Daha çox

Yenidən istifadə edilmədən yaxınlıq baxımından cütləri (tam iki) qruplaşdırma alqoritmi


Yaxınlığı ilə (yaxınlığı minimuma endirməklə) iki qrup halına salmaq istədiyim kifayət qədər böyük bir centroid siyahısı var.

Mən onları yaxınlıqda yığan k-vasitələrini araşdırdım, lakin hər qrupdakı üzvlərin sayı dəyişir. K-vasitəsi ilə hər qrupdakı üzvlərin sayını deyil, bir çox qrup qurursunuz.

Ən yaxın qonşu problemi bu məsələni dəstdəki iki məhsul üçün həll edir, lakin bütün məlumat dəstinə qarşı deyil.

K yaxın qonşuları onları N qruplarına ayırır, ancaq nöqtələrin yenidən istifadə edilməsinə imkan verir. Mənim ssenarimdə üst-üstə düşə bilməz.

Bunu həll etmək üçün hazırlanmış xüsusi bir alqoritm və ya alqoritm dəsti varmı? Nəyə qarşı işlədiyimi biləndə olduqca əlverişli oluram, amma problemə necə yanaşacağımı yaxşı başa düşmürəm.

Kontekst və həll etməyə çalışdığımız şey haqqında daha çox məlumat vermək üçün:

Xallar ABŞ-da bir sıra saytları təmsil edir. Bu saytların hər biri rəqibdir (tədarük). Müstəqil olaraq, tələbi (siyahıyaalma məlumatlarından və s.) Cəmləşdirdik. Ən yaxın cütləri ortalamaq istəyirik ki, müəyyən bir məkan dərəcəsi (tələb poliqonları ilə təyin olunur) üçün tələb / təklif indekslərimizi hesablayarkən məcmu təklifi istifadə edə bilək.

Müəyyən bir saytdan fərdi məlumatların gizlədilməsi üçün ən azı iki nöqtəni istifadə etməliyik. Bu lisenziyalaşdırma / məxfilik tələbidir. Əks təqdirdə hər nöqtəni ayrı-ayrılıqda təhlil edərdik. İkidən çox istifadə etmək istəmirik, çünki bu məlumatları daha da gizlədir. İki istifadə edərək lisenziyalaşdırma tələblərinə riayət edirik, eyni zamanda bir klaster üzrə ortalama təsirini minimuma endiririk.


Niyə k-orta qruplaşma alqoritmi yalnız Öklid məsafəsi metrikindən istifadə edir?

Effektivlik və ya funksionallıq baxımından k-mənası alqoritminin məsafə metrikası kimi kosinus (dis) oxşarlığından istifadə etməməsinə, ancaq Öklid normasından istifadə etməsinə görə müəyyən bir məqsəd varmı? Ümumiyyətlə, Ökliddən başqa məsafələr nəzərdən keçirildikdə və ya istifadə edildikdə K-vasitələri metodu uyğun və doğru olacaqmı?

[Əlavə @ttnphns. Sual ikiqatdır. "(Qeyri) Öklid məsafəsi" iki məlumat nöqtəsi arasındakı məsafəyə və ya bir məlumat nöqtəsi ilə çoxluq mərkəzi arasındakı məsafəyə aid ola bilər. Bu günə qədər cavablarda hər iki yol da həll olunmağa çalışıldı.]


İstinadlar

Əsəd A, Ball M, Bodin L və Golden B (1983). Nəqliyyat vasitələrinin və ekipajların marşrutlaşdırılması və planlaşdırılması: ən yüksək səviyyədədir. Hesablama Seçimləri 10: 63–211.

Lenstra J və Rinnooy Kan A (1981). Nəqliyyat vasitələrinin marşrutlaşdırma və planlaşdırma problemlərinin mürəkkəbliyi. Şəbəkələr 11: 221-228.

Tansini L (2001). MDVRPTW üçün Asignación Algoritmos de. Magistr Tezi – PEDECIBA, 2001, Instituto de Computación, Facultad de Ingeniería, UDELAR.

Caseau Y və Laburthe F (1998). Böyük marşrut problemləri üçün sürətli bir evristik. IFORS 98-də təqdim olunur, Kaunas, Litva.

Laporte G, Gendreau M, Potvin JY və Semet F (2000). Vasitə marşrutu problemi üçün klassik və müasir evristika. Int Trans Opl Res 7: 285-300.

Toth P və Vigo D (1998). Dənəvər tabu axtarışı (və avtomobilin marşrut probleminə tətbiqi). İş sənədi, DEIS, Bologna Universiteti.

Cordeau JF, Laporte G və Mercier A (2001). Vaxt pəncərələri ilə nəqliyyat vasitələrinin marşrutlaşdırma problemləri üçün vahid tabu axtarış heuristikası. J Opl Res Soc 52: 928-936.

Reimann M, Doerner K və Hartl RF (2003). VRP və onun bəzi variantları üçün vahid qarışqa sisteminin təhlili. İçəridə: Günther və s (ed). EvoWorkshops 2003, Kompüter Elmlərində Mühazirə Qeydləri, Cild 2611, Springer-Verlag, Berlin, Heidelberg, s. 300–310.

Rousseau LM, Gendreau M, Pesant G və Focacci F (2004). VRPTW-ləri məhdudlaşdırıcı proqramlaşdırma əsaslı sütun yaratmaqla həll etmək. Ann Opl Res 130: 199-216.

Berger J, Barkaoui M və Bräysy O (2001). Avtomobilin vaxt pəncərələri ilə marşrut problemi üçün paralel hibrid genetik alqoritmi. İş sənədi, Müdafiə Tədqiqat Quruluşu Valcartier, Kanada.

Çex ZJ və Czarnas P (2002). Avtomobilin vaxt pəncərələri ilə marşrut problemi üçün paralel süni tavlama. Paralel, Paylanmış və Şəbəkə əsaslı emal üzrə 10-cu Euromicro Çalıştağında təqdim edildi, Kanar adaları, İspaniya.

Sa’adah P and Paechter B (2004). Bir müştəri gözləmə vaxtı koloniyasından istifadə edərək nəqliyyat vasitələrinin marşrutunun təkmilləşdirilməsi. In: Goos G, Hartmanis J və van Leeuwen J (eds). EvoCOP 2004, Kompüter Elmlərində Mühazirə Qeydləri, Cild 3004, Springer-Verlag, Berlin, s. 188–198.

Bramel J və Simchi-Levi D (1997). Vaxt pəncərələri ilə nəqliyyat vasitəsinin marşrutlaşdırma problemi üçün müəyyən edilmiş örtük formulalarının effektivliyi barədə. Ops Res 45: 295-301.

Potvin J və Rousseau J (1993). Vaxt pəncərələri ilə nəqliyyat vasitəsinin marşrutu və planlaşdırma problemi üçün paralel bir marşrut qurma alqoritmi. Eur J Opl Res 66: 331-340.

Solomon M (1987). Avtomobilin marşrutlaşdırma alqoritmləri və vaxt pəncərəsi məhdudluğu ilə planlaşdırma problemləri. Seçimlər Res 35: 254-264.

Salhi S və Nagy G (1999). Tək təmirli və birdən çox depo vasitəsi marşrutlaşdırma problemləri üçün bir klaster əlavə heuristikdir. J Opl Res Soc 50: 1034-1042.

Ioannou G, Kritikos M və Prastacos G (2001). Vaxt pəncərələri ilə nəqliyyat vasitəsinin marşrut problemi üçün tamahkar bir heuristik. J Opl Res Soc 52: 523-537.

Cordeau JF, Gendreau M və Laporte G (1997). Periyodik və çox depolu nəqliyyat vasitələrinin marşrutlaşdırma problemləri üçün tabu axtarış heuristik. Şəbəkələr 30: 105–119.

Salhi S və Sari M (1997). Çox anbarlı nəqliyyat vasitəsi parkı qarışığı problemi üçün çox səviyyəli bir kompozit evristik. Eur J Opl Res 103: 95-112.

Desaulniers G, Lavigne J və Soumis F (1998). Vaxt pəncərələri və gözləmə xərcləri ilə əlaqədar çoxsaylı nəqliyyat vasitələrinin planlaşdırma problemləri. Eur J Opl Res 111: 479-494.

Russell R və Igo W (1979). Təyinat marşrutu problemi. Şəbəkələr 9: 1-17.

Urquhart M, Viera O, Gonzalez M və Cancela H (1997). Vasitə marşrutlaşdırma üsulları süd toplama probleminə tətbiq olunur. INFORMS Fall Meeting, Dallas, TX, ABŞ-da təqdim edilmişdir.

Foulds LR və Wilson JM (1997). Yeni Zelandiya Süd Sənayesində ortaya çıxan ümumiləşdirilmiş tapşırıq probleminin dəyişməsi. Ann Opns Res 69: 105–114.

Giosa D, Tansini L və Viera O (1999). Çox anbarlı nəqliyyat vasitəsi marşrut problemi üçün atama alqoritmləri. Argentina, Buenos Aires, SADIO-da təqdim edildi.

Berry M and Lindoff G 1995. Data Mining Texnikaları: Marketinq, Satış və Müştəri Dəstəyi üçün. John Wiley & amp; Oğullar: Chichester.

Giosa D, Tansini L və Viera O (2002). Çox anbarlı nəqliyyat vasitəsi marşrutu problemi üçün yeni təyinat alqoritmləri. J Opl Res Soc 53: 977-984.


