ELŽ REDUKCIÓ ALKALMAZÁSA A TBL ALGORITMUS IDŽKÖLTSÉGÉNEK CSÖKKENTÉSÉRE
|
|
- Mihály Szilágyi
- 7 évvel ezelőtt
- Látták:
Átírás
1 ELŽ REDUKCIÓ ALKALMAZÁSA A TBL ALGORITMUS IDŽKÖLTSÉGÉNEK CSÖKKENTÉSÉRE TÓTH ZSOLT, LÁSZLÓ KOVÁCS Kivonat. A környezet független nyelvek generálása egy N P nehéz probléma, amire a TBL algoritmus[1][2] egy lehetséges megoldást nyújt. A TBL algoritmus magas az id költsége miatt nem alkalmazható nagy méret problémák megoldására. Az id költség csökkentésére egy el redukciós lépést ismertetek, aminek a segítségével a jelent s mértékben lehet csökkenteni az id költséget. Az el redukciós eljárás ismertetése után tapasztalati mérések segítségével becsülöm meg a várható hatékonyság növekedést. 1. Bevezetés A természetes és mesterséges nyelvek feldolgozása napjaink egyik aktív kutatási területének számít. A formális nyelvek egy matematikai formalizmus mellyel természetes és mesterséges nyelveket egyaránt le lehet írni. Egy adott L nyelvet a nyelvtana G írja le, ilyenkor azt mondjuk, hogy L nyelvet a G nyelvtan generálja, ezt L(G)vel jelöljük. A G nyelvtant a G = T, N, P, S négyes írja le, ahol: T : a terminális szimbólumok halmaza (a, b, c, T ) N : a nem terminális szimbólumok halmaza (A, B, C, N ) P: a képzési szabályok halmaza P α β ahol α, β, {T N }. S: a mondat szimbólumok halmazas N N Az egyes formális nyelveket osztályokba sorolhatjuk, az egyik legismertebb osztályozási módszer a Chomsky féle osztályozás[5]. A Chomsky féle osztályozás a nyelveket a képzési szabály alapján sorolja osztályokba, az egyes osztályokat a 1. táblázat foglalja össze. A nyelvtani osztályok közül a környezet független nyelvek osztálya kell en rugalmas és hatékony módszer a természetes és mesterséges nyelvek reprezentálására. 1. táblázat. A Chomksy féle nyelvtani osztályok Osztály Rekurzívan felsorolható nyelvek Környezet függ nyelvek Környezet független nyelvek Reguláris nyelvek Szabály alak α β αaβ αγβ α β A a és A Ba vagy A ab Számos különböz módszer létezik CFG 1 generálására pozitív (U + ) és negatív (U ) minta mondatok alapján. Az egyik ilyen módszer a TBL 2 algoritmus. 1 Context Free Grammar Környezet Független Nyelvtan 2 TaBuLar representation 126
2 2. TBL algoritmus A TBL algoritmust 1999-ben Sakakibara és Kondo ismertette[1], majd Sakakibara vizsgálta[2]. Az Improved TBL algoritmus[3][4] a TBL algoritmus módosított, fejlesztett változata, ami csak az alkalmazott GA 3 ban tér el az eredetit l. A TBL algoritmus képes pozitív (U + ) és negatív (U ) minta mondatok alapján CFG nyelvtant generálni. A nyelvtan generálása során GAt használ, a legtömörebb nyelvtan megkeresésére. A GA a legkisebb olyan partícionálását keresi a nem terminális szimbólumoknak, ami elfogadja az összes pozitív minta mondatot, de nem fogad el egy negatív minta mondatot sem A TBL algoritmus lépései. A TBL algoritmus az alábbi három f lépésre osztható: (1) Primitív nyelvtanok (G ω (T (ω))) meghatározása minden pozitív tanító mondatra (ω U + ). (2) Ered nyelvtan el állítása a primitív nyelvtanok segítségével (G(U + ) = G ω (T (ω))). (3) Az ered nyelvtan redukálása GA segítségével A primitív nyelvtanok el állítása. A primitív nyelvtanok el állítására egy, a CYK 4 algoritmusban használt táblázat szer adat struktúrát használ a TBL algoritmus. A táblázat egy n nes alsó háromszög mátrixra hasonlít, ahol n a mondatok szavainak a száma, a celláiban pedig nem terminális szimbólumok tömbje helyezkedik el. A TBL algoritmus a táblázatot a minta mondat alapján feltölti és meghatározza ez alapján a tanító mondat primitív nyelvtanát. A primitív nyelvtan tartalmazza az adott mondat el állításához alkalmazható összes lehetséges levezetési fát. Az ered nyelvtant a primitív nyelvtanokból állítja el únió képzéssel Az alkalmazott GA. A TBL algoritmus az ered nyelvtan redukálására GAt alkalmaz. A GA osztályokba sorolja az egyes nem terminális szimbólumokat és az azonos osztályba tartozó nem terminális szimbólumokat összevonja. Így csökkenti a szimbólumok és a képzési szabályok számát. A GA a partícionálás során csoport szám kódolást alkalmaz az egyes egyedek reprezentálására, ami azt jelenti, hogy minden egyes nem terminális szimbólumhoz egy-egy számot rendel, ami egy adott csoportot jelképez. Tehát a gén hossza, így egy-egy genetikus operátor id költsége is függ a nem terminális szimbólumok számától, azaz a bemen mondatok hosszától. A TBL algoritmus id költségének jelent s részét az alkalmazott GA teszi ki. TBL tness fügvénye A TBL algoritmus tness függvénye az alábbi két segéd függvényt használja. 3 Genetic Algorithm Genetikus Algoritmus 4 Cocke, Younger, Kashami f 1 (p) = {ω U + G(T (U + ))/π p } U + f 2 (p) = 1 π p 127
3 { 0 ha ω U úgy, hogy ω L(G(T (U + ))/π p ) f(p) = egyébként C 1 f 1 (p)+c 2 f 2 (p) C 1 +C 2 Az ITBL algoritmus egy harmadik segéd tness függvényt is alkalmaz és elfogad olyan nyelvtanokat is amik képesek negatív mintamondatokat generálni, de ezekhez a nyelvtanokhoz kis tness értéket rendel. f 3 (p) = {ω U G(T (U + ))/π p } U { (C3 f 3 + C 4 (1 f 1 )) ω U úgy, hogy ω L(G(T (U + ))/π p ) f(p) = egyébként C 1 f 1 (p)+c 2 f 2 (p) C 1 +C 2 Ahol C 1, C 2, C 3 és C 4 a GA paraméterei. Látható, hogy a GA id költségének egyik meghatározó tényez je a tness érték meghatározásának költsége. 3. El redukció A TBL és az ITBL algoritmus a m ködése során a pozitív tanító mondatokból (ω U + ) primitív nyelvtanokat (G ω (T (ω))) állít el, melyek tartalmazzák az adott mondat összes lehetséges levezetési fáját és a szabályok Chomsky-féle normál alakban vannak ( A BC, A a, A ɛ). G ω (T (ω)) A primitív nyelvtanok alapján egy ered nyelvtant határoz meg, ami tartalmazza az össze pozitív nyelvtant és az ered nyelvtan alapján levezethet az össze pozitív tanító mondatot. G = ω U + G ω (T (ω)) A TBL és az ITBL algoritmusok az ered nyelvtant GA segítségével redukálják. A GA tness függvényének nagy az id költsége, mivel az egyes egyedekre el kell állítani a redukált nyelvtant, és azokon hajtanak végre m veleteket. Az algoritmust egyszer SQL parancsokra (mondatokra) tesztelve arra az eredményre jutottam, hogy az algoritmus id költsége a mondatok hosszában jelent s mértékben változik. Az algoritmus futási ideje viszonylag kevés (10-15) tanító mondat esetén is meghaladhatja egy átlagos PC számítási kapacitását, ezért a kit zött cél a futási id csökkentése. Ezt a cél valamilyen el redukciós lépéssel lehetne megoldani, ami csökkenti az ered nyelvtanban a nem terminális szimbólumok számát, így csökkentve a GA futási idejét. A javasolt el redukciós eljárást az alábbi két lépésre lehet bontani: A a alakú szabályok összevonása A BC és D BC szabályok összevonása, Bottom Up redukciós eljárás 3.1. A a redukció. A primitív mondat el állítása egy terminális szimbólumra több szabály is mutat (a táblázatos reprezentációnak köszönhet en). A redukciós módszer célja ezen szabályok összevonása, így ω U + ω darab szabály helyett T darab A a típusú szabályt tartalmaz a mondat, ahol ω az ω mondat hossza. El nye Egyszer en implementáció 128
4 Kevés szó és sok mondat esetén hatékony Hátránya Sok szó és ritka szavak esetén kevésbé hatékony Az összes szabálynak csak egy kis hányadát érinti, így nagy hosszú mondatok esetén nem túl hatékony, kevés nem terminális szimbólumot von össze 3.2. Bottom Up redukció. A Bottom Up redukciós eljárás el feltétele az A a redukció! A Bottom Up redukció alapelve, hogy összevonja azokat a szabályokat amelyeknek azonos a jobb oldaluk. A környezet független nyelvek a Chomsky féle osztályozás alapján csak A α alakú szabályokat tartalmaznak, de a TBL algoritmus a m ködéséb l adódóan CNF 5 ban lev szabályokkal dolgozik. A CNFban lev szabályok csak A a, A BC A ɛ alakúak A Bottom Up redukciós algoritmus. (1) Inverz lista készítése A BC = BC A, G, H, Z,... (2) Inverz lista alapján a megfelel bal oldalak összevonása (3) Az összevonás után az új szabályok meghatározása (4) Ha volt összevonás akkor újra az 1-t l a redukált szabály listára, különben kilépés. El nye Viszonylag gyors A minden alakú szabályt vizsgál Jelent s szimbólum redukciót lehet vele elérni Hátránya A a el redukciót igényel Példa. A kiinduló szabályokat az 2. táblázat tartalmazza. A szabályok alapján a 3 táblázatban szerepl inverz szabály listát kaptam. Az inverz szabály lista alapján az A, H, K és a D, J szabályokat lehet összevonni, így egy redukált inverz listát eredményez lásd 4. táblázat. A redukált inverz szabály lista alapján egy redukált szabály listát lehet készíteni, lásd 5. táblázat. 2. táblázat. Kiinduló szabályok No Bal Jobb 1 Jobb 2 1 A B C 2 D E F 3 G C E 4 H B C 5 I B E 6 J E F 7 K B C 3. táblázat. Inverz Szabály Lista No Jobb = Ball 1 BC = A,H,K 2 EF = D,J 3 CE = G 4 BE = I 5 Chomskian Normal Form Chomksy félenormál Forma 129
5 4. táblázat. Redukált Inverz Szabály Lista No Jobb = Ball 1 BC = A 2 EF = D 3 CE = G 4 BE = I 5. táblázat. Redukált szabályok No Bal Jobb 1 Jobb 2 1 A B C 2 D E F 3 G C E 4 I B E Tapasztalati eredmény. Az el redukciót és a TBL algoritmust ugyan azon tanító halmazon futtatva a 6. táblázatban látható eredményeket kaptam. A kapott eredményb l látható, hogy a heurisztikus el redukció jelent s mértékben csökkentette a nem terminális szimbólumok számát, illetve a képzési szabályok számát. Ebb l következik, hogy a TBL algoritmus futási ideje is csökken, ami a jelen mérés alapján jelent s, mert a sima TBL algoritmusnak msra volt szüksége addig az el redukció után végrehajtott TBL algoritmusnak csak 22340ms kellett a futáshoz ugyan azon C 1, C 2 paraméterek mellett, azaz el redukció után elegend volt a futási id 18, 94%a. 6. táblázat. Tapasztalati eredmények Szimbólum Ered Heurisztikus TBL Heurisztikus + TBL T N P T N T ksg Köszönet nyilvánítás A kutató munka a TÁMOP-4.2.2/B-10/ jel projekt részeként - az Új Magyarország Fejlesztési Terv keretében - az Európai Unió támogatásával, az Európai Szociális Alap társnanszírozásával valósult meg. Hivatkozások [1] Yasubumi Sakakibara, Mitsuhiro Kondo: GA-based learning of context-free grammars using tabular representations [2] Yasubumi Sakakibara: Learning context-free grammars using tabular representation [3] Marcin Jaworski, Olgierd Unold: Improved TBL algorithm for learning context-free grammar [4] Marcin Jaworski, Olgierd Unold: Learning context-free grammar using improved tabular representation [5] Chomsky féle osztályozás: [6] Wikipedia O jelölés: 130
6 TARTALOMJEGYZÉK Antal Dániel EJTÉSI TESZT EGYSZERSÍTETT MODELLEZÉSE A TERVEZÉS FÁZISÁBAN 1 Bodolai Tamás MINTATESZTEL SZOFTVER FEJLESZTÉSE LINE SCAN KAMERÁS ALKALMAZÁSOKHOZ 7 Bodzás Sándor DESIGNING AND MODELLING OF WORM GEAR HOB 12 Burmeister Dániel BUCKLING OF SHELL-STIFFENED AND AXISYMMETRICALLY LOADED ANNULAR PLATES 18 Daróczy Gabriella EMOTION AND THE COMPUTATIONAL MODEL OF METAPHORS 24 Drágár Zsuzsa NEM SZABVÁNYOS SZERSZÁM-ALAPPROFIL KIALAKÍTÁSÁNAK LEHETSÉGEI FOGASKEREKEKHEZ 30 Fekete Tamás MEMBRÁNOK ALKAKMAZÁSA SZINKRON VÁLTAKOZÓ ÁRAMÚ HIDRAULIKUS HAJTÁSOKBAN 35 Ferenczi István MODELING THE BEHAVIOR OF PROFINET IRT IN GIGABIT ETHERNET NETWORK 41 Ficsor Emese AUTOMATIZÁLT AZONOSÍTÁSTECHNIKAI ÉS NYOMONKÖVETÉSI LEHETSÉGEK VIZSGÁLATA INTERMODÁLIS SZÁLLÍTÁS SORÁN 47 Gáspár Marcell Gyula NAGYSZILÁRDSÁGÚ ACÉL HEGESZTÉSTECHNOLÓGIÁJÁNAK FEJLESZTÉSE A HLÉS ID ELEMZÉSÉVEL 54 Hriczó Krisztián NEMNEWTONI FOLYADÉKOK HATÁRRÉTEG ÁRAMLÁSÁNAK HASONLÓSÁGI MEGOLDÁSAI KONVEKTÍV FELÜLETI PEREMFELTÉTELEK MELLETT 60 Kelemen László Attila DOMBORÍTOTT FOGAZAT MATEMATIKAI MODELLEZÉSE FOGASGYRS TENGELYKAPCSOLÓKHOZ 66
7 Krizsán Zoltán STRUCTURAL IMPROVEMENTS OF THE OPENRTM ROBOT MIDDLEWARE 72 Mándy Zoltán A POSSIBLE NEURAL NETWORK FOR A HOLONIC MANUFACTURING SYSTEM 78 Simon Pál GRAFIKUS PROCESSZOROK ALKALMAZÁSA KÉPFELDOLGOZÁSI FELADATOKRA 84 Skapinyecz Róbert OPTIMALIZÁLÁSI LEHETSÉGEK VIZSGÁLATA EGY E-PIACTÉRREL INTEGRÁLT VIRTUÁLIS SZÁLLÍTÁSI VÁLLALATNÁL 90 Somoski Gábor COLD METAL TRANSFER THE CMT PROCESS 96 Szabó Adél Anett A TELJES KÖLTSÉG KONCEPCIÓ JELENTSÉGE A VÁLLALATI BESZERZÉSI GYAKORLATBAN 102 Szamosi Zoltán MEZGAZDASÁGI HULLADÉKOK VIZSGÁLATA 108 Szilágyiné Biró Andrea BETÉTEDZÉS ACÉLOK KÜLÖNBÖZ HMÉRSÉKLET KARBONITRIDÁLÁSA 114 Tomkovics Tamás DARABÁRU OSZTÁLYOZÓ RENDSZEREK KISZOLGÁLÁSI STRATÉGIÁIT BEFOLYÁSOLÓ JELLEMZK; A RENDSZEREK MODULJAI KÖZÖTTI ÖSSZEFÜGGÉSEK FELTÁRÁSA 120 Tóth Zsolt EL REDUKCIÓ ALKALMAZÁSA A TBL ALGORITMUS IDKÖLTSÉGÉNEK CSÖKKENTÉSÉRE 126 Varga Zoltán KONKRÉT LOGISZTIKAI MINTARENDSZER MODELLEZÉSE 131 Vincze Dávid MATLAB INTERFACE FOR THE 3D VIRTUAL COLLABORATION ARENA 137 Wagner György INTENZÍTÁS BÁZISÚ OPTIMALIZÁLÁS FORGÁCSOLÁSI PARAMÉTEREK MEGHATÁROZÁSÁHOZ 143
BETÉTEDZÉSŰ ACÉLOK KÜLÖNBÖZŐ HŐMÉRSÉKLETŰ KARBONITRIDÁLÁSA. Szilágyiné Biró Andrea 1, Dr. Tisza Miklós 2
BEVEZETÉS BETÉTEDZÉSŰ ACÉLOK KÜLÖNBÖZŐ HŐMÉRSÉKLETŰ KARBONITRIDÁLÁSA Szilágyiné Biró Andrea 1, Dr. Tisza Miklós 2 1 PhD hallgató, 2 tanszékvezető, egyetemi tanár Miskolci Egyetem, Mechanikai Technológiai
RészletesebbenINTENZÍTÁS BÁZISÚ OPTIMALIZÁLÁS FORGÁCSOLÁSI PARAMÉTEREK MEGHATÁROZÁSÁHOZ
INTENZÍTÁS BÁZISÚ OPTIMALIZÁLÁS FORGÁCSOLÁSI PARAMÉTEREK MEGHATÁROZÁSÁHOZ Wagner György 1, Tóth Tibor 2 egyetemi tanársegéd, ME Általános Informatikai Tanszék Prof. Dr. DSc, egyetemi tanár, ME Alkalmazott
RészletesebbenKONKRÉT LOGISZTIKAI MINTARENDSZER MODELLEZÉSE
KONKRÉT LOGISZTIKAI MINTARENDSZER MODELLEZÉSE Szerzők: Dr. Kovács László 1, Varga Zoltán 2 Egyetemi docens, PhD hallgató Miskolci Egyetem, Hatvany József Informatikai Tudományok Doktori Iskola A Miskolci
RészletesebbenA TELJES KÖLTSÉG KONCEPCIÓ JELENTŐSÉGE A VÁLLALATI BESZERZÉSI GYAKORLATBAN
A TELJES KÖLTSÉG KONCEPCIÓ JELENTŐSÉGE A VÁLLALATI BESZERZÉSI GYAKORLATBAN Szabó Adél Anett 1, Dr. Bányainé dr. Tóth Ágota 2, Prof. Dr. Illés Béla 3 1 doktorandusz hallgató, 2 egyetemi docens témavezető,
RészletesebbenMEMBRÁNOK ALKAKMAZÁSA SZINKRON VÁLTAKOZÓ ÁRAMÚ HIDRAULIKUS HAJTÁSOKBAN. Fekete Tamás PhD hallgató Miskolci Egyetem, Szerszámgépek Tanszéke
MEMBRÁNOK ALKAKMAZÁSA SZINKRON VÁLTAKOZÓ ÁRAMÚ HIDRAULIKUS HAJTÁSOKBAN Fekete Tamás PhD hallgató Miskolci Egyetem, Szerszámgépek Tanszéke 1. ASZINKRON VÁLTAKOZÓ ÁRAMÚ HIDRAULIKUS HAJTÁS A váltakozó áramú
RészletesebbenDARABÁRU OSZTÁLYOZÓ RENDSZEREK KISZOLGÁLÁSI STRATÉGIÁIT BEFOLYÁSOLÓ JELLEMZŐK; A RENDSZEREK MODULJAI KÖZÖTTI ÖSSZEFÜGGÉSEK FELTÁRÁSA
DARABÁRU OSZTÁLYOZÓ RENDSZEREK KISZOLGÁLÁSI STRATÉGIÁIT BEFOLYÁSOLÓ JELLEMZŐK; A RENDSZEREK MODULJAI KÖZÖTTI ÖSSZEFÜGGÉSEK FELTÁRÁSA Tomkovics Tamás 1, Dr. Kovács László 2 Ph.D. hallgató, egyetemi docens
RészletesebbenAUTOMATIZÁLT AZONOSÍTÁSTECHNIKAI ÉS NYOMONKÖVETÉSI LEHETŐSÉGEK VIZSGÁLATA INTERMODÁLIS SZÁLLÍTÁS SORÁN
AUTOMATIZÁLT AZONOSÍTÁSTECHNIKAI ÉS NYOMONKÖVETÉSI LEHETŐSÉGEK VIZSGÁLATA INTERMODÁLIS SZÁLLÍTÁS SORÁN Ficsor Emese 1, Prof. Dr. Illés Béla 2 Ph.D. hallgató 1, tanszékvezető, egyetemi tanár 2 Miskolci
RészletesebbenOptimalizálási lehetőségek vizsgálata egy e-piactérrel integrált virtuális szállítási vállalatnál
Optimalizálási lehetőségek vizsgálata egy e-piactérrel integrált virtuális szállítási vállalatnál ABSZTRAKT Skapinyecz Róbert 1, Illés Béla 2 PhD. hallgató Prof. Dr., tanszékvezető egyetemi tanár Miskolci
RészletesebbenMEZİGAZDASÁGI HULLADÉKOK VIZSGÁLATA
MEZİGAZDASÁGI HULLADÉKOK VIZSGÁLATA Szamosi Zoltán 1, Dr. Lakatos Károly 2, Dr. Siménfalvi Zoltán 3 doktorandusz, egyetemi docens, tanszékvezetı egyetemi docens Vegyipari Gépek Tanszéke, Áramlás- és Hıtechnikai
RészletesebbenDESIGNING AND MODELLING OF WORM GEAR HOB
DESIGNING AND MODELLING OF WORM GEAR HOB Sándor Bodzás 1, Dr. Illés Dudás 2 1 PhD student, bodzassandor@nyf.hu 2 DSc professor, illes.dudas@uni-miskolc.hu 1,2 Department of Production Engineering, University
RészletesebbenNAGYSZILÁRDSÁGÚ ACÉLOK HEGESZTÉSTECHNOLÓGIÁJÁNAK FEJLESZTÉSE A HŰLÉSI IDŐ ELEMZÉSÉVEL
NAGYSZILÁRDSÁGÚ ACÉLOK HEGESZTÉSTECHNOLÓGIÁJÁNAK FEJLESZTÉSE A HŰLÉSI IDŐ ELEMZÉSÉVEL Gáspár Marcell Gyula 1, Dr. Balogh András 2 1 PhD hallgató, 2 egyetemi docens Miskolci Egyetem Mechanikai Technológiai
RészletesebbenGRAFIKUS PROCESSZOROK ALKALMAZÁSA KÉPFELDOLGOZÁSI FELADATOKRA
GRAFIKUS PROCESSZOROK ALKALMAZÁSA KÉPFELDOLGOZÁSI FELADATOKRA ABSTRACT Simon Pál PhD hallgató Miskolci Egyetem Hatvany József Informatikai Tudományok Doktori Iskola The aim of this paper is the presentation
RészletesebbenCOLD METAL TRANSFER THE CMT PROCESS. Somoskői Gábor Ügyvezető Froweld Hegesztéstechnikai és Kereskedelmi kft.
ABSTRACT COLD METAL TRANSFER THE CMT PROCESS Somoskői Gábor Ügyvezető Froweld Hegesztéstechnikai és Kereskedelmi kft. Doctoral supervisor: Dr. Török Imre ME, Institute of Mechanical Technology The article
RészletesebbenZH feladatok megoldásai
ZH feladatok megoldásai A CSOPORT 5. Írja le, hogy milyen szabályokat tartalmazhatnak az egyes Chomskynyelvosztályok (03 típusú nyelvek)! (4 pont) 3. típusú, vagy reguláris nyelvek szabályai A ab, A a
RészletesebbenA digitális számítás elmélete
A digitális számítás elmélete 8. előadás ápr. 16. Turing gépek és nyelvtanok A nyelvosztályok áttekintése Turing gépek és a természetes számokon értelmezett függvények Áttekintés Dominó Bizonyítások: L
RészletesebbenA Formális nyelvek vizsga teljesítése. a) Normál A vizsgán 60 pont szerezhet, amely két 30 pontos részb l áll össze az alábbi módon:
A Formális nyelvek vizsga teljesítése a) Normál A vizsgán 60 pont szerezhet, amely két 30 pontos részb l áll össze az alábbi módon: 1. Öt rövid kérdés megválaszolása egyenként 6 pontért, melyet minimum
RészletesebbenChomsky-féle hierarchia
http://www.cs.ubbcluj.ro/~kasa/formalis.html Chomsky-féle hierarchia G = (N, T, P, S) nyelvtan: 0-s típusú (általános vagy mondatszerkezet ), ha semmilyen megkötést nem teszünk a helyettesítési szabályaira.
RészletesebbenA Formális nyelvek vizsga teljesítése. a) Normál A vizsgán 60 pont szerezhet, amely két 30 pontos részb l áll össze az alábbi módon:
A Formális nyelvek vizsga teljesítése a) Normál A vizsgán 60 pont szerezhet, amely két 30 pontos részb l áll össze az alábbi módon: 1. Öt kis kérdés megválaszolása egyenként 6 pontért, melyet minimum 12
RészletesebbenAutomaták és formális nyelvek
Automaták és formális nyelvek Bevezetés a számítástudomány alapjaiba 1. Formális nyelvek 2006.11.13. 1 Automaták és formális nyelvek - bevezetés Automaták elmélete: információs gépek általános absztrakt
RészletesebbenMintatesztelő szoftver fejlesztése line scan kamerás alkalmazásokhoz. Bodolai Tamás tanársegéd Miskolci Egyetem, Elektrotechnikai Elektronikai Tanszék
intatestelő softe fejlestése line scan kameás alkalmaásokho Bodolai Tamás tanásegéd iskolci Egetem, Elektotechnikai Elektonikai Tansék KÖSZÖNETNYILVÁNÍTÁS A kutató munka a TÁOP-4.2.2/B-/-2-8 jelű pojekt
RészletesebbenFüggvények növekedési korlátainak jellemzése
17 Függvények növekedési korlátainak jellemzése A jellemzés jól bevált eszközei az Ω, O, Θ, o és ω jelölések. Mivel az igények általában nemnegatívak, ezért az alábbi meghatározásokban mindenütt feltesszük,
RészletesebbenCsempe átíró nyelvtanok
Csempe átíró nyelvtanok Tile rewriting grammars Németh L. Zoltán Számítástudomány Alapjai Tanszék SZTE, Informatikai Tanszékcsoport 1. előadás - 2006. április 10. Képek (pictures) I. Alapdefiníciók ábécé:
RészletesebbenA számítógépes nyelvészet elmélete és gyakorlata. Formális nyelvek elmélete
A számítógépes nyelvészet elmélete és gyakorlata Formális nyelvek elmélete Nyelv Nyelvnek tekintem a mondatok valamely (véges vagy végtelen) halmazát; minden egyes mondat véges hosszúságú, és elemek véges
RészletesebbenChomsky-féle hierarchia
http://www.ms.sapientia.ro/ kasa/formalis.htm Chomsky-féle hierarchia G = (N, T, P, S) nyelvtan: 0-s típusú (általános vagy mondatszerkezetű), ha semmilyen megkötést nem teszünk a helyettesítési szabályaira.
