Основная образовательная программа высшего профессионального образования Направление подготовки
| Вид материала | Основная образовательная программа |
- Основная образовательная программа высшего профессионального образования Направление, 65.34kb.
- Основная образовательная программа высшего профессионального образования направление, 721.26kb.
- Основная образовательная программа высшего профессионального образования направление, 5151.75kb.
- Основная образовательная программа высшего профессионального образования Направление, 1316.69kb.
- Основная образовательная программа высшего профессионального образования Направление, 3764.91kb.
- Основная образовательная программа высшего профессионального образования Направление, 3396.78kb.
- Основная образовательная программа высшего профессионального образования Направление, 501.83kb.
- Основная образовательная программа высшего профессионального образования Направление, 636.13kb.
- Основная образовательная программа высшего профессионального образования Направление, 506.79kb.
- Основная образовательная программа высшего профессионального образования Направление, 639.3kb.
Численные методы решения задач нахождения экстремумов
Целью изучения дисциплины является овладение численными методами и навыками использования стандартных программам нахождения экстремумов (максимумов и минимумов) для заданных целевых функций, включая различные ограничения на варьируемые параметры. Это позволяет находить наиболее эффективные решения прикладных задач.
Задачей изучения дисциплины является – научить студентов различным вариантам постановок задач оптимизации: линейных, квадратичных, выпуклых и нелинейных задач нахождения экстремумов и выбора программ для их решения.
Основные дидактические единицы: необходимые и достаточные условия экстремумов функций многих переменных, численные методы на основе градиентного спуска, метод сопряженных градиентов, квазиньтоновские алгоритмы, минимизация при наличии ограничений, многокритериальная оптимизация.
В результате изучение дисциплины студент бакалавриата должен
знать: классические алгоритмы минимизации для функций многих переменных,
уметь: использовать стандартные программы минимизации в Excel, Mathcad, MatLab,
владеть: программными средствами в Excel, Mathcad, MatLab.
Виды учебной работы: лекции - 34ч., лабораторные занятия - 34ч.
Изучение дисциплины заканчивается экзаменом при сдаче 5 расчетных заданий
Математические методы и аппаратная обработка измерений
Дисциплина «Математические методы и аппаратная обработка измерений» предназначена для студентов второго курса, обучающихся по направлению 230100 «Информатика и вычислительная техника».
Цели и задачи дисциплины
Целью преподавания дисциплины является ознакомление студентов со статистическими и вероятностными методами обработки результатов измерений, принципами построения аппаратных средств математической обработки измерительной информации, современной аналоговой и цифровой элементной базы средств измерительной техники, применением микропроцессорных систем в измерительных системах для управления измерениями и обработки результатов измерений
Задачей изучения дисциплин является:
В результате изучения дисциплины студент должен приобрести знания, умения и навыки, необходимые для его профессиональной деятельности в областях указанных в ГОС ВПО-3.
Основные дидактические единицы:
Введение в теорию измерений. Способы описания результатов измерений. Основные параметры и характеристики результатов измерений. Применение теории вероятности и математической статистики при описании результатов измерений. Методы измерений. Типы ошибок измерений. Описание результатов измерений при прямых, косвенных и совместных измерениях. Аналитические методы обработки результатов измерений. Применение результатов оценки погрешностей измерений для коррекции результатов измерений. Технические средства измерительной техники. Аналоговая обработка сигналов. Элементная база для аналоговой обработки. Методы измерений параметров электрических сигналов. Аналого-цифровые элементы элементы и устройства обработки сигналов. Применение микропроцессоров в измерительных системах. Назначение и режимы работы элементов микропроцессорной измерительной системы. Самодиагностика, тестирование системы и коррекция погрешностей.
В результате изучение дисциплины студент бакалавриата должен
знать: основы применения теории вероятности и математической статистики для обработки результатов измерений; аналитические методы обработки результатов измерений; методы измерений; аппаратные средства измерений параметров электрических сигналов; назначение, состав микропроцессорных измерительных систем.
уметь: применять вероятностные и статистические методы для обработки результатов измерений; применять элементы и технические средства измерительной техники для
построения устройств и систем измерения параметров электрических сигналов.
владеть: навыками самостоятельной работы проектирования узлов и приборов для измерения параметров электрических сигналов; методами оценки и методами аналоговой и цифровой обработки результатов измерений.
Виды учебной работы:
Лекции, лабораторный практикум, проектировочное задание, самостоятельная работа.
Изучение дисциплины заканчивается:
Зачёт, защита проектировочного задания.
Теория вероятностей и математическая статистика
Цели и задачи дисциплины
Обеспечение базовой математической подготовки специалистов в соответствии с требованиями Государственного образовательного стандарта РФ. Формирование навыков практической деятельности в исследовании прикладных задач.
Связь с предшествующими дисциплинами
Для успешного усвоения курса студенты должны знать элементы теории множеств, владеть методами математического анализа (дифференцирование, интегрирование функций), методами линейной алгебры, методами функционального анализа (интеграл Лебега, различные виды сходимости).
Связь с последующими дисциплинами
Методы теории вероятностей, математической статистики и случайных процессов используются в теории надежности, в регрессионном анализе, дисперсионном анализе, прогнозировании.
Основные дидактические единицы
Пространство элементарных исходов. Случайные события. Аксиомы теории вероятностей. Независимость. Схема Бернулли, предельные теоремы. Цепи Маркова. Случайные величины. Функции распределения. Функция плотности вероятности. Числовые характеристики. Закон больших чисел. Характеристические функции. Безгранично делимые законы. Центральная предельная теорема. Эмпирическая функция распределения. Оценки параметров распределений. Проверка статистических гипотез. Линейная регрессия. Случайный процесс. Ковариационная функция. Линейные преобразования случайных процессов.
В результате изучения дисциплины студент курса должен:
Знать: основные вероятностные модели, статистические методы исследования.
Уметь: вычислять вероятности случайных событий, функции распределения, функции плотности вероятности, числовые характеристики, находить оценки параметров распределений, осуществлять выбор гипотез, осуществлять вероятностный прогноз.
Владеть: методами вероятно-статистических исследований прикладных задач в различных областях знаний (технике, экономике, социологии, медицины и других)
Виды учебной работы: лекции, семинары, индивидуальные задания.
Изучение дисциплины заканчивается зачетом.