Referatai, kursiniai, diplominiai

   Rasti 29 rezultatai

TURINYS LENTELIŲ IR PAVEIKSLŲ SĄRAŠAS...........................................................................................2 ĮVADAS..............................................................................................................................................3 1. Įmonės veiklos finansinės analizės teorinės prielaidos...................................................................4 1.1 Įmonės veiklos finansinės analizės esmė bei reikšmė įmonės valdymui................................4 1.2. Įmonės veiklos finansinės analizės tikslai ir uždaviniai.........................................................8 2. Įmonės veiklos finansinės analizės būdai ir metodai.....................................................................16 2.1. Įmonės veiklos finansinės atskaitomybės analizė.................................................................16 2.2. Santykinių rodiklių analizė...................................................................................................30 3. UAB „Transpa“ įmonės veikos finansinė analizė..........................................................................43 3.1. UAB „Transpa“ įmonės finansinės atskaitomybės analizė...................................................43 3.2. UAB „Transpa“ įmonės santykinių rodiklių analizė............................................................50 IŠVADOS..........................................................................................................................................56 LITERATŪRA..................................................................................................................................59
Darbo ir civilinė sauga  Analizės   (77 psl., 162,43 kB)
UAB Statybos veikla
2011-05-01
UAB „Statybos“ veiklos finansinės analizės pirmoje dalyje pateikiama informacija apie įmonės veiklą, konkurencinę aplinką bei analizuojami šakos pagrindiniai finansiniai rodikliai. Antroje dalyje atliekama horizontali ir vertikali finansinė analizė, nagrinėjami pelningumo, mokumo, apyvartumo rodikliai.
Finansai  Referatai   (42 psl., 118,88 kB)
Įmonės finansinė analizė: imonės horizontali ir vertikali analizė, pelno analizė
Finansai  Kursiniai darbai   (42 psl., 118,85 kB)
Fresin Fries is a locally owned fast food outlet that will be positioned as an international franchise through our creative approach to the company's image and detail presentation. Fresin Fries will provide a combination of excellent food at value pricing, with fun packaging and atmosphere. Fresin Fries is the answer to an increasing demand for snack-type fast food, to be consumed while window shopping and walking around inside a shopping mall.
Administravimas  Dokumentai   (51 psl., 178,17 kB)
Steigiant naują įmonę svarbu įvertinti ją supančią aplinką. Labai svarbu numatyti būsimos prekybos įmonės ateitį, nuspręsti ar verta rizikuoti. Kuo didesnis bus vaikų gimstamumas, tuo didesnė tikimybė, kad steigiamą įmonę aplankys vis daugiau šeimų. Šiuo metu Lietuvos ekonominė padėtis nėra stabili, bet aš tikiuosi, kad finansinė padėtis pagerės.
Vadyba  Kursiniai darbai   (22 psl., 60,02 kB)
Lietuvoje yra pasirinkta decentralizuota valstybės įstaigų vidaus audito sistema, t.y. auditas įdiegiamas pačioje įstaigoje. Pagal Vyriausybės 2000 m. vasario 7 d. nutarimą Nr.127 vidaus audito tarnybos turi būti įsteigtos: visose ministerijose ir apskričių viršininkų administracijose; Departamentuose prie Lietuvos Respublikos Vyriausybės ir prie ministerijų bei Valstybinėje mokesčių inspekcijoje prie Finansų ministerijos; kitose valstybės įstaigose; taip pat valstybės įmonėse vidaus audito tarnyba steigiama, jeigu jose dirba daugiau kaip 300 darbuotojų, o jeigu jose dirba mažiau kaip 300 darbuotojų - steigiama vidaus auditoriaus pareigybė. Veikiantys žinybinės kontrolės, revizijos, vidaus kontrolės ir panašūs padaliniai įstaigose, įmonėse turi būti reorganizuoti į audito tarnybas. Vidaus audito tikslas yra ne tik atskleisti trūkumus ir klaidas įplaukų ir mokėjimų sandoriuose bei jų apskaitoje, bet ir padėti suprasti bei geriau pritaikyti finansinę bei apskaitos tvarką.
Apskaita  Namų darbai   (21 psl., 37,08 kB)
AB „VST“ veiklos apibūdinimas. Veiklos apibūdinimas. Veiklos rezultatai. Misija, vizija, vertybės. Įmonės valdymo struktūra. Elektros pirkimo (gamybos) ir finansinio atsikaitymo už elektros energiją organizavimas, esama tvarka bei tobulinimo kryptys. Atliekamų darbų technologija. Įmonėje naudojami elektros įrenginiai. Tipai, paskirtis, schemos. Įmonėje atliekami elektros įrenginių remonto, priežiūros bei eksploatavimo darbai. Galios transformatoriai. Skirstyklos. Kondensatoriai. Oro ir oro kabelių linijos. Elektros kabelių linijos. Relinė apsauga ir elektros automatika. Įžeminimo įrenginiai. Įmonėje atliekami elektros ir elektros įrenginių parametrų matavimai. Matavimų įteisinimo dokumentai. Atsakingo už elektros ūkį padalinio ar specialisto dokumentai.
Aplinka  Ataskaitos   (33 psl., 1,56 MB)
Įmonė „Rasa“, 2007 m. pradžioje įvertinusi prognozuojamą tų metų veiklos rezultatą, numatė, kad 2007 m. ji sumokės 30 000 Lt pelno mokesčio. Įmonė „Rasa“ 2007 m. sausio 15 d. pateikė avansinio pelno mokesčio deklaraciją, kurioje už kiekvieną 2007 m. ketvirtį apskaičiavo po 7500 Lt (30000/4) avansinio pelno mokesčio. 2007 m. gruodžio pabaigoje įmonė „Rasa“ preliminariai apskaičiavo, kad faktiška 2007 m. pelno mokesčio suma sudarys 32564 Lt. Atsižvelgdama į tai, kad apskaičiuotas avansinis pelno mokestis sudaro mažiau negu . apskaičiuotos faktiškos pelno mokesčio sumos, įmonė „Rasa“ 2007 m. gruodžio pabaigoje patikslino avansinio pelno mokesčio deklaraciją, kiekvieną ketvirtį deklaruodama po 8141 Lt avansinio pelno mokesčio (32564/4).
Finansai  Namų darbai   (14 psl., 30,12 kB)
Šio projekto tikslas - kaimo sodybos įkūrimas, pastatant naują kaimo turizmo sodybą ir pritaikant ją kaimo turizmo paslaugų teikimui Trakų rajone, prie Šamuko ežero bei Strėvos upės. Projekto idėjos iniciatorius ir jo vykdytojas Vladimiras Streckij. Šiuo projektu bus siekiama prisidėti prie Lietuvos kaimo turizmo plėtros sukuriant 23 vietų kaimo turizmo sodybą. Bus orientuojamasi į svečius - privačius asmenis bei organizacijas, rengiančias konferencijas, seminarus, sporto šventes savo darbuotojams ir klientams, pageidaujančius įvairių pramogų ir aktyvaus poilsio, pasiūlant jiems konferencijų sales, SPA poilsio zoną bei platų sportinio inventoriaus asortimentą.
Vadyba  Kursiniai darbai   (50 psl., 314,53 kB)
Šiandieną kaip niekad daug yra teikia paslaugų, parduodama prekių. Todėl įmonėm vis sunkiau pasiūlyti vartotojams to, kokie trokštų, bet ir patys vartotojo norai nuolat kinta. Šie keblumai trukdo, jog įmonė sugebėtų ilgą laiką gauti pelną nesugalvojus naujų verslo idėjų, ar pakeičiant kažką specifinio iš jau teikiamų paslaugų, ar parduodamų prekių. Mes siūlome UAB „Gamtos namai“, kuri užsiima maisto produktų vertinimu ir informacijos sklaida Lietuvos gyventojams ir maisto produktų gaminančiom įmonėm. Tai konkurentų neturėsianti įmonė, busianti informacinio – organizacinio arba kitaip dispečerinio – operatyvinio tipo įmonė.
Aplinka  Referatai   (29 psl., 109,33 kB)
Šie metodai turi labai lėtą konvergavimą, bet teoriškai jie gali įveikti vietinį minimumą (local minima.) Kitas trūkumas yra tas, kad vienas turi valdyti daugybę vidinių kintamųjų (kiekvienam svoriui nustatyti triukšmo periodus), kas nėra labai efektyvu. Arba apibrėžti tik išorinius kintamuosius - tokius kaip įėjimo signalas (input), norimas signalas ir žingsnio dydis. Iš pragmatiškos požiūrio pusės labai pageidaujami būtų taip vadinami on-line (tiesioginiai) algoritmai, t.y. algoritmai, kur atskiram pavyzdžiui svoriai kaskart būtų atnaujinami. Bet žvelgiant iš (annealing) modeliavimo pusės į stochastinę on-line atnaujinimo metodų prigimtį , jų realizavimas nebūtų efektyvus. Dėl šių priežasčių bus bandoma atlikti tokį eksperimentą: pridėti triukšmus prie norimo signalo ir eksperimentiškai ištirti tokios procedūros privalumus. Triukšmas taip pat buvo naudojamas gradiento perdavimo (descent) procedūrose. Holmstrom išanalizavo statinio BP algoritmo [Holmstrom and Koistinen, 1992] apibendrinimo galimybę, kuomet atsitiktinis triukšmas įvedamas į išorinius signalus. Šie bandymai parodė, kad apibendrinimas gali būti pagerintas naudojant bandomuosiusose (training) duomenyse papildomus triukšmus. Matsuoka pademonstravo, kad ir triukšmo įvedimas į vieną įėjimo signalą gali pagerinti apibendrinimą (generalization) [Matsuoka, 1992]. Abu autoriai susikoncentravo tik ties tinklo apibendrinimo galimybe, tačiau jie nenagrinėjo triukšmų poveikio mokymosi greičiui ir išėjimo iš local minima galimybės. II Mokymosi su papildomais triukšmais atitinkamame signale analizė II.1 Klasikinis stebimas mokymasis Šioje dalyje kaip mokymosi sistemos prototipas yra naudojamas daugiasluoksnis perceptronas (perceptron) (MLP) su dviem lygiais. Tačiau išvados gali būti atvaizduojamos atsikartojančiose topologijose. Šiame tinkle, xk aprašo iėjimo vektoriaus vieną elementą; yi yra išėjimo lygio i-tasis išėjimas; Wij nusako svorius tarp paslėpto ir išėjimo sluoksnių; Vjk yra svoris tarp įėjimo ir paslėpto sluoksnio; ir Pj nusako paslėpto sluoksnio aktyvavimą. Pateiktas čia apmokymo algoritmas - tai atgalinio mokymo (backpropagation) (BP) algoritmas [Rumelhart et al, 1986]. Tegul di(t) žymi kelis norimus išėjimo neurono i laiko momentu t atsakymus, kur t yra diskretaus laiko indeksas. Galima apibrėžti klaidos signalą, kaip skirtumą tarp norimo atsakymo di(t) ir turimo atsakymo yi(t). Tai nusakomo (1) formulė: Pagrindinis mokymosi tikslas yra minimizuoti kainos funkciją, kurią nusako klaidos signalas ei(t), taip, kad turimas kiekvieno išėjimo neurono atsakymas tinkle statistikine prasme artėtų prie norimo atsakymo. Kriterijus naudojamas kainos funkcijai yra Vidurkio-Kvadrato-Klaidos (Mean-Square-Error) (MSE) kriterijus, apibrėžiamas kaip klaidos kvadrato sumos vidurkio-kvadrato reikšmė [Haykin, 1994]: Kur E yra statistikinis tikimybės operatorius ir sumuojami visi išėjimo sluoksnio neuronai (i=1,…,M). Kainos funkcijos J minimizavimas atsižvelgiant į tinklo parametrus lengvai g.b. formuluojamas gradiento mažinimo (gradient descent) metodu. Šios optimizavimo procedūros problema yra ta, kad jai reikia žinių apie neapibrėžtų procesų, generuojančių pavyzdžius, statistikines charakteristikas. Praktiškai tai gali būti apeita, optimizavimo problemai surandant artimą sprendinį. Klaidos kvadratų sumos momentinė reikšmė (Instantaneous value of the sum of Squared Errors) (ISE) yra pasirinkimo kriterijus [Haykin, 1994]: Po to tinklo parametrai (svoriai) yra pritaikomi ε(t). Faktiškai ši procedūra vadovaujasi taip vadinamu LMS algoritmu, kuomet svoriai yra atnaujinami kartu su kiekvienu pavyzdžiu [Widrow and Hoff, 1960]. II.1 Mokymasis su norimu triukšmingu signalu Vietoj to, kad svorių pritaikymui naudoti norimą signalą di(t), kaip norimas signalas išėjimo neuronui i imamas naujas signalas di(t)+ ni(t), kur ni(t) yra triukšmo periodas. Šiam triukšmo periodui priskiriamas nulinės reišmės baltas triukšmas su σ2 pokyčiu (variance) , nepriklausančiu nei nuo įėjimo signalo xk(t) nei nuo norimų signalų di(t). Neapibrėžtas triukšmo perdavimas yra priskiriamas Gauso ar vienarūšiam perdavimui. Čia norima įrodyti, kad šis naujas norimas signalas neįtakoja galutinės svorių reikšmės statistikine prasme. Tai užtikrina, kad nauja savybė sprendžia originalią optimizavimo problemą. Turint naujus norimus signalus, MSE (4) lygties gali būti perrašyta taip: Nėra sunku įrodyti [Richard and Lippmann 1991; White, 1989; Haykin, 1994], kad (4) lygtis yra lygi Kur ‘|’ simbolis žymi sąlygines galimybes (probabilities), ir 'var' yra kitimų (variance) sutrumpinimas. Pastebėkite, kad antras periodas dešinėje (5) lygties pusėje prisidės prie bendros klaidos J ir koks ir bebūtų mokymosi progresas, jis neįtakos galutinės svorių reikšmės, kadangi jis nėra tinklo svorių funkcija. Optimali svorių reikšmė yra apsprendžiama tiktai pirmo (5) lygties periodo. Kuomet triukšmas yra nulinės reikšmės baltas triukšmas ir jis nepriklauso nei nuo norimo, nei nuo įėjimo signalų, mes turime (6) lygtis rodo, kad triukšmas iš lygties, kuri apibrėš galutines svorių reikšmes, dingsta, taigi mokymassi su norimo triukšmo signalu duos rezultatų, originalios optimizavimo problemos sprendimo prasme, t.y. be triukšmo pridėjimo prie norimo signalo. (learning with the noisy desired signal will yield in the mean the solution for the originaloptimization problem, i.e., without the noise added to the desired signal.) Reiktų konstatuoti, kad ši išvada galioja visoms architektūrų rūšims.Atlikimo funkcijai apibrėžti reikalingi tik išoriniai matavimai (MSE), ir tai nėra susiję nei su topologija nei su kainos funkcijos apibrėžimo būdu (statiniu ar kintamu). Nors šis sprendimas yra patenkinamas, reikia prisiminti, kad mus domina on-line algoritmas, kur yra mokymosi dinamika, t.y. kaip mokymosi progresas yra veikiamas triukšmų. II.3 On-line algoritmas mokymuisi veikiant norimam triukšmingam signalui Reiktų pažymėti, kad atliekamos, modifikacijos, jokiais būdais neveikia atgalinio mokymosi algoritmo realizacijos, kadangi yra modifikuojamas tik signalas, kuris yra įvedamas kaip norimas rezultatas. Taigi, siūlomos modifikacijos gali būti taikomos dar neegzistuojančioms modeliavimo sistemoms. Svarbi problema, kaip modeliavimo metu valdyti triukšmų kaitą (variance). Dėl to tolimesniame skyriuje bus apžvelgiama tiukšmų įtaka momentiniam gradientui. II.4 Norimo triukšmingo signalo gradiente analizė. Svorinio vektoriuas pritaikymo statiniame BP algoritme formulė, tiklui atvaizduotame 1 pav. norimame signale be triukšmų yra [Hertz et al.,1991] Svoriams tarp paslėpto sluoksnio ir išorinio sluoksnio, ir Svoriams tarp iėjimo sluoksnio ir paslėpto sluoksnio, kur ŋ yra žingsnio dydis. Su triukšmingu norimu signalu, ISE (3) lygties tampa: Lygtyse (7) ir (8) įrašant naują reikšmę εnoisy(t), gausime lygtis Palyginus lygtis (7) su (10) ir (8) su (11) daroma išvada, kad triukšmo pridėjimo prie norimo signalo poveikis, tai extra stochastinio periodo svoriniame vektorių taikyme įtraukimas, kas gali būti modeliuojama kaip pridėtinis momentinio gradiento triukšmas (pertirbation) betriukšminiam atvejui. Stochastinio periodo bendra forma Kur N(t) yra veiksmo funkcija gauta pakeitus originalią klaidą d(t)-y(t) įvestu triukšmu n(t). Panagrinėkime papildomų periodų (extra terms) statistines savybes (10) ir (11) lygtyse ir pastebėkime kaip jos veikia svorinių vektorių statistiką. Bet pirmiausia, apibrėžkime atsitiktinius kintamuosius: Jeigu atsitiktiniai kintamieji ir nepriklauso vienas nuo kito, ir g ir f funkcijos yra Borelo funkcijos, tuomet f ir gtaip pat yra nepriklausomos [Feller, 1966]. Realiausios funkcijos f(x) įskaitant sigmoido funkciją, plačiai naudojamą neuroniniuose tinkluose yra Borelio funkcijos. Taigi, galima daryti išvadą, kad (10) ir (11) lygtyse triukšmas n(t) nepriklauso nuo O taip pat ir nuo Todėl gali būti užrašytos papildomų periodų (extra terms) tikimybės ir Jų kitimas (variance) ir Iš (14) ir (15) lygties galima daryti išvadą, kad nulinės reikšmės atsitiktinis triukšmas norimame signale nedaro įtakos svoriniams vektoriams, taigi pagrindinė papildomo stochastinio periodo (extra stochastic term) svorio atnaujinimo reikšmė yra nulis. Iš (16) ir (17) lygties daromos dvi svarbios išvados: triukšmas pridėtas prie norimo signalo veikia svorio atnaujinimo kitimą proporciškai kiekvieno svorio jautrumui. Tai reiškia, kad atskiro triukšmo šaltinis išėjime yra išverčiamas į skirtingus triukšmų stiprumus kiekvienam svoriui. Antra, žingsnio dydis arba išorinio triukšmo šaltinio kitimas valdys papildomų periodų (variance of the extra terms) svoriniuose vektorių prisitaikymo formulėse kitimą, gaunamą pridedant