A SVM OSZTÁLYOZÁSI ELJÁRÁS ALKALMAZÁSÁNAK Az SVM osztályozási GYAKORLATI eljárás alkalmazásának TAPASZTALATAI gyakorlati tapasztalatai
|
|
- Géza Henrik Bogdán
- 6 évvel ezelőtt
- Látták:
Átírás
1 A SVM OSZTÁLYOZÁSI ELJÁRÁS ALKALMAZÁSÁNAK Az SVM osztályozási GYAKORLATI eljárás alkalmazásának TAPASZTALATAI gyakorlati tapasztalatai Dr. Kozma-Bognár Veronika 1 - Szilágyi Judit 2 - Kőrösy Péter Ernő 2 - Dr. Berke József 2 1 Pannon Egyetem, Georgikon Kar, kbv@georgikon.hu 2 Gábor Dénes Főiskola, Alap- és Műszaki Tudományi Intézet, berke@gdf.hu Fény-Tér-Kép Konferencia, szeptember , Gyöngyös
2 TARTALOM SVM KVANTUMSZÁMÍTÓGÉPEK Bevezetés Célkitűzések Anyag és módszer Kutatási helyszín Alkalmazott eszközök Support Vector Machine osztályozó eljárás Eredmények Találati pontosságok Futási idők? Összefoglalás
3 CÉLKITŰZÉSEK Alapvető kutatási célok: - multispektrális légifelvételek elemzése - osztályozási eljárások alkalmazásainak vizsgálata (ENVI programba beépített ellenőrzőtt osztályozási módszerek) KIEMELT CÉL: A Support Vector Machine találati pontosságra és futási időre vonatkozó vizsgálata + majdnem kvantumszámítógép?
4 KUTATÁSI HELYSZÍN KIS-BALATON - Kányavári sziget Kis-Balaton a Balatonnal együtt világviszonylatban is egyedülálló az ökológiai rendszer. Nemzetközi jelentőségét mutatja, hogy az decemberében hatályba lépett Ramsari egyezmény alapján Európa fokozottan érzékeny területei közé tartozik as évek óta a Balaton-felvidéki Nemzeti Park Igazgatóságának fennhatósága alá tartozik. Az 1970-es években merült fel a A Kis-Balaton Vízvédelmi Rendszer (KBVR) megépítésének szüksége, amikor a Balaton vízminősége veszélybe került.
5 KIS-BALATON A KBVR I. ütemének a Hídvégi-tónak az üzembehelyezésére 1985-ben került sor. A Kányavári-sziget ezen a területen helyezkedik el. A II. ütem részleges üzembehelyezése 1992-ben valósult meg. A 2012-ben kezdődött beruházás a II. ütem területének ökológiai monitoringját valósítja meg december 31-ig (Nyugat-dunántúli Vízügyi Igazgatóság honlapja), mely nem érinti a Kányavár-szigetet. A sziget a felszínborítási kategóriák osztályozásához megfelelő tesztterületként alkalamazható, hiszen az itt található növényállományokat tekintve a növényzete igen sokszínű.
6 ALKALMAZOTT ESZKÖZÖK Paraméterek Látható tartományú légifelvételek Közeli infravörös tartományú légifelvételek érzékelő típusa Canon 30D Canon 30DIR repülési magasság (m) spektrális tartomány (nm) geometriai felbontás (m2/pixel) 0,1 0,1 adatrögzítés mélysége (bit/pixel) 12 12
7 MULTISPEKTRÁLIS LÉGIFELVÉTELEK VIS NIR
8 ADATFELDOLGOZÁS ELŐFELDOLGOZÁS DxO 8, ENVI 5 Adobe Photoshop CS6 geometriai korrekció, mozaikolás, maszkolás ENVI 5 Adobe Photoshop CS6 FŐFELDOLGOZÁS zajcsökkentés, osztályozás, ellenőrzés előfeldolgozottsági szint csatornaszám adatmélység SVM Maximum Likelihood Mahalanobis Microsoft Excel 2011 UTÓFELDOLGOZÁS hibamátrix TEMATIKUSAN OSZTÁLYOZOTT FELVÉTEL
9 ALKALMAZOTT OSZTÁLYOZÓ ELJÁRÁS Support Vector Machine Egy statisztikai (döntéselméleti) alapokon nyugvó ellenőrzött osztályozási eljárás, amelynek alkalmazásával hatékonyan kezelhetőek a magas dimenziószámú, komplex vagy zajos felvételek. Az eljárás az osztályokat döntési fával választja el egymástól, oly módon, hogy maximalizálja az osztályokat elhatároló éleket. Az osztályokat elválasztó felületet gyakran nevezik optimális hipersíknak, és a hipersíkhoz legközelebb álló tér pontjait jellemző-, vagy tartóvektoroknak (support vector). Az eredeti Support Vector Machine eljárást az 1970-es években Vladimir N. Vapnik dolgozta ki, melyet 1982-ben publikált osztályozásra alkalmas algoritmusokkal együtt (Vapnik V.N. 1982). A jelenleg általánosan használt formula Corinna Cortes és Vapnik nevével vált ismerté 1995-ben (Cortes C.-Vapnik V.N., 1995). Módszerei lineárisan elválasztható, lineárisan nem elválasztható és nemlineáris osztályozásra is egyaránt alkalmasak.
