NAVODILA ZA OBLIKOVANJE PRISPEVKOV
|
|
- Zlatko Ilić
- pred 4 leti
- Pregledov:
Transkripcija
1 SISTEM ZA VERIFIKACIJO OSEBE NA PODLAGI PRSTNEGA ODTISA Uroš Klopčič, Peter Peer Laboratorij za računalniški vid Fakulteta za računalništvo in informatiko E-pošta: POVZETEK: V tem delu je predstavljen sistem za verifikacijo oseb na podlagi prstnega odtisa. V osnovi gre za prototipni sistem, katerega namen je postavitev temeljev in ogrodja, katero bi omogočalo nadaljnji razvoj in testiranje. Sistem sestoji iz korakov segmentacije, izboljšave kvalitete prstnega odtisa z Gaborjevimi filtri, tanjšanja, iskanje značilk, klasifikacije ter primerjanja. Algoritem smo testirali na štirih testnih množicah s tekmovanja Fingerprint Verification Competition 2002 (FVC2002). Algoritem daje zadovoljive rezultate, več težav se pojavi predvsem pri prstnih odtisih slabe kvalitete v koraku izboljšanja kvalitete prstnega odtisa. Čas procesiranja 3 sekund ustreza zahtevam enostavnega sistema za verifikacijo oseb na podlagi prstnega odtisa. 1. UVOD Prstni odtisi že dolgo veljajo za eno od najbolj zanesljivih in natančnih biometričnih značilnosti, zato so se že zgodaj uveljavili pri procesu ugotavljanja identitete posameznika. S pojavom ter razvojem računalniške tehnologije, se je zamudna ročna identifikacija posameznika zamenjala s hitrimi in zmogljivi sistemi za identifikacijo oseb na podlagi prstnega odtisa (angl. AFIS). Danes so prstni odtisi že popolnoma uveljavljeni, uporabljajo se predvsem pri kontroli dostopa ter policijskem delu. Za namene kontrole dostopa v laboratorij smo tudi sami želeli razviti sistem za verifikacijo oseb na podlagi prstnega odtisa. Pri tem si kot glavni cilj nismo zastavili 100% zanesljivost sistema, temveč dobro ogrodje ter modularno zgradbo, na kateri bi bilo uveljavljanje prihodnjih nadgradenj čim bolj enostavno. Šele skozi proces posodobitev pa bi sistem pridobil potrebno zanesljivost ter natančnost. Sistem bi lahko v grobem ločili v tri korake: zajem prstnega odtisa, iskanje značilk ter odločanje. Za zajem prstnega odtisa smo uporabili dva čitalca prstnih odtisov, vendar smo zaradi lažjega dela pri samem razvoju sistema uporabili v naprej zbrano zbirko slik prstnih odtisov. Večji poudarek je bil predvsem na koraku iskanja značilk, od katerega je odvisen tudi končni rezultat v koraku odločanja.
2 2. OBDELAVA PRSTNEGA ODTISA 2.1 Segmentacija Pri segmentaciji poskušamo čim bolj ločiti področje, na katerem se nahaja prstni odtis, od ozadja. Pri tem smo uporabili metodo, ki je modificirana verzija pristopa opisanega v [3]. Kot prvo se poišče vrednost, ki predstavlja ozadje. V ta namen izračunamo histogram negativa slike. Nato potujemo po histogramu od indeksa 0 do 255 in opazujemo vrednost histograma. Indeks, kjer je ta vrednost prvič večja od praga ThrF (1000 v našem primeru), predstavlja vrednost ozadja. Ta vrednost se odšteje od vsakega slikovnega elementa (i, j) na sliki. Nato z enačbo (1) povečamo dinamično razdaljo med grebeni in dolinami in še enkrat izračunamo negativ slike. V drugem delu sliko razdelimo na bloke enake velikosti W W (W = 9 v našem primeru). Za vsak blok s središčem v (i, j) se izračuna štiri parametre: srednja vrednost, varianca, gradient in ROI, prikazan v enačbi (2). kjer velja (1) (2) (3) (4) ROI poda stopnjo gotovosti, ki nam glede na prag pove, ali slikovni element pripada ozadju ali ne. x in y sta jakosti gradienta v x in y smeri, katera pridobimo s Sobelovim operatorjem [8]. Če je srednja vrednost večja in ostali parametri manjši od nastavljenih pragov, potem je blok označen za ozadje. S tem korak segmentacije še ni končan. Pogosto se namreč zgodi, da so nekateri bloki napačno označeni za ozadje oziroma ospredje. Zato je potrebna še naknadna obdelava, kjer se take bloke prepozna in popravi. V ta namen se uporabi množica hevrističnih pravil (slika 1). 2.2 Izboljšava kvalitete slike prstnega odtisa Pri prepoznavanju prstnih odtisov je zelo pomembna predhodna obdelava zajete slike prstnega odtisa, saj slaba kvaliteta negativno vpliva na postopke iskanje značilk. Pri (5)
3 zajemu namreč pogosto pride do napak kot so šum in smeti, vzrok je lahko tudi prevelik pritisk na čitalec, pogoste pa so tudi mehanske poškodbe samega prsta (urez, praska). Zaradi tega smo v našem sistemu uporabili postopek izboljšanja kvalitete opisan v [4]. Slika 1: Hevristična pravila za odstranjevanje (a) blokov, označenih za ospredje, (b) blokov, označenih za ozadje Nad prstnim odtisom se najprej izračuna orientacijsko polje s pomočjo metode gradientov. Orientacijsko polje nam za vsak del slike pove, v katero smer je prstni odtis usmerjen. Dobljeno orientacijsko polje pa ni povsem zanesljivo, saj vsebuje preveč šuma. Zato se izvede glajenje orientacijskega polja. Pri tem smo uporabili metodo [5], ki velikost okolice glajenja Ω(s) pametno prilagaja glede na doslednost orientacije. Za izračun slednje se uporabi enačba (6). O(s) predstavlja število orientacij θ(i,j) v Ω(s). Kadar je doslednost majhna, se uporabi veliko okolico glajenja, s čimer omejimo vpliv šuma, obratno pa uporabimo majhno okolico, saj vemo, da je orientacija zanesljiva. Za vsak blok izračunamo Cons(s) in njegovo orientacijo na podlagi zunanjih 8 s blokov iz njegove (2 s + 1) (2 s + 1) velike okolice. Koraki glajenja so naslednji: 1. Izračunaj enotski vektor z dvakratno orientacijo [cos(2θ(i,j)), sin(2θ(i,j))]. Nastavi s = 1 in uporabi vrednosti enotskega vektorja pri izračunu Cons(s). 2. Povečaj s za 1. Izračunaj Cons(s) v Ω(s), kjer je Ω(s) 8 s zunanjih blokov. 3. Cons(s) doseže vrednosti na intervalu [0,1]. Če je Cons(s) manjši od praga (0,5 v našem primeru) ali pa manjši od Cons(s - 1), potem pojdi na korak 2; na korak 2 se vračaš, dokler ne dosežeš maksimuma vrnitev (5 v našem primeru). 4. Če je s enak maksimumu, nastavi Ω(s) na okolico velikosti 3 3 blokov, sicer pojdi na korak Izračunaj zglajeno orientacijo po sledeči enačbi: (6) (7)
4 kjer sta i c in j c koordinati točke, ki predstavlja središče trenutno obravnavanega bloka. Izračunu orientacije sledi še izračun frekvence [4], nato pa se izvede dejansko filtriranje s pomočjo Gaborjevih filtrov. 2.3 Binarizacija in tanjšanje grebenov Binarizacija se izvede s pomočjo prosto dostopnega orodja AForge.NET. Kot rezultat dobimo sliko, kjer so grebeni predstavljeni z bitom 1 in ozadje z bitom 0. Namen tanjšanja grebenov je pridobiti skelet prstnega odtisa, kjer so grebeni široki natanko 1 slikovni element. V ta namen smo uporabili algoritem v [6], ki prične odstranjevati slikovne elemente na zunanjih robovih grebenov, dokler le-ti niso debeli zgolj 1 slikovni element. To dosežemo z uporabo 21 pravil, ki jih uporabimo v vsaki iteraciji nad vsakim slikovnim elementom. Algoritem uporablja tudi 4 posebna pravila za tanjšanje diagonalnih črt, poleg tega pa vsebuje tudi 12 pravil za predpripravo na tanjšanje. 2.4 Iskanje značilk Naloga algoritma iskanja značilk je poiskati osnovne značilke: razcep (angl. bifurcaton) in zaključek (angl. ridge ending). Kadar imamo na voljo skelet prstnega odtisa, je naloga razmeroma enostavna. Pri iskanju zaključkov grebenov se opiramo na število križišč [10] v trenutni točki (angl. Crossing Number). Enačba (8) definira število križišč cn(p) točke p v binarni sliki kot polovico vsote razlik med pari sosednjih točk v okolici točke p. kjer so p 0, p 1,..., p 7 točke, ki pripadajo okolici točke p, val(p) {0, 1} pa predstavlja vrednost točke. Za točko p velja, da je zaključek grebena, če je cn(p) = 1. (8) Slika 2: Najdene značilke, prikazane na (a) sivinski sliki in (b) sliki s skeletom prstnega odtisa
5 Pri iskanju razcepov si pomagamo z množico pravil. Za vsako točko se njena 3 3 okolica primerja s 24 možnimi maskami za razcep na sliki 2. Če najdemo ujemanje, potem je ta kandidat dejansko razcep. Kljub temu, da smo kvaliteto slike prstnega odtisa izboljšali in da smo iskali značilke le na področju, kjer se nahaja prstni odtis, algoritem še vedno najde večje število nepravilnih značilk, ki niso primerne za nadaljnjo obdelavo. Zato vse značilke preverimo še z algoritmom verifikacije značilk [1]. S tem odstranimo nepravilne strukture (špice, mostove, kratke greben, itd.) in posledično povečamo natančnost sistema. 2.5 Klasifikacija V postopku klasifikacije poskušamo prstnemu odtisu določiti razred glede na obliko grebenov. Pri tem smo uporabili 5 najbolj uporabljenih razredov Galton-Henryevega sistema: lok, šotorast lok, leva in desna zanka ter spirala. Določitev razreda temelji na lokaciji in številu singularnih točk (jedra in delte). Te lahko določimo z uporabo polja ukrivljenosti (angl. curvature map) [7]. Za izračun polja ukrivljenosti sliko razdelimo na bloke velikosti W W (W = 7 v našem primeru). Ukrivljenost bloka se izračuna glede na ukrivljenost 8 sosednjih blokov v njegovi 3 3 okolici. Natančneje, ukrivljenost bloka je enaka polovici razlike ukrivljenosti blokov, na katere kaže smer obravnavanega bloka (enačba 9). kjer sta B1 in B2 bloka, na katera kaže smer središčnega bloka. Singularne točke iz polja ukrivljenosti dobimo na naslednji način: 1. Določimo prag ukrivljenosti T c ter prag razdalje T d (0,35 in 4 v našem primeru) 2. Označimo z S c množico singularnih točk, katerih ukrivljenost je večja od T c. 3. Izberemo katerakoli dva bloka B i in B j iz množice S c. Če je razdalja med njima manjša od T d, se blok z manjšo ukrivljenostjo odstrani iz množice S c. 4. Pojdi na korak 3, dokler velikost množice S c ni stalna. 5. Množica S c vsebuje resnične singularne točke. Za prstne odtise tipa lok je znano, da ne vsebujejo izrazitih singularnih točk. Ker pa naš postopek zahteva določitev referenčne točke prstnega odtisa, se za jedro vzame kar blok z najvišjo ukrivljenostjo. Tip dobljenih singularnih točk (jedro, delta) določimo z metodo Poincare Index [9]. Ko poznamo število jeder N c in delt N d, lahko klasificiramo prstni odtis glede na naslednja pravila: 1. Če je N c = 2, potem je prstni odtis tipa spirala. 2. Če je N c = 0 in N d = 0, potem je prstni odtis tipa lok. 3. Če je N c = 1 in N d = 1, potem je prstni odtis lahko tipa šotorast lok ali zanka. Potrebna je nadaljnja analiza. Med jedrom in delto potegnemo ravno črto. Pri šotorastem loku je črta vzporedna z lokalnimi orientacijami, med tem ko jih pri (9)
6 zanki seka. Naj bo λ kot, ki ga tvori daljica med jedrom in delto in η 1, η 2,..., η n koti lokalnih usmeritev vzdolž omenjene daljice. Če je povprečna vsota (enačba 10) (10) manjša od pragu (0,3 v našem primeru), potem je prstni odtis tipa šotorast lok, sicer je tipa zanka. Leve zanke ločimo od desnih s pomočjo enačbe (11) - če je rezultat manjši od 0, potem je leva, sicer desna zanka. kjer indeksa x in y označujeta x in y koordinati točk. 4. Sicer tipa prstnega odtisa ni mogoče določiti. Referenčno točko tako predstavlja kar jedro. V primeru dveh jeder pa v ta namen izberemo kar središčno točko med obema jedroma. (11) 2.6. Primerjanje Primerjanje temelji na primerjavi lokacije, kota, usmeritve ter tipa značilk. V našem algoritmu se značilke najprej pretvorijo v polarni koordinatni sistem, kjer se za središče vzame referenčno točko. Zadnji manjkajoči podatek je orientacija referenčne točke. Če obstaja dve jedri, je orientacija enaka orientaciji premice skozi ti dve točki. Sicer se okoli referenčne točke definira 16 smeri, ločenih s korakom π/8. Orientacija referenčne točke je smer, kateri se lokalne orientacije najbolj prilagajajo. Značilke nato predstavimo v polarnem koordinatnem sistemu s štirimi parametri (r, e, s, Φ): razdaljo od referenčne točke, polarnim kotom, tipom značilke ter kotom med r in smerjo značilke. Primerjanje med vhodnim vektorjem značilk P i = {(r i1, e i1, s i1, Φ i1 ) T,... (r im, e im, s im, Φ im ) T } in tistim iz podatkovne zbirke Q j = {(r j1, e j1, s j1, Φ j1 ) T,... (r jn, e jn, s jn, Φ jn ) T } poteka na naslednji način: 1. Vsaka značilka iz P i se primerja z vsako značilko iz Q j. 2. Naj M 0 in N 0 označujeta število značilk v prvem in drugem prstnem odtisu, M N / N M pa število uspešnih ujemanj. Kadar je 0 0 večji od praga β, potem smatramo obravnavana prstna odtisa za enaka. 3. Vzemi naslednji vektor Q j+1. Zaradi šuma in nelinearnih deformacij je nemogoče natančno določiti lokacijo značilk glede na referenčno točko. Zato mora primerjalni algoritem upoštevati določeno toleranco. V našem primeru to dosežemo z uporabo dinamične mejne škatle (angl. Variable Bounding Box). Naj kot α b in radij r b označujeta velikost škatle. Kadar je radij značilke majhen, lahko majhna deformacija povzroči veliko spremembo v kotu radija značilke, medtem ko na radij nima vpliva. V tem primeru bi moral biti α b večji in r b manjši. Kadar pa je radij značilke velik, lahko majhna sprememba v kotu radija značilke povzroči veliko spremembo v lokaciji značilke. Takrat α b pomanjšamo in r b povečamo, M N
