Cтраница 1
Причинная модель в форме графа причинно-следственных отношений с коэффициентами Г - / и i7 может использоваться не только для анализа, но и для решения различных задач оптимизации и, в частности, для оптимального выбора стратегии управления системой. Многие задачи при этом сводятся к классу оптимальных задач на графах и задач на потоки в сетях. [1]
Структурные причинные модели в эконометрике и социологии соединяют теорию объекта с эмпирическими данными на основе графа связей. Структурные модели формализуют гипотезы о причинных отношениях. Встает задача выбора гипотез, обозначаемая иногда в эконометрической и социологической литературе как проблема каузального вывода. Саймона о ложной корреляции и каузальной упорядоченности, иногда называемый процедурой Саймона - Блейлока. [2]
Одним из оснований концепций причинного анализа и причинных моделей служит системный подход, характерный в наше время для различных областей знания. Развитие и применение формальных методов причинного анализа свидетельствует об активном изменении схем объяснения в современной науке, понимаемых как способ организации концептуального аппарата, понятийных средств, задающих общую стратегию исследования и тип объяснения исследуемого явления. Несомненно, что специфические особенности каждой частной науки по-своему окрашивают постановку конкретных задач, но в то же время вез яснее ощущается интернаучный, междисциплинарный характер формальных средств причинного анализа. [3]
Формальное содержание этого подхода заключается в гипотезе о полностью специфицированной линейной рекурсивной причинной модели, оценке ее параметров, а затем использовании этих значений для воспроизведения эмпирической корреляционной матрицы. Основная идея процедуры - это положение о том, что модель, которая не воспроизводит эмпирических корреляций, должна быть отвергнута. [4]
Метод решения, используемый в системе, опирается на интерпретацию данных, осуществляемую при наличии ограничений, накладываемых причинной моделью заболевания. Знания в этой модели представлены в виде семантической сети. [5]
Состав знаний, используемых в экспертных системах, ограничен. Отсутствуют знания о причинных моделях, недостаточно представлены знания о разнообразии целей и возможностей пользователей, мало знаний о собственных возможностях и ограничениях системы. Неполнота знаний, представленных в экспертных системах, ограничивает возможные области их использования. Отсутствуют хорошо разработанные методы представления временных и пространственных знаний. Применяемые языки представления знаний не позволяют описывать все отношения, которые эксперт считает важными, в едином формализме. Конечно опытный программист всегда может предложить для записи нужного отношения ad hoe - способ, однако это означает отказ от единого формализма, что при увеличении количества фактов и правил значительно усложняет проблемы управления базой знаний. [6]
С еще более сложной, но более реалистической задачей мы сталкиваемся, когда исследователь предполагает, что есть набор связанных между собой переменных Y ( зависимые переменные) и набор независимых переменных X. Вычисления параметров такой модели рассматриваются в теории причинных моделей ( этот термин часто используется в социологии) или структурных уравнений ( См. [7]
Метод путевого анализа ( или путевых коэффициентов) предложен в 20 - х гг. XX в. Сегодня этот метод нашел широкое применение в биометрии, построении социологических причинных моделей, но все еще остается мало знакомым экономистам. Основные положения метода сводятся к следующему. Пусть х, х2, - хр - случайные переменные, измеренные в соответствующих единицах. [8]
Метод путевого анализа ( или путевых коэффициентов) предложен в 20 - х гг. XX в. Сегодня этот метод нашел широкое применение в биометрии, построении социологических причинных моделей, но все еще остается мало знакомым экономистам. Основные положения метода сводятся к следующему. [9]
Основу данной ЭС образуют БЗ, состоящая из двух ярусов. В верхнем ярусе БЗ размещаются специальные ЗН, касающиеся отдельных ХТП и ХТС в целом, а в нижнем ярусе - обобщенная информация об ограничениях, взаимосвязях ЕО, моделях причин неисправностей для разных элементов ХТС. Причинные модели отображают качественные знания о поведении ХТС; модели неисправностей связывают производственные отклонения со множествами событий, каждое из которых может потенциально являться местным источником неисправности. Двухъ-ярусность БЗ увеличивает эффективность ЭС, поскольку применение ЭП ускоряет поиск причин неисправностей. [10]
