diff --git a/04-big-data-analysis-information-systems-developing-technologies.tex b/04-big-data-analysis-information-systems-developing-technologies.tex
new file mode 100644
index 0000000..bb9f1c1
--- /dev/null
+++ b/04-big-data-analysis-information-systems-developing-technologies.tex
@@ -0,0 +1,73 @@
+\documentclass{article}
+
+\input{settings/common-preamble}
+\input{settings/bmstu-preamble}
+\input{settings/fancy-listings-preamble}
+\author{Гребенюк Елена Алексеевна}
+\title{Технологии разработки информационных систем для анализа больших объёмов информации}
+\date{2023-02-08}
+
+\begin{document}
+\maketitle
+\tableofcontents
+\newpage
+\section{Введение}
+Основы ТВ и МС (случайные величины, непрерывные и дискретные СВ, матожидание, дисперсия, ковариация, корреляция)
+выборка, статистика, гистограмма, смещение
+несмещённая оценка...
+
+основы линейной алгебры. (матрицы, энтропия, ...)
+
+Визуализация - анализ ситуации, анализ исходной информации, анализ, интерпретация и представление результатов
+Поиск шаблонов поиск частых наборов - метод ассоциативных правил - market basket analysis
+прогнозирование - определение нового класса или объекта, которого не было в обучающей выборке
+
+\textbf{Этапы}
+Пример - Скоринг - определение платёжеспособности.
+\begin{itemize}
+\item формальная постановка задачи (кампания по привлечению кредитов, найти модель)
+\item данные (признаковое описание -- бинарные, числовые, категориальные, порядковые; матрица расстояний между объектами, временные ряды скалярных или векторных наблюдений, итого 16 прпизнаков)
+\item определение ответа (да/нет), но чаще всего нужен не бинарный ответ, а определение степени доверия ответу.
+\item выбор критериев качества решения (метрики оценивания используемого метода решения должны иметь интерпретацию, значимую для решаемой бизнес-задачи)
+\item выбор метода решения
+\item предобработка данных (если клиентов приндалежащих какому-то классу меньше 5\% выборка не сбалансирована)
+\item реализация, оценка качества
+\end{itemize}
+
+Работа с несбалансированными выборками
+\begin{enumerate}
+\item выкинуть лишнее или продублировать недостающее
+\item создать недостающие параметры
+\item изменить веса параметров
+\end{enumerate}
+
+Метрики
+TP FP FN TN (ошибки первого и второго рода).
+
+Accuracy = TN + TP / n - метрика сама по себе неприменима.
+Precision = TP/TP+FP уровень доверия к положительным ответам модели, доля истинных положительных объектов, выделенных классификатором как положительные
+Recall = TP/TP+FN какая часть положительных объектов правильно определена классификатором
+
+F - мера (F-score)- гармоническое среднее точности и полноты. F – мера обладает важным свойством - она близка к нулю, если хотя бы один из аргументов близок к нулю: F = 2*precision recall precision+recall 0≤ F ≤ 1
+
+Ошибка 1 рода (Туре I Error) случается, когда объект ошибочно относится к положительному классу
+Ошибка 2 рода (Туре II Error) случается, когда объект ошибочно относится к отрицательному классу
+
+Confusion Matrix
+TP FP
+FN TN
+Хорошо подходит для многоклассовой классификации.
+
+ROC-кривая
+Число строк в квадрате справа равно числу единиц, число столбцов - числу нулей. Стартуем из точки (0, 0)(левый нижний угол. Если значение метки класса в просматриваемой строке 1, то делаем шаг вверх; если 0, то делаем шаг вправо, если у нескольких объектов значения оценок равны, то делаем шаг в точку а блоков выше и блоков правее, где а - число единиц, b - число нулей в рассматриваемой группе объектов. Считаем сколько \% покрыто.
