Fractal compression a technology in search of a problem
|
|
- Georg Graversen
- 5 år siden
- Visninger:
Transkript
1 Fractal compression a technology in search of a problem Bryggervej 30, 8240 Århus N 4. januar 2011
2 Oversigt 1 Magien bag ved Matematikken Kopimaskinen Simsalabim Partitioneret IFS 2 Collage theorem De sidste detaljer Mindste kvadrater Kompleksitet 3 Parallelberegning arkitektur PIFS 4 As seen on
3 Matematikken Kopimaskinen Simsalabim Partitioneret IFS Affine transformationer [ ] [ ] [ ] x ai b w i = i x + y y c i d i [ ei f i ] Translation Rotatation Shear Spejling
4 Matematikken Kopimaskinen Simsalabim Partitioneret IFS Iterrede funktionssystemer IFS IFS n W ( ) = w i ( ) i=1 f 1 = W (f 0 ) f 2 = W 2 (f 0 ) = W (W (f 0 )) Attractor W f = lim n W n (f 0 )
5 Matematikken Kopimaskinen Simsalabim Partitioneret IFS
6 Matematikken Kopimaskinen Simsalabim Partitioneret IFS
7 Matematikken Kopimaskinen Simsalabim Partitioneret IFS uendelig zoom
8 Matematikken Kopimaskinen Simsalabim Partitioneret IFS organiske former
9 Matematikken Kopimaskinen Simsalabim Partitioneret IFS Observationer Compression Det kræver få transformationer, de er nemme at gemme Zoom Vi kan forstørrer uden at få artifacts Contraction Vi er nødt til at kræve at transformationerne (samlet set) trækker sig sammen. Rekursivt Billedet er en attractor defineret af transformationer. Det er altså ligegyldigt hvad vi bruger som input(f 0 ). Hvad hvis vi kunne gå den anden vej?
10 Matematikken Kopimaskinen Simsalabim Partitioneret IFS Den anden vej self-similaritet Hele billedet ligner ikke ikke sig selv, men dele af billedet ligner andre dele.
11 Matematikken Kopimaskinen Simsalabim Partitioneret IFS Partitioneret IFS Partitionering Vi redefinerer w i således at de tager en blok som input og laver en block som output. Der er mange muligheder : grid, quadmap, HV, etc.
12 Collage theorem De sidste detaljer Mindste kvadrater Kompleksitet Collage theorem Wikipedia skriver Let X be a Complete metric space. Let L H(X) be given, and let ɛ 0 be given. Choose an IFS {X; w 1, w 2,..., w N } with contractivity factor 0 s < 1, so that ( ) N h L, w n (L) ε, n=1 where h(d) is the Hausdorff metric. Then h(l, A) where A is the attractor of the IFS. ε 1 s
13 Collage theorem De sidste detaljer Mindste kvadrater Kompleksitet Collage theorem På dansk Hvis der kan findes en transformation på en domain block w der ligner vores range block ret godt. Så vil det ligne endnu mere hvis vi køre transformationen igen. Målet er derfor ikke at finde et perfekt match, men et godt match.
14 Collage theorem De sidste detaljer Mindste kvadrater Kompleksitet Farver Betragt en pixel (x, y) som en funktion der giver farven. f (x,y) = farve.
15 Collage theorem De sidste detaljer Mindste kvadrater Kompleksitet Den sidste bid matematik Hvornår ligner det ret godt? Vi har brug for en måde at måle hvor godt en transformeret domain block ligner en range. Her bliver mindste kvadraters metode(rms) brugt. Hvad med pixel intensiteten? Vi kan have noget der ligner ret godt, men ikke har samme pixelintensitet. For at råde bod på det tilføjer vi transformationer af pixel intensitet.
16 Collage theorem De sidste detaljer Mindste kvadrater Kompleksitet Pixel intensitet Givet to kvadrater med pixel intensiteter: a 1,... a n fra D i og b 1,... b n fra R i, skal vi finde s og o der minimere R: R = n (s a i + o b i ) 2 i=1 Vi kan altså finde s og o således at der er kortest afstand fra D i til R i.
17 Collage theorem De sidste detaljer Mindste kvadrater Kompleksitet Mindste kvadraters metode s = n2 ( n i=1 a ib i ) n i=1 a n i i=1 b i n 2 n i=1 a2 i ( n i=1 a i) 2 n i=1 o = b i s n i=1 a i n 2 Vi kan altså finde s og o således at der er kortest afstand fra D i til R i.
18 Collage theorem De sidste detaljer Mindste kvadrater Kompleksitet men hvis så er det n 2 ( n n ) 2 ai 2 a i = 0 i=1 i=1 s = 0 o = n i=1 b i n 2
19 Collage theorem De sidste detaljer Mindste kvadrater Kompleksitet RMS Med s og o i hånden kan vi beregne vores mål for at ligne ret godt. R = P n i=1 b2 i +s(s P n i=1 a2 i 2(P n i=1 a i b i)+2 o P n i=1 a i)+o(o n 2 2 P n i=1 b i) n 2 Vi kunne spare tid ved at erklære en nedre grænse for varians, altså indføre shaddowblocks hvis blokken praktisk talt er ensfarvet.
20 Collage theorem De sidste detaljer Mindste kvadrater Kompleksitet En fremgangsmåde Find blok range blok: R i for alle mulige domain blokke D j for mulige transfomationer ( k ) lav transformation w k på domain blok D j løs RMS for at finde s, o gem den bedste løsning til som transformation til r i
21 Collage theorem De sidste detaljer Mindste kvadrater Kompleksitet Huh der er mange muligheder ranges width height domains width height transfomationer spejling, rotation (α = 1, 2... n), shear partitionering grid, quadmap, rectangler, polygoner... Kompleksitet Hver range kræver at man undersøger en masse domains. Hvis der ikke kommer restriktioner på bliver det praktisk talt uendeligt.
22 Collage theorem De sidste detaljer Mindste kvadrater Kompleksitet PIFS Restriktioner simpelt grid ranges er disjunkte range størrelsen er 1 2 domain.
23 Collage theorem De sidste detaljer Mindste kvadrater Kompleksitet simple transformationer Symmetri operationer Disse transformationer er nemme og hurtige at regne med og holder sig inden for et kvadrat.
24 Collage theorem De sidste detaljer Mindste kvadrater Kompleksitet Hvad skal vi gemme? translation Hvor kommer en domain blok fra, x,y. symmetri operation Hvilken af de 8 transformationer skal der bruges pixel intensitet transformation af pixel intensitet. Vi har implicit samme blok størrelse, og vi kan gemme range blokke i rækkefølge. Hvorfor det er tilstrækkeligt at vide hvor domain blokken er. Alle domains, er dobbelt så store. Det er derfor nemt at beregne en transformeret pixel, som en symmetri transformation og et gennemsnit af 4 nabo pixels.
25 Collage theorem De sidste detaljer Mindste kvadrater Kompleksitet codeblocks codeblocks En transformeret domainblok. Antal codeblocks er afgørende for kompleksiteten, restriktionerne reducerer antallet - men der er stadigt nogle stykker.
26 Collage theorem De sidste detaljer Mindste kvadrater Kompleksitet Der er noget at regne på billede med 4 4 range blokke: Hvor mange måder kan vi så placere vores 8 8 domains. Hvis vi ikke yderligt begrænser muligheder, er der = placeringer og yderligt 8 mulige symetri operationer. Altså = codeblocks. Der er ( ) = range blokke der alle skal sammenlignes med domains. Alt i alt skal vi beregne RMS gange. 34 mia sammenligninger n=antal pixels betyder det er O(n 2 ) med andre ord: ubehageligt
27 Vi kan hjælpes ad Magien bag ved Parallelberegning arkitektur PIFS alle rangeblokke skal sammenlignes med alle codeblocks Der er ikke nogen afhængigheder mellem rangblocks. Det er altså muligt trivielt at gøre det parallelt. Hvis vi har n processorer kan vi gøre det i O(n)
28 Ikke n, men mange Magien bag ved Parallelberegning arkitektur PIFS 336 processorer er også en slags n
29 Why GPU Magien bag ved Parallelberegning arkitektur PIFS
30 Parallelberegning arkitektur PIFS Den lille forskel GPU SIMD Single instruction, multiple data Mindre cache Pas på branches
31 Parallelberegning arkitektur PIFS ingen doven skræder GPU Mange tråde fx en tråd pr pixel zero-overhead scheduling inden for en warp Memorybandwith bliver nemt en flaskehals
32 Parallelberegning arkitektur PIFS Lidt tættere på metallet GPU Begrænset antal registre Stor forskel på accesstime på memorytyper Texturefunktioner er ej så ringe
33 Parallelberegning arkitektur PIFS Fra minutter til sekunder En tråd pr rangblock Blokke på max størrelse (16x16 / 32x32) Shared memory til codeblocks fokus på fractal interpolation
34 Input Magien bag ved As seen on
35 Iteration 00 Magien bag ved As seen on
36 Iteration 02 Magien bag ved As seen on
37 Iteration 04 Magien bag ved As seen on
38 Iteration 14 Magien bag ved As seen on
39 kvalitet Magien bag ved As seen on
40 Original 128x128 Magien bag ved As seen on billeder lånt fra et speciale...
41 fractal interpolation 256x256 As seen on
42 bilinear interpolation 256x256 As seen on
43 As seen on I den virkelige verden Det tager tid Valget faldt på JPEG Microsoft Encarta (1992) store forstørrelser ie kæmpebannere Medicinske billeder? Sattelit billeder?
Eric Nordenstam 1 Benjamin Young 2. FPSAC 12, Nagoya, Japan
Eric 1 Benjamin 2 1 Fakultät für Matematik Universität Wien 2 Institutionen för Matematik Royal Institute of Technology (KTH) Stockholm FPSAC 12, Nagoya, Japan The Aztec Diamond Aztec diamonds of orders
Læs mereProgram. 1. ensidet variansanalyse. 2. forsøgsplanlægning: blocking. 1/12
Program 1. ensidet variansanalyse. 2. forsøgsplanlægning: blocking. 1/12 Ensidet variansanalyse: analyse af grupperede data Nedbrydningsrate for tre typer af opløsningsmidler (opgave 13.8 side 523) Sorption
Læs mereAutomatisk tombakkelager (bloklager) Automatic empty tray storage (stacking storage) Automatic empty tray storage (block storage)
STORAGE Automatisk tombakkelager (stabellager) Automatic empty tray storage (stacking storage) Automatisk tombakkelager (bloklager) Automatic empty tray storage (block storage) Fuldautomatisk lagersystem
Læs mereForelæsning 11: Kapitel 11: Regressionsanalyse
Kursus 02402 Introduktion til Statistik Forelæsning 11: Kapitel 11: Regressionsanalyse Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220 Danmarks Tekniske Universitet 2800
Læs mereDanmarks Tekniske Universitet
DTU. Kursus 02511. Forside + 25 sider. 30. Maj 2011. 1 Danmarks Tekniske Universitet Skriftlig prøve, den 30. maj 2011 Kursus navn: Indledende Medicinsk Billedanalyse Kursusnr: 02511 Varighed: 4 timer
Læs mereUniversity of Copenhagen Faculty of Science Written Exam - 3. April Algebra 3
University of Copenhagen Faculty of Science Written Exam - 3. April 2009 Algebra 3 This exam contains 5 exercises which are to be solved in 3 hours. The exercises are posed in an English and in a Danish
Læs mereGrådige algoritmer. Et generelt algoritme-konstruktionsprincip ( paradigme ) for optimeringsproblemer.
