Odreivanje neodreenosti hadronske strukture metodama strojnog ucenja
|
|
|
- Stanka Mavrič
- пре 5 година
- Прикази:
Транскрипт
1 Odredivanje neodredenosti hadronske strukture metodama strojnog učenja Ivan Ćorić 1 Mentor: prof. Krešimir Kumerički 1 1 Prirodoslovno matematički fakultet, Fizički odsjek Sveučilište u Zagrebu 29. siječnja Odredivanje neodredenosti hadronske strukture metodama strojnog 29. siječnja učenja / 36
2 Sadržaj 1 Uvod Comptonski form faktori Duboko virtualno komptonsko raspršenje (DVCS) 2 Neuronske mreže Motivacija Usporedba biološkog i umjetnog neurona Umjetni neuron Neuronske mreža Učenje neuronske mreže 3 Rezultati Jednodimenzionalni umjetni podaci Rezultati za jednodimenzionalne podatke Dvodimenzionalni umjetni podaci Rezultati za dvodimenzionalne podatke Odredivanje neodredenosti hadronske strukture metodama strojnog 29. siječnja učenja / 36
3 Sadržaj 1 Uvod Comptonski form faktori Duboko virtualno komptonsko raspršenje (DVCS) 2 Neuronske mreže Motivacija Usporedba biološkog i umjetnog neurona Umjetni neuron Neuronske mreža Učenje neuronske mreže 3 Rezultati Jednodimenzionalni umjetni podaci Rezultati za jednodimenzionalne podatke Dvodimenzionalni umjetni podaci Rezultati za dvodimenzionalne podatke Odredivanje neodredenosti hadronske strukture metodama strojnog 29. siječnja učenja / 36
4 Comptonski form faktori Generalizirane partonske distribucije: H q, E q, Hq, Ẽ q, H q T, Hq T, E q T, Ẽ q T 1 F(η, t) = eq 2 dx q 1 [ ] 1 η x iɛ 1 F q (x, η, t), η + x iɛ 1 F(η, t) = eq 2 dx q 1 [ ] 1 η x iɛ + 1 F q (x, η, t), η + x iɛ Comptonski form faktori: H, E, H, Ẽ, H T, E T, H T, Ẽ T Odredivanje neodredenosti hadronske strukture metodama strojnog 29. siječnja učenja / 36
5 Sadržaj 1 Uvod Comptonski form faktori Duboko virtualno komptonsko raspršenje (DVCS) 2 Neuronske mreže Motivacija Usporedba biološkog i umjetnog neurona Umjetni neuron Neuronske mreža Učenje neuronske mreže 3 Rezultati Jednodimenzionalni umjetni podaci Rezultati za jednodimenzionalne podatke Dvodimenzionalni umjetni podaci Rezultati za dvodimenzionalne podatke Odredivanje neodredenosti hadronske strukture metodama strojnog 29. siječnja učenja / 36
6 Duboko virtualno komptonsko raspršenje (DVCS) Slika: Prikaz duboko virtualnog komptonskog raspršenja. Slika posudena s [1]. ep epγ Odredivanje neodredenosti hadronske strukture metodama strojnog 29. siječnja učenja / 36
7 Duboko virtualno komptonsko raspršenje (DVCS) Slika: Leptoprodukcija realnog fotona kao koherentna superpozicija DVCS i Bethe-Heitler amplituda. Posudeno iz [2]. Odredivanje neodredenosti hadronske strukture metodama strojnog 29. siječnja učenja / 36
8 Opservable zbroj spin-up i spin-down snopa σ (BSS - engl. Beam spin sum) razlika spin-up i spin-down snopa σ (BSD - engl. Beam spin difference) omjer BSD i BSS σ BSA (BSA - engl. Beam spin asymmetry) Odredivanje neodredenosti hadronske strukture metodama strojnog 29. siječnja učenja / 36
9 Sadržaj 1 Uvod Comptonski form faktori Duboko virtualno komptonsko raspršenje (DVCS) 2 Neuronske mreže Motivacija Usporedba biološkog i umjetnog neurona Umjetni neuron Neuronske mreža Učenje neuronske mreže 3 Rezultati Jednodimenzionalni umjetni podaci Rezultati za jednodimenzionalne podatke Dvodimenzionalni umjetni podaci Rezultati za dvodimenzionalne podatke Odredivanje neodredenosti hadronske strukture metodama strojnog 29. siječnja učenja / 36
![Motivacija Slika: Prikaz problema detekcije objekata. Slika posudena s [3].](/docs-images/100/145364374/images/10-0.jpg "Odredivanje neodredenosti hadronske strukture metodama29.")
10 Motivacija Slika: Prikaz problema detekcije objekata. Slika posudena s [3]. Odredivanje neodredenosti hadronske strukture metodama29. strojnog siječnja učenja / 36
11 Sadržaj 1 Uvod Comptonski form faktori Duboko virtualno komptonsko raspršenje (DVCS) 2 Neuronske mreže Motivacija Usporedba biološkog i umjetnog neurona Umjetni neuron Neuronske mreža Učenje neuronske mreže 3 Rezultati Jednodimenzionalni umjetni podaci Rezultati za jednodimenzionalne podatke Dvodimenzionalni umjetni podaci Rezultati za dvodimenzionalne podatke Odredivanje neodredenosti hadronske strukture metodama29. strojnog siječnja učenja / 36
12 Usporedba biološkog i umjetnog neurona Slika: Usporedba biološkog i umjetnog neurona. Slika posudena s [4]. Odredivanje neodredenosti hadronske strukture metodama29. strojnog siječnja učenja / 36
13 Sadržaj 1 Uvod Comptonski form faktori Duboko virtualno komptonsko raspršenje (DVCS) 2 Neuronske mreže Motivacija Usporedba biološkog i umjetnog neurona Umjetni neuron Neuronske mreža Učenje neuronske mreže 3 Rezultati Jednodimenzionalni umjetni podaci Rezultati za jednodimenzionalne podatke Dvodimenzionalni umjetni podaci Rezultati za dvodimenzionalne podatke Odredivanje neodredenosti hadronske strukture metodama29. strojnog siječnja učenja / 36
14 Umjetni neuron Linearna kombinacija ulaza u k = n w kj x j + b k j=1 Nelinearna aktivacija f k = f (u k ) Odredivanje neodredenosti hadronske strukture metodama29. strojnog siječnja učenja / 36
15 Primjeri aktivacijskih funkcija Slika: Prikaz aktivacijskih funkcija. Slika posudena s [5]. Odredivanje neodredenosti hadronske strukture metodama29. strojnog siječnja učenja / 36
16 Sadržaj 1 Uvod Comptonski form faktori Duboko virtualno komptonsko raspršenje (DVCS) 2 Neuronske mreže Motivacija Usporedba biološkog i umjetnog neurona Umjetni neuron Neuronske mreža Učenje neuronske mreže 3 Rezultati Jednodimenzionalni umjetni podaci Rezultati za jednodimenzionalne podatke Dvodimenzionalni umjetni podaci Rezultati za dvodimenzionalne podatke Odredivanje neodredenosti hadronske strukture metodama29. strojnog siječnja učenja / 36
![Neuronske mreža Slika: Prikaz neuronske mreže. Slika posudena s [6].](/docs-images/100/145364374/images/17-0.jpg "Odredivanje neodredenosti hadronske strukture metodama29.")
17 Neuronske mreža Slika: Prikaz neuronske mreže. Slika posudena s [6]. Odredivanje neodredenosti hadronske strukture metodama29. strojnog siječnja učenja / 36
18 Sadržaj 1 Uvod Comptonski form faktori Duboko virtualno komptonsko raspršenje (DVCS) 2 Neuronske mreže Motivacija Usporedba biološkog i umjetnog neurona Umjetni neuron Neuronske mreža Učenje neuronske mreže 3 Rezultati Jednodimenzionalni umjetni podaci Rezultati za jednodimenzionalne podatke Dvodimenzionalni umjetni podaci Rezultati za dvodimenzionalne podatke Odredivanje neodredenosti hadronske strukture metodama29. strojnog siječnja učenja / 36
19 Algoritam propagacije unazad Funkcija gubitka (engl. Loss function) L = N (y i ŷ (x i )) 2 i=1 Učenje parametara w kj = η L w kj b k = η L b k η - parametar učenja (engl. learning rate) Odredivanje neodredenosti hadronske strukture metodama29. strojnog siječnja učenja / 36
20 Sadržaj 1 Uvod Comptonski form faktori Duboko virtualno komptonsko raspršenje (DVCS) 2 Neuronske mreže Motivacija Usporedba biološkog i umjetnog neurona Umjetni neuron Neuronske mreža Učenje neuronske mreže 3 Rezultati Jednodimenzionalni umjetni podaci Rezultati za jednodimenzionalne podatke Dvodimenzionalni umjetni podaci Rezultati za dvodimenzionalne podatke Odredivanje neodredenosti hadronske strukture metodama29. strojnog siječnja učenja / 36
21 Goloskokov-Kroll (GK) Slika: Prikaz CFF funkcija za GK model. Odredivanje neodredenosti hadronske strukture metodama29. strojnog siječnja učenja / 36
22 Jednodimenzionalni umjetni podaci Slika: Prikaz umjetnih (engl. mock) podataka. Odredivanje neodredenosti hadronske strukture metodama29. strojnog siječnja učenja / 36
23 Sadržaj 1 Uvod Comptonski form faktori Duboko virtualno komptonsko raspršenje (DVCS) 2 Neuronske mreže Motivacija Usporedba biološkog i umjetnog neurona Umjetni neuron Neuronske mreža Učenje neuronske mreže 3 Rezultati Jednodimenzionalni umjetni podaci Rezultati za jednodimenzionalne podatke Dvodimenzionalni umjetni podaci Rezultati za dvodimenzionalne podatke Odredivanje neodredenosti hadronske strukture metodama29. strojnog siječnja učenja / 36
24 Naivni pristup Slika: Prikaz naučene σ BSA opservable. Odredivanje neodredenosti hadronske strukture metodama29. strojnog siječnja učenja / 36
25 Naivni pristup Slika: Prikaz naučenih CFF funkcija. Odredivanje neodredenosti hadronske strukture metodama29. strojnog siječnja učenja / 36
26 Učenje CFF funkcije koja najviše doprinosi Slika: Prikaz naučene ImH CFF funkcije. Odredivanje neodredenosti hadronske strukture metodama29. strojnog siječnja učenja / 36
27 Učenje preostalih CFF funkcija Slika: Prikaz naučenih CFF funkcija. Odredivanje neodredenosti hadronske strukture metodama29. strojnog siječnja učenja / 36
28 Sadržaj 1 Uvod Comptonski form faktori Duboko virtualno komptonsko raspršenje (DVCS) 2 Neuronske mreže Motivacija Usporedba biološkog i umjetnog neurona Umjetni neuron Neuronske mreža Učenje neuronske mreže 3 Rezultati Jednodimenzionalni umjetni podaci Rezultati za jednodimenzionalne podatke Dvodimenzionalni umjetni podaci Rezultati za dvodimenzionalne podatke Odredivanje neodredenosti hadronske strukture metodama29. strojnog siječnja učenja / 36
29 Goloskokov-Kroll (GK) Slika: Prikaz CFF funkcija za GK model. Odredivanje neodredenosti hadronske strukture metodama29. strojnog siječnja učenja / 36
30 Dvodimenzionalni umjetni podaci Slika: Prikaz umjetnih (engl. mock) podataka. Odredivanje neodredenosti hadronske strukture metodama29. strojnog siječnja učenja / 36
31 Sadržaj 1 Uvod Comptonski form faktori Duboko virtualno komptonsko raspršenje (DVCS) 2 Neuronske mreže Motivacija Usporedba biološkog i umjetnog neurona Umjetni neuron Neuronske mreža Učenje neuronske mreže 3 Rezultati Jednodimenzionalni umjetni podaci Rezultati za jednodimenzionalne podatke Dvodimenzionalni umjetni podaci Rezultati za dvodimenzionalne podatke Odredivanje neodredenosti hadronske strukture metodama29. strojnog siječnja učenja / 36
32 Rezultati za dvodimenzionalne podatke Slika: Prikaz naučene σ BSA opservable. Odredivanje neodredenosti hadronske strukture metodama29. strojnog siječnja učenja / 36
33 Rezultati za dvodimenzionalne podatke Slika: Prikaz naučene ImH CFF funkcije. Odredivanje neodredenosti hadronske strukture metodama29. strojnog siječnja učenja / 36
