Minimalisering av kriteriefunksjon - gradientsøk
|
|
- Helga Karlsen
- 6 år siden
- Visninger:
Transkript
1 Trening av vektvektor - gradientsøk Minimalisering av kriteriefunksjon - gradientsøk En kriteriefunksjon J(a) skal minimaliseres for å finne en otimal vektvektor. Gradientsøk: a 1 = vilkårlig startverdi a k+1 = a k r k J(a k ), k = 1,2,... der r k er en ositiv skrittlengde (inkrementet). Forhåentligvis onås konvergens mot et globalt minimum, men løsningen vil avhenge av J(a),a 1 og r k. For stort inkrement kan gi divergens, mens for liten verdi kan føre til langsom konvergens.
2 Percetron-metoden Percetron-kriteriet Her velges kriteriefunksjonen: J (a)= Â a t y der Y = {y : a t y ale 0}. y2y Her er Y mengden av feilklassifiserte samler fra treningssettet. Egenskaer ved Percetron-kriteriet: J (a) er kontinuerlig i a og skal minimaliseres mh. a, J (a) def = 0 når Y = /0 dvs. ingen feilklassifiseringer, J (a)=0 kun når a er en løsningsvektor eller a = 0, og J (a) > 0 dersom minst ett samle er feilklassifisert mht. a, dvs. a t y ale 0dery er feilklassifisert. Minimalisering gir et hyerlan med flest mulig samler å ositiv side og/eller nær o til hyerlanet å negativ side.
3 Percetron-metoden Percetron-algoritmen Gradienten til kriteriefunksjonen er: J (a)=  y y2y Gradientsøket skissert i foregående avsnitt gir da følgende algoritme: 9 a 1 = vilkårlig startvektor = a k+1 = a k + r k  y, k = 1,2,... ; Percetron-algoritmen y2y k der: Y k = {y : a t k y ale 0} = mengden av feilklassifiserte samler mht. a k. Her odateres vektvektoren etter et helt gjennomsøk av treningssettet (sammensatt odatering).
4 Percetron-metoden Enkeltsamle odatering Forenklet algoritme der vektvektoren odateres for hvert feilklassifiserte samel: ) a 1 = vilkårlig startvektor a k+1 = a k + r k y k Variabelt inkrement regelen, k = 1,2,... der y k, k = 1,2,... er feilklassifisert med hensyn til a k. Det er vanlig å betrakte samler der a t k y k ale b (med marginen b > 0) som feilklassifiserte. Dette gir en sannsynligvis mer robust løsningsvektor inne i løsningsregionen. Indeksen k er en fortløende nummerering av feilklassifiserte samler i en syklisk gjennomløing av treningssettet y 1,y 2,...,y n. Eksemel med n = 4: y 1 # y 2 # y 3 # y 4 # y 1, y 2, y 3, y 4, y 1, y 2, y 3, y 4, y 1, y 2, y 3, y 4,... y 5 #
5 Percetron-metoden Fast inkrement regelen. Et sesialtilfelle av variabelt inkrement regelen med inkrementet satt til en fast verdi, f.eks. r k = r = 1. Enkeltsamle algoritmen redusert derved til: ) a 1 = vilkårlig startvektor a k+1 = a k + y k, k = 1,2,... Fast inkrement regelen Samlet reresentert ved y k er her feilklassifisert med hensyn til vektvektoren a k.
6 Percetron-metoden Odateringen i fast inkrement regelen a k+1 y k a t y k =0 y k a k Vektvektoren a k odateres ved å legge til det feilklassifiserte samlet y k (flyttes direkte mot hyerlanet gitt ved a t y k = 0). y k blir i dette tilfellet riktig klassifisert av den nye vektvektoren a k+1.
7 Percetron-metoden Konvergens av Percetron-algoritmene Percetron algoritmen med sammensatt odatering, variabelt inkrement regelen og fast inkrement regelen kan alle vises å konvergere mot en løsningsvektor dersom datasettet er lineært searabelt. Mange valg av r k gir konvergens, f.eks.: r k = r > 0 r k = r 0 /k r k = r 0 k (konstant inkrement) (langsomt avtagende inkrement) og til og med (voksende inkrement). Dersom man ønsker å finne en god vektvektor også for et ikke-searabelt sett, er det mest fornuftig å benytte et lite, konstant inkrement eller et langsomt avtagende inkrement.
8 Relaksasjonsmetoden Relaksasjonskriteriet Relaksasjonskriteriet er gitt ved: J r (a)= 1 2 Â y2y (a t y b) 2 y 2 der Y = {y : a t y ale b}. Marginen b > 0ernødvendigforåunngåkonvergensmotrandenavløsningsregionen. Egenskaer for J r (a): J r (a) 0dvs.detskalsøkesetteretminimum, J r (a)=0hvisogbarehvisa t y > b 8y, J r (a) def = 0hvisY = /0. Gradienten til J r med hensyn å a blir: a J r (a)= Â y2y a t y b y 2 y.
9 Relaksasjonsmetoden Relaksasjonsmetodene Gradientsøkalgoritmen (Relaksasjonsalgoritmen): a 1 = vilkårlig startvektor a k+1 = a k + r k b  y2y k 9 >= a t k y y 2 y, Y k = {y : ak t y ale b} >; Relaksasjonsalgoritmen Enkeltsamlealgoritmen (Relaksasjonsregelen): 9 a 1 = vilkårlig startvektor >= a k+1 = a k + r b a k ty k y k 2 y k, der r k = r = konstant og ak t y k ale b>; Relaksasjonsregelen
10 Relaksasjonsmetoden Odateringen i relaksasjonsregelen a t y k = b y k a k a Odateringen i relaksasjonsregelen. Vektvektoren a k odateres til a k+1 ved å gi et tillegg r r k iretningmothyerlanet.
11 Feilrettingsmetoder Feilrettingsmetoder Vi har sett å trening av lineære diskriminantfunksjoner ved hjel av: Percetron-metodene Percetron-algoritmen Variabelt inkrement regelen Fast inkrement regelen Relaksasjonsmetodene Relaksasjonsalgoritmen Relaksasjonsregelen Her ønskes å tilfredsstille et sett av ulikheter der a t y > 0forallesamleritreningssettet ved å rette feilklassifiseringer som åtreffes; derav betegnelsen feilrettingsmetoder.
TEK5020/TEK Mønstergjenkjenning
Sammendrag og eksempler Lineære diskriminantfunksjoner (Gradientsøk, perceptronmetoden) UiO : Institutt for teknologisystemer Høsten 2018 (22. oktober 2018) Diskriminantfunksjoner Utvidet egenskapsrom
DetaljerIkke-separable problemer
Feilrettingsmetoder Ikke-separable problemer Feilrettingsmetodene konvergerer under gitte betingelser til løsningsvektorer for lineært separable problemer, men kan også gi gode resultater på ikke-separable
DetaljerInnledning Beslutningsteori Parametriske metoder Ikke-parametriske metoder Diskriminantfunksjoner Evaluering Ikke-ledet læring Klyngeanalyse Oversikt
Oversikt Innhold i kurset Beslutningsteori (desisjonsteori) Parametriske metoder Ikke-parametriske metoder Lineære og generaliserte diskriminantfunksjoner Feilrateestimering og evaluering av klassifikatorer
DetaljerGeneralisering til mange klasser - feilrettingsmetodene
Mange klasser Generalisering til mange klasser - feilrettingsmetodene Kesslers konstruksjon - omskriving av c-klasseproblemet til et toklasseproblem. Her innføres en sammensatt vektvektor a og et sett
DetaljerUnik4590/Unik9590/TTK Mønstergjenkjenning
Sammendrag og eksempler Universitetssenteret på Kjeller Høsten 2016 (15. oktober 2016) Hva er mønstergjenkjenning? Formålet med mønstergjenkjenning Gjenkjenne objekter - tilordne objekter til én av flere
DetaljerDimensjonalitetsproblemer (3)
Dimensjonalitetsproblemer Dimensjonalitetsproblemer (3) Ved å inkludere flere uavhengige egenskaper der µ i1 6= µ i2 i egenskapsvektoren vil r 2 øke og P(e) avta, slik at: P d+1 (e) apple P d (e). Dette
DetaljerNormalfordelingen. Univariat normalfordeling (Gaussfordelingen): der µ er forventningsverdien og σ 2 variansen. Multivariat normalfordeling:
Normalfordelingen Univariat normalfordeling (Gaussfordelingen): p(x µ,σ 2 ) = 1 µ)2 (x e 2σ 2 = N(µ,σ 2 ) 2πσ der µ er forventningsverdien og σ 2 variansen. Multivariat normalfordeling: [ 1 p(x µ,σ) =
DetaljerVelkommen til oversiktsforelesninger i Matematikk 1. med Jørgen Endal
Velkommen til oversiktsforelesninger i Matematikk 1 med Jørgen Endal Nytt tema: Følger, rekker, og potensrekker (kap. 9.1 9.7) Nytt tema: Følger, rekker, og potensrekker (kap. 9.1 9.7) Forelesning 1 (kap.
DetaljerFølger og rekker. Department of Mathematical Sciences, NTNU, Norway. November 10, 2014
Department of Mathematical Sciences, NTNU, Norway November 10, 2014 Forelesning (03.01.2014): kap 9.1 og 9.2 Beskrivelse av følger eksempler og definisjon Egenskaper med følger Grenseverdi for følger (og
DetaljerLøsningsforslag: Eksamen i MAT111 - Grunnkurs i Matematikk I
Universitetet i Bergen Matematisk institutt Bergen, 8. desember 006. Bokmål Løsningsforslag: Eksamen i MAT - Grunnkurs i Matematikk I Mandag desember 8, 006, kl. 09-4. Oppgave Gitt funksjonen f(x) = ln(
DetaljerInnledning Beslutningsteori Parametriske metoder Ikke-parametriske metoder Diskriminantfunksjoner Evaluering Ikke-ledet læring Klyngeanalyse Oversikt
Oversikt Innhold i kurset Beslutningsteori (desisjonsteori) Parametriske metoder Ikke-parametriske metoder Lineære og generaliserte diskriminantfunksjoner Feilrateestimering og evaluering av klassifikatorer
Detaljer2 3 2 t der parameteren t kan være et vilkårlig reelt tall. i) Finn determinanten til M. M =
Oppgave a) Løs likningssystemet x + 3x + x 3 = x + x 3 = 0 3x + x + 3x 3 = 8 Svar: Rekkereduksjon av totalmatrisen gir 0 0 0 0 7 0 0 0 0 Det betyr at løsningen er gitt ved x +x 3 = 0, x = 7 og x 3 en fri
DetaljerNumerisk løsning av ikke-lineære ligninger
Numerisk løsning av ikke-lineære ligninger Anne Kværnø February 26, 2018 1 Problemstilling Vi vil først se på numeriske teknikker for å løse skalare ligninger (en ligning, en ukjent), for eksempel eller
DetaljerNotater fra forelesning i MAT1100 mandag
Notater fra forelesning i MAT00 mandag 3.08.09 Amandip Sangha, amandips@math.uio.no 8. august 009 Følger og konvergens (seksjon 4.3 i Kalkulus) Definisjon.. En følge er en uendelig sekvens av tall {a,a,a
DetaljerMAT jan jan feb MAT Våren 2010
MAT 1012 Våren 2010 Mandag 25. januar 2010 Forelesning Vi fortsetter med å se på det bestemte integralet, bl.a. på hvordan vi kan bruke numeriske beregninger til å bestemme verdien når vi ikke nødvendigvis
DetaljerLineære diffligning(ssystem)er i ECON 4140 V2017: Hva er pensum, hva er forelest, og hva er vesentlig.
Lineære diffligning(ssystem)er i ECON 4140 V2017: Hva er pensum, hva er forelest, og hva er vesentlig. (If you need an English version, please notify me. Nils) Jeg har blitt gjort oppmerksom på at forelesningsplanen
Detaljer5.8 Iterative estimater på egenverdier
5.8 Iterative estimater på egenverdier Det finnes ingen eksplisitt formel for beregning av egenverdiene til en kvadratisk matrise. Iterative metoder som finner (ofte) en (meget god) approksimasjon til
DetaljerVeiledning oppgave 2 kap. 4.2
Jon Vislie; august 007 Veiledning ogave ka. 4. ECON 360/460 Samfunnsøkonomisk lønnsomhet og økonomisk olitikk I en lukket økonomi med en grue identiske konsumenter (her betraktet som én aktør, skal vi
DetaljerLøsningsforslag. e n. n=0. 3 n 2 2n 1. n=1
Eksamen i BYPE2000 - Matematikk 2000 Dato: 6. juni 2014 Målform: Bokmål Antall oppgaver: 7 (20 deloppgaver) Antall sider: 4 Vedlegg: Noen formler Hjelpemiddel: Ingen Alle svarene skal grunngis. Alle deloppgavene
DetaljerEksamen TMA desember 2009
Eksamen TMA41 14. desember 009 Norges teknisknaturvitenskapelige universitet Institutt for matematiske fag 1 a) Grafen. - 0 4 6 b) Dersom vi antar at f(x) = 1 (f(x + 0) + f(x 0)), har vi f(x) = Setter
DetaljerLuft og gassegenskaper
KAPITTEL 1 Luft og gassegenskaer Luft Ren. tørr luft: 78% volum nitrogen, 21% oksygen og 1% av rundt 14 andre gasser omtrent samme forhold o til ca. 20 km høyde ved sjøflaten er massetettheten ρ 1, 209
Detaljer6.8 Anvendelser av indreprodukter
6.8 Anvendelser av indreprodukter Vektede minste kvadraters problemer Anta at vi approksimerer en vektor y = (y 1,..., y m ) R m med ŷ = (ŷ 1,..., ŷ m ) R m. Et mål for feilen vi da gjør er y ŷ, der betegner
DetaljerTaylorpolynom (4.8) f en funksjon a et punkt i definisjonsmengden til f f (minst) n ganger deriverbar i a Da er Taylorpolynomet til f om a
Taylorpolynom (4.8) f en funksjon a et punkt i definisjonsmengden til f f (minst) n ganger deriverbar i a Da er Taylorpolynomet til f om a P n (x) = f (a) + f (a)(x a) + f (a) 2 (x a)2 + + f (n) (a) (x
DetaljerArne B. Sletsjøe. Oppgaver, MAT 1012
Arne B. Sletsjøe Oppgaver, MAT 101 1 En-variabel kalkulus 1.1 I de følgende oppgavene, i) finn alle kritiske punkter til f(x), ii) beskriv monotoniegenskapene til funksjonene ved å se på fortegnet til
DetaljerBayesisk estimering. Tettheten i punkt x er her gitt ved: der p(q X ) er áposterioriparameterfordelinggitt ved: p(q X )=
Bayesisk estimering Bayesisk estimering Tettheten i punkt x er her gitt ved: Z p(x X )= p(x q)p(q X )dq der p(q X ) er áposterioriparameterfordelinggitt ved: p(q X )= p(x q)p(q) R p(x q)p(q)dq og p(x q)
DetaljerHøgskolen i Agder Avdeling for realfag EKSAMEN
Høgskolen i Agder Avdeling for realfag EKSAMEN Emnekode: MA 40 Emnenavn: Analyse Dato: 9. desember 999 Varighet: 09.00-5.00 Antall sider inklusivt forside: Tillatte hjelpemidler: Merknader: 2 Alle, også
DetaljerUendelige rekker. Konvergens og konvergenskriterier
Uendelige rekker. Konvergens og konvergenskriterier : Et absolutt nødvendig, men ikke tilstrekkelig vilkår for konvergens er at: lim 0 Konvergens vha. delsummer :,.,,,. I motsatt fall divergerer rekka.
