محاسبات عددی و برنامه نویسی

Slides:



Advertisements
Similar presentations
1 Binary Signal Detection In MATLAB weve worked some with AWGN noise and the concept of bit error probability. Lets describe how this is measured.
Advertisements

How creative can you be??????? You will never know until you change your perspective. Look at something a little differently. How would it change the story.
EECE **** Embedded System Design
Block LU Factorization Lecture 24 MA471 Fall 2003.
Ready. Steady Go! 40+60= x Level 1 Time
SOUND with MATLAB. SOUND INPUT [a, fa, na]= wavread(’mim wav') Sound data Sampling Frequency #bit representation.
TCS3 Servo System Proposed Design. Why Model? Meet Resolution Requirements What Resolution Encoder to use? Velocity Configuration PID Values Wind Loading.
Continuous Random Variable (2). Families of Continuous Random Variables Uniform R.V. Exponential R.V. Gaussian R.V.
Matlab routine: potential_flow(). drawing a circle(1/3)
Level Set Methods Nilanjan Ray Department of Computing Science University of Alberta.
© 2010 Gatesmark, LLC Digital Image Processing Using MATLAB ® 2nd edition Gonzalez, Woods, & Eddins Chapter 11 Representation.
© 2010 Gatesmark, LLC Digital Image Processing Using MATLAB ® 2nd edition Gonzalez, Woods, & Eddins Chapter 8 Image Compression.
© 2010 Gatesmark, LLC Digital Image Processing Using MATLAB ® 2nd edition Gonzalez, Woods, & Eddins Chapter 3 Filtering in.
© 2010 Gatesmark, LLC Digital Image Processing Using MATLAB ® 2nd edition Gonzalez, Woods, & Eddins Chapter 4 Image Restoration.
The Scalar or Dot Product Lecture V1.2 Example 4 Moodle.
How to use Matrix Market matrices in Matlab The Matrix Market is an interesting collection of matrices from a variety of applications.
JPEG 2000 Image Analysis Darius Fennell University of Rochester.
© 2010 Gatesmark, LLC Digital Image Processing Using MATLAB ® 2nd edition Gonzalez, Woods, & Eddins Chapter 10 Image Segmentation.
The Matrix Market The Matrix Market is an interesting collection of matrices from a variety of applications.
© 2010 Gatesmark, LLC Digital Image Processing Using MATLAB ® 2nd edition Gonzalez, Woods, & Eddins Chapter 9 Morphological.
Presenting: Itai Avron Supervisor: Chen Koren Characterization Presentation Spring 2005 Implementation of Artificial Intelligence System on FPGA.
© 2010 Gatesmark, LLC Digital Image Processing Using MATLAB ® 2nd edition Gonzalez, Woods, & Eddins Chapter 6 Color Image.
General Computer Science for Engineers CISC 106 Lecture 05 Dr. John Cavazos Computer and Information Sciences 2/20/2009.
© 2010 Gatesmark, LLC Digital Image Processing Using MATLAB ® 2nd edition Gonzalez, Woods, & Eddins Chapter 7 Wavelets.
© 2010 Gatesmark, LLC Digital Image Processing Using MATLAB ® 2nd edition Gonzalez, Woods, & Eddins Chapter 5 Geometric Transformations.
MIMO-OFDM Wireless Communications with MATLAB ® Yong Soo Cho | Jaekwon Kim Won Young Yang | Chung G. Kang Chapter 12. Exploiting Channel State Information.
© 2010 Gatesmark, LLC Digital Image Processing Using MATLAB ® 2nd edition Gonzalez, Woods, & Eddins Chapter 1 Introduction.
CUFSM3.12 Installation Standalone version Matlab version
Project 4 Image Search based on BoW model with Inverted File System
Bond Graph Assignment Richard Mullen ME 114 Fall 2006.
ENGR-25_Prob_10-25_Catenary_Solution.ppt.ppt 1 Bruce Mayer, PE ENGR/MTH/PHYS25: Computational Methods Bruce Mayer, PE Registered.
Programming Languages: Scratch Intro to Scratch. Lower level versus high level Clearly, lower level languages can be tedious Higher level languages quickly.
Network Coding Testbed Jeremy Bergan, Ben Green, Alex Lee.
Pattern Recognition Software CS855 Week 1. Matlab Commercial Very fast matrix operations Many open source functions Portability limited Free Interpreted.
Back end MathWorks Compiler Course – Day 6 lexemes Cfg tables Symbols Generator Emitter Assembler semantic actions cpu instructions executable bits syntax.
4-Bit Universal Shift Register Behavioral Vs. Structural Description Behavioral Description – Behavior model of a shift register Describe the operation.
1 ECE 1304 Introduction to Electrical and Computer Engineering Section 1.7 Linear Algebra with MATLAB.
Owl Tech 3D printer Transforming the world of manufacturing.
Current Works Determined drift during constant velocity test caused by slight rotation which results in gravity affecting accelerometers Analyzed data.
Data Processing of “SHRU” Receptions of MSM Continuous Transmissions Harry DeFerrari Hien Nguyen University of Miami
Matlab Demo Feature Matching SIFT Source
Motion Detection Frame 1Frame 2 Anomalous activity.
MATLAB ® for Engineers, Holly Moore Fourth Edition, Global Edition © Pearson Education Limited 2015 All rights reserved. Special Characters, Commands,
ASCII, Binary, and Data Storage A MATLAB Tutorial.
Project 3 SIFT Matching by Binary SIFT
Computer Vision COURSE OBJECTIVES: To introduce the student to computer vision algorithms, methods and concepts. EXPECTED OUTCOME: Get introduced to computer.
LOW-COMPLEXITY ARBITRARY SAMPLE-RATE CONVERTER
NGS computation services: APIs and Parallel Jobs
1 times equals 4 2 times equals 8 3 times equals 12 And 4 times 4 is 16 5 times is 20 And 6 fours are 24 7 fours -----
Binary Code  
Classification Discriminant Analysis
Problem Solving Lab – Part C
Creating Subnets – Network Requirements
Chapter 6: Dirichlet and Neumann Problems
Homework Assignment 1: Use the following data set to test the performance difference of three clustering algorithms: K-means, AP clustering and Spectral.
Binary Math Basic operations.
Binary Lesson 2 Bytes.
Introduction to MATLAB Programming
Binary Lesson 2 Bytes.
Fountain codes Tom Jongsma s
MATLAB LCLS Control Interface
Homework 02 ANSYS: Problem 1: (The system in Homework 01C- Problem 5)
1st language words & bits 2nd language words & bits
Алматы, 2013 Ә.Бүркітбаев атындағы ӨНЕРКӘСІПТІК ИНЖЕНЕРИЯ ИНСТИТУТЫ
This circle represents the source you have.
USING ARRAYS IN MATLAB BUILT-IN MATH FUNCTIONS
Binary Lesson 1 Nybbles.
IT-Portfolio button button button
Estimates Made Using Sx
Binary Lesson 1 Nybbles.
Presentation transcript:

