Поиск

Полнотекстовый поиск:
Где искать:
везде
только в названии
только в тексте
Выводить:
описание
слова в тексте
только заголовок

Рекомендуем ознакомиться

Информатика->Дипломная работа
Данная работа посвящена разработке функциональной модели ФОМС Для этого был проведен сбор и анализ информации, используемой в ФОМС Так же был произвед...полностью>>
Информатика->Контрольная работа
На даний момент велика роль в розвитку сучасного світу відводиться підвищенню технічного рівня обчислювальної техніки, пристроїв і засобів автоматизац...полностью>>
Информатика->Курсовая работа
В данній курсовій роботі розглядаються методи чисельного розв’язання звичайних диференціальних рівнянь з початковими умовами Ілюстрацією є програма на...полностью>>
Информатика->Курсовая работа
В даній курсовій роботі розроблено комплекс програм для застосування точного рiвняння Ейлера-Бернулi для великих деформацiй бруса, а саме для обчислен...полностью>>

Главная > Реферат >Информатика

Сохрани ссылку в одной из сетей:

Оглавление

Оглавление 2

1.ВВЕДЕНИЕ 3

2. ТЕОРЕТИЧЕСКАЯ ЧАСТЬ 4

2.1. История развития. 4

2.2. Основные понятия. 5

2.3. Основные задачи. 6

2.4. Пакет Квазар. 8

2.4.1. Подготовка данных для пакета КВАЗАР. 8

2.4.2.Структура входного файла. 8

2.4.3. Методические рекомендации по решению задач с помощью пакета КВАЗАР. 9

2.4.4.Формирование обучающей и проверочной выборок. 10

2.4.5.Задачи классификации, диагностики и прогнозирования. 11

3.ПРАКТИЧЕСКАЯ ЧАСТЬ 12

АНАЛИЗ ИНФОРМАТИВННОСТИ ПРИЗНАКОВ 14

Информационные веса признаков (в относит. единицах): 14

------------------------------------------------------------------------------- 14

Признак : 12 5 3 14 10 13 11 7 6 4 14

------------------------------------------------------------------------------- 14

Инф. вес: 1.000 0.936 0.891 0.707 0.672 0.598 0.551 0.493 0.243 0.143 14

------------------------------------------------------------------------------- 14

------------------------------------------------------------------------------- 14

Признак : 2 9 1 8 14

------------------------------------------------------------------------------- 14

Инф. вес: 0.075 0.052 0.025 0.000 14

------------------------------------------------------------------------------- 14

Остальные таксоны единичные. 15

Таксономия при RO = 0.514 15

*Таксон 1: 2, 3, 5, 6, 7, 10, 11, 12, 13, 14. 15

Остальные таксоны единичные. 15

Таксономия при RO = 0.430 15

Все признаки вошли в один таксон. 15

Вывод: по результатам таксономии выявлено, что наиболее общие свойства и признаков 3, 14. 15

3.3.2. Второй поток студентов. 16

АНАЛИЗ ИНФОРМАТИВННОСТИ ПРИЗНАКОВ 18

Информационные веса признаков (в относит. единицах): 18

------------------------------------------------------------------------------- 18

Признак : 15 6 5 3 14 12 8 2 10 9 18

------------------------------------------------------------------------------- 18

Инф. вес: 1.000 0.959 0.838 0.807 0.764 0.754 0.741 0.693 0.620 0.484 18

------------------------------------------------------------------------------- 18

------------------------------------------------------------------------------- 18

Признак : 13 7 11 1 4 18

------------------------------------------------------------------------------- 18

Инф. вес: 0.472 0.417 0.292 0.251 0.000 18

------------------------------------------------------------------------------- 18

3.ЗАКЛЮЧЕНИЕ 24

4.ЛИТЕРАТУРА 25

  1. ВВЕДЕНИЕ

Распознавание образов представляет собой раздел кибернетики, связанный с моделированием некоторых творческих аспектов мыслительной деятельности чело­века, таких, в частности, как способность узнавать (клас­сифицировать) предметы и явления окружающего мира, формировать новые понятия и т. д. Методы распозна­вания образов получают широкое распространение как при решении чисто «человеческих» задач, таких, как распознавание зрительных, речевых и слуховых об­разов, так и для задач, нетривиальных для человека. Чаще всего эти задачи связаны с обработкой ряда из­мерений (параметров), зависимость между которыми неизвестна и число которых достигает десятка и более. К числу таких задач относятся, в частности, задачи технической и медицинской диагностики, некоторые задачи прогнозирования. Наибольшую трудность при их решении составляет, по-видимому, форма представления информации в виде чисел, которая неудобна и непривычна для человека

Целью данной курсовой работы является прогнозирование результатов учебы студентов с помощью методов ИИ. Для достижения цели необходимо решить следующие задачи:

  • Изучить теоретический материал по данной теме;

  • Собрать данные и проанализировать их с помощью программы «КВАЗАР»;

  • Составить прогноз об успеваемости студентов.

