Информационная графа

Cтраница 2

ХТС используют три класса топологических моделей: первый класс образуют потоковые графы и структурные графы; ко второму классу принадлежат информационно-потоковые мультиграфы, информационные графы и двудольные информационные графы; к третьему классу относятся сигнальные графы. [16]

Для решения задач анализа, синтеза и оптимизации ХТС используют три класса топологических моделей: первый класс образуют потоковые графы и структурные графы; ко второму классу принадлежат информационно-потоковые мультиграфы, информационные графы и двудольные информационные графы; к третьему классу относятся сигнальные графы. [17]

Неориентированный двудольный информационный граф системы, состоящей из Z - уравнений с Z - неизвестными.| Ориентированный двудольный информационный граф. [19]

Если набор выходных переменных системы уравнений неизвестен, то двудольный информационный граф этой системы уравнений неориентированный ( рис. III. Двудольные информационные графы систем уравнений могут быть как циклическими, так и ациклическими. [20]

Получив мимоходом его определение, мы, как обычно, займемся его анализом. Начнем с того, что перерисуем информационные графы со всех построенных в главе 1 примеров и соберем их на рис. 2.5. Для наглядности и более четкой с 1зи с исходными схемами мы расположим результаты в верхнем ряду, аргументы - в нижнем и пометим полюсы символами операторов, к которым эти полюсы относятся. Простое рассмотрение получившихся графов позволяет сделать несколько наблюдений. [21]

Результаты предыдущей главы показывают, что древовидность оптимальных информационных графов помимо удобств практической реализации позволяет получать нижние оценки сложности, отличные от мощностной нижней оценки. Поэтому представляется интересным поиск таких типов задач поиска, которые имели бы древовидные оптимальные информационные графы. [22]

Также как логическая сеть со свободными элементами [62] обобщает известные в теории управляющих систем виды управляющих систем, так и информационно-графовая модель обобщает наиболее известные модели данных. Так, алгоритмы и конструкции, используемые в древовидных и лексикографических базах данных, описываются древовидными информационными графами. Сетевые базы данных естественным образом перекладываются на язык информационно-графовой модели. [23]

Информационные графы позволяют ввести новое понятие сложности поиска. Это понятие новое как с точки зрения теории управляющих систем, так и с точки зрения теории баз данных. В теории управляющих систем обычно под сложностью понимается или число ребер, или число элементов-функций, а здесь сложность понимается как часть графа, захваченного волновым процессом, и существенно зависит от значений нагрузочных функций, и, тем самым, не является просто количественной характеристикой графа, такой как число ребер или вершин. Новизна же в теории баз данных заключается в том, что такое введение сложности после осреднения по множеству запросов адекватно соответствует среднему времени поиска - традиционно трудной для изучения характеристики алгоритмов поиска информации. Кроме того, при соответствующем введении сложности информационные графы оказываются удобными для изучения как параллельных, так и фоновых алгоритмов поиска. И, наконец, в информационных графах совсем просто контролируется такой важный управляющий параметр в задачах информационного поиска, как объем памяти, который в данном случае характеризуется количеством ребер графа. [25]

Информационные графы позволяют ввести новое понятие сложности поиска. Это понятие новое как с точки зрения теории управляющих систем, так и с точки зрения теории баз данных. В теории управляющих систем обычно под сложностью понимается или число ребер, или число элементов-функций, а здесь сложность понимается как часть графа, захваченного волновым процессом, и существенно зависит от значений нагрузочных функций, и, тем самым, не является просто количественной характеристикой графа, такой как число ребер или вершин. Новизна лее в теории баз данных заключается в том, что такое введение сложности после осреднения по множеству запросов адекватно соответствует среднему времени поиска - традиционно трудной для изучения характеристики алгоритмов поиска информации. Кроме того, при соответствующем введении сложности информационные графы оказываются удобными для изучения как параллельных, так и фоновых алгоритмов поиска. И, наконец, в информационных графах совсем просто контролируется такой важный управляющий параметр в задачах информационного поиска, как объем памяти, который в данном случае характеризуется количеством ребер графа. [26]

Информационные графы позволяют ввести новое понятие сложности поиска. Это понятие новое как с точки зрения теории управляющих систем, так и с точки зрения теории баз данных. В теории управляющих систем обычно под сложностью понимается или число ребер, или число элементов-функций, а здесь сложность понимается как часть графа, захваченного волновым процессом, и существенно зависит от значений нагрузочных функций, и, тем самым, не является просто количественной характеристикой графа, такой как число ребер или вершин. Новизна лее в теории баз данных заключается в том, что такое введение сложности после осреднения по множеству запросов адекватно соответствует среднему времени поиска - традиционно трудной для изучения характеристики алгоритмов поиска информации. Кроме того, при соответствующем введении сложности информационные графы оказываются удобными для изучения как параллельных, так и фоновых алгоритмов поиска. И, наконец, в информационных графах совсем просто контролируется такой важный управляющий параметр в задачах информационного поиска, как объем памяти, который в данном случае характеризуется количеством ребер графа. [28]

Страницы: 1 2