Лекция 6.2.1

ТСП Лекции 6 / Лекция 6.2.1 Технология погружения готовых свай

Технология строительных процессов.

Технология погружения готовых свай. Ударный метод.

Железобетонные и деревянные сваи, стальные трубы и шпунтовые сваи доставляют к месту работ в подготовленном виде с предприятий стройиндустрии или с баз комплектации строительных организаций.

Сваи перевозят на автомобилях с прицепами; погрузка на транспортные средства и разгрузка с них ведется с помощью грузоподъемных кранов. Площадки складирования свай и шпунтов определяют проектом производства работ с учетом необходимого запаса, минимальных трудозатрат и времени на подтаскивание свай к погружающей установке. Бетонную смесь для устройства ростверков доставляют с районных бетонных заводов или приготовляют на строительной площадке с помощью локальных бетоносмесительных установок.

Заранее изготовленные сваи погружают ударом, вибрацией, вдавливанием, завинчиванием с использованием подмыва и электроосмоса, а также комбинациями этих методов.

До начала свайных работ на площадку необходимо подвести электроэнергию, воду, воздух, пар. Если работы ведутся в вечернее и ночное время, то площадка должна быть освещена. К этому времени должна быть выполнена ревизия оборудования и других средств механизации. В случае применения установок на рельсовом ходу укладывают звенья рельсовых путей.

Геодезическую разбивку свайных рядов выполняют после планировки площадки. Сначала по периметру свайного поля делают обноску, на которой по осям свайных рядов натягивают взаимно перпендикулярные проволоки. В местах пересечения этих проволок надежно забивают в грунт деревянные колышки, выступающие над поверхностью земли на 10. 12 см. Правильность разбивки свай на местности оформляют актом с участием авторского надзора от проектной организации. Разбивка свайного поля на захватки и очередность их устройства определяются ППР.

При разработке ППР необходимо учитывать места складирования свай с таким расчетом, чтобы они были расположены ближе к путям движения копров и, чтобы захват и подъем сваи можно было выполнять копром без крана. Передвижение копров на объекте должно быть по возможности прямолинейным с минимальным числом поворотов. Подъезды на объекты строительства желательно устраивать кольцевыми.

В процессе подготовительных работ производят пробную забивку железобетонных готовых свай. По результатам испытания пробных свай корректируют чертежи свайного сооружения и проект производства работ.

Ударный метод погружения свай основан на забивке свай молотами – механическими, паровоздушными одиночного и двойного действия и дизель-молотами, которые работают с копрами или мобильными копровыми (сваебойными) установками, обеспечивающими направленное движение сваи и молота и механизацию вспомогательных операций.

Этим методом можно погружать различные железобетонные сваи (сплошные, трубчатые, крестообразные), а также деревянные сваи, деревянный и стальной шпунты. Процесс забивки сваи состоит из следующих операций: перемещения (переезда) сваебойной установки к месту погружения очередной сваи; установки и выверки, подтаскивания, подъема сваи и установки ее в плане в проектное положение; забивки сваи; измерения погружения сваи; динамического ее испытания.

Трудоемкость и продолжительность перемещения, установки и выверки сваебойной установки зависят от ее конструкции. Универсальные металлические копры башенного типа, установленные на платформах-тележках, передвигаются на колесах по рельсам,

Технология строительных процессов.

имеют большую грузоподъемность (учитываются масса сваи и молота) и значительную собственную массу (вместе с лебедкой — до 20 т). Монтаж и демонтаж этих копров и устройство для них рельсовых путей — весьма трудоемкие процессы. Поэтому их применяют для забивки свай длиной более 12 м при большом объеме свайных работ на объекте. Наиболее распространены в промышленном и гражданском строительстве сваи длиной 6.

10 м, их забивают с помощью самоходных сваебойных установок (рис. 1), изготовленных на базе кранов, тракторов, автомобилей и экскаваторов. Эти сваебойные установки маневренны и имеют механизмы для выравнивания стрелы, что упрощает их установку и выверку.

Рисунок 1. Сваебойные установки: а — на базе трактора; 1 — трактор; 2 — гидромультипликаторы для подъема молота и сваи; 3 — гидравлические раскосы; 4 – стреловой канат; 5 — головка с блоками; 6 — молот; 7 — стрелка заводки сваи под молот; 8 — свая; 9 — рама; 10 — нижний отводной блок; б — на базе автомобиля; 1 — опоры мачты (для транспортного положения); 2 — автомобиль; 3 — гидромультипликаторы для подъема молота и сваи; 4 — гидроцилиндры подъема молота и сваи; 5— гидроцилиндры наклона мачты; 6 —гидроцилиндр выдвижения стрелы; 7 — гидроцилиндр перемещения мачты; 8 —мачта; 9 — головка с блоками; 10 — молот; 11 — рама; 12 — свая; 13 — выносные опоры; в — на базе экскаватора; 1 — полиспаст; 2 — канал молота; 3 — свайный канат; 4 — стреловой канат; 5 — головка с блоками; 6 — молот; 7 — наголовник; 8 — мачта; 9 — свая; 10 — стрела экскаватора; 11 — телескопическая распорка.

Подтаскивание и подъем железобетонной сваи — тоже трудоемкие операции. При забивке длинных свай универсальным копром рекомендуется включать в комплект механизмов автомобильный кран, который поддерживает сваю за нижнюю скобу, постепенно приближаясь к копру. В это же время голова сваи поднимается за верхнюю петлю подъемным устройством, имеющимся на копре. При отсутствии автокрана сваю подают и поднимают с помощью двух вагонеток и специального подъемного приспособления. При таком решении трудоемкость этих операций существенно возрастает и, кроме того, сваи часто повреждаются.

Современные сваебойные установки имеют специальные устройства, механизирующие процесс подтаскивания и подъема свай, а также установку головы сваи в наголовнике. Так, копровая установка, показанная на рисунке 2, имеет выбросную стрелу, вылет которой изменяется с помощью гидравлического устройства. Сваи небольшой длины

Технология строительных процессов.

(6. 8 м) можно подтаскивать таким образом, чтобы их острие скользило по грунту. Эффективность операции забивки свай в основном зависит от типа свайного молота и прежде всего от правильного определения соотношения между его массой и массой сваи, а также от соответствия системы молота виду грунта и воздействия его на голову сваи. Механические (подвесные) молоты из-за низкой производительности (10. 15 ударов в 1 мин) применяют лишь при небольших объемах свайных работ. Масса ударной части свободно падающего молота при забивке сваи длиной 12 м в плотные грунты должна равняться 1,5 массы сваи с наголовником, а при забивке в грунты средней плотности — 1,25 этой массы.

Читайте также:
Лекция 2.5

Рисунок 2. Схема подтаскивания сваи сваебойной установкой: 1 — забивная свая; 2 — штабель свай; 3 — стрела— мачта.

Паровоздушные молоты бывают одиночного и двойного действия.

Молоты одиночного действия имеют массу ударной части 1,25. 6 т, число ударов в 1 мин у большинства моделей этих молотов не превышает 30.

Паровоздушные молоты двойного действия выпускают различных марок, отличающихся между собой по конструкции. У большинства паровоздушных молотов двойного действия ударной частью является поршень. Молот двойного действия может делать более 200 ударов в 1 мин. Число ударов можно регулировать автоматически. С помощью молотов двойного действия сваи забивают в вертикальном и наклонном положении в грунты различной плотности.

Масса ударной части паровоздушных молотов двойного действия составляет 15. 25% общей массы молота, а масса ударной части молотов одиночного действия —

Широко применяемые дизель-молоты по сравнению с паровоздушными молотами отличаются более высокой производительностью, простотой в эксплуатации, автономностью действия и более низкой стоимостью. Автономность дизель-молотов обеспечивается путем подъема ударной части за счет рабочего хода двухтактного двигателя, составляющего основу дизель-молота.

Рисунок 3. Схемы дизель-молота: а — штангового; б

— трубчатого; 1 — подвижный цилиндр; 2 — направляющие штанги; 3 — поршень; 4 — подвижный поршень; 5 — головка; 5 — неподвижный цилиндр; 7

Технология строительных процессов.

На стройках применяют штанговые и трубчатые дизель-молоты. Ударная часть штанговых дизель-молотов (рис. 3а) — подвижный цилиндр, открытый снизу и перемещающийся в направляющих штангах. При падении цилиндра на неподвижный поршень в камере сгорания воспламеняется смесь воздуха и топлива. Образующаяся в результате сгорания смеси энергия подбрасывает цилиндр вверх, после чего происходит новый удар и цикл повторяется. Топливо поступает в форсунку камеры сгорания по трубке, проходящей в блоке поршня, с помощью насоса высокого давления, который приводится в действие подвижным цилиндром.

В трубчатых дизель-молотах (рис. 3б) неподвижный цилиндр, имеющий шабот (пяту), является направляющей конструкцией. Ударная часть молота — подвижный поршень с головкой. Распыление топлива и воспламенение смеси происходят при ударе головки поршня по поверхности сферической впадины цилиндра, куда топливо подает насос низкого давления, который по существу лишь дозирует поступление смеси.

