Пространство - наблюдение
Cтраница 3
Эксперимент в общем случае не онреде-ляет полностью состояние природы, поэтому наряду с пространством состояний имеется вероятностное пространство наблюдений и решение должно быть измеримой функцией пространства наблюдений. [31]
Рандомизированный критерий можно задать с помощью множества Ф 1 принятия гипотезы вполне аналогично тому, как это было сделано в случае нерандомизированных критериев, если должным образом расширить пространство наблюдений. [32]
Поскольку в практически важных задачах состояние системы п из-мерять непосредственно, как правило, не удается, то приходится вводить специальное пространство наблюдений II и оператор С из пространства состояний V в пространство наблюдений II; будем предполагать, что С - линейный оператор. [33]
В этом параграфе используем ту же терминологию и обозначения, что и в § 2.9. Итак, даны три гильбертовых пространства: Y - пространство состояний управляемой системы S; U - пространство-управлений; УС - пространство наблюдений. [34]
После такого наблюдении система должна автоматически принят. Следовательно, пространство наблюдений разбивается на две области Г0 и I р ассоциированные с принятием гипотезы На или Ht соответственно. [35]
А и В вычисляются из (10.64), то надо продолжать наблюдения. В этом случае пространство наблюдений делится на три части. [36]
Выбор базиса пространства наблюдений Y является задачей определения числа, наименования и точности работы датчиков, используемых для обнаружения событий на производстве, а также задачей выбора совокупности вычислительных операций для переработки измеряемых сигналов. Эти операции переводят пространство наблюдений Y в новое пространство X, более близкое заданному пространству X. Критерием близости может являться, например, сумма дисперсий отклонений соответствующих координат X и X. X к X определяется качеством фильтрации, которая ориентировочно может оцениваться дисперсиями разностей выходных сигналов фильтров и чистых измеряемых сигналов. [37]
Поскольку рассматривается двуальтернативное обнаружение, Y - скалярная величина, принимающая только два возможных значения: У, когда принимается решение, что сигнала нет, и К1 ( когда принимается, что некоторый сигнал есть. Таким образом решение делит все пространство наблюдений на две области и0 и ut соответственно значениям К. [38]
Существенно отметить, что уточнение полученной измерительной информации после попадания текущего значения вектора у ( /) в зону неопределенности может производиться не только путем накопления во времени получаемой измерительной информации и ее обработки, но и рядом других операций, целесообразность которых устанавливается на основе изучения конкретных свойств диагносцируемого объекта. Использование этих операций корректирует базис пространства наблюдений. [39]
Таким образом, независимо от того, случайным или нет является полезный сигнал, наблюдаемый процесс всегда является случайным, так как он содержит случайную помеховую составляющую, обусловленную по крайней мере тепловыми шумами регистрирующей аппаратуры. Совокупность всех возможных реализаций наблюдаемого процесса образует пространство наблюдений. [40]
X дает исчерпывающий материал для статистич. Смысл редукции заключается в уменьшении ( часто весьма значительном) размерности пространства наблюдений. [41]
Пространство наблюдений настолько близко к заданному нормами пространству, что может считаться тождественным ему. Обычно такой случай может возникнуть после предварительной вычислительной обработки измеряемых сигналов, когда под пространством наблюдений понимается уже преобразованное пространство сигналов датчиков. Задача определения уравнений границ между событиями в пространстве наблюдений при этом исключается ( они совпадают с границами в заданном пространстве) и остается только задача разработки алгоритма обхода заданных границ. [42]
Такой критерий называется критерием Неймана - Пирсона. Проверочная статистика / по существу является отношением правдоподобий для двух гипотез и это отношение должно быть известно для всех точек Х - пространства наблюдений. Поэтому обе гипотезы Я0 и Н должны быть полностью определенными простыми гипотезами и в этих условиях критерий Неймана - Пирсона - наилучший. [43]
Методы КА позволяют разделить все множество экспериментальных данных на непересекающиеся группы ( кластеры) близких в определенном смысле наблюдений. В отличие от метода факторного анализа КА не позволяет выявить факторы, которые определяют то или иное разбиение, но позволяет сгруппировать наблюдение, исходя только из их близости в пространстве наблюдений. [44]
 |
Интервал наблюдения и дискретные выборки сигнала. [45] |
Страницы: 1 2 3 4