Quarto projeto computacional (data de entrega: 05/06/17)
|
|
- Maria do Amaral Terra
- 6 Há anos
- Visualizações:
Transcrição
1 Quarto projeto computacional (data de entrega: 05/06/17) 1. Escreva um programa em MATLAB (ou na sua linguagem favorita) que implemente numericamente o modelo de neurônio integra-e-dispara com vazamento (LIF) no caso de uma corrente constante: Se V > V L, ocorre um disparo e V V r. V é mantida fixa em V r por um período refratário τ ref e, em seguida, passa novamente a obedecer à equação acima. Use o método numérico que você quiser, mas tome cuidado com a escolha do passo de tempo. Use os os seguintes valores para os parâmetros do modelo: τ = 20 ms, V r = 60 mv, R = 100 MΩ, V L = 50 mv e τ ref = 5 ms. Suponha que a corrente constante I seja do tipo degrau, aplicada em t = 50 ms e desligada em t = 250 ms. Faça o seu programa repetir a simulação para valores de I indo de 0,1 na a 2 na em passos de 0,1 na. Para cada valor de corrente, faça o seu programa calcular a frequência de disparos do neurônio como o número de disparos durante a apresentação da corrente dividido pelo tempo em que ela é apresentada e, ao final, faça seu programa gerar o gráfico de frequência de disparos versus corrente (curva F-I) para o modelo. 2. Adicione um termo de ruído à corrente constante do modelo acima, I total = I + I ruído. Assuma que o ruído é distribuído normalmente (ruído gaussiano) com média zero e um certo valor de desvio padrão σ. No Matlab, isso pode ser simulado pela função randn multiplicada pelo valor de σ. A função randn gera um número aleatório vindo de uma distribuição normal com média zero e desvio padrão um e, por isso, é preciso multiplicar por σ para produzir valores de ruído com desvios padrões diferentes. Diferentemente do exercício 1, neste exercício faça com que a corrente total seja ligada no início da simulação (t = 0) e persista até o fim dela. Rode a simulação pelo tempo total de 5000 ms. Considere que I = 0,25 na e use um valor de σ à sua escolha. a. Faça o seu programa gerar como saída um vetor que dê os instantes dos disparos do neurônio. A partir desse vetor, gere um gráfico que mostre os disparos do neurônio entre t = 2000 ms e t = 3000 ms. Indique os disparos por linhas verticais de mesmo tamanho. Como os disparos do neurônio com ruído se comparam com os disparos do neurônio sem ruído? b. Uma maneira de caracterizar a regularidade dos disparos de um neurônio é pelo histograma dos intervalos entre disparos (ISIs). Para quantificar essa regularidade, usa-se o coeficiente de variação (CV) da distribuição dos ISIs. O CV da distribuição dos ISIs é definido pela razão entre o desvio padrão e a média da distribuição dos ISIs, CV ISI = σ ISI /µ ISI. 1
2 Um CV = 0 indica que não há irregularidade nos intervalos entre disparos (eles são todos iguais). CVs maiores que zero indicam que os disparos são irregulares e quanto maior o CV maior a irregularidade. Um CV = 1 corresponde a uma distribuição de Poisson. CVs podem ser maiores que 1. Implemente uma função que receba como entrada o vetor de instantes de disparos do item anterior e produza como saída o histograma dos intervalos entre disparos do neurônio. Faça o programa plotar o histograma dos ISIs e, dentro da área de plotagem, colocar o CV ISI e a frequência média de disparos do neurônio, calculada como o número de disparos dividido pelo tempo total de simulação. Divida o eixo horizontal (que dá os ISIs) em intervalos de largura 1 ms e faça o eixo vertical dar a frequência relativa dos ISIs. O seu gráfico deve seguir o estilo do gráfico dado abaixo como exemplo ilustrativo. 3. Repita o que foi feito no exercício anterior para cinco valores crescentes de σ. Como os seus histogramas de comportam? Faça um gráfico de CV versus σ e explique o que você observa. 4. Escolha um dos valores de σ que você usou no exercício anterior. Simule 10 repetições do modelo recebendo a corrente constante I = 0,25 na mais a corrente ruidosa com o nível de ruído que você escolheu. Faça suas simulações irem de t = 0 a t = 2000 ms. Faça com que o seu programa armazene os vetores com os instantes dos disparos do neurônio nas 10 repetições. Por causa da variabilidade dos instantes dos disparos, a cada repetição o número de disparos será diferente. Portanto, você não poderá armazenar seus dados em uma matriz usual. Se estiver usando o Matlab, armazene seus dados em uma cell array. Use o comando help do Matlab para obter informações sobre uma cell array. Implemente uma função que receba como entrada a cell array com os instantes dos disparos do neurônio nas 10 repetições e produza como saída o raster plot dos dados. O raster plot é uma representação gráfica da variabilidade dos disparos de um neurônio. Um exemplo de raster plot está dado na figura abaixo. O eixo horizontal mede o tempo e no eixo vertical são colocadas as diferentes repetições do mesmo experimento com o neurônio. Para cada repetição, cada instante em que o neurônio emite um disparo é marcado como um ponto no gráfico. Tente fazer um programa genérico, isto é, que produza o raster plot sem que se saiba previamente o número de repetições. O seu raster plot deve seguir o estilo do raster plot dado abaixo como exemplo ilustrativo. 2
