Учебное пособие по PRO Engineer 2001
На первом этапе сборки двух компонентов необходимо определить, какие зависимости точнее всего описывают их совместную работу. После определения этих зависимостей, наложите их на новую деталь. В любом случае зависимости требуют указания некоторых элементов на существующем и на присоединяемом компоненте. Например, наложение зависимости сопряжения (mate constraint) требует указания двух планарных поверхностей, одной на существующем и одной на присоединяемом компоненте. Зависимости сохраняются и после модификации деталей, на которые они были наложены.Файл сборки сохраняется с расширением .ASM. Этот файл не содержит никакой геометрии компонентов, входящих в сборку. В нем записаны лишь ссылки на файлы исходных деталей. Если файлы исходных деталей, входящих в сборку, будут переименованы, удалены или перемещены, то при открытии такой сборки появится сообщение об ошибке.
Продолжение
Основы компьютерной графики
Тексты лекций представляют собой учебное пособие для начинающих осваивать компьютерную графику. Они написаны на основе специального курса лекций, читаемых автором в течение четырех лет в Казанском государственном университете на факультете вычислительной математики и кибернетики. Здесь содержится информация, необходимая при разработке трехмерных приложений компьютерной графики.Многие из книг по компьютерной графике глубоко исследуют узкоспециализированные области, такие как разработка библиотек подпрограмм для реализации метода обратного хода лучей или скоростных методов изображения трехмерных сцен которые используются в компьютерных играх, либо низкоуровневому программированию видеоадаптеров. При этом, например, для студентов, только начинающих вникать в эту область, часто недостает информации общеознакомительного плана, позволяющей сориентироваться в стремительно расширяющейся области компьютерной графики. Данный материал призван хотя бы отчасти восполнить указанный пробел.
Продолжение
Генерация тестовых данных для оптимизаторов графических моделей
В настоящее время графическое моделирование активно применяется в различных отраслях промышленности: автомобилестроении (Ford, General Motors, Daimler Chrysler), авиастроении (Boeing), аэрокосмической промышленности (American Institute of Aeronautics and Astronautics) и других.Графическое моделирование позволяет создавать модели разрабатываемых систем из различных элементарных деталей на экране монитора, как в конструкторе. При этом от разработчиков не требуется изучения каких-либо формальных языков описания моделей.
Одной из наиболее распространенных сфер применения графического моделирования в настоящее время является создание исполняемого кода для микропроцессоров встроенных систем. Вместо написания кода вручную инженеры создают модель, описывающую работу устройства, а на основе этой модели специальная программа - генератор кода - создает код на языке программирования.
Продолжение
Удивительная механика
Проблема накопления энергии – одна из важнейших научно-технических проблем современности. Во всех промышленно развитых странах ведется научный поиск в этом направлении. Еще бы – топлива становится все меньше, энергия дорожает с каждым днем, а накопитель энергии мог бы основательно помочь в ее экономии. Действительно, сейчас мы используем подавляющее количество энергии в момент ее выработки. А если бы человечество обладало эффективным накопителем энергии, той «энергетической капсулой», которую ищет автор книги, то можно было бы запасать энергию впрок, как бы передавать ее во времени. Трудно переоценить, какие выгоды дало бы человечеству использование «энергетической капсулы». Вместо двигателей на автомобилях стояли бы накопители, запасающие дешевую и экологичную – безвредную для природы – энергию мощных электростанций. Сами электростанции могли бы запасать в огромных накопителях энергию ночью, когда она сравнительно дешевая, и расходовать ее в часы пик. Энергия транспортных машин не переходила бы бесцельно в нагрев тормозов, а, проходя через накопитель, использовалась бы снова и снова. Ведь не секрет, что сейчас около половины энергии, вырабатываемой двигателями городских транспортных машин – автомобилей, автобусов, троллейбусов, поездов метро – бесполезно «гасится» в тормозах. Нетрудно представить, сколько энергии, горючего можно было бы сохранить в этих машинах с помощью накопителя. Есть и другая сторона этой проблемы: проходя через накопитель, энергия становится как бы экологичнее, безвреднее для окружающей среды.В поисках «энергетической капсулы»
Небольшая экскурсия в молодость
Основы объектно-ориентированного проектирования
Люди верят заповедям. Сражения за незыблемые "Принципы Истинной Веры" не являются чем-то новым и характерны не только для разработчиков ПО.Программистская литература, включая ОО-ветвь, учитывает эти естественные желания и предлагает массу рецептов. В результате существует много полезных советов, наряду с еще большим количеством весьма спорных идей.
