Drveta odlucivanja - algoritmi

Величина: px
Почињати приказ од странице:

Download "Drveta odlucivanja - algoritmi"

Транскрипт

1 Nenad Mitić Matematički fakultet

2 Uvod Algoritmi (Iterative Dichotomiser 3) C5.0 (Classification And Regression Trees) (CHi-squared Automatic Interaction Detection) Exhaustive (Quick, Unbiased, Efficient Statistical Trees) (Supervised Learning In Quest) (Scalable PaRallelizable INduction and decision Trees)

3 Definisao ga je Quinlan godine ( - Iterative Dichotomiser 3) Entropiju kao meru i informaciona dobit kao kriterijum podele Kriterijum zaustavljanja Svi podaci u čvoru pripadaju istoj klasi najveća informaciona dobit 0 Ne vrši se potkresivanje drveta Ne radi sa numeričkim atributima i/ili nedostajućim vrednostima Razmatra samo jedan atribut pri odlučivanju Formira binarno drvo 4.3

4 Quinlan godine, proširenje Skup algoritama (, bez potkresivanja, -pravila) Koristi entropiju kao meru i odnos informacione dobiti kao kriterijum podele n-arno drvo (kategorički atributi) Kriterijum zaustavljanja broj različitih instanci je ispod zadate granice svi podaci u čvoru pripadaju istoj klasi 4.4

5 (nastavak) Koristi numeričke atribute (diskretizacija, sortiranje radi najbolje podele) Za klasu u listu bira se najbrojnija klasa (metoda glasanja) Vrši se naknadno potkresivanje drveta smanjenje nivoa greške (koristi se posebna test datoteka) pesimistička procena greške (uključeni su svi podaci) intervali poverenja (Bernulijeva slučajna promenljiva) 4.5

6 nedostajuće vrednosti Nedostajuće vrednosti Izbor atributa za deobu u čvoru koji sadrži NV? isključiti instancu zameniti najčešću vrednost umesto NV informaciona dobit % poznatih vrednosti popuniti vrednost ("različita" vrednost, predvi danje na osnovu ostalih atributa) 4.6

7 nedostajuće vrednosti Atribut za podelu sadrži NV - gde se smešta instanca u podeli? isključiti instancu instanca ima najčešću vrednost atributa pridružiti instancu svakoj grani procentualno prema broju poznatih vrednosti atributa u granama pridružiti je svakoj grani napraviti posebnu granu sa instancama sa NV odrediti najsličniju vrednost i dodeliti je odgovarajućoj grani dodeliti instancu samo jednoj grani u % poznatih vrednosti atr. koje su u toj grani 4.7

8 nedostajuće vrednosti Kako se klasifikuje nova instanca sa NV atributa? Smešta se u posebnu grana za NV, ako postoji granu sa najčešćom vrednošću atributa granu sa predvi denom najsličnijom vrednošću distribuira u grane prema relativnoj verovatnoći dobijenoj kombinovanjem rezultata simultanog pretraživanja za sve moguće ishode testiranja. Konačna klasa - klasa sa najvećom verovatnoćom u ukupnoj distribuciji u drvetu 4.8

9 naslednici Naslednici J4.8 (Java) izvorni kod npr. u Weki C 5.0 (komercijalna verzija, na Windows-u se koristi i ime See 5) Manji skup pravila sa istom preciznošću Poboljšanje zasnovano na dodatnom podsticanju (boosting) kombinovanje različitih klasifikatora radi povećanja preciznosti Smanjeno korišćenje memorije za 90% (?) Radi izmedu 5.7 i 240 (?) puta brže od Niži nivo greške od i manje drvo odlučivanja Radi sa težinama atributa 4.9

10 Algoritam /* Skup vrednosti D; el - min. br. podataka u cvoru */ (D, el) begin Trazeno drvo T={} if svi elementi D pripadaju istoj klasi ili ih ima manje od el then zavrsi algoritam Za svaki atribut x iz D izracunati informacionu dobit u slucaju podele po x Formirati cvor Y u kome se za podelu koristi atribut x koji ima najvecu informacionu dobit Bira se podskup Dy = f(x) Za svaki skup Dy { Odredi Ty=(Dy) Dodaj Ty kao granu T u cvoru Y } Vrati T end 4.10

11 - Classification And Regression Trees Breiman, Friedman, Olshen, Stone 1984 Teorijski zasnovan, sveobuhvatan Klasifikacioni problem predvi da se vrednost atributa (klase) koji je kategorički na osnovu neprekidnih i/ili kategoričkih atributa Regresioni problem predvi da se vrednost atributa (klase) koji je neprekidan na osnovu neprekidnih i/ili kategoričkih atributa 4.11

12 (nastavak) Različite metode za proveru rezultata klasifikacija: Gini, "twoing", ure deni "twoing" "twoing" nije vezan za meru nečistoće čvora koristi se za kategoričke atribute poredi distribuciju u dete-čvorovima - deli skup na dva jednaka dela ure deni "twoing" - grupiše zajedno instance sa susednim klasama rednih ciljnih atributa kasnije dodate entropija, χ 2, simetrični gini,

13 (nastavak) Binarna podela Instanca se prosle duje levo ako je ispunjen uslov, i desno u suprotnom Prethodne verovatnoće i nebalansirane klase automatski uklanja disbalans klasa mehanizam prethodnika -verovatnoća svake ciljne kategorije u materijalu za trening koriste se kao težine, bez uticaja na krajnju distribuciju klasa Nedostajuće vrednost - surogati atribut koji najbolje podražava (npr. ista klasa) atribut po kome se deli 4.13

14 Potkresivanje drveta U orignalnoj verziji konstruiše se kompletno drvo a tek iza toga se ide na potkresivanje Formira se više mogućih drveta sa pokresanim granama/poddrvetom za svaka dva lista koja imaju zajedničkog pretka Potkresivanje rezanjem troškova (eng. cost complexity pruning) znatno smanjuje broj drveta koji se razmatraju Optimalno drvo je potkresano drvo sa najmanjom cenom za testne podatke Tekuće verzije rade pre-potkresivanje 4.14

