Машина вероятностная

Применение вероятностно-статистических методов требует выполнения большого объема вычислительной работы. Поэтому все необходимые расчеты были выполнены на цифровой вычислительной машине типа Минск . [c.99]

Легко доказать, что нельзя быстро найти скрытую подгруппу на классической вероятностной машине. (Классическая машина посылает иа вход чёрного ящика строки Ж1,...,Ж( и получает ответы г/1,..., уь Каждый следующий вопрос Жj зависит от предыдущих ответов г/1,. . ., г/J l и некоторого случайного числа г.) [c.91]

Химическая машина , вообще говоря, характеризуется не непрерывным, но дискретным набором состояний. Применение аппарата дифференциальных уравнений к такой системе означает включение дискретных состояний в некоторое непрерывное множество. Такая процедура не препятствует трактовке поведения дискретной системы, напротив, при надлежащем выборе модели она позволяет его проанализировать. Вместе с тем аппарат детерминистических, континуальных дифференциальных уравнений может оказаться недостаточным для исследования процессов, протекающих с участием малого числа молекул или малого числа особей. Такие процессы являются стохастическими, вероятностными, их анализ требует применения теории вероятности, в ряде случаев — теории цепей Маркова. Вопрос о математическом аппарате должен решаться отдельно для каждого класса моделей. Само моделирование определяется изучаемым процессом и непосредственно зависит от шкалы времени, в которой он развивается. В любой биологической системе происходит множество нелинейных кинетических процессов, характеризуемых собственными временами. [c.486]

Если для стадии проектирования или эксплуатации в расчеты вводят статистические характеристики (функции распределения и их параметры) нагруженности, механических свойств материалов и дефектности деталей, то представляется возможным определить вероятностные характеристики надежности, риска и безопасности машин и конструкций. [c.145]

Отсадочные машины бывают с неподвижным решетом — беспоршневые, поршневые и диафрагмовые, а также с подвижным решетом — с дополнительными или без дополнительных пульсаций воды. Распределение частиц по крупности и плотности имеет вероятностный характер. Смесь компонентов исходного сырья, расположенных на решете (постель), разрыхляется пульсирующим потоком воды и наиболее тяжелые частицы сосредотачиваются в нижней, а более легкие (обогащенный уголь) — в верхней части постели. Обогащенный концентрат удаляется через порог вместе с водой. Широкое распространение этого метода объясняется его универсальностью, простотой и дешевизной. [c.47]

До создания теории информации понятие "информация" фактически не имело строгого научного значения. В связи с потребностью в машинной переработке экспоненциально возрастающего потока информации и ее хранения возникли актуальные проблемы количественного измерения информации и такая наука, как информатика возникла в 1948 г. Ее создателем стал выдающийся американский ученый Клод Шеннон [37]. Фундаментальной основой разработанной им теории информации явилась вероятностная энтропийная формула Людвига Больцмана (1896) [c.21]

Выше было отмечено, что в электроустановках двойные замыкания на землю не учитываются при рассмотрении условий безопасности, хотя возможность поражения человека в этих условиях имеет место даже в большей степени, чем при защите силовых кабелей от коррозии. Действительно, при возникновении двойного замыкания, если одна из точек находится на контуре заземления промышленного предприятия, контур может оказаться под весьма большим напряжением, а с контуром связаны корпуса машин, станков и т. д, К контуру для уменьшения его сопротивления растеканию может быть также подсоединен водопровод, к которому всегда возможно прикосновение людей. Однако исходя из вероятностно-статистических соображений в электроустановках защитные заземления не рассчитываются на такие режимы, хотя они и возможны. [c.71]

Предложено [2, 9, 14, 24, 30) много подходов к прямому вычислению вероятностей для дерева неполадок. Большинство этих методов были применены к графам относительно простых систем, включающим малое количество событий и простые логические отношения (обычно лишь операции И и ИЛИ). Когда они применяются к очень большим и сложным по действию системам, то требуются чрезмерно большие затраты машинного времени, вследствие того что имеется много путей возникновения неисправностей и из-за необходимости учитывать различные фазы существования системы, такие как периоды устранения неисправностей и их поиска, которые не зависят от первичных входных событий. Вместе с тем, вероятностная информация может быть использована для ранжирования различных путей появления неисправностей и для вычисления общей вероятности появления неисправности по каждому пути. [c.301]

