform Operatív Program támogatásával, az Elektronikus közigazgatási keretrendszer tárgyú kiemelt

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

Diplomás gazdaságvédelmi szakreferens szakirányú továbbképzési szak

Diplomás gazdaságvédelmi szakreferens szakirányú továbbképzési szak Diplomás gazdaságvédelmi szakreferens szakirányú továbbképzési szak 1. A szak képzési és kimeneti követelményei a. A szakirányú továbbképzés megnevezése: Diplomás gazdaságvédelmi szakreferens szak b. A

Részletesebben

A vizsgafeladat ismertetése: Az 5.3.1. B) vizsgafeladatban manipulált hanganyag értékelése

A vizsgafeladat ismertetése: Az 5.3.1. B) vizsgafeladatban manipulált hanganyag értékelése A vizsgafeladat ismertetése: Az 5.3.1. B) vizsgafeladatban manipulált hanganyag értékelése Az 5.3.3. A) és B) szóbeli vizsgafeladat elvégzéséhez a korábban elkészített soksávos hanganyag automatikákkal

Részletesebben

A FELSŐOKTATÁSI MINŐSÉGI DÍJ MODELL BEMUTATÁSA

A FELSŐOKTATÁSI MINŐSÉGI DÍJ MODELL BEMUTATÁSA MOLNÁRNÉ STADLER KATALIN TUNKLI GÁBOR A FELSŐOKTATÁSI MINŐSÉGI DÍJ MODELL BEMUTATÁSA FMD 2011 DÍJÁTADÓ, 2011. OKTÓBER 26. Minőségfejlesztés a felsőoktatásban TÁMOP-4.1.4-08/1-2009-0002 Az előadás tartalma

Részletesebben

Képi információk hatékony feldolgozása széles társadalmi rétegeket érintő egészségügyi problémákban

Képi információk hatékony feldolgozása széles társadalmi rétegeket érintő egészségügyi problémákban Képi információk hatékony feldolgozása széles társadalmi rétegeket érintő egészségügyi problémákban Hajdu András Debreceni Egyetem, Informatikai Kar 2. Magyar Jövő Internet Konferencia Budapest, 2015.

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

Hordozott szám statisztika

Hordozott szám statisztika Hordozott szám statisztika Az alábbi táblázat a hordozott számát tartalmazza a hónap utolsó napjának 24:00 órai állapota szerint: 2015 (SHS=20, 30, 31, 70) január 738 010 769 052 734 434 4 2 2 251 600

Részletesebben

Bázistranszformáció és alkalmazásai

Bázistranszformáció és alkalmazásai Bázistranszformáció és alkalmazásai Lineáris algebra gyakorlat Összeállította: Bogya Norbert Tartalomjegyzék 1 Elmélet Gyakorlati végrehajtás 2 Vektor bevitele a bázisba Rangszámítás Lineáris egyenletrendszer

Részletesebben

A szóbeli vizsgatevékenység sikertelen, ha bármelyik vizsgafeladat értékelése 50% alatt van.

A szóbeli vizsgatevékenység sikertelen, ha bármelyik vizsgafeladat értékelése 50% alatt van. A vizsgafeladat ismertetése: Egy rádió- vagy televízióállomás műsorfolyamából egy nap felvételének megadott szempontok szerinti részletes hangtechnikai elemzése Az 5.3.3. C) szóbeli vizsgafeladat elvégzéséhez

Részletesebben

Matematikai alapok és valószínőségszámítás. Valószínőségi eloszlások Binomiális eloszlás

Matematikai alapok és valószínőségszámítás. Valószínőségi eloszlások Binomiális eloszlás Matematikai alapok és valószínőségszámítás Valószínőségi eloszlások Binomiális eloszlás Bevezetés A tudományos életben megfigyeléseket teszünk, kísérleteket végzünk. Ezek többféle különbözı eredményre

