Модель - смешанный тип
Cтраница 1
Модели смешанного типа для решения технологических задач строят на основании описания физических процессов в объекте моделирования, однако ряд коэффициентов определяют экспериментально. [1]
 |
Образование зашум-нои составляющей яркости в пределах J. [2] |
Модели смешанного типа содержат распознаваемого сигнала аддитивные и мультипликативные слагаемые. Их применение вызвано стремлением учесть действие нескольких источников шума, по разному взаимодействующих с сигналом. Например, в [10] при распознавании изображений объектов в ландшафтных сценах аддитивный характер модели учитывает взаимодействие сигнала, постоянной составляющей яркости и шума. Мультипликативность сказывается на способе учета действия флуктуационного шума и помех, вызванных изображением фоновых объектов. Реально существующая статистическая неоднородность за-шумленных сигналов и изображений учитывается разбиением их на локально-однородные фрагменты. [3]
Этих недостатков лишена модель смешанного типа, которая строится на основе известных заранее физико-химических закономерностей процесса, однако ряд коэффициентов этой модели определяется экспериментально в ходе ее адаптации к конкретному производственному процессу. Модель смешанного типа по сложности занимает среднее положение между моделью типа черный ящик и моделью, основанной только на физико-химических закономерностях. Отсутствие некоторых сведений о химизме процесса и упрощенная структура уравнений компенсируются экспериментально определенными коэффициентами. Необходимая адекватность модели обеспечивается в процессе ее построения. В отличие от 1-го типа модели экспериментально определенные коэффициенты имеют наглядный физический смысл; их можно сравнивать с соответствующими коэффициентами, полученными другими исследователями в других условиях. [4]
Аддитивная и мультипликативная модели временных рядов, модель смешанного типа. [5]
Наконец, третий путь описания знаний - использование моделей смешанного типа, в которых одновременно присутствуют декларативный и процедурный компоненты. [6]
Так называемые точечно-узловые подходы к кусочно-линейным аппроксимациям ( для нелинейных характеристик TEL в моделях смешанного типа [31]) расширяют идею применения процедур ограничения базисных входов к кусочно-линейной аппроксимации нелинейных ограничений и соответствующих алгоритмических изменений. [7]
Этих недостатков лишена модель смешанного типа, которая строится на основе известных заранее физико-химических закономерностей процесса, однако ряд коэффициентов этой модели определяется экспериментально в ходе ее адаптации к конкретному производственному процессу. Модель смешанного типа по сложности занимает среднее положение между моделью типа черный ящик и моделью, основанной только на физико-химических закономерностях. Отсутствие некоторых сведений о химизме процесса и упрощенная структура уравнений компенсируются экспериментально определенными коэффициентами. Необходимая адекватность модели обеспечивается в процессе ее построения. В отличие от 1-го типа модели экспериментально определенные коэффициенты имеют наглядный физический смысл; их можно сравнивать с соответствующими коэффициентами, полученными другими исследователями в других условиях. [8]
Когда все уровни фиксированы, модель называется моделью с фиксированными уровнями факторов. Когда часть факторов рассматривается на фиксированных уровнях, а уровни остальных выбираются случайным образом, модель называется моделью смешанного типа. Иногда отсутствует различие в критериях, применяемых для разных моделей, и единственное различие состоит в общности выводов, в других случаях существует различие в критериях. [9]
И хотя к этой группе моделей может быть отнесено очень немного моделей данных, они имеют хорошие перспективы развития как модели данных, наиболее подходящие для поддержания объектно-предикатного взгляда на реальный мир. Более детальная классификация мографовых моделей данных может быть связана с разделением их на модели, использующие собственно мографы, и модели, использующие ормографы, а также модели смешанного типа, использующие и графы, и мографы. [10]
При разработке логического фильтра-преобразователя ( ЛФП) необходимо предусмотреть как управленческое, так и информационное согласование оператора с объектом управления. Преобразование информации в ЛФП должно зависеть от текущих значений психофизиологических характеристик оператора. Это требует разработки методов получения и обработки психофизиологических характеристик оператора. Для решения всех этих вопросов используется тренажно-моделирующий комплекс, представляющий собой модель смешанного типа. В этой работе описанию комплекса будет уделено особое внимание. [11]
Факторы, рассматриваемые в дисперсионном анализе, бывают двух родов: 1) со случайными уровнями и 2) с фиксированными В первом случае предполагается, что выбор уровней производится; из бесконечной совокупности возможных уровней и сопровождается рандомизацией. При этом результаты эксперимента имеют большее значение, поскольку выводы по. Когда все уровни фиксированы, модель называется моделью с фиксированными уровнями факторов. Когда часть факторов рассматривается на фиксированных уровнях, а уровни остальных выбираются случайным образом, модель называется моделью смешанного типа. Иногда отсутствует различие в критериях, применяемых для разных моделей, и единственное различие состоит в общности выводов, в других случаях существует различие в критериях. [12]
Факторы, рассматриваемые в дисперсионном анализе, бывают двух родов: 1) со случайными уровнями и 2) с фиксированными. В первом случае предполагается, что выбор уровней производится из бесконечной совокупности возможных уровней и сопровождается рандомизацией. При этом результаты эксперимента имеют большее значение, поскольку выводы по эксперименту можно распространить на всю генеральную совокупность. Когда все уровни фиксированы, модель называется моделью с фиксированными уровнями факторов. Когда часть факторов рассматривается на фиксированных уровнях, а уровни остальных выбираются случайным образом, модель называется моделью смешанного типа. Иногда отсутствует различие в критериях, применяемых для разных моделей, и единственное различие состоит в общности выводов, в других случаях существует различие в критериях. [13]
Факторы, рассматриваемые в дисперсионном анализе, бывают со случайными и с фиксированными уровнями. В первом случае предполагается, что выбор уровней производится из бесконечной совокупности возможных уровней путем рандомизации. Если все уровни выбираются случайным образом, то математическая модель эксперимента называется моделью со случайными уровнями факторов. Во втором случае, когда уровни фиксированы, она называется моделью с фиксированными уровнями факторов. Когда часть факторов рассматривается на фиксированных уровнях, а уровни остальных выбираются случайно, то такая модель называется моделью смешанного типа. [14]
Страницы: 1