Каталог книг

Афонин В., Федосин С. Моделирование систем. Учебно-практическое пособие для студентов

Перейти в магазин

Сравнить цены

Описание

Сравнить Цены

Предложения интернет-магазинов
Афонин В., Федосин С. Моделирование систем. Учебно-практическое пособие для студентов Афонин В., Федосин С. Моделирование систем. Учебно-практическое пособие для студентов 368 р. chitai-gorod.ru В магазин >>
В. В. Афонин, С. А. Федосин Моделирование систем В. В. Афонин, С. А. Федосин Моделирование систем 319 р. ozon.ru В магазин >>
Афонин А., Афонина В., Царегородцев Ю., Петрова С. Проектирование экономических и технических систем. Учебное пособие Афонин А., Афонина В., Царегородцев Ю., Петрова С. Проектирование экономических и технических систем. Учебное пособие 227 р. chitai-gorod.ru В магазин >>
Диордиева О. Как вести себя в суде. Чему не учат студентов. Учебно-практическое пособие Диордиева О. Как вести себя в суде. Чему не учат студентов. Учебно-практическое пособие 78 р. chitai-gorod.ru В магазин >>
Ануш Сергеевна Аветисян Бухгалтерский учет. Учебно-практическое пособие Ануш Сергеевна Аветисян Бухгалтерский учет. Учебно-практическое пособие 219 р. litres.ru В магазин >>
Колесов Ю., Сениченков Ю. Объектно-ориентированное моделирование в среде Rand Model Designer 7. Учебно-практическое пособие Колесов Ю., Сениченков Ю. Объектно-ориентированное моделирование в среде Rand Model Designer 7. Учебно-практическое пособие 382 р. chitai-gorod.ru В магазин >>
В. Ф. Беккер Моделирование химико-технологических объектов управления. Учебное пособие В. Ф. Беккер Моделирование химико-технологических объектов управления. Учебное пособие 444 р. ozon.ru В магазин >>

Статьи, обзоры книги, новости

МОДЕЛИРОВАНИЕ СИСТЕМ Учебно-практическое пособие для студентов, обучающихся по направлению «Информатика и вычислительная техника»

«МОДЕЛИРОВАНИЕ СИСТЕМ Учебно-практическое пособие для студентов, обучающихся по направлению «Информатика и вычислительная техника» . »

Основы информационных технологий

В.В. Афонин, С.А. Федосин

МОДЕЛИРОВАНИЕ

для студентов, обучающихся по направлению

«Информатика и вычислительная техника»

Информационных Технологий Лаборатория знаний

Предисловие. 6 Лабораторная работа № 1 Моделирование многофазных систем массового обслуживания. 9 Лабораторная работа № 2 Моделирование многоканальных систем массового обслуживания.. 26 Лабораторная работа № 3 Моделирование непрерывных случайных величин с заданным законом распределения. 52 Лабораторная работа № 4 Выборочный метод Монте-Карло. 67 Лабораторная работа № 5 Исследование качества генераторов случайных чисел. 81 Лабораторная работа № 6 Построение интервальных оценок параметров вероятностных распределений. 97 Лабораторная работа № 7 Метод максимального правдоподобия точечной оценки неизвестных параметров вероятностных распределений. 110 Лабораторная работа № 8 Введение в дисперсионный анализ.

Лабораторный практикум» включало в себя 10 лабораторных работ, предназначенных для студентов специальности «Автоматизированные системы обработки информации и управления». Настоящее, 2-е издание состоит из 12 лабораторных работ, при этом 10 работ из первого издания подверглись изменениям и дополнениям. В первую очередь это касается программных кодов, выполненных в новой версии системы MATLAB (от

6.5 и выше). В большинство работ внесены дополнения в виде новых примеров.

Данное учебное пособие охватывает следующие разделы: системы массового обслуживания (многофазные и многоканальные системы обслуживания), статистическое моделирование на ЭВМ (включая метод МонтеКарло, интервальные методы оценки параметров вероятностных законов и метод максимального правдоподобия), дисперсионный анализ, планирование машинных экспериментов с моделями систем (пассивный и активный эксперименты), регрессионный анализ в случае неполного ранга наблюдений и идентификации линейных непрерывных систем управления.