Részletesebben

Objektív beszédminősítés

Objektív beszédminősítés Objektív beszédminősítés Fegyó Tibor fegyo@tmit.bme.hu Beszédinformációs rendszerek -- Objektív beszédminõsítés 1 Beszédinformációs rendszerek -- Objektív beszédminõsítés 2 Bevezető kérdések Mi a [beszéd]

Részletesebben

Kulcsszókeresési kísérletek hangzó híranyagokon beszédhang alapú felismerési technikákkal

Kulcsszókeresési kísérletek hangzó híranyagokon beszédhang alapú felismerési technikákkal 224 VII. Magyar Számítógépes Nyelvészeti Konferencia Kulcsszókeresési kísérletek hangzó híranyagokon beszédhang alapú felismerési technikákkal Gosztolya Gábor 1, Tóth László 1 1 MTA-SZTE Mesterséges Intelligencia

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

Hadházi Dániel.

Hadházi Dániel. Hadházi Dániel hadhazi@mit.bme.hu Orvosi képdiagnosztika: Szerepe napjaink orvoslásában Képszegmentálás orvosi kontextusban Elvárások az adekvát szegmentálásokkal szemben Verifikáció és validáció lehetséges

Részletesebben

A készletezés Készlet: készletezés Indok Készlettípusok az igény teljesítés viszony szerint

A készletezés Készlet: készletezés Indok Készlettípusok az igény teljesítés viszony szerint A készletezés Készlet: Olyan anyagi javak, amelyeket egy szervezet (termelő, vagy szolgáltatóvállalat, kereskedő, stb.) azért halmoz fel, hogy a jövőben alkalmas időpontban felhasználjon A készletezés

Részletesebben

EEG mérések hardveres és szoftveres validációja

EEG mérések hardveres és szoftveres validációja EEG mérések hardveres és szoftveres validációja Kovács Annamária EAR1LJ Szoftver verifikáció és validáció 2015-12-10 Az elektroenkefalográfiáról (EEG) Az EEG olyan pszichofiziológiai mérési eljárás, mely

Részletesebben

TANMENET INFORMATIKA (0. évfolyamos képzés) 9.A1 9.A2 csoport

TANMENET INFORMATIKA (0. évfolyamos képzés) 9.A1 9.A2 csoport 9.A1 9.A2 csoport 3 óra/hét I. INFORMÁCIÓS TÁRSADALOM, INFORMÁCIÓ TECHNOLÓGIA A kommunikáció 2. A jelek csoportosítása 3. Kód, kódolás, bináris kód 4. A kommunikáció általános modellje 5. Az információ

Részletesebben

2013/2014.tanév TANMENET

2013/2014.tanév TANMENET 2013/2014.tanév TANMENET a. osztály.. tantárgyának tanításához. Összeállította: Ellenőrizte: Jóváhagyta:... tanár munkaközösség vezető igazgató Sopron, 2013. szeptember 01. Informatika tanmenet a 12G.

Részletesebben

Intelligens adatelemzés

Intelligens adatelemzés Antal Péter, Antos András, Horváth Gábor, Hullám Gábor, Kocsis Imre, Marx Péter, Millinghoffer András, Pataricza András, Salánki Ágnes Intelligens adatelemzés Szerkesztette: Antal Péter A jegyzetben az

Részletesebben

Mit gondolnak a vállalatvezetők az üzleti kapcsolatok értékéről?

Mit gondolnak a vállalatvezetők az üzleti kapcsolatok értékéről? Mit gondolnak a vállalatvezetők az üzleti kapcsolatok értékéről? MANDJÁK Tibor Marketing professzor, Bordeaux École de Management valamint Budapesti Közgazdaságtudományi és Államigazgatási Egyetem 680,

Részletesebben

1. gyakorlat. Mesterséges Intelligencia 2.