Входными данными являются результаты тестирований студентов и материалы практического занятия на данную тему задания.

2. ТЕОРЕТИЧЕСКАЯ ЧАСТЬ

2.1. История развития.

Распознавание образов представляет собой раздел кибернетики, связанный с моделированием некоторых творческих аспектов мыслительной деятельности чело­века, таких, в частности, как способность узнавать (клас­сифицировать) предметы и явления окружающего мира, формировать новые понятия и т.д.

Методы распозна­вания образов получают широкое распространение как при решении чисто «человеческих» задач, таких, как распознавание зрительных, речевых и слуховых об­разов, так и для задач, нетривиальных для человека. Чаще всего эти задачи связаны с обработкой ряда из­мерений (параметров), зависимость между которыми неизвестна и число которых достигает десятка и более. Наибольшую трудность при их решении составляет, по-видимому, форма представ­ления информации в виде чисел, которая неудобна и непривычна для человека.

На начальном этапе работы над проблемой распознавания было потрачено много усилий на попытки построить процесс распознавания, используя понятие «образ». Они сводились, сознавая условность классификаций, к следующим направлениям:

  1. Изучение образа как такового с целью выяснить, что представляют собой образы разных типов, какова их структура;

  2. Построение системы распознавания на основе имитации способностей человека.

В первом подходе основной массив составили работы, авторы которых считали, что процесс решения плохо формализованных задач на ЭВМ должен моделировать основные аспекты процесса мышления. Представители второго подхода исходили из посылки, что, несмотря на отсутствие модели того, как человек решает задачу, и несмотря на отсутствие адекватной математической модели реальной ситуации, можно, опираясь на здравый смысл, строить алгоритмы, которые реализуют нужный процесс преобразования информации. К середине 1970-х годов сформировались параметрические семейства алгоритмов, которые принято называть моделями алгоритмов распознавания. Решение практических задач свелось к «настройке параметров», т.е. к решению проблемы выбора значений параметров, выделяющих из семейства оптимальный для данной задачи алгоритм. В настоящее время сформировались общие для обоих подходов задачи и принципы их решения.

2.2. Основные понятия.

Распознавание образов, научное направление, связанное с разработкой принципов и построением систем, предназначенных для определения принадлежности данного объекта к одному из заранее выделенных классов объектов. Под объектами в Р. о. понимают различные предметы, явления, процессы, ситуации, сигналы. Каждый объект описывается совокупностью основных характеристик (признаков, свойств) Х =(x1, ..., x i , ..., x n), где i-я координата вектора Х определяет значения i характеристики, и дополнительной характеристикой S, которая указывает на принадлежность объекта к некоторому классу (образу).

Одним из основных понятий в теории распознавания является образ. Образ (класс) – множество всех объектов, сходных друг с другом в каком-либо фиксированном отношении. Распознать объект или образ объекта – значит указать, к какому образу он относится. Методы распозна­вания образов получают широкое распространение как при решении чисто «человеческих» задач, таких, как распознавание зрительных, речевых и слуховых об­разов, так и для задач, нетривиальных для человека. Чаще всего эти задачи связаны с обработкой ряда из­мерений (параметров), зависимость между которыми неизвестна и число которых достигает десятка и более. Наибольшую трудность при их решении составляет, по-видимому, форма представ­ления информации в виде чисел, которая неудобна и непривычна для человека. Распознавание объекта производится при по­мощи решающего правила, которое может быть получено на этапе обучения, предшествую­щем распознаванию. Решающее правило может пред­ставлять собой некоторую разделяющую (дискриминантную) функцию или систему дискриминантных функций (в случае числа образов k>2). Обучающая выборка — это множество объ­ектов, которыми образы представлены при обучении, т. е. это объединение некоторых подмножеств рассмат­риваемых образов. Экзаменующая (прове­рочная) выборка — множество объектов, на которых проверяются результаты обучения.

Признак — описание того или иного свойства объекта. Признаки могут быть как количественными, так и качественными. При решении задачи распозна­вания имеют дело не непосредственно с реальными объектами, а с векторами из Rn, моделирующими эти объекты. При этом каждая компонента моделирующего вектора представляет собой значение соответствующего признака. В геометрической интерпретации образ отож­дествляется с областью многомерного пространства при­знаков, каждая точка которой соответствует конкретной реализации этого образа.

2.3. Основные задачи.

Одна из основных задач Р. о. - выбор правила (решающей функции) D, в соответствии с которым по значению контрольной реализации Х устанавливается её принадлежность к одному из образов, т. е. указываются "наиболее правдоподобные" значения характеристики S для данного Х. Выбор решающей функции D требуется произвести так, чтобы стоимость самого распознающего устройства, его эксплуатации и потерь, связанных с ошибками распознавания, была минимальной. Примером задачи Р. о. этого типа может служить задача различения нефтеносных и водоносных пластов по косвенным геофизическим данным. По этим характеристикам сравнительно легко обнаружить пласты, насыщенные жидкостью. Значительно сложнее определить, наполнены они нефтью или водой. Требуется найти правило использования информации, содержащейся в геофизических характеристиках, для отнесения каждого насыщенного жидкостью пласта к одному из двух классов - водоносному или нефтеносному. При решении этой задачи в обучающую выборку включают геофизические данные вскрытых пластов.

В соответ­ствии с большинством классификаций можно выделить три наиболее распространенных типа задач распозна­вания образов:

  1. Задачи обучения по прецедентам, называемые также задачами «обучения с учителем», или дискриминантного анализа:

Имеется множество объектов (ситуаций) и множество возможных ответов (откликов, реакций). Существует некоторая зависимость между ответами и объектами, но она не известна. Известна только конечная совокупность прецедентов — пар «объект, ответ», называемая обучающей выборкой. На основе этих данных требуется восстановить зависимость, то есть построить алгоритм, способный для любого объекта выдать достаточно точный ответ. Для измерения точности ответов определённым образом вводится функционал качества;

  1. Задачи таксономии (автоматической классификации, кластер - анализа):

Предположим, что известны n1 наблюдений из генеральной совокупности A1, n2 наблюдений из генеральной совокупности А2 и т.д., nm наблюдений из генеральной совокупности Am, m³ 2. Дана также выборка z = (z1, ..., z). Задача Р. о. состоит в определении, какой из генеральных совокупностей A j, j = 1, 2,..., m , принадлежит выборка z. При этом обычно принимается предположение о том, что распределения P (Ї) совокупностей A j принадлежат некоторому семейству {P (Q, ’)} распределений, зависящих от векторного параметра Q, так что P j (’) = Р (Q j,Ї), где Q j неизвестны.

Если заданы потери L i j, которые несёт наблюдатель, относя выборку 2 к совокупности (образу) A j, когда она на самом деле принадлежит A i, то сформулированная задача может рассматриваться и решаться с помощью методов теории статистических игр [стратегией природы здесь является набор (Q1, ..., Q m, j), где j указывает номер совокупности, к которой относится z]. В этом случае возможно отыскание оптимальных "решающих функций", минимизирующих в том или ином смысле потери наблюдателя;

  1. Задачи выбора информативных признаков из за­данной системы описания объектов.

Успех в решении задачи распознавания образов зависит в значительной мере от того, насколько удачно выбраны признаки Х. Исходный набор характеристик часто бывает очень большим. В то же время приемлемое правило должно быть основано на использовании небольшого числа признаков, наиболее важных для отличения одного образа от другого. Так, в задачах медицинской диагностики важно определить, какие симптомы и их сочетания (синдромы) следует использовать при постановке диагноза данного заболевания. Поэтому проблема выбора информативных признаков - важная составная часть проблемы распознавания образов.



Загрузить файл

Похожие страницы:

  1. Прогнозирование и повышение финансовой устойчивости предприятия в современных условиях

    Курсовая работа >> Экономика
    ... прогнозированием. Сущность процесса прогнозирования состоит в том, что исследователь с помощью определенного метода ... ИО, тыс. руб. 4028 3672 91,16 -356 Финансовый результат ... 439 с. Лапыгин Ю. Н. Экономическое прогнозирование: учеб. пособие / Ю. Н. Лапыгина, ...
  2. ... методы диагностики тяговых трансформаторов железных дорог и построение экспертной системы для обработки результатов ...

    Дипломная работа >> Физика
    ... методов диагностики технического состояния силовых трансформатора является возможность проведения с их помощью ... результатов ТВО должна осуществляться оценка выявленного дефекта и прогнозирование ... ИИ ... студентов ... железнодорожного транспорта: Учеб. Для вузов ...
  3. Анализ финансовых результатов в деятельности предприятия

    Реферат >> Финансы
    ... помощью ... прогнозирование возможных финансовых результатов ... студент при желании найдет различные определения понятия «фи­нансовый результат» ... хозяйственной деятельности: Учеб. М.: ... ИО «ЮНИТИ»,2004. Кретина М.Н. Финансовое состояние предприятия. Методы ...
  4. Анализ финансовых результатов деятельности предприятия (11)

    Реферат >> Бухгалтерский учет и аудит
    ... и прогнозирование их величины ... были использованы методы: структурно-динамический ... результаты выступают объектом, с помощью ... результата на 100, т.е. по формуле: DПП (ио ... А.М., Вжулова Е.В. Бухгалтерский учет: Учеб. пособие. М.: Андросов. 2000, ... студентов ...
  5. шпоры по социальной педагогике 2008 год

    Шпаргалка >> Педагогика
    ... в восп-ии и обр-ии предполагает, ... помощью поощрения за успехи в учебе и регулирования сложности последующих шагов; 6) улучшение условий учебы. Прогнозирование ... сфере подготовки студентов к со­циально- ... результатов. Подведение итогов. К традиционным методам ...

Хочу больше похожих работ...

Generated in 0.0019931793212891