Адаптация - алгоритм
Cтраница 2
Из изложенного подхода вытекает необходимость решения следующей проблемы. Для динамической адаптации алгоритмов специального математического обеспечения необходимо иметь аппарат, с помощью которого можно отдать предпочтение либо увеличению числа проанализированных вариантов, либо повышению качества одного варианта. Необходимо уметь оценивать качество результатов, вырабатываемых различными алгоритмами, влияние промежуточных результатов, в том числе вырабатываемых отдельными модулями, на конечные результаты и, наконец, необходимо уметь делить весь алгоритм на модули, учитывая как ограниченные возможности технических средств автоматизации, так и потребности адаптации процесса количественного обоснования варианта решения к реальному времени. [16]
Теоретически идеальным является алгоритм динамической маршрутизации, основанный на глобальной информации о состоянии сети. Однако возрастание скорости адаптации алгоритма связано с увеличением загруженности каналов передачей служебной информации. Поэтому на практике используют квазистатические и статические алгоритмы маршрутизации. [17]
Ввиду низкой устойчивости АО-алгоритмы могут быть рекомендованы для применения только при наличии достоверной информации о распределении шума. В случае отсутствия такой информации требуется адаптация алгоритма под фактическое распределение шума. [18]
Математическая модель включает стандартизованные на уровне задачи описания конструкции и управляющую информацию алгоритма. Управляющая информация является наиболее важной с точки зрения адаптации алгоритма частью модели. Она содержит информационные массивы и таблицы, определяющие стратегию принятия решений различными программными модулями. [19]
Первая подсистема состоит из нескольких иерархических уровней: микро -, макро - и метауровней. На каждом из этих уровней происходит моделирование эволюции и адаптация алгоритмов к окружающей среде. [20]
Является практичным, однопроходным, не требующим передачи таблицы кодов. Его суть в использовании адаптивного алгоритма, т.е. алгоритма, который при каждом сопоставлении символу кода, кроме того, изменяет внутренний ход вычислений так, что в следующий раз этому же символу может быть сопоставлен другой код, т.е. происходит адаптация алгоритма к поступающим для кодирования символам. При декодировании происходит аналогичный процесс. [21]
 |
Временная диаграмма алгоритма дельта-маршрутизации. j получение информации из узлов. 2 - выработка общей стратегии в ЦМ. 3 - информирование узлов об общей стратегии. [22] |
ЦМ) получает информацию из узлов и оценивает текущие задержки пакетов. На основании этой информации ЦМ вырабатывает общую стратегию маршрутизации и информирует о ней узлы. Величина Т определяет скорость адаптации алгоритма. Окончательные решения по выбору маршрутов вырабатываются в узлах. При этом используются как рекомендации ЦМ, так и результаты анализа ситуации в локальном участке сети. Такой анализ производится в узле самостоятельно. В течение интервала Т выбор маршрутов в узлах может корректироваться только на основании локальной информации. [23]
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. [24]
В работе показано, что используя иерархическую декомпозицию изображения, обеспечиваемую нерегулярной пирамидой, можно получать различные сегментации на уровнях иерархии с различными уровнями разрешения. Применение нескольких уровней разрешения дает возможность адаптации к характерным свойствам изображения: более гладкие области могут быть представлены при помощи меньшего числа точек, чем те, в которых необходима большая детализация. Рассмотрены возможности применения многоугольников Вороного на локальном уровне и диаграммы Вороного на глобальном уровне. Адаптация алгоритма реализуется на основе итерационной процедуры, позволяющей в интерактивном режиме выделять объект при наилучшем разрешении для любых его статистических характеристик. [25]
Для этого используются численные методы, реализованные в машинных программах. На практике часто требуется адаптация или разработка метода численного решения сформулированных уравнений. После выбора метода проводится преобразование алгоритма к удобному для реализации на ЭВМ виду. Этот этап целиком определяется опытом и интуицией разработчика, здесь и происходит адаптация алгоритма к конкретной ЭВМ. Результатом этапа постановки задачи и разработки алгоритма является полное описание задания либо таблицы решений или блок-схемы. [26]
Существенным недостатком автоматического режима является трудоемкость перестройки алгоритмов при изменениях конструктивно-технологических параметров изделий. В случае незначительных изменений достаточно внести изменения в параметры математических моделей алгоритмов. Значительные же изменения в технологии и конструкции требуют структурной перестройки математической модели, изменения логики программы или, в крайнем случае, применения других алгоритмов. Поэтому при разработке математического обеспечения автоматизированной системы конструирования следует уделять большое внимание адаптации алгоритмов к различным конструктивно-технологическим требованиям и ограничениям. [27]
Информация от объекта поступает в аппаратуру обработки результатов наблюдений, обрабатывается и регистрируется как конечный результат эксперимента или используется для определения дальнейшего развития эксперимента. В простейшем случае определяются новые режимы наблюдения, в более сложном случае может существенно меняться вся последовательность операции, т.е. происходит переход на другую ветвь разветвленного алгоритма. Наконец, может формироваться новая ветвь алгоритма взаимодействия ЭК с объектом. В последнем случае в ЭК может быть предусмотрена специальная программа, непосредственно не участвующая в обработке информации, но предназначенная для адаптации алгоритма взаимодействия ЭК с объектом. Если априорной информации недостаточно для составления такой программы, то адаптация алгоритма функционирования ЭК к новому этапу эксперимента производится экспериментатором. [28]
Информация от объекта поступает в аппаратуру обработки результатов наблюдений, обрабатывается и регистрируется как конечный результат эксперимента или используется для определения дальнейшего развития эксперимента. В простейшем случае определяются новые режимы наблюдения, в более сложном случае может существенно меняться вся последовательность операции, т.е. происходит переход на другую ветвь разветвленного алгоритма. Наконец, может формироваться новая ветвь алгоритма взаимодействия ЭК с объектом. В последнем случае в ЭК может быть предусмотрена специальная программа, непосредственно не участвующая в обработке информации, но предназначенная для адаптации алгоритма взаимодействия ЭК с объектом. Если априорной информации недостаточно для составления такой программы, то адаптация алгоритма функционирования ЭК к новому этапу эксперимента производится экспериментатором. [29]
Другой источник связан с потребностью решать различные задачи оптимизации. Обилие алгоритмов оптимизации обусловлено прежде всего тем, что каждый новый алгоритм предлагается для решения какой-то новой задачи, отличающейся от предыдущих. Совершенно ясно, что такая тенденция порочна и недолговечна, в силу чего и возникает необходимость в адаптации известного алгоритма поиска к новой задаче оптимизации. Пользователь часто применяет известные алгоритмы для решения своих задач, пытаясь как-то приспособить их к этим задачам. Успех здесь целиком зависит от того, насколько пользователь знает структуру своей оптимизационной задачи и понимает механизм работы поиска. Как правило, ничего хорошего из такой кустарной адаптации не получается. Это и заставляет создавать специальные процедуры адаптации алгоритмов оптимизации, благодаря которым алгоритмы могут эффективно действовать в изменяющихся условиях. Как уже говорилось, существуют два способа изменения алгоритма поиска - воздействие на его параметры и изменение его структуры. Параметрическая адаптация поиска не всегда может значительно повысить эффективность - поиска. Более того, есть алгоритмы - например, метод наискорейшего спуска или метод Гаусса-Зейделя, которые вообще не имеют параметров и поэтому не могут адаптироваться параметрически. Эти обстоятельства обусловливают переход к адаптации структуры алгоритма. [30]
Страницы: 1 2 3