Учитывая символический и обобщенный характер исходной постановки (6.1), преобразуем ее в следующий вид, при котором более четко прослеживаются особенности диалоговых постановок и процедур решения для известного вектора состояния [c.188]
Содержательное описание диалоговой процедуры принятия решений с учетом (6.7) -(6.10) формализуется следующим образом для известного вектора состояния [c.196]
Модель (6. 11) -(6. 18) с учетом лингвистической неопределенности преобразуется следующим образом для известного вектора состояния [c.201]
Обе из приведенных выше моделей (как (4.1.1), так и (4.1.4)) дают представление о положении изучаемого объекта (банка) для каждого момента времени t в отдельности. Однако можно привести немало примеров того, когда возникает необходимость в переходе от такого точечного представления к интегральному описанию поведения/-й характеристики на некотором заданном промежутке (< , ,.) с (Г., Г+). Для этого могут быть введены понятия среднего значения характеристики (/-и компоненты вектора состояния) на интервале ,. [c.148]
При введении дискретного времени происходит фиксация относительно его моментов векторов состояния (исходных характеристик) [c.150]
Будем говорить, что первое состояние предпочтительнее второго, если последняя отличная от нуля компонента вектора сравнения меньше нуля. Если последняя отличная от нуля компонента вектора сравнения больше нуля, предпочтительнее второе состояние. Если вектор состояния есть нуль-вектор, сравниваемые состояния эквивалентны. [c.85]
Состояние системы будем рассматривать как вектор состояния, компонентами которого являются риски срыва функционирования каждого узла по каждому нефтепродукту, упорядоченные по возрастанию. [c.85]
Введем, как и в однопродуктовой задаче, вектор сравнения двух состояний, полученный как разность соответствующих компонент векторов состояний. И аналогично однопродуктовому случаю будем говорить, что первое состояние предпочтительнее второго, если последняя отличная от нуля компонента вектора [c.85]
Значит, корректировку полученных решений однопродуктовых задач следует производить путем изменения компонент вектора состояния в порядке возрастания их номеров. [c.87]
Естественно, такой вектор состояния является абсолютно оптимальным. Поэтому значения наборов а могут различаться только для указанных п° объектов, в которых а могут иметь [c.132]
Определение состояния процесса означает оценивание зависимых переменных этого процесса. Можно различить три типа оценивания состояния. Если проведены наблюдения в интервале от t0 до tjt то оценивание вектора состояния в момент времени t классифицируется как [c.213]
Y — вектор состояния интеллектуального преобразователя. [c.17]
Считаем, что цель управления объектом (1.1) в достаточно общем случае может быть формализована и представлена в виде следующих ограничений на вектор состояния х [c.19]
Данный вектор Х0 принимается в качестве начального значения траектории ИС Х(0. Отсюда нетрудно видеть, как формируется вектор состояния ИП Y2 = Y2 (f). Действительно, с учетом (1.32) находим [c.29]
На вектор состояния системы наложено ограничение [c.47]
Таким образом, X представляет собой минимально расширенный вектор состояния объекта управления. Будем считать, что у — (п х 1) вектор. [c.49]
Задача обработки информации в интеллектуальной самоорганизующейся системе ставится как задача определения условных апостериорных оценок вектора состояния и переменных переключения [c.99]
Условие 1. После завершения обработки информации на каждом текущем шаге должна быть сформирована совокупность статистик, достаточных для прогнозирования состояния ООУ и ОКС, а также значений переменных переключения в будущие моменты времени с учетом математической модели обобщенного объекта и используемой аппроксимации парциальных апостериорных плотностей вероятности вектора состояния. [c.100]
Условие 2. Перед парциальным прогнозированием вектора состояния с k-ro на ( + 1)-й шаг совокупность фиксируемых в гипотезах значений ПП должна обеспечивать независимость значения вектора х(А + 1) в момент ( + 1) от ВИ в случае, когда его значение х( ) на предыдущем k-м шаге фиксировано. [c.100]
Условие 3. Вычисление парциальных апостериорных оценок вектора состояния должно производиться для совокупности гипотез, в которых значения ПП зафиксированы таким образом, чтобы при заданном значении вектора состояния х(А + 1) вектор измерений z(A + l) не зависел от ВИ. [c.100]
Условие 4. Перед обработкой текущих измерений набор парциальных прогнозируемых оценок вектора состояния должен обеспечивать возможность вычисления функций правдоподобия любой из тестируемых в этот момент гипотез. [c.100]
Этап 5. Парциальное оценивание расширенного вектора состояния в момент (Л + l) с учетом текущего измерения г(Л+1) производится в соответствии со стандартным алгоритмом фильтра Калмана для каждой из фиксированных гипотез t/ +i (m t+i>Yjt+i)- результате вычисляются искомые апостериорные парциальные оценки и ковариации вида (1.140), но уже для текущего момента (k + 1). [c.102]
В качестве целевого функционала задачи идентификации естественно также принимать математическое ожидание положительно определенной квадратичной формы ошибок идентификации. Элементы матрицы D(t) определяют веса, с которыми учитываются сравнительная важность компонент векторов состояния и точность измерения x(t) в различные моменты времени [c.48]
Предполагается, что компоненты вектора состояния системы наблюдаются с некоторой случайной ошибкой, статистические характеристики которой известны. Начальное состояние системы x(Q) задано. Таким образом, наблюдаемые составляющие вектора x(t) в рассматриваемой задаче являются случайными параметрами условий. Элементы матрицы А и компоненты вектора u(t) — искомые переменные, В — заданная матрица, оо( ) — случайный n-мерный процесс с известными статистическими характеристиками. [c.50]
Ограничения k-ro этапа (t = k 2) содержат в качестве параметров условий задачи элементы матрицы А координаты вектора состояния системы для i< k и составляющие вектора управления для ts k — 1. На k-м этапе вычисляют u(k) — вектор управления, отвечающий t = k. Напомним, что показатель качества решения многоэтапной задачи стохастического управления зависит от конечного состояния системы или от всей траектории объекта х(0),. . ., x(s — 1) и управляющего устройства и(0),. .., u(s-l). [c.51]
Современные химические производства характеризуются большим количеством технологических параметров - вектором состояния Х(ХьХ2...Хи), что сильно затрудняет анализ эффективности работы, как каждой конкретной установки, так и всего производства в целом. [c.183]
Модель (4.1.4) является альтернативой модели (4.1.1), в основе которой лежит система (вектор) состояний. Основываясь на формулах (4.1.2) и (4.1.3), можно прийти к заключению, что оба способа формализованного представления банка при выполнении условий диффе-ренцируемости функций ДО являются эквивалентными. [c.148]
Все используемые при обучении страны разделились на три легко интерпретируемых класса (условно "капиталистические", "неприсоединившиеся" и "социалистические"), то есть кодирующие их голосования векторы-состояния эволюционируют к одному из трех стационарных состояний (локально наилучших версий прототипа "страна - член ООН"). Хэммингово расстояние от соответствующих состояний до притягивающих их аттракторов приведено в колонках "ранг". [c.107]
Тогда можно говорить о степени робастности системы. Под степенью робастности для j -го компонента вектора состояния понимается расстоя- [c.52]
Остановимся подробнее на одном распространенном классе задач оптимизации макроуправляемых систем, когда задано начальное значение а (0) вектора состояния системы и конечное значение x(t) для всех составляющих х, кроме одной. Эту последнюю обозначим через XQ. Мы приходим к экстремальной задаче вида [c.310]