Метод лингвистический

В настоящем обзоре автор не стремился дать возможно более полную хронологию событий и лингвистически объяснить происхождение специальных терминов, он скорее пытался точно проследить этапы развития лабораторных методов и аппаратов и сопоставить их с современным уровнем техники. При этом внимание уделялось также и полупромышленным установкам. [c.19]

Существует большое количество задач управления, для которых традиционные методы управления непригодны. В этих случаях используются системы управления на основе логико-лингвистических и конечно-автоматных моделей. [c.191]

В данном обзоре автор не стремился дать полную хронологию событий и лингвистически объяснить происхождение специальных терминов, он скорее пытался возможно более точно проследить пути развития лабораторных, а также и полупромышленных методов и аппаратов и связать их с современным уровнем техники [2]. [c.17]

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]

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]

Первая часть (гл. 1 и 2) посвящена описанию места и роли качественного этапа системного анализа и основ математического аппарата нечетких множеств. Приводятся сведения о возможностях человека воспринимать информацию от объекта с оценкой достоверности получаемой информации. Даны лингвистические предпосылки качественного этапа системного анализа, обосновывающие сопоставление нечетких терминов числовым системам. Анализируется связь технологических параметров нечетко определенных характеристик и словесного описания сложных ФХС. Развивается диаграммный метод представления качественной информации, используемый при анализе ФХС и рассматриваемый в последующих главах. [c.6]

К примерам использования лингвистических переменных при исследовании ХТС можно отнести различные задачи оптимизации. Некоторые из таких задач рассматриваются в третьей части книги. Здесь мы отметим, что при решении задач оптимизации возникает необходимость варьирования параметров математических моделей различными способами. При этом используются метод поиска, диалоговый режим с итерационно настраивающимися параметрами. Лингвистические переменные Ьу могут иметь вид Ьу = ДОПУСТИМО ИЗМЕНИТЬ — определяет возможность варьирования какого-либо параметра в определенных пределах Ьу = НЕОБХОДИМО ВЫПОЛНИТЬ — выражает требование выполнить определенную операцию. [c.79]

Пусть результатом формализации лингвистического описания связи между параметрами а я Ь явилось нечеткое отношение Н, матрица степеней принадлежности которого М (В) представлена в виде таблицы (табл. 5.14). Тогда матрица степеней принадлежности строя-ш егося описанным выше способом обычного отношения будет иметь вид, представленный в табл. 5.15. Результаты аппроксимации полученного отношения полиномиальной зависимостью методом наименьших квадратов иллюстрируются рис. 5.9. Среднеквадратичные отклонения для случаев аппроксимации полиномами 1, 2, 3-й степени равны соответственно 0,98 0,53 0,31. [c.223]

Адекватным математическим аппаратом, позволяющим формализовать подобную качественную информацию, является метод нечетких множеств, предложенный Л.Заде [69]. Данный метод позволяет перейти от лингвистических (смысловых) постановок различных проблем к математическим и разрабатывать алгоритмы принятия решений в условиях размытой исходной информации и нечетких целей. [c.95]

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

Лингвистические (синтаксические) методы для построения автоматических систем распознавания основываются на использовании теории формальных грамматик. [c.70]

В структурных (лингвистических) системах распознавания для построения алгоритмов распознавания используются специально сформированные грамматики, которые позволяют порождать языки, состоящие из предложений, каждое из которых описывает конкретный объект, относящийся к соответствующему классу. В общем случае применение структурных методов распознавания предусматривает наличие совокупности предложений, описывающих все исходное множество объектов с указанием классов, к которым они относятся. [c.72]

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]

Часто обсуждается вопрос о том, как использовать генетические данные (например, по частотам полиморфных генов) для получения выводов относительно истории популяций и сходства между ними. Рассматриваемый ниже пример показывает, как для решения этого вопроса можно сочетать различные методы популяционного анализа с лингвистическими и историческими данными. Кроме того, этот пример демонстрирует важность моделирования на ЭВМ для популяционно-генетических исследований. [c.320]

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]

В настоящее время на базе обобщенной функциональной структуры интеллектуализированной системы генерации схем неоднородных ХТС разработан интерактивный комплекс программ автоматизированного синтеза (ИКПАС) высокоэффективных ХТС производств хлорорганических продуктов, который реализует эвристическо-эволюционный метод [50, 163]. Комплекс функционирует в режиме машинных директив, что делает излишним лингвистический разбор директив, порождаемых ЛПР. [c.143]

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]

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]

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]

Рассматривая математическую модель как способ сжатия и хранения знаний о конкретной технологии, метод нечетких множеств позволяет объединять знания, получаемые из различных источников, и фиксировать их в виде моделей. Метод дает возможность конструировать относительно гибкие математические модели, которые при изменении качественного описания исследуемой системы или необходимости учета дополнительных факторов можно достаточно просто перестроить. Такая перестройка может достигаться изменением диаграммы взаимных влияний технологических параметров (изменение числа параметров и связей между ними), корректировкой лингвистического описания взимосвязей между параметрами. Последнее влечет расчет корректируемых нечетких отношений, не изменяя другие. Все это не влияет существенным образом на алгоритм решения поставленной задачи, посколь ку может меняться количество параметров, связей между ними, а также качественное описание связей. Указанное справедливо в случае работы с диаграммами взаимных влияний параметров, которые представляют ориентированные графы при отсутствии замкнутых маршрутов. Решение именно таких задач было рассмотрено в книге. [c.353]

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]

Представление сложной системы или процесса в целом всегда формулируется в виде некоторой совокупности логически связанных утверждений. Развитость представления определяется уровнем общности и степенью завершенности утверждений. Начальный этап разработки представления или теории в большинстве случаев состоит из схематизации системы, в процессе которой составляется перечень основных специфических свойств системы и ее элементов. Дальнейшее развитие представления приводит к составлению диаграмм связей и соотношений между элементами системы, отражающих характерные особенности и формы функционирования системы. Методы составления таких диаграмм могут быть различны. Однако принципиальное значение имеет разработка причинных моделей сложных систем и процессов, представляющих собой ориентированные графы причинно-следственных связей между компонентами или элементами системы, с количественной оценкой интенсивности причинных влияний в системе. Такая причинная модель по существу является прототеорией , так как достаточно полно качественно и количественно отражает специфику причинно-следственной структуры исследуемой системы. В настоящее время можно подвести некоторые итоги исследований в области формализованных средств причинного анализа. При этом можно выделить три основных направления формально-логическое, вероятностностатистическое и теоретико-информационное. Попытки формализации причинных отношений формально-логическими средствами предпринимались различными исследователями в разные годы. Причиной незавершенности логической теории причинности является то, что проблема причинности в целом не может быть сведена к серии логических или лингвистических задач. [c.47]

Метод 1-граммного анализа, предложенный Шенноном (1963) для изучения лингвистических текстов, сам по себе является эффективным средством исследования нуклеотидных последовательностей (Гусев и др., 1980). Существует тесная связь I-граммного анализа последовательностей ДНК и моделирования ДНК с помощью марковских цепей. Суть этой связи характерна для понятий анализа и синтеза. Закономерности, обнаруженные путем 1-граммного анализа, можно вложить в модель в виде переходных вероятностей. Результаты, к которым приводит такая модель, могут либо совпасть с данными, полученными на реальном объекте (последовательности), либо стать основой для выявления новых закономерностей, которые в свою очередь могут быть исполь- [c.41]

Взаимозависимость. Существует сильная взаимосвязь методов, выби раемых на разных этапах. Решение, принятое на одном из этапов имеет определенные последствия, которые как создают, так и ограничивают альтернативы, доступные на следующем этапе. Например, распространение выводов исследовательского интервью на более широкую выборку требует, чтобы определенные критерии, относящиеся к размеру выборки и ее репрезентативности, были выполнены уже на стадии планирования. Если предполагается лингвистический анализ интервью, это будет невозможно или потребует слишком много времени для перешифровки, если интервью при переводе из устной формы в письменную были отредактированы на правильном английском. [c.104]

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]

Справочник химика 21

Химия и химическая технология