4.2. Синтез
Рассмотрим программу, состоящую из одной команды вида
uk+qwusw.
Применимость.Эта программа применима ко всем ансамблям, содержащим пару слов видаuk и qw . FM(uk) > 0,FM(qw) > 0
Финитность.Очевидно, что программа всегда финитна. Она будет склеивать все пары соответствующих слов до тех пор, пока они не исчерпаются.
Детерминированность. В общем случае программа будет недетерминирована, так как склеивает произвольные цепочки неоднозначно.
Критерий детерминированности синтеза
Программа синтеза детерминированна тогда и только тогда, когда выполняется хотя бы одно из условий:
и
и
и
Доказательство.
1. Пусть в исходном ансамблеFM(uk)=n, FM(qw)=m, гдеuиw– некоторые фиксированные цепочки, и других слов видаukиqwнет. Финальным ансамблем для данного ансамбля будет всегда следующий:
При n<m FM'(usw)= FM(usw)+n, FM'(uk)=0, FM'(qw)=m–n.
При m<n FM'(usw)= FM(usw)+m, FM'(uk)= n–m, FM'(qw)=0.
2. Пусть в исходном ансамбле
FM(uk)=n,FM(qw1)=m1, FM(qw2)=m2,…FM(qwl)=ml,
где u, w1, w2,…, wl– некоторые фиксированные цепочки, причем, и других слов видаukиqwнет. Финальным ансамблем для данного ансамбля будет всегда следующий:
,FM'(qw1)=0,FM'(qw2)=0,…,FM'(qwl)=0,
FM'(usw1)=m1, FM'(usw2)=m2,…, FM'(uswl)=ml.
3. Пусть в исходномансамбле
FM(qw)=m, FM(u1k)=n1, FM(u2k)=n2,…, FM(ulk)=nl,
где w, u1, u2,…, ul– некоторые фиксированные цепочки, причем, и других слов видаukиqwнет. Финальным ансамблем для данного ансамбля будет всегда следующий:
,FM'(u1k)=0,FM'(u2k)=0,…,FM'(ulk)=0,
FM'(u1sw)=n1, FM'(u2sw)=n2,…, FM'(ulsw)=nl.
Видно, что условие 1 является частным случаем условия 2 или 3 в зависимости от того, что больше: nилиm. Если эти условия не выполняются, то можно указать, по крайней мере, два различных ансамбля, которые будут финальны для данной программы и исходного ансамбля. Действительно, пусть исходным ансамблем будет следующий:
FM(uk)=n, FM(qw1)=m1, FM(qw2)=m2,…, FM(qwl)=ml,
где u, w1, w2,…, wl – некоторые фиксированные цепочки, нои других слов видаukи qw нет, и пусть для определенностиj=1…l . Укажем два возможных финальных ансамбля.
FM'(uk)=0,,FM'(qw2)=0,…,FM'(qwl)=0,,FM'(usw2)=m2,…, FM'(uswl)=ml.
FM'(uk)=0,FM'(qw1)=0,,…,FM'(qwl)=0,FM'(usw1)=m1,,…,FM'(uswl)=ml.
Недетерминированность в случае невыполнения условия 3 доказывается аналогично. Таким образом, критерий детерминированности для программы, состоящей из одной команды синтеза, доказан.
Пример недетерминированного синтеза
uK+QwuSw. FM(AK) =1, FM(QB)=1, FM(QA) = 1
В ансамбле Mодно слово видаuKи два различных слова видаQw, следовательно, этот ансамбль не удовлетворяет ни одному из условий критерия. Значит, синтез будет недетерминирован. Действительно, здесь есть два допустимых несовместных события. Финальными могут являться два различных ансамбля:
FM1(ASA) =1, FM1(QB)=1
и
FM2(ASB) =1, FM2(QA)=1.
Пример детерминированного синтеза.
uK+QwuSw. FM(AK) =3, FM(QB)=1, FM(QA) = 1
Данный ансамбль попадает под условие 2 критерия, следовательно, синтез будет детерминирован. Финальным будет ансамбль M1такой, что
FM(AK) =1,FM(ASB)=1,FM(ASA) =1
Ансамблями «Райский сад» для этой программы будут все такие ансамбли M, что для любого словаmтакого, чтоFM(m) >0.