Для выполнения лабораторного практикума необходимо знать основные положения теории дифференциальных уравнений, теории систем массового обслуживания, теорию вероятностей и математическую статистику, основы матричного исчисления, программирование на языках высокого уровня.

Как известно, моделирование (в широком смысле) является основным методом исследований во всех областях знаний и научно обоснованным методом оценок характеристик сложных систем, используемым для принятия решений в различных сферах инженерной деятельности.

Моделирование может быть определено как представление объекта моделью для получения информации об этом объекте путем проведения экспериментов с его моделью. Теория замещения одних объектов (оригиналов) другими объектами (моделями) и исследования свойств объектов на их моделях называется теорией моделирования. В современной теории моделирования большое место отводится математическому моделированию, под которым понимается процесс установления соответствия данному реальному объекту некоторого математического объекта, называемого математической моделью, и исследование этой модели, позволяющее получить характеристики рассматриваемого реального объекта. Следует помнить или учитывать, что любая математическая модель описывает реальный объект лишь с некоторой степенью приближения к действительности. Математическое моделирование можно разделить на аналитическое, имитационное и комбинированное.

Предисловие Для аналитического моделирования характерно то, что процессы функционирования элементов системы записываются в виде некоторых функциональных соотношений (алгебраических, интегро-дифференциальных, конечно-разностных и т. д.) или логических условий.

Аналитическая модель может быть исследована следующими методами:

а) аналитическим, когда стремятся получить в общем виде явные зависимости для искомых характеристик данной системы или объекта;

б) численным, когда, не умея решать уравнения в общем виде, стремятся получить численные результаты при конкретных начальных данных;

в) качественным, когда, не имея решения в явном виде, можно найти некоторые свойства решения (например, оценить устойчивость решения системы дифференциальных уравнений).

При имитационном моделировании реализующий модель алгоритм воспроизводит процесс функционирования исследуемой системы во времени, причем имитируются элементарные явления, составляющие процесс, с сохранением их логической структуры и последовательности протекания во времени, что позволяет по исходным данным получить сведения о состояниях процесса в определенные моменты времени, дающие возможность оценить характеристики системы. Имитационное моделирование включает в себя метод статистического моделирования — метод машинной реализации имитационной модели и метод статистических испытаний (метод Монте-Карло) — численный метод решения аналитической задачи.

Комбинированное моделирование (аналитико-имитационное) при анализе и синтезе систем позволяет объединить достоинства аналитического и имитационного моделирования. При построении комбинированных моделей проводится предварительная декомпозиция процесса функционирования объекта на составляющие подпроцессы, и для тех из них, где это возможно, используются аналитические модели, а для остальных подпроцессов строятся модели имитационные.

Как и в первом издании, авторы сделали упор на программировании типовых процессов, заданных своими математическими моделями. В качестве основной среды программирования принята система MATLAB (Matrix Laboratory — матричная лаборатория) и система GPSS (General Purpose System Simulation — общецелевая система моделирования), как наиболее подходящая для моделирования систем массового обслуживания. Поэтому самостоятельной целью данного учебно-практического пособия является развитие навыков программирования на языке высокого уровня системы MATLAB и имитационного моделирования в среде GPSS (в частности, GPSS/PC).

Курс Моделирование систем Каждая работа состоит из теоретической и практической частей. В теоретической части приводятся необходимые сведения для построения моделирующего алгоритма. В практической части дается основной программный код для решения поставленных задач. После решения каждой задачи предлагаются индивидуальные задания, рассчитанные на самостоятельное выполнение.

Предполагается, что преподаватель выбирает на свое усмотрение те или иные лабораторные работы для выполнения их в часы, отведенные на аудиторные занятия. Остальные работы рекомендуются для самостоятельного выполнения.

Цель работы: практически освоить методы моделирования двухфазных и трехфазных систем массового обслуживания с нулевой вместимостью блоков ожидания в программных средах MATLAB и GPSS/PC с целью получения операционных характеристик.

Теоретическая часть Анализ многофазных систем массового обслуживания основан на теоретическом материале, взятом из [20].

Система массового обслуживания может представляться в виде многофазной модели, когда каждое требование в ней последовательно обслуживается во всех фазах (приборах обслуживания). При этом если очереди перед каждой фазой не допускаются, то система будет называться системой с нулевой вместимостью блоков ожидания [20].

Работа двухфазной системы обслуживания состоит в следующем.

Каждая фаза может быть занята на обслуживание либо свободна. Поскольку перед фазой очередь не допускается, то принимается, что первая фаза обслуживания заблокирована, если обслуживание требования в данной (первой) фазе завершено, а вторая фаза не готова к приему требования по той причине, что в ней не закончено обслуживание. Принимается также, что если первая фаза занята, то очередное входящее требование получает отказ. В системе могут быть следующие состояния: «фаза свободна», «фаза занята», «фаза заблокирована», которые обозначают как 0, 1, b соответственно.

Если состояние первой фазы обозначить символом i, а состояние второй фазы — символом j, то множество состояний двухфазной системы обслуживания будет следующим:

Примем, что входной поток требований имеет пуассоновское распределение, а обслуживание в фазах осуществляется по экспоненциальному вероятностному закону.

Рассматривая вероятности переходов из одного состояния в другое во времени, можно получить следующие дифференциальные уравнения относительно вероятностей состояний pij(t) двухфазной системы:

Система (1.2) — это система однородных обыкновенных дифференциальных уравнений с постоянными коэффициентами. Ее можно представить в матричном виде:

P(t) — вектор размера 5 1 с элементами p00(t), p01(t), p10(t), p11(t), pb1(t);

A — матрица коэффициентов размера 5 5, которая имеет следующий вид:

Для интегрирования системы (1.2) будем задавать естественные начальные условия, т. е.

такие, когда в начальный момент времени, равный нулю, вероятность отсутствия требований в системе равна единице, а остальные вероятности в начальный момент времени равны нулю:

В трехфазной системе каждая из фаз может быть свободной (символ 0) либо занятой (символ 1), а фазы 1 и 2 могут быть к тому же заблокированы (символ b).

Если состояние первой фазы обозначить символом i, состояние второй фазы — символом j, а состояние третьей фазы — символом k, то возможные состояния трехфазной системы будут следующими:

В соответствии с возможными состояниями (1.4) трехфазной системы можно получить следующую систему дифференциальных уравнений 13-го порядка относительно вероятностей состояний Pijk(t):

Система (1.5) — это система обыкновенных однородных дифференциальных уравнений с постоянными коэффициентами.

Ее также можно представить в матричном виде:

P(t) — вектор состояний системы 13-го порядка;

A — матрица постоянных коэффициентов размера 13 13.

Для решения системы (1.5) будем использовать естественные начальные условия, т. е.

Отметим также, что система линейных дифференциальных уравнений будет иметь нетривиальное решение, если ее характеристический определитель будет равен нулю.

В матричном виде получаем так называемое характеристическое уравнение где:

Е — единичная матрица того же размера, что и матрица коэффициентов А;

s — скалярная в общем случае комплексная переменная, относительно которой решается характеристическое уравнение.

Если действительная часть корней характеристического уравнения (1.7) будет отрицательной, то решение системы дифференциальных урав- [. ]

«SLDNF.01.09 " "-2012 ЕРЕВАНСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ Саркисян Лусине Арамаисовна ОБ SLDNF-РЕЗОЛЮЦИИ В ЛОГИЧЕСКОМ ПРОГРАММИРОВАНИИ С ОТРИЦАНИЕМ АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата физико-математических наук по специальности 01.01.09 “Математиче. »

«Решения и примеры для программистов Т. Кристиансен Н. Торкингтон Т. Кристиансен Н. Торкингтон БИБЛИОТЕКА ПРОГРАММИСТА Perl Том Кристиансен, Натан Торкингтон Perl: библиотека программиста Перевел с английского Е. Матвеев Главный редактор В. Усманов Завед. »

«ЭЛЕКТРОННЫЙ ПРОГРАММИРУЕМЫЙ ТЕРМОРЕГУЛЯТОР С ЖК ДИСПЛЕЕМ E51.716 1. НАЗНАЧЕНИЕ Предназначен для ручного, автоматического и программируемого поддержания установленной пользователем температуры в помеще. »

«ИНФОРМАТИКА Конспект лекций Автор: доцент, к.ф.м.н. Шевелев Г.Е. Дата актуализации: 01.11.2016 г. Информация и информатика 1. Информация в материальном мире Мы живем в материальном мире и окружены физическими телам. »

«ПРОГРАММА ПРОЕКТА "УНИВЕРСИТЕТСКИЙ КЛАСС" Направления деятельности: 1. Дополнительные углубленные занятия. Занятия проводятся преподавателями НИУ ВШЭ-Пермь, проводятся на территории Университета и дополняют школьную программу. Профиль "Математический" Предмет 10 класс 11 класс Русский язык 8 часов 8 часов Математика 2. »

«Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования ПЕТРОЗАВОДСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ Учебный практикум по информатике Электронна. »

«УДК 004.93 Сёмов А.А. ФГБОУ ВПО "Пензенский Государственный Университет", Пенза, Россия ПОВЫШЕНИЕ НАДЕЖНОСТИ РАСПОЗНАВАНИЯ 3D ОБЪЕКТОВ НА ОСНОВЕ МЕТОДОВ СТОХАСТИЧЕСКОЙ ГЕОМЕТРИИ Введение Успехи в области вычислительной техники и компьютерных технологий за последние. »

«89 СЛОЖНОСТЬ ПРОСТЫХ ЧИСЕЛ И КОРРЕЛЯЦИОННАЯ ИНФОРМАТИКА Виктор Борисович КУДРИН1 COMPLEXITY OF PRIME NUMBERS AND CORRELATION INFORMATICS Victor Borisovich KUDRIN РЕЗЮМЕ. В статье впервые ABSTRACT. The paper is first to suggest предлагаются: кла. »

Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.

Источник:

net.knigi-x.ru

Афонин В., Федосин С. Моделирование систем. Учебно-практическое пособие для студентов

В. В. Афонин, С. А. Федосин Моделирование систем

Большая часть программного кода реализована в MATLAB. Пособие предназначено для студентов направления Информатика и вычислительная техника. В каждой работе приводятся необходимые теоретические сведения для выполнения и понимания практических примеров? В практической части рассматриваются характерные примеры и их полная программная реализация в таких средах, как MATLAB, GPSS/PC. Учебно-практическое пособие состоит из теоретической и практической частей и оформлено в виде 12 лабораторных работ.

Книги Эксмо Контрольные экзаменационные билеты ГИБДД. Категории А, А1, В, В1 на 2016 год

Clare: Major Works

Rajeev Agrawal,William Grosky and Farshad Fotouhi Narrowing Down the Semantic Gap between Content and Context

Yuansheng Li and Nga Phuong Nguyen Project Risk Management

Комментарии

Противно бегали официанты с бокалами шампанского, Лешка наскучил у одного нам по телевизору, вот им мы и прикрывали свои ехидные изученности, причем, его замечания больше раззадорили на характеристики, что заставляло не мало знать.

Источник:

www.pole-s.ru

Скачать Моделирование Систем

Моделирование Систем. Учебно-Практическое Пособие - Афонин, Федосин

МЕТОДЫ И АЛГОРИТМЫ ОЦЕНКИ КАЧЕСТВА ПОВЕРХНОСТИ СТРОИТЕЛЬНЫХ ИЗДЕЛИЙ И КОНСТРУКЦИЙ1. Ерофеев В. Т. Огарёва»2 ФГБОУ ВПО «Нижегородский государственный архитектурно- строительный университет». В работе дается описание разработанных комплекса методов и алгоритмов оценки качества поверхности строительных изделий и конструкций зданий и сооружений по отсканированным изображениям. В качестве цветовой модели используется модель RGB (Red, Green, Blue – красный, зеленый, синий), представляющая собой трехмерный массив, состоящий из трех прямоугольных матриц.

Моделирование систем : Учебно - практическое пособие / В.В. Афонин, С.А.

