- •1. Задача распознавания и её формальное описание. Проблема распознавания.
- •Обсуждение задачи опознавания.
- •Общая постановка задачи.
- •Язык распознавания образов.
- •Априорные предположения — это записанные специальным образом, накопленные знания специалистов.
- •3. Исходные данные для задачи распознавания
- •2 . Геометрическая интерпретация задачи распознавания.
- •4. Структура таблицы «объекты-свойства»
- •6. Анализ данных с целью выбора постановки задач и методы решения.
- •5. Прямые и косвенные свойства в задачах распознавания.
- •7. Основные этапы анализа данных.
- •8. Анализ расположения объектов в пространстве свойств с целью выбора алгоритма распознавания.
- •9. Этапы решения задач распознавания.
- •10. Классификация алгоритмов распознавания.
- •15. Задача разбиения образа на однородные группы.
- •12. Область применения алгоритма Дискриминантная функция.
- •11. Алгоритм распознавания «Дискриминатная функция».
- •13. Мера сходства и ее свойства.
- •14. Метрика и ее свойства.
- •16. Алгоритм «Гол n»
- •26. Шкалы измерения свойств.
- •17.Способы вычисления типичного представителя в алгоритме «Гол n»
- •18. Решающее правило в алгоритме «Гол n»
- •20. Условия применения алгоритма «Гол 1»
- •22. Исследования представительности мо
- •21. Различия между алгоритмами “Гол n” и «Гол 1»
- •19. Алгоритм распознавания «Гол 1»
- •23. Распознавание с отказами и без отказов
- •24. Алгоритм распознавание «Энтропия»
- •25. Решающее правило в алгоритме «Энтропия»
- •30. Общая схема постановки и решения задачи распознавания.
- •28. Алгоритм распознавания «Тесты».
- •27. Алгоритм распознавания «Кора 3»
- •32. Основные понятия системы массового обслуживания.
- •40. Постановка задачи оптимизации при нескольких критериях.
- •41. Математическая модель многокритериальной задачи.
- •29. Алгоритм распознавания «Направление опробования»
- •31. Принципы построения и функционирования сппр.
- •32. Основные понятия системы массового обслуживания.
- •47. Способ лексикографической оптимизации.
- •48. Построение обобщенного критерия в многокритериальной задаче.
- •45. Способ указания нижних границ критериев.
- •42. Отношение доминирования по Парето
- •38. Модель производственных поставок.
- •39. Модель поставок со скидкой.
- •43. Геометрическая интерпретация доминирования по Парето
- •52. Логическая модель представления знаний
- •Продукционная модель представления знаний
- •Фреймовая модель представления знаний
- •Модель семантических сетей
- •Классификация систем Business-to-business (b2b-систем)
- •61. Понятие логистической системы
- •Основные отличия знаний от данных
- •Классификация информационно-поисковых систем
- •Основные модели представлений знаний
38. Модель производственных поставок.
Эта модель для склада, привязанного к производству. У произв есть своя интенсивность.
d – интенсивность спроса, h – издержки на хранение ($/ед. тов.), с – цена товара, S – орг. издержки (за партию). А – стоимость товара, Б – орг. издержки, В – издержки на хранение. q – размер партии товара.
39. Модель поставок со скидкой.
d – интенсивность спроса, h – издержки на хранение ($/ед. тов.), с – цена товара, S – орг. издержки (за партию). А – стоимость товара, Б – орг. издержки, В – издержки на хранение. q – размер партии товара.
43. Геометрическая интерпретация доминирования по Парето
Для наглядного представления доминирования по Парето представим случай двух позитивных критериев f1 и f2 .В первом случае представим векторные оценки исходов точками на координатной плоскости.
В дискретном случае Парето-оптимальными являются исходы {2,3,4}. При этом каждый исход, не являющийся Парето-оптимальным доминируется по Парето некоторым Парето-оптимальным исходом. К примеру : ; ; .
В случае, когда множество допустимых исходов является непрерывным, их векторные оценки заполняют некоторую область Q. В этом случае множеством Парето-оптимальных исходов является жирная линия, представляющая собой “Северо-восточную” границу нашей области.
В некоторых случаях “северо-западная” граница может иметь достаточно «экзотический” вид. Она, например, может состоять из отдельных точек и/или линий.
При наличии, например, двух противоположных по знаку критериев: один позитивный(f2)-другой негативный(f1), Парето-оптимальной границей будет представлять собой “северо-западную” границу области Q.
52. Логическая модель представления знаний
Логическая модель представления знаний — модель в представлении знаний.
Основная идея подхода при построении логических моделей представления знаний — вся информация, необходимая для решения прикладных задач, рассматривается как совокупность фактов и утверждений, которые представляются как формулы в некоторой логике. Знания отображаются совокупностью таких формул, а получение новых знаний сводится к реализации процедур логического вывода. В основе логических моделей представления знаний лежит понятие формальной теории, задаваемое кортежем: S = < B,F,A,R > , где:
B — счетное множество базовых символов (алфавит);
F — множество, называемое формулами;
A — выделенное подмножество априори истинных формул (аксиом);
R — конечное множество отношений между формулами, называемое правилами вывода.
Продукционная модель представления знаний
Продукционная модель знания — модель основанная на правилах, позволяет представить знание в виде предложений типа «Если (условие), то (действие)».
Продукционная модель — фрагменты Семантической сети, основанные на временных отношениях между состояниями объектов.
Продукционная модель обладает тем недостатком, что при накоплении достаточно большого числа (порядка нескольких сотен) продукций они начинают противоречить друг другу.
В общем случае продукционную модель можно представить в следующем виде:
, где:
— описание класса ситуаций;
— условие, при котором продукция активизируется;
— ядро продукции;
— постусловие продукционного правила.