Grådige algoritmer Grådige algoritmer Et generelt algoritme-konstruktionsprincip ( paradigme ) for optimeringsproblemer. Grådige algoritmer Et generelt algoritme-konstruktionsprincip ( paradigme ) for
Læs mereDivide-and-Conquer algoritmer
Divide-and-Conquer algoritmer Divide-and-Conquer algoritmer Det samme som rekursive algoritmer. 1. Opdel problem i mindre delproblemer (af samme type). 2. Løs delproblemerne ved rekursion (dvs. kald algoritmen
Læs mereOrienterede grafer. Orienterede grafer. Orienterede grafer. Vejnetværk
Philip Bille Orienteret graf (directed graph). Mængde af knuder forbundet parvis med orienterede kanter. Vejnetværk Knude = vejkryds, kant = ensrettet vej. deg + (6) =, deg - (6) = sti fra til 6 8 7 9
Læs mereSampling real algebraic varieties for topological data analysis
Sampling real algebraic varieties for topological data analysis Joint with: Emilie Dufresne (U. York) Heather Harrington (U. Oxford) Jonathan Hauenstein (U. Notre Dame) AG19, July 2019 Sampling real varieties
Læs mereMatematik opgave Projekt afkodning Zehra, Pernille og Remuss
Matematik opgave Projekt afkodning Zehra, Pernille og Remuss Opgave A Sæt de overstående symboler ind i en matematisk sammenhæng der gør dem forståelige. Det kan være som en sætning eller med tal og bogstaver
Læs mereKrystallografi er den eksperimentelle videnskab der anvendes til bestemmelse af atomernes positioner I faste stoffer.
Krystallografi er den eksperimentelle videnskab der anvendes til bestemmelse af atomernes positioner I faste stoffer. Kilde: Wikipedia INTRO? Sildenafil, trade name VIAGRA TM, chemical name 5-[2-ethoxy-5-(4-methylpiperazin-1-ylsulfonyl)phenyl]-1-
Læs mereOversigt. 1 Gennemgående eksempel: Højde og vægt. 2 Korrelation. 3 Regressionsanalyse (kap 11) 4 Mindste kvadraters metode
Kursus 02402 Introduktion til Statistik Forelæsning 11: Kapitel 11: Regressionsanalyse Oversigt 1 Gennemgående eksempel: Højde og vægt 2 Korrelation 3 Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse
Læs mereEscape velocity: Slashing deployment times with Docker
Alm Brand IT-OPERATIONS / IT-UDVIKLING Escape velocity: Slashing deployment times with Docker DrivingIT 04/11 2016 Loke Johannessen & Sune Keller Agenda 1. Hvor kommer vi fra 2. Hvor ville vi hen 3. Fart
Læs mereSidste gang Motivation Definitioner Approximations-algoritme for knudeoverdækning Approximations-algoritme for TSP med trekantsulighed
Approximations-algoritmer Sidste gang Motivation Definitioner Approximations-algoritme for knudeoverdækning Approximations-algoritme for TSP med trekantsulighed Negativt resultat om generel TSP Approximations-algoritme
Læs mere.. if L(u) + w(u, v) < L(v) then.. begin... L(v) := L(u) + w(u, v)... F (v) := u.. end. med længde L(z)}
Procedure Dijkstra(G = (V, E): vægtet sh. graf,. a, z: punkter) { Det antages at w(e) > 0 for alle e E} For alle v V : L(v) := L(a) := 0, S := while z / S begin. u := punkt ikke i S, så L(u) er mindst
Læs mereIntroduktion. Introduktion. Algoritmer og datastrukturer. Eksempel: Maksimalt tal
Philip Bille Algoritmer og datastrukturer Algoritmisk problem. Præcist defineret relation mellem input og output. Algoritme. Metode til at løse et algoritmisk problem. Beskrevet i diskrete og entydige
Læs mereIntroduktion. Algoritmer og datastrukturer Toppunkter Algoritme 1 Algoritme 2 Algoritme 3. Philip Bille
Introduktion Algoritmer og datastrukturer Toppunkter Algoritme 1 Algoritme 2 Algoritme 3 Philip Bille Introduktion Algoritmer og datastrukturer Toppunkter Algoritme 1 Algoritme 2 Algoritme 3 Algoritmer
Læs merewhat is this all about? Introduction three-phase diode bridge rectifier input voltages input voltages, waveforms normalization of voltages voltages?
