Апроксимація експериментальних даних у Jupiter

Скорочена інформація про документ
dc.contributor.authorБіла, К. О.
dc.contributor.authorКонцевой, С. А.
dc.contributor.authorBila, K.
dc.contributor.authorKontsevoi, S.
dc.contributor.authorБелая, Е. А.
dc.contributor.authorКонцевой, С. А.
dc.date.accessioned2018-06-05T07:53:59Z
dc.date.available2018-06-05T07:53:59Z
dc.date.issued2018
dc.description.abstractenAn approximation of experimental data, which is implemented in the Jupiter environment with Python's library numpy, is presented. The main difference between the proposed approach and the existing (Excel and Qbasic) is the programmed selection of function, which provides the best approximation accuracy based on relative error. The possibility of using this approach in the "cloud" environment (Azure Microsoft) is discussed, which as the local (based on Anaconda package) is free.uk
dc.description.abstractruПредставлено аппроксимацию экспериментальных данных, реализованная в среде Jupiter на языке Python с использованием библиотеки numpy. Основное отличие предлагаемого подхода от существующих (Excel и Qbasic) заключается в программном выборе функции, которая обеспечивает лучшую точность аппроксимации на основе относительной погрешности. Указано возможность применения этого подхода в «облачной» среде Azure Microsoft, которая, как и локальная (пакет Anaconda), является бесплатной.uk
dc.description.abstractukПредставлено апроксимацію експериментальних даних, яка реалізована у середовищі Jupiter на мові Python з викристанням бібліотеки numpy. Основна відмінність запропонованого підходу від існуючих (Excel та Qbasic) полягає у програмному обранні функції, яка забезпечує найкращу точність апроксимації на основі відносної похибки. Вказано можливість застосування цього підходу у «хмарному» середовищі Azure Microsoft, яке, як і локальне (пакет Anaconda), є безкоштовним.uk
dc.format.pageС. 177-179uk
dc.identifier.citationБіла, К. О. Апроксимація експериментальних даних у Jupiter / К. О. Біла, С. А. Концевой // Комп’ютерне моделювання в хімії та технологіях і системах сталого розвитку – КМХТ-2018 : збірник наукових статей Шостої міжнародної науково-практичної конференції, м. Київ, 16-18 травня, 2018 р. – Київ : КПІ ім. Ігоря Сікорського, 2018. – С. 177-179.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/23229
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.sourceКомп’ютерне моделювання в хімії та технологіях і системах сталого розвитку – КМХТ-2018 : збірник наукових статей Шостої міжнародної науково-практичної конференціїuk
dc.subjectекспериментальні даніuk
dc.subjectапроксимаціяuk
dc.subjectпрограмований вибірuk
dc.subjectPythonuk
dc.subjectJupiteruk
dc.subjectNumpyuk
dc.subjectexperimental datauk
dc.subjectapproximationuk
dc.subjectprogrammable selectionuk
dc.subjectPythonuk
dc.subjectJupiteruk
dc.subjectNumpyuk
dc.subjectэкспериментальные данныеuk
dc.subjectаппроксимацияuk
dc.subjectпрограммируемый выборuk
dc.subjectPythonuk
dc.subjectJupiteruk
dc.subjectNumpyuk
dc.titleАпроксимація експериментальних даних у Jupiteruk
dc.title.alternativeApproximation of Experimental Data in Jupiteruk
dc.title.alternativeАппроксимация экспериментальных данных в Jupiteruk
dc.typeArticleuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Біла К. О., Концевой С. А..PDF
Розмір:
2.03 MB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
7.74 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Секція 3 «Комп'ютерне моделювання в хімії, комп'ютерні методи для синтезу нових речовин»