10 SUPPORT VECTOR MACHINE A lineárisan osztályozható esetekben a jellemzők terében az optimális hipersík meghatározása egy linerális függvény felírásával történik. Az N számú tanulóesetből álló (xi, yi) halmazon, ahol (yi) jelöli az osztálycímkét, értéke 1 vagy -1 aszerint, hogy (xi) mely osztályhoz tartozik, a döntési határ a következő egyenletben adható meg: ahol g az x pont távolsága a hipersíktól
11 SUPPORT VECTOR MACHINE Az osztályozás értelemszerűen annak figyelembevételével történik, hogy az adott pont a hipersík mely oldalán foglal helyet. Ezzel egyidőben a hipersíkkal párhuzamos síkok is meghatározásra kerülnek pozitív (hipersík fölött), illetve negatív irányban (hipersík alatt), melyek egy margót határolnak be, így megfelelő skálázás (w normálvektor hosszának alkalmas választása) esetén aszerint, hogy x mely osztálynak eleme, ahol d a margó szélességét jelöli. Egységes alakban felírva:
12 SUPPORT VECTOR MACHINE A módszer alkalmazása során bevezetett αi Lagrange szorzók segítségével az elválasztó hipersík egyenlete: ahol b az alábbi egyenletrendszerből számítható:
13 SVM - KERNEL TÍPUSOK Az SVM módszertan kiterjeszthető nemlineáris esetekre is úgynevezett kernelek alkalmazásával. Az eredeti koordinátatérből az adatokat áttranszformáljuk egy új térbe, ahol elvégezhetjük a korábban már bemutatott optimalizálási módszert. Az előállított döntési határ a koordináta transzformáció inverzével az eredeti tér nemlineáris döntési felülete lesz. ahol, g a gamma értéket jelöli az összes kernel típusnál, kivéve a Linear d a polynomial degree értéket jelöli a Polynomial kernel típusnál r a bias értéket jelöli a Polynomial és Sigmoid kernel típusoknál
14 EREDMÉNYEK Találati pontosságok Az SVM osztályozó eljárás találati pontosságait az egyes vizsgálati típusokkal végzett osztályozások eredményképei alapján készített hibamátrixok kiértékelésével határoztuk meg. Hat osztálykategóriát különítettünk el, amelyek a légifelvételeken - pixelszám alapján - a következő megosztásban voltak: fa (18,4%), víz (7,9%), gyep (26,9%), árnyék (16,7%), út (1,9%) és egyéb (28,3%). Az SVM osztályozó eljárás esetében mind a négy kerneltípusra vonatkozóan elkészítettük a hibamátrixokat. Az egyes kerneltípusok minél megbízhatóbb összehasonlítása érdekében több előfeldolgozottsági szintű felvételeket elemeztünk.
15 EREDMÉNYEK Találati pontosságok Megvizsgáltuk a légifelvételek osztályozásának találati pontosságát: VIS és a NIR tartományban készített légifelvételekből előállított munltispektrális légifelvételek (6 spektrális sáv) az eredményeket összehasonlítottuk a VIS tartományban készített felvétellel (3-RGB sáv) különböző adatmélységben történő feldolgozások a zajszűrést megelőzően illetve a zajszűrést követően osztályozás
16 EREDMÉNYEK Találati pontosságok SVM egyes kerneltípusai által végzett osztályozási eljárások találati pontossága
17 Hiperspektrális osztályozó eljárások összehasonlítása Osztályozás típusa Maximium likelihood SAM Paralellepiped Minimum distance Mahalanobis ÁTLAGOS TALÁLATI PONTOSSÁG (%) Teljes kép (359 sáv) SFD Zaj nélkül (300 sáv) SFD Optimális (6 sáv) SFD Optimális (21 sáv) ÖSSZESEN Mahalanobis Maximum likelihood SAM Parallelepiped Minimum distance ÁTLAG Spectral Information Divergence (SID), Binary Encoding (BE) - esetén átlagosan, jelentősen alacsonyabb értékeket kaptunk a vártnál (SID % és BE % értékek). Neural Net - NN, Support Vector Machine - SVM ugyan jelentősen magasabb értékeket adott (NN %, SVM %), ugyanakkor csak 6 vagy 21 optimális sáv esetén volt elfogatható időn belüli a futási idő (3-4 óra). A zaj nélküli (300 sáv) vagy a teljes képre (359 sáv) a mérések alapján becsült futási idő meghaladta volna az 1000 órát (40 napot) egy asztali számítógép esetén (CPU: 2.4 GHz, 4 mag, RAM: 4 GByte), ami nem elfogadható a mai gyakorlati alkalmazások eredményeit illetően, ezért nem kerültek elvégzésre.
18 EREDMÉNYEK Találati pontosságok Suppost Vector Machine összehasonlítása a Mahalanobis Distance és Maximum Likelihood által végzett osztályozási eljárások találati pontosságával: Az átlagokat figyelembe véve a Mahalanobis Distance 64,07%, a Maximum Likelihood 67,06% találati pontosságot ért el. Amennyiben összehansonlítottuk az SVM négy kerneltípusával, azt tapasztaltuk, hogy az osztályozások végereménye ennél magasabb találati pontosságot eredményezett (kivétel bizonyos esetekben a Sigmoid). Bár a 6 sáv osztályozása során magasabb találati pontosságokat kaptunk, mint a 3 sáv osztályozása során, elmondható hogy minkét esetben az SVM eljárások teljesítettek a legjobban.
19 FUTÁSI IDŐK MÉRÉSE Az ENVI az SVM eljárás használatakor egy hierarchikus, felbontáscsökkentő folyamatot hajt végre, mely az elfogadható futási idő érdekében az eredmények megbízhatóságának drasztikus csökkenése nélkül ad nagy pontosságú osztályozási eredményt. Ennek következtében a futási idő szempontjából a nagy felbontású, többsávos felvételeknél az SVM osztályozási eljárás meglehetősen számítás-, és erőforrásigényes. A futási idők vizsgálatakor a CPU-k kihasználtságát a Mac OS X beépített Activity Monitor , GUI alapon működő alkalmazás segítségével kísértük figyelemmel. A vizsgálati eszköz főbb paraméterei a következőek voltak Processzor: 2 x 2,66 GHz 6-Core Intel Xeon, Memoria: 48 GB 1333 MHz DDR3 ECC, Grafikus kártya: ATI Radeon HD MB, Operációs rendszer: Mac OS X Server Lion
20 EREDMÉNYEK Futási idők
21 ÖSSZEFOGLALÓ a Support Vector Machine osztályozási eljárás használja a legösszetettebb matematikai reprezentációjú algoritmust az ENVI szoftverben található felügyelt osztályozási eljárások közül. Ebből a komplexitásból adódik, hogy a mérések során tapasztalt feldolgozási idők is magasabbak azok időszükségleténél, valamint az is, hogy a futási idő erősen függ a helyes paraméterezéstől. Azonban a hibamátrixok elemzéseiből kitűnik, hogy az egyes osztálykategóriákra vonatkozó találati pontosság tekintetében kiemelkedőbb eredményeket produkál, amennyiben megfelelő a paraméterezés vagy előfeldolgozás. Jelen publikáció a TÁMOP A-11/1/KONV számú "Az éghajlatváltozásból eredő időjárási szélsőségek regionális hatásai és a kárenyhítés lehetőségei a következő évtizedekben" című projekt keretében készült. A projekt az Európai Unió támogatásával, az Európai Szociális Alap társfinanszírozásával valósul meg.
