ням-наслідків.
) квантовий граф є одночасно базою? k-знань у вигляді імплікатівних або (і) функціональних закономірностей даної предметної області і мережевим механізмом виведення шуканих рішень CS по спостережуваних ситуацій щодо ОПР.
Постановка і вирішення базових В ? - завдання і С < b align="justify">?- завдання
При постановці базових У? -, С?- Завдань ІКЗ використовується в основному ідентична інформація, тобто відомі:
а) сформовані вибіркові ? ТЕД ( У? ) ,? ТЕД (С ?),? Спозі ( В? ) і ? Спозі (С ?), а також число і зміст посилок і заключний як шуканих рішень у У ? - завданню (розпізнавання ОПР або ситуацій) і С ?- завданню (екстраполяція ОПР або ситуацій), сформульованих в термінах ІКЗ для даної предметної області;
б) допустима оцінка достовірності про існування функціональних і (або) імплікатівних закономірностей рангу r в навчальних ? ТЕД, ? Спозі обсягу mN як міри адекватності шуканої бази ? k-знань (Б? kЗ) для даної У? -, С?-завдання (r=2, 3, ... n - число пов'язаних закономірністю ознак ОПР, m - кількість спостережень, N - розширене число ознак; - число значень j-ї ознаки ОПР; n - кількість ознак).
в) допустиме значення Rдоп емпіричного ризику помилкових рішень як показника ефективності прийнятих рішень;
г) критерій оптимізації ? - КСВр по структурної надмірності (по слідству і по згортку) або ідентифікації та екстраполяції ОПР;
д) при формуванні ? ТЕД (С ?),? Спозі ( У? ) необхідні періоди прогнозування.
Потрібно:
1) В В ?- завданню забезпечити дедуктивний висновок ідентифікаційного рішення щодо ОПР допомогою < b> DED-оператора з Б ? kЗ (В ?) , яку необхідно попередньо індуктивно вивести за допомогою IND-оператора в режимі навчання за вибірковими ? ТЕД (В ?),? Спозі (В ?);
2) В С ?- завданню забезпечити дедуктивний висновок прогнозного рішення щодо ОПР допомогою < b> DED-оператора з прогнозної Б ? kЗ (В ?) , яку необхідно попередньо індуктивно вивести за допомогою IND-оператора в режимі навчання за вибірковими ? ТЕД (С ?), ? Спозі (С ?).
Зауважимо, що спираючись на виробничий досвід і знання фахівців (експертів) при формуванні навчальних? k-знань для конкретної предметної області, можна гарантовано забезпечити необхідну стійкість шуканих імплікатівних і функціональних закономірностей в Б ? kЗ на певний тимчасової період (i=1, 2, ...) c урахуванням майбутнього. Тим самим після навчання може бути побудована ідентифікаційна Б ? kЗ (В ?), володіє властивостями прогнозної Б ? kЗ (С ?) на період. Тоді розроблені ? РАКЗ-моделі, IND-і DED-оператори виодіт на ? K-знаннях і реалізують алгоритми? АЛОБУЧ,? АЛАКВА,? АЛОПТ, АЛ ( В ? ), АЛ ( С ? ) і АЛУПР дозволяють по-новому трактувати задачу екстраполяції (прогнозування) ситуацій з неявним використанням часових залежностей від t . При цьому С ? - завдання прогнозування розглядається як окремий випадок У?-завдання ідентифікації ОПР і зводиться до визначення (екстраполяції) значень неспостережуваних k ознак ОПР () по спостережуваним (відомим) значенням (nk) ознак того ж ОПР. Це правомірно тому, що дедуктивний висновок прогнозованих значень ознак на період гарантується необхідної стійкістю закономірностей у синтезованої базі знань Б ? kЗ (В ? ) на даний період.
Таким чином, на відміну від традиційного прогнозування з скрутним пошуком явних залежностей від часу t пропонується більш продуктивне знанняорієнтованих прогнозування з неявним використанням t, спираючись на стійку базу квантів знань.
Для вирішення поставлених У ? -,