+
+Принятие решений на основе кривой.Для того, чтобы решить, какие объекты отнести к классу 1, а какие к классу 0, нужно будет выбрать некоторый порог (объекты с оценками выше порога относим к классу 1, остальные 0). Выбору порога соответствует выбор точки на ROC-кривой. Здесь для порога 0.25 выбрана точка (1/4,2/3), (табл. 3).
+ 1/4 - это\% точек класса 0, которые неверно классифицированы алгоритмом (FPR = False Positive Rate),
+
+ 2/3 - \% точек класса 1, верно классифицированых алгоритмом (TPR = True Positive Rate).
+
+Отбор признаков
+Могут быть зашумлены
+Методы: обёртки, фильтры, внутренние методы.
+
+\end{document}
\ No newline at end of file
diff --git a/04-og.tex b/04-og.tex
new file mode 100644
index 0000000..3d52642
--- /dev/null
+++ b/04-og.tex
@@ -0,0 +1,80 @@
+\documentclass{article}
+
+\input{settings/common-preamble}
+\input{settings/bmstu-preamble}
+\input{settings/fancy-listings-preamble}
+\author{Оганов Владимир Игоревич}
+\title{Разработка сложных электронных устройств}
+\date{2023-02-08}
+
+\begin{document}
+\sloppy
+\fontsize{14}{18}\selectfont
+\maketitle
+\tableofcontents
+\newpage
+\section{Введение}
+Электроника базируется на физике. Разделы физики 0 электричество в металлах, в полупроводниках и электромагнитные поля. Киргоф, Ом. Упрощают моделирование сложных систем, предоставляют математический аппарат.
+
+Сложное электронное устройство: большая схема -- неправильно решённая задача. Каждая лишняя деталь -- источник шумов, погрешностей, итд. компенсация порождает лавинный эффект. Проектирование СЦУ -- это проектирование ЦУ как можно проще.
+
+Электронное устройство не работает само по себе, а всегда в связке с окружающим миром и физическими параметрами, с которыми нужно уметь работать изначально. От параметров окружающей среды (источника и потребителя) зависит выбор технологии обработки внутри.
+
+digital remastering -- интерполяция звука с 44.1КГц - 96КГц в 192КГц.
+
+сейчас тренд к максимально быстрой оцифровке. после АЦП мягкая реализация - ДСП микропроцессоры, или жёсткая - ПЛИС или ЦПЛД.
+
+1. сигнал -- это физический процесс, содержащий информацию.
+2. электрический сигнал -- ток и напряжение изменённые во времени (связаны законом Ома).
+\[
+ i(t)
+ }
+ u(t)
+ \]
+электричество получается по закону электромагнитной индукции Фарадея.
+3. все электрические сигналы рассматриваются в двух областях - зависимость по времени и зависимость по частоте. во времени на сигнал смотрим осциллографом, в частоте спектроанализатор. связаны преобразованием Фурье.
+\[ \int_{-\infty}^{\infty} x(t) e^{-j\omega}dt\]
+
+х(т) это входной непрерывный сигнал умножаем на (ортогональный базис) тригонометрическую функцию. то есть ищем спектральную составляющую (корреляционный детектор). ортогональный базис нужен (косомега+жсиномега) для поиска фазы (если будет только синус или косинус - будем знать только амплитуду).
+
+Анализатор спектра (аналоговый непрерывного действия)
+(3)
+
+\[ x(t) = \frac{1}{2\pi}\int_{-infty}^\infty\ X(j\omega) e^{j\omega}d\omega \]
+
+когда работаем с цифровыми сигналами -- дискретное преобразование фурье, интеграз заменяется на сумму и берём не бесконченость, а определённое число отсчётов.
+
+электронное устройство (обобщённое) (4)
+Датчик преобразует электрический сигнал
+АО - на стандартных элементах (усилители фильтры иногда умножители)
+ФПО - фильтр для подавления образов
+
+УВХ (устройство выборки и хранения) + АЦП
+дискретизация по времени (УВХ) и квантование по уровню (АЦП). Сигнал при переходе в цифру всегда теряем информацию, важно минимизировать.
+
+ЦВБ
+ЦАП
+Деглитчер
+Восстанавливающий фильтр
+Драйвер и аналоговое исполнительное устройство
+
+любое инженерное решение - это всегда компромисс.
+
+Дискретизация сигнала во временной и частотной области
+
+Дискретизация - умножение на последовательность единичных импульсов. Дельта функция Дирака.
+
+\[ \delta(t) = \begin{cases} +\infty t=0 \\ 0 t \neq 0 \end{cases} \]
+
+\[ \int_{-\infty}^{\infty} \delta(t) dt = 1 \]
+
+Бесконечная спектральная функция ведёт к бесконечной энергии, физически невозможно.
+
+перемножение во временной это свёртка в частотной и наоброт.
+
+(5)
+
+дискретный сигнал в частотной области -- бесконечное число повторяющихся копий дискретного представления сигнала. в ЦВУ мы всегда работаем с дискретным сигналом. Важно на каком расстоянии стоят частоты дискретного сигнала (виртуальные образы цифрового сигнана). чтобы они не накладывались друг на друга нужна предварительная фильтрация (ФПО).
+
+
+\end{document}
diff --git a/04-telecommunication-systems-software.tex b/04-telecommunication-systems-software.tex
new file mode 100644
index 0000000..7840fa9
--- /dev/null
+++ b/04-telecommunication-systems-software.tex
@@ -0,0 +1,27 @@
+\documentclass{article}
+
+\input{settings/common-preamble}
+\input{settings/bmstu-preamble}
+\input{settings/fancy-listings-preamble}
+\author{Сидякин И. М.}
+\title{Программное обеспечение телекоммуникационных систем}
+\date{2023-02-09}
+
+\begin{document}
+\sloppy
+\fontsize{14}{18}\selectfont
+\maketitle
+\tableofcontents
+\newpage
+\section{Введение}
+Erlang -- специально разработан для телекоммуникационных систем. Позволяет избежать неописанных состояний, неожиданного поведения.
+
+Микропроцессы (делают минимальную задачу) объединены иерархически, над процессом есть процесс особого вида, который сам не делает, но управляет другими процессами. Самое главное, что делает процесс верхнего уровня - обрабатывает ошибки (останавливает работу, аналог выбрасывания исключения).
+
+Конкурентно-ориентированный язык программирования. В первую очередь применяется для распределенных вычислений и конкурентных операций. Способен исполнять много небольших легковесных процессов, т.е. тысячи, десятки тысяч, и более. Процессы выполняют маленькие задачи и обмениваются сообщениями, которые складываются в очереди сообщений. Кластеры маленьких процессов могут быть распределены.
+
+Процессы взаимодействуют друг с другом только с помощью сообщений. Отсутствуют критические секции и общая память. Основной упор сделан на защиту от сбоев и надежность.
+
+Процессы могут следить за ошибками в других процессах. Когда процесс завершается, он автоматически сигнализирует об этом всем связанным с ним процессам
+
+\end{document}
diff --git a/04-telematics.tex b/04-telematics.tex
new file mode 100644
index 0000000..2d64b33
--- /dev/null
+++ b/04-telematics.tex
@@ -0,0 +1,84 @@
+\documentclass{article}
+
+\input{settings/common-preamble}
+\input{settings/bmstu-preamble}
+\input{settings/fancy-listings-preamble}
+\author{Мещеринова Ксения Владимировна}
+\title{Телематика}
+\date{2023-02-08}
+
+\begin{document}
+\sloppy
+\fontsize{14}{18}\selectfont
+\maketitle
+\tableofcontents
+\newpage
+\section{Введение}
+DevOps -- стратегия разработки ПО, призванная устранить разрыв между разработчиками, и другими командами.
+
+Методологии разработки - waterfall, agile (scrum, lean)
+
+Обычно ИТ-команда это разработчики(Dev), тестировщики(QA), группа эксплуатации(Ops). Толчком к появлению девопс стало появление микросервисов.
+
+цели - надёжность, скорость выхода на рынок.
+
+девопс предлагает представителям ранее разрозненных подразделений координировать свои действия. Культура: совместная работа и согласованность, изменения в сфере участия и ответственности, сокращение циклов выпуска (не количество, а сами циклы), непрерывное обучение.
+
+методики
+\begin{itemize}
+\item непрерывная доставка (CI/CD)
+\item управление версиями (git)
+\item гибкая разработка (DevOps)
+\item инфраструктура как код (IaC)
+\item управление конфигурацией
+\item непрерывный мониторинг
+\end{itemize}
+
+\begin{figure}[H]
+ \centering
+ \includegraphics[width=12cm]{04-telematics-devops.png}
+\end{figure}
+
+(инструменты как таблица менделеева)
+
+
+Внедрение облачных технологий в корне изменило способы создания развёртывания и эксплуатации приложений. Затраты, скорость, глобальный масштаб, производительность, эффективность, надёжность, безопасность.
+
+Три способа развёртывания облачных служб:
+\begin{itemize}
+\item Публичное облако -- всё принадлежит облачному поставщику.
+\item частное облако -- ресурсы только одной компании, локаный ЦОД (иногда аутсорс ЦОД)
+\item гибридное облако
+\end{itemize}
+
+модели обслуживания:
+\begin{itemize}
+\item IaaS -- infrastructure (серверы, виртуальные машины, итд с оплатой по мере использования);
+\item PaaS -- platform (среда по управлению, доставке, итд, упрощает разработчикам настройку связок);
+\item Saas -- software (предоставление уже разработанного ПО как услуги);
+\end{itemize}
+
+В девопс облаке, с помощью девопс возможно:
+\begin{itemize}
+\item создание собственных облачных приложений
+\item тестирование и сборка приложений
+\item хранение, резервное копирование, восстановление данных
+\item анализ данных
+\item доставка ПО по запросу
+\end{itemize}
+
+DevOps-инженер -- высококвалифицированный специалист, который отвечает за автоматизацию всех этапов создания приложений и обеспечивает взаимодействие программистов и системных администраторов. Прорабатывает сборку, доставку и тестирование. Build-инженер, Release-инженер, Automation-инженер
+
+Необходимые знания:
+\begin{itemize}
+\item Основы программирования (базовый уровень, несколько языков)
+\item освоиться в принципах работы ОС
+\item понимать облачные и гибридные решения
+\item разбираться в системах оркестрации
+\item освоить принципы работы микросервисов
+\item понимать принципы работы с системами конфигурации
+\end{itemize}
+
+Используемые инструменты -- Jenkins, Docker, Kubernetes, Git, Приложения для управления инфраструктурой (Terraform), платформенные и облачные сервисы, утилиты мониторинга и оповещений.
+
+\end{document}
diff --git a/04-time-series-analysis-forecasting.tex b/04-time-series-analysis-forecasting.tex
new file mode 100644
index 0000000..2292273
--- /dev/null
+++ b/04-time-series-analysis-forecasting.tex
@@ -0,0 +1,165 @@
+\documentclass{article}
+
+\input{settings/common-preamble}
+\input{settings/bmstu-preamble}
+\input{settings/fancy-listings-preamble}
+\author{Гребенюк Елена Алексеевна}
+\title{Анализ и прогнозирование временных рядов}
+\date{2023-02-08}
+
+\begin{document}
+\sloppy
+\fontsize{14}{18}\selectfont
+\maketitle
+\tableofcontents
+\newpage
+\section{Введение}
+
+\href{https://jino.cloud/s/GGZgntaAqMRQbK2}{Вентцель -- Теория вероятностей}
+
+\href{https://jino.cloud/s/8qNSXycHpkmmmZb}{Гмурман -- Ьеория вероятностей и математическая статистика}
+
+\subsection{Содержание курса}
+\begin{enumerate}
+\item Построение моделей временных рядов, линейные модели: ARMA, AR,MA, ECM. Прогноз.
