Структуры данных символьные

Обладающие выраженной структурой форматы данных, такие как векторы, матрицы и т. д., используемые в цифровых вычислениях, дают возможность создания структур данных, которые могут изменять свой вид при символьной обработке. При выполнении таких заданий, как ориентирование на незнакомой территории, различные игры или ведение диалога перед началом выполнения заданий известен только общий вид данных. [c.289]

Структуры данных динамические 290 --символьные 271 [c.435]

Авторы ни в коем случае не предполагают заниматься критикой фон-неймановских архитектур. В конце концов, в то время когда фон-неймановская структура процессор/память была предложена, она базировалась на ограничениях, накладываемых технологией того периода времени (конец 1940-х гг.). Кроме того, такие архитектуры доказали значительное превосходство над человеческим мозгом при выполнении цифровых операций. Хотя обсуждение оптимального соотношения между использованием символьных и цифровых систем выходит за рамки данной главы, когда-нибудь в будущем системы смогут объединить в себе и символьные, и традиционные цифровые процессоры. [c.333]

По степени связности (структурированности) данных различают БД и СУБД документальные и фактографические. Структура данных задается указанием множества составных частей информации и способов из взаимосвязи. При описании структур данных чаще всего оперируют записями как основными частями информации. Записи состоят из полей, поля — из элементов— наименьших неделимых без потери смысла единиц информации. Записи могут объединяться в более крупные структурные единицы, называемые массивами, списками, файлами, отношениями, базами данных. Документальные (дескрипторные) БД, называемые также информационно-поисковыми системами (ИПС), характеризуются тем, что информация представляется в виде слабоструктурированных записей. Слабоструктурированные записи состоят из элементов символьного типа переменной длины, чаще всего это предложения из слов естественного языка. Фактографические БД характеризуются тем, что информация хранится в виде сильноструктурированных записей, для которых характерны фиксированные количество и форматы полей. Примеры подобных записей— строки таблиц с числовыми значениями элементов. [c.273]

Важной характеристикой систем ИИ является ввод и использование новых знаний в каждой операции вычислений. Специалисты по компьютерам затратили большие усилия на то, чтобы выяснить, как наилучшим образом следует представлять знания в вычислительных машинах. Были разработаны многочисленные методики создания, накопления и обработки символьных структур данных. Эти структуры, или элементы знания, могут быть использованы для описания объектов, событий, знаний о тех или иных действиях и знаний о том, что уже известно (или метазнания). В целом такой набор символьных структур называют базой знаний системы ИИ. [c.271]

Вполне очевидно, что для реализации всех возможностей символьных вычислений, таких как использование неточных или неполных знаний при проведении рассуждений, требуются специальные языки программирования. Следует заметить, что языки цифрового программирования, такие как Фортран, в руках умелого программиста могли бы использоваться и в символьных вычислениях. Однако они предназначены для определенных применений и сделали бы аналоговое программирование очень трудной задачей. Язык Лисп и его основные версии Интерлисп и Маклисп создают такую среду программирования, которая существенно облегчает обработку символьных выражений, характеризуемых гибкими структурами данных. Семантические значения объектов изменяются непосредственно при расширении иди сокращении переменного списка признаков. [c.290]

В архитектуре межэле.ментных соединений прежде всего стремятся продвинуться по пути реализации программируемых сетей. Это не является удивительным, поскольку производительность символьной архитектуры, особенно с мелкой структурой разбиения, определяется межэлементными соединениями. Именно увеличивая гибкость сетей и делая их программируемыми, разработчики проходят длинный путь в направлении увеличения общей вычислительной мощности. Более того, конструкторы систем обычно предпочитают несколько уменьшить быстродействие в обмен на устойчивость работы системы, заменяя жесткие межэлементные соединения на переключаемые, которые позволяют приспособить конфигурацию сети к имеющимся данным. Для символьных процессоров адаптивность имеет даже большее значение, чем для цифровых вследствие того, что топология структур данных обычно является неупорядоченной следовательно, топология оптимальной сети не может быть определена заранее, до разработки схемы. Следует упомянуть, что программируемость соединений также важна с позиций устойчивости системы к неполадкам, поскольку при прохождении данных она позволяет перестраивать системы для обхода неисправных процессоров. [c.338]

Матричные операции. Так как матрицы являются важным элементом структуры данных, необходимы интерактивные средства, позволяющие осуществлять матричные операции в естественной форме. После изучения нескольких простых правил работы с матрицами пользователь получает возможность работать в любом из четырех разделов комплекса, причем нет необходимости обучаться работе в каждом из этих разделов. Идея, что матричные средства являются достаточно мощным математическим инструментом, не нова, ее высказывала в шестидесятых годах небольшая, но квалифицированная группа пользователей языка АПЛ. Однако по многим причинам язык АПЛ не нашел широкого применения. Одной из этих причин является то, что в языке АПЛ не используется стандартный символьный код АЗСП. Другая, более серьезная причина заключается в том, что программа на языке АПЛ часто слишком немногословная и сложная, а для ее ввода требуется специальная клавиатура. [c.104]

Структурная схема механизма его структурный код SK взаимно однозначно соответствуют друг другу. Поэтому структурный код может использоваться в качестве символьной информации, вводимой в ЭВМ в составе исходных данных и служащей для описания структуры исследуемого механизма. На базе этой информации внутри протраммы формируется так называемая структурная матрица S, элементы которой выступают в роли признаков, автоматически управляющих последовательностью обращения к унифицированным подпротраммам анализа звена и диад, которые рассмотрены выше. [c.413]

Для современного состояния знаний в области композитов и дисперсных систем характерны достаточно выраженная структурированность и формализованность до уровня представимости решений символами и символьными структурами, эвристический характер, а также сложность, широта и специфичность постановки большинства задач как следствие статического, многоуровневого характера структуры материала. Совокупность указанных признаков свидетельствует о возможности, оправданности и уместности разработки экспертных систем в данной области. Противоречия, существующие между традиционными системами моделирования и экспертными системами, снимают интеллектуальные системы моделирования. [c.138]

Внутренняя структура БД позволяет полностью описать основные виды кранового оборудования. Каждый файл БД формируется из последовательных блоков по четыре зоны и заканчивается признаком конца файла (рис. 7.39). Комбинация блоков позволяет хранить в одном файле информацию о различных типах оборудования одного вида, например канатах. На БД накладывается ограничение по числу типов оборудования внутри одного вида может быть не более пяти типов оборудования. Такое ограничение вызвано необходимостью обеспечить реакцию программы на запрос в пределах 3-5 с. Информация в БД заносится с 1-й позиции каждой строки. Зона комментариев REMu должна быть расположена в начале очередного блока. Зона идентификатора типа OOOONNNN содержит символьную информацию NNNN о типе оборудования в данном блоке. Следующая за этой зоной строка в переменной К содержит информацию о количестве единиц оборудования в блоке. Под характеристики каждой единицы оборудования отводится вектор X длиной 20 чисел, размещенных в две строки по 10 чисел в каждой. Весь вектор X (20) является информационной характеристикой единицы оборудования. Конкретное содержание элементов вектора индивидуально для каждого вида оборудова- [c.175]

В большинстве САПР, созданных до середины 80-х годов, ЛВС имеет простую радикальную структуру (рис. 10.9). В свою очередь, АРМ могут иметь одно- или двухуровневую структуру. Примером одноуровневых АРМ служат АРМ первого поколения АРМ-М, АРМ-Р, Кулон-1. Типичный состав таких АРМ мини-ЭВМ, имеющая внешнюю память на магнитных лентах и дисках АЦПУ символьный и графический дисплеи кодировщик графической информации графопостроитель устройства ввода и вывода данных на перфоленту. Пример двухуровневого АРМ — Кулон-3, выполненный на базе мини-ЭВМ Электроника 79 и имеющий до восьми РМ. Рабочие места включают микроЭВМ Электроника 60М, снабжены дисплеями, накопителями на гибких магнитных дисках, кодировщиками графической информации. Связь мини-ЭВМ с рабочими местами осуществляется с помощью мультиплексора передачи данных. [c.292]

Логический вывод является аналогом операции с плавающей запятой. В то время как операция с плавающей запятой является основным впдом операций при работе с цифровыми символами, процедуры получения логических выводов применяются при работе с гораздо более широким классом символов, используемых в символьных вычислениях. Логические выводы получают за счет создания определенных комбинаций элементов знаний или группы объектов с целью получения каких-либо заключений. Для логических выводов, которые получают с помощью силлогизмов (двухступенчатых утверждений если/тогда ), конкретные способы организации графических связей, сравнения фреймов или методов получения логических выводов существенно зависят от представления использованных знаний (системы продукций, семантической сети, фреймов или соответственно исчисления предикатов первого порядка). Комбинирование и обработка структур символьных данных (например, объектов и их признаков) с помощью логических выводов составляют основу для наиболее мощных методик проведения рассуждений в символьных вычислениях. [c.289]

На рис. 10.9 указано (шестым по порядку) характерное свойство символьных систем, заключающееся в независимости процедуры управления от знаний, имеющихся по конкретной проблеме. При этом в символьных вычислениях понятие управления распространяется на любой процесс, явно или неявно влияющий на порядок выполнения процедур, осуществляемых с целью решения задачи [34]. Указанное важное свойство ярко проявляется в экспертных системах (обсуждаемых в разд. 10.5.3), где фактическая структура стратегии решения может быть рекурсивно изменена на основе поправок, внесенных в процессе совершенствования программы. В этом отношении ситуация сильно отличается от случая цифровых вычислений, где изменения и даже условные ветви в программе вводятся в систему заранее. Именно указанная независимость базы знаний от управляющих процедур позволяет экспертной системе shell быть достаточно мощным средством, чтобы применяться сразу в нескольких проблемных областях. Примером также служит тот факт, что хотя программа MY IN была вначале разработана в целях медицинской диагностики бактериальных инфекций, она тем не менее может быть использована для создания базы знаний в области кристаллографии, предназначенной для специалистов по росту кристаллов. Вместо хранения правил, отражающих симптомы болезней, бактерии и лекарственные средства, база знаний должна содержать правила, относящиеся к методикам измерения кристаллографических структур, и рекомендации по методикам роста кристаллов. В области цифровых методов нельзя, например, взять программу, предназначенную для разработки интегральных схем со сверхвысокой степенью интеграции, и приспособить ее для проектирования линз лишь за счет изменения входных данных. [c.291]

Показателем совершенства интеллектуальных систем, и в особенности экспертных систем, является их способность приходить к заключению или решению несколькими цепочками рассуждений. Наличие данного свойства позволяет уменьшить пространство решений путем использования схем рассуждений либо отталкивающихся от цели и ориентированных на модель от цели к фактам , либо соответствующих цепочке рассуждений от фактов к цели . Это перспективное средство, хотя еще находится в начале своего развития, но уже сейчас позволяет анализировать задачу под разными углами зрения . Следует заметить, что любой процесс, включающий одновременно несколько цепочек рассуждений, сильно зависит от наличия соответствующих структур параллельных вычислений. Это обусловлено ростом числа запросов к базе знаний, что в случае монопроцессорных систем приводит к неопреодолимым трудностям. К сожалению, как будет показано в следующем разделе, наше понимание роли и методов реализации параллелизма в вычислениях является довольно ограниченным. Но потенциальная возможность использования параллельной обработки в символьных вычислениях является одним из факторов, делающих оптические вычисления особенно привлекательными. [c.324]

Предыдушие разделы подготовили необходимый фундамент для обсуждения архитектур символьных компьютеров. Обсуждавшиеся выше принципиальные характеристики символьных вычислений помогли осознать всю важность связей между элементами данных связей между объектами и признаками в языке Лисп, связей между узлами в семантической сети, связей внутри и между фреймами и т. д. Это толкнуло специалистов в области компьютерной техники к исследованиям возможностей улучшения характеристик за счет использования таких архитектур компьютеров, для которых связь между узлами процессора отражала бы основные соотношения символьных вычислений. Такая идея вызвана частично опытом, накопленным при попытках увеличить производительность цифровых компьютеров путем приведения в соответствие их архитектуры со структурами алгоритмов и наоборот. Конечно, при этом следует помнить о важности поддержания гибкой архитектуры, которая может адаптироваться к изменяющимся связям между объектам в противном случае в результате будут получены машины весьма специализированного назначения с ограниченными возможностями. [c.332]

Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...