29 задач анализа ряда интегральных характеристик ситуаций и процессов управления и т. п. Анализ возможностей решения задач выбора СиПО реального уровня сложности в рамках статистического подхода показал, что их эффективное решение затрудняется отсутствием явных контрастных признаков, высокой структурной вариативностью структур СиПО, неразработанностью процедур обработки большинства их структурных элементов. Все это определяет низкую достоверность и оперативность решения задач управления в АОС с использованием данной группы методов, которая может рассматриваться только в качестве дополнительной при решении рассматриваемого класса задач. Применение методов на основе эвристик для решения задач рассматриваемого класса затруднено необходимостью интуитивного с большим числом пропусков, задания довольно большого количества эвристических правил (в общем случае экспоненциальная зависимость от состава элементов СиПОлексических, грамматических и др.), что приводит к недопустимому увеличению пропускаемых вариантов анализируемых структур СиПО и времени анализа и принятияч решений при управлении АОС, а соответственно, и к невыполнению предъявляемых к АОС основных требований и невозможности их технической реализации. Применение нейросетевого и алгебраического подхода также затрудняется высокой структурной сложностью и вариативностью СиПО, что не позволяет решить большинство задач управления АОС в рамках данных подходов [1821]. В последнее время для решения задач, связанных с управлением выбором сложноструктурированных стратегий и программ для различных приложений, в том числе и АОС, все более широкое применение находят |
43 'X А' <■*В настоящее время применение существующих статистических методов для распознавания данных в РСУ характерно в первую очередь при решении задач анализа ряда интегральных характеристик ситуаций и процессов управления и т. п. Анализ возможностей решения задач распознавания РСДЗ в рамках статистического подхода показал, что их эффективное решение затрудняется отсутствием явных контрастных признаков, высокой структурной вариативностью РСДЗ, неразработанностью процедур выделения большинства структурных признаков. Все это определяет низкую достоверность и оперативность решения задач РО РСДЗ с использованием данной группы методов, которая может рассматриваться только в качестве дополнительной при решении рассматриваемого класса задач. Применение методов на основе сравнения с эталоном для решения задач распознавания РСДЗ затруднено необходимостью задания довольно большого количества эталонов (в общем случае экспоненциальная зависимость от длины цепочки), что приводит к недопустимому увеличению времени распознавания (объемов используемой оперативной памяти), а соответственно, и к невыполнению предъявленных оперативных требований (невозможности технической реализации устройства распознавания). Применение нейросетевого и алгебраического подхода также затрудняется высокой структурной сложностью и вариативностью РСДЗ, что не позволяет решить большинство задач обучения и различения в рамках данных подходов [99, 111]. В последнее время для решения задач, связанных с распознаванием и обработкой РСДЗ для различных приложений, в том числе и РСУ, все более широкое применение находят структурно-лингвистические методы распознавания и обработки, а также их структурно-статистические, структурно-нейросетевые и структурно-алгебраические модификации [1-7, 920, 24-33, 97, 99, 101-109, 111, 112, 114-191]. В данных методах при выделении наиболее контрастных признаков и правил обработки |