Следует помнить, что нет простых путей, ведущих к созданию качественного ПО. В предыдущих лекциях несколько раз звучала мысль, что конструирование ПО - это не тривиальная задача, каждый раз бросающая вызов разработчику. За последние годы наше понимание проблем существенно усовершенствовалось, о чем свидетельствует техника, представленная в этой книге. Одновременно выросли наши амбиции и желание создавать проекты больших размеров, работающие быстрее. В конечном счете проблемы остались такими же трудными, как и ранее.
По этим причинам важно понимать достоинства и ограничения, присущие методологии конструирования ПО. От последующих лекций этой книги, как и от всей обширной ОО-литературы, вы имеете право ожидать полезных советов и тех преимуществ, которые может дать опыт людей, создававших ПО. Но ни здесь, и нигде вы не найдете надежного и легкого пути создания качественного ПО.
О методологии
Многопанельные системы
Проделки дьявола
Изучение документа "технические требования"
Побочные эффекты в функциях
Как не следует использовать наследование
Общая схема разработки
Дела косметические!
Цели анализа
Кластеры
Профессиональная подготовка (тренинг) в индустрии
Предварительный просмотр
Сохраняемость средствами языка
Необходимые средства
Немного контекста
Уровни языковой поддержки
Simula
Компоненты среды
Извлечения из библиотек Base
Универсальность и (versus) наследование
Справочник по нейросетям
Что такое искусственные нейронные сети? Что они могут делать? Как они работают? Как их можно использовать? Эти и множество подобных вопросов задают специалисты из разных областей.После двух десятилетий почти полного забвения интерес к искусственным нейронным сетям быстро вырос за последние несколько лет. Специалисты из таких далеких областей, как техническое конструирование, философия, физиология и психология, заинтригованы возможностями, предоставляемыми этой технологией, и ищут приложения им внутри своих дисциплин.
Это возрождение интереса было вызвано как теоретическими, так и прикладными достижениями. Неожиданно открылись возможности использования вычислений в сферах, до этого относящихся лишь к области человеческого интеллекта, возможности создания машин, способность которых учиться и запоминать удивительным образом напоминает мыслительные процессы человека, и наполнения новым значительным содержанием критиковавшегося термина «искусственный интеллект».
Искусственные нейронные сети индуцированы биологией, так как они состоят из элементов, функциональные возможности которых аналогичны большинству элементарных функций биологического нейрона. Эти элементы затем организуются по способу, который может соответствовать (или не соответствовать) анатомии мозга. Несмотря на такое поверхностное сходство, искусственные нейронные сети демонстрируют удивительное число свойств присущих мозгу. Например, они обучаются на основе опыта, обобщают предыдущие прецеденты на новые случаи и извлекают существенные свойства из поступающей информации, содержащей излишние данные.
Несмотря на такое функциональное сходство, даже самый оптимистичный их защитник не предположит, что в скором будущем искусственные нейронные сети будут дублировать функции человеческого мозга. Реальный «интеллект», демонстрируемый самыми сложными нейронными сетями, находится ниже уровня дождевого червя, и энтузиазм должен быть умерен в соответствии с современными реалиями. Однако равным образом было бы неверным игнорировать удивительное сходство в функционировании некоторых нейронных сетей с человеческим мозгом. Эти возможности, как бы они ни были ограничены сегодня, наводят на мысль, что глубокое проникновение в человеческий интеллект, а также множество революционных приложений, могут быть не за горами.
