Ulike typer redundans. Lempel-Ziv-koding. Universell koding. INF 2310 Digital bildebehandling
|
|
- Elisabeth Abrahamsen
- 7 år siden
- Visninger:
Transkript
1 Ulike typer redundns INF 30 Digitl bildebehndling Kompresjon og koding Del II LZW-koding Aritmetisk koding JPEG-kompresjon v gråtonebilder JPEG-kompresjon v frgebilder Rekonstruksjonsfeil i bilder Efford: Kp..4.4 (grundigere enn i bok) F INF 30 Psykovisuell redundns Det finnes informsjon vi ikke kn se. D kn vi sub-smple, eller redusere ntll bit per piksel. Interbilde redundns Det er en viss likhet mellom nbo-bilder i en tids-sekvens Vi koder noen bilder i sekvensen, og deretter bre differnser. Intersmpel redundns Nbo-piksler ligner på hverndre eller er like. Hver linje i bildet kn run-length trnsformeres. Kodings-redundns Gjennomsnittlig kodelengde minus et teoretisk minimum. Velg en metode som er grei å bruke, med liten redundns. F INF 30 Universell koding Lempel-Ziv-koding Huffmn-koding bygger på t mn finner ntll forekomster v hvert symbol i teksten, og lger kodene fr dette. Kodene må lges fr gng til gng, og kodeboken må også oversendes. Er det mulig å finne en universell kode for hvor mnge gnger et symbol forekommer? Vi kn f.eks. se på forekomster v ulike bokstver i norsk eller engelsk tekst. e forekommer oftest, z, x og q er sjeldne Eller vi kn bygge opp kodestrenger etterhvert som vi ser gjenttte mønstere. Lempel-Ziv koding er et eksempel på universell koding v symboler (f.eks. en bitsekvens). Premierer mønstre i dtene, ser på smforekomster v symboler. Bygger opp en symbolstreng-liste både under kompresjon og dekompresjon. Denne listen skl ikke lgres eller sendes, for mottkeren kn bygge opp listen ved hjelp v den symbolstrengen hn mottr. Det eneste mn trenger er et stndrd lfbet (f.eks ASCII). F INF 30 3 F INF 30 4
2 Lempel-Ziv-koding Mottker kjenner bre lfbetet, og lgrer nye frser ved å tnest siste streng pluss første symbol i sist tilsendte streng, inntil listen er full (det er en prktisk grense her!). En ulempe er t mn v og til lger kodeord som mn ikke får bruk for. Finnes i Unix compress siden 96. Ble en del v GIF-formtet i 97. Er en opsjon i TIFF-formtet. Finnes i Abobe Acrobt. Komprimerer typisk tekst-filer med c fktor. F INF 30 5 Eksempel på Lempel-Ziv Ant t lfbetet er, b og c som tilordnes kodene, og 3. L dtene være bbcbbbbb ( tegn) sender: ny frse = sendt streng pluss neste usendte symbol mottker: ny frse = nest siste streng pluss første symbol i sist tilsendte streng Ser b b c b bb Sender Senders liste =,b=,c=3 b=4 b=5 bc=6 cb=7 bb= bb=9 Mottr Vi mottr en kode som ikke finnes i listen. Kode ble lget som b+?, og nå sendes kode. Altså må vi h? = b => = b + b = bb. F INF Tolker b b c b Mottkers liste =, b=, c=3 b=4 b=5 bc=6 cb=7 Eksempel på Lempel-Ziv - II Ser b b c b bb bb Sender Senders liste =,b=,c=3 b=4 b=5 bc=6 cb=7 bb= bb=9 =0 = b= Mottr bb= bb=9 =0 = b= Kode 0 ble lget idet = ble sendt, som 0 +?. Så sendes 0. D må vi h 0= + =. Istedenfor tegn er det sendt 0 koder. 5 v koder ble ikke brukt. F INF Tolker b b c b bb bb Mottkers liste =, b=, c=3 b=4 b=5 bc=6 cb=7 Aritmetisk koding Aritmetisk koding er en metode for tpsfri kompresjon. Det er en vribel lengde entropi-kode. Metoden produserer ikke kode-ord for enkelt-symboler. Metoden koder en sekvens v symboler til et tll n (0.0 n <.0). Dermed kn mn få en mer optiml koding enn med Huffmn-koding, fordi mn ikke lenger er begrenset til et heltlls ntll biter per tegn i sekvensen. Produserer nær optiml kode for et gitt sett v symboler og snnsynligheter. Jo bedre smsvr det er mellom modellen og de virkelige forekomstene i sekvensen, desto nærmere optimlitet kommer mn. F INF 30
3 Aritmetisk koding - Vi plsserer symbol-snnsynlighetene etter hverndre på tllinjen fr 0 til. Får et bestemt del-intervll mellom 0 og som tilsvrer hvert tegn. Hr vi to tegn etter hverndre, så blir det delintervllet som representerer dette tegnpret et delintervll v intervllet til det første tegnet, osv. Et kodeord for en lengre sekvens v tegn vil d beskrive et hlvåpent delintervll v det hlvåpne enhetsintervllet [0, ), og kodeordet må inneholde kkurt tilstrekkelig mnge biter til å gi en entydig peker til det riktige delintervllet. Algoritme Algoritmen kn beskrives i pros : Vi strter med et current intervl = [0,). For hvert nytt tegn gjør vi to ting: Vi deler opp current intervl i nye delintervller, der størrelsen på hvert delintervll er proporsjonl med snnsynligheten for vedkommende tegn. Vi velger det delintervllet v current intervl som svrer til det tegnet vi fktisk hr truffet på, og gjør dette til vårt nye current intervl. Til slutt bruker vi så mnge biter til å representere det endelige intervllet t det entydig skiller dette intervllet fr lle ndre mulige intervller. F INF 30 9 F INF 30 0 Sttisk modell Ant t vi hr følgende enkle sttiske snnsynlighets-modell: 60% snnsynlighet for symbolet A 0% snnsynlighet for symbolet B 0% snnsynlighet for symbolet C 0% snnsynlighet for symbol END-OF-DATA. Siden EOD ts med i modellen, får vi en intern terminering. Dette er gnske vnlig i prktisk dt-kompresjon. Koding Kodingen deler current intervl opp i sub-intervller Hvert sub-intervll hr en bredde som er proporsjonl med snnsynligheten til et gitt symbol i current context. Det intervllet som svrer til det neste symbolet i sekvensen blir current intervl i neste steg. Eksempel: for den 4-tegns modellen vi hr: intervllet for A er [0.0, 0.6) intervllet for B er [0.6, 0.) intervllet for C er [0., 0.9) intervllet for EOD er [0.9, ). F INF 30 F INF 30