7 saj se vse deformacije med referenčno točko ter značilko seštevajo, kar se pozna na radiju. 3. REZULTATI Sistem smo testirali na štirih množicah slik prstnih odtisov iz FVC2002. Vsaka množica je vsebovala 800 slik. Slike so bile pridobljene z optičnim (DB1, DB2) in kapacitativnim (DB3) čitalcem, zbirka DB4 pa je vsebovala sintetično generirane prstne odtise. Vsi koraki z izjemo koraka izboljšanja kvalitete so dali zadovoljive rezultate. Pri izboljšanju kvalitete smo imeli probleme predvsem s prstnimi odtisi slabe kvalitete, saj algoritem ni bil zmožen ločevati med sosednjimi grebeni. V nekaterih primerih prstnih odtisov slabe kvalitete naš sistem ni bil sposoben podati natančne lokacije in števila singularnih točk, zaradi česar je bila klasifikacija prstnega odtisa nemogoča. Za primerjavo z ostalimi sistemi smo izmerili stopnji FNMR (angl. False Non-Match Rate) - in FMR (angl. False Match Rate). Prva označuje neujemanje dveh vzorcev istega osebka, druga pa ujemanje dveh vzorcev različnih osebkov. Rezultati v tabeli 1 nam povejo, da naš sistem ni popolnoma zanesljiv. Zaradi velikega vpliva kvalitete na rezultate smo testirali sistem tudi s 64 slikami boljše kakovosti. Slednji rezultati so podani v tabeli 2. Opazimo veliko izboljšanje FNMR pri DB1 ter DB2, malo manj pa pri ostalih množicah, saj so najboljše slike iz teh množic še zmeraj vsebovale preveč šuma. Na koncu smo s sliko 3 podali še skupne rezultate za vsako testno množico. Predstavljeni so bili s krivuljo ROC (angl. Receiver Operating Characteristic), ki prikazuje FNMR in FMR v odvisnosti od praga. Kjer se krivulji FNMR in FMR sekata, je t.i. točka EER (angl. Equal Error Rate). Na sliki sta s praznim kvadratom in polnim krogcem označeni oceni EER tudi za predzadnji in najboljši algoritem iz FVC2002 [2]. Povprečen čas procesiranja je znašal 3 sekunde. Tabela 1: Stopnji FNMR in FMR pri pragu β = 0.3. Stopnja TESTNE MNOŽICE DB1 DB2 DB3 DB4 FNMR (%) FMR (%) Tabela 2: Stopnji FNMR in FMR pri pragu β = 0.3 za slike dobre kakovosti. STOPNJA TESTNE MNOŽICE DB1 DB2 DB3 DB4 FNMR (%) FMR (%) ZAKLJUČEK Sistem še ni dovolj zanesljiv in potrebuje nekaj popravkov. Največ napak se zgodi predvsem zaradi slik slabe kakovosti. Zato bo poudarek v nadaljnjem razvoju predvsem pri jasni določitvi frekvence grebenov, ki mora biti robustna in odporna na šum. Prav tako potrebuje nekaj izboljšav tudi postopek določitve lokacije singularnih točk, kjer trenutno obravnavamo nekaj različnih pristopov. Izdelan sistem predstavlja dobro osnovo in ponuja še veliko možnosti za nadgradnjo.
8 Slika 3: ROC krivulje za testne množice (a) DB1, (b) DB2, (c) DB3 in (d) DB4. LITERATURA 1. M.U. Akram, A. Tariq, S.A. Khan, S. Nasir, Fingerprint image: pre and postprocessing, International Journal of Biometrics 2008, vol. 1(1), str , Informacije o temovanju Fingerprint Verification Competition M.M. Hadhoud, W.S. El Kilani, M.I. Samaan, An adaptive algorith for fingerprints image enhancement using gabor filters, ICCES 07. International Conference on Computer Engineering & Systems, str , November L. Hong, Y. Wan, A. Jain, Fingerprint image enhancement: algorithm and performance evaluation, IEEE Transactions Pattern Analysis and Machine Intelligence, vol. 20(8), str , M. Liu, X. Jiang, A.C. Kot, Fingerprint Reference Point Detection, EURASIP Journal on Applied Signal Processing, vol. 2005, str , Januar P.M. Patil, S.R. Suralkar, F.B. Sheikh, Rotation invariant thinnin g algorithm to detect ridge bifurcations for fingerprint identification, 17 th IEEE International Conference on Tools with Artificial Intelligence, str , J. Qi, M. Xie, A robust algorithm for fingerprint singular point detection and image reference direction determination based on the analysis of curvature map, IEEE Conference on Cybernetics and Intelligent Systems, str , J. Qi, M. Xie, Segmentation of fingerprint images using the gradient vector field, IEEE Conference on Cybernetics and Intelligent Systems, str , September T. Tang, X. Wu, M. Xiang, An improved fingerprint singular point detection algorith based on continuous orientation field, International Symposium on Computer Science and Computational Technology ISCCST, 2 nd Edition, str , F. Zhao, X. Tang, Preprocessing and postprocessing for skeleton-based fingerprint minutiae extraction, Pattern Recognition, vol. 40(1), str , 2007
ANALITIČNA GEOMETRIJA V RAVNINI
3. Analitična geometrija v ravnini Osnovna ideja analitične geometrije je v tem, da vaskemu geometrijskemu objektu (točki, premici,...) pridružimo števila oz koordinate, ki ta objekt popolnoma popisujejo.
Prikaži več7. VAJA A. ENAČBA ZBIRALNE LEČE
7. VAJA A. ENAČBA ZBIRALNE LEČE 1. UVOD Enačbo leče dobimo navadno s pomočjo geometrijskih konstrukcij. V našem primeru bomo do te enačbe prišli eksperimentalno, z merjenjem razdalj a in b. 2. NALOGA Izračunaj
Prikaži večSlikovne transformacije_2017_18_DKT
DEJAVNIKI KAKOVOSTI V TISKU Deja Muck Pri obdelavi digitalnih slik se večinoma srečujamo s slikami v prostorski domeni, a določeni postopki, npr. filtriranje, lahko potekajo tudi v t. i. frekvenčni domeni.
Prikaži večOsnove matematicne analize 2018/19
Osnove matematične analize 2018/19 Neža Mramor Kosta Fakulteta za računalništvo in informatiko Univerza v Ljubljani Funkcija je predpis, ki vsakemu elementu x iz definicijskega območja D f R priredi natanko
Prikaži večUPORABNOST SISTEMA GYRO PRI DAKTILOSKOPSKI IDENTIFIKACIJI Matej Trapečar Namen prispevka S prispevkom se želi nadaljevati z ugotavljanjem trenutnega s
UPORABNOST SISTEMA GYRO PRI DAKTILOSKOPSKI IDENTIFIKACIJI Matej Trapečar Namen prispevka S prispevkom se želi nadaljevati z ugotavljanjem trenutnega stanja na področju identifikacijskih postopkov prstnih
Prikaži večMicrosoft PowerPoint _12_15-11_predavanje(1_00)-IR-pdf
uporaba for zanke i iz korak > 0 oblika zanke: for i iz : korak : ik NE i ik DA stavek1 stavek2 stavekn stavek1 stavek2 stavekn end i i + korak I&: P-XI/1/17 uporaba for zanke i iz korak < 0 oblika zanke:
Prikaži večUčinkovita izvedba algoritma Goldberg-Tarjan Teja Peklaj 26. februar Definicije Definicija 1 Naj bo (G, u, s, t) omrežje, f : E(G) R, za katero v
Učinkovita izvedba algoritma Goldberg-Tarjan Teja Peklaj 26. februar 2009 1 Definicije Definicija 1 Naj bo (G, u, s, t) omrežje, f : E(G) R, za katero velja 0 f(e) u(e) za e E(G). Za v V (G) definiramo presežek
Prikaži večOptimizacija z roji delcev - Seminarska naloga pri predmetu Izbrana poglavja iz optimizacije
Univerza v Ljubljani Fakulteta za matematiko in fiziko Seminarska naloga pri predmetu Izbrana poglavja iz optimizacije 2. junij 2011 Koncept PSO Motivacija: vedenje organizmov v naravi Ideja: koordinirano
Prikaži večVektorji - naloge za test Naloga 1 Ali so točke A(1, 2, 3), B(0, 3, 7), C(3, 5, 11) b) A(0, 3, 5), B(1, 2, 2), C(3, 0, 4) kolinearne? Naloga 2 Ali toč
Vektorji - naloge za test Naloga 1 li so točke (1, 2, 3), (0, 3, 7), C(3, 5, 11) b) (0, 3, 5), (1, 2, 2), C(3, 0, 4) kolinearne? Naloga 2 li točke a) (6, 0, 2), (2, 0, 4), C(6, 6, 1) in D(2, 6, 3), b)
Prikaži večIme in priimek: Vpisna št: FAKULTETA ZA MATEMATIKO IN FIZIKO Oddelek za matematiko Statistika Pisni izpit 6. julij 2018 Navodila Pazljivo preberite be
Ime in priimek: Vpisna št: FAKULEA ZA MAEMAIKO IN FIZIKO Oddelek za matematiko Statistika Pisni izpit 6 julij 2018 Navodila Pazljivo preberite besedilo naloge, preden se lotite reševanja Za pozitiven rezultat
Prikaži večStrojna oprema
Asistenta: Mira Trebar, Miha Moškon UIKTNT 2 Uvod v programiranje Začeti moramo razmišljati algoritmično sestaviti recept = napisati algoritem Algoritem za uporabo poljubnega okenskega programa. UIKTNT
Prikaži več1. izbirni test za MMO 2018 Ljubljana, 16. december Naj bo n naravno število. Na mizi imamo n 2 okraskov n različnih barv in ni nujno, da imam
1. izbirni test za MMO 018 Ljubljana, 16. december 017 1. Naj bo n naravno število. Na mizi imamo n okraskov n različnih barv in ni nujno, da imamo enako število okraskov vsake barve. Dokaži, da se okraske
Prikaži večŠTEVCI PROMETA IN NJIHOVA UPORABA ZA NAMENE STATISTIK ČRT GRAHONJA
ŠTEVCI PROMETA IN NJIHOVA UPORABA ZA NAMENE STATISTIK ČRT GRAHONJA Navdih Poizvedovanje po BD podatkovnih virih, ki imajo časovno dimenzijo in so dostopni. Večji promet pomeni večje število dobrin in močnejšo
Prikaži večIme in priimek
Polje v osi tokovne zanke Seminar pri predmetu Osnove Elektrotehnike II, VSŠ (Uporaba programskih orodij v elektrotehniki) Ime Priimek, vpisna številka, skupina Ljubljana,.. Kratka navodila: Seminar mora
Prikaži večRAČUNALNIŠKA ORODJA V MATEMATIKI
DEFINICIJA V PARAVOKOTNEM TRIKOTNIKU DEFINICIJA NA ENOTSKI KROŢNICI GRAFI IN LASTNOSTI SINUSA IN KOSINUSA POMEMBNEJŠE FORMULE Oznake: sinus kota x označujemo z oznako sin x, kosinus kota x označujemo z
Prikaži večNAVODILA AVTORJEM PRISPEVKOV
Predmetna komisija za nižji izobrazbeni standard matematika Opisi dosežkov učencev 6. razreda na nacionalnem preverjanju znanja Slika: Porazdelitev točk pri matematiki (NIS), 6. razred 1 ZELENO OBMOČJE
Prikaži večTuringov stroj in programiranje Barbara Strniša Opis in definicija Definirajmo nekaj oznak: Σ abeceda... končna neprazna množica simbolo
Turingov stroj in programiranje Barbara Strniša 12. 4. 2010 1 Opis in definicija Definirajmo nekaj oznak: Σ abeceda... končna neprazna množica simbolov (običajno Σ 2) Σ n = {s 1 s 2... s n ; s i Σ, i =
Prikaži večLABORATORIJSKE VAJE IZ FIZIKE
UVOD LABORATORIJSKE VAJE IZ FIZIKE V tem šolskem letu ste se odločili za fiziko kot izbirni predmet. Laboratorijske vaje boste opravljali med poukom od začetka oktobra do konca aprila. Zunanji kandidati
Prikaži večDatum in kraj
Ljubljana, 5. 4. 2017 Katalog znanj in vzorci nalog za izbirni izpit za vpis na magistrski študij Pedagoško računalništvo in informatika 2017/2018 0 KATALOG ZNANJ ZA IZBIRNI IZPIT ZA VPIS NA MAGISTRSKI
Prikaži večVaje: Matrike 1. Ugani rezultat, nato pa dokaži z indukcijo: (a) (b) [ ] n 1 1 ; n N 0 1 n ; n N Pokaži, da je množica x 0 y 0 x
Vaje: Matrike 1 Ugani rezultat, nato pa dokaži z indukcijo: (a) (b) [ ] n 1 1 ; n N n 1 1 0 1 ; n N 0 2 Pokaži, da je množica x 0 y 0 x y x + z ; x, y, z R y x z x vektorski podprostor v prostoru matrik
Prikaži večC:/Users/Matevž Èrepnjak/Dropbox/FKKT/TESTI-IZPITI-REZULTATI/ /Izpiti/FKKT-avgust-17.dvi
Vpisna številka Priimek, ime Smer: K KT WA Izpit pri predmetu MATEMATIKA I Računski del Ugasni in odstrani mobilni telefon. Uporaba knjig in zapiskov ni dovoljena. Dovoljeni pripomočki so: kemični svinčnik,
Prikaži večOsnove statistike v fizični geografiji 2
Osnove statistike v geografiji - Metodologija geografskega raziskovanja - dr. Gregor Kovačič, doc. Bivariantna analiza Lastnosti so med sabo odvisne (vzročnoposledično povezane), kadar ena lastnost (spremenljivka
