Eseményvezérelt szimuláció

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "Eseményvezérelt szimuláció"

Átírás

1 Hálózat szmulácós technkák (BMEVITTD094/2005) október 3. Vdács Attla Dang Dnh Trang Távközlés és Médanformatka Tanszék Budapest Mszak és Gazdaságtudomány Egyetem Eseményvezérelt szmulácó DES Dscrete-Event Smulaton A rendszer állapota: (állapot)változók egy halmaza, amelyek egy adott pllanatban meghatározzák a rendszert (megfelel pontossággal). Dszkrét rendszer: A rendszerváltozók értéke dszkrét értékek. A rendszer modelljében az állapotváltozók értéke pllanatszeren változk különböz dpontokban. Ezek az dpontok események bekövetkezésének dpontja. esemény = Pllanatny történés amely megváltoztathatja a rendszer állapotát. Ötlet: A szmulácós d az egyk eseménytl a következ eseményg halad elre. Egy esemény két paraméter határoz meg: dpontja (azaz mkor kell az eseményt kezeln) típusa (azaz hogyan kell az eseményt kezeln) 2 1

2 DES végrehajtása 3 1. Incalzálás A szmulácó órájának nullázása. A rendszer kezdet állapotának beállítása. A következ események generálása mnden eseménytípusból (ameddg csak lehet), és az eseménylsta felállítása. 2. Id léptetése A szmulácó órájának állítása a soron következ esemény dpontjára. 3. Eseménykezelés Az esemény kezelése (az esemény által kváltott üj események generálása és az eseménylstába llesztése), és a rendszerállapot frssítése. A kezelt esemény eltávolítása a lstából. 4. Leállás feltétel Ha a leállás feltétel gazzá válk, a szmulácó leállítása, ellenkez esetben GOTO 2. DES komponense és felépítése Rendszerállapot: A rendszer (globáls) állapotváltozó Szmulácós óra: Az aktuáls szmulácós dt tartalmazó globáls változó Eseménylsta: Az elkövetkez események dpontjanak lstája Statsztka számlálók: A rendszer teljesítményérl statsztka nformácókat tároló változók. Incalzáló rutn: A szmulácós modell t = 0 dpontbel ncalzálására szolgáló alprogram. Beállítja az állapotváltozók kezdet értéket és a véletlenszám generátorok seed értéket. Tartalmazhat bemenet paraméterek bekérését vezérl rutnokat s. 4 2

3 DES komponense és felépítése (2) Idzít rutn (ütemez / scheduler / event lst manager): Karbantartja az eseménylstát Meghatározza a következ esemény dpontját az eseménylstából, és az esemény dpontjára állítja a szmulácó óráját. A szmulátor program magja, a leggyakrabban hívott része a programnak. Esemény rutn: Frssít a rendszer állapotát egy esemény bekövetkezésekor. Új eseményeket generál(hat). Mnden eseménytípushoz tartozk egy külön esemény rutn. Nyomkövet ( trace ) rutn: Közbens értékeket ír a kmenetre a szmulácó futása alatt. A hbajavítást támogatja. K/be kapcsolható. 5 DES komponense és felépítése (3) Könyvtár rutnok: Alprogramok csoportja véletlen események elállítására a modellben meghatározott eloszlások alapján. Rport generátor: A kívánt teljesítmény-paraméterek becslését végz a statsztka számlálók értékebl. A szmulácó végén jelentést készít a kívánt formátumban. F program: A szmulátor komponenset összefz. Meghívja az dzít rutnt a következ esemény meghatározására, majd átadja a vezérlést a megfelel esemény rutnnak a rendszer állapotának frssítéséhez. A f program ellenrz a leállás feltételt, majd átadja a vezérlést a rport generátornak a szmulácó végén. 6 3

4 start ncalzáló rutn fprogram dzít rutn 1. szmulácós óra = 0 2. Rendszerállapot és számlálók ncalzálása 3. Eseménylsta ncalzálás 0. nt rutn meghívása dzít rutn meghívása 2. esemény rutn meghívása esemény rutn () 2 smételten 1. Rendszerállapot frssítése 2. Számlálók állítása 3. Események generálása és eseménylstához fzése 1. Köv. esemény típusának meghatározása () 2. Szmulácós óra állítása rport generátor vége a szmulácónak? gen 1. Paraméterek becslése 2. Rport generálása nem stop Példa: Egy kszolgálós sor (folyt.) esemény rutn, érkezés érkezés Következ érkezés beütemezése Sorhossz++ Foglalt a kszolgáló? n Késleltetés = 0 az adott csomagra; statsztkák gyjtése Hbaüzenet és a szmulácó leállítása A sor betelt? Késleltetett csomagok száma++ n Csomag érkezés djének tárolása A kszolgáló állapota foglalt A csomag kszolgálás dejének ütemezése return 4

5 Egyéb szmulácós technkák Folytonos szmulácó Az állapotváltozók folytonosan változnak az dben. Tpkusan dfferencálegyenletek adják meg az összefüggést az állapotváltozók változásának sebessége között. Kombnált dszkrét-folytonos szmulácó Bzonyos rendszerek se nem dszkrétek, se nem folytonosak. 3 féle kapcsolat lehet dszkrét és folytonos állapotváltozók között: Egy dszkrét esemény hatására egy folytonos állapotváltozó értéke egy dszkrét mennységgel változk. Egy dszkrét esemény megváltoztatja egy folytonos állapotváltozó értékét meghatározó összefüggést. Egy folytonos állapotváltozó értékének változása elér egy küszöbértéket, és dszkrét eseményt generál. 9 Egyéb szmulácós technkák (2) Monte Carlo (MC) szmulácó (Általában) statkus szmulácó: Bzonyos determnsztkus vagy sztochasztkus problémák megoldása véletlenszámok használatával, ahol az d elrehaladása nem játszk lényeges szerepet. Megjegyzés: Egyes szerzk MC szmulácó néven lletnek mnden véletlenszámot használó szmulácót. Széles körben használt olyan statsztka problémák megoldására, amelyek analtkusan nem (vagy csak nagyon nehezen) megoldhatók. 10 5

Véletlenszám generátorok. 6. előadás

Véletlenszám generátorok. 6. előadás Véletlenszám generátorok 6. előadás Véletlenszerű változók, valószínűség véletlen, véletlen változók valószínűség fogalma egy adott esemény bekövetkezésének esélye értékét 0 és között adjuk meg az összes

Részletesebben

Statisztikai próbák. Ugyanazon problémára sokszor megvan mindkét eljárás.

