Пред.
След.
Макеты страниц
Распознанный текст, спецсимволы и формулы могут содержать ошибки, поэтому с корректным вариантом рекомендуем ознакомиться на отсканированных изображениях учебника выше Также, советуем воспользоваться поиском по сайту, мы уверены, что вы сможете найти больше информации по нужной Вам тематике ДЛЯ СТУДЕНТОВ И ШКОЛЬНИКОВ ЕСТЬ
ZADANIA.TO
§ 3. Алгебраические методы построения решающих правилВ последнее
время широкое распространение получили алгебраические методы построения
алгоритмов распознавания и прогнозирования [42,62,63,116,138]. Суть
алгебраического подхода коротко может быть описана так. Представим, что
некоторая задача распознавания решается с помощью конечного набора
Рассматривается
два типа расширений. Вначале некоторые параметры исходных функций из констант
превращаются в переменные. Варьирование значениями этих переменных порождает
широкий класс решающих функций того или иного типа: конечный или бесконечный
набор различных гиперплоскостей, набор правил ближайшего соседа с разными
значениями
Если
же встретился такой сложный случай, что оптимального решения получить не
удается, тогда применяется другой (алгебраический) способ расширения
разнообразия решающих правил. Рассмотрим множество операторов Алгебраический подход успешно применяется при решении задач распознавания образов, в частности в распознавании и анализе изображений и в задачах прогнозирования многомерных динамических процессов. В русле этого подхода находятся, например, метод коллективов решающих правил (КРП) [138] и метод комитетов [116]. Идея
метода КРП состоит в следующем. Пусть в нашем распоряжении имеется обучающая
выборка На
этапе распознавания контрольного объекта В
методе комитетов в начале рассматривается широкий набор решающих правил,
например параметрическое семейство из конечного числа гиперплоскостей. Каждая
плоскость делит пространство Решение
о принадлежности распознаваемого объекта Процедура построения коллективного решающего правила хорошо иллюстрирует важную роль методов распознавания в процессе познания. Исходная ситуация характеризовалась высокой степенью неопределенности, отсутствием какой бы то ни было модели изучаемого явления. Каждая отдельная гиперплоскость не позволяла надежно отличать один образ от другого, т. е. была «некорректной» распознающей моделью. Параметрический класс линейных решающих правил позволил сформировать из своего состава «корректную» распознающую модель. Как подчеркивает Ю. И. Журавлев [62], именно таким путем с помощью методов распознавания ситуации в неформализованных или слабо формализованных естественнонаучных областях оснащаются формализованными средствами познания. Создаваемые при этом модели позволяют ответить хотя бы на вопрос «Что происходит?». Если в обучающей выборке имеется соответствующая информация, то ее дальнейший анализ может привести к обнаружению закономерностей причинно-следственного характера и сформировать модель для ответа на вопрос «Как это происходит?» или даже на вопрос «Почему именно так, а не иначе?».
|
1 |
Оглавление
|