Prikaži večFGG13
10.8 Metoda zveznega nadaljevanja To je metoda za reševanje nelinearne enačbe f(x) = 0. Če je težko poiskati začetni približek (še posebno pri nelinearnih sistemih), si lahko pomagamo z uvedbo dodatnega
Prikaži večMicrosoft Word - rosus2006.doc
ANALIZA GIBANJA IGRALCEV MED TEKMAMI Janez Perš 1, Matej Kristan 1, Matej Perše 1, Marta Bon 2, Goran Vučkovič 2, Stanislav Kovačič 1 1 Laboratorij za slikovne tehnologije Fakulteta za elektrotehniko,
Prikaži večPredmet: Course title: UČNI NAČRT PREDMETA / COURSE SYLLABUS Napredne metode računalniškega vida Advanced topics in computer vision Študijski program
Predmet: Course title: UČNI NAČRT PREDMETA / COURSE SYLLABUS Napredne metode računalniškega vida Advanced topics in computer vision Študijski program in stopnja Study programme and level Interdisciplinarni
Prikaži večMicrosoft Word - avd_vaje_ars1_1.doc
ARS I Avditorne vaje Pri nekem programu je potrebno izvršiti N=1620 ukazov. Pogostost in trajanje posameznih vrst ukazov računalnika sta naslednja: Vrsta ukaza Štev. urinih period Pogostost Prenosi podatkov
Prikaži več(Microsoft PowerPoint _IZS_izobraevanje ZK_1_del.ppt [Zdru\236ljivostni na\350in])
Geodetski postopki in izdelava elaborata Darinka Bertole, september 2017 NAMEN IZOBRAŽEVANJA: obnova znanja s področja izvedbe geodetske storitve in izdelave elaborata poenotenje dela in dvig kvalitete
Prikaži večUradni list RS - 12(71)/2005, Mednarodne pogodbe
PRILOGA 3 Osnovne značilnosti, ki se sporočajo za usklajevanje 1. Zgradba podatkovne zbirke Podatkovno zbirko sestavljajo zapisi, ločeni po znakovnih parih "pomik na začetek vrstice pomik v novo vrstico"
Prikaži večMicrosoft Word - UP_Lekcija04_2014.docx
4. Zanka while Zanke pri programiranju uporabljamo, kadar moramo stavek ali skupino stavkov izvršiti večkrat zaporedoma. Namesto, da iste (ali podobne) stavke pišemo n-krat, jih napišemo samo enkrat in
Prikaži večDelavnica Načrtovanje digitalnih vezij
Laboratorij za načrtovanje integriranih vezij Univerza v Ljubljani Fakulteta za elektrotehniko Digitalni Elektronski Sistemi Osnove jezika VHDL Strukturno načrtovanje in testiranje Struktura vezja s komponentami
Prikaži več3. Metode, ki temeljijo na minimalnem ostanku Denimo, da smo z Arnoldijevim algoritmom zgenerirali ON bazo podprostora Krilova K k (A, r 0 ) in velja
3. Metode, ki temeljijo na minimalnem ostanku Denimo, da smo z Arnoldijevim algoritmom zgenerirali ON bazo podprostora Krilova K k (A, r 0 ) in velja AV k = V k H k + h k+1,k v k+1 e T k = V kh k+1,k.
Prikaži večUradni list Republike Slovenije Št. 17 / / Stran 2557 Verzija: v1.0 Datum: Priloga 1: Manevri in tolerance zadovoljive izurjeno
Uradni list Republike Slovenije Št. 17 / 10. 4. 2017 / Stran 2557 Verzija: v1.0 Datum: 26.07.2016 Priloga 1: Manevri in tolerance zadovoljive izurjenosti V nadaljevanju je opisan programa leta in s tem
Prikaži večM-Tel
Poročilo o meritvah / Test report Št. / No. 16-159-M-Tel Datum / Date 16.03.2016 Zadeva / Subject Pooblastilo / Authorization Meritve visokofrekvenčnih elektromagnetnih sevanj (EMS) Ministrstvo za okolje
Prikaži večNAJRAJE SE DRUŽIM S SVIČNIKOM, SAJ LAHKO VADIM ČRTE IN KRIVULJE, PA VELIKE TISKANE ČRKE IN ŠTEVILKE DO 20. Preizkusite znanje vaših otrok in natisnite
NAJRAJE SE DRUŽIM S SVIČNIKOM, SAJ LAHKO VADIM ČRTE IN KRIVULJE, PA VELIKE TISKANE ČRKE IN ŠTEVILKE DO 20. Preizkusite znanje vaših otrok in natisnite vzorčne strani iz DELOVNIH LISTOV 1 v štirih delih
Prikaži večPoglavje 3 Reševanje nelinearnih enačb Na iskanje rešitve enačbe oblike f(x) = 0 (3.1) zelo pogosto naletimo pri reševanju tehničnih problemov. Pri te
Poglavje 3 Reševanje nelinearnih enačb Na iskanje rešitve enačbe oblike f(x) = 0 (3.1) zelo pogosto naletimo pri reševanju tehničnih problemov. Pri tem je lahko nelinearna funkcija f podana eksplicitno,
Prikaži večPoročilo za 1. del seminarske naloge- igrica Kača Opis igrice Kača (Snake) je klasična igrica, pogosto prednaložena na malce starejših mobilnih telefo
Poročilo za 1. del seminarske naloge- igrica Kača Opis igrice Kača (Snake) je klasična igrica, pogosto prednaložena na malce starejših mobilnih telefonih. Obstaja precej različic, sam pa sem sestavil meni
Prikaži večFGG14
Iterativne metode podprostorov Iterativne metode podprostorov uporabljamo za numerično reševanje linearnih sistemov ali računanje lastnih vrednosti problemov z velikimi razpršenimi matrikami, ki so prevelike,
Prikaži večrm.dvi
1 2 3 4 5 6 7 Ime, priimek Razred 14. DRŽAVNO TEKMOVANJE V RAZVEDRILNI MATEMATIKI NALOGE ZA PETI IN ŠESTI RAZRED OSNOVNE ŠOLE Čas reševanja nalog: 90 minut Točkovanje 1., 2., in 7. naloge je opisano v
Prikaži večSlide 1
Vsak vektor na premici skozi izhodišče lahko zapišemo kot kjer je v smerni vektor premice in a poljubno število. r a v Vsak vektor na ravnini skozi izhodišče lahko zapišemo kot kjer sta v, v vektorja na
Prikaži večUniverza v Mariboru Fakulteta za naravoslovje in matematiko Oddelek za matematiko in računalništvo Enopredmetna matematika IZPIT IZ VERJETNOSTI IN STA
Enopredmetna matematika IN STATISTIKE Maribor, 31. 01. 2012 1. Na voljo imamo kovanca tipa K 1 in K 2, katerih verjetnost, da pade grb, je p 1 in p 2. (a) Istočasno vržemo oba kovanca. Verjetnost, da je
Prikaži večE-nepremična inženirska zakladnica
Smetanova ulica 17 2000 Maribor, Slovenija E-NEPREMIČNA INŽENIRSKA ZAKLADNICA - TEHNIŠKE FAKULTETE Naročnik: Energetika Maribor d.o.o. Vodja projekta: Daniela Dvornik Perhavec Fakultete za gradbeništvo,
Prikaži večMicrosoft Word - Astronomija-Projekt19fin
Univerza v Ljubljani Fakulteta za matematiko in fiziko Jure Hribar, Rok Capuder Radialna odvisnost površinske svetlosti za eliptične galaksije Projektna naloga pri predmetu astronomija Ljubljana, april