Statisztikai próbák. Ugyanazon problémára sokszor megvan mindkét eljárás. Statsztka próbák Paraméteres. A populácó paraméteret becsüljük, ezekkel számolunk.. Az alapsokaság eloszlására van kkötés. Nem paraméteres Nncs lyen becslés Nncs kkötés Ugyanazon problémára sokszor megvan

Részletesebben

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

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

Részletesebben

ORVOSI STATISZTIKA. Az orvosi statisztika helye. Egyéb példák. Példa: test hőmérséklet. Lehet kérdés? Statisztika. Élettan Anatómia Kémia. Kérdések!

ORVOSI STATISZTIKA. Az orvosi statisztika helye. Egyéb példák. Példa: test hőmérséklet. Lehet kérdés? Statisztika. Élettan Anatómia Kémia. Kérdések! ORVOSI STATISZTIKA Az orvos statsztka helye Élettan Anatóma Kéma Lehet kérdés?? Statsztka! Az orvos döntéseket hoz! Mkor jó egy döntés? Mennyre helyes egy döntés? Mekkora a tévedés lehetősége? Példa: test

Részletesebben

Philosophiae Doctores. A sorozatban megjelent kötetek listája a kötet végén található

Philosophiae Doctores. A sorozatban megjelent kötetek listája a kötet végén található Phlosophae Doctores A sorozatban megjelent kötetek lstája a kötet végén található Benedek Gábor Evolúcós gazdaságok szmulácója AKADÉMIAI KIADÓ, BUDAPEST 3 Kadja az Akadéma Kadó, az 795-ben alapított Magyar

Részletesebben

Concurrency in Swing

Concurrency in Swing Concurrency in Swing A szálkezelés a swing alkalmazásokban is fontos. Cél egy olyan felhasználói felület készítése, amely soha nem fagy, mindig válaszol a felhasználói interakciókra, bármit is csináljon

Részletesebben

8. Előadás: Szimuláció, I.

8. Előadás: Szimuláció, I. 8. Előadás: Szimuláció, I. Wayne L. Winston: Operációkutatás, módszerek és alkalmazások, Aula Kiadó, Budapest, 2003 könyvének 21. fejezete alapján. A szimulációt komplex rendszerek elemzésére, tanulmányozására

Részletesebben

Johanyák Zsolt Csaba: Ugráló gomb oktatási segédlet Copyright 2008 Johanyák Zsolt Csaba

Johanyák Zsolt Csaba: Ugráló gomb oktatási segédlet    Copyright 2008 Johanyák Zsolt Csaba Ugráló gomb Készítsünk egy egyszerű játékprogramot, ami egy mozgó nyomógombot tartalmaz. A nyomógomb beállított ideig marad egy helyben, majd az ablakon számára elhatárolt terület (panel) egy véletlenszerűen

Részletesebben

Monte Carlo módszerek a statisztikus fizikában. Az Ising modell. 8. előadás

Monte Carlo módszerek a statisztikus fizikában. Az Ising modell. 8. előadás Monte Carlo módszerek a statisztikus fizikában. Az Ising modell. 8. előadás Démon algoritmus az ideális gázra időátlag fizikai mennyiségek átlagértéke sokaságátlag E, V, N pl. molekuláris dinamika Monte

Részletesebben

A szerzõrõl... xi Bevezetés... xiii

A szerzõrõl... xi Bevezetés... xiii TARTALOMJEGYZÉK A szerzõrõl...................................................... xi Bevezetés...................................................... xiii I. rész A Visual Basic 2005 környezet 1. óra Irány

Részletesebben

( 1) i 2 i. megbízhatóságú a levont következtetése? A matematikai statisztika eszközeivel értékelje a kapott eredményeket!

( 1) i 2 i. megbízhatóságú a levont következtetése? A matematikai statisztika eszközeivel értékelje a kapott eredményeket! 1. Név:......................... Egy szabályos pénzérmét feldobunk, ha az els½o FEJ az i-edik dobásra jön, akkor a játékos nyereménye ( 1) i i forint. Vizsgálja szimulációval a játékot, különböz½o induló

Részletesebben

Kvantum-tömörítés II.

Kvantum-tömörítés II. LOGO Kvantum-tömörítés II. Gyöngyös László BME Vllamosmérnök és Informatka Kar A kvantumcsatorna kapactása Kommunkácó kvantumbtekkel Klasszkus btek előnye Könnyű kezelhetőség Stabl kommunkácó Dszkrét értékek

Részletesebben

Programozás I gyakorlat

Programozás I gyakorlat Programozás I. - 2. gyakorlat Változók, típusok, bekérés Tar Péter 1 Pannon Egyetem M szaki Informatikai Kar Rendszer - És Számítástudományi Tanszék Utolsó frissítés: September 21, 2009 1 tar@dcs.vein.hu

Részletesebben

Digitális technika (VIMIAA02) Laboratórium 1

Digitális technika (VIMIAA02) Laboratórium 1 BUDAPESTI MŰSZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM VILLAMOSMÉRNÖKI ÉS INFORMATIKAI KAR MÉRÉSTECHNIKA ÉS INFORMÁCIÓS RENDSZEREK TANSZÉK Digitális technika (VIMIAA02) Laboratórium 1 Fehér Béla Raikovich Tamás,

Részletesebben

Programozás alapjai. 7. előadás

Programozás alapjai. 7. előadás 7. előadás Wagner György Általános Informatikai Tanszék Jótanács (1) Tipikus hiba a feladat elkészítésekor: Jótanács (2) Szintén tipikus hiba: a file-ból való törléskor, illetve a file-nak új elemmel való

Részletesebben

Digitális technika (VIMIAA02) Laboratórium 1

Digitális technika (VIMIAA02) Laboratórium 1 BUDAPESTI MŰSZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM VILLAMOSMÉRNÖKI ÉS INFORMATIKAI KAR MÉRÉSTECHNIKA ÉS INFORMÁCIÓS RENDSZEREK TANSZÉK Digitális technika (VIMIAA02) Laboratórium 1 Fehér Béla Raikovich Tamás,

Részletesebben

A sokaság/minta eloszlásának jellemzése

A sokaság/minta eloszlásának jellemzése 3. előadás A sokaság/mnta eloszlásának jellemzése tpkus értékek meghatározása; az adatok különbözőségének vzsgálata, a sokaság/mnta eloszlásgörbéjének elemzése. Eloszlásjellemzők Középértékek helyzet (Me,

Részletesebben

Digitális technika (VIMIAA02) Laboratórium 5.5

Digitális technika (VIMIAA02) Laboratórium 5.5 BUDAPESTI MŰSZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM VILLAMOSMÉRNÖKI ÉS INFORMATIKAI KAR MÉRÉSTECHNIKA ÉS INFORMÁCIÓS RENDSZEREK TANSZÉK Digitális technika (VIMIAA02) Laboratórium 5.5 Fehér Béla Raikovich Tamás,

Részletesebben

Digitális technika (VIMIAA02) Laboratórium 5

Digitális technika (VIMIAA02) Laboratórium 5 BUDAPESTI MŰSZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM VILLAMOSMÉRNÖKI ÉS INFORMATIKAI KAR MÉRÉSTECHNIKA ÉS INFORMÁCIÓS RENDSZEREK TANSZÉK Digitális technika (VIMIAA02) Laboratórium 5 Fehér Béla Raikovich Tamás,

Részletesebben

Digitális technika (VIMIAA02) Laboratórium 5

Digitális technika (VIMIAA02) Laboratórium 5 BUDAPESTI MŰSZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM VILLAMOSMÉRNÖKI ÉS INFORMATIKAI KAR MÉRÉSTECHNIKA ÉS INFORMÁCIÓS RENDSZEREK TANSZÉK Digitális technika (VIMIAA02) Laboratórium 5 Fehér Béla Raikovich Tamás,

Részletesebben

Programozás I gyakorlat

Programozás I gyakorlat Programozás I. - 2. gyakorlat Változók, kiiratás, bekérés Tar Péter 1 Pannon Egyetem M szaki Informatikai Kar Számítástudomány Alkalmazása Tanszék Utolsó frissítés: September 24, 2007 1 tar@dcs.vein.hu

Részletesebben

LabVIEW példák és bemutatók KÉSZÍTETTE: DR. FÜVESI VIKTOR

LabVIEW példák és bemutatók KÉSZÍTETTE: DR. FÜVESI VIKTOR LabVIEW példák és bemutatók KÉSZÍTETTE: DR. FÜVESI VIKTOR LabVIEW-ról National Instruments (NI) által fejlesztett Grafikus programfejlesztő környezet, méréstechnikai, vezérlési, jelfeldolgozási feladatok

Részletesebben

Programozási nyelvek (ADA)

Programozási nyelvek (ADA) Programozási nyelvek (ADA) Kozsik Tamás előadása alapján Készítette: Nagy Krisztián 1. előadás Hasznos weboldal http://kto.web.elte.hu Program felépítése Programegységek (program unit) eljárások (procedure)

Részletesebben

AliROOT szimulációk GPU alapokon

AliROOT szimulációk GPU alapokon AliROOT szimulációk GPU alapokon Nagy Máté Ferenc & Barnaföldi Gergely Gábor Wigner FK ALICE Bp csoport OTKA: PD73596 és NK77816 TARTALOM 1. Az ALICE csoport és a GRID hálózat 2. Szimulációk és az AliROOT

Részletesebben

Megoldás. Feladat 1. Statikus teszt Specifikáció felülvizsgálat

Megoldás. Feladat 1. Statikus teszt Specifikáció felülvizsgálat Megoldás Feladat 1. Statikus teszt Specifikáció felülvizsgálat A feladatban szereplő specifikáció eredeti, angol nyelvű változata egy létező eszköz leírása. Nem állítjuk, hogy az eredeti dokumentum jól

Részletesebben

Mintavételes szabályozás mikrovezérlő segítségével

Mintavételes szabályozás mikrovezérlő segítségével Automatizálási Tanszék Mintavételes szabályozás mikrovezérlő segítségével Budai Tamás budai.tamas@sze.hu http://maxwell.sze.hu/~budait Tartalom Mikrovezérlőkről röviden Programozási alapismeretek ismétlés

Részletesebben

Véletlenszám generátorok és tesztelésük. Tossenberger Tamás

Véletlenszám generátorok és tesztelésük. Tossenberger Tamás Véletlenszám generátorok és tesztelésük Tossenberger Tamás Érdekességek Pénzérme feldobó gép: $0,25-os érme 1/6000 valószínűséggel esik az élére 51% eséllyel érkezik a felfelé mutató oldalára Pörgetésnél