15 - neke karakteristike Odre divanje važnosti atributa Koristi se zbir unapre denja (dobiti) svih čvorova u kojima se atribut koristi za deobu pomnožen sa procentom trening podataka u čvoru Surogati ulaze u razmatranje Matrica cene Težine 4.15

16 ROC kriva 4.16

17 Kriva informacione dobiti 4.17

18 (Chi-Squared Automatic Interaction Detector) - Kass godine Atribut klase - samo kategorički Ostali atributi imenski, redni, kategorički, neprekidni (neprekidni se transformišu u redne) Tri koraka (uparivanje, podela, zaustavljanje) Drvo klasifikacije se formira uzastopnom primenom ovih pravila na svaki čvor, počev od korenog 4.18

19 (nastavak) Za svaki atribut a odre duje se par vrednosti V a sa najmanjom značajnošću razlike (tj. najsličniji) Računa se p vrednost u odnosu na atribut klase. Za podelu se bira atribut sa najmanjom p vrednošću statističkog testa - čvor sadrži homogene vrednosti Proverava se da li je p vrednost veća od praga Ako jeste, par se uparuje u jednu složenu kategoriju i traži se sledeći par vrednosti Proces se završava kada nema značajnih parova 4.19

20 (nastavak) Statistički test = f(tipa atributa klase) neprekidan - F mera nominalan - χ 2 test redni test odnosa verovatnoća Kriterijum zaustavljanja pre-potkresivanje ne postoji zadatog praga dostignuta najveća (zadata) dubina drveta dostignut najmanji broj elemenata u čvoru n-arno drvo 4.20

21 (nastavak) Rad sa nedostajućim vrednostima Ako se podela vršu na osnovu atributa koji sadrži NV instanca se ne koristi Ako svi atributi imaju NV instanca se ignoriše NV se tretira kao posebna kategorija Iscrpan algoritam (Exhaustive ) Modifikacija - proverava sve moguće podele ukrštanjem atributa Zahteva više vremena od 4.21

22 - Quick, Unbiased, Efficient Statistical Trees Podržava univarijantne i linearne kombinacije podela vrednosti u čvoru Veza izme du atributa klase i atributa pri podeli ANOVA F test ili Levene-ov test za redne i neprekidne atribute χ 2 test za kategoričke atribute Post-potkresivanje drveta Atribut klase - samo kategorički Ostali atributi imenski, redni, kategorički, neprekidni Binarna podela 4.22

23 - Supervised Learning In Quest Varijanta -a razvijena u IBM-u za klasifikaciju velikih trening podataka Efikasno radi sa podacima koji ne mogu da stanu u memoriju računara Nije zasnovan na principu Hantovog algoritma Koristi se tehnika rasta drveta prvo u širinu Tehnika presortiranja u fazi rasta drveta Koristi vertikalni format podataka - na početku se svi podaci sortiraju i smeste u listu 4.23

24 (nastavak) Podela na osnovu gini indeksa Koristi listu klasa - strukturu rezidentnu u memoriji koja čuva oznake klasa svake instance Veličina liste klasa je direktno proporcionalna broju broju ulaznih slogova Kategorički i numerički atributi Potkresivanje - tehnika zasnovana na MDL Implementacija za serijsko i paralelno izvršavanje 4.24

25 (Scalable PaRallelizable INduction of decision Trees) je modifikacija algoritma koja uklanja memorijska ograničenja Oznake klasa pridružuje identifikatorima instanci Kategorički i numerički atributi Implementacija za serijsko i paralelno izvršavanje 4.25

Mere slicnosti

Mere slicnosti Nenad Mitić Matematički fakultet nenad@matf.bg.ac.rs Kako odrediti sličnost/različitost, obrazaca, atributa, dogadjaja... Podaci različitog tipa i strukture Zavisnost od tipa, raspodele, dimenzionalnosti

Више

Classroom Expectations

Classroom Expectations АТ-8: Терминирање производно-технолошких ентитета Проф. др Зоран Миљковић Садржај Пројектовање флексибилних ; Математички модел за оптимизацију флексибилних ; Генетички алгоритми у оптимизацији флексибилних

Више

Microsoft Word - AIDA2kolokvijumRsmerResenja.doc

Microsoft Word - AIDA2kolokvijumRsmerResenja.doc Konstrukcija i analiza algoritama 2 (prvi kolokvijum, smer R) 1. a) Konstruisati AVL stablo od brojeva 100, 132, 134, 170, 180, 112, 188, 184, 181, 165 (2 poena) b) Konkatenacija je operacija nad dva skupa

Више

MIP-heuristike (Matheuristike) Hibridi izmedu metaheurističkih i egzaktnih metoda Tatjana Davidović Matematički institut SANU

MIP-heuristike (Matheuristike) Hibridi izmedu metaheurističkih i egzaktnih metoda Tatjana Davidović Matematički institut SANU MIP-heuristike (Matheuristike) Hibridi izmedu metaheurističkih i egzaktnih metoda Tatjana Davidović Matematički institut SANU http://www.mi.sanu.ac.rs/ tanjad (tanjad@mi.sanu.ac.rs) 21. januar 2013. Tatjana

Више

Kombinatorno testiranje

Kombinatorno testiranje Kombinatorno testiranje Uvod Na ponašanje aplikacije utiče puno faktora, npr. ulazne vrednosti, konfiguracije okruženja. Tehnike kao što je podela na klase ekvivalencije ili analiza graničnih vrednosti

Више

Osnovni pojmovi teorije verovatnoce

Osnovni pojmovi teorije verovatnoce Osnovni pojmovi teorije verovatnoće Profesor Milan Merkle emerkle@etf.rs milanmerkle.etf.rs Verovatnoća i Statistika-proleće 2019 Milan Merkle Osnovni pojmovi ETF Beograd 1 / 13 Verovatnoća i statistika:

Више

Рачунарска интелигенција

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

Више

DUBINSKA ANALIZA PODATAKA

DUBINSKA ANALIZA PODATAKA DUBINSKA ANALIZA PODATAKA () (ENGL. DATA MINING) Studeni 2018. Mario Somek CILJ NASTAVNE TEME Upoznati s mogućnostima pronalaženja međuzavisnosti atributa u skupovima podataka. Temeljem međuzavisnosti