34 Rezultati za dvodimenzionalne podatke Slika: Prikaz naučenih CFF funkcija. Odredivanje neodredenosti hadronske strukture metodama29. strojnog siječnja učenja / 36
35 Literatura I URL: Online; accessed 23-January-2019 Kumerički, Krešimir and Liuti, Simonetta and Moutarde, Hervé GPD phenomenology and DVCS fitting. Entering the high-precision era. European Physical Journal A, URL: Online; accessed 23-January-2019 Odredivanje neodredenosti hadronske strukture metodama29. strojnog siječnja učenja / 36
36 Literatura II Nagyfi Richárd The differences between Artificial and Biological Neural Networks. URL: Online; accessed 18-January-2019 URL: https: // id/26/ques id/1044, Online; accessed 18-January-2019 URL: Online; accessed 18-January-2019 Odredivanje neodredenosti hadronske strukture metodama29. strojnog siječnja učenja / 36
SVEUČILIŠTE U ZAGREBU FAKULTET ELEKTROTEHNIKE I RAČUNARSTVA ZAVRŠNI RAD br Autonomno kretanje virtualnih objekata Marin Hrkec Zagreb, lipanj 201
SVEUČILIŠTE U ZAGREBU FAKULTET ELEKTROTEHNIKE I RAČUNARSTVA ZAVRŠNI RAD br. 6404 Autonomno kretanje virtualnih objekata Marin Hrkec Zagreb, lipanj 2019. iii SADRŽAJ 1. Uvod 1 2. Korišteni alati i tehnologije
Microsoft Word - III godina - EA - Metodi vjestacke inteligencije
Школска година 2018/2019. Предмет Методи вјештачке интелигенције Шифра предмета 2284 Студијски програм Електроенергетика и аутоматика Циклус студија Година студија Семестар Број студената Број група за
Klasifikacija slika kucnih brojeva dubokim konvolucijskim modelima
Klasifikacija slika kućnih brojeva dubokim konvolucijskim modelima Ivan Šego 4. srpnja 2018. Sadržaj 1 Uvod 2 Konvolucijske neuronske mreže Konvolucijski sloj Sloj sažimanja Potpuno povezani sloj 3 Ispitni
SVEUČILIŠTE U ZAGREBU FAKULTET ELEKTROTEHNIKE I RAČUNARSTVA ZAVRŠNI RAD br Klasifikacija slika kućnih brojeva dubokim konvolucijskim modelima Iv
SVEUČILIŠTE U ZAGREBU FAKULTET ELEKTROTEHNIKE I RAČUNARSTVA ZAVRŠNI RAD br. 5702 Klasifikacija slika kućnih brojeva dubokim konvolucijskim modelima Ivan Šego Zagreb, srpanj 2018. Umjesto ove stranice umetnite
FAKULTET ELEKTROTEHNIKE I RAČUNARSTVA Lokalizacija karakterističnih točaka lica u videu Generalić Boris Gulan Filip Kopljar Damir Miličević Andrija Nu
FAKULTET ELEKTROTEHNIKE I RAČUNARSTVA Lokalizacija karakterističnih točaka lica u videu Generalić Boris Gulan Filip Kopljar Damir Miličević Andrija Nuić Hrvoje Šarić Fredi Zadro Tvrtko Zagreb, siječanj
SVEUČILIŠTE U ZAGREBU FAKULTET STROJARSTVA I BRODOGRADNJE ZAVRŠNI RAD Mario Svačina Zagreb, 2014.
SVEUČILIŠTE U ZAGREBU FAKULTET STROJARSTVA I BRODOGRADNJE ZAVRŠNI RAD Mario Svačina Zagreb, 2014. SVEUČILIŠTE U ZAGREBU FAKULTET STROJARSTVA I BRODOGRADNJE ZAVRŠNI RAD Mentor: Prof. dr. sc. Dubravko Majetić
Slide 1
IDENTIFIKACIJA POKRETAČA POPLAVA U GRADU ZAGREBU ANALIZA OBORINSKIH DOGAĐAJA 2013. i 2014. GODINE Diplomski rad Autor: Matija Hrastovski, mag. ing. geol. Mentor: Izv. prof.dr.sc. Snježana Mihalić Arbanas
SVEUČILIŠTE JOSIPA JURJA STROSSMAYERA U OSIJEKU FAKULTET ELEKTROTEHNIKE, RAČUNARSTVA I INFORMACIJSKIH TEHNOLOGIJA Sveučilišni preddiplomski studij PRI
SVEUČILIŠTE JOSIPA JURJA STROSSMAYERA U OSIJEKU FAKULTET ELEKTROTEHNIKE, RAČUNARSTVA I INFORMACIJSKIH TEHNOLOGIJA Sveučilišni preddiplomski studij PRIMJENA STROJNOG UČENJA U KLASIFICIRANJU LEGO KOCAKA
TEORIJA SIGNALA I INFORMACIJA
Multiple Input/Multiple Output sistemi MIMO sistemi Ulazi (pobude) Izlazi (odzivi) u 1 u 2 y 1 y 2 u k y r Obrada=Matematički model Načini realizacije: fizički sistemi (hardware) i algoritmi (software)
Metode za automatsko podešavanje boje i svjetline slike
Metode za automatsko podešavanje boje i svjetline slike Mentor: prof. dr. sc. Sven Lončarić Student: Nikola Banić Zagreb, 9. srpnja 2013. Sadržaj Uvod Boje Postojanost boja Algoritmi za podešavanje boja
Рачунарска интелигенција
Рачунарска интелигенција Генетско програмирање Александар Картељ kartelj@matf.bg.ac.rs Ови слајдови представљају прилагођење слајдова: A.E. Eiben, J.E. Smith, Introduction to Evolutionary computing: Genetic
kvadratna jednačina - zadaci za vežbanje (Vladimir Marinkov).nb 1 Kvadratna jednačina 1. Rešiti jednačine: a x 2 81 b 2 x 2 50 c 4 x d x 1
kvadratna jednačina - zadaci za vežbanje 0. (Vladimir Marinkov).nb Kvadratna jednačina. Rešiti jednačine: a x 8 b x 0 c x d x x x e x x x f x 8 x 6 x x 6 rešenje: a) x,, b x,, c x,,d x, 6, e x,, (f) x,.
