Априорные знания

Cтраница 2

Методы нечеткого управления широко используются в промышленных процессах, особенно в ситуациях, где обычные методы управления трудно применимы. Однако они все еще страдают из-за сложности получения управляющих правил для процессов, в которых априорные знания недостаточны или не существуют вообще. Поэтому очень важным для нечеткого управления является то, как получить управляющие правила. [16]

Во-вторых, важная идея байесова подхода заключается в том, что при оценивании может и должна использоваться любая априорная информация о параметрах 9 и р, характеризующих данный процесс у. Такая информация игнорируется в методе максимального правдоподобия. Априорные знания учитываются посредством рассмотрения величин 0 и р ( 0е 5, реШ как случайных с известным распределением вероятностей F ( 0, p), так называемым априорным распределением вероятностей. Как правило, предполагается, что это распределение имеет плотность, р) - априорную плотность вероятности. [17]

В отношении непрямо поставленных перед машиной вопросов в связи с тем же примером говорится следующее: Если же ЭВМ будут заданы вопросы типа: Где была она в 8 часов. Сколько приблизительно времени Иванов был на вокзале. Ответы на подобные вопросы предполагают априорные знания о сути явлений, протекающих в реальном физическом мире. Например, при ответе на вопрос Где была она в 8 часов. [18]

Изменение энтропии адекватен передаваемой ин-в зависимости от величины фОрмации, очень мал или. [19]

Имеется некоторое минимальное количество / min ( 9) априорной информации / ( Э) тезауруса 9 в системе Sv, при котором система Sy начинает понимать сообщения, поступающие от системы Sx. После этого воспринимаемая информация / ( Я, 9) возрастает при увеличении / ( 9) до точки с координатами / тах ( Я, 9) и / опт ( 9), где достигается максимум восприятия. Далее следует спад, обусловленный тем, что априорные знания ( тезаурус приемника) становятся настолько богатыми, что источник не приносит новой полезной информации. [20]

Проблема универсальности является решающей. Невозможно провести научное исследование применимости всех компонентов модели для каждого практического случая. Объявляя ту или иную формулировку универсальной, полагаются на априорные знания законов природы и их применимости. Цель данной книги по сути дела состоит в том, чтобы представить в сжатой форме те знания, которые применимы для моделирования очистных сооружений. [21]

С нейрокомпьютерной точки зрения достоинства нечетких моделей как раз и связано с нелинейностью функции принадлежности. Фиксирование и изначальное задание архитектуры сети позволяет интерпретировать ее решения. И что особенно важно, описанный подход по сути позволяет инкорпорировать априорные знания в структуру нейронной сети. [22]

Предполагается далее, что каждому ключу ( и, следовательно, каждому отображению) соответствует некоторая априорная вероятность - вероятность выбрать этот ключ. Аналогично каждому возможному сообщению соответствует априорная вероятность, определяемая задающим сообщение вероятностным процессом. Эти вероятности различных ключей и сообщений являются фактически априорными вероятностями для шифровальщика противника и характеризуют его априорные знания относительно интересующей его проблемы. [23]

Впрочем, для широких кругов это стало ясно только после того, как идеи Лобачевского были усвоены и признаны; но об этом речь еще впереди. Нуйщо сказать, что отрешение от того, что считалось извечным, от творения присущим человеческому сознанию, неизбежно влекло за собой отказ от многих других навязанных представлений. В высказываниях Лобачевского, безоговорочно отвергающих всякие априорные знания, слышатся и другие недосказанные мысли. [24]

В приложениях связи st - это / - и класс сигнала из набора М классов, а г / - j - я выборка принятого сигнала. До эксперимента вероятность появления - го класса сигнала P ( s) называется априорной. Таким образом, к эксперименту мы приступаем, имея некоторые априорные знания, касающиеся вероятности состояния природы, а после изучения выборочного сигнала получаем апостериорную ( после свершения) вероятность. [25]

Начальное состояние логической эмпирической теории, получается из качественной теории переводом на теоретико-модельный уровень ее логико-операционной составляющей. В соответствии с методологическим принципом теории измерений ( свойства определяются отношениями) из всех свойств, величин, и гфизнаков качественной теории пользователь выделяет множество V интерпретируемых в системе понятий отношений и операций. Выделение множества V проводится по методике [1] в диалоге с пользователем ( задача гл. Результаты измерительных процедур и данные качественной теории представляются частично определенными многосортными алгебрами JJI; AS. Априорные знания качественной теории представляются системой аксиом S. [26]

ЭС EXTRACSION CdF предназначена для диагностики состояния труб парогенераторов в атомной промышленности. По мощности и составу своей базы знаний, своим возможностям данная ЭС приближается к ЭС первого типа. Как и в системе SUPER, при измерениях используется вихретоковый метод контроля. Организация базы знаний ЭС представляет собой иерархию различных уровней и типов знаний. Основу ЭС EXTRACSION составляют априорные знания, так как возможные дефекты и адекватные методы их выявления обычно известны. Априорные знания включают в себя: знания об организации сигналов, об обработке сигналов, интерпретации и диагностике. Априорные знания разбиты на три большие группы. [27]

Будем предполагать, что рассматриваются объекты с памятью и с сосредоточенными переменными, представленные вероятностными нелинейными моделями. Скалярный KpHfepnft задается, как правило, в форме аддитивных функционалов, ограничения - в достаточно произвольном виде. Подробнее этот метод рассмотрен в гл. Касаясь общих принципов этапа исходной формализации, отметим только, что поскольку основой всякой интуиции является знание ( практическое или теоретическое - информация - мать интуиции), большое значение при работе на этом этапе ( особенно при выборе структуры моделей) должно придаваться различным теориям технологических ( физико-химических, тепловых, гидродинамических, и др.) процессов. Отход к методам черного ящика - если он не является вынужденным, - лишает разработчика важных преимуществ перед оператором, так как ( как отмечалось ранее), априорные знания разработчика являются его важнейшим козырем в борьбе за успех разработки. [28]

Страницы: 1 2 3