Више

PowerPoint Presentation

PowerPoint Presentation Факултет организационих наука Центар за пословно одлучивање Системи за препоруку П8: Системи за препоруку Закључивање на основу случајева Системи за препоруку 2 Закључивање на основу случајева ПРОНАЂЕНО

Више

Postavka 2: Osnovni graf algoritmi 1 DISTRIBUIRANI ALGORITMI I SISTEMI Iz kursa CSCE 668 Proleće 2014 Autor izvorne prezentacije: Prof. Jennifer Welch

Postavka 2: Osnovni graf algoritmi 1 DISTRIBUIRANI ALGORITMI I SISTEMI Iz kursa CSCE 668 Proleće 2014 Autor izvorne prezentacije: Prof. Jennifer Welch Postavka 2: Osnovni graf algoritmi 1 DISTRIBUIRANI ALGORITMI I SISTEMI Iz kursa CSCE 668 Proleće 2014 Autor izvorne prezentacije: Prof. Jennifer Welch A1 Slanje svima preko fiksiranog razapinjućeg stabla

Више

PowerPoint Presentation

PowerPoint Presentation Колоквијум # задатак подељен на 4 питања: теоријска практична пишу се програми, коначно решење се записује на папиру, кодови се архивирају преко сајта Инжењерски оптимизациони алгоритми /3 Проблем: NLP:

Више

Microsoft PowerPoint - 03-Slozenost [Compatibility Mode]

Microsoft PowerPoint - 03-Slozenost [Compatibility Mode] Сложеност алгоритама (Програмирање 2, глава 3, глава 4-4.3) Проблем: класа задатака истог типа Велики број различитих (коректних) алгоритама Величина (димензија) проблема нпр. количина података које треба

Више

Tutoring System for Distance Learning of Java Programming Language

Tutoring System for Distance Learning of Java Programming Language Niz (array) Nizovi Niz je lista elemenata istog tipa sa zajedničkim imenom. Redosled elemenata u nizovnoj strukturi je bitan. Konkretnom elementu niza pristupa se preko zajedničkog imena niza i konkretne

Више

P11.3 Analiza zivotnog veka, Graf smetnji

P11.3 Analiza zivotnog veka, Graf smetnji Поједностављени поглед на задњи део компајлера Међурепрезентација (Међујезик IR) Избор инструкција Додела ресурса Распоређивање инструкција Инструкције циљне архитектуре 1 Поједностављени поглед на задњи

Више

PROMENLJIVE, TIPOVI PROMENLJIVIH

PROMENLJIVE, TIPOVI PROMENLJIVIH PROMENLJIVE, TIPOVI PROMENLJIVIH Šta je promenljiva? To je objekat jezika koji ima ime i kome se mogu dodeljivati vrednosti. Svakoj promenljivoj se dodeljuje registar (memorijska lokacija) operativne memorije

Више

Univerzitet u Novom Sadu Tehnički fakultet Mihajlo Pupin Zrenjanin Seminarski rad Predmet: Konkuretno programiranje doc. dr Dejan Lacmanovic Zorica Br

Univerzitet u Novom Sadu Tehnički fakultet Mihajlo Pupin Zrenjanin Seminarski rad Predmet: Konkuretno programiranje doc. dr Dejan Lacmanovic Zorica Br Univerzitet u Novom Sadu Tehnički fakultet Mihajlo Pupin Zrenjanin Seminarski rad Predmet: Konkuretno programiranje doc. dr Dejan Lacmanovic Zorica Brkić SI 29/15 Zrenjanin 2018. Softversko inženjerstvo

Више

Microsoft PowerPoint - Ekoloska (city) logistika 8.3

Microsoft PowerPoint - Ekoloska (city) logistika 8.3 ЕКОЛОШКА (CITY) ЛОГИСТИКА Осмо предавање управљање отпадом,, пример Познато: Капацитет смећара које врши опслугу је: q m =8 t Количина отпада коју треба скупити на местима (чворова),,,,6 и 7, дат је у

Више

ТЕОРИЈА УЗОРАКА 2

ТЕОРИЈА УЗОРАКА 2 ТЕОРИЈА УЗОРАКА 2 12. 04. 13. ВЕЖБАЊА Написати функције за бирање елемената популације обима N у узорак обима n, код простог случајног узорка, користећи алгоритме: Draw by draw procedure for SRS/SRSWOR

Више

Klaster analiza

Klaster analiza Klaster analiza Nenad Mitić Matematički fakultet nenad@matf.bg.ac.rs Šta je klaster analiza? Pronalaženje grupa objekata takvih da su objekti u grupi medjusobno slični (ili povezani), i da su objekti u

Више

KATALOG ZNANJA IZ INFORMATIKE

KATALOG ZNANJA IZ INFORMATIKE KATALOG ZNANJA IZ INFORMATIKE Nacionalni savjet za obrazovanje je na 27. sjednici održanoj 17. marta 2014. godine utvrdio izmjene predmetnoga programa INFORMATIKA za I razred gimnazije. Na zahtijev Pedagoško-psihološke

Више

Inženjering informacionih sistema

Inženjering informacionih sistema Fakultet tehničkih nauka, Novi Sad Inženjering informacionih sistema Dr Ivan Luković Dr Slavica Kordić Nikola Obrenović Milanka Bjelica Dr Jelena Borocki Dr Milan Delić UML UML (Unified Modeling Language)

Више

ДРУШТВО ФИЗИЧАРА СРБИЈЕ МИНИСТАРСТВО ПРОСВЕТЕ И СПОРТА РЕПУБЛИКЕ СРБИЈЕ Задаци за републичко такмичење ученика средњих школа 2006/2007 године I разред

ДРУШТВО ФИЗИЧАРА СРБИЈЕ МИНИСТАРСТВО ПРОСВЕТЕ И СПОРТА РЕПУБЛИКЕ СРБИЈЕ Задаци за републичко такмичење ученика средњих школа 2006/2007 године I разред ДРУШТВО ФИЗИЧАРА СРБИЈЕ МИНИСТАРСТВО ПРОСВЕТЕ И СПОРТА РЕПУБЛИКЕ СРБИЈЕ Задаци за републичко такмичење ученика средњих школа 006/007 године разред. Електрични систем се састоји из отпорника повезаних тако

