- •Принятие решений. Виды шкал. Назначение шкал
- •Принятие решений. Алгоритм и пример принятия решений в шкале наименований
- •Принятие решений. Алгоритм и пример принятия решений в порядковой шкале
- •Принятие решений. Алгоритм и пример принятия решений в интервальной шкале
- •Диагностика проблемы
- •Формулировка ограничений и критериев для принятия решений
- •Построение общей интервальной шкалы оценки вариантов
- •В ыбор наилучшего варианта
- •Суп. Работа с фазами проекта Введение (добавление) фаз проекта
- •2.1. Изучить понятия:
- •2.2. Добавление фазы в диаграмме Гантта работ
- •2.3. Добавление фазы в окне иерархии работ
- •2.4. Добавление фазы в сетевой диаграмме.
- •Редактирование фаз
- •3.1. Редактирование фазы в диаграмме Гантта работ
- •Удаление фаз проекта
- •Добавление операций проекта.
- •5.2.Добавление операций проекта в таблице операций
- •5.3. Добавление операций проекта в сетевой диаграмме
- •6.1. Редактирование операций в диаграмме Гантта работ
- •6.2. Редактирование операций в сетевой диаграмме
- •6.3. Редактирование операций в таблице операций
- •7.1. Удаление операций в диаграмме Гантта работ
- •7.2. Удаление операций в таблице операций
- •7.3. Удаление операций в сети работ
- •Перемещение операций в диаграмме Гантта
- •8.2. Перемещение операций в сетевой диаграмме
- •Из окна диаграммы Гантта работ или
- •Из окна сетевой диаграммы.
- •Суп. Работа со связями в проекте
- •Суп. Работа с материалами в проекте Добавление материалов в таблице материалов
- •Удаление материалов в таблице материалов
- •Суп. Работа со стоимостными составляющими в проекте Добавление стоимостных составляющих в таблице стоимостных составляющих
- •Редактирование стоимостных составляющих в таблице стоимостных составляющих
- •Суп. Работа с ресурсами в проекте Добавление ресурсов
- •Добавление ресурсов в диаграмме Гантта ресурсов
- •Добавление ресурсов в таблице ресурсов
- •Редактирование ресурсов
- •Редактирование ресурсов в диаграмме Гантта ресурсов
- •Редактирование ресурсов в таблице ресурсов
- •Удаление ресурсов
- •Удаление ресурсов в диаграмме Гантта ресурсов
- •Удаление ресурсов в таблице ресурсов
- •Перемещение ресурсов в диаграмме Гантта ресурсов
- •Суп. Стандарт суп. Классификация и назначение документов проекта
- •Суп. Иерархия работ
- •Суп. Гантт работы
- •Суп. Гантт ресурсы
- •Суп. Сетевая диаграмма
- •Суп. Календарное планирование
- •Суп. Расчет расписания без ограничений на ресурсы
- •Суп. Расчет расписания с автоматическим выравниванием ресурсов
- •Суп. Расчет расписания с ручным выравниванием ресурсов
- •Нейронные сети. Формирование исходных данных для обучения
- •Нейронные сети. Управление параметрами обучения
- •Нейронные сети. Управление параметрами структуры
- •Нейронные сети. Задача распознавания образов
- •Нейронные сети. Задача аппроксимации
- •Нейронные сети. Режимы функционирования сети (обучение и применения)
- •Нейронные сети. Режимы функционирования сети (первоначальное обучение и дообучение)
- •Нейронные сети. Алгоритм обучения сети
- •Нейронные сети. Прогнозирование.
- •Экспертные системы. Назначение. Обобщенная структура.
- •Экспертные системы. Этапы разработки.
Нейронные сети. Задача аппроксимации
Аппроксима́ция, или приближе́ние — научный метод, состоящий в замене одних объектов другими, в том или ином смысле близкими к исходным, но более простыми.
Аппроксимация позволяет исследовать числовые характеристики и качественные свойства объекта, сводя задачу к изучению более простых или более удобных объектов (например, таких, характеристики которых легко вычисляются, или свойства которых уже известны).
Нейронные сети могут аппроксимировать непрерывные функции. Доказана обобщённая аппроксимационная теорема[14]: с помощью линейных операций и каскадного соединения можно из произвольного нелинейного элемента получить устройство, вычисляющее любую непрерывную функцию с некоторой наперёд заданной точностью. Это означает, что нелинейная характеристика нейрона может быть произвольной: от сигмоидальной до произвольного волнового пакета или вейвлета, синусаили многочлена. От выбора нелинейной функции может зависеть сложность конкретной сети, но с любой нелинейностью сеть остаётся универсальным аппроксиматором и при правильном выборе структуры может достаточно точно аппроксимировать функционирование любого непрерывного автомата.
Нейронные сети. Режимы функционирования сети (обучение и применения)
В процессе обучения сеть в определенном порядке просматривает обучающую выборку. Порядок просмотра может быть последовательным, случайным и т. д. Некоторые сети, обучающиеся без учителя, например, сети Хопфилда просматривают выборку только один раз. Другие, например, сети Кохонена, а также сети, обучающиеся с учителем, просматривают выборку множество раз, при этом один полный проход по выборке называется эпохой обучения. При обучении с учителем набор исходных данных делят на две части — собственно обучающую выборку и тестовые данные; принцип разделения может быть произвольным. Обучающие данные подаются сети для обучения, а проверочные используются для расчета ошибки сети (проверочные данные никогда для обучения сети не применяются). Таким образом, если на проверочных данных ошибка уменьшается, то сеть действительно выполняет обобщение. Если ошибка на обучающих данных продолжает уменьшаться, а ошибка на тестовых данных увеличивается, значит, сеть перестала выполнять обобщение и просто «запоминает» обучающие данные. Это явление называется переобучением сети или оверфиттингом. В таких случаях обучение обычно прекращают. В процессе обучения могут проявиться другие проблемы, такие как паралич или попадание сети в локальный минимум поверхности ошибок. Невозможно заранее предсказать проявление той или иной проблемы, равно как и дать однозначные рекомендации к их разрешению.
Нейронные сети. Режимы функционирования сети (первоначальное обучение и дообучение)
Режим первоначального обучения обеспечивается при каждом новом входе в пакет, если после работы в пакете вышли из него без сохранения. В этом режиме значения весовых коэффициентов всегда принадлежат заданному начальному интервалу [-1, 1], причем выбор их осуществляется произвольно и при повторном входе набор практически не повторяется.
Режим до обучения (продолжения обучения) предполагает, что НС обучалась, при этом изменилось значение весовых коэффициентов относительно начальных значений. Процесс обучения был остановлен.