CC BY
30
Ключевые слова: нейросеть, обучение, рынок недвижимости, погнозирование, нейрон, ячейка.
Tazetdinov VA. Neural Network Forecast of Real Estate Market in Crisis Conditions
Forecasting for real estate market in the crisis conditions using neural networks is carried. A pivot table with data on real property is compiled in order to produce the neural network forecasting of the real estate market in the crisis conditions. The schematic process of neural network learning is provided. Training neural network is conducted on the basis of real estate data. Statistical methods based on a set of specific rules for accurate digital data for general information only are applied. The overall outlook for the neural network forecasting of real estate market in crisis conditions is obtained by multiplying the value of determination for each individual value obtained based on the result of neural network modelling.
Key words: neural network, training, real estate market, forecasting, neuron cell.
УДК 519.765 Асист. 1.Ю. Хомицька; проф. В.М. Теслюк, д-р техн. наук -
НУ "Львiвська полтехшка"
СТАТИСТИЧНИЙ АНАЛ1З АНГЛШСЬКИХ ПОЕТИЧНИХ ТЕКСТ1В
Проан^зовано статистичш структури текстш поезп Дж. Г. Байрона i Т. Мура. Доведено, що тексти мютять сшльш елементи, зумовлеш приналежнiстю до одного ю-торичного перiоду i лiтературного напряму. Зроблено спробу визначити статистичним методом дiю фактора манери авторського викладу в зiставлених текстах на фонолопч-ному рiвнi. Стушнь дп зазначеного фактора встановлено за юльюстю груп приголосних фонем, за якими визначено iстотнi вiдмiнностi мiж зiставленими текстами. На основi отриманих результатiв побудовано модель, яка репрезентуе дiю авторського фактора в межах шдстилю поезп художнього стилю англшсько! мови.
Ключовi слова: середня частота груп приголосних фонем, нормальний розподш, критерiй Ст'юдента, статистична структура.
Вступ. Застосування методов математично! статистики в гумаштарних галузях науки, зокрема в л1нгвктищ, не втрачае свое!' актуальности Позаяк бага-то л1нгвктичних проблем залишаються невиршеними, структурна та матема-тична лшгвктики пропонують нов1 шдходи до вивчення лшгвктичних об'ектш 1 явищ та усшшно дають в1дпов1дь на запитання, як1 неможливо виршити на р1в-ш фшолопчно! компетенцл та штущл. На основ1 отриманих числових даних бу-дують л1нгвктичш модели яш наочно розкривають суть дослщжуваних явищ.
Це дослвдження грунтуеться на наукових здобутках у напрям1 викорис-тання математично!' статистики для визначення ступеня дп фактору авторсько! манери викладу та моделювання статистичних структур поетичних текспв. Так, Г. Альтман, КБ. Бектаев, Г.Я. Мартиненко, Р.Г. Пютровський, С В. Чебанов провели низку дослщжень, в яких здшснено шдрахунок 1 вим1рювання стилк-тичних явищ з метою упорядкування текспв 1 !х частин [1, 2, 4]. У наших попе-редшх статтях дослщжено статистичш параметри текстов з драматурги Б. Шоу [11, 12]. Розробку лшгвктичних моделей представлено у наукових розвщ-ках II. Ревзша та В.1. Перебийнк. Так, II. Ревзш на основ1 класифкацп звуюв певно!' мови в певний кторичний перюд розробив парадигматичну звукову модель [7, 8]. Матер1алом досл1дження е тексти поем Дж. Г. Байрона "Корсар",
"Шильйонський в'язень", "Гяур", "Мазепа", "Абiдоська наречена", "Лара", i поем Т. Мура "Лалла Рук" та "Iрландськi мелодп".
Мета роботи - вивчити взаемодда фактора пiдстилю поезií епохи романтизму та фактора манери авторського викладу за встановленням спiввiдно-шення кiлькостi груп приголосних фонем, за якими, методами математично1 статистики, визначити iстотнi вiдмiнностi за середнiми частотами груп приго-лосних фонем.
У планi нашого дослiдження середнi значения частот дослвджуваних груп фонем, як критерiй диференщацп, повиннi дати таку iнформацiю: якою мь рою цi величини, одержат з вибiрки обмеженого обсягу, характеризують тек-сти поезií рiзних авторiв та пiдстиль поезií романтизму загалом для побудови моделi визначення статистичних параметр1в взаемодií зiставлених текстiв з по-езií Дж. Г. Байрона i Т. Мура.
Щоб вщповкти на поставлене запитання, вводиться ршень значущостi -iмовiрнiсть появи певного значення рiзницi середнiх значень частот порiвнюва-них систем, якою можна нехтувати. Якщо внаслiдок дослiджень одержуемо величину, iмовiрнiсть появи яко1 рiвна або менша вiд рiвня значущостi, то пор1в-нюванi системи вiдрiзняються iстотно. У протилежному випадку рiзниця мiж цими системами нектотна (у планi вибраного критерда) i зумовлена звичайним статистичним розкидом. З точки зору теорц iмовiрностi, розподш значень дос-лiджуваноí величини дае практично всю шформацда про цю величину.
Можна вважати апрiорi, що ця функцiя - нормальний розподш Лапласа-Гауса. Доведемо це твердження. Висуваемо нульову гiпотезу Н0 - одержат емт-ричнi дат вщповщають нормальному розподшу частоти кожно!' з дослiджуваних груп фонем. Для перевiрки иде1 гiпотези необхiдна деяка статистична характеристика, яка оцшюе розбiжнiсть емпiричного i теоретичного розподалш. Як критерiй значущостi використовуемо х2 - розподш Пiрсона. Статистика х2 мае корисну для нашого дослiджения властивiсть: 11 закон розподшу не залежить вiд закону розподшу дослiджуваноí випадково* величини. Розподал Шрсона задае при зада-ному чи^ степешв вшьносп V iмовiрнiсть р(х2) одержати значення , яке е бшь-ше вiд деякого х2. Для х2-розподлу Пiрсона побудовано таблицю, яка дае змогу при заданих числу степенiв вiльностi п i рiвнi значущосп g визначити х<2.
При здiйсненнi конкретних розрахунюв замiсть х2 звичайно пишуть х|;п. Якщо внаслiдок проведеного дослiджения одержуемо х2 < х|; V, гшотеза приймаеться. У протилежному випадку вона вдаидаеться. 1ншими словами, це означае таке: якщо внаслщок розрахунтв одержуемо значення величини х2, iмовiрнiсть появи якого р(х2) при чист степенiв вiльностi п е менша за ршень значущостi |, емшричний розподш частоти дослiджуваноí групи фонем не е нормальним. Якщо ж р(х2) > |, то маемо нормальний розподш. Чим бiльше р(х2), тим краще емпiричний розподш наближаеться до нормального.
Використовуемо 5 %-й рiвень значущосп, тобто | = 0,05. Результати нашого дослвдження представленi у поданш нижче таблицу для груп носових фонем. З таблиц видно, що для цiеí дослiджуваноí групи фонем задовольняеться 5 % -й рiвень значущостi, тобто х2 < х^^.
У бшьшосп випадкiв показники набагато кращi: iмовiрнiсть одержати вирахувану величину х2 значна: ррх2) перебувае в iнтервалi вiд 10 до 75 %. Критерiй Шрсона пiдтверджуе правдивкть гiпотези Н0: емпiричнi розподали для вах восьми груп фонем вщповщають нормальному розподiлу Лапласа-Га-уса. Величина о е основним вiдхиленням (основною помилкою) нормального розподiлу. З теорп ймовiрностей випливае, що при 5 %-му ршш значущостi час-тоти груп фонем з iмовiрнiстю 0,95 знаходяться в межах: X -1,96а < X < X +1,96а, де X - середне значения частоти групи фонем.
У зв'язку з тим, що в наших дослщженнях критеркм диференщацп е се-редш значення частот груп фонем, необхщна iнформацiя про цi величини. З щею метою використовуемо теорему Ляпунова [3, 5, 6]. З теореми Ляпунова випливае, що розподш середнього значення випадково!' величини X е нормаль-ним з середнiм значенням, яке дорiвнюе середньому значенню випадково!' величини, i основним вдаиленням а/^п , де п - число порщй вибiрки (табл. 1).
Табл. 1. Дат групи носових фонем. Критерш Шрсона
№ а < X < ь X! п (X, — X )2и, К?) п, окр. п (п, — п) Щ
1 62,50-68,64 65,57 10 3175,52 -1,92 0,0632 5,14 5 4,59
2 68,64-74,78 71,71 14 1909,91 -1,27 0,1781 14,50 15 0,02
3 74,78-80,92 77,85 19 583,14 -0,60 0,3332 27,00 27 2,37
4 80,92-87,06 83,99 35 12,60 -0,06 0,3982 32,41 32 0,21
5 87,06-93,20 90,13 30 1362,83 0,73 0,3056 24,90 25 1,04
6 93,20-99,34 96,27 10 1658,94 1,40 0,1497 12,19 12 0,39
7 99,34-105,5 102,4 50 1808,80 2,05 0,0488 3,97 4 0,27
X - - 123 10511,75 - - 120,11 120 8,89
X = 83,39, 5 =
10511,75 122
= 9,28,
ДХ = 6,14.
1стотним у наших подальших дослвдженнях е таке. Параметри вибiрки обмеженого обсягу можна вважати точковими ощнками параметрiв генерально!' вибiрки [5]. Необхщно на базi цих даних (тобто на базi тексту, з яким ми пра-цюемо) одержати шформащю про генеральну вибiрку - шдстиль англiйськоí
• X — X 0 I 7Т
мови. З щею метою використовуемо статистику г =--Vп , де X - середне
5
значення частоти груп фонем, одержане з вибiрки, з якою ми працюемо; п -число порщй ще!' вибiрки; X0 - середне значення частоти групи фонем гене-рально!' вибiрки; 52 - незмщена оцiнка дисперсií.
Статистика г шдлягае розподiлу Ст'юдента [5]. Статистика г дае змогу встановити границ середнього значення X 0. Зокрема, при 5 %-му ршш значу -щостi середне значення частоти груп фонем генерально!' вибiрки перебувае з iмовiрнiстю 0,95 у таких межах:
V 5 тр ТР 5
X — г0,05 • —¡— < X 0 < X + г0,05 • —¡—.
пп
(1)
Значения г0,05 знаходимо з таблицi [5]. Ця величина вiдповiдаe 5 %-му рiвню зиачущостi i числу степеиiв вшьносп п = п -1. Для наочносп розглянемо граиицi величини X0 - X - значення рiзиицi середшх частот генерально1 вибiр-
5 — — 5
ки та вибiрки, з якою ми працюемо. З (1) одержуемо: -г0,05 ■ < Х0 -X <г0,05 ■-,-.
Введемо таю позначення: А = кп ■ 5; кп = , де гп е значення величини г
Ып
для заданих кiлькостi порцiй п i ршня значущостi. Отже, величина Х0 - X при вибраному ршш значущосп 0,05 з iмовiрнiстю 0,95 знаходиться в межах:
-А < X0 - X < А.
Досвщ фоно-статистичних дослiджень показуе, що зi збiльшениям п величина А зменшуеться. З точки зору принципових положень теорií iмовiрностi, це очевидний факт: при збшьшенш п ми наближаемося до генерально!' вибiрки. Отже, при великих п одержуемо практично достовiрну iнформацiю про шд-стиль поезií романтизму англiйськоí мови (в плаш вибраного критерда значу-щостi). Далi одержуемо:
г = Х" - X" I п ■ п2 (2)
5 \ п1 + п2
У нас щ = п2 = 31. Звщси замiсть (2) одержуемо таку робочу формулу:
X" - X"
г = 3,937■ —-—. Величина г табульована [5, 9]. Таблиця вказуе iмовiрнiсть, з
5
якою з'являеться конкретне значення величини г. Чим бшьше це значення, тим менша iмовiрнiсть.
Для нашого дослiджения поява значення величини г, якш вiдповiдае мала iмовiрнiсть, говорить, що величини X" iстотно вiдрiзияються одна вщ одно'. В цьому випадку вони е характеристиками поетичних текстав рiзних авторiв, а не шдстилю поези загалом. Правомiрнiсть цього твердження збшьшуеться iз збшьшенням г. При ощнщ рiзниць типу X" - X"" застосовуеться двостороннш р1вень значущосп 2/2. Цей рiвень дорiвнюе iмовiрностi того, що г буде за абсолютною величиною ршне або бшьше деяко! величини. Ми вибрали рiвень зна-чущостi 0,05. Отже, якщо 22 < 0,05, рiзницi типу х"- х" е iстотними, i величини X? характеризують тексти рiзних авторiв.
Результати дослiдження. Таким чином, з викладеного вище випливае, що, працюючи з текстами обмеженого обсягу, на базi вибраного критерда ди-ференцiацií (середнi значення груп фонем) одержано шформацда про поетичнi тексти рiзних автор1в. За цим самим критерiем одержано iнформацiю про вщшн-ностi мiж текстами поези Дж. Г. Байрона i Т. Мура (табл. 2, табл. 3 та табл. 4).
Даш наведених таблиць та подана нижче модель шдтверджують вста-новлену за середшми частотами вщносну близькiсть поезií Дж. Г. Байрона i Т. Мура (ктотш вiдмiнностi визначено тшьки за трьома групами фонем при неврахуваннi позицц фонеми в словi i за двома групами фонем для позицш фо-неми на початку i в кiнцi слова), зумовлена приналежнктю поетiв до одного к-
торичного перюду i лiтературного напряму, а також !х творчою сшвпрацею, впливом творчих засад Дж. Г. Байрона на творчкть Т. Мура.
Табл. 2. Порiвняння поезп Дж. Г. Байрона з nоезieю Т. Мура
Гр. фонем Байрон Мур 5 г 26 Тип зн. величини Х1 - Х 2
X I(X, - х )2 X I (X, - X )2
Губт 134,3 2774,26 137,9 4156,56 10,75 1,318 ~20 % Вип.
Передньоязиковi 421,8 6401,44 425,0 8176,00 15,59 0,808 >20 % Вип.
Середньоязиковi 6,9 305,58 5,9 143,58 2,74 1,437 >10 % Вип.
Задньоязиковi 64,3 2940,01 59,3 3242,26 10,15 1,939 >5 % Вип.
Носовi 83,6 3649,29 82,9 1902,71 9,62 0,286 >20 % Вип.
Сонорт 224,7 6546,76 233,9 4890,01 13,81 2,623 ~1 % 1стот.
Щiлиннi 190,3 11210,59 210,3 8529,19 18,14 4,341 <0,1 % 1стот.
Зiмкненi 202,9 5599,58 182,7 10670,01 16,47 4,829 <0,1 % 1стот.
Табл. 3. Порiвняння поезп Дж. Г. Байрона з поезieю Т. Мура. Фонема на початку
слова
Гр. Фонем Байрон Мур 5 г 26 Тип зн. Величини Х1 - х 2
X I (X, - X )2 X I (X, - X )2
Губт 76,0 3147,00 71,8 1842,34 9,12 1,81 >5 % Вип.
Передньоязиковi 111,3 2452,39 115,7 3421,99 9,89 1,75 >5 % Вип.
Середньоязиковi 2,7 147,99 2,3 130,39 2,15 0,73 ~50 % Вип.
Задньоязиковi 36,8 2664,84 31,8 1128,24 7,95 2,48 <2 % 1стот.
Носовi 9,8 731,44 7,7 355,99 4,26 1,94 >5 % Вип.
Сонорт 63,5 5183,75 63,1 2009,91 10,95 0,14 >80 % Вип.
Щшинт 97,6 4201,36 101,9 6095,91 13,10 1,29 ~20 % Вип.
Зiмкненi 66,8 2232,84 57,1 2217,51 8,61 4,43 <0,1 % 1стот.
Табл. 4. Порiвняння поезп Дж. Г. Байрона з поезieю Т. Мура. Фонема в тнщ слова
Гр. фонем Байрон Мур 5 г 26 Тип зн. величини ^ - X 2
X I (X, - X )2 X I (X, - X )2
Губт 22,1 907,51 26,4 1519,16 6,36 2,66 1 % 1стот.
Передньоязиковi 165,1 6358,71 161,1 3853,91 13,05 1,21 >20 % Вип.
Середньоязиковi - - - - - - - Вип.
Задньоязиковi 12,4 501,36 14,8 926,44 4,88 1,94 >5 % Вип.
Носовi 33,0 1511,00 34,4 931,56 6,38 0,86 >20 % Вип.
Сонорт 55,3 1973,99 57,0 1495,00 7,60 0,88 >20 % Вип.