MilanRadonjic-VNS-prezentacija
1. Биографски подаци место и година рођења: Смедеревска Паланка, 1983. основне студије: Физички факултет (2003-2007), просек: 10,00 докторат: Физички факултет (2013) теза: Electromagnetically induced coherent
DUBINSKA ANALIZA PODATAKA
DUBINSKA ANALIZA PODATAKA () ASOCIJACIJSKA PRAVILA (ENGL. ASSOCIATION RULE) Studeni 2018. Mario Somek SADRŽAJ Asocijacijska pravila? Oblici učenja pravila Podaci za analizu Algoritam Primjer Izvođenje
Napredno estimiranje strukture i gibanja kalibriranim parom kamera
Napredno estimiranje strukture i gibanja kalibriranim parom kamera Ivan Krešo Mentor: Siniša Šegvić 3. srpnja 2013. Motivacija Stereo vid dvije kamere omogućavaju mjerenje dubine korespondentnih točaka
Optimizacija
Optimizacija 1 / 43 2 / 43 Uvod u optimizaciju Zadana funkcija Uvod u optimizaciju f : R n R Cilj: Naći x, točku minimuma funkcije f : - Problem je jednostavno opisati x = arg min x R n f (x). - Rješavanje
Default
Sloboda kao učiteljica života Milijana Mičunović Odsjek za informacijske znanosti, FFOS Sustav visokog obrazovanja u RH Shema studija u RH Kapitalizacijom duha do neobrazovanosti Od industrijskog društva
SVEUČILIŠTE U ZAGREBU FAKULTET ELEKTROTEHNIKE I RAČUNARSTVA ZAVRŠNI RAD br Klasifikacija srčanih bolesti na temelju EKG signala uz pomoć strojno
SVEUČILIŠTE U ZAGREBU FAKULTET ELEKTROTEHNIKE I RAČUNARSTVA ZAVRŠNI RAD br. 4832 Klasifikacija srčanih bolesti na temelju EKG signala uz pomoć strojnog učenja podržanog evolucijskim računarstvom Danijel
Postojanost boja
Korištenje distribucije osvjetljenja za ostvaranje brzih i točnih metode za postojanost boja Nikola Banić 26. rujna 2014. Sadržaj Postojanost boja Ubrzavanje lokalnog podešavanja boja Distribucija najčešćih
Microsoft PowerPoint - AT 3-2 .ppt
Алгоритам учења перцептрона Корак : Иницијализација. Нека је t=0 и нека вектор иницијалних тежинскиходноса w(t) R a дефинише иницијалнопресликавање од скривених неурона до излазног неурона. Корак : Изабрати
SVEUČILIŠTE U ZAGREBU PRIRODOSLOVNO MATEMATIČKI FAKULTET MATEMATIČKI ODSJEK Ivana Šore REKURZIVNOST REALNIH FUNKCIJA Diplomski rad Voditelj rada: doc.
SVEUČILIŠTE U ZAGREBU PRIRODOSLOVNO MATEMATIČKI FAKULTET MATEMATIČKI ODSJEK Ivana Šore REKURZIVNOST REALNIH FUNKCIJA Diplomski rad Voditelj rada: doc.dr.sc. Zvonko Iljazović Zagreb, rujan, 2015. Ovaj diplomski
Funkcije strukture protona Sebastian Horvat Mentor: prof. dr. sc. Kre²imir Kumeri ki Sveu ili²te u Zagrebu, PMF Fizi ki odsjek Saºetak Krenuv²i od dub
Funkcije strukture protona Sebastian Horvat Mentor: prof. dr. sc. Kre²imir Kumeri ki Sveu ili²te u Zagrebu, PMF Fizi ki odsjek Saºetak Krenuv²i od dubokog neelasti nog raspr²enja i partonskih distribucijskih
XIII. Hrvatski simpozij o nastavi fizike Istraživački usmjerena nastava fizike na Bungee jumping primjeru temeljena na analizi video snimke Berti Erja
Istraživački usmjerena nastava fizike na Bungee jumping primjeru temeljena na analizi video snimke Berti Erjavec Institut za fiziku, Zagreb Sažetak. Istraživački usmjerena nastava fizike ima veću učinkovitost
Raspoznavanje prometnih znakova
1.7.2013. RASPOZNAVANJE PROMETNIH ZNAKOVA Ivan Filković Mentor: Prof. dr. sc. Zoran Kalafatić 1.7.2013. 2 Sadržaj Motivacija, uvod Sustav za raspoznavanje prometnih znakova Skupovi podataka Rezultati testiranja
Newtonova metoda za rješavanje nelinearne jednadžbe f(x)=0
za rješavanje nelinearne jednadžbe f (x) = 0 Ime Prezime 1, Ime Prezime 2 Odjel za matematiku Sveučilište u Osijeku Seminarski rad iz Matematičkog praktikuma Ime Prezime 1, Ime Prezime 2 za rješavanje
Matrice. Algebarske operacije s matricama. - Predavanje I
Matrice.. Predavanje I Ines Radošević inesr@math.uniri.hr Odjel za matematiku Sveučilišta u Rijeci Matrice... Matrice... Podsjeti se... skup, element skupa,..., matematička logika skupovi brojeva N,...,
Impress
Mogu li se sudari super-ljuski vidjeti pomoću teleskopa LOFAR? Marta Čolaković-Bencerić1, Vibor Jelić2 Fizički odsjek, PMF, Sveučilište u Zagrebu, Bijenička cesta 32, 10000 Zagreb, Hrvatska 1 Institut
SVEUČILIŠTE U ZAGREBU FAKULTET ELEKTROTEHNIKE I RAČUNARSTVA DIPLOMSKI RAD br Učenje dubokih korespondencijskih metrika trojnim gubitkom Marin Ko
SVEUČILIŠTE U ZAGREBU FAKULTET ELEKTROTEHNIKE I RAČUNARSTVA DIPLOMSKI RAD br. 1729 Učenje dubokih korespondencijskih metrika trojnim gubitkom Marin Kostelac Zagreb, srpanj 2018. Umjesto ove stranice umetnite