Ясно, наконец, что для определения величин вероятностной селективности в принципе возможно использовать общий зерновой состав материала и основную нормированную функцию распределения В. Это можно сделать двумя путями. Во-первых, можно написать серии дифференциальных уравнений при различных значениях у с селективными параметрами в качестве неизвестных. Затем с помощью вычислительной машины их можно решить одновременно. Недостаток этого метода заключается в том, что используемые данные, полученные опытным путем, не постоянны, а это приводит к аномалиям в результатах вычислений. Может оказаться, что вероятность селективности данной крупности будет отрицательной, что противоречит физическому [c.244]

Учтем теперь возможность случайных мелких и крупных поломок в пути. Будем при этом считать, что служба технической помощи на дороге функционирует безукоризненно, все поломки немедленно устраняются, и каждый автотурист обязательно доедет до конца пути. Будем фиксировать состояние машины в момент поломки. Очевидно, временной интервал между остановками будет случайным. Что кё общего и в чем разница рассмотренных выше процессов Общими здесь будут два факта случайная смена состояний и вероятностная связь между предшествующим и последующим состояниями. Очевидно, как и раньше, мы наблюдаем зависимость между случайной сменой состояний и временем. Такая зависимость называется случайным процессом. Заметим сразу же, что смена состояний может происходить и при изменении какой-то другой величины. Например, в первых двух случаях мы имели дело с номером этапа, могут быть и какие-либо другие параметры. Если смена состояний наступает через строго определенные фиксированные промежутки времени, то такой процесс называют случайным процессом с дискретным временем, или случайной последовательностью. Это мы наблюдали и в игре тише едешь, дальше будешь , и в картах, и даже при первом абсолютно надежном варианте автотуризма. В другом же, более близком к реальности варианте, когда смена состояний происходит в случайные моменты времени, можно полагать, что случайный процесс протекает при непрерывном времени. [c.24]

В предыдущих параграфах были определены критерии надежности аппаратов и машин, а также критерии надежности сложных аппаратов и технологических линий. Основой расчета критериев надежности аппаратов и технологических линий является статистическая обработка результатов наблюдений за распределениями отказов и времени ремонта п аппаратов одного вида, условия эксплуатации которых приблизительно одинаковы (температура, давление, среда, квалификация обслуживающего персонала и т. д.). Получение данных о п аппаратов или технологических линий, где п — достаточно большое число, чрезвычайно трудно. Зачастую мы располагаем статистическими данными об эксплуатации отдельных аппаратов и технологических линий, по которым необходимо определить вероятностные характеристики работы аппарата или технологической линии. [c.58]

На надежность машин влияет множество конструктивных, технологических н эксплуатационных факторов. Для оценки надежности таких систем (машина-автомат и тем более автоматическая линия) применяются вероятностные и статистические методы. [c.283]

Вероятностная относительная погрешность массы таблетки, возникающая при таблетировании, может быть использована для нахождения коэффициента запаса точности машины йт. Под этим коэффициентом понимается отношение допустимой относительной погрешности массы таблетки [е] к относительной погрешности е [c.109]

Наша электронная понимающая машина показывает, что эта оценка важности сигнала может быть точной только в том случае, если мозг действует как вероятностная вычислительная машина. Согласно нашему предположению, живой мозг людей, которых мы обследуем, занят точной оценкой шансов на то, что процедуры, которые мы с ним проделываем, имеют какое-либо отношение к его существованию. Если в относительно ясных условиях опыта мы встречаем сигнал, имеющий определенное значение, то все сплетение электрических волн, возникающее перед нашими глазами, сразу приобретает определенный смысл. У тех людей, у которых при раздражении вспышками возникают припадки и нарушения сознания, страхующий механизм в мозгу сходит с рельсов и посылает дикое и грубое предупреждение Все может означать все, что угодно Это положение настолько несовместимо с продолжением жизни, что предотвратить катастрофу можно, лишь выключив все приборы , и больной теряет сознание. [c.275]

Другой пример удивительной эффективности простейших методов механического заучивания для обучения машины решению сложных задач управления может быть заимствован из работы, проделанной Р. А. Чемберсом и мною. Перед нами стояла задача автоматической балансировки обратного маятника на тележке, перемещаемой электродвигателем в условиях черного ящика . Эта задача, сходная с другими, часто встречающимися в адаптивных системах управления задачами, имеет, в сущности, ту же самую формальную структуру, что и задача обучения игре против природы . Стратегия противника определяется вероятностными законами, которые характеризуют реакцию неустойчивой системы на сигналы управления. Сигналы управления тем самым можно рассматривать как ходы , делаемые человеком, а сигналы, описывающие состояния объекта, соответствуют позиции в игре. [c.108]