Prikaži večPoslovilno predavanje
Poslovilno predavanje Matematične teme z didaktiko Marko Razpet, Pedagoška fakulteta Ljubljana, 20. november 2014 1 / 32 Naše skupne ure Matematične tehnologije 2011/12 Funkcije več spremenljivk 2011/12
Prikaži večOsnove verjetnosti in statistika
Osnove verjetnosti in statistika Gašper Fijavž Fakulteta za računalništvo in informatiko Univerza v Ljubljani Ljubljana, 26. februar 2010 Poskus in dogodek Kaj je poskus? Vržemo kovanec. Petkrat vržemo
Prikaži večMladi za napredek Maribora srečanje DOLŽINA»SPIRALE«Matematika Raziskovalna naloga Februar 2015
Mladi za napredek Maribora 015 3. srečanje DOLŽINA»SPIRALE«Matematika Raziskovalna naloga Februar 015 Kazalo 1. Povzetek...3. Uvod...4 3. Spirala 1...5 4. Spirala...6 5. Spirala 3...8 6. Pitagorejsko drevo...10
Prikaži večPREDMETNI KURIKULUM ZA RAZVOJ METEMATIČNIH KOMPETENC
MATEMATIKA 1.razred OSNOVE PREDMETA POKAZATELJI ZNANJA SPRETNOSTI KOMPETENCE Naravna števila -pozna štiri osnovne računske operacije in njihove lastnosti, -izračuna številske izraze z uporabo štirih računskih
Prikaži večRAM stroj Nataša Naglič 4. junij RAM RAM - random access machine Bralno pisalni, eno akumulatorski računalnik. Sestavljajo ga bralni in pisalni
RAM stroj Nataša Naglič 4. junij 2009 1 RAM RAM - random access machine Bralno pisalni, eno akumulatorski računalnik. Sestavljajo ga bralni in pisalni trak, pomnilnik ter program. Bralni trak- zaporedje
Prikaži večUniverza v Ljubljani Fakulteta za računalništvo in informatiko David Možina Argumentirano strojno učenje z uporabo logistične regresije MAGISTRSKO DEL
Univerza v Ljubljani Fakulteta za računalništvo in informatiko David Možina Argumentirano strojno učenje z uporabo logistične regresije MAGISTRSKO DELO MAGISTRSKI PROGRAM DRUGE STOPNJE RAČUNALNIŠTVO IN
Prikaži večDiapozitiv 1
9. Funkcije 1 9. 1. F U N K C I J A m a i n () 9.2. D E F I N I C I J A F U N K C I J E 9.3. S T A V E K r e t u r n 9.4. K L I C F U N K C I J E I N P R E N O S P A R A M E T R O V 9.5. P R E K R I V
Prikaži večMicrosoft Word - CNC obdelava kazalo vsebine.doc
ŠOLSKI CENTER NOVO MESTO VIŠJA STROKOVNA ŠOLA STROJNIŠTVO DIPLOMSKA NALOGA Novo mesto, april 2008 Ime in priimek študenta ŠOLSKI CENTER NOVO MESTO VIŠJA STROKOVNA ŠOLA STROJNIŠTVO DIPLOMSKA NALOGA Novo
Prikaži večUniverza v Ljubljani Fakulteta za računalništvo in informatiko Anže Sodja Segmentacija prostorskih medicinskih podatkov na GPE DIPLOMSKO DELO UNIVERZI
Univerza v Ljubljani Fakulteta za računalništvo in informatiko Anže Sodja Segmentacija prostorskih medicinskih podatkov na GPE DIPLOMSKO DELO UNIVERZITETNI ŠTUDIJSKI PROGRAM PRVE STOPNJE RAČUNALNIŠTVO
Prikaži večMrežni modeli polimernih verig Boštjan Jenčič 22. maj 2013 Eden preprostejših opisov polimerne verige je mrežni model, kjer lahko posamezni segmenti p
Mrežni modeli polimernih verig Boštjan Jenčič. maj 013 Eden preprostejših opisov polimerne verige je mrežni model, kjer lahko posameni segmenti polimera asedejo golj ogljišča v kvadratni (ali kubični v
Prikaži večAvtomatizirano modeliranje pri celostnem upravljanju z vodnimi viri
Univerza v Ljubljani Fakulteta za gradbeništvo in geodezijo 36. Goljevščkov spominski dan Modeliranje kroženja vode in spiranja hranil v porečju reke Pesnice Mateja Škerjanec 1 Tjaša Kanduč 2 David Kocman
Prikaži večMicrosoft Word - Pravila - AJKTM 2016.docx
PRAVILA ALI JE KAJ TRDEN MOST 2016 3. maj 5. maj 2016 10. 4. 2016 Maribor, Slovenija 1 Osnove o tekmovanju 1.1 Ekipa Ekipa sestoji iz treh članov, ki so se po predhodnem postopku prijavili na tekmovanje
Prikaži večMicrosoft PowerPoint - OAPS1- Uvod.ppt
Univerza v Ljubljani Fakulteta za računalništvo in informatiko Igor Rožanc Osnove algoritmov in podatkovnih struktur I ( OAPS I ) 2. letnik VSP Računalništvo in informatika, vse smeri Študijsko leto 2006/07
Prikaži večPRIPRAVA NA 1. Š. N.: KVADRATNA FUNKCIJA IN KVADRATNA ENAČBA 1. Izračunaj presečišča parabole y=5 x x 8 s koordinatnima osema. R: 2 0, 8, 4,0,,0
PRIPRAVA NA 1. Š. N.: KVADRATNA FUNKCIJA IN KVADRATNA ENAČBA 1. Izračunaj presečišča parabole y=5 x +18 x 8 s koordinatnima osema. R: 0, 8, 4,0,,0 5. Zapiši enačbo kvadratne funkcije f (x )=3 x +1 x+8
Prikaži večGHOSTBUSTERS navodila za učitelje O PROJEKTU S tem projektom se učenci sami naučijo izdelati igro. Ustvariti morajo več ikon (duhcov ali kaj drugega)
GHOSTBUSTERS navodila za učitelje O PROJEKTU S tem projektom se učenci sami naučijo izdelati igro. Ustvariti morajo več ikon (duhcov ali kaj drugega) in za vsako napisati svojo kodo. Dve ikoni imata isto
Prikaži večVSEBINSKI NASLOV SEMINARSKE NALOGE
Univerza v Ljubljani Naravoslovnoteniška fakulteta Oddelek za tekstilstvo VSEBINSKI NASLOV SEMINARSKE NALOGE TITLE IN ENGLISH Avtorja: Študijska smer: Predmet: Informatika in metodologija diplomskega dela
Prikaži večCpE & ME 519
2D Transformacije Zakaj potrebujemo transformacije? Animacija Več instanc istega predmeta, variacije istega objekta na sceni Tvorba kompliciranih predmetov iz bolj preprostih Transformacije gledanja Kaj
Prikaži večFIZIKA IN ARHITEKTURA SKOZI NAŠA UŠESA
FIZIKA IN ARHITEKTURA SKOZI NAŠA UŠESA SE SPOMNITE SREDNJEŠOLSKE FIZIKE IN BIOLOGIJE? Saša Galonja univ. dipl. inž. arh. ZAPS marec, april 2012 Vsebina Kaj je zvok? Kako slišimo? Arhitekturna akustika
Prikaži večMicrosoft Word - ELEKTROTEHNIKA2_ junij 2013_pola1 in 2
Šifra kandidata: Srednja elektro šola in tehniška gimnazija ELEKTROTEHNIKA PISNA IZPITNA POLA 1 12. junij 2013 Čas pisanja 40 minut Dovoljeno dodatno gradivo in pripomočki: Kandidat prinese nalivno pero
