- •Алфавітний покажчик
- •Агрегирование и эмержентность систем
- •Алгоритм – образ будущей деятельности
- •Алгоритм декомпозиции
- •Алгоритм проведения системного анализа
- •Блок-схема системы передачи информации
- •Большие и сложные системы
- •В чем заключается закономерность иерархической упорядоченности систем? Приведите примеры применения данной закономерности.
- •В чем заключается смысл моделирования как метода научного познания?
- •В чем заключаются особенности имитационного и машинного моделирования?
- •В чем ограничены возможности механизации?
- •В чем различие между полностью формализованным и не полностью определенным алгоритмом?
- •В чем состоит условие физической реализуемости динамической модели?
- •Виды агрегирования
- •Виды неопределённостей в измерениях
- •Внедрения результатов системного анализа
- •Возникновение и развитие системных представлений в практической деятельности человека
- •Второе определение системы
- •Выбор в условиях неопределённости
- •Выбор в условиях статистической неопределённости
- •Подведем итог
- •Выбор. Человеко-машинные системы выбора
- •Гибкость систем.
- •Групповой выбор
- •Дайте определение понятий: внешняя среда, надсистема, подведомственные системы, система в целом. Поясните их взаимосвязь
- •Дать толкование понятию «Окружающая среда»
- •Декомпозиция и агрегирование в системных исследованиях
- •Динамика моделей
- •Динамические модели системы
- •Дифференциальная энтропия
- •Достоинства и недостатки идеи оптимизации
- •Знаковые модели и сигналы
- •Знания. Разновидность знаний
- •По природе
- •По степени научности
- •По местонахождению
- •Идентификация математических моделей. Идентификация как наука.
- •Результаты наблюдений
- •Множество моделей-кандидатов
- •Возможные причины несоответствия моделей
- •Идентификация как наука
- •Иерархия моделей систем
- •Измерительные шкалы
- •Измерительные шкалы. Порядковые шкалы
- •Измерительные шкалы. Шкала наименований
- •Результаты наблюдений
- •Множество моделей-кандидатов
- •Возможные причины несоответствия моделей
- •Идентификация как наука
- •Измерительные шкалы. Шкалы отношений
- •Информационные аспекты систем
- •Искусственные и естественные системы
- •Какие системные процессы изучает кибернетика?
- •Какие системные процессы изучает синергетика?
- •Какие функции выполняет модель в деятельности человека?
- •Какова связь между вторым определением системы и ее структурной схемой?
- •Каково главное отличие между познавательной и прагматическими моделями?
- •Каковы основные события в развитии системных представлений в течении последних 150 лет?
- •Каковы особенности мышления позволяют утверждать, что оно системно?
- •Каковы причины того, что модели изменяются со временем
- •Каковы типы моделей знаний, их характеристики?
- •Каковыми признаками должна обладать часть системы, чтобы ее можно было назвать элементом?
- •Классификация систем
- •Классификация систем по описанию оператора и способу управления.
- •Классификация систем по описанию переменных
- •Классификация систем по происхождению
- •Количество информации. Свойство количества информации. Единицы измерения информации
- •Конфигуратор. Разновидности языка конфигуратора
- •Критериальный язык описания выбора Критериальный язык описания выбора
- •Математическое и компьютерное моделирование
- •Материальные модели в виде подобия
- •К условным моделям относят знаковые модели, которые подразделяются на два вида:
- •Методы генерирования альтернатив
- •Многократный выбор
- •Модели систем. Первое определение системы Модель "Черного ящика"
- •Модель состава системы
- •Структурная модель системы
- •Модель «черный ящик». Сложности построения модели «черн. Ящик»
- •Модель состава системы. Сложность построения модели состава системы
- •Модель структуры системы
- •Модель структуры системы. Сложности построения модели структуры
- •Может ли какой-нибудь объект или явление быть несистемным? Обоснуйте ответ
- •Назовите главное условие автоматизации?
- •Описание выбора на языке бинарных отношений
- •Описание ситуации в «нечетких» представлениях
- •Опишите три способа повышения производительности труда механизация
- •Автоматизация
- •Кибернетизация
- •Определите понятие модели
- •Оптимизационный выбор
- •Основные положения теории информации
- •Основные признаки развивающихся систем
- •Отношения и структуры
- •Охарактеризуйте историю развития системных представлений
- •Охарактеризуйте понятия «системный анализ» и «системный подход». В чем заключаются принципы системного подхода?
- •Первое определение системы
- •Перечислите основные признаки системы
- •Перечислить некоторые типы классификаций систем !!! Білети №52-54 !!!
- •Познавательные и прагматические модели
- •Понятие «лингвистическая модель».
- •Наиболее важные свойства моделей, в том числе лингвистических.
- •Понятие «проблемная ситуация»
- •Понятие гетерогенной и гомогенной структур систем
- •Понятие модели системы
- •2.1. Множественность моделей системы
- •2.2. Первое определение системы
- •2.2.1. Определение
- •2.2.2. Проблемы и системы
- •Существуют такие модели систем:
- •Понятие об эволюционном моделировании и генетических алгоритмах
- •Понятие субъективных и объективных целей существования систем
- •Понятие эмерджентности
- •Представление знаний
- •Приведите аргументы в пользу системности материи?
- •Пропускная способность Гауссова канала святи
- •Различие между большими и сложными системами
- •Разновидности классификаций систем
- •Разновидности неопределённостей
- •Разновидности отбора
- •Системность – всеобщее свойство материи и познания
- •Соответствие и различие между моделью и действительностью
- •Соответствие между моделью и действительностью: конечность, упрощенность, приближенность, адекватность, истинность моделей
- •Способы воплощения моделей. Абстрактные модели
- •Способы реализации моделей
- •Способы решения многокритериальных задач
- •Статистические измерения. Методы обработки экспериментальных данных
- •Статические и динамические модели
- •Структура системы. Разновидности структур систем
- •Структурная схема системы
- •Структурная схема как соединение моделей
- •Теория игр. Общее представление
- •Типы сигналов. Реализация сигналов
- •Три ветви науки, изучающие системы
- •Условия реализации свойств моделей
- •Соответствие между моделью и действительностью
- •Формальная и содержательная модели
- •Функционирование и развитие систем
- •Цель как модель
- •Частотно временное представление сигналов
- •Классические частотно-временные представления.
- •Что заставляет нас пользоваться моделями объектов вместо самих объектов?
- •Что называется алгоритмом?
- •Что необходимо для перехода от моделей лингвистических к моделям математическим?
- •Что общего и в чем различие между понятием элемента и его моделью «черного ящика»?
- •Что представляет собой сетевая структура? в каких случаях применяются сетевые структуры? Какие понятия используются при применении сетевых моделей?
- •Что такое интегрировать модели?
- •Что такое категория, функтор?
- •Что такое проблемная ситуация?
- •Что такое системный анализ?
- •Шкала интервалов
- •Шкала отношений в измерении
- •Эволюция моделей
- •Эксперимент и модель. Активный эксперимент
- •Эксперимент и модель. Пассивный эксперимент
- •Экспертный выбор
- •Энтропия и ее свойства
- •Этапы компьютерного моделирования объектов и явлений
- •Разработка компьютерной модели для проведения эксперимента:
- •Компьютерный эксперимент:
- •Этапы системного анализа
- •Этика в системном анализе
- •Язык функции выбора
- •7.6 Иллюстрация различных аксиом, накладываемых на функции выбора
Классические частотно-временные представления.
Классический метод для анализа нестационарных сигналов – кратковременное преобразование Фурье. Было предложено Габором в 1946м году. КПФ базируется на хорошо известном классическом преобразовании Фурье
(1)
Из выражения (1) следует, что сигнал интегрируется на бесконечном временном интервале. Это означает, что не нужно беспокоиться о времени при использовании этого преобразования. Не уделяется вниманию тому, когда имеют место те или иные частотные компоненты сигнала. Базовая идея КПФ состоит во введении временного окна, которое двигается вдоль сигнала. В таком случае можно вычислить спектр, индексированный во времени.
(2)
Из выражения (2) очевидно, что результаты частотно-временного анализа зависят от выбора временного окна g(т). Длинные окна дают высокое разрешение по частоте, но скудное по времени. Короткие окна обеспечивают высокое разрешение по времени, но низкое по частоте. КПФ для неравномерно дискретизированых сигналов в моменты tk может быть выражено
(3)
Где суммирование включает все отчеты, расположенные внутри выбранного временного окна с длиной Tg. Основной недостаток КПФ – его ограничения по разрешению. Его можно улучшить, заменив КПФ другой более высокоразрешающей техникой оценки спектра, например авторегрессивным моделированием. Распределение Вигнера использовалось как альтернатива КПФ, чтобы преодолеть его недостатки по разрешению. В общем случае распределение Вигнера выражается так:
(4)
Распределение Вигнера обеспечивает высокое разрешение по частоте и по времени для монокомпонентных сигналов. Однако, если сигнал состоит из нескольких компонент, появляется дополнительная интерференция или кросс-компоненты. В дискретной форме распределение Вигнера выражается так:
(5)
Заметьте необходимость знать значения сигнала в моменты и что приводит к возможности применения распределения Вигнера только для равномерно дискретизированых сигналов. Более того, чтобы избежать искажений из-за частотного элайзинга, сигнал должен быть дискретизирован с частотой вдвое больше, чем по критерию Найквиста для вещественного сигнала.
Чтобы преодолеть недостатки кросс-компонент в распределили Вигнера и ограничения по разрешению КПФ, может быть использовано вейвлет преобразование. Текущее вейвлет преобразование для сигнала х(т) определяется как
(6)
Где a – это масштабирующий фактор и h(t) так называемый анализирующий вейвлет. Частотно-временную версию можно получить, произведя замену a=f0/fАнализ можно рассматривать как набор фильтров, содержащий полосовые фильтры с полосой пропускания пропорциональной частоте. Многомасштабная природа вейвлет анализа ведет к некоторым ограничениям. Техники Вейвлет преобразования используют такой масштабирующий профиль, что разрешение по частоте снижается на высоких частотах, а временное разрешение – на низких. Хотя такой выбор масштабирования приводит к замечательным математическим структурам и алгоритмам, нет физических причин полагать, что оно противоположно натуральному поведению структуры.