Проверяемый текст
Кахутин, Павел Викторович. Повышение качества системы поддержки принятия решений в технологической подготовке машиностроительного производства путем организации хранилищ данных (Диссертация 2004)
[стр. 161]

161 id parameter Внешний ключ к таблице parameter idvalue Внешний ключ к таблице value id mode glav Внешний ключ к таблице mode glav id mode vspom Внешний ключ к таблице vspom id equipment Внешний ключ к таблице equipment id time Внешний ключ к таблице time parameters: paramjiame mode: vjglav ассоциативных правил При решении задачи поиска ассоциативных правил каждый факт контроля нормируемого параметра рассматривается как транзакция, а на основе атрибутов таблиц измерений определяются элементы транзакций.
Таким образом, множество транзакций, используемое для обучения нейронной сети, можно логически представить в виде таблицы, формируемой, как показано на рис.

52.
С каждым фактом, сохраненным в ХД, связано множество атрибутов, хранящихся в таблицах измерений.
Каждое из возможных значений любого атрибута.
Если атрибут числовой, то множество возможных его значений разбивается на интервалы с использованием алгоритма, описанного в
[119].
После формирования таблицы она заполняется следующим образом: выбирается факт измерения какого-либо параметра и связанные с ним значения атрибутов, извлекаемые из
таблиц измерений.
Поскольку каждому значению атрибута соответствует свой столбец в итоговой таблице, то в столбце, соответствующем имеющемуся значению, устанавливается значение 1, а во всех остальных 0.
Учитывая, что рассматриваемая задача
ИАД решается с целью выявления комбинаций значений параметров ТП, ведущих к
[стр. 112]

112 Формирование таблицы, предназначенной для поиска ассоциативных правил parameters: param name / mode: v_glav / / / 944 vai 1 »*■ val N л range 1 --------------1 range M 444 4*4 0 1 44# 1 494 0 444 шшл 1 444 0 944 0 444 1 494 Рис.
27 При решении задачи поиска ассоциативных правил каждый факт контроля нормируемого параметра рассматривается как транзакция, а на основе атрибутов таблиц измерений определяются элементы транзакций.
Таким образом, множество транзакций, используемое для обучения нейронной сети, можно логически представить в виде таблицы, формируемой, как показано на рис.

27.
С каждым фактом, сохраненным в ХД, связано множество атрибутов, хранящихся в таблицах измерений.
Каждое из возможных значений любого атрибута.
Если атрибут числовой, то множество возможных его значений разбивается на интервалы с использованием алгоритма, описанного в
[84].
После формирования таблицы она заполняется следующим образом: выбирается факт измерения какоголибо параметра и связанные с ним значения атрибутов, извлекаемые из
4 таблиц измерений.
Поскольку каждому значению атрибута соответствует свой столбец в итоговой таблице, то в столбце, соответствующем имеющемуся значению, устанавливается значение 1, а во всех остальных 0.
Учитывая, что рассматриваемая задача
НАД решается с целью выявления комбинаций значений параметров ТП, ведущих к недопустимым отклонениям нормируемых параметров, то последним столбцом таблицы

[Back]