3 Exemplo de raster plot. O gráfico de baixo dá um exemplo de PSTH (veja a questão 5). 5. Neste exercício, você irá construir o PSTH (peri-stimulus-time-histogram) para os dados do raster plot do exercício anterior. O PSTH dá a média pelo número de repetições da frequência de disparos do neurônio em função do tempo, ou seja, é uma medida de como a frequência de disparos do neurônio varia com o tempo. Existem várias maneiras de se produzir um PSTH e aqui você usará a mais simples. Ela é definida como, onde Δt é o passo de tempo, K é o número de repetições e n K (t i ; t i +Δt) é o número de disparos do neurônio entre t e t + Δt. Implemente uma função que receba como entrada os dados do raster plot do exercício anterior e produza um gráfico do PSTH definido pela equação acima. O eixo horizontal deve mostrar o tempo em segundos e o eixo vertical a frequência em Hz. Observe o comportamento do gráfico. Como é o comportamento da frequência em função do tempo? Sugira alguma maneira de dar uma aparência mais suave à variação de f com t (lembre da lista 1) 6. Repita os exercícios 4 e 5 para pelo menos mais dois valores de I diferentes e maiores que 0,25 na e o mesmo valor de σ. Como o raster plot e o PSTH mudam com o aumento de I? 7. Acesse a página mantida por Izhikevich em e baixe o arquivo Matlab figure1.m que gera a figura mostrada na página ( Rode esse arquivo no seu próprio computador e gere a mesma figura. 3
4 8. Considere agora o modelo AdEx dado na aula 14 (equações 14, 15 e 16). Adapte o programa de Izhikevich que você baixou no exercício acima para que ele reproduza os padrões de disparo das sete versões do modelo AdEx indicadas na tabela da página 9 da aula 14. Tente ir além disso e reproduza, de forma aproximada, os 18 padrões de disparo do modelo AdEx mostrados no diagrama da página Acesse o artigo disponibilizado por Izhikevich em e copie o programa em Matlab dado por ele. O programa simula uma rede de 1000 neurônios (800 excitatórios e 200 inibitórios) conectados aleatoriamente. Os neurônios são modelados pelas equações de Izhikevich. Izhikevich usa um parâmetro aleatório r i para populações heterogêneas de neurônios excitatórios e inibitórios, isto é, não são todos dinamicamente idênticos. Por exemplo, a maioria dos neurônios excitatórios é do tipo denominado RS (de disparos regulares), mas alguns deles podem ser de disparos em rajadas (chattering). Note que os valores aleatórios dos pesos das sinapses inibitórias e excitatórias estão multiplicados por 1 e 0,5, respectivamente. Isso foi feito para que a força relativa das sinapses inibitórias seja maior que a das sinapses excitatórias para balancear a rede. a. Altere o programa para que ele resolva as equações diferenciais pelo método de Runge-Kutta de quarta ordem. Mantenha o passo de tempo igual a 0,5. Usando seu programa, gere uma figura similar à Figura 3 do artigo de Izhikevich (para se certificar que está tudo funcionando como devia). Escolha um neurônio excitatório aleatório da rede para gerar o gráfico de V t da parte de baixo da figura. b. No artigo, Izhikevich diz que mudando a força relativa das conexões sinápticas e a força da entrada talâmica é possível produzir outros tipos de comportamento coletivo. Para verificar isso, gere raster plots como o do item anterior para os casos abaixo. Para cada um deles, tente interpretar o resultado observado. i. o peso das sinapses inibitórias é mantido em 1 e o peso das sinapses excitatórias vale 0,25; ii. o peso das sinapses inibitórias é mantido em 1 e o peso das sinapses excitatórias vale 0,75; iii. a intensidade da corrente talâmica aleatória aplicada aos neurônios excitatórios (veja o termo 5*randn(Ne,1) no código de Izhikevich), que no modelo original vale 5, é modificada para: 1. 2 (igual à intensidade da corrente talâmica aplicada aos neurônios inibitórios); iv. um termo constante I 0 é adicionado à corrente talâmica I aplicada a cada neurônio da rede, mantendo-se os demais parâmetros como na versão original. Estude dois casos: 1. I 0 = 1; 2. I 0 = 3. 4
5 10. Para cada caso anterior, gere o histograma com a distribuição dos ISIs dos 1000 neurônios da rede e calcule o CV dessa distribuição, para caracterizar a irregularidade dos disparos. Use esses dados para ajudar na sua interpretação dos resultados obtidos no item (b) acima. 11. Exercício avançado (não é necessário entregar). Estude o efeito de alterações (i) no tamanho da rede; e (ii) na topologia da rede sobre o comportamento coletivo da rede. Por exemplo: a. Mantendo todos os parâmetros como na versão original, faça o número de neurônios aumentar para 5000 (4000 excitatórios e 1000 inibitórios) e depois para (8000 excitatórios e 2000 inibitórios); b. Mantendo todos os parâmetros como na versão original e usando N = 1024 neurônios (820 excitatórios e 204 inibitórios), altere a topologia da rede para que ela tenha uma topologia de mundo pequeno ao invés de uma topologia de rede aleatória (Erdös-Rényi). Uma maneira de fazer isso é a seguinte: distribua os 1024 neurônios pelos sítios de uma rede quadrada de 32x32 sítios. Conecte cada neurônio da rede com os seus 4 vizinhos mais próximos. Assuma condições de contorno periódicas. Esta é uma rede regular. Agora, sorteie aleatoriamente uma fração p de conexões da rede. Para cada uma dessas conexões, apague-a e gere outra conexão indo do neurônio pré-sináptico correspondente a um outro neurônio qualquer da rede sorteado aleatoriamente. Note que ao final do processo você terá uma rede com neurônios conectados, tanto com seus vizinhos mais próximos, como com vizinhos distantes. Controlando o valor de p você pode determinar o grau de aleatoriedade da rede (p = 1 corresponde a um caso de rede com conexões totalmente aleatórias como na versão original do modelo de Izhikevich). Estude o comportamento coletivo da rede para valores de p = 0,02; 0,2; e 0,4. Entregue sua lista resolvida, contendo os códigos dos programas implementados e os respectivos gráficos até o dia 5 de junho de A entrega pode ser feita por para antonior@ffclrp.usp.br. 5
Terceiro Projeto Computacional (data de entrega: 02/05/18)
Terceiro Projeto Computacional (data de entrega: 0/05/18) 1. Nesta questão, você deverá aproveitar o código escrito no Projeto Computacional em que implementou a solução numérica do modelo de Hodgkin-Huxley.
Leia maisExercícios de programação
Exercícios de programação Estes exercícios serão propostos durante as aulas sobre o Mathematica. Caso você use outra linguagem para os exercícios e problemas do curso de estatística, resolva estes problemas,
Leia maisPraticoNeuro. Parte 2 Redes
PraticoNeuro Parte 2 Redes Exercício 06 Este exercício irá explorar o mecanismo de sinapses. Tente se lembrar dos exercícios da primeira parte da apostila e então crie 3 neurônios integra-e-dispara. Os
Leia maisSexta Lista: Geração de Números Pseudo-Aleatórios e Método de Monte Carlo
Sexta Lista: Geração de Números Pseudo-Aleatórios e Método de Monte Carlo Antônio Carlos Roque da Silva Filho e Cristiano R. F. Granzotti 26 de junho de 2017 Os exercícios desta lista devem ser resolvidos
Leia maisAs aulas anteriores trataram do modelo de Hodgkin-Huxley e do formalismo de Hodgkin- Huxley para modelar neurônios.
Modelos de neurônios do tipo integra-e-dispara Introdução As aulas anteriores trataram do modelo de Hodgkin-Huxley e do formalismo de Hodgkin- Huxley para modelar neurônios. Como a estratégia de Hodgkin
Leia maisQuarta lista de exercícios: Potenciais e campos.
Quarta lista de exercícios: Potenciais e campos. 12 de abril de 2016 Docente Responsável: Prof. Dr. Antônio C. Roque Monitor: Cristiano Granzotti Os exercícios desta lista devem ser resolvidos em Matlab.
Leia maisMétodos Computacionais em Física
Métodos Computacionais em Física Tatiana G. Rappoport tgrappoport@if.ufrj.br 2014-1 Integração usando o método da rejeição Queremos calcular a integral Definimos um retângulo de altura H que contenha a
Leia maisPraticoNeuro. Parte 2
PraticoNeuro Parte 2 Exercício 05 Este exercício irá explorar o mecanismo de sinapses. Tente se lembrar dos exercícios do dia anterior em Brian e crie 3 neurônios integra-dispara. Os neurônios devem ter
Leia maisPrático de Modelagem Computacional em Neurociência. Dia 25 de Julho. Redes
Prático de Modelagem 1o Curso Computacional em Neurociência Dia 25 de Julho Redes Rodrigo FO Pena Doutorando Por que redes? Neurociência: ciência complexa ~86 bilhões de neurônios Trilhões de sinapses
Leia maisMAS 160/510 Conjunto de Problema Nove
MAS 160/510 Conjunto de Problema Nove 1. Modulação Digital O sistema Quaternário de Manipulação de Comutação de Fase na figura é usado para transmitir dados através de um canal (barulhento). O gerador
Leia maisCurso de Especialização em Teleinformática e Redes de Computadores Departamento Acadêmico de Eletrônica Universidade Tecnológica do Paraná
Curso de Especialização em Teleinformática e Redes de Computadores Universidade Tecnológica do Paraná 1 Expressões Booleanas Para o MATLAB: - 0 (zero) ou nil (nulo, vazio) indica condição falsa (F-false)
Leia maisPraticoNeuro. Parte 1 Neurônio individual. Obs: caso esteja usando o Jupyter Notebook, adicione na linha 2 o comando: %matplotlib inline
PraticoNeuro Parte 1 Neurônio individual Exercício 01 Vamos começar com o seguinte código: Obs: caso esteja usando o Jupyter Notebook, adicione na linha 2 o comando: %matplotlib inline Passo 1. Digite
Leia maisPrincípios de Comunicação: Simulação /2
Princípios de Comunicação: Simulação 2 2015/2 18 de Novembro de 2015 Instruções 1. A simulação poderá ser feita em Matlab, Scilab ou C++; 2. A simulação deve ser entregue sob a forma de relatório em formato
Leia mais6 Modelo Gamma-Cetuc (GC)
6 Modelo Gamma-Cetuc (GC) Um modelo de sintetização de séries temporais de atenuação por chuva envolve a geração de dados aleatórios que satisfaçam especificações de estatísticas de primeira e de segunda
Leia maisRelatório: Experimento 3
Relatório: Experimento 3 Nome 1: Assinatura 1: Nome 2: Assinatura 2: Nome 3: Assinatura 3: Turma: Procedimento I Q1 (0,5 ponto) Apresente os valores experimentais encontrados para τ e t 1/2 do circuito
Leia mais( x) = a. f X. = para x I. Algumas Distribuições de Probabilidade Contínuas
Probabilidade e Estatística I Antonio Roque Aula Algumas Distribuições de Probabilidade Contínuas Vamos agora estudar algumas importantes distribuições de probabilidades para variáveis contínuas. Distribuição
Leia maisModelos integra-e-dispara não-lineares com duas variáveis
Modelos integra-e-dispara não-lineares com duas variáveis Assim como no caso do modelo LIF, os modelos integra-e-dispara não-lineares podem ser estendidos para reproduzir o fenômeno de adaptação nos disparos
Leia maisIND 1115 Inferência Estatística Aula 7
Conteúdo IND 1115 Inferência Estatística Aula 7 Setembro 2004 Por que a revisão de probabilidades até agora? A importância da distribuição Normal O Mônica Barros mbarros.com 1 mbarros.com 2 Por que uma
Leia maisSimulação MATLAB - Transmissão PCM em Banda Base e Diagrama de Olho. Testar o efeito de filtros sem ISI no espectro e na curva BERXE b /N 0.
