Моделирование входных данных

Моделирование входных данных [c.45]

Моделирование входных данных 47 [c.47]

Моделирование входных данных 83 [c.83]

В отличие от задач прямого моделирования обратные задачи относятся к классу некорректных (в математическом смысле), в частности, неустойчивых относительно погрешности входных данных. Однако современное моделирование обладает средствами для их решения, что существенно расширяет возможности применения математического моделирования в экологии. [c.6]

Аналитик определяет значение входных данных, необходимых для моделирования, интерпретирует результаты и устанавливает целевую структуру капитала. Окончательное решение должно приниматься с учетом всех факторов, рассмотренных в этой и предшествующей главах. [c.234]

Моделирование входного сигнала или входных данных в виде динамического ряда Y, опирается на отработанный перечень математических подходов и приемов, которые могут быть упрощены в связи с тем, что имитационная модель не требует той математической строгости, без которой аналитические методы просто не работают. Вместе с тем достоверность фильтрации составляющих ряда Yt должна соответствовать степени точности, необходимой для данной имитационной модели. [c.48]

Если в объекте моделирования входной сигнал преобразуется в определенный функционал, то необходимо иметь типовые функциональные блоки. Когда функционал имеет детерминированный характер, функциональный блок воспроизводит детерминированную функциональную зависимость. Если зависимость носит вероятностный характер, то блок должен воспроизводить случайную функцию. При этом следует указать, что способ получения заданных случайных зависимостей давно используется в статистическом моделировании (метод Монте-Карло) и может быть заимствован оттуда. В реальных моделях часто требуется не только воспроизводить случайную функцию, а применять эмпирические зависимости, т.е. использовать реальные данные в преобразователях и т.п. Гораздо легче в имитационных моделях реализовать блоки, имеющие теоретические распределения, так как их легко преобразовывать, меняя интенсивность или другие параметры распределений. [c.286]

Совокупность моделей и алгоритмов, скоординированных для решения конкретной задачи ПОВ, и массивы входных данных включаются в соответствующую автоматизированную информационную систему, что позволяет эффективно использовать методы имитационного моделирования для решения задач ПОВ. [c.282]

Функция импульсного моделирования (г). Для реализации необходимо 1) открыть для работы файл данных когнитивной модели 2) задать текущие импульсы в вершинах 3) задать количество шагов моделирования 4) провести расчеты импульсного моделирования по заданным входным данным 5) выбрать вершины, изменения которых будут отображаться на графике при моделировании 6) отобразить на графике результаты моделирования 7) сохранить результаты моделирования в файл на жестком диске для последующей распечатки на принтере. [c.221]

Известны модификации метода исторического моделирования, в которых произ водится взвешивание используемых входных данных (см., например, [19]). [c.268]

Мы последовательно повторяли процессы моделирования, меняя при этом исходные условия предварительной обработки входных данных (используя различные методы преобразования и нормирования) и наборы ключевых параметров, стремясь [c.164]

Компьютерное и интерактивное обучение с помощью видеоматериалов. Системы самообучения с помощью компьютерных и интерактивных видеоматериалов могут обучить даже межличностным компетенциям, используя для этого техники моделирования поведения.15 Эти системы сопутствуют распознанию, пониманию, самооценке, практике/обратной связи навыков и последующей поддержке. Например интерактивная видеосистема, применяемая для обучения навыкам презентаций в продажах, состоит из компьютерного дисплея, на котором представлены ситуации, и телевизионной камеры, записывающей ответы учащегося. В системе представлены следующие входные данные [c.298]

Для нормального процесса моделирования исходные данные должны поступать в определенной форме. Несмотря на то, что весь процесс осуществляется с помощью диалоговой информационной системы фирмы, все входные формы и исходящие отчеты, с помощью которых отдельные составители подают [c.485]

Особое место ЭММ в методическом обеспечении АСПР определяется тем, что они позволяют не только оперативнее и лучше выполнять традиционные для плановой практики расчеты, но и решать принципиально новые задачи, обеспечивающие качественно более высокий уровень обоснования планов. Предназначенные для использования в АСПР ЭММ должны удовлетворять ряду специфических требований, без чего невозможна их эффективная эксплуатация в реальном режиме разработки плана и контроля его выполнения. К этим требованиям прежде всего относятся соответствие модели конкретным планово-экономическим задачам, решаемым в процессе работы над планом технологичность модели, под которой понимается не только возможность ее реализации в установленные сроки на базе имеющихся средств математического и технического обеспечения, но и возможность для плановых работников производить расчеты по модели, не обладая специальными знаниями в области моделирования информационная обеспеченность модели, т. е. возможность формировать ее входную информацию по заданной методике на основе имеющихся отчетных и плановых данных. [c.165]

Показатель имеет наполнение значений реквизитов, множество экземпляров показателя представляется в виде таблицы или матрицы. Столбцы таблицы — названия реквизитов, строки — экземпляры показателей. С позиций технологии обработки данных и моделирования, любой показатель является входным или выходным. Выходные показатели являются результатом моделирования и непосредственно используются в управлении объектом. Входные показатели обеспечивают формирование параметров модели, выходных показателей. Все показатели имеют материальную форму представления, место хранения. [c.431]

Разработанная схема расчетов предусматривает не только определение оптимальных показателей по выпуску товарных нефтепродуктов, но и сведение баланса в укрупненном виде по НПП по всем контролируемым входным и выходным показателям. Являясь задачей верхнего уровня, данная задача обеспечивает получение сводного документа -производственной программы комплекса НПП, где за производственные единицы приняты НПП. При этом указания конкретных путей моделирования внутризаводской производственной программы отсутствуют. [c.125]