Више

LAB PRAKTIKUM OR1 _ETR_

LAB PRAKTIKUM OR1 _ETR_ UNIVERZITET CRNE GORE ELEKTROTEHNIČKI FAKULTET STUDIJSKI PROGRAM: ELEKTRONIKA, TELEKOMUNIKACIJE I RAČUNARI PREDMET: OSNOVE RAČUNARSTVA 1 FOND ČASOVA: 2+1+1 LABORATORIJSKA VJEŽBA BROJ 1 NAZIV: REALIZACIJA

Више

Microsoft PowerPoint - jkoren10.ppt

Microsoft PowerPoint - jkoren10.ppt Dickey-Fuller-ov test jediničnog korena Osnovna ideja Različite determinističke komponente Izračunavanje test-statistike Pravilo odlučivanja Određivanje broja jediničnih korena Algoritam testiranja Prošireni

Више

PRIRODNO MATEMATIČKI FAKULTET U NIŠU DEPARTMAN ZA RAČUNARSKE NAUKE Utorak, godine PRIJEMNI ISPIT IZ INFORMATIKE 1. Koja od navedenih ekste

PRIRODNO MATEMATIČKI FAKULTET U NIŠU DEPARTMAN ZA RAČUNARSKE NAUKE Utorak, godine PRIJEMNI ISPIT IZ INFORMATIKE 1. Koja od navedenih ekste PRIRODNO MATEMATIČKI FAKULTET U NIŠU DEPARTMAN ZA RAČUNARSKE NAUKE Utorak, 5.06.019. godine PRIJEMNI ISPIT IZ INFORMATIKE 1. Koja od navedenih ekstenzija se najčešće koristi za tekstualne datoteke? a)

Више

Београд, МАТРИЧНА АНАЛИЗА КОНСТРУКЦИЈА ЗАДАТАК 1 За носач приказан на слици: а) одредити дужине извијања свих штапова носача, ако на носач

Београд, МАТРИЧНА АНАЛИЗА КОНСТРУКЦИЈА ЗАДАТАК 1 За носач приказан на слици: а) одредити дужине извијања свих штапова носача, ако на носач Београд, 30.01.2016. а) одредити дужине извијања свих штапова носача, ако на носач делују само концентрисане силе, б) ако је P = 0.8P cr, и на носач делује расподељено оптерећење f, одредити моменат савијања

Више

Техничко решење: Софтвер за симулацију стохастичког ортогоналног мерила сигнала, његовог интеграла и диференцијала Руководилац пројекта: Владимир Вуји

Техничко решење: Софтвер за симулацију стохастичког ортогоналног мерила сигнала, његовог интеграла и диференцијала Руководилац пројекта: Владимир Вуји Техничко решење: Софтвер за симулацију стохастичког ортогоналног мерила сигнала, његовог интеграла и диференцијала Руководилац пројекта: Владимир Вујичић Одговорно лице: Владимир Вујичић Аутори: Велибор

Више

Grafovi 1. Posmatrajmo graf prikazan na slici sa desne strane. a) Odrediti skup čvorova V i skup grana E posmatranog grafa. Za svaku granu posebno odr

Grafovi 1. Posmatrajmo graf prikazan na slici sa desne strane. a) Odrediti skup čvorova V i skup grana E posmatranog grafa. Za svaku granu posebno odr Grafovi 1. Posmatrajmo graf prikazan na slici sa desne strane. a) Odrediti skup čvorova V i skup grana E posmatranog grafa. Za svaku granu posebno odrediti njene krajeve. b) Odrediti sledeće skupove: -

Више

Slide 1

Slide 1 Катедра за управљање системима ТЕОРИЈА СИСТЕМА Предавањe 2: Основни појмови - систем, модел система, улаз и излаз UNIVERSITY OF BELGRADE FACULTY OF ORGANIZATIONAL SCIENCES План предавања 2018/2019. 1.

Више

УНИВЕРЗИТЕТ У БЕПГРАДУ ФАКУЛТЕТ ПРГАНИЗАЦИПНИХ НАУКА Милпш З. Јпванпвић АУТПМАТСКП ГЕНЕРИСАОЕ АЛГПРИТАМА СТАБАЛА ПДЛУЧИВАОА ЗА КЛАСИФИКАЦИЈУ дпктпрска

УНИВЕРЗИТЕТ У БЕПГРАДУ ФАКУЛТЕТ ПРГАНИЗАЦИПНИХ НАУКА Милпш З. Јпванпвић АУТПМАТСКП ГЕНЕРИСАОЕ АЛГПРИТАМА СТАБАЛА ПДЛУЧИВАОА ЗА КЛАСИФИКАЦИЈУ дпктпрска УНИВЕРЗИТЕТ У БЕПГРАДУ ФАКУЛТЕТ ПРГАНИЗАЦИПНИХ НАУКА Милпш З. Јпванпвић АУТПМАТСКП ГЕНЕРИСАОЕ АЛГПРИТАМА СТАБАЛА ПДЛУЧИВАОА ЗА КЛАСИФИКАЦИЈУ дпктпрска дисертација Бепград, 2016 UNIVERSITY OF BELGRADE FACULTY

Више

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 ) 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

Више

Optimizacija

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

Више

08 RSA1

08 RSA1 Преглед ЗАШТИТА ПОДАТАКА Шифровање јавним кључем и хеш функције RSA алгоритам Биће објашњено: RSA алгоритам алгоритам прорачунски аспекти ефикасност коришћењем јавног кључа генерисање кључа сигурност проблем

Више

NAPOMENA: Studenti na ispit donose kod urađenog zadatka

NAPOMENA: Studenti na ispit donose kod urađenog zadatka Пројекат из предмета Интернет програмирање за августовски и септембарски испитни рок школске 2018/19. године Коришћењем PHP технологије, технологије AJAX и MySQL базе података, реализовати следећу веб

Више

Konstrukcija i analiza algoritama vežbe 10 Nina Radojičić 15. decembar Algoritamske strategije - podeli pa vladaj (divide and conquer) Ova stra

Konstrukcija i analiza algoritama vežbe 10 Nina Radojičić 15. decembar Algoritamske strategije - podeli pa vladaj (divide and conquer) Ova stra Konstrukcija i analiza algoritama vežbe 10 Nina Radojičić 15. decembar 2016 1 Algoritamske strategije - podeli pa vladaj (divide and conquer) Ova strategija rekurzivno razbija problem na 2 ili više potproblema

Више

P2.1 Projektovanje paralelnih algoritama 1

P2.1 Projektovanje paralelnih algoritama 1 Projektovanje paralelnih algoritama I Uvod Osnove dinamičke paralelizacije 1 Primer: Fibonačijev niz Primer rekurz. računanja Fibonačijevih brojeva: F 0 = 0; F 1 = 1; F i = F i -1 + F i -2 za i 2 Algoritam

Више

Algoritmi i arhitekture DSP I

Algoritmi i arhitekture DSP I Univerzitet u Novom Sadu Fakultet Tehničkih Nauka Katedra za računarsku tehniku i međuračunarske komunikacije Algoritmi i arhitekture DSP I INTERNA ORGANIACIJA DIGITALNOG PROCESORA A OBRADU SIGNALA INTERNA

Више

Razvoj programa, Code::Blocks, struktura programa, printf, scanf, konverzioni karakteri predavač: Nadežda Jakšić

Razvoj programa, Code::Blocks, struktura programa, printf, scanf, konverzioni karakteri predavač: Nadežda Jakšić Razvoj programa, Code::Blocks, struktura programa, printf, scanf, konverzioni karakteri predavač: Nadežda Jakšić projektni zadatak projektovanje programa (algoritmi) pisanje programskog koda, izvorni kod,

Више

Uvod u statistiku

Uvod u statistiku Uvod u statistiku Osnovni pojmovi Statistika nauka o podacima Uključuje prikupljanje, klasifikaciju, prikaz, obradu i interpretaciju podataka Staistička jedinica objekat kome se mjeri neko svojstvo. Svi

Више

Microsoft Word - CAD sistemi

Microsoft Word - CAD sistemi U opštem slučaju, se mogu podeliti na 2D i 3D. 2D Prvo pojavljivanje 2D CAD sistema se dogodilo pre više od 30 godina. Do tada su inženjeri koristili table za crtanje (kulman), a zajednički jezik komuniciranja

Више

Politika pridruživanja i razvrstavanja naloga - u primeni od godine

Politika pridruživanja i razvrstavanja naloga - u primeni od godine Prilog 2 Pravila poslovanja pri pružanju investicionih usluga, usvojena na sednici Izvršnog odbora, održanoj dana 22.01.2019. godine (br. IO_2_19/5 od 22.01.2019. godine). POLITIKA PRIDRUŽIVANJA I RAZVRSTAVANJA

Више

Drugi kolokvij iz predmeta Operacijski sustavi 2. srpnja Napomene: PISATI ČITKO! Zadatke 7-10 rješavati na ovom papiru ili uz njih napisati "na

Drugi kolokvij iz predmeta Operacijski sustavi 2. srpnja Napomene: PISATI ČITKO! Zadatke 7-10 rješavati na ovom papiru ili uz njih napisati na Drugi kolokvij iz predmeta Operacijski sustavi 2. srpnja 2019. Napomene: PISATI ČITKO! Zadatke 7-10 rješavati na ovom papiru ili uz njih napisati "na papirima". 1. (2) Opisati pristupni sklop za izravni

Више

Microsoft PowerPoint - Topic02 - Serbian.ppt

Microsoft PowerPoint - Topic02 - Serbian.ppt Tema 2 Kriterijumi kvaliteta za softverske proizvode DAAD Project Joint Course on Software Engineering Humboldt University Berlin, University of Novi Sad, University of Plovdiv, University of Skopje, University

Више

Strateski marketing

Strateski marketing Vesna Damnjanovic Način polaganja ispita na predmetu Strateški marketing 70 % ocene Case Study analiza projektni zadatak (potrebno je da studenti ispoštuju zadatu strukturu projektnog zadatka). Ne vrši

Више

Microsoft PowerPoint - Topic02 - Serbian.ppt

Microsoft PowerPoint - Topic02 - Serbian.ppt Tema 2 Kriterijumi kvaliteta za softverske proizvode DAAD Project Joint Course on Software Engineering Humboldt University Berlin, University of Novi Sad, University of Plovdiv, University of Skopje, University

Више

06 Poverljivost simetricnih algoritama1

06 Poverljivost simetricnih algoritama1 ЗАШТИТА ПОДАТАКА Симетрични алгоритми заштите поверљивост симетричних алгоритама Преглед биће објашњено: коришћење симетричних алгоритама заштите како би се заштитила поверљивост потреба за добрим системом

Више

Microsoft Word - Raspored ispita Jun.doc

Microsoft Word - Raspored ispita Jun.doc FAKULTET ORGANIZACIONIH NAUKA KONAČAN RASPORED ISPITA ZA JUNSKI ISPITNI ROK 8. GODINE Predmet Od. P/U Datum Sale Napomena Akcionarstvo i berzansko poslovanje ME U 21/06/8---- Arhitektura računara i oper.

Више

Microsoft Word - inicijalni test 2013 za sajt

Microsoft Word - inicijalni test 2013 za sajt ИНИЦИЈАЛНИ ТЕСТ ИЗ МАТЕМАТИКЕ ЗА УЧЕНИКЕ ПРВОГ РАЗРЕДА ЗЕМУНСКЕ ГИМНАЗИЈЕ шк. 13 14. Циљ Иницијални тест за ученике првог разреда Земунске гимназије организован је с циљем увида у предзнање ученика, тј.

