Пример готовой курсовой работы по предмету: Математические модели физической кинетики
Содержание
Постановка задачи
Описание методов
Алгоритм решения поставленной задачи
Результат решения
Код программы
Литература
Содержание
Выдержка из текста
При выполнении курсовой работы считаются известными спектральная плотность δ-импульса, спектральная плотность и корреляционная функция прямоугольного видеоимпульса, спектральная плотность и корреляционная функция экспоненциального видеоимпульса, спектральная плотность и корреляционная функция симметричного треугольного видеоимпульса ([1, табл.2.1, табл.3.1]).
Примером служат обработка сигналов, сжатие данных, быстрое умножение многочленов, квантовые вычисления, и т.При исследовании булевых функций, однако, более естественным будет использование преобразования в каком-либо кусочно-постоянном базисе.
Достоинствами спектрального анализа являются высокая чувствительность и быстрота получения результатов. С помощью спектрального анализа можно обнаружить в пробе массой 6*10-7 г присутствие золота при его массе всего 10-8 г. Определение марки стали методом спектрального анализа может быть выполнено за несколько десятков секунд.
Без введения.
Задачи по замене оборудования рассматриваются как многоэтапный процесс, который характерен для динамического программирования.Многие предприятия сохраняют или заменяют оборудование по своей интуиции, не применяя методы динамического программирования. Применять эти методы целесообразно, так как это позволяет наиболее четко максимизировать прибыль или минимизировать затраты.
Кроме того, достоинством методов динамического программирования является их инвариантность к классу целевой и ограничительных функций.Цель работы: Изучить методы динамического программирования, ознакомиться со сферами применения данных методов.
Методы данного исследования. При написании данной работы были использованы общие и специальные методы исследования, в частности: анализ, синтез, метод сравнения, структурный метод, индукция, дедукция, конструктивный метод, метод экономического анализа, монографический метод, метод сравнения, обработки данных, расчетно-аналитические методы, методы структурно-динамического анализа, методы горизонтального, вертикального и факторного анализа, а также табличные и графические методы представления данных.
На сегодняшний день, скорость света в вакууме является предельной скоростью движения частиц и распространения взаимодействий.В природе со скоростью света распространяются собственно видимый свет и любое другое электромагнитное излучение и, предположительно, гравитационные волны, если таковые существуют.Скорость света не зависит от движения источника и наблюдателя и является инвариантом во всех инерциальных системах отсчёта.
Работа состоит из трех глав. Первая глава содержит анализ подходов к проведению рыночных исследований. Вторая глава описывает многообразие методов рыночного исследования и статистического анализа. В третьей главе проводится анкетирование потребителей рынка хлеба и хлебобулочных изделий города Санкт-Петербурга и осуществляется статистический анализ по данным ранка хлеба и хлебобулочных изделий города Санкт-Петербурга.
Литература
1. Lucas Parra, Klaus-Robert Mueller, Clay Spence, Andreas Ziehe, and Paul Sajda. Unmixing hyperspectral data. Advances in Neural Information Processing Systems, 12:942{948, 2000.
2. Ronald R. Coifman, Stephane Lafon Diffusion maps, Appl. Comput. Harmon. Anal, Mathematics Department, Yale University, New Haven, CT 06520, USA.
3. P. Demartines and J. Herault, Curvilinear Component Analysis: A Self-Organizing Neural Network for Nonlinear Mapping of Data Sets, IEEE Transactions on Neural Networks, Vol. 8(1), 1997, p. 148-154
4. J. B. Tenenbaum, V. de Silva, J. C. Langford, A Global Geometric Framework for Nonlinear Dimensionality Reduction, Science 290, (2000), 2319– 2323.
5. John Aldo Lee and Amaury Lendasse and Michel Verleysen, Curvilinear distance analysis versus isomap, Proceedings of ESANN’ 2002, 10th European Symposium on Artificial Neural Networks, 2002, p. 185-192
6. S. T. Roweis and L. K. Saul, Nonlinear Dimensionality Reduction by Locally Linear Embedding, Science Vol 290, 22 December 2000, 2323– 2326.
7. Mikhail Belkin and Partha Niyogi, Laplacian Eigenmaps and Spectral Techniques for Embedding and Clustering, Advances in Neural Information Processing Systems 14, 2001, p. 586-691, MIT Press
8. Mikhail Belkin Problems of Learning on Manifolds, PhD Thesis, Department of Mathematics, The University Of Chicago, August 2003
9. Mikhail Belkin Problems of Learning on Manifolds, PhD Thesis, Department of Mathematics, The University Of Chicago, August 2003
10. Diffusion Maps and Geometric Harmonics, Stephane Lafon, PhD Thesis, Yale University, May 2004
список литературы
