- •Глава 1. Компьютерные информационные технологии Этапы развития ит по виду инструментариев
- •Классификация кит
- •Классификация кит по проблемам, стоящим на пути информатизации общества
- •Классификация кит по преимуществу, которое приносит компьютерная технология
- •Информационные технологии обработки данных
- •Основные компоненты обработки данных
- •Технологическая система обработки информации
- •Информационные технологии управления
- •Автоматизация офиса
- •Ит поддержки принятия решений
- •Основные компоненты систем ппр
- •История создания сппр
- •Классификация сппр
- •Типы сппр
- •Области применения сппр Телекоммуникации
- •Банковское дело
- •Страхование
- •Розничная торговля
- •Рынок сппр
- •Ит экспертных систем
- •Особенности экспертных систем, применение экспертных систем
- •Модули представления знаний в экспертной системе
- •Логическая модель представления знаний
- •Продукционная модель представления знаний
- •Ит программирования
- •Objtct-ориентированное программирование
- •Агентно-ориентированное программирование Основные термины и определения
- •Свойства агента
- •Понятие многоагентной системы (mac)
- •Процесс самоорганизации в мультиагентной системе
- •Классификация эвм по этапам создания
- •Классификация эвм по назначению
- •Классификация универсальных эвм по размерам и функциональным возможностям
- •СуперЭвм
- •Большие эвм
- •Малые эвм
- •МикроЭвм
- •Компьютерые сети
- •Классификация вс
- •Основные формы взаимодействия абонентских эвм
- •Характеристика процесса передачи данных Режим передачи данных
- •Аппаратная реализация передачи данных Способы передачи данных
- •Аппаратные средства приема передачи
- •Характеристики коммуникационной сети
- •Архитектура компьютерных сетей Эталонные модели взаимодействия систем
- •Протоколы компьютерной сети Понятие протокола
- •Основные виды протоколов
- •Стандарты протоколов
- •Локальные вычислительные сети (лвс)
- •Архитектуры лвс Однораноговая сеть
- •Сеть с выделенным сервером
- •Понятие клиент и сервер
- •Типовые топологии лвс
- •Кластерные эвм
- •Краткая история появления и обзор существующих кластерных систем
- •Кластеры класса Беовульф Определение Беовульф
- •Классификация Беовульф
- •Программные пакеты, используемые кластерами Беовульф
- •Сетевые соединения
- •Анализ текущего состояния кластерных технологий
- •Недостатки кластеров
- •Grid — виртуализация ресурсов
- •Grid — продукты и технологии Sun
- •Искусственный интеллект
- •Загадка человеческого мозга
- •Нейросети и нейрокомпьютеры
- •Мозговые аналогии нейросетей
- •О моделировании нейронных сетей
- •Этапы развития нейрокомпьютеров
- •Модель нейрона
- •Обучение нейронной сети
- •Структурные модели нейронных систем Сети с отсутствие обратных связей
- •Сети с обратными связями
- •Сети с симметричными связями
- •Сети с системой усиления-торможения (сут)
- •Направления исследования нейросетей
- •Интеллектуальные робототехнические системы
- •Экономические аспекты внедрения интеллектуальных роботов в жизнь
- •Генетические алгоритмы
- •Эволюционное программирование
- •Транспьютеры
- •Транспьютерные сети
- •Обеспечение безопасности информационных систем
- •Критерии оценки информационной безопасности
- •Методы и средства защиты информации Методы
- •Средства защиты информации
- •Угрозы информационной безопасности
- •Вирусные атаки
- •Международно-правовой опыт в сфере компьютерной информации
- •Метод деления отрезком пополам
- •Метод золотого сечения
- •Методы вычисления корня функции одной переменной Метод простой итерации
- •Метод деления отрезка пополам
- •Метод Ньютон
- •Метод Вегстейна
- •Интерполяция функции
- •Решение задачи Коши для системы дифференциальных уравнений
- •Метод Зейделя
- •Метод простой итерации
- •Решение систем линейных алгебраических уравнений (слау)
- •Метод исключения Гаусса
Метод Ньютон
Суть метода показана на рис. 1.69. В качестве начального приближения в методе задается значение x0. Метод используется тогда, когда производная функции f(x) определена в аналитическом виде.
В точке x0 вычисляется значение функции f0 = f(x0). Далее по формуле
x1 = x0 – f0 / f’(x0) (2)
вычисляется точка x1 пересечения касательной, проведенной из точки f0. Если |x1 – x0|>E (E —заданная погрешность), то полагается x0 = x1, вычисляется f0 = f(x0) и итерационный процесс по формуле (2) продолжается до тех пор, пока не окажется |x1 – x0| < E. Корень при этом в x1. Метод Ньютона не гарантирует сходимость алгоритма к корню.