Detaljer4 ( ( ( / ) 2 ( ( ( / ) 2 ( ( / 45 % + 25 ( = 4 25 % + 35 / + 35 ( = 2 25 % + 5 / 5 ( =
MA Brukerkurs i matematikk B Eksamen 8. mai 6 Løsningsforslag Oppgave a) Viser at! # $ ved å vise at #!!# ' (. Nedenfor er matrisemultiplikasjonen #! vist (du må vise at!# gir det samme). ( + + + / ( +
DetaljerGeometri i rommet. Kapittel Vektorer i R 3. Lengden av v er gitt ved
Kaittel 5 Geometri i rommet I dette kaitlet skal vi konsentrere oss om isometrier i R. Det er stort sammenfall mellom teoriene i og dimensjoner, og mange av resultatene fra forrige kaittel er gyldig også
DetaljerBiseksjonsmetoden. biseksjonsmetode. Den første og enkleste iterativ metode for ikke lineære likninger er den så kalt
Biseksjonsmetoden Den første og enkleste iterativ metode for ikke lineære likninger er den så kalt biseksjonsmetode. Gitt en intervall [a, b] hvor f skifter fortegn, vi halverer [a, b] = [a, b + a 2 ]
DetaljerTMA4100 Matematikk 1 for MTDESIG, MTIØT-PP, MTMART og MTPROD høsten 2010
TMA4100 Matematikk 1 for MTDESIG, MTIØT-PP, MTMART og MTPROD høsten 2010 Toke Meier Carlsen Institutt for matematiske fag 28. oktober 2010 2 Fremdriftplan I går 7.7 Uegentlige integraler 8.1 Følger I dag
DetaljerRungekuttametodene løser initialverdiproblemer på formen y' = F x, y, y x 0
Rungekuttametodene løser initialverdiproblemer på formen y' = F x, y, y x 0 = y 0 der F x, y står for et uttrykk i x og y. De er iterative metoder, så for - løkker egner seg ypperlig i denne sammenengen.
DetaljerNewtons metode. Gitt f(x) slik at f(a)f(b) < 0, Newtons metode genererer en følge {x k }, hvor. (Newton Raphson) x k+1 = x k f(x k) f (x k )
Newtons metode 1/15 Gitt f(x) slik at f(a)f(b) < 0, Newtons metode genererer en følge {x k }, hvor x k+1 = x k f(x k) f (x k ) x 0 [a, b] gitt. (Newton Raphson) y=f(x) x k+1 x k Konvergens: Iterasjons
DetaljerOm plotting. Knut Mørken. 31. oktober 2003
Om plotting Knut Mørken 31. oktober 2003 1 Innledning Dette lille notatet tar for seg primitiv plotting av funksjoner og visualisering av Newtons metode ved hjelp av Java-klassen PlotDisplayer. Merk at
DetaljerLøsningsforslag for Eksamen i MAT 100, H-03
Løsningsforslag for Eksamen i MAT, H- Del. Integralet cos( ) d er lik: Riktig svar: b) sin( ) + C. Begrunnelse: Vi setter u =, du = d og får: cos( ) d = cos u du = sin u + C = sin( ) + C. Integralet ln(
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: MAT 1120 Lineær algebra Eksamensdag: Mandag 5 desember 2016 Tid for eksamen: 09.00 13.00 Oppgavesettet er på 6 sider. Vedlegg:
DetaljerNicolai Kristen Solheim
Oppgave 1. 1a) 1, 0, 2, sin 5 4cos sin 54cos sin 8 sin cos cos 54cos 8 sin cos 5cos 4cos 8sin cos 5cos 4cos Dersom vi plotter grafen for vil vi se hvor vokser og avtar. 1 Fra grafen for ser vi følgende
DetaljerVeiledning oppgave 4 kap. 3 (seminaruke 42): ECON 3610/4610
Jon Vislie; oktober 007 Veiledning ogave 4 ka. 3 (seminaruke 4): ECON 360/460 I en økonomi roduseres én konsumvare i mengde x, kun ved hjel av elektrisitet, symboliseret ved E. Produksjonsteknologien for
Detaljerdg = ( g P0 u)ds = ( ) = 0
NTNU Institutt for matematiske fag TMA4105 Matematikk 2, øving 8, vår 2011 Løsningsforslag Notasjon og merknader Som vanlig er enkelte oppgaver kopiert fra tidligere års løsningsforslag. Derfor kan notasjon,
DetaljerLP. Leksjon 6: Kap. 6: simpleksmetoden i matriseform, og Seksjon 7.1: følsomhetsanalyse
LP. Leksjon 6: Kap. 6: simpleksmetoden i matriseform, og Seksjon 7.1: følsomhetsanalyse matrisenotasjon simpleksalgoritmen i matrisenotasjon eksempel negativ transponert egenskap: bevis følsomhetsanalyse
DetaljerEKSAMEN I TMA4180 OPTIMERINGSTEORI
Norges teknisknaturvitenskapelige universitet Institutt for matematiske fag Side av 4 Faglig kontakt under eksamen: Marte Pernille Hatlo 7359698 / 97537854 EKSAMEN I TMA48 OPTIMERINGSTEORI Fredag 2. juni
DetaljerRepetisjon i Matematikk 1: Derivasjon 2,
Repetisjon i Matematikk 1: Derivasjon 2, 201. 1 Høgskolen i Gjøvik Avdeling TØL Repetisjonsoppgaver MATEMATIKK 1 REA1141 og REA1141F Derivasjon 2, 201. Oppgave 1 Denne oppgaven har forholdsvis enkle derivasjoner,
DetaljerØving 6 Tallfølger og differenslikninger
Øving Tallfølger og differenslikninger Teori Se også Mathematicakompendiet kap. En tallfølge er en liste av elementer satt opp i en bestemt rekkefølge { a[0]a[]a[]...a[n]... } = {a[n]} 0. Vi kaller elementet
DetaljerBioberegninger - notat 4: Mer om sannsynlighetsmaksimering
Bioberegninger - notat 4: Mer om sannsynlighetsmaksimering 8. mars 2004 1 Kort om Newton s metode i flere dimensjoner Newton s metode kan generaliseres til å løse sett av n ligninger med n ukjente. Skal
DetaljerNumerisk løsning av PDL
Numerisk løsning av PDL Arne Morten Kvarving Department of Mathematical Sciences Norwegian University of Science and Technology 6. November 2007 Problem og framgangsmåte Fram til nå har vi sett på ordinære
Detaljer(3/2)R 2+R 3 R 1 +R 2,( 2)R 1 +R 3 ( 2)R 1 +R 4 6/5R 3 +R 4 1/5R 3
NTNU Institutt for matematiske fag TMA4115 Matematikk 3 våren 2009 Løsningsforslag - Øving 10 Fra Edwards & Penney, avsnitt 4.4 5 Vi bruker Algoritme 1 og 2 i EP på sidene 190 og 193 for å finne en basis
Detaljern=0 n=1 n + 1 Vi får derfor at summen er lik 1/2. c)
Eksamen i BYPE2000 - Matematikk 2000 Dato: 204 Målform: Bokmål Antall oppgaver: 7 (20 deloppgaver) Antall sider: 4 Vedlegg: Noen formler Hjelpemiddel: Ingen Alle svarene skal grunngis. Alle deloppgavene
DetaljerL(t 2 ) = 2 s 3, 2. (1. Skifteteorem) (s 2) 3. s 2. (Konvolusjonsteoremet) s 2. L 1 ( Z. = t, L 1 ( s 2 e 2s) = (t 2)u(t 2). + 1
NTNU Institutt for matematiske fag Eksamen i TMA5 Matematikk D høsten 008 Løsningsforslag a i Lt s, Lt e t Skifteteorem s ii Z t L sinτsint τdτ 0 s Konvolusjonsteoremet + b i L s t, L s e s t ut ii L s
DetaljerMA2501 Numeriske metoder
MA251 Numeriske metoder Løsningsforslag, Øving 3 Oppgave 1 a) Start med å tegne en skisse av funksjonen f(x) = x.99(e x 1). Vi oppdager fort at α må ligge svært nær, faktisk rundt.2. Newtons metode anvendt
DetaljerRegneøving 9. (Veiledning: Fredag 18. mars kl og mandag 21. mars kl )
Institutt for fysikk, NTNU TFY4165 og FY1005 Termisk fysikk, våren 011. Regneøving 9. (Veiledning: Fredag 18. mars kl. 1.15-14.00 og mandag 1. mars kl. 17.15-19.00.) Oppgave 1 Damptrykket for vann ved
DetaljerPrøveeksamen STK2100 (fasit) - vår 2018
Prøveeksamen STK2100 (fasit) - vår 2018 Geir Storvik Vår 2018 Oppgave 1 (a) Vi har at E = Y Ŷ =Xβ + ε X(XT X) 1 X T (Xβ + ε) =[I X(X T X) 1 X T ]ε Dette gir direkte at E[E] = 0. Vi får at kovariansmatrisen
Detaljer4.4 Koordinatsystemer
4.4 Koordinatsystemer Minner om at B = { b 1, b 2,..., b n } kalles en basis for et vektorrom V dersom B er lineært uavhengig og utspenner V. I samme vektorrom kan vi innføre ulike koordinatsystemer ;
DetaljerVekstrater og eksponentiell vekst ECON 2915 Vekst og næringsstruktur
Vekstrater og eksponentiell vekst ECON 2915 Vekst og næringsstruktur KÅRE BÆVRE Høsten 2005 1 Vekstrater og eksponensiell vekst 1.1 Vekstrater i iskret ti Vekstraten til en størrelse Y angir hvor stor
Detaljer4.4 Koordinatsystemer
4.4 Koordinatsystemer Minner om at B = { b 1, b 2,..., b n } V kalles en basis for et vektorrom V dersom B er lineært uavhengig og B utspenner V. I samme vektorrom kan vi innføre ulike koordinatsystemer
DetaljerVeiledning til Obligatorisk øvelsesoppgave ECON 3610/4610 høsten 2009
Jon Vislie Oktober 009 Veiledning til Obligatorisk øvelsesogave ECON 360/460 høsten 009 Ogave. I den lukkede økonomien du betrakter er det to gruer av arbeidstakere; en grue vi kaller og en grue vi kaller.