22 A SVM OSZTÁLYOZÁSI ELJÁRÁS ALKALMAZÁSÁNAK GYAKORLATI TAPASZTALATAI Dr. Kozma-Bognár Veronika 1 - Szilágyi Judit 2 - Kőrösy Péter Ernő 2 - Dr. Berke József 2 1 Pannon Egyetem, Georgikon Kar, kbv@georgikon.hu 2 Gábor Dénes Főiskola, Alap- és Műszaki Tudományi Intézet, berke@gdf.hu Fény-Tér-Kép Konferencia, szeptember , Gyöngyös
A Support Vector Machine osztályozó eljárás alkalmazásának eredményei multispektrális felvételek esetében
A Support Vector Machine osztályozó eljárás alkalmazásának eredményei multispektrális felvételek esetében Berke József 1 Szilágyi Judit 2 Kőrösy Péter Ernő 2 Kozma-Bognár Veronika 3 1 főiskola tanár, Gábor
RészletesebbenGépi tanulás a gyakorlatban SVM
Gépi tanulás a gyakorlatban SVM Klasszifikáció Feladat: előre meghatározott csoportok elkülönítése egymástól Osztályokat elkülönítő felület Osztályokhoz rendelt döntési függvények Klasszifikáció Feladat:
RészletesebbenVárosi környezet vizsgálata távérzékelési adatok osztályozásával
Városi környezet vizsgálata távérzékelési adatok osztályozásával Verőné Dr. Wojtaszek Małgorzata Óbudai Egyetem AMK Goeinformatika Intézet 20 éves a Térinformatika Tanszék 2014. december. 15 Felvetések
RészletesebbenTávérzékelés a precíziós gazdálkodás szolgálatában : látvány vagy tudomány. Verőné Dr. Wojtaszek Malgorzata
Távérzékelés a precíziós gazdálkodás szolgálatában : látvány vagy tudomány Verőné Dr. Wojtaszek Malgorzata Az előadás felépítése Trendek a Föld megfigyelésében (hol kezdődött, merre tart ) Távérzékelés
RészletesebbenPANNON EGYETEM ÁLLAT- ÉS AGRÁRKÖRNYEZET-TUDOMÁNYI DOKTORI ISKOLA. Doktori Iskola vezető: Dr. Anda Angéla MTA doktora
PANNON EGYETEM ÁLLAT- ÉS AGRÁRKÖRNYEZET-TUDOMÁNYI DOKTORI ISKOLA Doktori Iskola vezető: Dr. Anda Angéla MTA doktora HIPERSPEKTRÁLIS FELVÉTELEK FELDOLGOZÁSÁNAK ÉS MEZŐGAZDASÁGI ALKALMAZÁSÁNAK VIZSGÁLATA
RészletesebbenA városi vegetáció felmérése távérzékelési módszerekkel Vécsei Erzsébet
A városi vegetáció felmérése távérzékelési módszerekkel Vécsei Erzsébet Előzmények A távérzékelés az elmúlt évtizedben rohamosan fejlődésnek indult. A felhasználók részéről megjelent az igény az egyre
RészletesebbenSupport Vector Machines
Support Vector Machnes Ormánd Róbert MA-SZE Mest. Int. Kutatócsoport 2009. február 17. Előadás vázlata Rövd bevezetés a gép tanulásba Bevezetés az SVM tanuló módszerbe Alapötlet Nem szeparálható eset Kernel
RészletesebbenPanorámakép készítése
Panorámakép készítése Képregisztráció, 2009. Hantos Norbert Blaskovics Viktor Összefoglalás Panoráma (image stitching, planar mosaicing): átfedő képek összeillesztése Lépések: Előfeldolgozás (pl. intenzitáskorrekciók)
RészletesebbenLÉGI HIPERSPEKTRÁLIS TÁVÉRZÉKELÉSI TECHNOLÓGIA FEJLESZTÉSE PARLAGFŰVEL FERTŐZÖTT TERÜLETEK MEGHATÁROZÁSÁHOZ
LÉGI HIPERSPEKTRÁLIS TÁVÉRZÉKELÉSI TECHNOLÓGIA FEJLESZTÉSE PARLAGFŰVEL FERTŐZÖTT TERÜLETEK MEGHATÁROZÁSÁHOZ DEÁKVÁRI JÓZSEF 1 - KOVÁCS LÁSZLÓ 1 - SZALAY D. KORNÉL 1 - TOLNER IMRE TIBOR 1 - CSORBA ÁDÁM
RészletesebbenTeszt Az nvidia GeForce VGA kártyák gyakorlati teljesítménye a Dirt3-ban
Teszt Az nvidia GeForce VGA kártyák gyakorlati teljesítménye a Dirt3-ban Nemrég megjelent a Codemasters nevével fémjelzett Dirt3 videojáték. Kaptunk az alkalmon és megnéztük, hogy a különböző árszegmensű
RészletesebbenA VÁROSI FELSZÍNBORÍTÁS-VÁLTOZÁS VIZSGÁLATA SZEGEDEN ŰR- ÉS LÉGIFELVÉTELEK ALAPJÁN
A VÁROSI FELSZÍNBORÍTÁS-VÁLTOZÁS VIZSGÁLATA SZEGEDEN ŰR- ÉS LÉGIFELVÉTELEK ALAPJÁN A TÉRBELI FELBONTÁS HATÁSAI A VÁROSI FELSZÍNEK TÉRKÉPEZÉSÉBEN MUCSI LÁSZLÓ, HENITS LÁSZLÓ, GEIGER JÁNOS SZTE TTK Természeti
RészletesebbenA távérzékelt felvételek tematikus kiértékelésének lépései
A távérzékelt felvételek tematikus kiértékelésének lépései Csornai Gábor László István Földmérési és Távérzékelési Intézet Mezőgazdasági és Vidékfejlesztési Igazgatóság Az előadás 2011-es átdolgozott változata
RészletesebbenIntel Pentium G2120 Intel HD Graphics kártyával (3,1 GHz, 3 MB gyorsítótár, 2 mag)
Rendszerjellemzők Operációs rendszer Windows 8 64 Windows 8 Pro 64 Windows 7 Professional 32 Windows 7 Professional 64 Windows 7 Professional 32 (elérhető Windows 8 Pro 64 downgrade által) Windows 7 Professional
RészletesebbenSzámítástechnikai gépek, berendezések és szoftverek beszerzése. 1. rész Számítástechnikai gépek, berendezések beszerzése
NYÍRINFO Nonprofit Kft. számítástechnikai gépek, berendezések és szoftverek beszerzése 270 klt számítógépes munkaállomás (azonos gyártmányú számítógép, monitor, billentyűzet, egér) beszerzése az alábbi
RészletesebbenTávérzékelési technológiák a precíziós mezőgazdaságban
Távérzékelési technológiák a precíziós mezőgazdaságban Körmendy Endre Verőné Wojtaszek Malgorzata Székesfehérvár 2018. február. 07 MEGHÍVÓ Körmendy Endre Geoservice Kft. E-mail: geoservice@t-online.hu
RészletesebbenTérinformatika és Geoinformatika
Távérzékelés 1 Térinformatika és Geoinformatika 2 A térinformatika az informatika azon része, amely térbeli adatokat, térbeli információkat dolgoz fel A geoinformatika az informatika azon része, amely
RészletesebbenMatematika és Számítástudomány Tanszék
Matematika és Számítástudomány Tanszék Műszaki Tudományi Kar Matematika és Számítástudomány Tanszék Tanszékvezető: Dr. Horváth Zoltán Beosztás: Főiskolai tanár Elérhetőség: Telefon: (96)/503-647 E-mail:
RészletesebbenIsmerkedjünk tovább a számítógéppel. Alaplap és a processzeor
Ismerkedjünk tovább a számítógéppel Alaplap és a processzeor Neumann-elvű számítógépek főbb egységei A részek feladatai: Központi egység: Feladata a számítógép vezérlése, és a számítások elvégzése. Operatív
RészletesebbenGondolatok a Balaton vízjárásáról, vízháztartásáról és vízszint-szabályozásáról
Gondolatok a Balaton vízjárásáról, vízháztartásáról és vízszint-szabályozásáról Varga György varga.gyorgy@ovf.hu monitoring referens Országos Vízügyi Főigazgatóság Jakus Ádám jakus.adam2@ovf.hu kiemelt
RészletesebbenA Support Vector Machine osztályozó eljárás alkalmazása felszínborítás vizsgálatok esetében
Agrárinformatika 2014 Nemzetközi Konferencia / Agricultural Informatics 2014 International Conference A Support Vector Machine osztályozó eljárás alkalmazása felszínborítás vizsgálatok esetében Szilágyi
RészletesebbenA BIO-GENEZIS KÖRNYEZETVÉDELMI KFT. TECHNOLÓGIAI HÁTTERÉNEK FEJLESZTÉSE ÚJ ESZKÖZÖK, GÉPEK BESZERZÉSÉVEL. Projektazonosító: GOP-2.1.
A BIO-GENEZIS KÖRNYEZETVÉDELMI KFT. TECHNOLÓGIAI HÁTTERÉNEK FEJLESZTÉSE ÚJ ESZKÖZÖK, GÉPEK BESZERZÉSÉVEL Projektazonosító: GOP-2.1.1-09/A-2009-2507 FOTÓDOKUMENTÁCIÓ A BIO-GENEZIS KÖRNYEZETVÉDELMI KFT.
RészletesebbenDigitális képek feldolgozása Előfeldolgozás Radiometriai korrekció Geometriai korrekció Képjavítás Szűrők Sávok közötti műveletek Képosztályozás Utófe
Távérzékelés Digitális felvételek előfeldolgozása (EENAFOTOTV, ETNATAVERV) Erdőmérnöki szak, Környezettudós szak Király Géza NyME, Erdőmérnöki Kar Geomatikai, Erdőfeltárási és Vízgazdálkodási Intézet Földmérési
Részletesebben3D - geometriai modellezés, alakzatrekonstrukció, nyomtatás
3D - geometriai modellezés, alakzatrekonstrukció, nyomtatás 15. Digitális Alakzatrekonstrukció Méréstechnológia, Ponthalmazok regisztrációja http://cg.iit.bme.hu/portal/node/312 https://www.vik.bme.hu/kepzes/targyak/viiiav54
RészletesebbenIntel Celeron G550 Intel HD Graphics kártyával (2,6 GHz, 2 MB gyorsítótár, 2 mag)
Rendszerjellemzők Operációs rendszer Windows 8 64 Windows 8 Pro 64 Windows 7 Professional 32 Windows 7 Professional 64 Windows 7 Home Premium 32 FreeDOS Processzorok: Intel Celeron G550 Intel HD Graphics
RészletesebbenAntropogén eredetű felszínváltozások vizsgálata távérzékeléssel
Antropogén eredetű felszínváltozások vizsgálata távérzékeléssel Verőné Dr. Wojtaszek Malgorzata http://www.civertan.hu/legifoto/galery_image.php?id=8367 TÁMOP-4.2.1.B-09/1/KONV-2010-0006 projekt Alprogram:
RészletesebbenApple számítógépek összehasonlító táblázata
Remac Computer MacBook White 13" MacBook Pro 13" MacBook Pro 13" MacBook Pro 15" MacBook Pro 15" MacBookPro 15" (MC516ZH/A ) (MC374LL/A) (MC375LL/A) (MC371LL/A) (MB372LL/A) (MB373LL/A) Burkolat Polikarbonát
RészletesebbenIntel Pentium G2020 Intel HD grafikus kártyával (2,9 GHz, 3 MB gyorsítótár, 2 mag)
Rendszerjellemzők Operációs rendszer Windows 8 64 Windows 8 Pro 64 Windows 7 Ultimate 64 Windows 7 Professional 64 Windows 7 Professional 32 Windows 7 Home Premium 64 Windows 7 Home Basic 32 SUSE Linux
RészletesebbenA természettudományos laborok új lehetőségei - terepi mérés
A természettudományos laborok új lehetőségei - terepi mérés 1 Dr. Berke József CSc - 2 Dr. Berkéné Várbíró Beáta okleveles fizikus, főiskolai tanár 1 - Gábor Dénes Főiskola, Budapest 2- Vajda János Gimnázium,
RészletesebbenMatematikai geodéziai számítások 6.
