Кіріспе
Сигналдарды өңдеу қабілетін өлшеу тәсілдері. Табылдылау теориясы немесе сигналды анықтау теориясы – ақпаратты жеткізетін үлгілерді (тірі организмдерде стимул, машиналарда сигнал деп аталады) және ақпаратқа кедергі келтіретін кездейсоқ үлгілерді (шу деп аталады, оған фондық стимулдар және детекторлық машинаның, сондай-ақ оператордың жүйке жүйесінің кездейсоқ әрекеті кіреді) ажырату қабілетін өлшеу тәсілі. Электроника саласында сигналды қалпына келтіру – бұл осындай үлгілерді жасыратын фоннан бөліп алу. Теорияға сәйкес, сигналды анықтау жүйесінің қалай жұмыс істейтінін және оның шекті деңгейлерінің қайда орналасқанын анықтайтын бірнеше фактор бар. Теория шекті деңгейді өзгертудің ажырату қабілетіне қалай әсер ететінін түсіндіре алады және көбінесе жүйенің мақсатқа, міндетке немесе мақсатқа қаншалықты бейімделгенін көрсетеді. Егер анықтау жүйесі адам болса, тәжірибесі, күтулері, физиологиялық жағдайы (мысалы, шаршағандық) және басқа да факторлар қолданылатын шекті мәнге әсер етуі мүмкін. Мысалы, соғыс уақытындағы сақшы бейбіт уақыттағы сақшыға қарағанда нашаррақ стимулдарды анықтауы мүмкін, бірақ олар зиянсыз стимулдарды қауіп ретінде қарауы да ықтимал. Табылдылау теориясы бойынша алғашқы жұмыстардың көп бөлігі радар зерттеушілері жасаған. 1954 жылға қарай теория Питерсон, Бердсолл және Фокс сипаттағандай теориялық тұрғыдан толыққанды дамыды, ал психологиялық теорияның негізін Уилсон П. Таннер, Дэвид М. Грин және Джон А. Светс, сондай-ақ 1954 жылы қалады. Джон А. Светс және Дэвид М. Грин 1966 жылы анықтау теориясын психофизикада қолданды. Грин мен Светс психофизиканың дәстүрлі әдістерін субъектінің нақты сезімталдығы мен олардың (потенциалды) жауап беру бейімділіктерін ажырата алмағаны үшін сынады. Анықтау теориясы диагностиканың кез келген түрі, сапаны бақылау, телекоммуникация және психология сияқты көптеген салаларда қолданылады. Бұл концепция ғылымда қолданылатын сигнал мен шудың арақатынасына және жасанды интеллектте қолданылатын шатасу матрицасына ұқсас. Оны ескертуді басқаруда да қолдануға болады, онда маңызды оқиғаларды фондық шудан ажырату маңызды.
Detection theory or signal detection theory is a means to measure the ability to differentiate between information bearing patterns (called stimulus in living organisms, signal in machines) and random patterns that distract from the information (called noise, consisting of background stimuli and random activity of the detection machine and of the nervous system of the operator). In the field of electronics, signal recovery is the separation of such patterns from a disguising background. According to the theory, there are a number of determiners of how a detecting system will detect a signal, and where its threshold levels will be. The theory can explain how changing the threshold will affect the ability to discern, often exposing how adapted the system is to the task, purpose or goal at which it is aimed. When the detecting system is a human being, characteristics such as experience, expectations, physiological state (e. g.
fatigue) and other factors can affect the threshold applied. For instance, a sentry in wartime might be likely to detect fainter stimuli than the same sentry in peacetime due to a lower criterion, however they might also be more likely to treat innocuous stimuli as a threat. Much of the early work in detection theory was done by radar researchers. By 1954, the theory was fully developed on the theoretical side as described by Peterson, Birdsall and Fox and the foundation for the psychological theory was made by Wilson P. Tanner, David M. Green, and John A. Swets, also in 1954. Detection theory was used in 1966 by John A. Swets and David M. Green for psychophysics. Green and Swets criticized the traditional methods of psychophysics for their inability to discriminate between the real sensitivity of subjects and their (potential) response biases. Detection theory has applications in many fields such as diagnostics of any kind, quality control, telecommunications, and psychology. The concept is similar to the signal to noise ratio used in the sciences and confusion matrices used in artificial intelligence. It is also usable in alarm management, where it is important to separate important events from background noise.
Бейес критерийі
Кейбір жағдайларда H1-ге дұрыс жауап беру H2-ге дұрыс жауап беруден әлдеқайда маңызды. Мысалы, егер H1 (жау бомбалаушысы ядролық қару тасымалдап келеді) ескертуімен дабыл қағылса, H1 = TRUE болған жағдайда бомбалаушыны түсіру, H1 = FALSE, H2 = TRUE болған жағдайдағы жалған дабылға тексеруге эскадрилья жіберуден гөрі маңызды (эскадрильяның жеткілікті саны бар деп есептесек). Байес критерийі мұндай жағдайлар үшін қолайлы тәсіл болып табылады. Ол қалыпты үлестірімді сигналдар үшін сигналды анықтау теориясының нәтижелерін кеңейтіп, екі немесе одан көп санаттағы бірөлшемді және көпөлшемді қалыпты сигналдарды анықтау және жіктеу үшін идеалды және идеалды емес бақылаушылар үшін қателік деңгейін және шатасу матрицасын есептеу әдістерін жасады.