Теория распознавания образов. Теория поиска. Теория планирования эксперимента [c.308]
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]
Скалярный выход нейрона можно использовать в качестве т.н. дискриминантной функции. Этим термином в теории распознавания образов называют индикатор принадлежности входного вектора к одному из заданных классов. Так, если входные векторы могут принадлежать одному из двух классов, нейрон способен различить тип входа, например, следующим образом если /(х) > 0, входной вектор принадлежит первому классу, в противном случае - второму. [c.51]
Среди важнейших классов задач И.о. можно назвать задачи управления запасами, распределения ресурсов и задачи назначения (распределительные задачи), задачи массового обслуживания, задачи замены оборудования, упорядочения и согласования (в том числе теории расписаний), состязательные (напр., игры), задачи поиска и др. Среди применяемых методов —математическое программирование (линейное, нелинейное и т.п.), дифференциальные и разностные уравнения, методы теории графов, марковские процессы, теория игр, теория (статистических) решений, теория распознавания образов и ряд других. [c.136]
В теории распознавания образов (ТРО) вводится критерий для сравнения алгоритмов распознавания и выбора наилучшего из них, так называемый риск распознавания (Р.р). Р.р — есть математическое ожидание потерь от ошибок распознавания. Р.р определяют, предполагая, что результаты распознавания можно оценить количественно, например, поставить в соответствие каждой ошибке или отклонению от правильного решения некоторую потерю (штраф). В частности, если штраф равен нулю при правильном ответе и единице — при любом неправильном. Р.р сводится к вероятности [c.24]
Наиболее продуктивно, т. е. адекватно и точно, процедура отбора тем поддается математическому описанию и моделированию с использованием формального аппарата теории распознавания образов как раздела технической кибернетики. [c.195]
Логико-математические модели (ЛММ) объектов МО представляют их подражательным упрощенным способом и могут быть построены на основе теории распознавания образов (ТРО). [c.209]
Математическая обработка исходных данных на основе теории распознавания образов [c.79]
Установление влияния различных факторов на величину затрат труда при конструировании, а также обработка большого объема исходных данных могут быть осуществлены только с помощью современных математических методов. Для решения прикладных задач, связанных с классификацией объектов по косвенным данным и выявлением эффективной системы факторов, оказывающих наибольшее воздействие на изучаемый объект или явление, широкое применение находит теория распознавания образов. [c.79]
Классом , или образом , в теории распознавания образов называют множество предметов или явлений, объединенных некоторыми общими свойствами. Применительно к нормированию классом , или образом , можно считать совокупность объектов (работ), объединенных близкими значениями затрат труда. [c.79]
Следует отметить, что априори сама возможность применения указанной теории в данном случае не является очевидной. Дело в том, что во всех задачах, которые рассматриваются в теории распознавания образов, заранее предполагается объективное существование классов, т. е. определенной конечной совокупности множеств объектов, явлений или ситуаций, характеризующихся принадлежностью к одному и тому же множеству и имеющих некоторые общие свойства, позволяющие рассматривать эти объекты как сходные и объединенные в один класс. Соответственно объекты, принадлежащие к разным классам, таких общих свойств не имеют . [c.79]
В основе прикладного применения теории распознавания образов для нормирования труда конструкторов автором использованы теоретические работы Миленький А. В. Классификация сигналов в условиях неопределенности. М. Советское радио, 1975 Бара-баш Ю. А. и др. Вопросы статистической теории распознавания. М. Советское радио, 1967. [c.79]
В рассматриваемых нами объектах, т. е. конструкторских работах, нас интересует единственное их свойство — величина затрат труда. Этот параметр имеет непрерывную область значений. Поэтому, если измерять степень общности и различия между работами разницей в затратах труда, по-видимому, нельзя разделить все работы на конечное число классов в том смысле, которое вкладывается в понятие класс в теории распознавания образов. [c.80]
При таком определении классов конструкторских работ (или изделий) задачи по предварительной оценке затрат труда можно рассматривать в рамках теории распознавания образов. [c.80]
В зависимости от поставленной задачи обосновывается возможность использования теории распознавания образов для вероятностной оценки трудоемкости нормируемого объекта при различных сочетаниях значений а) только качественных факторов б) количественных и качественных факторов. [c.80]
Для обработки скорректированных исходных данных и определения нормативных значений затрат труда на выполнение конструкторских работ могут быть предложены два метода комплексный метод, основанный на теории распознавания образов и множественной корреляции , и метод распознавания образов. [c.80]
Использование теории распознавания образов сводится в данном случае к вероятностному определению класса работ по трудоемкости при определенных значениях качественных факторов . [c.81]
Применение классической теории распознавания образов, основанной на использовании ЭВМ, отвечает этим требованиям. Сущность метода заключается в том, что на основе собранных и откорректированных данных о затратах труда на конструирование изделия (выполнение отдельных видов конструкторских работ) и факторов, влияющих на величину затрат труда, ЭВМ с помощью разработанного алгоритма классификации исследует и [c.85]
Как уже отмечалось, применение теории распознавания образов для решения задач нормирования труда конструкторов требует прежде всего выделения классов или образов с общими значениями времени. Принятое в теории разбиение на классы тесно связано с допустимой погрешностью в оценке затрат труда чем больше размеры частичных интервалов, соответствующих образованным классам работ, тем больше погрешность определения затрат труда. При решении задач к ошибкам, связанным с размерами частичных интервалов разбиения, неизбежно будут добавляться случайные ошибки, вызванные неправильной классификацией. Естественно, чем больше размеры интервалов разбиения, тем меньше будут величины этих погрешностей. Видимо, необходимо найти оптимальный способ разбиения конструкторских работ на классы, при котором суммарная величина погрешности достигает минимума. Руководствуясь чисто практическими представлениями о допустимой величине ошибки, в каждом конкретном случае можно задаться [c.86]
В теории распознавания образов эти априорные сведения названы обучающей выборкой , а сам процесс выделения классов ( образов ) на основе этой выборки — обучением . [c.86]
Прежде чем переходить к изложению принципов применения теории распознавания образов при нормировании конструкторских работ, введем некоторые обозначения [c.87]
Однако проблема двойной записи на счетах является вопросом распознавания образов. Дальнейшее решение вопросов теории распознавания образов позволит автоматизировать логические связи двойной записи [103], [c.60]
На базе статистических отображений развиваются такие прикладные разделы математики, как математическая статистика, методы стохастического программирования, теория массового обслуживания, теория статистических испытаний (Монте-Карло) или статистического моделирования, теория игр, теория распознавания образов, методы теории выдвижения и статистической проверки гипотез и др. [c.249]
В зарубежной практике применяются методики нормирования труда ИТР и служащих, основанные на использовании математического подхода — теории распознавания образов. [c.278]
Исследование операций маркетинга — 1) совокупность методов (математического программирования, теории графов, теории игр, теории решений, теории распознавания образов и т. п.), используемых в системе разработки и принятия маркетинговых решений 2) искусство давать плохие ответы на те практические вопросы, на которые даются еще худшие ответы другими способами (Т. А. Саа-ти, американский специалист в области исследований операций). [c.710]
Однако подобные методы, основанные на использовании лишь сведений о пространстве признаков и некоторых его свойствах, многократно исследованные в теории распознавания образов, почти ничего не дают для решения задачи формирования понятий, возникающей в теории ситуационного управления и родственных ей подходов к решению проблемы целесообразного управления объектом, И связано это с тем, что в таких условиях мы всегда имеем некоторую априорную информацию о конкретных представителях, входящих в формируемое понятие. Иными словами, мы заранее знаем, что некоторые объекты аг должны входить в формируемое понятие (положительные примеры), а другие аг не должно входить в него (отрицательные примеры). Это приводит к постановке задачи обобщения по признакам на основе обучающей выборки, состоящей из положительных и отрицательных примеров. Именно такие задачи мы и будем изучать ниже в данной главе. [c.168]
Теория распознавания образов [c.62]
Весьма перспективным в настоящее время является использование для прогнозирования методов теории распознавания образов. Непосредственно с использованием этой теории решается комплекс задач, имеющих важное значение в прогнозировании [4, 24, 25, 67, 75, 105, 126]. [c.62]
Уже использование экстраполяционных методов для прогнозирования временных рядов предполагает однородность динамики. Действительно, исходный временной ряд, являющийся основой прогнозирования какого-либо процесса, может содержать в себе интервалы, внутри которых динамика характеризуется определенными отличными от других интервалов условиями. Естественно, эти интервалы на перспективу искажают полученный прогнозный результат. В этой связи возникает необходимость четкого выделения тех интервалов, для которых характерна однородная динамика. Решение этого вопроса эффективно реализуется с помощью методов теории распознавания образов [126]. [c.62]
Другим важным приложением теории распознавания образов для получения прогнозов является описание и прогнозирование поведения какого-либо объекта по набору признаков, определяющих поведение этого объекта. [c.62]
Жесткие статистические предложения о свойствах временных рядов ограничивают возможности методов математической статистики, теории распознавания образов, теории случайных процессов и т.п. Дело в том, что многие реальные процессы не могут адекватно быть описаны с помощью традиционных статистических моделей, поскольку, по сути, являются существенно нелинейными, и имеют [c.63]
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]
Розин Б.В. Теория распознавания образов экономических исследований. М., Статистика, 1973. [c.109]
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]
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]
Сводка статистических данных позволяет выявить совокупное влияние различных факторов на изучаемый показатель или процесс, получить итоговые данные. Как правило, при этом данные группируются по какому-либо признаку или совокупности признаков объектов. Например, при анализе заработной платы пользуются группировками сотрудников по квалификации, профессиональным признакам при изучении творческой активности — по стажу работы, полу, возрасту и пр. Группировка объектов анализа основывается на общих формальнологических правилах построения классификации дизъюнкции, адъюнкции, непрерывности, единства основания деления и пр. В последние годы в экономических исследованиях все чаще стали использовать методы построения оптимальных классификаций объектов на основе теории распознавания образов. [c.215]
Вернемся на минуту к рис. 1.7, на котором мы привели общую схему, характерную для систем ситуационного управления центральной ее частью был КЛАССИФИКАТОР, С его помощью решается основная задача — получение классов ситуаций, каждый из которых однозначно или с определенными приоритетами соответствует тем или иным решениям по управлению. Отсюда становится очевидной важная роль процесса обобщения описаний и их классификации. На первый взгляд может показаться, что подобная проблема активно решается в других науках, например, в теории распознавания образов или в кластерном анализе. Это так и не так. Конечно, многие методы, развитые в данных разделах дискретной математики, используются (и не безуспешно) и здесь. Но кардинальное отличие проблемы обобщения и классификации в ситуационном управлении и вообще в семиотических моделях состоит в том, что, кроме самой задачи формирования обобщенных понятий и классификации по множеству заданных признаков, требуется еще решать задачу определения прагматически важных признаков, которая, как правило, заменяется в теории распознавания образов поиском информативных признаков. [c.159]
В традиционной теории распознавания образов и в кластерном анализе центральную роль играет понятие признака. Именно признаки выступают в качестве параметров, на основании которых происходит выделение обобщенных понятий и строится та пли иная классификация. В языках описания ситуаций, типичных для всех методов управления, опирающихся на семиотические модели, огромную роль играют не признаки, а структуры отношений между объектами. Во многих случаях, конечно, комплексы отношений можно было бы рассматривать как своеобразные признаки. Но этому мешают два обстоятельства. Прежде всего, отметим резкое возрастание числа признаков, так как число возможных комплексов отношений стремительно возрастает с ростом числа отношений и увеличением их типового разнообразия, а большинство их комбинаций не имеет никакого значения для решения задачи обобщения. Кроме того, признаки приписываются определенным объектам и использование комплексов отношений в качестве признаков приведет к необходимости введения огромного числа лишних объектов. Понятия, связанные с этими объектами, также будут лишними, ибо понятие, которое мы не можем развернуть в суждение, не имеет для нас никакого логического смысла . 1) И, наконец, зачастую практически невозможно вычленить тот признак, который используется для формирования понятия. Примерами таких псевдопонятий (в рамках призначного подхода) могут служить ручка управления, нос корабля, очередь на обслуживание и т. п. [c.160]
Фомин Я.А., Тарловский Г.Р. Статистическая теория распознавания образов.- М. Радио и связь, 1986. [c.242]
Метод сценариев Метод мозговых атак Вер-ное моделир. адап.ное сг.-е Матричный метод Методы теор. распознавания образов Анализ патентной информации [c.9]
Проблема оценки достоверности прогнозов. Важным моментом получения прогноза с помощью МНК является оценка достоверности полученного результата. Для этой цели используется целый ряд статистических характеристик 1. Оценка стандартной ошибки 2. Средняя относительная ошибка оценки 3. Среднее линейное отклонение 4. Корреляционное отношение для оценки надежности модели 5. Оценка достоверности выбранной модели через значимость индекса корреляции по Z-критерию Фишера 6. Оценка достоверности модели по F-критерий Фишера 7. Наличие автокорреляций (критерий Дарбина - Уотсона). Недостатки, обусловленные жесткой фиксацией тренда. Жесткие статистические предложения о свойствах временных рядов ограничивают возможности методов математической статистики, теории распознавания образов, теории случайных процессов и т.п., так как многие реальные процессы не могут адекватно быть описаны с помощью традиционных статистических моделей, поскольку по сути являются существенно нелинейными и имеют либо хаотическую, либо квазипериодическую, либо смешанную основу. [c.69]
Смотреть страницы где упоминается термин Теория распознавания образов
: [c.5] [c.43] [c.44] [c.110] [c.176]Смотреть главы в:
Методы прогнозирования в условиях рынка -> Теория распознавания образов
Ситуационное управление теория и практика (1986) -- [ c.168 ]