Человеческий фактор. Том 3. Часть 1 - Сальвенди Г.
ISBN 5-03-001815-8
Скачать (прямая ссылка):
Ожидаемое время реакции ?[Г] вычисляется следующим образом. Пусть S,- — продолжительность состояния s,-, т. е. время от начала состояния s,- до завершения первого из процессов в состоянии s^. Определим время реакции как сумму S{.
Допустим, что стимульный процесс гы завершается при переходе из состояния Sj в состояние Sj. Введем обозначения: рц — вероятность того, что этот стимульный процесс завершится первым; gij — вероятность перехода из состояния Si в состояние bj при условии, что стимульный процесс гы завершится первым;
266 Глава 4
hXj — вероятность перехода из состояния Si в соседнее состояние Sj, являющееся непосредственным потомком состояния Sj, равно-го pijgij. Если все состояния Sji, s,2, ..., Sjh являются непосредственными потомками состояния Si, то выполнено условие
1= 1 ‘
Пусть Н — матрица переходных вероятностей htj. Если ct равно сумме параметров интенсивностей процессов текущего состояния *i, то можно доказать следующее утверждение [17]:
Теорема 4 «0—1
2 с^е\Н1е. = Е[Т].
/=i
4.6.2. Сети ДПСП: приложения
В этом разделе представлены два примера применения ДПСП: для построения обобщенной модели визуального поиска, рассмотренной в разделе о предельных возможностях каналов, а также для моделирования ассоциативной памяти и парно ассоциированного обучения. ДПСП оказываются весьма полезными для получения в аналитической форме выражений для среднего времени реакции в сетях типа PERT [11], однако из-за недостатка места этот вопрос рассматриваться здесь не будет.
Визуальный поиск
В разделе об ограничениях возможностей каналов при визуальном поиске указывалось, что сети типа PERT применены в качестве модели процесса только в том случае, если число предъявляемых стимулов меньше или равно числу автономных каналов сравнения (т. е. числу одновременно выполняемых сравнений предъявляемых стимулов с эталоном). В настоящем разделе будет показано, как сети ДПСП позволяют снять это ограничение.
Рассмотрим очень простой пример. Предположим, что процесс состоит из двух этапов: этапа кодирования (узел щ) и этапа сравнения (узел п2). Примем следующие допущения: число предъявляемых стимулов равно двум; одновременно может выполняться только одна операция сравнения; объемы очереди в узлах п\ и га2 достаточны для того, чтобы хранить все поступающие стимулы; выработка реакции начинается только после завершения всех операций сравнения. Обозначим уи k-Pi кодируемый стимул. Время, которое уи затрачивает в очереди какого-либо узла, назовем задержкой yh в этом узле.
Стохастические сетевые модели
267
Обозначим ем (cfe2, dh2) стимульные процессы кодирования (сравнения, ожидания в очереди) в узле П\(Пи п2), а через П — процесс выработки реакции.
ДПСП, соответствующее такой модели процесса, показано на рис. 4.15. Подчеркнем еще раз, что выработка реакции начинается только после завершения обеих операций сравнения (ci2 и С22) и что две операции сравнения никогда не являются текущими. Однако именно такой случай возможен в состоянии s2, если кодирование стимула у2 в узле п.\ завершится раньше сравнения стимула у\ с эталоном в узле п2. Для того чтобы избежать одновременного наличия двух операций сравнения в текущем множестве, необходимо поместить вновь закодированный стимул у2 во множество находящихся в очереди процессов D4 состояния s4 (т. е. D4= {^22})-
S3
Рис. 4.15. Диаграмма порядка следования процессов для модели визуального поиска (число каналов, равное 1, меньше числа стимулов, равного 2).
Воспользовавшись теоремой 4, можно построить сеть ДПСП по данным лабораторного эксперимента (см. раздел о предельных возможностях каналов при визуальном поиске). Построенную таким образом модель можно использовать, например, для оптимизации числа выделяемых на экране дисплея слов.
Ассоциативные сети: долговременная память
Ассоциативные сети уже достаточно давно служат для моделирования структуры обучения в парно ассоциированных задачах [37] и для моделирования структуры системы знаний о мире в долговременной памяти [1]. Одним из недостатков такого подхода является тот факт, что вычисление времени реакции непосредственно по ассоциативным сетям затруднительно, вследствие чего для этой цели приходится пользоваться сетями ДПСП.
Рассмотрим простую ассоциативную сеть, показанную на рис. 4.16, а. Можно считать, что эта сеть представляет собой
268 Глава 4
диаграмму предложения «Джеральдина любит Рона». Пусть flij- — распространение активности из узла га,- в соседний узел tij (формально a{j идентично стимульному процессу, определенному выше). Предположим, что если узел активирован, то он в свою очередь активирует все соседние узлы (за единственным исключением, рассмотренным ниже). Так, если первым в сети активирован узел га2, то активность распространится от него на узлы П[, п4, пь. Предположим, что если ац — распространение активности из узла га* в соседний узел га3-, то обратное распространение активности из узла га/ в узел га» не происходит немедленно (за вышеупомянутым исключением). Это предположение позволяет учесть период рефракции. Наконец, будем считать, что этот факт, определяемый предложением «Джеральдина любит Рона», запомнен, если активированы все его терминальные узлы (riy, га4, Иб).