Microsoft Word - FPZ_Informacijski susatvi mreznih operatera_natjecaj
Nagrada za najbolji e-kolegij u ak. godini 2009./2010. na Sveučilištu u Zagrebu PRIJAVNI OBRAZAC Za sve upite možete se obratiti: Ured za e-učenje Tel: (01) 6165 172 ueu@unizg.hr Molimo Vas da ispunjeni
SVEUČILIŠTE U ZAGREBU FAKULTET ELEKTROTEHNIKE I RAČUNARSTVA ZAVRŠNI RAD br PREDVIÐANJE POTROŠNJE ELEKTRIČNE ENERGIJE NA SVEUČILIŠTU U ZAGREBU FA
SVEUČILIŠTE U ZAGREBU FAKULTET ELEKTROTEHNIKE I RAČUNARSTVA ZAVRŠNI RAD br. 2500 PREDVIÐANJE POTROŠNJE ELEKTRIČNE ENERGIJE NA SVEUČILIŠTU U ZAGREBU FAKULTETU ELEKTROTEHNIKE I RAČUNARSTVA NEURONSKOM MREŽOM
Prof. dr. sc. Aleksandra Čižmešija, izv. prof., PMF MO, Sveučilište u Zagrebu Prof. dr. sc. Hrvoje Šikić, red. prof., PMF MO, Sveučilište u Zagrebu Pr
Prof. dr. sc. Aleksandra Čižmešija, izv. prof., PMF MO, Sveučilište u Zagrebu Prof. dr. sc. Hrvoje Šikić, red. prof., PMF MO, Sveučilište u Zagrebu Prof. dr. sc. Neven Elezović, red. prof., FER, Sveučilište
4.1 The Concepts of Force and Mass
Interferencija i valna priroda svjetlosti FIZIKA PSS-GRAD 23. siječnja 2019. 27.1 Načelo linearne superpozicije Kad dva svjetlosna vala, ili više njih, prolaze kroz istu točku, njihova se električna polja
Skupni katalog knjižnica iz sustava znanosti i visokog obrazovanja
Skupni katalog NSK i knjižnica iz sustava znanosti i visokog obrazovanja Republike Hrvatske Dr. sc. Tatijana Petrić Glavna ravnateljica Nacionalne i sveučilišne knjižnice u Zagrebu tpetric@nsk.hr Testna
АНКЕТА О ИЗБОРУ СТУДИЈСКИХ ГРУПА И МОДУЛА СТУДИЈСКИ ПРОГРАМИ МАСТЕР АКАДЕМСКИХ СТУДИЈА (МАС): А) РАЧУНАРСТВО И АУТОМАТИКА (РиА) и Б) СОФТВЕРСКО ИНЖЕЊЕ
АНКЕТА О ИЗБОРУ СТУДИЈСКИХ ГРУПА И МОДУЛА СТУДИЈСКИ ПРОГРАМИ МАСТЕР АКАДЕМСКИХ СТУДИЈА (МАС): А) РАЧУНАРСТВО И АУТОМАТИКА (РиА) и Б) СОФТВЕРСКО ИНЖЕЊЕРСТВО И ИНФОРМАЦИОНЕ ТЕХНОЛОГИЈЕ (СИИТ) У циљу бољег
ПА-4 Машинско учење-алгоритми машинског учења
ПА-4 Машинско учење-алгоритми машинског учења Машинско учење увод и основни појмови Деф: the desgn and development of algorthms that allow computers to mprove ther performance over tme based on data sensor
Microsoft Word - clanakGatinVukcevicJasak.doc
Šesti susret Hrvatskoga društva za mehaniku Rijeka, 29-30. svibnja 2014. PRIMJENA NAVAL HYDRO PAKETA ZA PRORAČUN VALNIH OPTEREĆENJA Gatin, I., Vukčević, V. & Jasak, H. Sažetak: Ovaj rad prikazuje mogućnosti
УНИВЕРЗИТЕТ У НОВОМ САДУ ОБРАЗАЦ 6
УНИВЕРЗИТЕТ У НОВОМ САДУ ОБРАЗАЦ 6. ФАКУЛТЕТ ТЕХНИЧКИХ НАУКА ИЗВЕШТАЈ О ОЦЕНИ ДОКТОРСКЕ ДИСЕРТАЦИЈЕ -oбавезна садржина- свака рубрика мора бити попуњена (сви подаци уписују се у одговарајућу рубрику, а
START
Nova inovativna metoda korištenja testa toplinskog odaziva tla (TRT) za određivanje prinosa geotermalnih bušotinskih izmjenjivača topline uni.bacc.ing.petrol. Kristina Strpić Mentor: izv.prof.dr.sc. Tomislav
Oblikovanje i analiza algoritama 4. predavanje Saša Singer web.math.pmf.unizg.hr/~singer PMF Matematički odsjek, Zagreb OAA 2017, 4. pr
Oblikovanje i analiza algoritama 4. predavanje Saša Singer singer@math.hr web.math.pmf.unizg.hr/~singer PMF Matematički odsjek, Zagreb OAA 2017, 4. predavanje p. 1/69 Sadržaj predavanja Složenost u praksi
Избор у звање научни сарадник кандидаткиња: Бојана Илић
1. Биографски подаци Место и година рођења: Приједор, 1984 Основне студије: Физички факултет Универзитета у Београду, завршила 2013.године просек: 10,00 Докторске студије: Физички факултет Универзитета
Зборник радова 6. Међународне конференције о настави физике у средњим школама, Алексинац, март Нелинеарно еластично клатно Милан С. Коваче
Нелинеарно еластично клатно Милан С. Ковачевић 1, Мирослав Јовановић 2 1 Природно-математички факултет, Крагујевац, Србија 2 Гимназија Јосиф Панчић Бајина Башта, Србија Апстракт. У овом раду је описан
Slide 1
PROGRAMSKA PODRŠKA SUSTAVA ZA LOCIRANJE MUNJA U HRVATSKOJ B. Franc, M. Šturlan, I. Uglešić Fakultet elektrotehnike i računarstva Sveučilište u Zagrebu I. Goran Kuliš Končar Inženjering za energetiku i
ANALIZE MASENOM SPEKTROMETRIJOM SEKUNDARNIH MOLEKULARNIH IONA ZA PRIMJENE U FORENZICI
ANALIZE MASENOM SPEKTROMETRIJOM SEKUNDARNIH MOLEKULARNIH IONA ZA PRIMJENE U FORENZICI Marko Crnac Fizički odsjek, PMF Mentor: dr. sc. Iva Bogdanović Radović Laboratorij za interakcije ionskih snopova Institut
MOODLE KAO PODRŠKA CJELOVITOJ KURIKULARNOJ REFORMI Lidija Kralj, prof. Darija Dasović Rakijašić, dipl. inf.