Matematikai geodéziai számítások 6. Lineáris regresszió számítás elektronikus távmérőkre Dr. Bácsatyai, László Matematikai geodéziai számítások 6.: Lineáris regresszió számítás elektronikus távmérőkre
RészletesebbenInformatika a felsőoktatásban 2008 Debrecen, 2008. augusztus 27-29.
HIPERSPEKTRÁLIS FELVÉTELEK MEZŐGAZDASÁGI ÉS KÖRNYZETVÉDELMI CÉLÚ FELHASZNÁLÁSÁNAK LEHETŐSÉGEI A KESZTHELYI TÉRSÉGBEN APPLICATION OF HIPERSPEKTRAL IMAGES IN AGRICULTURE AND ENVIRONMETAL PROTECTION IN THE
RészletesebbenAnyagvizsgálati módszerek Mérési adatok feldolgozása. Anyagvizsgálati módszerek
Anyagvizsgálati módszerek Mérési adatok feldolgozása Anyagvizsgálati módszerek Pannon Egyetem Mérnöki Kar Anyagvizsgálati módszerek Statisztika 1/ 22 Mérési eredmények felhasználása Tulajdonságok hierarchikus
RészletesebbenMatematikai geodéziai számítások 6.
Nyugat-magyarországi Egyetem Geoinformatikai Kara Dr. Bácsatyai László Matematikai geodéziai számítások 6. MGS6 modul Lineáris regresszió számítás elektronikus távmérőkre SZÉKESFEHÉRVÁR 2010 Jelen szellemi
RészletesebbenGeofizikai kutatómódszerek I.
Geofizikai kutatómódszerek I. A gravitációs és mágneses kutatómódszer Dr. Szabó Norbert Péter egyetemi docens Miskolci Egyetem Geofizikai Intézeti Tanszék e-mail: norbert.szabo.phd@gmail.com 1. A gravitációs
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
RészletesebbenA KÖZÚTI KÖZLEKEDÉS HATÁSAINAK FOKOZOTTAN KITETT MEZŐGAZDASÁGI TERÜLETEK ZALA MEGYÉBEN
KÖRNYEZETTUDOMÁNYI DOKTORI ISKOLÁK KONFERENCIÁJA 2012. augusztus 30-31. ELTE, Budapest A KÖZÚTI KÖZLEKEDÉS HATÁSAINAK FOKOZOTTAN KITETT MEZŐGAZDASÁGI TERÜLETEK ZALA MEGYÉBEN Martin Gizella PhD hallgató
Részletesebben3D számítógépes geometria és alakzatrekonstrukció
3D számítógépes geometria és alakzatrekonstrukció 15. Digitális Alakzatrekonstrukció Méréstechnológia, Ponthalmazok regisztrációja http://cg.iit.bme.hu/portal/node/312 https://www.vik.bme.hu/kepzes/targyak/viiima01
Részletesebben6. számú melléklet KÖLTSÉGVETÉSI SPECIFIKÁCIÓ. a Társadalmi Megújulás Operatív Program. Új tanulási formák és rendszerek Digitális Középiskola program
6. számú melléklet KÖLTSÉGVETÉSI SPECIFIKÁCIÓ a Társadalmi Megújulás Operatív Program Új tanulási formák és rendszerek Digitális Középiskola program című pályázati felhívásához Kódszám: TÁMOP-3.2.1.B-09/2
RészletesebbenSzemélyügyi nyilvántartás szoftver
Személyügyi nyilvántartás szoftver A nexonhr személyügyi nyilvántartás szoftver a személyügyi, továbbképzési és munkaköri adatok kezelését teszi lehetővé. A szoftver támogatja a HR adminisztrációs feladatokat,
RészletesebbenMegnevezés Leírás Megjegyzés Irodai PC
1 Irodai PC Közepes PC 1 Közepes PC 2 Processzor: Intel Core i5; memória: 4 GB; merevlemez: 500GB HDD; optikai meghajtó: DVD-ROM; USB 3.0; billentyűzet; HUN; MS SMS client; SAMI client. Processzor: Intel
RészletesebbenDRÓNOK HASZNÁLATA A MEZŐGAZDASÁGBAN
DRÓNOK HASZNÁLATA A MEZŐGAZDASÁGBAN KÖRÖSPARTI JÁNOS NAIK Öntözési és Vízgazdálkodási Önálló Kutatási Osztály (ÖVKI) Szaktanári továbbképzés Szarvas, 2017. december 7. A drónok használata egyre elterjedtebb
RészletesebbenTöbbsávos légifelvételek optimális adatsávjainak meghatározása
Többsávos légifelvételek optimális adatsávjainak meghatározása Kozma-Bognár Veronika 1, Berke József 2 1 Pannon Egyetem Georgikon Kar, 8360 Keszthely, Deák F. u. 16. 2 Gábor Dénes Főiskola,1119 Budapest,
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
RészletesebbenDIGITÁLIS TEREPMODELL A TÁJRENDEZÉSBEN
DIGITÁLIS TEREPMODELL A TÁJRENDEZÉSBEN DR. GIMESI LÁSZLÓ Bevezetés Pécsett és környékén végzett bányászati tevékenység felszámolása kapcsán szükségessé vált az e tevékenység során keletkezett meddők, zagytározók,
RészletesebbenCSAPADÉK BEFOGADÓKÉPESSÉGÉNEK TÉRKÉPEZÉSE TÁVÉRZÉKELÉSI MÓDSZEREKKEL VÁROSI KÖRNYEZETBEN
MFTTT 30. VÁNDORGYŰLÉS 2015. július 03. Szolnok CSAPADÉK BEFOGADÓKÉPESSÉGÉNEK TÉRKÉPEZÉSE TÁVÉRZÉKELÉSI MÓDSZEREKKEL VÁROSI KÖRNYEZETBEN Kovács Gergő Földmérő és földrendező szak, IV. évfolyam Verőné Dr.
RészletesebbenSVM (közepesen mély bevezetés)
SVM (közepesen mély bevezetés) Adatbányászat és Keresés Csoport, MTA SZTAKI dms.sztaki.hu Szabó Adrienn 2013. április 4. Bevezetés Alapötlet Jelölések Maximum margin classier Optimalizálási feladat Tartalom
RészletesebbenSAP Business One. Áttekintés, gyakorlati ismertetı. Mosaic Business System Kft.; Support: +36 1 253-0526
Mosaic Business System Kft.; Support: +36 1 253-0526 technológia Minimum hardver- és szoftverkövetelmények Technológia Technológia Az is kétszintő kliens/szerver architektúrán alapul. A szerver a Microsoft
RészletesebbenMatematikai geodéziai számítások 5.
Matematikai geodéziai számítások 5 Hibaterjedési feladatok Dr Bácsatyai László Matematikai geodéziai számítások 5: Hibaterjedési feladatok Dr Bácsatyai László Lektor: Dr Benedek Judit Ez a modul a TÁMOP
RészletesebbenAjánlat kelte: 2008. november 18. Ajánlattevő: FTK Kft. Cím: 3531 Miskolc, Vászonfehérítő 32.
Ajánlat kelte: 2008. november 18. Ajánlattevő: FTK Kft. Cím: 3531 Miskolc, Vászonfehérítő 32. Ajánlat érvényessége: 2008. november 21. (275-ös EUR/HUF árfolyamig) Teljesíthetőség: akár 2008-as év Számítógépek:
RészletesebbenTérinformatika adatbázisból. GisOpen 2007 konferencia, 2007. március 12-14
Térinformatika adatbázisból Előzmények GVOP 4.2.2 pályázat Állami támogatás tartalomipari és közcélú tartalomszolgáltatás fejlesztésére UKIG pályázat Közcélú On-line Útinformációs Rendszer megvalósítására
RészletesebbenLOKÁLIS IONOSZFÉRA MODELLEZÉS ÉS ALKALMAZÁSA A GNSS HELYMEGHATÁROZÁSBAN
LOKÁLIS IONOSZFÉRA MODELLEZÉS ÉS ALKALMAZÁSA A GNSS HELYMEGHATÁROZÁSBAN Juni Ildikó Budapesti Műszaki és Gazdaságtudományi Egyetem BSc IV. évfolyam Konzulens: Dr. Rózsa Szabolcs MFTT 29. Vándorgyűlés,
RészletesebbenStatisztikai 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
RészletesebbenTávérzékelés. Modern Technológiai eszközök a vadgazdálkodásban
Távérzékelés Modern Technológiai eszközök a vadgazdálkodásban A távérzékelés Azon technikák összessége, amelyek segítségével információt szerezhetünk a megfigyelés tárgyáról anélkül, hogy azzal közvetlen
RészletesebbenA távérzékelés és fizikai alapjai 4. Technikai alapok
A távérzékelés és fizikai alapjai 4. Technikai alapok Csornai Gábor László István Budapest Főváros Kormányhivatala Mezőgazdasági Távérzékelési és Helyszíni Ellenőrzési Osztály Az előadás 2011-es átdolgozott
RészletesebbenAZ EXCEL CSEPEL SZÁMÍTÓGÉP KONFIGURÁCIÓ AJÁNLATAI
AZ EXCEL CSEPEL SZÁMÍTÓGÉP KONFIGURÁCIÓ AJÁNLATAI I. Standard 89.900 HUF (Gigabyte alaplap, AMD Sempron 3200+, 512MB 667MHz DDR2 RAM, 80GB SATA WD HDD, LG DVD-ROM, 17 Acer LCD monitor, Billentyűzet, Optikai
RészletesebbenKÖSZÖNTJÜK HALLGATÓINKAT!
2010. november 10. KÖSZÖNTJÜK HALLGATÓINKAT! Önök Dr. Horváth Zoltán Módszerek, amelyek megváltoztatják a világot A számítógépes szimuláció és optimalizáció jelentősége c. előadását hallhatják! 1 Módszerek,
RészletesebbenDURMA AD-R típusú hidraulikus CNC élhajlító
DURMA AD-R típusú hidraulikus CNC élhajlító A DURMA CÉG BEMUTATÁSA A Durmazlar Machine Törökország vezető gépgyártó vállalata, mely éves termelését tekintve világelső a fémmegmunkáló gépek gyártásában.
RészletesebbenINFORMATIKA Felvételi teszt 1.
INFORMATIKA Felvételi teszt 1. 1) Mi a szoftver? a) Szoftvernek nevezzük a számítógépet és minden kézzel megfogható tartozékát. b) Szoftvernek nevezzük a számítógépre írt programokat és az ezekhez mellékelt
RészletesebbenAz Invitel adatközponti virtualizációja IBM alapokon
Az Invitel adatközponti virtualizációja IBM alapokon Németh Sándor Invitel Távközlési Zrt. 2040 Budaörs, Puskás T. u. 8-10. nemeths@invitel.co.hu Tel. : +36 1 801 15 00 Tartalom 2 A tipikus IT infrastruktúra
RészletesebbenFotogrammetria és távérzékelés A képi tartalomban rejlő információgazdagság Dr. Jancsó Tamás Nyugat-magyarországi Egyetem, Geoinformatikai Kar MFTTT rendezvény 2012. Április 18. Székesfehérvár Tartalom
RészletesebbenTávérzékelés, a jöv ígéretes eszköze
Távérzékelés, a jöv ígéretes eszköze Ritvayné Szomolányi Mária Frombach Gabriella VITUKI CONSULT Zrt. A távérzékelés segítségével: különböz6 magasságból, tetsz6leges id6ben és a kívánt hullámhossz tartományokban
RészletesebbenTérinformatika a hidrológia és a földhasználat területén
Térinformatika a hidrológia és a földhasználat területén Horoszné Gulyás Margit Katona János NYME-GEO 1 Tartalom Alapok Alkalmazások, adatbázisok Térinformatika-tájhasználat Térinformatika-vízgazdálkodás
RészletesebbenMatematikai geodéziai számítások 8.
Nyugat-magyarországi Egyetem Geoinformatikai Kara Dr Bácsatyai László Matematikai geodéziai számítások 8 MGS8 modul Szintezési hálózat kiegyenlítése SZÉKESFEHÉRVÁR 2010 Jelen szellemi terméket a szerzői
RészletesebbenTibeko SZÁMÍTÓGÉPEK. Mindegyik termékünk számlával és garanciával!
HP DC7600 SFF Ár: 9.900 BrFT (7.795 NFt) Garancia: 2016.12.01. - Intel Dual-Core D820 2 2.8GHz processzor - 1GB DDR2 667MHz memória - 40GB 7200rpm SATA2 merevlemez - Intel i945g chipset - Intel GMA 950
RészletesebbenOktatási laborok felszerelésének biztosítása (tájékoztató az eljárás eredményéről)
Oktatási laborok felszerelésének biztosítása (tájékoztató az eljárás eredményéről) Közbeszerzési Értesítő száma: 2015/7 Beszerzés tárgya: Árubeszerzés Hirdetmény típusa: Tájékoztató az eljárás eredményéről
RészletesebbenTeszt: Az nvidia GeForce kártyák Crysis 2-ben mért teljesítménye
Teszt: Az nvidia GeForce kártyák Crysis 2-ben mért teljesítménye Mivel úgy gondoljuk, hogy az egyes nvidia GeForce kártyák teljesítményét legjobban egy játékteszt során lehet bemutatni, így a Dirt3 teszt
RészletesebbenA processzor hajtja végre a műveleteket. összeadás, szorzás, logikai műveletek (és, vagy, nem)
65-67 A processzor hajtja végre a műveleteket. összeadás, szorzás, logikai műveletek (és, vagy, nem) Két fő része: a vezérlőegység, ami a memóriában tárolt program dekódolását és végrehajtását végzi, az
RészletesebbenSZENZORFÚZIÓS ELJÁRÁSOK KIDOLGOZÁSA AUTONÓM JÁRMŰVEK PÁLYAKÖVETÉSÉRE ÉS IRÁNYÍTÁSÁRA
infokommunikációs technológiák SZENZORFÚZIÓS ELJÁRÁSOK KIDOLGOZÁSA AUTONÓM JÁRMŰVEK PÁLYAKÖVETÉSÉRE ÉS IRÁNYÍTÁSÁRA BEVEZETŐ A KUTATÁS CÉLJA Autonóm járművek és robotok esetén elsődleges feladat a robotok
RészletesebbenBAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011.
BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011. 1 Mérési hibák súlya és szerepe a mérési eredményben A mérési hibák csoportosítása A hiba rendűsége Mérési bizonytalanság Standard és kiterjesztett
RészletesebbenGondolatok a Balaton vízháztartásáról és vízszint-szabályozásáról az éghajlatváltozás tükrében
Gondolatok a Balaton vízháztartásáról és vízszint-szabályozásáról Varga György varga.gyorgy@ovf.hu monitoring referens Országos Vízügyi Főigazgatóság Jakus Ádám jakus.adam2@ovf.hu kiemelt műszaki referens
RészletesebbenGEOSTATISZTIKA II. Geográfus MSc szak. 2019/2020 I. félév TANTÁRGYI KOMMUNIKÁCIÓS DOSSZIÉ
GEOSTATISZTIKA II. Geográfus MSc szak 2019/2020 I. félév TANTÁRGYI KOMMUNIKÁCIÓS DOSSZIÉ Miskolci Egyetem Műszaki Földtudományi Kar Geofizikai és Térinformatikai Intézet A tantárgy adatlapja Tantárgy neve:
RészletesebbenSimon Balázs Dr. Goldschmidt Balázs Dr. Kondorosi Károly. BME, Irányítástechnika és Informatika Tanszék
Simon Balázs (sbalazs@iit.bme.hu) Dr. Goldschmidt Balázs Dr. Kondorosi Károly BME, Irányítástechnika és Informatika Tanszék Webszolgáltatások, WS-* szabványok WS-* implementációs architektúra Célkitűzés:
RészletesebbenTibeko SZÁMÍTÓGÉPEK. Mindegyik termékünk számlával és garanciával!
HP DC7600 SFF Ár: 9.900 BrFT (7.795 NFt) Garancia: 2016.12.01. - Intel Dual-Core D820 2 2.8GHz processzor - 1GB DDR2 667MHz memória - 40GB 7200rpm SATA2 merevlemez - Intel i945g chipset - Intel GMA 950
RészletesebbenDigitális címke nyomtató és kiszerelő állomás
Digitális címke nyomtató és kiszerelő állomás www.primeralabel.eu Digitális címke nyomtatás Használja a megbízható és költséghatékony Primera CX1200e-s színes címke nyomtatót lehetőségeinek, bevételeinek
RészletesebbenA fotogrammetria ismeretek és a szakmai tudás fontossága
Óbudai Egyetem Alba Regia Műszaki Kar Geoinformatikai Intézet A fotogrammetria ismeretek és a szakmai tudás fontossága 3. Légifotó Nap, Székesfehérvár, 2018. február 7. A fotogrammetria fogalma A fotogrammetria
RészletesebbenBalatoni albedó(?)mérések
Környezettudományi Doktori Iskolák Konferenciája Budapest, 2012. augusztus 30-31 PE Georgikon Kar menyhart-l@georgikon.hu Eredeti célkitűzés Balaton albedójának napi és éves menete Albedó paraméterezése
RészletesebbenNem-lineáris programozási feladatok
Nem-lineáris programozási feladatok S - lehetséges halmaz 2008.02.04 Dr.Bajalinov Erik, NyF MII 1 Elég egyszerű példa: nemlineáris célfüggvény + lineáris feltételek Lehetséges halmaz x 1 *x 2 =6.75 Gradiens
RészletesebbenSzámítógépes Grafika mintafeladatok
Számítógépes Grafika mintafeladatok Feladat: Forgassunk a 3D-s pontokat 45 fokkal a X tengely körül, majd nyújtsuk az eredményt minden koordinátájában kétszeresére az origóhoz képest, utána forgassunk
RészletesebbenTeremakusztikai méréstechnika
Teremakusztikai méréstechnika Tantermek akusztikája Fürjes Andor Tamás 1 Tartalomjegyzék 1. A teremakusztikai mérések célja 2. Teremakusztikai paraméterek 3. Mérési módszerek 4. ISO 3382 szabvány 5. Méréstechnika
RészletesebbenA hiperspektrális képalkotás elve
Távérzékelési laboratórium A VM MGI Hiperspektrális laborja korszerű hardveres és szoftveres hátterére alapozva biztosítja a távérzékelési technológia megbízható hazai és nemzetközi szolgáltatását. Távérzékelés
RészletesebbenDell Vostro 260/260S. Setup And Features Information. A Vigyázat! jelzésekről. Minitorony Elöl- és hátulnézet
Dell /260S Setup And Features Information A Vigyázat! jelzésekről WARNING: A VIGYÁZAT! jelzés az esetleges tárgyi vagy személyi sérülés, illetve életveszély lehetőségére hívja fel a figyelmet. Minitorony
