Обработки изображений

монтного периода работы турбобурй при бурении вертикальных и наклонных скважин одинаковыми долотами установлено с помощью критерия Стьюдента ts, определяемого по формуле (30). Результаты обработки фактических значений межремонтного периода работы турбобура по указанной методике в зависимости •от вида бурения и диаметра скважины сведены в табл. 10.

где Ф; — объем ФМП в году t, a — некоторый коэффициент, определяемый па основе статистической обработки фактических результатов работы предприятия за последние годы. Функция (4.11) изображена на рис. 7.6. Как видно, при нулевом объеме ФМП бг = 1, т. е. коэффициенты фондоемкости не меняются по сравнению с предыдущим годом. Далее, при росте ФМП величина f>t сначала растет довольно быстро, по затем наступает насыщение и при стремлении ФМП к бесконечности величина 6( стремится к 1 + а.

Двойной расчет сумм покрытия (в соответствии с принципом построения граф и строк матрицы) не только служит схемой для обработки фактических данных контроллером, но прежде всего используется в качестве формы бюджетирования. Эта форма расчета показывает, что все руководители находятся как бы в одной лодке и 90

При методе прямого нормирования нормы устанавливаются либо путем непосредственного изучения затрат рабочего времени на данную работу с использованием исследовательских методов обработки фактических данных, либо на основе заранее разра-

Коэффициент Кп получен на основе статистической обработки фактических данных. Он учитывает фактическое несоответствие величины прироста производительности труда приросту удельного веса величины фазы повышенной работоспособности.

В результате расчетов и обработки фактических данных Комитет по экономике должен

Нормирование запасов материальных ресурсов широко применяется за рубежом. В западных методах управления используется нормирование, но в них часто в качестве нормы подразумеваются экспертные или прогнозные оценки уровня запасов, полученные на основе обработки фактических данных предшествующего отчетного периода. При прогнозной оценке изменение среднего уровня запаса по рассматриваемой марке материального ресурса, имевшее место в отчетном периоде, экстраполируют на

(1.9)), как было показано ранее, обладают свойством устойчивости и полностью характеризуют условия формирования производственного запаса нормируемой марки материального ресурса у предприятия-потребителя. В отличие от определяющих нормообразующих факторов, которых очень много и которые не всегда обеспечены достоверными исходными данными, интегральных показателей небольшое количество, и информация по ним легко может быть получена путем расчетной обработки фактических данных о движении нормируемой марки материального ресурса на складе предприятия-потребителя (дат и объемов суточных поставок и отпусков) и построения по ним соответствующих рядов распределения их вариаций. В дальнейшем для сокращения изложения вместо выражения «первичные интегральные определяющие нормообразующие факторы» будем использовать понятие «нормообразующие факторы второй группы», которые могут быть использованы для анализа и расчета специфицированной нормы производственного запаса.

В качестве иллюстрации вышесказанного на рис. 3.1 приведены эмпирические плотности распределения (Э) вариаций каждого из нормообразующих факторов (объемов суточного производства, объемов суточных отгрузок, интервалов отгрузок и т.н.), построенные на результатах расчетной обработки фактических условий формирования сбытового запаса комбайна КСК-100 в ПО «Гомсельмаш»1. На график также нанесены теоретические распределения (Т) вариаций этих факторов, вычисленные из предположения, что они подчиняются нормальным распределениям. Расчеты для объемов суточного производства проведены по формуле (3.1), которая на основе обработки фактических данных позволяет получить кривую нормального распределения:

Представленные результаты (в относительных величинах) позволяют сопоставлять между собой изменения страховых запасов различных марок топлива на разных предприятиях. Изменения запасов получены на основе обработки фактических данных по условиям формирования их на предприятиях для соответствующих периодов (см. табл. 1.9 и 1.10 в гл. 1). Ранее при анализе данных по предприятиям, приведенных в вышеуказанных таблицах, отмечалось, что топливо поступало к ним неравномерно по объемам и интервалам. В результате этого, а также неравномерности суточных отпусков по интервалам в них непрерывно менялись страховые запасы — в одних запас расходовался (значения со знаком (« — »), в других — накапливался ( значения со знаком «+»).

деляющих нормообразующих факторов, небольшое. В случае дискретного процесса снабжения (поставки не каждый день) и непрерывного процесса расхода (ежедневный отпуск) условия формирования производственного запаса рассматриваемой марки МР определяются тремя производными нормообразующими факторами второй группы — вариациями объемов поставок, интервалов между поставками, объемов суточных отпусков. В отличие от определяющих нормообразующих факторов, которых очень много и которые в ряде случаев при расчете нормы не обеспечены необходимой информацией (например, когда состоится забастовка у завода-изготовителя в плановом году и ее продолжительность), производных нормообразующих факторов небольшое количество, и информация по ним легко может быть получена путем обработки фактических данных о поступлении и отпуске нормируемой марки у предприятия-потребителя (по датам и объемам) в отчетном году. Для краткости в дальнейшем будем использовать термин «нормообразующие факторы», подразумевая под ними понятие «производные нормообразующие факторы».

рые поступают в вашу организацию извне, ваша стратегия должна состоять в их интеграции в ваши электронные системы. Еаз1тап 8оплуаге, Р1аипшп 8ойлуаге и другие компании применяют программы обработки изображений для сканирования документов и их включения в поток электронной информации. В их системах вы можете погружаться на любой уровень детализации данных о расходах — до самых глубин, где вы найдете отсканированные образы исходных бумажных счетов. Вы можете индексировать такие документы и осуществлять по ним поиск, а также включать их в сценарии документооборота, построенные на базе электронной почты. Конечно, было бы еще лучше, если бы внешние данные сразу поступали к вам в цифровом виде, — однако технология сканирования позволяет вам уже сегодня полностью перевести свою компанию на современные электронные методы и спокойно поджидать, пока вас нагонит остальной мир.

Растровый метод дает возможность отображать на экране дисплеев практически любое изображение, как статическое (неподвижное), так и динамическое (движущееся). Другими словами, метод универсален, но, как и все универсальное, требует больших затрат ресурсов ЭВМ. Поэтому если основной функцией вычислительной системы является работа с изображениями (системы автоматизации проектирования, системы создания и обработки изображений, анимация, создание киноэффектов и т.д.), то в этом случае разрабатываются специальные комплексы, называемые графическими станциями, в которых все ресурсы ЭВМ направлены на обработку, хранение и отображение графических данных.

Цифровые методы обработки изображений, заложенные в системе, позволяют улучшать качество получаемых снимков, увеличивать и подчеркивать интересующие вас детали. Например, после многократного увеличения вы сможете разглядеть номер автомобиля, проезжавшего мимо вашего дома, или лицо прохожего.

В 1988 году сотрудниками и аспирантами МГТУ им. Баумана было создано исследовательское предприятие "НЕЙРОИНФОРМАТИКА", основной деятельностью которого являлась разработка программного обеспечения в области обработки видеосигналов, основанного на специальных нейросетевых алгоритмах. Коммерческой реализацией результатов научных исследований специалистов ООО "НЕЙРОИНФОРМАТИКА" стало использование специальных математических методов обработки изображений в системах безопасности, базирующихся на компьютерах. Созданные ООО "НЕЙРОИНФОРМАТИКА" компьютерные системы безопасности не только конкурировали с лучшими зарубежными образцами, но и по некоторым параметрам их превосходили. Как правило, это были эксклюзивные системы, обладающие набором специальных функций и предназначенные для банков, офисов крупных фирм и финансовых организаций. За годы работы было

ВИДЕОДЕТЕКТОР ДВИЖЕНИЙ. NISS-2000 непрерывно контролирует движение через видеосигналы от 8 телекамер одновременно. Видеосигнал переводится в цифровую форму и анализируется с частотой 10 раз в секунду. Используется передовое программное обеспечение, включая последние достижения в области искусственных нейронных сетей и обработки изображений. При наличии движения обнаружено, производится запись серии видеокадров на диск и одновременный вывод изображения от соответствующей камеры на экран.'

Отсюда и следует качественное различие обработки символьной (малоразрядной) и образной (многоразрядной) информации. Для символов в принципе возможно описать любой способ их обработки. Для образов это в принципе невозможно. Естественно, существуют относительно тривиальные преобразования образов, поддающиеся формализации, т.е. имеющие компактное описание. На таких операциях построены графические ускорители и программные пакеты обработки изображений. Однако, в общем случае операции с образами неформализуемы. Преобразование образов, следовательно, должно основываться на алгоритмах, описанных лишь частично.

Сегодняшний нейрокомпьютинг проходит "обкатку", в основном, в программном продукте для задач ассоциативной обработки данных, редко используя при этом свой "параллельный" потенциал. Такие приложения как раз и являются основной темой данной книги. Эпоха истинного - параллельного - нейрокомпьютинга начнется с выходом на рынок широкого ассортимента аппаратных средств - специализированных нейрочипов для обработки изображений, речи и прочей сенсорной информации. Можно представить себе, например, дверные замки, распознающие хозяина по виду, голосу, и быть может, запаху в совокупности. Системы жизнеобеспечения жилищ станут адаптивными и обучаемыми. Все бытовые приборы поумнеют и приобретут способность угадывать, что от них требуется именно в данный момент. Провозвестником таких изменений можно считать нейросетевой блок адаптивного управления в недавно появившемся пылесосе фирмы Samsung.

IPS [Image Processing System] — система обработки изображений.

технологии обработки изображений документов (ImagingSystem);

Системы обработки изображений документов предназначены для ввода, обработки, хранения и поиска графических образов бумажных документов. Подобные системы целесообразно применять в организациях с большим объемом документооборота. Техническое обеспечение систем включает высокоскоростные сканеры, документные контроллеры (выполняют быструю и высокоэффективную компрессию/декомпрессию документов и обеспечивают скоростную работу со сканерами и принтерами), библиотеки-автоматы на базе оптических накопителей с автоматической подачей дисков. Компьютерные образы документов находятся на сервере изображений и просматриваются на рабочих станциях-клиентах.

Системы обработки изображений осуществляют сканирование документов для записи на сервер, их классификацию по различным критериям, передачу изображений на рабочую станцию для просмотра, модификацию или печать. Подобные системы предусматривают также определение маршрута передачи изображений по сети, их рассылку по факсу или электронной почте, поиск изображений по отдельным элементам.

Навигация

Главная

Новое

Акционер Америка Агрессивность