A könyv. meglétét. sgálat

Hasonló dokumentumok
Műszaki és biológiai rendszerek elmélete Benyó, Balázs Benyó, Zoltán Paláncz, Béla Szilágyi, László Ferenci, Tamás

FOLYAMATIRÁNYÍTÁSI RENDSZEREK

Intelligens adatelemzés

Tóth János - Simon L. Péter - Csikja Rudolf. Differenciálegyenletek feladatgyűjtemény

TARTALOMJEGYZÉK. TARTALOMJEGYZÉK...vii ELŐSZÓ... xiii BEVEZETÉS A lágy számításról A könyv célkitűzése és felépítése...

Budapesti Műszaki és Gazdaságtudományi Egyetem Vegyészmérnöki és Biomérnöki Kar Szervetlen és Analitikai Kémia Tanszék

A projekt keretében elkészült tananyagok:

Budapesti Műszaki és Gazdaságtudományi Egyetem Vegyészmérnöki és Biomérnöki Kar Szervetlen és Analitikai Kémia Tanszék

Valószín ségi döntéstámogató rendszerek

Molekuláris biológiai technikák

Regresszió. Csorba János. Nagyméretű adathalmazok kezelése március 31.

Modellezés és szimuláció. Szatmári József SZTE Természeti Földrajzi és Geoinformatikai Tanszék

Klinikai kémia. Laboratóriumi diagnosztika. Szerkesztette: Szarka András. Írta: Budapesti Műszaki és Gazdaságtudományi Egyetem Semmelweis Egyetem

Összeállította Horváth László egyetemi tanár

Fuzzy rendszerek és neurális hálózatok alkalmazása a diagnosztikában

ÁLTALÁNOS KÉMIAI LABORATÓRIUMI GYAKORLATOK

Budapesti Műszaki és Gazdaságtudományi Egyetem Vegyészmérnöki és Biomérnöki Kar Szerves Kémia és Technológia Tanszék

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

Több valószínűségi változó együttes eloszlása, korreláció

10. modul: FÜGGVÉNYEK, FÜGGVÉNYTULAJDONSÁGOK

Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs rendszerek Tanszék. Neurális hálók. Pataki Béla

Matematikai statisztika c. tárgy oktatásának célja és tematikája

Mérés és modellezés Méréstechnika VM, GM, MM 1

EÖTVÖS LORÁND TUDOMÁNYEGYETEM MATEMATIKAI INTÉZET ALKALMAZOTT MATEMATIKUS MESTERKÉPZÉS SZAKLEÍRÁS

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Név KP Blokk neve KP. Logisztika I. 6 LOG 12 Dr. Kovács Zoltán Logisztika II. 6 Logisztika Dr. Kovács Zoltán

Méréselmélet MI BSc 1

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

A projekt keretében elkészült tananyagok:

Mérés és modellezés 1

GEOSTATISZTIKA. Földtudományi mérnöki MSc, geofizikus-mérnöki szakirány. 2018/2019 I. félév TANTÁRGYI KOMMUNIKÁCIÓS DOSSZIÉ

A kiadásért felel dr. Táncos László, a Semmelweis Kiadó igazgatója Nyomda alá rendezte Békésy János Borítóterv: Táncos László SKD: SKD043-e

TÁMOP /2/A/KMR Jegyzetek és példatárak a matematika egyetemi oktatásához

Tartalomjegyzék. Tartalomjegyzék... 3 Előszó... 9

Neurális hálózatok bemutató

Mesterséges Intelligencia Elektronikus Almanach. Konzorciumi partnerek

Statisztika oktatása és alkalmazása a mérnöki területen

Alkalmazott matematikus mesterszak MINTATANTERV

y ij = µ + α i + e ij

3/29/12. Biomatematika 2. előadás. Biostatisztika = Biometria = Orvosi statisztika. Néhány egyszerű definíció:

YBL - SGYMMAT2012XA Matematika II.

1. Az informatika alapjai (vezetője: Dr. Dömösi Pál, DSc, egyetemi tanár) Kredit

FODOR GYÖRGY JELEK ÉS RENDSZEREK

I. LABOR -Mesterséges neuron

A Markovi forgalomanalízis legújabb eredményei és ezek alkalmazása a távközlő hálózatok teljesítményvizsgálatában

Mesterséges Intelligencia Elektronikus Almanach. MI Almanach projektismertetı rendezvény április 29., BME, I. ép., IB.017., 9h-12h.

A MODELLALKOTÁS ELVEI ÉS MÓDSZEREI

TUDOMÁNYOS MÓDSZERTAN ÉS ÉRVELÉSTECHNIKA

Intelligens Rendszerek Elmélete. Versengéses és önszervező tanulás neurális hálózatokban

Számítási intelligencia

Elhangzott tananyag óránkénti bontásban

Óbudai Egyetem Neumann János Informatikai Kar. Intelligens Mérnöki Rendszerek Intézet

Témák 2014/15/1. Dr. Ruszinkó Endre, egyetemi docens

TANTÁRGYI PROGRAM Matematikai alapok II. útmutató

Mérési hibák

TANTÁRGYI PROGRAM Matematikai alapok 2. útmutató

INTELLIGENS ADATELEMZÉS

ALGEBRAI KIFEJEZÉSEK, EGYENLETEK

Adatok statisztikai értékelésének főbb lehetőségei

nappali tagozat, tanítói szak TAN05MSZ Szigorlati követelmények és tételek Vizsgatematika A szigorlat követelményei:

Szemidenit optimalizálás és az S-lemma

Az Excel táblázatkezelő program használata a matematika és a statisztika tantárgyak oktatásában

Logisztikai mérnök záróvizsga tételsor Módosítva május 6.

GEOSTATISZTIKA II. Geográfus MSc szak. 2019/2020 I. félév TANTÁRGYI KOMMUNIKÁCIÓS DOSSZIÉ

Ejtési teszt modellezése a tervezés fázisában

Mit látnak a robotok? Bányai Mihály Matemorfózis, 2017.

Tanulás az idegrendszerben. Structure Dynamics Implementation Algorithm Computation - Function

Operációkutatási modellek

TANTÁRGYI ÚTMUTATÓ. Döntési módszerek

A Dél-Alföldi régió innovációs képessége

Intelligens Rendszerek Gyakorlata. Neurális hálózatok I.

MECHATRONIKA Mechatronika alapképzési szak (BSc) záróvizsga kérdései. (Javítás dátuma: )

Márkus Zsolt Tulajdonságok, jelleggörbék, stb BMF -

Termelési és szolgáltatási döntések elemzése Vezetés és szervezés mesterszak

Regresszió számítás az SPSSben

Gépi tanulás és Mintafelismerés

Villamosságtan szigorlati tételek

11. modul: LINEÁRIS FÜGGVÉNYEK

Osztályozóvizsga és javítóvizsga témakörei Matematika 9. évfolyam

VARIÁLHATÓ PÉLDATÁR Matematika2 (A2)

A projekt keretében elkészült tananyagok:

ÁRAMKÖRÖK SZIMULÁCIÓJA

BEKE ANDRÁS, FONETIKAI OSZTÁLY BESZÉDVIZSGÁLATOK GYAKORLATI ALKALMAZÁSA

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

Gépészeti rendszertechnika (NGB_KV002_1)

Számítógéppel segített modellezés és szimuláció a természettudományokban

Biomatika Intézet Neumann János Informatikai Kar Óbudai Egyetem. Dr. Kozlovszky Miklós egyetemi docens, intézetigazgató, OE NIK

Numerikus módszerek: Nemlineáris egyenlet megoldása (Newton módszer, húrmódszer). Lagrange interpoláció. Lineáris regresszió.

Dr. Dinya Elek egyetemi tanár

Matematika osztályozó vizsga témakörei 9. évfolyam II. félév:

Haszongépj. Németh. Huba. és s Fejlesztési Budapest. Kutatási. Knorr-Bremse November 17. Knorr-Bremse

Többváltozós lineáris regressziós modell feltételeinek tesztelése II.

Úszó fedlapok hatásának vizsgálata nem levegőztetett eleveniszapos medencék működésére nagyüzemi helyszíni mérésekkel és matematikai szimulációval

A statisztika oktatásáról konkrétan

SYLLABUS. Partiumi Keresztény Egyetem, Nagyvárad Gazdaság és Társadalomtudományi Kar Menedzsment

PTE PMMFK Levelező-távoktatás, villamosmérnök szak

Alkalmazott matematikus mesterszak

OKLEVÉLKÖVETELMÉNYEK MÓDOSÍTOTT VÁLTOZAT Alkalmazott matematikus szak (régi képzés)

A záró rendezvény programja

A évi TOP20 kukorica hibridek terméseinek stabilitásvizsgálata

Átírás:

Benyó Balázs Benyó Zoltán Paláncz Béla Szilágyi László Ferenci Tamás Műszaki és biológiai rendszerek elmélete A könyv interdiszciplináris jellegű, műszaki és biológiai rendszerek működésének modellezésére vonatkozó ismeretanyagokat tartalmaz. Egészségügyi (orvosbiológiai) mérnökhallgatókk részére íródott, de hasznos ismereteket tartalmaz a téma iránt érdeklődő orvosok, biofizikusok, biokémikusok, élettanászok, bioinformatikusok számára is. A könyv tartalmazza a kvantitatív modellalkotás legfontosabb módszereit valamint a modellekhez kötődő modern szabályozási módszereket. Foglalkozik a manapság egyre népszerűbb, a rendszerek leírására és elemzésére alkalmazhatóó lágy számítási módszerekkel, külön fejezet szenteltünk a neurális hálózatoknak valamint fuzzy módszereknek. A könyvben helyet kapott a biológiai rendszerek elemzéséree leggyakrabban alkalmazott statisztikai módszerek ismertetése is. A könyv megírása során gondot fordítottunk arra, hogy a téma kifejtésee mind a műszakiak, mind a nem műszakiak számára egyarántt érthető legyen, azonban a könyv v feltételezi alapfokú matematikai, szabályozástechnikai, élettani ismeretek meglétét. Kulcsszavak: modellalkotás, folyamatanalízis, kompartment modellezés, rendszerek stabilitás s vizsgálata, számítógépes optimalizációs módszerek, neurális hálózatok, fuzzy rendszerek, biostatisztika, becsléselmélet, hipotézisviz sgálat Budapesti Műszaki és Gazdaságtudományi Egyetemm Semmelweis Egyetem Typotex Kiadó 2014

COPYRIGHT: 2014 2019, Dr. Benyóó Balázs, Dr. Benyó Zoltán, Z Dr.. Paláncz Béla, Dr. Szilágyii László, Ferenci Tamás, Budapesti Műszaki és Gazdaságtudományi Egyetem, Semmelweis Egyetem Creative Commons NonCommercial NoDerivs 3.0 (CC BY NC ND 3.0) A szerző nevének feltüntetése mellett nem kereskedelmi céllal szabadon másolható, terjeszthető, megjelentethető és előadható, de nem módosítható. Szakmai lektor: Dr. Tar József egyetemii tanár, az MTA doktora ISBN 978 963 279 174 6 Készült a Typotex Kiadó gondozásábann Felelős vezető: Votisky Zsuzsa Készült a TÁMOP 4.1.2/A/1 11/1 2011 0079 számú, Konzorcium a bioinformatika aktív tanulásáért címűű projekt keretében. biotechnológia és

Tartalom Előszó... 6 1. Modellalkotás, folyamatanalízis, folyamatszintézis... 7 1.1. Modellezés, modellalkotás... 7 1.2. Modellalkotással kapcsolatos fontosabb kategóriák (törvény, struktúra, paraméter, állapotváltozó)... 8 1.3. Tipikus vizsgálójelek és azok információtartalma... 10 1.4. Konklúzió... 18 2. Amplitúdó és időléptékezés... 19 2.1. Léptéktényezők szükségessége... 19 2.2. Amplitúdóléptékezési eljárások... 19 2.2.1. Normalizált változók módszere (Relatív egységekkel való számolás)... 19 2.2.2. Dimenziós léptéktényezők... 20 2.3. Időléptékezés... 21 2.3.1. Bevezetés... 21 2.3.2. Időléptékezés megvalósítása... 22 2.4. A változók maximális értékeinek közelítő meghatározása... 25 2.4.1. Másodrendű állandó együtthatójú differenciálegyenletek változóinak maximális értéke... 25 2.4.2. Egyenlő együtthatók szabálya... 26 2.5. Összefoglalás... 31 3. Kompartment (rekesz) modellek és alkalmazástechnikájuk... 33 3.1. Bevezetés... 33 3.2. Definíciók, alapfogalmak... 35 3.3. Alkalmazott jelölésrendszer... 37 3.4. Kompartment (rekesz) modellek elmélete... 38 3.4.1. Kompartment (rekesz) modellek leírása állandósult állapotban levő rendszerek esetén... 38 3.4.2. Néhány gyakorlati eset vizsgálata... 47 3.4.3. Tranziens állapotban lévő rendszerek... 57 3.4.4. Nemlineáris rendszerek... 60 4. Számítógépes szimuláció... 62 4.1. Lánc rendszer modellje... 62 4.2. Enterohepatikus keringés modellezése... 66 4.3. Oldott állapotú anyagok tárolása polietilén konténerekben... 68 4.4. A pajzsmirigy jódfelvételi folyamatának modellezése... 70 4.5. Többszörös dózis (Atkins kísérlete)... 72 5. Inverz feladat megoldása... 74 5.1. Inverz feladat megoldásának grafikus módszerei... 74 5.1.1. A módszerek pontossága... 74 5.2. Számítógépes paramétermeghatározás... 75 5.2.1. Clearance vizsgálatok mérési adatainak számítógépes kiértékelése... 75 5.2.2. 198 Au kolloiddal végzett májáramlás vizsgálatok kiértékelése... 76 5.3. Számítógépes eseményfelismerés élettani folyamatok vizsgálatára... 78 Benyó Balázs et al. www.interkonyv.hu

4 Műszaki és biológiai rendszerek elmélete 6. Többparaméteres kapcsolt szabályozások... 81 6.1. Problémafelvetés... 81 6.2. Kereszthatások kimutatása... 82 6.3. A keresztkapcsolatok kiküszöbölése... 83 6.4. Többparaméteres kapcsolt szabályozások matematika leírása... 84 6.5. Többparaméteres kapcsolt rendszerek stabilitásvizsgálata, kompenzálása... 86 6.5.1. Stabilitásvizsgálat... 86 7. Számítógépes optimalizálási módszerek... 91 7.1. Bevezetés... 91 7.2. Optimalizációs módszerek... 93 7.2.1. Folytonos gradiens módszer... 93 7.2.2. Diszkrét gradiens módszer... 94 7.2.3. Relaxációs módszer... 95 7.2.4. BFM (Brute Force Method)... 95 7.3. Számítógépes optimalizációs módszerek gyakorlati alkalmazása... 96 8. Mesterséges neurális hálózatok... 98 8.1. Alapfogalmak... 99 8.1.1. Fiziológiai alapok... 99 8.1.2. Egy általános csomópont jelátvitele... 100 8.1.3. A neurális hálózat felépítése... 100 8.1.4. A neurális hálózat tanítása... 101 8.1.5. A neurális hálózat szimulációja... 102 8.2. Perceptron hálózat... 103 8.2.1. A hálózat jellemzői és tulajdonságai... 103 8.2.2. Lineáris szeparábilitás... 103 8.2.3. A hálózat tanítása... 106 8.3. Backpropagáció hálózat... 107 8.3.1. A hálózat jellemzői és tulajdonságai... 107 8.3.2. A hálózat tanítása delta szabály... 110 8.3.3. A tanítás hatékonyságának növelése... 112 8.4. A radiál bázis függvény (RBF ) hálózat... 113 8.4.1. A hálózat jellemzői és tulajdonságai... 113 8.4.2. A radiál bázis függvény mint univerzális approximátor... 114 8.4.3. Függvényközelítés RBF hálózattal... 115 8.5. Hopfield hálózat... 120 8.5.1. A hálózat jellemzői és tulajdonságai... 120 8.5.2. A hálózat tanítása... 121 8.5.3. Folytonos Hopfield hálózat... 122 8.5.4. Alkalmazás mintafelismerésre... 124 8.6. Nemfelügyelt tanítású hálózatok... 125 8.6.1. A hálózat jellemzői és tulajdonságai... 125 8.6.2. Versengő tanulás... 125 8.6.3. Módosított versengő tanulás Kohonen térkép... 127 9. Fuzzy rendszerek... 132 9.1. A fuzzy halmaz és a fuzzy logika... 132 9.2. A fuzzy partíció... 134 www.interkonyv.hu Benyó Balázs et al.

Tartalom 5 9.3. A fuzzy inferencia... 136 9.4. A fuzzy szabályozó... 141 10. Bevezetés a biostatisztikába... 142 10.1. A biostatisztika fejlődése és jelentősége... 142 10.2. A statisztika alapjai... 144 10.2.1. Néhány demonstratív kérdés... 144 10.2.2. A statisztika alapfogalmai és feladatai... 144 10.2.3. Változók és mérési skálák... 146 10.2.4. A biostatisztika kapcsolódó tudományai és elhatárolása... 148 10.2.5. A biostatisztika számítástechnikai háttere... 149 10.2.6. Futó példa... 150 10.3. Deskriptív statisztika... 151 10.3.1. A deskriptív statisztikáról általában... 151 10.3.2. A deskriptív statisztika módszereinek csoportosításáról... 153 10.3.3. Minőségi változó egyváltozós elemzése... 155 10.3.4. Mennyiségi változó egyváltozós elemzése... 157 10.3.5. Minőségi változók kétváltozós elemzése... 165 10.3.6. Mennyiségi változók kétváltozós elemzése... 169 10.3.7. További többváltozós elemzések... 174 10.4. Induktív statisztika... 174 10.4.1. A mintavételi helyzet és következményei... 175 10.4.2. Becsléselmélet... 176 10.4.3. Hipotézisvizsgálat... 181 Irodalomjegyzék... 189 Benyó Balázs et al. www.interkonyv.hu