Три прикладные задачи

Цель и основные направления подсистемы стратегическая цель подсистемы прикладные задачи подсистемы базовые элементы подсистемы предпосылки эффективного функционирования подсистемы.  [c.321]


Общая характеристика подсистемы стратегическая цель подсистемы прикладные задачи подсистемы базовые направления подсистемы специфика организации подсистемы в современных отечественных условиях.  [c.321]

Организация процесса первичного развития работника необходимость и прикладные задачи процесса испытательный срок и формы его организации профессиональная адаптация сотрудника на рабочем мес-  [c.321]

Цель и основные элементы организации подсистемы стратегическая цель подсистемы прикладные задачи подсистемы специфика организации психологической поддержки в банковской сфере субъекты управления концептуальные подходы к организации управления.  [c.323]

Мониторинг психологического климата в трудовом коллективе банка прикладные задачи мониторинга базовые методы мониторинга планирование процесса мониторинга прикладные результаты мониторинга.  [c.323]


Методика решения прикладных задач.  [c.453]

Анализ финансового состояния банка. Основы методологии финансового анализа понятие и роль финансового анализа стратегическая цель анализа прикладные задачи анализа возможные субъекты анализа приоритетные направления анализа типовая последовательность анализа предпосылки эффективности анализа традиционные источники информации для анализа особенности организации анализа в современных отечественных условиях.  [c.478]

Кроме того, распространенные методы экологического моделирования не ориентированы на решение прикладных задач. Для их реализации требуется большой объем нетрадиционный информации и арсенал нетрадиционных методов /7,11/.  [c.122]

Существующие традиционные методы экологического моделирования громоздки, не ориентированы на решение прикладных задач и требуют большого объёма нетрадиционной информации.  [c.145]

Разработка стратегии, тактики и конкретного инструментария коммерческой эксплуатации региональной (муниципальной) собственности требует специальных предварительных исследований. Это один из главных элементов общерегиональной экономической политики, разработка методов формирования которой представляет собою самостоятельную научно-прикладную задачу. Следует заметить, что без региональной политики поддержки развития регионального инвестиционно-строительного комплекса попытки активизации его деятельности заведомо обречены на неудачу. Поэтому политика непосредственной поддержки его развития со стороны региональных властей должна рассматриваться как главная составляющая часть общей региональной производственно-социальной политики.  [c.144]

В конце шестидесятых годов методы оптимизации становятся одним из важнейших практических средств анализа экономических проблем. Фронт работ по применению электронной вычислительной техники в экономике стремительно расширяется, охватывая как чисто теоретические, так и прикладные задачи. Одновременно наступает известная переоценка ценностей идеи оптимизации оказались не столь всеобъемлющими, какими представлялись сначала. Прежде всего выяснилось, что представление о том, что такое хорошо, и что такое плохо , не так просто, для его анализа нужны глубокие исследования. Далее, даже если критерий оптимальности и сформулирован, то нахождение оптимального плана само по себе не решает все вопросы. Любой план, в том числе и оптимальный, для своей реализации требует хорошей организации структуры управления. Потери из-за плохо организованного управления могут во много раз превышать потери от неоптимальности плана разнообразные случайные обстоятельства, учесть которые заранее невозможно в принципе, могут привести к существенному отклонению результата от плана.  [c.17]


Здесь, конечно, предполагается, что fj > 0. Если множество G/ имеет вид, приведенный на рис. 6.4, то решение этой задачи приводит к абсолютно оптимальному решению в противном случае — к некоторому эффективному. Поскольку методы этой подгруппы исключают участие ЛПР в принятии решения, а ЛПР обычно имеет собственное суждение о сбалансированности и справедливости, пе совпадающее с мнением математика, то и применять такие методы в прикладных задачах принятия решений обычно не удается. Рассмотренный подход более естествен в том случае, когда математик анализирует некоторую публично обсуждающуюся задачу и предлагает свой вариант понятия справедливости.  [c.301]

Накопленный в итоге исследований новый информативный массив данных о гидромеханических процессах при бурении и цементировании скважин, а также интенсивное развитие параллельных исследований обусловливают возможность формализации и оптимизации по сути дела всего процесса бурения скважин и решения ряда прикладных задач. Например, создаются предпо-  [c.162]

