книги / Машинный анализ и моделирование электрических цепей
..pdfнью точности, в системе ФАПЧ устанавливаются постоянные разность фаз и выходное напряжение ФД.
Поскольку система ФАПЧ имеет бесконечное множество разнозначных состояний равновесия, различающихся по‘мгно
венной разности |
фаз синхронизируемых колебаний на величину |
/2А , V ** 1,2,... |
и соответствующих нормированной характери |
стике ФД F ( t p ) |
, фазовое пространство системы разделяется |
на множество областей, топология которых описывается соот
ношениями вида ( 18). Эти |
области |
периодически повторяются |
с периодом, равным 2J Î |
(см . рис. |
4 ). Очевидно, что изобра |
жающая точка в общем случае, двигаясь последовательно до оптимальной траектории согласно уравнениям (18) при
.-,п, попадает на оптимальную линию переключения н по ней-;
всостояние равновесия в одной из указанных областей. Мо жет оказаться, что исходное положение изображающей точки такое, что в начальной области не существует оптимальных траекторий, переводящих ее на соседнюю очередную оптималь ную поверхность переключения, а имеются лишь оптимальные траектории, касающиеся или пересекающие границу соседней области. В этом случае принципиально невозможно попадание, изображающей точки в начало координат в пределах одной об ласти. Лишь с уменьшением расстройки в одной из областей изображающая точка попадет на оптимальную траекторию, за канчивающуюся на линии переключения, и ро ней переместится
вначало координат.
УДК 62.50
Ф.П.Воробьев, А.М.Мануйлова, А.К.Шевченко, Л.П.Доильницыиа
ПРИНЦИПЫ ПОСТРОЕНИЯ ПРОГРАММЫ МИНИМИЗАЦИИ- В ПРОСТРАНСТВЕ РЕЦЕПТОРОВ
Ставится задача распознавания классов объектов, отлич ных от геометрических изображений. При разработка програм мы минимизации алгоритм представляется в виде функциональ ного графа, а программа - в*внде двух графов: функциональ-.-
121
ного и графа, управления. Таким образом, формализованная программа имеет вид операторной граф-схемы. В ней находят, ся операторы ввода аргументов и вывода результатов. Каж дая вершина, кроме выхода графа, соединена с одной или дву, мя другими вершинами. Первый тип вершины - оператор или преобразователь, второй - распознаватель.* Каждый оператор в общем случае перерабатывает определенную информацию. Распознавателем является предикат - логическая функция, имеющая вид условия.
В работе используются к -значные предикаты, т.е. фунт, ции произвольных аргументов, принимающие значения только из множества (0,1,2,..., Л -1 ). Далее рассматриваются преди каты вида
где л*£ Jiff- |
|
|
|
S " F W . |
|
|
|
|
|
|
|
|
|
Пусть G |
- |
область определения предиката |
у =- F ( х ) ■ |
|||
Тогда множество |
G |
можно разбить на к непересекающихся |
||||
подмножеств |
Gf |
|
( i = 0,J,2,...,k -I ) в соответствии |
с правилом |
||
х е Gf , вели |
|
у |
=? |
F (x ) = i |
(é=*û,J,...,k'f ?. Некоторые из |
|
этих подмножеств |
пустые. |
|
|
|||
Используя |
к -значные |
предикаты и функции |
к -значной |
логики, строим более сложные предикаты в пространстве ре
цепторов |
Rn . Если Fi |
(Xf , Х2 , ~ , х ц ) -предикаты |
( /W, |
a |
<P(Sj,}/z » •••’ |
9т } ~ ФУ1®1” ” 1 л-значной |
логики, |
то |
|
|
|
Ф ( Xj ,'Х2 f ' ‘>Xfl) ~ |
V [ F t (Xj f “tXjf), Fg(Xf f - ,X |
|
также является предикатом.
Для классификации объекта строим решающее правило, устанавливающее принадлежность произвольно взятой точки
(объекта) рассматриваемому подпространству |
R n ( т 4 Tl). |
Это правило записывается в виде предиката |
P =*F(Xj,..., Хд), |
принимающего значение истинности, если объект принадлежит R щ , и значение ложности в противном случае. Решающее правило ищется в виде совершенной дизъюнктивной нормальной
формы булевой функции F ( P j , Р% »**.> )* которую можно ми нимизировать, исходя из ее логической структуры или с помо щью теории графов. Поскольку процесс построения характери стик из элементарных операторрв в пространстве R^ аналоги чен движению по некоторому дереву, то перебор рецепторов
можно сократить отсечениём некоторых ветвей (без полного просмотра всех их ответвлений). Для этого находят промежу точные критерии отбора относительно информативных характе ристик, основанных на упорядочении всех характеристик объек та в соответствии с уменьшением показателя эффективности Щ
Определяем показатель эффективности #?--й характери стики
< P i = * b j + P < *> ï+ t< P Î,
где to - оценка вершины по сводному фактору условий измере ния (вес вершины); со - оценка параметра по фактору чувств вительности к появлению дефектов и информативности (оценка вершины по информативности); - оценка параметра по фак тору разделительной способности дефектов при измерении дан ной характеристики; * - нормированные значения соответст вующих оценок (например, to * = to /tomax » где а , ft, { - коэффициенты значимости указанных факторов в задачё распо знавания; си + fi Коэффициенты a ,f l, $ подбираем эмпирически проигрыванием рабочей модели на ЭВМ).
Методика упорядочения характеристик разработана на ба зе граф-модели объекта с учетом показателя эффективности Щ Вес ребра представляет собой оценку тесноты связи между двумя вершинами по парной корреляции. Вес вершины опреде
ляется по Шеннону [\ J
ш
= 2 f i (X j,X t),
J=1 . * w
где ж - количество вершин, из которых достижима рассма триваемая вершина лу в рабочей граф-модели. Все расстоя ния между начальной вершиной лу и любой другой (достижи мой) вершиной должны соответствовать условию
|
|
f i * Р к р |
Здесь fixp - |
критическое (пороговое) значение расстояния, |
|
определяющее основной критерий минимизации |
||
f i ( * j |
= ( fthp *fimix> ~ fi(X jt*j*' |
|
Для вершины |
йГ/ |
• |
где Г max - общее число распознаваемых классов; г - числп
1 2 3
классов, из комплекса первоначально нарушенных характеристик которых постижима вершина X;
Множество всевозможных реализаций алгоритма предел ляется в виде логической функции, последовательному прохо ждению дуг пути которой соответствует конъюнктивная связь, а параллельному - дизъюнктивная. В процессе синтеза алго ритма на базе графов равные подпути совмещаются, а нерав ные присоединяются введением дополнительных вершин граф» т.е. путем расширения графа. Назначение дополнительных вер. шин - разветвление алгоритма в соответствии со спецификой решения \задач. При направленном Обучении, когда решающее правило вырабатывается индивидуально для каждого объекта, базисной системой функций является конъюнкция признаков, соответствующих распознаваемому объекту.
Отличительная особенность этого .алгоритма заключается в применении метода перебора конъюнкций совместно с проце дурой предикатного описания объектов в пространстве рецелеров. Используя метод предикатного описания [ 2 J, можно весь ма эффективно осуществить аппроксимацию заданными поверх ностями границ областей, соответствующих распознаваемым
классам |
объектов. |
|
|
Рассмотрим операторное описание программы минимиза |
|||
ции пространства |
признаков. |
|
|
Логическая схема программы имеет вид |
|||
W W |
* Г h |
( 7 > E,< S)P 7 PaP g £ ,„ (7 >£ „ lS ) A I0 A „ , |
|
7P12 f/3 ( tS)£pf (M )Pjf Pfg Pu Efg |
(fS)A20 A2f A22 |
||
ft25 |
^ |
28 ft27 ft£6 ' |
|
Здесь П0 - оператор ввода программы; Pj - устанавли вает по специальному индексу требуемый класс заболеваний, соответственно которому оператор 32 производит перенос чи сел из определенной части операторной, памяти машины в стандартные ячейки; У^ - оператор чтения с магнитной лен ты нужной информации.