triukšmą prie norimo signalo. Pastebima, kad, kai = 0 arba triukšmo kitimas yra nulis, tuomet stochastinis periodas (stochastic terms) išnyksta - lieka tik originalus svorio atnaujinimas (t.y. sprendžiama originali optimizacijos problema). Šie aspektai ir idėjos gautos iš globalios optimizacijos pateikia empirines taisykles išorinių triukšmų šaltinių valdymui, gaunat reikšmingus rezultatus. Modeliavimo pradžioje norėtųsi svoriams uždėti atsitiktinius trikdžius (perturbation), tam, kad būtų leista algoritmui pabėgti iš vietinio minimumo (local minima.). Tačiau artėjant prie adaptacijos pabaigos trikdžių (perturbation) kitimas turi būti sumažintas iki nulio taip, kad svoriai galėtų pasiekti reikšmes duotas originalios optimizacijos problemos. Toliau bus naudojamas (annealing) tvarkaraštis, pasiūlytas Moody [Darken, Chang, and Moody, 1992] Kur o yra inicijuojamo žingsnio dydis, c yra paieškos laiko konstanta, ir NI - iteracijos numeris. Šių konstantų reikšmės turės būti apibrėžtos eksperimentiškai, kadangi jos priklauso nuo problemų. III Modeliavimo rezultatai Patvirtinant anksčiau atliktą analizę, modeliavimo rezultatai bus pateikiami dviem pavyzdžiais. Vienas jų naudoja dviejų-lygių MLP, taip vadinamos lygiškumo problemos (parity problem), kuri buvo pademonstruota vietinio minimumo (local minima) atveju, pažinimui [Rumelhart et al, 1986]. Iš modeliavimo rezultatų bus matyti, kad mokymasis labiausiai gali būti pagerintas naudojant numatytą metodą (proposed approach) ir globalų minimumą, pasiektą statistikine prasme. Kitas pavyzdys naudoja dinaminį neuroninį tinklą TDNN [Waibel et al., 1989] laiko signalų modeliavimui. Antro modeliavimo rezultatai taip pat patvirtina ankstesnę analizę. III.I Eksperimentai su MLP Spresime 3 bitų lygiškumo problemą. Tinklo dydis 3-3-1, t.y. 3 įėjimo neuronai, 3 paslėpti neuronai, ir 1 išėjimo neuronas. Netiesiškumas (nonlinearity) yra logistinė funkcija. Tiesioginis atgalinis mokymas (backpropagation) yra naudojamas abiem atvejais. Buvo pridėtas Gauso (Gaussian) triukšmas su  =0.001 prie norimo signalo ir parinkti atitinkami parametrai 18 Lygtyje: c= 500 ir o= 0.3. Rezultatai parodyti 2 paveikslėlyje. Stora linija vaizduoja mokymasi su triukšmingu norimu signalu, o punktyrinė linija - su originaliu norimu signalu. Šis pavyzdys rodo, kad mokymasis artėja prie lokalaus minimumo, (local minimum) kuomet naudojamas originalus norimas signalas, bet naudojant triukšmingą norimą signalą mokymasis pasiekia globalų minimumą (global minimum) . Svarbu pabrėžti, kad mokymasis su originaliu signalu, naudoja pastovų žingsnio dydį, kai tuo tarpu signalo su triukšmais žingsnis yra gaunamas iš (18) lygties. Naudojant skirtingus žingsnio dydžius ir skirtingus pradinius (initial) svorius, buvo pasiekti panašūs rezultatai. Tam, kad patvirtinti šio algoritmo konvergavimo galimybę, buvo remiamasi Monte Carlo modeliavimai su 100 bandymu. Rezultatai pavaizduoti 3 Paveiksle, kur punktyrinė linija yra 100 veiksmų rezulatai originaliam signalui, o stora linija - 100 veiksmų rezulatatai triukšmingam signalui. Šiame eksperimente, svoriai yra parenkami atsistiktinai, o žingsnio dydis o atsitiktinai parenkamas iš intervalo [0,1, 0,7]. Kuomet globalus minimumas (global minimum) yra 0, tuomet yra lengva paskaičiuoti reikšmę ir pokytį (mean and variance) 100 galutinių klaidų, kurios pateiktos 1 Lentelėje. Dar daugiau, mokymasisi su triukšmingu signalu laike 99% priartėjo prie globalaus minimumo, o su originaliu signalu tik 26%. Iš 1 Lentelės, galima daryti išvadą, kad su triukšmingu signalu, mokymasis konverguoja į globalų minimumą; bet su originaliu signalu, mokymasis statistikine prasme nekonverguoja. Taigi, iš šių modeliavimo rezultatų galima daryti išvadą, kad triukšmingas signalas leidžia mokymosi algoritmui išeiti iš lokalaus minimumo (local minima). III. II Eksperimentai su dinaminiu neuroniniu tinklu III.I dalyje buvo pademonstruoti statinio neuroninio tinklo modeliavimo rezultatai. Tam, kad patvirtinti, jog aprašytas metodas taip pat veikia ir dinaminiuose neuroniniuose tinkluose. Dinaminės sistemos modeliavimui bus naudojamas TDNN [Waibel et al.,1989]. Bus nagrinėjama tokia sistema, Kur ',' žymi diferencijavimo operatorių. Sistemos įėjimai yra sinusoidžių aibė, Su atsitiktine faze l.. 4 ir 5 Paveikslėliuose vaizduojami sistemos įėjimo ir atitinkamai normalizuoti išėjimo signalai. TDNN tinklo struktūra demonstruojama 6 Paveikslėlyje, kur naudojamas keturių lygių vėlinimas. Šiame tinkle, kaip įėjimai į paslėptą lygį naudojami tik du įėjimo signalai x(t) ir x(t-4). Netiesiškumas (nonlinearity) paslėptuose neuronuose - tai logistinė funkciją. Išėjimas turi vieną tiesinį neuroną. Mokymosi algoritmas - tai BP, kur pavyzdžių klaidos surandamos atimant tinklo išėjimą y(t) iš sistemos d(t) išėjimo. Mokymosi kreivės pavaizduotos 7 Paveikslėlyje, kur triukšmo signalo žingsnio dydis surandamas naudojant (18) Lygtį, kur c=10, 0.01, ir triukšmo kitimas 2 =0.001 . Aiškiai matyti, kad su triukšmingu signalu konvergavimas yra greitesnis ir pasiekiamas žemesnis MSE. Naudojant skirtingus žingsnio dydžius ir svorius, pasiekiami panašūs rezultatai su MSE minimumu lygiu 0,0091. Paveikslėlyje 8 pavaizduotos mokymosi kreivės 100 mokymosi veiksmų, kur žingsnio dydis atsitiktinai parenkamas iš intervalo [0,1, 0,01], o svoriai taip pat yra atsitiktiniai skaičiai. Kadangi nėra žinomas šios problemos globalus minimumas, todėl naudojamas MSE minimali reikšmė 0,0091 kaip globalaus minimumo įvertis. 