НАХОЖДЕНИЕ И КОРРЕКТИРОВКА СЛУЧАЙНЫХ ВОЗМУЩЕНИЙ В ЧИСЛОВОМ N-МЕРНОМ ПРОСТРАНСТВЕ

В качестве решения, например, может быть применён, например, метод нейросетевого анализа. При этом, важно правильно выбрать архитектуру и построить "обучение" сети. Данный метод является одним из приоритетных при условии, что n - достаточно велико. Тогда обучение сети можно осуществить автоматизированным методом и точность определения будет достаточно высока. Однако, при небольшом количестве рядов точность определения будет недостаточной, количество ложных сpaбатываний будет в разы больше чем верных.
Другим подходом к решению поставленной задачи может быть метод варьирования (полного перебора) и выявления влияния друг на друга при помощи методов приближённых вычислений. Однако все эти методы требуют достаточного большого количества операций, и при большом количестве вариантов время поиска будет велико. Причём будет расти не линейно, и не даже квадратично. Например, при количестве параметров m, количество проверяемых вариантов при глубине поиска в две переменных - m2+2*m4. При этом если параметр является переменной от 3 других параметров, то зависимость не будет найдена. Следовательно, метод варьирования будет эффективен только для рядов с небольшим количеством параметров.
Становится ясно, что способ нейросетевого анализа имеет жёсткие ограничения на количество рядов, а метод варьирования имеет жесткие ограничения на длину ряда. Необходим метод, который допустимо хорошо работал бы с любыми входными данными в рамках заданных ограничений. При этом время работы алгоритма должно быть линейным или сравнимо с линейным.
Рассмотрим задачу поиска искажений входные данные на примере матрицы чисел m*n, где m - количество параметров, а n - количество однородных (однотипных) рядов. К данным таблицы предъявляется два условия - первое состоит в том, что некоторые величины построчно коррелируют друг с другом или являются функцией других параметров, второе - что большинство чисел (более 95 % например) - корректные. Требуется отыскать точки (элементы) матрицы, в которых имеют место нелогичные возмущения. При этом правила зависимости (функции) одних параметров от других существуют, но неизвестны. Возможно решение одной из двух задач.
Первая задача, более простая, - отыскание точек случайных возмущений в матрице без выявления зависимостей параметров друг от друга. Вторая задача, комплексная, - нахождение зависимостей параметров друг от друга и отыскание точек случайных возмущений в матрице.
Предлагается использовать модифицированный метод варьирования. Его суть состоит в следующем - рассматриваем каждый столбец как параметр некой функции. Рекурсивно разбиваем все параметры по интервалам, и для каждого интервала формируем результирующий параметр. Причём результирующий параметр не может быть аргументом функции. Идём при помощи объединений от простейшей функции - функции одного аргумента. Если выявлено влияние одного параметра на другой, то исключаем один из них из дальнейшего просмотра, уменьшая количество параметров для дальнейшего просмотра. Найденные зависимости помещаем в стек, чтобы впоследствии начать рассмотрение с зависимостей с максимальным числом параметров.
Для определения зависимости параметров от результата используется следующий метод - представим данные каждого ряда как точку функции. Для матрицы рассматривается двухмерный вид - точка на плоскости. Тогда точки, которые выбиваются из графика функции и являются точками возмущения. Рассмотрим простейший пример:
Входные данные:
|
|
a |
b |
c |
|
1 |
1 |
5 |
5 |
|
2 |
2 |
10 |
8 |
|
3 |
7 |
35 |
5 |
|
4 |
3 |
15 |
8 |
|
5 |
6 |
30 |
5 |
|
6 |
9 |
45 |
11 |
|
7 |
5 |
25 |
8 |
|
8 |
4 |
15 |
9 |
|
9 |
11 |
55 |
3 |
График 1. Линейная зависимость a от b
Необходимо выявить и исправить ошибку в переменной b в восьмом ряду. Построим линейную зависимость a от b.
Из графика 1 чётко видно возмущение в точке №8.
Для линейной зависимости поиск зависимостей не составляет сложности. Для нелинейных случаев необходимо уже применение методов отыскания новой точки функции по уже известным. Для этого добавляем информацию обо всех точках в информационную таблицу приближённой функции b= (a). Информация об ошибочных точках также попадает, но она не вносит сильного искажения, так как количество таких точек невелико, и вес каждой из них будет невелик. Далее производим поиск для каждой точки, при помощи, например, сплайн функций, далее вычисляем:
, и получаем приближённое значение для каждой точки b. Далее вычисляем коэффициент расхождения k:
Далее, для каждой точки рассчитываем
Если , то с достоверностью можно утверждать, что точка ошибочная.
Проведя анализ для всех точек всех рядов, получаем искомые точки за линейное время.
Работа представлена на научную конференцию с международным участием «Секция молодых ученых, студентов и специалистов», Тунис, 12-19 июня 2005 г. Поступила в редакцию 28.04.2005 г.
