Информация по этим вопросам, полученная от экспертов, из фундаментальных работ по эргономике и в результате специальных исследований (на основе эргономической карты и анкеты), при статистической обработке на основе методов обобщения, интерпретации, выборки, планирования эксперимента, теории распознавания образов позволит комплексно оценить эффективность и безопасность типичных человеко-машинных систем. [c.86]
Теория распознавания образов. Теория поиска. Теория планирования эксперимента [c.308]
Методы распознавания образов -1 8li [c.95]
Математическая теория нечетких множеств, созданная в 60-е гг. для решения узкой утилитарной задачи распознавания образов, в настоящее время имеет приложения в самых различных областях научной и хозяйственной деятельности — от работ по созданию искусственного интеллекта в ЭВМ пятого поколения до управления сложными технологическими процессами. [c.184]
Для выявления преемственности элементов комплексной подготовки производства используют методы системно-структурного анализа и распознавания образов. [c.44]
Построенное дерево взаимосвязей используют при поиске однородных групп элементов (по признакам преемственности). Для группировки элементов-аналогов можно использовать методы распознавания образов. [c.44]
Существует много достаточно сложных алгоритмов кластерного анализа и родственных ему методов распознавания образов, таксономии и др. [c.146]
Эвристические методы Методы аналогий, распознавания образов, экспертные системы, базы знаний и др. [c.430]
Для изучения экономико-математических моделей стохастического вида применяются различные статистические методы исследования, включая корреляционный анализ, методы распознавания образов, экспертные оценки и др. [c.435]
Крайняя сложность явного описания знаний, которые являются результатом компиляции и автоматизма процессов мышления, а также интуиции эксперта. В психологии доказано, что интуиция на самом деле является способностью распознавать образы. Однако словесное описание способности к распознаванию образов дать крайне трудно. [c.261]
Методы, используемые в классической теории распознавания образов, успешно применяются и при идентификации производственных ситуаций. Рассмотрим статистический, нечеткий и лингвистический методы классификации (распознавания) объектов. Наиболее разработанным в методическом отношении является статистический подход. [c.203]
Разработана процедура предварительного автоматического диагностирования несовместностей [122], основанная на методах распознавания образов, которая применяется при решении задачи оптимизации производственной программы НЛП. [c.206]
ЭС включают базу знаний, структурированную для упрощения принятия решений, и подсистемы общения, объяснения, принятия решений, накопления знаний. В процессе работы ЭС используют формализованные и математические методы, методы временного сглаживания, статистического программирования, распознавания образов, методы оптимизации. Для определения частной стратегии используется механизм логического ввода, т. е. набор определенных правил принятия решения. ЭС работают в двух режимах приобретения знаний и решения задачи. [c.121]
Общая черта новых методов — возможность распознавания образов и вывод обобщающих правил. Про методы, основанные на нейронных сетях и генетическом отборе решений говорят, что они управляют данными в противоположность подходу, основанному на применении правил экспертных систем. Нейронные сети прекрасно подходят для выявления нелинейных закономерностей в отсутствии априорных знаний модели. [c.128]
В условиях возрастающей неуправляемости мировых процессов в финансовой сфере традиционные методы чаще всего оказываются неспособными распознать ключевые перемены и тенденции на рынке. Общей чертой новых методов является возможность распознавания образов и вывода обобщающих правил. Составными частями нового метода являются нейронные сети и генетический алгоритм (методы, в которых, исходя из большого набора первоначальных предположений, вырабатываются все более правильные представления о поведении рынка и в конечном счете более содержательные рабочие гипотезы). При этом достигается точность, достаточная для практической потребности, и, как правило, не требуется специальных математических знаний. [c.137]
В настоящее время нейронные сети, благодаря своей универсальности и простоте при работе с нечеткими данными, нашли широкое применение в различных областях распознавание образов, медицинская диагностика, прогнозирование погоды. В финансовой сфере написаны приложения для определения оптимального портфеля ценных бумаг, предсказания банкротств финансовых учреждений, определения кредитных рисков. Имеются приложения, интегрированные в специализированные программы технического анализа, которые на основе использования стандартных индикаторов выдают сигналы о благоприятных моментах вступления в рынок. [c.137]
Блок 18 — выбор наиболее обоснованной пропускной способности нефтебаз. Сравниваются фактическая пропускная способность и максимально возможная, полученная двумя способами с помощью методов распознавания образов и теории вероятностей (см. табл. 27). [c.99]
Согласно четвертому классификационному признаку, в существующих методиках для сведения оценок Кц воедино используется несколько видов средней — взвешенные арифметическая, геометрическая, гармоническая, а также применяются принципы теории машинного распознавания образов . [c.82]
Основные положения еще одного экспертного метода комплексной оценки качества, также базирующегося на некоторых приемах метода распознавания образов , описаны в статье [166]. Предлагаемый метод основан на моделировании эвристических процессов мышления экспертов, происходящих при оценке качества, и может рассматриваться как дальнейшее развитие экспертных методов. [c.91]
Характер накопления опыта при обучении весьма многообразен. Например, опыт может быть накоплен положительный или отрицательный, систематизированный или случайный, собственный или привнесенный извне, имитационный (искусственный) или естественный и т.д. Однако у всех способов накопления опыта есть общая черта - постепенное выделение "области знаний" из всей совокупности "незнания". Поэтому в теории обучающихся систем эта особенность нашла отражение в быстро развивающемся направлении, связанном с созданием автоматических систем классификации распознавания образов. Накопление и обобщение информации в процессе обучения может осуществляться за счет внесения "эталонного опыта" в систему извне, либо путем формирования такого опыта внутри ее. В первом случае обучаемой системе обычно предъявляют последовательность ситуаций, образцов или режимов, которые имеют заранее известные характеристики или различаются по при- [c.161]
Итак, мы описали особенности двух парадигм обработки информации - "логической" и "образной". Первая доминирует в существующих компьютерах, вторая - лежит в основе работы мозга, хотя человеческий мозг отличает от мозга прочих животных наличие обоих компонент мышления. Для полноценного существования в окружающем нас мире ценны оба способа обработки информации. И они рано или поздно возникают - как в ходе биологической эволюции, так и в процессе эволюции компьютеров, но что характерно, - в разной последовательности. Биологическая эволюция шла "от образов - к логике". (Вспомним три слоя мозга древнейший -ориентация в пространстве, более новый - эмоции и новейшая кора - речь и логика). Компьютеры же, напротив, начав с логики лишь спустя несколько десятилетий начинают осваивать распознавание образов. [c.12]
Эволюция компьютеров от вычислений - к распознаванию образов [c.12]
Обучение с учителем Распознавание образов [c.50]
Простейшим устройством распознавания образов, принадлежащим к рассматриваемому классу сетей, является одиночный нейрон, превращающий входной вектор признаков в скалярный ответ, зависящий от линейной комбинации входных переменных [c.51]
Поскольку японцев с детства приучают к распознаванию образов, то, как утверждает Кикуги, сама судьба дала им в руки пальму первенства в разработке, к примеру, голосовых процессоров, которые, возможно, явятся самым значительным нововведением 80-х годов. Такие устройства необходимы для интеллектуальных роботов, компьютеров пятого поколения, а также для автомати- [c.32]
Когда I OS приступала к реализации этого проекта, о механизме восстановления ДНК в человеческих клетках было известно сравнительно мало. Но ген, вызывающий проблемы с восстановлением поврежденных радиацией цепочек ДНК дрожжевых клеток, уже был идентифицирован. Для выявления функционально эквивалентного элемента человеческого генома специалисты I OS и привлеченный к работе их коллега из Великобритании успешно применили к одной из доступных в Интернете баз данных ДНК сложную методику анализа, использующую распознавание образов. Найденный ими ген, который получил название Atr, присутствует в трех из 23 человеческих хромосом. [c.281]
Розин Б.В. Теория распознавания образов экономических исследований. М., Статистика, 1973. [c.109]
Информационные технологии, компьютеризированные системы и высокие производственные технологии являются базовыми системами инновационной экономики. Они в своем развитии радикально трансформируют все средства получения, обработки, передачи и производства информации, радикально технологизируют интеллектуальную деятельность (например, автоматизация проектирования и технологической подготовки производства, автоматизированный контроль за ходом производства, автоматизация ведения финансово-бухгалтерской отчетности и организационно-распорядительной деятельности, многоязычный автоматизированный перевод, диагностика и распознавание образов и т.п.). [c.17]
Елисеева И. И. Рукавишников В. О. Группировка, корреляция, распознавание образов. - М. Статистика, 1977, [c.155]
Статико-статистическая модель, по существу, является комбинацией двух наиболее распространенных типов моделей экономико-статистической и оптимизационной. Напомним, что экономико-статистические модели (ЭСМ) — это модели, реализация которых основывается на применении методов математической статистики и теории распознавания образов. [c.124]
В результате решения задачи 1 выбираются показатели, характеризующие факторы, влияющие на процесс нефтеснабжения, устанавливаются источники информации о них и обосновываются те или иные математические методы, необходимые для моделирования отдельных задач нефтеснабжения. В ходе исследований была установлена правомерность использования при изучении спроса на нефтепродукты методов корреляционно-регрессионного анализа. При анализе деятельности объектов нефтебазового хозяйства выявлена необходимость получения качественно однородных совокупностей. При выборе оптимальных вариантов внутриуправленче-ских перевозок нефтепродуктов в условиях наиболее эффективного использования и развития объектов нефтебазового хозяйства правомерным представляется использование методов линейного программирования. Для выявления резервов повышения пропускной способности действующих объектов нефтебазового хозяйства — метод ов теории вероятностей и распознавания образов и т. д. [c.15]
Суть выделения однородных совокупностей в следующем имеется множество (конечное) объектов, каждый из которых представлен n-разлкчными признаками. Множество объектов неоднородно по-своей структуре. Задача заключается в разбиении данного неоднородного множества объектов на однородные подсовокупности (классы). Выделение классов производится с использованием методов распознавания образов. Классификация производится не последовательно по отдельным признакам, а одновременно по большому числу признаков. [c.57]
Абраменкова Л. Ф. Особенности статистического обеспечения задачи прогнозирования потребности народного хозяйства региона в7 мас-сявых./йвэдуьых. н фтепродуктах. Статья в настоящем сборнике.. Oi /. , iP.-e, ii,K е. р, А. В., Я г о л ь н и ц е р М. А. Алгоритм выделения однородных совокупностей объектов.— Распознавание образов и регрессионный ан алиЗ в экономических исследованиях . Новосибирск, 1972. [c.68]
Большой интерес представляет метод оценки качества сложных видов продукции, примененный В. А. Садовской и В. С. ВайН Штейном. Он основан на принципах интенсивна развивающейся в последние годы теории распознавания образов . [c.89]
Однако, наибольшие изменения, коснутся, по-видимому, самих компьютеров. По мнению Билла Гейтса, главы небезызвестной Mi rosoft, высказанному им на собрании совета директоров, через 10 лет 90% операционной системы будет занято решением задач распознавания образов. Таким образом, при проектировании будущих поколений компьютеров нейрокомпьютинг выдвигается на первый план. [c.17]
Многие практические задачи распознавания образов, фильтрации шумов, предсказания временных рядов и др. сводится к этим базовым прототипическим постановкам. [c.50]