TIIVISTELMÄRAPORTTI (SUMMARY REPORT) Ilmavälkkeen automaattinen luokittelu ja ominaisuudet 5 GHz:n kaksoispolarisaatiomittauksissa
|
|
- Hannu-Pekka Kahma
- 8 vuotta sitten
- Katselukertoja:
Transkriptio
1 2012/816 ISSN (verkkojulkaisu) ISBN (PDF) TIIVISTELMÄRAPORTTI (SUMMARY REPORT) Ilmavälkkeen automaattinen luokittelu ja ominaisuudet 5 GHz:n kaksoispolarisaatiomittauksissa Tiivistelmä Teemu Mäkinen, Jarmo Koistinen, Seppo Pulkkinen, Pekka Rossi & Ari-Matti Harri Ilmatieteen laitos, PL 503, Helsinki / teemu.makinen@fmi.fi Tässä projektissa ilmavälkkeen tilastollisia ominaisuuksia tutkittiin datalähtöisesti valitsemalla operatiivisesta kaksoispolarisaatiotutkadatasta näytteitä eri tyyppisistä välkkeistä ja määrittämällä kunkin näytteen luokka meteorologisen asiantuntemuksen perusteella. Näin saatujen luokkien tilastolliset ominaisuudet mallinnettiin tarkoitusta varten kehitetyillä menetelmillä, jotka ottavat yksittäisen pisteen lisäksi huomioon ympäröivän alueen tekstuurin. Malleja vertailemalla voitiin kullekin luokalle määritellä yksinkertainen jäsenfunktio, joka mahdollistaa automaattisen ja reaaliaikaisen tutkadatan luokittelun. 1. Johdanto Troposfäärissä vallitsevien olosuhteiden tosiaikainen ja automaattinen tulkinta on hyvin merkityksellistä sotilaallisille operaatioille, erityisesti lento- ja tiedustelutoiminnalle. Haitallisten sääilmiöiden kuten rankkasade, pyry, jäätävä sade, rakeet, salamointi, turbulenssi, puuskat ja syöksyvirtaukset lisäksi siihen kuuluvat myös muut ilmakehässä mitatut ilmiöt kuten silppu, linnut, hyönteiset ja lentolaitteet, sekä todellista kohdetta vailla olevat häiriötekijät kuten vieraat lähettimet, peiliheijastukset, kohina ja sironta yksikäsitteisen tutkamittausalueen takaa. Laaja-alaisesta ilmakehän siroajajoukosta tulevaa tutkasignaalia nimitetään usein ilmavälkkeeksi. Ilmavälkkeen tunnistamisessa yllä mainittuihin eri aiheuttajiin on alettu etenemään vasta viime aikoina mitattujen polarisaatiosuureiden avulla, kun sääpalvelukäyttöön on otettu 5 GHz:n kaksoispolarisaatiosäätutkat. Laajemman mittaussuurevalikoiman johdosta kaksoispolarisaatio tarjoaa oivan välineen ilmavälkkeen ja muiden kohteiden tunnistamiseen. Operatiivista luokittelijaa kaikille kohteille ei ole kuitenkaan aikaisemmin ollut saatavilla, ja erityisesti ei-meteorologisten kohteiden tilastolliset ominaisuudet ovat olleet huonosti tunnettuja. Jatkuvasti mittaavia kaksoispolarisaatiotutkajärjestelmiä on Suomessa tällä hetkellä kolme sekä T&K-toiminnassa kaksi. Lähivuosina kaksoispolarisaatiojärjestelmät tulevat kattamaan koko Suomen. Kohteiden automaattinen luokittelija on mahdollista asentaa osaksi Ilmatieteen laitoksen operatiivista (24/7) säätutkapalvelutoimintaa Puolustusvoimille. Toinen tarve on sotilaallisessa suunnittelussa, missä täytyy mallintaa esimerkiksi lentävien järjestelmien selviytymistä erilaisissa skenaarioissa ilmavälkkeiden seassa. Mallinnusta varten on tunnettava ilmavälkkeen eri luokkien tilastolliset ominaisuudet tutkamittauksissa, mukaanlukien polarisaatiosuureet ja niiden tekstuurit. Tällainen tieto auttaa optimoimaan muun muassa oman kohteen häiveominaisuuksia ja toisaalta vieraan kohteen havaitsemisalgoritmeja. Postiosoite MATINE Puolustusministeriö PL HELSINKI Sähköposti matine@defmin.fi Käyntiosoite Puhelinvaihde Eteläinen Makasiinikatu HELSINKI (09) WWW-sivut Y-tunnus FI Pääsihteeri (09) OVT-tunnus/verkkolaskuosoite Itellan operaattorivälittäjätunnus Suunnittelusihteeri Toimistosihteeri (09) Faksi kirjaamo (09) Verkkolaskuoperaattori Yhteyshenkilö/Itella Itella Information Oy helpdesk@itella.net
2 2. Tutkimuksen tavoite ja suunnitelma Tutkimuksen keskeinen tavoite oli kehittää tarvittavat välineet ilmavälkkeen tosiaikaiseen tunnistamiseen ja kerätä riittävä tilastollinen perustieto sen mallintamiseen. Tämä päätavoite jakautui kolmeen selkeään alakohtaan: 1. Kehitetään ja testataan uusi matemaattinen menetelmä, jolla voidaan mallintaa moniulotteista ja osin puutteellista dataa halutulla tarkkuudella. Tehokkuusvaatimus ulottuu varsinaisesta mallin parametrien määrittelemisestä keskeisiin analyysin vaatimiin operaatioihin kuten pisteen luokkaan kuulumisen todennäköisyyteen (jäsenfunktio) tai mallien väliseen yhtenevyysmittaan (divergenssi). 2. Lasketaan laajan, noin 30 ilmavälkeluokkaan jaetun, kokeneen asiantuntijan poimiman kaksoispolarisaatiotutkadatan eri luokkien tilastolliset ominaisuudet ja esitetään ne havainnollisesti. 3. Määritellään kullekin luokalle optimoitu jäsenfunktio, joka mahdollistaa tutkadatan automaattisen ja reaaliaikaisen luokittelun. 3. Aineisto ja menetelmät Käsitelty tutkamittausaineisto poimittiin Ilmatieteen laitoksen kolmelta 5.6 GHz:n kaksoispolarisaatiotutkalta, jotka sijaitsevat Vantaalla, Anjalankoskella ja Ikaalisissa. Poiminta tehtiin tunnin välein operatiivisista sääpalvelua varten tehdyistä mittauksista, eli erityistä tutkimusmittausohjelmaa ei tarvittu. Mittaukset ovat tutkalla IRIS-formaatissa (Vaisala/SIGMET), josta ne muunnetaan jatkokäsittelyä varten eurooppalaisen säätutkayhteistyön käyttämään HDF5/ODIM-formaattiin. Kaikki valitut mittaukset olivat PPI-tyyppisiä, sisältäen mittaussuureet kokonaisheijastus dbt, korjattu kokonaisheijastus dbz, säteittäisnopeus V, spektrin leveys W, signaalin laatuindeksi SQI, korrelaatiokerroin ρ HV, heijastusero ZDR, vaihe-ero Φ DP, vaihe-eron muutos K DP sekä indeksin HydroClass, jota ei tutkimuksessa käytetty. Datalähtöinen luokittelumenetelmä tarvitsee toimiakseen edustavan näytteen kustakin kohdeluokasta. Nämä näytteet poimi kokenut asiantuntija, joka pystyi nimeämään ne luotettavasti. Tätä metadatan lisäämistä olemassa oleviin mittauksiin kutsutaan tässä yhteydessä kouluttamiseksi. Kouluttaminen onnistuu parhaiten etsimällä näytteitä, jotka edustavat mahdollisimman puhtaita kohdeluokkia. Projektin aikana luotiin graafinen koulutuskäyttöliittymä tutkadatan selaamiseen ja yksittäisten näytteiden rajaamiseen. Käyttöliittymän avulla voidaan määritellä sekä kohteen alueellinen ulottuvuus että mahdolliset raja-arvot mittaussuureille, helpottaen mittausdatan rajattua poimintaa kussakin tapauksessa niin, että se parhaiten edustaa puhdasta luokkaa. Jotta luokista saataisiin riittävän kattavat näytteet koulutustapauksia määriteltiin yhteensä yli tuhat kappaletta, sisältäen noin 7.7 miljoonaa tutkapistettä. Alustavan analyysin perusteella oli käynyt ilmeiseksi, että edes laajennettu kaksoispolarisaatiosuurejoukko ei ole riittävän laaja kaikkien haluttujen luokkien erottamiseksi toisistaan pelkästään mittauspisteen arvojen perusteella. Käytännössä kohteita luokitteleva meteorologi perustaa päätelmänsä sekä suureiden arvoihin että kohteen laajempaan muotoon ja tekstuuriin. Nämä tekijät sisällytettiin järjestelmään määrittelemällä joukko filttereitä, jotka antavat tietoa yksittäisen pisteen lähiympäristön tilastollisista ominaisuuksista kuten entropiasta tai yksityiskohtien tyypillisestä skaalasta. Näin johdettuja lisäsuureita käsiteltiin samoin kuin varsinaisia mittaussuureita, laajentaen mallinnetun datajoukon 58-dimensioiseksi. Jo projektin alussa oli tiedossa, että olemassa olevat monidimensioiset analyysimenetelmät eivät olleet erityisen sopivia vaadittua tehtävää varten, ja tämän vuoksi merkittävä osa projektista käytettiin uuden menetelmän kehittämiseen, toteuttamiseen ja testaukseen. Mene-
3 telmä pohjautuu ortogonaalipolynomeihin normalisoidussa koordinaatistossa ja sen matemaattisista yksityiskohdista on valmisteilla erillinen julkaisu. Projektin kannalta menetelmän oleellisia ominaisuuksia ovat suora parametrien määrittely (mallia luotaessa kukin datapiste käydään läpi vain kerran) ja mallien eksakti summautuvuus (summattu malli on invariantti datan jakamiselle mielivaltaisiin osajoukkoihin), käyttäjän määriteltävissä oleva mallinnustarkkuus, aidosti moniulotteinen malli sisältäen virhearvion, sekä nopeasti laskettavissa olevat pistekohtainen todennäköisyystiheys ja kahden mallin yhdenmukaisuustekijä. Teoreettisten tarkastelujen perusteella oli myös tiedossa, että mallin tarkkuus suhteessa vaadittujen parametrien määrään on heikompi voimakkaasti yksittäisten arvojen ympäristöön keskittyville jakaumille. Tällä oli merkitystä vain korrelaatiokertoimen ρ HV yhteydessä, mitattujen arvojen painottuessa useimmilla luokilla vaihteluvälin toiseen ääripäähän. Suureeseen kohdistettiin ennen mallintamista epälineaarinen muunnos, joka levitti mitatut arvot tasaisemmin vaihteluvälin alueelle, parantaen näin mallin tarkkuutta. Luokkakohtaiset mallit muodostettiin laskemalla yhteen kunkin luokan tapausten yksittäiset mallit. Näiden avulla etsittiin matalaulotteinen aliavaruus, joka minimoi mallien yhdenmukaisuustekijöiden neliösumman. 4. Tulokset ja pohdinta Kehitetty mallinnusmenetelmä toimi asetettujen vaatimusten mukaisesti. Koulutusdata voitiin käsitellä kokonaisuudessaan yhdessä päivässä tavallisella henkilökohtaisella tietokoneella. Valitun koulutusdatan koko oli noin 1.2 GB pakattua binääridataa. Mallinnusjoukon kooksi muodostui noin 800 MB pakkaamatonta ASCII-dataa, josta täydellisten luokkamallien osuus oli noin 26 MB. Optimaaliseen aliavaruuteen projisoidut luokittelumallit veivät yhteensä 133 kb. Mallijoukon kokoa voidaan jatkossa pudottaa vielä tästäkin murto-osaan ottamalla käyttöön parametri-optimointi, mikä kuitenkin tarvittavan työmäärän laajuuden vuoksi rajautui tämän projektin ulkopuolelle. Menetelmää kehittäessä hankittua tietotaitoa ja työkaluja voidaan jatkossa käyttää muihin, moniulotteisen datan analyysia vaativiin projekteihin. Mallinnusmenetelmä tuotti suoraan luokkien todennäköisyystiheysjakaumat määritellyssä suureavaruudessa. Näiden jakaumien yksi- ja kaksiulotteisia projektioita tarkastelemalla voitiin todeta sekä mallin että aliavaruusoptimoinnin toiminnan oikeellisuus. Tämän lisäksi yksiulotteisia projektioita verrattiin samasta datasta laskettuihin yksinkertaisiin frekvenssijakaumiin ja todettiin niiden olevan yhteneviä määritellyn tarkkuuden rajoissa. Nämä luokkakohtaiset jakaumat ovat projektin välittömimmin käyttökelpoinen päätulos, ja niiden yksityiskohtaisempia tarkasteluja tullaan lähiaikoina julkaisemaan erikseen. Luokittelun kannalta optimaaliset aliavaruudet olivat, yhdestä viiteen ulottuvuuteen, { O(W) }, { Φ DP, SQI }, { Φ DP, SQI, O(V) }, { Φ DP, SQI, V, O(V) } ja { Φ DP, SQI, V, O(V), R(dbT) }, missä O(X) merkitsee suureeseen X kohdistettua entropiafiltteriä ja R(X) kaistanpäästödifferenssifiltteriä. Tätä ylempiulotteisilla malleilla ei saavutettu merkittävää luokittelutarkkuuden parantumista geneerisen luokittelijan tapauksessa. Vastaavaan keskimääräiseen tarkkuuteen päästiin myös kaksi- tai kolmiulotteisilla malleilla määrittämällä kullekin luokalle oma optimaalinen aliavaruus. Tässä yksityiskohtaisemmassa analyysissä voitiin havaita selkeä kahtiajako meteorologisten ja ei-meteorologisten kohteiden välillä, ensimmäisten luokittelun pohjautuessa pääasiassa kokonaisheijastukseen ja sen johdannaisiin, ja jälkimmäisten luokittelun tukeutuessa ensisijaisesti signaalin laatuindeksiin.
