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]
Экономический анализ деятельности НИИ и КБ невозможен без использования экономико-математических методов. Результаты анализа наиболее эффективны, если они вскрывают внутренний механизм процесса и базируются на экономико-математической модели функционирования системы или ее части. Практически в экономическом анализе используются все разделы прикладной математики. Особенно часто применяются элементы математической статистики, и в частности методы корреляционного и регрессионного анализа используется дифференциальное и интегральное исчисление для прямого факторного анализа. В целях группировки анализируемых объектов прибегают к методам распознавания образов, и в частности к методам построения оптимальных классификаций объектов. [c.217]
Наиболее эффективно используются ЭВМ в том случае, если применяется обшее системное управление предприятием. При системном методе управления ЭВМ целесообразнее всего использовать для решения повторяющихся проблем или очень крупных уникальных проблем. Использование ЭВМ и математических методов дает возможность в процессах выделения и распознавания проблем осуществлять эти операции на тех стадиях, когда иные способы не позволяют их проводить. [c.38]
АЛГОРИТМ — совокупность арифметических и логических процедур, обеспечивающих решение задач. Арифметическая составляющая алгоритмов включает в себя операции сложения, вычитания, умножения и деления чисел. Эти процедуры имеют место во всех математических методах анализа и синтеза рассматриваемых систем. К логическим операциям относятся процедуры сопоставления, сортировки, ранжирования, выделения, распознавания чисел и символов. Путем сочетания арифметических и логических процедур с помощью ЭВМ автоматизируется решение рутинных математических задач, перевод текстов с одного языка на другой, распознавание предметов в роботизированных производственных системах, считывание и преобразование в звук нотных знаков и т. п. В условиях использования развитых сетей ЭВМ сформировался класс [c.13]
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]
Методы распознавания образов. В последнее время на стыке математической и технической кибернетики получили развитие методы решения задач классификации и прогнозирования. Условно их можно разделить на четыре группы. [c.257]
В процессе реализации рационального подхода к принятию решений решаются задачи поиска, распознавания, классификации, упорядочения и выбора. Для этого могут применяться различные математические методы и модели с целью рационализации (оптимизации) выходных результатов. В целях оказания помощи при подготовке решений могут привлекаться эксперты. В процессе принятия рационального решения необходимо учитывать влияние таких факторов, как личностные оценки ЛПР, среду принятия решений, информационные ограничения, поведенческие ограничения, социально-психологические аспекты и ряд других. В зависимости от сложности проблемной ситуации в процессе принятия решений указанным методом варьируются затраты необходимых ресурсов трудовых, материальных, финансовых, а также затраты времени на разработку и принятие решения. [c.118]
В процессе реализации рационального подхода к принятию решений решаются задачи поиска, распознавания, классификации, упорядочения и выбора. Для этого могут применяться различные математические методы и модели с целью рационализации (оптимизации) выходных результатов. В целях оказания помощи при подготовке решений могут привлекаться эксперты. [c.136]
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]
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]
Стохастическая аппроксимация — сравнительно молодая математическая дисциплина, проблематика которой представляет значительный интерес для теоретической статистики, для решения экстремальных задач в условиях неполной информации и для разнообразных приложений в естественных и технических науках. Статистики видят в стохастической аппроксимации новую процедуру выбора решений по ограниченной выборке. Для исследователей биологов, химиков или медиков стохастическая аппроксимация является экономным методом использования результатов наблюдений для практических выводов. Специалисты по автоматическому регулированию видят в стохастической аппроксимации общий подход к анализу разнообразных схем и моделей распознавания, идентификации, обучения и адаптации. Мы рассмотрим стохастическую аппроксимацию совсем с иной точки зрения. [c.341]
Сложность задач, возникающих в конкретных разработках при описании реального мира (системы и среды) на естественном языке, вызвала к жизни некоторые новые формальные методы и концепции для анализа процессов принятия приближенных решений, включающих теорию расплывчатых множеств. Введенное Л. Заде в 1965 г. в небольшой статье в журнале Информация и управление понятие нечеткого множества нашло применение в теории конечных автоматов, формальных грамматиках, языках, теории алгоритмов, оптимальном управлении, принятии решений, логике, распознавании образов получило отклик в таких чисто математических областях, как общая алгебра, теория групп, топология, а также оказалось очень полез-16 [c.16]
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]
К первой группе относятся задачи распознавания принадлежности каждого объекта из некоторой их совокупности к тому или иному рангу заданного конечного множества классов, состояний и т.п. Например, прогнозируя ход строительства промышленных объектов по материалам первого года, необходимо определить, к какому из классов ( Объект будет введен досрочно , Объект будет введен в директивный срок , Объект будет построен с небольшим опозданием , Срок ввода объекта в эксплуатацию будет сорван ) можно отнести исследуемый объект на момент планируемого окончания его строительства. В решении этой группы задач используются методы математической статистики, теория игр, математическая логика и др. [c.257]
В зависимости от целей, принципа опознавания, предметной области, к которой принадлежит выделенная совокупность элементов, выполняется изучение свойств, состава, параметров, характеристик, взаимосвязей и т. п. с помощью различных методов, например, физических, химических, математических, кибернетических. При этом могут использоваться различные технические средства, средства организационной техники для измерения, наблюдения, регистрации, преобразования, обработки, передачи данных и т. д. Существенным на этом этапе является выявление сходных характеристик и отличительных особенностей (сходства и различия) исследуемых элементов среды. Полученная информация по возможности должна обладать свойствами полноты и достоверности. Эта информация будет использоваться на последующих этапах процесса распознавания. [c.243]
Решение задач, возникающих при разработке и эксплуатации распознающих систем, осуществляется с применением математики. Так, для обработки априорной информации логического характера применяется алгебра логики стохастического характера — теория вероятностей, математическая статистика, теория матриц, теория множеств и т. д. № при разработке системы распознавания применяются также методы исследования операций, теории игр, теории принятия решений и др. [c.267]
В работе [3] проблема распознавания, заключающаяся в нахождении рабочего алфавита классов, рабочего словаря признаков, описания классов на языке признаков, оптимального состава комплекса технических средств системы распознавания, которые при наилучшем решающем правиле обеспечивают наиболее эффективное решение задачи распознавания, в условиях наличия ограничений на используемые ресурсы для создания комплекса технических средств, сформулирована в виде оптимизационной задачи и приведен метод ее решения, основанный на математическом моделировании. [c.267]
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]
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]
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]
В классической работе Робертса [3] описан метод распознавания объектов, основанный на преобразовании исходного квантованного изображения в контурное, анализ которого может быть выполнен при помощи перспективных преобразований математических моделей объектов. Это преобразование в контурную форму состоит в применении локального детектора края, кото- [c.136]
Формирование оптимального варианта разбиения множества исследуемых элементов среды на классы (оптимального алфавита классов), оптимального словаря признаков, наилучших решающих правил, эффективных алгоритмов распознавания требует формулирования и нахождения практически реализуемых методов решения соответствующих задач, применения математических методов, моделирования, итерацион-244 ных подходов и т. п. при их решении. [c.244]
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]
Для технического и математического обеспечения автоматизированных систем проектирования следует решить проблемы широкого внедрения принципов цифрового кодирования геометрической информации и методов обратного преобразования информации в чертежно-графическую разработки математических моделей, методики инженерно-технических и экономических расчетов, используемых в НИР и ОКР, и создания алгоритмов с программами их решения на ЭВМ систематизации математической формализации норм, правил, ТУ, ГОСТов на проектирование для использования их в САПР создания кодированных каталогов изделий, узлов, деталей, материалов, процессов составления кодированных каталогов научно-технической и патентной информации с выводом на копировальные устройства организации автоматизированных архивов, чертежей, справочной и нормативной документации формирования комплексных программ конструирования изделий, их узлов и элементов на базе синтеза частных программ инженерных расчетов выбора и обоснования критериев для принятия оптимальных решений на разных этапах НИР и ОКР алгоритмизации процессов НИ-ОКР, применения эвристических методов и программированных моделей мышления разработчиков разработки методов автоматизации распознавания образов для считывания графической и текстовой информации создания языков для общения ученого и инженера с машиной разработки комплексов технических средств САПР и АСНИ. [c.122]
Но в чем же тогда причина успеха нового подхода В том, что он (в отличие от математической логики) с самого начала был ориентирован на кибернетические приложения распространен на теорию алгоритмов и ее применения в задачах искусственного интеллекта, на теорию принятия решений, на распознавание образов, на препарирование естественного языка. Эта прикладная направленность нового подхода и привела к его популярности. Разрабатывающие его ученые указывают на то, что вероятностные методы, вполне эффективные для технических систем, в которые не включен человек, мало подходят для отображения явлений и процессов, в которых существен человеческий фактор. Последний влечет за собой более серьезные и глубокие неопределенности, вызываемые наличием у человека субъективных представлений об окружающем его мире и своей деятельности в нем. Теория нежестких объектов, в которой оценки принадлежности элементов расплывчатым множествам могут быть результатом обработки заключений экспертов и модели которой способны учитывать характер расллывания смыслов выражений естественного языка, подходит для этого, по мнению тех, кто ее развивает, лучше, чем вероятностный аппарат. [c.170]
Нейронные сети —это математические модели, которые имитируют работу мозга. Это означает, что они пытаются подражать параллельным, методам вычислений, которые, по нашим предположениям, лежат в основе функционирования Мозга. Нейронные сети в действительности не имитируют Мозг, они лишь являются некоторыми моделями его работы. Подобно любым моделям нейронные сети — это огрубляющее Упрощение действительности. Однако нейронные сети обладают умением приспосабливаться. Это значит, что они могут °бучаться (или перестраивать свои параметры) при получе-Чии новой информации. При наличии достаточной обучающей выборки они становятся способны к распознаванию образов, в итоге нейронные сети — это в основном некоторая [c.247]
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 Математические методы распознавания
: [c.26] [c.28] [c.59]Смотреть главы в:
Исследование систем управления -> Математические методы распознавания