БЭС:
Большой
Советский
Энциклопедический
Словарь

Термины:

РАСШИРЯЮЩИЙСЯ ЦЕМЕНТ, собирательное назв. группы цементов.
РЕЛАКСАЦИЯ МАГНИТНАЯ, один из этапов релаксации - процесс установления.
РЕЧНОЙ ШТАТ (Rivers State), штат на Ю. Нигерии.
САХАРОВ Андрей Дмитриевич (р. 21.5. 1921, Москва), советский физик, акад. АН СССР.
СЕЙСМИЧЕСКОЕ МИКРОРАЙОНИРОВАНИЕ, раздел инженерной сейсмологии.
СЕРОВОДОРОД, H2S, то же, что сернистый водород.
СИМАБАРСКОЕ ВОССТАНИЕ, крупнейшее крест. восстание в Японии.
СКАФАНДР (франц. scaphandre, от греч. skaphe - лодка и апёг, род. падеж andros - человек).
СЛОЖНАЯ ФУНКЦИЯ, функция от функции.
Раздача продуктов голодающим. Самара. 1921. .


Фирмы: адреса, телефоны и уставные фонды - справочник предприятий оао в экономике.

Большая Советская Энциклопедия - энциклопедический словарь:А-Б В-Г Д-Ж З-К К-Л М-Н О-П Р-С Т-Х Ц-Я

840620292161210912135 - 36, архитекторы А. Константинов, Т. Шарутин, Л. Ушаков, Б. Огурцов).

РАСПЕ (Raspe) Рудольф Эрих (1737, Ганновер,-1794, Макросе, Ирландия), немецкий писатель. В 1786 опубл. анонимно перевод на англ. яз. приключений Мюнхгаузена из нем. сб. "Спутник весёлых людей" (1781-83), дополнив его эпизодами из англ, истории. Сюжеты, восходящие к фольклорным, антич. и вост. анекдотам, группируются вокруг реально существовавшего барона К. Ф. Мюнхгаузена, служившего в рус. армии, к-рого Р. объявил автором книги (вопрос об авторстве окончательно не решён). Имя Мюнхгаузена стало нарицательным для обозначения рассказчика-враля.

"Удивительные приключения... барона Мюнхгаузена" (Москва-Ленинград, 1923). Илл. Г. Доре.

Соч.: Baron Munchhausen's Narrative of his marvellous travels and campaigns in Russia, pt 1, Oxf., 1786; в рус. пер.- Удивительные приключения, путешествия и военные подвиги барона Мюнхгаузена, пер. с англ. под ред. К. Чуковского, П.- М., 1923.

Лит.: История немецкой литературы, т. 2, М., 1963; Carswell J., The prospector. Being the life and times of R. E. Raspe, L., 1950.

РАСПЕВ (старинное - роспев), самостоятельная система монодии, характеризующаяся определённым фондом мотивов-попевок и закономерностями их организации в мелодиях. В рус. церк. пении существует несколько Р. Древнейший из них, обладающий самым богатым фондом попевок,- знаменный распев', он восходит к 12 в. Им распеты песнопения всего годичного круга богослужения, составляющие певческие книги: октоих, ирмологий, обиход, праздники и триодь. Последующими в порядке появления были демественный распев (см. Демественное пение) и путевой распев, культивировавшиеся в 16-17 вв. Более поздние - болгарский, греческий и киевский распевы - применялись в рус. церк. пении с сер. 17 в. По фонду попевок последние 5 Р. значительно уступают знаменному, и закономерности их организации мало изучены.

От Р. следует отличать напев; в широком значении термина напевом может быть названа любая мелодия; чаще напевами называют местные варианты того или иного Р.

Лит.: Скребков С., Русская хоровая музыка XVII - нач. XVIII веков, М., 1969, с. 11-47.

РАСПЛАВНЫЕ ИСТОЧНИКИ ТОКА, химические источники тока резервного типа, у к-рых электролит при темп-ре хранения находится в твёрдом неэлектропроводящем состоянии и переводится в жидкое ионопроводящее состояние только в процессе активации, осуществляемой электрич. или пиротехнич. нагревом. Благодаря использованию расплавленных солевых электролитов (напр., LiCl-KСl) в Р. и. т. удаётся применить такие активные анодные материалы, как металлич. Li и Са, что обеспечивает получение рабочего напряжения Р. и. т. до 3 в при плотностях тока ~103 a/м2. В качестве катодных материалов используют СаСrO4, СuО, Fe2О3, V2O5, WO3. Осн. преимущества Р. и. т.- высокая удельная мощность, многолетняя (10-15 лет) сохранность в т. н. незадействованном состоянии, быстрота активации, высокая воспроизводимость характеристик, высокая прочность и стабильность в условиях вибрации, ударов и перегрузок - обеспечивают им применение в аппаратуре для зондирования атмосферы, Мирового океана, недр Земли, а также в др. устройствах, требующих высокоэнергоёмких автономных источников питания. Выпускаются серийно в СССР, США и др. странах. Н. С. Лидоренко.

РАСПЛEТИН Александр Андреевич [12(25). 8. 1908, Рыбинск,- 8. 3. 1967, Москва], советский учёный и конструктор в области радиотехники и электроники, акад. АН СССР (1964; чл.-корр. 1958), Герой Социалистич. Труда (1956). Чл. КПСС с 1945. В 1930-36 работал в Центральной радиолаборатории. После окончания (1936) Ленингр. электротехнич. ин-та работал в различных н.-и. и проектных орг-циях и вёл научно-педагогическую работу. Гос. пр. СССР (1951), Ленинская пр. (1958). Награждён орденом Ленина и медалями. Портрет стр. 466.