MOODLE KAO PODRŠKA CJELOVITOJ KURIKULARNOJ REFORMI Lidija Kralj, prof. Darija Dasović Rakijašić, dipl. inf. Koncept virtualne učionice Okruženje za učenje, komunikaciju i suradnju Kontinuirani profesionalni
Kvadrupolni maseni analizator, princip i primena u kvali/kvanti hromatografiji
Kvadrupolni maseni analizator, princip i primena u kvali/kvanti hromatografiji doc dr Nenad Vuković, Institut za hemiju, Prirodno-matematički fakultet u Kragujevcu JONIZACIJA ELEKTRONSKIM UDAROM Joni u
Matematka 1 Zadaci za vežbe Oktobar Uvod 1.1. Izračunati vrednost izraza (bez upotrebe pomoćnih sredstava): ( ) [ a) : b) 3 3
Matematka Zadaci za vežbe Oktobar 5 Uvod.. Izračunati vrednost izraza bez upotrebe pomoćnih sredstava): ) [ a) 98.8.6 : b) : 7 5.5 : 8 : ) : :.. Uprostiti izraze: a) b) ) a b a+b + 6b a 9b + y+z c) a +b
MAZALICA DUŠKA.pdf
SVEUČILIŠTE JOSIPA JURJA STROSSMAYERA U OSIJEKU ELEKTROTEHNIČKI FAKULTET Sveučilišni studij OPTIMIRANJE INTEGRACIJE MALIH ELEKTRANA U DISTRIBUCIJSKU MREŽU Diplomski rad Duška Mazalica Osijek, 2014. SADRŽAJ
naslov
Institut za međunarodne odnose Institute for International Relations Institut des relations internationales Instituto para las relaciones internacionales E-learning u bankarstvu Mira Mileusnid Škrtid,
PowerPoint Presentation
Hrvoje Skenderović, Institut za fiziku, Zagreb Kvantno računanje - budućnost informatike? Superpozicija, Entanglement, Kvantna kriptografija, Kvantna teleportacija,... Kvatno računanje Neke značajke kvantne
Microsoft PowerPoint - 06__Balenovic_2017_3D-FORINVENT-1st-Workshop-JASKA.pptx
Prezentacija projekta HRVATSKI 3D-FORINVENT ŠUMARSKI INSTITUT CROATIAN FOREST RESEARCH INSTITUTE 1. Radionica 3D-FORINVENT Prezentacija projekta 1 st Workshop 3D-FORINVENT Project Presentation Uporaba
РАСПОРЕД ИСПИТА У ИСПИТНОМ РОКУ ЈАНУАР 1 ШКОЛСКЕ 2016/2017. ГОДИНЕ (последња измена ) Прва година: ПРВА ГОДИНА - сви сем информатике Име пр
РАСПОРЕД ИСПИТА У ИСПИТНОМ РОКУ ЈАНУАР 1 ШКОЛСКЕ 2016/2017. ГОДИНЕ (последња измена 23.01.2017.) Прва година: ПРВА ГОДИНА - сви сем информатике Име предмета Датум и термин одржавања писменог дела испита
Predlozak za PhD studente
Smart Integration of RENewables Optimalna ulaganja u prijenosnu mrežu korištenjem DC i AC modela prijenosne mreže te Bendersove dekompozicije Završna diseminacija projekta SIREN, FER Zora Luburić 30. studenog
Gravitacija kao specijalna relativistička teorija polja Jelena Filipović Fizički odsjek, PMF, Sveučilište u Zagrebu
Gravitacija kao specijalna relativistička teorija polja Jelena Filipović Fizički odsjek, PMF, Sveučilište u Zagrebu Uvod Svojstva gravitacije dugodosežna interakcija graviton je bezmasena čestica statička
NIZOVI
NIZOVI II gimnazije NIZOVI su složeni tip podatka u koji se može smjestiti više varijabli(podataka) JEDNODIMENZIONALNI DVODIMENZIONALNI VIŠEDIMENZIONALNI Milenko Soldat 2 JEDNODIMENZIONALNI NIZOVI Sintaksa:
Test iz Linearne algebre i Linearne algebre A qetvrti tok, U zavisnosti od realnog parametra λ rexiti sistem jednaqina x + y + z = λ x +
Test iz Linearne algebre i Linearne algebre A qetvrti tok, 2122017 1 U zavisnosti od realnog parametra λ rexiti sistem jednaqina x + y + z = λ x + λy + λ 2 z = λ 2 x + λ 2 y + λ 4 z = λ 4 2 Odrediti inverz
UAAG Osnovne algebarske strukture 5. Vektorski prostori Borka Jadrijević
Osnovne algebarske strukture 5. Vektorski prostori Borka Jadrijević Osnovne algebarske strukture5. Vektorski prostori 2 5.1 Unutarnja i vanjska množenja Imamo dvije vrste algebarskih operacija, tzv. unutarnja
Uvod u obične diferencijalne jednadžbe Metoda separacije varijabli Obične diferencijalne jednadžbe Franka Miriam Brückler
Obične diferencijalne jednadžbe Franka Miriam Brückler Primjer Deriviranje po x je linearan operator d dx kojemu recimo kao domenu i kodomenu uzmemo (beskonačnodimenzionalni) vektorski prostor funkcija
Осень 5 ТЕ Ы ЕРА: 5 Ф о о, о а о а а. а о о ма ког а как о ч м ам а. а - ко м чак а, ч о а а о о м м к ма ог а а. о как м м м м агам ч ко а - га о, ч
Осень 5 ТЕ Ы ЕРА: 5 Ф о о, о а о а а. а о о ма ког а как о ч м ам а. а - ко м чак а, ч о а а о о м м к ма ог а а. о как м м м м агам ч ко а - га о, ч а а, го о о о о- мо о а о м ам ач м о ч о ч - а. ка
XIII. Hrvatski simpozij o nastavi fizike Ogib na pukotini: teorija i pokusi Velimir Labinac 1, Luka Zurak 1, Marin Karuza 1,2,3,4 1 Odjel za fiziku, S
Ogib na pukotini: teorija i pokusi Velimir Labinac 1, Luka Zurak 1, Marin Karuza 1,,3,4 1 Odjel za fiziku, Sveučilište u Rijeci Centar za mikro i nano znanosti i tehnologije, Sveučilište u Rijeci 3 Fotonika
Programiranje 1
Sveučilište u Rijeci ODJEL ZA INFORMATIKU Ulica Radmile Matejčić 2, Rijeka Akademska 2018./2019. godina PROGRAMIRANJE 1 Studij: Preddiplomski studij informatike (jednopredmetni) Godina i semestar: 1. godina,
Neuronske mreže
Neuronske mreže: Genetički algoritmi Prof. dr. sc. Sven Lončarić Fakultet elektrotehnike i računarstva sven.loncaric@fer.hr http://ipg.zesoi.fer.hr 1 Uvod U mnogim primjenama pojavljuje se problem optimizacije
Istraživačka analiza i model logističke regresije aktivnosti u LMS sustavu M. Matetic*, J. Canic* and M. Brkic Bakaric* * University of Rijeka, Depart
Istraživačka analiza i model logističke regresije aktivnosti u LMS sustavu M. Matetic*, J. Canic* and M. Brkic Bakaric* * University of Rijeka, Department of Informatics, Rijeka, Croatia majam@inf.uniri.hr,
Grupiranje podataka: pristupi, metode i primjene, ljetni semestar 2013./ Standardizacija podataka Predavanja i vježbe 8 Ako su podaci zadani
Grupiranje podataka: pristupi, metode i primjene, ljetni semestar 2013/2014 1 5 Standardizacija podataka Predavanja i vježbe 8 Ako su podaci zadani s više obilježja (atributa), ta se obilježja mogu međusobno
07jeli.DVI
Osječki matematički list 1(1), 85 94 85 Primjena karakterističnih funkcija u statistici Slobodan Jelić Sažetak. U ovom radu odred ene su funkcije distribucije aritmetičke sredine slučajnog uzorka duljine
Primjena hipermedije u obrazovanju 1
Sveučilište u Rijeci ODJEL ZA INFORMATIKU Ulica Radmile Matejčić 2, Rijeka Akademska 2018./2019. godina PRIMJENA HIPERMEDIJE U OBRAZOVANJU 1 Studij: Diplomski studij informatike - jednopredmetni Diplomski
Prijedlozi tema za diplomske radove u Mentor : Prof. dr. sc. Amon Ilakovac Naslov teme: Renormalizacija i renormalizacijska grupa standardnog mo
Prijedlozi tema za diplomske radove u 2011. Mentor : Prof. dr. sc. Amon Ilakovac Naslov teme: Renormalizacija i renormalizacijska grupa standardnog modela Sadržaj teme: Tema bi obuhvaćala dijelove slijedećih
Uvod u računarstvo 2+2
Pokazivači Pointeri Definicija pokazivača Pokazivač na tip je varijabla koja sadrži adresu varijable tipa tip. Definicija pokazivača: mem_klasa tip * p_var; Primjer: static int * pi; double *px; char*
Microsoft Word - 24ms241
Zadatak (Branko, srednja škola) Parabola zadana jednadžbom = p x prolazi točkom tangente na tu parabolu u točki A? A,. A. x + = 0 B. x 8 = 0 C. x = 0 D. x + + = 0 Rješenje b a b a b a =, =. c c b a Kako
Računarski praktikum I - Vježbe 09 - this, static
Prirodoslovno-matematički fakultet Matematički odsjek Sveučilište u Zagrebu RAČUNARSKI PRAKTIKUM I Vježbe 09 - this, static v2018/2019. Sastavio: Zvonimir Bujanović Pokazivač this Kako funkcija članica
3.Kontrlne (upravlja~ke) strukture u Javi
Објектно орјентисано програмирање Владимир Филиповић vladaf@matf.bg.ac.rs Александар Картељ kartelj@matf.bg.ac.rs Низови у програмском језику Јава Владимир Филиповић vladaf@matf.bg.ac.rs Александар Картељ
Odabrana poglavlja iz programskog inženjerstva
OPIPI odabrana poglavlja iz programskog inženjerstva distributed software developmentdsd Mario Žagar Kolegij OPIPI/DSD Sveučilište u Zagrebu Fakultet elektrotehnike i računarstva Mälardalen University
Microsoft Word - doktorat-final31.doc
SVEUČILIŠTE U ZAGREBU FAKULTET ELEKTROTEHNIKE I RAČUNARSTVA Marjan Sikora POSTUPCI SIMULACIJE I VIZUALIZACIJE ŠIRENJA VALA U NEHOMOGENIM SREDINAMA DOKTORSKA DISERTACIJA Zagreb, 2010. Doktorska disertacija
УНИВЕРЗИТЕТ У БЕОГРАДУ МАШИНСКИ ФАКУЛТЕТ Предмет: КОМПЈУТЕРСКА СИМУЛАЦИЈА И ВЕШТАЧКА ИНТЕЛИГЕНЦИЈА Задатак број: Лист/листова: 1/1 Задатак 5.1 Pостоје
Лист/листова: 1/1 Задатак 5.1 Pостоје софтвери за препознавање бар кодова који знатно олакшавају велики број операција које захтевају препознавање објеката. Слика 1: Приказ свих слова за које је ART-1
Slide 1
Универзитет у Београду Машински факултет Катедра за производно машинство ЕМПИРИЈСКО УПРАВЉАЊЕ ИНТЕЛИГЕНТНОГ МОБИЛНОГ РОБОТА БАЗИРАНО НА МАШИНСКОМ УЧЕЊУ Кандидат: Марко Митић, дипл. маш. инж. Комисија за
Prostorna kalibracija LYSO detektora osetljivog na poziciju
Prostorna kalibracija LYSO detektora osetljivog na poziciju Brankica Anđelić df.brankica.andjelic@student.pmf.uns.ac.rs Departman za fiziku, Univerzitet u Novom Sadu 3. oktobar 215. Brankica Anđelić Prostorna
(Microsoft PowerPoint - U\310INKOVITA PREVENCIJA OVISNOSTI-josip_jankovic.pptx)
Putovi učinkovitog suočavanja s pojavom zloporabe psihoaktivnih supstanci djece i mladih Josip Janković OSNOVNE POSTAVKE Ovisnosti su segment pojave poremećaja u ponašanju a ne posebna kategorija! Suočavanje
23. siječnja od 13:00 do 14:00 Školsko natjecanje / Osnove informatike Srednje škole RJEŠENJA ZADATAKA S OBJAŠNJENJIMA Sponzori Medijski pokrovi
3. siječnja 0. od 3:00 do 4:00 RJEŠENJA ZADATAKA S OBJAŠNJENJIMA Sponzori Medijski pokrovitelji Sadržaj Zadaci. 4.... Zadaci 5. 0.... 3 od 8 Zadaci. 4. U sljedećim pitanjima na pitanja odgovaraš upisivanjem
Obrazac Metodičkih preporuka za ostvarivanje odgojno-obrazovnih ishoda predmetnih kurikuluma i međupredmetnih tema za osnovnu i srednju školu OSNOVNI
Obrazac Metodičkih preporuka za ostvarivanje odgojno-obrazovnih ishoda predmetnih kurikuluma i međupredmetnih tema za osnovnu i srednju školu OSNOVNI PODATCI Ime i prezime Zvanje Naziv škole u kojoj ste
UNIVERZITET U BEOGRADU TEHNOLOŠKO-METALURŠKI FAKULTET Davor Z. Antanasijević MODELOVANJE INDIKATORA KVALITETA ŽIVOTNE SREDINE PRIMENOM VEŠTAČKIH NEURO
UNIVERZITET U BEOGRADU TEHNOLOŠKO-METALURŠKI FAKULTET Davor Z. Antanasijević MODELOVANJE INDIKATORA KVALITETA ŽIVOTNE SREDINE PRIMENOM VEŠTAČKIH NEURONSKIH MREŽA doktorska disertacija Beograd, 2014. UNIVERSITY
Recuva CERT.hr-PUBDOC
Recuva CERT.hr-PUBDOC-2019-5-379 Sadržaj 1 UVOD... 3 2 INSTALACIJA ALATA RECUVA... 4 3 KORIŠTENJE ALATA RECUVA... 7 4 ZAKLJUČAK... 13 Ovaj dokument izradio je Laboratorij za sustave i signale Zavoda za
Slide 1
Univerzitet u Novom Sadu Fakultet tehničkih nauka Odsek za računarsku tehniku i računarske komunikacije Projektovanje Namenskih Računarskih Struktura 1 Sistemi zasnovani na Androidu Uvod u Android platformu
JASPE 08.indb
DOI 10.26773/jaspe.190709 REVIEW PAPER A Content Analysis of Papers Published by the Lecturers of the Faculty of Sport and Physical Education for the Last Three Years in Journal of Anthropology of Sport
PowerPointova predstavitev
Karierni center Univerze v Mariboru Važnost razvoja karijere za studente Vera Bračič, karijerni savjetnik, Sveučilište u Mariboru Zagreb, 1. 12. 2016 Sveučilište u Mariboru je 2016 godine na osnovi»javnega
Microsoft Word - SO6-26.docx
HRVATSKI OGRANAK MEĐUNARODNE ELEKTRODISTRIBUCIJSKE KONFERENCIJE - HO CIRED 5. (11.) savjetovanje Osijek, 15. - 18. svibnja 2016. SO6-26 Igor Žarkić, mag. ing. el. HEP Operator distribucijskog sustava d.o.o.