Щшинт 66,1 2099,61 71,0 3223,00 9,42 2,05 <5 % 1стот.
Зiмкненi 79,0 6844,0 74,5 3255,75 12,97 1,37 >10 % Вип.
Вщшншсть за двома-трьома групами приголосних фонем спричинена iндивiдуальними особливостями манери викладу авторського свггосприймання, докладно розглянутому у наших попередшх статтях [12]. Своeрiднiсть i непере-вершенiсть поетичного зображення дайсносп вирiзняe Дж. Г. Байрона як геш-ального поета, якому належить чiльне мiсце в англiйськiй поезп. Поетична ок-ремiшнiсть поезií Т. Мура спираеться на музичну основу. Це форма лiричноí поезií, яка мае риси народно! шзш. Мелодшнкть iрландського поетичного мов-
лення пронизуе поезш Т. Мура i е вагомим внеском в англомовну поезш епохи романтизму (рис.).
Рис. Результати зктавлення текстiв з поези Дж. Г. Байрона i Т. Мура: 2, 3 - невелика к1льк1сть груп фонем, за якими встановлено ¡стотш вгдмшностг (тексти схожг); 5, 6 - велика ктькгсть груп фонем, за якими встановлено ¡стотш вгдмшностг (тексти вгдмтш)
Висновки. Використання методiв математично'' статистики при розме-жуванш текспв поези Дж. Г. Байрона i Т. Мура на фонолопчному рiвнi дало змогу встановити стутнь здатностi груп приголосних фонем розрiзняти попарно зiставленi тексти та визначити за значенням середньо'' частоти мiсце кожно'' групи приголосних фонем у статистичному аналiзi фонолопчно'' пiдсистеми системи пiдстилю поези художнього стилю. В плаш практично'' щнносп одер-жанi частотнi характеристики груп приголосних фонем дають змогу здшснити атрибуцш поетичних творiв, розкрити специфшу англiйськоí поези епохи романтизму та точшше охарактеризувати авторську манеру викладу. Встановленi частотнi характеристики груп приголосних фонем можуть слугувати матерь алом та iнструментом вивчення евфони творiв поези i розкриття специфши звукового символiзму.
Лiтература
1. Альтман Г. Мода та гстина в лшгвктищ // Проблема квантитативно! лшгвктики. - Чер-швщ : Вид-во "Рута", 2005. - С. 3-11.
2. Бектаев КБ. Математические методы в языкознании / КБ. Бектаев, Р.Г. Пиотровский. -Алма-Ата, 1974. - 260 с.
3. Гнеденко Б.В. Курс теории вероятностей / Б.В. Гнеденко. - М. : Изд-во "Наука", 1988. - 448 с.
4. Мартыненко Г.Я. Текст как объект и предмет стилеметрии / Г.Я. Мартыненко, СВ. Че-банов // Квантитативные аспекты системной организации текста : матер межвуз. семинара. -Тбилиси, 1987. - С. 83-86.
5. Митропольський А.К. Техника статистических вычислений / А.К. Митропольський. - М. : Изд-во "Наука", 1971. - 576 с.
6. Пиотровский Р.Г. Математическая лингвистика / Р.Г. Пиотровский, КБ. Бектаев, А.А. Пиотровская. - М. : Изд-во "Высш. шк.", 1977. - 383 с.
7. Ревзин ИИ. Структура языка как моделирующей системы / ИИ. Ревзин. - М. : Изд-во "Наука", 1978.
8. Статистичш та структуры лшгвктичт моделi : Республж. мiжвiд. зб. - К. : Вид-во "Наук. думка", 1966. - 161 с.
9. Справочник по специальным функциям. - М. : Изд-во "Наука", 1979. - 830 с.
10. Хомицька 1.Ю. Залежшсть середшх частот вживання груп приголосних фонем вщ титв мовленневих жанрiв у драм Б. Шоу "Другий ост^в Джона Буля" / 1.Ю. Хомицька // Науковi записки. - Сер.: Фшолопчш науки (мовознавство). - У 2 ч. - Юровоград : РВВ КДПУ iм. В. Вин-ниченка. - 2011. - Вип. 96(2). - С. 326-329.
11. Хомицька 1.Ю. Залежшсть середшх частот вживання груп приголосних фонем вщ титв мовленневих аклв у драмi Б. Шоу "Другий ос^в Джона Буля" / 1.Ю. Хомицька // Англктика та америкашстика. - Дншропетровськ : Вид-во ДНУ iм. О. Гончара. - 2011. - Вип. 8. - С. 118-126.
12. Хомицька 1.Ю. Фоностатистичш особливосл мовно! картини свггу в поемi Дж. Г. Байрона "Корсар" / 1.Ю. Хомицька // Науковi записки. - Сер.: Фшолопчш науки. - Юровоград : РВВ КДПУ iм. В. Винниченка. - 2013. - Вип. 119. - С. 177-180.
Хомицкая И.Ю., Теслюк В.Н. Статистический анализ английских поэтических текстов
Проанализированы статистические структуры текстов поэзии Дж. Г. Байрона и Т. Мура. Доказано наличие в текстах общих элементов, обусловленных принадлежностью к одному историческому периоду и литературному направлению. Сделана попытка определить статистическим методом действие фактора манеры авторского повествования в сравниваемых текстах на фонологическом уровне. Степень действия упомянутого фактора определена по количеству групп согласных фонем, по которым определены существенные расхождения между сравниваемыми текстами. На основании полученных результатов создана модель, которая представляет действие авторского фактора в подстиле поэзии художественного стиля английского языка.
Ключевые слова: средняя частота групп согласных фонем, нормальное распределение, критерий Стьюдента, статистическая структура.
Khomytska I. Yu., Teslyuk V.M. Statistical Analysis of English Poetical Texts
The statistical structures of the texts of poetry by G.G. Byron and T. Moore have been analyzed. The texts are proved to have common elements caused by belonging to one and the same historic period and literary trend. An attempt is made to determine by statistical method the effect of the factor of the author's style in the compared texts of poetry on the phonological level. The degree of the effect of the mentioned factor is established by a number of groups of consonant phonemes by which the essential difference is determined between the compared texts. On the basis of the obtained results a model representing the author's factor effect in the substyle of poetry of the belles-lettres style of the English language is built.
Key words: mean frequency of occurrence of groups of consonant phonemes, normal distribution, Student's t-test, statistical structure.
УДК 004;621.398;681.5 Доц. Г.С. Погромська, канд. пед. наук -
Миколахвський НУ ¡м. В.О. Сухомлинського
РАЦЮНАЛ1ЗАЦ1Я ВИЗНАЧЕННЯ ОБ'€КТНО-ОР1€НТОВАНОГО CASE-ЗАСОБУ В ЖИТТ6ВОМУ ЦИКЛ1 ПРОГРАМНО1 СИСТЕМИ
Запропоновано концепщю визначення оцшок CASE-засобiв для проектування та розроблення програмних систем на осжга застосування однопараметрично! моделi су-часно! теорн вишрювань ШТ. Розглянуто характерш особливост CASE-засобiв та !х можливостей для проектування програмних систем. Визначено основш ознаки, за яки-ми можна проводити ощнювання та вибiр. Розроблено i рекомендовано застосування методу статистичного вишрювання на основi використання однопараметрично! моделi Раша для визначення оцшок CASE-засобiв, як характеризуются великою кшьюстю рiзноманiтних ознак, бiльшiсть з яких мають яюсний характер.
Ключовi слова: CASE-засоби, життевий цикл програми, програмна система, вибiр CASE-засобу, модель Раша.
Актуальшсть дослщження. Комп'ютерш програми е основним засобом пращ для велико! кшькосп користувачш персональних комп'ютерш. Процес ви-рiшення безлiчi професiйних завдань змiнився, i комп'ютер став його не-вiд'емною частиною. Дiяльнiсть, яка ранiше виконувалася в реальному середо-виш шляхом перемщення та перетворення реальних об'ектш, з впровадженням комп'ютерiв отримала форму вiртуального вiдображення. Багато ручних опера-цш автоматизувалися, а сам процес виртення професiйних завдань перейшов в дiалог " людина - комп'ютер".
На сьогодш спостерiгаеться сплеск iнтересу до проблем рацiоналiзацií у зв'язку з розвитком теорц органiзацií, теорií систем, теорц прийняття рiшень. Формулюються принципи рацiоналiзацií, йде пошук варiантiв включения мето-