what is this all about? v A Introduction three-phase diode bridge rectifier D1 D D D4 D5 D6 i OUT + v OUT v B i 1 i i + + + v 1 v v input voltages input voltages, waveforms v 1 = V m cos ω 0 t v = V m
Læs mereAlgorithms and Architectures I Rasmus Løvenstein Olsen (RLO) Mm2: Rekursive algoritmer og rekurrens - October 12, 2010
Algorithms and Architectures I Rasmus Løvenstein Olsen (RLO) Mm2: Rekursive algoritmer og rekurrens - October 12, 2010 1 Algorithms and Architectures II 1. Introduction to analysis and design of algorithms
Læs mereModel CFM06 Design by C F Møller Design
Arm height (frame): 59 cm Arm width: 7 cm Total depth: 87 cm Seat depth: 53 cm Seat height: 43 cm Total height (frame): 59 cm 120 x 60 x 42 cm 180 x 60 x 42 cm Arm height (frame): 59 cm Arm width: 7 cm
Læs mereCPU i7 2.2 GHz 4 kerner i5-4210u 1,7 GHz 2 kerner, 4 logiske kerner GPU integreret Nvidia GeForce 820M Ram 8GB 6 GB Harddisk HDD HDD
Indledning En computer indeholder forskellige komponenter. De vigtigste er CPU, GPU, RAM og harddisk. CPU en er selve hjertet, som styre processerne, og siger til hvilket komponent der skal lave hvilken
Læs mereMatematisk modellering og numeriske metoder. Lektion 15
Matematisk modellering og numeriske metoder Lektion 15 Morten Grud Rasmussen 1. november, 2013 1 Numerisk analyse [Bogens afsnit 19.1 side 788] 1.1 Grundlæggende numerik Groft sagt handler numerisk analyse
Læs mere6. Regression. Hayati Balo,AAMS. 1. Nils Victor-Jensen, Matematik for adgangskursus, B-niveau 1
6. Regression Hayati Balo,AAMS Følgende fremstilling er baseret på 1. Nils Victor-Jensen, Matematik for adgangskursus, B-niveau 1 6.0 Indledning til funktioner eller matematiske modeller Mange gange kan
Læs mereAlgoritmer og datastrukturer Course No. 02105 Cheat Sheet 2012. May 15, 2012
Algoritmer og datastrukturer Course No. 02105 Cheat Sheet 2012 May 15, 2012 1 CONTENTS 2012 CONTENTS Contents 1 Kompleksitet 3 1.1 Køretid................................................ 3 1.2 Asymptotisk
Læs mereParallelle algoritmer
Parallelle algoritmer 1 Von Neumann s model John von Neumann 1903-57 Von Neumanns model: Instruktioner og data er lagret i samme lager, og én processor henter instruktioner fra lageret og udfører dem én
Læs mereuprocessorens hardware
uprocessorens hardware 8080 Architecture Kernen i en processor er ALUen. Det er den som kan udfører simple regne operationer. De tal den arbejdermed gemmes i en række registre. Når et tal skal hentes eller
Læs mereNetværksalgoritmer 1
Netværksalgoritmer 1 Netværksalgoritmer Netværksalgoritmer er algoritmer, der udføres på et netværk af computere Deres udførelse er distribueret Omfatter algoritmer for, hvorledes routere sender pakker
Læs merePARALLELIZATION OF ATTILA SIMULATOR WITH OPENMP MIGUEL ÁNGEL MARTÍNEZ DEL AMOR MINIPROJECT OF TDT24 NTNU
PARALLELIZATION OF ATTILA SIMULATOR WITH OPENMP MIGUEL ÁNGEL MARTÍNEZ DEL AMOR MINIPROJECT OF TDT24 NTNU OUTLINE INEFFICIENCY OF ATTILA WAYS TO PARALLELIZE LOW COMPATIBILITY IN THE COMPILATION A SOLUTION
Læs mereStarWars-videointro. Start din video på den nørdede måde! Version: August 2012
StarWars-videointro Start din video på den nørdede måde! Version: August 2012 Indholdsfortegnelse StarWars-effekt til videointro!...4 Hent programmet...4 Indtast din tekst...5 Export til film...6 Avanceret
Læs mereEksamen i Matematik F2 d. 19. juni Opgave 2. Svar. Korte svar (ikke fuldstændige)
Eksamen i Matematik F2 d. 9. juni 28 Korte svar (ikke fuldstændige Opgave Find realdelen, Re z, og imaginærdelen, Im z, for følgende værdier af z, a z = 2 i b z = i i c z = ln( + i Find realdelen, Re z,
Læs mereECE 551: Digital System * Design & Synthesis Lecture Set 5
ECE 551: Digital System * Design & Synthesis Lecture Set 5 5.1: Verilog Behavioral Model for Finite State Machines (FSMs) 5.2: Verilog Simulation I/O and 2001 Standard (In Separate File) 3/4/2003 1 ECE
Læs merestandard normalfordelingen på R 2.
