Архитектура субд

СУБД должна предоставлять доступ к данным любым пользователям, включая и тех, которые практически не имеют и (или) не хотят иметь представления о:

• физическом размещении в памяти данных и их описаний;

• механизмах поиска запрашиваемых данных;

• проблемах, возникающих при одновременном запросе одних и тех же данных многими пользователями (прикладными программами);

• способах обеспечения защиты данных от некорректных обновлений и (или) несанкционированного доступа;

• поддержании баз данных в актуальном состоянии

и множестве других функций СУБД.

При выполнении основных из этих функций СУБД должна использовать различные описания данных. А как создавать эти описания?

Естественно, что проект базы данных надо начинать с анализа предметной области и выявления требований к ней отдельных пользователей (сотрудников организации, для которых создается база данных). Проектирование обычно поручается администратору базы данных (АБД). Объединяя частные представления о содержимом базы данных, полученные в результате опроса пользователей, и свои представления о данных, которые могут потребоваться в будущих приложениях, АБД сначала создает обобщенное неформальное описание создаваемой базы данных. Это описание, выполненное с использованием естественного языка, математических формул, таблиц, графиков и других средств, понятных всем людям, работающих над проектированием базы данных, называют инфологической моделью данных (рис. 1.3).

Рис. 1.3. Уровни моделей данных

Такая человеко-ориентированная модель полностью независима от физических параметров среды хранения данных. В конце концов этой средой может быть память человека, а не ЭВМ. Поэтому инфологическая модель не должна изменяться до тех пор, пока какие-то изменения в реальном мире не потребуют изменения в ней некоторого определения, чтобы эта модель продолжала отражать предметную область.

Остальные модели, показанные на рис. 1.3, являются компьютеро-ориентированными. С их помощью СУБД дает возможность программам и пользователям осуществлять доступ к хранимым данным лишь по их именам, не заботясь о физическом расположении этих данных. Нужные данные отыскиваются СУБД на внешних запоминающих устройствах по физической модели данных.

Так как указанный доступ осуществляется с помощью конкретной СУБД, то модели должны быть описаны на языке описания данных этой СУБД. Такое описание, создаваемое АБД по инфологической модели данных, называют даталогической моделью данных.

Трехуровневая архитектура (инфологический, даталогический и физический уровни) позволяет обеспечить независимость хранимых данных от использующих их программ. АБД может при необходимости переписать хранимые данные на другие носители информации и (или) реорганизовать их физическую структуру, изменив лишь физическую модель данных. АБД может подключить к системе любое число новых пользователей (новых приложений), дополнив, если надо, даталогическую модель. Указанные изменения физической и даталогической моделей не будут замечены существующими пользователями системы (окажутся "прозрачными" для них), так же как не будут замечены и новые пользователи. Следовательно, независимость данных обеспечивает возможность развития системы баз данных без разрушения существующих приложений.

2. Каждый диагностический критерий в дифференциально-диагностическом ряду оценивался величиной информативности (Mi) изучаемых признаков. Вначале вычисляли статистическую вероятность встречаемости признака при каждой форме неспецифического плеврита в их ряду, а затем рассчитывали величины Mi. При использовании данной методики информативным считался тот диагностический признак, значение Mi которого превышало 1,0. Причем, чем выше были значения Mi, тем большей информативной ценностью обладали изучаемые признаки. На основании величины Mi информативные признаки были ранжированы на 3 группы: низко-информативные, средней информативности и высокоинформативные диагностические критерии. Это позволило разработать трёхуровневые диагностические шкалы, которые предназначались как для повышения точности диагностики различных форм неспецифического плеврита, так и для дифференциальной их диагностики. Определение информативных параметров заключается в отборе таких параметров из априорного словаря параметров, которые были бы наименее тесно связаны между собой и сильно связаны с параметрами, не вошедшими в информативный набор параметров.

Билет 6 1. Види погрешностей

По форме представления

Абсолютная погрешность —   является оценкой абсолютной ошибки измерения. Величина этой погрешности зависит от способа её вычисления, который, в свою очередь, определяется распределением случайной величины  . При этом неравенство:  , где   — истинное значение, а   — измеренное значение, должно выполняться с некоторой вероятностью, близкой к 1. Если случайная величина   распределена по нормальному закону, то обычно за абсолютную погрешность принимают её среднеквадратичное отклонение. Абсолютная погрешность измеряется в тех же единицах измерения, что и сама величина.

Существует несколько способов записи величины вместе с её абсолютной погрешностью.

• Обычно используется запись со знаком ±. Например, рекорд в беге на 100 метров, установленный в 1983 году, равен9,930±0,005 с.

