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.

Поиск по сайту: