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.
264<br />
{P * } W = {<br />
;…}<br />
;<br />
;<br />
Из примера видно, что критические наброски используют разный объем<br />
памяти. Справедливо следующее: чем меньше занимаемый объем памяти,<br />
тем выше уровень обобщения – абстрагирования наброска.<br />
Таким образом, в рамках фиксированного контекста множество всех набросков {P} W для любого W делится на три<br />
непересекающихся подмножества: докритических, критических и<br />
закритических набросков. Каждый набросок является множеством<br />
значений некоторых тестов, т.е. P = {τ/T}. Ясно, что на множествах<br />
критических набросков можно построить модели знаний:<br />
k = {P * W → z W | W ∈ Ω, P * W ∈ {P * } W }. (6.1)<br />
Модель (6.1) является протосиндромной моделью знаний, но не<br />
синдромной и не предельной моделью. Дело в том, что даже критические<br />
наброски могут содержать избыточную информацию. Обратите внимание<br />
на последний набросок в приведенном выше ряду набросков {P * } W . Так<br />
вот, следующая комбинация значений тестов была бы минимально<br />
достаточной для распознавания образа «Зонтик»:<br />
Однако эта комбинация не является наброском. На языке синдромов можно<br />
записать: S * = (τ 2,1 m; τ 1,2 m; τ 3,2 m; → z/Z1), где m – код цвета<br />
морфологии; z1 = «Зонтик»; Z = {1, 2}.<br />
Выше уже отмечалось, что в сфере восприятия синдромы являются<br />
перцептивными категориями – целостными перцептивными гипотезами,<br />
свернутыми до некоего единичного перцептивного эталона,<br />
определяющего построение и распознавание образа. Следовательно, в<br />
рамках фиксированного контекста может<br />
быть построена полная предельная синдромная модель знаний {S * } Full ,<br />
которую можно представить следующим образом:<br />
k = {S * W → z W | W ∈ Ω, S * W ∈ {S * } W }. (6.2)<br />
Могут быть также построены модели (предельных) вероятностных<br />
закономерностей {R * } W .<br />
Для любого множества набросков V ∈ {P} W определим множество<br />
набросков-прообразов следующим образом: