2
|
T1[2]
|
T2 [2]
|
T3 [2]
|
…
|
TK [2]
|
C2
|
…
|
…
|
…
|
…
|
…
|
…
|
…
|
W
|
T1[W]
|
T2 [W]
|
T3 [W]
|
…
|
TK [W]
|
CW
|
На
самом же деле это не так! Дело в том, что момент начала кристаллизации, определяется множеством внешних факторов (начальной температурой расплава, условиями теплообмена и т.п.). А это значит, что для различных наблюдений в
выборке, температуре ликвидуса TL будут соответствовать различные номера
дискретных значений . Поэтому
совершенно очевидно, что без привлечения дополнительной информации при сколь
угодно большом объеме W выборки невозможно восстановить истинную зависимость
(4) в классе структур (5), поскольку для различных наблюдений аргумент истинной
зависимости (4) – температура TL – будет соответствовать различным аргументам
моделей (5).
К
тому же при больших значениях возникают
непреодолимые вычислительные проблемы в использовании известных алгоритмов
МГУА, но это уже другие проблемы.
Отсюда
следует, что важным этапом синтеза ИТ обработки сигналов, предшествующим
структурно-параметрической идентификации, является переход от пространства
наблюдений к пространству
потенциально полезных признаков меньшей
размерности (), а затем уже
этап использования этих признаков в качестве аргументов моделей косвенного
контроля и диагностики, селектируемых тем или иным алгоритмом самоорганизации
на основе обучающей и контрольной выборок.
Именно
такой взгляд на роль алгоритмов МГУА при синтезе прикладных ИТ обработки
сигналов в условиях ограниченной априорной информации представляется автору
наиболее реалистичным. Структура инструментальной системы “СИДИГРАФ”, реализующая такой подход, обсуждалась в работах [5,12].
Рекомендуем скачать другие рефераты по теме: характеристика реферата, скачать сообщение.
Предыдущая страница реферата |
1
2
3
4
5
6
7
8
9
10
11 |
Следующая страница реферата