Число ударов в 1 минуту у штанговых дизель-молотов 50. 60, у трубчатых —

Главное преимущество дизель-молота трубчатого типа по сравнению со штанговыми ди- зель-молотами состоит в том, что при одинаковой массе ударной части они обладают значительно большей (в 2. 3 раза) энергией удара. Так, для забивки свай длиной 8. 10 м рекомендуется принимать следующее отношение массы ударной части молота к массе сваи: 1,25 при штанговых и 0,7. 0,5 при трубчатых дизель-молотах.

Зимой штанговые дизель-молоты работают более эффективно, чем трубчатые молоты. Их можно запустить при температуре —30°С, а для надежного запуска трубчатого дизель-молота уже при температуре до —20°С нужно применять специальные присадки к топливу и предварительно подогревать молот в течение 20. 30 мин. В процессе забивки свай в этих условиях штанговые дизель-молоты работают также более устойчиво.

Несмотря на ряд достоинств, применять дизель-молоты в ряде случаев нецелесообразно, например, при забивке свай в мягкие податливые грунты и грунты с сильносжимаемыми прослойками, когда из-за недостаточной жесткости основания трудно привести в действие дизель-молот, поскольку ударная часть поднимается на недостаточную высоту и требуемого сжатия в камере сгорания не происходит. Дизель-молотами нельзя забивать сваи под водой.

При выборе типа молота (в зависимости от массы свай и вида грунтов) необходимо учитывать коэффициенты применимости К.

где Q — масса молота, кг; q — масса сваи с наголовником, кг; W — энергия удара по паспорту.

Значения К колеблются от 2 до 6 (в зависимости от материала сваи и типа молота). Для забивки железобетонных свай с помощью подвесных молотов К=3, с помощью одиночного действия и штанговых дизель-молотов К=5, молотов двойного действия и трубчатых дизель-молотов К=6.

Наголовники необходимы для закрепления сваи в направляющих сваебойной установки, предохранения головы сваи от разрушения ударами молота и равномерного распределения удара по площади сваи. При забивке свай подвесными и паровоздушными молотами применяют металлические сварные и литые наголовники в виде опрокинутых коробок, имеющих внутри амортизационную прокладку, выполненную из досок твердых пород древесины или полимерных материалов.

Внутренняя полость наголовника должна соответствовать очертанию и размерам головы сваи. Обычно наголовник подвешивают к молоту за ушки и вместе с ним поднимают и опускают на сваю. Наголовники дизель-молотов с поворотной рамкой (рис. 4) позволяют при опущенном молоте заводить во внутреннюю полость головку сваи, лежащей на грунте, что несколько сокращает продолжительность подъема сваи. Применение наголовников сокращает продолжительность установки сваи.

Технология строительных процессов.

Рисунок 4. Схема наголовника с поворотной рамкой 1—наголовник; 2 — серьга; 3 — цапфа; 4 — поворотная рамка; 5 — штифт; 6 — планка; 7 — свая; в — петля; 9 — карабин; 10 — стальной канат.

Забивку сваи начинают с медленного опускания молота на наголовник после установки сваи на грунт и ее выверки. Под действием массы молота свая погружается в грунт. Чтобы обеспечить правильное направление сваи, первые удары производят с небольшой высоты подъема молота (как правило, не более 0,4. 0,5 м). В начале погружения необходимо отсчитывать число ударов на каждый метр погружения сваи, отмечая при этом среднюю высоту падения ударной части подвесного молота одиночного действия. При использовании молотов и дизель-молотов, замеряют время действия молота, расходуемое на каждый метр погружения сваи, число ударов в минуту, а молотов двойного действия – давление пара (воздуха). В начале забивки необходимо внимательно наблюдать за правильностью погружения сваи в плане и по вертикали или по заданному углу наклона (при забивке наклонных свай).

В конце забивки с помощью подвесных молотов и паровоздушных молотов одиночного действия, когда острие сваи погружено приблизительно до проектной отметки или получен проектный отказ, забивку производят «залогами» по 10 ударов в каждом. При забивке свай молотами двойного действия и дизель-молотами считать удары (из-за их большой частоты) практически невозможно. В этих случаях за отказ принимают величину погружения сваи за 1 мин. Отказы измеряют с погрешностью не более 1 мм. Сваи, не давшие контрольного отказа после перерыва продолжительностью 3. 4 дня, подвергают контрольной добивке. Если глубина погружения сваи не достигла 85% проектной, а на протяжении трех последовательных залогов получен расчетный отказ, необходимо выяснить причины этого явления и согласовать с проектной организацией порядок дальнейшего ведения свайных работ.

Читайте также:
Лекция 3.2

Рисунок 5. Схема автоматического суммирующего отказомера: 1 — свая; 2 — хомут; 3 — шарнир; 4 — храповая линейка; 5 — направляющая; 6 — указатель упругого отказа; 7

— мерная линейка для измерения упругого отказа; 8 — хомут опоры; 9 — подкладка; 10 — опора; 11 — шарнир; 12 — указатель остаточного отказа; 13 — мерная линейка для измерения остаточного отказа; 14 — направляющая.

Динамические испытания свай проводят для определения их несущей способности. Более точным, но в то же время более дорогим и трудоемким является способ статических нагрузок, требующий к тому же проведения длительных испытаний. При динамическом способе определяют несущую способность сваи в зависимости от энергии удара свайного

Технология строительных процессов.

погружателя при ее забивке. Отказы при этом способе устанавливают с помощью отказомеров, которые можно ставить на грунт или подвешивать на сваю. Показанный на рисунке 5 полуавтоматический суммирующий отказомер хомутом крепят к свае. Он состоит из храповой линейки, вдоль которой перемещают указатели отказов. При погружении сваи в грунт один из указателей движется вниз и показывает на мерной линейке суммарное значение остаточного отказа. При некотором обратном движении сваи за счет упругой реакции грунта второй указатель перемещается вверх и показывает на мерной линейке суммарное значение упругого отказа.

Операционные системы (архив ИПМ специалисты, бакалавры 2001г – 2021г, Богомолов)

  • Современные операционные системы, Э. Таненбаум, 2002, СПб, Питер, 1040 стр., (в djvu 10.1Мбайт) подробнее>>
  • Сетевые операционные системы Н. А. Олифер, В. Г. Олифер (в zip архиве 1.1Мбайт)
  • Сетевые операционные системы Н. А. Олифер, В. Г. Олифер, 2001, СПб, Питер, 544 стр., (в djvu 6.3Мбайт) подробнее>>

6.1 Основные понятия

Менеджер памяти – часть операционной системы, отвечающая за управление памятью.

Основные методы распределения памяти:

Без использования внешней памяти (например: HDD)

С использованием внешней памяти

6.2 Методы без использования внешней памяти

6.2.1 Однозадачная система без подкачки на диск

Память разделяется только между программой и операционной системой.

Схемы разделения памяти:

Схемы разделения памяти

Третий вариант используется в MS-DOS. Та часть, которая находится в ПЗУ, часто называется BIOS.

6.2.2 Распределение памяти с фиксированными разделами.

Память просто разделяется на несколько разделов (возможно, не равных). Процессы могут быть разными, поэтому каждому разделу необходим разный размер памяти.

Системы могут иметь:

общую очередь ко всем разделам

к каждому разделу отдельную очередь

Распределение памяти с фиксированными разделами

Недостаток системы многих очередей очевиден, когда большой раздел может быть свободным, а к маленькому выстроилась очередь.

Алгоритмы планирования в случае одной очереди:

выбирается задача, которая максимально займет раздел

Также может быть смешанная система.

6.2.3 Распределение памяти динамическими разделами

В такой системе сначала память свободна, потом идет динамическое распределение памяти.

Распределение памяти динамическими разделами.

Перемещаемые разделы

Это один из методов борьбы с фрагментацией. Но на него уходит много времени.

Рост разделов

Иногда процессу может понадобиться больше памяти, чем предполагалось изначально.

Настройка адресов и защита памяти

В предыдущих примерах мы можем увидеть две основные проблемы.

Настройка адресов или перемещение программ в памяти

Защита адресного пространства каждой программы

Решение обоих проблем заключается в оснащении машины специальными аппаратными регистрами.

Базовый (указывает начало адресного пространства программы)

Предельный (указывает конец адресного пространства программы)

6.3 Методы с использованием внешней памяти (свопинг и виртуальная память)

Так как памяти, как правило, не хватает. Для выполнения процессов часто приходится использовать диск.

Основные способы использования диска:

Свопинг (подкачка) – процесс целиком загружается в память для работы

Виртуальная память – процесс может быть частично загружен в память для работы

6.3.1 Свопинг (подкачка)

При нехватке памяти процессы могут быть выгружены на диск.

т.к. процесс С очень большой, процесс А был выгружен временно на диск,
после завершения процесса С он снова был загружен в память.

Как мы видим процесс А второй раз загрузился в другое адресное пространство, должны создаваться такие условия, которые не повлияют на работу процесса.

Свопер – планировщик, управляющий перемещением данных между памятью и диском.

Этот метод был основным для UNIX до версии 3BSD.

Управление памятью с помощью битовых массивов

Вся память разбивается на блоки (например, по 32бита), массив содержит 1 или 0 (занят или незанят).

Чтобы процессу в 32Кбита занять память, нужно набрать последовательность из 1000 свободных блоков.

