Алгоритм - классификация - Большая Энциклопедия Нефти и Газа, статья, страница 1
Россия - неунывающая страна, любой прогноз для нее в итоге оказывается оптимистичным. Законы Мерфи (еще...)

Алгоритм - классификация

Cтраница 1


Алгоритм классификации осуществляет анализ наиболее существенных переменных процесса. Управляющие алгоритмы ликвидации нарушений технологического режима и максимизации нагрузки узкого места позволяют определить допустимые воздействия и анализируют их эффективность. В результате формируются управляющие воздействия, которые выдаются в виде рекомендаций по ведению процесса диспетчеру производства.  [1]

Алгоритм классификации осуществляет анализ наиболее существенных переменных процесса. Более детальный анализ производится другими, названными выше алгоритмами. Они, в частности, определяют возможные управляющие воздействия, анализируют их эффективность. В результате формируются управляющие воздействия, которые выдаются либо на исполнительные органы, либо ( в виде рекомендаций) - технологическому персоналу.  [2]

Алгоритм классификации осуществляет анализ по наиболее существенным переменным процессам. Дальнейший анализ ситуации производится перечисленными управляющими алгоритмами, которые обеспечивают определение возможных управляющих воздействий, анализируют их эффективность. В результате указанных операций формируются управляющие воздействия, которые выдаются на исполнительные органы пли диспетчеру производства в виде рекомендаций по ведению процесса.  [3]

Рассмотрим подробно алгоритм последовательной классификации объектов при неполной исходной информации.  [4]

Рассмотрим применение алгоритма классификации на конкретном примере. Имеются данные о фактических затратах на конструирование деталей.  [5]

Эффективность этого алгоритма классификации окончательно проверяют на новых представителях классов, не входящих в состав обучающей выборки. С этой целью было отобрано по пять представителей каждого класса, имеющих соответствующие значения затрат труда и факторов. Для каждого из них была определена функция правдоподобия.  [6]

Рассмотрим другой класс алгоритмов классификации, осноган-ных на декомпозиции нечетких графов [3], соответствующих нечетким отношениям между объектами исследуемой ХТС.  [7]

Рассмотрим пример работы алгоритма последовательной классификации.  [8]

Очевидно, выбор алгоритма классификации S должен быть подчинен определенным требованиям. Вид этого функционала, так же как конкретизация постановки задачи классификации и определение класса А допустимых правил классификации, зависит от характера априорных сведений об искомых классах и от наличия ( отсутствия) предварительной выборочной информации ( так называемых обучающих выборок) об этих классах.  [9]

Важным вопросом практического применения алгоритма классификации является вопрос выбора наиболее информативных ( существенных) факторов, что связано в первую очередь со стремлением к уменьшению объема работ по сбору исходных данных. Для решения этой задачи из полного набора потенциально полезных факторов исключают по одному фактору и проверяют эффективность алгоритма классификации для каждого сокращенного набора факторов на обучающей выборке. Например, был исключен первый фактор ( количество листов приведенного формата) и проверена эффективность алгоритма классификации с оставшимся набором.  [10]

Таким образом, точность алгоритма классификации может считаться вполне приемлемой.  [11]

В продолжение любого периода наблюдения алгоритм классификации обучается тому, что является нормальным поведением процесса, путем формирования статистического описания нормальной работы процесса, исходя из анализа процессного шума. К концу периода обучения алгоритм следит за процессом подобно сторожу, обнаруживая появление аномальной картины.  [12]

Рассматриваемая часть математического обеспечения содержит алгоритмы классификации, ликвидации нарушений технологического режима, максимизации нагрузки узкого места производства и другие. Число алгоритмов этой группы зависит от того, на сколько классов разбивается множество возможных состояний производства, и при необходимости может пополняться.  [13]

В подобных системах для построения алгоритма классификации целесообразно воспользоваться критерием Неймана - Пирсона, суть которого состоит в следующем. Исходя из того, какие решения принимаются на основании результатов распознавания неизвестных объектов, определяется допустимое ( заданное) значение условной вероятности ошибки первого рода, затем определяется такая граница между классами, придерживаясь которой удается добиться минимума условной вероятности ошибки второго рода.  [14]

В системе предполагается наличие двух алгоритмов классификации для детерминированных ( истинных на модели данных) и вероятностных закономерностей. Детерминированный случай является предельным для вероятностного.  [15]



Страницы:      1    2    3    4