Bevezetés 1. Ábra A minták nyers spektrumai Felhasznált anyagok és módszerek

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "Bevezetés 1. Ábra A minták nyers spektrumai Felhasznált anyagok és módszerek"

Átírás

1 Közeli infravörös spektroszkópiában (NIR) alkalmazott kalibrációs modellek összehasonlítása növényolajok minőségi jellemzőinek meghatározására Comparison of calibration models based on near infrared spectroscopy data for the determination of plant oil properties Fülöp András, Hancsók Jenő Pannon Egyetem Vegyészmérnöki és Folyamatmérnöki Intézet Ásványolaj és Széntechnológia Intézeti Tanszék 8201 Veszprém, Pf.: 158. Summary The near infrared spectroscopy (NIR) is an analytical method based on the absorption of electromagnetic energy in the wavenumber region of cm -1. The absorption bands in this region are ascribed to the overtones and combinations of C-H, N-H, O-H bonds, which exist in most organic compounds. This type of technique allows multi-component analysis in a fast and non-destructive way, without requiring complex sample pre-treatments. In the NIR region a component typically absorbs electromagnetic radiation at more than one wavenumber, and the absorbance at a given wavenumber is usually caused by more than one component. That s why the establishment of a suitable mathematical calibration model is very difficult. In our research work, four calibration model approaches were compared on the basis of the capability to predict the concentration of oleic acid of vegetable oils. These approaches were: partial least squares regression (PLS), principal component analysis-multiple linear regression (PCA-MLR), principal component analysis-artificial neural network (PCA-ANN) and genetic algorithm-artificial neural network (GA-ANN). The PCA and GA wavenumber selection methods were applied to extract relevant information from lots of spectral data. In order to improve the correlation between the spectral data, and the analytical reference data spectral pre-processing methods were also applied. The best spectra pre-processing method, and the calibration model parameters were found in respect of each model type and the prediction efficiencies were compared using external validation. In the course of external validation the established calibration models were tested with samples having known oleic acid content and they were not included in the calibration set. The comparison of the different calibration models was based on the accuracy of the prediction. The results of the external validation show that the accuracies of the different models at the optimal calibration parameters differ significantly. The best approximation was found using GA-ANN model type, however, this approach was very time consuming because of the complexity of the method. 1

2 Bevezetés A közeli infravörös spektroszkópia (NIR) egy jól kidolgozott analitikai módszer, amely az anyagok elektromágneses-sugárzás abszorpcióján alapul a cm -1 hullámszám tartományban. Ez a módszer alkalmas összetett, többkomponensű rendszerek (motorbenzinek, dízelgázolajok, növényolajok, stb) fizikai és kémiai tulajdonságainak gyors, roncsolásmentes meghatározására különösebb mintaelőkészítés alkalmazása nélkül. A módszer nehézségét az okozza, hogy a NIR spektrum tartományában egy komponensnek jellemzően több hullámszám értéknél van abszorbanciája, valamint egy hullámszám értéknél a vizsgált minta több komponensének is van elnyelése. Ezért a spektrális adatok információtartalmának kinyerése, valamint a minták spektrumai és referencia adatai közötti korreláció felderítése és modellezése rendkívül bonyolult feladat. Az abszorbancia spektrumok adatmátrixából a növényolaj tulajdonságokkal korrelációban lévő hullámszám régiók meghatározását a PCA (főkomponens analízis) és GA (genetikus algoritmus) hullámszám kiválasztási módszerek alkalmazásával végeztük. A regressziót, a kiválasztott hullámszám régiók alkalmazásával, az MLR (lineáris regresszió) és ANN (mesterséges neurális hálózat) modell típusokkal végeztük el. Ezen kívül a kemometriában legelterjedtebben alkalmazott regressziós módszerrel, a PLS (részleges legkisebb négyzetek módszere) módszerrel is elvégeztük a kísérleteket. Felhasznált anyagok és módszerek Növényolaj minták A kísérletek során 144 különböző típusú Magyarországról származó repce- és napraforgóolajat vizsgáltunk. A 144 mintából 102 mintát a kalibrációhoz, 42 mintát a külső validáláshoz használtunk fel. A minták olajsav-tartalmát az EN szabvány szerint határoztuk meg. Spektrumok felvétele A NIR méréshez egy, a BRUKER cég által gyártott MPA típusú közeli infravörös spektrométert használtunk, amely az OPUS vezérlő és kiértékelő szoftvert tartalmazza. Minden minta abszorbancia spektrumát cm -1 hullámszám tartományban 2 cm -1 -es felbontással vettük fel transzmissziós módban (1. Ábra) [6]. Ezt követően a spektrális adatokat egy adatfájlba mentettük és ezt használtuk a további kísérletekhez. 1. Ábra A minták nyers spektrumai A modellek optimalizálása során megállapítottuk, hogy jobb közelítést érhetünk el, ha a teljes tartományt leszűkítjük. Így a kísérletekhez a teljes tartománynak csak a cm -1 -es részét használtuk fel. Alkalmazott szoftverek és programok A kísérletekhez a MATLAB szoftvercsomag alkalmazásait és általunk írt programokat használtunk fel. Kalibráció A kalibrációhoz 102 különböző olajsav-tartalmú növényolaj mintát használtunk. A modellek kalibrációját keresztvalidálás alkalmazásával végeztük úgy, hogy minden kalibrációs körben egy mintát hagytunk ki. Így az adott modell pontossága a keresztvalidálás során számított hibanégyzet átlagának négyzetgyökével (RMSECV = root mean 2

3 squared error of cross validation) fejezhető ki. A kísérletek során az RMSECV értékek alapján határoztuk meg az optimális modellparamétereket [1]. Modelloptimalizálás Egy adott modelltípus többféle paraméter létezik, amelyek nagymértékben befolyásolják az adott modell teljesítményét. Az optimalizálás során minden modell típusnál megkerestük azt a paraméterkombinációt, amely alkalmazásával a modell a legjobb közelítést adja. Az optimalizálást keresztvalidálás alkalmazásával végeztük. Az optimalizálás során az egyes modell típusoknál változtatott paraméterek és azok értékei az 1. táblázatban láthatók. Modelltípus PCA-MLR Főkomponensek száma 1-20 PLS Látens változók száma 1-20 PCA-ANN Főkomponensek száma 1-20 Változók száma 1-20 GA-ANN Az egyedek száma egy populáción belül 1-30 Generációk száma Táblázat Az optimalizálás során változtatott paraméterek Az ANN regressziós módszerek a rejtett rétegben 5 neuront használtunk minden esetben, és ezt a paramétert a kísérletek során nem változtattuk. Ennek oka, hogy a kísérletek során a neuronok száma nem befolyásolta jelentősen a modellek teljesítményét. Az optimalizálás során az egyes modellek a fent említett paraméterek mellett különböző típusú spektrumkezelési módszereket is változtattuk. Ezek a módszerek a következők voltak: átlag-eltolás (mean-centering), skálázás (autoscale), első derivált (differentiation), második derivált (double differentiation) [3]. Külső validálás A külső validálás során az optimalizálás után kapott kalibrációs modelleket a kalibrációs sorban nem szereplő, ismert tulajdonságú növényolaj mintákkal teszteltük. Ehhez 42 különböző olajsav tartalmú növényolaj mintát használtunk fel. A kísérlet eredményeként a modellel számított és a tényleges olajsav-tartalom összehasonlításával számítottuk ki az egyes modelleknél a számítás hibaértékét (RMSEP= root mean squared error of prediction), és ez alapján hasonlítottuk össze az egyes modellek hatékonyságát. Eredmények PCA-MLR modell A PCA-MLR módszer a legegyszerűbb kalibrációs modelltípus, amely a PCA hullámszám kiválasztási módszer és az MLR regressziós módszer kombinációja. A módszert a szakirodalomban PCRnek (principal component regression), azaz főkomponens regressziónak is rövidítik. A PCA a mérnöki gyakorlatban is széles körben alkalmazott többváltozós statisztikai módszer, amely nagyméretű adatmátrixokban lévő változók számának a csökkentésére alkalmas. A közeli infravörös spektroszkópiában a PCA algoritmus a spektrális adatmátrixot néhány ortogonális vektorral (főkomponenssel) helyettesíti, úgy, hogy az első vektor (első főkomponens) reprezentálja az eredeti adatmátrix varianciájának a legnagyobb százalékát, a második vektor (második főkomponens) reprezentálja az adatmátrix varianciájának második legnagyobb százalékát, és így tovább. Így a PCA az eredeti spektrális adatmátrixból kinyeri azokat a hullámszám tartományokat, ahol az adott komponens abszorbanciája a legvalószínűbb. A PCR módszernél kapott főkomponenseket használjuk a lineáris regresszió (MLR) független változóiként. Így a módszer alkalmassá válik az adott komponens koncentrációjának becslésére [3]. A PCA-MLR optimális modellparaméterei a 2. táblázatban láthatók. Az olajsav koncentrációjának meghatározásánál a külső validálás során kapott eredményeket a 2. ábra mutatja. Az ábrán a koncentráció kalibrációs modell által számított értékeket ábrázoltuk a tényleges adatok 3

4 függvényében. A modell jóságát az mutatja, hogy számított értékek (pontok) mennyire közelítik a tényleges értékeket (egyenes vonal). A kísérlet során az optimális modellparaméterek mellett elért legkisebb modellhiba értéke 3,89 volt. Spektrumkezelési módszer átlag-eltolás Főkomponensek száma Táblázat A PCA-MLR modell optimális paraméterei Spektrumkezelési módszer skálázás Látens változók száma 12 Olajsav számított koncentrációja, % 3. Táblázat A PLS modell optimális paraméterei Olajsav tényleges koncentrációja, % 2. Ábra A külső validálás eredményei a PCA-MLR modell PLS modell A részleges legkisebb négyzetek módszere a kemometriában legszélesebb körben alkalmazott modelltípus. A PLS regresszió a PCR továbbfejlesztett formája, amely a mátrix dimenzió csökkentését és a regressziót szimultán hajtja végre. A legnagyobb előnye a PCR-el szemben, hogy a PLS a látens változók számításánál figyelembe veszi a spektrális adatok és a kalibrációs minták koncentrációi közötti korrelációt is. Így a látens változók közvetlenül a kérdéses komponensre utalnak nemcsak annak valószínűségére [3]. A PLS modell optimális modellparamétereit a 3. táblázat tartalmazza, a külső validálás eredményét pedig a 3. ábra szemlélteti. A PLS modell alkalmazásával a külső validálásnál elérhető legjobb közelítésnél a modellhiba értéke 1,65 volt. 3. Ábra A külső validálás eredményei a PLS modell PCA-ANN modell Ez a modelltípus a PCA hullámszám kiválasztási módszernek és az ANN (mesterséges neurális hálózat) regressziós módszernek a kombinációja. A mesterséges neurális hálózatokat széles körben használják a műszaki tudományok különböző területein, de csak az utóbbi időben kezdték alkalmazni a kemometriában. Ez a módszer többváltozós lineáris és nemlineáris rendszerek modellezésére (interpoláció, extrapoláció) alkalmas. Kísérleteinkben egy előrecsatolásos MLP (Multilayer Perceptron) típusú neurális hálozatot használtunk a levenberg-marquard tanulási algoritmus alkalmazásával. A hálózat egy rejtett rétegből állt, amelyben a neuronok számát 5-nek választottuk, és a kísérletek során ezt nem is változtattuk. A hálózat betanítása során 200 iterációt alkalmaztunk. Aktiválási függvényként lineáris átviteli függvényeket használtunk mind a rejtett, mind pedig a kimeneti réteg neuronjainál, mert alapvetően azt feltételeztük, hogy lineáris kapcsolat áll fenn a kalibrációs minták koncentráció értékei és azok 4

5 abszorbancia spektrumai között. A bemeneti rétegben átviteli függvényt nem alkalmaztunk [3, 4]. Az optimális PCA-ANN modellparaméterek a 4. táblázatban láthatók, a külső validálás során nyert eredményeket pedig a 4. ábra mutatja. A külső validálás során a PCA-ANN modell modellhiba értéke 1,15 volt. Spektrumkezelési módszer skálázás Látens változók száma 8 4. Táblázat A PCA-ANN modell optimális paraméterei Olajsav számított koncentrációja, % 4. Ábra A külső validálás eredményei a PCA-ANN modell GA-ANN modell Ez a modelltípus a GA (genetikus algoritmus) hullámszám kiválasztási módszert és az ANN regressziós modellt alkalmazza. A genetikus algoritmus egy többváltozós adaptív szélsőérték kereső algoritmus, amelynek mechanizmusa a természetes génállomány öröklődésének és a természetes kiválasztódásnak az elvén alapul. Az algoritmus egy véletlenszerűen összeállított populáció generálásával indul. A populáció minden egyes egyede az ANN modell egy lehetséges megoldását reprezentálja. Esetünkben egy egyed annyi hullámszám értékből áll, ahány változót szeretnénk használni. Az algoritmus a megfelelőségi vizsgálat során a populáció minden egyes egyedét alkalmazza a modellen, és minden egyedre kiszámítja a modellhiba értékét. Ezután a legkisebb modellhibát adó egyedek kombinálásával genetikus operátorok segítségével létrehozza a következő generációt. Ezek a genetikus operátorok a szelekció, a keresztezés és a mutáció. Az algoritmus előrehaladtával az egyes populációk egyedeire kapott modellhiba egyre kisebb lesz, és végül a genetikus algoritmus kiválasztja azokat a hullámszám értékeket, ahol az ANN modell hibája a legkisebb. A külső validálás során a genetikus algoritmus által kiválasztott hullámszám értékeket alkalmazzuk az olajsav koncentrációjának meghatározására [4, 5]. Az optimális GA-ANN modell paramétereit az 5. táblázatban foglaltam össze, a külső validálás eredményét pedig az 5. ábra mutatja. A vizsgált négy modell közül a GA-ANN modell alkalmazásával értük el a legkisebb modellhibát, amelynek értéke 0,89 volt. Spektrumkezelési módszer 1. derivált Változók száma 7 Az egyedek száma egy populációban 30 Generációk száma 8 Olajsav számított koncentrációja, % 5. Táblázat A GA-ANN modell optimális paraméterei 5. Ábra A külső validálás eredményei a GA-ANN modell 5