RészletesebbenMesterséges 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
RészletesebbenRekurzió. Dr. Iványi Péter
Rekurzió Dr. Iványi Péter 1 Függvényhívás void f3(int a3) { printf( %d,a3); } void f2(int a2) { f3(a2); a2 = (a2+1); } void f1() { int a1 = 1; int b1; b1 = f2(a1); } 2 Függvényhívás void f3(int a3) { printf(
RészletesebbenElőadó: Dr. Oniga István DIGITÁLIS TECHNIKA 3
Előadó: Dr. Oniga István DIGITÁLIS TEHNIK 3 Logikai függvények logikai függvény olyan egyenlőség, amely változói kétértékűek, és ezek között csak logikai műveleteket végzünk függvények megadása történhet
RészletesebbenVégeselem modellezés alapjai 1. óra
Végeselem modellezés alapjai. óra Gyenge alak, Tesztfüggvény, Lagrange-féle alakfüggvény, Stiness mátrix Kivonat Az óra célja, hogy megismertesse a végeselem módszer (FEM) alkalmazását egy egyszer probléma,
RészletesebbenHázi feladatok megoldása. Nyelvtani transzformációk. Házi feladatok megoldása. Házi feladatok megoldása. Formális nyelvek, 6. gyakorlat.
Nyelvtani transzformációk Formális nyelvek, 6. gyakorlat a. S (S) SS ε b. S XS ε és X (S) c. S (SS ) Megoldás: Célja: A nyelvtani transzformációk bemutatása Fogalmak: Megszorított típusok, normálformák,
RészletesebbenHázi feladatok megoldása. Nyelvek felismerése. Házi feladatok megoldása. Házi feladatok megoldása. Formális nyelvek, 5. gyakorlat
Házi feladatok megoldása Nyelvek felismerése Formális nyelvek, 5. gyakorlat 1. feladat Adjunk a következő nyelvet generáló 3. típusú nyelvtant! Azon M-áris számrendszerbeli számok, melyek d-vel osztva
Részletesebbenbiometria 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
RészletesebbenMATE-INFO UBB verseny, március 25. MATEMATIKA írásbeli vizsga
BABEŞ-BOLYAI TUDOMÁNYEGYETEM, KOLOZSVÁR MATEMATIKA ÉS INFORMATIKA KAR MATE-INFO UBB verseny, 218. március 25. MATEMATIKA írásbeli vizsga FONTOS TUDNIVALÓK: 1 A feleletválasztós feladatok,,a rész esetén
RészletesebbenMatematikai geodéziai számítások 10.
Matematikai geodéziai számítások 10. Hibaellipszis, talpponti görbe és közepes ponthiba Dr. Bácsatyai, László Matematikai geodéziai számítások 10.: Hibaellipszis, talpponti görbe és Dr. Bácsatyai, László
RészletesebbenFeladatok: 1. Add meg a következ balreguláris nyelvtannak megfelel jobbreguláris nyelvtant!
Feladatok: 1. Add meg a következ balreguláris nyelvtannak megfelel jobbreguláris nyelvtant! Megoldás: S b A a Ezzel a feladattal az volt a gondom, hogy a könyvben tanultak alapján elkezdtem levezetni,
RészletesebbenFELVÉTELI VIZSGA, szeptember 12.
BABEŞ-BOLYAI TUDOMÁNYEGYETEM, KOLOZSVÁR MATEMATIKA ÉS INFORMATIKA KAR FELVÉTELI VIZSGA, 08. szeptember. Írásbeli vizsga MATEMATIKÁBÓL FONTOS TUDNIVALÓK: A feleletválasztós feladatok,,a rész esetén egy
RészletesebbenAtomataelmélet: A Rabin Scott-automata
A 19. óra vázlata: Atomataelmélet: A Rabin Scott-automata Az eddigieken a formális nyelveket generatív szempontból vizsgáltuk, vagyis a nyelvtan (generatív grammatika) szemszögéből. A generatív grammatika
RészletesebbenFormális nyelvek és automaták vizsgához statisztikailag igazolt várható vizsgakérdések
1. Feladat Az első feladatban szereplő - kérdések 1 Minden környezet független nyelv felismerhető veremautomatával. Minden környezet független nyelv felismerhető 1 veremmel. Minden 3. típusú nyelv felismerhető
RészletesebbenEllátási lánc optimalizálás P-gráf módszertan alkalmazásával mennyiségi és min ségi paraméterek gyelembevételével
Ellátási lánc optimalizálás P-gráf módszertan alkalmazásával mennyiségi és min ségi paraméterek gyelembevételével Pekárdy Milán, Baumgartner János, Süle Zoltán Pannon Egyetem, Veszprém XXXII. Magyar Operációkutatási
RészletesebbenGauss elimináció, LU felbontás
Közelítő és szimbolikus számítások 3. gyakorlat Gauss elimináció, LU felbontás Készítette: Gelle Kitti Csendes Tibor Somogyi Viktor London András Deák Gábor jegyzetei alapján 1 EGYENLETRENDSZEREK 1. Egyenletrendszerek
RészletesebbenVisszacsatolt (mély) neurális hálózatok
Visszacsatolt (mély) neurális hálózatok Visszacsatolt hálózatok kimenet rejtett rétegek bemenet Sima előrecsatolt neurális hálózat Visszacsatolt hálózatok kimenet rejtett rétegek bemenet Pl.: kép feliratozás,
RészletesebbenDiszkrét termelési folyamatok ütemezési feladatainak modellezése és számítógépi megoldása
HATVANY JÓZSEF INFORMATIKAI TUDOMÁNYOK DOKTORI ISKOLA ÖSSZEVONT TUDOMÁNYOS SZEMINÁRIUMA 2013 Diszkrét termelési folyamatok ütemezési feladatainak modellezése és számítógépi megoldása Dr. Kulcsárné Forrai
RészletesebbenGenetikus algoritmusok
Genetikus algoritmusok Zsolnai Károly - BME CS zsolnai@cs.bme.hu Keresőalgoritmusok osztályai Véletlent használó algoritmusok Keresőalgoritmusok Kimerítő algoritmusok Dinamikus programozás BFS DFS Tabu
Részletesebbenértékel függvény: rátermettségi függvény (tness function)
Genetikus algoritmusok globális optimalizálás sok lehetséges megoldás közül keressük a legjobbat értékel függvény: rátermettségi függvény (tness function) populáció kiválasztjuk a legrátermettebb egyedeket
RészletesebbenFEGYVERNEKI 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,
Részletesebbenértékel függvény: rátermettségi függvény (tness function)
Genetikus algoritmusok globális optimalizálás sok lehetséges megoldás közül keressük a legjobbat értékel függvény: rátermettségi függvény (tness function) populáció kiválasztjuk a legrátermettebb egyedeket
RészletesebbenProgramozás alapjai. 6. gyakorlat Futásidő, rekurzió, feladatmegoldás
Programozás alapjai 6. gyakorlat Futásidő, rekurzió, feladatmegoldás Háziellenőrzés Egészítsd ki úgy a simplemaths.c programot, hogy megfelelően működjön. A program feladata az inputon soronként megadott
RészletesebbenNagyságrendek. Kiegészítő anyag az Algoritmuselmélet tárgyhoz. Friedl Katalin BME SZIT február 1.