Несмотря на потенциально почти бесконечное многообразие способов, которыми действия человека могут непосредственно влиять на возникновение несчастного случая, относительно небольшое число моделей причинных сетей могут описать этиологию большинства несчастных случаев. В частности, диапазон основных латентных причин, создающих условия для проявления человеческого и других факторов, преимущественно ограничен небольшим количеством особенностей функционирования производственной системы. Фейер и Вилъямсон ( Feyer и Williamson, 1991) указывали, что всего четыре причинные модели описывают примерно две трети несчастных случаев, случившихся в промышленности Австралии за трехлетний период. Неудивительно, что почти в каждом из них на определенном этапе был задействован человеческий фактор. [11]
Прямое влияние одной переменной на другую измеряется коэффициентом рф в этом случае в цепи между объясняющей и объясняемой переменными нет промежуточных звеньев. Косвенное влияние - это влияние тех составляющих совокупного влияния одной переменной на другую, которое образуется при учете эффекта передачи воздействия через посредство переменных, специфицированных в модели как промежуточные звенья в причинной цепи, связывающей изучаемые переменные. Поскольку строение совокупного влияния всецело зависит от постулируемой причинной структуры отношений между переменными, то и все введенные выше понятия имеют смысл только лишь по отношению к причинной модели с заданным графом связей. [12]
Прямое влияние одной переменной на другую измеряется коэффициентом PJJ в этом случае в цепи между объясняющей и объясняемой переменными нет промежуточных звеньев. Косвенное влияние - это влияние тех составляющих совокупного влияния одной переменной на другую, которое образуется при учете эффекта передачи воздействия через посредство переменных, специфицированных в модели как промежуточные звенья в причинной цепи, связывающей изучаемые переменные. Поскольку строение совокупного влияния всецело зависит от постулируемой причинной структуры отношений между переменными, то и все введенные выше понятия имеют смысл только лишь по отношению к причинной модели с заданным графом связей. [13]
Они могут консультировать пользователя; анализировать промежуточные и конечные результаты; обучать пользователя и ЭВМ; обучаться в процессе решения конкретной задачи; давать советы пользователю и ЭВМ; классифицировать рассматриваемую проблему; производить поиск на заданных математических моделях; принимать конкретное решение на любом этапе оптимизации; делать достоверные выводы из неполных и нечетких данных и знаний; взаимодействовать с другими ЭС; передавать и приобретать новые знания. Другими словами, ЭС помогают интеллектуальным ИС накапливать и обрабатывать различные виды глубинных и поверхностных знаний или их представлений в виде соответствующих моделей. Глубинные знания обычно помогают отображать разрабатываемую структуру. К ним относятся причинные модели, категории, абстракции, аналогии. [14]
Представление сложной системы или процесса в целом всегда формулируется в виде некоторой совокупности логически связанных утверждений. Развитость представления определяется уровнем общности и степенью завершенности утверждений. Начальный этап разработки представления или теории в большинстве случаев состоит из схематизации системы, в процессе которой составляется перечень основных специфических свойств системы и ее элементов. Дальнейшее развитие представления приводит к составлению диаграмм связей и соотношений между элементами системы, отражающих характерные особенности и формы функционирования системы. Методы составления таких диаграмм могут быть различны. Однако принципиальное значение имеет разработка причинных моделей сложных систем и процессов, представляющих собой ориентированные графы причинно-следственных связей между компонентами или элементами системы, с количественной оценкой интенсивности причинных влияний в системе. Такая причинная модель по существу является прототеорией, так как достаточно полно качественно и количественно отражает специфику причинно-следственной структуры исследуемой системы. [15]