- •Теоретическая
- •Исходные понятия
- •Измерительные шкалы
- •Пример бальной экспертизы подготовленности студента
- •Физические величины
- •Исходные понятия
- •Исходные понятия
- •Цели экспериментирования
- •Разновидности экспериментов и описывающих их моделей
- •Разновидности экспериментов и описывающих их моделей
- •Разновидности экспериментов и описывающих их моделей
- •Модели (структуры) данных
- •Модели (структуры, представления) знаний
- •Интеллектуальный анализ данных
- •Структура методов и средств исследования материальных объектов и экспериментирования с ними
- •Понятие о планировании экспериментов (Планирование в условиях априорной неопределенности)
- •Планирование экспериментов в условиях частичной априорной неопределенности
- •Разновидности выборок объема n из генеральной совокупности (гс)
Разновидности экспериментов и описывающих их моделей
1. Назначение эксперимента при построении модели |
поверочное (априорные модели) |
исходное (апостериорные модели) | |
|
|
| |
2. Сходство физических носителей модели и оригинала |
одной природы (идентичные модели)
|
разной природы (аналоговые, машинные) | |
один и тот же (натурные) |
однородные по природе (физические, биологические, химические,… ) |
Разновидности экспериментов и описывающих их моделей
3. Характер исходных данных |
Экспериментальные данные – – единственный источник (эмпирические) |
Разум – единственный источник (рационалистические) |
|
|
|
4. Использование моделей в эксперименте |
Пассивные (отражательные) |
Активные (имитационные) |
Разновидности экспериментов и описывающих их моделей
5. Реальные |
— |
проводимые на самом деле, в реальном действии |
Мысленные |
|
а) придуманные, воображаемые, не имеющие реальной реализации; б) связанные с мысленным извлечением выборки из генеральной совокупности |
6. Однородные |
— |
проводимые с одним и тем же объектом в тех же условиях (для реальных экспериментов); |
|
— |
связанные с одной и той же генеральной совокупностью (для мысленных экспериментов) |
Неоднородные |
— |
не относящиеся к однородным |
Модели (структуры) данных
ЛИНЕЙНЫЕ (указатели элементов не зависят от условий) или НЕЛИНЕЙНЫЕ | ||
ИЕРАРХИЧЕСКИЕ |
– |
набор вершин и узлов (вуз – факультеты – потоки – группы – студенты) |
СЕТЕВЫЕ |
– |
модели ориентированных графов (узловые понятия и связи между ними) |
ТАБЛИЧНЫЕ (РЕЛЯЦИОННЫЕ) |
– |
табличное представление (строки, столбцы, отношения – реляции) |
СЕМАНТИЧЕСКИЕ |
– |
упорядочение по смыслу |
ДРУГИЕ |
|
|
Модели (структуры, представления) знаний
ПРОДУКЦИОННЫЕ |
– |
описание и правила вывода (если <условие>, то <заключение>) |
СЕТЕВЫЕ |
– |
ориентированные графы: вершина – понятие (объект, процесс, ситуация), ребра – отношения типа «это есть», «принадлежать», «быть причиной», «входить в», «состоять из», «быть как» и т.п. |
ФРЕЙМОВЫЕ |
– |
описание класса однотипных объектов с помощью фреймов – квантов знаний, их концентраторов, специальных ячеек (шаблонных понятий) фреймовой сети |
ЛОГИЧЕСКИЕ |
– |
основаны на алгебре высказываний и предикатов, системе аксиом этой алгебры и ее правилах выводов |
Интеллектуальный анализ данных
Разновидность анализа, отличающаяся использованием естественного и/или искусственного интеллекта для выявления, получения «дополнительной» информации из тех же <данных> по сравнению с той, которая получается при применении только строго формализуемых технологических операций анализа
ИАД-1:
|
ИАД-2:
Извлечение знаний из <данных> /Data-Based Knowledge (DBK)/ с помощью интеллектуальных инструментальных средств анализа /Business Intelligence Tools – BIT/ из хранилища <данных> /Data Warehouse – DW/.
Получение новых знаний об объекте на основе извлеченных при ИАД-1 знаний-1, виртуальных <данных> и естественного и/или искусственного интеллекта.
Управление знаниями – систематическое приобретение, синтез, обмен и использование информации, идей, опыта для достижения своих целей.
ИАД-3:
Традиционный анализ <данных> с предшествующим ему или совмещенным с ним поиском, выбором, синтезом моделей, методов, средств, технологий сбора, обработки, анализа и интерпретации с учетом поставленных целей и ограничений.
Вариативное (вариантное) моделирование, в том числе вектор-моделирование, и поливариантный выбор других средств моделирования.
Самоорганизация моделей.
Когнитивное моделирование.
Автоматизация синтеза моделей, алгоритмов, техпроцессов и т.п.