DetaljerFor æresdoktoratet i Bergen 28 august 2008
ITERERTE LINEÆRE REKURSJONER OG SCHUBERT REGNING For æresdoktoratet i Bergen 28 august 2008 1. Adjunksjon av røtter 1.1 Notasjon. La A være en ring. For en A-algebra B betrakter vi Hom A (B, A) som en
DetaljerLøsningsforslag til eksamen i 2200, mai 06
Løsningsforslag til eksamen i 00, mai 06 1. (a) f (K) = (1 K )( K) = 4K(1 K ), ved kjerneregelen. (llers kan en multilisere ut og så derivere.) (b) dy/dt = F 1(K, t)(dk/dt) +F (K, t) = F 1(K, t)( rk 0
DetaljerIkke lineære likninger
Ikke lineære likninger Opp til nå har vi studert lineære likninger og lineære likningsystemer. 1/19 Ax = b Ax b = 0. I en dimensjon, lineære likninger kan alltid løses ved hjelp av formler: ax + b = 0
DetaljerLsningsforslag ved Klara Hveberg Lsningsforslag til utvalgte oppgaver i kapittel 7 I seksjon 7.1 og 7.2 lrer du a lse oppgaver hvor det kan lnne seg a
Lsningsforslag til utvalgte ogaver i kaittel 7 I seksjon 7. og 7. lrer du a lse ogaver hvor det kan lnne seg a tegne gurer og sette navn a ukjente strrelser. Ogave 7..7 illustrerer hvordan du kan ansla
DetaljerMAT-1004 Vårsemester 2017 Obligatorisk øving 2
MAT-1004 Vårsemester 2017 Obligatorisk øving 2 Contents 1 OPPGAVE 2 2 OPPGAVE 2 Eksempler 4.1 Oppgave 1............................... 4.2 Oppgave 2............................... 5 4 Formatering av svarene
DetaljerEnkel matematikk for økonomer. Del 1 nødvendig bakgrunn. Parenteser og brøker
Vedlegg Enkel matematikk for økonomer I dette vedlegget går vi gjennom noen grunnleggende regneregler som brukes i boka. Del går gjennom de helt nødvendige matematikk-kunnskapene. Dette må du jobbe med
DetaljerVeiledning oppgave 3 kap. 2
1 Jon Vislie; setember 29 Veiledning ogave 3 ka. 2 ECON 361/461 Samfunnsøkonomisk lønnsomhet og økonomisk olitikk Vi betrakter en lukket økonomi der vi ser utelukkende å bruk av vannkraftrodusert energi
DetaljerLøsningsforslag eksamen 18/ MA1102
Løsningsforslag eksamen 8/5 009 MA0. Dette er en alternerende rekke, der leddene i størrelse går monotont mot null, så alternerenderekketesten gir oss konvergens. (Vi kan også vise konvergens ved å vise
DetaljerEKSAMENSBESVARELSE MELLOMFAG MIKRO, HØST 1998
KSAMNSBSVARLS MLLOMFAG MIKRO, HØST 1998 Karakter: 1.8 Ogave 2 a)forklar hva som menes med konsumentoverskudd og rodusentoverskudd. Illustrer i en figur hvordan konsumentoverskuddet og rodusentoverskuddet
DetaljerNotater nr 9: oppsummering for uke 45-46
Notater nr 9: oppsummering for uke 45-46 Bøkene B (læreboken): Tor Gulliksen og Arne Hole, Matematikk i Praksis, 5. utgave. K (kompendium): Amir M. Hashemi, Brukerkurs i matematikk MAT, høsten. Oppsummering
Detaljer4.9 Anvendelser: Markovkjeder
4.9 Anvendelser: Markovkjeder Markov kjeder er en spesiell type diskret dynamisk system. Stokastisk modell: grunnleggende i sannsynlighetsregning. Vinner av Abelprisen 2007, S. Varadhan, jobber i dette
DetaljerAnalysedrypp II: Kompletthet
Analysedrypp II: Kompletthet Kompletthet er et begrep som står sentralt i både MAT1100 og MAT1110, og som vil stå enda mer sentralt i MAT2400. I de tidligere kursene fremstår begrepet på litt forskjellig
DetaljerEksamen - INF 283 Maskinlæring
Eksamen - INF 283 Maskinlæring 23 feb. 2016 Tid: 3 timer Eksamen inneholder 15 oppgaver, som vil bli vektet likt ved evaluering. 1 Table 1 attributt antall personer forsørget av låntaker månedlig inntekt
