PC: Identifikace struktury zobecněného dynamického systému

Podobné dokumenty
Zjednodušení generativního systému redukcí rozlišení

Schéma identifikační procedury

Prohledávání svazu zjemnění

Rekonstrukce diskrétního rozdělení psti metodou maximální entropie

Kybernetika. Wiener 1948: Rok 2000:

Teorie systémů TES 1. Úvod

APLIKAČNÍ SOFTWARE PRO ODHAD SPOLEHLIVOSTI A PRO HODNOCENÍ RIZIK


UČENÍ BEZ UČITELE. Václav Hlaváč

RNDr. Jakub Lokoč, Ph.D. RNDr. Michal Kopecký, Ph.D. Katedra softwarového inženýrství Matematicko-Fyzikální fakulta Univerzita Karlova v Praze






Automatický optický pyrometr v systémové analýze

Kybernetika a umělá inteligence, cvičení 10/11

Optimalizace & soft omezení: algoritmy

SIGNÁLY A LINEÁRNÍ SYSTÉMY

ZÁKLADY AUTOMATICKÉHO ŘÍZENÍ

7. Pracovní postupy. Fakulta informačních technologií MI-NFA, zimní semestr 2011/2012 Jan Schmidt

Otázky ke státní závěrečné zkoušce

Počítačová simulace logistických procesů II 7. přednáška Struktura simulačního modelu

Hranová konzistence. Arc consistency AC. Nejprve se zabýváme binárními CSP. podmínka odpovídá hraně v grafu podmínek

Konečný automat. Studium chování dynam. Systémů s diskrétním parametrem číslic. Počítae, nervové sys, jazyky...

01 Teoretické disciplíny systémové vědy

Síla a významnost asociace mezi proměnnými v systému

Usuzování za neurčitosti

Automatizované řešení úloh s omezeními

CVIČENÍ 4 Doc.Ing.Kateřina Hyniová, CSc. Katedra číslicového návrhu Fakulta informačních technologií České vysoké učení technické v Praze 4.

Katedra kybernetiky laboratoř Inteligentní Datové Analýzy (IDA) Katedra počítačů, Computational Intelligence Group

DBS Konceptuální modelování

Vila Lanna, , 2011

Pojem endogenity a exogenity

MOCNINY A ODMOCNINY. Standardy: M M PYTHAGOROVA VĚTA. Standardy: M M

Dobývání znalostí. Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze

Maturitní otázky z předmětu PROGRAMOVÁNÍ

Aplikace 2: Hledání informativních příznaků pro rozpoznávání

1 0 0 u 22 u 23 l 31. l u11

12. Globální metody MI-PAA

Rekurze. Pavel Töpfer, 2017 Programování 1-8 1

5 Vícerozměrná data - kontingenční tabulky, testy nezávislosti, regresní analýza

Algoritmus. Přesné znění definice algoritmu zní: Algoritmus je procedura proveditelná Turingovým strojem.

Ontologie. Otakar Trunda

Návrh databázového modelu

Řídicí struktury. alg3 1

Základy algoritmizace, návrh algoritmu

NPRG030 Programování I, 2015/16 1 / :25:32

Praha technic/(4 -+ (/T'ERATU"'P. ))I~~

Hloubka dat. kontury, klasifikace a konzistence. Daniel Hlubinka

ŠVP Gymnázium Ostrava-Zábřeh Úvod do programování

Obsah. Předmluva 13 Zpětná vazba od čtenářů 14 Zdrojové kódy ke knize 15 Errata 15

Profilová část maturitní zkoušky 2017/2018

Obsah. Kapitola 1 Hardware, procesory a vlákna Prohlídka útrob počítače...20 Motivace pro vícejádrové procesory...21

