Введение
Средства измерения способности обработки сигналов. Теория обнаружения, или теория обнаружения сигналов, – это метод оценки способности различать информационно-значимые паттерны (называемые стимулом в живых организмах и сигналом в машинах) и случайные паттерны, затрудняющие восприятие информации (называемые шумом, состоящим из фоновых стимулов и случайной активности детектора, а также нервной системы оператора). В электронике восстановление сигнала подразумевает выделение таких паттернов из маскирующего фона. Согласно теории, существуют факторы, определяющие, как система обнаружения будет обнаруживать сигнал и на каком уровне будет установлен её порог. Теория объясняет, как изменение порога влияет на способность к различению, часто показывая, насколько система адаптирована к поставленной задаче, цели или назначению. Если системой обнаружения является человек, на применяемый порог могут влиять такие характеристики, как опыт, ожидания, физиологическое состояние (например, усталость) и другие факторы. Например, часовой во время войны, вероятно, будет обнаруживать более слабые стимулы, чем тот же часовой в мирное время, из-за более низкого критерия, однако он также может чаще воспринимать безобидные стимулы как угрозу. Значительная часть ранних исследований в области теории обнаружения была проведена специалистами по радиолокации. К 1954 году теория была полностью разработана в теоретическом плане, как описано Петерсоном, Бердсоллом и Фоксом, а основы психологической теории были заложены Уилсоном П. Таннером, Дэвидом М. Грином и Джоном А. Свэтсом, также в 1954 году. В 1966 году Джон А. Свэтс и Дэвид М. Грин применили теорию обнаружения в психофизике. Грин и Свэтс критиковали традиционные методы психофизики за их неспособность различать истинную чувствительность испытуемых и их (потенциальные) предубеждения при ответах. Теория обнаружения находит применение во многих областях, таких как диагностика, контроль качества, телекоммуникации и психология. Эта концепция аналогична отношению сигнал/шум, используемому в науке, и матрицам ошибок, применяемым в искусственном интеллекте. Она также может быть использована в управлении аварийными сигналами, где важно отделять важные события от фонового шума.
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.
Критерий Байеса
В некоторых случаях гораздо важнее адекватно реагировать на H1, чем на H2. Например, если срабатывает сигнализация, указывающая на H1 (приближающийся бомбардировщик несет ядерное оружие), гораздо важнее сбить бомбардировщик, если H1 = TRUE, чем избегать отправки эскадрильи истребителей для проверки ложной тревоги (то есть H1 = FALSE, H2 = TRUE) (при условии наличия достаточного количества истребителей). Критерий Байеса – подход, подходящий для таких случаев. Он расширил результаты теории обнаружения сигналов для стимулов с нормальным распределением и вывел методы вычисления вероятности ошибки и матрицы ошибок для идеальных и неидеальных наблюдателей при обнаружении и классификации унивариантных и многовариантных нормальных сигналов из двух или более категорий.