1. gyakorlat. Mesterséges Intelligencia 2. 1. gyakorlat Mesterséges Intelligencia. Elérhetőségek web: www.inf.u-szeged.hu/~gulyasg mail: gulyasg@inf.u-szeged.hu Követelmények (nem teljes) gyakorlat látogatása kötelező ZH írása a gyakorlaton elhangzott

Részletesebben

BOI LÁSZLÓ AZ UTAZÓ BŰNÖZÉS ÉS A SOROZATBŰNCSELEKMÉNYEK ÖSSZEFÜGGÉSEI

BOI LÁSZLÓ AZ UTAZÓ BŰNÖZÉS ÉS A SOROZATBŰNCSELEKMÉNYEK ÖSSZEFÜGGÉSEI BOI LÁSZLÓ AZ UTAZÓ BŰNÖZÉS ÉS A SOROZATBŰNCSELEKMÉNYEK ÖSSZEFÜGGÉSEI A vagyon elleni bűncselekmények felderítésénél nem hagyható figyelmen kívül az utazó bűnözés jelensége sem, amellyel főleg betörési

Részletesebben

II. LABOR Tanulás, Perceptron, Adaline

II. LABOR Tanulás, Perceptron, Adaline II. LABOR Tanulás, Perceptron, Adaline A dolgozat célja a tanító algoritmusok osztályozása, a tanító és tesztel halmaz szerepe a neuronhálók tanításában, a Perceptron és ADALINE feldolgozó elemek struktúrája,

Részletesebben

Tantárgyi követelmény Szakiskola 9/E évfolyam

Tantárgyi követelmény Szakiskola 9/E évfolyam Tantárgyi követelmény Szakiskola 9/E évfolyam 2015/2016 TARTALOMJEGYZÉK 1. Magyar nyelv és irodalom... 3 2. Állampolgári ism.... 4 3. Erkölcstan... 5 4. Angol... 6 5. Matematika... 7 6. Természetismeret...

Részletesebben

Az új történelemérettségi hatása a történelemtanítás megújítására

Az új történelemérettségi hatása a történelemtanítás megújítására Pécsi Tudományegyetem Oktatás és Társadalom Neveléstudományi Doktori Iskola Kaposi József Az új történelemérettségi hatása a történelemtanítás megújítására (Az új történelemérettségi kidolgozása hazai

Részletesebben

Agrárinformatikai kutatások helyzetének áttekintése

Agrárinformatikai kutatások helyzetének áttekintése Agrárinformatikai kutatások helyzetének áttekintése Pitlik László (MAGISZ, SZIE) I. Agrárinformatikai Nyári Egyetem 2004. 08. 25-27. Gödöllő Szervezők: MAGISZ, HUNAGI, SZIE Áttekintés Definíciókísérletek

Részletesebben

A Markowitz modell: kvadratikus programozás

A Markowitz modell: kvadratikus programozás A Markowitz modell: kvadratikus programozás Harry Markowitz 1990-ben kapott Közgazdasági Nobel díjat a portfolió optimalizálási modelljéért. Ld. http://en.wikipedia.org/wiki/harry_markowitz Ennek a legegyszer

Részletesebben

AZ EURÓPAI PARLAMENT ÉS A TANÁCS 138/2004/EK RENDELETE (2003. december 5.) a közösségi mezőgazdasági számlarendszerről. (HL L 33., 2004.2.5., 1. o.

AZ EURÓPAI PARLAMENT ÉS A TANÁCS 138/2004/EK RENDELETE (2003. december 5.) a közösségi mezőgazdasági számlarendszerről. (HL L 33., 2004.2.5., 1. o. 2004R0138 HU 11.12.2008 003.001 1 Ez a dokumentum kizárólag tájékoztató jellegű, az intézmények semmiféle felelősséget nem vállalnak a tartalmáért B AZ EURÓPAI PARLAMENT ÉS A TANÁCS 138/2004/EK RENDELETE

Részletesebben

ELEKTRONIKAI ALAPISMERETEK

ELEKTRONIKAI ALAPISMERETEK ÉRETTSÉGI VIZSGA 2015. október 12. ELEKTRONIKAI ALAPISMERETEK EMELT SZINTŰ ÍRÁSBELI VIZSGA 2015. október 12. 14:00 Az írásbeli vizsga időtartama: 240 perc Pótlapok száma Tisztázati Piszkozati EMBERI ERŐFORRÁSOK

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

A deprivációs folyamatok várható alakulása a klímaváltozás árnyékában

A deprivációs folyamatok várható alakulása a klímaváltozás árnyékában KLÍMAHATÁS AZ ÉGHAJLATVÁLTOZÁS HATÁSAINAK KOMPLEX VIZSGÁLATA, KÖRNYEZET ÉS TÁRSADALOM MŰHELYKONFERENCIA Sopron, 2015.november 27. A deprivációs folyamatok várható alakulása a klímaváltozás árnyékában Dr.

Részletesebben

Digitális bemenetek: 2 darab 0-5V jelszintű digitális bemenet Pl. nyitásérzékelők, risztóközpontok, mozgásérzékelők, átjelzők, stb.

Digitális bemenetek: 2 darab 0-5V jelszintű digitális bemenet Pl. nyitásérzékelők, risztóközpontok, mozgásérzékelők, átjelzők, stb. Termék Ismertető Műszaki Információk Használati utasítás Technikai adatok: Tápfeszültség: 12-24V Digitális / Logikai kimenetek: 8 darab open-collector kimenet, közvetlenül relé meghajtására alkalmasak,

Részletesebben

B-TEL99 Kétcsatornás telefonhívó

B-TEL99 Kétcsatornás telefonhívó B-TEL99 Kétcsatornás telefonhívó Felszerelési és Felhasználási útmutató 1 TARTALOMJEGYZÉK TARTALOMJEGYZÉK...2 BEVEZETŐ...3 Általános jellemzők...3 Leírás...3 Hívási folyamat...4 Műszaki jellemzők...4 Részegységek

Részletesebben

LPT illesztőkártya. Beüzemelési útmutató

LPT illesztőkártya. Beüzemelési útmutató LPT illesztőkártya Beüzemelési útmutató Az LPT illesztőkártya a számítógépen futó mozgásvezérlő program ki- és bemenőjeleit illeszti a CNC gép és a PC nyomtató (LPT) csatlakozója között. Főbb jellemzők:

Részletesebben

Multi-20 modul. Felhasználói dokumentáció 1.1. Készítette: Parrag László. Jóváhagyta: Rubin Informatikai Zrt.

Multi-20 modul. Felhasználói dokumentáció 1.1. Készítette: Parrag László. Jóváhagyta: Rubin Informatikai Zrt. Multi-20 modul Felhasználói dokumentáció. Készítette: Parrag László Jóváhagyta: Rubin Informatikai Zrt. 49 Budapest, Egressy út 7-2. telefon: +36 469 4020; fax: +36 469 4029 e-mail: info@rubin.hu; web:

Részletesebben

TANULNI SOSEM KÉS. A feln ttképzés hozzáférésének javítása a rendelkezésre álló közm vel dési intézményrendszer rendszerszer bevonásával

TANULNI SOSEM KÉS. A feln ttképzés hozzáférésének javítása a rendelkezésre álló közm vel dési intézményrendszer rendszerszer bevonásával feln ttképzés hozzáférésének javítása a rendelkezésre álló közm vel dési intézményrendszer rendszerszer bevonásával HFP/2005/3.5.4 ával az emzeti pályázat benyújtója, f kedvezményezett: Békés egyei vel

Részletesebben

Hidasi Balázs. Gravity R&D BME-TMIT. ML@Bp, 2012. február 20. Budapest

Hidasi Balázs. Gravity R&D BME-TMIT. ML@Bp, 2012. február 20. Budapest Hidasi Balázs Gravity R&D BMETMIT ML@Bp, 212. február 2. Budapest Tartalom Bevezetés Idősorok Idősorosztályozás Az alap ShiftTree algoritmus Felépítés Címkézés Tanulás Futási idő Modellek értelmezése Előnyök,