Введение
Обучение
Обобщение
Абстрагирование
Применимость
Исторический Аспект
Исторический Аспект 2
Искусственные нейронные сети сегодня
Перспективы на будущее
Искусственные нейронные сети и экспертные системы
Соображения надежности
Выводы
Основы искусственных нейронных сетей
Биологический прототип
Искусственный нейрон
Искусственный нейрон 2
Искусственный нейрон 3
Искусственный нейрон 4
Однослойные искусственные нейронные сети
Многослойные искусственные нейронные сети
Нелинейная активационная функция
Сети с обратными связями
Терминология, обозначения и схематическое изображение искусственных нейронных сетей
Терминология
Дифференциальные уравнения или разностные уравнения
Графическое представление
Обучение искусственных нейронных сетей
Цель обучения
Обучение с учителем
Обучение без учителя
Алгоритмы обучения
Пролог
Персептроны и зарождение искусственных нейронных сетей
Персептроны и зарождение искусственных нейронных сетей 2
Персептронная представляемость
Проблема функции ИСКЛЮЧАЮЩЕЕ ИЛИ
Проблема функции ИСКЛЮЧАЮЩЕЕ ИЛИ 2
Проблема функции ИСКЛЮЧАЮЩЕЕ ИЛИ 3
Линейная разделимость
Преодоление ограничения линейной разделимости
Преодоление ограничения линейной разделимости 2
Преодоление ограничения линейной разделимости 3
Эффективность запоминания
Обучение Персептрона
Алгоритм обучения Персептрона
Алгоритм обучения Персептрона 2
Дельта-правило
Трудности с алгоритмом обучения персептрона
Введение в процедуру обратного распространения
Сетевые конфигурации
Сетевые конфигурации 2
Многослойная сеть
Обзор обучения
Обзор обучения 2
Обзор обучения 3
Обзор обучения 4
Обзор обучения 5
Обзор обучения 6
Дальнейшие алгоритмические разработки
Применения
Предостережение
Паралич сети
Локальные минимумы
Размер шага
Временная неустойчивость
Введение в сети встречного распространения
Структура сети
Слои Кохоненна
Слой Гроссберга
Обучение слоя Кохонена
Предварительная обработка входных векторов
Предварительная обработка входных векторов 2
Предварительная обработка входных векторов 3
Выбор начальных значений весовых векторов
Выбор начальных значений весовых векторов 2
Режим интерполяции
Статистические свойства обученной сети
Обучение слоя Гроссберга
Сеть встречного распространения полностью
Приложение: сжатие данных
Обсуждение
Стохастические методы
Использование обучения
Использование обучения 2
Больцмановское обучение
Обучение Коши
Метод искусственной теплоемкости
Приложения к общим нелинейным задачам оптимизации
Обратное распространение и обучение Коши
Трудности, связанные с обратным распространением
Трудности с алгоритмом обучения Коши
Комбинирование обратного распространения с обучением Коши
Комбинирование обратного распространения с обучением Коши 2
Обсуждение
Сети Хопфилда
Конфигурации сетей с обратными связями
Бинарные системы
Бинарные системы 2
Устойчивость
Ассоциативная память
Непрерывные системы
Сети Хопфилда и машина Больцмана
Термодинамические системы
Статистичекие сети Хопфилда
Обобщенные сети
Аналого-цифровой преобразователь
Аналого-цифровой преобразователь 2
Задача коммивояжера
Задача коммивояжера 2
Облигации
Методы анализа рынка, стратегии управления портфелем ценных бумаг, роль Центрального Банка России в регулировании рынка государственных ценных бумаг с целью возможности использования аналитического и теоретического материала в практической деятельности коммерческих банков на рынке государственных краткосрочных бескупонных облигаций..Анализ облигаций
Бонды облигаций/a>
Виды облигаций
Фонды облигаций
Облигации ЦБ РФ
ГКО облигаций
Доходность облигаций
Зарубежные облигации
Страхование облигаций
Корпоративные облигации
Расчеты по облигациям
Облигации в России
Рынок облигаций
Цены облигаций
