Обучающаяся система

Cтраница 2

Применительно к нашим задачам обучающиеся системы можно определить как системы, которые могут улучшать свои характеристики, запоминая и оценивая свою реакцию на прошлые входные воздействия. Таким образом, обучающиеся системы являются адаптивными, хотя обратное не обязательно верно ( гл. Введение операции обучения открывает перед теорией решений помимо адаптации еще два возможных применения. [16]

Дискретные, самонастраивающиеся и обучающиеся системы. Рассматриваются различные задачи теории импульсных, релейных и дискретных систем, а также теории конечных автоматов. Содержатся материалы по новым достижениям теории самонастраивающихся и особенно самообучающихся систем, затрагиваются вопросы теории чувствительности и теории управления сложными системами. [17]

Классификация самонастраивающихся систем управления. [18]

Самообучающиеся системы отличаются от обучающихся систем отсутствием внешней корректировки. [19]

Ниже будет приведена классификация обучающихся систем по признаку управления ими. [20]

Что же касается характеристик обучающейся системы в целом ( имеется в виду группа учащихся), то для суждения об эффективности процесса обучения потребуется ввести еще ряд известных статистических оценок, характеризующих эффективность процесса. [21]

Самообучающиеся системы отличаются от обучающихся систем отсутствием внешней корректировки. [22]

Одной из мер эффективности обучающейся системы является диапазон изменения 7 относительно геометрического места оптимальных точек, внутри которого ограничивается рабочая траектория. Величина А7 не уменьшается монотонно по мере обучения. [23]

В дальнейшем общая теория оптимальных обучающихся систем распространилась на произвольные автоматические системы, предназначенные как для обработки информации, так и для управления различными техническими системами и процессами. Были получены оптимальные бейесовы алгоритмы обучения при заданной цели обучения, а также алгоритмы оптимальных бейесовых обучающихся систем, исследованы общие свойства оптимальных алгоритмов и их зависимость от алгоритма работы учителя. Как частный случай получены соответствующие алгоритмы самообучения. Предложен критерий для оценки эффективности обучения при любом заданном критерии качества системы. Ближайшей задачей дальнейшего развития статистической теории обучающихся автоматических систем является изыскание алгоритмов обучения, близких к оптимальным и в то же время достаточно простых и удобных для реализации. [24]

При обучении без поощрения реакция обучающейся системы заранее не известна. В процессе функционирования такой системы происходит ее самообучение путем анализа ситуации и выделения общих признаков. [25]

Наиболее важной и развитой группой обучающихся систем в настоящее время являются системы обучения распознаванию образов, которым посвящено большое количество трудов. Это название было принято и для обозначения последующих аналогичных-систем. [26]

Выход здесь видят в создании обучающихся систем. В таких распределительных системах на элементном уровне жестко запрограммирована лишь способность к обучению. Все разработанные к настоящему времени модели обучающихся сетей в той или иной степени основаны на попытках имитации процессов в нейронных сетях мозга. [27]

Принципиальная схема управления процессом. [28]

Вполне реален такой случай, когда обучающаяся система на некотором шаге а отклонится от норматива, заданного системе, и, продолжая выполнять предписания алгоритма, будет петлять вдали от того пути, по которому ей надо было следовать. Такое петляние, конечно, может только случайным образом вывести систему на линию АВ. [29]

Что же является предметом изучения Центра обучающихся систем. [30]

Страницы: 1 2 3 4