Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Szondázás alapú diagnosztika 2. Autonóm és hibatűrő információs.

Slides:



Advertisements
Hasonló előadás
SZÁMÍTÓGÉPES JÁTÉKOSOK MOTIVÁCIÓINAK LONGITUDINÁLIS VIZSGÁLATA Kiss Orhidea Edith Budapesti Műszaki és Gazdaságtudományi Egyetem, Gazdaság- és Társadalomtudományi.
Advertisements

A Szénhidrogén Kutatás Menedzsmentje
Szennyezőanyagok légköri terjedése
Budapesti Műszaki és Gazdaságtudományi Egyetem
TALAJMECHANIKA-ALAPOZÁS
Az első atombombák, Hiroshima, Nagaszaki
Széchenyi István Egyetem Győr Távközlési Tanszék Wavelet-analízis, kvantum-információelmélet és strukturális entrópia Nagy Szilvia Ph.D.
A BIZTONSÁG ÉS VÉDELEM KULTÚRÁJA
Budapesti Műszaki és Gazdaságtudományi Egyetem
III. Témakör MISKOLCI EGYETEM LOGISZTIKA ANYAGMOZGATÁSI ÉS LOGISZTIKAI TANSZÉK III./1.
MEGÚJULÓ ENERGIAFORRÁSOK BIOMASSZA
Játékelmélet Kovács Dániel László Intelligens Rendszerek kutatócsoport
Hiba-előjel alapú spektrális megfigyelő Orosz György Konzulensek: Sujbert László, Péceli Gábor Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika.
A hiba-előjel alapú FxLMS algoritmus analízise Orosz György Konzulensek: Péceli Gábor, Sujbert László Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika.
Pókerágens fejlesztése játékelméleti alapokon
Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Bin-summarise-smooth: ‚bigvis’ „Big Data” elemzési módszerek.
Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék R „Big Data” elemzési módszerek Kocsis Imre
Éves Konferencia- Annual Report Irányító Bizottság: Elnök: D. Terdik György DE IK dékán Tagok: Dr. Kardon Béla EMMI Dr. Sallai Gyula BME, FIRCC Nagy Miklós.
ÉGHAJLATVÁLTOZÁS – VÍZ – VÍZGAZDÁLKODÁS (második rész)
Gincsai Gábor MSDN Kompetencia Központ Budapesti Műszaki és Gazdaságtudományi Egyetem Automatizálási és Alkalmazott Informatikai Tanszék.
Meglévő ASP.NET 2.0 alkalmazás kiegészítése AJAX-szal
Harmadik országbeli hallgatók beilleszkedésének elősegítése
Budapesti Műszaki és Gazdaságtudományi Egyetem Elektronikus Eszközök Tanszéke Integrált mikrorendszerek II. MEMS = Micro-Electro-
Budapesti Műszaki és Gazdaságtudományi Egyetem Elektronikus Eszközök Tanszéke Integrált mikrorendszerek II. MEMS = Micro-Electro-
Budapesti Műszaki és Gazdaságtudományi Egyetem Elektronikus Eszközök Tanszéke IC layout tervek tesztelése.
Budapesti Műszaki és Gazdaságtudományi Egyetem Elektronikus Eszközök Tanszéke IC layout tervek tesztelése.
MIKROELEKTRONIKA, VIEEA306
MIKROELEKTRONIKA, VIEEA306
MIKROELEKTRONIKA, VIEEA306
MIKROELEKTRONIKA, VIEEA306
MIKROELEKTRONIKA, VIEEA306
Budapesti Műszaki és Gazdaságtudományi Egyetem Elektronikus Eszközök Tanszéke MIKROELEKTRONIKA, VIEEA306 MOS áramkörök: CMOS áramkörök,
MIKROELEKTRONIKA, VIEEA306
Budapesti Műszaki és Gazdaságtudományi Egyetem Elektronikus Eszközök Tanszéke Mikroelektronika Laboratórium Tájékoztató
Budapesti Műszaki és Gazdaságtudományi Egyetem Elektronikus Eszközök Tanszéke MIKROELEKTRONIKA, VIEEA306 A bipoláris tranzisztor.
MIKROELEKTRONIKA, VIEEA306
Budapesti Műszaki és Gazdaságtudományi Egyetem Elektronikus Eszközök Tanszéke MIKROELEKTRONIKA, VIEEA306 Félvezető fizikai alapok.
Budapesti Műszaki és Gazdaságtudományi Egyetem Elektronikus Eszközök Tanszéke 2. zárthelyi megoldásai december 2.
Szabó Viktor Műszaki Mechanikai Tanszék
Programmozás Feladatok Telek Miklós BME Híradástechnikai Tanszék
Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék 5.3. Predikciós módszerek szenzorjelek alapján BelAmI_H.
Valós idejű adaptív útvonalkeresés
Hibaterjedés-analízis
Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Szondázás alapú diagnosztika 1. Autonóm és hibatűrő információs.
Budapesti Műszaki és Gazdaságtudományi Egyetem Elektronikus Eszközök Tanszéke 1. zárthelyi megoldásai október 10.
1 Budapesti Műszaki és Gazdaságtudományi Egyetem Villamosmérnöki és Informatikai Kar VET Villamos Művek és Környezet Csoport Budapest Egry József.
MIKROELEKTRONIKA, VIEEA306
Budapesti Műszaki és Gazdaságtudományi Egyetem Elektronikus Eszközök Tanszéke Mikroelektronika Laboratórium Tájékoztató
Budapesti Műszaki és Gazdaságtudományi Egyetem Elektronikus Eszközök Tanszéke MIKROELEKTRONIKA, VIEEA306 A pn átmenet működése: Sztatikus.
Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Nyomkövetés alapú hibadetektálás Autonóm és Hibatűrő Inf.
Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Megerősítő elemzés „Big Data” elemzési módszerek Salánki.
Budapesti Műszaki és Gazdaságtudományi Egyetem Elektronikus Eszközök Tanszéke Zárthelyi előkészítés október 10.
Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Korlátkielégítési problémák Autonóm és hibatűrő információs.
1 Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék P2P protokollok és autonóm számítástechnika: szemelvények.
1 AZ IKTA-2000 projektjeinek szakmai bemutatója IKTA-144/2000 projekt november 28.
Menetrend optimalizálása genetikus algoritmussal
Címlap Betekintés a valószínűségszámításba Keszei Ernő ELTE Fizikai Kémiai Tanszék
Budapesti Műszaki és Gazdaságtudományi Egyetem Elektronikus Eszközök Tanszéke MIKROELEKTRONIKA, VIEEA /2009 I. félév Követlemények.
1 Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Elosztott tagsági kép és hatékony multicast Autonóm és.
Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék R3-COP és R5-COP projekt: Környezetfüggő viselkedés tesztelése.
Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék R „Big Data” elemzési módszerek Kocsis Imre
Budapesti Műszaki és Gazdaságtudományi Egyetem Elektronikus Eszközök Tanszéke MIKROELEKTRONIKA, VIEEA /2012 I. félév Követelmények.
Budapesti Műszaki és Gazdaságtudományi Egyetem Elektronikus Eszközök Tanszéke MIKROELEKTRONIKA, VIEEA /2013 I. félév Követelmények.
Budapesti Műszaki és Gazdaságtudományi Egyetem Elektronikus Eszközök Tanszéke MIKROELEKTRONIKA, VIEEA /2011 I. félév Követelmények.
Budapesti Műszaki és Gazdaságtudományi Egyetem Elektronikus Eszközök Tanszéke Mikroelektronika Laboratórium Tájékoztató
Budapesti Műszaki és Gazdaságtudományi Egyetem Elektronikus Eszközök Tanszéke Termikus hatások analóg integrált áramkörökben Esettanulmány:
Internet-alapú információcsere és adatvalidáció bibliográfiai adatbázisok között Internet-based information exchange and content validation between bibliographic.
FAZEKAS ANDRÁS ISTVÁN PhD c. egyetemi docens
A MORPHOLOGIC - BME EGYÜTTMŰKÖDÉSEK
BME – PRO PROGRESSIO INNOVÁCIÓS DÍJ PÁLYÁZAT 2018.
Előadás másolata:

Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Szondázás alapú diagnosztika 2. Autonóm és hibatűrő információs rendszerek Kocsis Imre

Motiváció  Rish et al.: Adaptive Diagnosis in Distributed Systems  Szonda által o A rendszer állapotáról felfedett o Többletinformáció o Részleges szondahalmazhoz képest  Mérőszám?!?  A kérdés értelmes előválasztott o Szondák (valvált.-vektor; preplanned probing) o és szondakimenetek (értékek; active probing) esetén is.

Alapvető fogalmak  Valószínűségi változók o Rendszerállapot o Szondák (kimenete)  Entrópia

Entrópia

 „Cinkelt érme”  Empirikus eloszlásból közelítünk library('infotheo') library('ggplot2') coinentropy <- function(x){ natstobits(entropy(c(rep(0, x*10000),rep(1, (1-x)*10000)), method=‚emp’)) } coin0prob <- seq(from=0, to=1, by=0.01) coinentropyvals <- sapply(coin0prob, coinentropy) qplot(coin0prob, coinentropyvals)

Entrópia

 A „bizonytalanság” fogalmat ragadja meg o Egyik olvasata: „kimenetek meglepőségének várhatóértéke”  Logaritmus: független bizonytalanságok „additívak”

Entrópia

Feltételes entrópia

Kölcsönös információ

Véletlen minták kölcsönös információja rn1 <- unlist(discretize(rnorm(100))) rn2 <- unlist(discretize(rnorm(100))) myrn <- data.frame(rn1=rn1, rn2=rn2) plot(myrn)

Véletlen minták kölcsönös információja

Kölcsönös információ: ‚iris’

Kölcs. inf: 1.41 bit Kölcs. inf: 1.41 bit

Kölcsönös információ: ‚iris’ Kölcs. inf: 0.44 bit Kölcs. inf: 0.44 bit

Kapcsolatok

Szondakiválasztás

Egyszerűsített alak  Max. egy hiba  Minden állapot azonos valószínűséggel o (???)  Figyeljük meg: az (Y,T) „események” partícionálják X-et o Egy kimenettel inkompatibilis állapotok „kinullázódnak” a közös valószínűségben  A szumma „átsorrendezhető”

Egyszerűsített alak

Aktív szondázás Ha nincs hiba? Hatékony implementáció: Bayes hálók

Optimális hatásos szondahossz (illusztráció)