1 Mössbauer-spektrumok illesztése: vonalalak A kibocsátott  -sugárzás energiaspektruma Lorentz-görbe alakú: I : sugárzás intenzitása  : frekvencia 

Slides:

Advertisements

Hasonló előadás

A Dijkstra algoritmus.

Advertisements

RACIONÁLIS GYÓGYSZERTERVEZÉS MOLEKULASZERKEZETI VONATKOZÁSOK.

Energetikai gazdaságtan

MI 2003/ A következőkben más megközelítés: nem közvetlenül az eloszlásokból indulunk ki, hanem a diszkriminancia függvényeket keressük. Legegyszerűbb:

Módszerek sebességi állandók becslésére Kovács Benedek, Budapesti Műszaki és Gazdaségtudományi Egyetem.

Regresszió számítás Mérnöki létesítmények ellenőrzése, terveknek megfelelése Geodéziai mérések – pontok helyzete, pontszerű információ Lineáris regresszió.

Csoportosítás megadása: Δx – csoport szélesség

Optimális részhalmaz keresése Keresési tér. 0,0,0,0 1,0,0,0 0,1,0,0 0,0,1,0 0,0,0,10,0,1,1 1,1,0,0 1,0,1,0 0,1,1,0 1,1,1,0 1,0,1,1 0,1,1,1 1,1,1,11,1,0,1.

MŰSZERES ANALÍZIS ( a jelképzés és jelfeldolgozás tudománya)

MŰSZERES ANALÍZIS ( a jelképzés és jelfeldologozás tudománya)

Bevezetés a gépi tanulásba február 16.. Mesterséges Intelligencia „A számítógépes tudományok egy ága, amely az intelligens viselkedés automatizálásával.

Lineáris és nemlineáris regressziók, logisztikus regresszió

Szintaktikai elemzés március 1.. Gépi tanulás Osztályozási feladat: Adott egyedek egy halmaza és azok osztályba tartozási függvénye (tanító halmaz),

Metal/plastic foam projekt

Virtuális méréstechnika Spektrum számolása 1 Mingesz Róbert V

Genetikus algoritmusok

Dr. Szalka Éva, Ph.D.1 Statisztika II. VII.. Dr. Szalka Éva, Ph.D.2 Mintavétel Mintavétel célja: következtetést levonni a –sokaságra vonatkozóan Mintavétel.

Statisztika II. VI. Dr. Szalka Éva, Ph.D..

Dr. Szalka Éva, Ph.D.1 Statisztika II. VII.. Dr. Szalka Éva, Ph.D.2 Regresszióanalízis.

Statisztika II. II. Dr. Szalka Éva, Ph.D..

OPERÁCIÓKUTATÁS Kalmár János, 2012 Tartalom A nulla-egy LP megoldása Hátizsák feladat.

Előadó: Prof. Dr. Besenyei Lajos

IRE 5 /18/ 1 Óbudai Egyetem, NIK Dr. Kutor László2011. TÁMOP – I ntelligens R endszerek E lmélete 5.

A középérték mérőszámai

Dinamikus klaszterközelítés Átlagtér illetve párközelítés kiterjesztése N játékos egy rácson helyezkedik el (periodikus határfeltétel) szimmetriák: transzlációs,

Dr. Szalka Éva, Ph.D.1 Statisztika II. VI.. Dr. Szalka Éva, Ph.D.2 Regresszióanalízis.

Készítette: Kosztyán Zsolt Tibor

Az Alakfelismerés és gépi tanulás ELEMEI

Lézerspektroszkópia Előadók: Kubinyi Miklós Grofcsik András

Mesterséges Intelligencia Alapjai II. beadandó Orosz György – Vörös Gyula – Zsiák Gergő Pál.

Idősor komponensei Trend vagy alapirányzat: az idősor alakulásának fő irányát mutatja meg. Szezonális vagy idényszerű ingadozás: szabályos időszakonként.

E NERGETIKAI NAGYBERENDEZÉSEK MIKROSZERKEZET VIZSGÁLATA D R. G ÉMES G YÖRGY A NDRÁS AIB-V INCOTTE H UNGARY K FT. 6. AGY 2012.június Hotel Aquarell,

A vas szerepe a La 0.8 Sr 0.2 Fe x Co 1-x O 3-δ perovszkitok különleges elektromos vezetési és mágneses tulajdonságainak kialakulásában Németh Zoltán Eötvös.

Kubinyi Miklós ) Lézerspektroszkópia Kubinyi Miklós )

Auger és fotoelektron spektrumok –az inelasztikus háttér modellezése Egri Sándor Debreceni Egyetem, Kísérleti Fizika Tanszék ATOMKI.

XPS – röntgen gerjesztésű fotoelektron spektroszkópia

Sapientia-Csíkszereda ILLYES LÁSZLÓ Grundfoci-csapatválasztás. A Pál utcai fiúk és két célfüggvény.

Problémás függvények : lokális optimalizáció nem használható Globális optimalizáció.

Optimalizáció modell kalibrációja Adott az M modell, és p a paraméter vektora. Hogyan állítsuk be p -t hogy a modell kimenete az x bemen ő adatokon a legjobban.

Optimalizáció modell kalibrációja Adott az M modell, és p a paraméter vektora. Hogyan állítsuk be p -t hogy a modell kimenete az x bemenő adatokon a legjobban.

mágneses ellenállás , ahol MR a negatív mágneses ellenállás,

A sztochasztikus kapcsolatok (Folyt). Korreláció, regresszió

Alapsokaság (populáció)

Lineáris regresszió.