Prikaži večSTAVKI _5_
5. Stavki (Teoremi) Vsebina: Stavek superpozicije, stavek Thévenina in Nortona, maksimalna moč na bremenu (drugič), stavek Tellegena. 1. Stavek superpozicije Ta stavek določa, da lahko poljubno vezje sestavljeno
Prikaži večSZGG_2012_Dolsak_Sraj
Izdelava Huffovih krivulj in njihova analiza za izbrane padavinske postaje v Sloveniji Domen Dolšak, Mojca Šraj * Povzetek Prispevek predstavlja izdelavo, rezultate in analizo Huffovih krivulj za izbrane
Prikaži večIme in priimek: Vpisna št: FAKULTETA ZA MATEMATIKO IN FIZIKO Oddelek za matematiko Verjetnost Pisni izpit 5. februar 2018 Navodila Pazljivo preberite
Ime in priimek: Vpisna št: FAKULTETA ZA MATEMATIKO IN FIZIKO Oddelek za matematiko Verjetnost Pisni izpit 5 februar 018 Navodila Pazljivo preberite besedilo naloge, preden se lotite reševanja Nalog je
Prikaži večVrste
Matematika 1 17. - 24. november 2009 Funkcija, ki ni algebraična, se imenuje transcendentna funkcija. Podrobneje si bomo ogledali naslednje transcendentne funkcije: eksponentno, logaritemsko, kotne, ciklometrične,
Prikaži več5 SIMPLICIALNI KOMPLEKSI Definicija 5.1 Vektorji r 0,..., r k v R n so afino neodvisni, če so vektorji r 1 r 0, r 2 r 0,..., r k r 0 linearno neodvisn
5 SIMPLICIALNI KOMPLEKSI Definicija 5.1 Vektorji r 0,..., r k v R n so afino neodvisni, če so vektorji r 1 r 0, r 2 r 0,..., r k r 0 linearno neodvisni. Če so krajevni vektorji do točk a 0,..., a k v R
Prikaži večPowerPointova predstavitev
Obravnava kotov za učence s posebnimi potrebami Reading of angles for pupils with special needs Petra Premrl OŠ Danila Lokarja Ajdovščina OSNOVNA ŠOLA ENAKOVREDNI IZOBRAZBENI STANDARD NIŽJI IZOBRAZBENI
Prikaži večSistem za delno avtomatsko štetje polipov na slikah
Univerza v Ljubljani Fakulteta za računalništvo in informatiko Boštjan Bohte Sistem za delno avtomatsko štetje polipov na slikah DIPLOMSKO DELO VISOKOŠOLSKI STROKOVNI ŠTUDIJSKI PROGRAM PRVE STOPNJE RAČUNALNIŠTVO
Prikaži večIzpit iz GEOMETRIJE 17. junij 2004 Vpisna ²tevilka: Vrsta: Ime in priimek: Sedeº: 1. Poi² i vse stoºnice v P(R 3 ), ki se dotikajo premice x = 0, prem
17. junij 2004 1. Poi² i vse stoºnice v P(R 3 ), ki se dotikajo premice x = 0, premice z = 0 v to ki (1, 1, 0) in premice y = 0 v to ki (1, 0, 1). 2. V projektivni ravnini so dane premice p 1 : 4x 3y z
Prikaži večPredtest iz za 1. kontrolno nalogo- 2K Teme za kontrolno nalogo: Podobni trikotniki. Izreki v pravokotnem trikotniku. Kotne funkcije poljubnega kota.
Predtest iz za 1. kontrolno nalogo- K Teme za kontrolno nalogo: Podobni trikotniki. Izreki v pravokotnem trikotniku. Kotne funkcije poljubnega kota. Osnovne zveze med funkcijamo istega kota. Uporaba kotnih
Prikaži več(Microsoft Word - U\350enje telegrafije po Kochovi metodi.doc)
MORSE UČENJE PO KOCHOVI METODI Računalniški program za učenje skupaj z nekaterimi dodatnimi datotekami dobite na spletni strani avtorja: http://www.g4fon.net/. Zanimive strani so tudi: - http://www.qsl.net/n1irz/finley.morse.html
Prikaži večPoročilo o opravljenem delu pri praktičnem pouku fizike: MERJENJE S KLJUNASTIM MERILOM Ime in priimek: Mitja Kočevar Razred: 1. f Učitelj: Otmar Uranj
Poročilo o opravljenem delu pri praktičnem pouku fizike: MERJENJE S KLJUNASTIM MERILOM Ime in priimek: Mitja Kočevar Razred: 1. f Učitelj: Otmar Uranjek, prof. fizike Datum izvedbe vaje: 11. 11. 2005 Uvod
Prikaži večPredmet: Course title: UČNI NAČRT PREDMETA / COURSE SYLLABUS (leto / year 2017/18) Inteligentni sistemi Intelligent systems Študijski program in stopn
Predmet: Course title: UČNI NAČRT PREDMETA / COURSE SYLLABUS (leto / year 2017/18) Inteligentni sistemi Intelligent systems Študijski program in stopnja Study programme and level Interdisciplinarni univerzitetni
Prikaži večBrownova kovariancna razdalja
Brownova kovariančna razdalja Nace Čebulj Fakulteta za matematiko in fiziko 8. januar 2015 Nova mera odvisnosti Motivacija in definicija S primerno izbiro funkcije uteži w(t, s) lahko definiramo mero odvisnosti
Prikaži večDomače vaje iz LINEARNE ALGEBRE Marjeta Kramar Fijavž Fakulteta za gradbeništvo in geodezijo Univerze v Ljubljani 2007/08 Kazalo 1 Vektorji 2 2 Analit
Domače vaje iz LINEARNE ALGEBRE Marjeta Kramar Fijavž Fakulteta za gradbeništvo in geodezijo Univerze v Ljubljani 007/08 Kazalo Vektorji Analitična geometrija 7 Linearni prostori 0 4 Evklidski prostori
Prikaži večPrekinitveni način delovanja PLK Glavni program (OB1; MAIN) se izvaja ciklično Prekinitev začasno ustavi izvajanje glavnega programa in zažene izvajan
Prekinitveni način delovanja PLK Glavni program (OB1; MAIN) se izvaja ciklično Prekinitev začasno ustavi izvajanje glavnega programa in zažene izvajanje prekinitvene rutine Dogodek GLAVNI PROGRAM (MAIN-OB1)
Prikaži večNumeri na analiza - podiplomski ²tudij FGG doma e naloge - 1. skupina V prvem delu morate re²iti toliko nalog, da bo njihova skupna vsota vsaj 10 to k
Numeri na analiza - podiplomski ²tudij FGG doma e naloge -. skupina V prvem delu morate re²iti toliko nalog, da bo njihova skupna vsota vsaj 0 to k in da bo vsaj ena izmed njih vredna vsaj 4 to ke. Za
Prikaži večVHF1-VHF2
VHF BREZŽIČNI MIKROFONSKI KOMPLET VHF1: 1 CHANNEL VHF2: 2 CHANNELS NAVODILA ZA UPORABO SLO Hvala, ker ste izbrali naš BREZŽIČNI MIKROFONSKI KOMPLET IBIZA SOUND. Za vašo lastno varnost, preberite ta navodila
Prikaži večMicrosoft Word - A-3-Dezelak-SLO.doc
20. posvetovanje "KOMUNALNA ENERGETIKA / POWER ENGINEERING", Maribor, 2011 1 ANALIZA OBRATOVANJA HIDROELEKTRARNE S ŠKOLJČNIM DIAGRAMOM Klemen DEŽELAK POVZETEK V prispevku je predstavljena možnost izvedbe
Prikaži večGOALS
