Тысяча полезных мелочей    

НАХОЖДЕНИЕ И КОРРЕКТИРОВКА СЛУЧАЙНЫХ ВОЗМУЩЕНИЙ В ЧИСЛОВОМ N-МЕРНОМ ПРОСТРАНСТВЕ

НАХОЖДЕНИЕ И КОРРЕКТИРОВКА СЛУЧАЙНЫХ ВОЗМУЩЕНИЙ В ЧИСЛОВОМ N-МЕРНОМ ПРОСТРАНСТВЕ

Вериго С.А. Статья в формате PDF 268 KB В настоящее время для решения многих актуальных задач требуется использование методы поиска случайных возмущений на неком числовом поле. Если законы числового поля заданы, то задача имеет простое решение, и решается за линейное время. Для большинства таких задач быстродействия известных методов вполне достаточно. Если же законы поля неизвестны, или известны лишь частично, то задача многократно усложняется. Для некоторых случаев, ограниченных жёсткими условиями могут быть использованы модификации известных методов.

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.



ЭКОЛОГИЯ КВАРТИРЫ

ЭКОЛОГИЯ КВАРТИРЫ Статья в формате PDF 97 KB...

11 07 2026 3:42:17

НЕКОТОРЫЕ АКТУАЛЬНЫЕ ВОПРОСЫ УРОГЕНИТАЛЬНОЙ ХЛАМИДИЙНОЙ ИНФЕКЦИИ

НЕКОТОРЫЕ АКТУАЛЬНЫЕ ВОПРОСЫ УРОГЕНИТАЛЬНОЙ ХЛАМИДИЙНОЙ ИНФЕКЦИИ В статье представлены актуальные данные о проблеме урогeнитaльного xлaмидиоза. Рассмотрены современные вопросы эпидемиологии, патогенеза и терапии инфекции. ...

09 07 2026 3:12:33

Микробиологические и биофизические исследования трaнcпортируемой воды водовода Астpaxaнь-Мангышлак (оценка качества воды в зимний период)

Микробиологические и биофизические исследования трaнcпортируемой воды водовода Астpaxaнь-Мангышлак (оценка качества воды в зимний период) Одной из наиболее актуальных проблем современности является проблема обеспечения населения качественной питьевой водой. Для решения проблемы деффицита воды Прикаспийского региона в 1989 году был построен водовод «Астpaxaнь-Мангышлак», общей протяженностью 1041 км который берет свое начало из протоки Кигач, расположенной в дельте р. Волга. Биотестирование на дафниях в исходной воде и в воде, трaнcпортируемой по водоводу показало, что процент погибших дафний по сравнению с контролем составляет в зимний период 14%, а в весенний – 20%. В летний период процент погибших дафний явлется наиболее выским – 31,8% и к осени этот показатель снижается до 23,8%. Эти значения меньше 50%, то есть в соответствии с п.3.1.5 РД – 118-02-90 тестируемая вода не оказывает острого токсического действия на дафний. ...

08 07 2026 20:41:31

ВЛИЯНИЕ ВЕГЕТАТИВНОЙ НЕРВНОЙ СИСТЕМЫ НА СОСТОЯНИЕ НЕРВНО-МЫШЕЧНОГО АППАРАТА ПРИ СОЧЕТАННОЙ ПАТОЛОГИИ ВЕРТЕБРОГЕННОЙ С ВИБРАЦИОННОЙ БОЛЕЗНЬЮ У ГОРНОРАБОЧИХ

ВЛИЯНИЕ ВЕГЕТАТИВНОЙ НЕРВНОЙ СИСТЕМЫ НА СОСТОЯНИЕ НЕРВНО-МЫШЕЧНОГО АППАРАТА ПРИ СОЧЕТАННОЙ ПАТОЛОГИИ ВЕРТЕБРОГЕННОЙ С ВИБРАЦИОННОЙ БОЛЕЗНЬЮ У ГОРНОРАБОЧИХ Выявлена дисфункция вегетативной нервной системы с поражением нервно-мышечного аппарата, которая хаpaктеризуется электрофизиологическим полиморфизмом, с поражением нервных стволов у горнорабочих с сочетанной патологией. ...

07 07 2026 22:16:24

Способ измерения и анализа динамики объемного расхода водотока родника

Способ измерения и анализа динамики объемного расхода водотока родника Способ относится к гидрологии суши и инженерной экологии, может быть использовано при экологическом мониторинге антропогенных воздействий на загрязнение родников. Выявлены биотехнические закономерности динамики в реальном режиме времени по суткам два основных показателя (как и в прототипе, период наполнения мерного сосуда и объемный расход родниковой воды), но применительно не к роднику в целом, а только к его отдельным водотокам. Разделение родника на естественные водотоки позволяет расширить функциональные возможности способа и повысить точность измерений.Впервые способ позволяет проводить фундаментальные гидрометрические измерения родника в гидрологической структуре его водотоков. Повышение точности измерений по времени наполнения мерного сосуда секундомером и расчета объемного расхода воды каждым водотоком родника обеспечивается измерениями в реальном режиме времени. ...

06 07 2026 20:38:52

О ПРИРОДЕ ГРАВИТАЦИИ, ИНЕРЦИИ И МАТЕРИИ

О ПРИРОДЕ ГРАВИТАЦИИ, ИНЕРЦИИ И МАТЕРИИ Гравитационные силы обусловлены тем, что в материальные тела поступает энергия из космического прострaнcтва, которая создает давление и увеличивает массу тел. Гипотеза находит подтверждение в виде космологического красного смещения. Возникновение инерционных сил (вопреки теории относительности А. Эйнштейна) наступает вследствие взаимодействия элементарных частиц с эфиром. Проанализирована структура электрона, и на ее основе проведена оценка скорости гравитационных волн, которая оказалась равной 4.7∙108 м/с. ...

20 06 2026 10:36:57

НОВЫЙ ПОДХОД К ИССЛЕДОВАНИЮ ПРИРОДЫ ТЕРРОРИЗМА

НОВЫЙ ПОДХОД К ИССЛЕДОВАНИЮ ПРИРОДЫ ТЕРРОРИЗМА Статья в формате PDF 136 KB...

19 06 2026 2:15:38

К ЗАДАЧЕ О СОЗДАНИИ ПЛАТФОРМЕННЫХ МЕХАНИЗМОВ

К ЗАДАЧЕ О СОЗДАНИИ ПЛАТФОРМЕННЫХ МЕХАНИЗМОВ Статья в формате PDF 505 KB...

17 06 2026 11:27:11

О ЗНАЧЕНИИ НАРУШЕНИЙ ИММУННОГО СТАТУСА В ПАТОГЕНЕЗЕ ХРОНИЧЕСКОГО РЕЦИДИВИРУЮЩЕГО ГЕНИТАЛЬНОГО КАНДИДОЗА

О ЗНАЧЕНИИ НАРУШЕНИЙ ИММУННОГО СТАТУСА В ПАТОГЕНЕЗЕ ХРОНИЧЕСКОГО РЕЦИДИВИРУЮЩЕГО ГЕНИТАЛЬНОГО КАНДИДОЗА Изучены показатели иммунной системы у 36 пациенток с хроническим рецидивирующим кандидозным вульвовaгинитом в период обострения заболевания. Контрольную группу составили 36 здоровых женщин. Выявлен дисбаланс клеточного иммунитета при одновременном снижении функциональной активности гумopaльного звена иммунитета. ...

13 06 2026 15:19:10

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 ::