Méréselmélet: 5. előadás,

Hasonló dokumentumok
Méréselmélet: 5. előadás,

M3 ZÁRT CSATORNÁBAN ELHELYEZETT HENGERRE HATÓ ERŐ MÉRÉSE

5. modul: Szilárdságtani Állapotok lecke: A feszültségi állapot

12. Laboratóriumi gyakorlat MÉRÉSEK FELDOLGOZÁSA

I nyílt intervallum, ( ) egyenletet közönséges (elsõrendû explicit) differenciálegyenletnek nevezzük. Az

3. Lokális approximáció elve, végeselem diszkretizáció egydimenziós feladatra

53. sz. mérés. Hurokszabályozás vizsgálata

4. MECHANIKA STATIKA GYAKORLAT (kidolgozta: Triesz Péter, egy. ts.; Tarnai Gábor, mérnök tanár)

A központos furnérhámozás néhány alapösszefüggése

Néhány pontban a függvény értéke: x f (x)

Mágneses anyagok elektronmikroszkópos vizsgálata

13. gyakorlat Visszacsatolt műveletierősítők. A0=10 6 ; ω1=5r/s, ω2 =1Mr/s R 1. Kérdések: uki/ube=?, ha a ME ideális!

Numerikus módszerek 1. Alapvető fogalmak és összefüggések. Hogyan mérjük azt, hogy egy függvény nagy vagy kicsi?

Integrált Intetnzív Matematika Érettségi

Regresszió és korreláció

1. Vizsgazárthelyi megoldásokkal 1997/98 tél I. évf tk.

5. MECHANIKA STATIKA GYAKORLAT (kidolgozta: Triesz Péter, egy. ts.; Tarnai Gábor, mérnöktanár)

Regresszió és korreláció

A szelepre ható érintkezési erő meghatározása

13. Tárcsák számítása. 1. A felületszerkezetek. A felületszerkezetek típusai

A hőmérsékleti sugárzás

Sztochasztikus tartalékolás és a tartalék függése a kifutási háromszög időperiódusától

EUKLIDESZI TÉR. Euklideszi tér, metrikus tér, normált tér, magasabb dimenziós terek vektorainak szöge, ezek következményei

n 1 1 n sehova szám (DÖNTETLEN) 1 0 k n n n 1 IZÉ HA a sorozat is lim akkor n NEVEZETES SOROZATOK HATÁRÉRTÉKEI ÖSSZEG HATÁRÉRTÉKE IZÉ

A BINÁRIS LOGIT MODELLEK HASZNÁLATÁNAK ÉS TESZTELÉSÉNEK ESZKÖZEI

- 1 - A következ kben szeretnénk Önöknek a LEGO tanítási kultúráját bemutatni.

Szerkezetek numerikus modellezése az építőmérnöki gyakorlatban

A kötéstávolság éppen R, tehát:

Dugattyús szivattyú általános beépítési körülményei (szívó- és nyomóoldali légüsttel) Vegyipari- és áramlástechnikai gépek. 2.

MATEMATIKA FELADATLAP a 8. évfolyamosok számára

SIKALAKVÁLTOZÁSI FELADAT MEGOLDÁSA VÉGESELEM-MÓDSZERREL

Bojtár-Gáspár: A végeselemmódszer matematikai alapjai

Robotok irányítása. főiskolai jegyzet javított változat. írta: Tukora Balázs

Backtrack módszer (1.49)

CÉLEGYENESBEN! Nyertek a horgászok

A Mozilla ThunderBird levelezőprogram haszálata (Készítette: Abonyi-Tóth Zsolt, SZIE ÁOTK, , Version 1.1)

10 Nemlineáris irányítási algoritmusok

Feladatok megoldással

Modern piacelmélet. ELTE TáTK Közgazdaságtudományi Tanszék. Selei Adrienn

GYAKORLÓ FELADATOK 3. A pénzügyi eszközök értékelése

A szerkezetszintézis matematikai módszerei

Cikória szárítástechnikai tulajdonságainak vizsgálata modellkísérlettel

FELVÉTELI FELADATOK 8. osztályosok számára M 1 feladatlap

8. MECHANIKA-SZILÁRDSÁGTAN GYAKORLAT (kidolgozta: dr. Nagy Zoltán egy. adjunktus; Bojtár Gergely egy. Ts.; Tarnai Gábor mérnöktanár.

Széchenyi István Egyetem. Alkalmazott Mechanika Tanszék

VI. Mesterséges neuronhálók

Országos Szilárd Leó fizikaverseny feladatai

Ó Ó ü ú ú

ű ű Ö Ü

ő Ú ú Ü ú

Ó

Ó Ü

ű ű ű Ú Ü Ü Ú ű Ó Ó ű

ű ű Ó

Ú ű Ö ű ű Ü Ú ű Ü ű ű ű ű ű Ö ű

ű ű ű Ú ű ű Ó ű Ó Ö

ú ú ú ű ú Ó ú ű Ö Ö ű ű ű ú ú ű ű ű ű ú ű Ö ú ú ű Ó ű ű

Ú Ö ű Ö

Ó ű ű ű ű ű

ű ű ű Ú ű ű ű ű Ó

ű ű ű ű ű ű ű ű

Ö Ö Ú

1. Testmodellezés Drótvázmodell. Testmodellezés 1

3. MECHANIKA STATIKA GYAKORLAT Kidolgozta: Triesz Péter egy. ts. Három erő egyensúlya

Megállapítható változók elemzése Függetlenségvizsgálat, illeszkedésvizsgálat, homogenitásvizsgálat

Móri Tamás. Fıkomponens- és faktoranalízis

Feladatok és megoldások a 11. heti gyakorlathoz

A diszkrét kategóriaskálán mért Y változó kimenetének az előrejelzését klasszifikációnak

Szervomotor sebességszabályozása

A vállalati likviditáskezelés szerepe eszközfedezettel rendelkező hitelszerződésekben

Életkor (Age) és szisztolés vérnyomás (SBP)

FORGÓRÉSZ DINAMIKUS KIEGYENSÚLYOZÁSA I. Laboratóriumi gyakorlat elméleti útmutató

Villamos érintésvédelem

H Eredeti felszerelési és kezelési utasítás 1-30

? közgazdasági statisztika

A HIBAKORLÁTOZÓ KÓDOLÁS

KORLÁTOS. mateking.hu BINOMIÁLIS ELOSZLÁS. Egy úton hetente átlag 3 balesetes nap van. Mi a valószínűsége, hogy egy adott héten 2 balesetes nap van?

5. MECHANIKA STATIKA GYAKORLAT (kidolgozta: Triesz Péter, egy. ts.; Tarnai Gábor, mérnöktanár)

DIFFERENCIÁLSZÁMÍTÁS. 1. A differenciálhányados fogalma

5. MECHANIKA STATIKA GYAKORLAT Kidolgozta: Szabó Tamás egy. doc., Triesz Péter egy. ts.

Vezetéki termikus védelmi funkció

Külső konzulens: Maza Gábor /E-ON Dél-dunántúli Áramhálózati Zrt./

FELVÉTELI FELADATOK 4. osztályosok számára M 1 feladatlap

3. KISFESZÜLTSÉGŰ VEZETÉKEK MÉRETEZÉSE

Valós változós komplex függvények. y 0 görbe egyenlete komplex alakban: f x, y 0. Komplex változós komplex függvények y, ahol z x.

(2) A d(x) = 2x + 2 függvénynek van véges határértéke az x0 = 1 helyen, így a differenciálhányados: lim2x

i 0 egyébként ábra. Negyedfokú és ötödfokú Bernstein polinomok a [0,1] intervallumon.

? közgazdasági statisztika

22. előadás OLIGOPÓLIUM

Tuzson Zoltán A Sturm-módszer és alkalmazása

10. Aggregált kínálat

A lᔗ卧 ᔗ卧 s l ok l pj h f él om s k s és, v g m s s v l ᔗ卧kö p lés g ol ol g om f l, m l síkm s és g képsíko k ll vég h j s l ok s v l. A m g o s vo l

6. SZILÁRDSÁGTANI ÁLLAPOTOK

KORLÁTOS. mateking.hu BINOMIÁLIS ELOSZLÁS. Egy úton hetente átlag 3 balesetes nap van. Mi a valószínűsége, hogy egy adott héten 2 balesetes nap van?

A biológiai szűrés természete és hőmérsékletfüggése

Statisztika. Eloszlásjellemzők

III. FEJEZET FÜGGVÉNYEK ÉS TULAJDONSÁGAIK

Széchenyi István Egyetem. Alkalmazott Mechanika Tanszék

Utófeszített vasbeton lemezek

Budapest Főváros VIII. kerület Józsefvárosi Önkormányzat Képviselő-testületének 46/2009.(XII.21.) sz. önkormányzati rendelete

Átírás:

5. Modllllsztés folt. Méréslmélt: 5. lőadás, 4.3.. Út az adaptív lárásokhoz: 85 és 88 alapá: R P, R P. Ez utóbb mdkét oldalát mgszorozva az R mátrxszal: R. 9 Fltétlzv, hog cs tökélts smrtük az R mátrxról, és bből adódóa a gradsről, 9 átírható g tratív formára: ˆ R ˆ, lltv a bátorság téző bvztésévl, vsszaírva a tökélts R mátrxot és gradst R. 93 Mggzésk:. Ha potosa smrük az R mátrxot és gradst, akkor glépéss kovrgcát bztosít ttszőlgs kzdőpotból.. Mvl R ], zért zt a 93 összfüggésb bhlttsítv, és az glt mdkét oldalából lvova értékét:, vags a kzdt hba xpocáls llggl csökk, ha. Ha. 5, akkor mooto csökkő hbával, llkző stb pdg mooto csökkő ampltúdóú, d lgő llgű hbával közlítük mg. 3. A modll-llsztés grads módszrt a szrt külöbözttük mg, hog a 93 szrt összfüggés alkalmazásához ml lőzts smrtk állak rdlkzésükr. Az adaptív lárs kombátor működését líró gltk, amb az R és a P mátrxok smrtk: R, ll.. 94 Mggzésk:. A továbbakba sorra krülő vzsgálatok azt tárák fl, hog ml lhtőségk vaak akkor, ha az R és P mátrxokra voatkozó lőzts a pror smrtk részlgsk, stlg tls mértékb háozak, lgflbb a folamatba lévő méréskr alapozhatók. Ez a godolat végg l va a továbbakba, a mgértéshz fotos, hog zt haguk fglm kívül.. Fglük mg, hog az R mátrx globáls formácót hordoz a hbaflültről, a grads pdg az adott paramétrérték sté a hbaflült lokáls llmzés. Ez lokáls smrt alapá rszkdük a hbaflült az ú. grads lárások alkalmazása sté aak érdkéb, hog mél közlbb krülük az optmumot lgksbb égzts hbát rdméző paramétr bállításhoz. Az R mátrx vzsgálata: A hbaflült az R mátrxtól függ. Elöláróba azt mutatuk b, hog ml fltétlk sté lhtségs az optmum-krsést úg mgvalósíta, ahoga g mpdaca-mérő híd stéb s szrték: gkét változtatuk a változtatható paramétrkt, mégpdg úg, hog mdg mgkrssük a lokáls mmumot, és közb a hba gtl lépés sorá sm ő. Ehhz g ola koordátardszrb törtéő krsés tartozk, amlk tgl a parabolod formáú hbaflült főtglk ráába mutatak. Ezt a koordátardszrt az R mátrx saátvktora lölk k.

Méréslmélt: 5. lőadás, 4.3.. R R 95 m m Fotos szrpt átszk thát az R saátérték/saátvktor rdszr. Példakét a 9 szrt stb vzsgálódva:.5.5cos R. A dt I R glt gök adák a saátértékkt:.5cos.5 A két gök:.5.5cos.5s 96.5.5cos, ll..5.5cos 97 A saátvktorok az R, R gltkből származtathatók..5.5cos q q.5 cos q q.5cos.5 q q 98.5.5cos q q.5 cos q q.5cos.5 q q 99 A saátvktorokat gségr ormálva:,, lásd 5. ábra. A példa szrt saátvktorok thát gmásra mrőlgs, a koordáta rdszr tglvl 45 fokos szögt bzáró vktorok. Ezk adák mg azokat az rszkdés ráokat, amlk mté törtéő mozgás gtl paramétr változtatásával lhtségs. Általába dt R I,,...,. R I,,,...,. A saátvktorokat mátrxba rdzv: R, ll. R dag R, am R ú. ormál formáa. Mvl az R dfícó szrt szmmtrkus mátrx, zért R R. Fotos tuladoság, hog lkor a saátvktorok ortogoálsak:, ha, gébkét I, azaz R c. Ha -r, akkor a saátvktorok ortoormáltak, és. Az ortogoaltás bzoítása: A dfícó alapá. Az lső glt mdkét oldalát obbról szorozva R, ll. -vl, a másodk glt

Méréslmélt: 5. lőadás, 4.3.. mdkét oldalát balról szorozva -vl: R 3, ll. R R R, zért az gltk baloldala glő, záltal zért az glőség csak akkor állhat f, ha.. Mvl. Mvl, Mggzésk:. Mvl R poztív dft, zért a saátértékk m gatívak.. Az R korrlácós mátrx saátvktora a hbaflült főtglt lölk k. m R m R m m. 3 v v v. 4 Ezzl A vszookat a 6. ábra llusztrála: a saátvktorok mátrxával traszformált paramétr-hba vktorok koordátá a parabolod főtgl mté értlmzhtők. Az optmalzálás gváltozós optmalzálások sorozatakét s végrhatható. Ezt mutata b a kövtkző példa, amlb az optmum mgközlítését a grads mté törtéő rszkdéssl olduk mg: Példa: Egváltozós st: w w, w w, amvl w w w w, ll. r r. Ahhoz, hog az lárás kovrgálo r szükségs. Ebből: 5 Ha, akkor túlcsllapított, ha, akkor krtkusa csllapított, ha, akkor alulcsllapított az trácós lárás. Mggzés: gük észr, hog az gváltozós stb R, thát a 94 összfüggés lső lm alakú, amlk mdkét oldalából lvova -ot a 94 összfüggés másodk lmét kapuk. öbbváltozós st: I. Ahhoz, hog az lárás kovrgálo 6 szükségs. gük észr, hog lkor gváltozós sttl va dolguk, ahol a lgmrdkbb rszkdés azo tgl mté törték, amlkhz a lgagobb saátérték tartozk. Ha a saátértékk m smrtk, akkor a max tr ] tr R] alapá 7 tr R] választással élhtük. Mggzés: Ha smrék -t, azaz l globáls formácók a hbaflültről akkor lvávalóa a skalár hltt mátrxot alkalmazák, hsz zzl glépéss max

Méréslmélt: 5. lőadás, 4.3.. kovrgcát tudák bztosíta. Ehltt a lokáls formácóra, a gradsr alapozva, aak ráába gkszük a hbaflült mmumát lér. Itratív modllllsztés módszrk: Az alábbakba éhá klasszkus szélsőérték krsés lárást foglaluk össz, amlkt égzts krtérumok, és paramétrb lárs modllk sté égzts hbaflültk sté lőszrtttl alkalmazuk. Ezk tkthtő tauló lárásokak s, mrt md lépésb formálódak az aktuáls vszookról, stükb a hbaflült gradséről, és aak függvééb lépk tovább. rmészts alkalmazhatuk másfata módszrkt s, ahol például a értékkt véltl módo vag más stratégával választuk k, és zt kövtő vzsgáluk a hbát. Ha a korábbál ksbb hbát kapuk, akkor a kválasztott érték lsz az ú avaslat, llkző stb lvtük azt Mot- Carlo módszrk, gtkus algortmusok. Az l módszrk azoba kább akkor mrülk fl, ha m égzts hbakrtérumot haszáluk, ll. ha a modllük paramétrb m lárs. Ezkb a hlztkb ugas a hbaflült m parabolod, lokáls mmuma lhtk, amlk sté a lokáls formácóra építő grads lárások kö lállhatak a lokáls mmumok valamlkéb. Itratív modllllsztés wto módszrrl: Err a r-hopf gltből kdulva utuk, a korábbakba mgsmrtük, tt csak a flsorolás tlsség érdkéb szrpl. Fltétlzzük, hog smrük az R és a P mátrxot. Ebből adódóa a módszr kább csak lv ltőségű, mrt a gakorlatba m lvárható lőzts smrtkt tétlz fl. Mégs k kll ml, mrt rát mutat a közlítő lárások mgtrvzéséhz. Rdr két összfüggést aduk mg. Az lső a paramétr vktort ada mg kövtkző trácós lépésb, míg a másodk a paramétr-hba alakulását a kdulás paramétr-hbából. R, 8. 9 Jól látható, hog. 5 sté glépéss a kovrgca. Itratív modllllsztés a lgmrdkbb ltő módszrévl: Ez már g praktkus módszr, amlk m fltétlz az R és a P mátrxok smrtét, d azt g, hog a gradst lokáls formácók alapá mg tuduk határoz: ˆ Ez praktkusa azt gél, hog az -dk trácós lépéshz lvégzük g ola mérés sorozatot, hog ks mgváltozása külöböző bmől-értékk mlltt mkkora mgváltozását rdméz, mad zkt a mgváltozásokat átlagoluk amvl közlítük a várható-érték képzést, és zzl g rmék szrt g ó bcslését kapuk. I Mggzésk:. A grads mté törtéő rszkdés rdméét a főtgl ráú koordátardszrb látváosabba tuduk érzékltt.. A grads mté törtéő rszkdés rdmé trmészts m függ attól, hog ml voatkoztatás koordáta rdszrt alkalmazuk. Itratív modllllsztés a pllaat drváltra alapozva az ú. LMS módszr: LMS: Last-Ma-Squar. A hba pllaatértékéből duluk k: 4

Méréslmélt: 5. lőadás, 4.3.. 5 ] ]. Ek drválásával bcsülük a gradst: ˆ 3 Amvl. 4 Ez g ago széls körb haszált összfüggés, külöös agobb mértű paramétrvktorok sté. A bátorság téző azoba ag körültktéssl, és tpkusa ks értékr választadó, hsz a 3 szrt grads gcsak közlítő: az aktuáls, függvé, mközb a télgs grads 3 várható érték. A ks bátorság tézővl gütt ár a sok apró trácós lépés, am lhtőségt ad sok, érték mgsmrésér, és zzl az lmaradt várható érték képzés kváltására. Mggzésk:. A uráls hálózatok térhódításáak kzdté az LMS lárást ago széls körb haszálták a mérts adaptív lárs kombátorokat haszáló hálózatok taítására.. Általáos tapasztalat, hog ha léggé ks értékkl dolgozuk, akkor lég ól mgközlíthtük az optmáls paramétr-vktort, agobb sté a mgmaradó paramétr-hba agobb lsz. Ek az az oka, hog lkor a parabolod lgalsó pota körztéb d-oda ugráluk a pllaat drvált szrt, és a m léggé ks matt képtlk vaguk még lbb rszkd. Mdképp célszrű thát a mmum körztéb a érték tovább csökktés. A paramétr-hba kfzését a 4 összfüggésből úg származtatuk, hog mdkét oldalából lvouk -ot, ll. fltétlzéssl/közlítéssl élük. Ez utóbbval azt fltétlzzük, hog a modllllsztés tökélts skrült. ] ] ] I amből: I ] 5 A 5 összfüggés arra mutat rá, hog a paramétr-hba csökkéséhz hoga árul hozzá a bátorság téző és az ú. rgrsszós vktor. lvávalóa a mátrx szorzatak kotraktívak, azaz a paramétr-hba vktor hosszát csökktő hatásúak kll l. Célszrű, ha z a hatás md lépésb érvésül. Itratív modll-llsztés -LMS módszrrl: A 4 összfüggésb célszrű lht az rgrsszós vktor ormálása, hsz élkül a paramétr vktor korrkcóa agmértékb függ a lszttől. 4, ll. 5 mgfllő: 6 I ] 7

Méréslmélt: 5. lőadás, 4.3.. 6