WWW.LIB.KNIGI-X.RU
БЕСПЛАТНАЯ  ИНТЕРНЕТ  БИБЛИОТЕКА - Электронные матриалы
 

«Министерство образования и науки Республики Казахстан РГП «Костанайский Утверждаю государственный университет имени Председатель УМС А.Байтурсынова» А. Абсадыков Факультет Информаци- _ ...»

Министерство образования и науки Республики Казахстан

РГП «Костанайский Утверждаю

государственный

университет имени

Председатель УМС

А.Байтурсынова»

__________А. Абсадыков

Факультет Информаци- ___ ________2016г.

онных технологий

КАТАЛОГ

ЭЛЕКТИВНЫХ ДИСЦИПЛИН

для докторантов набора 2016 года

специальность 6D060200 – Информатика

Костанай, 2016

Составитель:

Кудубаева С.А. – к.т.н., заведующий кафедрой информатики и математики Каталог элективных дисциплин.- Костанай: КГУ имени А. Байтурсынова, 2016-19с.

Настоящий каталог является приложением к рабочему учебному плану по специальности 6D060200-Информатика, содержит перечень и содержание элективных дисциплин, предлагаемых факультетом информационных технологий КГУ имени А. Байтурсынова для освоения образовательной программы докторантуры, и предназначен для докторантов, обучающихся по кредитной технологии в 2016-2019 учебном году.

.

Рассмотрен на заседании Методического совета факультета информационных технологий, протокол от 23.06.2016 г. № 6 Утвержден на заседании учебно-методического совета КГУ имени А. Байтурсынова, протокол от 30.06.2016 г. № 5 © Костанайский государственный университет имени А. Байтурсынова Содержание Введение…………………………………………………………………….. 4 1 Учебный план для 1 года обучения………………………………. 5 2 Учебный план для 2 года обучения……………………………….


7 3 Учебный план для 3 года обучения………………………………. 8 2 Описание образовательных программ и элективных дисциплин……... 9 Образовательная программа «Речевые информационные системы» … 9 Образовательная программа «Проектирование компьютерных систем»... 21 Введение При кредитной технологии обучения разрабатывается каталог элективных дисциплин. Каталог элективных дисциплин представляет собой систематизированный перечень дисциплин компонента по выбору, и содержит краткое их описание.

Все дисциплины учебного плана объединены в два цикла: цикл базовых дисциплин (БД), цикл профилирующих дисциплин (ПД):

Цикл базовых дисциплин направлен на формирование фундаментальных знаний по соответствующему направлению подготовки. Цикл профилирующих дисциплин определяет перечень специальных знаний, умений, навыков и компетенций применительно к конкретной сфере профессиональной деятельности.

Наряду с изучением дисциплин обязательного компонента, установленных Типовым учебным планом специальности, докторант также должен выбрать для изучения дисциплины компонента по выбору.

Дисциплины компонента по выбору делятся на два вида: дисциплины образовательных программ и общие элективные дисциплины. В рамках специальности 6D060200-Информатика докторантам предлагается на выбор две образовательные программы: «Речевые информационные системы» и «Проектирование компьютерных систем». Консультации по выбору элективных дисциплин дает эдвайзер. Вместе с ним докторант заполняет форму записи на дисциплины для составления ИУП (индивидуального учебного плана).

Уважаемые докторанты! Важно помнить, что от того, насколько продуманной и целостной будет Ваша образовательная траектория, зависит уровень Вашей профессиональной подготовки, как будущего специалиста.

–  –  –

2 Описание образовательных программ и элективных дисциплин

2.1 Общая характеристика образовательной программы «Речевые информационные системы»

Целью реализации программы является подготовка докторов, ориентированных на исследовательскую и проектную работу в области речевых информационных технологий, специализирующихся в сфере распознавания и синтеза речи, выявления личности по голосу, мультимодальной биометрии, проектирования и разработки информационных систем и программного обеспечения.

Выпускники данной программы будут обладать актуальными компетенциями и квалификациями, востребованными на рынке труда, а также в ведущих научно-исследовательских центрах по направлению информационных технологий.

В процессе обучения по данной программе у докторантов будут сформированы: навыки

После окончания изучения дисциплин образовательной программы «Речевые информационные системы» докторанты должны:

знать:

- основные научные направления: запись и обработка речи, распознавание и синтез речи, идентификация по голосу, голосовая и многомодальная биометрия.

уметь

- применять полученные теоретические знания и практические навыки в проведении самостоятельных фундаментальных и прикладных исследований;

формулировать и решать задачи, возникающие в ходе профессиональной, научно-исследовательской и педагогической деятельности, требующих углубленных профессиональных знаний;

- выбирать и анализировать показатели и критерии качества для отдельных направлений и речевых технологий в целом;

- пользоваться современной научно-технической информацией по исследуемым проблемам и задачам;

- применять полученные знания при выполнении выпускных квалификационных работ, а также в ходе научных исследований;

- обрабатывать полученные результаты, анализировать и осмысливать их с учетом имеющихся литературных данных;

- представлять итоги проделанной работы в виде отчетов, рефератов, статей, оформленных в соответствии с имеющимися требованиями, с привлечением современных средств редактирования и печати;

- сообщать свои знания и достижения коллегам и научному сообществу;

вносить вклад собственными оригинальными решениями, исследованиями, расширяя границы научной области.

владеть навыками

- экспериментальной научной деятельности;

- научного публичного выступления; научного письма, научной коммуникации;

- формальной постановки и решению задачи построения речевых информационных систем различного назначения;

- к способности выбирать и анализировать показатели и критерии качества таких систем;

- экспериментальных исследований на основе моделирования и тестирования речевых информационных систем;

- пользования иностранными языками в объеме, необходимом для осуществления профессиональной, научно-исследовательской, педагогической деятельности.

быть компетентными

- в проведении научных теоретических и экспериментальных исследований;

- в составлении и выполнении исследовательских комплексных проектов;

- формировании требования и ограничения на разработку речевых технологий при использовании различных методов и алгоритмов и соизмерять реальные характеристики с теоретическими результатами;

Базовые дисциплины

Алгоритмдері ылыми зерттеу жне талдау / Исследования и анализ алгоритмов / Research and analysis algorithms Учебная цель: Целями освоения данной дисциплины являются как получение теоретических знаний в области организации структур данных и базовых вычислительных алгоритмов, так и практические навыки анализа алгоритмов, составления программ на языках программирования.

Результаты обучения: При изучении курса докторанты должны:

знать: асимптотический анализ верхней, нижней и средней оценок сложности алгоритмов, сравнение наилучших, средних и наихудших оценок; О-, о-, -, -нотации, стандартные классы сложности; эмпирические измерения эффективности алгоритмов;рекуррентные соотношения и анализ рекурсивных алгоритмов;

уметь: представлять итоги проделанной работы в виде отчетов, рефератов, статей, оформленных в соответствии с имеющимися требованиями, с привлечением современных средств редактирования и печати;

владеть навыками : методами анализа сложности, оценивания сложности алгоритма; методами эмпирического измерения эффективности алгоритма;

методами построения программ прогнозирования времени выполнения алгоритма;

быть компетентными: в организации и проведении исследовательских мероприятий;

Пререквизиты: Алгоритмы и их сложность, Системный анализ, Теоретические основы научного управления.

Краткое содержание курса: Основы анализа алгоритмов: асимптотический анализ верхней, нижней и средней оценок сложности алгоритмов; сравнение наилучших, средних и наихудших оценок; О-, о-, -, -нотации; стандартные классы сложности; эмпирические измерения эффективности алгоритмов; накладные расходы по времени и памяти; рекуррентные соотношения и анализ рекурсивных алгоритмов.





Стратегии алгоритмов: полный перебор; метод «разделяй и властвуй»;

«жадные» алгоритмы; перебор с возвратами; эвристический поиск.

Основные алгоритмы обработки информации; сортировка и поиск; поисковые деревья; хэш-функции и метод исключения коллизий.

Класс NP сложности задач; детерминированная машина Тьюринга; теорема Кука; полиномиальная сводимость и класс NP сложности задач; приемы доказательства NP-сложности задач.

Постреквизиты: НИРД Руководитель программы: Кудубаева С.А. (к.т.н., доцент)

Профилирующие дисциплины

Компьютерлік кзарас/ Компьютерное зрение / Computer vision Учебная цель: Цель данной дисциплины заключается в изучении методов цифровой обработки изображений с элементами машинного обучения.

Излагаемые алгоритмы применяются при проектировании автономных устройств (роботов), а также используются в интеллектуальных задачах обработки изображений.

Результаты обучения: При изучении курса докторанты должны:

знать: состав и классификацию систем компьютерного зрения; принципы работы элементов систем компьютерного зрения; базовые алгоритмические решения по обработке изображений; основные методы расчета характеристик оптических систем в составе системы компьютерного зрения; способы реализации базовых логических функций обработки изображений; основные электронные компоненты обработки цифрового сигнала;

уметь: анализировать характеристики систем компьютерного зрения по параметрам изображений; адаптировать системы компьютерного зрения под применение в конкретных технологических процессах.

владеть навыками : методами анализа и контроля текущего изображения в системах компьютерного зрения; основами автоматизации процесса распознавания изображений;

быть компетентными :

- способностью участвовать в разработке проектов действующих производств;

- способностью участвовать в мероприятиях по контролю соответствия разрабатываемых проектов и технической документации действующим стандартам, техническим условиям и другим нормативным документам;

- способностью участвовать в разработке проектов по автоматизации технологических процессов;

- способностью ориентироваться в известных алгоритмах машинного зрения: очистка изображения от шумов, обнаружение объектов на заданном фоне, распознавание объекта, определение параметров объекта и расстояния до него, автоматический анализ изображений с целью оценки похожести, уметь работать с текстурными изображениями Пререквизиты: Алгебра и геометрия, Математический анализ, Системный анализ, Человеко-машинное взаимодействие.

Краткое содержание курса: Первичная обработка изображения. Точечные преобразования. Простейшие способы улучшения изображения. Виды нелинейной фильтрации. Медианная фильтрация. Методы бинаризации изображения. Морфологические преобразования. Преобразования hit-miss.

Преобразование Фурье и его свойства. Преобразование функций, преобразование последовательностей, дискретное преобразование и его реализация FFT. Общая теория линейной фильтрации. Передаточная функция фильтра.

Последовательное и параллельное соединение фильтров. Индивидуальное задание по обработке изображений по прослушанным темам. Специальные фильтры. Фильтры Канни, Собеля и Лапласа. Особые точки изображений.

Отыскание одинаковых точек на разных изображениях. Создание панорамного изображения. Построение дескрипторов точек. Инвариантность дескрипторов относительно поворотов. Дескрипторы на основе гистограмм индивидуальное задание по обработке изображений по прослушанным темам.

Постреквизиты: НИРД Руководитель программы: Айтмухамбетов А.А. (д.ф-м.н., профессор) Санды сигналдарды деу жне бейнелерді тану теориясы / Теория цифровой обработки сигналов и распознавания образов / Theory of digital signal processing and pattern recognition Учебная цель: исследование методов квантования изображений, их восстановлению и масштабированию с помощью методов интерполяции, улучшению изображений с помощью методов линейной и нелинейной пространственной и частотной фильтрации, сокращению избыточности изображений с помощью методов сжатия изображений на основе дискретного косинусного и вейвлетного преобразований.

Результаты обучения: При изучении курса докторанты должны:

знать : научные основы и методику работы с цифровой обработки информации; современные методы цифровой обработки информации на объекте информатизации на основе отечественных и международных стандартов;

методы и средства цифровой обработки информатизации; роль и задачи методов и средств для распознавания образов в современных информационноуправляющих и информационно-вычислительных системах различного назначения; современные подходы к построению систем распознавания образов; системы распознавания образов как объекта информационного воздействия, критериев оценки ее эффективности и методов обеспечения ее эффективности;

уметь : выбирать и анализировать показатели и критерии качества для отдельных методов распознавания образов и систем распознавания образов в целом; пользоваться современной научно-технической информацией по исследуемым проблемам и задачам распознавания образов; применять полученные знания при выполнении курсовых проектов и выпускных квалификационных работ, а также в ходе научных исследований;

владеть навыками : анализа и объективной количественной оценки эффективности тех или иных методов и алгоритмов распознавания образов;

формальной постановки и решения задачи построения систем распознавания образов различного назначения;

быть компетентными : формулировать в виде теорем и доказывать утверждения о потенциально достижимых оценках вычислительной эффективности тех или иных методов распознавания образов; формализовать требования и ограничения на разработку систем распознавания образов с использованием различных методов и алгоритмов и соизмерять реальные характеристики с теоретическими результатами;.

Пререквизиты: Математическое моделирование и теория принятия решений, Системный анализ, Человеко-машинное взаимодействие.

Краткое содержание курса: Основные формы и методы восприятия.

Операционная схема процедуры восприятия. Обнаружение и распознавание.

