Распределение электрической

вания образов, в котором выделяемые подмножества сигналов имеют вид «компактных» скопленных точек в метрическом пространстве, где определено расстояние между любыми двумя сигналами. Это скопление называют кластерами. В зависимости от априорных предположений о свойствах сигналов, принадлежащих одному кластеру, возможна та или иная постановка задачи КА. Одна из постановок заключается в следующем. Дано семейство решающих функций и обучающая выборка, представляющая собой множество точек в евклидовом -пространстве без указания их принадлежности к тому или иному классу. Необходимо выбрать такую решающую функцию из данного семейства, которая разбивает выборки на подвыборки так, чтобы сумма квадратов расстояний между всевозможными парами точек, принадлежащих одной подвыборке, были минимальной. В соответствии с другой возможной постановкой задачи каждый кластер описывается распределением вероятностей сигналов, которое зависит от параметре^, причем значения этих параметров известны. Дана выборка, в когорой смешаны сигналы из различных кластеров. По этой выборке необходимо оценить параметры всех распределений, чтобы затем найти решающую функцию. Эта задача является частным случаем параметрической задачи самообучения распознавания образов, поскольку при самообучении рассматривают любые распределения, а в случае КА естественно,рассматривают только унимодальные распределения, т.е. имеющие единственный максимум плотности вероятности в «центре» кластера. Разработаны различные итерационные алгоритмы решения этой задачи.

ОБУЧЕНИЕ РАСПОЗНАВАНИЮ ОБРАЗОВ - процесс изменения параметров распознающей системы или решающей функции на основании экспериментальных данных с целью улучшения качества распознавания. Применяют в тех случаях, когда имеющиеся априорные сведения о распознаваемых объектах или, точнее, о множествах сигналов, принадлежащих к одному классу, недостаточно полны, чтобы по ним найти определенную 'решающую функцию. Экспериментальные данные обычно имеют вид обучающей выборки, представляющей собой конечное множество наблюдавшихся значений сигналов, причем для каждой реализации указан класс, к которому она должна быть отнесена. На основании этих данных необходимо выбрать решающую функцию, классифицирующую сигналы из выборки в соответствии с указанными для них классами. Подобный выбор решающей функции с помощью выборки имеет практический смысл лишь тогда, когда можно на основании тех или иных отображений рассчитать, что выбранная функция будет осуществлять правильную классификацию также и для значений сигнала, не представленных в обучающей выборке, но наблюдаемых при тех же условиях, при которых была получена выборка. Наиболее важным при этом является вопрос о том, что считать правильной классификацией. Для того, чтобы это понятие имело смысл, необходимо предположить, что объективно существует некоторая закономерность, в соответствии с которой появляется сигнал, соответствующий каждому из классов. Обычно предполагают, что сигнал является многомерной случайной величиной и каждый класс характеризуется вполне определенным распределением вероятностей. Существуют два различных подхода к обучению, различающиеся прежде всего по характеру сведений об указанных распределениях вероятностей. Параметрический подход применяют в тех случаях, когда эти распределения известны с точностью до значений некоторых параметров. Например, известно, что распределение сигнала для каждого класса является нормальным распределением с независимыми компонентами и с неизвестным средним, которое является неизвестным параметром. Тогда задача обучения, называемая парамет-

СЛУХОВОЙ АППАРАТ - электрич. прибор для усиления звука при стойком понижении слуха или глухоте. Состоит из микрофона, усилителя электрич. колебаний звуковых частот, миниатюрного телефона (вставляют в ухо или приставляют к голове позади ушной раковины) и источника электрич. питания. Конструктивное выполнение С.а. разнообразно: он может быть вмонтирован в оправу очков, заколку для волос, головной убор и т.д. СЛУЧАЙНАЯ ВЕЛИЧИНА В теории вероятностей- величина, к-рая в зависимости от случая принимает те или иные значения с определ. вероятностями. С.в. полностью характеризуется соответствующим распределением вероятностей. При изучении С.в. часто используют математическое ожидание, дисперсию. СЛУЧАЙНЫЙ ПРОЦЕСС, вероятностный, стохастический,- процесс изменения во времени состояния или характеристик нек-рой системы под влиянием разл. случайных факторов, для к-рого определена вероятность того или иного течения. Типичный пример С.п. - броуновское движение.

СЛУЧАЙНАЯ ВЕЛИЧИНА — величина, к-рая в зависимости от случая принимает те или иные значения с определёнными вероятностями. С. в. полностью характеризуется соответствующим распределением вероятностей. На практике при изучении С. в. часто используют математическое ожидание, дисперсию, коэфф. корреляции. С. в., принимающая конечное число значений, наз. дискретной.

Для оценки точности и достоверности измерений неровностей поверхности в данной теории эвристически рекомендуют определенный способ использования формулы (59). Он заключается в том, что при определении числа пл в формулу (59) подставляют среднее значение MR и дисперсию DR тех параметров шероховатости (Ra, Rq, опорная линия профиля на уровне и), для которых они определены методами теории случайных функций. Профило-граммы шероховатости поверхности при этом интерпретируют как реализации стационарной эргодической случайной функции у (х, со) с нормальным распределением вероятностей. Переменная к означает вектор пространственных координат, меняющихся в области Т евклидова пространства Rn, а переменная со — элементарное случайное событие из некоторого вероятностного пространства.

Длительность функционирования системы между соседними сеансами диагностирования называют периодом диагностиррвания или периодом между КТ. Если есть возможность произвольно выбирать период диагностирования, то его назначают постоянным и одинаковым для всех соседних сеансов. В общем случае период может быть переменным детерминированным, зависящим от номера сеанса, и даже случайным с известным распределением вероятностей. Далее рассматриваются системы с постоянным периодом диагностирования. Однако все результаты легко обобщить и на другие случаи. В част-

ности, при случайном периоде с заданным распределением вероятностей допускается рандомизация всех характеристик надежности путем интегрирования по области возможных значений периода:

Так как ф'(/) — функция случайных аргументов g'n (E, /), e'i2 (e, /),..., I'm* (e, t), то всякое ее временное сечение при t — // можно характеризовать своим распределением вероятностей P[ty' (к, //)], а значит, и соответствующими значениями линий регресии и скедастической. Совокупность таких условных распределений (событий) в соответствии с известными общими положениями статистического моделирования [8J можно назвать основой динамической модели надежности исследуемого типа изделий. Так как гК'(/) в общем случае — сложная зависимость, то нахождение оценок распределения вероятностей P[ty'(tj)] — задача весьма трудоемкая, требующая большой вычислительной работы, выявления и формализации физических и статистических зависимостей между различными параметрами. Все изложенное позволяет выделить следующие этапы составления динамической модели надежности заданного типа изделия:

ной с распределением вероятностей а (ивх), вероятность брака q в течение МП можно вычислить как безусловную вероятность на основании условных вероятностей b (УВХ) и плотности вероятностей условий а (ивх) (см. [4, п. 9]):

заменив нормальное значение параметра статистической закономерности фактическими, возникшими в условиях ненормальности. Предполагается, что ненормальности одного и того же вида могут различаться по интенсивности, причем возможны уровни интенсивности hm, т — 1, 2, . . ., М с вероятностями р (hm). С точки зрения выборочной проверки наличия ненормальности, уровни интенсивности hm являются состоянием объективных условий, а поставленные им в соответствие вероятности р (hm) распределением вероятностей состояний hm. Пусть S"s) (hm) потери из-за ненормальности типа g равны приращению показателя затрат S вследствие ненормальности с интенсивностью hm. Обозначим оперативную характеристику плана выборочной проверки ненормальности относительно решения «не вмешиваться в процесс» через L (К). Тогда математическое ожидание потерь ?/гй) из-за ненормальности вида g равно:

Если представлять в.с.х. полосами разброса с распределением вероятностей в этой полосе по нормальному закону, распределение вероятностей для твердого тела и жидкости может быть записано

темы (УСС) и ядерно-энергетические системы (ЯЭС). Под системой энергетики понимается открытая человеко-машинная система, предназначенная для добычи (производства, получения), переработки (преобразования), передачи (транспортирования), хранения (аккумулирования) и распределения соответствующей продукции и снабжения потребителей этой продукцией [70]. Электроэнергетические системы обеспечивают производство, преобразование, передачу, аккумулирование1 и распределение электрической и [в части тепла, вырабатываемого на теплоэлектроцентралях (ТЭЦ)] тепловой энергии. Далее, при характеристике методов и математических моделей обеспечения надежности ЭЭС в качестве основной их функции рассматривается электроснабжение потребителей. Выполнение ЭЭС функций теплоснабжения учитывается в методах и математических моделях обеспечения надежности ТСС, в которых в качестве одного из основных источников теплоты рассматривается ТЭЦ. Газоснабжающие системы обеспечивают добычу, переработку, транспортирование, хранение и распределение газа и газового конденсата; нефтеснабжающие системы - нефти и нефтепродуктов; углеснабжающие системы - угля. Теплоснабжающие системы обеспечивают производство, преобразование, передачу, аккумулирование и распределение тепловой энергии. Ядерно-энергетические системы обеспечивают добычу, переработку, хранение и распределение ядерного топлива, используемого для производства электрической и тепловой энергии, а также переработку отработанного топлива и хранение радиоактивных отходов.

— Распределение электрической энергии — Схемы 14 — 461

Распределение электрической нагрузки между теплофикационными турбинами с отбором и конденсацией пара и чисто конденсационными в данной энергетической системе нужно производить с учетом всех условий: величин тепловой и электрической нагрузок, характеристик турбогенераторов, условий топливоснабжения и водоснабжения отдельных станций и т. д.

При наличии в энергосистеме наряду с тепловыми также гидравлических электростанций распределение электрической нагрузки между станциями надлежит производить

Фиг. 9. Распределение электрической нагрузки между станциями в системе.

Наиболее экономичное распределение электрической нагрузки между работающими турбогенераторами можно определить следующим способом. Допустим, что в работе находятся два турбогенератора, зависимость

2) Распределение электрической нагрузки между турбинами на тэц с учетом графиков теплового потребления и сезонности потреб-' ления тепла.

Г. С. Головина, К- И. Чередкова, Б. В. Канторович, Р. Н. Питии. Распределение электрической проводимости в потоке горящей смеси твердого и газообразного топлива .................... 25

Распределение электрической проводимости в потоке горящей смеси твердого и газообразного топлива. Головина Г. С., ЧередковаК. И., Канторович Б. В., П и т и н Р. Н. Сб. «Новые методы сжигания топлива и вопросы теории горения». Изд-во «Наука», 1969, стр. 25—29.

На рис. 2.1 приведена схема топливно-энергетического комплекса СССР. На схеме выделены три основные подсистемы: топливодобыча и топливоснабжение; энергетика межотраслевая, обеспечивающая централизованное производство и распределение электрической и тепловой энергии; энергетика отраслей народного хозяйства. Топливно-энергетический комплекс действует в тесной связи с отраслями народного хозяйства — потребителями энергии и топлива, с предприятиями черной и цветной металлургии, электротехнической промышленности и различных отраслей машиностроения; с разработчиками, изготовителями и поставщиками энергетического оборудования, аппаратуры, приборов контроля и автоматики.

Инструкция по определению экономической эффективности капитальных вложений в развитие энергетического хозяйства (генерирование, передача и распределение электрической и тепловой энергии). М.: изд. Минэнерго СССР, 1973.