Следует отметить, что все перечисленные показатели не являются строго детерминированными, в качестве компонентов включают вероятностные характеристики, и каждый из них получается как математическое ожидание, т. е. среднестатистическая величина. В качестве примера рассмотрим коэффициент технического использования. Временные характеристики, которые входят в формулу расчета коэффициента, хотя и регламентируются нормативно в целом по цеху, но. колеблются в довольно широких пределах для каждого отдельного аппарата или машины. Так, суммарная наработка разных аппаратов (машин) одного назначения за расчетный период эксплуатации может сильно колебаться, но недовыработка одного аппарата (машины) в этом случае компенсируется увеличением нагрузки На другие. При эксплуатации оборудования одного назначения, но не одинакового конструктивного решения, средние характеристики не могут быть использованы для расчета количественных показателей ремонтопригодности и нуждаются в детальной корректировке с учетом вероятностных колебаний временных характеристик. [c.100]

В процессе изготовления деталей машин качество их и, в частности, точность размеров зависят от большего числа технологических факторов, влияющих в различной степени на точность обработки. Зависимости эти носят вероятностный (стохастический) характер. В теории вероятности и математической статистики разработаны методы, с помощью которых можно объективно оценить точностные характеристики реальных технологических процессов. Вероятностно-статистические методы используют для оценки точности технологических процессов, определения уровня настройки станков, оценки стабильности технологических процессов, определения ожидаемой доли брака, установления зависимости между точностными характеристиками смежных операций и решения других задач. [c.78]

Всего требуется рассмотреть 2" вариантов, т. е. 64 при /2 = 6, 128 при п = 7 и 256 при п = 8. Однако контрольный расчет распределения р хг/2) для 256 вариантов — процедура, слишком трудоемкая даже для вычислительной машины. Поэтому приходится использовать более простые, хотя и менее обоснованные интегральные критерии выбора правильного варианта. В основе этих критериев лежит нолуэмпирическое правило убедительности статистики предполагается, что реальная структура должна отвечать одному из тех вариантов, для которых вероятностные соотношения Захариасена удовлетворяются в максимальной степени. Такими критериями могут служить 1) количество отражений М, для которых удается определить знак 2) величина Q, равная [c.106]

Замечание 3.1. Представить физическую реализацию ПМТ очень трудно (вспомним, что нам придётся поместить в неё всезнайку Мерлина). А вероятностные машины вполне могут мыслиться как реальные устройства. Поэтому предикаты из класса ВРР вполне можно считать реально вычислимыми. [c.38]

ТПС, как и вообще системы энергетики, обладают рядом свойств (часть из которых отмечалась выше), коренным образом отличающих их от более компактных ( стендовых ) объектов, являющихся традиционными и типичными для прикладной теории надежности, таких, как радиотехнические устройства, аппараты, машины и т.п. В периоды строительно-мон-тажных работ и длительной экспулатации ТПС подвергаются воздействию множества случайных и неслучайных факторов, которые невоспроизводимы на испытательных стендах и которые трудно должным образом идентифицировать при регистрации аварий и других нарушений в условиях эксплуатации. Имеющаяся информация об аварийности в системах при всей ее неполноте дает, конечно, возможность оценить общий технический уровень ТПС и указать на наиболее уязвимые места. Однако эти данные малочисленны и по природе своей чаще всего не совпадают с той статиртической информацией, которая необходима для получения вероятностных характеристик. [c.220]

Анализ и расчет таких реакторов, работаюших в не— установившемся режиме, сложен и требует определения массовых потоков взаимодействующих веществ, как функции времени [11 Поэтому до настоящего времени почти отсутствуют достаточно обоснованные и надежные инже -нерные методы расчета такой аппаратуры, в частности, с использованием электронно-вычислительных машин. При этом целесообразным является переход от детерминистических к вероятностным методам изучения таких доста -точно сложных систем, какими являются реакторы по у -периодического действия, в том числе и аппараты с ме -шалками [c.172]

Построение диаграмм их изменения в зависимости от амплитуды напряжений п числа циклов дает возможность оценить предел выносливости на одном образце. Применимость таких ускоренных оценок зависит от типа материала (папр., саморазогрев не характерен для алю.миния сплавов и нек-рых аустенитных сталей) и требует эксперимент, обоснования. Чтобы оценить сопротивление материалов распространению усталостных трещин при циклических испытаниях, измеряют протяженность и глубину трещины средствами дефектоскопии (или иснользуя следящие приборы) и строят кривые, отражающие зависимость скорости роста трещины от числа циклов. Усталостные разрушения зарождаются в области структурных несовершенств (распределяющихся обычно случайным образом), вследствие чего характеристикам У. м. (числам циклов, разруша-ющим напряжениям)свойственно рассеяние, подчиняющееся вероятностным закономерностям. Испытания на У. м. проводят на машинах, создающих циклическое нагружение в широком диапазоне частот, напряженных состояний, температур и сред. См. также Акустическая усталость. Лит. Давиденков Н. Н. Усталость металлов. К., 1949 Писаренко Г. С. [и др.]. Прочность материалов при высоких температурах. К,, 1966 Серен-с е н С, В., Г а р ф М. Э., К у з ь м е и -ко В. А. Динамика машин для испытаний на усталость. М., 1967 Трощенко В. Т. Усталость и неупругость металлов. К., 1971 Труфяков В. И. Усталость сварных соединений. К., 1973 Трощенко В. Т. [и др.]. Методы исследования сопротивления металлов деформированию и разрушению при циклическом нагружении, К., 1974 Фридман Я. Б. Механические свойства металлов, ч, 2. М., 1974 Иванова В. С., Терентьев В. Ф. Природа усталости металлов. М., 1975 С е р е н с е н С. В. Сопротивление материалов усталостному и хрупкому разрушению. М., 1975 М э н с о н С. Температурные напряжения и малоцикловая усталость. Пер. с англ. М.. 1974. [c.631]

Надо отметить, что протекание реакции в хроматографическом режиме привлекло за последнее время внимание ряда исследователей. Некоторые из них использовали статистическую трактовку, основанную на вероятностном поведении отдельных молекул. В других решались дифференциальные уравнения материального баланса и уравнения кинетики реакции [81, 82]. В случае обратимой реакции типа А 2 В первоначально введенные вещества А и В образуют два локальных пика, которые постепенно исчезают, образуя один общий пик, расположенный между ними и содержащий оба вещества при равновесных концентрациях. В недавно появившейся работе Хатари и Мураками [83] авторы, используя вычислительную машину, провели сравнение степени превращения исходных веществ и выходов продуктов для ряда типичных модельных реакций (необратимые, обратимые, последовательные), проводимых как в импульсном хроматографическом, так и в динамическом реакторах. Некоторые из полученных при этом результатов мы считаем необходимым привести. На рис. 10 показана зависимость степени превращения от относительного расстояния от входа в реактор при импульсах различной длительности для реакции А 2К. Видно, что в случае импульсной методики степень превращения значительно выше степени превращения ад, получаемой в проточном динамическом реакторе. Высоким выходам соответствуют импульсы малой длительности. Показано также, что форма импульса мало влияет на степень превращения, в особенности при малых Тд. Аналогичный результат был получен для реакций типа А К +3. В этом случае степень превращения в импульсных условиях еще больше превосходит степень превращения в проточном реакторе. Рассчитаны были также последовательные реакции типа А + В К К + В - 5 А 2К 5. Интересной особенностью таких реакций является значительное повышение выхода промежуточного продукта К при проведении реакции в хроматографических условиях, хотя степень превращения увеличивается незначительно по сравнению с проточным реактором (нижняя пунктирная кривая на рис. И). Таким образом, хроматографический режим может совершенно изменить селективность процесса — вместо одного конечного продукта получится другой. [c.49]

Эти правила оказали неоценимые услуги термодинамике органических соединений [30, с. 152]. Предложены были также соотношения, связывающие эмпирически энтропию с другими термодинамическими характеристиками. Однако основной метод расчета энтропий, облегченный ныне применением машинной техники, был дан статистической термодинамикой. Последняя берет свое начало в статистическо-вероятностной трактовке второго закона термодинамики и энтропии, данной Больцманом и другими физиками [c.123]

Подходящая система условных обозначений была разработана Брауном [92], а также Хартом и Руменсом [106] — сотрудниками лабораторий Британской научно-исследовательской ассоциации но использованию угля. Пример примененных ими условных обозначений приведен на рис. 7.3, иллюстрирующем разработку машины для изготовления конкретного продукта, соответствующего заданным требованиям. В этой схеме отражены повторные циклы работ, про-текаюшде вплоть до того момента, когда достигнутый успех будет подтвержден анализом результатов испытаний. Путем оценки вероятностей успеха или неудачи каждого этапа можно ориентировочно установить предполагаемую продолжительность выполнения проекта, его стоимость или конечный результат. Подобные сетевые модели называются вероятностными сетями или деревьями решений . Подробности читатели могут найти в работе Харта и Руменса. [c.246]

Критерии оценки надежности имеют вероятностный характер, так как явления, обусловливающие работоспособность машин-автоматов и автоматических линий, зависят от множества разно- образных и случайных причин. [c.288]

Всего требуется рассмотреть 2" вариантов, т. е. 64 п п = 6, 128 при п = 7 и 256 при п=8. Однако контро/ ный расчет распределения p xyz) для 256 вариант процедура, слишком трудоемкая даже для вычисли ной машины. Поэтому приходится использовать простые, хотя и менее обоснованные интеграль критерии выбора правильного варианта. В основе критериев лежит полуэмпирическое правило yбeдитe ности статистики предполагается, что реальная структ ра должна отвечать одному из тех вариантов, для кот рых вероятностные соотношения Захариасена удовлетн ряются в максимальной степени. Такими критериями м гут служить 1) количество отражений М, для котор) удается определить знак 2) величина Q, равная [c.106]

Метод Монте-Карло является одним из методов вычислительной математики. Специфическая черта этого метода, называемого также методом статистических испытаний, состоит в том, что в процессе вычислений используются случайные величины (случайные числа), и, следовательно, в расчеты вносятся вероятностные элементы. В любом ю классических методов (например, при вычислении определенного интеграла по методу трапеций) процесс вычислений строго детерминирован последовательность действий, с помощью которых находится искомая величина, заранее однозначно определена. Вычисление многократного интеграла классическим методом связано с определением значений подынтегральной функции над некоторым регулярным множеством точек. При решении аналогичной задачи по методу Монте-Карло расчет подынтегральной функции (с последующим суммированием) проводится над множеством случайных точек, равномерно распределенных в заданной области. Метод статистических испытаний используется при решении многих математических задач (вычисление интегралов, решение систем алгебраических уравнений, решение дифференциальных уравнений и др.), задач физического и прикладного характера (в особэнности, в атомной физике, статистической физике, в теории массового обслуживания, теории стрельбы и т. д.). Расчеты различных физических процессов по методу Монте-Карло связаны с получением последовательности случайных событий, моделирующей рассматриваемый процесс. Датой рождения метода считают 1949 г., хотя основные его идеи зародились раньше. Широкое распространение метод Монте-Карло получил благодаря появлению быстродействующих вычислительных машин. С помощью машин оказалось возможным производить расчеты для достаточно длинных цепей случайных событий, чтобы статистические методы могли дать хорошие результаты. К этому следует добавить, что расчеты по методу Монте-Карло удобно программировать точность расчетов можно по желанию увеличивать путем увеличения числа статистических испытаний. [c.420]

Микроскопические неровности реальной поверхности твердых тел могут иметь самую различную форму. Для металлов различают стержневидные, конические, сферические и эллипсоидные микродефекты. Такая классификация условна обычно профилограммы имеют довольно сложный вид. Даже на небольшом участке поверхности, обработанной одним способом, высота микронеровностей может различаться более чем на порядок [602]. Такой вывод подтвержден Томасом [603], предложившим машинный способ построения топографических карт поверхности. Достаточно адекватное описание закономерностей распределения микронеровностей достигается лишь в рамках вероятностного подхода, например с помошью теории случайных полей, развитой для металлов [604]. [c.138]

Рафалес-Ламарка Э. Э. Применение методов теории вероятностных процессов при исследовании расслоения постели отсадочных машин. — Научи, тр. УкрНИИУглеобога-щення, т. III, М., 1964, с. 50—68. [c.377]

Спрос. Определение пофебностей покупателей может на практике оказаться делом сложным. Простые модели используют, когда спрос постоянен, хотя в целом, очевидно, необходимо применять вероятностные оценки спроса. Спрос на некоторые изделия может зависеть от количества заказов на другие товары. Например, спрос на компоненты, используемые СМО, взаимоувязан. Для каждой модели автомобиля постоянное количество деталей и узлов. Следовательно, спрос на одну какую-нибудь деталь или узел автоматически выражает пофеб-ность в ряде других. И наоборот, спрос на конкретное изделие может исключать другие изделия ряда. Так, пофебность в двухлитровых двигателях исключает установку на конкретной машине любого другого двигателя, а также очерчивает круг сопутствующих компонентов. [c.226]

Справочник химика 21

Химия и химическая технология