Лингвистический подход

Блок-схема устройства для лингвистического распознавания образов приведена на рис. VI.6. Конкретные примеры использования алгоритмов, построенных на лингвистическом подходе, приведены в обзорных работах [133]. [c.254]

Книга посвящена разработке и исследованию методов и моделей оптимизации нефтеперерабатывающих производств. Обобщен опыт применения вероятностных, в том числе и энтропийных моделей для решения задач текущего и оперативно-календарного планирования. Рассмотрены основные предпосылки и особенности применения диалогового и лингвистического подходов для анализа производственных ситуаций и принятия плановых решений. [c.2]

Пусть означает степень принадлежности производственной ситуации одному из множеств (к = 1, 2, 3). Причиной использования лингвистического подхода является то, что мы не в состоянии достаточно точно определить значения в зависимости от Ь . Для более грубого описания зависимости помощью ветвящегося вопросника (рис. 6.4) преобразуем вектор признаков, описывающий производственные мощности, исходные ресурсы и плановые задания. р ..=к,ор ..... [c.210]

Лингвистический подход. В лингвистическом, или структурном, подходе предполагается использование для задач распознавания различных лингвистических конструкций, которые состоят из словаря признаков и грамматики , т. е. правил конструирования фраз , в совокупности описывающих конкретный образ. В случае обучения с учителем на долю человека выпадает формирование словаря признаков (например, перечня характерных свойств фрагментов молекул) и грамматики (набор условий, определяющих взаимное расположение фрагментов, условия использования всех свободных валентностей фрагментов и т. д.). [c.75]

Методы, используемые в классической теории распознавания образов, успешно применяются и при идентификации производственных ситуаций. Рассмотрим статистический, нечеткий и лингвистический методы классификации (распознавания) объектов. Наиболее разработанным в методическом отношении явл.чется статистический подход. [c.203]

Одним из этапов процедуры построения математической модели с использованием подхода нечетких множеств является формирование множества условных предложений вида (2.20), которыми описывают в лингвистической форме рассматриваемый процесс или явление. Можно выделить три возможных подхода, направленных на реализацию отмеченного этапа. Подчеркнем, что при моделировании реальных технологических процессов комбинация этих подходов, видимо, должна быть наиболее эффективна. [c.54]

Приведенная последовательность данных позволяет из 27 возможных правил идентифицировать пять различных, причем одно повторяется дважды (при г = 4 и i = 11), а два находятся в противоречии (при i = 8иi = 16). Полученные правила представим в виде, показанном в табл. 2.5. Элементарное правило заполняет в такой таблице одну ячейку, а составное — несколько, находящихся в одной строке или столбце. Очевидно, что множество полученных в примере правил не является полным лингвистическим описанием моделируемой системы, что видно из табл. 2.5, так как имеются незаполненные ячейки. Этот факт говорит о том, что рассмотренные последовательности данных не являются достаточными для полного лингвистического описания. В этом случае следует либо изучить дополнительные последовательности, либо воспользоваться другим подходом для получения недостающих условных предложений. [c.56]

Для распознавания образов используют методы эвристические, математические (детерминистский и статистический подходы), лингвистические (синтаксические). [c.69]

Разработчику, решающему задачу обработки данных классификации, следует в зависимости от характера задачи выбирать наиболее подходящие методы, пусть даже соз,данные для решения другого круга задач, такие как численная таксономия, лингвистический (структурный) подход, распознавание образов и т.д. [c.17]

I) Термин металлоид в буквальном переводе означает металловидный . На этом формально-лингвистическом основании его часто заменяют крайне неудачным термином неметалл . Не говоря уже об отрицательном характере такого определения (что само по себе плохо), оно просто не эквивалентно сложившемуся в химии понятию металлоид по объему. Например, ни один химик не назовет металлоидами инертные газы, тогда как под понятие неметалл они подходят ничуть не менее кислорода. [c.58]

Недостатки алгоритмов, построенных на идее близости в пространстве параметров и вероятностных концепцигх, побудили к поискам новых походов для распознавания образцов. Среди прочих получили развитие идеи лингвистического подхода [100, 131 ]. Согласно основным концепциям этого подхода, объект может быть описан набором фраз некоторого языка. При построении такого языка для описания геометрических объектов выделяется словарь характерных фрагментов и набор возможных отношений между ними, определяющий грамматику. Словарь и грамматика могут формироваться специалистами или генерироваться автоматически в процессе обучения. [c.254]

Особое место в распознавании объектов и ситуаций занимают методы, основанные на нечетком и лингвистическом подходах. Нечеткими могут бьггь метки, указывающие принадлежность объектов обучающего множества к соответствующим классам. Возможно также размытие классификационных признаков. Признаками классификации могут служить непроизводные элементы и отношения между ними, наиболее эффективно описываемые при использовании лингвистического подхода. [c.205]

Существует два подхода к построению формальной теории вопросов, которые можно весьма условно назвать лингвистическим и компьютерным. Согласно первому подходу материалом для уточнения вопросов, т. е. для построения их формальных имитаций, служат реально существующие вопросы естественного языка с произвольной, неспециализированной семантикой. В рамках этого подхода строится перевод вопроса на формальный язык, в котором изучается соответствующий этому вопросу интерро-гатив, если он разумеется, существует, т. е. если ответ на него может быть точно описан. Этого направления исследований придерживаются и авторы данной книги. Со- [c.6]

I уровень. В основу классификации на этом уровне по.тюжена зависимость различных методов распознавания от используемого математического аппарата для описания признаков детерминированного, вероятностного, логического или лингвистического. В детерминированном подходе для построения алгоритмов распознавания используют геометрические меры близости (евклидово расстояние, взвешенное расстояние между точками, расстояние по Хеммингу и т. п.). При вероятностном подходе для пост- [c.78]

Эффективный подход к разработке интерактивной диалоговой системы для решения задач химической технологии, обеспечи-ваюш ей организацию вычислительного процесса и ведение диалога на языке, близком по синтаксису к профессиональному языку химика-технолога предложены в [4, 5]. Структурная схема данной системы приведена на рис. 6.2. Она состоит из подсистемы проектирования (анализа и синтеза ХТС), включаюш,ей функциональную среду (ФС) и банк данных (БД), и подсистемы диалогового взаимодействия, включающей семантические модели БД и ФС, блоки лингвистического и логического анализа. Связь между подсистемами осуществляется на уровне интерпретатора /, ввод— вывод происходит посредством дисплея. Блок лингвистического анализа выполняет обработку входного предложения, а блок логического анализа предназначен для управления семантическими моделями БД и ФС. [c.257]

Книга состоит из четырех глав. В первой главе, посвященной качественному анализу структуры процесса массовой кристаллизации как сложной ФХС, вскрываются особенности данной ФХС как на языке смысловых, лингвистических построений, так и на языке точных математических формулировок, причем в последнем случае обсуждаются два подхода — феноменологический (детерминированный) и стохастический. На уровне детерминированного подхода формулируется обобщенная система уравнений термогидромеханики полидисперсной смеси с произвольной функцией распределения кристаллов по размерам с учетом роста, растворения, зародышеобразования, агрегации и дробления кристаллов. Особое внимание уделено описанию процесса вторичного зародышеобразования. На основе термодинамического подхода получены теоретические зависимости для структуры движущих сил вторичного зародышеобразования при бесконтактном и контактном зародышеобразовании. Стохастический подход представлен методом пространственного осреднения, развитого в последние годы в механике гетерогенных сред, а также методами фазового пространства и стохастических ансамблей для описания стохастических свойств процессов массовой кристаллизации. На основе метода пространственного осреднения получено уравнение типа Колмогорова— Фоккера — Планка с коэффициентом диффузии, учитываю- [c.5]

В этой связи при описании диалоговых процедур представляет интерес разработка моделей с использованием понятий теории нечетких множеств и лингвистических переменных [117, 118]. Подход, предложенный Л. Заде, опирается на предпосылку, что элементами мьпиления человека являются не числа, а элементы некоторых нечетких множеств или классов объектов, для которых переход от принадлежности к множеству к непринадлежности не скачкообразен, а непрерьшен в хшапазоне [0,1). Процессу мышления человека присуща нечеткость, и в этой связи оценки субъекта целей и ограничений, с которыми он оперирует, также нечетки или же лишены количественных характеристик. Неформализованная, субъективная информация, порождаемая сложными и неструктуризованными системами, составным элементом которых является человек, описывается в терминах теории нечетких множеств. [c.197]

С этой точки зрения весьма эффективным является подход Л. Заде, который предложил отказаться от какого-либо четкого описания в задачах принятия решений. Этот подход, основываясь на очевидном факте о нечетких представлениях ЛПР о целях и ситуациях принятия решений как качественных критериях, ограничениях, ориентируясь на использование лингвистических переменных как средств выражения этих нечетких представлений, предлагает построить некоторые функции принадлежности как способ формализации субъективного смысла этих качественных показателей. Характеристическая функция, выражающая степень принадлежности исследуемых явлений и показателей, имеющая не дискретные, а непрерывные на некотором интервале значения, напоминает некоторые интуитивные вероятностные распределения при оценке этих явлений и показателей. Но в отличие от вероятностных методов оценки в подходе нечетких множеств Заде развита техника использования оценок нечетких ситуаций, которая дает возможность получить новое описание моделей принятия решений в условиях нечеткой информации, научиться извлекать из нечеткого описания правила выбора целесообразных альтернатив, причем эти правила, носящие также нечеткий характер, формируются в терминах функций иринадлежности... [23]. [c.82]

Подход нечетких подмножеств и лингвистических переменных позволяет расширить возможности двузначной математической логики, где истинность фактов может принимать только два значения (1 — истина, О — ложь). В нечеткой логике предполагается, что пстинность фактов выражается нечеткими терминами, формализация которых осуществляется заданием функций принад-лежностп, пришшающих значения из интервала [О, 1] [И, 14, 33— 35]. Целесообразность такого обобщения вытекает из того, что в ряде случаев исследователь прп оценке достоверности фактов [c.84]

Качественный этап системного анализа предусматривает сбор, систематизацию и оценку достоверности первичной качественной информации. Она выполняется проведением повторных наблюдений, активных экспериментов, получением данных с помомщью имеющихся моделей. С этой точки зрения наиболее трудоемкой стадией применения подхода нечетких множеств является представление физико-химических систем в виде диаграмм взаимных влияний и запись достоверного лингвистического описания взаимосвязей между параметрами. В обоих случаях необходимо основываться на физико-химических закономерностях. Отметим, что при исследовании реальных производств метод нечетких множеств обычно применяют в дополнение к другим методам исследования. Для достаточно простых задач не выделяют качественный этап системного анализа и качественную информацию активно не используют. При построении моделей сложных процессов и явлений возникает необходимость учета качественной информации. [c.353]

Представленный здесь обзор пяти основных методических подходов качественному анализу сам по себе является грубой категоризацией кач ственного многообразия методов анализа. В данном случае категоризац проводилась с точки зрения того, как различные методы генерируют смыс другие же углы зрения будут порождать другие категоризации. Таким oбf зом, разные типы анализа, ведущие к получению качественных или колич ственных данных, лингвистических цли психологических, приведут к ДР гам категоризациям методических подходов к анализу интервью. [c.190]

С чисто количественной точки зрения можно было ожидать, чт чаще форма поведения, связанного с оценками, получала подтверж или опровержение, тем более определенной является соответствующа тегория. Однако в некоторых случаях такой количественный подход к рованию может порождать проблемы, как, например, в случае с И1 претацией многократного отрицания соперничества как возможног подтверждения (глава 9, Расшифровка интервью ). Если следовать щ дуре категоризации, основанной на самопознании школьниюв это с] вало бы закодировать как признак отсутствия соперничества. Но при глубокой интерпретации, ведущей к подтверждению соперничества, пример выявляет принципиальные ограничения квантификации качест ного материала интервью. Было бы слишком рискованно давать точ цифру того, сколько раз должно повториться нет , чтобы его можно ( бы понять как да . Решение о том, когда увеличение количества отр ний превратится в свою противоположность и станет подтверждением, бует принципиальной качественной интерпретации лингвистического ля, пауз и интонаций высказывания. Для такого сложного, двусмыслен и противоречивого высказывания количественное измерение принципи но невозможно. Невозможно себе представить точный количествен критерий того, сколько требуется отрицаний, чтобы они превратились вольное подтверждение. [c.204]

Справочник химика 21

Химия и химическая технология