Két kvantitatív változó kapcsolatának vizsgálata

Szilágyi Petra Ágota PhD hallgató ELTE TTK Magkémiai Tanszék, Budapest CNRS LCC Équipe P, Toulouse (Franciaország) Vaskomplexek és fotodegradációjuk, valamint.

Számtani és mértani közép

Genetikus algoritmusok

Bevezetés a méréskiértékelésbe (BMETE80ME19) 2014/

x1 xi 10.Szemnagyság: A szemnagyság megadásának nehézségei

Valószínűségszámítás II.

Az eredő szakasz GE(s) átmeneti függvénye alapján

Informatikai Rendszerek Tervezése 5. Előadás: Genetikus algoritmusok Illyés László Sapientia - Erdélyi Magyar TudományEgyetem (EMTE) Csíkszereda IRT.-5.

Menetrend optimalizálása genetikus algoritmussal

Közúti és Vasúti Járművek Tanszék. A ciklusidők meghatározása az elhasználódás folyamata alapján Az elhasználódás folyamata alapján kialakított ciklusrendhez.

Bevezetés a méréskiértékelésbe (BMETE80ME19) 2014/

Spike Sorting Solutions Csercsa Richárd Magony Andor.

Bevezetés a méréskiértékelésbe (BMETE80ME19) 2014/

1  BME Híradástechnikai Tsz komhal20.ppt Kommunikációs hálózatok tervezése 20. előadás Izsó Tamás Híradástechnikai tanszék 2000 Budapesti Műszaki.

2004 május 27. GÉPÉSZET Komplex rendszerek szimulációja LabVIEW-ban Lipovszki György Budapesti Műszaki Egyetem Mechatronika, Optika és Gépészeti.

Kontinuum modellek 1.  Bevezetés a kontinuum modellekbe  Numerikus számolás alapjai.

Genetikus algoritmusok

Klasszikus szabályozás elmélet

Analitikai Kémiai Rendszer

I. Előadás bgk. uni-obuda

Nem módosítható keresések

Szilárd testek fajhője

5. Kalibráció, függvényillesztés

2. Regresszióanalízis Korreláció analízis: milyen irányú, milyen erős összefüggés van két változó között. Regresszióanalízis: kvantitatív kapcsolat meghatározása.

Előadás másolata:

1 Mössbauer-spektrumok illesztése: vonalalak A kibocsátott  -sugárzás energiaspektruma Lorentz-görbe alakú: I : sugárzás intenzitása  : frekvencia  : természetes vonalszélesség  N : átlagos élettartam (a 57 Fe 14,4 keV-os átmenetére:  N = 1,41·10 -7 s  = 4,7 · eV)

2 Mössbauer-spektrumok illesztése: vonalalak I0I0 00 I 0 /2 

3 Mössbauer-spektrumok illesztése: paraméterek átszámítása illesztett Lorentz-görbe paraméterei Mössbauer-paraméterek (1 csúcs) megjegyzés I0I0 amplitúdó (A)normálás 00 izomereltolódás (  ) kalibrálás  vonalszélesség (  ) kalibrálás

4 Mössbauer-spektrumok illesztése: paraméterek átszámítása illesztett Lorentz- görbék paraméterei (p j ) Mössbauer-paraméterek (több csúcs) (a k ) megjegyzés I0I0 amplitúdó (A), relatív anyagmennyiség (vas!) normálás 00 izomereltolódás (  ), kvadrupólusfelhasadás (  ), mágneses indukció (H) kalibrálás, kvantummechanika  vonalszélesség (  ) kalibrálás T jk : illesztés során alkalmazott modell mátrixa c j : megkötések

5 Mössbauer-spektrumok illesztése: illesztési modellek kiindulási modell: alspektrumok száma, típusai (szingulett, dublett, szextett, kevert spektrum; por, egykristályminta; eloszlások, stb.) forrás: fizika (magátmenetek ismerete), nyers spektrumban látható triviális vonalak, irodalmi adatok, kémiai intuíció, próbálgatás mátrix alak (pl. Mösswinn 3-as verziójában beépített)

6 Mössbauer-spektrumok illesztése: illesztés menete iteráció: legkisebb négyzetek módszere,  2 minimalizálása: M: csatornaszám N i : i-edik csatorna beütésszáma f: modell függvény v i : i-edik csatornához tartozó sebesség b: alapvonal p 1..p n : csúcsok paraméterei n: csúcsok száma

7 Mössbauer-spektrumok illesztése: illesztés menete (Mösswinn) evolúciós algoritmus: globális keresés (nem csak lokális minimumokat keres a megadott kezdő paraméterek környékén) 1.véletlenszerű keresés (adott korlátok között) 2.lehetséges megoldások saját  2 –tel (egyedek), ezek összessége (populáció) 3.„genetikus” operátorok: szelekció, keresztezés, mutáció 4.új, jobb (= kisebb  2 –ek) populáció generálása pont ismétlése a legjobb megoldás megtalálásáig

8 Mössbauer-spektrumok illesztése: illesztés eredménye Mössbauer-paraméterek becsült értéke, és szórásuk (standard deviáció) illesztés hibája: –  2 –normált  2 –jósága (0 < Goodness factor < 1) *: vagyis a szabadsági fokok száma!