Cтраница 1
Решающее правило строится в зависимости от значений элементов объединенного вектора Ь1 ( ограничений на плановые задания, на сырье и на мощности. [1]
Решающее правило, основанное на методе k ближайших соседей, является очень простым и не требует знания плотностей вероятности. Его недостаток заключается в необходимости хранить в памяти машины все объекты и сравнивать каждый из них с неизвестным объектом. В этом случае решающее правило называют правилом ближайшего соседа. [2]
Решающее правило - правило, в соответствии с которым принимается решение о диагнозе. [3]
Решающее правило - это метод, позволяющий выбрать решение, наиболее предпочтительное в каком-либо смысле. [4]
Решающее правило на каждом таксоне постоянно: векторы таксона относим в тот из распознаваемых классов, чьих представителей из обучающей выборки больше оказалось в данном таксоне. [5]
Решающее правило, для которого средний риск оказывается наименьшим, называется байесовым решением относительно рассматриваемого априорного распределения PQ ( S), а ( соответствующий средний ржж - байесовым риском. В теории доказывается существование байесового решения для произвольного априорного рас-пр еде лени я и ограниченной неотрицательной функции потерь. [6]
Решающее правило может быть задано по-разному. Прежде всего, любое решающее правило - это набор условий, которым должны удовлетворять примеры формируемого понятия. Способ задания решающего правила может быть различным ( например, логическое выражение, дерево решений, набор продукционных правил), однако, как будет показано далее, достаточно легко можно перейти от одного представления к другому. Разрабатывая алгоритм формирования решающего правила, исследователь заинтересован в получении правила, наиболее достоверного или наиболее точно отражающего особенности примеров класса. Решающее правило также должно быть максимально компактным: правило, просто перечисляющее все свойства всех объектов обучающей выборки, не имеет ценности. [7]
Решающее правило выдается в цифровой форме в виде значений порогов в каждом спектральном диапазоне. Коды величин порогов поступают на цифроаналоговые преобразователи, выходное напряжение которых используется в блоке обработки. Выходной сигнал блока обработки суммируется с анализируемым видеосигналом, в результате чего на экране монитора формируются контрастно окрашенные участки, соответствующие выбранным классам. [8]
Решающее правило задается критическим значением выборочной оценки ( вообще статистики), которому на диаграмме контрольной карты соответствует граница регулирования. [9]
Решающее правило, порождаемое комитетом, совсем необязательно принадлежит исходному множеству решающих правил. Следовательно, построение комитетов над множеством исходных решающих правил является одним из формальных аппаратов для расширения класса решающих правил. [10]
Решающее правило и машинный порог дают возможность: а / осуществлять программу минимизации факторов, т.е. отбора из всей их совокупности тех сочетаний, которые являются наиболее информативными, б / выделять в отобранной минимизированной совокупности так называемые неуправляемые и управляемые факторы и подбирать в рамках фиксированного статистического распределения такие сочетания управляемых факторов, которые дают в прогнозе с некоторой вероятностью уменьшение относительного риска заболевания. [11]
Решающее правило, построенное в доказательстве теоремы 3, требует умения проверять точное совпадение двух наблюдений. [12]
Решающее правило определим следующим образом. [13]
Решающее правило этого типа называется последовательным критерием отношений вероятностей. [14]
Решающее правило, реализуемое блоками 5, I51 - 5IV может быть основано на процедуре направленного перебора вариантов. Например, после выгрузки & - й отправки в / - е место зоны хранения, удовлетворяющее условию (5.45), очередной холостой рейс выполняется к ближайшему t - му вагону за следующей единицей груза. [15]