Одним из наиболее важных моментов в процессе работы с имитационной моделью является анализ ее чувствительности. Под ним понимается определение степени изменчивости значений целевых показателей модели по отношению к колебаниям входных параметров. Так, если при относительно небольших изменениях исходных данных происходят значительные изменение в результатах моделирования, то это является достаточным основанием для дополнительных более детальных исследований взаимосвязей между соответствующими переменными. [c.214]

Третий член содержит величину tp — эталонную трудоемкость программирования обработки данных, вычислений, чел.-дней г — коэффициент, учитывающий объем обрабатываемых данных и равный 1, если суммарный объем (К байт) не превышает заданного ограничения, или 2—в противном случае s — коэффициент, характеризующий сложность алгоритма и равный 1, если нет необходимости в сложных вычислениях и моделировании, или 3 — в противном случае < 2 — коэффициент сложности выходного контроля (его значения определяются так же, как для q ) п, т — число разновидностей форм входных и выходных документов. [c.99]

Как входами, так и выходами нейросети могут быть совершенно разнородные величины. Очевидно, что результаты нейросетевого моделирования не должны зависеть от единиц измерения этих величин. А именно, чтобы сеть трактовала их значения единообразно, все входные и выходные величины должны быть приведены к единому - единичному - масштабу. Кроме того, для повышения скорости и качества обучения полезно провести дополнительную предобработку данных, выравнивающую распределение значений еще до этапа обучения. [c.130]

При моделировании реальных процессов чистые данные — это редкая роскошь. В силу самой своей природы, реальные данные содержат шумы и бывают неравномерно распределены. Очень часто практик просто собирает данные и подает их на вход модели, надеясь, что все получится. Однако, при сетевом подходе (и это верно здесь даже в большей степени, чем для классического статистического анализа) тщательная предварительная обработка данных может сэкономить массу времени и уберечь от многих разочарований. Рассмотрим следующие относящиеся сюда вопросы сбор данных их анализ и очистку их преобразование с целью сделать входную информацию более содержательной и удобной для сети. [c.58]

Эколого-математическая модель, например, может быть представлена в виде иконографической модели — схемы модели объекта (рис. 1.1) и в виде функциональной зависимости состояния объекта Ф(0 =Л С A, G, Y, Q, f), которая является функцией времени от входных факторов состояния объекта, состояния управления, выходных факторов и факторов внешней среды. При этом все факторы следует рассматривать в данном случае в виде векторных величин, изменяющихся с течением времени. При моделировании подобного объекта могут быть применены различного вида модели для исследования тех или иных его частей с различным целевым назначением. [c.9]

Одним из важнейших свойств роботов с искусственным интеллектом является способность распознавать окружающую их обстановку. Из всех возможных входных каналов для поступления данных об окружающем мире канал зрительной информации считается наиболее полезным. Несмотря на то что по моделированию зрительного восприятия выполнен целый ряд работ, в большинстве случаев в качестве зрительной информации на входе использовалась лишь световая интенсивность или яркость света, отраженного окружающей средой, а не цветовая информация. Интенсивность света, однако, определяется не только коэффициентами отражения объектов, но также и расстоянием от источника, углом падения света и яркостью источников освещения. Это замедляет процесс обработки зрительной информации и вызывает ряд трудностей при опознавании объектов. С другой стороны, цвет остается постоянным до тех пор, пока сохраняется цветовая температура источников освещения. Цвет является также одним из важнейших признаков объекта. В данной статье описывается использование цветовой информации в зрительном восприятии и приводится простой алгоритм для некоторых видов обработки зрительной информации. [c.276]

Функция interrupt для прерывания модели. Модель, которая, с точки зрения пользователя, выглядит отлаженной, на самом деле может таковой не быть. Она не обязательно сохранит свое быстродействие и логику работы, еслиэкспериментатор существенно изменит входные данные и подправит под них текст модели. Поэтому, независимо от опыта пользователя, создавшего очень сложную модель, необходимо иметь возможность временной приостановки модели и просмотра промежуточных результатов, после чего возобновить счет. Если результаты окажутся подозрительно неправдоподобными, то следует прекратить моделирование или перейти в режим отладки средствами трассировки . [c.121]

Допустим, что в результате перевода всех данных в числовую форму и последующей нормировки все входные и выходные переменные отображаются в единичном кубе. Задача нейросетевого моделирования - найти статистически достоверные зависимости между входными и выходными переменными. Единственным источником информации для статистического моделирования являются примеры из обучающей выборки. Чем больше бит информации принесет каждый пример - тем лучше используются имеющиеся в нашем распоряжения даные. [c.127]

Для определения значимости входов нам потребуется оценить предсказуемость выходов обеспечиваемую данным набором входных переменных. Чем выше эта предсказуемость - тем лучше соответствующий набор входов. Таким образом метод box- ounting предоставляет в наше распоряжение технологию отбора наиболее значимых признаков для нейросетевого моделирования, технологию оптимизации входного пространства признаков. [c.141]

При детерминированной процедуре результаты моделирования однозначно определяются по данной совокупности входных воздействий, параметров и переменных системы S. В этом случае отсутствуют случайные элементы, влияющие на результаты моделирования. Вероятностная (рандомизированная) процедура применяется в том случае, когда случайные элементы, включая воздействия внешней среды Е, влияют на характеристики процесса функционирования системы S и когда необходимо получить информацию о законах распределения выходных переменных. Процедура определения средних значений используется тогда, когда при моделировании системы интерес представляют средние значения выходных переменных при наличии случайных элементов. [c.102]

Смотреть страницы где упоминается термин Моделирование входных данных

Смотреть главы в: