Очевидно, что существует класс экономических задач Q, в которых присутствуют вероятностные и неопределенные факторы всех типов (квадрант 1 -2-3-4), каждый из которых оказывает весьма существенное влияние на решение исходной задачи. Этот тип задач наиболее трудно формализовать, гак как необходимо не только избавиться от всех неопределенных параметров таким образом, чтобы не исказить суть исходной задачи, но и провести большой объем вычислений. Поэтому, мы считаем, что в таких ситуациях целесообразно использовать метод имитационного моделирования, поскольку имитационные модели позволяют анализировать задачи в условиях большой размерности и неполноты априорной информации, они отличаются доступностью методологии, а использование ЭВМ позволяет достаточно быстро и эффективно обрабатывать полученные результаты. [c.49]
Автоматизация ТПШ в массовом и крупносерийном производстве в настоящее время базируется, в основном, на использовании САУ разомкнутого типа, реализующих простейшие алгоритмы управления режимами обработки типа параметрических или временных программ, формируемых на основе априорной информации (2). Такими устройствами оснащено в своем большинстве шлифовальное оборудование отечественного и импортного производства, опытно-производственного автомобильного заводов и автосервисов в городах Алматы, Астаны и Атырау. [c.140]
Наиболее сложным, трудоемким и дорогостоящим методом анализа рисков является метод Монте-Карло. Он, в основном, используется для анализа рисков крупных проектов в условиях недостаточного объема априорной информации. Этот метод заключается в построении имитационных моделей, позволяющих создать множество сценариев, согласующихся с заданными ограничениями на исходные переменные. [c.281]
С достаточно мелким шагом (например, 0,01) перебираются все значения у из возможной области значений этого параметра (если никакой априорной информации не имеется, то эта [c.203]
В реальных системах оперативной обработки априорная информация о временах решения задач, как правило, отсутствует. Чтобы воспользоваться принципами планирования на основе алгоритма SPT, в систему вводятся средства, обеспечивающие выявление коротких и длинных работ непосредственно в ходе вычислительного процесса. [c.98]
В связи с этим практический интерес представляют постановки задачи календарного планирования, базирующиеся на априорной информации и обеспечивающие получение неслучайных детерминированных планов в результате решения. [c.58]
Адлер Ю. П., Александрова И. Ф., Грановский Ю. В. и Налимов В. В. Об одном методе формализации априорной информации при планировании эксперимента. В кн. Планирование эксперимента. Наука , М., 1966. [c.161]
Принципы функционирования обучающихся и самообучающихся систем, к которым правомерно относится и наука, основаны на использовании процессов обучения, позволяющих недостаток исходной априорной информации восполнить обработкой текущей информации. Процесс обучения осуществляется с помощью соответствующих алгоритмов, которые при надлежащих условиях, в частности при реализациях неограниченной длины, обеспечивают асимптотически достижение обучающейся системой некоего оптимального состояния. Если длина реализаций конечна, то целесообразно использовать алгоритмы, которые обеспечивают в реализациях конечной длины наилучшее в определенном смысле приближение к некоему оптимальному значению. Вид [c.160]
Самообучающаяся система анализирует прошлый опыт с тем, чтобы улучшить свое действие. Она рассчитана на изменение структуры и (или) параметров при возникновении новой обстановки с оптимизацией своей характеристики. Причем, если изменение обстановки нельзя предвидеть, то количество априорной информации, необходимой для адаптивного действия системы, выходит из пределов допустимого. В отдельных случаях обстановка может меняться так быстро, что система не в состоянии поддерживать оптимальный режим. В таких случаях обучающиеся системы становятся предпочтительней. [c.162]
Самообучающаяся система управления предназначена для того, чтобы определять аналогичные состояния в какой-либо ситуации, получать больше априорной информации с течением времени и затем, опираясь на накопленный опыт, действовать оптимальным образом с целью достижения наилучшего качества работы. Оптимизация сложных процессов посредством оптимизаторов, использующих метод проб и ошибок при вариациях параметров, обладает тем свойством, что время оптимизации велико. При этом в общем виде требуется много малых изменений параметров и система управления должна успеть отреагировать на каждое из них. [c.163]
Какие выводы о некотором параметре генеральной совокупности мы можем сделать, имея выборочное значение этого параметра Ответ на этот вопрос зависит от того, имеем ли мы априорную информацию о величине генерального параметра. [c.65]
Если априорная информация о величине генерального параметра отсутствует, то мы можем по выборочному значению оценить этот параметр., задав для него доверительный интервал, то есть границы, в которых его величина лежит с определенной доверительной вероятностью. [c.65]
Априорная информация Математическое ожидание JLI = 1 [c.71]
Априорная информация Математическое ожидание // = 0.7 [c.72]
Априорная информация Математическое ожидание // = 1.5 [c.73]
Поясним основную мысль на примере. Психологически оправдано следующее предположение игроки обращают внимание в основном на форму кривой цен. а не на конкретные значения по осям. Поэтому если немного растянуть по оси котировок весь временной ряд то полученный в результате такого преобразования ряд также можно использовать для обучения наряду с исходным. Мы, таким образом, удвоили число примеров за счет использования априорной информации, вытекающей из психологических особенностей восприятия временных рядов участниками рынка.3 Более того, мы не просто увеличили число примеров, но и ограничили класс функций, среди которых ищется решение, что также повышает качество предсказаний (если, конечно, использованный и н вари ант соответствует действительности). [c.155]
Аналогичным образом графический анализ структуры лага можно проводить и с помощью относительных коэффициентов регрессии / у. Основная трудность в выявлении структуры лага состоит в том, как получить значения параметров bj (или PJ). Выше уже отмечалось, что обычный МНК редко бывает полезным в этих целях. Поэтому в большинстве случаев предположения о структуре лага основаны на общих положениях экономической теории, на исследованиях взаимосвязи показателей либо на результатах проведенных ранее эмпирических исследований или иной априорной информации. [c.297]
Если выборка объемом п сделана из генеральной совокупности нормально распределенных величин х с известными М(х) = а к D(x) = а2, то при уровне значимости а можно проверить гипотезу Я0 а = а0, где а0 — предполагаемое значение математического ожидания. Предложение о величине о0 делается либо по результатам выборки п, либо по имеющейся априорной информации о генеральной совокупности. [c.64]
Первая задача ставится с учетом априорной информации о возмущении со и неконтролируемой составляющей z, заданной соотношениями (1.4) и (1.5). Данная задача может рассматриваться как на элементах пространства состояний ИС Н, так и на элементах интеллектуальной среды S. Поскольку второй и третий этапы решения общей задачи синтеза предполагается осуществлять непосредственно на элементах среды S, то, без ограничения общности, и первую задачу будем рассматривать в рамках среды S. [c.33]
Часть I Если априорная информация о со и z согласно (1.4), (1.5) задана точно (соответствует действительности) и в процессе функционирования систем характер информации о со и z не изменяется, то решение задачи I позволяет синтезировать закон управления для всего времени функционирования ИС. [c.34]
Более того, в адаптивных системах всегда используется априорная информация о неопределенности в системе. Это принципиальное отличие адаптивного подхода от робастного. [c.62]
В силу реально сложившихся условий статистические данные, характеризующие производственную деятельность большинства отечественных предприятий, представлены непрерывными дискретными динамическими рядами небольшой протяженности, упорядоченными по параметру - временному интервалу, равному (чаще всего) одному году. По своей природе это типичные короткие временные ряды. Они имеют сложную природу происхождения, отражая, прямо или опосредованно, влияние большого числа формирующих их факторов. Результативный анализ эволюции подобных процессов (имеющих как экономическую, так и производственную природу происхождения) базируется на тщательном исследовании всех влияющих факторов. Это крайне сложная, а подчас просто нереальная, с практической точки зрения, задача, поскольку обычно мало что известно о фактической связи изучаемых факторов и прогнозируемого экономического параметра. Но поскольку совокупное влияние формирующих факторов определяет некоторую закономерность изменения рассматриваемого параметра во времени, эта закономерность может быть исследована по временному ряду наблюдений за выбранным параметром. Существенных результатов в ряде случаев можно добиться при анализе и прогнозе отдельного целенаправленно сформированного временного (динамического) ряда. Безусловно, наличие априорной информации о функционировании изучаемого процесса значительно облегчает проблему, но в общем случае это типичная задача [c.27]
Очевидно, что теорема 2 не описывает все случаи. Возможны проблемы трех типов, которые мы подробно рассмотрим. Первая проблема возникает, когда k столбцов матрицы X линейно зависимы вторая проблема возникает, когда имеется априорная информация, что параметры удовлетворяют линейному ограничению вида R/3 = г третья проблема связана с тем, что ковариационная п х п матрица
Предположим теперь, что имеется некоторая априорная информация о наличии точных линейных ограничений на коэффициенты [c.333]
Линейные ограничения на вектор параметров f3 возникают двояким образом. Во-первых, можно обладать априорной информацией о том, что параметры удовлетворяют определенным линейным ограничениям [c.347]
Пусть (y,X/3,V) — нормальная линейная регрессионная модель с положительно определенной матрицей V. Предположим, что существует априорная информация о /3 [c.386]
Рассмотрим нормальную линейную регрессионную модель (у,Х(3, V), V положительно определена с априорной информацией (3 Л/"(6, Я "1). Тогда локальные чувствительности апостериорного среднего 6, заданного в (3), по отношению к V"1, X и априорным 6, Я "1 равны соответственно [c.386]
В этом параграфе будет предполагаться, что вся априорная информация задана в виде линейных ограничений на В и Г, помимо очевидного требования симметричности Z1. Докажем следующую теорему. [c.418]
Рассмотрим систему одновременных уравнений (2.1) с условиями нормальности (условие 1) и ранга (условие 2). Предположим, что вся априорная информация доступна в виде линейных ограничений на В и Г [c.418]
Пусть далее точное число Л/ объектов в области поиска заранее неизвестно. Предполагается известной лишь производящая функций- соответствующей случайной величины Ц, (z)= 2Lp(N= )i.. Каждый из объектов поиска характеризуется своим 1 —мерным вектором значений параметров X = (X , .,.Х . Априорная информация о, значениях параметров каждого из объектов задается t —мерной плотностью распределения . / °(л L) X Lez j 7 < R г (I - J, < ,.,. N). Пару V/o (2.) ffaj будем называть априорным состоянием природы. [c.79]
Необходимость системного подхода диктуется еще и тем, что осуществляемые в настоящее время технологические процессы добычи природного газа представляют собой сложные газопромысловые объекты управления с большим числом выходных и входных переменных. Сложные нелинейные взаимосвязи между переменными, распределенность их в пространстве, их нестационарность, недостаточная априорная информация о закономерности газопромысловой технологии и другие причины значительно затрудняют создание адекватных экономико-математических моделей объектов ГДП, поэтому приходится непрерывно уточнять модели во время функционирования газопромысловых объектов. Обеспечение высокой производительности отдельных газопромысловых объектов и установок обычно достигается их узкой приспособленностью к выполнению определенных технологических задач, что приводит к расчленению процесса добычи природного газа на несколько взаимосвязанных процессов, каждый из которых выполняется на отдельном объекте. [c.46]
В условиях риска вместо критерия максимума выигрыша используется критерий максимума математического ожидания выигрыша. Кроме того, в этой ситуации можно использовать критерий минимума математического ожидания риска (минимума среднего риска). Следует учитывать, что в теории статистических решений доказано, что стратегия (проект, вариант) наилучшая по критерию максимума среднего выиграша будет таковой и по критерию минимума среднего риска. В некоторых случаях при отсутствии надежной априорной информации о вероятностях возможных исходов, можно использовать принцип недостаточного освоения Лапласа, приняв значения этих вероятностей равными друг другу. [c.284]
Лучшим ответом на этот сугубо практический для прикладника вопрос является "It depends". По-русски это означает "Все зависит от ситуации". Иногда, особенно если априорная информация о данных отсутствует, разумнее использовать нейронные сети. Такой выбор часто дает быстрое и качественное решение задачи, как правило не худшее, чем получаемое статистическими методами после тщательного изучения структуры данных. [c.203]
В отсутствие априорной информации о структуре обучение начиналось с наиболее простой модели с одним входным, одним скрытым и одним выходным слоем. Далее модель расширялась вплоть до 6-входовой модели с двумя скрытыми слоями, четырьмя узлами в [c.66]
Существует несколько практических подходов к определению реальной величины лага, например построение нескольких уравнений регрессии и выбор наилучшего из этих уравнений или применение формальных критериев, например критерия Шварца2. Однако наиболее простым способом является измерение тесноты связи между результатом и лаговыми значениями фактора. Кроме того, оптимальную величину лага можно приближенно определить на основе априорной информации экономической теории или проведенных ранее эмпирических исследований. [c.301]
Во-вторых, необходимо установить степень полинома к. Обычно на практике офаничиваются рассмотрением полиномов 2-й и 3-й степени, применяя следующее простое правило выбранная степень полинома к должна быть на единицу больше числа экстремумов в структуре лага. Если априорную информацию о структуре лага получить невозможно, величину к проще всего определить путем сравнения моделей, построенных для различных значений к, и выбора наилучшей модели. [c.301]
АПРИОРНАЯ ИНФОРМАЦИЯ [prior information] — предварительные данные, представления исследователя, используемые при формировании экономико-математической модели. Их источником могут быть, во-первых, теоретические соображения (напр., представление об отрицательной зависимости спроса от цены продукта в функции спроса), во-вторых, предшествующие статистические исследования, в которых уже оценивались некоторые элементы, в том числе параметры будущей модели (напр., в функции спроса может использоваться априорная для данной модели оценка эластичности спроса от дохода). В современных условиях, когда накапливаются гигантские массивы информации, ее аначиз, классификация и предварительная обработка становятся одним из решающих условий успешности построения и применения экономико-математических моделей. [c.24]
БАЙЕСОВСКИЙ ПОДХОД [Bayesian approa h] то же Бейесовский подход — направление в пауке об управлении, основанное на принципе максимального использования имеющейся априорной информации, ее непрерывного пересмотра и переоценки с учетом получаемых выборочных данных об исследуемом явлении или процессе. Такой пересмотр трактуется как обучение, и сам процесс управления при Б.п. понимается как процесс обучения (адаптации). [c.27]