RészletesebbenVizuális adatelemzés - Gyakorlat. Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék
Vizuális adatelemzés - Gyakorlat Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Adatelemzés szerepe a rendszermodellezésben Lényeges paraméterek meghatározása
RészletesebbenÚj típusú döntési fa építés és annak alkalmazása többtényezős döntés területén
Új típusú döntési fa építés és annak alkalmazása többtényezős döntés területén Dombi József Szegedi Tudományegyetem Bevezetés - ID3 (Iterative Dichotomiser 3) Az ID algoritmusok egy elemhalmaz felhasználásával
RészletesebbenMatematika osztályozó vizsga témakörei 9. évfolyam II. félév:
Matematika osztályozó vizsga témakörei 9. évfolyam II. félév: 7. Függvények: - függvények fogalma, megadása, ábrázolás koordináta- rendszerben - az elsőfokú függvény, lineáris függvény - a másodfokú függvény
Részletesebben7. A digitális talajtérképezés alapjai
Magyar Tudományos Akadémia Agrártudományi Kutatóközpont Talajtani és Agrokémiai Intézet Környezetinformatikai Osztály Pásztor László: Térbeli Talajinformációs Rendszerek/ Bevezetés a digitális talajtérképezésbe
RészletesebbenAsztali PC kínálatunk:
Asztali PC kínálatunk: Alfa Office PC Processzor: Intel Pentium Dual Core G3420-3,20GHz Memória: 4GB DDR-III 99 291 Ft + ÁFA Alfa II Offfice PC Processzor: Intel Pentium Dual Core G3460-3,50GHz Memória:
RészletesebbenIV.7 MÓDSZER KIDOLGOZÁSA FELHASZNÁLÓI ADATOK VÉDELMÉRE MOBIL ALKALMAZÁSOK ESETÉN
infokommunikációs technológiák IV.7 MÓDSZER KIDOLGOZÁSA FELHASZNÁLÓI ADATOK VÉDELMÉRE MOBIL ALKALMAZÁSOK ESETÉN ANTAL Margit, SZABÓ László Zsolt 2015, január 8. BEVEZETÉS A KUTATÁS CÉLJA A felhasználó
RészletesebbenDell Inspiron 560/570: Részletes muszaki adatok
Dell Inspiron 560/570: Részletes muszaki adatok Ez a dokumentum alapvető információkat tartalmaz a számítógép beállításáról és frissítéséről, valamint az illesztőprogramok frissítéséről. MEGJEGYZÉS: A
RészletesebbenDell Inspiron 580s: Részletes műszaki adatok
Dell Inspiron 580s: Részletes műszaki adatok Ez a dokumentum alapvető információkat tartalmaz a számítógép beállításáról és frissítéséről, valamint az illesztőprogramok frissítéséről. MEGJEGYZÉS: A kínált
RészletesebbenA roma közösségekben dolgozó védőnők munkafeltételeinek javítása című projekt OKTATÁSI ANYAG
A roma közösségekben dolgozó védőnők munkafeltételeinek javítása című projekt OKTATÁSI ANYAG Bevezetés Eszköz beüzemelése, alapvető karbantartása Alapvető, általános használathoz szükséges alapismeretek
RészletesebbenMŰHOLDAS VÁROSI HŐSZIGET VIZSGÁLAT
Városi Hősziget Konferencia Országos Meteorológiai Szolgálat 2013. szeptember 24. MŰHOLDAS VÁROSI HŐSZIGET VIZSGÁLAT Dezső Zsuzsanna, Bartholy Judit, Pongrácz Rita Eötvös Loránd Tudományegyetem Meteorológiai
RészletesebbenInformatika Rendszerek Alapjai
Informatika Rendszerek Alapjai Dr. Kutor László Alapfogalmak Információ-feldolgozó paradigmák Analóg és digitális rendszerek jellemzői Jelek típusai Átalakítás rendszerek között http://uni-obuda.hu/users/kutor/
RészletesebbenMagas szintű optimalizálás
Magas szintű optimalizálás Soros kód párhuzamosítása Mennyi a várható teljesítmény növekedés? Erős skálázódás (Amdahl törvény) Mennyire lineáris a skálázódás a párhuzamosítás növelésével? S 1 P 1 P N GPGPU
RészletesebbenTöbb valószínűségi változó együttes eloszlása, korreláció
Tartalomjegzék Előszó... 6 I. Valószínűségelméleti és matematikai statisztikai alapok... 8 1. A szükséges valószínűségelméleti és matematikai statisztikai alapismeretek összefoglalása... 8 1.1. Alapfogalmak...
RészletesebbenA termális, LIDAR és hiperspektrális technológiák alkalmazása a vörösiszapkatasztrófa hatásainak felmérésében
A termális, LIDAR és hiperspektrális technológiák alkalmazása a vörösiszapkatasztrófa hatásainak felmérésében Kákonyi Gábor, Sirotek Jan, Blom Dr. Tomor Tamás, Károly Róbert Főiskola Tartalom BLOM csoport
RészletesebbenÁLTALÁNOS SZERZŐDÉSI FELTÉTELEK
ÁLTALÁNOS SZERZŐDÉSI FELTÉTELEK I. Fogalmak: 1. Megrendelő: az a természetes személy, jogi személy vagy jogi személyiséggel nem rendelkező gazdasági társaság, aki megrendeli és használja a Szoftvert. A
RészletesebbenStatisztikai 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
RészletesebbenDell Inspiron 560s: Részletes muszaki adatok
Dell Inspiron 560s: Részletes muszaki adatok Ez a dokumentum alapvető információkat tartalmaz a számítógép beállításáról és frissítéséről, valamint az illesztőprogramok frissítéséről. MEGJEGYZÉS: A kínált
RészletesebbenBepillantás a gépházba
Bepillantás a gépházba Neumann-elvű számítógépek főbb egységei A részek feladatai: Központi egység: Feladata a számítógép vezérlése, és a számítások elvégzése. Operatív memória: A számítógép bekapcsolt
RészletesebbenSzerődésmódosítás - Eszközbeszerzés II.1
Szerődésmódosítás - Eszközbeszerzés II.1 Közbeszerzési Értesítő száma: 2014/141 Beszerzés tárgya: Árubeszerzés Adásvétel Hirdetmény típusa: Tájékoztató a szerződés módosításáról/ké/2013.07.01 KÉ Eljárás
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,
Részletesebben