Више

ПА-4 Машинско учење-алгоритми машинског учења

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

Више

PowerPoint Presentation

PowerPoint Presentation Prof. dr Pere Tumbas Prof. dr Predrag Matkovid Identifikacija i izbor projekata Održavanje sistema Inicijalizacija projekata i planiranje Implementacija sistema Dizajn sistema Analiza sistema Faze životnog

Више

Celobrojno programiranje Rešavamo sledeći poblem celobrojnog programiranja: min c T x Ax = b x 0 x Z n Gde pretpostavljamo da je A celobrojna matrica

Celobrojno programiranje Rešavamo sledeći poblem celobrojnog programiranja: min c T x Ax = b x 0 x Z n Gde pretpostavljamo da je A celobrojna matrica Celobrojno programiranje Rešavamo sledeći poblem celobrojnog programiranja: min c T x Ax = b x 0 x Z n Gde pretpostavljamo da je A celobrojna matrica dimenzije m n, b Z m, c Z n. Takođe, očekuje se da

Више

Uvod u računarstvo 2+2

Uvod u računarstvo 2+2 Programiranje 2 doc.dr.sc. Goranka Nogo PMF Matematički odsjek, Zagreb Kontakt ured: 228, drugi kat e-mail: nogo@math.hr konzultacije: četvrtak, 12:00-14:00 petak, 11:00-12:00 neki drugi termin, uz prethodni

Више

Наставно-научном већу Математичког факултета Универзитета у Београду На 305. седници Наставно-научног већа Математичког факултета Универзитета у Беогр

Наставно-научном већу Математичког факултета Универзитета у Београду На 305. седници Наставно-научног већа Математичког факултета Универзитета у Беогр Наставно-научном већу Математичког факултета Универзитета у Београду На 305. седници Наставно-научног већа Математичког факултета Универзитета у Београду одржаноj 25.06.2012. године, одређени смо за чланове

Више

Funkcije predavač: Nadežda Jakšić

Funkcije predavač: Nadežda Jakšić Funkcije predavač: Nadežda Jakšić funkcije delovi programa koji izvršavaju neki zadatak, celinu; dele na ugrađene, korisničke i main funkciju ugrađene funkcije printf,scanf... da bi se one izvršile potrebno

Више

Algoritmi

Algoritmi Projektovanje algoritama L09.1. Topološko sortiranje Današnje teme Topološko sortiranje Povezanost grafa jako povezane komponente Minimum Spanning Trees (razapinjuće stablo) Lektira: 22. Elementary Graph

Више

My_ST_FTNIspiti_Free

My_ST_FTNIspiti_Free ИСПИТНИ ЗАДАЦИ СУ ГРУПИСАНИ ПО ТЕМАМА: ЛИМЕСИ ИЗВОДИ ФУНКЦИЈЕ ЈЕДНЕ ПРОМЕНЉИВЕ ИСПИТИВАЊЕ ТОКА ФУНКЦИЈЕ ЕКСТРЕМИ ФУНКЦИЈЕ СА ВИШЕ ПРОМЕНЉИВИХ 5 ИНТЕГРАЛИ ДОДАТАК ФТН Испити С т р а н а Лимеси Одредити

Више

Microsoft PowerPoint - C-4-1

Microsoft PowerPoint - C-4-1 Pregled iskaza u C-u Izraz; Iskaz dodele, serijski komponovani iskaz; blok Uslovni iskazi i izrazi; složeno grananje Iterativni iskazi Iskaz dodele Promena vrednosti a = Ψ; Izračunava vrednost izraza Ψ,

Више

Verovatnoća - kolokvijum 17. decembar Profesor daje dva tipa ispita,,,težak ispit i,,lak ispit. Verovatnoća da student dobije težak ispit je

Verovatnoća - kolokvijum 17. decembar Profesor daje dva tipa ispita,,,težak ispit i,,lak ispit. Verovatnoća da student dobije težak ispit je Verovatnoća - kolokvijum 17. decembar 2016. 1. Profesor daje dva tipa ispita,,,težak ispit i,,lak ispit. Verovatnoća da student dobije težak ispit je 0.8. Ako je ispit težak, verovatnoća da se prvo pitanje

Више

Veeeeeliki brojevi

Veeeeeliki brojevi Matematička gimnazija Nedelja informatike 3 12. decembar 2016. Uvod Postoji 10 tipova ljudi na svetu, oni koji razumeju binarni sistem, oni koji ne razumeju binarni sistem i oni koji nisu očekivali šalu

Више

Principi softverskog inženjerstva O predmetu

Principi softverskog inženjerstva  O predmetu Vežbe - IV nedelja Modeli baze podataka Dražen Drašković, asistent Elektrotehnički fakultet Univerziteta u Beogradu Potrebno je da: Razumete koncepte modela i njegovu svrhu Naučite kako se odnosi između

Више

QFD METODA – PRIMER

QFD METODA – PRIMER QFD METODA - PRIMER PROBLEM: U kompaniji X koja se bavi izradom kompjuterskih softvera uočen je pad prodaje konkretnog softvera - Softver za vođenje knjigovodstva. Kompanija X je raspolagala sa jednom

Више

Microsoft PowerPoint - Programski_Jezik_C_Organizacija_Izvrsnog_Programa [Compatibility Mode]

Microsoft PowerPoint - Programski_Jezik_C_Organizacija_Izvrsnog_Programa [Compatibility Mode] Организација извршног програма (Марић, Јаничић: Програмирање 1, 9.3.3) Извршавање програма После успешног превођења (претпроцесирања, компилације, повезивања) програм може да се изврши Извршавање се захтева

Више

P1.0 Uvod

P1.0 Uvod Системска програмска подршка у реалном времену 1 Миодраг Ђукић miodrag.djukic@rt-rk.uns.ac.rs www.rt-rk.uns.ac.rs 1 Системска програмска подршка у реалном времену 1 програмска подршка = софтвер Системски

Више

Увод у организацију и архитектуру рачунара 1

Увод у организацију и архитектуру рачунара 1 Увод у организацију и архитектуру рачунара 2 Александар Картељ kartelj@matf.bg.ac.rs Напомена: садржај ових слајдова је преузет од проф. Саше Малкова Увод у организацију и архитектуру рачунара 2 1 Секвенцијалне

Више

Електротехнички факултет Универзитета у Београду Катедра за рачунарску технику и информатику Kолоквијум из Интелигентних система Колоквију

Електротехнички факултет Универзитета у Београду Катедра за рачунарску технику и информатику Kолоквијум из Интелигентних система Колоквију Електротехнички факултет Универзитета у Београду 19.11.017. Катедра за рачунарску технику и информатику Kолоквијум из Интелигентних система Колоквијум траје h. Напуштање сале дозвољено је након 1h. Употреба

Више

Paper Title (use style: paper title)