Такой алгоритм займет много времени.

битовые массивы и списки

Управление памятью с помощью связных списков

Этот способ отслеживает списки занятых (между процессами) и свободных (процессы) фрагментов памяти.

Запись в списке указывает на:

занят (P) или незанят (H) фрагмент

адрес начала фрагмента

Четыре комбинации соседей для завершения процесса X

Алгоритмы выделения блока памяти:

первый подходящий участок.

следующий подходящий участок, стартует не сначала списка, а с того места на котором остановился в последний раз.

самый подходящий участок (медленнее, но лучше использует память).

самый неподходящий участок, расчет делается на то, что программа займет самый большой участок, а лишнее будет отделено в новый участок, и он будет достаточно большой для другой программы.

6.3.2 Виртуальная память

Основная идея заключается в разбиении программы на части, и в память эти части загружаются по очереди.

Программа при этом общается с виртуальной памятью, а не с физической.

Диспетчер памяти преобразует виртуальные адреса в физические.

Страничная организация памяти

Страницы – это части, на которые разбивается пространство виртуальных адресов.

Страничные блоки – единицы физической памяти.

Страницы всегда имеют фиксированный размер. Передача данных между ОЗУ и диском всегда происходит в страницах.

Х – обозначает не отображаемую страницу в физической памяти.

Страничное прерывание – происходит, если процесс обратился к странице, которая не загружена в ОЗУ (т.е. Х). Процессор передается другому процессу, и параллельно страница загружается в память.

Читайте также:
Лекция 6.1.1

Таблица страниц – используется для хранения соответствия адресов виртуальной страницы и страничного блока.

Таблица может быть размещена:

в аппаратных регистрах (преимущество: более высокое быстродействие, недостаток – стоимость)

Типичная запись в таблице страниц

Присутствие/отсутствие – загружена или незагружена в память

Защита – виды доступа, например, чтение/запись.

Изменение – изменилась ли страница, если да то при выгрузке записывается на диск, если нет, просто уничтожается.

Обращение – было ли обращение к странице, если нет, то это лучший кандидат на освобождение памяти.

Информация о адресе страницы когда она хранится на диске, в таблице не размещается.

Для ускорения доступа к страницам в диспетчере памяти создают буфер быстрого преобразования адреса, в котором хранится информация о наиболее часто используемых страниц.

Страничная организация памяти используется, и в UNIX, и в Windows.

Хранение страничной памяти на диске

Статическая область свопинга

После запуска процесса он занимает определенную память, на диске сразу ему выделяется такое же пространство. Поэтому файл подкачки должен быть не меньше памяти. А в случае нехватки памяти даже больше. Как только процесс завершится, он освободит память и место на диске.

На диске всегда есть дубликат страницы, которая находится в памяти.

Этот механизм наиболее простой.

Статический и динамический методы организации свопинга.

Динамическая область свопинга

Предполагается не выделять страницам место на диске, а выделять только при выгрузке страницы, и как только страница вернется в память освобождать место на диске.

Этот механизм сложнее, так как процессы не привязаны к какому-то пространству на диске, и нужно хранить информацию (карту диска) о местоположении на диске каждой страницы.

6/2(1+2) =? (простой вопрос по школьной программе)

Это не юмор, а просто попытка увидеть рассуждения разных людей по такому элементарному вопросу.

Поэтому пожалуйста пишите небольшие коменты под вашим ответом.

  • Вопрос задан более трёх лет назад
  • 550209 просмотров

Оценить 6 комментариев

  • Facebook
  • Вконтакте
  • Twitter

Приоритет операций:
скобки
умножение/деление (слева направо)
сложение/вычитание (слева направо)

Соответственно
6/2(1+2)
1. 6/2*3
2. 3*3
3. 9

  • Facebook
  • Вконтакте
  • Twitter

6/2(1+2)=6/2*(1+2)=6/2*3=3*3=9

  • Facebook
  • Вконтакте
  • Twitter

Прежде всего хочу напомнить, что в советской школе нас учили, что есть разница между умножением со знаком и без знака. А разница состоит в том, что при умножении без знака произведение рассматривается как цельная величина. На бытовом уровне, если 2а это литр жидкости, то 2×а это два пол-литра жидкости.
Рассмотрим пример:
2а:2а=1
при а=1+2
2(1+2):2(1+2)=6:2(1+2)=6:6=1
Для тех, кто не помнит этого правила, предлагаю решить пример на понимание:

Этот пример из «Сборника задач по алгебре», Часть I, для 6-7 классов. (П.А. Ларичев)
В интернете можно скачать его бесплатно и убедиться в моей правоте.
Исходя из вышесказанного 6:2(1+2)=1

И вот что я ещё нашёл недавно:
В пособии для математических факультетов педагогических институтов по курсу методики преподавания математики, по которому учили наших преподавателей алгебры в педагогических ВУЗах Советского Союза, однозначно сказано, что в алгебре знак умножения связывает компоненты действия сильнее, чем знак деления. А тот факт, что в спорном примере знак умножения опущен, говорит о том, что спорный пример алгебраический.

По нижеприведённой ссылке Вы можете скачать:
Методика преподавания алгебры, Курс лекций, Шустеф М. Ф., 1967 г.
https://russianclassicalschool.ru/biblioteka/matem.
Приложенный мной текст на 43-й странице пособия.

Так что, для тех, кто хорошо учился в советской школе 6:2(1+2) = 1

  • Facebook
  • Вконтакте
  • Twitter
  • Facebook
  • Вконтакте
  • Twitter

Рассказываю почему.
Вот картинка с двумя вариантами как кто видит формулу итоговую:

Кто считает, что первый вариант верен — получите в итоге 9.
Кто считает, что верен второй вариант — получат в итоге 1.

Но по правилам, раз 6/2 не заключено в скобки, значит всё что после дроби — находится в знаменателе, значит верен второй вариант.

  • Facebook
  • Вконтакте
  • Twitter

  • Facebook
  • Вконтакте
  • Twitter

  • Facebook
  • Вконтакте
  • Twitter

EugeneOZ, что-то не могу понять как вы дробь горизонтально запишете в текстовом редакторе. Можете пример привезти?
Если принимать слеш как дробь, а двоеточие как деление, то вот пара примеров.
Вариант 1.
6/2(1+2)

Если же Принимать слеш как деление — то как обозначать дробь? Только добавлять скобки, увеличивая формулу в габаритах.
То есть 6/(2(1+2))
А когда имеешь дело с кучей скобок (это в этом примере всего одни вложенные — а когда их с десяток?) — легче ошибиться. Кто учился на инженера в ВУЗе меня поймёт.

  • Facebook
  • Вконтакте
  • Twitter

  • Facebook
  • Вконтакте
  • Twitter
  • Facebook
  • Вконтакте
  • Twitter

  • Facebook
  • Вконтакте
  • Twitter

  • Facebook
  • Вконтакте
  • Twitter
  • Facebook
  • Вконтакте
  • Twitter

  • Facebook
  • Вконтакте
  • Twitter
  • Facebook
  • Вконтакте
  • Twitter
  • Facebook
  • Вконтакте
  • Twitter

  • Facebook
  • Вконтакте
  • Twitter

  • Facebook
  • Вконтакте
  • Twitter

А вот что в Маткаде получается

  • Facebook
  • Вконтакте
  • Twitter
  • Facebook
  • Вконтакте
  • Twitter
  • Facebook
  • Вконтакте
  • Twitter

Поставлю точку что ли. Проблема вытекает из математической неточности при записи деления “в столбик” при использовании горизонтальной черты. Ведь если в примере переписать 6 в числителе, а всё остальное в знаменателе – сомнений ни у кого не возникнет. Ответ будет однозначно 1 и это будет правильный ответ.

Теперь, допустим, перед нами задача запихнуть наш пример в строку. Очевидно что для компутера не существует никаких вертикальных черт. Также допустим что мы не очень внимательны и просто тупо заменяем черту делением, т.е. “/” или “*” в зависимости от парсера. Считаем в любом калькуляторе и с некоторой вероятностью (в зависимости от ответа на вопрос топика разрабочиком калькулятора) получаем 9. И это тоже правильный ответ.

Получаем 2 разных правильных результата для, как мы уверены, идентичного выражения. И проблема собственно в том, выражения в этих случаях нифига не идентичны. Напоминаю про порядок операций: скобки, умножение(то же самое что и деление), сумма. И вот когда мы пишем дробь с вертикальной чертой, на числитель и знаменатель неявно накладываются скобки, а между ними ставится знак деления. И вот про знак деления почему-то все помнят, когда избавляются от черты, а про скобки забывают. Либо намеренно вкладывают в “слеш” смысл вертикальной черты. Но единого стандарта по слешу нет, кто-то интерпретирует его как знак деления, а кто-то как знак деления со скобками для числителя со знаменателем. Проблему ещё создает то, что иногда они взаимозаменяемы, но это не общий случай, о чем многие забывают.

Читайте также:
Лекция 1.6.2

Иными словами:
1) a/b != a:b
2) a/b == (a):(b)
Из чего кстати следует что 2*2+2 != (2)*(2+2).

  • Facebook
  • Вконтакте
  • Twitter

Калькуляторы выдают разные результаты лишь по одной причине:
один калькулятор разбирает выражение «справа-налево», другой – «слева-направо».

Большинство общедоступных бытовых и инженерных калькуляторов (именно физических устройств, не ПК и не смартфон, а именно калькуляторов с кнопочками) разбирают выражения «справа-налево».

Всё остальное, что программируется современными прикладными программистами (калькулятор в Windows, смартфон, иные приложения) – разбирают выражения «слева-направо».

Чтобы понять почему выражение 6/2(1+2) в одном калькуляторе выдаёт 9, а в другом 1 – надо помнить об одном единственном правиле: для любого вычислительного устройства действие умножения и деления равнозначны (если, конечно, разработчик не заложил какую-то иную логику, что было бы нарушением правил математики?).

Вот и получается: при равнозначности действий умножения и деления, калькуляторы получают разные результаты потому и только лишь потому, что в случае «справа-налево» первым идет действие умножения, а в случае «слева-направо» – первым идёт действие деления.

Информационные технологии документационного обеспечения управленческой деятельности

6.2. Виды информационных систем управления документационным обеспечением предприятия

Все информационные процессы, протекающие в подразделениях аппарата управления (также как и документы), можно разделить на два вида: формализуемые процессы, для которых существуют алгоритмы обработки информации, и неформализуемые процессы. Для автоматизации формализуемых процессов (составляющих до 90% всех процессов) используются специально разрабатываемые для предприятий и организаций экономические информационные системы .

Внедрение информационных систем управления документационным обеспечением (ИСУД) предполагает осуществление автоматизации управления интеллектуальными активами и бизнес-процессами предприятия, что определяет успешность его деятельности. Информационные системы управления интеллектуальными активами представляют совершенно новые возможности для менеджмента предприятия и его сотрудников и связаны с созданием, распространением и поиском знаний, содержащихся в документах финансового, юридического, научно-технического, нормативно-справочного, организационно-распорядительного, проектно-конструкторского, маркетингового, эксплуатационного характера, которые создаются в различных функциональных подразделениях предприятия, на различных этапах жизненного цикла продукции и услуг.

Обобщенная схема бизнес-процессов, реализуемых на предприятии, приведена рис. 6.2-1. Она также отражает и основные информационные и документационные потоки, сопровождающие базовые бизнес-процессы .

Управление интеллектуальными активами предприятия может осуществляться с помощью систем различной сложности. Разновидности систем управления электронными документами – ИСУД и их характеристики приведены на рис. 6.2-2 и в табл. 6.2-1.

Таблица 6.2-1. Характеристики различных систем управления электронными документами
Вид ИСУД Характеристика Поставщики продуктов данного класса
ИСУД, ориентированные на бизнес-процессы (Business-process EDM) Предназначены для специфических вертикальных и горизонтальных приложений, иногда ориентированные на использование в определенной индустрии. Эти решения, как правило, обеспечивают полный жизненный цикл работы с документами, включая технологии работы с образами, управления записями и потоками работ и т.д. Documentum, File Net (Panagon и Watermark), Hummingbird (PC DOCS)
Корпоративные ИСУД (Enterprise-centric EDM) Обеспечивают корпоративную инфраструктуру для создания, совместной работы над документами и их публикации, доступную, как правило, всем пользователям в организации. Основные возможности этих систем аналогичны системам, ориентированным на бизнес-процессы. Отличительной особенностью является способ использования и распространения. Аналогично таким средствам, как текстовые редакторы и электронные таблицы, корпоративные СУ-ЭД являются стандартным “приложением по умолчанию” для создания и публикации документов в организации Lotus (Domino, Doc), дополнения к Novell GroupWise, Opent Text (LiveLink), Keyfile Corp., Oracle (Context)
Системы управления конвентом (Content Management) Обеспечивают процессы: отслеживания, создания, доступа, контроля и доставки информации вплоть до уровня разделов документов и объектов для их последующего повторного использования и компиляции. Потенциально доступность информации не в виде документов, а в виде объектов облегчает процесс обмена информацией между приложениями (Content management): Adоbе, Excalibur
Системы управления информацией (порталы) (Information Managemеnt) Обеспечивают агрегирование, управление и доставку информации через сети Internet, Intranet и Extranet. Эти технологии обеспечивают фундамент создания информационных порталов. Системы управления информацией дают возможность организациям накапливать и использовать экспертизу в распределенной корпоративной среде на основе использования бизнес-правил, контекста и метаданных. Используемые технологии позволяют применять статические и динамические публикации для обеспечения большей интерактивности и средств совместной работы Excalibur, Оracle Context, PC DOСS/Fulcrum. Verity, Lotus (Domino/Notes, K-station)
Системы управления образами (1 imaging) Преобразуют информацию с бумажных носителей в цифровой формат, как правило, это TIER (Тaggеd Image Rile Eormat), после чего документ может быть использован в работе уже в электронной форме Adobe
Системы управления потоками работ (Workflow management) Обеспечивают систематическую маршрутизацию работ любого типа в рамках структурированных и неструктурированных бизнес-процессов. Используются в целях ускорения бизнес-процессов, увеличения эффективности и степени контролируемости процессов в организации Lotus (Domino/Notes и Domino Workflow), Jet-forrn, File Net, Action Technologies, Staffware

Информационные системы управления документами – ИСУД ( EDM – Electronic Document Management ) обеспечивают процесс создания, управления доступом и распространения больших объемов документов в компьютерных сетях, а также обеспечивают контроль над потоками документов в организации.

Часто эти документы хранятся в специальных хранилищах или в иерархической файловой системе. Типы файлов, которые, как правило, поддерживают ИСУД, включают: текстовые документы, образы, электронные таблицы, аудио- и видеоданные, документы Web .

Общими возможностями ИСУД являются создание документов, управление доступом , преобразование и безопасность .

Информационные материалы, имеющие высокую ценность, создаются ежедневно, размещаются в глобальных сетях, распространяются в различных профессиональных коллективах. В эпоху информационной революции и сетевых организаций формализованные документы, доступные только специалистам, не могут более служить хранилищем корпоративных знаний.

Информационные системы управления делопроизводством обеспечивают работу с электронными версиями документов и реквизитами регистрационно-контрольных форм в соответствии с принятыми в стране правилами и стандартами делопроизводства.

Основным назначением информационных систем управления делопроизводством является документальная регистрация тех или иных свершившихся действий и событий (например, “документ принят к исполнению”, “документ передан на исполнение конкретному сотруднику”, “на документ дан соответствующий ответ” и т. д.) в соответствии с принятыми правилами. Функции ИСУД, ориентированной на бизнес-процессы , приведены на рис. 6.2-3.

Читайте также:
Лекция 4.1

Системы управления делопроизводством относятся к классу систем, ориентированных на бизнес-процессы (часто с элементами управления потоками работ ). Бизнес-процесс, на который ориентированы эти системы, называется “традиционное отечественное делопроизводство”. Это очень специфические вертикальные решения. В этом их достоинства и недостатки.

Системы управления документооборотом обеспечивают строго регламентированное и формально контролируемое движение документов внутри и вне организации на основе информационных и коммуникационных технологий. Эти системы не только регистрируют действия и события, но и поддерживают сами процессы работы над документами. Конкурентные преимущества таких систем приведены на рис. 6.2-4.

Основное отличие и преимущество корпоративной информационной системы управления документами по сравнению с системами делопроизводства и документооборота состоит в том, что это решение, которое обеспечивает универсальную, повсеместно доступную среду для работы и хранения всех типов документов в масштабе всей организации в целом.

Отметим, что пользователями:

  1. систем управления делопроизводством являются сотрудники ограниченного числа структурных подразделений банка, например, управление делами, секретариаты, канцелярии, общие отделы, экспедиции;
  2. систем управления документооборотом являются отдельные сотрудники многих подразделений, вовлеченных в какой-то общий бизнес-процесс;
  3. корпоративных систем управления документами являются практически все сотрудники из всех подразделений предприятия.

Корпоративная система управления электронными документами обладает основными свойствами, приведенными на рис. 6.2-5.

Современные системы управления интеллектуальными активами предприятия содержат в своем ядре прикладные системы, которые поддерживают так называемые WorkFlow-технологии (технологии поддержки потоков заданий). Эти технологии создают при помощи графического редактора произвольные маршрутные схемы, назначают правила перехода этапов бизнес-процессов от одного пользователя к другому через диалоговый интерфейс без программирования и обеспечивают графический или формальный мониторинг прохождения процессов между пользователями с возможностью расхождения, схождения, вложенности, условных переходов. Они обеспечивают возможность внесения изменений, позволяющих оптимизировать любой процесс на основе анализа его текущего состояния и одновременно с этим документировать изменение и автоматизировать новые действия операторов в ходе его выполнения.

Работа в среде Web -браузера обеспечивает всем пользователям доступ к порталу управления документами. Эта платформа предоставляет возможности реализовывать произвольные схемы процессов работы с документами.

Таким образом, иерархия информационных технологий, применяемых для управления интеллектуальными активами предприятия, по мере их расширения от частных к более общим, следующая:

  1. системы управления делопроизводством;
  2. системы управления документооборотом (Business-Process Electronic Document Management – BP EDM);
  3. системы управления документами, включая корпоративные (Enterprise-centric Electronic Document Management – EC EDM);
  4. системы управления информацией (Information Portal, Information Management – IM);
  5. системы управления потоками работ (Workflow Management – WFM).

