Show simple item record

Stochastic Methods in Crystallography
dc.contributor.advisorBeneš, Viktor
dc.creatorKulich, Damián
dc.date.accessioned2021-03-24T22:48:40Z
dc.date.available2021-03-24T22:48:40Z
dc.date.issued2021
dc.identifier.urihttp://hdl.handle.net/20.500.11956/124646
dc.description.abstractV práci zavedeme mozaiky jako model mikrostruktury zrn v polykrystalickém ma- teriálu. Dále představíme potřebné popisy trojrozměných orientací pro kótování buněk. Představíme potřebnou teorii markovských řetězců abychom mohli používat MCMC algo- ritmy. Hlavním úkolem pak bude simulovat možná rozdělení misorientací mezi sousedními buňkami mozaiky. K tomu zavedeme parametrický stochastický model a ukážeme, že ná- hodný výběr z hledaného rozdělení lze simulovat pomocí MCMC metody. V závěrečné části diskutujeme výsledky simulací v závislosti na parametru a geometrii mozaiky. 1cs_CZ
dc.description.abstractFirst we define marked tessellations to use as a model for polycrystalline structure. Then we list the necessary descriptions of orientations to use as marks for the tessellation. We formulate the necessary theory of Markov chains, so that we can use MCMC algo- rithms. The main goal is to simulate possible distributions of misorientations between neighboring cells of a tessellation. For that we formulate a parametric stochastic model and show, that we can simulate from the target distribution using an MCMC method. In the final chapter, we discuss how the results depend on the parameter and geometry of the tessellation. 1en_US
dc.languageČeštinacs_CZ
dc.language.isocs_CZ
dc.publisherUniverzita Karlova, Matematicko-fyzikální fakultacs_CZ
dc.subjectmisorientation distribution|tessellation|Markov chain Monte Carlo|crystallographyen_US
dc.subjectrozdělení misorientací|mozaika|markovské Monte Carlo|krystalografiecs_CZ
dc.titleStochastické metody v krystalografiics_CZ
dc.typebakalářská prácecs_CZ
dcterms.created2021
dcterms.dateAccepted2021-02-04
dc.description.departmentDepartment of Probability and Mathematical Statisticsen_US
dc.description.departmentKatedra pravděpodobnosti a matematické statistikycs_CZ
dc.description.facultyFaculty of Mathematics and Physicsen_US
dc.description.facultyMatematicko-fyzikální fakultacs_CZ
dc.identifier.repId217469
dc.title.translatedStochastic Methods in Crystallographyen_US
dc.contributor.refereePawlas, Zbyněk
dc.identifier.aleph002425623
thesis.degree.nameBc.
thesis.degree.levelbakalářskécs_CZ
thesis.degree.disciplineObecná matematikacs_CZ
thesis.degree.disciplineGeneral Mathematicsen_US
thesis.degree.programMathematicsen_US
thesis.degree.programMatematikacs_CZ
uk.thesis.typebakalářská prácecs_CZ
uk.taxonomy.organization-csMatematicko-fyzikální fakulta::Katedra pravděpodobnosti a matematické statistikycs_CZ
uk.taxonomy.organization-enFaculty of Mathematics and Physics::Department of Probability and Mathematical Statisticsen_US
uk.faculty-name.csMatematicko-fyzikální fakultacs_CZ
uk.faculty-name.enFaculty of Mathematics and Physicsen_US
uk.faculty-abbr.csMFFcs_CZ
uk.degree-discipline.csObecná matematikacs_CZ
uk.degree-discipline.enGeneral Mathematicsen_US
uk.degree-program.csMatematikacs_CZ
uk.degree-program.enMathematicsen_US
thesis.grade.csVýborněcs_CZ
thesis.grade.enExcellenten_US
uk.abstract.csV práci zavedeme mozaiky jako model mikrostruktury zrn v polykrystalickém ma- teriálu. Dále představíme potřebné popisy trojrozměných orientací pro kótování buněk. Představíme potřebnou teorii markovských řetězců abychom mohli používat MCMC algo- ritmy. Hlavním úkolem pak bude simulovat možná rozdělení misorientací mezi sousedními buňkami mozaiky. K tomu zavedeme parametrický stochastický model a ukážeme, že ná- hodný výběr z hledaného rozdělení lze simulovat pomocí MCMC metody. V závěrečné části diskutujeme výsledky simulací v závislosti na parametru a geometrii mozaiky. 1cs_CZ
uk.abstract.enFirst we define marked tessellations to use as a model for polycrystalline structure. Then we list the necessary descriptions of orientations to use as marks for the tessellation. We formulate the necessary theory of Markov chains, so that we can use MCMC algo- rithms. The main goal is to simulate possible distributions of misorientations between neighboring cells of a tessellation. For that we formulate a parametric stochastic model and show, that we can simulate from the target distribution using an MCMC method. In the final chapter, we discuss how the results depend on the parameter and geometry of the tessellation. 1en_US
uk.file-availabilityV
uk.grantorUniverzita Karlova, Matematicko-fyzikální fakulta, Katedra pravděpodobnosti a matematické statistikycs_CZ
thesis.grade.code1
dc.contributor.consultantSeitl, Filip
uk.publication-placePrahacs_CZ
uk.thesis.defenceStatusO
dc.identifier.lisID990024256230106986


Files in this item

Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record


© 2017 Univerzita Karlova, Ústřední knihovna, Ovocný trh 560/5, 116 36 Praha 1; email: admin-repozitar [at] cuni.cz

Za dodržení všech ustanovení autorského zákona jsou zodpovědné jednotlivé složky Univerzity Karlovy. / Each constituent part of Charles University is responsible for adherence to all provisions of the copyright law.

Upozornění / Notice: Získané informace nemohou být použity k výdělečným účelům nebo vydávány za studijní, vědeckou nebo jinou tvůrčí činnost jiné osoby než autora. / Any retrieved information shall not be used for any commercial purposes or claimed as results of studying, scientific or any other creative activities of any person other than the author.

DSpace software copyright © 2002-2015  DuraSpace
Theme by 
@mire NV