+\item Ряды со стохастическим трендом и их модели: ARIMA, SARIMA.
+\item Модели с условной гетероскедастичностью: ARCH, GARCH (модели для прогнозирования волатильности доходности финансовых активов).
+\item Сингулярный спектральный анализ (SSA).
+\item Локальная аппроксимация (LA).
+\item Алгоритмы обнаружения изменений свойств временных рядов.
+\end{enumerate}
+\subsection{Модель случайности}
+Вероятностное пространство включает следующие элементы: $\{\Omega, F, P \}$, где $\Omega = \{ \omega_1, \omega_2, ... \}$ -- пространство элементарных событий, множество(конечное или счетное); $F$ -- $\sigma$ -алгебра событий -- структура на множестве событий $\Omega$; P -- вероятность -- мера, определенная на F.
+$\sigma$ -алгебра F - набор подмножеств (подмножеств событий), который
+\begin{enumerate}
+\item содержит достоверное событие: $\Omega \subset F$.
+\item вместе с любым событием $A \subset F$ содержит и противоположное к нему: если $A \subset F$, то $\overline{A} \subset F$.
+\item вместе с любыми событиями $A_1, A_2, ... A_n, ...$ система F содержит их объединение -- если $A_1, A_2, ... A_n \subset F, то \cup_{i=1}^{\infty} A_i \subset F$.
+\end{enumerate}
+(сигма-алгебра позволяет включить бесконечное число множеств.)
+
+Мера -- это неотрицательная $\sigma$-аддитивная функция множеств, всегда положительная если пространство дискретно.
+
+Пусть: $\Omega$ -- некоторое множество, и F -- $\sigma$-алгебра его подмножеств. Функция $\mu: F \to R \cup + \infty$ называется мерой на $\{ \Omega, F \}$ если она удовлетворяет условиям:
+\begin{itemize}
+\item для любого множества $A \in F$ его мера неотрицательна: $\mu(A) \gg 0 $;
+\item для любого счётного набора попарно непересекающихся множеств
+ $A_1, A_2, A_3, ... \in F$ (т.е. такого, что $A_i \cap A_j = \oslash$ при всех $i \neq j$) мера их объединения равна сумме их мер:
+ \[ \mu(\cup_{i=1}^{\infty} A_i) = \sum_{i=1}^{\infty} \mu(A_i) \]
+\end{itemize}
+
+(другими словами) $\Omega$ - это множество всех возможных значений. $F$ -- это вероятность получения определённого сочетания. например, бросаем кубик и за два броска выпало $\{ 1, 2 \}$. какая вероятность?
+\[ \frac{6!}{2! * 4!} = 15, \]
+то есть 1/15. Или, например есть температура, которая может изменяться равномерно в интервале $10^\circ - 15^\circ$. тогда её вероятность $P < 7,5 = 1/2$
+
+\subsection{Определение вероятности}
+Функция распределения представляет собой вероятность того, что случайная величина $\xi$ будет меньше ...\footnote{неразборчиво}. Неубывающая, всегда либо растёт, либо постоянна. непрерывна слева (значит справа необязательно определена).
+
+Вероятностью называется числовая функция P, определенная на $\sigma$-алгебре $F$ со значениями в $R, (P: F \to R)$ и удовлетворяющая следующей системе аксиом:
+\begin{enumerate}
+\item $0 \ll P(A) \ll 1, \forall A \in F$;
+\item Для любого счётного набора попарно несовместных событий $A_1, A_2, A_3, ... \in F$ выполняется равенство $(\cup_{i=1}^{\infty} A_i) = \sum_{i=1}^{\infty} P(A_i)$.
+\item $P\{\Omega\} = 1$
+\end{enumerate}
+
+Случайная величина представляет собой измеримое отображение вероятностного пространства $\{ \Omega, F, P \}$ в измеримое пространство $\{ R, F(R), P_X \}$ на числовой прямой.
+
+Пусть $\Omega = \{ \omega_1, \omega_2, ..., \omega_n, ...\}$. Если случайная величина может принимать не более чем счетное число значений, то она называется дискретной, если конечное число значений, то простой:
+
+\[ \xi(\omega) = \sum_{i}X_iI_{A_i}(\omega), I_A(\omega) =
+ \begin{cases}
+ 1, \omega \in A \\
+ 0, \omega \notin A
+ \end{cases}
+\]
+
+Распределение дискретной случайной величины задается набором вероятностей $p_1, p_2, ..., p_n, ...$ таких, что $\sum_{i=1}^{\infty} p_i = 1$.
+
+
+\subsection{Непрерывная случайная величина, функция распределения случайной величины}
+Непрерывная случайная величина имеет плотность (справедливо только для абсолютно непрерывных).
+
+Случайная величина может принимать не только дискретные значения, но и
+любые значения из некоторого конечного или бесконечного интервала: $(a, b), [\infty, b], ...$. Такая величина называется \textbf{непрерывной случайной величиной}.
+
+Соответствие между значениями случайной величины и вероятностями, с которыми она их принимает, называют \textbf{законом распределения случайной величины}. Для дискретной случайной величины этот закон задается простым перечислением вероятностей каждого ее значения.
+
+\textbf{Функцией распределения случайной величины} $\xi$ называется функция $F_X(x)$, при каждом $x$ равная вероятности того, что случайная величина $X$ принимает значения, меньшие, чем $x$:
+
+\[ F_X(x) = P(X < x)\]
+
+\subsection{Абсолютно непрерывная функция распределения}
+Функция распределения $F_X(x)$ называется абсолютно непрерывной, если существует такая функция $p_X(x)$, что
+\[ F_X(b) - F_X(a) = \int_a^b p_X(x) dx \]
+называется плотностью распределения случайной величины X.
+
+Теорема:
+\begin{enumerate}
+\item $p_{\xi}(x) \geq 0$ для любого $x$.
+\item $\int_{-\infty}^{\infty} p_\xi(x)dx = 1$
+\end{enumerate}
+Любая функция p_\xi(x), удовлетворяющая условиям теоремы может рассматриваться как плотность распределения некоторой случайной величины.
+
+\subsection{Нормальное распределение}
+Непрерывная случайная величина $X$ имеет нормальное или гауссовское распределение с параметрами $a$ и $\sigma$, если плотность вероятности ее равна
+
+\[ p_X(x) = \frac{1}{\sigma\sqrt{2\pi}} e^{-\frac{(x-a)^2}{2\sigma^2}}, \]
+
+где $a \in R, \sigma > 0$. Обозначение: 𝑁 𝑎, 𝜎 2 , где 𝑎 –
+математическое ожидание, 𝜎 − среднее квадратичное
+отклонение.
+Функция распределения:
+
+\subsection{Нормальное распределение}
+
+Нормальное распределение с параметрами а и сигма если её плотность вероятности равна
+
+и математическое ожидание а и сигма - среднее квадратичное отклонение.
+
+(картинка ляма)
+оба графика это нормальное распределение. у синего среднее 0 у красного среднее 1. сигма это разброс относительно среднего. важно, что площадь одинаковая. распределение зарактеризуется двумя параметрами - среднее и дисперсия. у красной
+%P_2(x)=\frac{1}{\sqrt{2\pi}}e^{\frac{(x+1)^2}{2\sigma^2}}
+
+(картинка ляма 2) получается у второго будет меньше вариативности около -1
+
+в нормальном распределении
+%Ф_0(0) = 0,5
+%Ф_0(-ч) = 1-Ф_0(ч)
+
+правило трёх сигм
+если отклонение случайной величины меньше трёх сигм (стандартных отклонений) мы считаем что вероятность пренебрежимо мала.
+
+Характеристики
+%мат ожиданием случайной величины Х с плотностью р_х(х) называется неслучайная велична м_х=\интхр_х(х)дх, если этот интеграл сходится, то есть \интмодуль хи р_х(х)дх меньше инфти
+
+случайность - это отсутствие полной информации об эксперименте. если кубик бросить сто раз в среднем выпадет 3,5. мат ожидание броска 3,5.
+
+свойства матожидания
+
+дисперсия случайной величины равна нулю.
+%\overline{DX}=\frac{\sum_{i-1}^{n}(x_i-\overline{X})^2}{n-1}
+
+Во временных рядах каждое следующее значение в момент Т зависит от предыдущего в момент Т-1. Например, изменение температуры или цен. Если эта зависимость существует, то существует связь, мера этой связи называется ковариацией. ковариация величины с самой собой это дисперсия.
+
+Задачи
+ксит +
+кси1,2...т,т-1 белый шум
+
+белый шум когда МО = 0 а дисперсия =сигма квадрат != 0, а ковариация = 0.
+
+модель скользящего среднего
+%X_t = \sum_{i=0}\alpha_i \sum_{t-i} где альфа - сходимый ряд (бесконечная сумма меньше бесконечности)
+
+%X_t = 2_\infty \ksi_{t-1} - 3\ksi_{t-2} + \ksi_t + 1
+
+мат ожидание = 1
+если величины независимы - матожидание = 0
+дисперсия суммы (если величины независимы)
+%Var(X_t) = Var(2\ksi_{t-1}) - Var(3\ksi_{t-2}) + Var(\ksi_t + 1) = 4Var(\ksi_{t-1}) + 9Var(\ksi_{t+2}) + Var \ksi_t = 14
+
+%Cov(X_t X_{t-1}
+%x_t = 2\ksi_{t-1} - 3\ksi_{t-2} + \ksi_{t+1}) =
+
+%Var(x\pm y) = Var(x) + Var(y) \pm 2cov(x, y), если х и у не кореллируют.
+
+\end{document}
diff --git a/04-videostream-object-parameter-recognition-algorithms.tex b/04-videostream-object-parameter-recognition-algorithms.tex
new file mode 100644
index 0000000..c95fc12
--- /dev/null
+++ b/04-videostream-object-parameter-recognition-algorithms.tex
@@ -0,0 +1,93 @@
+\documentclass{article}
+
+\input{settings/common-preamble}
+\input{settings/bmstu-preamble}
+\input{settings/fancy-listings-preamble}
+\author{Локтев Даниил Алексеевич}
+\title{Алгоритмы (методы)определения параметров объектов в видеопотоке}
+\date{2023-02-08}
+
+\begin{document}
+\fontsize{14}{18}\selectfont
+\maketitle
+\tableofcontents
+\newpage
+\section{Введение}
+\subsection{Основные понятия}
+РК 15.03 и 10.04
+
+\textbf{Алгоритм} -- это определённая строгая последовательность дискретных действий, которая приводит к конечному результату
+
+\textbf{Метод} -- менее конкретный, чем алгоритм, основан на законах окружающей среды. Метод может быть реализован большим числом алгоритмов.
+
+\textbf{Подход} -- это совокупность методов.
+
+\subsection{Основные этапы работы с изображением}
+\begin{enumerate}
+\item Получение изображения (регистрация);
+\item улучшение изображения (фильтрация, деформация);
+\item детектирование объектов;
+\item отслеживание объектов;
+\item определение параметров объектов (геометрические, кинетические, ...);
+\item обработка информации (стат. анализ);
+\item разпознавание объектов;
+\item сжатие данных об объекте.
+\end{enumerate}
+
+Методы выявления расстояния до объекта:
+\begin{itemize}
+\item времяпролётные PMD-камеры
+\item ToF-устройства (работают по принципу эхолокации, но со светом)
+\item Обычные камеры (стереозрение, расфокусировка).
+\end{itemize}
+\subsection{Основные этапы функционирования системы мониторинга}
+\begin{enumerate}
+\item Активация внешних модулей (получение первоначальных данных);
+\item сбор информации об исследуемом объекте;
+\item мониторинг процесса получения первоначальных данных и общего состояния системы;
+\item отслеживание и контроль параметров качества;
+\item обеспечение персонала и оборудования необходимой информацией;
+\item установление взаимодействия между персоналом и оборудованием (также между различными модулями системы);
+\item изменение параметров фото- и видеофиксации объекта контроля, в зависимости от параметров внешней среды (например, освещённость) или характеристик состояния и поведения самого объекта контроля.
+\end{enumerate}
+
+\begin{figure}[H]
+ \centering
+ \fontsize{11}{1}\selectfont
+ \includesvg[scale=.9]{pics/04-vora-00-image-taking-device.svg}
+ \caption{Регистрация цифрового изображения в устройстве}
+\end{figure}
+
+\subsection{Основные характеристики камеры}
+Есть камеры, хранящие набор пикселей, но есть и «векторные» которые могут менять свою точку фокусировки и хранить набор пикселей для каждого из фокусов. Удобно менять точку фокусировки уже после создания снимка.
+\begin{itemize}
+\item Характеристики оптической системы.
+ \begin{enumerate}
+ \item Основная характеристика -- фокусное расстояние (способность собирать в одну точку лучи света, параллельных оптической оси)
+ \begin{figure}[H]
+ \centering
+ \fontsize{14}{1}\selectfont
+ \includesvg[scale=1.01]{pics/04-vora-00-focusing.svg}
+ \end{figure}
+
+ \item угол поля зрения (обратная зависимость от фокусного расстояния) -- угол между двумя лучами, пороходящими через центр входного зрачка объектива к наиболее удалённым точкам попадающим на изображения.
+ \item апертура объектива -- это диаметр светового пучка на входе в объектив, полностью проходящего через диафрагму (есть входная и выходная, чаще всего считают одинаковыми). от этого будет сильно зависеть характеристики изображения.
+ \item разрешающая сила объектива (характеристики, отображающие его возможность передачи изображения, зависит от предыдущих параметров).
+ \[\frac{1}{K} = \frac{1}{N} + \frac{1}{M} \]
+ где $K$ -- это общая разрешающая сила, $N$ - разрешающая сила оптической системы, $M$ - разрешающая сила системы преобразования
+ \[ K = \frac{NM}{N+M} \]
+ \end{enumerate}
+\item характеристики светочувствительной матрицы
+ \begin{enumerate}
+ \item отношение сигнал/шум (часто рассматривается вместе с усилителем) физическая величина, определяющая средние колебания в определённых пределах;
+ \item физический размер пикселя светочувствительной матрицы;
+ \item физический размер всей светочувствительной матрицы (ширина на высоту);
+ \item выдержка -- интервал времении, в течение которого свет попадает на участок светочувствительной матрицы;
+ \item глубина резкости (глубина резкозти изображаемого пространства) - расстояние вдоль оптической оси линзы.
+ \end{enumerate}
+\end{itemize}
+
+Зная характеристики камеры мы можем по размытому изображению определить расстояние.
+
+\end{document}
+
diff --git a/pics/04-telematics-devops.png b/pics/04-telematics-devops.png
new file mode 100644
index 0000000..dac7254
Binary files /dev/null and b/pics/04-telematics-devops.png differ
diff --git a/pics/04-vora-00-focusing.svg b/pics/04-vora-00-focusing.svg
new file mode 100644
index 0000000..a862919
--- /dev/null
+++ b/pics/04-vora-00-focusing.svg
@@ -0,0 +1,176 @@
+
+
+
+
diff --git a/pics/04-vora-00-image-taking-device.svg b/pics/04-vora-00-image-taking-device.svg
new file mode 100644
index 0000000..b6d5492
--- /dev/null
+++ b/pics/04-vora-00-image-taking-device.svg
@@ -0,0 +1,293 @@
+
+
+
+