rpd000011804 (1010108), страница 3
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: Курсовая работа по дисциплине "Технологии обработки информации".doc
Типовые варианты:
-
Рубежный контроль
-
Промежуточная аттестация
1. Зачет (6 семестр)
Прикрепленные файлы: Зачет (6 семестр).doc
2. Экзамен (7 семестр)
Прикрепленные файлы: Экзамен (7 семестр).doc
-
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.
-
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 Зачет (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 (125 часов) самостоятельной работы студента.
Приложение 2
к рабочей программе дисциплины
«Технологии обработки информации »
Cодержание учебных занятий
-
Лекции
1.1.1. Способы организации процесса обработки информации:
одновременное решение различных задач и частей одной задачи, конвейерная и параллельная обработка (АЗ: 2, СРС: 2)
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: 2)
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: 2)
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: 2)
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: 2)
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: 2)
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: 2)
Тип лекции: Информационная лекция
Форма организации: Лекция, мастер-класс
1.3.6. Регуляризирующие алгоритмы, основанные на идеях метода наименьших квадратов. Алгоритм Джеймса-Стейна и гребневый регуляризирующий алгоритм. Примеры. (АЗ: 2, СРС: 2)
Тип лекции: Информационная лекция
Форма организации: Лекция, мастер-класс
1.3.7. Выявление скрытых периодичностей. Разложение процессов в ряды по системам ортонормированных гармонических функций (анализ Фурье). (АЗ: 2, СРС: 2)
Тип лекции: Информационная лекция
Форма организации: Лекция, мастер-класс
1.3.8. Быстрое преобразование Фурье. Оконное преобразование Фурье
(АЗ: 2, СРС: 2)
Тип лекции: Информационная лекция
Форма организации: Лекция, мастер-класс
1.3.9. Основные положения и особенности вейвлет преобразований. Вейвлеты Хаара и Дебоши. (АЗ: 2, СРС: 2)
Тип лекции: Информационная лекция
Форма организации: Лекция, мастер-класс
1.3.10. Использование вейвлет преобразований в задачах спектрального анализа. (АЗ: 2, СРС: 2)
Тип лекции: Информационная лекция
Форма организации: Лекция, мастер-класс
1.3.11. Использование вейвлет преобразований в задачах обработки изображений (фильтрация изображений) (АЗ: 2, СРС: 2)
Тип лекции: Информационная лекция
Форма организации: Лекция, мастер-класс
1.3.12. Алгоритм метода максимального правдоподобия. Уравнения правдоподобия. Состоятельность оценок максимального правдоподобия. Пример получения оценки. (АЗ: 2, СРС: 2)
Тип лекции: Информационная лекция
Форма организации: Лекция, мастер-класс
1.3.13. Постановка и решение задачи минимаксного оценивания значений неизвестных параметров (АЗ: 2, СРС: 2)
Тип лекции: Информационная лекция
Форма организации: Лекция, мастер-класс
1.3.14. Необходимость введения интервальных оценок при решении прикладных задач математической обработки информации. Алгоритм построения интервальных оценок. (АЗ: 2, СРС: 2)
Тип лекции: Информационная лекция
Форма организации: Лекция, мастер-класс
2.4.1. Структура алгоритмов последовательной обработки информации. Оперативная обработка информации (АЗ: 2, СРС: 2)
Тип лекции: Информационная лекция
Форма организации: Лекция, мастер-класс
2.4.2. Рекуррентный алгоритм метода наименьших квадратов в задачах обработки информации с регрессионными моделями объектов. Каноническая форма записи. (АЗ: 2, СРС: 2)
Тип лекции: Информационная лекция
Форма организации: Лекция, мастер-класс
2.4.3. Рекуррентный алгоритм метода наименьших квадратов в задачах обработки информации с линейными динамическими. моделями объектов. (АЗ: 2, СРС: 2)
Тип лекции: Информационная лекция
Форма организации: Лекция, мастер-класс
2.4.4. Применение метода наименьших квадратов для обучения нейронных сетей используемых в алгоритмах обработки информации (АЗ: 2, СРС: 2)
Тип лекции: Информационная лекция
Форма организации: Лекция, мастер-класс
2.4.5. Алгоритм метода Ньютона - праобраз алгоритма метода стохастической аппроксимации. Сходимость и скорость сходимости алгоритма (АЗ: 2, СРС: 2)
Тип лекции: Информационная лекция
Форма организации: Лекция, мастер-класс
2.4.6. Структура алгоритма метода стохастической аппроксимации. Сходимость оценок алгоритма стохастической аппроксимации (АЗ: 2, СРС: 2)
Тип лекции: Информационная лекция
Форма организации: Лекция, мастер-класс
2.4.7. Состоятельность оценок неизвестных параметров математических моделей объектов, полученных алгоритмом стохастической аппроксимации (АЗ: 2, СРС: 2)
Тип лекции: Информационная лекция
Форма организации: Лекция, мастер-класс
2.4.8. Алгоритм метода адаптивного наблюдателя Крейзелмейера. Параметризация математических моделей линейных динамических объектов (АЗ: 2, СРС: 2)
Тип лекции: Информационная лекция
Форма организации: Лекция, мастер-класс
2.4.9. Уравнение для “коэффициентов усиления” алгоритма адаптивного наблюдателя Крейзелмейера. Оценка вычислительных затрат на его реализацию (АЗ: 2, СРС: 2)
Тип лекции: Информационная лекция
Форма организации: Лекция, мастер-класс
2.4.10. Алгоритм фильтра Калмана. Уравнение для оценки вектора состояния математической модели линейного нестационарного динамического объекта (АЗ: 2, СРС: 2)
Тип лекции: Информационная лекция
Форма организации: Лекция, мастер-класс
2.4.11. Уравнение для ковариационной матрицы оценки вектора состояния математической модели линейного нестационарного объекта (АЗ: 2, СРС: 2)
Тип лекции: Информационная лекция
Форма организации: Лекция, мастер-класс
2.4.12. Априорное выделение “хорошо” и “плохо” наблюдаемых координат вектора состояния линейной нестационарной модели динамического объекта (АЗ: 2, СРС: 2)
Тип лекции: Информационная лекция
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