4 Yksittäisten luokkaryhmien, kuten linnut tai hyönteiset, alaluokkia keskenään vertailemalla voitiin arvioida alajaon tarkkuus ja tarpeellisuus. Koulutustapausten perusteella esimerkiksi päivä- ja yöhyönteisten välinen ero ei ollut tunnistamisen kannalta merkittävä tekijä, maa- ja merihyönteisten välinen ero sen sijaan oli. Paitsi että nämä tarkastelut ovat mielenkiintoisia tieteellisessä mielessä, niiden avulla on myös mahdollista rakentaa tarpeen mukaan hyvin tarkkaan määritelty tuote. Mallinnusjärjestelmän komponenteista rakennettiin automaattisen luokittelijan prototyyppi, joka määrittää todennäköisimmän luokan yksittäisille tutkamittauksille. Toisin kuin suhteellisen raskas analysointivaihe, kokonaisen tutkakuvan luokittelu tapahtuu sekunnin murtoosissa, mahdollistaen reaaliaikaisen automaattisen luokittelun. Käytännössä operatiivinen luokittelija pitää räätälöidä asiakkaan tarpeiden mukaiseksi, ja projektin työkalujen modulaarinen toteutus sopii tähän erittäin hyvin. Suurin yksittäinen epävarmuustekijä on koulutustapausten luokittelun oikeellisuus. Tämä vaikutus todettiin minimaaliseksi vertaamalla kahden riippumattoman asiantuntijan luokittelua samalle aineistolle. Lisäksi itse mallinnusmenetelmää voitiin käyttää tarkastamaan luokan yhtenäisyys laskemalla yksittäisten tapausten väliset yhdenmukaisuustekijät, jotka todettiin korkeiksi. Tämä tulos osoittaa myös, että poimitut tapaukset muodostavat kattavan otoksen kustakin luokasta. 5. Loppupäätelmät Projekti saavutti kaikki sille asetetut tavoitteet ja osittain ylittikin ne, nostaen esiin uusia, mielenkiintoisia etenemissuuntia jatkotutkimuksille. Määriteltyjen luokkien tilastolliset ominaisuudet ovat sellaisenaan julkaisukelpoista materiaalia, ja muodostavat erinomaisen perustan sekä teoreettisille että käytännön tarkasteluille. Kehitetty mallinnusmenetelmä todettiin toimivaksi ja tehokkaaksi. Järjestelmän kyky suorittaa automaattista luokittelua todennettiin, ja projektissa kehitettyjen työkalujen avulla on varsin suoraviivaista rakentaa operatiivisia tuotteita tarkemmin määriteltyihin tarpeisiin. Menetelmää on jatkossa mahdollista vielä parantaa nykyisestä ottamalla käyttöön teknisiä ratkaisuja kuten yllä mainittu parametri-optimointi tai ketjutettu luokittelu. Tämän, välittömästi hyödynnettävien tieteellisten tulosten ja rakennettavissa olevien operatiivisten tuotteiden vuoksi aihepiiriin liittyvää tutkimus- ja kehitystoimintaa kannattaa ehdottomasti jatkaa. 6. Tutkimuksen tuottamat tieteelliset julkaisut ja muut mahdolliset raportit Kehitetystä menetelmästä ja tutkimuksen päätuloksista on valmisteilla julkaisuja. 7. Hankkeen seuraajan lausunto raportista Hankkeessa tutkittiin C-alueen tutkavälkkeen luokittelua Ilmatieteen laitoksen säätutkadatoja hyödyntäen. Ensinnäkin hankkeen aikana luotiin työkaluja tutkamaalien tyyppien ihmisavusteiseksi tunnistamiseksi. Tämä työvaihe on välttämätön luotettavan opetusaineiston saamiseksi luokitinta varten, ja onnistuu vain Ilmatieteen laitoksen asiantuntijoiden tekemänä. Kehitetyt työkalut parantavat suuren datamäärän käytettävyyttä myös muihin tutkimustarkoituksiin.
5 Varsinainen välke- ja maalityyppien luokittimen rakentaminen osoittautui sangen haastavaksi ongelmaksi. Ilmatieteen laitoksella kehitettiin erittäin innovatiivisia, täysin uusia, matemaattisia menetelmiä luokittimen eri toiminnallisuuksien toteuttamiseksi. Alustavat luokittelutulokset vaikuttavat hyvin lupaaville. Tutkimussuunnitelmassa asetetut tavoitteet saavutettiin kiitettävästi. Tulosten hyödynnettävyys varsinaisen luokittimen osalta sekä luokittelun lopputuotteen - reaaliaikainen tieto tutkamaalien tyypistä - osalta on erittäin hyvä. MATINE-hankkeen loppulaskutuksen edellytyksenä on loppuraportointi, joka koostuu tälle pohjalle laaditusta Tiivistelmäraportista sekä erillisestä vapaamuotoisesta Kustannusselvityksestä. (Tiivistelmäraportti korvaa aiemmin vaaditut Loppuraportin ja Tiivistelmän). Tiivistelmäraportti keskittyy hankkeen tieteellisiin aikaansaannoksiin tiedon käytettävyyttä ja sovellettavuutta korostaen. Tutkimustulosten osalta MATINE kannustaa avoimeen tieteelliseen kansainväliseen tai kansalliseen julkaisutapaan ja/tai muuhun aktiiviseen omatoimiseen julkaisemiseen (esim. tutkimuslaitoksen omissa sarjoissa); näissä julkaisuissa tulee MATINE mainita rahoittajana. Tiivistelmäraportin tulee olla itsenäinen esitys MATINEn rahoittaman tutkimushankkeen tavoitteista, sisällöstä, toteutuksesta ja tuloksista. Tiivistelmäraportti on pituudeltaan 6-10 sivua ja se julkaistaan sellaisenaan MATINEn verkkosivuilla. Tiivistelmäraportti kirjoitetaan Word-tiedostoon joko suomeksi tai englanniksi. Poikkeustapauksissa jolloin hankkeessa käsitellään tai hankkeessa on syntynyt maanpuolustuksellisista syistä salassa pidettävää tietoa, tulee tiivistelmäraportin laadinnassa rajoittua julkiselle tasolle. Kirjoita teksti harmaalle alueelle pohjaan tehdyn jaottelun mukaisesti otsakkeen alle (poista otsikosta tarpeeton engl. / suomenkielinen vaihtoehto). Fontti Verdana 10. Omia väliotsakkeita saa käyttää jäsentelyn tueksi. Käytä otsakkeissa ja tekstissä pohjan tyylejä. Kohtaan Tiivistelmä/Abstract on tarkoitus tehdä koko tutkimusta lyhyesti kuvaava teksti, jonka lukemalla saa käsityksen tutkimuksen sisällöstä. Tutkimuksen johtaja voi halutessaan pyytää asiantuntijalausunnon hanketta seuranneelta jaostolta tai hallinnonalan edustajalta hankkeen tulosten sovellettavuudesta ja relevanssista toimialalla. MATINEn sihteeristö pyytää MPKK:n kirjastosta julkaisulle sähköisen ISBN tunnuksen (PDF), jolloin tiivistelmäraporttiin voidaan viitata julkaisuna. Verkkojulkaisun ISSN numero on
TIIVISTELMÄRAPORTTI HAJASPEKTRISIGNAALIEN HAVAITSEMINEN ELEKTRONISESSA SO- DANKÄYNNISSÄ
2011/797 ISSN 1797-3457 (verkkojulkaisu) ISBN (PDF) 978-951-25-2280-4 TIIVISTELMÄRAPORTTI HAJASPEKTRISIGNAALIEN HAVAITSEMINEN ELEKTRONISESSA SO- DANKÄYNNISSÄ Janne Lahtinen*, Harp Technologies Oy Josu
LisätiedotTIIVISTELMÄRAPORTTI POLARIMETRINEN MITTAAMINEN ELEKTRONISESSA SODANKÄYNNISSÄ
2013/836 1 (7) ISSN 1797-3457 (verkkojulkaisu) ISBN (PDF) 978-951-25-2526-3 TIIVISTELMÄRAPORTTI POLARIMETRINEN MITTAAMINEN ELEKTRONISESSA SODANKÄYNNISSÄ Janne Lahtinen*, Harp Technologies Oy Josu Uusitalo,
LisätiedotMittausjärjestelmän kalibrointi ja mittausepävarmuus
Mittausjärjestelmän kalibrointi ja mittausepävarmuus Kalibrointi kalibroinnin merkitys kansainvälinen ja kansallinen mittanormaalijärjestelmä kalibroinnin määritelmä mittausjärjestelmän kalibrointivaihtoehdot
LisätiedotMat 2.4177 Operaatiotutkimuksen projektityöseminaari
Mat 2.4177 Operaatiotutkimuksen projektityöseminaari Kemira GrowHow: Paikallisen vaihtelun korjaaminen kasvatuskokeiden tuloksissa 21.2.2008 Ilkka Anttila Mikael Bruun Antti Ritala Olli Rusanen Timo Tervola
Lisätiedot1. Johdanto Todennäköisyysotanta Yksinkertainen satunnaisotanta Ositettu otanta Systemaattinen otanta...
JHS 160 Paikkatiedon laadunhallinta Liite III: Otanta-asetelmat Sisällysluettelo 1. Johdanto... 2 2. Todennäköisyysotanta... 2 2.1 Yksinkertainen satunnaisotanta... 3 2.2 Ositettu otanta... 3 2.3 Systemaattinen
LisätiedotPisteytysohje loppuraporttien vertaisarviointiin
Pisteytysohje loppuraporttien vertaisarviointiin Pisteytys olettaa kaikkien kuvattujen vaatimusten täyttymistä pistemäärän saavuttamiseksi. Esimerkiksi: Raportti täyttää rakenteen ja kieliasun osalta kaikki
LisätiedotOperaatiotutkimus ja MATINE Professori Ilkka Virtanen
Operaatiotutkimus ja MATINE Professori Ilkka Virtanen FORS-seminaari Turvallisuus ja riskianalyysi Teknillinen korkeakoulu 13.11.2008 MATINEn tehtävä Maanpuolustuksen tieteellinen neuvottelukunta (MATINE)
LisätiedotFoA5 Tilastollisen analyysin perusteet puheentutkimuksessa. Luentokuulustelujen esimerkkivastauksia. Pertti Palo. 30.
FoA5 Tilastollisen analyysin perusteet puheentutkimuksessa Luentokuulustelujen esimerkkivastauksia Pertti Palo 30. marraskuuta 2012 Saatteeksi Näiden vastausten ei ole tarkoitus olla malleja vaan esimerkkejä.
LisätiedotSanaluokkajäsennystä rinnakkaisilla transduktoreilla
Sanaluokkajäsennystä rinnakkaisilla transduktoreilla Nykykielten laitos FIN-CLARIN-seminaarissa 4. marraskuuta 2010 Sanaluokkajäsennys Mr. Gelbert also has fun with language. NNP NNP RB VBZ NN IN NN. Sanaluokkajäsennin
LisätiedotHelsinki Testbedin säätuotteet tänään ja tulevaisuudessa
Helsinki Testbedin säätuotteet tänään ja tulevaisuudessa Helsinki Testbed Workshop 6.4.2006 Pekka Keränen 06.04.06 Johdanto Projektin www-sivusto http://testbed.fmi.fi Säätuotteet julkisiksi MM-kisoihin,
LisätiedotTutkapohjaiset sadetuotteet hulevesisuunnittelun apuna
Vesihuoltopäivät 11.5.2017 Tutkapohjaiset sadetuotteet hulevesisuunnittelun apuna Ilmatieteen laitos: Annakaisa von Lerber, Larissa Rimpiläinen, Jarmo Koistinen, Seppo Pulkkinen, Harri Hohti, Jani Tyynelä,
LisätiedotAutomaattinen regressiotestaus ilman testitapauksia. Pekka Aho, VTT Matias Suarez, F-Secure
Automaattinen regressiotestaus ilman testitapauksia Pekka Aho, VTT Matias Suarez, F-Secure 2 Mitä on regressiotestaus ja miksi sitä tehdään? Kun ohjelmistoon tehdään muutoksia kehityksen tai ylläpidon
LisätiedotRankkasateet ja taajamatulvat (RATU)/ Rankkasateet Jarmo Koistinen Timo Kuitunen Seppo Pulkkinen Harri Hohti Janne Kotro
Rankkasateet ja taajamatulvat (RATU)/ Rankkasateet Jarmo Koistinen Timo Kuitunen Seppo Pulkkinen Harri Hohti Janne Kotro Avustivat: Lassi Pekka Laine, Kirsti Jylhä, Seppo Saku, Juha K. Aaltonen (SYKE/TKK),Tuomo
LisätiedotTIIVISTELMÄRAPORTTI. Klorofyllin käyttömahdollisuudet pigmenttinä naamiomaaleissa
2012/MAT818 ISSN 1797-3457 (verkkojulkaisu) ISBN (PDF) 978-951-25-2412-9 TIIVISTELMÄRAPORTTI Klorofyllin käyttömahdollisuudet pigmenttinä naamiomaaleissa Pertti Lintunen, Pertti.Lintunen@vtt.fi, 020722
LisätiedotMenetelmät tietosuojan toteutumisen tukena - käytännön esimerkkejä. Tilastoaineistot tutkijan työvälineenä - mahdollisuudet ja rajat 2.3.
Menetelmät tietosuojan toteutumisen tukena - käytännön esimerkkejä Tilastoaineistot tutkijan työvälineenä - mahdollisuudet ja rajat 2.3.2009 Tietosuoja - lähtökohdat! Periaatteena on estää yksiköiden suora
LisätiedotKvanttimekaniikan tulkinta
Kvanttimekaniikan tulkinta 20.1.2011 1 Klassisen ja kvanttimekaniikan tilastolliset formuloinnit 1.1 Klassinen mekaniikka Klassisen mekaniikan systeemin tilaa kuvaavat kappaleiden koordinaatit ja liikemäärät
LisätiedotMittausepävarmuuden laskeminen
Mittausepävarmuuden laskeminen Mittausepävarmuuden laskemisesta on useita standardeja ja suosituksia Yleisimmin hyväksytty on International Organization for Standardization (ISO): Guide to the epression
Lisätiedot1. Työpaikan työntekijöistä laaditussa taulukossa oli mm. seuraavat rivit ja sarakkeet
VAASAN YLIOPISTO/AVOIN YLIOPISTO TILASTOTIETEEN PERUSTEET Harjoituksia 1 KURSSIKYSELYAINEISTO: 1. Työpaikan työntekijöistä laaditussa taulukossa oli mm. seuraavat rivit ja sarakkeet Nimi Ikä v. Asema Palkka
LisätiedotVINKKEJÄ CV-NETIN KÄYTTÖÖN. www.te-palvelut.fi
VINKKEJÄ CV-NETIN KÄYTTÖÖN www.te-palvelut.fi TE-toimiston verkkoasiointiin pääset kirjautumaan www.te-palvelut.fi Oma asiointi Henkilöasiakas Kirjaudu sisään verkkopankkitunnuksilla ja hyväksy käyttöehdot
LisätiedotJohdatus todennäköisyyslaskentaan Kertymäfunktio. TKK (c) Ilkka Mellin (2005) 1
Johdatus todennäköisyyslaskentaan Kertymäfunktio TKK (c) Ilkka Mellin (2005) 1 Kertymäfunktio Kertymäfunktio: Määritelmä Diskreettien jakaumien kertymäfunktiot Jatkuvien jakaumien kertymäfunktiot TKK (c)
LisätiedotNÄYTÖN ARVIOINTI: SYSTEMAATTINEN KIRJALLISUUSKATSAUS JA META-ANALYYSI. EHL Starck Susanna & EHL Palo Katri Vaasan kaupunki 22.9.