Navrhování experimentů a jejich analýza. Eva Jarošová

KLIMATICKÝ DOWNSCALING. ZOO76 Meteorologie a klimatologie Petr Kolář PřF MU Brno

DERIVACE FUKNCÍ VÍCE PROMĚNNÝCH

Pravidla pro fungování týmů na cvičení předmětu IMO

LINEÁRNÍ MODELY. Zdeňka Veselá

Matematika pro geometrickou morfometrii

ČÁST 1. Základy 32bitového programování ve Windows

Architektura informačních systémů. - dílčí architektury - strategické řízení taktické řízení. operativní řízení a provozu. Globální architektura

Syntaxe XML XML teorie a praxe značkovacích jazyků (4IZ238)

Kapitola 13: Transakce. Koncept transakce. ACID vlastnosti

Informační a znalostní systémy jako podpora rozhodování

Témata profilové maturitní zkoušky

Modely datové. Další úrovní je logická úroveň Databázové modely Relační, Síťový, Hierarchický. Na fyzické úrovni se jedná o množinu souborů.

1. Vlastnosti diskretních a číslicových metod zpracování signálů... 15

SkiJo podpora pro vytyčování, řez terénem a kreslení situací

TECHNICKÁ UNIVERZITA V LIBERCI

Formální jazyky a gramatiky Teorie programovacích jazyků

Agent pracující v částečně pozorovatelném prostředí udržuje na základě senzorického modelu odhaduje, jak se svět může vyvíjet.

dovolují dělení velkých úloh na menší = dekompozice

Paradigmata programování 1

Intervalový odhad. Interval spolehlivosti = intervalový odhad nějakého parametru s danou pravděpodobností = konfidenční interval pro daný parametr

Informační systémy 2008/2009. Radim Farana. Obsah. Nástroje business modelování. Business modelling, základní nástroje a metody business modelování.

Struktura programu v době běhu

Kontingenční tabulky. (Analýza kategoriálních dat)

Zpráva s popisem softwarového návrhu a specifikací rozhraní prototypového modulu pro odhad chyby a zjemnění sítě

MATURITNÍ OTÁZKY ELEKTROTECHNIKA - POČÍTAČOVÉ SYSTÉMY 2003/2004 PROGRAMOVÉ VYBAVENÍ POČÍTAČŮ

Novinky v Advance Steel 2016 R2

Relační datový model. Integritní omezení. Normální formy Návrh IS. funkční závislosti multizávislosti inkluzní závislosti

Matematika a její aplikace Matematika 1. období 3. ročník

Design of experiment Návrh experimentu

4EK211 Základy ekonometrie

Programování v Pythonu

3. přednáška. Obsah: Řídící struktury sekvence, if-else, switch, for, while, do-while. Zpracování posloupnosti

Lineární a adaptivní zpracování dat. 2. SYSTÉMY a jejich popis v časové doméně

1. Programování proti rozhraní

Katedra kybernetiky, FEL, ČVUT v Praze.

Začneme vysvětlením pojmů, které budeme používat a jejichž definic je nutné se držet.

6. ZÁKLADY STATIST. ODHADOVÁNÍ. Θ parametrický prostor. Dva základní způsoby odhadu neznámého vektoru parametrů bodový a intervalový.

Obsah. Předmluva 9 Poděkování 10. Statistické pojmy

7. přednáška - třídy, objekty třídy objekty atributy tříd metody tříd

5EN306 Aplikované kvantitativní metody I

4EK211 Základy ekonometrie

Teorie systémů TES 5. Znalostní systémy KMS

Unity a Objekty (NMIN102) RNDr. Michal Žemlička, Ph.D.

Architektura počítačů

Transkript:

PC: Identifikace struktury zobecněného dynamického systému Důležitý problém v obecné teorii systémů. 1. Podsystém a nadsystém. 2. Definice dekompozice systému. 3. Problém rekonstrukce systému: a. lokální a globální konzistence dynamických systémů, b. jednoduchá a iterativní spojovací procedura. 4. Problém identifikace struktury: a. generátor rekonstrukčních hypotéz, b. kvalita rekonstrukční hypotézy, c. identifikační procedura. 5. Příklad identifikace na skutečném systému. Systém, identifikace struktury; R. Šára, CMP (str. 1)

Podsystém dynamického systému systém 1 F v 1 systém 2 F a b 1 2 v 2 v 3 4 3 5 w A v 4 6 w B c s 1 s 2 s 3 s 4 s 5 s 6 1 p(s) 0 0 0 0 0 0 0.20 0 0 0 0 1 0 0.05 0 0 1 1 0 0 0.05 0 1 0 0 0 0 0.05 1 1 0 0 1 0 0.10 1 1 1 0 0 0 0.05 1 1 1 0 1 0 0.05 1 1 1 1 0 0 0.10 1 1 1 1 1 0 0.05 1 1 1 1 1 1 0.30 s a s b s c 2 p(s) 0 0 0 0.30 0 1 0 0.05 1 1 0 0.35 1 1 1 0.30 Jde o nadsystém a podsystém 2 F 1 F? Musíme vědět, že 1. w A = v 1, w B = v 4 2. parametrizující množina je stejná Potom můžeme zkontrolovat: 1. obory hodnot R(w A ) = R(v 1 ), R(w B ) = R(v 4 ) 2. vnoření masky 2 M 1 M, s a = s 1, s b = s 2, s c = s 6 3. marginalitu 2 p vzhledem k 1 p Systém, identifikace struktury; R. Šára, CMP (str. 2)

Podsystém a nadsystém dynamického systému Def: i F = ( i A, i B; i M, i p B ) je podsystém systému F = (A, B; M, p B ), když platí následující podmínky: 1. kompatibilita s F (ztotožnění atributů a parametrů) má stejnou parametrickou množinu: ib = B obory hodnot základních proměnných Vj zachovány 2. vnoření i F F a. množina vzorkovacích proměnných je vnořena: i S S b. (data pro proměnné v i S jsou zachována) maska je vnořena i M M funkce přípustnosti i p B je marginální k p B Hierarchie podsystémů Konvence: S značí dále pouze množinu (vzorkovacích) proměnných dynamického systému F. Místo i F F budeme používat zkráceně i S S. Systém, identifikace struktury; R. Šára, CMP (str. 3)

Dekompozice systému blokové vyjádření struktury struktura jako rozklad množiny vzorkovacích proměnných v 4 F 4 S v 1 S 4 F v 1 1 F v 2 3 F 3 S v 4 v 2 v 3 2 F v 3 2 S Systém, identifikace struktury; R. Šára, CMP (str. 4)

Dekompozice systému Celkový systém obsahuje všechny proměnné. Dekompozice: Množina podsystémů G = {, 2 S,..., q S} celkového systému S, taková, že žádné dva j S a k S nejsou navzájem podsystémy: j S k S Protipříklad: S vazební proměnné 3 S 2 S Podmínka iredundance: podsystém 3 S nenese žádnou novou informaci o S a nepatří tedy do dekompozice systému S. Vazební proměnné mezi podsystémy: C k,l = k S l S Orientované vazby: rozklad proměnných na vstupní a výstupní. Proměnná může být deklarována jako výstupní jen v jednom podsystému (jednoznačnost řízení) Systém, identifikace struktury; R. Šára, CMP (str. 5)

Rozklad proměnných na vazební vstupní, vazební výstupní generující, vazební výstupní generované a nevazební generující proměnné s 1 s 2 s 1 s 2 s 2 s 2 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 s 3 s 4 s 3 s 4 s 3 s 4 s 4 2 S 3 4 2 S 3 4 2 S 3 4 2 S 3 4 5 6 5 6 5 6 5 6 s 5 s 6 s 5 s 6 s 6 s 6 celkem 24 možností identifikace struktury systému není tímto rozkladem ovlivněna orientace vazby se pozná dle generativní neurčitosti příslušné proměnné vzhledem k 1. nebo 2. systému kauzalita se takto ale nezjistí Systém, identifikace struktury; R. Šára, CMP (str. 6)

