Module also offered within study programmes:
General information:
Name:
Techniki obliczeniowe
Course of study:
2014/2015
Code:
IET-1-304-s
Faculty of:
Computer Science, Electronics and Telecommunications
Study level:
First-cycle studies
Specialty:
-
Field of study:
Electronics and Telecommunications
Semester:
3
Profile of education:
Academic (A)
Lecture language:
Polish
Form and type of study:
Full-time studies
Course homepage:
 
Responsible teacher:
dr inż. Korohoda Przemysław (korohoda@agh.edu.pl)
Academic teachers:
dr inż. Korohoda Przemysław (korohoda@agh.edu.pl)
dr inż. Gałka Jakub (jgalka@agh.edu.pl)
Mąsior Mariusz (masior@agh.edu.pl)
dr inż. Sypka Przemysław (sypka@agh.edu.pl)
Module summary

Description of learning outcomes for module
MLO code Student after module completion has the knowledge/ knows how to/is able to Connections with FLO Method of learning outcomes verification (form of completion)
Social competence
M_K001 Student rozumie potrzebę i zna możliwości ciągłego dokształcania się, podnoszenia swoich kompetencji zawodowych oraz pracy w zespole ET1A_K01, ET1A_K04 Involvement in teamwork
M_K002 Student ma świadomość ważności zachowywania się w sposób profesjonalny, przestrzegania zasad etyki zawodowej i wzajemnego poszanowania ET1A_K03 Execution of laboratory classes,
Involvement in teamwork
Skills
M_U001 Student umie zaplanować i zrealizować, np. w pakiecie Matlab, eksperyment symulacyjny integrując wiedzę teoretyczną i praktyczną z różnych przedmiotów kierunkowych ET1A_U24, ET1A_U12, ET1A_U02, ET1A_U01 Test,
Execution of laboratory classes
M_U002 Student umie zweryfikować z wykorzystaniem wspomagania komputerowego napotykane informacje teoretyczne, w szczególności w postaci wzorów oraz algorytmów, posługując się kryteriami błędów oraz formą graficzną ET1A_U10, ET1A_U05, ET1A_U01 Test,
Execution of laboratory classes
Knowledge
M_W001 Student zna podstawowe techniki matematyczne umożliwiające tworzenie oprogramowania do symulowania układów elektronicznych oraz rozwiązywania interdyscyplinarnych problemów inżynierskich ET1A_W02, ET1A_W13, ET1A_W01 Test
M_W002 Student ma podstawowa wiedzę w zakresie stosowania wybranych technik numerycznych oraz prezentowania i interpretowania pozyskiwanych wyników ET1A_W07, ET1A_W14 Test
FLO matrix in relation to forms of classes
MLO code Student after module completion has the knowledge/ knows how to/is able to Form of classes
Lecture
Audit. classes
Lab. classes
Project classes
Conv. seminar
Seminar classes
Pract. classes
Zaj. terenowe
Zaj. warsztatowe
Others
E-learning
Social competence
M_K001 Student rozumie potrzebę i zna możliwości ciągłego dokształcania się, podnoszenia swoich kompetencji zawodowych oraz pracy w zespole + - + - - - - - - - -
M_K002 Student ma świadomość ważności zachowywania się w sposób profesjonalny, przestrzegania zasad etyki zawodowej i wzajemnego poszanowania + - + - - - - - - - -
Skills
M_U001 Student umie zaplanować i zrealizować, np. w pakiecie Matlab, eksperyment symulacyjny integrując wiedzę teoretyczną i praktyczną z różnych przedmiotów kierunkowych + - + - - - - - - - -
M_U002 Student umie zweryfikować z wykorzystaniem wspomagania komputerowego napotykane informacje teoretyczne, w szczególności w postaci wzorów oraz algorytmów, posługując się kryteriami błędów oraz formą graficzną + - + - - - - - - - -
Knowledge
M_W001 Student zna podstawowe techniki matematyczne umożliwiające tworzenie oprogramowania do symulowania układów elektronicznych oraz rozwiązywania interdyscyplinarnych problemów inżynierskich + - + - - - - - - - -
M_W002 Student ma podstawowa wiedzę w zakresie stosowania wybranych technik numerycznych oraz prezentowania i interpretowania pozyskiwanych wyników + - + - - - - - - - -
Module content
Lectures:

