Основи багатофарбного друку

     Достоинство метода эвристических  вопросов заключается в его простоте и эффективности для решения любых задач. Эвристические вопросы особенно развивают интуицию мышления, такую логическую схему решения творческих задач. Недостатки и ограничения этого метода заключаются в том, что он не дает особо оригинальных идей и решений и, как другие эвристические методы, не гарантирует абсолютного успеха в решении творческих задач.

     Эвристические вопросы по выбору лучшего технического решения по нашей проблеме представлены в разделе 3.

3.Разработка  эвристических вопросов. Построение «дерева  решений»

           Разработка эвристических  вопросов для урока на тему «» представлены в таблице 1.

     Таблица 1.Разработка эвристических вопросов урока.

     После проведения эвристического опроса учащихся, сделав выводы, что для того чтобы повысить повышение качества многокрасочной печати и добится равномерного распределения краски на фоновых оттисках пользуясь этими данными строим «Дерево решений»,которое представлено ниже.

     4.Построение  «Дерева решений».

     Деревья решений – один из методов автоматического  анализа данных, основные идеи которого восходят к работам П. Ховленда (Р. Hoveland) и Е. Ханта (Е. Hunt) конца 50-х годов XX в. Их итогом явилась основополагающая монография [Hunt et al., 1966], давшая импульс развитию этого направления.

     Построение  деревьев классификации – один из наиболее важных приемов, используемых при проведении "добычи данных и разведывательного анализа" (Data Mining), реализуемый как совокупность методов аналитической обработки больших массивов информации с целью выявить в них значимые закономерности и/или систематические связи между предикторными переменными, которые затем можно применить к новым совокупностям измерений.

     Деревья решений представляют собой последовательные иерархические структуры, состоящие  из узлов, которые содержат правила, т.е. логические конструкции вида "если … то …". Конечными узлами дерева являются "листья", соответствующие  найденным решениям и объединяющие некоторое количество объектов классифицируемой выборки. Это похоже на то, как положение листа на дереве можно задать, указав ведущую к нему последовательность ветвей, начиная от корня и кончая самой последней веточкой, на которой лист растет.

   Есть  целый ряд причин, делающих деревья  классификации более гибким средством, чем традиционные методы анализа:

• схема одномерного ветвления, которая позволяет изучать эффект влияния отдельных предикторных переменных и проводить последовательный анализ их вклада;
• возможность одновременно работать с переменными различных типов, измеренных в непрерывных и порядковых шкалах, либо осуществлять любое монотонное преобразование признаков;
• отсутствие предварительных предположений о законах распределения данных.

   Область применения деревья решений в  настоящее время широка, но все  задачи, решаемые этим методом, могут  быть объединены в три следующие  группы:

• Описание данных: деревья решений позволяют хранить информацию о данных в компактной форме, т.е. вместо обширных таблиц данных мы можем хранить дерево решений, которое содержит в концентрированной форме точное описание объектов;
• Классификация: деревья решений отлично справляются с задачами классификации, т.е. отнесения объектов к одному из заранее известных классов; при этом целевая переменная должна быть измерена в порядковой шкале;
• Регрессия: если целевая переменная имеет непрерывные значения, деревья решений позволяют установить зависимость целевой переменной от независимых (входных) переменных. Например, к этому классу относятся задачи численного прогнозирования (предсказания значений целевой переменной).

   На  сегодняшний день существует значительное число алгоритмов, реализующих построение деревьев решений, из которых наибольшее распространение и популярность получили следующие:

• CART (Classification and Regression Tree), разработанный Л. Брейманом с соавторами [Breiman et al., 1984], представляет собой алгоритм построения бинарного дерева решений – дихотомической классификационной модели; каждый узел дерева при разбиении имеет только двух потомков; как видно из его названия, алгоритм решает задачи как классификации, так и регрессии;
• C4.5 – алгоритм построения дерева решений с неограниченным количеством потомков у узла, разработанный Р. Куинленом [Quinlan, 1993]; не умеет работать с непрерывным целевым полем, поэтому решает только задачи классификации;
• QUEST (Quick, Unbiased, Efficient Statistical Trees) – программа, разработанная В. Ло и И. Ши [Loh, Shih, 1997], в которой используются улучшенные варианты метода рекурсивного квадратичного дискриминантного анализа, позволяющие реализовать многомерное ветвление по линейным комбинациям порядковых предикторов; содержит ряд новых средств для повышения надежности и эффективности индуцируемых деревьев классификации.

В силу этих и многих других причин,методология деревьев решений является важным инструментом в работе каждого специалиста, вне зависимости от того практик он или теоретик. «Дерево решений»для темы «Пигменты» приведено ниже.

                                   
 
 
 
 
 

                                   ДЕРЕВО РЕШЕНИЙ

 
 

 

 

 

 
 
 

                                        ВЫВОД III РАЗДЕЛА

     В данной курсовой работе где рассматривалась тема  «Основы многокрасочной печати»  для профессии «Печатник высокой печати».Для проведения занятия был использован эвристический урок креативного типа, а именно , урок постановки проблемы и их решение.

     Обучение  данной теме было реализовано с помощью  эвристических вопросов ,в результате чего было построено «Дерево решений» для выбранной проблемы.

     В курсовом проекте было приведено 20 контрольных эвристических вопросов, с помощью которых проходило обучение.

     Учащимся был дан материал, был указан только путь решения проблемы и они сами нашли решение.(что соответствует целям и задачам курсового проекта).

     В данном курсовом проекте изначально представлена актуальность данной работы, которая очень важна. Проблема. Цель (которая была достигнута).

     В ходе работы учащиеся выработали в себе способность анализировать обстоятельства, искать ответы на поставленные вопросы а так же находить решения на поставленные цели и имеющиеся проблемы, что соответствует целям и задачам данного курсового проекта.

                                Список литературы:

     1. Энциклопедия «Техника». — М.: Росмэн. 2006.

     2. "Энциклопедия Технологий и Методик" Патлах В.В. 1993-2007 гг.

     3. 2001-2011 Онлайн-энциклопедия «Кругосвет»

     4. Большая советская энциклопедия. — М.: Советская энциклопедия.                      

     1969—1978.

     5. Креативная педагогика: методология, теория, практика (2002)./ Под

ред. Ю. Г. Круглова. — М.: МГОПУ им. М. А. Шолохова, изд. центр

«Альфа».

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ УКРАИНЫ                 

ГОСУДАРСТВЕННЫЙ ДЕПАРТАМЕНТ                                                    

ИНТЕЛЕКТУАЛЬНОЙ СОБСТВЕННОСТИ                               
 

                                   ПРИМЕР ОПИСИ

                                  ЗАЯВКИ НА ПАТЕНТ

                              НА ПОЛЕЗНУЮ МОДЕЛЬ

       

     ПЕЧАТНЫЙ  АППАРАТ МНОГОКРАСОЧНОЙ МАШИНЫ КОСВЕННОЙ  ОРЛОВСКОЙ ПЕЧАТИ С ИРИСОВЫМ ЭФФЕКТОМ

     Номер патента:  2147282

     Класс(ы) патента:  B41F11/02

     Номер заявки:  99114002/12

     Дата  подачи заявки:  01.12.2011

     Дата  публикации:  12.12.2011

     Заявитель: 

     Автор(ы):  Алексеев Л.В.; Ямников Л.С.; Дудин А.А.; Кауфман В.А.; Климов А.И.; Курочкин А.В.; Мельников В.П.; Мочалов И.А.; Писарев А.Г.; Чекмарев В.А.

     Патентообладатель(и):  Научно-исследовательский институт "ГОЗНАК"; Объединение "ГОЗНАК"