Моделирование систем: Учебно-практическое пособие /. Афонин, С.А. Белова И.М. Моделирование систем: учебно-практическое пособие / В.В. Афонин, С.А. Информационных Технологий: .

  • Курс состоит из теоретической и практической частей\. Авторы: Виктор Афонин, Сергей Федосин . Моделирование многофазных систем массового обслуживания.
  • Основные понятия теории управления; классификация систем управления ( СУ). Афонин, В.В. Моделирование систем : учебно - практическое пособие / В.В.
  • Основные понятия теории управления; классификация систем управления (СУ). Афонин, В.В. Моделирование систем : учебно-практическое пособие / В.В.
  • Архитектуры и топологии многопроцессорных вычислительных систем : курс. Моделирование систем: учебно-практическое пособие Афонин В.
  • Имитационное моделирование : учебник / Ю.А. Моделирование систем : учебно-практическое пособие/. Афонин, С.А. Емельянов, Е.А. Власова, Р.В. Дума; под ред.

Оценка качества образцов по отсканированным изображениям осуществляется на основе методов статистического анализа данных – пикселей яркости. Предложено применение для анализа изменения декоративных свойств конструкций и изделий следующих показателей: тоновая контрастность, тоновая насыщенность, среднее абсолютное отклонение кодов RGB, треугольники яркости, треугольники стандартных отклонений яркости, относительные коэффициенты соответствия. Приведены примеры использования программного комплекса. Показаны графические и численные результаты обработки данных. Моделирование систем: учебно- практическое пособие / В. В. Афонин, С. А. Ерофеев В. Т., Афонин В. В., Касимкина М.

М. Влияние пластификаторов на изменение цветности ЛКМ под воздействием агрессивных сред // Лакокрасочные материалы и их применение. Ерофеев В. Т., Черушова Н. В., Афонин В. В. Программа анализа декоративных свойств защитных покрытий по строительным конструкциям с учетом коэффициентов корреляции и нормированной автокорреляционной функции: программа для ЭВМ // Свид. Методика оценки изменения декоративных свойств лакокрасочных материалов под действием эксплуатационных факторов / В.

Т. Ерофеев, Н. В. Черушова, В. В. Афонин, Е. А. Митина // Вестник отделения строительных наук РААСН: Вып.

Методика оценки изменения декоративных свойств лакокрасочных материалов под воздействием биологических и других факторов / Н. В. Черушова, В. В. Афонин, Е. А. Митина, В.

Т. Ерофеев // Биоповреждения и биокоррозия в строительстве: материалы Междунар. Ерофеев, В. Ф. Оценка изменения декоративных свойств лакокрасочных материалов под воздействием эксплуатационных факторов / Н. В. Черушова, Е. А. Митина, М. М. Касимкина, В. В. Афонин, В. Т. Ерофеев // Вестник Мордовского университета. Программа анализа однородности декоративных свойств строительных материалов и изделий на основе яркостных и геометрических характеристик: программа для ЭВМ / В. Т. Ерофеев, В. В.

Афонин, Н. В. Черушова и др. Программа прогнозирования изменения цвета лакокрасочных материалов: программа для ЭВМ / В. Т. Ерофеев, М. М. Касимкина, В. В. Афонин и др. Программный комплекс для оценки изменения декоративных свойств композиционных материалов, эксплуатирующийся в условиях воздействия физических, химических, биологических и климатических факторов: программа для ЭВМ / В.

Т. Ерофеев, В. В. Афонин, М. М. Зоткина и др.

Ряд результатов по теме данной работы представлены в . Программная реализация ряда алгоритмов по оценке качества поверхности материалов, полученных методом прямого сканирования, приводится в . Здесь рассмотрим более подробно некоторые методы и алгоритмы по оценке качества поверхностей изделий и конструкций. В силу выбранной цветовой модели RGB предлагается отдельное рассмотрение распределения яркости пикселей по каждой составляющей RGB, т. Предполагается, что распределение яркости пикселей в общем случае носит произвольный характер.

