Példa sejtautomatákra. Homokdomb modellek.
|
|
- Virág Mészáros
- 5 évvel ezelőtt
- Látták:
Átírás
1 Példa sejtautomatákra. Homokdomb modellek.
2 Automaták egyszerű eszközök tulajdonságok: véges számú állapota van átmenet egyik állapotból a másikba érzékeli a környezetet esetleg megváltoztatja a környezetet új állapotba megy át kóla automata bemenet: pénz, kiválasztó gombok stb. állapot: standby, pénz van behelyezve stb. kimenet: cola, sprite, visszajáró
3 Sejtautomaták - történet 40-es években Stanislas Ulam matematikus - egyszerű szabályok által generált grafikus konstrukciók evolúciója - 2D cellák - cellák állapota BE/KI - szomszédsági szabály: ha egy cella kapcsolatban van két BE cellával BE állapotba kerül, máskülönben KI állapotú lesz egyszerű szabályok nagyon komplex mintázatok
4 Sejtautomaták geometriailag elhelyezett automaták azösszes automataazonos azonos az automaták egyszerre (párhuzamosan) váltják állapotaikat bemenet a szomszédok és önmaga állapota kimenet az új állapot
5 Sejtautomaták - történet Önreprodukáló automaták: John von Neumann és AlanTuring Kinematon: olyan gép ami bármilyen gépet képes reprodukálni, ami bele van programozva John Horton Conway Game of Life
6 Sejtautomaták - alaptulajdonságok Önszerveződés: véletlenszerű kezdőálapot mintázatok kialakulása Életszerű viselkedés: komplex biológiai rendszerekre emlékeztet Példák: erdőtűz modellek, járványterjedés modellezése, közgazdasági rendszerek modellezése, közlekedési modellek példa applikáció:
7 Homokdomb modellek P. Bak, C. Tang and K. Wiesenfeld, Phys. Rev. Lett. 59, 381 (1987) 2D négyzetrácson elhelyezett cellák minden cella adott számú homokszemet tartalmaz bedobunk egy homokszemet véletlenszerűen a rendszerbe a cellák állapotait frissitjük szabály: ha egy cellában levő homokszemek száma n>3, a cellából 4 homokszemet szétosztunk a közvetlen szomszédoknak a szabályt addig alkalmazzuk, amíg a rendszerben nem lesz változás ekkor újabb homokszemet dobunk a rendszerbe
8 Tulajdonságok önszerveződés kritikus viselkedés kritikus önszerveződés előfordulás nagyság egy homokszem hozzáadása miatt bekövetkező cellaomlások száma egy homokszem hozzáadása miatt bekövetkező lavinák időtartama
9 1D sejtautomaták két állapot: 1 és 0 Boolean sejtautomaták két szomszéd szomszédok + önmaga lehetséges állapota: 2 x 2 x 2 = = 256 lehetséges szabály 4 lehetséges viselkedéstípus: határpont viselkedés határciklus viselkedés kaotikus viselkedés komplex viselkedés
10 254 es szabály
11 90 es szabály
12 30 as szabály
13 2D sejtautomaták Game of life John Conway, 1970 élő és halott cellák szabályok: ÉLŐ cella + 0 vagy 1 ÉLŐ szomszéd = HALOTT (izoláció) gy ( ) ÉLŐ cella ÉLŐ szomszéd = HALOTT (túlnépesedés) HALOTT cella + 3 ÉLŐ szomszéd = ÉLŐ (születés) a többi esetben a cella változatlan marad
14 Game of life
15 Game of life statisztikusszemmel hogyan függ a végállapot sűrűsége a kezdeti sűrűségtől? relaxációs idő hatványfüggvény, önszerveződő kritikusság
16 Erdőtűzmodell stochasztikus 3 állapotú sejtautomata d dimenziós rácson ÉLŐ fa ÉGŐ fa ÜRES SZABÁLYOK: ÜRES cella ÉLŐ fa + nincs ÉGŐ szomszéd ÉLŐ fa + ÉGŐ szomszéd ÉGŐ fa p valószínűséggel új ÉLŐ fa születik f valószínűséggel meggyúl, ÉGŐ fa lesz belőle 1 g valószínűséggel meggyúl, ÉGŐ fa lesz belőle (g immunitás) ÜRES cella
17 Erdőtűz modell 60% 45% 80%
18 Erdőtűzmodell(f = 1, g = 0) egyetlen paraméter a p, az új fa születésének a valószínűsége korrelációs hossz: 2D ben ha a tűz kialszik idő alatt ellenkező esetben a tűzfennmarada rendszerben
19 Gerjeszthető közeg (excitable media) járványterjedés oszcilláló reakciók spirál galaxisok 3 állapotú cellák: 1. nyugodt 2. gerjesztett 3. makacs a gerjesztés terjed a cellákon, ha azok nyugodtak gerjesztődés után egy makacsidőszak következik, a nyugodt állapot eléréséig
20 Egyéb alkalmazások Mintázatok generálása Ütközés Aggregáció Vízfolyás Tűz animációja Agyag szimulációja
Automaták. bemenet: pénz, kiválasztó gombok stb. állapot: standby, pénz van behelyezve stb. kimenet: cola, sprite, visszajáró
12. előadás Automaták egyszerű eszközök tulajdonságok: véges számú állapota van átmenet egyik állapotból a másikba érzékeli a környezetet esetleg megváltoztatja a környezetet új állapotba megy át kóla
RészletesebbenPárhuzamos programozási feladatok
Párhuzamos programozási feladatok BMF NIK 2008. tavasz B. Wilkinson és M. Allen oktatási anyaga alapján készült Gravitációs N-test probléma Fizikai törvények alapján testek helyzetének, mozgásjellemzőinek
