Распознаваемый класс 232 Распознавание образов 300 Распознающая система 232, 300 Располагаемая заработная плата 107 Располагаемые доходы 300 Распределение вероятностей 300 Распределение ресурсов 301 Распределенная база данных 25 Распределенный лаг 166 Распределительные задачи 301 Распределительный метод 289, 367 Расходящаяся паутина 260 Расчет ВВП в основных ценах 39 Расчетный срок 302 [c.485]
Выделение подмножеств изображения (задача разбиения). В практике машинной обработки изображений существует ряд методов, позволяющих выделить (на специфических классах изображений) подмножества, соответствующие распознаваемым объектам, например цифрам, облакам, трекам ядерных частиц, хромосомам и т. д. На выделенных подмножествах можно определить признаки, необходимые для классификации объектов. Таким образом, цель разбиения — облегчить задачу распознавания, локализуя области изображения, где целесообразно искать признаки, соответствующие объектам. Разработанные методы обычно используют специфические свойства изображений каждого класса объектов. Общего решения задачи разбиения не существует. [c.33]
Базовыми положениями при установлении принципа опознавания являются цели, назначение системы распознавания, данные о выделенных для распознавания элементах среды. В системах организационного управления, например, возникает множество различных ситуаций, требующих распознавания. В качестве принципа опознавания в них часто применяется множество возможных решений, реализуемых системой управления в целом или ее составной частью. При этом мощность множества распознаваемых ситуаций значительно превышает мощность ограниченного множества возможных решений. То есть разбиение множества проблемных ситуаций на классы осуществляется на основе информации о мощности множества (количестве) возможных решений и разновидностях элементов этого множества. [c.243]
В шестой задаче осуществляется получение информации об элементах среды, принадлежащих множеству элементов - кандидатов на опознавание, с целью определения на этапе разработки системы распознавания алфавита классов, состава словаря признаков распознаваемых элементов и их конкретных значений, а на этапе эксплуатации — лишь значений признаков, входящих в словарь, характеризующих неопознанные элементы среды, поступающие на вход распознающей системы. Изучение множества элементов — кандидатов на опознавание следует проводить с учетом поставленных целей, установленного принципа опознавания, специфики предметной области, к которой принадлежат рассматриваемые элементы, с применением различных методов и технических средств. В этом случае важно выявить сходные характеристики и отличительные особенности рассматриваемой совокупности элементов. [c.256]
Целью седьмой задачи является разработка алфавита классов системы распознавания. На основании целей, назначения распознающей системы, установленного принципа опознавания, информации об элементах среды — кандидатах на опознавание необходимо определить состав классов системы распознавания. Решение задач с седьмой по двенадцатую, как правило, имеет итерационный характер. Вначале состав классов распознающей системы формируют адекватно множеству возможных решений (стратегий поведения), совокупности свойств или свойству распознаваемых элементов и т. д., установленных принципом опознавания в качестве способа осуществления разбиения элементов среды на классы. То есть каждому элементу указанного множества соответственно назначается конкретный класс, имеющий собственное название, и формируется дополнительный класс, который может именоваться Неопознанный элемент среды , Не принимать никаких решений и т. п., необходимый для логического завершения работы системы распознавания при опознавании неизвестных элементов среды на этапе ее функционирования. Сформированный указанным способом состав классов распознающей системы называют априорным составом или априорным алфавитом классов. В результате итераций, вызванных необходимостью нахождения приемлемого решения для совокупности задач с седьмой по двенадцатую, априорный алфавит классов трансформируется (путем сужения, расширения состава классов) в окончательный вариант разбиения множества элементов — кандидатов на опознавание на классы, который называют рабочий алфавит классов. В случае разработки системы распознавания с самообучением, вместо приведенного порядка разработки алфавита классов в алгоритм самообучения встраивается некоторый набор правил, позволяющий распознающей системе самостоятельно выработать алфавит классов и пользоваться им в дальнейшем. [c.257]
В девятой задаче выполняется описание классов на языке признаков. Суть этой задачи состоит в нахождении решающих границ, позволяющих выделить в признаковом пространстве области однозначно соответствующие классам, включенным в алфавит классов распознающей системы. Геометрическая трактовка этой задачи выглядит следующим образом [3]. Отобразим исследуемые элементы среды в виде точек -мерного векторного пространства, образованного на основе k признаков, включенных в словарь признаков распознающей системы, т. е. в виде точек признакового пространства. Пусть выполнено в разбиение совокупности распознаваемых элементов среды на классы 42],. .., 2т. Требуется в признаковом пространстве выделить такие области Д/, i— 1,...., т, которые были бы эквивалентны классам и,-, i= 1,...., т. То есть, чтобы имела место следующая зависимость если исследуемый элемент среды, имеющий признаки Xv, . ., Х, относится к классу Ц, то отображающая его в признаковом пространстве точка принадлежит области Д,. Имеется и алгебраическая трактовка данной задачи. В -мерном признаковом пространстве необходимо найти разделяющие функции Fi(xi,...,xk), i= I,. .., m, каждая из которых для признаков соответствующих элементов среды, относящихся к определенному классу 2q, q= I,..., т имела бы наибольшее значение. [c.261]
В алгоритмах, работающих с логическими признаками, мера близости не применяется. В них осуществляется подстановка конкретных значений признаков, характеризующих исследуемый объект, в описание классов на языке логических признаков, выполненное в виде булевых соотношений, дающая однозначный ответ, к какому классу принадлежит распознаваемый элемент среды, или указанный ответ можно получить решив соответствующие алгебраические уравнения, описывающие классы на языке логических признаков. [c.264]
В алгоритмах, работающих со структурными (лингвистическими) признаками, распознавание исследуемого элемента среды осуществляется на основе идентификации предложения, описывающего этот объект, с одним из предложений, характеризующим структурные особенности распознаваемых элементов, относящемуся к тому или другому классу системы распознавания. [c.264]
Таким образом, язык описания бизнес-процесса принадлежит классу регулярных множеств, т.е. является наименьшим из всех классов языков, содержащих множества i2, е , а , и замкнут относительно операций объединения, конкатенации и итерации. Следовательно, он является языком, распознаваемым недетерминированным конечным автоматом, а порождающая его грамматика является правосторонней. Практическим следствием данного утверждения является возможность (при проведении работ по реорганизации деятельности предприятий) осуществлять объединение бизнес-процессов, [c.231]
В данной работе предлагается модель для изучения управления графов потоков данных с очередями и стеками (DGQ). Множество данных разбивается на два подмножества множество информационных данных и множество управляющих. Значения информационных данных не учитываются, принимаются во внимание только значения управляющих данных. Чтобы различать конечное число состояний любой очереди (стека) используется верхняя граница и один распознаваемый символ. В работе доказано, что поведение DGQ в предлагаемой модели представляется в классе конечных автоматов. Это позволило предложить алгоритм вычисления множества достижимых состояний DGQ. [c.143]
Основой для генерации принципа опознавания служат цели создания распознающей системы, ее назначение. №нализируя ответы на вопросы, полученные в результате решения второй задачи (Для чего необходимо решение задачи распознавания Кто и как намерен использовать результаты распознавания ), следует путем логического мышления и(или) интуиции найти ответ на вопрос Как следует проводить разбиение на классы, поступающие на вход распознающей системы элементы среды Например, для распознающей системы, включаемой в систему организационного управления, обычно в виде принципа опознавания рекомендуется принимать информацию о мощности множества решений и разновидностях элементов, принадлежащих этому множеству, принимаемых управляющей системой на основе результатов распознавания. В качестве принципа опознавания может также приниматься информация о множестве возможных стратегий поведения потребителя результатов распознавания, сведения о совокупности свойств или свойстве распознаваемых элементов среды (например, коллекционер почтовых марок может отнести в первом случае к разным разделам марки по тематике Великой Отечественной войны 1941 — 1945 гг. и Отечественной войны 1812г., а во втором — к одному) и т. д. [c.256]
Вероятностные признаки — это признаки, имеющие по тем или иным причинам стохастический (случайный) характер. Случайные значения вероятностных признаков распределены по всем классам рабочего (априорного) алфавита классов распознающей системы. Ошибки измерений числовых значений признаков распознаваемых элементов среды могут приводить к неопределенности результатов измерения и, как следствие этого, приходится иметь дело с вероятностными признаками. Вероятностный характер признаков может так же обуславливаться нестационарностью объектов распознавания, например, по причине случайных изменений, происходящих в объектах распознавания. [c.260]