DetaljerLØSNINGSFORSLAG EKSAMEN I GRUNNKURS I ANALYSE I (MA1101/MA6101)
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side av 6 LØSNINGSFORSLAG EKSAMEN I GRUNNKURS I ANALYSE I (MA0/MA60) Fredag 2. desember 202 Tid: 09:00 3:00 Hjelpemidler: Kode
DetaljerVeiledning til obligatorisk øvelsesoppgave ECON 3610/4610 HØST Betrakt en lukket økonomi der det produseres en vare, i mengde x, kun ved
Jon Vislie, oktober 7 Veiledning til obligatorisk øvelsesogave ECO 36/46 HØST 7 Ogave. Betrakt en lukket økonomi der det roduseres en vare, i mengde x, kun ved hjel av arbeidskraft. Denne arbeidskraften
DetaljerUnik4590/Unik9590/TTK Mønstergjenkjenning
Sammendrag og eksempler Universitetssenteret på Kjeller Høsten 2016 (17. august 2016) Hva er mønstergjenkjenning? Formålet med mønstergjenkjenning Gjenkjenne objekter - tilordne objekter til én av flere
DetaljerEksamensoppgave i TMA4250 Romlig Statistikk
Institutt for matematiske fag Eksamensoppgave i TMA4250 Romlig Statistikk Faglig kontakt under eksamen: Professor Henning Omre Tlf: 90937848 Eksamensdato: 5. juni 2015 Eksamenstid (fra til): 09:00-13:00
DetaljerLØSNINGSFORSLAG for KONTINUASJONSEKSAMEN I FAG SIE2010 Informasjons- og signalteori, 29. juli y(n) = ay(n 1) + x(n k),
NORGES TEKNISK-NATURVITENSKAPELIGE UNIVERSITET INSTITUTT FOR TELETEKNIKK Signalbehandling LØSNINGSFORSLAG for KONTINUASJONSEKSAMEN I FAG SIE200 Informasjons- og signalteori, 29. juli 2002 Oppgave I Gitt
DetaljerMAT Grublegruppen Uke 37
MAT00 - Grublegruppen Uke 37 Jørgen O. Lye Bemerkning: Mye av stoffet i dette notatet er å finne i Kalkulus, kapittel. Dette kapittelet er leselig etter man vet hva følger er, men er ikke pensum før i
DetaljerTallfølger er noe av det første vi treffer i matematikken, for eksempel når vi lærer å telle.
Kapittel 1 Tallfølger 1, 2, 3, 4, 5, 6, 7, 8,... Det andre temaet i kurset MAT1001 er differenslikninger. I en differenslikning er den ukjente en tallfølge. I dette kapittelet skal vi legge grunnlaget
Detaljer1 Mandag 1. februar 2010
Mandag. februar 200 I dag skal vi fortsette med rekkeutviklinger som vi begynte med forrige uke. Vi skal se på litt mer generell rekker og vurdere når de konvergerer, bl.a. gi et enkelt kriterium. Dette
DetaljerEksamensoppgave i MA1101 Grunnkurs i analyse
Institutt for matematiske fag Eksamensoppgave i MA1101 Grunnkurs i analyse Faglig kontakt under eksamen: Kari Hag Tlf: 48 30 19 88 Eksamensdato: 15. oktober 018 Eksamenstid (fra til): 17:30 19:00 Hjelpemiddelkode/Tillatte
DetaljerNotat 6 - ST februar 2005
Notat 6 - ST1301 22. februar 2005 1 Instruksjoner som data I begynnelsen av kurset definerte vi data som informasjon uttrykkt i et programmeringsspråk. Slike data kan være av ulik type, f.eks. enkle skalarer
DetaljerResTek1 Løsning Øving 11
ResTek Løsning Øving Oppgave a) La L bety lengde, M masse, T tid i et hvilket som helst konsistent sett av enheter. Da er [k] =L 2, [µ] =M/LT, [p] =(ML/T 2 )/L 2 = M/LT 2, [c] =LT 2 /M, og da blir [ ]
DetaljerOPPGAVESETT MAT111-H16 UKE 44. Oppgaver til seminaret 4/11
OPPGAVESETT MAT111-H16 UKE 44 Avsn. 5.5: 19, 41, 47 Avsn. 5.6: 9, 17, 47 Avsn. 5.7: 15 På settet: S.1, S.2. Oppgaver til seminaret 4/11 Oppgaver til gruppene uke 45 Løs disse først så disse Mer dybde Avsn.
DetaljerMAT Oblig 1. Halvard Sutterud. 22. september 2016
MAT1110 - Oblig 1 Halvard Sutterud 22. september 2016 Sammendrag I dette prosjektet skal vi se på anvendelsen av lineær algebra til å generere rangeringer av nettsider i et web basert på antall hyperlinker
DetaljerResTek1 Løsning Øving 11
ResTek Løsning Øving Oppgave a) La L bety lengde, M masse, T tid i et hvilket som helst konsistent sett av enheter. Da er [k] L 2, [µ] MLT, [p] (MLT 2 )L 2 MLT 2, [c] LT 2 M, og da blir t D p D» kt φµcr
DetaljerMA1410: Analyse - Notat om differensiallikninger
Høgskolen i Agder Avdeling for realfag MA40: Analyse - Notat om differensiallikninger Dato: Høsten 2000 Merknader: Dette notatet kommer i tillegg til 4.2 og 6. i læreboka. Ma 40: Analyse skal inneholde
DetaljerPraksis har vært å bruke følgende poenggrenser for de forskjellige karakterene på ECON2200:
Kjell Arne Brekke Vidar Christiansen Sensorveiledning ECON 00, Vår Vi gir oeng for hvert svar. Maksimalt oengtall å hver ogave svarer til den vekt som er ogitt i rosent. Maksimal total oengsum blir dermed
DetaljerAnalysedrypp III: ɛ-δ og alt det der
Analysedrypp III: ɛ-δ og alt det der Mange strever med ɛ-δ-argumenter. Det er flere grunner til dette: Noen har problemer med å forstå den underliggende tankegangen, mens andre sliter med de grunnleggende
DetaljerEKSAMEN Løsningsforslag
5..7 EKSAMEN Løsningsforslag Emnekode: ITD5 Dato:. desember 7 Hjelpemidler: - To A-ark med valgfritt innhold på begge sider. - Formelhefte. - Kalkulator som deles ut samtidig med oppgaven. Emnenavn: Matematikk
DetaljerMAT1120 Notat 1 Tillegg til avsnitt 4.4
MAT1120 Notat 1 Tillegg til avsnitt 4.4 Dette notatet tar utgangspunkt i Teorem 8 fra avsnitt 4.4 i boka. For ordens skyld gjentar vi dette teoremet her: Teorem 8 [Avsn. 4.4]: Anta at B = {b 1,..., b n
DetaljerLØSNINGSFORSLAG TIL EKSAMEN I FAG SIF5045 NUMERISK LØSNING AV DIFFERENSIALLIGNINGER
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side av 8 Faglig kontakt under eksamen: Syvert P. Nørsett 7 59 5 45 LØSNINGSFORSLAG TIL EKSAMEN I FAG SIF545 NUMERISK LØSNING
DetaljerTMA4122/TMA4130 Matematikk 4M/4N Høsten 2010
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag TMA4122/TMA410 Matematikk 4M/4N Høsten 2010 1 Oppgave: Løs følgende ligningssystemer ved hjelp av Gauss-eliminasjon med delvis
DetaljerDet matematisk-naturvitenskapelige fakultet
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i IN 227 Numerisk lineær algebra Eksamensdag: 5. desember 2001 Tid for eksamen: 9.00 15.00 Oppgavesettet er på 5 sider. Vedlegg:
Detaljer9. mai 2019 MAT Oblig 2 - Løsningsforslag
9. mai 219 MAT 24 Oblig 2 - Løsningsforslag Oppgave 1. La X være vektorrommet X = C([ 1, 1], R utstyrt med sup-norm, og la G : X X være definert ved G(f(x = f(s m ds, for en m N. Vis at G er deriverbar
DetaljerLøsningsforslag til eksamen i TMA4105 matematikk 2,
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side av Løsningsforslag til eksamen i TMA45 matematikk, 9.5.4 Oppgave La fx, y, z) xy + arctanxz). La P være punktet,, ). a)
DetaljerLøsningsforslag til Eksamen i MAT111
Universitetet i Bergen Matematisk institutt Bergen, 9. desember 25. Bokmål Løsningsforslag til Eksamen i MAT Mandag 9. desember 25, kl. 9-. Dette er kun et løsningsforslag. Oppgave a) Betrakt de to komplekse
DetaljerVeiledning til seminaroppgave uke ECON 3610/4610 (Denne oppgaven starter med seminaroppgave i uke 37 som et utgangspunkt.)
Jon Vislie; oktober 009 Veiledning til seminarogave uke 45 46 ECO 360/460 (Denne ogaven starter med seminarogave i uke 37 som et utgangsunkt.). Hvordan åvirkes markedslikevekten utledet tidligere av disse
DetaljerFinne løsninger på ligninger numerisk: Newton-Raphson metoden og Fikspunktiterasjon MAT111, høsten 2017
Finne løsninger på ligninger numerisk: Newton-Raphson metoden og Fikspunktiterasjon MAT111, høsten 2017 Andreas Leopold Knutsen 4. oktober 2017 Problem og hovedidé Problem: Finn løsning(er) r på en ligning
DetaljerForelesning 14 Systemer av dierensiallikninger
Forelesning 14 Systemer av dierensiallikninger Eivind Eriksen 9. april 010 Dierensiallikninger En dierensiallikning inneholder en avhengig variabel (typisk y ) og en uavhengig variabel (typisk x), som
DetaljerEksamen i TMA4180 Optimeringsteori Løsningsforslag.
Eksamen i TMA48 Optimeringsteori Løsningsforslag. Oppgave :. ordens betingelse for minima gir oss f(x) = [ 2x 2x 2 + 2 2x 2 2x 2 ] [ = som er oppfylt for når x 2 = x +. I dette punktet er [ ] 2 2 2 f(x)
DetaljerLøysingsforslag for øving 13
Institutt for fysikk 014 TFY4108 Fysikk Løysingsforslag for øving 13 Ogåve 1. (a) de Broglie foreslo at ein artikkel med bevegelsesmengd = mv har bølgjelengd E = /(m)+u blir = m(e U) så = h/ m(e U). Dermed:
DetaljerEKSAMEN I MA0002 Brukerkurs B i matematikk
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side av 7 Faglig kontakt under eksamen: Achenef Tesfahun (9 84 97 5) EKSAMEN I MA2 Brukerkurs B i matematikk Lørdag 322 Tid:
Detaljer