Оцінка функціональної ефективності системи керування, що навчається, страница 11

Якщо значення критерію  E_I,n  в області  ІІ  визначаються при  n£ 50  інформаційною складовою, яка обчислюєься за формулою  (3.9.2), то при  n>50  вони залежать від економічної складової  E_n.  і, зокрема, від коефіцієнта  а. На рис.3.11 крива 1 відповідає значенню  критерію    при  а=0,05, крива  2 - при  а=0,1  і крива 3 - при  а=1,0. При цьому для кривої  1  існує екстремум в області  ІІІ  (), для кривої  2 - в області ІІ () і для кривої 3  .

3

2

1

Рис. 3.11.  Залежність узагальненого критерію ефективності від обсягу

випробувань при навчанні СК

У загальному випадку при виборі   можна керуватися такими рекомендаціями:

·  при оцінці ефективності навчання СК за узагальненим критерієм  Е_I,n  екстремальне випробування    доцільно використовувати замість  n_min, тому що воно забезпечує статистичну похибку  _Q(n^*) £ e _доп;

·  при значних економічних витратах на проведення випробувань при навчанні СК доцільно обмежуватися випробуванням  = n_min, яке забезпечує репрезентативність навчальної вибірки з гарантованою похибкою;

·  при відносно малій ціні випробувань  (а £ 0,1)  за    слід приймати екстремальне випробування, яке знаходиться ближче до області ІІ, тобто  , оскільки різниця між значеннями максимумів критерію  E_I,n , які визначаються, наприклад, на рис 3.11 за кривими 1 і 2 не є суттєвою через логарифмічну залежність складової  Е_І .

3.10. Висновки до третього розділу

У третьому розділі розроблено і досліджено алгоритми оцінки функціональної ефективності процесу навчання СК і визначено умови проведення навчання шляхом забезпечення репрезентативних навчальних вибірок і надійності прийняття рішень. Отримано такі наукові результати:

1.  Запропоновано робочі модифікації інформаційних критеріїв за Шенноном і Кульбаком, які задовольняють усім вимогам до КФЕ слабо формалізованих систем, і розроблено процедури їх обчислення в процесі навчання СК.

2.  Досліджено зв’язок інформаційних КФЕ з точнісними характеристиками при двохалтернативній і триальтернативній системах оцінок рішення. Показано, що інформаційний КФЕ є нелінійним і взаємно-неоднозначним функціоналом точнісних характеристик, що обумовлює необхідність виділення в процесі навчання робочої області його визначення.

3.  Оскільки при функціонуванні СК в робочому режимі існують жорсткі обмеження на обсяг функціонально-статистичних випробувань, то запропоновано мінімальний обсяг репрезентативної навчальної вибірки визначати в рамках методу динамічних довірчих інтервалів за умови забезпечення прийнятних з практичних міркувань статистичної похибки та оперативності реалізації алгоритму навчання.

4. Встановлено зв’язок інформаційного КФЕ з інтегральним показником надійності СК, що навчається, - коефіцієнтом збереження функціональної ефективності, розроблено процедуру обчислення коефіцієнту в рамках МФСВ і досліджено його залежність від помилки другого роду

5. Досліджено вплив потужності алфавіту класів розпізнавання на асимптотичну достовірність розпізнавання, отримано коефіцієнти парного та множинного перетину класів як у геометричній, так і в імовірнісній формах і встановлено іх аналітичний зв’язок з точнісними характеристиками процесу навчання. 

6. Для загального випадку оцінки функціональної ефективності СК розроблено і досліджено модифікацію узагальненого функціонально- статистичного критерію І.В.Кузьміна за умови, що вартісна складова ефективності враховується у вигляді зведених витрат. Оскільки навчання СК здійснюється на одному і тому самому КТЗ, за одним і тим же алгоритмом, то зведені витрати, в першому наближенні, запропоновано подавати через експлуатаційні витрати на навчання системи, які пропорційні машинному часу реалізації робочого алгоритму.

Розглянуті в третьому розділі положення та результати дисертаційної роботи відбито в працях автора [1,2,4,13,16,23,29,46].