6 Összefoglalás Az optimális modell-paraméterek mellett a külső validálás során kapott RMSEP értékek alapján összehasonlítva az egyes módszerek predikciós hatékonyságát, azt találtuk, hogy a legjobb közelítést a GA-ANN modell, a legrosszabb közelítést a PCA- MLR modell alkalmazásával lehet elérni (6. táblázat). Modell típus RMSEP PCA-MLR 3,89 PLS 1,65 PCA-ANN 1,15 GA-ANN 0,89 6. Táblázat Az egyes modelleknél kapott RMSEP értékek Meg kell jegyeznünk azonban, hogy a négy vizsgált modelltípus közül a GA-ANN módszer algoritmusa volt legösszetettebb és ebből adódóan a kalibráció és optimalizálás itt volt a legidőigényesebb. Ehhez még hozzájárult a modellparaméterek nagy száma is, amelyeket az optimalizálás során változtatni kellett. REFERENCES [1] Kim, K.S., Park, S.H., Choung, M.G., Jang, Y.S., Journal of Crop Science and Biotechnology, 10, 15-20, (2007) [2] Felizardo, P., Baptista, P., Menezes, J.C., J. Neiva Correia, J., Analytica Chimica Acta, 595, (2007) [3] Balabin, R.M., Safieva, R.Z., Lomakina, E.I., Chemometrics and Intelligent Laboratory Systems, 88, , (2007) [4] Nan, Q., Lihua, W., Mingchao, Z., Ying, D., Yulin, R., Chemometrics and Intelligent Laboratory Systems, 90, , (2008) [5] Yibin, Y., Yande, L., Journal of Food Engineering, 84, , (2008) [6] Fülöp, A., Magyar, Sz., Krár, M., Hancsók, J., Proceedings of 43rd International Petroleum Conference, Pozsony, 7, (2007) 6

Pannon Egyetem Vegyészmérnöki és Folyamatmérnöki Intézet Ásványolaj és Széntechnológia Intézeti Tanszék 8201 Veszprém, Pf.: 158.

Pannon Egyetem Vegyészmérnöki és Folyamatmérnöki Intézet Ásványolaj és Széntechnológia Intézeti Tanszék 8201 Veszprém, Pf.: 158. övényolajok minőségi jellemzőinek meghatározása közeli infravörös spektroszkópia ( IR) alkalmazásával Application of near infrared ( IR) spectroscopy for the determination of vegetable oil quality properties

Részletesebben

Neurális hálózatok bemutató

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

Részletesebben

A derivált arány és a polár minsít rendszer kiértékelése adatelemzési szempontból gyógyszeripari tabletták transzmittancia adatainak felhasználásával

A derivált arány és a polár minsít rendszer kiértékelése adatelemzési szempontból gyógyszeripari tabletták transzmittancia adatainak felhasználásával A derivált arány és a polár minsít rendszer kiértékelése adatelemzési szempontból gyógyszeripari tabletták transzmittancia adatainak felhasználásával Norris K.H. a Seregély Zs. b és Kaffka K.J. c a konzultáns,

Részletesebben

Kovács Ernő 1, Füvesi Viktor 2

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

Részletesebben

A rosszindulatú daganatos halálozás változása 1975 és 2001 között Magyarországon

A rosszindulatú daganatos halálozás változása 1975 és 2001 között Magyarországon A rosszindulatú daganatos halálozás változása és között Eredeti közlemény Gaudi István 1,2, Kásler Miklós 2 1 MTA Számítástechnikai és Automatizálási Kutató Intézete, Budapest 2 Országos Onkológiai Intézet,

Részletesebben

DETERMINATION OF SHEAR STRENGTH OF SOLID WASTES BASED ON CPT TEST RESULTS

DETERMINATION OF SHEAR STRENGTH OF SOLID WASTES BASED ON CPT TEST RESULTS Műszaki Földtudományi Közlemények, 83. kötet, 1. szám (2012), pp. 271 276. HULLADÉKOK TEHERBÍRÁSÁNAK MEGHATÁROZÁSA CPT-EREDMÉNYEK ALAPJÁN DETERMINATION OF SHEAR STRENGTH OF SOLID WASTES BASED ON CPT TEST

Részletesebben

6. Előadás. Vereb György, DE OEC BSI, október 12.

6. Előadás. Vereb György, DE OEC BSI, október 12. 6. Előadás Visszatekintés: a normális eloszlás Becslés, mintavételezés Reprezentatív minta A statisztika, mint változó Paraméter és Statisztika Torzítatlan becslés A mintaközép eloszlása - centrális határeloszlás

Részletesebben

Modern Fizika Labor. Fizika BSc. Értékelés: A mérés dátuma: A mérés száma és címe: 12. mérés: Infravörös spektroszkópia. 2008. május 6.

Modern Fizika Labor. Fizika BSc. Értékelés: A mérés dátuma: A mérés száma és címe: 12. mérés: Infravörös spektroszkópia. 2008. május 6. Modern Fizika Labor Fizika BSc A mérés dátuma: A mérés száma és címe: 12. mérés: Infravörös spektroszkópia Értékelés: A beadás dátuma: 28. május 13. A mérést végezte: 1/5 A mérés célja A mérés célja az

Részletesebben

Pannon Egyetem Vegyészmérnöki és Anyagtudományok Doktori Iskola

Pannon Egyetem Vegyészmérnöki és Anyagtudományok Doktori Iskola Pannon Egyetem Vegyészmérnöki és Anyagtudományok Doktori Iskola Doktori (Ph.D.) értekezés tézisei Számítási intelligencia alapú regressziós technikák és Készítette Kenesei Tamás Péter Témavezető: Dr. habil.

Részletesebben

Intelligens Rendszerek Elmélete. Párhuzamos keresés genetikus algoritmusokkal

Intelligens 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

Intelligens Rendszerek Gyakorlata. Neurális hálózatok I.

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

Részletesebben

Hibadetektáló rendszer légtechnikai berendezések számára

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

Részletesebben

Modern Fizika Labor. A mérés száma és címe: A mérés dátuma: Értékelés: Infravörös spektroszkópia. A beadás dátuma: A mérést végezte:

Modern Fizika Labor. A mérés száma és címe: A mérés dátuma: Értékelés: Infravörös spektroszkópia. A beadás dátuma: A mérést végezte: Modern Fizika Labor A mérés dátuma: 2005.10.26. A mérés száma és címe: 12. Infravörös spektroszkópia Értékelés: A beadás dátuma: 2005.11.09. A mérést végezte: Orosz Katalin Tóth Bence 1 A mérés során egy

Részletesebben

Irányítási struktúrák összehasonlító vizsgálata. Tóth László Richárd. Pannon Egyetem Vegyészmérnöki és Anyagtudományok Doktori Iskola

Irányítási struktúrák összehasonlító vizsgálata. Tóth László Richárd. Pannon Egyetem Vegyészmérnöki és Anyagtudományok Doktori Iskola Doktori (PhD) értekezés tézisei Irányítási struktúrák összehasonlító vizsgálata Tóth László Richárd Pannon Egyetem Vegyészmérnöki és Anyagtudományok Doktori Iskola Témavezetők: Dr. Szeifert Ferenc Dr.

Részletesebben

KÖZELI INFRAVÖRÖS SPEKTROSZKÓPIA ALKALMAZÁSA SERTÉSHÚS MINŐSÉGVÁLTOZÁSÁNAK JELLEMZÉSÉRE

KÖZELI INFRAVÖRÖS SPEKTROSZKÓPIA ALKALMAZÁSA SERTÉSHÚS MINŐSÉGVÁLTOZÁSÁNAK JELLEMZÉSÉRE KÖZELI INFRAVÖRÖS SPEKTROSZKÓPIA ALKALMAZÁSA SERTÉSHÚS MINŐSÉGVÁLTOZÁSÁNAK JELLEMZÉSÉRE Magyarné Dr. Horváth Kinga, Dr. Farkas József Budapest, 2009. november.3 NIR Klub Bevezetés (1) Húsfeldolgozás- és

Részletesebben

DOKTORI (PhD) ÉRTEKEZÉS TÉZISEI

DOKTORI (PhD) ÉRTEKEZÉS TÉZISEI DOKTORI (PhD) ÉRTEKEZÉS TÉZISEI KÉN-, NITROGÉN- ÉS OXIGÉNTARTALMÚ VEGYÜLETEK GÁZKROMATOGRÁFIÁS ELEMZÉSE SZÉNHIDROGÉN-MÁTRIXBAN Készítette STUMPF ÁRPÁD okl. vegyész az Eötvös Loránd Tudományegyetem Természettudományi

Részletesebben

Mérési adatok illesztése, korreláció, regresszió

Mérési adatok illesztése, korreláció, regresszió Mérési adatok illesztése, korreláció, regresszió Korreláció, regresszió Két változó mennyiség közötti kapcsolatot vizsgálunk. Kérdés: van-e kapcsolat két, ugyanabban az egyénben, állatban, kísérleti mintában,

Részletesebben

Probabilisztikus funkcionális modellek idegrendszeri adatok elemzésére

Probabilisztikus funkcionális modellek idegrendszeri adatok elemzésére Probabilisztikus funkcionális modellek idegrendszeri adatok elemzésére Bányai Mihály! MTA Wigner FK! Computational Systems Neuroscience Lab!! KOKI-VIK szeminárium! 2014. február 11. Struktúra és funkció

Részletesebben

Módszerfejlesztés Fourier-transzformációs közeli infravörös technika (FT-NIR) alkalmazási körének kibővítésére élelmiszeripari mintákon SZIGEDI TAMÁS

Módszerfejlesztés Fourier-transzformációs közeli infravörös technika (FT-NIR) alkalmazási körének kibővítésére élelmiszeripari mintákon SZIGEDI TAMÁS Módszerfejlesztés Fourier-transzformációs közeli infravörös technika (FT-NIR) alkalmazási körének kibővítésére élelmiszeripari mintákon SZIGEDI TAMÁS Doktori (Ph.D.) értekezés tézisei Készült: Budapesti

Részletesebben

HÁLÓZATSZERŰEN MŰKÖDŐ LOGISZTIKÁVAL INTEGRÁLT TERMELÉSÜTEMEZÉS MEGOLDÁSA GENETIKUS ALGORITMUS ALKALMAZÁSÁVAL. OLÁH Béla

HÁLÓZATSZERŰEN 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

Részletesebben

Regresszió. Csorba János. Nagyméretű adathalmazok kezelése március 31.

Regresszió. Csorba János. Nagyméretű adathalmazok kezelése március 31. Regresszió Csorba János Nagyméretű adathalmazok kezelése 2010. március 31. A feladat X magyarázó attribútumok halmaza Y magyarázandó attribútumok) Kérdés: f : X -> Y a kapcsolat pár tanítópontban ismert

Részletesebben

Étkezési búzák mikotoxin tartalmának meghatározása prevenciós lehetıségek

Étkezési búzák mikotoxin tartalmának meghatározása prevenciós lehetıségek Étkezési búzák mikotoxin tartalmának meghatározása prevenciós lehetıségek Téren, J., Gyimes, E., Véha, A. 2009. április 15. PICK KLUB Szeged 1 A magyarországi búzát károsító Fusarium fajok 2 A betakarítás

Részletesebben

Diagnosztikai szemléletű talajtérképek szerkesztése korrelált talajtani adatrendszerek alapján

Diagnosztikai szemléletű talajtérképek szerkesztése korrelált talajtani adatrendszerek alapján Diagnosztikai szemléletű talajtérképek szerkesztése korrelált talajtani adatrendszerek alapján Bakacsi Zsófia 1 - Szabó József 1 Waltner István 2 Michéli Erika 2 Fuchs Márta 2 - Laborczi Annamária 1 -

Részletesebben

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

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

Részletesebben

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

Kutatási beszámoló. 2015. február. Tangens delta mérésére alkalmas mérési összeállítás elkészítése

Kutatási beszámoló. 2015. február. Tangens delta mérésére alkalmas mérési összeállítás elkészítése Kutatási beszámoló 2015. február Gyüre Balázs BME Fizika tanszék Dr. Simon Ferenc csoportja Tangens delta mérésére alkalmas mérési összeállítás elkészítése A TKI-Ferrit Fejlsztő és Gyártó Kft.-nek munkája

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

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

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

Részletesebben

Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg

Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg LMeasurement.tex, March, 00 Mérés Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg a mérendő mennyiségben egy másik, a mérendővel egynemű, önkényesen egységnek választott

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

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

Részletesebben

Szójabab és búza csírázási folyamatainak összehasonlítása NIR spektrumok segítségével

Szójabab és búza csírázási folyamatainak összehasonlítása NIR spektrumok segítségével Szójabab és búza csírázási folyamatainak összehasonlítása NIR spektrumok segítségével Bartalné Berceli Mónika BME VBK ABÉT NIR Klub, Budapesti Corvinus Egyetem, 2015. október 6. 2. Búza összetétele (sz.a.)

Részletesebben

ICT ÉS BP RENDSZEREK HATÉKONY TELJESÍTMÉNY SZIMULÁCIÓJA DR. MUKA LÁSZLÓ

ICT ÉS BP RENDSZEREK HATÉKONY TELJESÍTMÉNY SZIMULÁCIÓJA DR. MUKA LÁSZLÓ ICT ÉS BP RENDSZEREK HATÉKONY TELJESÍTMÉNY SZIMULÁCIÓJA DR. MUKA LÁSZLÓ 1 TARTALOM 1.1 A MODELLEZÉS ÉS SZIMULÁCIÓ META-SZINTŰ HATÉKONYSÁGÁNAK JAVÍTÁSA A. Az SMM definiálása, a Jackson Keys módszer kiterjesztése

Részletesebben

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

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

Részletesebben

PLATTÍROZOTT ALUMÍNIUM LEMEZEK KÖTÉSI VISZONYAINAK TECHNOLÓGIAI VIZSGÁLATA TECHNOLOGICAL INVESTIGATION OF PLATED ALUMINIUM SHEETS BONDING PROPERTIES

PLATTÍROZOTT ALUMÍNIUM LEMEZEK KÖTÉSI VISZONYAINAK TECHNOLÓGIAI VIZSGÁLATA TECHNOLOGICAL INVESTIGATION OF PLATED ALUMINIUM SHEETS BONDING PROPERTIES Anyagmérnöki Tudományok, 37. kötet, 1. szám (2012), pp. 371 379. PLATTÍROZOTT ALUMÍNIUM LEMEZEK KÖTÉSI VISZONYAINAK TECHNOLÓGIAI VIZSGÁLATA TECHNOLOGICAL INVESTIGATION OF PLATED ALUMINIUM SHEETS BONDING

Részletesebben

AKTUÁTOR MODELLEK KIVÁLASZTÁSA ÉS OBJEKTÍV ÖSSZEHASONLÍTÁSA

AKTUÁTOR MODELLEK KIVÁLASZTÁSA ÉS OBJEKTÍV ÖSSZEHASONLÍTÁSA AKTUÁTOR MODELLEK KIVÁLASZTÁSA ÉS OBJEKTÍV ÖSSZEHASONLÍTÁSA Kovács Ernő 1, Füvesi Viktor 2 1 Egyetemi docens, PhD; 2 tudományos segédmunkatárs 1 Eletrotechnikai és Elektronikai Tanszék, Miskolci Egyetem

