Выбор априорной информации

ВЫБОР АПРИОРНОЙ ИНФОРМАЦИИ [c.423]

Выбор априорной информации 423 Вычет 63 [c.531]

Другим, весьма важным моментом при решении оптимизационных многокритериальных задач является выбор весовых коэффициентов Хе.Л. 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 h следующим образом [c.54]

Дополнительные вычисления в простейшем случае организуются путем выбора новых начальных точек, т. е. расширением получаемого отрезка кривой сходимости (рис. 5.7, в) до тех пор, пока наступит насыщение и новые точки практически не будут улучшать найденные ранее результаты. В более сложных случаях новые начальные точки выбираются одновременно с усовершенствованием и усложнением алгоритмов выборки и отбора, что описано выше. Во всех случаях увеличение N ограничено ростом машиносчетного времени поиска. Поэтому оценка полученного решения обычно производится с помощью дополнительной априорной информации. [c.135]

Выбор основных факторов и их уровней. В качестве факторов можно выбирать только контролируемые и управляемые переменные, т. е. такие, которые исследователь может поддерживать постоянными в течение каждого опыта на заданных уровнях. В число факторов должны быть включены параметры процесса, оказывающие наиболее сильное влияние на функцию отклика. Для выяснения наиболее важных факторов анализируется априорная информация, ранее проведенные аналитические и экспериментальные исследования. При необходимости с этой целью проводят специальные опыты, получившие название отсеивающий эксперимент . [c.117]

Процедура ПСМ состоит в выборе начального симплекса и последовательном отражении его вершин с наихудшим откликом в новую точку относительно противоположной грани. Процесс заканчивается при достижении экстремальной области. Для N = 2 сущность симплексного метода движения к оптимуму для правильного симплекса можно иллюстрировать на примере рис. 6.10. Начальный симплекс (опыты 1, 2, 3) располагают в факторном пространстве на основе априорной информации об объекте исследования. Результаты опытов в вершинах /, 2, 3 упорядочивают, т. е. ранжируют по значению отклика, далее выбирают наихудший результат (пусть для примера это будет точка /). Для первого шага к оптимуму на грани 2, 3, противоположной наихудшему опыту, симметрично строят новый правильный симплекс 2, 5, 4, опытные результаты опять ранжируют и т. д. [c.131]

Выбор планов экспериментов делают на основе анализа априорной информации об исследуемом объекте. Под объектом при исследовании биоповреждений понимают взаимодействие материала с микроорганизмами и другими факторами. Составление плана начинают с описания процесса эксперимента в виде специально построенной матрицы, называемой матрицей планирования эксперимента (МПЭ), в которой будут помещены результаты эксперимента. МПЭ включает кодированные значения факторов х/, определяемые из соотношения Х(= = (х1—х,о)//г, где х,- — натуральное значение фактора Жд — натуральное значение нулевого уровня А — интервал варьирования 1 — номер фактора. [c.70]

При использовании поляризационных кривых может производиться их аппроксимация линейная (рис. 1.4, а), кусочно-линейная (рис. 1.4, б) или нелинейная (основанная на подборе аналитических зависимостей, приближенно описывающих какой-либо один или несколько участков поляризационной кривой) . Выбор того или иного способа аппроксимации поляризационных кривых определяется требуемой точностью расчетов и объемом априорной информации о диапазоне возможных значений плотности тока или потенциала в условиях рассматриваемой задачи. [c.12]

Допустимая область определяется теми ограничениями, которые накладываются на параметры. Например, при идентификации динамических систем допустимыми являются те значения параметров, которые обеспечивают устойчивость модели. Если ограничения на параметры не накладываются, то допустимая область С совпадает с евклидовым пространством размерности т. Выбор критерия качества Q (с) в значительной степени зависит от априорной информации, целей идентификации, формы представления наблюдений за сигналами системы, вычислительных возможностей исследователя и т. д. Поэтому здесь приведены только наиболее распространенные способы построения функции Q (с). [c.351]

Вообще говоря, успех и экономичность такой процедуры определяется удачей в выборе начальной точки. Поэтому в данном случае необходимо использовать всю априорную информацию и только после ее всестороннего анализа приступать к испытаниям. [c.437]

Второй класс задач определяется минимальными априорными ограничениями на исследуемую статистическую структуру /4 -задачи непараметрического оценивания. Ясно, что при минимуме априорной информации (при строгом выводе) получаемые оценки отличаются консервативностью. Принципиальное значение приобретает вопрос выбора погрешности оценки искомой вероятностной меры Р е Р. Так, если в качестве погрешности / искомой меры Р взять вариацию их разности [c.500]

Выше (см. гл. IV, п.2) приведено сопоставление требований стандартов к однородности стального проката с реальной изменчивостью его химического состава. При подготовке материала СО так же, как и в случае выбора методик аттестационного анализа, необходимо определенная осторожность в использовании любой априорной информации каждая стадия создания государственных СО должна основываться на специальных методических и экспериментальных разработках и тщательном контроле получаемых результатов. [c.118]

Наиболее сложный этап при решении задач этим методом—выбор параметра регуляризации. Необходимо определить такое К, которое, с одной стороны, делало бы решение устойчивым, а с другой — незначительно искажало бы первоначальное интегральное уравнение первого рода. Для выявления значения К целесообразно использовать априорную информацию о решении [231] как для сужения области поиска, так и для окончательного его выбора. Установлено, что достаточно общим и математически обоснованным методом выбора параметра регуляризации является метод минимизации невязки [230, 231]. При его использовании можно обойтись минимумом априорной информации о решении, но приходится решать дополнительную задачу определения минимума функционала. [c.9]

При восстановлении собственного контура /с (Л) по наблюдаемому /э( ) используем метод сравнения — прямой метод решения задачи. Выбор этого метода по сравнению с другими, рассмотренными выше в п. 4.1, обусловлен тем, что в этом случае возможно очень просто использовать достаточно большую априорную информацию, которой обычно обладает экспериментатор. Часто заранее известна форма контура спектральной линии. [c.120]

Планирование начинают с выбора области эксперимента. Этот выбор связан с тщательным анализом априорной информации об исследуемых процессах. Область эксперимента задается основным уровнем и интервалами варьирования факторов. Основной уровень — это точка многомерного факторного пространства, задаваемая комбинацией уровней факторов и являющаяся центром области эксперимента. В качестве основного уровня наиболее часто задают нормальные условия эксперимента. Интервал варьирования— это расстояние на координатной оси между основным уровнем и верхним (или нижним) уровнем факторов. Минимальная величина интервала варьирования должна быть больше ошибок воспроизведения уровней факторов в опыте, иначе верхний и нижний уровни факторов будут неразличимы. [c.42]

В первой ситуации принятие решения (выбор экспериментальной области факторно,го пространства) связано с тщательным анализом априорной" информации, точностью измерения факторов, характером поверхности отклика и диапазоном изменения контролируемого параметра. [c.92]

Обнаружение компонентов методами проверки статистических гипотез. Задача обнаружения пика в сигнале, поступающем в обработку, может быть сведена к проверке гипотезы Нх о принадлежности выборки К,- текущих значений сигнала полезному компоненту против альтернативной гипотезы Но образования выборки У шумом. Алгоритмы обнаружения строятся на базе Оптимизации различных критериев качества. Выбор того или иного критерия определяется в основном количеством имеющейся априорной информации о сиг- [c.63]

Таким образом, приведенные результаты исследования критериев на работоспособность и эффективность могут быть использованы при выборе и обосновании вида критерия для применения его на практике. При этом необходимо обладать некоторой априорной информацией о виде гипотезы (односторонняя или двусторонняя) и виде модели помехи, о числе ошибок, [c.131]

Несколько сложнее выбрать W, так как какая-либо априорная информация отсутствует. Поэтому при выборе W будем исходить не только из условий (3.2.2), (3.2.3), но и учтем, что в равновесии поле W является безвихревым. [c.108]

Второй — экспериментальный. Задача исследователя состоит в этом случае в выдвижении гипотезы или ряда конкурирующих гипотез и в подтверждении или выборе какой-либо из них. Выдвижение гипотезы основано на априорной информации относительно характера изучаемого явления. [c.500]

Выбор той или иной формы модели определяется характером и сложностью диагностируемого объекта, объемом имеющейся априорной информации, требуемой глубиной диагноза и техническими возможностями получения информации об объекте. [c.239]

Разработка конкретных алгоритмов и структуры операторской деятельности проводится в соответствии с изложенной выше последовательностью с использованием методов проектирования операторской деятельности. Выбор того или иного метода определяется стадией разработки, наличием априорной информации и степенью отработки алгоритма на технологическом уровне (на уровне функционирования СЧМ). [c.97]

При построении моделей возникают две основные задачи. Первая связана с определением структуры объекта, оцениванием линейности, стационарности, выбором информационных вибрационных сигналов, определяющих техническое состояние и его изменение. Вся эта информация априорна для решения второй задачи — определения параметров и отклонений параметров объектов. Определение параметров объекта или эквивалентной ему модели включает в себя не только оценку их для данного момента, но и прогнозирование их изменения, что дает возможность применять эти результаты для диагностики качества функционирования. [c.157]

При принятии решений можно располагать данными об априорном распределении из нескольких источников. Чаще всего это результаты предыдущих испытаний такого же изделия. Другим источником подобных сведений может быть рассчитанная надежность устройства, состоящего из нескольких элементов, надежность которых известна. В подобных случаях может быть целесообразно допустить такое априорное распределение, при котором расчетная надежность заключена в интервале, основанном на анализе системы. Модели возрастания надежности в некоторых случаях могут дать информацию, на которой можно обосновать оценку априорного распределения. Хотя все перечисленные источники информации неидеальны, но это все же лучше, чем отсутствие информации. Конечно, чем лучше информация, тем лучше выбор вида испытаний. [c.93]

Сравнительная оценка точности и эффективности различных способов Продолжения по параметру в общем виде представляется трудно разрешимой задачей. Отдельные априорные оценки [366,481] громоздки и их применение к практическим задачам затруднительно. Поэтому наиболее рациональным кажется исследование эффективности метода на примере некоторых тестовых задач. Такой путь хотя и не дает полной информации о погрешности, но дает сведения, ориентирующие исследователя при выборе того или иного подхода. [c.194]

С практической точки зрения весьма важно то, что наши определения включают в себя смешанные состояния, соответствующие когерентным полям. Наше априорное знание состояния высокочастотных полей обычно не содержит информации о полной фазе ф. Поэтому ансамбль экспериментов, проведенных с такими полями, должен описываться с помощью оператора плотности в форме (14.7) со специальным выбором 6 (ф) [c.134]

Основная задача планирования эксперимента при анализе случайных процессов состоит в выборе необходимой длины реализации Т(количества дискретных отсчетов N), обеспечивающей получение фиксированной статистической погрешности оценки рассматриваемой характеристики. Для решения этой задачи прежде всего необходима априорная информация о частотных свойствах анализируемого процесса, т.е. информация о значении интервалов корреляции (см. табл. 8.23), особенностях спектра и т.п. Интервач корреляции т , р может быть предварительно найден путем подсчета числа пересечений д реализацией процесса х 1) уровня Мх (нулевого уровня, если Ш = 0) за какое-то время Tq. Тогда можно считать, что [c.474]

В режиме случайного поиска лучи объектов А и В направлены в случайно выбранных направлениях в пределах угл0(В0Й неопределенности положения объектов в течение фиксированных коротких интервалов времени обе станции излучают и принимают сигналы однов1ременно. Пределы выбора направлений луча каждого объекта определяются И(меющейся априорной (информацией о телесном угле обзора. [c.167]

Таким образом, при наличии частичной априорной информации в виде условных плотностей распределения р у 1) нахождение оптимальных границ в пространстве наблюдений базируется на возможности представить байесово решающее правило в виде функции от плотности распределения вероятностей р у) или его моментов, оцениваемых по выборке значений у. При этом выбор наиболее точного алгоритма из двух рассмотренных весьма затруднителен — даже в простейшем случае (рис. 2-21) области предпочтительности одного из алгоритмов другому имеют сложную конфигурацию. [c.286]

При отсеивании существенных факторов методом случайного баланса работа проводится в такой последовательности. Сначала составляется матрица, предусматривающая условия проведения отдельных опытов. При построении матрицы планирования метода случайного баланса используется случайный механизм, что нашло свое отражеиие в наименовании метода. Количество опытов должно быть кратным 2 и не меньше к При построении матрицы планирования наиболее часто поступают следующим образом. Берут дробную реплику (см 7.6), обычно полуреплику, и смешивают ее. При этом для одной половины факторов полуреплика используется непосредственно, а для других факторов уровни распределяются случайным выбором строи из той же полуреплики с использованием таблиц случайных чисел Факторы по столбцам матрицы распределяются с учетом их влияния на параметр оптимизации согласно априорной информации. В первую половину матрицы записывают наиболее существенные факторы. Матрица случайного баланса считается пригодной, если в ней нет двух ра личных столбцов с одинаковыми или неодинаковыми знаками. Кроме того, в [c.302]

Г1роцедура идентификации включает в себя следующие стадии выбор структуры модели на основании имеющейся априорной информации об исследуемом процессе [c.43]

К важным факторам, определяюшим окончательное принятие решения о выборе того или иного метода контроля или их комбинации, относится наличие априорной информации о структуре и физических свойствах как объекта контроля, так и объекта поиска, характере взаимодействия физических полей с ними, а также условиях и допустимом времени контроля. [c.629]

Основной вывод приведенного анализа заключается в том, что нет оснований добиваться большой точности реализации алгоритма измерения путем уменьшения приборной погрешности, если квазипогрешность согласования соизмерима или превышает ее. Сделанный вывод подчеркивает значение априорной информации о модели исследуемых случайных величин для выбора и построения приборной схемы для их оптимального измерения и анализа. [c.122]

Метод регуляризации (сглаживания), рассмотренный в разд. 22.6, для получения устойчивого решения требует разумного выбора параметров 71 и 72. Статистический метод, описанный в разд. 22.7, опирается на знание статистических свойств ошибок измерений и неизвестных величин. Эти требования не относятся к числу серьезных недостатков. Фактически во многих прикладных задачах эти требования оказываются легко выполнимыми. В 1970 г. Бакус и Гильберт предложили метод обращения, не требующий априорной информации о неизвестной функции. Кроме того, он позволяет найти разрешение (уширение) и точность (дисперсию) как функции ошибки измерения и тем самым позволяет управлять выбором уширения и дисперсии. В этом разделе мы дадим краткое описание этого метода [7, 71, 290, 375]. [c.262]

Ход предыдущих рассуждений показывает, что гибкий критерий позволяет согласовать рассматриваемую задачу выбора решения с конкретными условиями. При малой статистической выборке состояний исходных данных, а также небольшой статистике реализаций решения гибкий критерий действует практически аналогично минимаксному с возрастанием объема статистической выборки сочетаний внешних факторов и статистики ранее осуществленных решений гибкий критерий по своим результатам все более и более приближается к ВЕ-кри-терию. Выбранное решение будет тем консервативнее, чем меньшим объемом априорной информации (располагает лицо, принимающее решение, и чем меньше число ранее известных [c.95]

Полный учет влияния каждого из элементов возможен при снятии динамических характеристик действующей установки. Получаемая таким путем инерционн-ая кривая несет в себе исчерпывающую неискаженную информацию о данном объекте. В этом заключается особенность экспериментального метода, его достоинство и одновременно слабая сторона. Недостатком является невозможность распространения полученных (часто с большими трудностями и затратами) результатов на паротурбинные блоки других типов, и для них динамические испытания должны быть проведены заново. Метод экспериментального определения динамических свойств паротурбинного блока весьма распространен [Л. 5, 11, 22, 52, 71, 119, 120 и др.]. Наиболее часто динамические испытания проводятся с целью получения исходной информации для выбора системы автоматического регулирования процессами в паротурбинном блоке. Для вновь разрабатываемого оборудования это означает предшествование ввода блока в эксплуатацию оснащению его регулирующими устройствами. При таком подходе сильно растягиваются сроки полного освоения новой техники. Априорный же выбор системы автоматического управления может дать удовлетворительный результат лишь при незначительном отличии вводимого оборудования от уже существующего. Поэтому в последнее десятилетие широкое распространение получили расчетные методы определения динамических свойств паротурбинных блоков. 312 [c.312]

Предположим, что необходимо разработать рецептуры (состав) и технологию производства ПИНС группы Д-1 с минимальным временем и трудовыми затратами, с ограничениями по сырьевым ресурсам (компонентам) при условии создания продукта высшего качества, т. е. с максимально высокими суммарными функциональными свойствами. Задача сводится к получению необходимой и достаточной информации во-первых, на стадии выбора компонентов, определения их концентрации и Технологии получения продукта для возможности использования математического аппарата, ускоряющего и оптимизирующего такую разработку во-вторых, для оценки обобщенной функции полезности продукта в сравнении с известными эталонами сравнения для выдачи рекомендаций по. применению полученного продукта и прогнозу гарантийных сроков защиты им металлоизделий в различных условиях хранения, транспортирования и эксплуатации. Очевидно, выполнение поставленной задачи необходимо проводить в несколько этапов. Прежде всего на основе анализа априорной и аналоговой информации, с помощью накопленных знаний, опыта и ин-тз иции, с учетом вопросов обеспеченности сырьем, ресурсов, экономических вопросов ориентировочно выбирают основные компоненты ПИНС группы Д-1, [c.45]

Если в результате опыта уменьшается неопределенность исхода при выборе события из набора событий, то результатом этого опыта является получение некоторого количества информации и уменьшение энтропии. Целесообразно оценить значение энтропии до начала опыта и после его окончания. Обозначим Нарг — априорную энтропию — исходную меру неопределенности (до опыта) Haps — апостериорную энтропию — меру неопределенности, оставшуюся после опыта. В таком случае количество информации, полученное в ходе опыта, равно [c.43]

Это фундаментальная мера теории информации. Информация, которую несет событие у о событии л пропорциональна логарифму отношения апостериорной и априорной вероятностей х. Ее величина не полностью произвольна, но непосредственно следует из требований, что она есть функция лишь априорной и апостериорной вероятностей и обладает определенными аддитивными свойствами. Постоянную А принимают отрицательной, чтобы в тех случаях, когда г/ увеличивает вероятность х, приращение информации было положительным. Выбор основания логарифма произволен и эквивалентен выбору Л, поскольку iog , М = = (log , а) (loga Выбор основания логарифма определяет размер единицы информации. Как правило, А выбирают равным —loga е, а получающуюся в результате единицу информации называют битом. Таким образом [c.63]

Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...