Решающее правило априорное

В одноэтапных задачах решение представляет собой детерминированный вектор, определенный до наблюдения случайных параметров условий на основе априорной оценки ситуации, или решающее правило, позволяющее вычислить численное значение решения в зависимости от реализованных значений случайных исходных данных. В зависимости от содержания решение стохастической задачи определяется в чистых или смешанных стратегиях. В чистых стратегиях механизм решения является детерминированным и определяет решение в виде вектора или вектор-функции, зависящей от случайных исходных данных. Смешанная стратегия использует случайный механизм решения и определяет решающие распределения. [c.54]

В зависимости от последовательности чередования процедур решение или наблюдение решающие правила и решающие распределения определяются априорной или априорной и апостериорной информацией. [c.56]

Априорные решающие правила многоэтапной задачи (3.14)-(3.16) соответствуют последовательности решение — наблюдение — решение — наблюдение-...-решение и имеют вид =лг,(о) - ) (1=2, 3,..., Т). В задачах этого класса решение X] выбирается на основе априорной оценки начального состояния среды соо. а решение гo этапа принимается после реализации случайных параметров условий на предьщущем (1- 1)-м этапе. [c.59]

Методы теории распознавания образов особенно интересны для предсказания новых структур психоактивных соединений, поскольку они позволяют отобрать для прогноза наиболее информативные признаки описания предусматривают применение более гибкого математического аппарата (так как при выборе решающего правила можно учесть структуру множеств классов в пространстве описания) не накладывают на априорную информацию таких жестких условий, как в регрессионном анализе н, более того, по мере накопления информации осуществляется автоматическая коррекция построенных моделей. [c.28]

Таким образом, установление механизма процесса и значений его параметров — одна из центральных проблем химической кинетики. Это весьма сложная задача, не имеющая универсального алгоритма решения. Каждый раз важнейшее значение имеет количество и качество априорной информации, которое зачастую определяет и саму процедуру поиска ответа. В этих условиях решающую роль играет проведение активного эксперимента, т. е. эксперимента, направленно спланированного на выяснение либо механизма процесса, либо значений его параметров. Речь идет именно о спланированном эксперименте (блок 12, см. рис. 14), потому что, к сожалению, оптимальные условия получения ценной апостериорной информации, как правило, не совпадают с оптимальными технологическими условиями проведения эксперимента [59]. Иными словами, то, что экспериментатору достается легко, не всегда достаточно информативно. [c.233]

Функция к (ri/y) называется условным риском. Очевидно, что при наблюдении конкретного значения у решение г можно выбрать так, чтобы свести к минимуму условные риски. Это возможно достичь при использовании байесовской решающей процедуры, согласно которой на основе априорных вероятностей Р (Oj) устанавливается байесовское решающее вравило, минимизирующее общий риск. Решающее правило есть функция г (у), которая устанавливает, какое следует принять решение при любом из возможных результатов наблюдений, т. е. для любого / решающая функция г (г/) принимает одно из дискретного множества значений г , г ,. . ., г . [c.74]

Задача стохастического программирования (3.1) —(3.3) в зависимости от вида целевого функционала (3.1) преобразуется в одноэтапную -модель с вероятностными ограничениями, одноэтапную Р-модель с вероятностными ограничениями, одноэтапную Лмодель со смешанными условиями (для решения этих моделей используются априорные или апостериорные решающие правила) либо в одноэтапную задачу с построчными вероятностными ограничениями и решающими правилами нулевого порядка. [c.57]

Справочник химика 21

Химия и химическая технология