Paper Title (use style: paper title) Статистичка анализа коришћења електричне енергије која за последицу има примену повољнијег тарифног става Аутор: Марко Пантовић Факултет техничких наука, Чачак ИАС Техника и информатика, 08/09 e-mal адреса:

Више

EFIKASNO MODELIRANJE REALNIH OPTIMIZACIONIH PROBLEMA Tatjana Davidović Matematički institut SANU tanjad

EFIKASNO MODELIRANJE REALNIH OPTIMIZACIONIH PROBLEMA Tatjana Davidović Matematički institut SANU   tanjad EFIKASNO MODELIRANJE REALNIH OPTIMIZACIONIH PROBLEMA Tatjana Davidović Matematički institut SANU http://www.mi.sanu.ac.rs/ tanjad (tanjad@mi.sanu.ac.rs) VII Simpozijum,,Matematika i primene 4. novembar

Више

Slide 1

Slide 1 Merni sistemi u računarstvu, http://automatika.etf.rs/sr/13e053msr Merna nesigurnost tipa A doc. dr Nadica Miljković, kabinet 68, nadica.miljkovic@etf.rs Prezentacija za ovo predavanje je skoro u potpunosti

Више

Slide 1

Slide 1 Statistička analiza u hidrologiji Uvod Statistička analiza se primenjuje na podatke osmatranja hidroloških veličina (najčešće: protoka i kiša) Cilj: opisivanje veze između veličine i verovatnoće njene

Више

PowerPoint Presentation

PowerPoint Presentation Matrica šansi-pretnji Matrica šansi-pretnji Matrica šansi-pretnji se bavi dijagnozom situacije u kojoj se preduzeće nalazi, kao i njenom projekcijom u budućnosti (dijagnoza + prognoza). Situaciona analiza,

Више

Задатак 4: Центрифугална пумпа познате карактеристике при n = 1450 min -1 пребацује воду из резервоара A и B у резервоар C кроз цевовод приказан на сл

Задатак 4: Центрифугална пумпа познате карактеристике при n = 1450 min -1 пребацује воду из резервоара A и B у резервоар C кроз цевовод приказан на сл Задатак 4: Центрифугална пумпа познате карактеристике при n = 1450 min -1 пребацује воду из резервоара A и B у резервоар C кроз цевовод приказан на слици. Разлике нивоа у резервоарима износе h = 5 m и

Више

2015_k2_z12.dvi

2015_k2_z12.dvi OBLIKOVANJE I ANALIZA ALGORITAMA 2. kolokvij 27. 1. 2016. Skice rješenja prva dva zadatka 1. (20) Zadano je n poslova. Svaki posao je zadan kao vremenski interval realnih brojeva, P i = [p i,k i ],zai

Више

knjiga.dvi

knjiga.dvi 1. Vjerojatnost 1. lgebra dogadaja......................... 1 2. Vjerojatnost............................. 9 3. Klasični vjerojatnosni prostor................. 14 4. eskonačni vjerojatnosni prostor...............

Више

DUBINSKA ANALIZA PODATAKA

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

Више

OOP1 - domaci 2 (2004/05)

OOP1 - domaci 2 (2004/05) ЕЛЕКТРОТЕХНИЧКИ ФАКУЛТЕТ Одсеци ИР, ОС и ОФ Београд, 05.04.2019. Први домаћи задатак из Објектно оријентисаног програмирања 2 У сваком задатку: Грешке пријављивати изузецима типа класа које садрже текст

Више

ЈЕДАН НОВИ ПРИСТУП У ПРЕВОЂЕЊУ ИЗ BPMN а У BPEL ONE NEW APPROACH IN TRANSLATING FROM BPMN TO BPEL Александар Недељковић Факултет организационих наука,

ЈЕДАН НОВИ ПРИСТУП У ПРЕВОЂЕЊУ ИЗ BPMN а У BPEL ONE NEW APPROACH IN TRANSLATING FROM BPMN TO BPEL Александар Недељковић Факултет организационих наука, ЈЕДАН НОВИ ПРИСТУП У ПРЕВОЂЕЊУ ИЗ BPMN а У BPEL ONE NEW APPROACH IN TRANSLATING FROM BPMN TO BPEL Александар Недељковић Факултет организационих наука, Београд Садржај BPMN и BPEL су два највише коришћена

Више

STABILNOST SISTEMA

STABILNOST SISTEMA STABILNOST SISTEMA Najvaznija osobina sistema automatskog upravljanja je stabilnost. Generalni zahtev koji se postavlja pred projektanta jeste da projektovani i realizovani sistem automatskog upravljanja

Више

Slide 1

Slide 1 Анализа електроенергетских система -Прорачун кратких спојева- Кратак спој представља поремећено стање мреже, односно поремећено стање система. За време трајања кратког споја напони и струје се мењају са

Више

FAKULTET ORGANIZACIONIH NAUKA

FAKULTET ORGANIZACIONIH NAUKA FAKULTET ORGANIZACIONIH NAUKA PRELIMINARNI RASPORED ISPITA ZA JANUARSKI ISPITNI ROK 2008. GODINE Predmet Od. P/U Datum Sala Napomena Akcionarstvo i berzansko poslovanje ME U 03.02.2008----10:00 201 Arhitektura

Више

Microsoft PowerPoint - Programski_Jezik_C_Organizacija_Izvornog_Programa_I_Greske [Compatibility Mode]

Microsoft PowerPoint - Programski_Jezik_C_Organizacija_Izvornog_Programa_I_Greske [Compatibility Mode] Programski jezik C organizacija izvornog programa Prevođenje Pisanje programa izvorni program Prevođenje programa izvršni program Izvršavanje programa rezultat Faze prevođenja Pretprocesiranje Kompilacija

Више

P1.2 Projektovanje asemblera

P1.2 Projektovanje asemblera ПРОЈЕКТОВАЊЕ АСЕМБЛЕРА Асемблер Модули асемблера 1 Дефинисање новог лингвистичког нивоа превођењем Потребан преводилац алат који преводи програм написан на једном језику (на једном лингвистичком нивоу)

Више

Рационални Бројеви Скуп рационалних бројева 1. Из скупа { 3 4, 2, 4, 11, 0, , 1 5, 12 3 } издвој подскуп: а) природних бројева; б) целих броје

Рационални Бројеви Скуп рационалних бројева 1. Из скупа { 3 4, 2, 4, 11, 0, , 1 5, 12 3 } издвој подскуп: а) природних бројева; б) целих броје Рационални Бројеви Скуп рационалних бројева. Из скупа {,,,, 0,,, } издвој подскуп: а) природних бројева; б) целих бројева; в) ненегативних рационалних бројева; г) негативних рационалних бројева.. Запиши

Више

UDŽBENIK 2. dio

UDŽBENIK 2. dio UDŽBENIK 2. dio Pročitaj pažljivo Primjer 1. i Primjer 2. Ova dva primjera bi te trebala uvjeriti u potrebu za uvo - denjem još jedne vrste brojeva. Primjer 1. Živa u termometru pokazivala je temperaturu

Више

DISKRETNA MATEMATIKA

DISKRETNA MATEMATIKA DISKRETNA MATEMATIKA Kombinatorika Permutacije, kombinacije, varijacije, binomna formula Ivana Milosavljević - 1 - 1. KOMBINATORIKA PRINCIPI PREBROJAVANJA Predmet kombinatorike je raspoređivanje elemenata

Више

FAKULTET ORGANIZACIONIH NAUKA

FAKULTET ORGANIZACIONIH NAUKA FAKULTET ORGANIZACIONIH NAUKA PRELIMINARNI RASPORED ISPITA ZA SEPTEMBARSKI ISPITNI ROK 2008. GODINE Predmet Od. P/U Datum Sal. Napomena Akcionarstvo i berzansko poslovanje ME U 29.08.2008----09:00 Institut

Више

untitled

untitled I SADRŽAJ PREDGOVOR... 1 UVODNA RAZMATRANJA... 3 I GEOGRAFSKI INFORMACIONI SISTEMI (GIS)... 5 1. Lokacija... 5 2. Prostorna lokacija... 6 2.1. Koordinatni sistemi... 6 2.1.1. Kartezijanski koordinatni

Више

Програмирај!

Програмирај! Листе Поред појединачних вредности исказаних бројем или ниском карактера, често је потребно забележити већи скуп вредности које су на неки начин повезане, као, на пример, имена у списку путника у неком

Више

Општи подаци Извештај о резултатима завршног испита на крају основног образовања и васпитања у школској 2017/2018. години Назив школе Место Општина Ра

Општи подаци Извештај о резултатима завршног испита на крају основног образовања и васпитања у школској 2017/2018. години Назив школе Место Општина Ра Општи подаци Општина Развијеност општине Округ Школска управа Звездара изнад републичког а Град Број одељења у школи 5 Укупан број ученика осмог разреда 141 Број дечака 80 Број девојчица 61 Укупан број

Више

Microsoft Word - III godina - EA - Metodi vjestacke inteligencije

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

Више

УНИВЕРЗИТЕТ У НИШУ ПРИРОДНО-МАТЕМАТИЧКИ ФАКУЛТЕТ Департман за рачунарске науке Писмени део испита из предмета Увод у рачунарство 1. [7 пое

УНИВЕРЗИТЕТ У НИШУ ПРИРОДНО-МАТЕМАТИЧКИ ФАКУЛТЕТ Департман за рачунарске науке Писмени део испита из предмета Увод у рачунарство 1. [7 пое УНИВЕРЗИТЕТ У НИШУ ПРИРОДНО-МАТЕМАТИЧКИ ФАКУЛТЕТ Департман за рачунарске науке 30.06.2018. Писмени део испита из предмета Увод у рачунарство 1. [7 поена] Методом МакКласкија минимизарити систем прекидачких

Више

Sadržaj 1 Diskretan slučajan vektor Definicija slučajnog vektora Diskretan slučajan vektor

Sadržaj 1 Diskretan slučajan vektor Definicija slučajnog vektora Diskretan slučajan vektor Sadržaj Diskretan slučajan vektor Definicija slučajnog vektora 2 Diskretan slučajan vektor Funkcija distribucije slučajnog vektora 2 4 Nezavisnost slučajnih vektora 2 5 Očekivanje slučajnog vektora 6 Kovarijanca

Више

23. siječnja od 13:00 do 14:00 Školsko natjecanje / Osnove informatike Srednje škole RJEŠENJA ZADATAKA S OBJAŠNJENJIMA Sponzori Medijski pokrovi

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

Више

Algoritmi SŠ P1

Algoritmi SŠ P1 Županijsko natjecanje iz informatike Srednja škola 9. veljače 2018. RJEŠENJA ZADATAKA Napomena: kodovi za većinu opisanih algoritama dani su u Pythonu radi jednostavnosti i lakše čitljivosti. Zbog prirode

Више

Pojačavači

Pojačavači Programiranje u fizici Prirodno-matematički fakultet u Nišu Departman za fiziku dr Dejan S. Aleksić Programiranje u fizici dr Dejan S. Aleksić, vanredni profesor Kabinet 307 (treći sprat), lab. za elektroniku

Више

Napredno estimiranje strukture i gibanja kalibriranim parom kamera

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

Више

Matematka 1 Zadaci za vežbe Oktobar Uvod 1.1. Izračunati vrednost izraza (bez upotrebe pomoćnih sredstava): ( ) [ a) : b) 3 3

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

Више

Microsoft PowerPoint - NAD IR OS pravila 2017.pptx

Microsoft PowerPoint - NAD IR OS pravila 2017.pptx Нумеричка анализа и дискретна математика 2017/2018 ИР, ОС ванр. проф. др Бранко Малешевић, доц. др Ивана Јововић ванр. проф. др Синиша Јешић, доц. др Наташа Ћировић Настава Курс Нумеричка анализа и дискретна

Више

Microsoft PowerPoint - Topic04-Serbian.ppt

Microsoft PowerPoint - Topic04-Serbian.ppt Tema 4 Osnovni koncepti za opis razvoja softvera DAAD Project Joint Course on Software Engineering Humboldt University Berlin, University of Novi Sad, University of Plovdiv, University of Skopje, University

Више

3.Kontrlne (upravlja~ke) strukture u Javi

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

Више