Simulação MATLAB - Transmissão PCM em Banda Base e Diagrama de Olho Objetivos Simular a taxa de erro binário em função de E b /N 0 para diferentes modulações PCM e comparar com a teoria Testar o efeito
Leia maisUniversidade Federal do Rio de Janeiro COPPE. Trabalho de Processamento de Imagens Reconhecimento de Símbolos de Componentes Eletrônicos
Universidade Federal do Rio de Janeiro COPPE Trabalho de Processamento de Imagens Reconhecimento de Símbolos de Componentes Eletrônicos Nome: Fernanda Duarte Vilela Reis de Oliveira Professores: Antonio
Leia maisSIMULAÇÃO DA ATIVIDADE ELETROFISIOLÓGICA DE NEURÔNIOS
1 SIMULAÇÃO DA ATIVIDADE ELETROFISIOLÓGICA DE NEURÔNIOS O Programa AXOVACS [baseado no modelo proposto por Hodgkin e Huxley (1952) (J.Physiol. 117, 500)], que permite simular a atividade eletrofisiológica
Leia maisPrimeira Lista de Exercícios de Biofísica II. c n
Primeira Lista de Exercícios de Biofísica II 1. Considere uma célula composta por um corpo celular ao qual está preso um longo e fino processo tubular (por exemplo, o axônio de um neurônio ou o flagelo
Leia maisMAP Segundo exercício programa Splines cúbicos
MAP-2121 - Segundo exercício programa - 26 Splines Cúbicos Instruções gerais - Os exercícios computacionais pedidos na disciplina Cálculo Numérico têm por objetivo fundamental familiarizar o aluno com
Leia maisSimulação de Deriva Genética
BIO0208 - Processos Evolutivos PRÁTICA 1 Simulação de Deriva Genética Objetivo O objetivo desta aula prática é analisar o efeito da deriva genética sobre a mudança de frequências alélicas. Investigaremos
Leia maisMedidas de Dispersão para uma Amostra. Conteúdo: AMPLITUDE VARIÂNCIA DESVIO PADRÃO COEFICIENTE DE VARIAÇÃO
Medidas de Dispersão para uma Amostra Conteúdo: AMPLITUDE VARIÂNCIA DESVIO PADRÃO COEFICIENTE DE VARIAÇÃO Medidas de Dispersão para uma Amostra Para entender o que é dispersão, imagine que quatro alunos
Leia maisTrabalho Prático 1. Valor: 1,0 pontos (10% da nota total) Data de Entrega: 02/05/2010
Universidade Federal de Ouro Preto Instituto de Ciências Exatas e Biológicas Programa de Pós-Graduação em Ciência da Computação Projeto e Análise de Algoritmos - 1 o semestre de 2010 Professor: David Menotti
Leia maisRoteiro MetaNeuron. Problemas sobre bioeletrogênese
Roteiro MetaNeuron Vá em http://www.metaneuron.org/ e baixe o software MetaNeuron. Baixe também o manual do programa. Potencial de membrana (Lesson 1). Problemas sobre bioeletrogênese Essa lição simula
Leia maisIntrodução à Neurociência Computacional (Graduação) Prof. Antônio Roque Aula 6
Variações do modelo integra-e-dispara Nesta aula vamos apresentar algumas variações do modelo LIF visto na aula passada. Modelo integra-e-dispara com adaptação Estudos in vitro mostram que muitos tipos
Leia maisLista de Exercícios - V.A.s Discretas
Lista de Exercícios - V.A.s Discretas Renato Assunção - DCC, UFMG 207 Esta lista de exercícios visa ao aprendizado de algumas das características das principais distribuições de probabilidade discretas.
Leia maisExercícios Básicos. 02) Assuma que a matriz C seja definida como abaixo e determine o conteúdo das seguintes submatrizes:
Professor Tenani Métodos Numéricos Lista Eercícios Eercícios Básicos 1) Suponha que 4 y d) y y 4 y 1 e y. alcule o valor das epressões a seguir usando o MATLAB ) Assuma que a matri seja definida como abaio
Leia maisForecasting e ti O i Otim Oti ização de ã d Carteiras com Matlab AULA 3
Forecasting e Otimização i de Carteiras com Matlab AULA 3 Guia de Estudo para Aula 03 Modelos Discretos Exercícios - Formulação de um modelo - Programação de modelos com for - A simulação de um modelo
Leia maisDr. Sylvio Barbon Junior. Departamento de Computação - UEL. 1 o Semestre de 2015
Introdução a Computação Gráfica [5COP100] Dr. Sylvio Barbon Junior Departamento de Computação - UEL 1 o Semestre de 2015 Assunto Aula 8 Descritores de Imagens Digitais 2 of 47 Sumário Descritores e Reconhecimento
Leia maisRespostas do Teste de Analise de Imagens :
Respostas do Teste de Analise de Imagens - 2004: 1Diga com suas palavras o que é: (Valor total da questão: 12) Filtragem passa alta (valor deste item até 0,3) - importante falar que apesar do nome ser
Leia maisAula 07 Propriedades da resposta ao impulso
Aula 07 Propriedades da resposta ao impulso Bibliografia OPPENHEIM, A.V.; WILLSKY, A. S. Sinais e Sistemas, a edição, Pearson, 00. ISBN 9788576055044. Páginas 6-69. HAYKIN, S. S.; VAN VEEN, B. Sinais e
Leia maisAula 03 Estatística, Correlação e Regressão
BIS0005-15 Bases Computacionais da Ciência Aula 03 Estatística, Correlação e Regressão http://bcc.compscinet.org Prof. Rodrigo de Alencar Hausen hausen@ufabc.edu.br 1 Medidas de tendência central: Média,
Leia maisCEFET/RJ. Aprendizado de Máquina - Trabalho 01
CEFET/RJ Programa de Pós-graduação em Ciência da Computação Aprendizado de Máquina - Trabalho 01 Prof. Eduardo Bezerra (ebezerra@cefet-rj.br) Setembro/2017 Conteúdo 1 Regressão Linear com uma Variável
Leia maisPROGRAMAÇÃO de COMPUTADORES: LINGUAGEM FORTRAN 90/95
PROGRAMAÇÃO de COMPUTADORES: LINGUAGEM FORTRAN 90/95 Exercícios de revisão Lista 01: a) Monte um mapa conceitual indicando as relações entre os seguintes conceitos, no contexto do assunto visto em aula:
Leia maisRef: H.Gould e J. Tobochnik. Para integrais em uma dimensão as regras do trapezóide e de Simpson são
Método de Monte Carlo Resolução de Integrais Ref: H.Gould e J. Tobochnik Para integrais em uma dimensão as regras do trapezóide e de Simpson são melhores, mais rápidas. A técnica de resolução de integrais
Leia maisIntrodução a Corrente Alternada
Introdução a Corrente Alternada Tensão Continua Uma tensão é chamada de continua ou constante quando o seu valor não se altera com o tempo. Exemplo de geradores que geram tensão continua são as pilhas
Leia maisMétodos Quantitativos II
Métodos Quantitativos II MEDIDAS DE VARIABILIDADE O que significa Variabilidade? As medidas de tendência central nos dão uma ideia da concentração dos dados em torno de um valor. Entretanto, é preciso
Leia maisTipos de gráficos disponíveis
Página 1 de 18 Excel > Gráficos > Criando gráficos Tipos de gráficos disponíveis Mostrar tudo O Microsoft Excel dá suporte a vários tipos de gráficos para ajudar a exibir dados de maneiras que sejam significativas
Leia maisANÁLISE DE DADOS: DÉCIMA LISTA DE EXERCÍCIOS
ANÁLISE DE DADOS: DÉCIMA LISTA DE EXERCÍCIOS Humberto José Bortolossi AMPLITUDES E AMPLITUDES INTERQUARTÍLICAS [47] Para o conjunto de dados (3, 5, 7, 4, 8, 2, 8, 3, 6), (a) calcule sua amplitude e (b)
Leia maisProf. MSc. David Roza José -
1/11 2/11 Em diversos sistemas mecânicos, amortecedores de Coulomb ou de atrito seco são utilizados devido à simplicidade mecânica e conveniência. Em estruturas vibratórias, quando componentes apresentam
Leia maisControle utilizando variáveis de estado - v1.1
2 ontrole utilizando variáveis de estado - v. 2. Objetivo O objetivo desta experiência é, utilizando o enfoque de espaço de estados, projetar e implementar um controlador digital para uma planta simples
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Função Distribuição Condicional Calculando Probabilidades condicionando Esperança Condicional Aula de hoje Análise de Comandos de Programação
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Somas aleatórias Aula de hoje Introdução à simulação Geração de números aleatórios Lei dos Grandes Números Simulação de Sistemas Discretos É
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Análise da dados através de gráficos Introdução a Simulação Aula de hoje Introdução à simulação Geração de números aleatórios Lei dos Grandes
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Análise da dados através de gráficos Introdução a Simulação Aula de hoje Introdução à simulação Geração de números aleatórios Lei dos Grandes
Leia maisRedes Neurais. A Rede RBF. Redes RBF: Função de Base Radial. Prof. Paulo Martins Engel. Regressão não paramétrica. Redes RBF: Radial-Basis Functions
Redes RBF: Função de Base Radial Redes Neurais A Rede RBF O LP é baseado em unidades que calculam uma função não-linear do produto escalar do vetor de entrada e um vetor de peso. A rede RBF pertence a
Leia maisLABORATÓRIO Nº 1. Análise de Padrões de Distribuição de Pontos
LABORATÓRIO Nº 1 Análise de Padrões de Distribuição de Pontos 1. Objetivos: O objetivo deste laboratório é ilustrar as várias formas de analisar padrão de pontos, a partir de alguns conjuntos de dados.
Leia maisTrabalho de 2 DSP data limite de entrega: 27/09/2009
PROCEDIMENTOS: 1. CRIE UM ARQUIVO PDF COM OS NOMES DOS PARTICIPANTES (DUPLAS): pedrinho_joaozinho.rar 2. AS SOLUÇÕES DEVEM SER ORGANIZADAS EM ORDEM CONFORME ESTE DOCUMENTO. 3. ENVIE POR EMAIL PARA brusamarello.valner@gmail.com
Leia maisNúmeros de Fibonacci. f n = f n 1 + f n 2. A condição inicial é de que há um par no primeiro mês e dois pares no segundo mês: f 1 = 1, f 2 = 2
Números de Fibonacci Leonardo Pisano Fibonacci nasceu por volta de 1170 e morreu por volta de 1250 em Pisa, atualmente pertencente à Itália. Durante sua vida ele viajou pela Europa e pelo Norte da África,
Leia maisSistemas de cotagem. Observe a vista frontal de uma peça cilíndrica formada por várias partes com diâmetros diferentes.
A UU L AL A Sistemas de cotagem Você já sabe que, embora não existam regras fixas de cotagem, a escolha da maneira de dispor as cotas no desenho técnico depende de alguns critérios. Os profissionais que
Leia maisAula 06 Representação de sistemas LIT: A soma de convolução
Aula 06 Representação de sistemas LIT: A soma de convolução Bibliografia OPPENHEIM, A.V.; WILLSKY, A. S. Sinais e Sistemas, 2a edição, Pearson, 2010. ISBN 9788576055044. Páginas 47-56. HAYKIN, S. S.; VAN
Leia maisSEGUNDA LEI DE NEWTON
Experimento 2 SEGUNDA LEI DE NEWTON Objetivo Introdução Verificar a Segunda Lei de Newton a partir da análise do movimento de translação de um corpo sobre um plano horizontal variando-se a força resultante,
Leia maisFigura 1 Várias formas de ondas repetitivas: (a) onda cosseno, (b) onda seno, (c) onda triangular (d) onda quadrada
ASSOCIAÇÃO EDUCACIONAL DOM BOSCO FACULDADE DE ENGENHARIA DE RESENDE ENGENHARIA ELÉTRICA ELETRÔNICA Disciplina: Laboratório de Circuitos Elétricos Corrente Alternada 1. Objetivo Uma medida elétrica é a
Leia maisNÍVEL BÁSICO CAPÍTULO V
UNIVERSIDADE FEDERAL DO PARÁ CENTRO TECNOLÓGICO DEPARTAMENTO DE ENGENHARIA ELÉTRICA E DE COMPUTAÇÃO PROGRAMA DE EDUCAÇÃO TUTORIAL SEMANA DOS 40 ANOS DE ENGENHARIA ELÉTRICA NÍVEL BÁSICO CAPÍTULO V PROGRAMA
Leia maisExperiência 5. Projeto e Simulação do Controle no Espaço de Estados de um Pêndulo Invertido sobre Carro
Experiência 5 Projeto e Simulação do Controle no Espaço de Estados de um Pêndulo Invertido sobre Carro Professores: Adolfo Bauchspiess e Geovany A. Borges O objetivo deste experimento é projetar e simular
Leia maisAntonio Carlos Roque da Silva Filho e Cristiano R. F. Granzotti 14 de março de 2016
Gráficos em Matlab Antonio Carlos Roque da Silva Filho e Cristiano R. F. Granzotti 14 de março de 2016 1 Gráficos em Matlab Gráficos bidimensionais serão muito utilizados ao longo do curso de Física Computacional,
Leia maisInterpolação polinomial
Quarto roteiro de exercícios no Scilab Cálculo Numérico Rodrigo Fresneda 8 de abril de 0 Guia para respostas: Entregue suas respostas às tarefas contidas no roteiro de cada uma das quatro atividades, incluindo
Leia maisControlo Em Espaço de Estados. Trabalho de Laboratório nº 3
Mestrado em Engenharia Electrotécnica e de Computadores Controlo Em Espaço de Estados 2008/09 Trabalho de Laboratório nº 3 Controlo Adaptativo do Nível de um Tanque J. Miranda Lemos e Alexandre Bernardino
Leia maisCEDERJ - CENTRO DE EDUCAÇÃO SUPERIOR A DISTÂNCIA DO ESTADO DO RIO DE JANEIRO
CEDERJ - CENTRO DE EDUCAÇÃO SUPERIOR A DISTÂNCIA DO ESTADO DO RIO DE JANEIRO MATERIAL DIDÁTICO IMPRESSO CURSO: Física DISCIPLINA: Informática para o Ensino de Física CONTEUDISTA: Carlos Eduardo Aguiar
Leia maisTipos de gráficos disponíveis
Tipos de gráficos disponíveis Mostrar tudo O Microsoft Office Excel 2007 oferece suporte para vários tipos de gráficos com a finalidade de ajudar a exibir dados de maneiras que sejam significativas para
Leia maisPSI-3451 Projeto de CI Lógicos Integrados. Aula 4
PSI-3451 Projeto de CI Lógicos Integrados Aula 4 A parte prática da aula 4 pretende colocar o aluno em contato com mais algumas estruturas sintáticas da linguagem, particularmente funções e procedimentos,
Leia maisNotas de Aula. Copyright 2007 Pearson Education, Inc Publishing as Pearson Addison-Wesley.
