LV EN RU DE FR

Datoreksperimentu pamati

Kursa izstrādātājs

Kursa anotācija

Fizisku sistēmu imitācijai tiek veidoti matemātiskie modeļi, lai vērotu sistēmas uzvedību dažādos apstākļos. Modeļu veiksmīgai testēšanai nepieciešami paraugkopas dati, tāpēc kursa ietvaros paredzēts izpētīt datoreksperimentu plānošanas metodes (Latin Hypercube Sampling un Uniform metodes). Reālo sistēmu modeļi mēdz būt komplicēti, tādēļ tiks apskatītas arī modeļu uzbūves optimizācijas metodes.

Kursa rezultāti un to vērtēšana

• Zināšanas par lineārām, nelineārām un stohastiskajām datoreksperimentu plānošanas metodēm, kā arī reālo sistēmu modeļu optimizācijas metodēm.
• Prasmes - veikt datoreksperimentu plānošanu un reālo sistēmu modeļu optimizāciju, pielietojot programmā minētās lineārās, nelineārās un stohastiskās metodes.

• Kompetence – izmantot atbilstošu metodi, plānojot datoreksperimentus un veicot reālo sistēmu modeļu optimizāciju.

Kursa saturs(kalendārs)

1 Ievads un pamatjēdzieni par datoreksperimentu plānošanu un modelēšanu.
2 Datoreksperimentu plānošana ar Latin Hypercube Sampling metodi un tās modifikācijas.
3 Datoreksperimentu plānošana ar Uniform metodi. Vienveidības novērtēšana.
4 Datoreksperimentu uzbūves optimizācija.
5 Datoreksperimentu metamodelēšana. Mazāko kvadrātu kļūda un paredzamā kļūda.
6 Datoreksperimentu modelēšana ar polinomiāliem modeļiem.
7 Datoreksperimentu modelēšana ar splainu metodi. Globālā aproksimācija.
8 Kontroldarbs.
9 Datoreksperimentu modelēšana ar Baiesa pieeju. Gausa procesi Baiesa interpolācijā.
10 Datoreksperimentu modelēšana ar Baiesa pieeju. Gausa procesi Baiesa interpolācijā.
11 Datoreksperimentu modelēšana ar mākslīgajiem neironu tīkliem.
12 Datoreksperimentu modelēšana ar lokālo polinomiālo regresiju.
13 Modeļu interpretācija. Regresijas analīze un variāciju dekompozīcija jutības analīzē.
14 Datoreksperimenti ar funkcionālā reakciju. Telpas-laika modelis. Daļēji lineārais modelis.
15 Datoreksperimentu vizualizācija. Lielu datu apjomu vizualizācijas problēmas un risinājumi.

16 Kontroldarbs.

Prasības kredītpunktu iegūšanai

Eksāmena gala vērtējums ir vidējā aritmētiskā atzīme no diviem kontroldarbiem, ja izstrādāti un pasniedzējam atrādīti visi laboratorijas darbi un uzrakstīti kontroldarbi. Vērtējumam izmanto 10 ballu skalas kritērijus.

Obligātā literatūra

1. Fang K., Li R., Sudjianto A. Design and modeling for computer eksperiments. London: Chapman & Hall/CRC, 2006. 290 p.

2. Online Statistics Education: An Interactive Multimedia Course of Study. [tiešsaiste]. [skatīts 30.01.2013.] Pieejams: http://onlinestatbook.com/2/index.html

Papildliteratūra

1. Sacks J., Welch W.J., Mitchell T.J., and Wynn H.P. Design and analysis of computer experiments. Statistical Science, 1989. 435 p.
[skatīts 11.02.2013.] Pieejams: http://www.stat.osu.edu/~comp_exp/jour.club/Sacks89.pdf
2. Engineering Statistical Handbook. [tiešsaiste]. [skatīts 30.01.2013.] Pieejams: http://www.itl.nist.gov/div898/handbook/pri/section3/pri3.htm

Piezīmes

Obligātais vispārizglītojošs studiju kurss ITF akadēmiskās izglītības bakalauru studiju programma „ Datorvadības un datorzinātnes”.