Помощь в написании студенческих работ
Антистрессовый сервис

Разработка алгоритмов идентификации корреляционной функции периодограммы на основе регуляризирующего байесовского подхода

Диссертация: Разработка алгоритмов идентификации корреляционной функции периодограммы на основе регуляризирующего байесовского подхода
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Цель работы — разработка алгоритмов идентификации нормированной функции автои взаимной корреляции и периодограммы в условиях сложных измерительных ситуаций (недостаточность или полное отсутствие априорной информации об измеряемых параметрах) с помощью регуляризи-гуующего байесовского по л холя. В соответствии с поставленной т те лью на основе известных методов измерения корреляционной функции… Читать ещё >

Разработка алгоритмов идентификации корреляционной функции периодограммы на основе регуляризирующего байесовского подхода (реферат, курсовая, диплом, контрольная)

Содержание

  • 1. Постановка задачи идентификации корреляционной функции И периодограммы в сложной измерительной ситуации
    • 1. 1. Актуальность разработки алгоритмов определения характеристик процессов и их взаимосвязи в задачах идентификации сложных объектов и систем
    • 1. 2. Требования к алгоритмам и средствам идентификации
    • 1. 3. Существующие методы идентификации корреляционной функции и периодограммы
      • 1. 3. 1. Определение значений функций автокорреляции и взаимной корреляции
      • 1. 3. 2. Определение значений нормированных функций авто- и взаимной корреляции
      • 1. 3. 3. Выявление скрытых периодичностей
    • 1. 4. Основные методологические аспекты использования регуляризирую-щего байесовского подхода (РБП) в задачах построения корреляционной функции и периодограммы
    • 1. 5. Существующие средства идентификации корреляционной функции и периодограммы
    • 1. 6. Выводы по главе
  • 2. Разработка алгоритмов построения корреляционной функции на основе РБП
    • 2. 1. Общие принципы синтеза шкал и алгоритмов байесовских интеллектуальных измерений (БИИ)
    • 2. 2. Основные принципы построения нормированной автокорреляционной функции по методологии параметрических БИИ (ПБИИ)
    • 2. 3. Основные принципы построения нормированной взаимной корреляционной функции по методологии ПБИИ
    • 2. 4. Метрологические аспекты идентификации нормированных корреляционных функций на основе БИИ
    • 2. 5. Выводы по главе 2
  • 3. Разработка алгоритмов определения периодов сложных процессов на основе РБП
    • 3. 1. Теоретические вопросы применения РБП для построения периодограмм с помощью линейных селективных преобразований
      • 3. 1. 1. Определение значений пробного периода с применением РБП (первый случай)
      • 3. 1. 2. РБП при оценивании максимума периодограммы (второй случай)
      • 3. 1. 3. Определение значений периодограммы по методологии функциональных БИИ (третий случай)
    • 3. 2. Метрологическое обеспечение алгоритма построения периодограммы с помощью линейных селективных преобразований
    • 3. 3. Применение регуляризирующего байесовского подхода для оценки параметров скрытых периодичностей интегральным преобразованием Фурье (БПФ)
    • 3. 4. Выводы по главе 3
  • 4. Прикладные вопросы применения разработанного алгоритма в задачах экологического мониторинга
    • 4. 1. Информационная технология мониторинга взаимосвязей и цикличности сложных процессов
    • 4. 2. Применение алгоритма на гелио-, геофизических и гидрологических процессах, отражающих функционирование Балтийского моря
    • 4. 3. Выводы по главе 4

Сложность и взаимосвязность характеристик процессов, протекающих в технических и природных объектах, обусловливает необходимость привлечения всей имеющейся информации о них для получения решения об их состоянии. Информация о таких объектах порой бывает недостаточной, неточной и мало достоверной. Это затрудняет использование известных методов для измерения значений контролируемых величин изучаемых процессов. Одним из наиболее важных вопросов является задача определения характеристик связи между свойствами объекта и влияющими факторами среды его окружения. Поэтому при вероятностном представлении модели объекта основным параметром взаимосвязи свойств и процессов является корреляционная функция. А для выяснения хода развития того или иного процесса необходимо знать их периодичность.