Részletesebben

OMNIALOG adatgyűjtők NI-48XX

OMNIALOG adatgyűjtők NI-48XX OMNIALOG adatgyűjtők NI-48XX Alkalmazások Ipari monitorozás Klímatechnikai monitorozás Olaj- és gázmonitorozás Vízminőség monitorozás Épületmonitorozás Villamos hálózat monitorozás OMNIAlog A Next Industries

Részletesebben

Aszinkron sorrendi hálózatok

Aszinkron sorrendi hálózatok Aszinkron sorrendi hálózatok Benesóczky Zoltán 24 A jegyzetet a szerzıi jog védi. Azt a BME hallgatói használhatják, nyomtathatják tanulás céljából. Minden egyéb felhasználáshoz a szerzı belegyezése szükséges.

Részletesebben

2005-ben alakult, a Magyar Villamos M vek Zrt. 100%-os f s, f ként fels fokú végzettség kollégák. ügyviteli IT szolgáltatások nyújtása

2005-ben alakult, a Magyar Villamos M vek Zrt. 100%-os f s, f ként fels fokú végzettség kollégák. ügyviteli IT szolgáltatások nyújtása Minek nekünk SLA? Mir l lesz szó? MVMI Zrt. bemutatása Mi az, hogy szolgáltatás? Mi az, hogy IT szolgáltatás? Mi az, hogy SLA? Mire való az SLA? Egy IT szolgáltató gyakorlata Mi az a szolgáltatáskatalógus?

Részletesebben

VALÓSZÍNŰSÉG, STATISZTIKA TANÍTÁSA

VALÓSZÍNŰSÉG, STATISZTIKA TANÍTÁSA VALÓSZÍNŰSÉG, STATISZTIKA TANÍTÁSA A VALÓSZÍNŰSÉGI SZEMLÉLET ALAPOZÁSA 1-6. OSZTÁLY A biztos, a lehetetlen és a lehet, de nem biztos események megkülünböztetése Valószínűségi játékok, kísérletek események

Részletesebben

A vezérlő alkalmas 1x16, 2x16, 2x20, 4x20 karakteres kijelzők meghajtására. Az 1. ábrán látható a modul bekötése.

A vezérlő alkalmas 1x16, 2x16, 2x20, 4x20 karakteres kijelzők meghajtására. Az 1. ábrán látható a modul bekötése. Soros LCD vezérlő A vezérlő modul lehetővé teszi, hogy az LCD-t soros vonalon illeszthessük alkalmazásunkhoz. A modul több soros protokollt is támogat, úgy, mint az RS232, I 2 C, SPI. Továbbá az LCD alapfunkcióit

Részletesebben

Virtualizációs technológiák Linux alatt (teljesítményteszt)

Virtualizációs technológiák Linux alatt (teljesítményteszt) Virtualizációs technológiák Linux alatt (teljesítményteszt) Ebben a dokumentációban a virtualizációs technológiák sebességét, teljesítményét hasonlítom össze RedHat-alapú Linux disztribúciókkal. A teszteléshez

Részletesebben

Szegmentálási egységek összehasonlítása gépi érzelem felismerés esetén

Szegmentálási egységek összehasonlítása gépi érzelem felismerés esetén Szegmentálási egységek összehasonlítása gépi érzelem felismerés esetén Kiss Gábor, első éves msc-s hallgató BME, Távközlési és Médiainformatikai kar, Beszéd Akusztikai Laboratórium 1. Bevezető Adva volt

