Метода - теория - распознавание - образ
Cтраница 1
Методы теории распознавания образов особенно интересны для предсказания новых структур психоактивных соединений, поскольку они позволяют отобрать для прогноза наиболее информативные признаки описания; предусматривают применение более гибкого математического аппарата ( так как при выборе решающего правила можно учесть структуру множеств классов в пространстве описания); не накладывают на априорную информацию таких жестких условий, как в регрессионном анализе и, более того, по мере накопления информации осуществляется автоматическая коррекция построенных моделей. [1]
Методы теории распознавания образов также могут быть использованы для установления аналогии. [2]
Наиболее простой задачей, решаемой методами теории распознавания образов, является прогнозирование однокомпонентных катализаторов. [3]
Для решения задач анализа и прогноза финансового состояния используются методы теории распознавания образов и альтернативной диагностики. С помощью методов альтернативной диагностики установлены наиболее характерные черты этого образа ( значения отдельных показателей) для объектов с хорошим и неудовлетворительным финансовым состоянием. Алгоритмы задач представляют собой перебор различных комбинаций показателей и распознавание качества финансового состояния рассматриваемого объекта. [4]
 |
Классификация состояний оператора. [5] |
Для оценки функционального состояния по нескольким параметрам ( симптомокомплексу) следует использовать методы теории распознавания образов и ситуационного управления. Задача сводится к определению, к какому ИЗ Двух классов ( соответствующих или не соответствующих исследуемому состоянию) относится распознаваемый объект ( функциональное состояние оператора) на основании полученных показателей. При этом состояние оператора рассматривается как сложный многокомпонентный образ в некотором N-мерном пространстве. [6]
В книге подробно рассмотрены вопросы геолого-физической характеристики месторождений и состояние выработанности запасов основных продуктивных пластов, представлены результаты группирования объектов разработки методами теории распознавания образов, анализ структуры начальных и остаточных геологических и извлекаемых запасов, проведен детальный геолого-промысловый и геолого-статистический анализ разработки месторождений рассматриваемого региона, в том числе и с применением прогрессивных физических, химических и биогеотехно-логических методов повышения нефтеотдачи пластов. Особое внимание уделено методическим аспектам оценки технологической эффективности применения микробиологического воздействия на пласт и разработке геолого-физических и технологических критериев эффективности использования технологий. [7]
Поэтому при получении прогнозных оценок высокая точность количественных моделей нивелируется значительным разбросом экспериментальных данных. Более целесообразно использовать не конкретные, а интервальные значения ЛДзо - В этом случае для формирования моделей прогноза можно обратиться к методам теории распознавания образов, которые ориентированы на интервальные диапазоны количественных значений. При формировании моделей используется дихотомическая процедура ( разбиение на две альтернативные по токсичности группы), поэтому прогнозируются достаточно широкие интервалы. [8]
В первом разделе рассмотрены вопросы идентификации и группирования объектов по геологической характеристике пластов, физико-химическим свойствам и составу насыщающих флюидов, условиям залегания залежей. В связи с тем, что месторождения характеризуются недостаточно широкими интервалами параметров, проведена процедура группирования объектов разработки по 14 наиболее информативным параметрам. Для этой цели были использованы методы теории распознавания образов; главных компонент и дискриминантный анализ. В результате выделены три относительно однородные группы, определены центры их группирования и выбраны объекты-полигоны для имитационного моделирования применения методов увеличения нефтеотдачи, позволяющего прогнозировать их технологическую эффективность. Разработанный же алгоритм поиска объектов-аналогов дает возможность обобщить результаты оценок, проведенных для объектов-полигонов па все изучаемые объекты конкретной группы. [9]
В работе предложен комплексный многоуровневый подход к. Основные этапы исследований: классификация 168-ми объектов разработки по 15-ти геолого-физическим и физико-химическим параметрам пластовых систем методами теории распознавания образов ( истод главных компонент, дискриминантный и кластерный анализы); дифференцированный по выделенным группам объектов сравнительный геолого-промысловый, геолого-статистический и технико-экономический анализ эффективности систем разработки месторождений ТПП ЛУКОЙЛ Когалымнефтегаз, ЛУКОЙЛ - Лангепаснефтегаз, ЛУКОЙЛ Покачинефтегаз, ЛУКОЙЛ - Урайнефтегаз; технико-экономический анализ применения профессивных гидродинамических, физических и химических технологий извлечения нефти на месторождениях территориально-производственных предприятий; анализ структуры остаточных геологических и извлекаемых запасов и разработка стратегических направлений повышения эффективности их выработки за счет широкомасштабного применения методов увеличения нефтеотдачи, снижения обводненности продукции и системных обработок призабойных зон скважин; создание постоянно действующих геолого-математических моделей разработки, имитационные моделирование, прогнозирование и оптимизация технологических параметров планируемых методов воздействия на продуктивные пласты; комплексное геолого-технологическое и технико-экономическое обоснование объектов, объемов и сроков внедрения мероприятий по совершенствованию систем разработки, применению методов повышения нефтеотдачи пластов снижению обводненности продукции и обработок призабойных зон скважин. [10]
Сущность задачи состоит в поиске наиболее эффективных путей получения этой информации. Общая формулировка задачи поиска следующая: исходя из требований эффективности поиска, разработать оптимальный план поиска при минимальных затратах либо максимизировать эффективность поиска при фиксированных затратах. Задачи поиска не только являются составным элементом некоторых процессов, но и сами образуют довольно широкий класс задач. Для решения данного класса задач находят применение методы математического программирования, а также методы теории распознавания образов и статистических решений. [11]
Сеть баз данных состоит из баз данных, как-то связанных между собой. Составляющие сети могут задаваться в различных схемах. В каждую такую сеть входят одна или несколько баз данных, основанных на первичной информации. Различные промежуточные составляющие строятся с учетом подсистем общей сложной системы и на основе анализа возможных запросов. В процессе организации промежуточных баз применяются различные конструкции типа перестройки. Наконец, имеются составляющие, специально предназначенные для решения задач диагностики и поиска неисправностей. В процессе организации сети баз данных используются разные разделы математики. Это, в частности, графы связей между основными параметрами для решения задач диагностики и эффективности, методы теории распознавания образов для поиска и характеристики неисправностей, а также многое другое. [12]
Страницы: 1