4 Eksempel på dekoding Ant t vi skl dekode tllet 0.53 Vi strter med intervllet [0,) som current intervl. Vi bruker den modellen vi hr, og deler opp i 4 sub-intervller Vårt tll 0.53 ligger i sub-intervllet for A, [0, 0.6): => Første tegn er A. Så deler vi opp intervllet [0, 0.6) for å finne neste tegn: intervllet for A er [0, 0.36) bredde 60% v [0, 0.6) intervllet for B er [0.36, 0.4) bredde 0% v [0, 0.6) intervllet for C er [0.4, 0.54) bredde 0% v [0, 0.6) intervllet for EOD er [0.54, 0.6) bredde 0% of [0, 0.6) Vårt tll.53 er i intervllet [0.4, 0.54): => Neste tegn må være C. Vi deler opp intervllet [0.4, 0.54): intervllet for A er [0.4, 0.56) intervllet for B er [0.56, 0.5) intervllet for C er [0.5, 0.534) intervllet for EOD er [0.534, 0.540). Tllet.53 ligger i intervllet for EOD: => Dekodingen er ferdig. Representsjon v desimltll Hvor mnge biter trenger vi for å gi en entydig representsjon v et intervll? Vi kn skrive tllet N i intervllet [0,) som en veiet sum v negtive toerpotenser N = c * - + c * - + c 3 * c n * -n + Rekken v koeffisienter c c c 3 c 4 utgjør d bitmønsteret i den binære representsjonen v tllet. Det er dette vi mener når vi skriver desimltllet N som N=0. c c c 3 c 4... F INF 30 3 F INF 30 4 Desimltll som bit-sekvens For å konvertere et desimltll i titllsystemet til et binært tll kn vi bruke suksessive multipliksjoner med :. Vi multipliserer begge sider v ligningen nedenfor med : N = c * - + c * - + c 3 * c n * -n + Heltllsdelen v resulttet er d lik c fordi N = c +R, der R = c * - + c 3 * c n * -(n-) + Hvis resten er 0 er vi ferdige.. Multipliser resten R med. Heltllsdelen v resulttet er neste bit. 3. Hvis resten er 0 er vi ferdige. Ellers går vi til. Representsjon v intervll Vi kn bruke intervllet [0.534, 0.540) som eksempel er et desimltll i dette intervllet. * =.075 -> c =, rest =0.075 *0.075 = > c = 0, rest =0.565 *0.565 = > c 3 = 0, rest =0.35 *0.35 = > c 4 = 0, rest =0.65 *0.65 =.5 -> c 5 =, rest =0.5 *0.5 = > c 6 = 0, rest = 0.5 *0.5 =.0 -> c 7 =, rest = 0. Vi kn kode intervllet vårt med det binære desimltllet.0000 (ekvivlent med desimlt) med bre 7 biter. F INF 30 5 F INF 30 6
5 Problemer og løsninger Den stdige krympingen v current intervl krever ritmetikk med stdig økende presisjon etter hvert som teksten blir lengre. Metoden gir ingen output før hele sekvensen er behndlet. Løsning: Send den mest signifiknte biten strks den er entydig kjent, og så doble lengden på current intervl, slik t det bre inneholder den ukjente delen v det endelige intervllet. Det finnes flere prktiske implementsjoner v dette, lle er gnske regnetunge de ller fleste er belgt med ptenter. Sttistiske modeller Sttiske histogrm-bserte modeller er ikke optimle. Høyere ordens modeller endrer estimtet v snnsynligheten for et tegn (og dermed del-intervllet) bsert på foregående tegn (context). I en modell for engelsk tekst vil intervllbredden for u øke hvis u kommer etter Q eller q. Modellen kn også være dptiv, slik t den kontinuerlig endres ved en tilpsning til den fktiske dtstrømmen. Dekoderen må h den smme modellen som koderen! F INF 30 7 F INF 30 JPEG-koding (tpsfri) Ikke-tpsfri (lossy) kompresjon JPEG (Joint Photogrphic Expert Group) er et v de vnligste bildeformtene med kompresjon. JPEG-stndrden hr vrinter både for tpsfri og ikke-tpsfri kompresjon. JPEG kn bruke enten Huffmn-koding eller ritmetisk koding. Prediktiv koding brukes for å predikere t neste piksel hr lignende verdi som forrige piksel å predikere t en piksel hr lignende verdi som pikselen på linjen over å predikere t neste piksel på linjen hr lignende verdi som de tre nærmest pikslene Typen koding bestemmes fr bilde til bilde For å få høye kompresjonsrter, er det ofte nødvendig med ikke-tpsfri kompresjon. Ulempen er t mn ikke kn rekonstruere det originle bildet, fordi et informsjonstp hr skjedd. Enkle metoder for ikke-tpsfri kompresjon er rekvntisering til færre ntll gråtoner, eller resmpling til dårligere romlig oppløsning. Andre enkle metoder er filtering der f.eks. 3 3 piksler ersttter med ett nytt piksel som er enten middelverdien eller medinverdien v de opprinnelige pikselverdiene. F INF 30 9 F INF 30 0
6 Lossy JPEG-kompresjon v bilde Bildet deles opp i blokker på x piksler, og hver blokk kodes seprt. Trekk fr fr lle pikselverdiene. Hver blokk trnsformeres med DCT (Diskret Cosinus Trnsform): F( u, v) MN N M = πu πv forξ = 0 c( x) c( y)cos ( x + ) cos ( y + ) f ( x, y), c( ξ ) = = 0 N M ellers x= 0 y Lossy JPEG-kompresjon Trnsformkoeffisientene skleres med en vektmtrise kvntiseres til heltll. DCT trnsform divideres med Avrundes til Informsjonen i de 64 pikslene smles i en liten del v de 64 koeffisientene Mest i øverste venstre hjørne F INF 30 F INF 30 Lossy JPEG-kompresjon 3 Aritmetisk koding v DC-koeff. Sikk-skk-scnning ordner koeffisientene i D-rekkefølge. Koeffisientene vil d stort sett vt i verdi utover i rekk Mnge koeffisienter er rundet v til null. Løpelengde-trnsform v koeffisientene Huffmn-koding v løpelengdene. Huffmn-koden og kodeboken sendes til mottker / lger. Gjents for lle blokker i lle knler. F INF 30 3 DCT-koeffisientene fr lle blokkene legges etter hverndre. Disse er korrelerte og bør differnse-trnsformeres. Kjenner snnsynligheten for hvert symbol i lfbetet. Deler opp intervllet [0,) etter snnsynlighetene Velger intervllet som svrer til første tegn Deler intervllet i del-intervller Velger del-intervllet som svrer til ndre tegn Osv. En symbolsekvens gir et tll i et intervll!!! Bruker så mnge biter t vi får en entydig beskrivelse. F INF 30 4