Nagyságrendek Kiegészítő anyag az Algoritmuselmélet tárgyhoz (a Rónyai Ivanyos Szabó: Algoritmusok könyv mellé) Friedl Katalin BME SZIT friedl@cs.bme.hu 018. február 1. Az O, Ω, Θ jelölések Az algoritmusok
RészletesebbenLogisztikai szimulációs módszerek
Üzemszervezés Logisztikai szimulációs módszerek Dr. Juhász János Integrált, rugalmas gyártórendszerek tervezésénél használatos szimulációs módszerek A sztochasztikus külső-belső tényezőknek kitett folyamatok
RészletesebbenNeurális 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.:
RészletesebbenEgyváltozós függvények 1.
Egyváltozós függvények 1. Filip Ferdinánd filip.ferdinand@bgk.uni-obuda.hu siva.banki.hu/jegyzetek 015 szeptember 1. Filip Ferdinánd 015 szeptember 1. Egyváltozós függvények 1. 1 / 5 Az el adás vázlata
RészletesebbenKépfeldolgozás. 1. el adás. A képfeldolgozás m veletei. Mechatronikai mérnök szak BME, 2008
Képfeldolgozás 1. el adás. A képfeldolgozás m veletei Mechatronikai mérnök szak BME, 2008 1 / 61 Alapfogalmak transzformációk Deníció Deníció Geometriai korrekciókra akkor van szükség, ha a képr l valódi
RészletesebbenHatározatlan integrál
Határozatlan integrál 205..04. Határozatlan integrál 205..04. / 2 Tartalom Primitív függvény 2 Határozatlan integrál 3 Alapintegrálok 4 Integrálási szabályok 5 Helyettesítéses integrálás 6 Parciális integrálás
RészletesebbenIntelligens Rendszerek Elmélete. Párhuzamos keresés genetikus algoritmusokkal
Intelligens Rendszerek Elmélete Dr. Kutor László Párhuzamos keresés genetikus algoritmusokkal http://mobil.nik.bmf.hu/tantargyak/ire.html login: ire jelszó: IRE0 IRE / A természet általános kereső algoritmusa:
Részletesebben(Solid modeling, Geometric modeling) Testmodell: egy létező vagy elképzelt objektum digitális reprezentációja.
Testmodellezés Testmodellezés (Solid modeling, Geometric modeling) Testmodell: egy létező vagy elképzelt objektum digitális reprezentációja. A tervezés (modellezés) során megadjuk a objektum geometria
RészletesebbenFEGYVERNEKI 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,
RészletesebbenGibbs-jelenség viselkedésének vizsgálata egyszer négyszögjel esetén
Matematikai modellek, I. kisprojekt Gibbs-jelenség viselkedésének vizsgálata egyszer négyszögjel esetén Unger amás István B.Sc. szakos matematikus hallgató ungert@maxwell.sze.hu, http://maxwell.sze.hu/~ungert
RészletesebbenMintaFeladatok 2.ZH Megoldások
Kérem e-mail-ben jelezze, ha hibát talál: (veanna@inf.elte.hu, vagy veanna@elte.hu ) 1. feladat megoldása a b 1 2 3 2 4 2 3 2 1 4 6 3 5 10 6 6 8 7 7 9 7 8 8 9 9 8 8 10 5 1 I. Összefüggőség vizsgálat. H0={1}
RészletesebbenSzámítógép 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,
RészletesebbenGépi 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,
RészletesebbenMesterséges 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
RészletesebbenDicsőségtabló Beadós programozási feladatok
Dicsőségtabló Beadós programozási feladatok Hallgatói munkák 2017 2018 Készítő: Maurer Márton (GI, nappali, 2017) Elméleti háttér A szita a neves ókori görög matematikus, Eratoszthenész módszere, amelynek
RészletesebbenIX. Alkalmazott Informatikai Konferencia Kaposvári Egyetem február 25.
Kaposvári Egyetem 2011. február 25. Egedy Attila, Varga Tamás, Chován Tibor Pannon Egyetem, Mérnöki Kar, Folyamatmérnöki Intézeti Tanszék Veszprém, 8200 Egyetem utca 10. Bevezetés Cellás modellezés Kvalitatív
RészletesebbenMátrixhatvány-vektor szorzatok hatékony számítása
Mátrixhatvány-vektor szorzatok hatékony számítása Izsák Ferenc ELTE TTK, Alkalmazott Analízis és Számításmatematikai Tanszék & ELTE-MTA NumNet Kutatócsoport munkatárs: Szekeres Béla János Alkalmazott Analízis
RészletesebbenMit látnak a robotok? Bányai Mihály Matemorfózis, 2017.
Mit látnak a robotok? Bányai Mihály Matemorfózis, 2017. Vizuális feldolgozórendszerek feladatai Mesterséges intelligencia és idegtudomány Mesterséges intelligencia és idegtudomány Párhuzamos problémák
RészletesebbenMatematikai geodéziai számítások 8.