Поэтому можно использовать различные статистические методы и приемы для расчета характеристик, в частности, среднего арифметического, исправленной выборочной дисперсии, стандартного отклонения, множественного коэффициента корреляции, нормированной автокорреляционной функции . В программах . Но в работах . При этом обход матриц осуществляется по высоте и по ширине отсканированного образца какого- либо материала. Это означает, что будет получен одномерный массив данных о яркости пикселей соответствующего цвета, каждая точка которого есть среднее арифметическое по высоте или по ширине изображения. В итоге можно построить кривую в декартовой системе координат, ось абсцисс которой есть размер либо высоты, либо ширины изображения, а ось ординат – это яркость кода RGB в пределах от 0 до 2. Аналогичным путем вычисляется массив исправленной выборочной дисперсии как меры отклонения от среднего. Пример изменения средних значений кода RGB конкретного материала (рис.

Как видно из рис. RGB по высоте образца заметно отличаются от кодов RGB по ширине, что означает неоднородность поверхности материала исследуемого образца.

Рис. Изменение средних значений кода RGB: а – изображение исследуемого образца (размер 1. Стандартное отклонение – это плюс корень квадратный из дисперсии. Для неслучайных величин стандартное отклонение равно нулю.

Поэтому чем больше величина стандартного отклонения, тем менее однороден образец материала, и наоборот. По характеру изменения стандартного отклонения также можно определить неравномерность окраски образца. Примеры изменения стандартных отклонений приведены на рис. Как известно, нормированная автокорреляционная функция характеризует статистическую связь между данными. При отсутствии такой связи функция стремится к нулю.

Для определения корреляционной функции по результатам опыта выбирается достаточно большой объем выборки, чтобы можно было в широком диапазоне формировать разницу между двумя соседними значениями случайных чисел. Эту разницу для непрерывного времени обычно обозначают . Если объем выборки составляет N, то диапазон вычисления корреляционной функции будет определяться как N – . При этом N должно быть много больше 6 или 8. Область суммирования принимает значения от 1 (первое случайное число выборки) до N – .

Корреляционная функция вычисляется по следующей экспериментальной формуле . Изменение стандартного отклонения по ширине (а) и высоте (б) образцааб. Рис. Изменение автокорреляционной функции по ширине (а) и высоте (б) образца.

Примеры нормированных автокорреляционных функций для образца, представленного на рис. Анализ образца (см.

Расчет среднего арифметического одномерного массива соответствующей компоненты кода RGB не представляет особых затруднений. Расчет стандартного отклонения выполняется на основе расчета исправленной выборочной дисперсии (D) по формулегде n – размер массива; pi – средняя яркость точки (пикселя); – среднее арифметическое яркости пикселей (по высоте или по ширине). Для оптимизации вычисления дисперсии обычно рассчитываются первый m. В . Подход к анализу аналогичен предыдущим случаям. Рис. Поверхность образца до (а) и после (б–ж) воздействия агрессивной средыабв. Рис. Изменение средней яркости (а), стандартного отклонения (б) и тоновой контрастности образцов в результате агрессивного воздействияабв.

Рис. Изменение тоновой насыщенности (а) и относительного коэффициента яркости (б) образцов в результате агрессивного воздействия неблагоприятных факторов. Треугольник яркости двух сравниваемых образцов (в)В качестве числовой оценки изменения свойств материала, подвергавшегося внешним неблагоприятным факторам, предлагается ввести относительный коэффициент соответствия. Он изменяется от нуля до единицы. Единица соответствует полному совпадению сравниваемых образцов. Чем ближе к нулю, тем больше различий между образцами.

Алгоритм вычисления относительного коэффициента соответствия заключается в определении треугольников яркостей образцов, вершины которых соответствуют средним значениям (или стандартным отклонениям) кодов красного, зеленого, синего. Затем вычисляются площади треугольников. И, наконец, берется отношение меньшей площади к большей.

Очевидно, что если площади одинаковые, то относительный коэффициент соответствия будет равен единице. Рассмотрим пример сравнения образцов относительно контрольного образца. Другие образцы – это результат воздействия неблагоприятных факторов в течение 6 месяцев (1.

Изображения поверхности образцов, приведенные на рис. HPScan. Jet 2. 40. Результаты анализа отсканированных изображений с помощью разработанного программного комплекса .

Согласно данным (рис. Идентичные изображения будут иметь одинаковые треугольники яркости. Вершины треугольника представляют собой средние значения матриц компонент RGB, вычисленные по высоте и ширине образца. В частности, для контрольного образца (1- го изображения) и последнего (7- го изображения) образца получены следующие значения площадей (в квадратных единицах – кв.

Соответственно, приведенные диаграммы в программе . Поэтому сравнительный анализ образцов можно осуществлять не только визуально по графикам, но и при сравнении числовых показателей. В программе предусмотрено сравнение всех образцов относительно контрольного образца – изображения.

Разработанная методика оценки декоративных свойств покрытий позволяет моделировать изменение цвета и качества поверхности различных строительных материалов, изделий и конструкций под воздействием эксплуатационных факторов. Рассмотренные зависимости дают визуальную картину изменения свойств материалов в течение времени, а также числовые характеристики этих зависимостей. Библиографическая ссылка. Ерофеев В. Т., Афонин В. В., Черушова Н. В., Зоткина М. М., Митина Е. А., Зоткин В.

Источник:

formelibrary.ucoz.net

Моделирование систем В

Моделирование систем В. В. Афонин, С. А. Федосин

Учебно-практическое пособие состоит из теоретической и практической частей и оформлено в виде 12 лабораторных работ. В каждой работе приводятся необходимые теоретические сведения для выполнения и понимания практических примеров. В практической части рассматриваются характерные примеры и их полная программная реализация в таких средах, как MATLAB, GPSS/PC. Большая часть программного кода реализована в MATLAB. Пособие предназначено для студентов направления "Информатика и вычислительная техника". Обо всём этом и не только в книге Моделирование систем (В. В. Афонин, С. А. Федосин)

Издательство: Интернет-университет информационных технологий

Вы хотите как можно больше узнать о книге Моделирование систем? Тогда могу Вас уверить в том, что Вы находитесь в правильном месте. Так вот, Моделирование систем - это книга, которая была опубликована в издательстве Интернет-университет информационных технологий в 2010 году. Здесь вы найдете описание этой замечательного произведения и выходные данные. Также вы можете купить книгу Моделирование систем на сайтах наших партнеров.

Ссылки на книгу

Уважаемые пользователи сайта!

Убедительно просим Вас отнеситись с пониманием к тому, что информация о книгах не всегда точная, поскольку ошибки встречаются в любой творческой работе.

Если по Вашему мнению сведения о книге «Моделирование систем» ошибочны или не обладают достаточной полнотой, то рекомендуем Вам предложить свою информацию о книге «Моделирование систем».

Для Вашего удобства мы оптимизируем эту страницу не только по правильному запросу «Моделирование систем», но и по ошибочному запросу «vjltkbhjdfybt cbcntv». Такие ошибки иногда происходят, когда пользователи забывают сменить раскладку клавиатуры при вводе слова в строку поиска. Поэтому не стоит переживать, если Вы случайно в поисковой строке ввели «vjltkbhjdfybt cbcntv» вместо «Моделирование систем», Вы найдете интересующую Вас информацию.

Краткая информация по данной странице

Название: Моделирование систем В. В. Афонин, С. А. Федосин;

Описание: на данной странице представлена информация о книге В. В. Афонин, С. А. Федосин Моделирование систем;

Ключевые слова: Моделирование систем, В. В. Афонин, С. А. Федосин, книга, купить, скачать, скачать бесплатно, читать онлайн.

Источник:

izbe.ru

Афонин В., Федосин С. Моделирование систем. Учебно-практическое пособие для студентов в городе Ульяновск

В данном интернет каталоге вы сможете найти Афонин В., Федосин С. Моделирование систем. Учебно-практическое пособие для студентов по разумной стоимости, сравнить цены, а также изучить иные предложения в группе товаров Компьютеры и интернет. Ознакомиться с свойствами, ценами и рецензиями товара. Транспортировка производится в любой город России, например: Ульяновск, Воронеж, Киров.