* Данный текст распознан в автоматическом режиме, поэтому может содержать ошибки
Если вероятности не изменяются (процесс стацио н а р н ы й ) , то такой процесс обучения требуется провести только один раз — в начале работы компенсатора. В дальнейшем набор счетчиков можно у б р а т ь . Если ж е вероятности появления различных входных сигналов все время изменяются, то набор счетчиков дол жен быть включен в систему непрерывно, корректируя с некоторым опозданием, свойственным всякому обуче нию, характеристику компенсатора. Стирание инфор мации, накопленной счетчиками, может быть периоди ческим (от часового механизма) или непрерывным ( р а з р я д конденсаторов). Типичными задачами, решаемыми при помощи услов но-вероятностных систем, являются: 1) обучение системы распознавать входные сигналы (при наличии помех) путем сравнения их с наиболее вероятными эталонами: отличение более вероятных си гналов от маловероятных, осмысленного текста от тек ста, лишенного смысла и т. дообучение эталонов или прототипов) ; 2) осуществление компенсации возмущений не на основании их точного замера, а на основании опыта пре дыдущей работы (обучение разомкнутых компаундирую щих связей в соответствии с вероятностными условиями инвариантности) ; 3) самоулучшение действия обратных связей (обуче ние обратных связей) за счет подачи в компенсирую щую цепь в первую очередь тех значений выходной ве личины, которые в данных условиях наиболее вероятны; 4) самоулучшение объектов, имеющих статистические вероятностные характеристики (обучение объектов); 5) моделирование процесса выработки условных реф лексов; 6) решение задачи интерполяции: обучение системы догадываться в случае пропусков сигналов (пропуски букв, звуков и т. д.); 7) решение задачи экстраполяции: обучение систе мы предсказывать будущее значение на основании пре дыдущего опыта; 8) решение так называемых* лабиринтных за дач и т. д. Вероятностные системы в большей мере отображают черты процесса обучения, чем системы детерминиро85