Задача обнаружения. Статистические критерии обнаружения. Основные понятия. Задача распознавания. Образы и классы образов. Понятие задачи классификации и распознавания. Классификация методов распознавания. Спектральные и корреляционные методы распознавания. Корреляторы. Анализаторы спектров случайных процессов. Цифровой анализ спектров.Корреляционно-разностный метод. Методы распознавания по срезам и проекциям. Использование гистограмм при распознавании изображений.

Постреквизиты: НИРД Руководитель программы: Кудубаева С.А. (к.т.н., доцент) Синтаксистік жне семантикалы талдау / Синтаксический и семантический анализ / Syntactic and semantic analysis Учебная цель: вооружить специалистов всесторонними знаниями о процессе сопоставления линейной последовательности лексем (слов, токенов) естественного или формального языка с его формальной грамматикой.

Результаты обучения: При изучении курса докторанты должны:

знать : понятия теории речеобразования и восприятия речи, теории цифровой обработки сигналов, предмет и основные методы цифровой обработки сигналов, математического моделирования и теории принятия решений; закономерности процессов обработки сигналов различной природы в сложных технических системах; принципы построения и функционирования программно-алгоритмических и аппаратных средств распознавания и синтеза речи;

уметь : пользоваться математическим аппаратом теории цифровой обработки сигналов для записи конкретных процедур обработки сигналов и использования результатов обработки в процедурах распознавания и синтеза речи; выбирать наиболее эффективные вычислительные процедуры для распознавания, декодирования и синтеза речевого сигнала, оценивать границы надёжности и качества используемых процедур;

владеть навыками : использования основных методов распознавания речи в условиях помех цифровых и аналоговых каналов связи; использования методов цифровой обработки для распознавания и синтеза речевых сигналов;

быть компетентными : в организации и проведении синтаксического и семантического анализа.

Пререквизиты: Математическое моделирование и теория принятия решений, Человеко-машинное взаимодействие.

Краткое содержание курса: Структура речевого сигнала. Основной тон, форманты, вокализованные звуки, шумовые, взрывные. Восприятие искажённых речевых сигналов. Влияние смещения основного тона и формант на восприятие качества речи. Нелинейное искажение времени (warping) при сравнении речевых фрагментов. Оценка качества распознавания методом динамического программирования при использовании различных мер близости в пространстве признаков. Учёт времени жизни состояний в формализме марковских процессов в задаче распознавания речи. Частотные конверторы.

Основные подходы к решению задачи ресемплинга. Полифазная фильтрация.

Акустические эффекты синтеза речи. Ревербераторы, типы ревербераторов, построение простейшего ревербератора. Учет особенностей дыхания диктора. Изменение частотных характеристик речевого сигнала при синтезе речи.

Алгоритм Витерби. Особенности алгоритма для задачи подбора звуковых единиц при синтезе речи.

Постреквизиты: НИРД Руководитель программы: Ысмагул Р.С. (к.ф-м.н., доцент) Модельдерді мен алгоритмдерді ауызша сйлеу талдауны зерттеу / Исследование моделей и алгоритмов анализа устной речи / Study of models and algorithms for the analysis of oral speech Учебная цель: Обеспечение знаниями о процессе анализа речевых сигналов для систем представления данных устной речи

Результаты обучения: При изучении курса докторанты должны:

знать : анализ статистических, временных, спектральных, корреляционных характеристик и параметров речевых сигналов фонетических групп звуков речи, математическую модель анализа речевых сигналов, базирующуюся на методе корреляционного анализа, позволяющую представлять речевые данные в виде временных рядов интервалов автокорреляции смежных сегментов речевых отсчётов фиксированной длины.

уметь: проводить исследование существующих методов, моделей и алгоритмов цифрового преобразования речи в системах кодирования речевых сигналов.

владеть навыками : разработки методов и алгоритмов формирования участков квазистационарности в реализациях речевого сигнала, соответствующих вокализованным звукам; разработки метода уменьшения объёма речевых данных за счёт изменения частоты выборки речевых отсчётов в сформированных границах участков квазистационарности речевого сигнала.

быть компетентными : в оценке эффективности предложенных методов в системах анализа речевых сигналов для представления устной речи.

Пререквизиты: Математическое моделирование и теория принятия решений, Человеко-машинное взаимодействие.