Учитывая слабую развитость информационных систем управления электронным документооборотом на отечественных предприятиях, подробно остановимся на рассмотрении корпоративных систем, от внедрения которых можно получить два типа преимуществ: тактические и стратегические.

Тактические преимущества связаны в основном с сокращением затрат (рис. 6.2-6). Их достаточно легко определить и измерить. Измеряемые в денежном выражении преимущества могут быть просчитаны на основе подсчета того, сколько можно убрать физических шкафов для хранения документов, сколько площадей освободить, сколько освободить серверов, которые часто хранят много копий одних и тех же документов.

Эксперты фирмы Siemens Business Services утверждают, что 30% времени рабочих групп тратится на поиски и согласование документов; 6% документов безвозвратно теряются; до 20 раз копируется каждый внутренний документ; на 20-25% возрастает производительность труда персонала при использовании электронного документооборота; на 80% ниже стоимость архивного хранения электронных документов в сравнении с бумажными.

Внедрение информационной системы управления документами предприятия на базе Lotus Notes Domino.Doc позволяет экономить до 330 дол. в год в расчете на одного сотрудника, при стоимости рабочего места Domino.Doc около 140 дол. (при расчете на 100 сотрудников) получают двукратную окупаемость лицензий на технологию в течение года. При использовании имеющихся в Domino.Doc механизмов раздельного редактирования, контроля версий и процесса согласования и утверждения документов экономится около 40% времени сотрудников предприятия.

К стратегическим преимуществам относятся преимущества, которые связаны с улучшениями в ключевых бизнес-процессах предприятия (рис. 6.2-7), например с ростом оборота или прибыли, если речь идет о коммерческих процессах, или с улучшениями качества работы, принятия решений , обслуживания, если речь идет о вспомогательных процессах. По самой своей природе эти преимущества труднее измеряются. Сами стратегические преимущества можно разделить на две большие группы: средний уровень достигаемых преимуществ (средний уровень сложности) и высокий уровень достигаемых преимуществ (высокий уровень сложности).

Например, первые пользователи корпоративных информационных систем управления документами на базе Lotus Notes Domino.Doc, получили следующие результаты: на 10% уменьшение стоимости инженерной разработки продуктов или услуг; на 20% уменьшение времени цикла разработки; на 30% уменьшение времени, затрачиваемого на реализацию изменений в продукте или услуге; на 40% уменьшение изменений в продуктах или услугах.

Системы управления знаниями рассматриваются как ближайшая перспектива развития корпоративных систем управления документами. Упрощенное понимание управления знаниями приведено на рис. 6.2-8.

Решения по управлению знаниями подразумевают наличие продуктов, которые обеспечивают поиск нужных людей, предоставление им общедоступного виртуального пространства (места), и обеспечивают управление фактами, которые эти люди ищут или создают.

Таким образом, корпоративные технологии управления документами на предприятии поддерживают эффективные средства работы с информацией, включая автоматизацию процессов, а также возможности совместной работы людей с документами. В этом смысле они являются важной, но не единственной компонентой реализации концепции управления знаниями.

Управление документами и управление знаниями с “технологической” точки зрения показано на рис. 6.2-9.

Компания IDC в ходе своего исследования на основе опроса корпоративных менеджеров выявила, что следующие технологии считаются наиболее важными в контексте проектов по управлению знаниями ( по мере убывания важности): передача сообщений , электронная почта ; управление документами; средства поиска; корпоративные информационные порталы; хранилища данных; средства коллективной работы; workflow-технологии; тренинг через Web .

Таким образом, информационные системы управления документами являются частью более обширной концепции управления знаниями.

Читайте также:
Лекция 1.3.1

Управление знаниями, по определению, влечет за собой систематическое усиление роли как информации, так и экспертного опыта для достижения следующих четырех бизнес-целей (рис. 6.2-10): инновации, компетентность, эффективность, скорость реагирования.

Документы являются контейнерами, которые заключают в себе значительную часть знаний организации и в целом представляют собой один из самых значимых ее активов. Однако только управление документами обеспечивает эффективное использование знаний и опыта. Документы могут не только ответить на вопрос “что мы знаем?” но так же и на вопрос “кто это знает?”.

Эффективная система управления документами предприятия легко может быть расширена для того, чтобы служить платформой для вертикальных приложений, направленных на удовлетворение специфических бизнес-требований его клиентов.

6.1 Параметрические критерии

В группу параметрических критериев методов математической статистики входят методы для вычисления описательных статистик, построения графиков на нормальность распределения, проверка гипотез о при­надлежности двух выборок одной совокупности. Эти методы основыва­ются на предположении о том, что распределение выборок подчиняется нормальному (гауссовому) закону распределения. Среди параметрических критериев статистики нами будут рассмотрены критерий Стьюдента и Фишера.

6.1.1 Методы проверки выборки на нормальность

Чтобы определить, имеем ли мы дело с нормальным распределением, можно применять следующие методы:

1) в пределах осей можно нарисовать полигон частоты (эмпирическую функцию распределения) и кривую нормального распределения на основе данных исследования. Исследуя формы кривой нормального распределения и графика эмпирической функции распределения, можно выяснить те параметры, которыми последняя кривая отличается от первой;

2) вычисляется среднее, медиана и мода и на основе этого определяется отклонение от нормального распределения. Если мода, медиана и среднее арифметическое друг от друга значительно не отличаются, мы имеем дело с нормальным распределением. Если медиана значительно отличается от среднего, то мы имеем дело с асимметричной выборкой.

3) эксцесс кривой распределения должен быть равен 0. Кривые с положительным эксцессом значительно вертикальнее кривой нормального распределения. Кривые с отрицательным эксцессом являются более покатистыми по сравнению с кривой нормального распределения;

4) после определения среднего значения распределения частоты и стандартного oтклонения находят следующие четыре интервала распределения сравнивают их с действительными данными ряда:

а) — к интервалу должно относиться около 25% частоты совокупности,

б) — к интервалу должно относиться около 50% частоты совокупности,

в) — к интервалу должно относиться около 75% частоты совокупности,

г) — к интервалу должно относиться около 100% частоты совокупности.

6.1.2 Критерий Стьюдента ( t-критерий)

Критерий позволяет найти вероятность того, что оба средних значения в выборке относятся к одной и той же совокупности. Данный критерий наиболее часто используется для проверки гипотезы: «Средние двух выборок относятся к одной и той же совокупности».

При использовании критерия можно выделить два случая. В первом случае его применяют для проверки гипотезы о равенстве генеральных средних двух неза­висимых, несвязанных выборок (так называемый двухвыборочный t-критерий). В этом случае есть контрольная группа и экспериментальная (опытная) группа, количество испытуемых в группах может быть различно.

Во втором случае, когда одна и та же группа объектов порождает числовой матери­ал для проверки гипотез о средних, используется так называемый парный t-критерий. Выборки при этом называют зависимыми, связанными.

а) случай независимых выборок

Статистика критерия для случая несвязанных, независимых выборок равна:

(1)

где , — средние арифметические в эксперименталь­ной и контрольной группах,

– стан­дартная ошибка разности средних арифметических. Находится из формулы:

, (2)

где n 1 и n 2 соответственно величины первой и второй выборки.

Если n 1= n 2, то стандартная ошибка разности средних арифметических будет считаться по формуле:

(3)

где n величина выборки.

Подсчет числа степеней свободы осуществля­ется по формуле:

При численном равенстве выборок k = 2 n – 2.

Далее необходимо срав­нить полученное значение t эмп с теоретическим значением t—рас­пределения Стьюдента (см. приложение к учеб­никам статистики). Если t эмп t крит, то гипотеза H принимается, в противном случае нулевая гипотеза отвергается и принимается альтернативная гипотеза.

Рассмотрим пример использования t -критерия Стьюдента для несвязных и неравных по численности выборок.

Пример 1 . В двух группах учащихся — экспериментальной и контрольной — получены следующие результаты по учеб­ному предмету (тестовые баллы; см. табл. 1). [1]

Таблица 1. Результаты эксперимента

Первая группа (экспериментальная) N 1=11 человек

Вторая группа (контрольная)

12 14 13 16 11 9 13 15 15 18 14

13 9 11 10 7 6 8 10 11

Общее количество членов выборки: n 1=11, n 2=9.

Расчет средних арифметических: Хср=13,636; Y ср=9,444

Стандартное отклонение: s x=2,460; s y =2,186

По формуле (2) рассчитываем стандартную ошибку разности арифметических средних:

Считаем статистику критерия:

Сравниваем полученное в эксперименте значение t с табличным значением с учетом степеней свободы, равных по формуле (4) числу испытуемых минус два (18).

Табличное значение tкрит равняется 2,1 при допущении возможности риска сделать ошибочное сужде­ние в пяти случаях из ста (уровень значимости=5 % или 0,05).