Standard normalfordelingen på R 2 Lad f (x, y) = 1 x 2 +y 2 2π e 2. Vi har så f (x, y) = 1 2π e x2 2 1 2π e y2 2, og ved Tonelli f dm 2 = 1. Ved µ(a) = A f dm 2 defineres et sandsynlighedsmål på R 2 målet
Læs mereHenrik Bulskov Styltsvig
Data Mining Henrik Bulskov Styltsvig Datalogiafdelingen, hus 42.1 Roskilde Universitetscenter Universitetsvej 1 Postboks 260 4000 Roskilde Telefon: 4674 2000 Fax: 4674 3072 www.dat.ruc.dk Målsætning Data
Læs mereSkriftlig Eksamen DM507 Algoritmer og Datastrukturer
Skriftlig Eksamen DM507 Algoritmer og Datastrukturer Institut for Matematik og Datalogi Syddansk Universitet, Odense Tirsdag den 24. juni 2014, kl. 10:00 14:00 Besvarelsen skal afleveres elektronisk. Se
Læs mereSign variation, the Grassmannian, and total positivity
Sign variation, the Grassmannian, and total positivity arxiv:1503.05622 Slides available at math.berkeley.edu/~skarp Steven N. Karp, UC Berkeley FPSAC 2015 KAIST, Daejeon Steven N. Karp (UC Berkeley) Sign
Læs mereMiddelværdi og varians. Kovarians. korrelation = 0.02 korrelation = 0.7 korrelation = 1.0
Middelværdi og varians Middelværdien af en diskret skalarfunktion f(x), for x = 0, N er: µ = N f(x) N x=0 For vektorfuktioner er middelværdivektoren tilsvarende: µ = N f(x) N x=0 Middelværdien er en af
Læs mereHashing. Hashing. Ordbøger. Ordbøger. Ordbøger Hægtet hashing Hashfunktioner Lineær probering. Ordbøger Hægtet hashing Hashfunktioner Lineær probering
Philip Bille Ordbøger. Vedligehold en dynamisk mængde S af elementer. Hvert element har en nøgle key[x] fra et univers af nøgler U og satellitdata data[x]. Ordbogsoperationer. SEARCH(k): afgør om element
Læs mereHashing. Ordbøger Hægtet hashing Hashfunktioner Lineær probering. Philip Bille
Hashing Ordbøger Hægtet hashing Hashfunktioner Lineær probering Philip Bille Hashing Ordbøger Hægtet hashing Hashfunktioner Lineær probering Ordbøger Ordbøger. Vedligehold en dynamisk mængde S af elementer.
Læs mereSymmetri i natur, kunst og matematik
Symmetri i natur, kunst og matematik Lisbeth Fajstrup og Bedia Akyar Møller Institut for matematiske fag Aalborg Universitet 1. februar 2017 Lisbeth Fajstrup og Bedia Akyar Møller () Symmetri i natur,
Læs mereDanmarks Tekniske Universitet
side af sider Danmarks Tekniske Universitet Skriftlig prøve, den 6. maj 0. Kursusnavn: Algoritmer og datastrukturer I Kursus nr. 005. Tilladte hjælpemidler: Skriftlige hjælpemidler. Varighed: timer Vægtning
Læs mereIntroduktion. Philip Bille
Introduktion Philip Bille Plan Algoritmer og datastrukturer Toppunkter Algoritme 1 Algoritme 2 Algoritme 3 Algoritmer og datastrukturer Hvad er det? Algoritmisk problem: præcist defineret relation mellem
Læs mereOptical Time Domain Reflectometer Princip for OTDR
Optical Time Domain Reflectometer Princip for OTDR Hvad er en OTDR Backscattered lys Pulse input Hvad er en OTDR? En OTDR er et instrument, der analyserer lys tabet i en optisk fiber og benyttes til at
Læs mereSortering. De n tal i sorteret orden. Eksempel: Kommentarer:
Sortering Sortering Input: Output: n tal De n tal i sorteret orden Eksempel: Kommentarer: 6, 2, 9, 4, 5, 1, 4, 3 1, 2, 3, 4, 4, 5, 9 Sorteret orden kan være stigende eller faldende. Vi vil i dette kursus
Læs mereAlgoritmisk geometri
Algoritmisk geometri 1 Intervalsøgning 2 Motivation for intervaltræer Lad der være givet en database over ansatte i en virksomhed Ansat Alder Løn Ansættelsesdato post i databasen Antag, at vi ønsker at
Læs mereMm6: More sorting algorithms: Heap sort and quick sort - October 29, 2008
Algorithms and Architectures I Rasmus Løvenstein Olsen (RLO), Jimmy Jessen Nielsen (JJE) Mm6: More sorting algorithms: Heap sort and quick sort - October 9, 008 Algorithms and Architectures II. Introduction
Læs mereEfterlyst! Introduktion HTML & CSS. I dette projekt skal du lære, hvordan du laver din egen plakat. Arbejdsliste. Test dit Projekt.
HTML & CSS 1 Efterlyst! All Code Clubs must be registered. Registered clubs appear on the map at codeclubworld.org - if your club is not on the map then visit jumpto.cc/ccwreg to register your club. Introduktion
Læs mereOn the complexity of drawing trees nicely: corrigendum
Acta Informatica 40, 603 607 (2004) Digital Object Identifier (DOI) 10.1007/s00236-004-0138-y On the complexity of drawing trees nicely: corrigendum Thorsten Akkerman, Christoph Buchheim, Michael Jünger,
Læs mereParticle-based T-Spline Level Set Evolution for 3D Object Reconstruction with Range and Volume Constraints
Particle-based T-Spline Level Set for 3D Object Reconstruction with Range and Volume Constraints Robert Feichtinger (joint work with Huaiping Yang, Bert Jüttler) Institute of Applied Geometry, JKU Linz
Læs mereUgeseddel 12(10.12 14.12)
Ugeseddel (..) Matematisk Programmering Niels Lauritzen..7 FORELÆSNINGER I ugen. 7. gennemgik vi algoritmer til løsning af heltalsprogrammer ved hjælp af simplex algoritmen. Dette er heltalsprogrammeringsugesedlen
Læs mereMatematik F2 Opgavesæt 6
Opgave 4: Udtryk funktionen f(θ) = sin θ ved hjælp af Legendre-polynomierne på formen P l (cos θ). Dvs. find koefficienterne a l i ekspansionen f(θ) = a l P l (cos θ) l= Svar: Bemærk, at funktionen er
Læs mereParallelisering/Distribuering af Genetiske Algoritmer
Parallelisering/Distribuering af Genetiske Algoritmer Hvorfor parallelisere/distribuere? Standard GA algoritme Modeller Embarassing parallel Global (fitness evaluering) Island (subpopulation) Grid/Cellular
Læs mereBeskrivende statistik
Beskrivende statistik Stikprøve af størrelse n for variablen x: x 1, x 2,, x n Beskriv fordelingen af data med nogle få talstørrelser. Centralt mål: en værdi som data er centreret om. Variationsmål: mål
Læs merePå opdagelse i det matematiske laboratorium En introduktion til eksperimentel matematik
københavns universitet På opdagelse i det matematiske laboratorium En introduktion til eksperimentel matematik Rune Johansen Ørsted 14. november, 2018 Dias 1/23 Overblik 1 Eksperimentel matematik? 2 Visualisering
Læs mereAlgorithms and Architectures I Rasmus Løvenstein Olsen (RLO), Jimmy Jessen Nielsen (JJE) Mm2: Rekursive algoritmer og rekurrens - October 10, 2008
Algorithms and Architectures I Rasmus Løvenstein Olsen (RLO), Jimmy Jessen Nielsen (JJE) Mm2: Rekursive algoritmer og rekurrens - October 10, 2008 1 Algorithms and Architectures II 1. Introduction to analysis
Læs mereSIMD. 2.1 Computation Reuse [1] Memoization [2] Nagoya Institute of Technology. Nara Institute of Science and Technology
1 1 1 2 1. SIMD 1 CPU [1] 1 Nagoya Institute of Technology 2 Nara Institute of Science and Technology 2. 2.1 Computation Reuse Memoization [2] c 2017 Information Processing Society of Japan 1 [3] Auto-
Læs mereKørselsgodtgørelse - satser
2014 2013 2012 2011 2010 2009 2008 3,73 3,82 3,80 3,67 3,56 3,56 3,47 2,1 2,13 2,10 2,00 1,90 1,90 1,83 0,42 0,43 0,42 0,40 0,38 0,38 0,37 2,10 2,13 2,10 2,00 1,90 1,90 1,83 1) max 1.401 max 1.401 0,51
Læs mereAlgoritmeanalyse. Øvre grænse for algoritme. Øvre grænse for problem. Nedre grænse for problem. Identificer essentiel(le) operation(er)
Algoritmeanalyse Identificer essentiel(le) operation(er) Øvre grænse for algoritme Find øvre grænse for antallet af gange de(n) essentielle operation(er) udføres. Øvre grænse for problem Brug øvre grænse
Læs mereDM507 Algoritmer og datastrukturer
DM507 Algoritmer og datastrukturer Introduktion til kurset Rolf Fagerberg Forår 2019 1 / 20 Hvem er vi? Underviser: Rolf Fagerberg, Institut for Matematik og Datalogi (IMADA) Forskningsområde: algoritmer
Læs mereExercise 6.14 Linearly independent vectors are also affinely independent.
Affine sets Linear Inequality Systems Definition 6.12 The vectors v 1, v 2,..., v k are affinely independent if v 2 v 1,..., v k v 1 is linearly independent; affinely dependent, otherwise. We first check
Læs mereIntroduktion til DM507
Introduktion til DM507 Rolf Fagerberg Forår 2017 1 / 20 Hvem er vi? Underviser: Rolf Fagerberg, IMADA Forskningsområde: algoritmer og datastrukturer 2 / 20 Hvem er vi? Underviser: Rolf Fagerberg, IMADA
Læs mereEt eksperiment beskrives af et udfaldsrum udstyret med et. alle mulige resultater af eksperimentet
Sandsynlighedsteori Et eksperiment beskrives af et udfaldsrum udstyret med et sandsynlighedsmål, (X, E, ν). Udfaldsrummet X indeholder alle mulige resultater af eksperimentet men ofte også yderligere elementer
Læs mereBasic Design Flow. Logic Design Logic synthesis Logic optimization Technology mapping Physical design. Floorplanning Placement Fabrication
Basic Design Flow System design System/Architectural Design Instruction set for processor Hardware/software partition Memory, cache Logic design Logic Design Logic synthesis Logic optimization Technology
Læs mereUniversity of Copenhagen Faculty of Science Written Exam April Algebra 3
University of Copenhagen Faculty of Science Written Exam - 16. April 2010 Algebra This exam contains 5 exercises which are to be solved in hours. The exercises are posed in an English and in a Danish version.
Læs mereSteen Toft Jørgensen, Matematik 1, DTU Compute (2009-) ( : Helsingør Gymnasium)
1 Steen Toft Jørgensen, Matematik 1, DTU Compute (2009-) (1979-2018: Helsingør Gymnasium) 2 Facts modtaget via mailkontakt. Facts: Tårnet er 45 m højt. Hyperboloiden er 28 m foroven og forneden i diameter,
Læs mereBilledanalyse, vision og computer grafik. NAVN :..Lærerne... Underskrift :... Bord nr. :...