7 JPEG dekompresjon - JPEG dekompresjon - Huffmn-koden for en blokk er reversibel og gir løpelengdene. Løpelengdetrnsformen er reversibel, gir kvntiserte DCT-koeffisienter. Sikk-skk trnsformen er reversibel, og gir en heltllsmtrise. Denne mtrisen multipliseres med vektmtrisen. Dette er IKKE helt likt koeffisientene etter forlengs DCT-trnsformsjon. multipliseres med Dette gir Men de store trekkene er bevrt: De største tllene ligger i øvre venstre hjørne De fleste tllene i mtrisen er lik 0. F INF 30 5 F INF 30 6 JPEG dekompresjon 3 JPEG dekompresjon 4 Så gjør vi en invers DCT, og får en rekonstruert piksels bildeblokk. invers DCT trnsform Differnsene fr den originle blokken er små! - = Kompresjon / dekompresjon blokk for blokk gir blokk-effekter i bildet. F INF 30 7 F INF 30
8 JPEG-kompresjon v frgebilde Vi skifter frgerom slik t vi seprerer lysintensitet fr kromsi (perseptuell redundns, sprer plss). Bildet deles opp i blokker på x piksler, og hver blokk kodes seprt. JPEG dekompresjon v frgebilde Alle dekomprimerte x-blokker i hvert bildepln smles til et bilde. Bildeplnene smles til et YIQ frgebilde Vi skifter frgerom fr YIQ til RGB for fremvisning, CMYK for utskrift. Vi skifter frgerom for hvert bildepln for hvert bildepln smle bildeplnene Vi skifter frgerom Hver blokk trnsformeres med DCT. Forskjellige vektmtriser for intensitet og kromtisitet.... resten er som for gråtonebilder... Vi hr redusert oppløsning i Y og Q, men full oppløsning i RGB: Gir blokkeffekt i intensitet 6 6 piksels blokkeffekt i frgene i RGB F INF 30 9 F INF Rekonstruksjons-feil i gråtonebilder DCT kn gi piksels blokk-rtefkter, sløring og dobbelt-konturer. Avhengig v vektmtrise ntll koeffisienter Rekonstruksjons-feil i frgebilder 4 biters RGB komprimert til.5- biter per piksel (bpp) bpp gir god/meget god kvlitet bpp gir noen feil Frgefeil i mkroblokk JPEG gir blokkeffekt JPEG 000 uten blokker: Høyere kompresjon Mye bedre kvlitet F INF 30 3 F INF 30 3
9 Digitl video Koding v digitle bildesekvenser eller digitl video er bsert på differnsekoding. Områder uten interbilde bevegelse kodes ikke flere gnger, kun koding i områder der endringer skjer. Med bilder i sekundet er det mye å spre på dette. MPEG (Motion Picture Expert Group) stndrd for videokompresjon. MPEG historie: MPEG- video og udio (99) MPEG- Digitl TV og DVD (994) MPEG-4: Multimedi nvendelser (99) MPEG-7: Multimedi søking og filtering (00) MPEG-: Multimedi uvhengig v plttform. Oppsummering - kompresjon Hensikten med kompresjon er mer kompkt lgring eller rsk oversending v informsjon. Kompresjon er bsert på informsjonsteori. Antll bit. pr. smpel er sentrlt, og vrierer med kompresjonsmetodene og dtene. Sentrle metoder: Før koding: løpelengde-trnsform og differnsetrnsform. Huffmn-koding lg snnsynlighetstbell, send kokebok Universell koding (f.eks. Lempel Ziv) utnytter mønstre, sender ikke kokebok. Aritmetisk koding koder sekvenser til tll i et intervll. F INF F INF 30 34
Ulike typer redundans. Lempel-Ziv-koding. Universell koding. INF 2310 Digital bildebehandling. Kompresjon og koding Del II
Ulike typer redundns INF 230 Digitl ildeehndling Kompresjon og koding Del II LZW-koding Aritmetisk koding JPEG-kompresjon v gråtoneilder JPEG-kompresjon v frgeilder Rekonstruksjonsfeil i ilder Tpsfri prediktiv
DetaljerUlike typer redundans. Et annet eksempel. Kodingsredundans et eksempel. INF 2310 Digital bildebehandling. Kompresjon og koding Del II
Ulike typer redundns INF 230 Digitl ildeehndling Kompresjon og koding Del II LZW-koding Aritmetisk koding JPEG-kompresjon v gråtoneilder JPEG-kompresjon v frgeilder Rekonstruksjonsfeil i ilder Tpsfri prediktiv
DetaljerINF 1040 Kompresjon og koding. Noen begreper. Litt om de tre stegene i kompresjon. Kompresjon. Dekompresjonsalgoritme. Kompresjonsalgoritme
INF 4 Kompresjon og koding Tem i dg :. Hvor mye informsjon inneholder en melding?. Redundns Dt Kompresjon Noen egreper Lgring eller oversending Kompresjonslgoritme Dekompresjonslgoritme Dekompresjon Dt
DetaljerLempel-Ziv-koding. Lempel-Ziv-koding. Eksempel på Lempel-Ziv. INF 2310 Digital bildebehandling. Kompresjon og koding Del II
Lempel-Ziv-koding INF 2310 Digital bildebehandling Kompresjon og koding Del II LZW-koding Aritmetisk koding JPEG-kompresjon av gråtonebilder JPEG-kompresjon av fargebilder Rekonstruksjonsfeil i bilder
Detaljerda INF 2310 Digital bildebehandling
Ulike typer redundans da INF 2310 Digital bildebehandling Kompresjon og koding Del II LZW-koding Aritmetisk koding JPEG-kompresjon av gråtonebilder JPEG-kompresjon av fargebilder Rekonstruksjonsfeil i
DetaljerRepetisjon: Kompresjon
Repetisjon: Kompresjon INF 2310 Digital bildebehandling Kompresjon og koding Del II LZW-koding Aritmetisk koding JPEG-kompresjon av gråtonebilder JPEG-kompresjon av fargebilder Rekonstruksjonsfeil i bilder
DetaljerINF 1040 Kompresjon og koding
INF 1040 Kompresjon og koding Tema i dag : 1. Noen begreper 2. Redundans 3. Differanse- og løpelengdetransformer 4. Gray kode 5. Entropi 6. Shannon-Fano og Huffman koding 7. Lempel-Ziv koding 8. JPEG koding
DetaljerINF 1040 Kompresjon og koding
INF 1040 Kompresjon og koding Tema i dag : 1. Noen begreper 2. Redundans 3. Differanse- og løpelengdetransformer 4. Gray kode 5. Entropi 6. Shannon-Fano og Huffman koding 7. Lempel-Ziv koding 8. JPEG koding
DetaljerINF 1040 Kompresjon og koding
INF 1040 Kompresjon og koding Tema i dag : 1. Hvor mye informasjon inneholder en melding? 2. Redundans 3. Differanse- og løpelengdetransformer 4. Gray kode 5. Entropi 6. Shannon-Fano og Huffman koding
DetaljerINF2310 Digital bildebehandling
INF2310 Digital bildebehandling Forelesning 12 Kompresjon og koding II Andreas Kleppe LZW-koding Aritmetisk koding JPEG-kompresjon Tapsfri prediktiv koding Kompendium: 18.7.3-18.7.4 og 18.8-18.8.1 F12
DetaljerRepetisjon: Kompresjon
Repetisjon: Kompresjon INF230 Digital bildebehandling Forelesning Kompresjon og koding II Ole Marius Hoel Rindal, foiler av Andreas Kleppe Differansetransform Løpelengdetransform LZW-transform JPEG-kompresjon
DetaljerRepetisjon: Kompresjon
INF2310 Digital bildebehandling Ole Marius Hoel Rindal, foiler av Andreas Kleppe Differansetransform Løpelengdetransform LZW-transform JPEG-kompresjon Tapsfri prediktiv koding Kompendium: 18.4, 18.7.3
DetaljerFORELESNING 12. KOMPRESJON OG KODING II Andreas Kleppe
Repetisjon: Kompresjon INF2310 Digital bildebehandling FORELESNING 12 KOMPRESJON OG KODING II Andreas Kleppe LZW-koding Aritmetisk koding JPEG-kompresjon Tapsfri prediktiv koding Kompendium: 18.7.3-18.7.4
DetaljerRepetisjon: Kompresjon
Repetisjon: Kompresjon INF2310 Digital bildebehandling FORELESNING 11 KOMPRESJON OG KODING II Andreas Kleppe Differansetransform Løpelengdetransform LZW-transform JPEG-kompresjon Tapsfri prediktiv koding
DetaljerINF2310 Digital bildebehandling
INF2310 Digital bildebehandling Forelesning 11 Kompresjon og koding II Andreas Kleppe Differansetransform Løpelengdetransform LZW-transform JPEG-kompresjon Tapsfri prediktiv koding Kompendium: 18.4, 18.7.3
DetaljerLøsning av øvingsoppgaver, INF2310, 2005, kompresjon og koding
Løsning av øvingsoppgaver, INF230, 2005,. Vi har gitt følgende bilde: kompresjon og koding 0 2 2 2 3 3 3 2 3 3 3 0 2 2 2 3 3 2 2 2 3 2 3 4 4 2 2 3 2 2 3 4 4 2 2 2 3 3 3 4 3 4 a. Finn Huffman-kodingen av
DetaljerBrøkregning og likninger med teskje
Brøkregning og likninger med teskje Dette heftet gir en uformell trinn for trinn gjennomgng v grunnleggende regler for brøkregning og likninger. Dette er sto som vi i FYS 000 egentlig forventer t dere
DetaljerKompresjon. Noen begreper. Plass og tid. Kompresjon. Digitale data kan ta stor plass. Eksemper : Overføring av data tar tid: Dekompresjonsalgoritme
Kompresjon Noen egreper Kompresjonsalgoritme Dekompresjonsalgoritme Litteratur : Cyganski kap. 7 Compressing Information kap. 8 Image Compression kap. 9 Digital Video Data Kompresjon Lagring eller oversending
DetaljerINF 1040 Kompresjon og koding. Noen begreper. De tre stegene i kompresjon. Kompresjon. Dekompresjonsalgoritme. Kompresjonsalgoritme
INF 4 Kompresjon og koding Noen egreper Kompresjonsalgoritme Dekompresjonsalgoritme Tema i dag :. Noen egreper. Redundans Data Kompresjon Lagring eller oversending Dekompresjon Data. Differanse- og løpelengdetransformer
DetaljerINF 1040 Kompresjon og koding. Noen begreper. De tre stegene i kompresjon. Kompresjon. Dekompresjonsalgoritme. Kompresjonsalgoritme
INF 4 Kompresjon og koding Noen egreper Kompresjonsalgoritme Dekompresjonsalgoritme Tema i dag :. Noen egreper. Redundans Data Kompresjon Lagring eller oversending Dekompresjon Data. Differanse- og løpelengdetransformer
DetaljerTemahefte nr. 1. Hvordan du regner med hele tall
1 ARBEIDSHEFTE I MATEMATIKK SNART MATTE EKSAMEN Hvordn du effektivt kn forberede deg til eksmen Temhefte nr. 1 Hvordn du regner med hele tll Av Mtthis Lorentzen mttegrisenforlg.com Opplysning: De nturlige
DetaljerBioberegninger - notat 3: Anvendelser av Newton s metode
Bioberegninger - nott 3: Anvendelser v Newton s metode 20. februr 2004 1 Euler-Lotk ligningen L oss tenke oss en populsjon bestående v individer v ulik lder. L n være mksiml lder. L m i være ntll vkom
DetaljerLøsningsforslag, Ukeoppgaver 9 INF2310, våren kompresjon og koding del I
Løsningsforslag, Ukeoppgaver 9 INF2310, våren 2009 6. Vi har gitt følgende bilde: kompresjon og koding del I 1 0 1 2 2 2 3 3 3 1 1 1 2 1 1 3 3 3 1 0 1 1 2 2 2 3 3 2 1 2 2 3 2 3 4 4 2 1 2 3 2 2 3 4 4 2
DetaljerLøsningsforslag til obligatorisk oppgave i ECON 2130
Andres Mhre April 13 Løsningsforslg til obligtorisk oppgve i ECON 13 Oppgve 1: E(XY) = E(X(Z X)) Setter inn Y = Z - X E(XY) = E(XZ X ) E(XY) = E(XZ) E(X ) X og Z er uvhengige v hverndre, så Cov(X, Z) =.
DetaljerPLASS og TID IN 106, V-2001 KOMPRESJON OG KODING 30/ Fritz Albregtsen METODER ANVENDELSER
IN 106, V-2001 PLASS og TID Digitale bilder tar stor plass Eksempler: a 512 512 8 bits 3 farger 63 10 6 bits KOMPRESJON OG KODING 30/4 2001 b 24 36 mm fargefilm digitalisert ( x = y=12µm) 2000 3000 8 3
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Tirsdag 4. juni 2013 Tid for eksamen : 09:00 13:00 Oppgavesettet er på : 7 sider
DetaljerNumerisk Integrasjon
Numerisk Integrsjon Anne Kværnø Mrch 1, 018 1 Problemstilling Vi skl ltså finne en numerisk tilnærmelse til integrlet for en gitt funksjon f (x). I(, b) = f (x)dx Teknikken vi skl diskutere klles numeriske
Detaljer1 Mandag 25. januar 2010
Mndg 5. jnur Vi fortsetter med å se på det bestemte integrlet, bl.. på hvordn vi kn bruke numeriske beregninger til å bestemme verdien når vi ikke nødvendigvis kn finne en nti-derivert. Videre skl vi t
DetaljerPLASS og TID INF Fritz Albregtsen. Tema: komprimering av bilder ANVENDELSER METODER
PLASS og TID INF 60-30042002 Fritz Albregtsen Tema: komprimering av bilder Litteratur: Efford, DIP, kap 2 Digitale bilder tar stor plass Eksempler: a 52 52 8 bits 3 farger 63 0 6 bits b 24 36 mm fargefilm
DetaljerFasit. Oppgavebok. Kapittel 5. Bokmål
Fsit Oppgvebok 8 Kpittel 5 Bokmål KAPITTEL 5 5.1 8, 10, 1 b Antll pinner i en figur er figurnummeret gnget med. 5. 14, 17, 0 b gnger figurnummeret pluss. c 14, 17, 0, 5. Figur 1 4 5 Antll pinner 5 8 11
DetaljerDel 5 Måleusikkerhet 5.2 Type A og type B usikkerhetsbidrag
Del 5 Måleusikkerhet 5. Type A og type B usikkerhetsbidrg Utdrg fr VIM:.8 Type A evlution of mesurement uncertinty Evlution of component of mesurement uncertinty by sttisticl nlysis of mesured quntity
DetaljerNumerisk derivasjon og integrasjon utledning av feilestimater
Numerisk derivsjon og integrsjon utledning v feilestimter Knut Mørken 6 oktober 007 1 Innledning På forelesningen /10 brukte vi litt tid på å repetere inhomogene differensligninger og rkk dermed ikke gjennomgå
DetaljerINF 1040 Løsningsforslag til kapittel
INF 040 Løsningsforslag til kapittel 8 Oppgave : Huffmankoding med kjente sannsynligheter Gitt en sekvens av symboler som er tilstrekkelig lang, og som inneholder de 6 symbolene A, B, C, D, E, F. Symbolene
Detaljerx 1, x 2,..., x n. En lineær funksjon i n variable er en funksjon f(x 1, x 2,..., x n ) = a 1 x 1 + a 2 x a n x n,
Introduksjon Velkommen til emnet TMA45 Mtemtikk 3, våren 9 Disse nottene inneholder det vi gjennomgår i forelesningene, og utgjør, smmen med lle øvingene, pensum for emnet Læreoken nefles som støttelittertur
Detaljer! Dekoder: En av 2 n output linjer er høy, avhengig av verdien på n inputlinjer. ! Positive tall: Som før
Dgens temer Enkoder! Dgens temer hentes fr kpittel 3 i Computer Orgnistion nd Architecture! Dekoder: En v 2 n output linjer er høy, vhengig v verdien på n inputlinjer! Enkoder/demultiplekser (vslutte fr
DetaljerINF 1040 Digital video digital bildeanalyse. Noen begreper. Kompresjon. Kompresjon. Dekompresjonsalgoritme. Kompresjonsalgoritme
INF 4 Digital video digital ildeanalyse Tema i dag :. Hvor mye informasjon inneholder en melding?. Redundans 3. Differanse- og løpelengdetransformer 4. Gray kode 5. Entropi 6. Shannon-Fano og Huffman koding
DetaljerNumerisk kvadratur. PROBLEM STILLING: Approksimér. f(x)dx. I(f) = hvor f : R R. Numerisk sett, integralet I(f) = b. f(x)dx approksimeres med en summe
Numerisk kvdrtur PROBLEM STILLING: Approksimér 1/18 I(f) = f(x)dx. hvor f : R R. Numerisk sett, integrlet I(f) = f(x)dx pproksimeres med en summe Q n (f) = w i f(x i ), n-punkter regel hvor x 1 < x 2
DetaljerEksamen våren 2018 Løsninger
DEL 1 Uten hjelpemidler Hjelpemidler: vnlige skrivesker, psser, linjl med centimetermål og vinkelmåler Oppgve 1 5x+ y = 4 x+ 4y = 6 Vi multipliserer likningen 5x+ y = 4 med på egge sider og får 10x+ 4y
Detaljer2-komplements representasjon. Binær addisjon. 2-komplements representasjon (forts.) Dagens temaer
2 Dgens temer Dgens temer hentes fr kpittel 3 i Computer Orgnistion nd Architecture Kort repetisjon 2-komplements form Binær ddisjon/sutrksjon Aritmetisk-logisk enhet (ALU) Sekvensiell logikk RS-ltch 2-komplements
DetaljerM2, vår 2008 Funksjonslære Integrasjon
M, vår 008 Funksjonslære Integrsjon Avdeling for lærerutdnning, Høgskolen i Vestfold. pril 009 1 Arelet under en grf Vi begynner vår diskusjon v integrsjon, på smme måte som vi begynte med derivsjon, ved
DetaljerLøsningsforslag Eksamen 30. mai 2007 FY2045 Kvantefysikk
Eksmen FY045 30. mi 007 - løsningsforslg 1 Oppgve 1 Løsningsforslg Eksmen 30. mi 007 FY045 Kvntefysikk. I grensen 0 er potensilet V x et enkelt okspotensil, V = V 0 for < x < 0 og uendelig ellers. Den
DetaljerEneboerspillet. Håvard Johnsbråten
Håvrd Johnsråten Eneoerspillet Når vi tenker på nvendelser i mtemtikken, ser vi gjerne for oss Pytgors læresetning eller ndre formler som vi kn ruke til å eregne lengder, reler, kostnder osv. Men mer strkte
DetaljerTFE4101 Krets- og Digitalteknikk Vår 2016
Norges teknisk nturvitenskpelige universitet Institutt for elektronikk og telekomuniksjon TFE4101 Krets- og Digitlteknikk Vår 2016 Løsningsforslg Øving 4 1 Oppgve 1 R 1 = 10 R 2 = 8 V = 600 V R 3 = 40
DetaljerINF 1040 høsten 2009: Oppgavesett 13 Kompresjon og koding (løsningsforslag) (kapittel 18) Tenk selv -oppgaver
IN høsten : Oppgavesett Kompresjon og koding (løsningsforslag) (kapittel ) Tenk selv -oppgaver. Heksadesimal Sudoku Vi har en kvadratisk matrise med * elementer som igjen er delt opp i * blokker på * elementer.
