rpd000006602 (1010083), страница 3

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 3)

Тематика: Связана с решением и анализом полученных решений задач вычисления оценок параметров моделей линейных динамических объектов

Трудоемкость(СРС): 21

Прикрепленные файлы:

Типовые варианты:

-Нахождение оценок двух из трех неизвестных параметров динамического объекта, описываемого моделью заданной с точностью до неизвестных параметров обыкновенным линейным дифференциальным уравнением второго порядка, алгоритмом метода наименьших квадратов.

-Нахождение оценок двух из трех неизвестных параметров динамического объекта, описываемого моделью заданной с точностью до неизвестных параметров обыкновенным линейным дифференциальным уравнением второго порядка, алгоритмом рекуррентного метода наименьших квадратов.

-Нахождение оценок двух из трех неизвестных параметров динамического объекта, описываемого моделью заданной с точностью до неизвестных параметров обыкновенным линейным дифференциальным уравнением второго порядка, алгоритмом адаптивного наблюдателя Крейзелмеера..

-Нахождение оценок двух из трех неизвестных параметров динамического объекта, описываемого моделью заданной с точностью до неизвестных параметров обыкновенным линейным дифференциальным уравнением второго порядка, алгоритмом метода наименьших квадратов.

-Нахождение оценок двух из трех неизвестных параметров динамического объекта, описываемого моделью заданной с точностью до неизвестных параметров обыкновенным линейным дифференциальным уравнением второго порядка, алгоритмом фильтра Калмана.

1. Рубежный контроль

1. Промежуточная аттестация

1. Экзамен (6 семестр)

Прикрепленные файлы:

Вопросы для подготовки к экзамену/зачету:

1.Структура много процессорных вычислительных комплексов, используемых для математической обработки информации. Способы организации вычислительных процессов

2.Классификация алгоритмов и задач математической обработки информации

3.Особенности классов алгоритмов совместной и последовательной математической обработки информации. Структуры этих алгоритмов

4.Совместный алгоритм метода наименьших квадратов для линейной регрессионной модели и некоррелированными равноточными измерениями

5.Существование и единственность оценок метода наименьших квадратов

6.Совместный алгоритм метода наименьших квадратов для линейной регрессионной модели и коррелированными неравноточными измерениями. Декорреляция измерений

7.Совместный алгоритм метода наименьших квадратов для нелинейной регрессионной модели и коррелированными неравноточными измерениями

8.Статистические свойства оценок метода наименьших квадратов и свойство самого алгоритма

9.Ковариационная матрица оценок метода наименьших квадратов. Построение эллипсоида рассеивания

10.Апостериорная оценка дисперсии ошибок измерений

11.Совместный алгоритм метода наименьших квадратов для линейной регрессионной модели с некоррелированными равноточными измерениями и априорной информацией о значениях неизвестных параметрах

12.Алгоритм метода наименьших квадратов для модели неполного ранга

13.Минимаксное оценивание значений неизвестных параметров регрессионной модели

14.Сведение задачи минимаксного оценивания к задаче линейного программирования

15.Особенности численной реализации алгоритма метода наименьших квадратов.Построение регуляризирующих алгоритмов: Джеймса-Стейна и гребневого алгоритма

16.Итерационный алгоритм метода Ньютона для скалярного и векторного параметра. Сходимость и скорость сходимости

17.Алгоритм метода максимального правдоподобия. Уравнения правдоподобия.Неединственность оценок максимального правдоподобия

18.Решение уравнения правдоподобия является функцией достаточной статистики

19.Состоятельность оценок максимального правдоподобия

20.Причины возникновения понятия интервальных оценок параметров Построение интервальных оценок неизвестных параметров для заданных законов ошибок измерений

21.Сведение задач спектрального анализа Фурье к задаче нахождения оценок параметров регрессионной модели алгоритмом метода наименьших квадратов. Недостатки Фурье-анализа, проявляющиеся при решении прикладных задач

22.Алгоритмы математической обработки информации, основанные на использовании разложений по специальным системам ортонормированных функций (вейвлетам)

23.Непрерывные и дискретные вейвлет-преобразования в задачах обработки изображений

2. Экзамен (7 семестр)

Прикрепленные файлы:

Вопросы для подготовки к экзамену/зачету:

1.Последовательный (рекуррентный) алгоритм метода наименьших квадратов для некоррелированных групп измерений. Получение канонической формы записи алгоритма

2.Обучение нейронных сетей с использованием метода наименьших квадратов

3.Динамический алгоритм фильтрации, основанный на идее метода наименьших квадратов

4.Последовательный алгоритм адаптивного наблюдателя Крейзелмейера, использующий линейные динамические модели. Параметризация математической модели линейного стационарного объекта

5.Уравнение для ошибки оценки вектора неизвестных параметров модели

6.Алгоритм фильтра Калмана. Уравнение для оценки вектора состояния математической модели объекта

7.Алгоритм фильтра Калмана. Уравнение для ковариационной матрицы оценки вектора состояния математической модели объекта

8.Выделение “хорошо” и “плохо” оцениваемых параметров

9.Уравнение для ошибки оценки вектора состояния математической модели объекта

10.Устойчивость по Ляпунову алгоритма адаптивного наблюдателя Крейзелмейера

11.Устойчивость по Ляпунову алгоритма фильтра Калмана

12.Проблема распараллеливания алгоритмов математической обработки информации

13.Использование LU преобразования матрицы коэффициентов системы нормальных уравнений для представления алгоритма метода наименьших квадратов в параллельной форме

14.Представление графами алгоритмов математической обработки информации

15.Решетчатый граф алгоритма и его расщепление

16.Задачи принятия решений по результатам математической обработки информации

17.Классификация гипотез и критерии принятия решений

18.Последовательный критерий отношения правдоподобий

19.Определение объема выборки при заданных значениях ошибок принятия решений первого и второго родов

1. УЧЕБНО-МЕТОДИЧЕСКОЕ И ИНФОРМАЦИОННОЕ ОБЕСПЕЧЕНИЕ ДИСЦИПЛИНЫ

а)основная литература:

1.В.В. Воеводин Параллельные вычисления – М: БХВ-Петербург, 2002.,-608с.

2. Т.В. Захарова, О.В. Шестаков Вейвлет-анализ и его приложения –М: ИНФРА-М, 2012.157с.

3.К.А.Пупков, Н.Д. Егупов и др. Нестационарные системы автоматического управления:анализ, синтез и оптимизация -М:МГТУ им. Н.Э. Баумана 2007, 605с.

4.А.А.Боровков Математическая статистика. Оценка параметров. Проверка гипотез.–М.: Наука,2007., 472с.

5. А.А. Боровков Математическая статистика -М: Лань., 2010.,704с.

6.В.Е.Гмурман Руководство по решению задач по теории вероятностей и математическоймстатистике-М.: Высшая школа., 2004. 479с.

7.Г.И. Ивченко, Ю.Н. Медведев Введение в математическую статистику Изд-во ЛКИ,2010. 600с.

8.Г.П.Климов Теория вероятностей и математическая статистика.– М.: МГУ. 2011. 386с.

9.А.В.Шаронов Методы и алгоритмы обработки результатов экспериментальных исследований - М.: МАИ, 2004.

б)дополнительная литература:

1.В.В. Воеводин Математические модели и методы в параллельных процессах.- М: Наука, 1986, 294с.

2.А.В. Шаронов Конспект лекций по дисциплине “Технологии обработки информации”

3.К. Блаттер Вейвлет анализ Основы теории –М: Техносфера, 2004.

4.Д.Рутковская, М.Пилиньский, Л.Рутковский Нейронные сети, генетические алгоритмы и нечеткие системы.-М.: Горячая линия-Телеком.2004,

5.М.Г.Серебренников, А.А. Первозванский Выявление скрытых периодичностей –М:Наука,1965, 244с.

6.Г.Крамер Математические методы статистики –М: Мир, 1975

в)программное обеспечение, Интернет-ресурсы, электронные библиотечные системы:

Cредства вычислительной техники с установленным программным продуктом MathCAD.

1. МАТЕРИАЛЬНО-ТЕХНИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ДИСЦИПЛИНЫ

1.Лекционные занятия: Аудитория базовой кафедры №312Б, оснащенная презентационной техникой, доска и мел.

2.Практические занятия: доска и мел.

3.Лабораторные работы проводятся в учебных лабораториях базовой кафедры №312Б, оснащенных средствами вычислительной техники.

Приложение 1
к рабочей программе дисциплины
«Технологии обработки информации »

Аннотация рабочей программы

Дисциплина Технологии обработки информации является частью Профессионального цикла дисциплин подготовки студентов по направлению подготовки Информационные системы и технологии. Дисциплина реализуется на 3 факультете «Московского авиационного института (национального исследовательского университета)» кафедрой (кафедрами) 308.

Дисциплина нацелена на формирование следующих компетенций: ОК-10 ,ПК-11 ,ПК-23 ,ПК-26 ,ПК-34.

Содержание дисциплины охватывает круг вопросов, связанных с: формированием у студентов знаний об основных методах и алгоритмах обработки информации используемых для решения прикладных задач.

Преподавание дисциплины предусматривает следующие формы организации учебного процесса: Лекция, мастер-класс, Практическое занятие, Лабораторная работа.

Программой дисциплины предусмотрены следующие виды контроля: промежуточная аттестация в форме Экзамен (6 семестр) ,Экзамен (7 семестр).

Общая трудоемкость освоения дисциплины составляет 7 зачетных единиц, 252 часов. Программой дисциплины предусмотрены лекционные (64 часов), практические (24 часов), лабораторные (12 часов) занятия и (98 часов) самостоятельной работы студента.

Приложение 2
к рабочей программе дисциплины
«Технологии обработки информации »

Cодержание учебных занятий

1. Лекции

1.1.1. Способы организации процесса обработки информации:

одновременное решение различных задач и частей одной задачи, конвейерная и параллельная обработка(АЗ: 2, СРС: 1)

Тип лекции: Информационная лекция

Форма организации: Лекция, мастер-класс

1.2.1. Классификация алгоритмов математической обработки информации по признакам. Основные особенности классов алгоритмов(АЗ: 2, СРС: 1)

Тип лекции: Информационная лекция

Форма организации: Лекция, мастер-класс

1.3.1. Постановка и решение задачи получения оценок неизвестных параметров линейной регрессионной модели объекта по равноточным некоррелированным измерениям.(АЗ: 2, СРС: 1)

Тип лекции: Информационная лекция

Форма организации: Лекция, мастер-класс

1.3.2. Постановка и решение задачи получения оценок неизвестных параметров линейной регрессионной модели объекта по неравноточным коррелированным измерениям(АЗ: 2, СРС: 1)

Тип лекции: Информационная лекция

Форма организации: Лекция, мастер-класс

1.3.3. Постановка и решение задачи получения оценок неизвестных параметров нелинейной регрессионной модели объекта по неравноточным коррелированным измерения(АЗ: 2, СРС: 1)

Тип лекции: Информационная лекция

Форма организации: Лекция, мастер-класс

1.3.4. Постановка и решение задачи получения оценок неизвестных параметров линейной регрессионной модели объекта неполного ранга. (АЗ: 2, СРС: 1)

Тип лекции: Информационная лекция

Форма организации: Лекция, мастер-класс

1.3.5. Оценки метода наименьших квадратов - наилучшие оценки среди оценок, полученных любым линейным алгоритмом. Особенности численной реализации алгоритма,(АЗ: 2, СРС: 1)

Тип лекции: Информационная лекция

Характеристики

Список файлов учебной работы