År: 3 Kursusnr: 5 Billedanalyse, vision og computer grafik Skriftlig prøve, den 5. december 3. Kursus navn: Billedanalyse, vision og computer grafik. Tilladte hjælpemidler: Alle sædvanlige. "Vægtning":
Læs mereSymmetrier og Mønstre Symmetri, molekylær gastronomi og livets kemi, Karl Anker Jørgensen, Kemi Symmetri og netværk i biologiens verden, Jens Mogens O
Offentlige foredrag i naturvidenskab nat.au.dk/foredrag Det Naturvidenskabelige Fakultet, Aarhus Universitet Folkeuniversitetet i Århus Symmetrier og mønstre Symmetrier og Mønstre Symmetri, molekylær gastronomi
Læs merePerspektiverende Datalogikursus
Perspektiverende Datalogikursus Uge 1 - Algoritmer og kompleksitet Gerth Stølting Brodal 2. september 2005 1 Afleveringsopgaver... /\.. // \\ / \ / [] \ \\_// / \ / \ []._. ---------------- _ 2 Øvelse
Læs mereSortering. Eksempel: De n tal i sorteret orden
Sortering 1 / 32 Sortering Input: Output: Eksempel: n tal De n tal i sorteret orden 6, 2, 9, 4, 5, 1, 4, 3 1, 2, 3, 4, 4, 5, 9 2 / 32 Sortering Input: Output: Eksempel: n tal De n tal i sorteret orden
Læs mereImport af rekursivt (parent-child) hierarki i Palo
Import af rekursivt (parent-child) hierarki i Palo Dette dokument beskriver hvordan et simpelt rekursivt (parent-child) hierarki kan importeres ind i Palo på forskellige måder via SQL og samtidig bibeholde
Læs mereSortering af information er en fundamental og central opgave.
Sortering Sortering Input: Output: Eksempel: n tal De n tal i sorteret orden 6, 2, 9, 4, 5, 1, 4, 3 1, 2, 3, 4, 4, 5, 9 Mange opgaver er hurtigere i sorteret information (tænk på ordbøger, telefonbøger,
Læs mereBanach-Tarski Paradokset
32 Artikeltype Banach-Tarski Paradokset Uden appelsiner Andreas Hallbäck Langt de fleste af os har nok hørt om Banach og Tarskis såkaldte paradoks fra 1924. Vi har hørt diverse poppede formuleringer af
Læs mereAlgorithms & Architectures I 2. lektion
Algorithms & Architectures I 2. lektion Design-teknikker: Divide-and-conquer Rekursive algoritmer (Recurrences) Dynamisk programmering Greedy algorithms Backtracking Dagens lektion Case eksempel: Triple
Læs mereSandsynlighedsteori. Sandsynlighedsteori. Sandsynlighedsteori Et eksperiment beskrives af et udfaldsrum udstyret med et. Et Bayesiansk argument
Sandsynlighedsteori Sandsynlighedsteori Et eksperiment beskrives af et udfaldsrum udstyret med et sandsynlighedsmål, (, E, ν). Et eksperiment beskrives af et udfaldsrum udstyret med et sandsynlighedsmål,
Læs mereStatistisk modellering og regressionsanalyse
Statistisk modellering og regressionsanalyse Claus Thorn Ekstrøm KU Biostatistik ekstrom@sund.ku.dk Oktober 25, 2018 Slides @ biostatistics.dk/talks/ 1 2 Hvad er statistik? Statistics is a science, not
Læs merePerspektiverende Datalogikursus
Perspektiverende Datalogikursus Uge 1 - Algoritmer og kompleksitet Gerth Stølting Brodal 27. august 2004 1 Indhold Mere om Eksempler på beregningsproblemer Algoritmer og deres analyse Korrekthed af algoritmer
Læs mereRolf Fagerberg. Forår 2013
Forår 2013 Mål for i dag Dagens program: 1 2 3 4 5 6 Forudsætninger: DM536 og DM537 Timer: 50% forelæsninger, 50% øvelser Forudsætninger: DM536 og DM537 Eksamenform: Skriftlig eksamen: Timer: 50% forelæsninger,
Læs mereRolf Fagerberg. Forår 2014
Forår 2014 Mål for i dag Dagens program: 1 2 3 4 5 6 Forudsætninger: Format: Programmering og Diskret matematik I (forelæsninger), TE (øvelser), S (arbejde selv og i studiegrupper) Eksamenform: Skriftlig
Læs mereDTU Campus Service DTU - BYGHERRERÅDGIVNING IKT Beskrivelse af DTU LOK koordinatsystemet. Den oprindelige definition af DTU-LOK er desværre gået tabt.
Notat DTU Campus Service DTU - BYGHERRERÅDGIVNING IKT Beskrivelse af DTU LOK koordinatsystemet 17. februar 2015 Projekt nr. 210914 Dokument nr. 1212704515 Version 5 Udarbejdet af MMKS 1 INDLEDNING Da DTU
Læs mereDell P " 1440 x 900 VGA (HD-15) DisplayPort 60Hz Pivot Skærm VESA 100 x 100 mm
Dell P2016 20" 1440 x 900 VGA (HD-15) DisplayPort 60Hz Pivot Skærm VESA 100 x 100 mm Beskrivelse Dell P2016 - LED monitor - 20" (19.45" viewable) - 1440 x 900 HD 720p - IPS - 250 cd/m² - 1000:1-6 ms -
Læs mereEksamen i Diskret Matematik
Eksamen i Diskret Matematik Første Studieår ved Det Tekniske Fakultet for TT og Design samt Det Ingeniør- og Naturvidenskabelige Fakultet 29. maj 2017. Kl. 9-13. Nærværende eksamenssæt består af 11 nummererede
Læs mereGrådige algoritmer. Et generelt algoritme-konstruktionsprincip ( paradigme ) for optimeringsproblemer.