РАСПОЗНАВАНИЕ ОБРАЗОВ, научное направление, связанное с разработкой принципов и построением систем, предназначенных для определения принадлежности данного объекта к одному из заранее выделенных классов объектов. Под объектами в Р. о. понимают различные предметы, явления, процессы, ситуации, сигналы. Каждый объект описывается совокупностью осн. характеристик (признаков, свойств) X = (х1,...,xi,...,xn), где i-я координата вектора X определяет значения i-й характеристики, и дополнит. характеристикой S, к-рая указывает на принадлежность объекта к нек-рому классу (образу). Набор заранее расклассифицированных объектов, т. е. таких, у к-рых известны характеристики X и S, используется для обнаружения закономерных связей между значениями этих характеристик и поэтому наз. обучающей выборкой. Те объекты, у к-рых характеристика S неизвестна, образуют контрольную выборку. Отд. объекты обучающей и контрольной выборок наз. реализациями.

Одна из осн. задач Р. о.- выбор правила (решающей функции) D, в соответствии с к-рым по значению контрольной реализации X устанавливается её принадлежность к одному из образов, т. е. указываются "наиболее правдоподобные" значения характеристики S для данного X. Выбор решающей функции D требуется произвести так, чтобы стоимость самого распознающего устройства, его эксплуатации и потерь, связанных с ошибками распознавания, была минимальной. Примером задачи Р. о. этого типа может служить задача различения нефтеносных и водоносных пластов по косвенным геофизич. данным. По этим характеристикам сравнительно легко обнаружить пласты, насыщенные жидкостью. Значительно сложнее определить, наполнены они нефтью или водой. Требуется найти правило использования информации, содержащейся в геофизич. характеристиках, для отнесения каждого насыщенного жидкостью пласта к одному из двух классов - водоносному или нефтеносному. При решении этой задачи в обучающую выборку включают геофизич. данные вскрытых пластов.

Успех в решении задачи Р. о. зависит в значительной мере от того, насколько удачно выбраны признаки X. Исходный набор характеристик часто бывает очень большим. В то же время приемлемое правило должно быть основано на использовании небольшого числа признаков, наиболее важных для отличения одного образа от другого. Так, в задачах мед. диагностики важно определить, какие симптомы и их сочетания (синдромы) следует использовать при постановке диагноза данного заболевания. Поэтому проблема выбора информативных признаков - важная составная часть проблемы Р. о.

Проблема Р. о. тесно связана с задачей предварит. классификации, или таксономией.

В осн. задаче P.O. о построении решающих функций D используются закономерные связи между характеристиками X и S, обнаруживаемые на обучающей выборке, и нек-рые дополнит. априорные предположения, напр. след. гипотезы: характеристики X для реализаций образов представляют собой случайные выборки из генеральных совокупностей с нормальным распределением (см. ниже - Р. о. в математической статистике); реализации одного образа расположены "компактно" (в нек-ром смысле); признаки в наборе X независимы и т. д.

В области Р. о. существенно используются идеи и результаты многих др. науч. направлений - математики, кибернетики, психологии и т. д.

В 60-х гг. 20 в. в связи с развитием электронной техники, в частности ЭВМ, широкое применение получили автоматич. системы распознавания. Под системами распознавания обычно понимают комплексы средств, предназначенных для решения описанных выше задач. Методы Р. о. используются в процессе машинной диагностики различных заболеваний, для прогнозирования полезных ископаемых в геологии, для анализа экономических и социальных процессов, в психологии, криминалистике, лингвистике, океанологии, химии, ядерной и космической физике, в автоматизированных системах управления и т. д. Их применение оправдано практически всюду, где приходится иметь дело с классификацией экспериментальных данных. См. также Кибернетика, Кибернетика техническая, Обучающаяся автоматическая система.

Лит.: Себестиан Г.-С., Процессы принятия решений при распознавании образов, пер. с англ., К., 1965; Бонгард М. М., Проблема узнавания, М., 1967; Цыпкин Я. З., Адаптация и обучение в автоматических системах, М., 1968; Айэерман М. А., Браверман Э. М. Розоноэр Л. И., Метод потенциальных функций в теории обучения машин, М., 1970; Загоруйко Н. Г., Методы распознавания и их применение, М., 1972; Вапник В. Н., Червоненкис А. Я., Теория распознавания образов, М., 1974.

А. Л. Боровков, Н. Г. Загоруйко.

Р. о. в математической статистике - класс задач, связанных с определением принадлежности данного наблюдения к одной из генеральных совокупностей (с неизвестными распределениями), к-рые представлены лишь конечными выборками. В качестве данного наблюдения может выступать и совокупность наблюдений (выборка) из одной из представленных генеральных совокупностей. Каждое наблюдение представляет собой число или вектор. Часто указанный класс задач называют также дискриминантным анализом или классификацией.

Предположим, что известны n1 наблюдений из генеральной совокупности A1, п2наблюдений из генеральной совокупности А2 и т. д., птнаблюдений из генеральной совокупности Am, m>=2. Дана также выборка z = (z1, ...,