Для преодоления указанных трудностей и призвана данная диссертационная работа, в основу которой положена методология регуляризирующего байесовского подхода. Главными достоинствами названного подхода можно назвать:

— минимизацию риска принятия неверного решения;

— возможность принятия решения как на основании экспериментальных данных, так и с использованием интуитивного неформализованного опыта исследователя;

— обеспечение последовательного накопления знаний об исследуемом объекте и постоянное замещение априорной информации апостериорной;

— возможность реализации на базе новых информационных технологий, в том числе экспертных систем;

— обеспеченность результатов измерений метрологическим сопровождением на каждом этапе исследования;

— способность к самообучению и саморазвитию при изменении условий измерения.

Цель работы — разработка алгоритмов идентификации нормированной функции автои взаимной корреляции и периодограммы в условиях сложных измерительных ситуаций (недостаточность или полное отсутствие априорной информации об измеряемых параметрах) с помощью регуляризи-гуующего байесовского по л холя. В соответствии с поставленной т те лью на основе известных методов измерения корреляционной функции и выявления скрытых периодичностей необходимо было разработать методику с использованием регуляризирующего байесовского подхода, удовлетворительно работающую в сложной измерительной ситуации и ориентированную на применение новых информационных технологий в виде методологической базы экспертных систем. Кроме того, в работе ставилась задача метрологического сопровождения разработанных алгоритмов с определением характеристик точности, надежности и достоверности.

При исследованиях использовались математический аппарат теории вероятности, математической статистики, функционального анализа, информации, теории случайных величин и функций, нечетких множеств, высшей алгебры, преобразования Фурье.

Научная новизна диссертационной работы состоит:

— в формулировании требований к задаче определения автои взаимной корреляционной функции в условиях значительной априорной неопределенности;

— в критическом обзоре существующих методов измерения корреляционных функций и вскрытия периодичностей;

— в разработке новых алгоритмов на основе регуляризирующего байесовского подхода, позволяющих определить значения и построить модели корреляционной функции и периодограммы, которые в отличие от традиционных методов обеспечивают получение гарантированных результатов в сложной измерительной ситуации и повышение качества результатов за счет постоянного привлечения новых знаний об объекте измерения и среде его функционирования;

— в обеспечении разработанных алгоритмов полным метрологическим сопровождением, включающем количественные характеристики точности, надежности и достоверности, при их реализации посредством экспертных систем.

Практическую ценность работы обусловливает:

— разработка новой информационной технологии выявления структуры и взаимосвязей сложных объектов;

— реализация рекомендованной инженерной методики в виде блоков экспертной системы «АССИСТЕНТ» ;

— получение конкретных моделей и результатов идентификации автои взаимной корреляционной функции и периодограммы при исследовании ге-лио-, геофизических и гидробиологических процессов, характеризующих функционирование экосистемы Балтийского моря.

Реализация результатов работы состоит в создании на основе разработанных алгоритмов и методик пакета программ в системе Delphi, который был внедрен в практику деятельности Управления «Севзапрыбвод», Лаборатории охотничьего хозяйства и заповедников, государственного геологического предприятия «Удмуртгеология», что подтверждено соответствующими актами о внедрении. Результаты работы использованы при выполнении научно-исследовательских работ, проводимых на кафедре.

Апробация работы проводилась на международной конференции «Белые ночи», проводившейся в июле 1997 года в С-Петербургена научно-технической конференции профессорско-преподавательского состава, проходившей в С-Петербургском государственном электротехническом университете в январе 1997 годана международной конференции «Информационные аспекты реализации принципов устойчивого развития региональных экосистем» (Австрия, июль 1996), на научно-практическом семинаре «Финский залив — 96» (Спб, октябрь 1996) и научных семинарах кафедры информационно-измерительной техники.

По материалам диссертации опубликовано 3 работы. Структура и объем работы. Диссертационная работы изложена на 117 страницах основного машинописного текста, иллюстрирована 39 рисунками и 1 таблицей, состоит из введения, четырех разделов, заключения, списка литературы из 133 наименований и приложения.

4.3. ВЫВОДЫ ПО ГЛАВЕ 4.

1. Представлена информационная технология мониторинга взаимосвязей и цикличности сложных процессов. Для разработанных алгоритмов идентификации корреляционных функций и периодограмм рекомендована инженерная методика, состоящая из ряда последовательных этапов.

2. Разработанная инженерная методика применена в исследовании внутренней структуры и связей природных процессов, протекающих в экосистеме Балтийского моря, что позволило сделать уникальные выводы о приро-дообусловленности современных климатических и биопродукционных процессов.

ЗАКЛЮЧЕНИЕ

.

В диссертационной работе поставлена и решена задача идентификации значений корреляционной функции и периодограммы на основе регуляризирующего байесовского подхода.

Основными результатами научного исследования можно назвать следующие:

1. Представлен критический обзор существующих методов измерения автои взаимной корреляционной функции и периодограммы, который показал, что качество получаемых результатов традиционными методами не отвечает основным требованиям, предъявляемым в современных условиях к алгоритмам и средствам идентификации сложных объектов в условиях измерительной ситуации третьего типа (при наличии значительной априорной неопределенности о свойствах объекта измерения и влияющих факторов среды их функционирования). Поэтому в работе за основу был взят регуляризирующий байесовский подход, позволяющий значительно повысить качество решения в задаче выявления внутренней структуры и взаимосвязей сложных процессов классическими методами.

2. Предложен и разработан новый алгоритм определения нечетких моделей функций автои взаимной корреляции, который обеспечивает получение результатов с гарантированным качеством в сложной измерительной ситуации, характеризующейся неполнотой и зашумленностью априорной информации об исследуемых процессах.

3. Предложена и разработана методика выявления скрытых периодичностей, которая позволяет получить нечеткое решение о виде периодограммы и наличии периодических составляющих в процессах, протекающих в сложных системах.

4. Представлен анализ источников погрешностей при идентификации нормированных корреляционных функций по методологии РБП, что дало возможность определить влияние отдельных составляющих погрешности на результат. Определен необходимый объем выборки при постановке прямой и обратной задачи метрологического анализа и синтеза алгоритмов.

5. При оценивании погрешностей смещения и дисперсии в задаче выявления скрытой периодичности выведены формулы для определения ширины шага поиска пробных периодов и количества разрядов периодограммы, обеспечивающих получение результатов с погрешностями, не выше заданных.

6. Рекомендована общая инженерная методика определения внутренней структуры процесса и взаимосвязности различных процессов между собой, которая представлена в виде информационной технологии получения моделей для периодограмм и нормированных функций автои взаимной корреляции. Это позволяет осуществлять постоянный контроль за качеством получаемых результатов и добиваться получения наилучших оценок путем дополнительного привлечения априорной информации об исследуемом объекте и среде его функционирования.

7. Основные теоретические результаты, положения и утверждения экспериментально проверены на различных гелио-, геофизических и гидробиологических процессах, протекающих в экосистеме Балтийского моря. Для указанных процессов получены результаты идентификации на основе регуляризирующего байесовского подхода в виде значений нормированных автои взаимных корреляционных функций, периодограмм, а также их моделей.

Показать весь текст

Список литературы

  1. С.А., Енюков И. С., Мешалкин Л. Д. Прикладная статистика: Исследование зависимостей. — М.: Финансы и статистика, 1985, — 488с.
  2. Алгоритмы восстановления зависимостей. / Под ред. В. Н. Вапника. -М.: Наука, 1984.-815 с.
  3. В.В. и др. Практикум по вероятностным методам в измерительной технике. СПб: Энергоатомиздат, 1993. — 264 с.
  4. Т. Статистический анализ временных рядов. М.: Мир, 1976.-755 с,
  5. А.Е. Настоящее и будущее Балтики. Спб.: Гидрометео-издат, 1994. — 96 с.
  6. А.Е., Жукова A.B. К вопросу о гелио- и геофизической обусловленности современного снижения биопродуктивности вод Балти-ки//Комплексная оценка состояния и эволюции водных экосистем: Сб. науч. тр. СПб.: Гидрометеоиздат (находится в печати).
  7. А.Е., Жукова A.B., Иванов C.B. Выявление скрытых перио-дичностей некоторых адиабатических процессов//Вопросы проектирования измерительных систем/Известия ТЭТУ: Сб. науч. тр. СПб.: Изд-во СПбГЭТУ (находится в печати).
  8. А.Е., Жукова A.B., Якушев Д. И. О гелиоциклах и уровне солнечной активности на рубеже XX и XXI вв. В сб. тез. докл. Междунар. конф. «Циклы и периоды в природе и обществе», Ставрополь (находится в печати).
  9. П.А. Теория и применение алгоритмических измерений. -М.: Энергоатомиздат, 1990. 256 с.
  10. Дж. Основы теории случайных шумов и ее применения / пер. с англ. М.: Наука, 1965. — 463 с.
  11. Дж., Пирсол А. Измерение и анализ случайных процессов / пер. с англ. М.: Мир, 1971. — 408 с.
  12. Дж., Пирсол А. Прикладной анализ случайных данных / Пер. с англ. М.: Мир, 1989. — 540 с.
  13. Дж., Пирсол А. Приложения корреляционного и спектрального анализа / пер. с англ. М.: Мир, 1982. — 312 с.
  14. И.К. и др. Параметрические адаптивные измерения. -ИКА, 1992, N 1−2, с. 5−9.
  15. Д. Временные ряды. Обработка данных и теория / пер. с англ. М.: Мир, 1980. — 536 с.
  16. Э.И. и др. Метрологическое обеспечение: понятие, термины, определение. // Измерительная техника, 1988, N 4, с. 55−57.
  17. Е.Д., Сирая Т. Н. Структура и взаимосвязь основных этапов измерений. В сб.науч.трудов «Анализ и формализация измерительного эксперимента». -Л.: Энергоатомиздат, 1986, с. 16−22.
  18. В.В., Карпов Е. М. Интеллектуальность и ее мера. В кн. «Информационные проблемы изучения биосферы». — М.: Мир, с. 161 164.
  19. В.А. Архитектура интеллектуального АРМ контроля. // Приборы и системы управления, 1990, N 3, с. 8−16.
  20. В.В., Каримов Р. Н. О выборе шага дискретности по времени при вычислении корреляционных функций случайных процессов И Автоматика и телемеханика, 1967, XXVII, 5.
  21. К.В. Стохастические методы в естественных науках / пер. с англ. М.: Мир, 1971. — 408 с.
  22. .Д. Коррелометры с аппроксимацией. М.: Энергия, 1971.-96 с.
  23. ГОСТ 1. 25−76. ГСС. Метрологическое обеспечение. Основные положения. М.: Изд-во стандартов, 1976.
  24. ГОСТ 16 263–70 ГСИ. Метрология. Термины и определения. М.: Изд-во стандартов, 1970. — 54 с.
  25. ГОСТ 23 222–78. Средства измерений и автоматизация ГСП. Нормируемые метрологические и точностные характеристики. М.: Изд-во стандартов, 1978. — 8 с.
  26. ГОСТ 8. 009−84. ГСИ. Нормируемые характеристики средств измерений. М.: Изд-во стандартов, 1984. — 42 с.
  27. В.А. Динамические измерения: Основы метрологического обеспечения. Л.: Энергоатомиздат, Лен. отд-ние, 1984. — 224 е., ил.
  28. В.А. Метрологическое обеспечение ИИС и АСУ ТП и общие проблемы метрологии. // Измерительная техника, 1977, N 11, с. 17−19.
  29. В.А., Гутнер Л. М. Содержание принципов теории измерений. В сб. науч. тр. «Анализ и формализация измерительного эксперимента», — Л.: ВНИИМ, с. 29−37.
  30. Ю.И., Веселова Г. П., Андреев В. Н. Автоматические цифровые коррелометры. М.: Энергия, 1971. — 240 с.
  31. Р.Г., Губер П. К., Фукс В. Р. Прикладные методы корреляционного и спектрального анализа крупномасштабных океанических процессов. Л.: Изд. ЛГУ, 1973. — 172 с.
  32. Р.Г., Губер П. К. Эмпирический взаимнокорреляцион-ный и взаимноспектральный анализ. Изв. ТИНРСЗ, 1972, N 85.
  33. Д. Методы идентификации систем.- М.: Мир, 1975. 302 с.
  34. ГСИ. Нормирование и использование метрологических характеристик средств измерений: Нормативно-технические документы (ГОСТ 8.984. Методический материал по применению ГОСТ 8.009−84. РД 50−453−84.) М.: Изд-во стандартов, 1985. — 152 с.
  35. В.В. Алгоритмы статистических измерений. М.: Энерго-атомиздат, 1985. — 272 с.
  36. П.К. Способ выявления периодических составляющих процесса и оценка их параметров. Изв. ТИНРО, 1972, N 85.
  37. Де Гроот М. Оптимальные статистические решения. М.: Мир, 1974.-492 с.
  38. A.M. Методы идентификации динамических систем. М.: Энергия, 1979. — 240 с.
  39. Г., Ватте Д. Спектральный анализ и его приложения /' пер. с англ. М.: Мир, вып. 1, 1971, 316 е.- вып. 2, 1972. — 288 с.
  40. Г., Ватте Д. Спектральный анализ и его приложения / пер. с англ. Вып. 2. М.: Мир, 1972. — 287 с.
  41. Дуб Дж. Вероятностные процессы / пер. с англ. М.: ИЛ, 1956.605 с.
  42. И.В., Поспелов Д. А. Принятие решений при нечетких основаниях. 1-я Универсальная шкала. // Изв. АН СССР. Техн. киберн., 1977, N 6, с. 3−11.
  43. А.В. Методология параметрических байесовских интеллектуальных измерений к построению нормированной автокорреляционной функции. СПб, 1997. — 11 с. — Рукопись представлена СПбГЭТУ. Деп. в ВИНИТИ 1997, N
  44. A.B. Применение авторегрессионного и взаимокорреляционного анализов в исследовании природных процессов, — СПб., 1997. 9 е.: ил. — Рукопись представлена СПбГЭТУ. Деп. в ВИНИТИ 1997, N
  45. A.B., Иванов C.B. К проблеме выявления скрытых перио-дичностей. Спб, 1997. — 10 е.: ил. — Рукопись представлена СПбГЭТУ. Деп. в ВИНИТИ 1997, N
  46. A.B., Иванов C.B. Методика выявления скрытых перио-дичностей//Комплексная оценка состояния и эволюции водных экосистем: Сб. науч. тр. СПб, Гидрометеоиздат (находится в печати).
  47. Ю.И. Об алгоритмических методах в задачах распознавания и классификации. В сб. науч. тр. «Распознавание, классификация, прогноз. Математические методы и их применение». М.: Наука, 1989. — Вып. 1-е. 9−16.
  48. П. Понятие лингвистической переменной и его применения к принятию приближенных решений. М.: Мир, 1976. — 168 с.
  49. А.И. О необходимости общего подхода к определению погрешностей ИКР и системного подхода к нахождению их характеристик. // Приборы и системы управления, 1975, N 11, с. 19−22.
  50. В.Н. Интеллектуальные средства измерений // Приборы и системы управления, 1986. N 2.
  51. А.И. Методы измерения параметров нелинейных объектов, ориентированные на применение в ИВК. Дисс. на соискание ученой степени канд. техн. наук. Л.: ЛЭТИ. — 213 с.
  52. В.Н. Теоретические аспекты интеллектуализации измерительной техники. В сб. научн.-техн. трудов ВНИИЭП. — Л.: 1989, N 2, с. 21.