Краткое содержание курса: Анализ процесса речеобразования, характеристик, свойств и моделей речевого сигнала. Характеристики и свойства речевых сигналов. Существующие методы и алгоритмы сегментации речевых сигналов для его представления и обработки. Анализ существующих методов преобразования устной речи в речевые данные (кодирование речевого источника). Математическая модель анализа речевых данных в системах представления устной речи. Выделение участков квазистационарности для обработки речи на основе корреляционного анализа реализаций речевого сигнала. Математическая модель анализа речевых данных в системах Постреквизиты: НИРД Руководитель программы: Тастанов М.Г. (к.т.н., доцент) Заманауи электрооректендіру жйелеріні рылы дамуы / Современная концепция построения систем / The modern concept of building a power supply systems Учебная цель: ознакомить с подходами к разработке информационных систем, последовательностью перехода от концептуальной модели при разработке информационной системы к детальному описанию разрабатываемой системы, методологией разработки информационных систем в приложении к экономическим и бизнес - ориентированным информационным системам, использовании гибких методологий разработки программного обеспечения, понятиями процесса управления требованиями, основами разработки интерфейсов, в том числе речевых, для информационных систем.

Результаты обучения: При изучении курса докторанты должны:

знать: основы информационных систем; формальные модели систем;

модели предметных областей информационных систем; методы анализа и синтеза информационных систем; модели бизнес-процессов; объектноориентированный подход; анализ структур информационных систем; механизмы интеграции систем.

уметь: разрабатывать модели предметных областей; проводить исследования характеристик компонентов и информационных систем в целом; применять на практике методы и средства проектирования информационных систем; оценивать качество проекта информационных систем; осуществлять контроль за разработкой проектной документации.

владеть навыками : анализа информационных систем; разработки математических моделей информационных систем; формирования и оформления спецификаций требований в условиях гибких технологий программирования.

быть компетентными

- в организации и проведении анализа и синтеза информационных систем.

Пререквизиты: Технология разработки программного обеспечения.

Краткое содержание курса: Понятие информационной системы (ИС).

Жизненный цикл программного обеспечения. Методические аспекты проектирования информационных систем. Процесс управления требованиями.

Общие принципы проектирования ИС. Унифицированный язык визуального моделирования Unified Modeling Language (UML).

Постреквизиты: НИРД Руководитель программы: Медетов Н.А. (д.т.н., профессор) Электорникада компьютерлік интегралданан технологиялар / Компьютерно-интегрированные технологии в электронике / It is computer the integrated technologies in electronic Учебная цель: научить использовать в научно-исследовательской практике основных общематематических пакетов программ (Matlab, Octave, Scilab, OMatrix и др.), специализированных пакетов для решения уравнений в частных производных (ANSIS, FlexPDE, FemLab, FreeFEM), моделирования электронных устройств (MicroCap, Electronics Workbench).

Результаты обучения: При изучении курса докторанты должны:

знать : основные информационные структуры, используемые в математическом моделировании (переменные, массивы, векторы, матрицы, классы), методы создания, импорта/экспорта и операции с этими структурами; наиболее часто используемые в научных исследованиях математические модели (алгебраические и трансцендентные системы уравнений, ОДУ, УМФ, фильтрация, оптимизация); стандарты представления и хранения экспериментальных данных, методы их экспорта/импорта и обработки;

уметь : решать практические задачи научных исследований с помощью современных инструментальных средств конечного пользователя, находить и осваивать новые общематематические и специализированные программные средства;

владеть навыками : современными информационными и информационно-коммуникационными технологиями и инструментальными средствами для решения общенаучных задач в своей профессиональной сфере и для организации труда;

быть компетентным

- в проведение научных исследований с помощью компьютерных технологий.

Пререквизиты: математическое моделирование, микроэлектроника, технологии разработки программного обеспечения.

Краткое содержание курса: 2D – графика Matlab clone и GNUPlot.

Основные функции и их свойства. 3D – графика Matlab clone и GNUPlot. Основные функции и их свойства. Функции 3D визуализации.

Полные и разреженные матрицы. Индексация. Матричные и скалярные функции. Элементы программирования в Matlab clone средах. Команды, переменные, ключевые слова, операторы, управление потоком вычислений. Чтение и интерпретация стандартных файлов звука и изображения. Понятие об одномерной и двумерной цифровой фильтрации. Интерполяция. Применение для обработки звука и изображений. ОДУ - солверы. Начальные и краевые задачи. Уравнения Блоха, и /2 импульсы, спиновое эхо. Собственные частоты кантилевера.

УМФ. FreeFEM и FlexPDE. Описание области и постановка краевых задач.

Уравнения Максвелла, электростатика и магнитостатика. Экспорт данных и визуализация полей средствами Matlab. Функции оптимизации. При менение к задаче фитирования экспериментальных данных. Программы схемотехнического моделирования. PSpice, MicroCap, Electronics Work bench. Моделирование схем на транзисторах и ОУ.

Постреквизиты: НИРД Руководитель программы: Майер Ф.Ф. (к.ф-м.н., профессор) CUDA атынас бадарламалау / Параллельное программирование на CUDA / CUDA parallel programming Учебная цель: обеспечение знаниями особенности работы с технологией CUDA и способы оптимизация программ.

Результаты обучения: При изучении курса докторанты должны:

знать: использование видеокарты для неграфических вычислений в научной работе.

уметь : создавать параллельных программ для вычислительных систем с распределенной, общей оперативной памятью; распараллеливать вычислительных алгоритмов;

владеть навыками: в построении параллельных аналогов вычислительных алгоритмов;

быть компетентными : в формулировке основных проблем предметной области, применять универсальные методы и средства для их решения; способность разрабатывать алгоритмы, вычислительные модели и модели данных для реализации функциональности информационных систем и программного обеспечения.

Пререквизиты: технологии разработки программного обеспечения.

Краткое содержание курса: Многоядерные системы. Отличия архитектур CPU и GPU. История развития GPU. Применение вычислений на GPU.

Установка NVIDIA CUDA. Установка на Windows. Установка CUDA под Linux. Основы CUDA. Общие понятия. Типы памяти. Расширение языка Си.

Примеры программ. Первая программа. Библиотеки CUDA. CUBLAS. CUSPARSE.

Постреквизиты: НИРД



Похожие работы:

«А.М. СКВОРЦОВ МИНИАТЮРИЗАЦИЯ ПОЗАВЧЕРА, ВЧЕРА, СЕГОДНЯ И ЗАВТРА Вторая мировая война дала мощный импульс развитию электронной аппаратуры. Дальнейшее развитие авиационной техники, появление в 40-вых годах прошлого столетия ракетн...»

«Вычислительные технологии Том 4, № 3, 1999 ЧИСЛЕННОЕ МОДЕЛИРОВАНИЕ НЕЛИНЕЙНЫХ ДОСТАТОЧНО ДЛИННЫХ ДВУМЕРНЫХ ВОЛН НА ВОДЕ В БАССЕЙНАХ С ПОЛОГИМ ДНОМ А. А. Литвиненко, Г. А. Хабахпашев Институт теплофизики СО РАН, Новосибирск, Россия The work is devoted to the numerical implementation of a nonlinear evolutionary equation for...»

«Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Вятский государственный гуманитарный университет" Дополнительная подготовка школьников по дисциплине "Информатика...»

«Федеральное агентство связи Федеральное государственное бюджетное образовательное учреждение высшего образования "Сибирский государственный университет телекоммуникаций и информатики" (СибГУТИ) Кафедра Вычислительных систем Допустить к защите Зав.каф. _Мамойленко С.Н. ВЫПУСКНАЯ КВАЛИФИКАЦИОННАЯ РАБО...»

«Муниципальное автономное общеобразовательное учреждение "Юргинская средняя общеобразовательная школа" СОГЛАСОВАНО УТВЕРЖДАЮ Методический совет Директор: Протокол №1 Т.Б.Братен...»

«ДОКЛАДЫ БГУИР № 4 (20) ОКТЯБРЬ–ДЕКАБРЬ УДК 681.511.4 ПРОЕКТИРОВАНИЕ ЦИФРОВЫХ СИСТЕМ ФАЗОВОЙ СИНХРОНИЗАЦИИ Л.Ю. ШИЛИН, Д.С. ОЛИФЕРОВИЧ, Д.Л. ШИЛИН Белорусский государственный университет информатики и радиоэлектроники П....»

«Московский государственный университет имени М. В. Ломоносова Олимпиада "Ломоносов", информатика, 2013 год, вариант 1. Задача 1. Дана следующая позиционная система счисления: цифра в самом младшем (нулевом) разряде может принимать значения A, 0...»

«Министерство образования и науки Российской Федерации Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Владимирский государственный университет имени Александра Григор...»








 
2017 www.lib.knigi-x.ru - «Бесплатная электронная библиотека - электронные матриалы»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.