Grådige algoritmer Grådige algoritmer Et generelt algoritme-konstruktionsprincip ( paradigme ) for optimeringsproblemer. Grådige algoritmer Et generelt algoritme-konstruktionsprincip ( paradigme ) for
Læs mereDM13-3. Obligatorisk opgave E.05 Håndoptimering af SPARC assembler-kode
- 3. Obligatorisk opgave E.05 Håndoptimering af SPARC assembler-kode Jacob Aae Mikkelsen - 191076 12. december 2005 1 Indhold 1 Opgave beskrivelse 2 2 Muligheder for optimering 2 2.1 efter branch.........................
Læs mereLineær regression. Simpel regression. Model. ofte bruges følgende notation:
Lineær regression Simpel regression Model Y i X i i ofte bruges følgende notation: Y i 0 1 X 1i i n i 1 i 0 Findes der en linie, der passer bedst? Metode - Generel! least squares (mindste kvadrater) til
Læs mereSandsynlighedsregning 5. forelæsning Bo Friis Nielsen
Sandsynlighedsregning 5. forelæsning Bo Friis Nielsen Matematik og Computer Science Danmarks Tekniske Universitet 2800 Kgs. Lyngby Danmark Email: bfni@dtu.dk Dagens emner afsnit 3.5 og 4.1 Poissonfordelingen
Læs mereComputerspil - Kappa
Computerspil - Kappa Indledende aktivitet Kommunikationsplanlægning: Ressourceplanlægning: Iterationsplanlægning Brugerhistorier Kravspecifikation og testspecifikation Krav som skal opfyldes for at passe
Læs mereSkriftlig Eksamen Automatteori og Beregnelighed (DM17)
Skriftlig Eksamen Automatteori og Beregnelighed (DM17) Institut for Matematik & Datalogi Syddansk Universitet Odense Campus Lørdag, den 15. Januar 2005 Alle sædvanlige hjælpemidler (lærebøger, notater
Læs mereConstant Terminal Voltage. Industry Workshop 1 st November 2013
Constant Terminal Voltage Industry Workshop 1 st November 2013 Covering; Reactive Power & Voltage Requirements for Synchronous Generators and how the requirements are delivered Other countries - A different
Læs mereComputing the constant in Friedrichs inequality
Computing the constant in Friedrichs inequality Tomáš Vejchodský vejchod@math.cas.cz Institute of Mathematics, Žitná 25, 115 67 Praha 1 February 8, 212, SIGA 212, Prague Motivation Classical formulation:
Læs mereAfstande, skæringer og vinkler i rummet
Afstande, skæringer og vinkler i rummet Frank Villa 2. maj 202 c 2008-20. Dette dokument må kun anvendes til undervisning i klasser som abonnerer på MatBog.dk. Se yderligere betingelser for brug her. Indhold
Læs mereAcceleration af Kollisionsdetektion på Parallelle Computerarkitekturer
af Kollisionsdetektion på Parallelle Computerarkitekturer Speciale Andreas Rune Fugl anfug03@student.sdu.dk Thomas Frederik Kvistgaard Ellehøj ththy03@student.sdu.dk Datateknologi ved Teknisk Fakultet
Læs mereBRP Sortering og søgning. Hægtede lister
BRP 18.10.2006 Sortering og søgning. Hægtede lister 1. Opgaver 2. Selection sort (udvælgelsessortering) 3. Kompleksitetsanalyse 4. Merge sort (flettesortering) 5. Binær søgning 6. Hægtede lister 7. Øvelser:
Læs mereVektorer og lineær regression
Vektorer og lineær regression Peter Harremoës Niels Brock April 03 Planproduktet Vi har set, at man kan gange en vektor med et tal Et oplagt spørgsmål er, om man også kan gange to vektorer med hinanden
Læs mereFrame System Part Numbers
52 FRAMES Frame System Part Numbers Square Corner Part Numbers Round Corner Part Numbers White Black Almond Gray Brown Navy Taupe Black Almond Gray Brown Sizes Insert (not included) 2 x 4 1 59 / 64 x 3
Læs mereAnalyse af algoritmer
Analyse af algoritmer Analyse af algoritmer Køretid Pladsforbrug Asymptotisk notation O, Θ og Ω-notation. Eksperimentiel analyse af algoritmer Philip Bille Analyse af algoritmer Analyse af algoritmer Køretid
Læs mereLøsning til eksaminen d. 14. december 2009
DTU Informatik 02402 Introduktion til Statistik 200-2-0 LFF/lff Løsning til eksaminen d. 4. december 2009 Referencer til Probability and Statistics for Engineers er angivet i rækkefølgen [8th edition,
Læs mereRolf Fagerberg. Forår 2015
Forår 2015 Dagens program 1 2 3 4 5 Underviser:, IMADA Forskningsområde: algoritmer og datastrukturer Deltagere: BA i Datalogi BA i Software Engineering BA i Matematik-Økonomi BA i Anvendt Matematik BA
Læs mereJanni Nielsen Department of Informatics HCI Research Group
Janni Nielsen Department of Informatics HCI Research Group SKAL VI SE PÅ BRUGERNE? - KULTURSPECIFIKKE PERSPEKTIVER PÅ USABILITY WORLD USABILITY DAY, 14 NOVEMBER, 2006 Globale digitalisering - verdens borgere
Læs mereDanmarks Tekniske Universitet
side af sider Danmarks Tekniske Universitet Skriftlig prøve, den 6. maj 0. Kursusnavn: Algoritmer og datastrukturer Kursus nr. 06. Tilladte hjælpemidler: Skriftlige hjælpemidler. Varighed: timer Vægtning
Læs mere