Notas de Aula Estatística Elementar 10ª Edição by Mario F. Triola Tradução: Denis Santos Slide 1 Capítulo 5 Distribuições de Probabilidades 5-1 Visão Geral 5-2 Variáveis Aleatórias 5-3 Distribuição de
Leia mais3 INTERVALOS DE CONFIANÇA
3 INTEVALOS DE CONFIANÇA 3.1 Introdução A estimativa de intervalos de confiança é utilizada para se obter medidas de incerteza dos dados analisados. A análise da incerteza de uma previsão, por exemplo,
Leia maisProf. Willyan Machado Giufrida. Laboratório de
Laboratório de De que modo o comprimento de um pêndulo afeta o seu período? Como se comporta a força de atrito entre duas superfícies relativamente à força normal exercida por uma superfície sobre a outra?
Leia maisSISTEMAS REALIMENTADOS
SISTEMAS REALIMENTADOS Prof.: Helder Roberto de O. Rocha Engenheiro Eletricista Doutorado em Computação Representação no Espaço de Estados É apropriada para sistemas que possuem várias entradas e várias
Leia maisPMR2560 Visão Computacional Filtragem e Suavização. Prof. Eduardo L. L. Cabral
PMR50 Visão Computacional Filtragem e Suavização Prof. Eduardo L. L. Cabral Objetivos Processamento de imagens: Convolução; Filtragem D; Suavização de imagens. Convolução Definição de convolução no tempo
Leia mais4 Análise de Dados. 4.1.Procedimentos
4 Análise de Dados 4.1.Procedimentos A idéia inicial para a comparação dos dados foi separá-los em series de 28 ensaios, com a mesma concentração, para depois combinar esses ensaios em uma única série.
Leia maisADMINISTRAÇÃO GERAL. Gestão da Qualidade. Ferramentas da Qualidade Parte 6. Prof. Fábio Arruda
ADMINISTRAÇÃO GERAL Gestão da Qualidade Ferramentas da Qualidade Parte 6 Prof. Fábio Arruda 7- Diagrama de Dispersão O Diagrama de Dispersão é um gráfico onde pontos no espaço cartesiano XY são usados
Leia maisDistribuição Gaussiana
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Distribuição Gaussiana Introdução à Bioestatística Turma Nutrição Aula 7: Distribuição Normal (Gaussiana) Distribuição
Leia maisTrabalho n o 2 Códigos de Linha
Telecomunicações 2 LEEC / FEUP Trabalho n o 2 Códigos de Linha Conteúdo 1 Objectivos 1 2 Preliminares teóricos 1 3 Experiência 2 3.1 Formas de onda.................................. 2 3.2 Densidades espectrais
Leia maisCapítulo 5 Distribuições de Probabilidades. Seção 5-1 Visão Geral. Visão Geral. distribuições de probabilidades discretas
Capítulo 5 Distribuições de Probabilidades 5-1 Visão Geral 5-2 Variáveis Aleatórias 5-3 Distribuição de Probabilidade Binomial 5-4 Média, Variância e Desvio Padrão da Distribuição Binomial 5-5 A Distribuição
Leia maisProbabilidade e Estatística I Antonio Roque Aula 2. Tabelas e Diagramas de Freqüência
Tabelas e Diagramas de Freqüência Probabilidade e Estatística I Antonio Roque Aula 2 O primeiro passo na análise e interpretação dos dados de uma amostra consiste na descrição (apresentação) dos dados
Leia maisCapítulo 1 Estatística Descritiva. Prof. Fabrício Maciel Gomes
Capítulo 1 Estatística Descritiva Prof. Fabrício Maciel Gomes Gráficos 1. Gráfico de Colunas Um gráfico de colunas mostra as alterações de dados em um período de tempo ou ilustra comparações entre itens.