Для функционирования баз данных приобретаются не только СУБД, но и дополнительные разнообразные программные средства их окружения — программы обучения пользователя, справочные системы, программы восстановления базы данных при ее разрушении и др. Многообразие таких инструментальных программных средств повышает производительность пользователя, экономит его время, сокращает сроки разработки и решения прикладных задач. Появляется возможность выбора программы в соответствии с потребностями данной работы, обеспечивается более рациональное использование вычислительных ресурсов. Для подбора наиболее эффективных инструментальных программных средств от пользователя требуется соответствующий уровень подготовки.  [c.202]

В AS-модели программа, выполняемая на компьютере-клиенте, решает задачу ввода и отображения данных, т. е. реализует операции первой группы. Прикладные программы выполняются одним либо группой серверов приложений (удаленный компьютер или несколько компьютеров). Доступ к информационным ресурсам, необходимым для решения прикладных задач, обеспечивается так же, как и в RDA-модели. Прикладные программы обеспечивают доступ к ресурсам различных типов — базам данных, индексированным файлам, очередям и др. RDA- и DBS-модели опираются на двухзвенную схему разделений операций. В AS-модели реализована трехзвенная схема разделения операций, где прикладная программа выделена как важнейшая (рис. 4.6).  [c.215]

Широкое использование распределенных вычислительных систем в страховом деле предопределили характер самих прикладных задач и организацию. их решения. Сотрудники, отделы, филиалы страховой компании, отдельные потребители информации (агенты,  [c.367]

В ряде прикладных задач требуется оценить значимость коэффициента корреляции г ( 3.3). При этом исходят из того, что  [c.73]

Определяющим фактором, который снижает эффективность существующих АИТ, является применение жестких (формализованных) моделей, неадекватных реальным объектам и процессам, для синтеза которых используется только количественная информация предметной области. Строгий математический аппарат, применяемый для синтеза формальных моделей, не позволяет учесть все многообразие факторов, влияющих на состояние или поведение объекта управления. Поэтому на практике большинство лиц, принимающих решения, как правило, дополнительно используют собственные эвристические, интуитивные модели и алгоритмы решения прикладных задач. Решения, получаемые при этом, неоптимальные в математическом смысле, тем не менее учитывают сложную природу взаимосвязи реальных объектов, процессов и их элементов между собой и внешней средой. Поэтому синтез моделей объектов или процессов, которые учитывают еще и профессиональные знания (опыт, интуицию) ЛПР, позволяет повысить обоснованность принимаемых решений и добиться нового качества управления сложными организационными системами.  [c.243]

В качестве рабочего можно принять следующее определение знания - это особая форма информации, представляющая собой совокупность структурированных теоретических и эмпирических положений предметной области, которые представлены в различной форме, обладают определенными свойствами, связаны синтаксическими, семантическими и прагматическими отношениями и позволяют решать прикладные задачи.  [c.245]

Представление знаний в СИИ является не только фундаментальным понятием, но и решающим аспектом их разработки. Выбор модели представления знаний (МПЗ) важен ввиду их многообразия и размытости критериев выбора, ибо он оказывает огромное влияние на любую часть СИИ и предопределяет их возможности (свойства и характеристики). Последствия неудачного решения проблемы представления знаний могут быть катастрофическими. Кроме того, используемый в СИИ формализм представления знаний определяет характер их получения и накопления, в результате которого создается БЗ, ориентированная на определенную структуру представления, а не на сущность самих знаний. Выбор модели, неадекватной типам знаний, приводит к потере многих существенных деталей прикладной задачи и порождает тривиальный интеллект.  [c.249]

Формирование знаний - это процесс автоматического приобретения (порождения) системой искусственного интеллекта или инструментальным средством нового и полезного знания из исходной и текущей информации, которое в явном виде не формируют эксперты, в целях освоения новых процедур решения прикладных задач на основе использования различных моделей машинного обучения. Под приобретением знаний будем понимать процесс, основанный на переносе знаний из различных источников в базу знаний путем использования различных методов, моделей, алгоритмов и инструментальных средств.  [c.258]

Рассмотренные модификации алгоритма решения задачи планирования нефтеперерабатывающих производств при переменных коэффициентах отбора и затрат позволяют в определенной мере сократить число итераций и объем вычислений. Однако при большой размерности исходной задачи, высоком проценте заполненности матрицы условий, большом числе варьируемых векторов и ненулевых элементов в них этот подход не обеспечивает высокой эффективности расчетной процедуры. Частично данный вопрос может быть решен с учетом особенностей прикладных задач.  [c.33]

Имеется ряд прикладных задач планирования и управления в условиях неполноты информации, для которых решения должны определяться до реализации случайных параметров условий на основе априорной оценки статистических характеристик. В процессе реализации предварительно принятых решений появляется информация о фактических реализациях случайных параметров, которая может быть использована для корректировки исходного решения и компенсации возникших невязок. Решение подобных задач состоит из предварительного и корректирующего планов. Подобные двух- или многоэтапные постановки отражают динамику процессов управления и учитывают адаптируемость реальной системы в изменяющихся условиях.  [c.54]

В связи с указанными обстоятельствами в прикладных задачах возникает проблема поиска компромисса между экономической эффективностью планового решения, уровнем его надежности и объемами ресурсов, привлекаемых для обеспечения приемлемой эффективности и надежности.  [c.94]

В рассматриваемой ситуации представляет интерес исследование возможностей практического применения идеи не обязательно точного решения задачи оптимизации и целесообразности ввода в число параметров наиболее вероятных плановых решений, впервые сформулированных в работах академика А. Н. Тихонова по теории некорректно поставленных задач. Задача ЛП поставлена и решена некорректно, если при малых колебаниях определяющих параметров модели наблюдаются большие отклонения значений вектора-решения х, т. е. л не обладает устойчивостью. В области устойчивости выбирается точка, координатами которой являются текущие значения управляющих решений, причем, если речь идет о планировании, то такими решениями являются практические реализации плановых решений. Однако совокупное решение оптимальной задачи ЛП и ее нормальное решение встречают труднопреодолимые препятствия вычислительного характера. Видимо данная особенность послужила причиной того, что в прикладных задачах оптимизации (в частности, относящихся к нефтепереработке) теория некорректных задач ЛП не получила должного отражения.  [c.117]

Теоретическое (ФИ) исследование не связано непосредственно с решением конкретных прикладных задач. Однако именно оно составляет фундамент инновационного процесса. Вместе с тем необходимость теоретических исследований может быть обусловлена потребностями практики и синтезом предыдущих знаний о предмете.  [c.16]

Средства описания технологий выбираются в зависимости от содержания прикладных задач производственной технологии.  [c.185]

Кроме задач аппроксимации, к задачам представления функций многих переменных сводятся решение задач распознавания зрительных и речевых образов, выполнение функциональных преобразований при обработке сигналов, задачи классификации и многие другие, так как, вообще говоря, большая часть прикладных задач может быть сведена к реализации сложного многомерного функционального преобразования.  [c.134]

Надо открыто признать, что процесс развития науки является экономически управляемым процессом в соответствии с интересами инвесторов (государства и частного сектора). Фундаментальные исследования также финансируются ради решения прикладных задач. Вот, к примеру, полвека назад было принято решение о разработке ядерного оружия, средств радиолокации, инфракрасной оптики и т.д., и сразу стала бурно развиваться фундаментальная наука в этой области. Причем результаты этого развития оказались совсем не парадоксальными, а теми, что и предсказывали, т.е. были созданы соответствующие системы вооружения. А вот в области генетики фундаментальная наука в те годы не развивалась. Полезность генетики для государства не была понята, она была признана лженаукой и поэтому деньги для получения "непредсказуемых и парадоксальных результатов" не выделялись.  [c.249]

Б е л л м а н Р., Д р е и ф у с С. Прикладные задачи динамического программирования. М., Наука , 1965, с. 115.  [c.227]

Создание ПО САПР относится к области инженерного программирования, которая характеризуется целым рядом особенностей. В условиях широкого распространения ЭВМ и проникновения их практически во все сферы инженерной деятельности специалистам различных профилей совершенно необходимо овладеть знаниями и навыками программирования тех задач, которые им приходится решать в своей работе, однако это не умаляет роли специалистов по программированию различных системных и прикладных задач. Специфический характер и результаты их труда требуют специальных методов его организации и нормирования для планирования и оценки эффективности.  [c.83]

Не требуют самостоятельного программирования, легко осваиваются, инструмент быстрого и дешевого решения прикладных задач  [c.38]

При наличии дополнительных знаний о характере задачи статистические данные могут оказаться предпочтительнее. При сравнительном анализе возможностей нейронных сетей и статистических методов надо быть достаточно осторожными, поскольку иногда весьма сложные нейросетевые подходы сопоставляются с простыми статистическими моделями или наоборот. Существует мнение, что одинаково мощные статистические и нейросетевые подходы дают результаты одинаковые по точности и по затратам. Тем не менее, примеры решения действительно важных прикладных задач могут дать представление о возможностях того или иного подхода.  [c.203]

Однако, экспертные системы претендовали именно на решение важных прикладных задач прежде всего в таких областях, как медицина и геология. При этом соответствующая технология в сочетании с нечеткими системами была в 1978 году положена японцами в основу программы создания компьютеров 5-го поколения.  [c.205]

Такое понятие информации хорошо объясняет ее природу и успешно используется для решения многих научных и прикладных задач. В эргономике оно охватывает три типа компонента элементов (сложность ЧМС), отношений порядка (упорядоченности1) и любых отношений и взаимосвязей элементов (организация) в системе, множестве, целостности [82]. Понятие информации является, как видно, более широким, чем понятие сложности, упорядоченности или организации.  [c.29]

Интервальное описание. Во многих прикладных задачах часто нет оснований или недостаточно информации для того, чтобы рассматривать факторы неопределенности как случайные (например, когда нельзя даже гипотетически предположить возможность многократного проведе-  [c.46]

На основе обобщенной модели буримости впервые иденти-фирована критериальная модель буримости глинистых отложений с учетом способа реализации гидравлической мощности при комбинации скоростей истечения, подачи насосов и среднего диаметра насадок долота. Показана возможность использования этой модели для коррекции плотности буровых растворов и перспективного решения ряда прикладных задач.  [c.161]

Вентцель Е. С, Овчаров Л. А. Прикладные задачи теории вероятностей. - М. Радио и связь, 1983. - 416 с.  [c.218]

Модули серии МК-400 обеспечивают возможность реализации систем различной степени сложности, отвечающих требованиям большинства прикладных задач сбора данных и управления. Встроенные программные средства, позволяющие настраивать диапазоны входных (выходных) сигналов, различные уставки и предустановки, предоставляют пользователю максималь-ную гибкость и удобство при созданий самых различных систем.  [c.137]

Овчаров Л.А. Прикладные задачи теории массового обслуживания. -М. Машиностроение, 1969. - 324с.  [c.231]

Уровни ДиНаполи - это уровни поддержки и сопротивления, создаваемые в соответствии с определенным набором правил и управляющие продвинутыми методами решения прикладных задач с помощью анализа Фибоначчи. Уровни ДиНаполи включают в себя Фиб-узлы, Целевые Точки, Скопления и ценовые области Согласия.  [c.143]

Теперь, после знакомства с базовыми принципами нейросетевой обработки, можно приступать к практическим применениям полученных знаний для решения конкретных задач. Первое, с чем сталкивается пользователь любого нейропакета - это необходимость подготовки данных для нейросети. До сих пор мы не касались этого, вообще говоря, непростого вопроса, молчаливо предполагая, что данные для обучения уже имеются и представлены в виде, доступном для нейросети. На практике же именно предобработка данных может стать наиболее трудоемким элементом нейросетевого анализа. Причем, знание основных принципов и приемов предобработки данных не менее, а может быть даже более важно, чем знание собственно нейросетевых алгоритмов. Последние как правило, уже "зашиты" в различных нейроэмуляторах, доступных на рынке. Сам же процесс решения прикладных задач, в том числе и подготовка данных, целиком ложится на плечи пользователя. Данная глава призвана заполнить этот пробел в описании технологии нейросетевого анализа.  [c.126]