Cтраница 1
Многоэтапная процедура, связанная с выбором структуры системы и определением входящих в нее элементов и их параметров. [1]
Завершающей операцией многоэтапной процедуры оптимизации режимов работы GK3 является перебор по 6 согласно (8.41) оптимальных решений, соответствующих результатам га-го шага, на котором расчеты прекращаются, так как выявляется оптимальное решение для всего трубопровода. [2]
Создание АБД ИПК - это сложная многоэтапная процедура, целью которой является генерация в памяти ЛВС эффективных алгоритмов на всех стадиях рабочего цикла. Автоматизированная система управления ИПК должна объединять АСУ всех подсистем, АБД которых, в свою очередь, должны проектироваться с учетом конечной цели. [3]
Рассмотренная в предыдущем разделе схема многоэтапной процедуры разработки гетерогенно-каталитического процесса требует для своей реализации оптимального принятия решений на всех промежуточных этапах. Взаимосвязанная совокупность таких процедур образует программно-целевую систему принятия решений при разработке каталитического процесса. Решения могут приниматься в различных условиях: определенности, риска, неопределенности. Каждое из этих условий диктует определенную тактику принятия решения, для того чтобы общая стратегия достижения желаемой цели была оптимальна. Практическая отдача от применения теории принятия решений значительно повышается при реализации автоматизированных режимов принятия решений с использованием ЭВМ с элементами искусственного интеллекта. [4]
Этим Af-мерная задача сводится к одномерной многоэтапной процедуре решения. Оставшаяся часть процедуры идентична процедуре, описанной в разд. [5]
На примере промышленных процессов гетерогенного катализа многоэтапная процедура разработки сложного химико-технологического процесса впервые представлена как взаимодействие двух систем: причинно-следственной, формализующей собственно объект исследования, и программно-целевой системы принятия решений при анализе и разработке технологического процесса. Рассмотрена вся совокупность проблем, связанная со сквозной автоматизацией цикла исследование-проектирование-производство с использованием интегрированных систем обработки информации, ориентированных на знания. [6]
В настоящей главе рассматривается комплексный формализованный подход к реализации многоэтапной процедуры идентификации динамических объектов с использованием нейросетевых модельных структур. Нейро-сетевые методы идентификации рассматриваются как естественное развитие традиционной теории линейных систем, методов оптимизации функций многих переменных, нелинейной регрессии. Особое внимание уделяется практическим аспектам: созданию репрезентативной выборки экспериментальных данных и их предварительной обработке, рациональному выбору структуры нейросетевой модели, адаптации алгоритмов поиска минимума функций многих переменных к обучению нейронных сетей, проверке адекватности полученной модели, структурной оптимизации нейросетевых моделей с целью улучшения рабочих характеристик. В качестве основной задачи рассматривается построение логически законченной процедуры, позволяющей пользователю получить эффективные нейросетевые модели сложных нелинейных динамических объектов. [7]
Разработка современного высокоэффективного контактно-каталитического промышленного процесса немыслима без реализации разветвленной многоэтапной процедуры принятия решений многоцелевого характера, начиная с исследования элементарных актов химического взаимодействия, установления механизма и кинетики каталитических реакций на элементах твердой поверхности катализатора и кончая созданием технологически и экономически оптимальных контактных аппаратов большой мощности. [8]
Рассмотренный подход к решению задачи идентификации динамических систем на основе нейросетевых модельных структур представляет собой многоэтапную процедуру, на каждой стадии которой решается ряд концептуально значимых подзадач. Последовательное решение именно этих подзадач с использованием рассмотренных рекомендаций обусловливает эффективность метода. Несмотря на мощные обобщающие свойства нейросетевых структур, предложенный подход не является панацеей, так как качество идентификации прежде всего основано на информативности экспериментальных данных. Значительная часть материалов, представленных в данной главе, посвящена именно вопросам эффективного извлечения информации из множества данных, полученных в результате проведения тщательно спланированного эксперимента. [9]
Выделение в отдельный уровень нефтяных месторождений в значительной степени обусловлено тем, что процесс их разработки представляет собой сложную, многоэтапную процедуру, адекватное описание которой возможно лишь с помощью множества условий и ограничений. [10]
В книге изложен тот методический материал, который должен помочь работникам служб энергоуправлений и энергонадзоров, а также проектантам осуществлять на практике многоэтапную процедуру повышения эффективности сооружения и эксплуатации сетей энергосистем и распределительных сетей за счет рационального выбора и размещения компенсирующих устройств. Имеющийся здесь теоретический материал будет, думается, способствовать дальнейшим исследованиям в этой практически важной и интересной области электроэнергетики. [11]
Внесение изменений для пользователя в такие программы практически невозможно, за исключением предусмотренных заранее случаев изменения допустимого объема памяти, отводимой под данные, и включения по определенным правилам некоторых процедур пользователя на языке Фортран или ПЛ / 1, например для преобразований признаков. Тем не менее благодаря наличию гибкого входного языка и возможности просто составлять многоэтапные процедуры обработки из последовательности программ пакета такие пакеты позволяют удовлетворить подавляющую часть потребностей пользователя по обработке данных. [12]
До сих пор еще ничего не сделано для уменьшения астрономического числа ( 2M l) N 1 различных возможных распределений. Для того чтобы найти эффективный путь поиска лучшего решения, нужно свести многомерную задачу к одномерной многоэтапной процедуре решения, которая может решаться шаг за шагом. [13]
С использованием этой процедуры могут быть решены различные задачи предплановых исследований в области развития РТЭК-Более того, с использованием этой процедуры могут решаться и соответствующие задачи прогнозных исследований, в рамках которых сначала должен на формализованной основе определяться набор альтернативных вариантов, а потом из этого набора преимущественно на неформальной основе выбираются лучшие с позиций ЛПР варианты или определяются в качестве окончательного решения некоторые рекомендации. Следуя [46], представим суть указанной многоэтапной процедуры. [14]
Монография ставит целью проанализировать всю совокупность проблем, связанных с созданием контактно-каталитических производств, п выработать определенную стратегию для решения этих проблем на основе глубокого проникновения во внутреннюю сущность процессов с привлечением современных приемов организации научного исследования, ориентированных на создание и активное использование разветвленных баз знаний в машинных системах искусственного интеллекта. С позиций системного анализа рассмотрена вся совокупность проблем, связанных с расчетом, проектированием и оптимальной организацией контактно-каталитических процессов. В книге дано детальное исследование структуры внутренних связей на всех уровнях иерархии гетеро-генно-каталитической системы. Многоэтапная процедура разработки гетерогенно-каталитического процесса представляется как взаимодействие двух систем: причинно-следственной физико-химической системы, формализующей собственно объект исследования, и программно-целевой системы принятия решений при анализе и синтезе контактно-каталитических процессов. Подход ориентирован на использование ЭВМ пятого поколения и решение проблем гетерогенного катализа с позиций искусственного интеллекта. [15]