Cтраница 1
Общее количество ошибок в наборе достаточно велико, появление их невозможно предугадать, на каждой из наборных операций могут появиться новые ошибки. Для того, чтобы не пропустить эти ошибки в готовое издание, существует специальный большой штат работников в типографиях и издательствах. [1]
Случайные ошибки составляют 35 % от общего количества ошибок для неразмеченной ленты и 56 % для размеченной ленты. [2]
Печатает мнемоническое сообщение об ошибке; подсчитывает общее количество ошибок и количество грубых ошибок; при наличии слишком большого количества ошибок компиляция заканчивается. [3]
После ответа на последний вопрос надо выдать на экран общее количество ошибок и оценку за экзамен. [4]
Число технологических ошибок и ошибок в документировании сравнительно невелико и составляет 3 - 5 % от общего количества ошибок. [5]
На следующей итерации алгоритма остается только одна возможность для редукции - узел волосы, но, как нетрудно проверить, такая редукция приведет к увеличению общего количества ошибок, поэтому на этом работа алгоритма заканчивается. [6]
Таким образом, полученные данные свидетельствуют о наличии закономерных изменений в динамике ошибок различного типа при длительной работе операторов по распознаванию зашумленных зрительных образов в условиях отсутствия обратной связи о результатах своей деятельности, о большей информативности анализа перераспределения ошибок распознавания различного типа по сравнению с учетом динамики общего количества ошибок распознавания. [7]
В соответствии с принятой классификацией ошибок можно сказать, что в первой комбинации имела место одиночная ошибка вида 1 - Я) в третьем элементе; во второй комбинации - двойная компенсированная ошибка во втором и третьем элементах; в третьей комбинации - тройная ошибка, поражены элементы второй, третий и четвертый; в четвертой комбинации - тройная ошибка в первом, четвертом и пятом элементах. Такая форма записи позволяет не только подсчитать общее количество ошибок, но и указать место каждой ошибки. Запись потока ошибок получают, складывая поэлементно переданную и принятую последовательности. [8]
В Microsoft, видимо, очень популярны всякого рода макросы. Действительно, язык программирования С не поддерживает проверку типов передаваемых параметров, поэтому использование функциональных макросов не увеличивает общее количество ошибок на программу. Конечно, усложняется отладка, но это уже проблема программистов. Наверное, не стоило бы об этом говорить, но дело в том, что реально многие, особенно новые, возможности, предоставляемые API, являются макросами. [9]
При построении программы Developer Studio отображает результаты каждого шага построения в окне Output. В окне Output будут появляться все сообщения об ошибках или предупреждения, а затем, когда построение завершится ( успешно или неуспешно), Developer Studio подаст звуковой сигнал и выведет общее количество ошибок и предупреждений. [10]
Одним из способов оценки / ср является наблюдение за поведением программы в определенный временной период и на участке между двумя последующими ошибками. Время между обнаружением двух последовательных ошибок имеет тенденцию к возрастанию по мере обнаружения и корректировки ошибок. Экстраполируя этот ряд величин в будущее, можно с определенной вероятностью предсказать общее количество ошибок в разработанной системе. Гораздо лучшим приемом, требующим меньшее количество точек данных для той же точности прогноза, является постулирование модели для удаления ошибок и использования тестовых данных для оценки каждой модели. [11]
Это правило справедливо для любых избыточных кодов. В принципе, увеличивая избыточность, можно получить коэффициент обнаружения / С0б & как угодно приближающимся к своему максимальному значению, и свести к нулю количество необнаруженных ошибок. При этом количество необнаруженных ошибок, как это следует из вышеприведенного определения коэффициента обнаружения, составляет от 0 01 до 0 001 от общего количества ошибок. Дальнейшее повышение верности требует введения большой избыточности и экономически не оправдано. [12]
Алгоритмические ошибки значительно труднее поддаются обнаружению методами формализованного автоматического контроля, чем предыдущие типы ошибок. К алгоритмическим следует отнести прежде всего ошибки, обусловленные некорректной постановкой функциональных задач, когда в спецификациях не полностью оговорены все условия, необходимые для получения правильного результата. Эти условия формируются и уточняются в значительной части в процессе тестирования и выявления ошибок в результатах функционирования программ. Ошибки, обусловленные неполным учетом всех условий решения задач, являются наиболее частыми в этой группе и составляют до 70 % всех алгоритмических ошибок или около 30 % общего количества ошибок на начальных этапах проектирования. [13]
В КП информационно-справочных систем эти виды ошибок близки по удельному весу, однако для автоматизации их обнаружения применяются различные методы. На начальных этапах разработки и автономной отладки модулей программные ошибки составляют около Д всех ошибок. Ошибки применения операций на начальных этапах разработки достигают 14 %, а затем быстро убывают при повышении квалификации программистов. Каждая программная ошибка влечет за собой необходимость изменения около шести команд, что существенно меньше, чем при алгоритмических и системных ошибках. На этапах комплексной отладки и эксплуатации удельный вес программных ошибок падает и составляет около 15 и 3 % соответственно от общего количества ошибок, выявляемых в единицу времени. [14]
В работе Мингера проведено сравнение нескольких методов упрощения деревьев. Основываясь на результатах этой работы, мы рассмотрим алгоритм Reduce, предложенный Куинланом в 1987 г. Алгоритм Reduce формирует последовательность упрощенных деревьев, и для его работы необходимо наличие тестового множества примеров. Алгоритм работает следующим образом: сначала полное дерево используется для классификации примеров тестового множества, и для каждого узла дерева запоминается количество примеров каждого класса. Затем для каждого узла вычисляется количество ошибок, допущенных в процессе классификации и количество ошибок, которое было бы допущено, если бы соответствующее поддерево было редуцировано в лист. Из всех узлов дерева выбирается тот, который дает наибольший выигрыш в количестве ошибок, и преобразуется в лист. Процесс повторяется до тех пор, пока не останется узлов, редукция которых уменьшает общее количество ошибок. [15]