Билет 25
Простейший адаптивный алгоритм подстройки параметров нелинейных моделей.
На каждом шаге линеаризуем модель и приращения параметров отыскиваем из равенства выхода объекта и выхода линеаризованной модели
Получаем алгоритм перестройки параметров нелинейной модели
Пример
Для
нелинейной модели
алгоритм
приобретает вид
Понятие структурированного языка запросов SQL. Составные части языка SQL.
SQL (англ. Structured Query Language — «язык структурированных запросов») — универсальный компьютерный язык, применяемый для создания, модификации и управления данными в реляционных базах данных.
SQL основывается на реляционной алгебре.
SQL является, прежде всего, информационно-логическим языком, предназначенным для описания хранимых данных, для извлечения хранимых данных и для модификации данных. SQL не является языком программирования. (Вместе с тем стандарт языка спецификацией SQL/PSM предусматривает возможность его процедурных расширений).
Язык SQL представляет собой совокупность операторов.
Операторы SQL делятся на:
операторы определения данных (Data Definition Language, DDL)
операторы манипуляции данными (Data Manipulation Language, DML)
операторы определения доступа к данным (Data Control Language, DCL)
операторы управления транзакциями (Transaction Control Language, TCL)
Преимущества
Независимость от конкретной СУБД
Несмотря на наличие диалектов и различий в синтаксисе, в большинстве своём тексты SQL-запросов, содержащие DDL и DML, могут быть достаточно легко перенесены из одной СУБД в другую.
Наличие стандартов
Декларативность
С помощью SQL программист описывает только то, какие данные нужно извлечь или модифицировать. То, каким образом это сделать, решает СУБД непосредственно при обработке SQL-запроса.
Недостатки
Несоответствие реляционной модели данных
Повторяющиеся строки
Неопределённые значения (nulls)
Явное указание порядка колонок слева направо
Колонки без имени и дублирующиеся имена колонок
Отсутствие поддержки свойства «=»
Использование указателей
Высокая избыточность
Сложность работы с иерархическими структурами
3. Ненадежные знания. Использование коэффициентов уверенности (метод Шортлиффа). Байесовский подход (метод к.Нейлора).
Объективная ненадежность представляет собой такое свойство информации, когда те или иные знания не всегда применимы, а те или иные данные не всегда наблюдаются по объективным причинам. Она может быть представлена с применением вероятностного подхода. Например, при одних и тех же клинических данных диагноз может быть разным.
Субъективная ненадежность представляет собой такое свойство информации, когда имеет смысл говорить о достоверности знаний или данных с субъективной точки зрения. Например, один и тот же врач, следуя своему опыту, ставит один диагноз, а другой врач, также следуя своему опыту, ставит другой диагноз. Субъективная ненадежность представляется по-разному: как с помощью вероятностного подхода, так и с помощью невероятностных коэффициентов, которые позволяют оценивать достоверность информации.
Байесовский подход
Апостериорная вероятность некоторого события H, при условии появления события X есть отношение вероятности их совместного появления к вероятности появления события X:
, аналогично .
Пример: H – ангина, X – кашель. Тогда P(H | X) есть вероятность ангины при кашле.
Теорема Байеса: .
Метод Криса Нейлора
Данный метод применяется для представления как объективной, так и субъективной ненадежности знаний. Модель знаний Криса Нейлора: знания представляются как совокупность гипотез и характеризующих из признаков.
БЗ: 1-ая часть (гипотезы) – кортежи вида: ,
где H – название гипотезы;
p = P(H) – априорная вероятность наступления H;
j – номер признака;
p+ = P(j|H)– вероятность наступления события j при наступлении H;
p- = P(j|H)– вероятность наступления события j в случае если H не наблюдается;
2-ая часть (характеризующие признаки):
( j; название признака; вопрос, который система задаст пользователю по поводу j-ого признака)
Стратегия вывода:
Чтобы решить, в каком порядке задавать вопросы пользователю, на каждом шаге логического вывода для каждого признака рассчитаем коэффициент «цена свидетельства» по формуле:
Цена свидетельства характеризует степень влияния данного признака на вероятность гипотезы.
Чтобы ответить на вопрос «какую гипотезу выбрать в качестве решения», можно перебрать все признаки и в конце взять гипотезу с максимальной вероятностью. Однако такой подход неприменим в случае, когда количество признаков велико.
Использование коэффициентов Шортлиффа
Идея: для представления знаний используется продукционный подход (знания представляются в виде правил). Каждому правилу и каждому факту приписывается коэффициент уверенности CF(X) [–1; 1].
Смысл коэффициента уверенности определяется следующим образом:
При наполнении базы знаний экспертом задаются коэффициенты уверенности всех правил (субъективизм со стороны эксперта). В режиме консультации пользователем вводятся данные о задаче, причем вместе с фактами задаются значения их коэффициентов уверенности (субъективизм со стороны пользователя).
Система функционирует следующим образом:
Вычисляются значения CF сложных фактов, представленных в условиях правил.
Если в условии правила факты соединены связкой «и», то CF(X и Y) = CF(X)CF(Y);
Если в условии правила факты соединены связкой «или», то CF(X или Y) = CF(X)CF(Y);
CF(результата) = CF(условия)CF(правила).
Здесь: – операция взятия минимума;
– операция взятия максимума.