BELGIAN DEFENCE FORCES General Directorate Material Resources Section Ammunition Risk Management HQ Queen ELISABETH Rue d'evere, 1 1140 BRUSSELS BELGIUM (BE)AC326(SG5) IWP 2012-01(I) 26. marec 2012 ORODJE
Prikaži večMere kompleksnih mrež (angl. Network Statistics) - Seminarska naloga pri predmetu Izbrana poglavja iz diskretne matematike
Mere kompleksnih mrež (angl. Network Statistics) Seminarska naloga pri predmetu Izbrana poglavja iz diskretne matematike Ajda Pirnat, Julia Cafnik in Živa Mitar Fakulteta za matematiko in fiziko April
Prikaži večAnaliza vpliva materiala, maziva in aktuatorja na dinamiko pnevmatičnega ventila
Programsko orodje LabVIEW za kreiranje, zajem in obdelavo signalov (statične in dinamične karakteristike hidravličnih proporcionalnih ventilov) Marko Šimic Telefon: +386 1 4771 727 e-mail: marko.simic@fs.uni-lj.si
Prikaži večMicrosoft Word - M doc
Državni izpitni center *M11145113* INFORMATIKA SPOMLADANSKI IZPITNI ROK NAVODILA ZA OCENJEVANJE Petek, 10. junij 2011 SPLOŠNA MATURA RIC 2011 2 M111-451-1-3 IZPITNA POLA 1 1. b 2. a 3. Pojem se povezuje
Prikaži več(Microsoft Word - 3. Pogre\232ki in negotovost-c.doc)
3.4 Merilna negotovost Merilna negotovost je parameter, ki pripada merilnem rezltat. Označje razpršenost vrednosti, ki jih je mogoče z določeno verjetnostjo pripisati merjeni veličini. Navaja kakovost
Prikaži večSrednja šola za oblikovanje
Srednja šola za oblikovanje Park mladih 8 2000 Maribor POKLICNA MATURA MATEMATIKA SEZNAM VPRAŠANJ ZA USTNI DEL NARAVNA IN CELA ŠTEVILA Opišite vrstni red računskih operacij v množici naravnih števil. Kakšen
Prikaži več10. Meritev šumnega števila ojačevalnika Vsako radijsko zvezo načrtujemo za zahtevano razmerje signal/šum. Šum ima vsaj dva izvora: naravni šum T A, k
10. Meritev šumnega števila ojačevalnika Vsako radijsko zvezo načrtujemo za zahtevano razmerje signal/šum. Šum ima vsaj dva izvora: naravni šum T A, ki ga sprejme antena in dodatni šum T S radijskega sprejemnika.
Prikaži večPredloga za pisanje diplomske naloge
Univerza v Ljubljani Fakulteta za elektrotehniko Jožica Piškur Pripenjanje znane geometrije na varjenec Magistrsko delo Mentor: prof. dr. Marko Munih Ljubljana, 2018 Zahvala Najprej se zahvaljujem mentorju
Prikaži večSpace Invaders Opis igre: Originalna igra: Space Invaders je arkadna igra, ki so jo ustvarili leta Bila je ena izmed prvih streljaških iger, v k
Space Invaders Opis igre: Originalna igra: Space Invaders je arkadna igra, ki so jo ustvarili leta 1978. Bila je ena izmed prvih streljaških iger, v kateri je igralec vodil laserski top ali vesoljsko ladjo,
Prikaži večSESTAVA VSEBINE MATEMATIKE V 6
SESTAVA VSEBINE MATEMATIKE V 6. RAZREDU DEVETLETKE 1. KONFERENCA Št. ure Učne enote CILJI UVOD (1 ura) 1 Uvodna ura spoznati vsebine učnega načrta, način dela, učne pripomočke za pouk matematike v 6. razredu
Prikaži večDelavnica Načrtovanje digitalnih vezij
Laboratorij za načrtovanje integriranih vezij Univerza v Ljubljani Fakulteta za elektrotehniko Programirljivi Digitalni Sistemi Digitalni sistem Digitalni sistemi na integriranem vezju Digitalni sistem
Prikaži večMicrosoft Word - SI_vaja1.doc
Univerza v Ljubljani, Zdravstvena fakulteta Sanitarno inženirstvo Statistika Inštitut za biostatistiko in medicinsko informatiko Š.l. 2011/2012, 3. letnik (1. stopnja), Vaja 1 Naloge 1. del: Opisna statistika
Prikaži večDiapozitiv 1
Vhodno izhodne naprave Laboratorijska vaja 4 - AV 4 Linije LTSpice, simulacija elektronskih vezij VIN - LV 1 Rozman,Škraba, FRI LTSpice LTSpice: http://www.linear.com/designtools/software/ https://www.analog.com/en/design-center/design-tools-andcalculators/ltspice-simulator.html
Prikaži večMicrosoft Word - rogelj-rosus06_4.doc
Zbornik prispevkov strokovne konference ROSUS 2006 Računalniška obdelava slik in njena uporaba v Sloveniji 2006, Maribor, 23. marec 2006. PORAVNAVA MEDICINSKIH SLIK Peter Rogelj, Stanislav Kovačič Univerza
Prikaži večSistemi Daljinskega Vodenja Vaja 3 Matej Kristan Laboratorij za Strojni Vid Fakulteta za elektrotehniko, Univerza v Ljubl
Sistemi Daljinskega Vodenja Vaja 3 Matej Kristan Laboratorij za Strojni Vid Fakulteta za elektrotehniko, Univerza v Ljubljani matej.kristan@fe.uni-lj.si Česa smo se naučili
Prikaži večUrejevalna razdalja Avtorji: Nino Cajnkar, Gregor Kikelj Mentorica: Anja Petković 1 Motivacija Tajnica v posadki MARS - a je pridna delavka, ampak se
Urejevalna razdalja Avtorji: Nino Cajnkar, Gregor Kikelj Mentorica: Anja Petković 1 Motivacija Tajnica v posadki MARS - a je pridna delavka, ampak se velikokrat zmoti. Na srečo piše v programu Microsoft
Prikaži večINDIVIDUALNI PROGRAM PREDMET: MATEMATIKA ŠOL. LETO 2015/2016 UČITELJ: ANDREJ PRAH Učenec: Razred: 7. Leto šolanja: Ugotovitev stanja: Učenec je lani n
INDIVIDUALNI PROGRAM PREDMET: MATEMATIKA ŠOL. LETO 2015/2016 UČITELJ: ANDREJ PRAH Učenec: Razred: 7. Leto šolanja: Ugotovitev stanja: Učenec je lani neredno opravljal domače naloge. Pri pouku ga je bilo
Prikaži večUniverza v Ljubljani FAKULTETA ZA RAČUNALNIŠTVO IN INFORMATIKO Tržaška c. 25, 1000 Ljubljana Realizacija n-bitnega polnega seštevalnika z uporabo kvan
Univerza v Ljubljani FAKULTETA ZA RAČUNALNIŠTVO IN INFORMATIKO Tržaška c. 25, 1000 Ljubljana Realizacija n-bitnega polnega seštevalnika z uporabo kvantnih celičnih avtomatov SEMINARSKA NALOGA Univerzitetna
Prikaži več1 Tekmovanje gradbenih tehnikov v izdelavi mostu iz špagetov 1.1 Ekipa Ekipa sestoji iz treh članov, ki jih mentor po predhodni izbiri prijavi na tekm
1 Tekmovanje gradbenih tehnikov v izdelavi mostu iz špagetov 1.1 Ekipa Ekipa sestoji iz treh članov, ki jih mentor po predhodni izbiri prijavi na tekmovanje. Končni izdelek mora biti produkt lastnega dela
Prikaži več