Статья в формате PDF
122 KB...
12 06 2026 12:24:37
Статья в формате PDF
369 KB...
11 06 2026 23:19:58
Статья в формате PDF
117 KB...
10 06 2026 23:43:57
Статья в формате PDF
107 KB...
09 06 2026 8:24:29
Статья в формате PDF
119 KB...
08 06 2026 15:31:52
Статья в формате PDF
254 KB...
07 06 2026 15:19:18
Статья в формате PDF
127 KB...
06 06 2026 10:31:17
Обзор состояния кормления и причин падежа молодняка лисиц в ООО «Покровское зверохозяйство» Республики Саха (Якутия) в 2010 г.
...
05 06 2026 17:57:35
Статья в формате PDF
114 KB...
04 06 2026 23:56:49
Статья в формате PDF
244 KB...
03 06 2026 10:26:51
Статья в формате PDF
135 KB...
02 06 2026 7:15:16
Статья в формате PDF
125 KB...
31 05 2026 13:18:46
Статья в формате PDF
112 KB...
30 05 2026 8:49:31
Статья в формате PDF
118 KB...
28 05 2026 7:51:41
Статья в формате PDF 253 KB...
27 05 2026 12:56:33
На основании изучения особенностей трудовой деятельности железнодорожников, учитывая современные принципы оптимального питания, были сформулированы основные требования к ассортименту продуктов лечебно-профилактического питания работников железнодорожных профессий. Даны рекомендации по организации рационального питания. Изучены требования к ассортименту при приготовлении мяса, мясопродуктов, птицы, рыбы, а так же молочных продуктов, круп мучных изделий, хлеба, овощей и фруктов. Представлена информация по пищевой ценности овощей и фруктов и классификация жиров.
...
26 05 2026 2:29:31
Рассмотрена экономико-математическая модель конкуренции двух фирм на однородном рынке сбыта. Приводится формулировка соответствующей задачи Коши для системы обыкновенных дифференциальных уравнений первого порядка, описывающей динамику развития системы, которая может быть легко обобщена на случай произвольного количества конкурирующих предприятий. Дана экономическая интерпретация полученных результатов.
...
23 05 2026 21:32:59
22 05 2026 17:27:47
Статья в формате PDF
107 KB...
21 05 2026 22:16:10
Статья в формате PDF
281 KB...
20 05 2026 18:49:43
Статья в формате PDF
108 KB...
17 05 2026 7:29:53
Статья в формате PDF
170 KB...
16 05 2026 22:24:44
Статья в формате PDF
264 KB...
15 05 2026 19:33:39
Статья в формате PDF
108 KB...
14 05 2026 4:31:32
Статья в формате PDF
105 KB...
13 05 2026 11:34:19
Статья в формате PDF
230 KB...
12 05 2026 22:33:48
Статья в формате PDF
180 KB...
11 05 2026 7:11:40
Статья в формате PDF
110 KB...
10 05 2026 12:52:46
риведены геологические, геохимические и петрологические данные по шошонитовым гранитоидам Тигирекского массива Алтая. В составе массива выделены 5 фаз: 1 – габбро; 2 – диориты, монцодиориты; 3 − сиениты, гранодиориты, граносиениты; 4 – граниты, умеренно-щелочные граниты; 5 – лейкограниты, умеренно-щелочные лейкограниты с флюоритом. Породные типы массива отнесены к нормальной известково-щелочной и высококалиевой шошонитовой сериям. Сиениты и монцодиориты тяготеют по составу к банакитам. В процессе становления массива проихсодила диффреренциация глубинного очага с фpaкционированием редкоземельных элементов, что отразилось на соотношении в породах элементов групп LILE и HFSE со значительной деплетированностью последних. В породах происходила смена типа тетрадного фpaкционрования редкоземельных элементов, что связано с различной насыщенностью расплавов флюидами и летучимим компонентами. С массивом связаны месторождения и проявления железа, вольфрамаа, молибдена, бериллия, аквамарина, горного хрусталя и раухтопаза.
...
09 05 2026 9:50:45
Статья в формате PDF 252 KB...
08 05 2026 5:42:33
Статья в формате PDF
145 KB...
07 05 2026 20:58:11
Статья в формате PDF
126 KB...
06 05 2026 22:58:43
Статья в формате PDF
300 KB...
05 05 2026 13:41:25
Статья в формате PDF
121 KB...
04 05 2026 6:24:14
Еще:
Поддержать себя -1 :: Поддержать себя -2 :: Поддержать себя -3 :: Поддержать себя -4 :: Поддержать себя -5 :: Поддержать себя -6 :: Поддержать себя -7 :: Поддержать себя -8 :: Поддержать себя -9 :: Поддержать себя -10 :: Поддержать себя -11 :: Поддержать себя -12 :: Поддержать себя -13 :: Поддержать себя -14 :: Поддержать себя -15 :: Поддержать себя -16 :: Поддержать себя -17 :: Поддержать себя -18 :: Поддержать себя -19 :: Поддержать себя -20 :: Поддержать себя -21 :: Поддержать себя -22 :: Поддержать себя -23 :: Поддержать себя -24 :: Поддержать себя -25 :: Поддержать себя -26 :: Поддержать себя -27 :: Поддержать себя -28 :: Поддержать себя -29 :: Поддержать себя -30 :: Поддержать себя -31 :: Поддержать себя -32 :: Поддержать себя -33 :: Поддержать себя -34 :: Поддержать себя -35 :: Поддержать себя -36 :: Поддержать себя -37 :: Поддержать себя -38 ::