- Методы нейроинформатики
- Фцп "интеграция"
- Предисловие редактора
- Моделирование данных при помощи кривыхдля восстановления пробелов в таблицах
- 660036, Красноярск-36, ивм со ран,
- 1. Общая схема метода
- 2. Итерационный метод главных компонент для данных с пропусками
- 3. Квазилинейные факторы и формулы Карлемана
- 4. Нейронный конвейер
- Литература
- Финитность и детерминированность простых программ для кинетической машины кирдина
- 660036, Красноярск-36, ивм со ран,
- 1. Введение
- 2. Понятие кинетической машины Кирдина
- 3. Модели выполнения программы
- 3.1. Последовательная модель
- 3.2. Параллельно-последовательная модель
- 3.3. Максимальная параллельно-последовательная модель
- 4. Программы, состоящие из одной команды
- 4.1. Распад
- 4.2. Синтез
- 4.3. Прямая замена
- 5. Заключение
- ЛитературА
- Алгоритмическая универсальность кинетической машины кирдина
- 660036, Красноярск-36, ивм со ран,
- Литература
- Погрешности нейронных сетей. Вычисление погрешностей весов синапсов
- 660036, Красноярск-36, ивм со ран,
- 1. Введение
- 2. Структура сети
- 3. Два базовых подхода к оценкам погрешности
- 4. Погрешности весов синапсов
- 5. Гарантированные интервальные оценки погрешностей весов синапсов
- 6. Среднеквадратические оценки погрешностей весов синапсов
- 7. Заключение
- Литература
- Нейросетевые методы обработки информации в задачах прогноза климатических характеристик и лесорастительных свойств ландшафтных зон
- 660036, Красноярск-36, ивм со ран,
- Введение
- 1. Проблемы обработки таблиц экспериментальных данных
- 2. Искусственные нейронные сети
- 2.1. Элементы нейронных сетей
- 2.2. Архитектуры нейронных сетей
- 2.3. Решение задач нейронными сетями
- 2.4. Подача входных сигналов и снятие выходных сигналов сети
- 2.5. Обучение нейронных сетей
- 2.6. Вычисление градиента функции оценки по подстроечным параметрам сети
- 2.7. Факторы, влияющие на обучение нейронной сети
- 2.8. Упрощение нейронных сетей
- 2.9 Вычисление показателей значимости параметров и входных сигналов сети
- 3. Транспонированная задача регрессии
- 4. Применение нейросетевых технологий для обработки таблицы климатических данных
- 4.1. Заполнение пропусков в таблице климатических данных
- 4.2. Построение классификационной модели ландшафтных зон и секторов континентальности
- 4.2.1. Классификация ландшафтных зон Сибири
- 4.2.2. Идентификация лесных зон по континентальности
- 4.3. Прогнозирование возможного изменения ландшафтных зон и секторов континентальности
- 5. Заключение
- Литература
- Интуитивное предсказание нейросетями взаимоотношений в группе
- 660049, Красноярск, пр. Мира 82
- 1. Проблема оценки взаимоотношений
- 2. Общая задача экспериментов
- 3. Применяемые в экспериментах психологические методики
- 4. Эксперименты по предсказанию группового статуса
- 5. Нейросетевое исследование структуры опросника
- 6. Оценка оптимизации задачника нейросетью с позиций теории информации
- 7 Эксперименты по предсказанию парных взаимоотношений
- Литература
- Аппроксимация многомерных функций полутораслойным предиктором с произвольными преобразователями
- 660049, Красноярск, пр. Мира 82
- 1. Постановка проблемы
- 2. Аналитическое решение
- 3. Запись решения в идеологии нейросетей
- 4. Алгоритмическая часть
- 5. Оценка информационной емкости нейронной сети при помощи выборочной константы Липшица
- 6. Соглашение о терминологии
- 7. Компоненты сети
- 8. Общий элемент сети
- 9. Вход сети
- 10. Выход сети
- 11. Синапс сети
- 12. Тривиальный сумматор
- 13. Нейрон
- 14. Поток сети
- 15. Скомпонованная полутораслойная поточная сеть
- Литература
- Использование нейросетевых технологий при решении аналитических задач в гис
- 660036, Красноярск-36, ивм со ран,
- Литература
- Использование нейросетевых технологий для проведения учебно-исследовательских работ
- 1. Введение
- 2. Зимняя Политехническая Школа по Нейроинформатике
- 3. Задачи
- 4. Результаты
- 5. Перспективы
- Литература
- Производство полуэмпирических знаний из таблиц данных с помощью обучаемых искусственных нейронных сетей
- 660036, Красноярск-36, ивм со ран,
- 1. Введение
- 2. Логически прозрачные нейронные сети
- 2.1. Архитектура логически прозрачных сетей
- 2.2. Критерии логической прозрачности нейронной сети
- 2.3. Требования к нелинейности элементов
- 3. Контрастирование нейронов
- 4. Приведение нейронных сетей к логически прозрачному виду
- 4.1. Наложение ограничений на архитектуру нейросети
- 4.2. Упрощение нейросети
- 4.3. Приведение настраиваемых параметров сети к предельным значениям и модификация нелинейных преобразователей нейронов
- 4.4. Проведение эквивалентных преобразований структуры нейросети
- 5. Вербализация нейронных сетей
- 6. Автоматическая генерация полуэмпирических теорий
- 7. Когнитологические аспекты
- 8. Влияние функции оценки на логическую прозрачность сети. Исключение примеров
- 9. Как выбирают американских президентов
- 10. Заключение
- Литература
- Содержание