NÄYTÖN ARVIOINTI: SYSTEMAATTINEN KIRJALLISUUSKATSAUS JA META-ANALYYSI EHL Starck Susanna & EHL Palo Katri Vaasan kaupunki 22.9.2016 Näytön arvioinnista Monissa yksittäisissä tieteellisissä tutkimuksissa
LisätiedotLuento 3: 3D katselu. Sisältö
Tietokonegrafiikan perusteet T-.43 3 op Luento 3: 3D katselu Lauri Savioja Janne Kontkanen /27 3D katselu / Sisältö Kertaus: koordinaattimuunnokset ja homogeeniset koordinaatit Näkymänmuodostus Kameran
LisätiedotOHJE 1/7 19.1.2011. Antopäivä Dnr 19.1.2011 FI.PLM 2011-249 93/70.02.02/2011. Voimassaoloaika 19.1.2011 - toistaiseksi. Säädösperusta Johtovalta
OHJE 1/7 19.1.2011 Antopäivä Dnr 19.1.2011 FI.PLM 2011-249 93/70.02.02/2011 Voimassaoloaika 19.1.2011 - toistaiseksi Säädösperusta Johtovalta Kumoaa MATINEn ohjeet 309/Hm/09 18.12.2009 310/Hm/09 18.12.2009
LisätiedotMS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 3B Tilastolliset datajoukot Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2016,
LisätiedotMyynnin ja suunnittelun automatisoinnilla lisää tuottavuutta yrityksellesi
Myynnin ja suunnittelun automatisoinnilla lisää tuottavuutta yrityksellesi Cielo on Ihme-3d Oy:n kehittämä pilvipohjainen, nettiselaimella käytettävä palvelu, jolla automatisoidaan mittatilaustyönä valmistettavien
LisätiedotASUNTOSPRINKLAUS SUOMESSA
TIIVISTELMÄ ASUNTOSPRINKLAUS SUOMESSA Kati Tillander, Kaisa Belloni, Tuomo Rinne, Jukka Vaari ja Tuomas Paloposki VTT PL 1000, 02044 VTT Asuntosprinklaus Suomessa on kaksivaiheinen asuntosprinklauksen
LisätiedotKorkean resoluution ja suuren kuva-alueen SAR
Korkean resoluution ja suuren kuva-alueen SAR Risto Vehmas, Juha Jylhä, Minna Väilä ja prof. Ari Visa Tampereen teknillinen yliopisto Signaalinkäsittelyn laitos Myönnetty rahoitus: 50 000 euroa Esityksen
LisätiedotIlmanlaadun älykäs mallintaminen kaupunkiympäristössä. Lasse Johansson
Ilmanlaadun älykäs mallintaminen kaupunkiympäristössä Lasse Johansson 16.8.2019 FMI-ENFUSER ilmanlaatumalli Paikallisen skaalan ilmanlaatumalli Tuottaa pääkaupunkiseudulle ennusteita 3/2018 lähtien osana
LisätiedotABHELSINKI UNIVERSITY OF TECHNOLOGY
Todennäköisyyslaskennan käsitteitä Satunnaisuus ja deterministisyys Deterministisessä ilmiössä alkutila määrää lopputilan yksikäsitteisesti. Satunnaisilmiö puolestaan arpoo - yhdestä alkutilasta voi päätyä
LisätiedotAlijärjestelmän mittaus ja muita epätäydellisiä mittauksia
T-79.4001 Tietojenkäsittelyteorian seminaari 0..008 1 Alijärjestelmän mittaus ja muita epätäydellisiä mittauksia Loepp & Wootters, Protecting Information, luvut.4-.5 T-79.4001 Tietojenkäsittelyteorian
LisätiedotRadiotekniikan sovelluksia
Poutanen: GPS-paikanmääritys sivut 72 90 Kai Hahtokari 11.2.2002 Konventionaalinen inertiaalijärjestelmä (CIS) Järjestelmä, jossa z - akseli osoittaa maapallon impulssimomenttivektorin suuntaan standardiepookkina
LisätiedotJärvi 1 Valkjärvi. Järvi 2 Sysijärvi
Tilastotiedettä Tilastotieteessä kerätään tietoja yksittäisistä asioista, ominaisuuksista tai tapahtumista. Näin saatua tietoa käsitellään tilastotieteen menetelmin ja saatuja tuloksia voidaan käyttää
LisätiedotMatematiikka ja teknologia, kevät 2011
Matematiikka ja teknologia, kevät 2011 Peter Hästö 3. helmikuuta 2011 Matemaattisten tieteiden laitos Sisältö Kurssi koostuu kuudesta (seitsemästä) toisistaan riippumattomasta luennosta. Aihepiirit ovat:
LisätiedotMONISTE 2 Kirjoittanut Elina Katainen
MONISTE 2 Kirjoittanut Elina Katainen TILASTOLLISTEN MUUTTUJIEN TYYPIT 1 Mitta-asteikot Tilastolliset muuttujat voidaan jakaa kahteen päätyyppiin: kategorisiin ja numeerisiin muuttujiin. Tämän lisäksi
LisätiedotProjektisuunnitelma ja johdanto AS-0.3200 Automaatio- ja systeemitekniikan projektityöt Paula Sirén
Projektisuunnitelma ja johdanto AS-0.3200 Automaatio- ja systeemitekniikan projektityöt Paula Sirén Sonifikaatio Menetelmä Sovelluksia Mahdollisuuksia Ongelmia Sonifikaatiosovellus: NIR-spektroskopia kariesmittauksissa
LisätiedotMS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 3B Tilastolliset datajoukot Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Lukuvuosi 2016
LisätiedotMS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 3B Tilastolliset datajoukot Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Lukuvuosi 2016
LisätiedotS11-04 Kompaktikamerat stereokamerajärjestelmässä. Projektisuunnitelma
AS-0.3200 Automaatio- ja systeemitekniikan projektityöt S11-04 Kompaktikamerat stereokamerajärjestelmässä Projektisuunnitelma Ari-Matti Reinsalo Anssi Niemi 28.1.2011 Projektityön tavoite Projektityössä
LisätiedotOliosuunnitteluesimerkki: Yrityksen palkanlaskentajärjestelmä
Oliosuunnitteluesimerkki: Yrityksen palkanlaskentajärjestelmä Matti Luukkainen 10.12.2009 Tässä esitetty esimerkki on mukaelma ja lyhennelmä Robert Martinin kirjasta Agile and Iterative Development löytyvästä
LisätiedotLoppuraportti. Virtuaali-Frami, CAVE-ohjelmisto. Harri Mähönen projektiassistentti Seinäjoen ammattikorkeakoulu. Versio
1 Loppuraportti Virtuaali-Frami, CAVE-ohjelmisto Harri Mähönen projektiassistentti Seinäjoen ammattikorkeakoulu Versio 1.0 15.1.2006 2 Sisällys Tiivistelmä... 3 1 Johdanto... 4 1.1 Dokumentin tarkoitus...
LisätiedotLiikkuvan maalin ilmaisu ja tunnistaminen SAR-tutkalla
Liikkuvan maalin ilmaisu ja tunnistaminen SAR-tutkalla MATINE:n tutkimusseminaari 16.11.2017 Risto Vehmas, Juha Jylhä, Marja Ruotsalainen, Minna Väilä, Henna Perälä Tampereen teknillinen yliopisto Signaalinkäsittelyn
LisätiedotOtannasta ja mittaamisesta
Otannasta ja mittaamisesta Tilastotiede käytännön tutkimuksessa - kurssi, kesä 2001 Reijo Sund Aineistot Kvantitatiivisen tutkimuksen aineistoksi kelpaa periaatteessa kaikki havaintoihin perustuva informaatio,
LisätiedotTEEMU ROOS (KALVOT MUOKATTU PATRIK HOYERIN LUENTOMATERIAALISTA)
JOHDATUS TEKOÄLYYN TEEMU ROOS (KALVOT MUOKATTU PATRIK HOYERIN LUENTOMATERIAALISTA) KONEOPPIMISEN LAJIT OHJATTU OPPIMINEN: - ESIMERKIT OVAT PAREJA (X, Y), TAVOITTEENA ON OPPIA ENNUSTAMAAN Y ANNETTUNA X.
LisätiedotSovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 22. marraskuuta 2007 Antti Rasila () TodB 22. marraskuuta 2007 1 / 17 1 Epäparametrisia testejä (jatkoa) χ 2 -riippumattomuustesti 2 Johdatus regressioanalyysiin
LisätiedotKäyttöohje. Versiohistoria: 1.0 7.5.2003 1. versio Mari 1.1 9.5.2003 Kommenttien perusteella korjattu versio
Otus- projektinhallintatyökalu Käyttöohje Versiohistoria: 1.0 7.5.2003 1. versio Mari 1.1 9.5.2003 Kommenttien perusteella korjattu versio Mari Tampere 9. toukokuuta 2003 Kimmo Airamaa, Andreas Asuja,
LisätiedotTestausraportti. Orava. Helsinki Ohjelmistotuotantoprojekti HELSINGIN YLIOPISTO Tietojenkäsittelytieteen laitos
Testausraportti Orava Helsinki 5.5.2005 Ohjelmistotuotantoprojekti HELSINGIN YLIOPISTO Tietojenkäsittelytieteen laitos Kurssi 581260 Ohjelmistotuotantoprojekti (6 ov) Projektiryhmä Juhani Bergström Peter
LisätiedotMOBISITE-TYÖKALUN SISÄLTÄMÄT TOIMINNOT
MOBISITE-TYÖKALU MobiSite on työkalu matkapuhelimeen soveltuvan mobiilisivuston rakentamiseen. AIMO-järjestelmän jatkuvasti päivittyvä päätelaitetunnistus tunnistaa useimmat puhelinmallit ja mukauttaa
LisätiedotJÄTEHUOLLON ERIKOISTYÖ
Jari-Jussi Syrjä 1200715 JÄTEHUOLLON ERIKOISTYÖ Typpioksiduulin mittaus GASMET-monikaasuanalysaattorilla Tekniikka ja Liikenne 2013 1. Johdanto Erikoistyön tavoitteena selvittää Vaasan ammattikorkeakoulun
LisätiedotMittaamisen maailmasta muutamia asioita. Heli Valkeinen, erikoistutkija, TtT TOIMIA-verkoston koordinaattori
Mittaamisen maailmasta muutamia asioita Heli Valkeinen, erikoistutkija, TtT TOIMIA-verkoston koordinaattori SISÄLTÖ 1. Mittari vs. indikaattori vs. menetelmä - mittaaminen 2. Luotettavat mittarit 3. Arvioinnin
LisätiedotINTERVALLIPÄÄTÖSPUUT JANNE GUSTAFSSON 45433E. Mat Optimointiopin seminaari Referaatti
12.11.1999 INTERVALLIPÄÄTÖSPUUT JANNE GUSTAFSSON 45433E Mat-2.142 Optimointiopin seminaari Referaatti Syksy 1999 1. JOHDANTO Thomas M. Stratin artikkeli Decision Analysis Using Belief Functions käsittelee
LisätiedotSkedulerisimulaattorin implementointi fysiikkatöille ja sen matemaattinen validointi
Skedulerisimulaattorin implementointi fysiikkatöille ja sen matemaattinen validointi 24.01.2011 Ohjaaja: Tapio Niemi Valvoja: Harri Ehtamo Tausta ja työn tavoite Työ tehtiin Helsinki Institute of Physics:ille,
LisätiedotPSY181 Psykologisen tutkimuksen perusteet, kirjallinen harjoitustyö ja kirjatentti
PSY181 Psykologisen tutkimuksen perusteet, kirjallinen harjoitustyö ja kirjatentti Harjoitustyön ohje Tehtävänäsi on laatia tutkimussuunnitelma. Itse tutkimusta ei toteuteta, mutta suunnitelman tulisi
LisätiedotJulkaisuportaali ja yliopistojen julkaisutiedot
Julkaisuportaali ja yliopistojen julkaisutiedot Kotimaiset tieteelliset artikkelit näkyviksi!, Helsinki 25.4.2013 Jyrki Ilva (jyrki.ilva@helsinki.fi) Mihin erillistä julkaisuportaalia tarvitaan? Julkaisuportaali
LisätiedotSisällysluettelo ESIPUHE 1. PAINOKSEEN... 3 ESIPUHE 2. PAINOKSEEN... 3 SISÄLLYSLUETTELO... 4
Sisällysluettelo ESIPUHE 1. PAINOKSEEN... 3 ESIPUHE 2. PAINOKSEEN... 3 SISÄLLYSLUETTELO... 4 1. METODOLOGIAN PERUSTEIDEN KERTAUSTA... 6 1.1 KESKEISTEN KÄSITTEIDEN KERTAUSTA... 7 1.2 AIHEESEEN PEREHTYMINEN...
LisätiedotMalleja ja menetelmiä geometriseen tietokonenäköön
Malleja ja menetelmiä geometriseen tietokonenäköön Juho Kannala 7.5.2010 Johdanto Tietokonenäkö on ala, joka kehittää menetelmiä automaattiseen kuvien sisällön tulkintaan Tietokonenäkö on ajankohtainen
LisätiedotVisualisointi kansanedustajista neljässä eri ulottuvuudessa
Visualisointi kansanedustajista neljässä eri ulottuvuudessa Jaakko Talonen talonen.dm@gmail.com Johdanto Helsingin Sanomat julkaisi eduskuntavaalien 2011 vaalikoneensa avoimena tietona. Vaalikoneen tietojen
LisätiedotOHJEITA TYÖSELOSTUKSEN LAATIMISEEN
OHJEITA TYÖSELOSTUKSEN LAATIMISEEN Raportointi kuuluu tärkeänä osana jokaisen fyysikon työhön riippumatta siitä työskenteleekö hän tutkijana yliopistossa, opettajana koulussa vai teollisuuden palveluksessa.
LisätiedotKaupan alueellinen määrävuosiselvitys 2009
Kauppa 2011 Kaupan alueellinen määrävuosiselvitys 2009 Liikevaihto suhteessa myyntipinta-alaan nousi noin 26 prosenttia vuodesta 2004 Suomen vähittäiskauppojen myyntipinta-ala oli yhteensä noin 9,6 miljoonaa
Lisätiedotr = 0.221 n = 121 Tilastollista testausta varten määritetään aluksi hypoteesit.
A. r = 0. n = Tilastollista testausta varten määritetään aluksi hypoteesit. H 0 : Korrelaatiokerroin on nolla. H : Korrelaatiokerroin on nollasta poikkeava. Tarkastetaan oletukset: - Kirjoittavat väittävät
LisätiedotTIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen syksy 2010
TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta Yliassistentti Jussi Hakanen jussi.hakanen@jyu.fi syksy 2010 Optimaalisuus: objektiavaruus f 2 min Z = f(s) Parhaat arvot alhaalla ja vasemmalla
Lisätiedot3 Suorat ja tasot. 3.1 Suora. Tässä luvussa käsitellään avaruuksien R 2 ja R 3 suoria ja tasoja vektoreiden näkökulmasta.
3 Suorat ja tasot Tässä luvussa käsitellään avaruuksien R 2 ja R 3 suoria ja tasoja vektoreiden näkökulmasta. 3.1 Suora Havaitsimme skalaarikertolaskun tulkinnan yhteydessä, että jos on mikä tahansa nollasta
LisätiedotMitä käytettävyys on? Käytettävyys verkko-opetuksessa. Miksi käytettävyys on tärkeää? Mitä käytettävyys on? Nielsen: käytettävyysheuristiikat
Mitä käytettävyys on? Käytettävyys verkko-opetuksessa 21.8.2002 Jussi Mantere Learnability (opittavuus) Efficiency (tehokkuus) Memorability (muistettavuus) Errors prevented (virheiden tekeminen estetty)
LisätiedotBoardmanin BOARDMAPPING HALLITUSARVIOINTI. Esittelyaineisto
Boardmanin BOARDMAPPING HALLITUSARVIOINTI Esittelyaineisto Boardmanin BOARD MAPPING HALLITUSARVIOINTI Board Mapping -hallitusarviointi auttaa hallitusta arvioimaan omaa toimintaansa ja kehittämään sitä
LisätiedotLämpötilan ja valssausvoiman tilastollinen mallintaminen levyvalssauksessa
Lämpötilan ja valssausvoiman tilastollinen mallintaminen levyvalssauksessa VaProKe projekti (Ruukki, TEKES) Intelligent Systems Group, ILMARI JUUTILAINEN, 24.11.2011 Sisältö Projektin tavoitteet Voimamallinnuksen
LisätiedotSimulation and modeling for quality and reliability (valmiin työn esittely) Aleksi Seppänen
Simulation and modeling for quality and reliability (valmiin työn esittely) Aleksi Seppänen 16.06.2014 Ohjaaja: Urho Honkanen Valvoja: Prof. Harri Ehtamo Työn saa tallentaa ja julkistaa Aalto-yliopiston
LisätiedotLataa Katkennut totuus. Lataa
Lataa Katkennut totuus Lataa ISBN: 9789525718560 Sivumäärä: 311 Formaatti: PDF Tiedoston koko: 31.23 Mb Traumatutkielma Katkennut totuus käsittää joidenkin sellaisten keskeisten ja aivan perustavien kysymysten
LisätiedotJulian graafinen annotointityökalu ja erityisontologioiden editori. Jaason Haapakoski P Kansanterveyslaitos , 28.3.
Julian graafinen annotointityökalu ja erityisontologioiden editori Jaason Haapakoski P. 040 7612 811 Kansanterveyslaitos 28.2.2006, 28.3.2006 Perusnäkymä Ohjelmalle on konfiguroitavissa useita eri käsitteistöjä
LisätiedotELMAS 4 Laitteiden kriittisyysluokittelu 8.2.2012 1/10. Ramentor Oy ELMAS 4. Laitteiden kriittisyysluokittelu. Versio 1.0
1/10 Ramentor Oy ELMAS 4 Laitteiden kriittisyysluokittelu Versio 1.0 2/10 SISÄLTÖ 1 Kuvaus... 3 2 Kriittisyysluokittelu ELMAS-ohjelmistolla... 4 2.1 Kohteen mallinnus... 4 2.2 Kriittisyystekijöiden painoarvojen
LisätiedotTIEDEPOSTERI. - Viestinnän välineenä. Marisa Rakennuskoski
TIEDEPOSTERI - Viestinnän välineenä Marisa Rakennuskoski POSTERILAJIT Mainosposteri(pääpaino kuvilla ja visuaalisuudella) Ammatillinenposteri(vapaamuotoinen, esim. jonkin projektin tapahtumia kuvaava,
LisätiedotTUTKIMUSAINEISTON ANALYYSI. LTKY012 Timo Törmäkangas
TUTKIMUSAINEISTON ANALYYSI LTKY012 Timo Törmäkangas LUENNOT Luento Paikka Vko Päivä Pvm Klo 1 L 304 8 Pe 21.2. 08:15-10:00 2 L 304 9 To 27.2. 12:15-14:00 3 L 304 9 Pe 28.2. 08:15-10:00 4 L 304 10 Ke 5.3.
LisätiedotAltistumisskenaarion laatimista koskeva ohje
TIETOVAATIMUKSET JA KEMIKAALITURVALLISUUSARVIOINTI (OSA D) Viite: ECHA-08-GF-07-FI Päivämäärä: 21/07/2008 Kieli: suomi Altistumisskenaarion laatimista koskeva ohje (ECHA) julkaisee sarjan tiedotteita,
Lisätiedot805324A (805679S) Aikasarja-analyysi Harjoitus 4 (2016)
805324A (805679S) Aikasarja-analyysi Harjoitus 4 (2016) Tavoitteet (teoria): Hallita autokovarianssifunktion ominaisuuksien tarkastelu. Osata laskea autokovarianssifunktion spektriiheysfunktio. Tavoitteet
Lisätiedot1.9 Harjoituksia. Frekvenssijakaumien harjoituksia. MAB5: Tilastotieteen lähtökohdat. a) Kaikki aakkoset b) Kirjaimet L, E, M, C, B, A ja i.
MAB5: Tilastotieteen lähtökohdat 1.9 Harjoituksia 1.1 Ulkolämpömittari näytti eilen 10 C ja tänään 20 C. Onko tänään kaksi kertaa niin kylmä kuin eilen? Miksi tai miksi ei? 1.2 Minkä luokkien muuttujia
LisätiedotKäyttöohje Työturvallisuuskeskus RASSI Riskien arviointi sähköaloille Sisällys Yleistä Liitynnät Sovellusympäristö
Käyttöohje 1 (7) RASSI Riskien arviointi sähköaloille Sisällys Yleistä...1 Liitynnät...1 Sovellusympäristö...1 Rassin käyttö...2 Riskien arviointi...3 Riskitarkastelu, vaaraluettelon teko...4 Riskitarkastelu,
LisätiedotVisma Fivaldi -käsikirja Tehtävienhallinta- ohje käyttäjälle
Visma Fivaldi -käsikirja Tehtävienhallinta- ohje käyttäjälle 2 Sisällys 1 Palvelunhallinta... 3 1.1 Käyttäjäryhmän luominen... 3 2 Tehtävienhallinta- perustiedot... 4 2.1 Yhtiön perustiedot... 4 2.2 Tehtävä-/
LisätiedotJatkuvat satunnaismuuttujat
Jatkuvat satunnaismuuttujat Satunnaismuuttuja on jatkuva jos se voi ainakin periaatteessa saada kaikkia mahdollisia reaalilukuarvoja ainakin tietyltä väliltä. Täytyy ymmärtää, että tällä ei ole mitään
LisätiedotKansalliskirjaston julkaisuarkistopalvelut. Jyrki Ilva Erikoiskirjastojen neuvosto,
Kansalliskirjaston julkaisuarkistopalvelut Jyrki Ilva (jyrki.ilva@helsinki.fi) Erikoiskirjastojen neuvosto, 9.12.2011 Julkaisuarkiston idea Julkaisuarkiston (open repository, institutional repository)
LisätiedotTilastotieteen kertaus. Vilkkumaa / Kuusinen 1
Tilastotieteen kertaus Vilkkumaa / Kuusinen 1 Motivointi Reaalimaailman ilmiöihin liittyy tyypillisesti satunnaisuutta ja epävarmuutta Ilmiöihin liittyvien havaintojen ajatellaan usein olevan peräisin
LisätiedotVaatimusmäärittely Ohjelma-ajanvälitys komponentti
Teknillinen korkeakoulu 51 Vaatimusmäärittely Ohjelma-ajanvälitys komponentti Versio Päiväys Tekijä Kuvaus 0.1 21.11.01 Oskari Pirttikoski Ensimmäinen versio 0.2 27.11.01 Oskari Pirttikoski Lisätty termit
Lisätiedotpitkittäisaineistoissa
Puuttuvan tiedon käsittelystä p. 1/18 Puuttuvan tiedon käsittelystä pitkittäisaineistoissa Tapio Nummi tan@uta.fi Matematiikan, tilastotieteen ja filosofian laitos Tampereen yliopisto Puuttuvan tiedon
LisätiedotKoulutusohjelman vastuunhenkilön hyväksyntä nimen selvennys, virka-asema / arvo
Oulun yliopisto Lääketieteellinen tiedekunta Terveystieteiden laitos PRO GRADU-TUTKIELMAN ARVIOINTILOMAKE Tutkielman tekijä(t): Tutkielman nimi: Pääaine: Tutkielman ohjaaja(t): Tutkielman arviointi Tutkielman
LisätiedotTietojen arviointi ja raportointi: (yksityiskohtaisen) tutkimustiivistelmän laatimisohjeet
Tietojen arviointi ja raportointi: (yksityiskohtaisen) tutkimustiivistelmän laatimisohjeet Webinaari tietovaatimuksista 30. marraskuuta 2009 Kaikkien saatavilla olevien tietojen arviointi Vaihe 1: Tietojen
LisätiedotTeema 8: Parametrien estimointi ja luottamusvälit
Teema 8: Parametrien estimointi ja luottamusvälit Todennäköisyyslaskennan perusteet (Teemat 6 ja 7) antavat hyvän pohjan siirtyä kurssin viimeiseen laajempaan kokonaisuuteen, nimittäin tilastolliseen päättelyyn.
