|
|||||||
|
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.
|
Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Студалл.Орг (0.006 сек.) |