• Для записи величин, измеренных с очень высокой точностью, используется другая запись: цифры, соответствующие погрешности последних цифр мантиссы, дописываются в скобках. Например, измеренное значение постоянной Больцмана равно 1,380 6488(13)×10⁻²³ Дж/К, что также можно записать значительно длиннее как 1,380 6488×10⁻²³±0,000 0013×10⁻²³Дж/К.

Относительная погрешность — погрешность измерения, выраженная отношением абсолютной погрешности измерения к действительному или измеренному значению измеряемой величины (РМГ 29-99):  ,  .

Относительная погрешность является безразмерной величиной, либо измеряется в процентах.

Приведённая погрешность — погрешность, выраженная отношением абсолютной погрешности средства измерений к условно принятому значению величины, постоянному во всем диапазоне измерений или в части диапазона. Вычисляется по формуле  , где   — нормирующее значение, которое зависит от типа шкалы измерительного прибора и определяется по его градуировке:

• если шкала прибора односторонняя, то есть нижний предел измерений равен нулю, то   определяется равным верхнему пределу измерений;

• если шкала прибора двухсторонняя, то нормирующее значение равно ширине диапазона измерений прибора.

Приведённая погрешность является безразмерной величиной, либо измеряется в процентах.

По причине возникновения

• Инструментальные / приборные погрешности — погрешности, которые определяются погрешностями применяемых средств измерений и вызываются несовершенством принципа действия, неточностью градуировки шкалы, ненаглядностью прибора.

• Методические погрешности — погрешности, обусловленные несовершенством метода, а также упрощениями, положенными в основу методики.

• Субъективные / операторные / личные погрешности — погрешности, обусловленные степенью внимательности, сосредоточенности, подготовленности и другими качествами оператора.

В технике применяют приборы для измерения лишь с определённой заранее заданной точностью — основной погрешностью, допускаемой в нормальных условиях эксплуатации для данного прибора.

Если прибор работает в условиях, отличных от нормальных, то возникает дополнительная погрешность, увеличивающая общую погрешность прибора. К дополнительным погрешностям относятся: температурная, вызванная отклонением температуры окружающей среды от нормальной, установочная, обусловленная отклонением положения прибора от нормального рабочего положения, и т. п. За нормальную температуру окружающего воздуха принимают 20 °C, за нормальное атмосферное давление 101,325 кПа.

Обобщённой характеристикой средств измерения является класс точности, определяемый предельными значениями допускаемых основной и дополнительной погрешностей, а также другими параметрами, влияющими на точность средств измерения; значение параметров установлено стандартами на отдельные виды средств измерений. Класс точности средств измерений характеризует их точностные свойства, но не является непосредственным показателем точности измерений, выполняемых с помощью этих средств, так как точность зависит также от метода измерений и условий их выполнения. Измерительным приборам, пределы допускаемой основной погрешности которых заданы в виде приведённых основных (относительных) погрешностей, присваивают классы точности, выбираемые из ряда следующих чисел: (1; 1,5; 2,0; 2,5; 3,0; 4,0; 5,0; 6,0)*10ⁿ, где показатель степени n = 1; 0; −1; −2 и т. д.

По характеру проявления

• Случайная погрешность — погрешность, меняющаяся (по величине и по знаку) от измерения к измерению. Случайные погрешности могут быть связаны с несовершенством приборов (трение в механических приборах и т. п.), тряской в городских условиях, с несовершенством объекта измерений (например, при измерении диаметра тонкой проволоки, которая может иметь не совсем круглое сечение в результате несовершенства процесса изготовления), с особенностями самой измеряемой величины (например при измерении количества элементарных частиц, проходящих в минуту через счётчик Гейгера).

• Систематическая погрешность — погрешность, изменяющаяся во времени по определённому закону (частным случаем является постоянная погрешность, не изменяющаяся с течением времени). Систематические погрешности могут быть связаны с ошибками приборов (неправильная шкала, калибровка и т. п.), неучтёнными экспериментатором.

• Прогрессирующая (дрейфовая) погрешность — непредсказуемая погрешность, медленно меняющаяся во времени. Она представляет собой нестационарный случайный процесс.

• Грубая погрешность (промах) — погрешность, возникшая вследствие недосмотра экспериментатора или неисправности аппаратуры (например, если экспериментатор неправильно прочёл номер деления на шкале прибора или если произошло замыкание в электрической цепи).

По способу измерения

• Погрешность прямых измерений - вычисляются по формуле

где :   ;   — Средняя квадратическая погрешность среднего арифметического, а   — коэффициент Стьюдента, аА — число, численно равное половине цены деления измерительного прибора.

• Погрешность косвенных воспроизводимых измерений — погрешность вычисляемой (не измеряемой непосредственно) величины:

Если  , где   — непосредственно измеряемые независимые величины, имеющие погрешность  , тогда:

• Погрешность косвенных невоспроизводимых измерений - вычисляется по принципу прямой погрешности, но вместо   ставится значение полученное в процессе расчётов.

Погрешность измерения и принцип неопределенности Гейзенберга

Принцип неопределенности Гейзенберга устанавливает предел точности одновременного определения пары наблюдаемых физических величин, характеризующих квантовую систему, описываемых некоммутирующими операторами (например, координаты и импульса, тока и напряжения, электрического и магнитного поля). Таким образом, в квантовой механике постулируется принципиальная невозможность одновременного определения с абсолютной точностью некоторых физических величин. Этот факт накладывает серьёзные ограничения на применимость понятия «истинное значение физической величины».

Систе́ма подде́ржки приня́тия реше́ний (СППР) (англ. Decision Support System, DSS) — компьютерная автоматизированная система, целью которой является помощь людям, принимающим решение в сложных условиях для полного и объективного анализа предметной деятельности. СППР возникли в результате слияния управленческих информационных систем и систем управления базами данных.

Для анализа и выработок предложений в СППР используются разные методы. Это могут быть: информационный поиск,интеллектуальный анализ данных, поиск знаний в базах данных, рассуждение на основе прецедентов, имитационное моделирование, эволюционные вычисления и генетические алгоритмы, нейронные сети, ситуационный анализ, когнитивное моделирование и др. Некоторые из этих методов были разработаны в рамках искусственного интеллекта. Если в основе работы СППР лежат методы искусственного интеллекта, то говорят об интеллектуальной СППР или ИСППР.

Близкие к СППР классы систем — это экспертные системы и автоматизированные системы управления.

2. Экспе́ртная систе́ма (ЭС, англ. expert system) — компьютерная программа, способная частично заменить специалиста-эксперта в разрешении проблемной ситуации. Современные ЭС начали разрабатываться исследователями искусственного интеллекта в 1970-х годах, а в 1980-х получили коммерческое подкрепление. Предтечи экспертных систем были предложены в1832 году С. Н. Корсаковым, создавшим механические устройства, так называемые «интеллектуальные машины», позволявшие находить решения по заданным условиям, например определять наиболее подходящие лекарства по наблюдаемым у пациента симптомам заболевания^[1].

В информатике экспертные системы рассматриваются совместно с базами знаний как модели поведения экспертов в определенной области знаний с использованием процедур логического вывода и принятия решений, а базы знаний — как совокупность фактов и правил логического вывода в выбранной предметной области деятельности.

Похожие действия выполняет такой программный инструмент как Мастер (англ. Wizard). Мастера применяются как в системных программах так и в прикладных для упрощения интерактивного общения с пользователем (например, при установке ПО). Главное отличие мастеров от ЭС — отсутствие базы знаний — все действия жестко запрограммированы. Это просто набор форм для заполнения пользователем.

Другие подобные программы — поисковые или справочные (энциклопедические) системы. По запросу пользователя они предоставляют наиболее подходящие (релевантные) разделы базы статей (представления об объектах областей знаний, их виртуальную модель).

Структура ЭС интеллектуальных систем

представляет следующую структуру ЭС:

• Интерфейс пользователя

• Пользователь

• Интеллектуальный редактор базы знаний

• Эксперт

• Инженер по знаниям

• Рабочая (оперативная) память

• База знаний

• Решатель (механизм вывода)

• Подсистема объяснений

База знаний состоит из правил анализа информации от пользователя по конкретной проблеме. ЭС анализирует ситуацию и, в зависимости от направленности ЭС, дает рекомендации по разрешению проблемы.

Как правило, база знаний экспертной системы содержит факты (статические сведения о предметной области) и правила — набор инструкций, применяя которые к известным фактам можно получать новые факты.

В рамках логической модели баз данных и базы знаний записываются на языке Пролог с помощью языка предикатов для описания фактов и правил логического вывода, выражающих правила определения понятий, для описания обобщенных и конкретных сведений, а также конкретных и обобщенных запросов к базам данных и базам знаний.

Конкретные и обобщенные запросы к базам знаний на языке Пролог записываются с помощью языка предикатов, выражающих правила логического вывода и определения понятий над процедурами логического вывода, имеющихся в базе знаний, выражающих обобщенные и конкретные сведения и знания в выбранной предметной области деятельности и сфере знаний.

Обычно факты в базе знаний описывают те явления, которые являются постоянными для данной предметной области. Характеристики, значения которых зависят от условий конкретной задачи, ЭС получает от пользователя в процессе работы, и сохраняет их в рабочей памяти. Например, в медицинской ЭС факт «У здорового человека 2 ноги» хранится в базе знаний, а факт «У пациента одна нога» — в рабочей памяти.