LisätiedotKuinka määritellään 2 3?
Kuinka määritellään 2 3? y Nyt 3 = 1,7320508.... Luvut 3 2 x x 3 2 x 2 1 = 2, 2 1,7 3,2490, 2 1,73 3,3173, 2 1,732 3,3219,... ovat hyvin määriteltyjä koska näihin tarvitaan vain rationaalilukupotenssin
LisätiedotOhjelmiston toteutussuunnitelma
Ohjelmiston toteutussuunnitelma Ryhmän nimi: Tekijä: Toimeksiantaja: Toimeksiantajan edustaja: Muutospäivämäärä: Versio: Katselmoitu (pvm.): 1 1 Johdanto Tämä luku antaa yleiskuvan koko suunnitteludokumentista,
LisätiedotOhjelmistotekniikan menetelmät, luokkamallin laatiminen
582101 - Ohjelmistotekniikan menetelmät, luokkamallin laatiminen 1 Lähestymistapoja Kokonaisvaltainen lähestymistapa (top-down) etsitään kerralla koko kohdealuetta kuvaavaa mallia hankalaa, jos kohdealue
LisätiedotKojemeteorologia. Sami Haapanala syksy 2013. Fysiikan laitos, Ilmakehätieteiden osasto
Kojemeteorologia Sami Haapanala syksy 2013 Fysiikan laitos, Ilmakehätieteiden osasto Mittalaitteiden staattiset ominaisuudet Mittalaitteita kuvaavat tunnusluvut voidaan jakaa kahteen luokkaan Staattisiin
LisätiedotTeleverkon verkkotietojärjestelm
Televerkon verkkotietojärjestelm rjestelmän määrittely ja käyttk yttöönotto Lauri Turunen Diplomityöseminaari 10.10.2006 Valvoja: Ohjaaja: Prof. Heikki HämmH mmäinen DI Timo Kokkola Esityksen sisältö Verkkotietojärjestelmä
Lisätiedot7.4 Sormenjälkitekniikka
7.4 Sormenjälkitekniikka Tarkastellaan ensimmäisenä esimerkkinä pitkien merkkijonojen vertailua. Ongelma: Ajatellaan, että kaksi n-bittistä (n 1) tiedostoa x ja y sijaitsee eri tietokoneilla. Halutaan
LisätiedotOhjelmoinnin perusteet Y Python
Ohjelmoinnin perusteet Y Python T-106.1208 21.1.2009 T-106.1208 Ohjelmoinnin perusteet Y 21.1.2009 1 / 32 Tyypeistä Monissa muissa ohjelmointikielissä (esim. Java ja C) muuttujat on määriteltävä ennen
LisätiedotPro gradu -tutkielmien arvostelu maantieteessä
Pro gradu -tutkielmien arvostelu maantieteessä Tutkielman arvostelussa on käytössä viisiportainen asteikko (1-5): o Ykkönen (1) merkitsee, että työ on hyväksyttävissä, mutta siinä on huomattavia puutteita.
Lisätiedot4G LTE-verkkojen sisätilakuuluvuusvertailu 1H2014
4G LTE-verkkojen sisätilakuuluvuusvertailu 1H2014 27. kesäkuuta 2014 Omnitele Ltd. Mäkitorpantie 3B P.O. Box 969, 00101 Helsinki Finland Puh: +358 9 695991 Fax: +358 9 177182 E-mail: contact@omnitele.fi
LisätiedotKäyttöliittymä ja tuotantokäsikirjoitus. Heini Puuska
Käyttöliittymä ja tuotantokäsikirjoitus Heini Puuska Sisältö 1 Käyttöliittymä... 1 2 Tuotantokäsikirjoitus... 2 2.1 Kurssin esittely... 2 2.2 Oppimistehtävä 1... 2 2.3 Oppimistehtävä 2... 2 2.4 Reflektio
LisätiedotPSYKOLOGIAN ARTIKKELI- JA MONOGRAFIAVÄITÖSKIRJOJEN RAKENNE MUISTILISTAA VÄITÖSKIRJOJEN OHJAAJILLE JA OHJATTAVILLE
PSYKOLOGIAN ARTIKKELI- JA MONOGRAFIAVÄITÖSKIRJOJEN RAKENNE MUISTILISTAA VÄITÖSKIRJOJEN OHJAAJILLE JA OHJATTAVILLE TYÖN TARKASTUKSEN JA PAINATUKSEN ETENEMINEN Timo Suutama 8.10.2014 Artikkeliväitöskirjan
LisätiedotLIITE. asiakirjaan. Komission täytäntöönpanoasetus
EUROOPAN KOMISSIO Bryssel 16.7.2018 C(2018) 4351 final ANNEX 1 LIITE asiakirjaan Komission täytäntöönpanoasetus täytäntöönpanoasetuksen (EU) 2017/1152 muuttamisesta korrelaatiomenettelyn selventämiseksi
LisätiedotJohdatus tekoälyyn. Luento 6.10.2011: Koneoppiminen. Patrik Hoyer. [ Kysykää ja kommentoikaa luennon aikana! ]
Johdatus tekoälyyn Luento 6.10.2011: Koneoppiminen Patrik Hoyer [ Kysykää ja kommentoikaa luennon aikana! ] Koneoppiminen? Määritelmä: kone = tietokone, tietokoneohjelma oppiminen = ongelmanratkaisukyvyn
Lisätiedot15. Ohjelmoinnin tekniikkaa 15.1
15. Ohjelmoinnin tekniikkaa 15.1 Sisällys For-each-rakenne. Lueteltu tyyppi enum. Override-annotaatio. Geneerinen ohjelmointi. 15.2 For-each-rakenne For-rakenteen variaatio taulukoiden ja muiden kokoelmien
LisätiedotTenttikysymykset. + UML- kaavioiden mallintamistehtävät
Tenttikysymykset 1. Selitä mitä asioita kuuluu tietojärjestelmän käsitteeseen. 2. Selitä kapseloinnin ja tiedon suojauksen periaatteet oliolähestymistavassa ja mitä hyötyä näistä periaatteista on. 3. Selitä
LisätiedotKannettava sähköverkon analysaattori AR6
Kannettava sähköverkon analysaattori AR6 Kompakti huippuominaisuudet omaava digitaalinen mittalaite soveltuu erinomaisesti sähköverkon energiatehokkuuden analysoimiseen AR6:n ominaisuuksia: Se ottaa jänniteaallosta
Lisätiedot