 |
Электромагнитное преобразование
26.Характеристики систем (Целостность) –создаваемая модель является целой системой.
27.Характеристики систем (Неопределенность) –основная характеристика неопределенности – энтропия.
28.Характеристики систем (Поведенческая страта) –позволяет оценить эффективность достижения системой поставленной цели.
29.Характеристики систем (Адаптивность) – свойство высокоорганизованной системы.
30.Характеристики систем (Организационная структура) – зависит от сложности модели.
31.Характеристики систем (Управляемость) – необходимость обеспечивать управление для получения возможности рассмотрения процесса в различных условиях.
32.Характеристики систем (Возможность развития).
33.Статическое моделирование– описание поведения объекта в какой-л момент времени.
34. Динамическое моделирование– отражает поведение объекта во времени.
35.Дискретное моделирование– для описания проц. которые предполагаются дискретными.
36.Непрерывное моделирование – отражает непрерывные процессы в системе.
37.Мысленное моделирование: 1) Наглядное <Гипотетическое, Аналоговое, Макетирование>, 2) Символическое <Языковое, Знаковое>, 3) Математическое <Аналитическое, Комбинированное, Имитационное>.
38.Реальное моделирование: 1) Натуральное <Научный эксперимент, Комплексное испытание, Производственный эксперимент>, 2) Физические <В реальном масштабе времени, В нереальном масштабе времени>.
39.Непрерывно-детерминированный подход построения мат модели (Д-схемы: диф уравнения).
40.Дискретно-детерминированный (F-схемы: конечные автоматы).
41.Дискретно-стохастический (F-схемы: вероятностные автоматы).
42.Непрерывно-стохастический (Q-схемы: СМО).
43.Обобщенный/универсальный(А-схемы: агрегативные системы).
44.Классификация нейросетей (полносвязные) – каждый нейрон передает свой выходной сигнал остальным нейронам, в том числе и самому себе.
45.Классификация нейросетей (многослойные/слоистые: монотонные, без обратных связей, с обратными связями) – нейроны объединены в слои: входной, выходной и скрытый слои.
46.Классификация нейросетей (слабосвязные/с локальными связями) – связи только с нейронами по соседству.
47.Этапы моделирования: 1) построение концептуальной модели и ее формализация; 2) Алгоритмизация модели системы и ее машинная реализация; 3) получение и интерпретация результатов моделирования.
48.Нейрон– составная часть нейросети. Он состоит из элементов трёх типов: 1) умножитель (синапс); 2) сумматор; 3) нелинейный преобразователь.
49.Алгоритмы обучения нейросети – с учителем, без учителя.
14. Методы обработки информации– 1) ранговые (нелинейное усиление высокочастотной составляющей изображения); 2) разностные (подчеркивание границ объекта); 3) растяжения (усиление контраста, яркости); 4) гистограммных преобразований (усиление малых уровней изображения); 5) преобразование локальных контрастов.
15. Методы фильтрации– линейный, согласующий, инверсный.
Размер матрицы фильтра– маска или апертура
20. Метод трапеций – для оценки качества регулирования.
21. Структурная схема управления в биосистеме представленная в виде 2-х взаимодействующих компонент: энергетической (обеспечивается метаболической системой) и управляющей (представлена в виде блока регуляторных механизмов и блока эффекторов).
22. Микродинамика – определяется переходным процессом при разовом лечебном воздействии и рассматривается как реакция на это воздействие организма больного (импульсное воздействие).
23. Макродинамика – определяется временем достижения нормального уровня физиологического параметра и скоростью его изменения при переходе от начального значения до желаемого уровня (переходная характеристика).
24. 2 аспекта информационного обеспечения: 1) способность накапливать, хранить, корректировать и обобщать данные о пациентах; 2) способность использовать накопленную информацию для прогнозирования и принятия решения при диагностике и лечении.