rpd000011804 (1010108), страница 4

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

Текст из файла (страница 4)

Форма организации: Лекция, мастер-класс

2.5.1. Проблемы, возникающие при численной реализации алгоритмов математической обработки информации Распараллеливание алгоритма метода наименьших квадратов (АЗ: 2, СРС: 2)

Тип лекции: Информационная лекция

Форма организации: Лекция, мастер-класс

2.6.1. Постановка задачи проверки статистических гипотез. Простые и сложные гипотезы. Последовательный критерий отношения правдоподобий (АЗ: 2, СРС: 2)

Тип лекции: Информационная лекция

Форма организации: Лекция, мастер-класс

2.6.2. Объем выборки при заданных значениях ошибок принятия решений первого и второго родов. Возможные подходы к выбору алгоритмов математической обработки (АЗ: 2, СРС: 2)

Тип лекции: Информационная лекция

Форма организации: Лекция, мастер-класс

2.7.1. Оформление результатов решения прикладных задач математической обработки информации (презентации, таблицы, отчеты) (АЗ: 2, СРС: 2)

Тип лекции: Информационная лекция

Форма организации: Лекция, мастер-класс

1. Практические занятия

1.3.1. Нахождение оценок метода наименьших квадратов и исследование их статистических свойств (АЗ: 2, СРС: 3)

Форма организации: Практическое занятие

1.3.2. Нахождение оценок метода наименьших квадратов и исследование их статистических свойств (АЗ: 2, СРС: 3)

Форма организации: Практическое занятие

1.3.3. Нахождение оценок методом максимального правдоподобия (АЗ: 2, СРС: 3)

Форма организации: Практическое занятие

1.3.4. Нахождение оценок методом максимального правдоподобия (АЗ: 2, СРС: 3)

Форма организации: Практическое занятие

1.3.5. Построение доверительных интервалов для параметров математических моделей объектов (АЗ: 2, СРС: 4)

Форма организации: Практическое занятие

1.3.6. Построение доверительных интервалов для параметров математических моделей объектов (АЗ: 2, СРС: 4)

Форма организации: Практическое занятие

1.3.7. Регуляризирующие алгоритмы метода наименьших квадратов (АЗ: 2, СРС: 4)

Форма организации: Практическое занятие

2.4.1. Построение уравнения для оценки вектора состояния линейной динамической модели объекта (АЗ: 2, СРС: 2)

Форма организации: Практическое занятие

2.5.1. Построение уравнения для ковариационной матрицы оценки вектора состояния линейной динамической модели объекта (АЗ: 2, СРС: 2)

Форма организации: Практическое занятие

2.5.2. LU преобразование матриц коэффициентов систем линейных алгебраических уравнений (АЗ: 2, СРС: 2)

Форма организации: Практическое занятие

2.6.1. Проверка простых гипотез (АЗ: 2, СРС: 2)

Форма организации: Практическое занятие

2.6.2. Проверка простых гипотез (АЗ: 2, СРС: 2)

Форма организации: Практическое занятие

1. Лабораторные работы

1.3.1. Использование МНК-алгоритма для решения задач вычисления оценок параметров линейных динамических объектов (АЗ: 4, СРС: 2)

Форма организации: Лабораторная работа

2.4.1. Использование метода стохастической аппроксимации для идентификации параметров динамических систем летательных аппаратов (АЗ: 4, СРС: 2)

Форма организации: Лабораторная работа

2.4.2. Вычисление оценок параметров состояния динамических систем летательных аппаратов алгоритмом метода адаптивного наблюдателя (АЗ: 4, СРС: 2)

Форма организации: Лабораторная работа

1. Типовые задания

Приложение 3
к рабочей программе дисциплины
«Технологии обработки информации »

Прикрепленные файлы

Курсовая работа по дисциплине "Технологии обработки информации".doc

Блок №2 Последовательные динамические алгоритмы обработки информации

Курсовая работа(проект) №1 Курсовая работа по дисциплине "Технологии обработки информации"

Трудоемкость(объем часов): 21

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

Типовые варианты:

1. 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.

2. 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.

3. 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..

4. 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.

5. 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.

Зачет (6 семестр).doc

Промежуточная аттестация №1

Экзамен (6 семестр)

Семестр: 6

Вид контроля: Э

Вопросы:

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

Экзамен (7 семестр).doc

Промежуточная аттестация №2

Экзамен (7 семестр)

Семестр: 7

Вид контроля: Э

Вопросы:

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

Версия: AAAAAAT1PyU Код: 000011804

Характеристики

Список файлов учебной работы