1.Rozwiązywanie układów równań, zastosowania
Rozwiązania rzeczywiste i zespolone dla równań algebraicznych 3. i 4. stopnia, wzory Viete’a dla dowolnego stopnia wielomianu, wyznaczanie miejsca zerowego dla funkcji jednej zmiennej, rozwiązywanie układu równań nieliniowych, wielowymiarowa metoda Newtona-Raphsona, transmitancja jako iloraz wielomianów, stabilność dla systemów z czasem ciągłym i dyskretnym.

2.Interpolacja i ekstrapolacja
Wielomiany Lagrange’a, metoda Neville’a, interpolacja za pomocą szeregu funkcji bazowych przy różnych bazach, rozwiązanie macierzowe, przykłady zastosowania splajnów, szereg Taylora z różnymi sposobami szacowania reszty, pochodne cząstkowe i dwuwymiarowy szereg Taylora.

3.Aproksymacja
Związki między iloczynem skalarnym i metryką oraz normą, zastosowania iloczynu skalarnego, aproksymacja z wykorzystaniem wybranych baz, wielomiany Czebyszewa, wielomiany Legendre’a, procedura ortonormalizacyjna.

4.Analiza regresji i dyskretne transformacje
Generowanie pseudolosowe z zadanym rozkładem, regresja liniowa dla jednej i wielu zmiennych , rozwiązanie macierzowe, regresja nieliniowa oraz z nieliniową funkcją przejścia, dyskretna transformacja ortogonalna jako nieliniowa regresja wielowymiarowa, dyskretna transformacja Karhunen-Loeve, dekompozycja LU, algorytm Crouta.

5.Wybrane zastosowania analizy matematycznej
Numeryczne wyznaczanie całki oznaczonej, rozwiązywanie równań różniczkowych jednorodnych i niejednorodnych 1. stopnia, konfrontacja metod analitycznych i numerycznych oraz z wykorzystaniem transformaty Laplace’a, uogólnienie na układy równań różniczkowych w zapisie macierzowym, zastosowanie dla obwodów elektrycznych oraz problemów fizycznych (jak np. ruch harmoniczny, model układu planetarnego).

Laboratory classes:

1.Porównanie wybranych metod wyznaczania rozwiązań dla równań oraz układów równań
– wprowadzenie do ćwiczeń, uporządkowanie i podsumowanie podstaw korzystania z pakietu Matlab, opracowanie metodyki eksperymentów porównawczych, ich realizacja w pakiecie Matlab, prezentacja wyników, wyciąganie wniosków. Wyboru porównywanych metod na podstawie materiały wykładowego dla każdej grupy dokonuje prowadzący.

2.Przykłady interpolacji i zastosowania szeregu Taylora
- opracowanie metodyki eksperymentów przedstawiających wybrane metody, ich realizacja w pakiecie Matlab, prezentacja wyników, wyciąganie wniosków. Wyboru badanych metod dla każdej grupy dokonuje na podstawie materiału wykładowego prowadzący.

3.Projekt i realizacja w pakiecie Matlab oprogramowania do testowania wybranych metod aproksymacji
- opracowanie ogólnej koncepcji testowania, wykonanie wstępnej wersji, przeprowadzenie testów, wprowadzenie poprawek korygujących błędy, prezentacja wyników, wyciąganie wniosków. Wyboru testowanych metod dla każdej grupy dokonuje prowadzący.

4.Projekt i realizacja w pakiecie Matlab oprogramowania do testowania wybranych modeli regresji
- opracowanie ogólnej koncepcji, wykonanie wstępnej wersji, przeprowadzenie testów, wprowadzenie poprawek korygujących błędy, prezentacja wyników, wyciąganie wniosków. Wyboru modeli dla każdej grupy dokonuje prowadzący.

5.Studium i rozbudowa demonstracji z wykorzystaniem modeli zbudowanych z układów równań różniczkowych 1 stopnia
– uruchomienie i przestudiowanie demonstracji przygotowanych w pakiecie Matlab, a następnie wprowadzenie zmian poszerzających możliwości tych demonstracji o wybrane porównania i zestawy parametrów. Podsumowanie poznanych technik pakietu Matlab.

6.Podsumowanie i weryfikacja umiejętności praktycznych oraz test z wiedzy teoretycznej.

Student workload (ECTS credits balance)
Student activity form Student workload
Summary student workload 100 h
Module ECTS credits 4 ECTS
Participation in lectures 14 h
Realization of independently performed tasks 13 h
Participation in laboratory classes 28 h
Preparation for classes 45 h
Additional information
Method of calculating the final grade:

1. Warunkiem uzyskania pozytywnej oceny końcowej (OK) jest uzyskanie pozytywnej oceny z umiejętności praktycznych w laboratorium oraz wiedzy teoretycznej weryfikowanej w trakcie krótkich testów pisemnych w trakcie laboratorium.
2. Obliczamy średnią ważoną (śr) z ocen za poszczególne ćwiczenia.
3. Ocena końcowa wyznaczana jest na podstawie zależności:
jeżeli śr>=90%, to OK=5.0 w przeciwnym przypadku
jeżeli śr>=80%, to OK=4.5 w przeciwnym przypadku
jeżeli śr>=70%, to OK=4.0 w przeciwnym przypadku
jeżeli śr>=60%, to OK=3.5 w przeciwnym przypadku
jeżeli śr>=50%, to OK=3.0 w przeciwnym przypadku OK=2.0
4. Jeżeli pozytywną ocenę z laboratorium i zaliczenia wykładu uzyskano w pierwszym terminie i dodatkowo student był aktywny na wykładach, to ocena końcowa może być podniesiona o 0.5.
5. W przypadku braku zaliczenia w terminie podstawowym każdy prowadzący zajęcia laboratoryjne może ustalić nie więcej niż dwa kolejne terminy, tzw. poprawkowe, w terminie sesji dla odpowiedniego semestru. W tych dodatkowych terminach prowadzący koncentruje się na stwierdzeniu, czy student posiada wiedzę i umiejętności spełniające określone arbitralnie wymagania na ocenę 3,0, jednak w uzasadnionych przypadkach może zaproponować ocenę wyższą.

Prerequisites and additional requirements:

Podstawy algebry macierzy i analizy (pochodne i równania różniczkowe jednej zmiennej)
Podstawy teorii obwodów
Podstawy programowania w językach wyższego poziomu

Recommended literature and teaching resources:

1.S. Osowski, A. Cichocki, K. Siwek: „Matlab w zastosowaniu do obliczeń obwodowych i przetwarzaniu sygnałów”, OWPW, Warszawa 2006.
2.R. Klempka, R. Sikora-Iliew, A. Stankiewicz, B Świątek: „Modelowanie i symulacja układów elektrycznych w Matlabie – przykłady”, AGH – UWN-D, Kraków 2007.
3.R. Klempka, A, Stankiewicz: „ Modelowanie i symulacja układów dynamicznych”, AGH UWN-D, Kraków 2006.
4.W. H. Press, S. A. Teukolsky, W. T. Vetterling, B. P. Flannery: “Numerical Recipes in C”, Cambridge University Press 1992.

Scientific publications of module course instructors related to the topic of the module:

Additional scientific publications not specified

Additional information:

None