Если полученное в эксперименте эмпирическое значение t превы­шает табличное, то есть основания принять альтернативную гипотезу (H1) о том, что учащиеся экспериментальной группы показывают в среднем более высокий уровень знаний. В эксперименте t=3,981, табличное t=2,10, 3,981>2,10, откуда следует вывод о преимуществе эксперимен­тального обучения.

Здесь могут возникнуть такие вопросы:

1. Что если полученное в опыте значение t окажется меньше табличного? Тогда надо принять нулевую гипотезу.

2. Доказано ли преимущество экспериментального метода? Не столько доказано, сколько показано, потому что с самого начала допускается риск ошибиться в пяти случаях из ста (р=0,05). Наш эксперимент мог быть одним из этих пяти случаев. Но 95% возможных случаев говорит в пользу альтернативной гипотезы, а это достаточно убедительный аргумент в статистическом доказательстве.

3. Что если в контрольной группе результаты окажутся выше, чем в экспериментальной? Поменяем, например, местами, сделав средней арифметической эксперимен­тальной группы, a — контрольной:

Отсюда следует вывод, что новый метод пока не про­явил себя с хорошей стороны по разным, возможно, при­чинам. Поскольку абсолютное значение 3,9811>2,1, принимается вторая альтернативная гипотеза (Н2) о пре­имуществе традиционного метода.

б) случай связанных (парных) выборок

В случае связанных выборок с равным числом измерений в каждой можно использовать более простую формулу t-критерия Стьюдента.

Читайте также:
Лекция 4.6

Вычисление значения t осуществляется по формуле:

(5)

где — разности между соответствующими значениями переменной X и переменной У, а d – среднее этих разностей;

Sd вычисляется по следующей формуле:

(6)

Число степеней свободы k определяется по формуле k= n -1. Рассмотрим пример использования t -критерия Стьюдента для связных и, очевидно, равных по численности выборок.

Если t эмп t крит, то нулевая гипотеза принимается, в противном случае принимается альтернативная.

Пример 2. Изучался уровень ориентации учащихся на художественно-эстети­ческие ценности. С целью активизации формирования этой ориентации в экспериментальной группе проводились бе­седы, выставки детских рисунков, были организованы по­сещения музеев и картинных галерей, проведены встречи с музыкантами, художниками и др. Закономерно встает вопрос: какова эффективность проведенной работы? С целью проверки эффективности этой работы до начала эксперимента и после давался тест. Из методических со­ображений в таблице 2 приводятся результаты небольшо­го числа испытуемых. [2]

Таблица 2. Результаты эксперимента

Вспомогательные расчеты

до начала экспери­мента (Х)

экспери­мента (У)

Вначале произведем расчет по формуле:

Затем применим формулу (6), получим:

И, наконец, следует применить формулу (5). Получим:

Число степеней свободы: k =10-1=9 и по таблице При­ложения 1 находим tкрит =2.262, экспериментальное t=6,678, откуда следует возможность принятия альтерна­тивной гипотезы (H1) о достоверных различиях средних арифметических, т. е. делается вывод об эффективности экспериментального воздействия.

В терминах статистических гипотез полученный результат будет звучать так: на 5% уров­не гипотеза Н отклоняется и принимается гипотеза Н1 .

6.1.3 F — критерий Фишера

Критерий Фишера позволяет сравнивать величины выбороч­ных дисперсий двух независимых выборок. Для вычисления Fэмп нуж­но найти отношение дисперсий двух выборок, причем так, что­бы большая по величине дисперсия находилась бы в числителе, а меньшая – в знаменателе. Формула вычисления критерия Фи­шера такова:

(8)

где – дисперсии первой и второй выборки соответственно.

Так как, согласно условию критерия, величина числителя должна быть больше или равна величине знаменателя, то значе­ние Fэмп всегда будет больше или равно единице.

Чис­ло степеней свободы определяется также просто:

k 1=nl – 1 для первой выборки (т.е. для той выборки, величина дисперсии которой больше) и k 2= n 2 – 1 для второй выборки.

В Приложе­нии 1 критические значения критерия Фишера находятся по величинам k 1 (верхняя строчка таблицы) и k 2 (левый столбец таблицы).

Если t эмп> t крит, то нулевая гипотеза принимается, в противном случае принимается альтернативная.

Пример 3. В двух третьих классах проводилось тестирование умственного развития по тесту ТУРМШ десяти учащихся. [3] Полученные значения величин средних достоверно не различались, однако психолога интересует вопрос — есть ли различия в степени однородности показателей умственного развития между классами.

Решение. Для критерия Фишера необходимо сравнить дис­персии тестовых оценок в обоих классах. Резуль­таты тестирования представлены в таблице:

Рассчитав дисперсии для переменных X и Y, получаем:

Тогда по формуле (8) для расчета по F критерию Фишера находим:

По таблице из Приложения 1 для F критерия при степенях свободы в обоих случаях равных k =10 – 1 = 9 находим F крит=3,18 ( c следователь может утверждать, что по степени однородности такого показа­теля, как умственное развитие, имеется различие между выбор­ками из двух классов.

6.2 Непараметрические критерии

Сравнивая на глазок (по процентным соотношениям) результаты до и после какого-либо воздействия, исследователь приходит к заключению, что если наблюдаются различия, то имеет место различие в сравниваемых выборках. Подобный подход категорически неприемлем, так как для процентов нельзя определить уровень достоверности в различиях. Проценты, взятые сами по себе, не дают возможности делать статистически достоверные выводы. Чтобы доказать эффективность какого-либо воздействия, необходимо выявить статистически значимую тенденцию в смещении (сдвиге) показателей. Для решения подобных задач исследователь может использовать ряд критериев различия. Ниже будет рассмотрены непараметрические критерии: критерий знаков и критерий хи-квадрат.

6.2.1 Критерий знаков ( G-критерий)

Критерий предназначен для срав­нения состояния некоторого свойства у членов двух зави­симых выборок на основе измерений, сделанных по шка­ле не ниже ранговой.

Имеется две серии наблюдений над случайными переменными X и У, полученные при рассмотрении двух зависимых выборок. На их основе составлено N пар вида (х i , у i ), где х i , у i — результаты двукратного измерения одного и того же свойства у одного и того же объекта.

В педагогических исследованиях объектами изуче­ния могут служить учащиеся, учителя, администрация школ. При этом х i , у i могут быть, например, балловы­ми оценками, выставленными учителем за двукратное выполнение одной и той же или различных работ одной и той же группой учащихся до и после применения некоторого педагогическою средства.

Элементы каждой пары х i , у i сравниваются между собой по величине, и паре присваивается знак «+», ес­ли х i i , знак «—», если х i > у i и «0», если х i = у i .

Нулевая гипотеза формулируются следующим обра­зом: в состоянии изучаемого свойства нет значимых различий при первичном и вторичном измерениях. Альтернативная гипотеза: законы распределения величин X и У различны, т. е. состояния изучаемого свойства существенно раз­личны в одной и той же совокупности при первичном и вторичном измерениях этого свойства.

Ста­тистика критерия (Т) определяется следую­щим образом:

допустим, что из N пар (х, у,) нашлось несколько пар, в которых значения х i и у i равны. Такие пары обозначаются знаком «0» и при подсчете значения ве­личины Т не учитываются. Предположим, что за вы­четом из числа N числа пар, обозначенных знаком «0», осталось всего n пар. Среди оставшихся n пар подсчита­ем число пар, обозначенных знаком «-», т.е, пары, в которых xi yi . Значение величины Т и равно чис­лу пар со знаком минус.

Нулевая гипотеза принимается на уровне значимости 0,05, если наблю­даемое значение T n – ta , где значение n – ta определя­ется из статистических таблиц для критерия знаков Приложения 2.

Пример 4. Учащиеся выполняли контрольную ра­боту, направленную на проверку усвоения некоторого понятия. Пятнадцати учащимся затем предложили электронное пособие, составленное с целью фор­мирования данного понятия у учащихся с низким уров­нем обучаемости. После изучения пособия учащиеся снова выполняли ту же контрольного работу, которая оценивалась по пятибалльной системе.

Результаты двукратного выполнения ра­боты представляют измерения по шкале по­рядка (пятибалльная шкала). В этих условиях возмож­но применение знакового критерия для выявления тенденции изменения состояния знаний учащихся после изучения пособия, так как выполняются все допуще­ния этого критерия.

Читайте также:
Лекция 5.4

Результаты двукратного выполнения работы (в бал­лах) 15 учащимися запишем в форме таблицы (см. табл. 1). [4]

Лекция 6.2.1

Большинство химических реакций протекают одновременно в двух направлениях: в сторону образования продуктов реакции (прямая реакция) и в сторону разложения последних (обратная реакция). Вследствие химической обратимости реакции не доходят до конца. Скорость прямой реакции уменьшается, а скорость обратной, напротив, возрастает. Когда эти скорости выравниваются наступает состояние химического равновесия.

Так как химически обратимые реакции до перехода в равновесное состояние протекают с конечными скоростями, то с точки зрения термодинамики они не обратимы. Однако можно мысленно представить, что эти реакции идут бесконечно медленно через смежные равновесные состояния. Тогда к ним можно применить общие условия термодинамического равновесия.