Microsoft PowerPoint - IR-Raman1 [Compatibility Mode]
![Microsoft PowerPoint - IR-Raman1 [Compatibility Mode]](/thumbs/101/149990971.jpg "Microsoft PowerPoint - IR-Raman1 [Compatibility Mode]")
Spektar elektromagnetnoga t zračenja 10 5 10 3 10 1 10-1 10-3 10-5 10-7 E(kJ/mol) 10-6 10-4 10-2 1 10 2 10 4 10-8,cm X UV zrake zrake prijelazi elektrona IR mikrovalovi radiovalovi vibracije rotacije prijelazi
Microsoft PowerPoint - 32-Procesing- MPetrovic.ppt [Compatibility Mode]
![Microsoft PowerPoint - 32-Procesing- MPetrovic.ppt [Compatibility Mode]](/thumbs/102/155744152.jpg "Microsoft PowerPoint - 32-Procesing- MPetrovic.ppt [Compatibility Mode]")
NUMERIČKO ISTRAŽIVANJE MEHANIZAMA RAZMENE TOPLOTEI KLJUČANJA U VELIKOJ ZAPREMINI TEČNOSTI Milan M. Petrović 1), Vladimir Stevanović 1), Milica Ilić 2), Sanja Milivojević 1) 1) Mašinski fakultet Univerziteta
Programiranje 1 IEEE prikaz brojeva sažetak Saša Singer web.math.pmf.unizg.hr/~singer PMF Matematički odsjek, Zagreb Prog1 2018, IEEE p
Programiranje IEEE prikaz brojeva sažetak Saša Singer singer@math.hr web.math.pmf.unizg.hr/~singer PMF Matematički odsjek, Zagreb Prog 208, IEEE prikaz brojeva sažetak p. /4 Sadržaj predavanja IEEE standard
Računarski praktikum II - Predavanje 03 - Apache Web server
Prirodoslovno-matematički fakultet Matematički odsjek Sveučilište u Zagrebu RAČUNARSKI PRAKTIKUM II Predavanje 03 - Apache Web server 11. ožujka 2019. Sastavio: Zvonimir Bujanović Uloga web-servera (ponovno)
Интернет у служби знања
ОБУКА СА ЦИЉЕМ ПОДИЗАЊА КАПАЦИТЕТА ЗАПОСЛЕНИХ У ИНСТИТУЦИЈАМА СИСТЕМА РАДИ ПРИМЕНЕ УРЕДБЕ О БЕЗБЕДНОСТИ И ЗАШТИТИ ДЕЦЕ ПРИ КОРИШЋЕЊУ ИНФОРМАЦИОНО- КОМУНИКАЦИОНИХ ТЕХНОЛОГИЈА Интернет у служби знања Добре
PRAVAC
Nives Baranović nives@ffst.hr Odsjek za učiteljski studij Filozofski fakultet u Splitu Razvoj geometrijskog mišljenja kroz tangram aktivnosti Radionica za učitelje i nastavnike matematike VII. simpozijum
Sveučilište u Zagrebu Fakultet prometnih znanosti Zavod za inteligentne transportne sustave Katedra za primijenjeno računarstvo Vježba: #7 Kolegij: Ba
Sveučilište u Zagrebu Fakultet prometnih znanosti Zavod za inteligentne transportne sustave Katedra za primijenjeno računarstvo Vježba: #7 Kolegij: Baze podataka Tema: Osnovna SELECT naredba Vježbu pripremili:
Građanski odgoj i obrazovanje
Usvajanje prijedloga Izvedbenog plana i programa međupredmetnih i interdisciplinarnih sadržaja Goo-a 5. rujna 2015. godine Koordinator: Lea Liović, pedagoginja Dopis Ministarstva znanosti, obrazovanja,
Microsoft Word - OS_Kocerin.docx
Popis udžbenika i dopunskih nastavnih sredstava za školsku 2016./17. godinu Razredna nastava I. RAZRED Početnica knjiguljica 1, radni materijal, ALFA Početnica knjiguljica 1, radna bilježnica, ALFA Matematika
Gejmifikacija
M I N I A K A D E M I J A GEJMIFIKACIJA C A M B R I D G E I N N O V A T I V E S Y S T E M S O L U T I O N S, L T D C A M B R I D G E I N N O V A T I V E S Y S T E M S O L U T I O N S, L T D C A M B R I
Microsoft PowerPoint - 10 PEK EMT Logicka simulacija 1 od 2 (2012).ppt [Compatibility Mode]
![Microsoft PowerPoint - 10 PEK EMT Logicka simulacija 1 od 2 (2012).ppt [Compatibility Mode]](/thumbs/101/150310241.jpg "Microsoft PowerPoint - 10 PEK EMT Logicka simulacija 1 od 2 (2012).ppt [Compatibility Mode]")
ij Cilj: Dobiti što više informacija o ponašanju digitalnih kola za što kraće vreme. Metod: - Detaljni talasni oblik signala prikazati samo na nivou logičkih stanja. - Simulirati ponašanje kola samo u