EIT Digital
定量形式建模和最坏情况性能分析
EIT Digital

定量形式建模和最坏情况性能分析

Dr.ir. Pieter Cuijpers
Anne Remke

位教师:Dr.ir. Pieter Cuijpers

8,613 人已注册

包含在 Coursera Plus

深入了解一个主题并学习基础知识。
4.4

(44 条评论)

2 周 完成
在 10 小时 一周
灵活的计划
自行安排学习进度
深入了解一个主题并学习基础知识。
4.4

(44 条评论)

2 周 完成
在 10 小时 一周
灵活的计划
自行安排学习进度

要了解的详细信息

可分享的证书

添加到您的领英档案

授课语言:英语(English)

了解顶级公司的员工如何掌握热门技能

Petrobras, TATA, Danone, Capgemini, P&G 和 L'Oreal 的徽标

该课程共有5个模块

本课程是嵌入式系统混合硕士课程的一部分。

涵盖的内容

1个视频1篇阅读材料

在本单元/周中,你们将学习绘制代币消费/生产系统模型,并以非正式的方式与他人交流你们对该模型的理解。在本模块结束时,你将能够绘制自己的模型,并用一般术语解释你对模型的理解。此外,您还将了解消费/生产系统的标准 Petri 网解释,并能指出 Petri 网模型中的特殊模式。最后,你将能够把消费/生产模型细化为一个包含足够信息的模型,以便进行最坏情况下的性能分析。所有这些都将通过同行评议作业进行测试。

涵盖的内容

11个视频3篇阅读材料5个作业1次同伴评审

在本模块/周中,你们将真正训练自己的抽象思维能力。完成本模块后,你将学会如何将任何动态系统的行为形式化为前缀阶,以及如何将消费/生产系统的解释形式化为这种前缀阶上的计数函数。您将了解 Petri 网解释如何对这些计数函数施加某些限制,以及如何利用这些限制来证明 Petri 网解释的属性,而无需知道实际解释本身。在本模块结束时,您将通过识别形式化的正确和错误示例,练习将性能指标形式化为计数函数的逻辑属性。 已经熟悉 Petri 网理论的人可能会发现,我在本课程中介绍的前缀阶语义与他们习惯的语义略有不同。传统的 Petri 网语义通常基于标记、转换系统或执行树。执行树是前缀顺序的一个特殊例子,但一般来说,前缀顺序提供了更大的灵活性,因为它不会将用户局限于对行为的离散解释。这尤其适用于寻求理论计算机科学与嵌入式系统等应用领域之间的联系,本课程正是源于嵌入式系统,其中还必须考虑物理系统的连续行为。

涵盖的内容

14个视频5篇阅读材料5个作业

在本模块/本周中,您将学习如何利用单速率数据流图的结构,对吞吐量、延迟和缓冲等性能指标进行最坏情况分析。完成本周学习后,您将知道如何计算数据流图的最大周期平均值、如何为其构建周期性计划、如何优化该计划以进行延迟分析,以及如何确定具有反向压力的缓冲区大小,从而使最坏情况分析保持有效。如果你理解了上一模块/周的内容,本周介绍的证明将使你对这些方法的数学基础有更深入的理解。

涵盖的内容

20个视频2篇阅读材料5个作业

在最后一周,我们将按照第一单元/周的同行评议作业大纲,再讨论一个例子。这只是一个小结,综合了我们迄今为止所学到的一切,还有一些额外的阅读材料,以激发进一步探索的欲望。

涵盖的内容

1个视频5篇阅读材料

位教师

Dr.ir. Pieter Cuijpers
EIT Digital
1 门课程8,613 名学生
Anne Remke
EIT Digital
2 门课程13,339 名学生

提供方

EIT Digital

从 软件开发 浏览更多内容

人们为什么选择 Coursera 来帮助自己实现职业发展

Felipe M.
自 2018开始学习的学生
''能够按照自己的速度和节奏学习课程是一次很棒的经历。只要符合自己的时间表和心情,我就可以学习。'
Jennifer J.
自 2020开始学习的学生
''我直接将从课程中学到的概念和技能应用到一个令人兴奋的新工作项目中。'
Larry W.
自 2021开始学习的学生
''如果我的大学不提供我需要的主题课程,Coursera 便是最好的去处之一。'
Chaitanya A.
''学习不仅仅是在工作中做的更好:它远不止于此。Coursera 让我无限制地学习。'
Coursera Plus

通过 Coursera Plus 开启新生涯

无限制访问 10,000+ 世界一流的课程、实践项目和就业就绪证书课程 - 所有这些都包含在您的订阅中

通过在线学位推动您的职业生涯

获取世界一流大学的学位 - 100% 在线

加入超过 3400 家选择 Coursera for Business 的全球公司

提升员工的技能,使其在数字经济中脱颖而出

常见问题

¹ 本课程的部分作业采用 AI 评分。对于这些作业,将根据 Coursera 隐私声明使用您的数据。