При одной реализации этого оператора о магнитной лен ты в оперативную память ЭВМ считывается информация об одном классе заболеваний. А^ определяет вид эталонной ма трицы, элементы которой - значения признаков для каждого
124
конкретного заболевания. Если матрица бинарная, то работает
оператор |
который является оператором обращения к под |
программе |
Р у |
Подпрограмма Ру вычисляет количество совпавших при знаков f î ' = îî - f i ( S j , S f ) при сравнении объектов; f i С•S/, расстояние Хемминга между строками s ; и 5*.. Затем вычис ляется S $ ) ( к - постоянная величина, требующая оптимального выбора), которое описывается подпрограммой
Pg . Оператор |
Рд |
выделяет |
/ -й |
признак из |
общего |
набора |
||||||
признаков. |
|
|
|
|
|
|
|
|
|
|
|
|
. Операторы |
о б р е т е н и я .^ |
и |
£ |
вычисляют |
f i - f t * |
|||||||
|
Gд-р (Sj ,sj. ) |
без /-го признака; |
sjf$t — |
|||||||||
строки матрицы, из которой удалей столбец. |
|
|
J |
* |
||||||||
Число голрсов, |
поданных |
у-строкЬй за |
/ |
объектов, оп |
||||||||
ределяется |
по формуле |
|
|
|
|
|
|
|
|
|
||
|
|
/у (к ) |
~ |
|
|
|
|
|
|
|
(2 ) |
|
Оператор |
AJ0 |
вычисляет |
удельное |
число голосов, |
подан |
|||||||
ных / -строкой |
за |
/ |
объектов |
|
|
|
|
|
|
|||
|
|
О (к ) |
/ |
у г |
к |
(sj ' |
|
|
|
|
( 3) |
|
|
|
I |
|
I |
J lj |
|
|
|
|
|
|
|
Оператор |
А^ |
определяет информационный вес призна |
||||||||||
ков по формуле из работы £Ъ]х |
|
|
|
|
|
|
||||||
Р ( 0 ~ ~ |
2 |
2 ^ iÇGn-fl ( sf |
|
|
( sj |
? 3t |
$ • |
|
(4 ) |
При произвольной матрице начинает работать оператор Р%- Оператор Pjy проверяет условие
|
|
H/j |
- C f f ! |
< à . |
(5 ) |
|
Если условие (5 ) выполняется, то с помощью оператора |
||||||
Gfs (15) происходит |
переход к подпрограмме |
PJJ , определяю |
||||
щей число признаков, |
для которых условие (5 ) выполнилось. |
|||||
Затем работает |
оператор |
Е ц |
(10), осуществляющий переход |
|||
к подпрограмме |
P J6 |
|
|
|
л - f i t s ' s |
) |
Подпрограмма |
Pjg |
вычисляет значение |
2 P 1 J* |
t f |
||
где п - f i (Sj, S f ) - |
общее число признаков, |
удовлетворяющих |
||||
условию |
|
|
|
|
|
|
|
|
/*)• “ * > / < |
cf |
|
|
|
|
Оператор Pjy выделяет из общего набора признаков i-\ |
|||||||
Признак, затэм при реализации |
операторов |
/■,-_( 15) и |
|||||
(1 0 ) происходит обращение и подпрограммам |
0PJS и |
Pfg , 1 |
|||||
торые вычисляют |
н |
-*/>( $ } , |
) |
и 2 Л'Ф |
3}> si |
) |
соответ |
ценно без включения |
/ что признака. |
|
|
|
|||
Оператор Àpç |
определяет |
удельное число |
голосов произ. |
||||
вольной матрицы |
у |
|
|
|
|
|
|
Оператор Agf вычисляет информационные веса по форму
ле
Р(о=т
*j=tt*ti i
Операторы A gi > A2f осуществляют перевод получении результатов цз двоичной системы счисления в десятичную. Операторы П^з , П27 - выводят результаты на печать,* формирует команды для определения информационного веса следующих признаков| Рщ выделяет признаки с наибольшими информационными весами; /^останавливает работу программы,
3 исследованных практических задачах оптимальный на бор признаков включал менее половины признаков.первоначаль ного списка» Соответствующие программы реализованы на ЭЕМ ‘'М-222*' дли сложных динамических систем.
Литература
1. Медицинская информационная система / Под ред. Н.М.Амо сова. , А,А.Подова, - Киев: Наук.думка, 1975. - 506 с.
2.Рвачёр В.Л. Методы алгебры логики в математической фи зике, - Киёв: Наук.думка, 1974. - 258 с.
3.Журавлев Ю.И. Локальщлй алгоритм вычисления информа ции, - Кибернетика, 1066, № 1. с, 12-10.
УДК 518.61
В.П.Толмачев
ОБ ОДНОМ АЛГОРИТМЕ ПОСТРОЕНИЯ ИТЕРАЦИОННЫХ СХЕМ РЕШЕНИЯ КРАЕВЫХ ЗАДАЧ
В связи с развитием гибридных вычислительных систем, использующих АВМ и ЦВМ, необходимо усовершенствовать методические приемы решения краевых задач с учетом основ ного преимущества АВМ, заключающегося в быстродействии решения уравнения Пуассона при достаточно сложных гранич ных условиях [ \ ] . Общий методический прием сведения реше ния исходных дифференциальных уравнений достаточно общего вида к интегрированию уравнений, реализуемых на конкретном аналоговом устройстве, получил название квазианалогового моделирования [ 2 ] .
В данной работе рассматривается итерационная схема ин тегрирования уравнений математической физики, при использо вании которой в первом приближении решается уравнение Лап
ласа, а в последующих - |
уравнение Пуассона f Z j . |
Рассмотрим дифференциальный оператор вида |
|
^ |
U y s , U j f i U x > U О ) |
для которого в соответствии с его типом решается краевая
задача. Используя данные о начальных и граничных условиях для (1) и физические особенности рассматриваемого процесса, можно априори получить максимальное (минимальное) значе ние решения^ В качестве нормы, характеризующей решение, выбираем среднеарифметическое значение функции U для рас сматриваемой области решения в некоторой дискретной систе ме точек.
Представим итерационную схему интегрирования (1 ) в ви
де
(I)Г(-Г) (('-/)
L U - A U + LU, |
( 2 ) |
где L - лапласиан. В первом приближении решается уравнение Лапласа
а )
LU а0,
в последующих итерациях - |
уравнение Пуассона |
|
со d -o |
{‘ -и |
|
LU =AU + LU , i > J , |
(4) |
гла индекс ( è- 1 ) означает, что величина'слагаемых извест на ИЗ предыдущей итерации. Для интегрирования (2 ) удобно использовать гибридные вычислительные средства (ГВ С ), включающие аналоговые и цифровые вычислительные машины [ \ ] . При этом интегрирование оператора L в уравнении (2) достигается использованием аналоговой части ГВС, а числен ное дифференцирование и вычисление алгебраических соотноше
ний - в соответствии с операторами А , L |
; сходимость |
вычислений обеспечивается ЦВМ. Управление |
сходимостью |
итерационного процесса достигается использованием двусто ронних оценок решения, которые рассматриваются ниже.
Если уравнение (| ) эллиптическое, его граничные усло вия при интегрировании (3 ) и (4 ) используются без измене ния. При параболическом типе уравнения ( 1 ) ( коэффициент при % равен нулю) в качестве условий на границе выбираются начальные и граничные условия, а на оставшейся части грани цы полагается ЛЛ- = О . Такое граничное условие характерно для многих асимптотически протекающих физических процессов, Его можно использовать в качестве первого приближения в итерационных граничных условиях типа (10К (11). Целесооб разность применения граничного условия объясняется также тем, что значения решения Внутри рассматриваемой об ласти и на границе при проведении вычислительного процесса (4 ) корректируются от итерации к итерации. Аналогичное ус ловие ставится при решении (3 ), если уравнение (1 ) гипербо лическое.
Проинтегрировав уравнение (3 ), получаем приближенное решение уравнения ( 1 ), которое не зависит от типа рассматриэаемого исходного уравнения и учитывает только его началь ные и граничные условия. Норма такого решения определяете)! неравенством
йгмг <' |
< V/nàx ‘ |
^ |
После подстановки решения уравнения (3 ) |
в правую, часть |
|
уравнения (4 ) и i итерирования |
его норма решения в эависи- |
|
' X2 Q |
|
мости от конкретных начальных и граничных условий изменя ется в сторону максимума либо минимума. Допустим, что нор ма решения изменилась в сторону U щцх Тогда искомое решение находится в интервале
Uj < 11иск < Umax •
Рассмотрим более подробно процесс получения искомого реше ния, Вычислим правую^часть (4) с ‘учетом решения уравнения
(3) и обозначим ее ( х , у ) . После решения уравнения
(2)п)
LU |
« (f |
(7 ) |
может возникнуть ситуация, |
А л |
Такое условие |
когда Ü2 > и тах |
соответствует нарушению физического смысла рассматривае мой задачи и приводит к расходимости итерационного процес са (2). Поэтому для обеспечения сходимости вычислительного процесса вместо соотношения (7 ) целесообразно использовать соотношение
|
|
(2) |
а> а ) |
(8) |
|
|
L U |
- * < ? , |
|
значение коэОДициеита |
у в котором выбирается таким, |
чтобы |
||
после решения ( 8 ) |
выполнялось неравенство U2 < $ т х , Такой |
|||
выбор коэффициента |
Ф |
обеспечивает сходимость вычислитель |
ного процесса, т.е. сжимаемость дифференциального оператора Л 7 . Полученное значение у ф является верхней границей изменения правой части ( 2 ) при последующих итерациях, а ве
личина cpifsm соответствующая искомому решению, |
находит |
ся в интервале |
|
/ у 9 ! > ! Ч и с т !? ° ‘ |
(9) |
Сходимость вычислений в интервале (9 ) обеспечивается одним из многочисленных способов построения итерационной процедуры вычислений /"57, Искомое решение определяется следующим условием: разница значений норм решения двух по следовательных итераций должна быть меньше некоторой за данной величины, определяющей точность вычислений. Следует отметить, что от итерации к итерации значение V изменяется И определяет скорость сходимости вычислений.
Приведенный подход к управлению сходимостью процесса
решения не связан с анализом собственных значений матриц. Это не позволяет, заблаговременно выбрать наилучшую страте гию изменения коэффициента у и предполагает использование для его определения информации о решении, получаемом в каж дой итерации, т.е. используются апостериорные оценки реше ния [ А ] .
Подобны й характер вычислений предпочтителен при реше нии однотипных задач, так как позволяет накопить опыт о значениях У в каждой итерации и использовать его для уве личения скорости получения решения. При отсутствии такого опыта выбирают соответствующий алгоритм изменения у ко торый обеспечивает монотонное стремление решения от перво го приближения (решения уравнения (3 )) к-искомому. Реали зация итерационного способа ( 2 ) особенно удобна при диалоге оператор - машина, когда информация о. решении выводится на дисплей, с помощью которого можно следить за изменени ем, сходимости вычислений и вводить ускоряющие ее значения параметра У в ЦВМ.
После интегрирования (4 ) полученное решение является для уравнений эллиптического типа окончательным, а для урав нений параболического и гиперболического типов необходима корректировка граничного условия для участка границы, соот ветствующего рассматриваемому моменту времени. Для урав нений параболического типа вместо условия ^ - = 0 использу ется итерационное граничное условие, которыьг является исход
ное |
уравнение |
( 1) |
следующего вида: |
|
|||
|
|
» ) |
|
|
|
|
( 10) |
|
ÉJL |
(i 4)/ д 2й |
dü |
|
|||
|
*9 |
|
|
|
|
|
|
а для уравнений гиперболического типа |
|
||||||
|
£ . Н № |
, S L , É L , в ,ч ) м , |
( и ) |
||||
|
ау |
/ |
ч л г |
ал ' а/ |
у/ |
|
|
где |
В, Л - операторы, |
получаемые |
после разделения |
( 1)' отно |
|||
сительно производных |
|
, 4 ^ |
соответственно. |
Сходимость |
итерационного процесса обеспечивается также введением в пра вую часть уравнений ( 10), ( 11) определенного коэффициента, с помощью которого достигается соответствующее управление сходимостью вычислений. Следует отметить, что после коррек тировки граничных условий решение изменится и потребуется