DetaljerINF2310 Digital bildebehandling
INF2310 Digital bildebehandling Forelesning 11 Kompresjon og koding I Andreas Kleppe Tre steg i kompresjon Redundanser Transformer Koding og entropi Shannon-Fano og Huffman Kompendium: Frem t.o.m. 18.7.2
DetaljerINF2310 Digital bildebehandling
INF2310 Digital bildebehandling Ole Marius Hoel Rindal Gråtonetrasformasjoner Histogramtransformasjoner 2D diskret Fourier-transform (2D DFT Filtrering i Fourierdomenet Kompresjon og koding Segmentering
DetaljerLøsningsforslag, Ukeoppgaver 9 INF2310, våren kompresjon og koding del I
Løsningsforslag, Ukeoppgaver 9 INF23, våren 2 6. Vi har gitt følgende bilde: kompresjon og koding del I 2 2 2 3 3 3 2 3 3 3 2 2 2 3 3 2 2 2 3 2 3 4 4 2 2 3 2 2 3 4 4 2 2 2 3 3 3 4 3 4 a. Finn Huffman-kodingen
DetaljerINF 1040 høsten 2009: Oppgavesett 13 Kompresjon og koding (kapittel 18)
asitoppgaver IN høsten : Oppgavesett Kompresjon og koding (kapittel ) enne seksjonen inneholder innledende oppgaver hvor det finnes en enkel fasit bakerst i oppgavesettet. et er ikke nødvendigvis meningen
Detaljer1 Tallregning og algebra
Tllregning og lger ØV MER. REGNEREKKEFØLGE Oppgve.0 6 d) ( : 6) Oppgve. ( ) ( ) ()() ( ) ( ) ( ) () (6 ) () d) ( ) 7() ( ) Oppgve. 6 ( ) d) Oppgve. Med ett ddisjonstegn, ett sutrksjonstegn, ett multipliksjonstegn
DetaljerINF2310 Digital bildebehandling
INF230 Digital bildebehandling Forelesning 5 Repetisjon Andreas Kleppe Filtrering i bildedomenet 2D diskret Fourier-transform (2D DFT) Kompresjon og koding Morfologiske operasjoner på binære bilder F5
DetaljerMatematikk 1000. Øvingsoppgaver i numerikk leksjon 8 Numerisk integrasjon
Mtemtikk 1000 Øvingsoppgver i numerikk leksjon 8 Numerisk integrsjon Som kjent kn vi regne ut (bestemte) integrler ved nti-derivsjon. Dette resulttet er et v de viktikgste innen klkulus; det heter tross
DetaljerDEL 1 Uten hjelpemidler
DEL 1 Uten hjelpemidler Hjelpemidler: vnlige skrivesker, psser, linjl med entimetermål og vinkelmåler Oppgve 1 Vrisjonsredden er differnsen mellom største og minste verdi. Største verdi vr 20 poeng. Minste
DetaljerS1 kapittel 8 Eksamenstrening Løsninger til oppgavene i læreboka
S1 kpittel 8 Eksmenstrening Løsninger til oppgvene i læreok E1 995 995 5 + 5 (995 5) (995 + 5) + 5 990 1000 + 5 990 000 + 5 990 05 E E (61+ 9) 51 49) (51+ 49) 61 9 (61 9) 51 49 ( 100 100 11 1997 00 199
DetaljerSammendrag kapittel 1 - Aritmetikk og algebra
Smmendrg kpittel 1 - Aritmetikk og lgebr Regneregler for brøker Utvide brøk: Gng med smme tll i teller og nevner. b = k b k Forkorte brøk: del med smme tll i teller og nevner. b = : k b : k Summere brøker:
DetaljerKAPITTEL 9 Approksimasjon av funksjoner
KAPITTEL 9 Approksimsjon v funksjoner En grunnleggende teknikk som ofte brukes i ulike deler v mtemtikk og nvendelser er å tilnærme eller pproksimere et objekt med et nnet. Som regel er objektet som skl
Detaljer1 Mandag 18. januar 2010
Mndg 8. jnur 2 I denne første forelesningen skl vi friske opp litt rundt funksjoner i en vribel, se på hvordn de vokser/vtr, studere kritiske punkter og beskrive krumning og vendepunkter. Vi får ikke direkte
DetaljerProjeksjon. Kapittel 11. Ortogonal projeksjon i R 2. Skalarproduktet i R n. w på v. Fra figuren ovenfor ser vi at komponenten til w ortogonalt på v er
Kpittel Projeksjon En projeksjon er en lineærtrnsformsjon P som tilfredsstiller P x P x. for lle x. Denne ligningen sier t intet nytt skjer om du benytter lineærtrnsformsjonen for ndre gng, og mn kn tenke
DetaljerNumerisk kvadratur. Newton-Cotes kvadratur. PROBLEM STILLING: Approksimér. I(f) = f(x)dx. hvor f : R R kan Riemann-integreres.