Для гомогенных обратимых реакций экспериментально Гульбергом и Ваге был установлен закон действующих масс. При постоянной температуре отношение произведения равновесных концентраций (или парциальных давлений) продуктов реакции к произведению равновесных концентраций (или парциальных равновесий) исходных веществ есть величина постоянная.

Этот экспериментально установленный закон может быть получен методом термодинамических потенциалов. Рассмотрим реакцию в газовой фазе:

аА(г) + b В ↔ сС + dD

Когда система достигает термодинамического равновесия, то термодинамический потенциал при фиксированных естественных переменных достигает минимума. Равновесие, таким образом, можно охарактеризовать выражением химических потенциалов, когда потенциалы продуктов реакции сравняются с потенциалами исходных веществ:

с μ ( с ) + d μ (D) – a μ (a) – b μ (b) = 0 (6 – 1)

Если естественными переменными являются p и T , то = , а = V

Отсюда для систем, подчиняющихся закону идеальных газов, можно получить выражения для μ i

μ i = μ i ° + RTlnCi (6 – 2)

где μ i ° – стандартный химический потенциал.

Подставляется (6 – 2) в (6 – 1) и перенося постоянные величины в левую часть, получаем

сμ C ° + d μ D ° – a μ A ° – b μ B ° = – RTln (6 – 3)

Поскольку в левой части выражение не зависит от концентраций, то выражение под логарифмом является постоянной величиной при постоянной температуре:

Для идеального газа парциальные давления пропорциональны концентрациям, поэтому константа равновесия может быть всегда выражена через равновесные парциальные давления:

Аналогично может быть записано выражение через мольные доли:

Для идеальных газов эти константы связаны между собой соотношением:

где

Следует обратить внимание, что в полученных соотношениях только KN зависит от общего давления. Она позволяет нам оценивать сдвиг равновесия в газовых реакциях при изменении общего давления. Следует иметь в виду, что давление в этих выражениях складывается из парциальных давлений компонентов системы и не учитывает влияние инертных газов, если они присутствуют в реакционной смеси. Естественно инертный газ «разбавляет» компоненты реакционной смеси и поэтому влияет на KN .

Из уравнения (6 – 3) вытекает связь константы равновесия с ∆ rG °:

(6 – 4)

Это уравнение было впервые получено Вант – Гофором методом циклов и получило название уравнения изотермической химической реакции. Очевидно, в этом уравнении ∆ rGT ° относится к этой температуре, при которой определена Кр. Уравнение изотермической химической реакции позволяет определить константу равновесия при заданных условиях не прибегая к исследованию равновесия. Величина ∆ rGT ° может быть рассчитана на основе термических констант для индивидуальных веществ.

Если заданы концентрации (парциальные давления) отличные от равновесных, то можно записать более общий вид уравнения изотермической химической реакции:

Это выражение позволяет определить направление самопроизвольного процесса.

Уравнение изотермы химической реакции позволяет получить выражение для температурной зависимости константы равновесия.

Запишем уравнение Гиббса – Гельмгольца:

Подставим выражение для из (6 – 4)

(6 – 5)

Дифференцируем уравнение (6 – 5)


(6 – 5´)

Из уравнения (6 – 5´) получаем уравнение изобары химической реакции:

(6 – 6)

Если проинтегрировать уравнение (6 – 6) в предположении, что ∆ rHT ° не зависит от температуры, то получим уравнение:

где С – константа интегрирования.

Уравнение (6 – 7) хорошо выполняется в узких интервалах температур и позволяет определить ∆ rGT °.

Для широких интервалов температур ln K р представляют в виде степенных рядов или других аналитических формах:

Такие выражения позволяют рассчитать все термодинамические функции для процессов, для которых данные зависимости получены.

Выражения для термодинамических потенциалов, полученные для идеального газа. Для реальных газов, а особенно для газовых растворов возникают затруднения. Это связано с тем, что расчет концентраций и давлений должен быть проведен исходя из уравнения состояния. Однако для реальных систем единое достаточно простое уравнение состояния получить не удалось.

В связи с этим в термодинамике реальных систем применяется эмпирический метод, предложенный Льюисом. Льюис предложил в уравнениях термодинамики, полученных для идеальных систем заменить давления p на величину летучести f , а концентрации С на активности a .

При такой замене выражения для констант равновесия не меняются по форме. Но этот прием позволяет связать экспериментально найденные свойства реального газа с термодинамическими параметрами.

Летучести и активности – это экспериментальные величины, которые находятся из условия, что для раствора при бесконечном разбавлении или газа при давлении стремящимся к 0 активность приближается к аналитической концентрации, а летучесть к реальному давлению идеального газа. Исходя из этой посылки рассчитываются активности и летучести.

При 1273 К и общем равновесии 30 атм. В равновесной системе

содержится 17% (по общему) . Сколько процентов будет содержаться в газе при общем давлении 20 атм.? При каком давлении в газе будет содержаться 25% ? (Газ считать идеальным).

В соответствии с законом Авогадро, объёмный процент равен мольному проценту. Следовательно, при 30 атм. будет равен:

Отсюда находим

В отличие от , для идеальных газов не зависит от давления. На основании этого находим при 20 атм.

= 0,125 или 12,5%

Для 25%

Следовательно,

При 2000°С и общем давлении 1 атм. 2% воды диссоцииовано на водород и кислород. Рассчитайте константу равновесия реакции при этих условиях.

Читайте также:
Лекция 1.2.2

Стэнфордский курс: лекция 6. Обучение нейросетей, часть 1

В прошлый раз мы обсудили историю возникновения свёрточных архитектур, а также узнали об их устройстве и широких возможностях применения. В течение следующих двух лекций мы поговорим об особенностях обучения нейросетей и разберёмся, как правильно настраивать параметры, выбирать функцию активации, подготавливать данные и добиваться успешных результатов.

Обучение нейросети — непредсказуемый и захватывающий процесс, который, однако, требует тщательной подготовки. В целом его можно разделить на три основных этапа:

  1. Однократная настройка
    Сюда входят: выбор функции активации, предварительная обработка данных, инициализация весов, регуляризация, градиентная проверка.
  2. Динамика обучения
    Отслеживание процесса обучения, оптимизация и обновление гиперпараметров.
  3. Оценка
    Использование ансамблевых методов.

В этой лекции мы обсудим некоторые детали первых двух пунктов. Если вы уже знакомы со всеми понятиями и имеете опыт работы с нейросетями, рекомендуем нашу статью с полезными советами по обучению моделей.

Обучение нейросети — непредсказуемый и захватывающий процесс, который, однако, требует тщательной подготовки. В целом его можно разделить на три основных этапа:

  1. Однократная настройка

Сюда входят: выбор функции активации, предварительная обработка данных, инициализация весов, регуляризация, градиентная проверка.

  1. Динамика обучения

Отслеживание процесса обучения, оптимизация и обновление гиперпараметров.

  1. Оценка

В этой лекции мы обсудим некоторые детали первых двух пунктов. Если вы уже знакомы со всеми понятиями и имеете опыт работы с нейросетями, рекомендуем нашу статью с полезными советами по обучению моделей.

Функция активации

Ранее мы выяснили, что в каждый слой нейросети поступают входные данные. Они умножаются на веса полносвязного или свёрточного слоя, а результат передаётся в функцию активации или нелинейность. Мы также говорили о сигмоиде и ReLU, которые часто используются в качестве таких функций. Но список возможных вариантов не ограничивается только ими. Какой же следует выбирать?

Рассмотрим наиболее популярные функции активации и обсудим их преимущества и недостатки.

Сигмоида

Функция сигмоиды преобразовывает поступающие в неё значения в вещественный диапазон [0, 1]. То есть, если входные данные окажутся большими положительными значениями, то после преобразования они будут равны примерно единице, а отрицательные числа станут близки к нулю. Это довольно популярная функция, которую можно интерпретировать как частоту возбуждения нейрона.

Но если внимательнее присмотреться к сигмоиде, можно заметить несколько проблем.

1. Насыщенные нейроны могут «убить» градиент. Возьмём сигмоидный узел вычислительного графа и передадим в него входные данные X. Когда мы делаем обратный проход, восходящий градиент равен dL/d , а локальный — dL/d * d /dx.

Что же произойдёт, если X будет равен −10? Градиент станет нулевым, поскольку все большие отрицательные значения находятся на прямом участке сигмоидной функции. Таким образом, во все последующие узлы будут передаваться нулевые производные — это и «убивает» градиентный поток.

А если X = 0? В этом случае всё будет в порядке, как и для других близких к нулю значений. А вот при X = 10 градиент снова обнулится. Поэтому сигмоида не работает для слишком высоких положительных или отрицательных данных.

2. Выходные значения сигмоиды не центрированы нулем. Пусть исходные данные полностью положительны — что тогда станет с градиентами во время обратного распространения? Они все будут либо положительными, либо отрицательными (в зависимости от градиента f). Это приведёт к тому, что все веса при обновлении также будут либо увеличены, либо уменьшены, и градиентный поток станет зигзагообразным.

Поэтому следует изначально подготавливать данные таким образом, чтобы их средним значением являлся ноль.

3. Функцию exp() достаточно дорого считать. Это не такая существенная проблема, поскольку скалярные произведения во время свёртки тратят гораздо больше вычислительных мощностей, но в сравнении с остальными функциями активации её тоже можно отметить.

