Принцип черного ящика

При анализе сложных процессов, когда не представляется возможным выявить внутренние связи системы, в кибернетике применяют принцип черного ящика . Этот принцип заключало [c.30]

Принцип черного ящика . При анализе сложных процессов, когда не представляется возможным найти внутренние связи в системе, в кибернетике применяют принцип черного ящика . Этот принцип заключается в том, что, не имея информации о существе, внутренней структуре процесса, для его математического описания используют лишь зависимость выходных величин от входных. [c.21]

Рис. 3.1. Модель взаимосвязи физико-химических свойств системы по принципу черного ящика.

V В данной главе были рассмотрены некоторые характерные приемы формального построения функционального оператора ФХС на основе принципов черного ящика , когда единственно доступной информацией об объекте являются его входные и выходные сигналы. В качестве результирующего функционального оператора в данном случае могут выступать модели, построенные на базе идей адаптации и обучения, уравнения регрессии и булевы модели (преимущественно при описании статического состояния ФХС), уравнения пространства состояний (при описании динамического поведения ФХС), специальные распознающие устройства, обучающиеся автоматы или любая другая форма описания, получаемая на основе анализа и обработки внешних информационных характеристик объекта. [c.130]

Принцип черного ящика оказывается весьма полезным при замене одной системы другой, функционирующей аналогичным образом. Так, при автоматизации вредных производств возникает необходимость замены аппаратчика автоматическим устройством, способным выполнять те же функции. [c.21]

С помощью моделей такого типа, использующих принцип черного ящика , могут решаться следующие задачи [c.22]

Кроме указанных достоинств, модели, основанные на принципе черного ящика , имеют и некоторые недостатки. В частности, недостатком их является то, что в качестве параметра, определяющего надежность системы изоляции, выбрано пробивное напряжение, которое, вообще говоря, является некоторой интегральной характе- [c.22]

Принцип черного ящика [c.30]

Из вышеперечисленных типов моделирования, разумеется, предпочтителен второй метод. Эмпирические методы, базирующиеся на принципах "черного ящика" с формальной статистической обработкой массива экспериментальных данных по уравнениям регрессии типа У = ао + а Х + агх +. ..+ а х", удовлетворительно адекватны лишь в узком интервале варьирования параметров. Они также не обладают требуемой прогнозирующей способностью и, что важно отметить, лишены универсальности применения. Таковыми являются, например, уравнения Войнова для расчета температуры кипения углеводорода и Крэга для расчета химического фактора нефтяного сырья [29]. Нет особой практической пользы в том, чтобы получать в результате эмпирического моделирования громоздкие таблицы с набором коэффициентов, лишенных всякого физического смысла, взамен существующего массива экспериментальных данных, представленных в справочниках. Эмпирические и полуэмпирические подходы моделирования могут быть использованы лишь в качестве вспомогательных методов при первичной обработке экспериментальных данных. [c.7]

Математическая модель является в значительной степени описанием реальности, в которой комплексное поведение системы выражается в виде набора уравнений. Основой этих уравнений могут быть данные наблюдений (эмпирические модели, или модели, построенные по принципу черного ящика) либо классические научные концепции (концептуальные, или динамические, модели),. Модели могут воспроизводить статистическую природу воздействий или взаимодействий (стохастическая модель) или представлять их в виде сглаженных неслучайных функций (детерминистическая модель). Задача специалистов по моделированию состоит в описании процессов, происходящих в озере (инструмент исследования). При ограниченном количестве необходимых входных данных модели могут быть использованы ежедневно (инструмент управления системой). [c.233]

Под гибридной нейронной сетью в данном случае понимается сеть, выходы которой соответствуют промежуточным (неизмеряемым) переменным. Кроме этого, сеть дополняется известными соотношениями (уравнениями баланса, основными термодинамическими соотношениями), связывающими промежуточные переменные с интересующими выходными величинами. Подобные гибридные нейронные сети работают уже не по принципу "черного ящика", но в силу заложенных в них фундамаггальных соотношений обладают значительной прогнозирующей способностью. [c.74]

Различают детврмвнированные и статистико-вероятностные (стохастич.) системы и соответствующие им модели (см, Моделирование). При исследовании сложных процессов или систем, когда характер внутр. связей в объекте моделирования неизвестен или чрезмерно сложен для описания, в кибернетике примен. принцип черного ящика . Матем. модель в этом случае строится на основе статистико-вероятностного анализа взаимосвязи между выходными и входными переменными с послед, построением необходимых зависимостей, имеющих вероятностный смысл. [c.254]

В интерпретации спектров ЯМР можно добиться значительных успехов, не владея в совершенстве физическими принципами, лежашими в основе метода. Поэтому при построении настояшей главы принят принцип черного ящика сначала мы постараемся пробудить интерес читателя, показав ему, с какой удивительной легкостью удается идентифицировать соединения всего лишь по нескольким линиям спектра, и только после этого рассмотрим теоретические основы метода. Для этого, однако, необходимо прежде всего ознакомиться с четырьмя важнейшими параметрами, несущими всю информацию ЯМР, и с соответствующими терминами, точное определение и объяснение которым будут даны позднее. [c.79]

При недостаточном знании механизма исследуемого процесса исследователю целесообразно обратиться к методике построения статистических математических моделей. В основе такого построеьгая лежат методы математического планирования эксперимента. Модели строятся по принципу черного ящика и устанавливают аналитическую связь между входными и вьпсодны-ми параметрами. Полученное таким образом математическое описание может быть использовано не только для определения оптимальных условий проведения процесса, но и как основа для создания системы оптимального управления и регулирования. Такой подход к решению задач оптимизации оказывается весьма полезным. [c.605]

Из обзора зарубежной и отечественной литературы [2-4,15,25,26] следует вывод о том, что из предложенного чрезмерного обилия, исчисляемЬго несколькими сотнями, преимущественно эмпирических методов расчета ФХС практически ни один не удовлетворяет современным и перспективным требованиям информационной технологии по теоретической обоснованности, степени адекватности и универсальности применения. Разумеется, что чисто эмпирическим подходом по принципу "черного ящика" с регрессионным анализом массива данных, т.е. без учета физико-химической сущности функционирования (поведения) химических веществ, нельзя конструировать универсальные высокоадекватные математические модели их ФХС. Методы математического моделирования, основанные на теориях подобия [15,16], позволившие добиться исключительно высоких успехов в ряде нехимических отраслей наук (аэро-, газо- и гидродина .ике, тепло- и электротехнике, механике и др.), применительно к химии не оправдали оптимистичных прогнозов. Весьма скромные результаты бьши получены также при моделировании химических систем на основе принципа ("закона") физхимии о соответственных состояниях [15]. Как будет показано в этой работе, главной причиной неудач вышеперечисленных теоретических представлений применительно к химическим системам является игнорирование или неадекватный учет влияния молекулярной массы, молекулярной структуры и химического состава веществ на их ФХС. [c.4]

Из вышеперечисленных типов методов расчета ФХС веществ, разумеется, предпочтителен третий. Эмпирические методы, базирующиеся на принципах черного ящика с формальной статистической обработкой массива экспериментальных данных по уравнениям, например, типа регрессии F = я + OiX +. .. + а , удовлетворительно адекватны лишь в узком интервале варьирования параметров. Они не обладают требуемой прогнозирующей способностью и, что важно отметить, лишены универсальности применения. Неудовлетворительная адекватность таковых расчетных формул обусловливается не только формальностью и нелегитимностью их математической основы, но и непрерывным возрастанием требований науки и техники по отношению к степени адекватности математических моделей. Недетерминированные формулы для расчетов ФХС веществ подвержены, как любая техника и технология, вполне закономерному явлению старения и подлежат обновлению. Разумеется, формулы, предложенные до середины прошлого некомпьютерного столетия, были получены статистической обработкой экспериментальных данных того периода и без применения электронных вычислительных машин. [c.10]

В предыдущих разделах была сделана попытка сформулировать существенные различия принципов, лежащих в основе различных мембранных процессов, и то, как они реализуются в разных макроскопических моделях. Предельными случаями при этом являются процессы, в которых используются пористые (ультрафильтрация и микрофильтрация) и непористые мембраны (газоразделение и первапорация). Существующие модели можно классифицировать по тому, используется ли в них феноменологический подход или термодинамика необратимых процессов, с одной стороны, или подход, основаный на модели пор и механизме растворения и диффузии, с другой стороны. Во всех феноменологических моделях реализуется принцип черного ящика , т. е. они не дают информации о том, как в действительности протекает процесс разделения. В механистических моделях пытаются связать параметры процессов разделения со структурными параметрами мембран и описать на этой основе поведение смесей. Этот тип моделей уже дает определенную информацию о реальном процессе разделения и о факторах, которые на него влияют. [c.259]

Построение экспериментальной модели некоторой физической системы, как правило, не требует знаний о структуре этой системы и какой-либо информации о процессах, происходящих внутри нее. Поэтому часто говорят, что эмпирические модели работают по принципу черного ящика они не содержат физически обоснованной функции, которая связывала бы данные на входе изучаемой системы с параметрами, характеризующими ее состояние. Согласование входных и выходных параметров при создании подобных моделей основывается на статистической обработке экспериментальных данных, на методах теории вероятности и математической статистики [Рай1 е1 а1., 1971]. В зависимости от того, включена ли в модель временная переменная, в стохастическом моделировании выделяют статические и динамические [c.15]

Справочник химика 21

Химия и химическая технология