Rekonstrukce a identifikace: úvod Rekonstrukce systému Konstrukce hypotézy o nejlepším celkovém systému S je-li dána jeho dekompozice {, 2 S,..., q S}. Aplikace: 1. inference celkového systému z dílčích 2. procedura nutná pro identifikaci Identifikace struktury Nejlepší dekompozice systému S na {, 2 S,..., q S}. Aplikace: 1. zjednodušení systému (např. rozpoznávání: jednodušší modely se odhadují lépe z dat) 2. nalezení struktury ve složitém systému (např. analýza kritických vazeb a závislostí) Systém, identifikace struktury; R. Šára, CMP (str. 7)

Velikost reprezentace celkového a dekomponovaného systému 10 12 Pro k = 10 k počet stavů jedné proměnné n počet proměnných v systému (1 + n) k n velikost reprezentace celkového systému funkcí přípustnosti 3 2 k2 n (n 1) velikost reprezentace dekompozice, kde každý podsystém má jen dvě proměnné = n(n 1) 2 (2 + 1) k 2 (Gibbs) velikost reprezentace 10 10 10 8 10 6 10 4 celkovy system dekomponovany system 10 2 2 4 6 8 10 pocet promennych dekomponovaný syst.: méně proměnných lepší odhad z dat Systém, identifikace struktury; R. Šára, CMP (str. 8)

Systém, identifikace struktury; R. Šára, CMP (str. 9) Rekonstrukce celku z částí

Schéma identifikační procedury systém S generátor rekonstrukčních hypotéz G a S nejsou porovnatelné nelze srovnat kvalitu G a S S a S jsou porovnatelné kvalita dekompozice S? S : (S,S ) = G dekompozice na podsystémy = rekonstrukční hypotéza G = {, 2 S,..., q S} nestranné spojení rekonstrukce S Systém, identifikace struktury; R. Šára, CMP (str. 10)

Vzájemná konzistence dynamických systémů Lokální konzistence chování Marginální funkce přípustnosti nad vazebními proměnnými musí být stejné C i,j = i S j S [ i p B C i,j ] = [ j p B C i,j ] Př: Lokálně nekonzistentní systémy: 2 S v 1 v 2 v 3 v 1 v 2 1 p B 0 0 0.5 0 1 0.2 1 0 0.1 1 1 0.2 2 S v 2 v 3 2 p B 0 0 0.4 0 1 0.25 1 0 0.15 1 1 0.2 v 2 [ 1 p B {v 2 }] 0 0.6 1 0.4 v 2 [ 2 p B {v 2 }] 0 0.65 1 0.35 Pozn: podsystémy vzniklé rozkladem systému jsou lokálně konzistentní. Systém, identifikace struktury; R. Šára, CMP (str. 11)

Stačí lokální konzistence k rekonstrukci? v 1 v 2 1 p 0 0 0.25 0 1 0.18 1 0 0.20 1 1 0.37 v 2 v 3 2 p 0 0 0.17 0 1 0.16 0 2 0.12 1 0 0.14 1 1 0.18 1 2 0.23 v 1 v 3 3 p 0 0 0.11 0 1 0.14 0 2 0.18 1 0 0.20 1 1 0.20 1 2 0.17 v 1 v 2 v 3 p 0 0 0 p 0 0 0 1 p 1 0 0 2 p 2 0 1 0 p 3 0 1 1 p 4 0 1 2 p 5 1 0 0 p 6 1 0 1 p 7 1 0 2 p 8 1 1 0 p 9 1 1 1 p 10 1 1 2 p 11 Množina možných rekonstrukcí? 0.06 p 10 0.18 0.05 p 11 0.17 0.23 p 10 + p 11 0.34 p 0 = 0.34 p 10 p 11 p 1 = 0.04 + p 10 p 2 = 0.05 + p 11. p 9 = Systém, identifikace struktury; R. Šára, CMP (str. 12)