Тангенс

Тангенс очень похож на сигмоиду, но обладает двумя существенными отличиями: он преобразует данные в диапазон [-1, 1] и имеет нулевое центрирование, что исключает вторую проблему сигмоиды. Значения градиента при обратном распространении по-прежнему могут обнуляться, тем не менее, использование тангенса обычно более предпочтительно.

ReLU

ReLU или Rectified Linear Unit стала довольно популярной в последние годы. Она вычисляет функцию f(x) = max(0,x), то есть просто выдаёт значения «ноль» и «не ноль». Это решает проблему обнуления градиента для положительных чисел. Кроме того, ReLU очень просто вычисляется: примерно в шесть раз быстрее сигмоиды и тангенса. Однако, в ней снова отсутствует нулевое центрирование.

Другой очевидный недостаток — градиент по-прежнему «умирает» при отрицательных входных данных. Это может привести к тому, что половина нейронов будет неактивна и не сможет обновляться.

Проблему можно попробовать решить, задав более низкую скорость обучения и подобрав другие весовые коэффициенты. Или использовать модификации ReLU.

Leaky ReLU

Отличие этой функции в том, что она имеет небольшой наклон в левой полуплоскости — значит, при отрицательных входных данных градиент не будет нулевым.

При этом функцию по-прежнему легко вычислить. То есть, она решает практически все перечисленные проблемы. Одной из её разновидностей является PReLU, которая выглядит как f(x) = max(𝛼x, x).

ELU

Эта функция похожа на leaky ReLU и обладает всеми её преимуществами, но включает в себя экспоненту, что делает её вычисление дороже. Её стоит использовать в тех случаях, когда вам важна устойчивость к шумовым данным.

Maxout

Maxout выбирает максимальную сумму из двух наборов весов, умноженных на исходные данные с учётом смещения. Тем самым он обобщает ReLU и leaky ReLU, не обнуляя градиент. Но, как можно догадаться по виду функции, maxout требует удвоения параметров и нейронов.

Подводя итог: используйте ReLU, можете попробовать взять leaky ReLU/Maxout/ELU. На тангенс и сигмоиду лучше не рассчитывать.

Подготовка данных

Существует три наиболее распространённых способа предварительной обработки данных. Будем полагать, что данные X — это матрица размером [NxD].

1. Вычитание среднего. Чтобы избежать смещения данных и сделать их симметричными относительно нуля, из каждого элемента вычитается среднее значение. Это помогает предотвратить ситуации, когда все исходные числа оказываются только положительными или отрицательными. В NumPy операция выглядит как X -= np.mean(X, axis = 0). В частности, при обработке изображений можно вычитать одно значение из всех пикселей (например, X -= np.mean(X)) или делать это отдельно по каждому из трёх цветовых каналов.

Читайте также:
Лекция 4.5

2. Нормализация. Изменение данных таким образом, чтобы они все были приблизительно одного масштаба. Один из вариантов — разделить каждое измерение на его стандартное отклонение: (X /= np.std(X, axis = 0)). Другой вариант — нормализовать каждое значение так, чтобы min и max были равны -1 и 1 соответственно. Нормализацию следует применять только в том случае, если исходные данные имеют разные форматы или единицы измерения. У изображений значения пикселей не выходят за пределы диапазона от 0 до 255, поэтому для них нет необходимости выполнять нормализацию.

Инициализация весов

Итак, мы построили архитектуру нейронной сети и подготовили данные. Прежде чем начать обучение, необходимо инициализировать параметры (веса).

Как не нужно делать: задавать веса нулевыми. Это приведёт к тому, что абсолютно все нейроны будут вести себя одинаково — совсем не то, что мы хотим получить. Нейросеть должна обучаться разным признакам.

Небольшие случайные величины. Более удачный вариант — присвоить весам маленькие значения. Тогда все нейроны будут уникальными и в процессе обучения постепенно интегрируются в различные части сети. Реализация может выглядеть так: W = 0.01* np.random.randn(D,H). Метод randn(n) формирует массив размера n х n, элементами которого являются случайные величины, распределённые по нормальному закону с математическим ожиданием 0 и среднеквадратичным отклонением 1 (распределение Гаусса). Недостаток этого способа в том, что он неплохо работает для небольших архитектур, но гораздо хуже справляется с громоздкими нейросетями.

Калибровка с помощью 1/sqrt(n). Проблема вышеупомянутого метода состоит в том, что дисперсия случайных величин растёт с числом нейронов. Чтобы избежать этого, можно масштабировать веса, поделив их на корень из количества входов: w = np.random.randn(n) / sqrt(n). Это гарантирует, что все нейроны сети изначально будут иметь примерно одинаковое выходное распределение.

Также можно использовать вариант w = np.random.randn(n) * sqrt(2.0/n), который был предложен в одном из исследований. Он приводит к наиболее удачному распределению нейронов, поэтому на практике рекомендуем использовать именно его.

Пакетная нормализация

Метод, известный также как batch normalization, решает множество проблем при инициализации, заставляя все активации (выводы) принимать единичное гауссово распределение в начале обучения.

Как же это работает? Рассмотрим небольшое число выводов нейронов на каком-либо слое. Пусть в функцию активации поступает вектор размерности d: x = (x(1),…,x(d)). Нормализуем его по каждой из размерностей:

Где E(x) — математическое ожидание, D(x) — дисперсия, которые вычисляются по всей обучающей выборке. Таким образом, вместо инициализации весов можно использовать эту простую дифференцируемую функцию и получить нормальное распределение на каждом слое.

Пакетная нормализация обычно применяется между слоями (полносвязными или свёрточными) и функциями активации.

Это очень полезный алгоритм, который часто применяется в современном машинном обучении. Нейросети, использующие batch normalization, значительно более устойчивы к плохой инициализации.

За нейросетью глаз да глаз

Мы выбрали архитектуру сети, подготовили данные, инициализировали веса и нормализовали их. Пришло время начать обучение! Вернее, попытаться начать. Самый простой способ проверить, что нейросеть готова обучаться — взять совсем немного данных и попробовать переобучить её на них, то есть, добиться очень хорошей точности и малых потерь. Для этого мы убираем регуляризацию, устанавливаем необходимое количество эпох обучения и вычисляем потери (они должны уменьшаться).

Напомним, что эпоха — один «проход» данных через нейросеть, после которого обновляются веса с помощью градиентного спуска. Упрощённо это выглядит следующим образом:

Теперь можно запустить настоящий процесс: взять все данные, добавить регуляризацию и установить начальную скорость обучения. К сожалению, просто выполнить код и оставить нейросеть на пару часов пока не получится. Необходимо убедиться, что потери постепенно уменьшаются после каждой эпохи. Если этого не происходит, скорее всего, скорость обучения слишком маленькая. Стремительный рост потерь наоборот говорит о слишком высоком значении learning rate.

Оптимизация гиперпараметров

Как мы могли убедиться, обучение нейронных сетей включает множество этапов настройки гиперпараметров. Наиболее распространенными являются:

— начальная скорость обучения;

— график затухания скорости обучения (например, постоянная затухания);

При желании можно даже модернизировать архитектуру сети, если вам кажется, что она выбрана не слишком удачно.

Learning rate — одно из самых важных значений. Попробуйте поэкспериментировать с различными вариантами и построить графики потерь. На рисунке ниже слева показаны эффекты, возникающие при изменении скорости обучения, а справа — типичная функция потерь при обучении небольшой нейросети на наборе данных CIFAR-10.

Вторая важная вещь, которую следует отслеживать — точность сети на обучающих и оценочных данных. Если поместить их на один график, то можно оценить наличие переобучения, о чём свидетельствуют расходящиеся кривые.

Для поиска оптимальных гиперпараметров стоит написать отдельную функцию, которая будет самостоятельно подбирать их и выполнять оптимизацию. При этом лучше использовать не равномерный поиск (известный также как «перебор по сетке»), а случайный — он чаще всего даёт гораздо более удачные результаты.

Итоги

Кратко изложим всё, что мы узнали про обучение нейросетей из сегодняшней лекции:

— используйте функцию активации ReLU;

— выполняйте предварительную обработку данных (для изображений: вычитайте среднее значение);

— масштабируйте веса при инициализации;

— применяйте пакетную нормализацию;

— следите за процессом обучения;

— оптимизируйте гиперпараметры с помощью случайного поиска.

На следующей лекции мы расскажем ещё о нескольких важных шагах обучения, узнаем про ансамблевые методы и разберёмся, как выполнять передачу обучения (transfer learning) и точную настройку (fine tuning). Пробовали ли вы самостоятельно обучать нейросети? Были ли у вас свои хитрости, или вы полагались на установки по умолчанию? Делитесь с нами успехами и не забывайте задавать вопросы, если что-то непонятно.

Следующие лекции (список будет дополняться по мере появления материалов):

С оригинальной лекцией можно ознакомиться на YouTube.

Рейтинг
( Пока оценок нет )
Понравилась статья? Поделиться с друзьями:
Добавить комментарий

;-) :| :x :twisted: :smile: :shock: :sad: :roll: :razz: :oops: :o :mrgreen: :lol: :idea: :grin: :evil: :cry: :cool: :arrow: :???: :?: :!: