Априорной информации

ОО - обучающие объекты; ТС - технические средства; БАО -блок алгоритмов обучения; АИ - априорная информация; БАР -блок алгоритмов распознавания. Штриховые линии - режим обучения, сплошные - «экзамен»

ОС - объекты для самообучения; ТС - технические средства; БАР - блок алгоритмов распознавания; АИ - априорная информация; ПК - правила классификации; ФК - формирование классов; штриховые линии - режим обучения; сплошные линии -распознавание неизвестных объектов

В принципе, итерационные методы с сочетанием этапов обратного и прямого проецирования в наибольшей степени адекватны нелинейной природе ошибок немоноэнергетичности для случая изделий произвольного состава и структуры. Однако в ПРВТ элементный состав и структура бездефектных изделий обычно регламентированы в достаточной степени, что снижает эффективность затрат на итерационные вычисления, облегчая проведение необходимой коррекции ошибок более экономными методами. Если при этом •учесть то обстоятельство, что обширная априорная информация об объекте контроля в ПРВТ снижает значимость точной реконструкции ЛКО известных, в среднем, структур, но повышает роль успешного обнаружения локальных или малопротяженных дефектов, to станет понятной возможность существенного увеличения эффективности МКОН при одновременном снижении их трудоемкости.

3. Ранжирование входных параметров по степени с влияния на свойства сплава на основе экспертного проса. При проведении экспертного опроса большое шяние может оказать априорная информация, извле-1емая из анализа банка данных, а именно:

Регуляризирующие алгоритмы и априорная информация. М.: Наука, 1983.

Рассматриваемый метод позволяет определять параметры ДЭЦ, которые не удовлетворяют общим условиям измеряемое™ из-за наличия недоступных узлов, но о структуре соединений пассивных элементов которых, их количестве и характере имеется априорная информация.

Поскольку уравнение (3.12) описывает некорректную задачу, при ее решении важное значение имеет априорная информация об искомой вектор-функции Pk(x). В рассматриваемых задачах такая информация имеется. Так как напряженно-деформированное состояние тела описывается системой дифференциальных уравнений линейной теории упругости, то, как известно, напряжения (деформации) в объеме тела, в том числе и на поверхности L (сечение), должны быть функциями, принадлежащими классу С2, т.е. функциями, непрерывными вместе со своими первыми и вторыми производными. Соответственно вектор напряжений pk (x) = = aki(x)rij(x) при достаточно гладком разрезе, обеспечивающем п/(х) е

Нагрузочные устройства 1 Априорная информация

обменной емкости ионита от расхода реагента). Особенно проявляются недостатки феноменологического метода исследования при разработке новой ионообменной технологии, когда отсутствует априорная информация или объем ее невелик. Так, для рассматриваемого процесса деаммонизации и умягчения продолжительность прикидочных опытов составила несколько месяцев [175], а ведь они проводились при произвольно выбранных и зафиксированных параметрах скорости пропускания растворов, объеме загрузки, размерах фильтра и т. д. для одного только среднего остаточного содержания ионов аммония в фильтрате.

Как видно из рис. 6.3, априорная информация включает решения основной (невозмущенной) и сопряженной задач динамики. В нашем случае это задачи (6.54) и (6.59). При произвольном Z(r) универсален численный метод решения этих задач [25, 84]. Отметим, что в рассматриваемом случае в силу постоянства коэффициентов di и bi каждое решение основного (6.53) и сопряженного (6.58) уравнений динамики допускает произвольный сдвиг во времени. В частности, решение сопряженного уравнения (6.58) при Р(т)=б(т — т,-) есть функция Грина G+(T, TJ) и зависит толь-:ко от разности (т — т3), т. е.

На практике строгое соблюдение указанных условий весьма затруднительно, а иногда и просто невозможно. Дело в том, что априорная информация о параметрах g (и тем более об их дрейфе) неполна и неточна. Кроме того, всегда имеются начальные возмущения е (t0) = х„ — Хр (t0) и неконтролируемые постоянно действующие возмущения л (t). Все это приводит к отклонению реального движения под действием жесткого программного управления (3.9) от ПД хр (t). В этом проявляются принципиальные ограничения жесткого программного управления РТК.

Другим, весьма важным моментом при решении оптимизационных многокритериальных задач является выбор весовых коэффициентов ХеЛ. Они определяют структуру предпочтений на множестве критериев Ф(А). Определение важности критериев — не формализуемый процесс. Он требует априорной информации и лица, принимающего решение. Используется методика, по которой коэффициенты важности определяются на основе априорных оценок важности каждого из критериев X/ следующим образом:

По виду начальной (априорной) информации, включаемой в программу управления механизмами, САУ разделяют на две группы: с полной и неполной начальной информацией (рис. 18.2). В первом случае заданная программа является неизменной («жесткой») и выполняется независимо от получаемых результатов. Только в экстремальных условиях ее выполнение может быть приостановлено, если по каким-либо причинам контролируемые параметры достигли пороговых (предельно допустимых) значений.

рической, состоит в том, чтобы по выборке оценить значения неизвестного параметра для каждого класса, а затем, когда распределения вероятностей станут полностью известными, выбрать оптимальную решающую функцию в соответствии с одним из статистических методов распознавания, например,по байесовскому методу. При известных распределениях можно вычислить вероятность ошибочных решений, получаемых с помощью выбранной функции,и таким образом оценить качество распознавания для всей совокупности сигналов, в т.ч. и для сигналов, не представленных в выборке. Если эта оценка удовлетворительна и априорное значение распределения соответствует истинным распределениям, то задача параметрического обучения решена. Другой, непараметрический, подход заключается в том, что распределение вероятностей сигнала хотя и считаются объективно существующими и неизменными во времени, но априори они совершенно неизвестны, и никакие предположения о них не делаются. Вместо этого считается априори известны семейство v решающих , из которых с помощью выборки нужно отобрать наилучшую. Каждое такое семейство характеризуется емкостью, которая определяет разнообразие входящих в него функций. В простейших случаях его емкость равна числу настраиваемых при обучении параметров. Например, семейство линейных решающих функций в т -мерном пространстве имеет емкость де+1. Доказано, что если емкость семейства конечна, то можно указать необходимый объем обучающей выборки (т.е. число входящих в выборку реализаций сигнала), при котором мижно получить достаточно точную оценку вероятности ошибочной классификации для всей совокупности сигналов, включающей и сигналы,не вошедшие в выборку. Если семейство содержит функцию, адекватную существующим распределениям, то непараметрическая задача распределения успешно решается. Следовательно, успех обучения и в этом случае зависит от априорной информации. При создании алгоритмов непараметрического обучения сталкиваются со следующим противоречием: чем шире класс решающих функций, тем больше шансов, что он содержит подходящую для данной конкретной задачи функцию, но тем больше необходима длина обучающей выборки. Поэтому стремление создать универсальную обучающую

СИСТЕМА БЕЗ ОБУЧЕНИЯ. В этих системах первоначальной априорной информации достаточно для того, чтобы определить априорный алфавит классов, построить априорный словарь признаков на основе непосредственной обработки исходных данных,произвести описание каждого класса на языке этих признаков, т.е. в первом приближении достаточно определить решающие границы, решающие правила.

деталей и машин рассматриваются распределения Вейбулла, биноминальный и экспоненциальный законы, совместно с аналитическими изложены графические методы определения надежности. Кроме того приводится разработанный авторами теоретический материал и обсуждение проблем практического использования нового байесовского метода применительно к испытаниям изделий и деталей, иллюстрируются возможности применения особенностей априорной информации.

Вероятностный подход к определению надежности при проектировании инженерных сооружений рассмотрен в [28]. В качестве модели долговечности деталей и машин рассматриваются распределения Вейбулла, биноминальный и экспоненциальный законы, совместно с аналитическими изложены графические методы определения надежности. Кроме того, приводится разработанный авторами теоретический материал и обсуждение проблем практического использования нового байесовского метода применительно к испытаниям изделий и деталей, иллюстрируются возможности применения особенностей априорной информации.

3.2.3. Классификация диагнозов с учетом априорной информации

Использование байесова правила классификации для диагнозов Ап и А; требует значительного объема априорной информации. Для уникальных объектов, к которым относится большинство колонных аппаратов, получить необходимый статистический материал по наблюдениям за работой аппарата, как правило, невозможно. Приемлемым решением проблемы является определение вероятностей диагнозов AT и А2 методами математического моделирования.

По виду начальной (априорной) информации, включаемой в программу управления механизмами, САУ разделяют на две группы: с полной и неполной начальной информацией (рис. 18.2). В первом случае заданная программа является неизменной («жесткой») и выполняется независимо от получаемых результатов. Только в экстремальных условиях ее выполнение может быть приостановлено, если по каким-либо причинам контролируемые параметры достигли пороговых (предельно допустимых) значений.

Таким образом амплитуда локальных погрешностей немоноэнергетичности различна для разных точек изображения и не находится в однозначной связи с локальными особенностями структуры ЛКО. Максимальное значение эти погрешности имеют в центре протяженных зон объекта (xz + у2 = = 0), снижаясь до нуля к краям (*2 + г/2 = D/2), где средняя, величина проекций минимальна. Без наличия достаточно детальной априорной информации о свойствах объекта контроля и используемого излучения не удается выделить в искаженном изображении томограммы (65) полезную информацию о точной структуре и абсолютной величине ЛКО реального контролируемого изделия (54). Такое

Тем не менее детерминированный характер И отмеченные выше особенности природы немоноэнергетичносто ошибок в ПРВТ, в сочетании с характерно большим объемом априорной информации о бездефектной структуре контролируемых изделий, позволяют использовать большое число эффективных методов коррекции ошибок немоноэнергетичности и сохранить уникально высокую чувствительность ПРВТ на уровне, ограниченном лишь квантовой природой интенсивных пучков тормозного рентгеновского излучения.