RészletesebbenÖnszervezően kritikus rendszerek: Bevezetés, alapfogalmak. Self-organized criticality. Homokdomb Biológiai evolúció. Példák és modellek
: Példák és modellek Bevezetés Alapfogalmak ismétlése Mi a fázisátalakulás? Alapfogalmak ismétlése Mi a fázisátalakulás? A statisztikus fizikában (termodinamikában): Az anyag átalakulása két különböző
RészletesebbenPárhuzamos programozási feladatok. BMF NIK tavasz B. Wilkinson és M. Allen oktatási anyaga alapján készült
Párhuzamos programozási feladatok BMF NIK 2008. tavasz B. Wilkinson és M. Allen oktatási anyaga alapján készült Gravitációs N-test probléma Fizikai törvények alapján testek helyzetének, mozgásjellemzőinek
RészletesebbenUniverzalitási osztályok nemegyensúlyi rendszerekben, Ódor Géza
Univerzalitási osztályok nemegyensúlyi rendszerekben, Ódor Géza odor@mfa.kfki.hu 1. Bevezetõ, dinamikus skálázás, kritikus exponensek, térelmélet formalizmus, renormalizáció, topológius fázis diagrammok,
RészletesebbenConway életjátéka (Conway' s Game of Life)
Conway életjátéka (Conway' s Game of Life) készítette : Udvari Balázs, 2008 Bevezetés John Conway (szül. 1937, Liverpool) a XX. század jelentős matematikusa; jelenleg a princetoni egyetem professzora.
RészletesebbenBetekintés a komplex hálózatok világába
Betekintés a komplex hálózatok világába Dr. Varga Imre Debreceni Egyetem Informatikai Kar EFOP-3.6.1-16-2016-00022 Egyszerű hálózatok Grafit kristály Árpád házi uralkodók családfája LAN hálózat Komplex
RészletesebbenA Formális nyelvek vizsga teljesítése. a) Normál A vizsgán 60 pont szerezhet, amely két 30 pontos részb l áll össze az alábbi módon:
A Formális nyelvek vizsga teljesítése a) Normál A vizsgán 60 pont szerezhet, amely két 30 pontos részb l áll össze az alábbi módon: 1. Öt rövid kérdés megválaszolása egyenként 6 pontért, melyet minimum
RészletesebbenÖsszefoglalás és gyakorlás
Összefoglalás és gyakorlás High Speed Networks Laboratory 1 / 28 Hálózatok jellemző paraméterei High Speed Networks Laboratory 2 / 28 Evolúció alkotta adatbázis Önszerveződő adatbázis = (struktúra, lekérdezés)
RészletesebbenPárhuzamos programozási feladatok
Többszálú, többmagos architektúrák és programozásuk Óbudai Egyetem, Neumann János Informatikai Kar Párhuzamos programozási feladatok B. Wilkinson és M. Allen oktatási anyaga alapján feladat javaslatok
RészletesebbenRend, rendezetlenség, szimmetriák (rövidített változat)
Rend, rendezetlenség, szimmetriák (rövidített változat) dr. Tasnádi Tamás 1 2018. február 16. 1 BME, Matematikai Intézet Tartalom Mi a rend? Érdekes grafikáktól a periodikus rácsokig Nem periodikus parkettázások
RészletesebbenA Formális nyelvek vizsga teljesítése. a) Normál A vizsgán 60 pont szerezhet, amely két 30 pontos részb l áll össze az alábbi módon:
A Formális nyelvek vizsga teljesítése a) Normál A vizsgán 60 pont szerezhet, amely két 30 pontos részb l áll össze az alábbi módon: 1. Öt kis kérdés megválaszolása egyenként 6 pontért, melyet minimum 12
RészletesebbenChimera állapotok az evolúciós játékelméletben Szabó György MTA EK MFA H-1525 Budapest, POB. 49. Honlap:
Chimera állapotok az evolúciós játékelméletben Szabó György MTA EK MFA H-1525 Budapest, POB. 49. Honlap: http://www.mfa.kfki.hu/~szabo ELFT Vándorgyűlés, Szeged, 2016. augusztus 27. Kivonat: Chimera állapot
Részletesebben8.3. AZ ASIC TESZTELÉSE
8.3. AZ ASIC ELÉSE Az eddigiekben a terv helyességének vizsgálatára szimulációkat javasoltunk. A VLSI eszközök (közöttük az ASIC) tesztelése egy sokrétűbb feladat. Az ASIC modellezése és a terv vizsgálata
Részletesebbenbiológiai mintázatok
Ki festi a zebra csíkját? Önszerveződő kémiai és biológiai mintázatok Szalai István Eötvös Loránd Tudományegyetem Budapest Szalai István ELTE ( Eötvös Loránd Tudományegyetem Budapest 2011 ) 1 / 30 Bevezetés
RészletesebbenGeorg Cantor (1883) vezette be Henry John Stephen Smith fedezte fel 1875-ben. van struktúrája elemi kis skálákon is önhasonló
láttuk, hogy a Lorenz egyenletek megoldásai egy nagyon bonyolult halmazt alkottak a fázistérben végtelenül komplex felület fraktál: komplex geometriai alakzatok, melyeknek elemi kis skálán is van finomszerkezete
RészletesebbenGPRS Remote. GPRS alapú android applikáció távvezérléshez. Kezelési útmutató
GPRS Remote GPRS alapú android applikáció távvezérléshez Kezelési útmutató Tartalomjegyzék Általános leírás... 1 Új modul beállítás... 2 Új okostelefon beállítás... 2 Modulok karbantartása... 3 Okostelefonok
Részletesebbenösszetevője változatlan marad, a falra merőleges összetevő iránya ellenkezőjére változik, miközben nagysága ugyanakkora marad.
A termodinamika 2. főtétele kis rendszerekben Osváth Szabolcs Semmelweis Egyetem Statisztikus sokaságok Nyomás Nyomás: a tartály falával ütköző molekulák, a falra erőt fejtenek ki Az ütközésben a részecske
RészletesebbenBevezető feldatok. Elágazás és összegzés tétele
Bevezető feldatok 1. Szövegértés és algoritmikus gondolkodás Kátai Zoltán https://people.inf.elte.hu/szlavi/infodidact15/manuscripts/kz.pdf Elágazás és összegzés tétele Táblázatkezelési feladatok Feladatok
RészletesebbenSejtautomaták. Szőke Kálmán Benjamin - SZKRADT.ELTE május 17.
Sejtautomaták Szőke Kálmán Benjamin - SZKRADT.ELTE 2012. május 17. 1. Bevezetés A legismertebb sejtautomaták egyike a John Conway által kifejlesztett életjáték. Ennek a sejtmozaik háttere olyan, mint a
RészletesebbenHagyományos tűzjelző rendszer
Hagyományos tűzjelző rendszer HAGYOMÁNYOS TŰZJELZŐ KÖZPONT EGYSZERŰ KÖLTSÉGHATÉKONY KOMPAKT Általános jellemzők 2 zónás, nem bővíthető központ 4 zónás központ, amely 8 zónás bővítőkártyákkal 20 zónásra
RészletesebbenBM 40 H Használati utasítás Vérnyomásmérő
BM 40 H H Használati utasítás Vérnyomásmérő BEURER GmbH Söflinger Str. 218 89077 Ulm (Germany) Tel.: +49 (0) 731 / 39 89-144 Fax: +49 (0) 731 / 39 89-255 www.beurer.de Mail: kd@beurer.de Magyar Tisztelt
Részletesebbenvan neve lehetnek bemeneti paraméterei (argumentumai) lehet visszatérési értéke a függvényt úgy használjuk, hogy meghívjuk
függvények ismétlése lista fogalma, használata Game of Life program (listák használatának gyakorlása) listák másolása (alap szintű, teljes körű) Reversi 2 Emlékeztető a függvények lényegében mini-programok,
RészletesebbenLogikai hálózatok. Dr. Bede Zsuzsanna St. I. em. 104.
Logikai hálózatok Dr. Bede Zsuzsanna bede.zsuzsanna@mail.bme.hu St. I. em. 04. Tanszéki honlap: www.kjit.bme.hu/hallgatoknak/bsc-targyak-3/logikai-halozatok Gyakorlatok: hétfő + 08:5-0:00 J 208 HF: 4.
Részletesebben3 3 3 3 3 3 0 ----------------------- 0 3 3 3 3 3 3
Nagy feladat: Készítse el a programot saját tudása és ötletei alapján. Semmilyen grafikát (OpenGL, DirectX, stb) NE használjon. Minden grafikát csak szövegesen jelenítsen meg. Működőképes programot kell
RészletesebbenBC 30. H Vérnyomásmérő készülék Használati útmutató
BC 30 H H Vérnyomásmérő készülék Használati útmutató BEURER GmbH Söflinger Str. 218 89077 Ulm (Germany) Tel.: +49 (0) 731 / 39 89-144 Fax: +49 (0) 731 / 39 89-255 www.beurer.de Mail: kd@beurer.de MAGYAR
RészletesebbenLogisztikai szimulációs módszerek
Üzemszervezés Logisztikai szimulációs módszerek Dr. Juhász János Integrált, rugalmas gyártórendszerek tervezésénél használatos szimulációs módszerek A sztochasztikus külső-belső tényezőknek kitett folyamatok
RészletesebbenA Jövő Internet elméleti alapjai. Vaszil György Debreceni Egyetem, Informatikai Kar
A Jövő Internet elméleti alapjai Vaszil György Debreceni Egyetem, Informatikai Kar Kutatási témák Bizalmas adatok védelme, kriptográfiai protokollok DE IK Számítógéptudományi Tsz., MTA Atomki Informatikai
RészletesebbenFormális nyelvek és automaták vizsgához statisztikailag igazolt várható vizsgakérdések
1. Feladat Az első feladatban szereplő - kérdések 1 Minden környezet független nyelv felismerhető veremautomatával. Minden környezet független nyelv felismerhető 1 veremmel. Minden 3. típusú nyelv felismerhető
RészletesebbenA számítógépes nyelvészet elmélete és gyakorlata. Automaták
A számítógépes nyelvészet elmélete és gyakorlata Automaták Nyelvek és automaták A nyelvek automatákkal is jellemezhetőek Automaták hierarchiája Chomsky-féle hierarchia Automata: új eszköz a nyelvek komplexitásának
RészletesebbenMonte Carlo módszerek a statisztikus fizikában. Az Ising modell. 8. előadás
Monte Carlo módszerek a statisztikus fizikában. Az Ising modell. 8. előadás Démon algoritmus az ideális gázra időátlag fizikai mennyiségek átlagértéke sokaságátlag E, V, N pl. molekuláris dinamika Monte
RészletesebbenMolekuláris dinamika I. 10. előadás
Molekuláris dinamika I. 10. előadás Miről is szól a MD? nagy részecskeszámú rendszerek ismerjük a törvényeket mikroszkópikus szinten minden részecske mozgását szimuláljuk? Hogyan tudjuk megérteni a folyadékok,
RészletesebbenAz UPPAAL egyes modellezési lehetőségeinek összefoglalása. Majzik István BME Méréstechnika és Információs Rendszerek Tanszék
Az UPPAAL egyes modellezési lehetőségeinek összefoglalása Majzik István BME Méréstechnika és Információs Rendszerek Tanszék Résztvevők együttműködése (1) Automaták interakciói üzenetküldéssel Szinkron
RészletesebbenStatisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1
Statisztika - bevezetés 00.04.05. Méréselmélet PE MIK MI_BSc VI_BSc Bevezetés Véletlen jelenség fogalma jelenséget okok bizonyos rendszere hozza létre ha mindegyik figyelembe vehető egyértelmű leírás általában
Részletesebben12. előadás - Markov-láncok I.
12. előadás - Markov-láncok I. 2016. november 21. 12. előadás 1 / 15 Markov-lánc - definíció Az X n, n N valószínűségi változók sorozatát diszkrét idejű sztochasztikus folyamatnak nevezzük. Legyen S R
RészletesebbenDiszkrét matematika 2.
Diszkrét matematika 2. Mérai László előadása alapján Készítette: Nagy Krisztián 1. előadás Gráfok halmaza, gráf, ahol a csúcsok halmaza, az élek illesztkedés reláció: illesztkedik az élre, ha ( -él illesztkedik
RészletesebbenSpecifikáció alapú teszttervezési módszerek
Szoftverellenőrzési technikák Specifikáció alapú teszttervezési módszerek Majzik István, Micskei Zoltán http://www.inf.mit.bme.hu/ 1 Klasszikus tesztelési feladat A tesztelendő program beolvas 3 egész
Részletesebben8. Sejtautomaták egy fajra
Sejtautomaták egy fajra 64 8. Sejtautomaták egy fajra A tér-idı modellezés egyik hatékony eszköze a sejtautomaták. A sejtautomaták idıben és térben egyaránt diszkrét folyamatokat írnak le, így viselkedésük
RészletesebbenSpecifikáció alapú teszttervezési módszerek
Szoftverellenőrzési technikák Specifikáció alapú teszttervezési módszerek Majzik István, Micskei Zoltán http://www.inf.mit.bme.hu/ 1 Klasszikus tesztelési feladat A tesztelendő program beolvas 3 egész
RészletesebbenLehetséges vizsgálatok III: Szimmetrikus bolyongás Jobbra => +1; Balra => -1 P(jobbra) = P(balra) = ½
Véletlen bolyongások (1D 2D 3D) 1 / 35 oldal Definíció: Egy egyenesen (1 dimenziós tér) Jobbra, vagy balra lépünk Minden lépés független a korábbiaktól P(jobbra)=p; P(balra)=q Nincs helyben maradási" lépés,
RészletesebbenAlgoritmuselmélet 12. előadás
Algoritmuselmélet 12. előadás Katona Gyula Y. Budapesti Műszaki és Gazdaságtudományi Egyetem Számítástudományi Tsz. I. B. 137/b kiskat@cs.bme.hu 2002 Április 9. ALGORITMUSELMÉLET 12. ELŐADÁS 1 Turing-gépek
RészletesebbenKülönleges információ
Kezelési útmutató Különleges információ A készülék elemekkel vagy egy külső áramforrásról (adapter) működik. Ne üzemeltesse azt más áramforrásról mint amit a kezelési útmutató előír, vagy ami a készülék
RészletesebbenBC 80 H Vérnyomásmérő Használati útmutató
BC 80 H Vérnyomásmérő Használati útmutató BEURER GmbH Söflinger Str. 218 89077 Ulm (Germany) www.beurer.com MAGYAR Tartalom 1. A készülék ismertetése...2 2. Fontos tudnivalók...2 3. A készülék leírása...5
RészletesebbenAlapszintű formalizmusok
Alapszintű formalizmusok dr. Majzik István BME Méréstechnika és Információs Rendszerek Tanszék 1 Mit szeretnénk elérni? Informális tervek Informális követelmények Formális modell Formalizált követelmények
Részletesebbenfolyamatrendszerek modellezése
Diszkrét eseményű folyamatrendszerek modellezése Hangos Katalin Számítástudomány Alkalmazása Tanszék Veszprémi Egyetem Haladó Folyamatmodellezés és modell analízis PhD kurzus p. 1/36 Tartalom Diszkrét
RészletesebbenDicsőségtabló Beadós programozási feladatok
Dicsőségtabló Beadós programozási feladatok Hallgatói munkák 2017 2018 Szavak kiírása ábécé felett Készítő: Maurer Márton (GI, nappali, 2017) Elméleti háttér Adott véges Ʃ ábécé felett megszámlálhatóan
RészletesebbenSzekvenciális hálózatok és automaták
Szekvenciális hálózatok a kombinációs hálózatokból jöhetnek létre tárolási tulajdonságok hozzáadásával. A tárolás megvalósítása történhet a kapcsolás logikáját képező kombinációs hálózat kimeneteinek visszacsatolásával
RészletesebbenPerturbációk elméleti és kísérleti vizsgálata a BME Oktatóreaktorán
Perturbációk elméleti és kísérleti vizsgálata a BME Oktatóreaktorán Horváth András, Kis Dániel Péter, Szatmáry Zoltán XV. Nukleáris Technikai Szimpózium 2016. december 8-9. Paks, Erzsébet Nagyszálloda
RészletesebbenSZAKDOLGOZAT VIRÁG DÁVID
SZAKDOLGOZAT VIRÁG DÁVID 2010 Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Áramlástan Tanszék SZÁRNY KÖRÜLI TURBULENS ÁRAMLÁS NUMERIKUS SZIMULÁCIÓJA NYÍLT FORRÁSKÓDÚ SZOFTVERREL VIRÁG
RészletesebbenA félév során előkerülő témakörök
A félév során előkerülő témakörök rekurzív algoritmusok rendező algoritmusok alapvető adattípusok, adatszerkezetek, és kapcsolódó algoritmusok dinamikus programozás mohó algoritmusok gráf algoritmusok
RészletesebbenDunaújvárosi Főiskola Informatikai Intézet. Intelligens ágensek. Dr. Seebauer Márta. főiskolai tanár
Dunaújvárosi Főiskola Informatikai Intézet Intelligens ágensek Dr. Seebauer Márta főiskolai tanár seebauer.marta@szgti.bmf.hu Ágens Ágens (agent) bármi lehet, amit úgy tekinthetünk, hogy érzékelők (sensors)
RészletesebbenKondenzált anyagok fizikája 1. zárthelyi dolgozat
Név: Neptun-kód: Kondenzált anyagok fizikája 1. zárthelyi dolgozat 2015. november 5. 16 00 18 00 Fontosabb tudnivalók Ne felejtse el beírni a nevét és a Neptun-kódját a fenti üres mezőkbe. Minden feladat
RészletesebbenGenetikus algoritmusok az L- rendszereken alapuló. Werner Ágnes
Genetikus algoritmusok az L- rendszereken alapuló növénymodellezésben Werner Ágnes Motiváció: Procedurális modellek a növénymodellezésben: sok tervezési munka a felhasználónak ismerni kell az eljárás részleteit
RészletesebbenVéletlen gráfok. Backhausz Ágnes Eötvös Loránd Tudományegyetem és MTA Rényi Alfréd Matematikai Kutatóintézet december 2.
Véletlen gráfok Backhausz Ágnes Eötvös Loránd Tudományegyetem és MTA Rényi Alfréd Matematikai Kutatóintézet agnes@cs.elte.hu 2015. december 2. Nagy hálózatok Példák valós hálózatokra társadalmi hálózatok
RészletesebbenTechnikai áttekintés SimDay 2013. H. Tóth Zsolt FEA üzletág igazgató
Technikai áttekintés SimDay 2013 H. Tóth Zsolt FEA üzletág igazgató Next Limit Technologies Alapítva 1998, Madrid Számítógépes grafika Tudományos- és mérnöki szimulációk Mottó: Innováció 2 Kihívás Technikai
RészletesebbenFelszerelési és használati útmutató. 3 bemenet, 1 kimenet
Felszerelési és használati útmutató Hőmérséklet-különbség szabályozó 3 bemenet, 1 kimenet Ez a leírás része a terméknek. Használat előtt figyelmesen olvassa el ezt a leírást. A termék teljes élettartama
RészletesebbenSmartActive Squash - IoT sportanalitika a felhőben
SmartActive Squash - IoT sport a felhőben Gódor István Vidács Attila Fehér Gábor TrafficLab HSNLab HSNLab Ericsson Research BME TMIT BME TMIT (SMartActive Garage : Ericsson BME ELTE) SmartActive Okos környezet
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 10 X. SZIMULÁCIÓ 1. VÉLETLEN számok A véletlen számok fontos szerepet játszanak a véletlen helyzetek generálásában (pénzérme, dobókocka,
RészletesebbenA forgalomsűrűség és a követési távolság kapcsolata
1 A forgalomsűrűség és a követési távolság kapcsolata 6 Az áramlatsűrűség (forgalomsűrűség) a követési távolsággal ad egyértelmű összefüggést: a sűrűség reciprok értéke a(z) (átlagos) követési távolság.
RészletesebbenRekurzió. Dr. Iványi Péter
Rekurzió Dr. Iványi Péter 1 Függvényhívás void f3(int a3) { printf( %d,a3); } void f2(int a2) { f3(a2); a2 = (a2+1); } void f1() { int a1 = 1; int b1; b1 = f2(a1); } 2 Függvényhívás void f3(int a3) { printf(
RészletesebbenMatematikai alapok és valószínőségszámítás. Valószínőségi eloszlások Binomiális eloszlás
Matematikai alapok és valószínőségszámítás Valószínőségi eloszlások Binomiális eloszlás Bevezetés A tudományos életben megfigyeléseket teszünk, kísérleteket végzünk. Ezek többféle különbözı eredményre
RészletesebbenNagy Péter: Fortuna szekerén...
Nagy Péter: Fortuna szekerén... tudni: az ész rövid, az akarat gyenge, hogy rá vagyok bízva a vak véletlenre. És makacs reménnyel mégis, mégis hinni, hogy amit csinálok, az nem lehet semmi. (Teller Ede)
RészletesebbenRöst Gergely (Bolyai Intézet) járványok és matematika December 7, 2011 1 / 30
Röst Gergely (Bolyai Intézet) járványok és matematika December 7, 2011 1 / 30 Tartalom 1 Történelmi járványok 2 Milyen kérdésekre adhat választ a matematika? 3 Influenzajárvány az iskolában - miért ér
RészletesebbenAnyagmérnöki Tudományok, Miskolc, 36/1. kötet. (2011) pp
ÁTALAKULÁSI DIAGRAMOK SZÁMÍTÁSA ALLOTRÓP ÁTALAKULÁS ESETÉN SEJTAUTOMATA SZIMULÁCIÓJÁVAL CALCULATION OF TRANSFORMATION DIAGRAMS BY SIMULATION OF ALLOTROPIC PHASE TRANSFORMATION BY CELLULAR AUTOMATON METHOD
RészletesebbenLogikai ágensek. Mesterséges intelligencia március 21.
Logikai ágensek Mesterséges intelligencia 2014. március 21. Bevezetés Eddigi példák tudásra: állapotok halmaza, lehetséges operátorok, ezek költségei, heurisztikák Feltételezés: a világ (lehetséges állapotok
RészletesebbenMESTERSÉGES INTELLIGENCIA
MESTERSÉGES INTELLIGENCIA MESTERSÉGES ÉLET Orás s LászlL szló Bevezetés Definció Áttekintés Célok Pozitívumok Alkalmazások Bevezetés > Definció Áttekintés Célok Pozitívumok Alkalmazások Definició: mesterséges
Részletesebben3D szimuláció és nyomtatás a gerincsebészetben
3D szimuláció és nyomtatás a gerincsebészetben Dr. LazáryÁron PhD, Dr. Éltes Péter, Dr. Varga Péter Pál Országos Gerincgyógyászati Központ, Budapest NYOMTATÁS:technológiai folyamat, mely során szöveget,
RészletesebbenMit látnak a robotok? Bányai Mihály Matemorfózis, 2017.
Mit látnak a robotok? Bányai Mihály Matemorfózis, 2017. Vizuális feldolgozórendszerek feladatai Mesterséges intelligencia és idegtudomány Mesterséges intelligencia és idegtudomány Párhuzamos problémák
RészletesebbenGázturbina égő szimulációja CFD segítségével
TEHETSÉGES HALLGATÓK AZ ENERGETIKÁBAN AZ ESZK ELŐADÁS-ESTJE Gázturbina égő szimulációja CFD segítségével Kurucz Boglárka Gépészmérnök MSc. hallgató kurucz.boglarka@eszk.org 2015. ÁPRILIS 23. Tartalom Bevezetés
Részletesebben5. Hét Sorrendi hálózatok
5. Hét Sorrendi hálózatok Digitális technika 2015/2016 Bevezető példák Példa 1: Italautomata Legyen az általunk vizsgált rendszer egy italautomata, amelyről az alábbi dolgokat tudjuk: 150 Ft egy üdítő
RészletesebbenMolekuláris dinamika. 10. előadás
Molekuláris dinamika 10. előadás Mirőlis szól a MD? nagy részecskeszámú rendszerek ismerjük a törvényeket mikroszkópikus szinten? Hogyan tudjuk megérteni a folyadékok, gázok, szilárdtestek makroszkópikus
RészletesebbenAlgoritmusok és adatszerkezetek II.
Algoritmusok és adatszerkezetek II. Horváth Gyula Szegedi Tudományegyetem Természettudományi és Informatikai Kar horvath@inf.u-szeged.hu 6. Ugrólista (Skiplist) Definíció. Olyan adatszerkezet, amelyre
RészletesebbenFormális nyelvek - 9.
Formális nyelvek - 9. Csuhaj Varjú Erzsébet Algoritmusok és Alkalmazásaik Tanszék Informatikai Kar Eötvös Loránd Tudományegyetem H-1117 Budapest Pázmány Péter sétány 1/c E-mail: csuhaj@inf.elte.hu 1 Véges
RészletesebbenPlakátok, részecskerendszerek. Szécsi László
Plakátok, részecskerendszerek Szécsi László Képalapú festés Montázs: képet képekből 2D grafika jellemző eszköze modell: kép [sprite] 3D 2D képével helyettesítsük a komplex geometriát Image-based rendering
RészletesebbenBiomechanika előadás: Háromdimenziós véráramlástani szimulációk
Biomechanika előadás: Háromdimenziós véráramlástani szimulációk Benjamin Csippa 1111, Budapest, Műegyetem rkp. 3. D ép. 3. em www.hds.bme.hu Tartalom Mire jó a CFD? 3D szimuláció előállítása Orvosi képtől
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
RészletesebbenEvolúciós fogolydilemma játék különböző gráfokon
Evolúciós fogolydilemma játék különböző gráfokon A doktori értekezés tézisei Vukov Jeromos Pál Fizika doktori iskola A doktori iskola vezetője: Prof. Horváth Zalán, akadémikus Statisztikus fizika, biológiai
RészletesebbenAz alábbi feladatok közül a megadottat készítse el objektum-orientált módszerrel. Fontos, hogy objektum-orientált módon gondolkozzon és úgy is
Az alábbi feladatok közül a megadottat készítse el objektum-orientált módszerrel. Fontos, hogy objektum-orientált módon gondolkozzon és úgy is valósítsa meg! Például a játékos egy objektum, amelynek vannak
Részletesebben"Eseményekre imm/connection Server scriptek futtatása
"Eseményekre imm/connection Server scriptek futtatása Az eseményeken az inels BUS rendszeren belül bekövetkező állapotváltozásokat értjük, amelyeket a CU3 központi egység ASCII kommunikációval továbbít
RészletesebbenBevezetés az elektronikába
Bevezetés az elektronikába 2. Feladatsor: Feszültségosztó, dióda karakterisztika, alternatív kapcsolás, kapcsoló logika Hobbielektronika csoport 2017/2018 1 Debreceni Megtestesülés Plébánia Feszültségosztó
Részletesebben2. tartály tele S3 A tartály tele, ha: S3=1 I 0.2. 3. tartály tele S5 A tartály tele, ha: S5=1 I 0.4
Követővezérlés tárolással Tárolótartályrendszer: feltöltés vezérlése Három tárolótartály tele állapotát az S1, S3, S5 jeladók, az üres jelet az S2, S4, S6 jeladók szolgáltatják az előbbi sorrendben. A
RészletesebbenForgalmi modellezés BMEKOKUM209
BME Közlekedésüzemi és Közlekedésgazdasági Tanszék Forgalmi modellezés BMEKOKUM209 Szimulációs modellezés Dr. Juhász János A forgalmi modellezés célja A közlekedési igények bővülése és a motorizáció növekedése
RészletesebbenSpeciális útkereső algoritmusok. Kelemen Zsolt
Speciális útkereső algoritmusok Kelemen Zsolt Röviden Útkeresési algoritmusok: gráfos keresés gráf nélküli keresés ant search (hangya alapú keresés) Általában a mesterséges intelligencia egyik legrégebbi
RészletesebbenRádl Attila december 11. Rádl Attila Spalláció december / 21
Spalláció Rádl Attila 2018. december 11. Rádl Attila Spalláció 2018. december 11. 1 / 21 Definíció Atommagok nagyenergiás részecskével történő ütközése során másodlagos részecskéket létrehozó rugalmatlan
RészletesebbenModell alapú tesztelés: célok és lehetőségek
Szoftvertesztelés 2016 Konferencia Modell alapú tesztelés: célok és lehetőségek Dr. Micskei Zoltán Budapesti Műszaki és Gazdaságtudományi Egyetem Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika
RészletesebbenCAESAR CT-220U -típ. autóriasztó + rablásgátló
CAESAR CT-220U -típ. autóriasztó + rablásgátló Beszerelési útmutató A BESZERELÉSI ÚTMUTATÓ csak a beszereléshez szükséges információkat tartalmazza, a készülék mőködését lásd a FELHASZNÁLÓI ÚTMUTATÓBAN.
RészletesebbenMolekuláris motorok működése
Biológiai molekuláris motorok tulajdonságai Molekuláris motorok működése Osváth Szabolcs Semmelweis Egyetem - anyaguk lágy (biopolimerek) - nem kovalens kölcsönhatások vezérlik a működést - nincsenek sima
RészletesebbenTuring-gép május 31. Turing-gép 1. 1
Turing-gép 2007. május 31. Turing-gép 1. 1 Témavázlat Turing-gép Determinisztikus, 1-szalagos Turing-gép A gép leírása, példák k-szalagos Turing-gép Univerzális Turing-gép Egyéb Turing-gépek Nemdeterminisztikus
RészletesebbenII. 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
RészletesebbenNagyméretű közúti közlekedési hálózatok analízise, 3D vizualizációja
Nagyméretű közúti közlekedési hálózatok analízise, 3D vizualizációja Fazekas Sándor Témavezető: dr. Péter Tamás Közlekedés és járműirányítás workshop BME 2011 ISBN 978-963-420-975-1 Köszönet nyilvánítás
RészletesebbenA Számítástudomány alapjai
Mechatronika, Optika és Gépészeti Informatika Tanszék A Számítástudomány alapjai Szemelvények az Elméleti Számítástudomány területéről Fogalmak: Számítástechnika Realizáció, technológia Elméleti számítástudomány
RészletesebbenNeurális hálózatok.... a gyakorlatban
Neurális hálózatok... a gyakorlatban Java NNS Az SNNS Javás változata SNNS: Stuttgart Neural Network Simulator A Tübingeni Egyetemen fejlesztik http://www.ra.cs.unituebingen.de/software/javanns/ 2012/13.
RészletesebbenSpeciális fluoreszcencia spektroszkópiai módszerek
Speciális fluoreszcencia spektroszkópiai módszerek Fluoreszcencia kioltás Fluoreszcencia Rezonancia Energia Transzfer (FRET), Lumineszcencia A molekuláknak azt a fényemisszióját, melyet a valamilyen módon
RészletesebbenÁRAMKÖRÖK SZIMULÁCIÓJA
ÁRAMKÖRÖK SZIMULÁCIÓJA Az áramkörök szimulációja révén betekintést nyerünk azok működésébe. Meg tudjuk határozni az áramkörök válaszát különböző gerjesztésekre, különböző üzemmódokra. Végezhetők analóg
RészletesebbenNemes Tihamér Nemzetközi Informatikai Tanulmányi Verseny 2-3. korcsoport. Maximális növekedés
Maximális növekedés N napon keresztül naponta feljegyeztük az eladott mobiltelefonok számát. Készíts programot, amely megadja két olyan nap sorszámát, amelyek közötti napokon az első napon volt a legkevesebb,
RészletesebbenV A C O N 1 0 0 A L K A L M A Z Á S I K É Z I K Ö N Y V
V A C O N 1 0 0 HVAC HAJTÁSOK A L K A L M A Z Á S I K É Z I K Ö N Y V VACON 0 Tartalom Dokumentum: DPD00491E Rendelési kód:doc-app022456+dluk Rev. E A változat kibocsátásának dátuma: 2011.03.21 Megfelel
RészletesebbenDigitális technika (VIMIAA02) Laboratórium 1
BUDAPESTI MŰSZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM VILLAMOSMÉRNÖKI ÉS INFORMATIKAI KAR MÉRÉSTECHNIKA ÉS INFORMÁCIÓS RENDSZEREK TANSZÉK Digitális technika (VIMIAA02) Laboratórium 1 Fehér Béla Raikovich Tamás,
Részletesebben13 Wiener folyamat és az Itô lemma. Options, Futures, and Other Derivatives, 8th Edition, Copyright John C. Hull
13 Wiener folyama és az Iô lemma Opions, Fuures, and Oher Derivaives, 8h Ediion, Copyrigh John C. Hull 01 1 Markov folyamaok Memória nélküli szochaszikus folyamaok, a kövekező lépés csak a pillananyi helyzeől
RészletesebbenTémakörök. Alapkoncepciók. Alapfogalmak. Egyed-kapcsolat modell. Alapfogalmak. Egyed-kapcsolat diagram
Témakörök Alapkocepciók Szoftvertechológia elıadás Egyed-kapcsolat modellek Osztálydiagramok Iterakciódiagramok Vezérlési struktúrák Dötési táblák és fák Állapotautomaták Petri hálók Egyed-kapcsolat modell
RészletesebbenHasználati útmutató. A Hungary Mérleg Kft. által forgalmazott HL típusú címkenyomtatós békamérleghez.
Használati útmutató A Hungary Mérleg Kft. által forgalmazott HL típusú címkenyomtatós békamérleghez. Technikai paraméterek: - 6 számjegyű LED kijelző - 7 nyomógomb, egyszerű kezelhetőség - Gerjesztési
Részletesebben