• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Статья
RISC-V RVV efficiency for ANN algorithms

Соколов А. П., Rumyantsev K., Yakovlev P. et al.

Working papers by Cornell University. Series cond-mat.soft "arxiv.org" (. 2024.

Глава в книге
Robustness of Graphical Lasso Optimization Algorithm for Learning a Graphical Model

Valeriy Kalyagin, Ilya Kostylev.

In bk.: Mathematical Optimization Theory and Operations Research. 23rd International Conference, MOTOR 2024, Omsk, Russia, June 30–July 6, 2024, Proceedings. LNCS, volume 14766. Springer, 2024. P. 337-348.

Препринт
DAREL: Data Reduction with Losses for Training Acceleration of Real and Hypercomplex Neural Networks

Demidovskij A., Трутнев А. И., Тугарев А. М. et al.

NeurIPS 2023 Workshop. ZmuLcqwzkl. OpenReview, 2023

Имитационное моделирование

2023/2024
Учебный год
RUS
Обучение ведется на русском языке
6
Кредиты

Автор программы

Крылов Владимир Владимирович

Крылов Владимир Владимирович

Преподаватель

Программа дисциплины

Аннотация

Данная дисциплина относится к вариативной части профессионального цикла дисциплин, обеспечивающих подготовку бакалавра. Она изучается во 2-3 модулях 4-го курса. Изучение данной дисциплины опирается на фундаментальные курсы «Математический анализ», «Теория вероятностей», «Дискретная математика» из цикла «Математический и естественно-научный цикл» и курс по выбору «Исследование операций». Основные положения данной дисциплины могут использоваться при подготовке выпускной квалификационной работы, а также в практической и исследовательской деятельности.
Цель освоения дисциплины

Цель освоения дисциплины

  • Знакомство с основными понятиями моделирования бизнес-процессов и систем массового обслуживания
  • Развитие навыков построения моделей систем массового обслуживания
  • Овладение основными инструментальными средствами имитационного моделирования
Планируемые результаты обучения

Планируемые результаты обучения

  • Аргументировать необходимость использования методов имитационного моделирования в конкретных задачах
  • Проводить расчеты основных показателей эффективности для различных классов СМО марковского типа
  • Разрабатывать имитационные модели различных систем в среде AnyLogic
  • Решать задачу выбора входного распределения вероятностей для конкретной имитационной модели
  • Решать задачу выбора структуры и компонент для конкретной модели СМО
  • Решать задачу планирования имитационного эксперимента
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Цели и задачи имитационного моделирования
  • Базовая концепция системы массового обслуживания
  • Марковские модели СМО
  • Создание адекватных и детальных имитационных моделей
  • Планирование имитационного эксперимента и анализ выходных данных
  • Интегрированная среда имитационного моделирования AnyLogic
Элементы контроля

Элементы контроля

  • неблокирующий Лабораторная работа
  • неблокирующий Индивидуальная работа
  • неблокирующий Экзамен
Промежуточная аттестация

Промежуточная аттестация

  • 2023/2024 учебный год 3 модуль
    0.2 * Индивидуальная работа + 0.25 * Лабораторная работа + 0.25 * Лабораторная работа + 0.3 * Экзамен
Список литературы

Список литературы

Рекомендуемая основная литература

  • Боев, В. Д.  Имитационное моделирование систем : учебное пособие для вузов / В. Д. Боев. — Москва : Издательство Юрайт, 2024. — 253 с. — (Высшее образование). — ISBN 978-5-534-04734-9. — Текст : электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/539517 (дата обращения: 27.08.2024).
  • Введение в исследование операций, пер. с англ. и ред. к.физ.-мат.н. А. А. Минько, 7-е изд., 912 с., Таха, Х. А., 2005
  • Древс, Ю. Г.  Имитационное моделирование : учебное пособие для среднего профессионального образования / Ю. Г. Древс, В. В. Золотарёв. — 2-е изд., испр. и доп. — Москва : Издательство Юрайт, 2024. — 142 с. — (Профессиональное образование). — ISBN 978-5-534-11951-0. — Текст : электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/542131 (дата обращения: 27.08.2024).
  • Имитационное моделирование, 3-е изд., 847 с., Лоу, А., Кельтон, Д. В., 2004
  • Кельберт, М. Я. Вероятность и статистика в примерах и задачах : учебное пособие : в 3 томах / М. Я. Кельберт, Ю. М. Сухов. — Москва : МЦНМО, 2021 — Том 2 : Марковские цепи как отправная точка теории случайных процессов и их приложения: в 2 ч. Часть I — 2021. — 396 с. — ISBN 978-5-4439-3606-2. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/267740 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.

Рекомендуемая дополнительная литература

  • Палей А.Г., Поллак Г.А. - Имитационное моделирование. Разработка имитационных моделей средствами iWebsim и AnyLogic: учебное пособие - Издательство "Лань" - 2019 - ISBN: 978-5-8114-3844-0 - Текст электронный // ЭБС ЛАНЬ - URL: https://e.lanbook.com/book/122179

Авторы

  • Бабкина Татьяна Сергеевна