Részletesebben

API-MÁGIA MILLIÓ SORNYI ADAT ÚJRARENDEZÉSE. Előadó: Jaksa Zsombor, drungli.com

API-MÁGIA MILLIÓ SORNYI ADAT ÚJRARENDEZÉSE. Előadó: Jaksa Zsombor, drungli.com API-MÁGIA MILLIÓ SORNYI ADAT ÚJRARENDEZÉSE Előadó: Jaksa Zsombor, drungli.com MIRŐL FOG SZÓLNI AZ ELŐADÁS? Hogyan működik a drungli.com?# Adatok gyűjtése, stratégiák# Ha marad időm még mesélek HOGYAN MŰKÖDIK

Részletesebben

SZIPorkázó optikai hálózatok telepítési és átadás-átvételi mérései

SZIPorkázó optikai hálózatok telepítési és átadás-átvételi mérései SZIPorkázó technológiák SZIPorkázó optikai hálózatok telepítési és átadás-átvételi mérései Kolozs Csaba EQUICOM Méréstechnikai Kft. Főleg száloptikai hálózatok épülnek GINOP 3.4.1 technológia megoszlás

Részletesebben

SpinoWraptor Trans. Forgókorong és görgősor

SpinoWraptor Trans. Forgókorong és görgősor SpinoWraptor Trans Forgókorong és görgősor Forgókorong átmérő 1650mm Raklap 1200x1000 Max terhelhetőség 2000kg Alapterület hossza 2700mm Alapterület szélessége 1650mm Alapterület felső magassága 180mm

Részletesebben

kodolosuli.hu: Interaktív, programozást tanító portál BALLA TAMÁS, DR. KIRÁLY SÁNDOR NETWORKSHOP 2017, SZEGED

kodolosuli.hu: Interaktív, programozást tanító portál BALLA TAMÁS, DR. KIRÁLY SÁNDOR NETWORKSHOP 2017, SZEGED kodolosuli.hu: Interaktív, programozást tanító portál BALLA TAMÁS, DR. KIRÁLY SÁNDOR NETWORKSHOP 2017, SZEGED A közoktatásban folyó informatika oktatásával kapcsolatos elvárások Állami szereplő: Az informatikaoktatás

Részletesebben

Az alapvető jogok biztosának Jelentése Az AJB-574/2016. számú ügyben (Előzményi ügy: AJB-4424/2015. )

Az alapvető jogok biztosának Jelentése Az AJB-574/2016. számú ügyben (Előzményi ügy: AJB-4424/2015. ) Az alapvető jogok biztosának Jelentése Az AJB-574/2016. számú ügyben (Előzményi ügy: AJB-4424/2015. ) Előadó: dr. Blaskovits Márta Az eljárás megindítása Egy panaszos beadvánnyal fordult az alapvető jogok

Részletesebben

Leica Viva GNSS SmartLink technológia. Csábi Zoltán mérnök üzletkötő, Kelet-Magyarország

Leica Viva GNSS SmartLink technológia. Csábi Zoltán mérnök üzletkötő, Kelet-Magyarország Leica Viva GNSS SmartLink technológia Csábi Zoltán mérnök üzletkötő, Kelet-Magyarország Kitoljuk a határokat Leica Viva GNSS technológia Az igazi határ ott van ahol a műszer még éppen működik, illetve

Részletesebben

Tervezte és készítette Géczy lászló 1999-2003

Tervezte és készítette Géczy lászló 1999-2003 Tervezte és készítette Géczy lászló 1999-2003 A célszerűség azt kivájna, hogy a Perifériák, Multimédia eszközök témát, tárgyat bemutassam és rövid áttekintést adjak a várható tárgyalás módról. Általában

Részletesebben

The nontrivial extraction of implicit, previously unknown, and potentially useful information from data.

The nontrivial extraction of implicit, previously unknown, and potentially useful information from data. Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs rendszerek Tanszék Adatelemzés intelligens módszerekkel Hullám Gábor Adatelemzés hagyományos megközelítésben I. Megválaszolandó

Részletesebben

Online kérd íves felmérés a Gazdálkodás olvasóinak és szerz inek körében

Online kérd íves felmérés a Gazdálkodás olvasóinak és szerz inek körében 389 V ITA Online kérd íves felmérés a Gazdálkodás olvasóinak és szerz inek körében FEHÉR ANDRÁS SZABÓ G. GÁBOR SZAKÁLY ZOLTÁN Kulcsszavak: elégedettség, vélemények, olvasók, szerz k, Gazdálkodás. ÖSSZEFOGLALÓ

Részletesebben

Szoftver újrafelhasználás

Szoftver újrafelhasználás Szoftver újrafelhasználás Szoftver újrafelhasználás Szoftver fejlesztésekor korábbi fejlesztésekkor létrehozott kód felhasználása architektúra felhasználása tudás felhasználása Nem azonos a portolással

Részletesebben

GSM Gate Control Pro 20 GSM Gate Control Pro 1000

GSM Gate Control Pro 20 GSM Gate Control Pro 1000 GSM Gate Control Pro 20 GSM Gate Control Pro 1000 TELEPÍTÉSI ÉS ALKALMAZÁSI ÚTMUTATÓ v1.50.2532 és újabb modulverziókhoz Dokumentumverzió: 1.83 2016.05.18 Jellemzők: Kimenetek vezérlése interneten keresztül,

Részletesebben

Web harvesztelés. Automatikus módszerekkel

Web harvesztelés. Automatikus módszerekkel Országos Széchényi Könyvtár Miről lesz szó? Mi is az a web harvesztelés? Mire és hol használjuk? Miért hasznos? Saját megvalósításaink Mi a web harvesztelés? Interneten található weboldalak begyűjtése,

Részletesebben

2016 szeptember 22. akusztikus mérnök zaj- és rezgésvédelmi szakmérnök

2016 szeptember 22. akusztikus mérnök zaj- és rezgésvédelmi szakmérnök Akusztikai mérési jegyzőkönyv és szakvélemény a Budapest, VIII. kerület Leonardo da Vinci u. 35 szám alatt épülő társasház akusztikai méréséről III. 5. lakás III. 4. lakás 2016 szeptember 22. Készítette:

Részletesebben

Előterjesztés Békés Város Képviselő-testülete 2014. április 30-i ülésére

Előterjesztés Békés Város Képviselő-testülete 2014. április 30-i ülésére Tárgy: Beszámoló a Békési Rendőrkapitányság Békés városában végzett 2013. évi tevékenységéről Előkészítette: Ladányi Zoltán r. alezredes, rendőrségi főtanácsos, kapitányságvezető Véleményező bizottság:

Részletesebben

Tantárgy: TELJESÍTMÉNYELEKTRONIKA Tanár: Dr. Burány Nándor Tanársegéd: Mr. Divéki Szabolcs 3. FEJEZET

Tantárgy: TELJESÍTMÉNYELEKTRONIKA Tanár: Dr. Burány Nándor Tanársegéd: Mr. Divéki Szabolcs 3. FEJEZET Tantárgy: TELJESÍTMÉNYELEKTRONIKA Tanár: Dr. Burány Nándor Tanársegéd: Mr. Divéki Szabolcs 5. félév Óraszám: 2+2 1 3. FEJEZET TÁPEGYSÉGEK A tápegységek építése, üzemeltetése és karbantartása a teljesítményelektronika

Részletesebben

Amit mindig is tudni akartál a Real Application Testing-ről. Földi Tamás Starschema Kft.

Amit mindig is tudni akartál a Real Application Testing-ről. Földi Tamás Starschema Kft. Amit mindig is tudni akartál a Real Application Testing-ről Földi Tamás Starschema Kft. Környezet Adattárház Oracle 9i, HPUX 13ezer tábla ~1400 betöltő folyamat ~8000 töltési lépés (mapping) Riportok BusinessObjects

Részletesebben