Részletesebben

Fuzzy rendszerek és neurális hálózatok alkalmazása a diagnosztikában

Fuzzy rendszerek és neurális hálózatok alkalmazása a diagnosztikában Budapesti Műszaki és Gazdaságtudományi Egyetem Fuzzy rendszerek és neurális hálózatok alkalmazása a diagnosztikában Cselkó Richárd 2009. október. 15. Az előadás fő témái Soft Computing technikák alakalmazásának

Részletesebben

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

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

Részletesebben

Modern fizika laboratórium

Modern fizika laboratórium Modern fizika laboratórium Röntgen-fluoreszcencia analízis Készítette: Básti József és Hagymási Imre 1. Bevezetés A röntgen-fluoreszcencia analízis (RFA) egy roncsolásmentes anyagvizsgálati módszer. Rövid

Részletesebben

CrMo4 anyagtípusok izotermikus átalakulási folyamatainak elemzése és összehasonlítása VEM alapú fázis elemeket tartalmazó TTT diagramok alkalmazásával

CrMo4 anyagtípusok izotermikus átalakulási folyamatainak elemzése és összehasonlítása VEM alapú fázis elemeket tartalmazó TTT diagramok alkalmazásával CrMo4 anyagtípusok izotermikus átalakulási folyamatainak elemzése és összehasonlítása VEM alapú fázis elemeket tartalmazó TTT diagramok alkalmazásával Ginsztler J. Tanszékvezető egyetemi tanár, Anyagtudomány

Részletesebben

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Factor Analysis

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Factor Analysis Factor Analysis Factor analysis is a multiple statistical method, which analyzes the correlation relation between data, and it is for data reduction, dimension reduction and to explore the structure. Aim

Részletesebben

1. Ábra Az n-paraffinok olvadáspontja és forráspontja közötti összefüggés

1. Ábra Az n-paraffinok olvadáspontja és forráspontja közötti összefüggés Nagy izoparaffin-tartalmú gázolajok előállításának vizsgálata Investigation of production of gas oils with high isoparaffin content Pölczmann György, Hancsók Jenő Pannon Egyetem, Vegyészmérnöki és Folyamatmérnöki

Részletesebben

KOOPERÁCIÓ ÉS GÉPI TANULÁS LABORATÓRIUM

KOOPERÁCIÓ ÉS GÉPI TANULÁS LABORATÓRIUM KOOPERÁCIÓ ÉS GÉPI TANULÁS LABORATÓRIUM Kernel módszerek idősor előrejelzés Mérési útmutató Készítette: Engedy István (engedy@mit.bme.hu) Méréstechnika és Információs Rendszerek Tanszék Budapesti Műszaki

Részletesebben

NYÚLHÚS ZSÍRTARTALMÁNAK BECSLÉSE KÖZELI INFRAVÖRÖS SPEKTROSZKÓPIÁVAL

NYÚLHÚS ZSÍRTARTALMÁNAK BECSLÉSE KÖZELI INFRAVÖRÖS SPEKTROSZKÓPIÁVAL NYÚLHÚS ZSÍRTARTALMÁNAK BECSLÉSE KÖZELI INFRAVÖRÖS SPEKTROSZKÓPIÁVAL Romvári R., Bázár Gy., Kövér Gy., Locsmándi L., Szabó A., Andrássy Zoltánné, Szendrő Zs. Kaposvári Egyetem, Állattudományi Kar, 7400

Részletesebben

Légi hiperspektrális biomassza térképezés elsődleges eredményei a Tass-pusztai biomassza ültetvényen

Légi hiperspektrális biomassza térképezés elsődleges eredményei a Tass-pusztai biomassza ültetvényen Légi hiperspektrális biomassza térképezés elsődleges eredményei a Tass-pusztai biomassza ültetvényen Preliminary results of evaluation of biomass mapping based on hyperspectral imagery on energy tree plantation

Részletesebben

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió SZDT-08 p. 1/31 Biometria az orvosi gyakorlatban Korrelációszámítás, regresszió Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Korrelációszámítás

Részletesebben

Mesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2010/2011 1/363

Mesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2010/2011 1/363 1/363 Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 20/2011 Az Előadások Témái 226/363 Bevezető: mi a mesterséges intelligencia... Tudás reprezentáció Gráfkeresési stratégiák Szemantikus

Részletesebben

Extraktív heteroazeotróp desztilláció: ökologikus elválasztási eljárás nemideális

Extraktív heteroazeotróp desztilláció: ökologikus elválasztási eljárás nemideális Ipari Ökológia pp. 17 22. (2015) 3. évfolyam, 1. szám Magyar Ipari Ökológiai Társaság MIPOET 2015 Extraktív heteroazeotróp desztilláció: ökologikus elválasztási eljárás nemideális elegyekre* Tóth András

Részletesebben

Gépi tanulás a Rapidminer programmal. Stubendek Attila

Gépi tanulás a Rapidminer programmal. Stubendek Attila Gépi tanulás a Rapidminer programmal Stubendek Attila Rapidminer letöltése Google: download rapidminer Rendszer kiválasztása (iskolai gépeken Other Systems java) Kicsomagolás lib/rapidminer.jar elindítása

Részletesebben

Anyagcsere markerek analitikai mérésének és informatikai feldolgozásának kutatása a gombakomposzt gyártástechnológiájának fejlesztése érdekében

Anyagcsere markerek analitikai mérésének és informatikai feldolgozásának kutatása a gombakomposzt gyártástechnológiájának fejlesztése érdekében Anyagcsere markerek analitikai mérésének és informatikai feldolgozásának kutatása a gombakomposzt gyártástechnológiájának fejlesztése érdekében Project célja A gombakomposzt gyártása során 150-200 tonna

Részletesebben

Módszerfejlesztés Fourier-transzformációs közeli infravörös technika (FT-NIR) alkalmazási körének kibővítésére élelmiszeripari mintákon

Módszerfejlesztés Fourier-transzformációs közeli infravörös technika (FT-NIR) alkalmazási körének kibővítésére élelmiszeripari mintákon Módszerfejlesztés Fourier-transzformációs közeli infravörös technika (FT-NIR) alkalmazási körének kibővítésére élelmiszeripari mintákon Doktori értekezés Szigedi Tamás Témavezetők: Dr. Fodor Marietta Dr.

Részletesebben

Intelligens adatelemzés

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

Részletesebben

Intelligens Rendszerek Elmélete. Párhuzamos keresés genetikus algoritmusokkal. A genetikus algoritmus működése. Az élet információ tárolói

Intelligens Rendszerek Elmélete. Párhuzamos keresés genetikus algoritmusokkal. A genetikus algoritmus működése. Az élet információ tárolói Intelligens Rendszerek Elmélete dr. Kutor László Párhuzamos keresés genetikus algoritmusokkal http://mobil.nik.bmf.hu/tantargyak/ire.html login: ire jelszó: IRE07 IRE 5/ Természetes és mesterséges genetikus

Részletesebben

Kádár István 1 Dr. Nagy László 1 1 Budapesti Műszaki és Gazdaságtudományi Egyetem,

Kádár István 1 Dr. Nagy László 1 1 Budapesti Műszaki és Gazdaságtudományi Egyetem, TANULSÁGOK A NYÍRÓSZILÁRDSÁGI PARAMÉTEREK STATISZTIKAI ÉRTÉKELÉSÉBŐL LESSONS OF THE STATISTICAL EVALUATION OF SHEAR STRENGTH PARAMETERS Kádár István 1 Dr. Nagy László 1 1 Budapesti Műszaki és Gazdaságtudományi

Részletesebben

Matematikai geodéziai számítások 6.

Matematikai geodéziai számítások 6. Matematikai geodéziai számítások 6. Lineáris regresszió számítás elektronikus távmérőkre Dr. Bácsatyai, László Matematikai geodéziai számítások 6.: Lineáris regresszió számítás elektronikus távmérőkre

Részletesebben

A HULLATÉK-ANALÍZIS ÉS A GYOMORTARTALOM ELEMZÉS ÖSSZE- HASONLÍTÁSA VÖRÖS RÓKA TÁPLÁLKOZÁS VIZSGÁLATA SORÁN

A HULLATÉK-ANALÍZIS ÉS A GYOMORTARTALOM ELEMZÉS ÖSSZE- HASONLÍTÁSA VÖRÖS RÓKA TÁPLÁLKOZÁS VIZSGÁLATA SORÁN A HULLATÉK-ANALÍZIS ÉS A GYOMORTARTALOM ELEMZÉS ÖSSZE- HASONLÍTÁSA VÖRÖS RÓKA TÁPLÁLKOZÁS VIZSGÁLATA SORÁN Szôcs Emese¹, Lanszki József², Heltai Miklós¹ és Szabó László¹ ¹Szent István Egyetem, Vadbiológiai

Részletesebben

Mérési jegyzőkönyv. 1. mérés: Abszorpciós spektrum meghatározása. Semmelweis Egyetem, Elméleti Orvostudományi Központ Biofizika laboratórium

Mérési jegyzőkönyv. 1. mérés: Abszorpciós spektrum meghatározása. Semmelweis Egyetem, Elméleti Orvostudományi Központ Biofizika laboratórium Mérési jegyzőkönyv 1. mérés: Abszorpciós spektrum meghatározása A mérés helyszíne: Semmelweis Egyetem, Elméleti Orvostudományi Központ Biofizika laboratórium A mérés időpontja: 2012.02.08. A mérést végezte:

Részletesebben

metzinger.aniko@chem.u-szeged.hu

metzinger.aniko@chem.u-szeged.hu SZEMÉLYI ADATOK Születési idő, hely: 1988. június 27. Baja Értesítési cím: H-6720 Szeged, Dóm tér 7. Telefon: +36 62 544 339 E-mail: metzinger.aniko@chem.u-szeged.hu VÉGZETTSÉG: 2003-2007: III. Béla Gimnázium,

Részletesebben

Számítógépes döntéstámogatás. Genetikus algoritmusok

Számítógépes döntéstámogatás. Genetikus algoritmusok BLSZM-10 p. 1/18 Számítógépes döntéstámogatás Genetikus algoritmusok Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu BLSZM-10 p. 2/18 Bevezetés 1950-60-as

Részletesebben

Távérzékelés, a jöv ígéretes eszköze

Távérzékelés, 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

Részletesebben

Negyedidõszaki éghajlati ciklusok a Mecsek környéki löszök puhatestû faunájának változása alapján

Negyedidõszaki éghajlati ciklusok a Mecsek környéki löszök puhatestû faunájának változása alapján MALAKOLÓGIAI TÁJÉKOZTATÓ 2000 MALACOLOGICAL NEWSLETTER 18: 59 67 Negyedidõszaki éghajlati ciklusok a Mecsek környéki löszök puhatestû faunájának változása alapján Tóth Árpád Abstract: Qaternary Climatic

Részletesebben

Hasznos és kártevő rovarok monitorozása innovatív szenzorokkal (LIFE13 ENV/HU/001092)

Hasznos és kártevő rovarok monitorozása innovatív szenzorokkal (LIFE13 ENV/HU/001092) Hasznos és kártevő rovarok monitorozása innovatív szenzorokkal (LIFE13 ENV/HU/001092) www.zoolog.hu Dr. Dombos Miklós Tudományos főmunkatárs MTA ATK TAKI Innovative Real-time Monitoring and Pest control

Részletesebben

A genetikus algoritmus, mint a részletes modell többszempontú és többérdekű "optimálásának" általános és robosztus módszere

A genetikus algoritmus, mint a részletes modell többszempontú és többérdekű optimálásának általános és robosztus módszere A genetikus algoritmus, mint a részletes modell többszempontú és többérdekű "optimálásának" általános és robosztus módszere Kaposvári Egyetem, Informatika Tanszék I. Kaposvári Gazdaságtudományi Konferencia

Részletesebben

Gottsegen National Institute of Cardiology. Prof. A. JÁNOSI

Gottsegen National Institute of Cardiology. Prof. A. JÁNOSI Myocardial Infarction Registry Pilot Study Hungarian Myocardial Infarction Register Gottsegen National Institute of Cardiology Prof. A. JÁNOSI A https://ir.kardio.hu A Web based study with quality assurance

Részletesebben

Dinamikus rendszerek identifikációja genetikus programozással

Dinamikus rendszerek identifikációja genetikus programozással Dinamikus rendszerek identifikációja genetikus programozással Madár János, Abonyi János, Szeifert Ferenc Veszprémi Egyetem, Folyamatmérnöki Tanszék www.fmt.vein.hu/softcomp, abonyij@fmt.vein.hu Kulcsszavak:

Részletesebben

Mérési hibák 2006.10.04. 1

Mérési hibák 2006.10.04. 1 Mérési hibák 2006.10.04. 1 Mérés jel- és rendszerelméleti modellje Mérési hibák_labor/2 Mérési hibák mérési hiba: a meghatározandó értékre a mérés során kapott eredmény és ideális értéke közötti különbség

Részletesebben

DOKTORI ÉRTEKEZÉS TÉZISEI HÁROMFÁZISÚ MEGOSZLÁS ALKALMAZÁSA ÉLELMISZERFEHÉRJÉKVIZSGÁLATÁBAN

DOKTORI ÉRTEKEZÉS TÉZISEI HÁROMFÁZISÚ MEGOSZLÁS ALKALMAZÁSA ÉLELMISZERFEHÉRJÉKVIZSGÁLATÁBAN DOKTORI ÉRTEKEZÉS TÉZISEI HÁROMFÁZISÚ MEGOSZLÁS ALKALMAZÁSA ÉLELMISZERFEHÉRJÉKVIZSGÁLATÁBAN Szamos Jenő KÖZPONTI ÉLELMISZER-TUDOMÁNYI KUTATÓINTÉZET Budapest 2004 A doktori iskola megnevezése: tudományága:

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

Publikációs lista. Dr. Molnárka-Miletics Edit Széchenyi István Egyetem Matematika és Számítástudományi Tanszék

Publikációs lista. Dr. Molnárka-Miletics Edit Széchenyi István Egyetem Matematika és Számítástudományi Tanszék Publikációs lista Dr. Molnárka-Miletics Edit Széchenyi István Egyetem Matematika és Számítástudományi Tanszék Folyóirat cikkek: E. Miletics: Energy conservative algorithm for numerical solution of ODEs

Részletesebben

TÁMOP A-11/1/KONV WORKSHOP Június 27.

TÁMOP A-11/1/KONV WORKSHOP Június 27. Fenntartható energetika megújuló energiaforrások optimalizált integrálásával TÁMOP-4.2.2.A-11/1/KONV-2012-0041 WORKSHOP 2014. Június 27. A munkacsoport tagjai: az éves hőveszteségek-hőterhelések elemzése

Részletesebben

Sztochasztikus kapcsolatok

Sztochasztikus kapcsolatok Sztochasztikus kapcsolatok Petrovics Petra PhD Hallgató Ismérvek közötti kapcsolat (1) Függvényszerű az egyik ismérv szerinti hovatartozás egyértelműen meghatározza a másik ismérv szerinti hovatartozást.

Részletesebben

AZ ÁRPA SZÁRAZSÁGTŰRÉSÉNEK VIZSGÁLATA: QTL- ÉS ASSZOCIÁCIÓS ANALÍZIS, MARKER ALAPÚ SZELEKCIÓ, TILLING

AZ ÁRPA SZÁRAZSÁGTŰRÉSÉNEK VIZSGÁLATA: QTL- ÉS ASSZOCIÁCIÓS ANALÍZIS, MARKER ALAPÚ SZELEKCIÓ, TILLING Hagyomány és haladás a növénynemesítésben AZ ÁRPA SZÁRAZSÁGTŰRÉSÉNEK VIZSGÁLATA: QTL- ÉS ASSZOCIÁCIÓS ANALÍZIS, MARKER ALAPÚ SZELEKCIÓ, BÁLINT ANDRÁS FERENC 1, SZIRA FRUZSINA 1, ANDREAS BÖRNER 2, KERSTIN

Részletesebben

LINEÁRIS REGRESSZIÓ (I. MODELL) ÉS KORRELÁCIÓ FELADATOK

LINEÁRIS REGRESSZIÓ (I. MODELL) ÉS KORRELÁCIÓ FELADATOK LINEÁRIS REGRESSZIÓ (I. MODELL) ÉS KORRELÁCIÓ FELADATOK 2004 november 29. 1.) Lisztbogarak súlyvesztése 9 lisztbogár-csapat súlyát megmérték, (mindegyik 25 bogárból állt, mert egyenként túl kis súlyúak

Részletesebben

TestLine - Angol teszt Minta feladatsor

TestLine - Angol teszt Minta feladatsor Minta felaatsor venég Téma: Általános szintfelmérő Aláírás:... Dátum: 2016.05.29 08:18:49 Kérések száma: 25 kérés Kitöltési iő: 1:17:27 Nehézség: Összetett Pont egység: +6-2 Értékelés: Alaértelmezett értékelés

Részletesebben

Szamóca vízoldható szárazanyag tartalmának roncsolásmentes meghatározása közeli infravörös spektroszkópiával

Szamóca vízoldható szárazanyag tartalmának roncsolásmentes meghatározása közeli infravörös spektroszkópiával Deák Konrád János 1 Ambrózy Zsuzsanna 2 Prokaj Enikő - Szigedi Tamás 3 Szamóca vízoldható szárazanyag tartalmának roncsolásmentes meghatározása közeli infravörös spektroszkópiával Nondestructive determination

Részletesebben

NIR spektroszkópia / mikroszkópia: roncsolásmentes kutakodás

NIR spektroszkópia / mikroszkópia: roncsolásmentes kutakodás NIR spektroszkópia / mikroszkópia: roncsolásmentes kutakodás Gergely Szilveszter Párta László Salgó András Budapesti Műszaki és Gazdaságtudományi Egyetem Alkalmazott Biotechnológia és Élelmiszertudományi

Részletesebben

Tanulás tanuló gépek tanuló algoritmusok mesterséges neurális hálózatok

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

Részletesebben

Fotódokumentáció. Projektazonosító: KMOP-1.1.1-08/1-2008-0049

Fotódokumentáció. Projektazonosító: KMOP-1.1.1-08/1-2008-0049 Fotódokumentáció Projektazonosító: KMOP-1.1.1-08/1-2008-0049 Laborkísérletekhez használt reaktorrendszer előkészítése A laborkísérletek elvégzéséhez szükséges volt egy kisméretű FCR (food chain reactor

Részletesebben

Dr. Dobos Endre, Vadnai Péter. Miskolci Egyetem Műszaki Földtudományi Kar Földrajz Intézet

Dr. Dobos Endre, Vadnai Péter. Miskolci Egyetem Műszaki Földtudományi Kar Földrajz Intézet Ideális interpolációs módszer keresése a talajvízszint ingadozás talajfejlődésre gyakorolt hatásának térinformatikai vizsgálatához Dr. Dobos Endre, Vadnai Péter Miskolci Egyetem Műszaki Földtudományi Kar

Részletesebben

Szakmai önéletrajz. Hégely László 1119 Budapest, Hengermalom út 2/d. Mobiltelefonszám: +36-70-635-0850 hegelyl@hotmail.com

Szakmai önéletrajz. Hégely László 1119 Budapest, Hengermalom út 2/d. Mobiltelefonszám: +36-70-635-0850 hegelyl@hotmail.com Szakmai önéletrajz Személyes adatok Név: Hégely László Cím: 1119 Budapest, Hengermalom út 2/d. Mobiltelefonszám: +36-70-635-0850 E-mail: hegelyl@hotmail.com Születési hely: Budapest Születési idı: 1986.

Részletesebben

Statisztikai következtetések Nemlineáris regresszió Feladatok Vége

Statisztikai következtetések Nemlineáris regresszió Feladatok Vége [GVMGS11MNC] Gazdaságstatisztika 10. előadás: 9. Regressziószámítás II. Kóczy Á. László koczy.laszlo@kgk.uni-obuda.hu Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet A standard lineáris modell

Részletesebben

Idősor előrejelzés. Szórádi Júlia, BSc konzulens: Dr. Horváth Gábor. Önálló laboratórium (BMEVIMIA362) II. félév

Idősor előrejelzés. Szórádi Júlia, BSc konzulens: Dr. Horváth Gábor. Önálló laboratórium (BMEVIMIA362) II. félév Idősor előrejelzés Szórádi Júlia, BSc konzulens: Dr. Horváth Gábor Önálló laboratórium (BMEVIMIA362) 2010-11 II. félév IDŐSOR ELŐREJELZÉS Az idősor előrejelzés számos területen alapvető fontosságú feladat,

Részletesebben

A MÁGNESES REZONANCIA LEKÉPEZÉS (MRI) HASZNÁLATA TERMÉNYEK HŐFIZIKAI VIZSGÁLATAINÁL KOVÁCS, A. J.

A MÁGNESES REZONANCIA LEKÉPEZÉS (MRI) HASZNÁLATA TERMÉNYEK HŐFIZIKAI VIZSGÁLATAINÁL KOVÁCS, A. J. A MÁGNESES REZONANCIA LEKÉPEZÉS (MRI) HASZNÁLATA TERMÉNYEK HŐFIZIKAI VIZSGÁLATAINÁL KOVÁCS, A. J. Nyugat-Magyarországi Egyetem Mezőgazdaság- és Élelmiszertudományi Kar, Mosonmagyaróvár Agrárműszaki, Élelmiszeripari

Részletesebben

A PQS kimutatja a halliszt hamisítását csont és húsliszttel segítség a Kergemarha kór megsemmisítéséhez

A PQS kimutatja a halliszt hamisítását csont és húsliszttel segítség a Kergemarha kór megsemmisítéséhez A PQS kimutatja a halliszt hamisítását csont és húsliszttel segítség a Kergemarha kór megsemmisítéséhez Murray I. a Kaffka K.J. b és Seregély Zs. c a Skót Mezgazdasági Fiskola, Aberdeen, AB21 9YA, UK (i.murray@ab.sac.ac.uk)

Részletesebben

First experiences with Gd fuel assemblies in. Tamás Parkó, Botond Beliczai AER Symposium 2009.09.21 25.

First experiences with Gd fuel assemblies in. Tamás Parkó, Botond Beliczai AER Symposium 2009.09.21 25. First experiences with Gd fuel assemblies in the Paks NPP Tams Parkó, Botond Beliczai AER Symposium 2009.09.21 25. Introduction From 2006 we increased the heat power of our units by 8% For reaching this

Részletesebben

Mezőgazdasági gépesítési tanulmányok Agricultural Engineering Research MŰANYAG CSOMAGOLÓ- ÉS TAKARÓ FÓLIÁK REOLÓGIAI VIZSGÁLATA

Mezőgazdasági gépesítési tanulmányok Agricultural Engineering Research MŰANYAG CSOMAGOLÓ- ÉS TAKARÓ FÓLIÁK REOLÓGIAI VIZSGÁLATA Mezőgazdasági gépesítési tanulmányo Agricultural Engineering Research Kiadó: Dr. Fenyvesi László főigazgató FVM Mezőgazdasági Gépesítési Intézet özleménye Bulletin of the Hungarian Institute of Agricultural

Részletesebben

Al-Mg-Si háromalkotós egyensúlyi fázisdiagram közelítő számítása

Al-Mg-Si háromalkotós egyensúlyi fázisdiagram közelítő számítása l--si háromalkotós egyensúlyi fázisdiagram közelítő számítása evezetés Farkas János 1, Dr. Roósz ndrás 1 doktorandusz, tanszékvezető egyetemi tanár Miskolci Egyetem nyag- és Kohómérnöki Kar Fémtani Tanszék

Részletesebben

Biometria az orvosi gyakorlatban. Regresszió Túlélésanalízis

Biometria az orvosi gyakorlatban. Regresszió Túlélésanalízis SZDT-09 p. 1/36 Biometria az orvosi gyakorlatban Regresszió Túlélésanalízis Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Logisztikus regresszió

Részletesebben

Autópálya forgalomszabályozás felhajtókorlátozás és változtatható sebességkorlátozás összehangolásával és fejlesztési lehetőségei

Autópálya forgalomszabályozás felhajtókorlátozás és változtatható sebességkorlátozás összehangolásával és fejlesztési lehetőségei Autópálya forgalomszabályozás felhajtókorlátozás és változtatható sebességkorlátozás összehangolásával és fejlesztési lehetőségei Tettamanti Tamás, Varga István, Bokor József BME Közlekedésautomatikai

Részletesebben

Using the CW-Net in a user defined IP network

Using the CW-Net in a user defined IP network Using the CW-Net in a user defined IP network Data transmission and device control through IP platform CW-Net Basically, CableWorld's CW-Net operates in the 10.123.13.xxx IP address range. User Defined

Részletesebben

Bevezetés a kvantum-informatikába és kommunikációba 2015/2016 tavasz

Bevezetés a kvantum-informatikába és kommunikációba 2015/2016 tavasz Bevezetés a kvantum-informatikába és kommunikációba 2015/2016 tavasz Kvantumkapuk, áramkörök 2016. március 3. A kvantummechanika posztulátumai (1-2) 1. Állapotleírás Zárt fizikai rendszer aktuális állapota

Részletesebben

MŰSZAKI TUDOMÁNY AZ ÉSZAK-ALFÖLDI RÉGIÓBAN 2010

MŰSZAKI TUDOMÁNY AZ ÉSZAK-ALFÖLDI RÉGIÓBAN 2010 MŰSZAKI TUDOMÁNY AZ ÉSZAK-ALFÖLDI RÉGIÓBAN 2010 KONFERENCIA ELŐADÁSAI Nyíregyháza, 2010. május 19. Szerkesztette: Edited by Pokorádi László Kiadja: Debreceni Akadémiai Bizottság Műszaki Szakbizottsága

Részletesebben

A klímamodellek alkalmazásának tapasztalatai a magyarországi gabona félék hozam előrejelzéseiben

A klímamodellek alkalmazásának tapasztalatai a magyarországi gabona félék hozam előrejelzéseiben Hatásvizsgálói konzultációs workshop Országos Meteorológiai Szolgálat A klímamodellek alkalmazásának tapasztalatai a magyarországi gabona félék hozam előrejelzéseiben Kemény Gábor, Fogarasi József, Molnár

Részletesebben

Matematikai statisztika c. tárgy oktatásának célja és tematikája

Matematikai statisztika c. tárgy oktatásának célja és tematikája Matematikai statisztika c. tárgy oktatásának célja és tematikája 2015 Tematika Matematikai statisztika 1. Időkeret: 12 héten keresztül heti 3x50 perc (előadás és szeminárium) 2. Szükséges előismeretek:

Részletesebben

II. rész: a rendszer felülvizsgálati stratégia kidolgozását támogató funkciói. Tóth László, Lenkeyné Biró Gyöngyvér, Kuczogi László

II. rész: a rendszer felülvizsgálati stratégia kidolgozását támogató funkciói. Tóth László, Lenkeyné Biró Gyöngyvér, Kuczogi László A kockázat alapú felülvizsgálati és karbantartási stratégia alkalmazása a MOL Rt.-nél megvalósuló Statikus Készülékek Állapot-felügyeleti Rendszerének kialakításában II. rész: a rendszer felülvizsgálati

Részletesebben

Gépi tanulás a gyakorlatban. Bevezetés

Gépi tanulás a gyakorlatban. Bevezetés Gépi tanulás a gyakorlatban Bevezetés Motiváció Nagyon gyakran találkozunk gépi tanuló alkalmazásokkal Spam detekció Karakter felismerés Fotó címkézés Szociális háló elemzés Piaci szegmentáció analízis

Részletesebben

Kontrol kártyák használata a laboratóriumi gyakorlatban

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

Részletesebben

Bevezetés. Célkitűzés. Anyag és módszerek. Knyazoviczki Barbara 1 - Fodor Marietta 2

Bevezetés. Célkitűzés. Anyag és módszerek. Knyazoviczki Barbara 1 - Fodor Marietta 2 Knyazoviczki Barbara 1 - Fodor Marietta 2 Különböző eredetű nyers tejek összehasonlító vizsgálata Fourier transzformációs közeli infravörös spektroszkópiai módszerrel Comparative analysis of raw milk from

Részletesebben

Szerkezeti fa szilárdsági osztályozása Göcsök szerepe. Strength grading of stuctural lumber Effect of knots

Szerkezeti fa szilárdsági osztályozása Göcsök szerepe. Strength grading of stuctural lumber Effect of knots 19 Szerkezeti fa szilárdsági osztályozása Göcsök szerepe SISMÁNDY-KISS Ferenc 1, DIVÓS Ferenc 1 1 NymE FMK Fa-és Papíripai Technológiák Intézet Kivonat A faszerkezetek tervezésére vonatkozó nemzeti szabványt

Részletesebben

Adatok statisztikai értékelésének főbb lehetőségei

Adatok statisztikai értékelésének főbb lehetőségei Adatok statisztikai értékelésének főbb lehetőségei 1. a. Egy- vagy kétváltozós eset b. Többváltozós eset 2. a. Becslési problémák, hipotézis vizsgálat b. Mintázatelemzés 3. Szint: a. Egyedi b. Populáció

Részletesebben

Fiziko-kémiai módszerek a finomkémiai ipar hulladékvizeinek kezelésére

Fiziko-kémiai módszerek a finomkémiai ipar hulladékvizeinek kezelésére Fiziko-kémiai módszerek a finomkémiai ipar hulladékvizeinek kezelésére Környezettudományi Doktori Iskolák Konferenciája 2012. 08. 31. Tóth András József 1 Dr. Mizsey Péter 1, 2 andras86@kkft.bme.hu 1 Kémiai

Részletesebben