Leia maisEscrita correta de resultados em notação
Notas de Aula Laboratório de Física 1 e A Escrita correta de resultados em notação científica e confecção de gráficos 1 Prof. Alexandre A. C Cotta 1 Departamento de Física, Universidade Federal de Lavras,
Leia maisMÉTODO DE ELEMENTOS FINITOS (MEF)
3 0 Exercício Programa de PMR 2420 Data de entrega: 17/06/2013 (até as 17:00hs) MÉTODO DE ELEMENTOS FINITOS (MEF) 1) Considere a estrutura da figura abaixo sujeita a duas cargas concentradas F 3 (t) e
Leia maisPSI2651 PROCESSAMENTO, ANÁLISE E SÍNTESE DE IMAGENS. 1 o período de 2005 LISTA DE EXERCÍCIOS
PSI PROCESSAMENTO, ANÁLISE E SÍNTESE DE IMAGENS o período de LISTA DE EXERCÍCIOS ) Considerando imagens do tipo da figura abaixo. Descreva um procedimento que identifique quantas células com furo e quantas
Leia maisCÁLCULO I. Lista Semanal 01 - Gabarito
CÁLCULO I Prof. Tiago Coelho Prof. Emerson Veiga Questão 1. Esboce as seguintes regiões no plano xy: (a) 0 < x 6. A região representa todas os pontos onde x assume valores entre 0 e 6, sendo aberto em
Leia maisAula 22. Conversão Sigma-Delta (continuação)
Aula 22 Conversão Sigma-Delta (continuação) A estrutura mostrada na figura A.22.1 é chamado modulador Sigma-Delta (Σ- ). Esta estrutura, além de ser mais simples, pode ser considerada como uma versão suavizada
Leia maisPONTIFÍCIA UNIVERSIDADE CATÓLICA DE MINAS GERAIS
PONTIFÍCIA UNIVERSIDADE CATÓLICA DE MINAS GERAIS Pós-Graduação em Ensino de Ciências e Matemática Gelber Melo Neves Objetos de aprendizagem no ensino de Física: Explorando gráficos de Cinemática por meio
Leia maisVetores, Matrizes e Gráficos
Programação de Computadores I UFOP DECOM 2013 2 Aula prática 3 Vetores, Matrizes e Gráficos Resumo Nesta aula você irá utilizar vetores para resolver diversos tipos de problemas. Para expressar a solução
Leia maisEN2607 Transformadas em Sinais e Sistemas Lineares Lista de Exercícios Suplementares 3 3 quadrimestre 2012
EN607 Transformadas em Sinais e Sistemas Lineares Lista de Exercícios Suplementares 3 fevereiro 03 EN607 Transformadas em Sinais e Sistemas Lineares Lista de Exercícios Suplementares 3 3 quadrimestre 0
Leia maisUniversidade de São Paulo Instituto de Ciências Matemáticas e de Computação
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Francisco A. Rodrigues Departamento de Matemática Aplicada e Estatística - SME Objetivo Dada M classes ω 1, ω 2,..., ω M e um
Leia maisMAP Métodos Numéricos e Aplicações Escola Politécnica 1 Semestre de 2017 EPREC - Entrega em 27 de julho de 2017
1 Preliminares MAP3121 - Métodos Numéricos e Aplicações Escola Politécnica 1 Semestre de 2017 EPREC - Entrega em 27 de julho de 2017 A decomposição de Cholesky aplicada a Finanças O exercício-programa
Leia maisEstudando com o MATLAB
Estudando com o MATLAB Curso de Extensão Docentes: > Fabiano Araujo Soares > Marcelino M. de Andrade Monitor: >Luan Felipe Aula 4: Aplicações - Parte II 1ª Parte - Estatística Aula 4-1ª Parte: Estatística
Leia maisMAP Primeiro exercício programa Método de Diferenças Finitas para solução de problemas de contorno de equações diferenciais ordinárias
MAP-2121 - Primeiro exercício programa - 2006 Método de Diferenças Finitas para solução de problemas de contorno de equações diferenciais ordinárias Instruções gerais - Os exercícios computacionais pedidos
Leia maisProjeções Multi-dimensionais
Prof. Fernando V. Paulovich http://www.icmc.usp.br/~paulovic paulovic@icmc.usp.br Instituto de Ciências Matemáticas e de Computação (ICMC) Universidade de São Paulo (USP) 23 de setembro de 2010 Introdução
Leia maisExperiência 3. Identificação de motor de corrente contínua com tacômetro. 1-Introdução. 2-Modelo do processo
Experiência 3 Identificação de motor de corrente contínua com tacômetro Autores: Adolfo Bauchspiess e Geovany A. Borges O objetivo deste experimento é levantar o modelo dinâmico do conjunto atuador e motor
Leia maisMÉTODOS NUMÉRICOS. ENGENHARIA ELECTRÓNICA INDUSTRIAL e de COMPUTADORES
UNIVERSIDADE DO MINHO MÉTODOS NUMÉRICOS ENGENHARIA ELECTRÓNICA INDUSTRIAL e de COMPUTADORES EXERCÍCIOS PRÁTICOS- 1 a parte Ano lectivo de 2004/2005 Exercícios práticos - CONUM Solução de uma equação não
Leia mais1ª Lista de Exercícios
Universidade Federal Fluminense Instituto de Computação Departamento de Ciência da Computação Curso: Programação de Computadores II Prof.: Anselmo Montenegro Setembro de 2016 1ª Lista de Exercícios Conceitos
Leia maisLaboratório de Matemática Computacional II
Laboratório de Matemática Computacional II Melissa Weber Mendonça 1 1 Universidade Federal de Santa Catarina 2011.2 M. Weber Mendonça (UFSC) Laboratório de Matemática Computacional II 2011.2 1 / 15 Anteriormente...
Leia maisAlguns dos objectivos gerais do programa de Matemática do Ensino Secundário são:
CALCULADORAS GRÁFICAS NA MATEMÁTICA FERNANDO DUARTE ISABEL DUARTE TERESA DIAS Escola Superior de Tecnologia de Viseu Alguns dos objectivos gerais do programa de Matemática do Ensino Secundário são: Interpretar
Leia maisMAP Exercício programa GPS e o Método de Newton
MAP3121 - Exercício programa 1-2018 GPS e o Método de Newton O Sistema de Posicionamento Global O Sistema de Posicionamento Global (GPS, sigla do nome em inglês) é um sistema de navegação formado por uma
Leia mais