Matematikai geodéziai számítások 8 Szintezési hálózat kiegyenlítése Dr Bácsatyai, László Matematikai geodéziai számítások 8: Szintezési hálózat kiegyenlítése Dr Bácsatyai, László Lektor: Dr Benedek, Judit
RészletesebbenOsztott algoritmusok
Osztott algoritmusok A benzinkutas példa szimulációja Müller Csaba 2010. december 4. 1. Bevezetés Első lépésben talán kezdjük a probléma ismertetésével. Adott két n hosszúságú bináris sorozat (s 1, s 2
Részletesebben1. szemináriumi. feladatok. Ricardói modell Bevezetés
1. szemináriumi feladatok Ricardói modell Bevezetés Termelési lehetőségek határa Relatív ár Helyettesítési határráta Optimális választás Fogyasztási pont Termelési pont Abszolút előny Komparatív előny
RészletesebbenSztöchiometriai egyenletrendszerek minimális számú aktív változót tartalmazó megoldásainak meghatározása a P-gráf módszertan alkalmazásával
Sztöchiometriai egyenletrendszerek minimális számú aktív változót tartalmazó megoldásainak meghatározása a P-gráf módszertan alkalmazásával * Pannon Egyetem, M szaki Informatikai Kar, Számítástudomány
RészletesebbenFormális nyelvek és gépek (definíciós és tétel lista - 09/10/2)
Formális nyelvek és gépek (definíciós és tétel lista - 09/10/2) ábécé: Ábécének nevezünk egy tetszőleges véges szimbólumhalmazt. Jelölése: X, Y betű: Az ábécé elemeit betűknek hívjuk. szó: Az X ábécé elemeinek
RészletesebbenOOP. Alapelvek Elek Tibor
OOP Alapelvek Elek Tibor OOP szemlélet Az OOP szemlélete szerint: a valóságot objektumok halmazaként tekintjük. Ezen objektumok egymással kapcsolatban vannak és együttműködnek. Program készítés: Absztrakciós
RészletesebbenTársadalmi és gazdasági hálózatok modellezése
Társadalmi és gazdasági hálózatok modellezése 5. el adás Közösségszerkezet El adó: London András 2017. október 16. Közösségek hálózatban Homofília, asszortatívitás Newman modularitás Közösségek hálózatban
RészletesebbenFunkcionális és logikai programozás. { Márton Gyöngyvér, 2012} { Sapientia, Erdélyi Magyar Tudományegyetem }
Funkcionális és logikai programozás { Márton Gyöngyvér, 2012} { Sapientia, Erdélyi Magyar Tudományegyetem } http://www.ms.sapientia.ro/~mgyongyi ` 1 Jelenlét: Követelmények, osztályozás Az első 4 előadáson
RészletesebbenKiegészítő részelőadás 1. Az algoritmusok hatékonyságának mérése
Kiegészítő részelőadás 1. Az algoritmusok hatékonyságának mérése Dr. Kallós Gábor 2014 2015 1 Az Ordó jelölés Azt mondjuk, hogy az f(n) függvény eleme az Ordó(g(n)) halmaznak, ha van olyan c konstans (c
RészletesebbenNP-teljesség röviden
NP-teljesség röviden Bucsay Balázs earthquake[at]rycon[dot]hu http://rycon.hu 1 Turing gépek 1/3 Mi a turing gép? 1. Definíció. [Turing gép] Egy Turing-gép formálisan egy M = (K, Σ, δ, s) rendezett négyessel
RészletesebbenSorozatok és Sorozatok és / 18
Sorozatok 2015.11.30. és 2015.12.02. Sorozatok 2015.11.30. és 2015.12.02. 1 / 18 Tartalom 1 Sorozatok alapfogalmai 2 Sorozatok jellemz i 3 Sorozatok határértéke 4 Konvergencia és korlátosság 5 Cauchy-féle
RészletesebbenMatematikai geodéziai számítások 3.
Matematikai geodéziai számítások 3 Kettős vetítés és EOV szelvényszám keresése koordinátákból Dr Bácsatyai, László Matematikai geodéziai számítások 3: Kettős vetítés és EOV szelvényszám keresése koordinátákból
RészletesebbenFelnıtt egyéni. Pontszámok. I. csoport. Ifj. NagyA. Laczkó Balázs. Seremet Szilárd. Tyukodi György. Koszta Zoltán. Bottyán Zoltán
Felnıtt egyéni I. csoport Seremet Szilárd Tyukodi György Bottyán Zoltán Farkas Gábor Laczkó Balázs Koszta Zoltán Ifj. NagyA Kiss Levente Kiss Ádám Seremet Szilárd 3/1 1/1 6/1 7/0 2/3 3/0 2/0 3/1 Tyukodi
RészletesebbenNemlineáris optimalizálási problémák párhuzamos megoldása grafikus processzorok felhasználásával
Nemlineáris optimalizálási problémák párhuzamos megoldása grafikus processzorok felhasználásával 1 1 Eötvös Loránd Tudományegyetem, Informatikai Kar Kari TDK, 2016. 05. 10. Tartalom 1 2 Tartalom 1 2 Optimalizálási
RészletesebbenCSOPORTOS JÁTÉKENGEDÉLY 2011/2012
MAGYAR KOSÁRLABDÁZÓK ORSZÁGOS SZÖVETSÉGE GARIAN BASKETBALL FEDERATION 121044 124333 BERNECZEI LÁSZLÓ BRENNER KRISZTIÁN 1994.01.18. 1995.05.14. KOVÁCS ANDREA EPERJESI EDIT 113378 122460 CSERKI ZSOMBOR DOBOS
RészletesebbenTeljesítmény Mérés. Tóth Zsolt. Miskolci Egyetem. Tóth Zsolt (Miskolci Egyetem) Teljesítmény Mérés / 20
Teljesítmény Mérés Tóth Zsolt Miskolci Egyetem 2013 Tóth Zsolt (Miskolci Egyetem) Teljesítmény Mérés 2013 1 / 20 Tartalomjegyzék 1 Bevezetés 2 Visual Studio Kód metrikák Performance Explorer Tóth Zsolt
RészletesebbenEjtési teszt modellezése a tervezés fázisában
Antal Dániel, doktorandusz, Miskolci Egyetem Robert Bosch Mechatronikai Tanszék Szabó Tamás, egyetemi docens, Ph.D., Miskolci Egyetem Robert Bosch Mechatronikai Tanszék Szilágyi Attila, egyetemi adjunktus,
RészletesebbenÚtmutató az IP és Routing mérésekben használt Cisco routerek alapszint konfigurációjához i