  53. В.Н., Соболев B.C., Цветков Э. И. Интеллектуализация измерений. // Измерение, контроль, автоматизация. Сб. научно.-техн. обзоров. — М.: Информприбор, 1992, N 1−2, с. 13−20.
  54. Измерения в промышленности. Справочник в 3-х книгах. // Под ред. Профоса П. М.: Металлургия, 1990. — Кн. 1: Теоретические основы. -492 е.- Кн. 2: Способы измерения и аппаратура — 384 е.- Кн. 3: Способы измерения и аппаратура. — 344 с.
  55. Ю.А. Экология и контроль состояния природной Среды. -Л.: Гидрометеоиздат, 1979, — 378 с.
  56. Информационные проблемы изучения биосферы. Сб. науч. трудов под ред. А. А. Воронова, В. В. Бугровского. — М.: Наука, 1992. — 187 с.
  57. Информационные технологии в испытаниях сложных объектов: методы и средства./ Скурихин В. Н. и др., отв. ред. Египко В. М., АН УССР. Ин-т кибернетики им. В. М. Глушкова.- Киев: Наукова думка, 1990, — 320 с.
  58. Искусственный интеллект. Справочник в 3-х кн. М.: Радио и связь, 1990. — Кн. 1. Система общения и экспертные системы./ Под ред. Э. В. Попова. — 368 с. Кн. 2. Модели и методы./ Под ред. Поспелова Д. А. — 304 с.
  59. Кн. 3. Программные и аппаратные средства. / Под ред. Захарова А. Н., Хорошевского В. Ф. 368 с.
  60. Исследование в области оценивания погрешностей измерений. -Сб. научн. тр. под ред. Тарбеева Ю. В., Сирой Т. Н. Л.: Энергоатомиздат, 1986.-49 с.
  61. Г. И., Солопченко Г. Н. Актуальные метрологические проблемы разумных измерений. Тр. V Межд. симп. ИМЕКО «Интеллектуальные измерения», Йена, 1986, с. 65−69.
  62. A.C., Кривило П. Ф. О возможности восстановления недостающих наблюдений. Тр. НИИАК, 1969, N 50.
  63. В.А. Идентификация динамических систем по дискретным наблюдениям. Часть II. Оценивание параметров нелинейных систем. -Вильнюс: Моклас, 1985. 135 с.
  64. М.Дж., Стьюарт А. Статистические выводы и связи / пер. с англ. М.: Наука, 1973. — 900 с.
  65. М.Дж., Стьюарт А. Теория распределений. М.: Наука, 1966.-587 с.
  66. К.Г. Исследование систем по зависимости условного среднего от параметров. Известия вузов: Радиофизика, 1967, № 11, с. 1523 -1581.
  67. С.Дж. Задачи анализа погрешностей. // Теоретические основы инженерных расчетов, 1985, т. 103, N 2, с. 81−101.
  68. В.Г. Гносеотехника техника познания. // Измерения, контроль, автоматизация. — Научно-техн. сб. обзоров. — М.: Информприбор, 1992, N1−2, с. 3−9.
  69. .В., Прокопчина C.B. Регуляризирующий байесовский подход в задачах классификации объектов по изображениям. Препринт ИПА АН СССР.-Л.: 1991.-61 с.
  70. Д., Хинкли Д. Теоретическая статистика. М.: Мир, 1978.560 с.
  71. Г., Корн Т. Справочник по математике для научных работников и инженеров,— М.: Наука, 1978.- 831 с.
  72. В.И. Адаптивные системы идентификации, — Киев: Техника, 1975.-272 с.
  73. Г. Математические методы статистики. М.: Мир, 1975.647 с.
  74. Дж.Б. Многомерное шкалирование и другие методы поиска структуры. В кн. «Статистические методы для ЭВМ». / Под ред. Малю-това М.В. — М.: Наука, 1986, с. 301−347.
  75. В.Я., Резник Л. К. Перспективы использования экспертных систем в составе интеллектуальных средств измерений. Материалы международной школы-семинара ИМЕКО, ТК 7, 23−30 окт. 1989, ЦП ВНТО, 1989.
  76. Е.С. Интеллектуальный интерфейс. Общие принципы организации и проблемы реализации // Известия АН СССР, Технич. кибернетика, 1985. N 5.
  77. Кунце Х.-И. Методы физических измерений, — М.: Мир, 1989, — 216 с.
  78. А.Н. Модели сложных объектов, — Пенза: ППИ, 1977. 71 с.
  79. М. и др. Экстремумы случайных последовательностей и процессов / пер. с англ. М.: Мир, 1989. — 391 с.
  80. Г. И. Математическое моделирование в проблеме окружающей среды. М.: Наука, 1982. — 320 с.
  81. А.Н., Бернштейн Л. С., Коровин С. Я. Ситуационные советующие системы с нечеткой логикой. М.: Наука, 1990. — 272 с.
  82. Методы и средства определения метрологических характеристик измерительных информационных систем: Сб. науч. тр. Львов: ВНИИ-МИУС, 1990. — 128 с.
  83. Методы цифрового моделирования и идентификации стационарных случайных процессов в информационно-измерительных системах./ А. Н. Лебедев и др. Л.: Энергоатомиздат, Лен. отд., 1988. — 64 е.: ил.
  84. Г. Я. Аппаратурное определение характеристик случайных процессов. М.: Энергия, 1972. — 456 с.
  85. Г. Я. Характеристика стохастической взаимосвязи и их измерения. М.: Энергоатомиздат, 1982. — 320 с.
  86. Л.А. Об уточнении термина «измерение функции». В сб. тез. докл. Всесоюзн. науч.-техн. конф. «ИИС-91», СПб, 1991, с. 34 — 35.
  87. С.Н., Родионова Ю. М. Моделирование динамических систем. Ярославль: Верх. Волж. кн. изд-во, 1984. — 304 с.
  88. C.B., Бориков В. Н., Сигайло М. Н. Интеллектуальная система для исследования в области метрологии. В сб.тез.докл. III Всесоюзн.конф. «Метрологическое обеспечение ИИС и АСУ ТП», 3−5 октября 1990, Львов, с. 36.
  89. Э. Экологическое разнообразие и его измерение. М.: Мир, 1992.- 368 с.
  90. O.A., Прокопчина C.B. Байесовская идентификация параметров распределений. // Известия Л ЭТИ: Сб. научн. тр. Л.: Л ЭТИ, 1992, вып. 446, с. 57−61.
  91. Д.Д. Использование усеченного преобразования Фурье для идентификации нелинейных динамических объектов. Изв. Л ЭТИ: Научн.тр., Л.: ЛЭТИ, 1988, вып. 403, с. 46−50.
  92. Д.Д. Методы и средства динамической идентификации в задачах проектирования измерительно-вычислительных систем для автоматизации научных исследований. Диссертация на соиск. уч. ст. докт. т. н. -Л.: ЛЭТИ, 1989.-458 с.
  93. Недосекин Д. Д, Брусакова И. В., Ид М. Вопросы организации банка моделей нелинейных динамических объектов. В кн.: «Динамические измерения». / Тр. V Всес.симпозиума. — Л.: ВНИИЭП, 1988, с. 47−50.
  94. Д.Д., Прокопчина C.B., Чернявский Е. А. Информационные технологии интеллектуализации измерительных процессов. Спб.: Энергоатомиздат, 1995. — 178 е., ил.
  95. П.В., Зограф И. Л. Оценка погрешностей результатов измерений. Л.: Энергоатомиздат, 1985. — 248 с.
  96. П.П., Туз Ю.М. Интеллектуальные измерительные комплексы. // Приборы и системы управления, 1989, N 10, с. 26 29.
  97. Р., Энопсон Л. Прикладной анализ временных рядов: основные методы / пер. с англ. М.: Мир, 1982. — 428 с.
  98. Э.В. Экспертные системы. // Решение неформальных задач в диалоге с ЭВМ, 1987. 286 с.
  99. C.B. Интеллектуальные байесовские измерения вероятностных характеристик процессов и систем. В сб. тез. докл. Всесоюзн. науч.-техн. конф. «ИИС-91», СПб, 1991, с. 40 — 41.
  100. C.B. Исследование и разработка вопросов организации процесса аппроксимации ПВ в ЭЦВМ и гибридных вычислительных комплексах. / Дисс. на соиск. уч. степ. канд. техн. наук. Л.: ЛЭТИ, 1978. -213 с.
  101. C.B. Разработка методов и средств байесовской интеллектуализации измерений в задачах мониторинга сложных объектов/ Дисс. на соиск. уч. степ. докт. техн. наук Спб.: ЛЭТИ, 1995. — 405 с.