Numerisk kvdrtur PROBLEM STILLING: Approksimér 1/15 I(f) = hvor f : R R kn Riemnn-integreres. b f(x)dx. Newton-Cotes kvdrtur Newton-Cotes kvdrtur erbsert på ekvidistnte noder i [, b]: For en n-noder åpen
Detaljerdx = 1 2y dy = dx/ x 3 y3/2 = 2x 1/2 + C 1
NTNU Institutt for mtemtiske fg TMA Mtemtikk høsten Løsningsforslg - Øving 7 Avsnitt 6.5 ) En hr t y = e, så y + 3y = e + 3e = e. b) En hr t y = e 3 e (3/), så y + 3y = e 3e (3/) + 3e + 3e (3/) = e. c)
DetaljerSTATISTIKK, KOMBINATORIKK OG SANNSYNLIGHET
Mer øving til kpittel 4 STATISTIKK, KOMBINATORIKK OG SANNSYNLIGHET Oppgve 1 Under ser du resulttet v ntll kinoesøk for en klsse de siste to måneder: 1, 3, 5, 4, 2, 7, 1, 1, 4, 5, 3, 3, 4, 0, 1, 3, 6, 5,
DetaljerMED SVARFORSLAG UNIVERSITETET I OSLO
Eksmen i : MED SVARFORSLAG UNIVERSITETET I OSLO Det mtemtisk-nturvitenskpelige fkultet INF5110 - Kompiltorteknikk Eksmensdg : Onsdg 6. juni 2012 Tid for eksmen : 14.30-18.30 Oppgvesettet er på : Vedlegg
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF310 Digital bildebehandling Eksamensdag : Tirsdag 5. juni 007 Tid for eksamen : 09:00 1:00 Oppgavesettet er på : 5 sider
Detaljer5: Algebra. Oppgaver Innhold Dato
5: Alger Pln resten v året: - Kpittel 6: Ferur - Kpittel 7: Ferur/mrs - Kpittel 8: Mrs - Repetisjon: April/mi - Eventuell offentlig eksmen: Mi - Økter, prøver, prosjekter: Mi - juni For mnge er egrepet
Detaljer1 dx cos 1 x =, 1 x 2 sammen med kjerneregelen for derivasjon. For å forenkle utregningen lar vi u = Vi regner først ut den deriverte til u,
TMA0 Høst 205 Norges teknisk nturvitenskpelige universitet Institutt for mtemtiske fg 3.5.30: Vi bruker erivsjonsregelen for cos x, x cos x =, x 2 smmen me kjerneregelen for erivsjon. For å forenkle utregningen
DetaljerLøsningsforslag, Ukeoppgaver 10 INF2310, våren 2011 kompresjon og koding del II
Løsningsforslag, Ukeoppgaver 10 INF2310, våren 2011 kompresjon og koding del II 1. En fax-oppgave: a. Et ark med tekst og enkle strektegninger skal sendes pr digital fax over en modemlinje med kapasitet
DetaljerFASIT, tips og kommentarer
FASIT, tips og kommentrer JULEKALENDER 8.- 10- trinn Nivå 1 og Nivå 2. Tips til orgnisering: Kn jobbes med i gruppe, to og to eller individuelt. Spre rbeidet med klenderen i mttetimene i desember, eller
DetaljerTerminprøve Matematikk for 1P 1NA høsten 2014
Terminprøve Mtemtikk for 1P 1NA høsten 2014 DEL 1 Vrer 1,5 time Uten hjelpemidler Hjelpemidler: vnlige skrivesker, psser, linjl med entimetermål og vinkelmåler. Forsøk på lle oppgvene selv om du er usikker
DetaljerINF1040 Digital representasjon Oppsummering 2008 del II
INF040 Digital representasjon Oppsummering 2008 del II Fritz Albregtsen INF040-Oppsum-FA- Lydintensitet Vi kan høre lyder over et stort omfang av intensiteter: fra høreterskelen, I 0 = 0-2 W/m 2,tilSmerteterskelen,0
DetaljerMAT 1110: Løsningsforslag til obligatorisk oppgave 2, V-06
MAT : Løsningsforslg til obligtorisk oppgve, V-6 Oppgve : ) Hvis = (,,...) og = (,,...) er to vektorer, vil kommndoen >> plot(,) tegne rette forbindelseslinjer mellom punktene (, ), (, ) osv. For å plotte
DetaljerNumerisk matematikk. Fra Matematikk 3MX (2002) Side
Numerisk mtemtikk Fr Mtemtikk 3MX (2002) Side 142 147 142 Kpittel 4: Integrlregning 47 NUMERISK MATEMATIKK pffiffiffiffiffi På lommeregneren finner du rskt t 71 er lik 8,426150, og t lg 5 er lik 0,698970
DetaljerDEL 1 Uten hjelpemidler
DEL 1 Uten hjelpemidler Hjelpemidler: vnlige skrivesker, psser, linjl med entimetermål og vinkelmåler Oppgve 1 Vrisjonsredden er differnsen mellom største og minste verdi. Største verdi vr 20 poeng. Minste
Detaljer1T kapittel 8 Eksamenstrening Løsninger til oppgavene i læreboka
T kpittel 8 Eksmenstrening Løsninger til oppgvene i lærebok Uten hjelpemidler E b c E b c Vi gnger vnlige tll med vnlige tll og tierpotenser med tierpotenser. Til slutt omformer vi svret så vi får et tll
DetaljerBasisoppgaver til Tall i arbeid P kap. 1 Tall og algebra
Bsisoppgver til Tll i reid P kp. 1 Tll og lger 1.1 Regning med hele tll 1. Brøk 1.3 Store og små tll 1.4 Bokstvuttrykk 1.5 Likninger 1.6 Formler 1.7 Hverdgsmtemtikk 1.8 Proporsjonlitet Bsisoppgver 1.1
DetaljerMAT 100a - LAB 4. Før vi gjør dette, skal vi for ordens skyld gjennomgå Maple-kommandoene for integrasjon (cf. GswM kap. 12).
MAT 00 - LAB 4 Denne øvelsen er i hovedsk viet til integrsjon. For mnge er integrsjon i prksis det smme som ntiderivsjon, og noe som kn rukes til å eregne relet v enkelte områder i plnet som lr seg egrense
Detaljera 2πf(x) 1 + (f (x)) 2 dx.
MA 4: Anlyse Uke 44, http://home.hi.no/ svldl/m4 H Høgskolen i Agder Avdeling for relfg Institutt for mtemtiske fg Om lengde v kurver. Noen få formler der integrsjon brukes for å beregne lengder, reler
DetaljerFeilestimeringer. i MAT-INF1100
Feilestimeringer i MAT-INF11 Ett v de viktigste punktene i MAT-INF11, og smtidig det som nsees som det vnskeligste i pensum, er feilestimter. Vi bruker mye tid på å beregne tilnærmede verdier for funksjoner,
DetaljerFaktorisering. 1 Hva er faktorisering? 2 Hvorfor skal vi faktorisere? Per G. Østerlie Senter for IKT i utdanningen 11.
Fktorisering Per G. Østerlie Senter for IKT i utdnningen per@osterlie.no 11. mi 013 1 Hv er fktorisering? Vi må se på veret å fktorisere. Hv er det vi skl gjøre når vi fktoriserer? Svret er: å lge fktorer.
DetaljerFiltrering i bildedomenet. Middelverdifilter (lavpass) Lavpassfiltre. INF2310 Digital bildebehandling FORELESNING 15 REPETISJON
Filtrering i bildedomenet INF3 Digital bildebehandling FORELESNING 5 REPETISJON Andreas Kleppe Filtrering i bildedomenet D diskret Fourier-transform (D DFT) Kompresjon og koding Morfologiske operasjoner
DetaljerKap. 3 Krumningsflatemetoden
SIDE. KRUMNINGSFLTEMETODEN I kpittel. og. hr vi sett t en bjelkes krefter og deformsjon kn beskrives ved fire integrler som henger smmen : Skjærkrft : V d Vinkelendring : φ M d Moment : M V d Forskyvning
DetaljerInstitutt for elektroteknikk og databehandling
Institutt for elektroteknikk og dtbehndling Stvnger, 7. mi 997 Løsningsforslg til eksmen i TE 9 Signler og Systemer, 6. mi 997 Oppgve ) Et system er lineært dersom superposisjonsprinsippet gjelder, d.v.s.
DetaljerUNIVERSITETET I OSLO
Løsningsforslag UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Tirsdag 4. juni 2013 Tid for eksamen : 09:00 13:00 Løsningsforslaget
DetaljerINF1040 Digital representasjon
INF1040 Digital representasjon av tekster, tall, former, lyd, bilder og video Forelesere: Gerhard Skagestein Fritz Albregtsen Første forelesning: Onsdag 23. august 12:15 14:00, Sophus Lies Auditorium.
Detaljer1T kapittel 3 Funksjoner Løsninger til oppgavene i læreboka
1T kpittel 3 Funksjoner Løsninger til oppgvene i læreok Oppgve 3.1 Origo er skjæringspunktet mellom førsteksen og ndreksen. Koordintene til origo er ltså (0, 0). Førstekoordinten til punktet A er 15, og
Detaljer75045 Dynamiske systemer 3. juni 1997 Løsningsforslag
75045 Dynmiske systemer 3. juni 1997 Løsningsforslg Oppgve 1 ẋ = 0 gir y = ±x, og dette innstt i ẏ = 0 gir 1 ± x = 0. Vi må velge minustegnet, og får x = y = ±1/. Vi deriverer: [ ] x y ( 1 Df(x, y) = ;
DetaljerLEDDVIS INTEGRASJON OG DERIVASJON AV POTENSREKKER:
LEDDVIS INTEGRASJON OG DERIVASJON AV POTENSREKKER: Vi ntr t potensrekken n x n n= konvergerer i ( R, R), R >, med summen s(x). D gjelder: og s (x) = n n x n for hver x med x < R, s(t) dt = n= (Dette er
DetaljerKapittel 15 ANDREGRADSLIGNINGER. Arealet av det ytre kvadratet skal være dobbelt så stort som arealet av bassenget. x =?
Arelet v det ytre vdrtet sl være doelt så stort som relet v ssenget.? ( 4) ( 4) > 0 Hvis > 4, så ( 4) 4 4 4,44,44 4 9,66 Løsningen n rues dersom > 0. 9,66 n rues. 9,66 93,3 m 86,60 m ( 4) ( ) 8 6 8 6 8
DetaljerFasit til utvalgte oppgaver MAT1100, uka 20-24/9
Fsit til utvlgte oppgver MAT00, uk 20-24/9 Øyvind Ryn oyvindry@ifi.uio.no September 24, 200 Oppgve 5..5 år vi viser t f er kontinuerlig i ved et ɛ δ-bevis, er det lurt å strte med uttrykket fx f, og finne
DetaljerKosmologisk perturbasjonsteori: Einsteintensoren vender tilbake
Kosmologisk perturbsjonsteori: Einsteintensoren vender tilbke Vi hr funnet Boltzmnnligninger for fotoner, bryoner og mørk mterie. Om vi hdde ønsket det, kunne vi også stt opp ligningene for msseløse nøytrinoer.
DetaljerIntegrasjon Skoleprosjekt MAT4010
Integrsjon Skoleprosjekt MAT4010 Tiin K. Kristinslund, Julin F. Rossnes og Torstein Hermnsen 19. mrs 2014 1 Innhold 1 Innledning 3 2 Integrsjon 3 3 Anlysens fundmentlteorem 7 4 Refernser 10 2 1 Innledning
DetaljerINF1040 Digital representasjon Oppsummering 2008 del II
INF igital representasjon Oppsummering 8 del II Lydintensitet Vi kan høre lyder over et stort omfang av intensiteter: fra høreterskelen, I - W/m,tilSmerteterskelen, W/m Oftest angir vi ikke absolutt lydintensitet
DetaljerLøsningsforslag Kollokvium 6
Løsningsforslg Kollokvium 6 25. februr 25 Her finner dere et løsningsforslg for oppgvene som ble diskutert på Kollokvium 6. Oppgve Diskusjonsoppgve Diskuter følgende spørsmål med hverndre og prøv å bli
DetaljerMAT 100A: Mappeeksamen 4
. november, MAT A: Mppeeksmen Løsningsforslg Oppgve ) Vi bruker produktregelen: f (x) x rctn x + x + x Siden x og rctn x hr smme fortegn, og x ldri er negtiv, er f (x) positiv overlt, bortsett fr t f ().
DetaljerLEDDVIS INTEGRASJON OG DERIVASJON AV POTENSREKKER: a n x n. R > 0, med summen s(x). Da gjelder: a n n + 1 xn+1 for hver x < R.
LEDDVIS INTEGRASJON OG DERIVASJON AV POTENSREKKER: Vi ntr t potensrekken konvergerer i ] R, R[, n x n R >, med summen s(x). D gjelder: s (x) = n n x n 1 for hver x < R, og s(t)dt = n n + 1 xn+1 for hver
DetaljerINF2810: Funksjonell Programmering. Huffman-koding
INF2810: Funksjonell Programmering Huffman-koding Stephan Oepen & Erik Velldal Universitetet i Oslo 22. februar, 2013 Tema 2 Forrige uke Data-abstraksjon Lister av lister Tre-rekursjon Prosedyrer som datastruktur
DetaljerObligatorisk oppgave 2 INF2310 Våren 2018
Obligatorisk oppgave 2 INF2310 Våren 2018 Dette oppgavesettet er på 7 sider, og består av 2 bildebehandlingsoppgaver. Besvarelsen av denne og neste obligatoriske oppgave må være godkjent for at du skal
DetaljerIntegrasjon av trigonometriske funksjoner
Integrsjon v trigonometriske funksjoner øistein Søvik 3. november 15 I dette dokumentet skl jeg vise litt ulike integrsjonsteknikker og metoder for å utforske integrlene v (cos x) og (sin x). De bestemte
DetaljerINF2810: Funksjonell Programmering. Huffman-koding
INF2810: Funksjonell Programmering Huffman-koding Stephan Oepen & Erik Velldal Universitetet i Oslo 22. februar, 2013 Tema 2 Forrige uke Data-abstraksjon Lister av lister Tre-rekursjon Prosedyrer som datastruktur
DetaljerALTERNATIV GRUNNBOK BOKMÅL
Anne Rsch-Hlvorsen Oddvr Asen Illustrtør: Bjørn Eidsvik 7B NY UTGAVE ALTERNATIV GRUNNBOK BOKMÅL CAPPELEN DAMM AS, 2011 Mterilet i denne publiksjonen er omfttet v åndsverklovens bestemmelser. Uten særskilt
DetaljerMatematikk Øvingsoppgaver i numerikk leksjon 9 Numerisk integrasjon
Mtemtikk 1000 Øvingsoppgver i numerikk leksjon 9 Numerisk integrsjon Forståelsen v integrlet som et rel ligger til grunn når vi skl beregne integrler numerisk. Litt mer presist: Når f(x) 0 for lle x i
Detaljer