Részletesebben

Ellenőrző mérés mintafeladatok Mérés laboratórium 1., 2011 őszi félév

Ellenőrző mérés mintafeladatok Mérés laboratórium 1., 2011 őszi félév Ellenőrző mérés mintafeladatok Mérés laboratórium 1., 2011 őszi félév (2011-11-27) Az ellenőrző mérésen az alábbiakhoz hasonló feladatokat kapnak a hallgatók (nem feltétlenül ugyanazeket). Logikai analizátor

Részletesebben

Algoritmusok és adatszerkezetek gyakorlat 09 Rendezések

Algoritmusok és adatszerkezetek gyakorlat 09 Rendezések Algortmusok és adatszerkezetek gyakorlat 09 Rendezések Néhány órával ezelőtt megsmerkedtünk már a Merge Sort rendező algortmussal. A Merge Sort-ról tuduk, hogy a legrosszabb eset dőgénye O(n log n). Tetszőleges

Részletesebben

Ingák. Számítógépes szimulációk fn1n4i11/1. Csabai István, Stéger József

Ingák. Számítógépes szimulációk fn1n4i11/1. Csabai István, Stéger József Ingák Számítógépes szimulációk fn1n4i11/1 Csabai István, Stéger József ELTE Komplex Rendszerek Fizikája Tanszék Email: csabai@complex.elte.hu, steger@complex.elte.hu Bevezetés A harmonikus oszcillátor

Részletesebben

Programozási nyelvek (ADA)

Programozási nyelvek (ADA) Programozási nyelvek (ADA) Kozsik Tamás előadása alapján Készítette: Nagy Krisztián 3. előadás Programozási nyelv felépítése szabályok megadása Lexika Milyen egységek építik fel? Szintaktikus szabályok

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

Regresszió. Fő cél: jóslás Történhet:

Regresszió. Fő cél: jóslás Történhet: Fő cél: jóslás Történhet: Regresszó 1 változó több változó segítségével Lépések: Létezk-e valamlyen kapcsolat a 2 változó között? Kapcsolat természetének leírása (mat. egy.) A regresszós egyenlet alapján

Részletesebben

4 2 lapultsági együttható =

4 2 lapultsági együttható = Leíró statsztka Egy kísérlet végeztével általában tetemes mennységű adat szokott összegyűln. Állandó probléma, hogy mt s kezdjünk - lletve mt tudunk kezden az adatokkal. A statsztka ebben segít mnket.

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

Kommunikáció. 3. előadás

Kommunikáció. 3. előadás Kommunikáció 3. előadás Kommunikáció A és B folyamatnak meg kell egyeznie a bitek jelentésében Szabályok protokollok ISO OSI Többrétegű protokollok előnyei Kapcsolat-orientált / kapcsolat nélküli Protokollrétegek

Részletesebben

Hálózatok fejlődése A hatványtörvény A preferential attachment A uniform attachment Vertex copy. SZTE Informatikai Intézet

Hálózatok fejlődése A hatványtörvény A preferential attachment A uniform attachment Vertex copy. SZTE Informatikai Intézet Hálózattudomány SZTE Informatikai Intézet Számítógépes Optimalizálás Tanszék Előadó: London András 4. Előadás Hogyan nőnek a hálózatok? Statikus hálózatos modellek: a pontok száma (n) fix, az éleket valamilyen

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

JKL RENDSZEREK Korszerű logisztikai anyagáramlási rendszerek jellemzői. Anyagáramlási rendszerek szimulációs modellezése

JKL RENDSZEREK Korszerű logisztikai anyagáramlási rendszerek jellemzői. Anyagáramlási rendszerek szimulációs modellezése JKL RENDSZEREK Korszerű logisztikai anyagáramlási rendszerek jellemzői. Anyagáramlási rendszerek szimulációs modellezése Dr. Bohács Gábor Tanszékvezető, egyetemi docens gabor.bohacs@logisztika.bme.hu Az

Részletesebben

Sztochasztikus folyamatok alapfogalmak

Sztochasztikus folyamatok alapfogalmak Matematikai Modellalkotás Szeminárium 2012. szeptember 4. 1 Folytonos idejű Markov láncok 2 3 4 1 Folytonos idejű Markov láncok 2 3 4 Folytonos idejű Markov láncok I Adott egy G = (V, E) gráf Folytonos

Részletesebben

Dr. Oniga István DIGITÁLIS TECHNIKA 9

Dr. Oniga István DIGITÁLIS TECHNIKA 9 r. Oniga István IGITÁLIS TEHNIKA 9 Regiszterek A regiszterek több bites tárolók hálózata S-R, J-K,, vagy kapuzott tárolókból készülnek Fontosabb alkalmazások: adatok tárolása és adatmozgatás Funkcióik:

Részletesebben

Intelligens Rendszerek Elmélete

Intelligens Rendszerek Elmélete Intellgens Rendszerek Elmélete Dr. Kutor László A mesterséges neuráls hálózatok alapfogalma és meghatározó eleme http://mobl.nk.bmf.hu/tantargyak/re.html Logn név: re jelszó: IRE07 IRE 7/1 Neuráls hálózatok

Részletesebben

Windows Screencast teszt

Windows Screencast teszt Windows Screencast teszt Question 1 Mely rendszerbeállító komponens opcióit láthatjuk illetve állíthatjuk be legelsőként a Windows Server 2008 telepítése után? a. Initial Configuration Tasks b. Remote

Részletesebben

1. Név:... Neptun Kód:... Feladat: Egy összeszerel½o üzemben 3 szalag van. Mindehárom szalagon ugyanazt

1. Név:... Neptun Kód:... Feladat: Egy összeszerel½o üzemben 3 szalag van. Mindehárom szalagon ugyanazt 1. Név:......................... Egy összeszerel½o üzemben 3 szalag van. Mindehárom szalagon ugyanazt a gyártmányt készítik. Egy gyártmány összeszerelési ideje normális eloszlású valószín½uségi változó

Részletesebben

5. Laborgyakorlat. Számláló funkciók, időzítő funkciók.

5. Laborgyakorlat. Számláló funkciók, időzítő funkciók. 5. Laborgyakorlat Számláló funkciók, időzítő funkciók. A gyakorlat célja A számlálók és időzítők használata gyakori a folyamatirányításban. Gondoljunk egy futószalag indításának a késleltetésére, megállításánál

Részletesebben

BUDAPEST MŰSZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM KÖZLEKEDÉSAUTOMATIKAI TANSZÉK Bécs Tamás KÖZÚTI KÖZLEKEDÉSI RENDSZEREK MODELLEZÉSE ÉS SZTOCHASZTIKUS SZI

BUDAPEST MŰSZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM KÖZLEKEDÉSAUTOMATIKAI TANSZÉK Bécs Tamás KÖZÚTI KÖZLEKEDÉSI RENDSZEREK MODELLEZÉSE ÉS SZTOCHASZTIKUS SZI BUDAPEST MŰSZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM KÖZLEKEDÉSAUTOMATIKAI TANSZÉK Bécs Tamás KÖZÚTI KÖZLEKEDÉSI RENDSZEREK MODELLEZÉSE ÉS SZTOCHASZTIKUS SZIMULÁCIÓJA Tézsfüzet Témavezető: Dr. Péter Tamás BUDAPEST

Részletesebben

The modular mitmót system. DPY kijelző kártya C API

The modular mitmót system. DPY kijelző kártya C API The modular mitmót system DPY kijelző kártya C API Dokumentációkód: -D 01.0.0.0 Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Beágyazott Információs Rendszerek

Részletesebben

GSM kommunikációs modul riasztó funkcióval állófűtés vezérlőhöz V2.1. Kezelési útmutató NorX Kft. Minden jog fenntartva!

GSM kommunikációs modul riasztó funkcióval állófűtés vezérlőhöz V2.1. Kezelési útmutató NorX Kft. Minden jog fenntartva! GSM kommunkácós modul rasztó funkcóval állófűtés vezérlőhöz V2.1 Kezelés útmutató 2012-2014 NorX Kft. Mnden jog fenntartva! Csatlakozók T: Negatív mpulzus kmenet IN: Nyomógombos ndítás bemenet P: Pager

Részletesebben

Tartalom Tervezési egység felépítése Utasítások csoportosítása Értékadás... 38

Tartalom Tervezési egység felépítése Utasítások csoportosítása Értékadás... 38 Bevezetés... 11 1. A VHDL mint rendszertervező eszköz... 13 1.1. A gépi tervezés... 13 1.2. A VHDL általános jellemzése... 14 1.3. Tervezési eljárás VHDL-lel... 15 2. A VHDL nyelv alapszabályai... 19 2.1.

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

A LOGSYS GUI. Fehér Béla Raikovich Tamás, Laczkó Péter BME MIT FPGA laboratórium

A LOGSYS GUI. Fehér Béla Raikovich Tamás, Laczkó Péter BME MIT FPGA laboratórium BUDAPESTI MŐSZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM VILLAMOSMÉRNÖKI ÉS INFORMATIKAI KAR MÉRÉSTECHNIKA ÉS INFORMÁCIÓS RENDSZEREK TANSZÉK A LOGSYS GUI Fehér Béla Raikovich Tamás, Laczkó Péter BME MIT atórium

Részletesebben

KÖZELÍTŐ INFERENCIA II.

KÖZELÍTŐ INFERENCIA II. STATISZTIKAI TANULÁS AZ IDEGRENDSZERBEN KÖZELÍTŐ INFERENCIA II. MONTE CARLO MÓDSZEREK ISMÉTLÉS Egy valószínűségi modellben a következtetéseinket a látensek vagy a paraméterek fölötti poszterior írja le.

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

Valószínűségszámítás összefoglaló

Valószínűségszámítás összefoglaló Statisztikai módszerek BMEGEVGAT Készítette: Halász Gábor Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel:

Részletesebben

Turbulens áramlás modellezése háromszög elrendezésű csőkötegben

Turbulens áramlás modellezése háromszög elrendezésű csőkötegben Turbulens áramlás modellezése háromszög elrendezésű csőkötegben Mayer Gusztáv mayer@sunserv.kfk.hu 2005. 09. 27. CFD Workshop 1 Tartalom - Vzsgált geometra Motvácó Az áramlás jellemző Saját fejlesztésű

Részletesebben

Gyártórendszerek Dinamikája. Gyártórendszerek jellemzése és szerkezete Gyártórendszerekkel kapcsolatos mérnöki feladatok

Gyártórendszerek Dinamikája. Gyártórendszerek jellemzése és szerkezete Gyártórendszerekkel kapcsolatos mérnöki feladatok GyRDin-02 p. 1/20 Gyártórendszerek Dinamikája Gyártórendszerek jellemzése és szerkezete Gyártórendszerekkel kapcsolatos mérnöki feladatok Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék

Részletesebben

Az MSP430 mikrovezérlők digitális I/O programozása

Az MSP430 mikrovezérlők digitális I/O programozása 10.2.1. Az MSP430 mikrovezérlők digitális I/O programozása Az MSP430 mikrovezérlők esetében minden kimeneti / bemeneti (I/O) vonal önállóan konfigurálható, az P1. és P2. csoportnak van megszakítás létrehozó

Részletesebben

ABB Teach Pendant programozás segédlet

ABB Teach Pendant programozás segédlet ABB Teach Pendant programozás segédlet Készítette: Gyöngyösi Balázs Kiadja a Robert Bosch Mechatronikai Intézeti Tanszék Miskolc, 2017. Tartalomjegyzék Tartalomjegyzék... 1 1. Teach Pendant és az érintőképernyő

Részletesebben

WP1 Vezérlő Használati Útmutató

WP1 Vezérlő Használati Útmutató WP1 Vezérlő Használati Útmutató Lásd a kötési diagram. 24Volt 9Volt A vezérlő egy 9V-os Rain Bird szolenoidot működtet. Győződjön meg róla, hogy a szelepeket a vezérlővel összekötő vezeték, kisfeszültségű

Részletesebben

PWM elve, mikroszervó motor vezérlése MiniRISC processzoron

PWM elve, mikroszervó motor vezérlése MiniRISC processzoron PWM elve, mikroszervó motor vezérlése MiniRISC processzoron F1. A mikroprocesszorok, mint digitális eszközök, ritkán rendelkeznek közvetlen analóg kimeneti jelet biztosító perifériával, tehát valódi, minőségi

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

ORVOSI STATISZTIKA. Az orvosi statisztika helye. Egyéb példák. Példa: test hőmérséklet. Lehet kérdés? Statisztika. Élettan Anatómia Kémia. Kérdések!

ORVOSI STATISZTIKA. Az orvosi statisztika helye. Egyéb példák. Példa: test hőmérséklet. Lehet kérdés? Statisztika. Élettan Anatómia Kémia. Kérdések! ORVOSI STATISZTIKA Az orvos statsztka helye Életta Aatóma Kéma Lehet kérdés?? Statsztka! Az orvos dötéseket hoz! Mkor jó egy dötés? Meyre helyes egy dötés? Mekkora a tévedés lehetősége? Példa: test hőmérséklet

Részletesebben

eco1 egymotoros vezérlés

eco1 egymotoros vezérlés ECO-1 Egymotoros vezerle s oldal: 1 osszes: 4 - MŰSZAKI UTMUTATO - 1. Felépítés eco1 egymotoros vezérlés 1: Tap csatlakozo 2: Villogo csatlakozo 3: Motor csatlakozo 4: Indito bemenetek csatlakozoi 5: Biztonsagi

Részletesebben

A Feldspar fordító, illetve Feldspar programok tesztelése

A Feldspar fordító, illetve Feldspar programok tesztelése A Feldspar fordító, illetve Feldspar programok tesztelése [KMOP-1.1.2-08/1-2008-0002 társfinanszírozó: ERFA] Leskó Dániel Eötvös Loránd Tudományegyetem Programozási Nyelvek és Fordítóprogramok Tanszék

Részletesebben

5. Hét Sorrendi hálózatok

5. Hét Sorrendi hálózatok 5. Hét Sorrendi hálózatok Digitális technika 2015/2016 Bevezető példák Példa 1: Italautomata Legyen az általunk vizsgált rendszer egy italautomata, amelyről az alábbi dolgokat tudjuk: 150 Ft egy üdítő

Részletesebben

Konkurens TCP Szerver

Konkurens TCP Szerver A gyakorlat célja: Konkurens TCP Szerver Megismerkedni a párhuzamos programozás és a konkurens TCP szerver készítésének az elméleti és gyakorlati alapjaival és egy egyidejűleg több klienst is kiszolgáló

Részletesebben

S2302 programozható digitális szobatermosztát

S2302 programozható digitális szobatermosztát programozható digitális szobatermosztát Termékjellemzők: 3. 4. 5. 6. 7. 8. 9. 10. Programozhatóság: 7 napos előre programozhatóság Kijelezhető hőmérséklet tartomány 0 C~40 C (0.1 C-os lépésekben) Hőmérséklet

Részletesebben

Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék

Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék Mskolc Egyetem Gépészmérnök és Informatka Kar Informatka Intézet Alkalmazott Informatka Intézet Tanszék 2017/18 2. félév 4. Előadás Dr. Kulcsár Gyula egyetem docens EFFS Prod Sch termelésprogramozó szoftver

Részletesebben

SQLServer. Probléma megoldás

SQLServer. Probléma megoldás SQLServer 9. téma Teljesítmény elemzés Probléma megoldás Az adatbázis életében nem ritka kisérő a hibák, teljesítmény problémák jelenléte A probléma megoldáshoz használható útmutatók: - ismerni kell a

Részletesebben

Statisztikai módszerek a skálafüggetlen hálózatok

Statisztikai módszerek a skálafüggetlen hálózatok Statisztikai módszerek a skálafüggetlen hálózatok vizsgálatára Gyenge Ádám1 1 Budapesti Műszaki és Gazdaságtudományi Egyetem Villamosmérnöki és Informatikai Kar Számítástudományi és Információelméleti

Részletesebben

Robotirányítási rendszer szimulációja SimMechanics környezetben

Robotirányítási rendszer szimulációja SimMechanics környezetben Robotrányítás rendszer szmulácója SmMechancs környezetben 1. A gyakorlat célja A SmMechancs szoftvereszköz megsmerése, alkalmazása robotka rendszerek rányításának szmulácójára. Két szabadságfokú kar PID

Részletesebben

Bevezetés a programozásba I.

Bevezetés a programozásba I. Bevezetés a programozásba I. 9. gyakorlat Intelligens tömbök, mátrixok, függvények Surányi Márton PPKE-ITK 2010.11.09. C++-ban van lehetőség (statikus) tömbök használatára ezeknek a méretét fordítási időben

Részletesebben

Erdő generálása a BVEPreproc programmal

Erdő generálása a BVEPreproc programmal Erdő generálása a BVEPreproc programmal Első lépés, hogy elkészítjük a falevél objektumot. Ezeket fogjuk rárakni a faág objektumokra, majd jön a fatörzs... Ez csak vicc volt. Elkészítjük/összeollózzuk

Részletesebben

Tanulás az idegrendszerben. Structure Dynamics Implementation Algorithm Computation - Function

Tanulás az idegrendszerben. Structure Dynamics Implementation Algorithm Computation - Function Tanulás az idegrendszerben Structure Dynamics Implementation Algorithm Computation - Function Tanulás pszichológiai szinten Classical conditioning Hebb ötlete: "Ha az A sejt axonja elég közel van a B sejthez,

Részletesebben

Univerzális szekrénybe szerelhet eszközök

Univerzális szekrénybe szerelhet eszközök Univerzális szekrénybe szerelhet eszközök Univerzális mérmszerek Adat gyjt rendszer Medd teljesítmény kompenzáló rendszer Univerzális mérmszerek UMG 96L 96 96mm-es táblamszer mérhet paraméterek: V, A,

Részletesebben

C2RF Többzónás programozható vezeték nélküli digitális szobatermosztát

C2RF Többzónás programozható vezeték nélküli digitális szobatermosztát Többzónás programozható vezeték nélküli digitális szobatermosztát Termékjellemzők: 3. 4. 5. 6. 7. 8. 9. 10. 1 Kijelezhető hőmérséklet tartomány: 0 C - 40 C (0,1 C lépésekben) Hőmérséklet állítási tartomány:

Részletesebben

20 PONT Aláírás:... A megoldások csak szöveges válaszokkal teljes értékőek!

20 PONT Aláírás:... A megoldások csak szöveges válaszokkal teljes értékőek! SPEC 2009-2010. II. félév Statsztka II HÁZI dolgozat Név:... Neptun kód: 20 PONT Aláírás:... A megoldások csak szöveges válaszokkal teljes értékőek! 1. példa Egy üzemben tejport csomagolnak zacskókba,

Részletesebben

Tanulás Boltzmann gépekkel. Reiz Andrea

Tanulás Boltzmann gépekkel. Reiz Andrea Tanulás Boltzmann gépekkel Reiz Andrea Tanulás Boltzmann gépekkel Boltzmann gép Boltzmann gép felépítése Boltzmann gép energiája Energia minimalizálás Szimulált kifűtés Tanulás Boltzmann gép Tanulóalgoritmus

Részletesebben

Függvények int, long 1. Adott a mellékelt f alprogram.

Függvények int, long 1. Adott a mellékelt f alprogram. Függvények int, long 1. Adott a mellékelt f alprogram. Határozzon meg két különböző természetes értéket az [1,50] intervallumból, amelyeket felvehet az x egész változó, úgy hogy az f(30,x) térítse vissza

Részletesebben

Véletlen gráfok szerkesztésekor n csomópontból indulunk ki. p valószínűséggel két csomópontot éllel kötünk össze.

Véletlen gráfok szerkesztésekor n csomópontból indulunk ki. p valószínűséggel két csomópontot éllel kötünk össze. 9. előadás P(k) k Véletlen gráfok szerkesztésekor n csomópontból ndulunk k. p valószínűséggel két csomópontot éllel kötünk össze. A fokszámok Posson eloszlásúak P( k) = e pn ( pn) k! k http://www.ct.nfn.t/cactus/applets/gant%20component.html

Részletesebben

Autóipari beágyazott rendszerek. Local Interconnection Network

Autóipari beágyazott rendszerek. Local Interconnection Network Autóipari beágyazott rendszerek Local Interconnection Network 1 Áttekintés Motiváció Kis sebességigényű alkalmazások A CAN drága Kvarc oszcillátort igényel Speciális perifériát igényel Két vezetéket igényel

Részletesebben

Programozási nyelvek Java

Programozási nyelvek Java statikus programszerkezet Programozási nyelvek Java Kozsik Tamás előadása alapján Készítette: Nagy Krisztián 2. előadás csomag könyvtárak könyvtárak forrásfájlok bájtkódok (.java) (.class) primitív osztály

Részletesebben

Az esztergálás műveletelem szintű modelljét, amely alkalmas folyamat menedzselési döntések támogatására is, a következő alfejezetek foglalják össze.

Az esztergálás műveletelem szintű modelljét, amely alkalmas folyamat menedzselési döntések támogatására is, a következő alfejezetek foglalják össze. 4.2 A orgácsolás műeletelem Az esztergálás műeletelem szntű modelljét, amely alkalmas olyamat menedzselés döntések támogatására s, a köetkező alejezetek oglalják össze. 4.2. Geometra szonyok Az esztergálás

Részletesebben

Társadalmi és gazdasági hálózatok modellezése

Társadalmi és gazdasági hálózatok modellezése Társadalmi és gazdasági hálózatok modellezése 6. el adás Hálózatok növekedési modelljei: `uniform és preferential attachment' El adó: London András 2015. október 12. Hogyan n nek a hálózatok? Statikus

Részletesebben

CAN alapú járműves adatokat megjelenítő szoftver fejlesztése

CAN alapú járműves adatokat megjelenítő szoftver fejlesztése CAN alapú járműves adatokat megjelenítő szoftver fejlesztése Beszámoló Dokumentum szám: D01-018-08-05 Dokumentum dátum: 2014. január 30. Szerző(k): Jánky Szabolcs (szabolcs.janky@inventure.hu) http://

Részletesebben

KÖZELÍTŐ INFERENCIA II.

KÖZELÍTŐ INFERENCIA II. STATISZTIKAI TANULÁS AZ IDEGRENDSZERBEN KÖZELÍTŐ INFERENCIA II. MONTE CARLO MÓDSZEREK ISMÉTLÉS Egy valószínűségi modellben a következtetéseinket a látensek vagy a paraméterek fölötti poszterior írja le.

Részletesebben

Eseményvezérelt alkalmazások

Eseményvezérelt alkalmazások Szabóné Nacsa Rozália nacsa@inf.elte.hu Eseményvezérelt alkalmazások A Windows alkalmazások eseményvezérelt alkalmazások Esemény: egér kattintás billenty leütés stb. Üzenetkezelés Operációs rendszer kódja

Részletesebben

I. A közlekedési hálózatok jellemzői II. A közlekedési szükségletek jellemzői III. Analitikus forgalom-előrebecslési modell

I. A közlekedési hálózatok jellemzői II. A közlekedési szükségletek jellemzői III. Analitikus forgalom-előrebecslési modell Budapest Műszak és Gazdaságtudomány Egyetem Közlekedésmérnök és Járműmérnök Kar Közlekedésüzem Tanszék HÁLÓZATTERVEZÉSI MESTERISKOLA BEVEZETÉS A KÖZLEKEDÉS MODELLEZÉSI FOLYAMATÁBA Dr. Csszár Csaba egyetem

Részletesebben

Megkülönböztetett kiszolgáló routerek az

Megkülönböztetett kiszolgáló routerek az Megkülönböztetett kiszolgáló routerek az Interneten Megkülönböztetett kiszolgálás A kiszolgáló architektúrák minősége az Interneten: Integrált kiszolgálás (IntServ) Megkülönböztetett kiszolgálás (DiffServ)

Részletesebben

Dinamikus modell: állapotdiagram, szekvencia diagram

Dinamikus modell: állapotdiagram, szekvencia diagram Programozási : állapotdiagram, szekvencia diagram osztályszerep Informatikai Kar Eötvös Loránd Tudományegyetem 1 osztályszerep Tartalom 1 2 3 osztályszerep 2 Bevezető Állapot Interakciós Tevékenység osztályszerep

Részletesebben

Sztochasztikus tartalékolás és a tartalék függése a kifutási háromszög időperiódusától

Sztochasztikus tartalékolás és a tartalék függése a kifutási háromszög időperiódusától Sztochasztkus tartalékolás és a tartalék függése a kfutás háromszög dőperódusától Faluköz Tamás Vtéz Ildkó Ibola Kozules: r. Arató Mklós ELTETTK Budapest IBNR kfutás háromszög IBNR: curred but ot reported

Részletesebben

S2302RF vezeték nélküli programozható digitális szobatermosztát

S2302RF vezeték nélküli programozható digitális szobatermosztát vezeték nélküli programozható digitális szobatermosztát Termékjellemzők: 3. 4. 5. 6. 7. 8. 9. 10. 1 1 Programozhatóság: 7 napos előre programozhatóság Kijelezhető hőmérséklet tartomány 0 C~40 C (0.1 C-os

Részletesebben

NGB_IN040_1 SZIMULÁCIÓS TECHNIKÁK dr. Pozna Claudio Radu, Horváth Ernő

NGB_IN040_1 SZIMULÁCIÓS TECHNIKÁK dr. Pozna Claudio Radu, Horváth Ernő SZÉCHENYI ISTVÁN EGYETEM Műszaki Tudományi Kar Informatika Tanszék BSC FOKOZATÚ MÉRNÖK INFORMATIKUS SZAK NGB_IN040_1 SZIMULÁCIÓS TECHNIKÁK dr. Pozna Claudio Radu, Horváth Ernő Fejlesztői dokumentáció GROUP#6

Részletesebben

Automatikus tesztgenerálás modell ellenőrző segítségével

Automatikus tesztgenerálás modell ellenőrző segítségével Méréstechnika és Információs Rendszerek Tanszék Automatikus tesztgenerálás modell ellenőrző segítségével Micskei Zoltán műszaki informatika, V. Konzulens: Dr. Majzik István Tesztelés Célja: a rendszerben

Részletesebben

Függvények ábrázolása

Függvények ábrázolása Függvények ábrázolása Matematikai függvényeket analitikusan nem tudunk a matlabban megadni (tudunk, de ilyet még nem tanulunk). Ahhoz, hogy egy függvényt ábrázoljuk, hasonlóan kell eljárni, mint a házi

Részletesebben

2 Wigner Fizikai Kutatóintézet augusztus / 17

2 Wigner Fizikai Kutatóintézet augusztus / 17 Táguló sqgp tűzgömb többkomponensű kéma kfagyása Kasza Gábor 1 és Csörgő Tamás 2,3 1 Eötvös Loránd Tudományegyetem 2 Wgner Fzka Kutatóntézet 3 Károly Róbert Főskola 2015. augusztus 17. Gyöngyös - KRF 1

Részletesebben

Mérés, Vezérlés. mérésadat rögzítés CMC - 99 CMC kis és nagytestvér

Mérés, Vezérlés. mérésadat rögzítés CMC - 99 CMC kis és nagytestvér Mérés, Vezérlés mérésadat rögzítés CMC - 99 CMC - 141 kis és nagytestvér Bevezetés A MultiCon eszközök nagyhatékonyságú kijelzőt, mérés adatgyűjtőt és szabályzókat foglalnak magukban. Mindez a tudás és

Részletesebben

ITIL alapú IT környezet kialakítás és IT szolgáltatás menedzsment megvalósítás az FHB-ban

ITIL alapú IT környezet kialakítás és IT szolgáltatás menedzsment megvalósítás az FHB-ban IBM Global Technology Services ITIL alapú IT környezet kialakítás és IT szolgáltatás menedzsment megvalósítás az FHB-ban ITSMF Magyarország 3. szemináriuma Tild Attila, ISM IBM Magyarországi Kft. 2006

Részletesebben