Рис. 1.69. Суть метода ньютона
Метод Вегстейна
Метод является модификацией метода Ньютона и используется для функций, у которых неизвестна в аналитическом виде производная f’(x0). Суть метода показана на рис. 1.70.
В качестве начального приближения в методе задается два начальных приближения x0 и x1. Желательно эти начальные приближения задавать по разную сторону от корня. Далее вычисляются значения функции f0 и f1 и через точки f0 и f1 проводится секущая до пересечения ее с осью Х в точке x2:
x2 = x0 – (f0(x0 – x1) / (f0 – f1)) (3)
Далее вычисляется значение функции f2. Если |x2 – x0| > E (E —погрешность), то полагается
x0 = x1 , x1 = x2, f0 = f1, f1 = f2
и итерационной процесс по формуле (3) продолжается до тех пор, пока не окажется |x2 – x0| < E. Метод Вегстейна практически всегда сходится к корню.
Рис. 1.70. Суть метода Вегстейна
Численное вычисление определенного интеграла
Во всех методах исходный отрезок [a,b] разбивается на более мелкие интервалы длиной h. Величина шага h определяется точностью вычисления интеграла.
Метод средних
Суть метода показана на рис. 1.71.
В этом методе площадь, ограниченная кривой f(x) заменяется площадью прямоугольника fi * h, где fi = f(xi + h / 2). В общем случае интеграл по формуле средних определяется формулой:
Рис. 1.71. Суть метода средних
Метод трапеций
Суть метода показана на рис. 1.72.
В
этом методе площадь, ограниченная кривой
f(x)
заменяется площадью трапеции
.
В общем случае интеграл по формуле
трапеций определяется по формуле:
Рис. 1.72. Суть метода трапеций
Метод Симпсона
Суть метода показана на рис. 1.73.
В этом методе площадь, ограниченная кривой f(x) заменяется площадью, ограниченной параболой, где xi+1/2=(xi + xi+1) / 2. В общем случае интеграл по формуле Симпсона определяется формулой:
Рис. 1.73. Суть метода Симпсона
Аппроксимация функций
В
качестве исходных данных аппроксимации
задается таблично заданная функция fi
для дискретного набора аргументов
xi,
.
При аппроксимации известна кривая,
которая должна покрывать набор табличных
значений. У этой кривой f(a,x)
неизвестны только параметры a,
которые обеспечивают оптимальное
расположение кривой f(a,x)
относительно табличных данных. Подбор
параметров а осуществляется по
методу наименьших квадратов, в соответствии
с которым:
Минимум этой функции достигается, если производные по всем параметрам аj вектора а равны нулю:
Очень часто используется линейная аппроксимация:
В этом случае нелинейная система уравнений преобразуется к линейной
где:
Для
решения данной задачи необходимо решить
систему линейных алгебраических
уровнений относительно aj
.В случае представления f(a,x)
набором ортогональных функций
матрица
сводится к диагональному виду, так как
=0
для i≠k.
Для ортогональных
величина ak
определяется выражением:
Очень
часто аппроксимируемая функция f(a,x)
называется линией тренда. В частности,
в Excel существует сервис
получения линий тренда для фиксированного
набора функций f(a,x).
Приведем пример получения линии тренда
в среде Excel. Прежде всего
необходимо задать табличные значения
функции
с х в 1-й строке и f
во второй строке (рис. 1.74).
Рис. 1.74. Исходная функциональная зависимость
По этим даны далее необходимо построить точечный график. Для этого выделяем исходные данные (рис. 1.74) в выбираем меню Вставка | Диаграмма. В процессе диалога Мастера (рис. 1.75) выбираем точечную диаграмму и далее (рис. 1.76) заполняем поля надписей диаграммы.
Рис. 1.75. Окно Мастера для выбора типа диаграммы
В конце диалогового режима с Мастером будет построен точечный график (рис. 1.77).
Рис. 1.76. Заполнение полей надписей диаграммы
Рис. 1.77. Построенный точечный график
Для построения линии тренда необходимо подвести указатель мыши на любую точку графика, что бы высветилась всплывающая подсказка (рис. 1.78) и далее правой клавиши мыши вывести контекстное меню (рис. 1.79). В контекстном меню выбрать пункт Добавить линию тренда. Из предложенных вариантов линий тренда выбрать полиномиальную степени 2 (рис. 1.80). В результате на имеющемся уже точечном графике будет построена оптимальная для этих точек линия тренда (рис. 1.81).
Рис. 1.78. Всплывающая подсказка
Рис. 1.79. Контекстное меню
Рис. 1.80. Из предложенных линий выбираем полиномиальную
Рис. 1.81. Построенная линия тренда