  102. C.B. Экспертная система АССИСТЕНТ для интеллектуальных байесовских измерений вероятностных характеристик. // Измерительная техника, 1992, N8, с. 11−14.
  103. C.B., Наугольнов O.A. Байесовские интеллектуальные измерения параметров случайных процессов. // Известия ЛЭТИ: Сб. науч. тр., вып. 442. Л.: Изд. ЛЭТИ, 1991, с. 73−76.
  104. C.B., Наугольнов O.A., Рубинштейн Ю. Г. Экспертные системы интеллектуальных измерений в задачах экологического мониторинга.// Тез. докл. между нар. науч.-техн. конф. «Микроэлектроника и информатика». М.: 1993, с. 122−124.
  105. Т.Е., Хатиашвили Ц. С. Критерии и методы идентификации объектов. Киев: Наукова думка, 1979. — 190 с.
  106. Л.К. Проблемы использования экспертных систем в интеллектуальных средствах измерения. Сб. докл. Международной конф. «МЕРА-90». — М.: 1990, с. 157−165.
  107. В.Г., Тартаковский Г. П. Статистический синтез при априорной неопределенности и адаптация информационных систем. М: Сов. радио, 1977. — 432 с.
  108. В.Я. Развитие понятийно-терминологического аппарата на основе новой информационной технологии. // Измерительная техника, 1990, N11, с. 20−22.
  109. А.Ф., Сергеев Г. А. Вопросы прикладного анализа случайных процессов. М.: Советское радио, 1968. — 402 с.
  110. В.Н., Соболев B.C., Цветков Э. И. Интеллектуальные средства измерений / Под ред. д-ра техн. наук Э. И. Цветкова. М.: РИЦ «Татьянин день», 1994. — 280 е., ил.
  111. Ю.Г. Баейсовская идентификация многомодальных1. О Iраспределении средствами измерительно-вычислительных комплексов. / Дисс. на соиск. уч. степ. канд. техн. наук. СПб.: Изд. СПбГЭТУ, 1995. — 135 е.: ил.
  112. В.П. Байесовские методы статистического оценивания. Надежность технических объектов. М.: Наука, 1989. — 328 с.
  113. A.A. Прикладные методы теории случайных функций. -М.: Наука, 1968.-316 с.
  114. М.Г., Первозванский A.A. Выявление скрытых периодичностей,— М.: Наука, 1965. 244 с.
  115. А.Н., Чинаев П. И. Идентификация и оптимизация автоматических систем,— М.: Энергоатомиздат, 1987. 200 е., ил.
  116. B.C., Цветков Э. И. Проблемы метрологического и алгоритмического обеспечения интеллектуальных средств измерений. // Известия ЛЭТИ, вып. 403. Л.: ЛЭТИ, 1988, с. 64−72.
  117. Современные методы идентификации. / Под общ. ред. П.Эйкхоффа. М.: Мир, 1983. — 403 с.
  118. Справочник по прикладной статистике. В 2-х т.: Пер. с англ. П/р Э. Ллойда, У. Ледермана, Ю. Н. Тюрина. М.: Финансы и статистика, 1984. -510 с.
  119. А.Ю. Анализ данных методами многомерного шкалирования. М.: Наука, 1986. — 272 с.
  120. А.Н., Арсенин В. Я. Методы решения некорректных задач. М.: Наука, 1974. — 224 с.
  121. Д. Руководство по экспертным системам. М.: Мир, 1989.-388 с.
  122. Д., Карайя К. Интеллектуальные измерения для получения объективной информации в науке и технике. // Тр. X Всемирного конгресса ИМЕКО. Препринт, т.1, Прага, 1985, с. 19−34.
  123. М.П. Измерительные информационные системы. М.: Энергоатомиздат, 1985.-439 с.
  124. Э.И. Основы теории статистических измерений. М.: Энергия, 1979.-288 с.
  125. М., Фокс К. Методы анализа корреляций и регрессий / пер. с англ. М.: Статистика, 1966. — 512 с.
  126. A.M. Корреляционная теория стационарных случайных функций. М.: Гидрометеоиздат, 1981. — 466 с.
Заполнить форму текущей работой

Сессия? Спокойно!