Категория - данные
Cтраница 2
Если критерии худшего случая удовлетворяются, то следует перейти к определению надежности элементов. Три указанные ниже категории данных ( одна или более из которых обычно отсутствует) могут быть объединены для получения точных значений вероятности отказов элементов. Число интегралов равно числу установленных параметров системы, а кратность каждого интеграла равна числу независимых переменных, определяющих рассматриваемый параметр системы. [16]
 |
Диалоговое окно формирования отчета в интерактивном режиме. [17] |
В списке Category указывается категория данных, значение по умолчанию - O. При нажатии кнопки More ( Еще) результаты об узле или элементе выводятся в листинг, и процесс может быть повторен. При нажатии кнопки ОК выполнение команды после вывода результатов не возобновляется. [18]
Ваша коллекция географических данных может охватывать одну, несколько или множество баз геоданных. Одна БГД обычно охватывает некоторую широкую категорию данных, такую как земельные ресурсы, транспорт, окружающая среда, инженерные коммуникации. [19]
Отдельные части модели образуют ее структуру. Одним из основных способов структуризации данных является абстракция, используемая как для образования категорий данных, так и для построения одних категорий на основе других. [20]
В отличие от сетевых моделей данных, применяемых в экономической сфере, семантические сети предназначены для представления и систематизации знаний общего характера. Развитие моделей этого класса связано с проблемами понимания естественного языка, а не с проблемами теории типов и категорий данных. [21]
Используемые в языках программирования структуры данных можно классифицировать в зависимости от допустимых операций и целей использования. Отдельные классифицированные категории данных называют типами данных. [22]
Возможность использования алгоритмизированного прогноза в качестве этапа создания финансового имитатора является заблуждением. Количественные результаты прогноза обычно основаны на подробной детализации и охватывают многие стороны деятельности организаций. Так как все категории данных часто разрабатываются независимо друг от друга, то может оказаться довольно трудным обнаружение взаимосвязей, которые существуют между их различными совокупностями. [23]
Возможность использования алгоритмизированного прогноза в качестве этапа создания финансового имитатора является заблуждением. Количественные результаты, прогноза обычно основаны на подробной детализации и охватывают многие стороны деятельности организаций. Так как все категории данных часто разрабатываются независимо друг от друга, то может оказаться довольно трудным обнаружение взаимосвязей, которые существуют между их различными совокупностями. [24]
Эти пять категорий данных объединяются в три класса: числовой, буквенный и буквенно-цифровой. Для числовых и буквенных данных понятия категории и класса совпадают. Буквенно-цифровой класс объединяет три категории данных: буквенно-цифровую, буквенно-цифровую редактируемую, числовую редактируемую. Каждое элементарное данное принадлежит к одному из трех классов и одной из пяти категорий. [25]
Слабо типизированные - это модели, в которых данные разнородны по формату, структуре. Они, в общем, слабо связаны условиями относительно известных типов. Слабо типизированные модели обеспечивают интефацию категорий данных. Предельная возможность использования таких моделей обеспечивается исчислением предикатов. [26]
Слабо типизированные - это модели, в которых данные разнородны по формату, структуре. Они, в общем, слабо связаны условиями относительно известных типов. Слабо типизированные модели обеспечивают интеграцию категорий данных. Предельная возможность использования таких моделей обеспечивается исчислением предикатов. [27]
Одним из основных способов структуризации данных является использование абстракций. Абстракция предполагает, что несущественные детали должны быть опущены, а внимание должно быть сконцентрировано на основных общих свойствах множества объектов. В моделировании данных абстракция используется для образования категорий данных. [28]
Для определения связи между количеством нефти в смеси и снижением производительности был применен метод ранговой корреляции [9] При использовании этого метода оперируют не непосредственно значениями рассматриваемых параметров, а рангами, присвоенными им. На практике метод ранговой корреляции широко используется, когда значения рассматриваемых параметров получены с большой погрешностью, но при этом они качественно верно описывают рассматриваемый процесс. Среднемесячные и среднесуточные диспетчерские данные вполне правомерно отнести к этой категории данных. [29]
В этом подходе кроется принципиальное отличие семантических сетей от других моделей данных. Большинство моделей предполагает четкое различие между данными ( база данных) и категориями данных ( схема) и допускает только операции над данными. Свойства категорий, структуры категорий, правила наследования и определения программ обычно выходят за рамки понятий, которыми оперирует модель данных. [30]
Страницы: 1 2 3