17Temireferatov

Темы рефератов

Интеллектуальные системы управления производственными процессами

Цепь Маркова – это распространенный и довольно простой способ моделирования случайных событий. Используется в самых разных областях, начиная генерацией текста и заканчивая финансовым моделированием. 

Формально, цепь Маркова – это вероятностный автомат. Распределение вероятностей переходов обычно представляется в виде матрицы. Если цепь Маркова имеет N возможных состояний, то матрица будет иметь вид N x N, в которой запись (I, J) будет являться вероятностью перехода из состояния I в состояние J. Кроме того, такая матрица должна быть стохастической, то есть строки или столбцы в сумме должны давать единицу. В такой матрице каждая строка будет иметь собственное распределение вероятностей.

Темы к разработке

1. Модель исследования сложности текстового массива

2. Модель исследования рельефа поверхности

3. Модель исследования тепловизионного изображения

4. Модель исследования акустического поля в океане

5. Модель исследования акустического поля в атмосфере

Классификация информационных моделей

Темы к разработке

6. Информационная (абстрактная) модель – описание объекта на каком -либо языке. Абстрактность модели проявляется в том, что ее компонентами являются сигналы и знаки (вернее, заложенный в них смысл), а не физические тела.

7. Дескриптивная модель – словесное описание объекта, выраженное средствами того или иного языка.

8. Математическая модель

– 1) совокупность записанных на языке математики соотношений (формул, неравенств, уравнений, логических соотношений), определяющих характеристики состояния объекта в зависимости от его элементов, свойств, параметров, внешних воздействий,

2) приближенное описание объекта, выраженное с помощью математической символики.

9. Статические модели отображают объект в какой-то момент времени без учета происходящих с ним изменений, как находящийся в состоянии покоя или равновесия (отсутствует параметр времени).

Архитектура интеллектуальных систем

Темы к разработке

10. Данные – это информация, полученная в результате наблюдений или измерений отдельных свойств (атрибутов), характеризующих объекты, процессы и явления предметной области. Знания (с точки зрения представления знаний в интеллектуальных системах) – это связи и закономерности предметной области (принципы, модели, законы), полученные в результате практической деятельности и профессионального опыта, позволяющего специалистам ставить и решать задачи в данной области.

Знания от данных отличаются рядом свойств: − внутренняя интерпретируемость; − структурированность; − связность;

− семантическая метрика; − активность.

11. Внутренняя интерпретируемость. Данные, хранящиеся в памяти или на внешних носителях, лишены имен, таким образом, отсутствует возможность их однозначной идентификации системой. Данные может идентифицировать лишь программа, извлекающая их по определенному алгоритму. При переходе к знаниям в память вводится дополнительная информация (атрибуты: фамилия, год рождения, специальность, стаж). Атрибуты могут играть роль имен. По ним можно осуществлять поиск нужной информации.

12. Структурированность. Информационные единицы должны обладать гибкой структурой. Иначе говоря, должна существовать возможность произвольного установления между отдельными информационными единицами отношений типа «часть – целое», «род – вид» или «элемент – класс». Связность. Между информационными единицами должна быть предусмотрена возможность установления связей различного типа. Семантика отношений может носить декларативный или процедурный характер. Например, две и более информационные единицы могут быть связаны отношением «одновременно», две информационные единицы – отношением «причина – следствие» или «быть рядом».

13. Семантическая метрика. На множестве информационных единиц в некоторых случаях полезно задавать отношение, характеризующее их ситуационную близость, то есть силу ассоциативной связи. Его можно было бы назвать отношением релевантности для информационных единиц. Оно дает возможность выделять в информационной базе некоторые типовые ситуации (например, «покупка», «регулирование движения на перекрестке»). Отношение релевантности при работе с информационными единицами позволяет находить знания, близкие к уже найденным.

14. Активность. Все вычислительные процессы инициируются командами, а данные используются этими командами лишь в случае необходимости. Иначе говоря, данные пассивны, а команды активны. Знания позволяют адаптироваться и действовать в реальной действительности. Существует огромное множество различных знаний, начиная от рецепта приготовления омлета до квантовой физики.

15. Классификация знаний в управлении производственными процессами

Содержание:

1. Примерная структура реферата: что это такое

2. Структурные компоненты реферата и их последовательность

   1. Титульный лист в структуре реферата

   2. Содержание в структуре реферата

   3. Введение в структуре реферата

   4. Основная часть в структуре реферата

   5. Заключение в структуре реферата

   6. Список литературы в структуре реферата

3. Структура реферата: образец для студента

4. Написание реферата: этапы и последовательность

Подробнее: https://zaochnik.ru/blog/pravilnaja-struktura-referata-obrazets-po-gostu/?ysclid=m8hg9yknbq874009673

3