ÐÐ ÐÐЦÐÐ ÐÐ ÐÐÐÐЬÐЫХ ÐÐÐÐЩÐÐÐÐ: меÑодологиÑ, задаÑи ...
ÐÐ ÐÐЦÐÐ ÐÐ ÐÐÐÐЬÐЫХ ÐÐÐÐЩÐÐÐÐ: меÑодологиÑ, задаÑи ...
ÐÐ ÐÐЦÐÐ ÐÐ ÐÐÐÐЬÐЫХ ÐÐÐÐЩÐÐÐÐ: меÑодологиÑ, задаÑи ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
123<br />
обобщения связано с орграфом набросков.<br />
Приведем пример обобщения из области анализа<br />
электроэнцефалограмм (ЭЭГ) [59]: ставится задача найти отличия в ЭЭГ<br />
биологических объектов, подвергавшихся определенным видам<br />
воздействия, от ЭЭГ этих же биологических объектов в обычной<br />
обстановке (фоновых ЭЭГ). Множество всех ЭЭГ образуют ситуацию<br />
действительности α. Для упрощения анализа строится обобщение α.<br />
Сначала производится сглаживание ЭЭГ по методу скользящего среднего.<br />
Затем участки сигнала с положительной первой производной заменяются<br />
на 1, остальные на 0. Таким образом, вместо исходного сигнала обработке<br />
подвергается последовательность, состоящая из 0 и 1. В более «тонком»<br />
варианте анализа для величины производной необходимо ввести орграф<br />
доменов с несколькими уровнями общности (в исходном варианте всего 2<br />
уровня, причем второй уровень дихотомический – {1; 0}). Разные<br />
преобразования ЭЭГ дают разные ситуации β, при этом β:α. В итоге<br />
строится множество G γ (α), содержащее ситуации β с разным уровнем<br />
детальности описания. Искомые отличия дают синдромные модели знаний,<br />
которые находятся с помощью метода предельных обобщений (см. главу<br />
5). Дополнительные возможности дает сочетание метода предельных<br />
обобщений и модели многоуровневых набросков {Gs(β)}.<br />
Важной прикладной задачей построения множества обобщения является<br />
автоматическое многоуровневое реферирование ситуации<br />
действительности, т.е. построение набросков ситуации, затем набросков<br />
набросков и т.д. На этом принципе построена модель многоуровневых<br />
набросков ситуации, образа, текста (глава 6).<br />
Примеры множеств обобщения дает символическая динамика. Часто<br />
фазовое пространство динамической системы удается разбить на области<br />
таким образом, что любая ее траектория однозначно определяется<br />
последовательностью прохождения этих областей. Символический образ<br />
представляет собой ориентированный граф, построенный по заданному<br />
разбиению фазового пространства, что позволяет использовать хорошо<br />
разработанные алгоритмы на графах [122]. Примеры множеств обобщения<br />
дают гранулярные вычисления и интервальная математика.<br />
Множеством обобщения для группы ситуаций или образов {α} назовем<br />
множество G γ ({α}) следующего вида:<br />
G γ ({α}) = {β | β:{α} ≡ (β:α ∀α ∈ {α}) & γ(β) = true}. (3.31)<br />
Следует иметь ввиду, что, как правило, G γ ({α}) ≠ ∪ α∈{α} G γ (α).<br />
Эффективным средством формирования множества обобщений для<br />
произвольной совокупности прецедентов Ω с известным заключением<br />
является метод предельных обобщений. В качестве {β} выступают