2 Lentelė atspindi statistikinius rezultatus 100 eksperimentų. 72% (trails) su triukšmingu signalu pasiekė globalų minimumą, ir tik 8% (trails) pasiekė globalų rezultatą su originaliu signalu. Daroma išvada, kad mokymasisi su triukšmingais signalais yra mažiau nepastovus ir mokymosi kreivės taip pat yra daug lygesnės. (smoother) IV.Discussion Eksperimentiškai buvo pademonstruota, kad mokymasis su triukšmingais signalais padidina pastovaus žingsnio dydžio BP algoritmo paieškos galimybes. Tai yra pasiekiama be papildomos kainos algoritmų realizavimo perioduose (This is accomplished at no extra cost in terms of algorithm implementation,), kadangi naudojamas tiesioginis atgalinis mokymas (straight backpropagation.) Papildomos savybės yra gaunamos įvedant nulinės reikšmės valdomo kitimo Gauso triukšmą ir žingsnio dydžio nustatymui pasinaudojant (18) Lygtimi. Buvo pademonstruota, kad triukšmo pridėjimas prie norimo signalo svorių atnaujinimo formulėse prideda nulinės reikšmės stochastinį periodą (that adding noise to the desired signal adds a zero mean stochastic term in the weightupdate formulas.). Nors atskiras triukšmo signalas ir yra įvedamas į norimą signalą, tačiau stochastinio periodo kitimas kiekvienam tinklo svoriui skiriasi (proporcingai kiekvieno svorio jautrumui). Dar daugiau, šio periodo kitimas tiesiogiai valdomas žingsnio dydžio arba išorinio triukšmo šaltinio kitimo. Tai reiškia, kad triukšmo pridėjimas prie norimo signalo yra labai paprasta ir efektyvi procedūra mokymosi proceso ištraukimo iš lokalaus minimumo. Kitimas arba žingsnio dydis turi būti parinktas (anealing) pritaikymo metu. Parinkimo (anealing) realizavimui buvo panaudota Moodžio paieška ir konvergavimo procedūra, tačiau kiekvienai problemai spręsti parametrai turi būti surandami eksperimentiškai. Žingsnio dydžio planavimas, toks, kad būtų įveiktas lokalus minimumas, išlieka atviras klausimas ne tik šiame metode, bet taip pat ir kituose stochastiniuose algoritmuose tokiuose kaip sumodeliuotas parinkimas (simulated annealing) [Kirkpatrick et al., 1983]. Mokymosi algoritmų lankstumo padidinimui yra siūlomi du skirtingi žingsnių dydžiai, vienas gradientui ir kitas - triukšmui. Ši procedūra turi neišvengiamą jungtį su globaliu optimizavimo metodu, vadinamu stochastiniu funkciniu nesklandumų šalinimu (stochastic functional smoothing) [Rubinstein, 1981 and 1986]. Priede aiškinama, kad tiesioginė stochastinio funkcinio nesklandumų šalinimo versija sutrikdo gradientą kartu su triukšmo periodu proporcingai Hesano paviršiui. ( an on-line ver-sion of stochastic functional smoothing perturbs the true gradient with a noise term proportional to the Hessian of the performance surface.) Kuomet signalas pridedamas prie norimo signalo, tikrinis (true) gradientas taip pat yra paveikiamas triukšmų periodo. Šiuo atveju poveikis yra proporcingas naujos veikimo funkcijos gradientui, kuris gaunamas iš originalaus skirtumo tarp d(t) ir y(t), kartu su įvestu triukšmu. Šis paviršius yra susijęs su originaliu, bet gali ir žymiai skirtis. Taigi, kuomet triukšmų šaltinis paprastai yra nustatomas į nulinę Gauso reikšmę, galima tikėtis mažiau optimalių rezultatų, lyginant su stochastinės funkcijos lyginimu (stochastic functional smoothing.). Tačiau algoritmo paprastumas ir geras veikimas gautas eksperimentuose skatina toliau dirbti prie šio metodo. Priedas Šio priedo tikslas yra susieti triukšmo pridėjimą prie norimo signalo naudojant stochastinį funkcinį lyginimo metodą, kuris yra globali optimizacijos procedūra. A.I Stochastinio funkcinio lyginimo optimizacijos apžvalga Stochastiniame funkciniame lyginime, originali neišgaubta funkcija yra perkeliama pagalbinės lyginimo funkcijos, kuri turi kai kurias optimizavimo savybes (t.y. atskiras minimumas). Dirbant su lyginimo funkcija, gali būti atsrastas optimalios problemos globalus minimumas . Lyginimo kainos funkcijos klasė parametrizuota ß yra apibrėžiama kaip [Rubinstein, 1981 and 1986] Kur ß yra valdymo parametras, o y yra atsitiktinis dydis. Dėl J ˆ (wtam, kad būti naudingam originaliai optimizacijai, h ˆ (v impulso atsakymas turi tenkinti keleta sąlygų [žr. Rubinstein, 1981 ir 1986 detaliau], taip, kad parametras apsprendžia lyginimo taikomo J(w) laipsnį. Dideliam lyginimo poveikis yra didelis ir atvirkščiai. Kuomet  0 J ˆ () = J , tuomet nėra lyginimo. Intuityviai aišku, kad norint išvengti lokalaus minimumo, optimizacijos pradžioje  turi būti pakankamai didelis. Tačiau siekiant optimumo lyginimo efektyvumas turi būti mažinamas leidžiant ß artėti prie nulio. Taigi minimumo taške w* laukiamas sutapimas tarp J(w) ir J ˆ ( Atitinkamai, konstruojant iteratyvią w* paieškos procedūrą, yra reikalinga lyginimo funkcijų aibė J ˆ(ß s=1,2,...... Jei signalo atsakymo dalis yra išrenkama kaip daugianormalinė funkcija su dydžiu n ir kitimu ß, tai Lyginimo kainos funkcijos gradientas gali būti įvertintas taip [Styblinski and Tang, 1990] Kur N yra pavyzdžių su daugybe kintamųjų iš (23) Lygties skaičius. Taigi, lyginimo kainos funkcijos gradientas gali būti randamas iš originalios kainos funkcijos. A.II Tiesioginė stochastinės lyginimo funkcijos Optimizavimo realizacija Susiejami triukšmo norimame signale poveikis ((10) ir (11) lygtys) su tiesiogine lyginimo funkcinių gradientų realizacija ((24) Lygtis)). Bus taikoma stochastinės aproksimacijos savybė [Robbins and Monro, 1951]. Kuomet ISE aproksimuoja (stochastine prasme) į MSE ir gradiento operatorius yra tiesinis operatorius, lyginimo kainos funkcijos gradientas εˆ gali būti įvertintas pagal analogiją su Lygtimi (25), taip Dėl supaprastinimo, čia yra ignoruojamas diskretinio laiko indeksas t. Reiktų pabrėžti, kad iš L.(24), kuri atspindi originalios stochastinės lyginimo funkcijos optimizacijos artėjimą prie L.(26), kuri yra tiesioginis L.(24) įvertis, tik vienintelė stochastinės aproksimacijos savybė buvo taikoma taip, kad būtų garantuotas tiesioginio įvertinimo stabilumas [Robbins and Monro, 1951; Kusher and Calrk, 1978; Wang and Principe, 1995]. Tiesioginis vienpusisi įvertis naudojamas L.(26) yra pagrindas gradiento įverčio naudojamo LMS ir BP algoritmuose. L.(26) išreiškia įvertinimą ε(w) gradiento, kuomet w yra paveikiamas atsitiktinio kintamojo βv j . Šis metodas praktiniam realizavimui yra per brangus, kadangi svoriai turi būti veikiami (gradiento skaičiavimui pageidaujamas antras tinklas). Taigi, šis metodas tiesiogiai nėra įgyvendinamas. Realizacijos supaprastinimui siūloma atlikti Teiloro seriją ekspansijų apie w, ir antrame etape jį suskaidyti. Literatūra 1. Darken, C., Chang, J., and Moody, J., “Learning Rate Schedules for Faster Stochastic Gradient Search,” IEEE Neural Networks for Signal Processing, 1992. 2. Fahlman, S., “Fast-Learning Variations on Back-Propagation: An Empirical Study,” In Proc. Of 1988 Conn. Model Summer School. 3. Feller, W, An Introduction to Probability Theory and Its Applications, Vol. 1, 2rd ed. Wiley, NewYork, 1966. 4. Haykin, S, Neural Networks---A Comprehensive Foundation, Macmillan College Publishing Company, New York, 1994. 5. Hertz J., Krogh A., Palmer R. G., “Introduction to the theory of neural computation,” Addison-Wesley,1991. 6. Hinton G. E., “Connectionist learning procedure,” In machine learning: Paradigms and methods, J. G. Carbonell, ed., pp. 185-234. MIT Press, Cambridge, MA, 1989. 7. Holmstrom L., and Koistinen, P., “Using Additive Noise in Back-Propagation Training,” IEEE Trans. on Neural Networks, Vol. 3, No.1, 1992. 8. Kirkpatrick, S., et. al., “Optimization by simulated annealing,” Science 220, 671-680. 9. Krogh, A. and Hertz, J., “Generalization in a Linear Perceptron in the Present of Noise,” J. Phys. A: Math. Gen. 25(1992) 1135-1147. 10. Kushner, H., “Asymptotic Global Behavior for Stochastic Approximation and Diffusions with Slowly Decreasing Noise Effects: Global Minimization via Monte Carlo,” SIAM J. APPL.MATH. Vol. 47, No. 1 Feb., 1987. 11. Kushner, H, and Clark, D. S., Stochastic Approximation Methods for Constrained and Uncon-strained Systems, Springer-Verlag, New York, 1978. 12. Matsuoka, K., “Noise Injection into Inputs in Back-Propagation Learning,” IEEE Trans. Systems, Man, and Cybernetics, Vol. 22, No. 3, 1992. 13. Richard M., Lippmann R. P., “Neural network classifiers estimate Bayesian a posteriori probabil-ity,” Neural Computation, 3, 461-483, 1991. 14. Robbins, H., and S. Monroe, “A stochastic approximation method,” Annals of Mathematical Sta-tistics 22, 1951. 15. Rognvaldsson, T., “On Langevin Updating in Multilayer Perceptrons,” Neural Computation, 6.916-926, 1994. 16. Rubinstein, R., Simulation and the Monte Carlo Method, Wiley,1981. 17. Rubinstein, R., Monte Carlo Optimization, Simulation and Sensitivity of the Queueing Networks,Wiley, 1986. 18. Rumelhart et al, Parallel Distributed Processing, Vol.1, MIT Press, 1986. 19. Styblinski, M.A., and Tang, T.-S, “Experiments in Nonconvex Optimization: Stochastic Approxi-mation with Function Smoothing and Simulated Annealing,” Neural Networks, Vol.3, 1990. 20. Szu, H., “Fast simulated annealing,” AIP conf. Proc. 151:Neural Networks for Computing, Snow-bird, UT, 1986. 21. Waibel, A., T. Hanazawa, G. Hinton, K. Shikano, K. J. Lang, “Phoneme recognition using time-delay neural networks,” IEEEE Trams. ASSP-37, 1989. 22. Wang, C., and J. C. Principe, “On-line stochastic functional smoothing optimization for neural network training, submitted to Neural Networks, 1995. 23. Werbos, p., “Generalization of backpropagation with application to a recurrent gas market model,” Neural Networks, 1, 339-356. 24. Widrow, B., and Hoff, M., “Adaptive switching circuits,” IRE WESCON Convention Record, pp.96-104, 1960.
Informatika  Kursiniai darbai   (164,25 kB)
Teisės teorija - tai mokslas, tiriantis visuomenės socialinę struktūrą, socialinių jėgų santykį ir kitus sociokultūrinius veiksnius, formuojančius, keičiančius visuomenėje vyraujančią teisės sampratą kaip visiems teisės mokslams bendrą metodologinį pagrindą; taip pat bendrųjų teisės sąvokų aparatą, darantį teisės sampratą praktiškai funkcionalią, pajėgiančią metodologiškai vertybiškai vadovauti šakinių teisės mokslų tyrimams ir vertinimams.
Teisė  Referatai   (10 psl., 58,54 kB)
200 metų ekonominė sėkmė buvo matuojama tik fizinio kapitalo efektyvumo kriterijais. Pradžioje tai buvo pelnas ir investicijų grąža, vėliau atsirado modernūs akcininkų vertės analizės, ekonominės pridėtinės vertės analizės metodai. Dabar, prasidėjus naujosios žinių ekonomikos epochai, iškilo poreikis matuoti neapčiuopiamą turtą – Intelektualų kapitalą (IK), kitaip sakant žmogiškąjį kapitalą. Žmogiškasis kapitalas ir technologijos, visada buvo centrinė ekonominio augimo ašis. Spartėjantis technologinis progresas lemia tai, kad labai sutrumpėja gamybos ciklas ir išsivysčiusių šalių ekonomika ima vis labiau priklausyti nuo naujų žinių kūrimo, jų sklaidos ir panaudojimo greičio. Lietuvoje žmogiškasis kapitalas yra pagrindinis, lemiantis socialinės, ekonominės raidos faktorius. Lietuvoje jau pradedama suvokti, kad firmos sėkmė pirmiausiai priklauso nuo dirbančių joje žmonių, kad svarbiausias dalykas - atrinkti tinkamiausią žmogų į tinkamiausią vietą.
Finansai  Referatai   (16 psl., 29,74 kB)
Darbo tikslas: išanalizuoti surištųjų kontūrų sistemos rezonansų sąlygas, išmokti suderinti du surištuosius kontūrus pirmajam daliniam bei optimaliajam, antrajam daliniam bei optimaliajam, pilnajam bei pilnajam optimaliajam rezonansams.
Elektronika  Laboratoriniai darbai   (6 psl., 42,42 kB)
Praeities, dabarties ir ateities mėgėjiška filmavimo technika yra glaudziai susijusi: nesibaigus senesnės kartos technikos erai, atsiranda naujų modelių, o šiems dar nespėjus išpopuliarėti, dažnai sulaukiame gaminių su dar naujesnėmis technologijomis. Vaizdą, garsą ir kitokią informaciją įrašančios technikos - vaizdo kamerų – tobulinimas įgavo skaitmeninį pagreitį. Daugelis dar prisimena praėjusio šimtmečio populiariausius analoginius prietaisus ir gaminius. Dabar visa tai – praeitis, kurią pakeitė skaitmeninės technologijos.
Komunikacijos  Referatai   (15,95 kB)
Lietuvai integruojantis į Vakarų pasaulio ekonominę sistemą, ūkio subjektai turi tapti lygiaverčiais užsienio firmų partneriais. Todėl šiandieną jiems yra keliamas pagrindinis uždavinys- didinti konkurencingumą. Rinkas išlaikyti ir didinti galima tik sugebant taikytis prie nuolat kintančių išorinių sąlygų.
Ekonomika  Kursiniai darbai   (9,06 kB)
Lenkija
2009-07-09
Lenkija - mūsų pietvakarių kaimynė,su kuria turime 110km ilgio sieną.Lenkijos dalies gamta ir kraštovaizdis panašus į Lietuvos.Lenkijos plotas- 312 680 km2.Joje gyvena 37,9 mln.(121žm./km2 Kalba lenku kalba.Didžioji dalis-katalikai. Gamta.Šalies fiziniame žemėlapyje aiškiai vyrauja žalia spalva,žyminti Lenkijos žemumą.
Geologija  Referatai   (5,67 kB)
Saulės sistemos planeta, trečia pagal nuotolį nuo Saulės. Pagal masę yra pirma tarp Žemės grupės planetų ir penkta tarp visų planetų (lent.). Aplink Saulę skrieja beveik apskrita orbita 29.8 km/s vid. greičiu; apskrieja ją per metus. Arčiausiai Saulės (perihelyje) Žemė būna apie sausio 3 d., toliausiai nuo Saulės (afelyje) - apie liepos 3 d. Žemės apsisukimo apie ašį periodas lygus parai. Sukimosi ašis pasvirusi į ekliptikos plokštumą, dėl to Žemėje yra metų laikai (pavasaris, vasara, ruduo, žiema) ir įvairios klimato juostos.
Astronomija  Referatai   (4,92 kB)
Statistika – tai mokslas, nagrinėjantis demografinius, ekonominius, socialinius bei kitus reiškinius, jų kitimą. Ši disciplina nėra tik paprastas skaičiavimas. Tai sistemingas ir tikslingas požymių, reiškinių ir daiktų žymėjimas skaitmenimis, atsižvelgiant į tam tikras jų ypatybes, kitimą.
Matematika  Namų darbai   (5,05 kB)
Afrika
2009-07-09
Afrika yra antras žemynas pagal plotą. Jos plotas lygus 30.3 mln. km2. Pats aukščiausias kalnas yra Kilimandžaras (5895 m). 1999 metais Afrikoje gyveno 770 mln. žmonių. Prieš 135 mln. Metų Afrika priklausė Gondvanai ,kurią sudarė dabartinės : Pietų Amerika, Afrika, Australija ir Antarktida . Afrika – vienintelis žemynas, kurį beveik per patį vidurį kerta pusiaujas. Didesnė jo paviršiaus dalis – plokščiakalniai. Tai pats karščiausias žemynas, kurio milžinišką plotą užima savanos ir dykumos.
Geografija  Referatai   (11,68 kB)
Mes gyvename visuomenėje, kur vis svarbesni tampa asmeninių finansų valdymo sprendimai. Vis dažniau nuo mūsų veiksmų, o ypač nuo neveikimo, priklauso mūsų finansinė ateitis. Mes dar esame išlaikę tėvų ir senelių įsitikinimą, kad reikia taupyti juodai dienai. Tai tikrai geras bruožas, tačiau kartais mūsų priimami sprendimai yra neracionalūs: nesuprantame, kuo rizikuojame neinvestuodami, kokią riziką galime prisiimti investuodami.
Finansai  Kursiniai darbai   (11,74 kB)
Trumpalaikis turtas
2009-07-09
Gaminat produkciją ir teikiant paslaugas, paprastai naudojama daug įvairaus turto. Tad visas turtas, kurį valdo ir kuriuo disponuoja įmonė skirstomas į ilgalaikį turta ir trumpalaikį. Ilgalaikis turtas – tai turtas, kuris naudojamas įmonės ekonominei naudai gauti ilgiau nei vienerius metus ir kurio įsigijimo vertė ne mažesnė už įmonės nusistatytąją. Trumpalaikis turtas – tai turtas, kurį numatoma sunaudoti ar panaudoti per vienerius metus, arba kurio įsigijimo vertė yra mažesnė už vertę, Vyriausybės nustatyta ilgalaikiam materialiajam turtui (šiuo metu ne daugiau 500 Lt).
Ekonomika  Kursiniai darbai   (16,31 kB)
Nafta žemėje
2009-07-09
2000 metais Lietuvoje užfiksuota 28 teršimo naftos produktais atvejų: • 1 teršimas įvyko geležinkelyje (2000 02 24 geležinkelio avarijos metu Vaidotų geležinkelio stoties Juodšilių pervažoje į aplinką pateko 184 tonos dyzelinio kuro). • 4 teršimai užregistruoti įvykus autotransporto avarijoms (2000 12 30 autostradoje ties Krikštėnais Ukmergės rajone apvirtus benzinvežiui į aplinką pateko apie 500 litrų dyzelinio kuro). • Naftos produktų išmetimai jūroje užfiksuoti 8 kartus (2000 02 16 įvykusio išmetimo metu nuo Būtingės terminalo iki Karklės surinkta 1400 kilogramų naftos produktų, 2000 05 25-31 išmetimų metu pajūryje nuo sienos su Kaliningrado sritimi iki Palangos surinkta 5360 kilogramų teršalų).
Chemija  Referatai   (17,4 kB)
Jau tūkstančius metų pasaulyje vyksta ekonominė veikla. Šią veiklą vykdyti ir kontroliuoti reikalinga apskaita. Apskaita turi užtikrinti geros kokybės informaciją, kuri atitinka rinkos reikalavimus, kuria būtų patenkinti ir išoriniai, ir vidiniai įmonės vartotojai. Valdymo apskaita – tai išsamios informacijos, reikalingos įmonės viduje, rinkimas, klasifikavimas, įvertinimas ir pateikimas vartotojams. Kiekviena įmonė nusistato savo apskaitos politiką. Apskaitos politika – bendrieji principai, apskaitos metodai ir taisyklės, skirti ūkio subjekto apskaitai tvarkyti ir finansinei atskaitomybei sudaryti bei pateikti.
Apskaita  Kursiniai darbai   (17,99 kB)
Kaina – tai marketingo komplekso elementas, kuris yra prekės ar paslaugos piniginės vertės išraiška. Tai yra vienas iš svarbiausių rodiklių, nes jis turi garantuoti pelną. Pagal kainą bei jos nustatymo metodus galima spręsti apie konkurencinę situaciją rinkoje. Konkurentų kainos turi tuo didesnės įtakos įmonės kainų politikai, kuo labiau išreikšti vartotojų interesai kainų atžvilgiu.
Pramonė  Referatai   (21,27 kB)
Ukmergės rajone suprojektuojama kietų buitinių atliekų (KBA) deponavimo aikštelė, kurios plotas 5,48 ha. Bendras sąvartyno plotas – 6,58 ha. Planuojamas sąvartynų eksploatacijos laikotarpis 25 metai. Visas sąvartyno skaičiuojamas eksploatacijos laikotarpis skirstomas į 5 etapus, po 5 metus kiekvienas. Projektuojamos Ukmergės rajone deponavimo aikštelės talpumas, atsižvelgiant į atliekų sutankinimo koeficientą ir izoliuojančių gruntų sluoksnių tūrio koeficientą, yra 329236 m.
Kita  Kursiniai darbai   (20,7 kB)
Socialiniai mokslai
2009-07-09
Sociologija tiria ir aprašo visuomenės struktūrines ir funkcines sąsajas. Tai yra socialinis mokslas, tiriantis ne specifines temas (kaip, pvz., politikos mokslas arba ekonomika), bet siekia naudodama sociologinius metodus ištirti socialinį bendruomenių ir visuomenės gyvenimą. Sociologija domisi ir atskirais socialiniais junginiai (pvz., socialinės sistemos, institucijos, grupės ir organizacijos).
Sociologija  Referatai   (7,59 kB)
Tarptautinės finansų institucijos. Kas tai yra Tarptautinis Valiutos Fondas. Įkūrimo istorija. Organizacinė struktūra. Narystė. Veikla. Kapitalas ir finansinė struktūra. Tarptautinio Valiutos Fondo kreditinė veikla. Specialūs fondai. TVF kreditinės operacijos. Kreditų sąlygotumas. TVF vaidmuo tarptautinių valiutinių – kreditinių santykių reguliavime. TVF ir jo ekonominės – finansinės analizės. Lietuvos dalyvavimas Tarptautiniame Valiutos Fonde. Ekonominių reformų programa iki 1993 metų birželio mėnesio. Tikslai. Pagrindiniai reformos programos elementai. Reformos vykdymo kriterijai ir grafikas. Statistiniai reikalavimai. TVF paskolos Lietuvai bei jų paskirstymas. Užsienio paskolų, gautų iš TVF, paskirstymas. Paskolų, gautų iš TVF, paskirstymas verslų vystymui per “Tauro" komercinį banką. Paskolų, gautų iš TVF, paskirstymas verslų vystymui per “Hermio” komercinį banką. Paskolų, gautų iš TVF, paskirstymas verslų vystymui per “Turto” komercinį banką. Paskolų, gautų iš TVF, paskirstymas verslų vystymui per “Šiaulių” komercinį banką.
Finansai  Diplominiai darbai   (36 psl., 91,07 kB)
Įvadas, šalies bendras vidaus produktas, namų ūkiai, prekių kainų lygis (infliacija,)nedarbas, kreditas, išvados.
Rinkodara  Referatai   (38 psl., 82,52 kB)