محاسبات عددی و برنامه نویسی بنام خدا محاسبات عددی و برنامه نویسی معرفی درس دانشگاه صنعتی امیرکبیر محمد علی احمدی پژوه زمستان 1391

مقدمه در طي سالهاي ابتدايي تشکيل کلاسهاي دروه مجازي به دليل عدم آشنايي اغلب دانشجويان با مفاهيم رياضيات مهندسي و همچنين برنامه نويسي کامپيوتر، کلاسهايي به صورت خارج از ساعات دروس اصلي براي دانشجويان تشکيل داده شد که نتايج آن منجر به تشکيل دو کلاس جبراني مقدمه اي بر رياضيات مهندسي و همچنين محاسبات عددي و برنامه نويسي کامپيوتر گرديد. لذا هدف اين دروس، آماده سازي دانشجويان با رياضيات و همچنين برنامه نويسي است.

هدف درس هدف اصلي درس محاسبات عددي، آشنايي با روشهاي برنامه نويسي به منظور حل مسايل رياضيات مندسي است. از آنجا که کامپيوتر از ساختار الکترونيکي ديجيتال برخوردار است، روشهاي محاسبات عددي، به دنبال معادلسازي مسايل فضاي رياضيات متعارفي که داراي عدم گسستگي است، با معادلهاي آنها در فضاي گسسته و ديجيتال درون کامپيوتر است. لذا اين درس به صورت پيش فرض به دو دانش زير نياز دارد: آشنايي با رياضيات مهندسي آشنايي با يک محيط برنامه نويسي

توجه از آنجا که متاسفانه امکان رعايت اين پيش فرضها براي دانشجويان دوره مجازي وجود ندارد، مسئوليت آموزش اين مقدمات نيز بر عهده درس محاسبات عددي گذاشته شده است. در نتيجه حجم مطالب اين درس بيش از يک درس بوده و عملا به مقدار دو درس زمان خواهد گرفت. قابل ذکر است که نياز فعاليت دانشجويان به همين دليل در خارج از کلاس دو چندان خواهد بود.

ساختار درس در اين درس 17 جلسه در نظر گرفته شده است موارد مورد بحث تا میان ترم ساختار کامپيوتر و مفهوم ديجيتال بودن اطلاعات آشنايي با انواع خطا آشنايي با معادله خط و صفحه آشنايي با پيش بيني و بسط تيلور مفهوم مدل خطي يک سيستم حل دسته معادلات خطي از روش گوس حل دسته معادلات خطي از روش گوس-جردن حل دسته معادلات خطي از روش ژاکوپي

ادامه مواد درسی موارد مورد بحث بعد از میان ترم: مفهوم غير خطي بودن يک رابطه و حل يک رابطه غير خطي از روش مقدارگذاري متوالي، روشهاي درونيابي و نيوتون رافسون روابط تفاضل محدود مستقيم و معکوس تعريف مشتق درونيابي توابع و برازش منحنی انتگرال گيري از يک تابع معادلات ديفرانسيل معمولي

نحوه محاسبه نمره حل تمرينها: 30% ميانترم: 35% (4 اردیبهشت 1392) پايان ترم: 35% حضور بدون غیبت در کلاس 5% اضافه

چگونگی آشنايي با نرم افزار Matlab استفاده از کلاس حل تمرين: 3 جلسه ابتدايي حل تمرين به اين موارد اختصاصا دارد: نرم افزار Matlab چگونه نصب می شود؟ این نرم افزار چه بخشهایی دارد؟ مفهوم ماتریس و متغیر اسکالر تعريف آنها در نرم افزار چگونگی اجرای توابع مقدماتی ریاضی مانند ضرب و تقسیم و توان و جذر چگونگی رسم یک تابع دوبعدی استفاده از کتابهای مرجع: کتابهای مرجع متعددی برای برنامه نویسی در محیط Matlab نوشته شده است با این وجود، برخی از این کتابها ساده تر هستند. کتاب "نرم افزار Matlab برای مهندسین" نوشته استفان چاپمن، ترجه دکتر سعدان زکایی، انتشارات دانشگاه خواجه نصیر از این جمله است. استفاده از Help نرم افزار

تبدیل سیگنال آنالوگ به دیجیتال گسسته سازی در اندازه: معمولا تعداد حالات ممکن برای تغییرات یک متغیر دیجیتال محدود است. 1 bit  2 possible values 2 bits  4 possible values 8 bits  256 possible values 16 bits  65356 possible values : : N bits  2N possible values

مثال تعداد سطح های ممکن 7 وضعیت باشد و کمتر از کل دامنه تغییرات باشد. در این وضعیت دقت ثبت در بخشی از سیگنال زیاد و در بخشی بسیار پایین است. دقت کم دقت بالا دقت کم دقت بالا

مثال تعداد حالات ممکن همان 7 وضعیت باشد اما محدوده بیش از تغییرات سیگنال پوشش داده شود. در این وضعیت دقت در تمام سیگنال به یک اندازه است. این دقت از بخش دقیق مثال قبل کمتر است.

نتیجه 1 بخشی از دقت به این موضوع بر می گردد که تعداد وضعیت ممکن برای ثبت یک داده دیجیتال یا به عبارت دیگر تعداد بیتی که برای هر عدد اختصاص داده شده چقدر است. بخشی از دقت نیز به این موضوع بر می گردد که این تعداد سطوح ممکن، برای چه اندازه ای از سیگنال استفاده شده باشد.

تبدیل سیگنال آنالوگ به دیجیتال گسسته سازی در زمان: معمولا در زمانهای ثابتی (T) که آنرا زمان نمونه برداری می نامند، سیگنال را گسسته می کنند. اگر این زمان کوچک شود، مجموعه نمونه ها می تواند معادل خوبی از سیگنال آنالوگ واقعی باشد. در مثال زیر فاصله نمونه ها زیاد است و لذا سیگنال دیجیتال شده، معادل مناسبی از سیگنال آنالوگ نیست. یعنی نمی توان سیگنال اصلی را بازسازی کرد. T

نتیجه 2 زمان نمونه برداری نیز می تواند در میزان دقت به نوعی دخیل باشد. به عبارت دیگر اگر زمان نمونه برداری طوری باشد که تغییرات سیگنال آنالوگ اصلی را نتواند نشان دهد، این نمونه برداری معتبر نبوده و لذا قابل استفاده نخواهد بود.

جمع بندی سیگنالهای دیجیتال دارای خصوصیاتی هستند که لزوما با خصوصیات سیگنالهای آنالوگ یکی نیست. به دلیل همین ماهیت متفاوت، ریاضیاتی که در این حوزه استفاده می شود متفاوت با ریاضیات حوزه پیوسته است. در نتیجه هدف اصلی درس محاسبات عددی، بدست آوردن روشهایی است که عملگرهای حوزه پیوسته را در حوزه دیجیتال مشابه سازی نمایند. به طور مثال، مشتق، انتگرال، معادلات دیفرانسیل و غیره بایستی مجددا در حوزه گسسته مشابه سازی شوند. طبیعتا این مشابه سازی بسته به الگوریتم ارائه شده می تواند مناسب یا نامناسب باشد. یکی دیگر از اهداف این درس بررسی نقاط قوت و ضعف روشهای مختلف است.