Útmutató az IP és Routing mérésekben használt Cisco routerek alapszint konfigurációjához i 1. Bevezetés (készítette: Fodor Kristóf fodork@tmit.bme.hu) A routerek a hozzájuk csatolt hálózati szegmensek
RészletesebbenVektorterek. Wettl Ferenc február 17. Wettl Ferenc Vektorterek február / 27
Vektorterek Wettl Ferenc 2015. február 17. Wettl Ferenc Vektorterek 2015. február 17. 1 / 27 Tartalom 1 Egyenletrendszerek 2 Algebrai struktúrák 3 Vektortér 4 Bázis, dimenzió 5 Valós mátrixok és egyenletrendszerek
RészletesebbenEmlékeztető: LR(0) elemzés. LR elemzések (SLR(1) és LR(1) elemzések)
Emlékeztető Emlékeztető: LR(0) elemzés A lexikális által előállított szimbólumsorozatot balról jobbra olvassuk, a szimbólumokat az vermébe tesszük. LR elemzések (SLR() és LR() elemzések) Fordítóprogramok
RészletesebbenTANÚSÍTVÁNY. tanúsítja, hogy a Polysys Kft. által kifejlesztett és forgalmazott
TANÚSÍTVÁNY A HUNGUARD Számítástechnikai-, informatikai kutató-fejlesztő és általános szolgáltató Kft. a 15/2001.(VIII. 27.) MeHVM rendelet alapján, mint a Magyar Köztársaság Informatikai és Hírközlési
RészletesebbenSzámelméleti 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 =
RészletesebbenModern Fizika Labor Fizika BSC
Modern Fizika Labor Fizika BSC A mérés dátuma: 2009. február 23. A mérés száma és címe: 17. Folyadékkristályok Értékelés: A beadás dátuma: 2009. március 2. A mérést végezte: Zsigmond Anna Márton Krisztina
RészletesebbenMesterséges 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
RészletesebbenHÁLÓZATSZERŰEN MŰKÖDŐ LOGISZTIKÁVAL INTEGRÁLT TERMELÉSÜTEMEZÉS MEGOLDÁSA GENETIKUS ALGORITMUS ALKALMAZÁSÁVAL. OLÁH Béla
HÁLÓZATSZERŰEN MŰKÖDŐ LOGISZTIKÁVAL INTEGRÁLT TERMELÉSÜTEMEZÉS MEGOLDÁSA GENETIKUS ALGORITMUS ALKALMAZÁSÁVAL OLÁH Béla A TERMELÉSÜTEMEZÉS MEGFOGALMAZÁSA Flow shop: adott n számú termék, melyeken m számú
RészletesebbenA Turing-gép. Formális nyelvek III.
Formális nyelvek III. Általános és környezetfüggő nyelvek Fülöp Zoltán SZTE TTIK Informatikai Intézet Számítástudomány Alapjai Tanszék 6720 Szeged, Árpád tér 2. Definíció. Egy Turing-gép egy M = (Q,Σ,Γ,
RészletesebbenSzámítógép-rendszerek fontos jellemzői (Hardver és Szoftver):
B Motiváció B Motiváció Számítógép-rendszerek fontos jellemzői (Hardver és Szoftver): Helyesség Felhasználóbarátság Hatékonyság Modern számítógép-rendszerek: Egyértelmű hatékonyság (például hálózati hatékonyság)
RészletesebbenGrid felhasználás: alkalmazott matematika
Grid felhasználás: alkalmazott matematika Konvex testek egyensúlyi osztályozása a Saleve keretrendszerrel Kápolnai Richárd 1 Domokos Gábor 2 Szabó Tímea 2 1 BME Irányítástechnika és Informatika Tanszék
Részletesebben2016, Diszkrét matematika
Diszkrét matematika 2. előadás Sapientia Egyetem, Műszaki és Humántudományok Tanszék Marosvásárhely, Románia mgyongyi@ms.sapientia.ro 2016, őszi félév Miről volt szó az elmúlt előadáson? Követelmények,
RészletesebbenMegoldott feladatok november 30. n+3 szigorúan monoton csökken, 5. n+3. lim a n = lim. n+3 = 2n+3 n+4 2n+1
Megoldott feladatok 00. november 0.. Feladat: Vizsgáljuk az a n = n+ n+ sorozat monotonitását, korlátosságát és konvergenciáját. Konvergencia esetén számítsuk ki a határértéket! : a n = n+ n+ = n+ n+ =
RészletesebbenELEKTRONIKAI ALAPISMERETEK
Elektronikai alapismeretek középszint 06 ÉRETTSÉGI VIZSG 007. május 5. ELEKTRONIKI LPISMERETEK KÖZÉPSZINTŰ ÍRÁSBELI ÉRETTSÉGI VIZSG JVÍTÁSI-ÉRTÉKELÉSI ÚTMTTÓ OKTTÁSI ÉS KLTRÁLIS MINISZTÉRIM Teszt jellegű
RészletesebbenÁRAMKÖRÖK SZIMULÁCIÓJA
ÁRAMKÖRÖK SZIMULÁCIÓJA Az áramkörök szimulációja révén betekintést nyerünk azok működésébe. Meg tudjuk határozni az áramkörök válaszát különböző gerjesztésekre, különböző üzemmódokra. Végezhetők analóg
RészletesebbenSAP EAM MRS és LAM megoldásainak gyakorlati bevezetési tapasztalatai
SAP EAM MRS és LAM megoldásainak gyakorlati bevezetési tapasztalatai Nikolaidisz Kosztasz, ERP Consulting Zrt. 2018. Szeptember 10. Témák TIGÁZ DSO MRS bevezetés Magyar Közút LAM bevezetés 2 TIGÁZ - Visszatekintés
RészletesebbenPopulációdinamika kurzus, projektfeladat. Aszimptotikus viselkedés egy determinisztikus járványterjedési modellben. El adó:
Populációdinamika kurzus, projektfeladat Aszimptotikus viselkedés egy determinisztikus járványterjedési modellben El adó: Unger Tamás István okleveles villamosmérnök matematika B.Sc. szakos hallgató Szeged
RészletesebbenFiók ferde betolása. A hűtőszekrényünk ajtajának és kihúzott fiókjának érintkezése ihlette az alábbi feladatot. Ehhez tekintsük az 1. ábrát!
1 Fiók ferde betolása A hűtőszekrényünk ajtajának és kihúzott fiókjának érintkezése ihlette az alábbi feladatot. Ehhez tekintsük az 1. ábrát! 1. ábra Itt azt látjuk, hogy egy a x b méretű kis kék téglalapot
RészletesebbenNumerikus módszerek 1.
Numerikus módszerek 1. 3. előadás: Mátrixok LU-felbontása Lócsi Levente ELTE IK 2013. szeptember 23. Tartalomjegyzék 1 Alsó háromszögmátrixok és Gauss-elimináció 2 Háromszögmátrixokról 3 LU-felbontás Gauss-eliminációval
Részletesebben