База знаний ЭС создается при помощи трех групп людей:

1. эксперты той проблемной области, к которой относятся задачи, решаемые ЭС;

2. инженеры по знаниям, являющиеся специалистами по разработке ИИС;

3. программисты, осуществляющие реализацию ЭС.

Режимы функционирования

ЭС может функционировать в 2-х режимах.

1. Режим ввода знаний — в этом режиме эксперт с помощью инженера по знаниям посредством редактора базы знаний вводит известные ему сведения о предметной области в базу знаний ЭС.

2. Режим консультации — пользователь ведет диалог с ЭС, сообщая ей сведения о текущей задаче и получая рекомендации ЭС. Например, на основе сведений о физическом состоянии больного ЭС ставит диагноз в виде перечня заболеваний, наиболее вероятных при данных симптомах.

Экспертная система «Дедукция» предназначена для внутреннего аудита. Она содержит средства анализа финансового состояния предприятия, формулирования диагноза и поиска путей повышения эффективности управления.

Функционирование системы начинается с момента получения обновленных экземпляров показателей, отражающих сложившуюся экономическую ситуацию. Получение новых показателей может быть как регламентированным, так и оперативным, связанным с необходимостью срочного вмешательства в процессы управления.

На основе полученного описания экономической ситуации, плановых показателей, а также базы знаний, где находятся правила диагностирования предприятия, происходит генерация альтернатив решения. Оценка каждой альтернативы осуществляется путем ее спроса с помощью блока вычислений по принципу «что будет если…». Если в результате расчетов получен приемлемый с точки зрения лица, принимающего решение результат, то ему остается лишь принять решение.

ЭЭС «Дедукция» должна содержать следующие элементы:

ЭЭС «Дедукция» = D + Z + Т + P,

где D – данные о текущем и прошлом состояниях объекта управления, отражающие экономическую ситуацию (база данных).

Z – знания о правилах диагностирования и принятия решений (база данных).

T – предельное время принятия решений (интервал).

P – граничные объемы ресурсов и резервов производства.

Главную роль среди них играет база знаний, которая включает в себя пять компонентов:

Z = G + DIA + A + F + K,

где G – граф «цель - показатель» и способы его перерасчета.

DIA – множество диалогов, знакомых системе;

A – множество альтернатив, известных системе;

F – функция предпочтения при выборе альтернатив;

K – критерий оценки эффективности выбранной альтернативы.

Разработка системы дедукции включает пять этапов:

На первом этапе выявляется основная цель функционирования предприятия и выполняется декомпозиция ее на составляющие.

Обычно выбор цели является следствием опроса руководителей и изучения показателей, представляющих собой информационную базу принятия решений.

Допустим, была выявлена стабильная тенденция к снижению рентабельности основных фондов и оборотных средств предприятия. В связи с этим главная задача, стоящая перед руководством, состоит в повышении рентабельности. Разбиение данной цели на подцели, а также определение важности каждой из них с помощью экспертов, позволяют разработать дерево целей.

На втором этапе изучаются первичные документы, составляющие основу информационной базы. Первичными документами могут быть баланс, «Отчет о состоянии имущества предприятия» , «Отчет о наличии и движении основных фондов» и т.д.

Первичные документы содержат определенные показатели, т.к. дивиденды по акциям; страховой запас, прибыль от имущества, отданного в аренду и т.д.

На основании документов заполняются промежуточные входные оперативные документы. Их количество соответствует количеству целей в «дереве целей».

Для функционирования системы необходима также информация о резервах предприятия. Причем резервы указываются лишь для тех показателей, которые отражают реальные характеристики объекта управления.

В качестве результирующих документов используются следующие экранные формы:

факторный анализ динамики показателя А (таблица).

Факторный анализ динамики показателя А (диаграмма)

Диагноз состояния объекта управления и варианты путей достижения целей;

Результаты расчетов показателя А без учета факторного анализа и резервов;

Результаты расчетов показателя А без учета факторного анализа, но с учетом резервов предприятия;

Результаты расчетов показателя А с учетом факторного анализа, но без учета резервов;

Результаты расчетов показателя А с учетом факторного анализа, с учетом резервов.

Билет23. 1. Открытые ПО – существует возможность редактирования исходного кода. Закрытые ПО – нет возможности редактирования исходного кода. OpenOffice.org (OOo) — свободный пакет офисных программ, разработанный с целью заменить известный набор программ Microsoft Office как на уровне форматов, так и на уровне интерфейса пользователя. Одной из полезных особенностей пакета является возможность использовать его без инсталляции, что позволяет запускать программу, например из флешки.