- •Вопросы к государственному экзамену специальности 200503 к госэкзамену по специальности 200503
- •1. "Системный анализ"
- •"Системный анализ"
- •Тектология Богданова
- •Кибернетика Винера
- •Общая теория систем Берталанфи
- •Синергетика Пригожина
- •Классификация моделей
- •Теория знаковых систем (семиотика)
- •Целевая модель системы
- •Примеры
- •. Модель «черного ящика»
- •. Модель состава системы
- •. Модель структуры
- •. Динамические модели систем
- •Псевдодинамическая (безынерционная) система
- •Истинно динамическая (инерционная) система
- •Линейные динамические системы
- •Классификация систем . Основные классификационные деления
- •По степени обеспеченности основными ресурсами
- •. Классификация систем по их происхождению
- •. Классификация по способу управления
- •. Классификация по типу операторов
- •Сигналы в системах
- •Основные определения
- •Классификация сигналов
- •Модулированные сигналы
- •Основные результаты теории сигналов
- •Полная энергия сигнала X(t) (равенство Парсеваля)
- •Принцип частотно-временной неопределенности
- •Принцип частотно-временной неопределенности (формулировка)
- •Дискретное представление непрерывных сигналов
- •К задаче выбора частоты дискретизации
- •Количество информации как мера снятой неопределенности
- •Основные понятия теории информации
- •Основная теорема Шеннона о кодировании для канала без помех
- •Основная теорема Шеннона о кодировании для канала с помехами
- •Пример помехоустойчивого кода
- •Эксперимент и модель
- •Кибернетическая модель научного эксперимента. Эксперимент Винера (мысленный)
- •Недостатки эксперимента Винера
- •Усовершенствованный эксперимент Винера
- •Измерительные шкалы
- •Некоторые определения из теории бинарных отношений
- •Базовые свойства отношений
- •Основные типы отношений
- •Виды измерительных шкал
- •Номинальная шкала (шкала наименований, классификационная)
- •Порядковая (ранговая) шкала
- •Интервальная шкала
- •Шкала отношений (масштабная)
- •Натуральная (абсолютная шкала)
- •Основной вывод к подразделу 6.3
- •Вероятностное описание ситуации
- •Регистрация экспериментальных данных
- •Классификационные модели
- •Числовые модели
- •Особенности протоколов для числовых моделей
Регистрация экспериментальных данных
Нахождение модели объекта по экспериментальным данным предполагает выполнение цепочки действий:
экспериментфиксация результатовобработкавыводы
Здесь мы коснемся более подробно этапов фиксациииобработки. На этапефиксацииполученные в эксперименте данные представляются в видепротоколов наблюдений, которые могут оформляться в виде таблиц, матриц, базы данных и т.п.Обработка– это перевод информации с языка измерений на язык уточняемой модели. От цели обработки зависит и способ представления результатов измерений – протокол наблюдений.
Будем различать классификационные (дескриптивные, качественные) и числовые (конструктивные, количественные) модели.
Классификационные моделиописывают множество объектов как внешнюю систему на основании данных, представленных в измерительных шкалах произвольной силы, в том числе и в шкале минимальной силы – номинальной.
Численные моделиописывают один объект как внутреннюю систему на основе измеренных данных, представленных в числовых измерительных шкалах (не ниже интервальной).
Классификационные модели
Протокол наблюдений включает:
1. Априорные сведения:
– множество анализа B(класс объектов);
– подмножество объектов AB, которые анализируются в данном эксперименте;
– множество Xпризнаков.
2. Результаты измерений представляются в виде таблицы объектсвойства. Таблица содержит Nстрок (N– число подвергшихся измерению объектов) видаai(xi1,xi2, ... , xin) дляi = 1, 2, ... , N, гдеaiA,xijX,n – число признаков,i– номер объекта,j– номер признака.
Основные типы задач обработки данных для классификационных моделей – это кластеризация и классификация.
Кластеризация– это поиск естественной группировки объектов. Исходя из дополнительных критериев близости (похожести) или различия на основании полученного набора векторов признаков (xi1,xi2, ... ,xin)i= 1,...,Nтребуется найти:
а) границы классов (кластеров) в пространстве признаков;
б) число классов (кластеров) в множестве A.
Классификация(таксономия) – определение того, к какому классу относится каждый объектaiAна основании полученного набора векторов признаков (xi1,xi2, ... ,xin)i= 1,...,N. Эта задача очень близка к задаче распознавания образов. В случаеаприорной классификациичисло и границы классов заданы заранее (возможно, в результате предшествующего решения задачи кластеризации). В случаеапостериорной классификации границы классов заранее не известны и определяются непосредственно в процессе классификации, например, с помощью метода обучающей выборки.
Упорядочивание объектов– установление отношения порядка в множествеAпо заданному критерию предпочтения.
Уменьшение размерности модели– совершенствование классификационной модели путем:
удаления избыточных признаков («шумящих», дублирующих и т.п.);
склеивания нескольких признаков в один более общий.
Числовые модели
Особенности числовых моделей:
Используются числовые шкалы (интервалов, отношений, абсолютная) непосредственно для представления признаков.
Числа xiпредставляют собой функции или функционалы от признаковых переменных, которые сами не обязательно числовые.
Как правило, учитывается зависимость от времени.
Протокол наблюдений включает:
1. Априорные сведения:
– множество анализа B(класс объектов);
– подмножество объектов AB, которые анализируются в данном эксперименте;
– множество Xпризнаков;
– диапазоны измерения, единицы измерения для всех измеряемых признаков.
2. Результаты измерений в виде таблицы объектсвойства. Таблица содержитNстрок (N– число подвергшихся измерению объектов) вида
ai (xi1, xi2, ... , xin) для i = 1, 2, ... , N,
гдеaiA,xijX,n – число признаков. Здесь признакиxij– это числа, векторы, числовые или векторные временные ряды.