Avtomatik klasterləşdirmə alqoritmləri: müvafiq ədəbiyyatın sistematik təhlili və bibliometrik analizi

Klaster analizi məlumatların çıxarılmasında vacib bir vasitədir. Bir çox klasterləşdirmə alqoritmi təklif edilmiş və həyata keçirilmişdir ki, bunların da əksəriyyəti keyfiyyətli klasterləşdirmə nəticələri tapa bilirlər. Bununla birlikdə, K-vasitələri, K-medoids və Chameleon kimi ənənəvi kümelenme alqoritmlərinin əksəriyyəti, hələ də klasterlərin sayına görə əvvəlcədən təmin edilməsindən asılıdır və qrupların sayının bilinmədiyi problemlərin öhdəsindən gələ bilər. . Bu vacib məlumat çatışmazlığı müvafiq klaster alqoritmlərinə bəzi əlavə hesablama yükləri və ya tələblər tətbiq edə bilər. Gerçək dünya məlumat klasterləşdirmə təhlili problemlərində, məlumat obyektlərindəki qrupların sayı asanlıqla əvvəlcədən müəyyən edilə bilməz və bu səbəbdən yüksək sıxlıq və ölçülü bir məlumat dəsti üçün optimal qrupların miqdarını təyin etmək olduqca çətin bir işdir. Bu səbəbdən inkişaf etmiş avtomatik klaster üsulları çevikliyi və effektivliyi baxımından əvəzolunmazdır. Bu sənəddə 1990-cı illərin ilk cəhdlərindən günümüzün yeni həllərinə qədər təbiətdən ilhamlanan metaheuristik klasterləşmə yanaşmalarındakı meyllər və irəliləyişlərin sistematik bir taksonomik icmalı və bibliometrik təhlili təqdim olunur. Nəhayət, klasterləşdirmə problemi kimi metaheuristic alqoritmlərin formalaşdırılması ilə əsas məsələlər və əsas tətbiq sahələri də bu yazıda yer alıb.

Bu abunə məzmununun önizləməsidir, təşkilatınız vasitəsilə giriş.


5.1 & # xa0 & # xa0FunGC'lər necə hesablanır?

FunGC'lər iki mərhələli bir proses ilə hesablanır. Müəyyən bir orqanizmdəki bütün genləri nəzərə alaraq,

Addım 1: Orqanizmdəki hər bir cüt gen arasında cüt-cüt funksional-əlaqə hesabını hesablayın.

Addım 2: Addım 1-dən yüksək səviyyədə əlaqəli funksional əlaqəli genləri axtararaq FunGC-ləri hesablayın

Bir azdan bu addımları daha ətraflı nəzərdən keçirəcəyik. Ancaq əvvəlcə bu metodların BioCyc içindəki ortoloji məlumatlara etibarını müzakirə edirik.


5. Analog İşlərə Qarşı Nəticələr

[27] Cüt cüt homogenləşdirmə alqoritmi hər giriş seriyası üçün kəsmə nöqtəsi tarixlərinin və düzəlişlərin siyahısını hazırlayır. Nəticələri fərdi stansiya seriyası səviyyəsində qiymətləndirmək mümkün olsa da, burada regional ortalama dəyərdəki dəyişikliklərdə əks olunduğu kimi ümumi, şəbəkə təsirlərinə diqqət yetirilir. Ən ümumi analog səhv quruluşundan başlayaraq tədricən daha mürəkkəb modellərə doğru hərəkət edən bu məcmu nəticələri təqdim edirik.

[28] Şəkil 2, həm xam giriş məlumatları (Şəkil 2a), həm də alqoritmin standart versiyası ilə homogenləşdirilmiş məlumatlar üçün "mükəmməl məlumat" analoqundakı meyllərin coğrafi perspektivini təqdim edir (Şəkil 2b). Trendlər, illik temperatur dəyərlərini 0,25 × 0,25 dərəcə bir şəbəkəyə interpolasiya edərək və sonra açıqlanan hər bir şəbəkə qutusu üçün trend hesablayaraq hesablandı. Menne et al. [2009]. Alqoritmin standart versiyası, məkan modelinin bəzi kiçik düzəldilməsinə baxmayaraq, meyllərin modelini qoruyur. Buna baxmayaraq, "mükəmməl məlumat" vəziyyətində cüt cütlü alqoritmin heç bir versiyası, orta CONUS trendini həqiqi trenddən uzaqlaşdırmaq üçün əsassız düzəlişlər etməz və alqoritmin 100 təsadüfi versiyası tərəfindən çıxarılan ortalama seriyalar bunlarla fərqlənmir. xam giriş məlumatlarına əsaslanaraq (köməkçi materiala baxın).

[29] “Böyük fasilələr, mükəmməl metadata” işində, düzəliş edilməmiş giriş məlumatları, seriya boyunca şəbəkəyə təsadüfi fasilələrin qoyulması nəticəsində yaranan səs-küylü, heterojen bir meyl sahəsi ilə xarakterizə olunur. Şəkil 3a-da göstərildiyi kimi, təsir müsbət və mənfi qərəzli meyllərin qarışığıdır. Bu vəziyyətdə, standart alqoritm həqiqi məkan quruluşunu və meyllərin böyüklüyünü (Şəkil 3b və 3c) çoxaltmağa yaxınlaşır, bu da bütün fasilələrin vaxtının məlum olduğu nəzərə alınaraq gözlənilir. Buna baxmayaraq, alqoritmin bəzi randomizə edilmiş versiyaları metadatadan istifadə etmir və bütün fasilələri sənədsiz hesab edir. Bundan əlavə, hər bir fasilənin böyüklüyünü qiymətləndirərkən bir əhəmiyyət testinin istifadəsi, həqiqi iqlim siqnalının giriş məlumatlarından bərpası deməkdir ki, mükəmməl deyil. Ancaq tətbiq edilən səhvlərlə əlaqəli ümumi bir qərəz olmadığından, alqoritmin təsadüfi variantlarında hamısı gerçək fon trendindən əhəmiyyətli dərəcədə kənara çıxmayan CONUS orta meylləri meydana gətirir (Şəkil 4) və potensial qalıq üçün heç bir işarə üstünlüyü yoxdur. səhv.

[30] “Qarışıq fasilə ölçüləri, bəzi qruplaşdırma” analoqunda səhvlər zamanla qruplaşdırılır (1915 - 1975 və 1915 - 1945 arasında bir qədər daha ağır) və səhvlərdə bir işarə üstünlüyü mövcuddur. Bu vəziyyətdə, 1900-cü ildən bəri və 1950-ci ildən bəri ansambldan gələn homogenləşdirilmiş meyllər hamı giriş trendindən daha böyükdür (şəkil 5), bu alqoritmin səhvlərin olduğu dövrlərdə tətbiq olunan səhvlərdə işarə yanlılığını hesabladığının göstəricisidir. cəmləşmişdir.

[31] "Kümelenme və işarə qərəzi" analogları ailəsində tətbiq olunan səhvlər daha böyük bir işarə seçimi göstərir və 1900-cü ildən bəri bütün dövrlər üçün orta tendensiyaları qərəzli edən serialın sonuna yaxın daxil olmaqla zamanla daha çox qruplaşdırılır. Bütün dövr üçün işarə meylinin xam daxilolma tendensiyalarına təsiri Şəkil 6-da görülə bilər. Həqiqi dəyərlərə nisbətən (Şəkil 6b) düzəliş edilməmiş məlumatlarda çox aşağı tendensiyalar çoxdur (Şəkil 6a) ). Buna baxmayaraq, cüt cüt homogenləşdirmə alqoritminin standart versiyası işarənin üstünlüyünə baxmayaraq həm əsas temperatur meyllərinin (Şəkil 6c) həm böyüklüyünü, həm də nüsxəsini təkrar etməyə yaxınlaşır. Şəkil 7-də göstərildiyi kimi, alqoritmin bütün randomizə edilmiş versiyaları, CONS ortalamasını bütün trend dövrləri üçün həqiqi dəyərə yaxınlaşdıran homojenləşdirilmiş seriyalar istehsal edir, bəzi alqoritm konfiqurasiyaları, o cümlədən varsayılan versiya “həqiqətə” çox yaxın nəticələr verir. həqiqi iqlim siqnalına doğru% 95-dən çox trend. Xüsusilə, 1980-ci ildən sonra analoq seriyaların% 70-də əkilən yayılmış müsbət səhvlərin təsiri bütün ansambl üzvləri tərəfindən azalır. Qeyd etmək lazımdır ki, potensial qalıq səhv əslində tək tərəflidir, bu halda qərəzli dəyişikliklərin az miqdarda kompensasiya olunma ehtimalı azdır.

[32] Şəkil 8 analoqların “Kümelenme və işarə yanlılığı” ailənin xülasə icmalını təqdim edir (və köməkçi material kimi əlavə zaman seriyaları verilir). Bu dörd analoqun hər biri eyni səhvlərlə əkildiyi üçün, müəyyən bir ansambl üzvü üçün homogenləşdirmə performansındakı hər hansı bir fərq, yalnız məcburi cavab komponentinin varlığı və ya olmaması və müxtəlif daxili əsaslarla simulyasiya edilən təbii daxili dəyişikliklərin vaxtı və nümunələri ilə əlaqədardır. modellər. Nəticələr göstərir ki, fərdi üzvlərin səmərəliliyi əsas iqlim siqnalının və kovaryans quruluşunun təbiətindən bir qədər asılı olsa da, həqiqi tendensiyanın bərpa olunduğu dərəcə ilə ölçülən hər bir üzvün nisbi performansı analoqdan analoqa qədər dəyişməz olaraq qalır. ailə. Başqa sözlə, alqoritmin hər hansı bir xüsusi versiyasının performansı, əsasən Şəkil 9-da göstərildiyi kimi, əsas iqlim siqnalının dəyişməz olduğu kimi görünür, lakin tamamilə dəyişməzdir. Üstəlik, Şəkil 4, 7 və 8-in müqayisəsi də bunun altındadır. səhv quruluşu, alqoritmin iqlim siqnalının təbiətindən daha çox həqiqi əsas iqlim siqnalını ala bilmə qabiliyyətində daha təməl bir fikirdir. Bu işığa görə, müxtəlif səhv xüsusiyyətləri altında nisbətən yaxşı ifaçı olması gözlənilən cüt cüt alqoritm konfiqurasiyaları seçmək mümkün ola bilər.

[33] Ən çətin analoq üçün nəticələr "İşarələrin tərsliyi ilə çox sayda kiçik fasilələr" rəqəmlər 10 və 11-də ümumiləşdirilmişdir. Bu vəziyyətdə, fasilələrin böyük bir hissəsi, ehtimal ki, cütlüyün təsirli şəkildə aşkar edə biləcəyi böyüklükdən aşağıdır ( və ya bəlkə də hər hansı bir) alqoritm. Nəticə olaraq, alqoritmin təsadüfi variantları tərəfindən hazırlanan müxtəlif ansambllar, trendləri həqiqi trend dəyərinə doğru kifayət qədər sürətləndirmir (şəkil 10). Eynilə, meyllərin coğrafi bölgüsü (Şəkil 11) tətbiq olunan səhvlərin səbəb olduğu sistematik qərəzliliyin homojenləşdirmə alqoritmi tərəfindən yalnız qismən aradan qaldırıldığını göstərir ki, nəticəsi həqiqi CONUS trendini qiymətləndirməyən qalıq orta qərəzdir və heterojen bir sahədir. meyllər.

[34] Nəhayət, qeyd edirik ki, 100 üzvlü təsadüfi seçmənin başlanğıcda müxtəlif parametrlərin həssaslığını araşdırmaq üçün yetərli olduğu düşünülmüşdür, xüsusən də hamısının nəticələrə əhəmiyyətli dərəcədə təsir etməsi gözlənilmir. Təsdiq yolu ilə, "klaster və işarə yanlılığı-C20C1" analoqu alqoritmin 500 təsadüfi seçimi yolu ilə aparıldı və nəticələr orijinal 100 üzv ansamblla müqayisədə daha az sayda birləşmə ilə müqayisə edildi. Rəqəmlər S6-S10 da göstərildiyi kimi, orta və dördüncü aralar 100 üzvlə yaxşı təmsil olunur və bu genişləndirilmiş təsadüfi təsirin ən pis ssenarisi, ansambl meyllərinin aralığının təqribən 25% azaldıla biləcəyidir. Bununla birlikdə, 100 üzvlü ansamblın ələ keçirmədiyi genişləndirilmiş 500 üzvlü ansamblın yeganə kənar hissəsinin, homogenizasiyanın təsirini minimuma endirən xüsusilə mühafizəkar bir tənzimləmə nəticəsində meydana gəldiyini qeyd etmək lazımdır. Daha ümumiyyətlə, tənzimləmələri minimuma endirən mühafizəkar quyruq, həlləri hədəf həqiqətə yaxınlaşdıran paylanmanın daha aqressiv quyruğu deyil, daha kiçik ansambl ölçüləri ilə zəif miqdarda deyilir. Gələcəkdə bu cür məlumatların yaradılmasını vətəndaş alimləri və onların İT imkanları vasitəsilə kütləvi şəkildə paralelləşdirmək potensialı mövcuddur. Klimateprediction.net [ Allen, 1999] cüt cüt homogenizasiya kodu uyğun olaraq portativ və platformadan müstəqil edilə bilərsə. Bu, həm də açıq şəkildə və ya məsələn, ciddi oyun icması ilə əlaqə yaratmaq yolu ilə bir sinir şəbəkəsi alqoritmi tənzimləmə yanaşmasının çıxarılması kimi yeni imkanlar aça bilər [ Krotoski, 2010 ].

[35] Xülasə etmək üçün bütün analog nəticələrə əsasən belə nəticəyə gəldik:

1. Toxumlanmış səhvlərə işarə meylinin olmadığı hallarda, alqoritmin təsadüfi variantları həqiqi trend ətrafında klasterləşdirilmiş nəticələr verir.

2. Bir işarə qərəzi ilə toxunan səhvlərin olduğu hallarda, alqoritmin bütün təsadüfi versiyaları tendensiyanı düzgün istiqamətdə hərəkət etdirdi.

3. Həddindən artıq düzəltmək əvəzinə, təsadüfi seçilmiş alqoritmlər, təməl meylləri qərəzli edən natamam düzəlişlər səbəbi ilə bir işarə meylli səhvlər olduqda tendensiyanı kifayət qədər düzəltmir. Düzgün düzəldilməmə meyli, daha natamam düzəlişlərə səbəb olan daha tez-tez və kiçik fasilələrlə verilən fasilələrin tezliyinə və böyüklüyünə həssasdır.

4. Alqoritm potensial olaraq bənzər bir təbiətdə geniş yayılmış kvazi-müasir dəyişikliklər baş verdikdə belə məlumatları tənzimləyə bilər.

5. Alqoritm performansına təbii iqlim dəyişiklikləri və məcburi dəyişikliklərin olması bir qədər təsir etsə də, bu təsir xam müşahidələrə verilən səhv quruluşunun təsirindən sonra ikinci dərəcədir. Həqiqi dünyada bilinməyən səhv quruluşu, alqoritm səmərəliliyinin əsas məhdudlaşdırıcı amilidir.


Yoluxucu xəstəliklərin giriş sözü

Yoluxucu xəstəliklərə bakteriya, virus, parazit və ya göbələk kimi patogen mikroorqanizmlər səbəb olur. Xəstəliklər simptomatik və ya asemptomatik ola bilər. İnsan immun çatışmazlığı virusu (HİV) kimi bəzi yoluxucu xəstəliklər kifayət qədər asemptomatik ola bilər, lakin nəzarətsiz olduqda bir neçə ildən sonra fəlakətli nəticələrə səbəb ola bilər (https://www.who.int/topics/infectious_diseases/en/). Yoluxucu xəstəliklərin yayılması mikroorqanizmlərdən mikroorqanizmlərə qədər dəyişir. Məsələn, HİV kimi bəzi viruslar yalnız yaxın fiziki təmaslarda (cinsi yolla və ya qanla təmasda) yoluxur, qrip virusu infeksiyası isə hapşırma, öskürək və ya danışdıqdan sonra bir neçə metr məsafədə yayılan damcılarla ötürülür. Zoonoz xəstəliklər, heyvanların insanlara ötürülməsi zamanı xəstəlik yarada biləcək yoluxucu xəstəliklərdir.

20-ci əsrdə yoluxucu xəstəliklər dünya miqyasında ən çox erkən ölüm və əlilliyə cavabdeh idi. İspan qripi əvvəlki əsrin əvvəllərində meydana gəldi (Taubenberger and Morens, 2006 https://www.cdc.gov/features/1918-flu-pandemic/index.html). 1918 & # x0201319 pandemiyası dövründə dünya əhalisinin üçdə birinin (500 milyon şəxs) yoluxduğu və simptomları olduğu təxmin edilir (Şəkil 1 A). Xəstəlik bütün qrip pandemiyaları arasında ölümcül xəstəliklərdən biri idi. Enfeksiyondan sonra ən az 50 milyon insanın öldüyü təxmin edildi. Bu pandemiyanın təsiri 20-ci əsrin birinci rübü ilə məhdudlaşmırdı, çünki A qripinin demək olar ki, hamısı 1918 virusunun mutasiya olunmuş versiyalarından qaynaqlanır. Qrip infeksiyasının viroloji və ya immunoloji aspektini əhatə etməməyimizə baxmayaraq, bu fəslin məqsədinin pandemiyanın nə üçün baş verdiyini anlamaq vacibdir. 1918 qripi pandemiyası, Birinci Dünya Müharibəsi zamanı baş verdi, burada yaxınlıq, pis gigiyena və qeyri-adi kütləvi hərəkət (qoşunlar və əhali) virusun yayılmasına kömək etdi. Birləşmiş Ştat belə məsafəyə baxmayaraq ölkəsində 600 mindən çox ölüm olduğunu bildirdi. Müharibəyə qatılan bir çox ölkə qripin səbəb olduğu ölənlərin sayı ilə əlaqə qurmağı bacarmadı & # x0201. Bu, ictimai əhval-ruhiyyəni davam etdirmək üçün qəsdən susduruldu. Hərbi cəhətdən başa düşülə bilsə də, virusun digər dalğalarda gələcəyi üçün ölümcül nəticələrə səbəb olur. O dövrdə viruslar hələ məlum deyildi və diaqnostika, profilaktika və müalicə çox məhdud idi. Beləliklə, insanlar qrip virusunun özündən (qrip xəstəliyi) və həssas insanlarda bakteriyalar tərəfindən ağciyər infeksiyası (sətəlcəm) kimi nəticələrdən əziyyət çəkəcəklər. Bu, zəif ünsiyyət və pandemiya məlumatlarının səhv istifadəsinin milyonlarla insanın həyatını necə təsir edə biləcəyini göstərir. O vaxtdan bəri A qripi pandemiyasını izləmək üçün irəliləyişlər əldə edildi. 1952-ci ildən bəri, Ümumdünya Səhiyyə Təşkilatı və # x02019s Qlobal Qripə Nəzarət və Müdaxilə Sistemi (GISRS) qrip viruslarının təkamülünü izləyir. 1918-ci ildə müşahidə edildiyi kimi, pandemiya potensialı ilə ortaya çıxan viruslar üçün qlobal bir xəbərdarlıq mexanizmi kimi də xidmət edir. İndi ötürülməyə təsir edən amilləri daha yaxşı başa düşürük (Şəkil 1 B). Qrip yaşadığımız müxtəlif pandemiyalardan yalnız biridir. Əslində, qripdən başqa, çiçək, vərəm və vəba daim təhdiddir (Holmes və digərləri, 2017). Gigiyena şəraitinin yaxşılaşdırılması və aşılama kampaniyaları infeksiyaların yayılmasını azaltmaq üçün çox təsirli bir vasitə olmuşdur. Fərqli viral yayılma hadisələri mövcuddur, məsələn, poliomielit hadisələrinin davamlı təqibi mövcuddur, çünki üç ölkə hələ də xəstəlik hallarını bildirirlər, ÜST isə onu tamamilə məhv etmək missiyasına malikdir. 21-ci əsrdə SARS (ağır kəskin tənəffüs sindromu), MERS (Yaxın Şərq tənəffüs sindromu), Ebola və Zika virusları kimi inkişaf etməkdə olan pandemiya infeksiyası görüldü. İnfeksiyalara nəzarət edərək, erkən ölümü və siroz (hepatit B), qaraciyər xərçəngi (hepatit C), mədə xərçəngi kimi infeksiyaya əsaslanan xəstəlikləri azalda bilərik.Helicobacter pylori) və ya ürək-damar və tənəffüs (A qripi) kimi vəziyyətin pisləşməsi. Sürətlə aşılar və ya digər müalicələr inkişaf etdirmək üçün həmişə dərmana güvənə bilməyəcəyimiz üçün ən yaxşı profilaktika, mümkün olan erkən pandemiyanın aşkarlanması və ötürülməsinin dayandırılmasıdır. Yayımı maneə törətməklə, nəticədə virusların mutasiyasını da azalda bilərik və beləliklə virusu peyvəndlərin mübarizə aparmasına kömək edə biləcək bir mərhələdə saxlaya bilərik.

1918 & # x0201cSpanish & # x0201d qripindən dərslər. (A) 1918 qrip pandemiyasının pik dövründə ölüm sayını göstərən qrafik. (B) & # x0201cSpanish & # x0201d qripindən bəri, qripin keçmə mexanizmləri və onu təsir edən amillər haqqında çox məlumat əldə edilmişdir.


1. Giriş

Fonoloji tipologiyada (və ümumiyyətlə fonologiyada) mərkəzi bir sual, fonoloji ehtiyatların ölçüsünü, quruluşunu və tərkib hissələrini tənzimləyən prinsiplərin olub-olmaması və varsa, bunların nə olmasıdır. Son onilliklərdə aparılan tədqiqatlar fonoloji ehtiyatların tərkibini proqnozlaşdıran çox vaxt ekstralinqvistik amillər təklif etmişdir. Bu təklif olunan amillər arasında demoqrafiya (Pericliev Reference Pericliev 2004, Hay & amp Bauer Reference Hay and Bauer 2007, Donohue & amp Nichols Reference Donohue and Nichols 2011, Moran və s. Referans Moran, McCloy and Wright 2012, Greenhill Reference Greenhill, Bowern and Evans 2014), ətraf mühit və iqlim (Everett Reference Everett 2013, Everett və s. Referans Everett, Blasi and Roberts 2015, Reference Everett, Blasi and Roberts 2016), genetika (Dediu & amp Ladd Reference Dediu and Ladd 2007, Creanza və s. İstinad Creanza, Ruhlen, Pemberton, Rosenberg, Feldman and Ramachandran 2015), coğrafiya və əhali hərəkəti (Atkinson Reference Atkinson 2011), mədəniyyət (Labov və s. Referans Labov, Rosenfelder və Fruehwald 2013) və anatomiya (Dediu və s. İstinad Dediu, Janssen və Moisik 2017).

Struktur, yəni dil daxili və ya sistem faktorları, 'ölçülü proqnozlaşdırma' ümumiləşdirməsini əhatə edir: bir inventardakı seqmentlərin sayı, əsasən, kiçik sistemlər az (və əsas) ölçüləri cəlb edərkən, daha böyük sistemlər əlavə (və ikincil) ölçülər (Lindblom & amp Maddieson Reference Lindblom, Maddieson, Hyman və Li 1988). Bu yazıda başqa bir struktur amilinə, yəni xüsusiyyət iqtisadiyyatına diqqət yetiririk. Xüsusiyyət-qənaət prinsipi fonoloji seqment inventarlarının dünya dillərində müasir müzakirələrinin əsas dayaqlarından biridir. Bu prinsipin iki fərqli, çox uyğun olsa da, formulları Lindblom & amp Maddieson tərəfindən təklif edilmişdir ('kiçik paradiqmalar' işarəsiz 'fonetika nümayiş etdirməyə meyllidir, böyük sistemlərdə' qeyd 'edilmiş fonetik' Referans Lindblom, Maddieson, Hyman və Li 1988: 70) və Clements ('dillər səslərin xüsusiyyətlərə nisbətini artırmağa meyllidir' Referans Clements 2003: 287). Bu fikir, heç olmasa fonoloji inventarların simmetrik olduğu ilə maraqlanan Trubetzkoy (Reference Trubetzkoy 1939), Martinet (Reference Martinet 1952) və Hockett (Reference Hockett 1955) daxil olmaqla, strukturalist fonologiyadakı ilk işə qayıdır. xüsusiyyətlər və ya başqa sözlə, fərdi xüsusiyyətlərdən nə qədər 'kilometraj' fonoloji ehtiyatların çıxması, bu konsepsiyanın erkən inkişaflarına bir baxışa Clements-də baxır (Reference Clements 2003). Bənzər nəticələrə daha sonra fərqli formulalar və / və ya fərqli məlumat dəstləri (Marsico) istifadə edilərək gəlindi və s. İstinad Marsico, Maddieson, Coupé və Pellegrino 2004, Coupé və s. Reference Coupé, Marsico, Pellegrino, Pellegrino, Marsico, Chitoran and Coupé 2009, Mackie & amp Mielke Reference Mackie, Mielke, Clements and Ridouane 2011, Moran Reference Moran 2012, Dunbar & amp Dupoux Reference Dunbar and Dupoux 2016), və nəzəri və eksperimental araşdırmalar xüsusiyyət iqtisadiyyatı fonoloji tədqiqatların əsas xəttinə çevrilmişdir: bax: Pater (Reference Pater 2012), Verhoef və s. (Reference Verhoef, Kirby and de Boer 2016) və Seinhorst (Reference Seinhorst 2017).

Mövcud məqalənin məqsədi xüsusiyyət-iqtisadiyyat prinsipinin başqa bir izahı və ya şərhi təklif etmək deyil, səssiz səslərə diqqət yetirərək dünya dillərindəki fonoloji seqment inventarlarının quruluşuna nə dərəcədə uyğun gəldiyini yenidən araşdırmaq üçün geri addım atmaqdır. .

Clements (Reference Clements 2003: 288-289) xüsusiyyət-iqtisadiyyat prinsipinin yalnız funksional amillərlə məhdudlaşdırıla biləcəyi fərziyyələri: ‘qaçınılmış xüsusiyyət birləşmələrinin nitq ünsiyyəti baxımından səmərəsiz olduğu göstərilə bilər. Yəni artikulyasiyaları nisbətən mürəkkəbdir və ya eşitmə xüsusiyyətləri sistemdəki digər səslərdən kifayət qədər fərqlənmir ”. Dipnot 1 Marsico və s. (Referans Marsico, Maddieson, Coupé və Pellegrino 2004) və Coupé və s. (Referans Coupé, Marsico, Pellegrino, Pellegrino, Marsico, Chitoran and Coupé 2009), ixtisar faktorlarını və fonoloji ehtiyatların UPSID-də (Maddieson & amp Precoda İstinad Maddieson və Precoda 1992). Məqsədimiz bu qalıq dispersiyanın quruluşunun araşdırıcı qiymətləndirilməsini təmin etməkdir. Bizim şərtimiz budur ki, Clements-in xüsusiyyət-iqtisadiyyat prinsipinin izahedici gücünü qiymətləndirməsi doğru olsaydı, xüsusiyyət-iqtisadiyyat prinsipindəki istisnaların əksəriyyətini qavrayışa və / və ya istehsal faktorlarına müraciət edərək izah edə bilərik və bu fərqlilik bundan sonra açıqlanmayan səs dəyişməsinin ehtimal xarakterinə görə təsadüfi səs-küydən ibarət olacaqdır. Bu səbəbdən, yuxarıda qeyd olunan funksional amillərdən qaynaqlanmayan inventar quruluşlarını tənzimləyən prinsiplərin olduğunu kəşf etsək, Klementz fərziyyəsi saxtalaşdırılacaqdır (qeyri-statistik, müşahidəçi bir şəkildə).

Bu fərziyyəni sınamaq üçün yanaşmamızın əsas mövzusu birlikdə meydana gələn sinif anlayışıdır. Birgə baş vermə sinifləri, ehtiyatlarda birlikdə tapılma meyli olan səslər qruplarıdır. §2-də bu anlayışın tam alqoritmik tərifini təqdim edirik, lakin bu mərhələdə onun təsirlərini araşdırmaq istəyirik. Birgə meydana gəlmə siniflərini xüsusilə güclü bir fonoloji analiz metodu kimi qəbul edirik, çünki fonoloji ehtiyatların strukturunu tənzimləyən bütün prinsiplər bu siniflərin strukturunda inandırıcı şəkildə əks olunur. (1) -də iki nümunə veririk.

Bizim əsas marağımız, xüsusiyyət iqtisadiyyatı prinsipinin birlikdə meydana gəlmə siniflərinin strukturunda necə əks olunduğudur. Bunu araşdırmaq üçün əvvəlcə prinsipi daha struktur şəkildə islah etməyi təklif edirik. Dunbar & amp Dupoux (Referans Dunbar və Dupoux 2016) tərəfindən araşdırılmış səs-envanter simmetri anlayışına əsaslanaraq, xüsusiyyət-iqtisadiyyat prinsipini təbəqələşmə prinsipi ilə eyni dərəcədə təfsir edərək işləyirik: yeni səslər yeni əlavə etmək sayəsində yaranır xüsusiyyətləri artıq mövcud kombinasiyalara. Bunun empirik bir tərifi Moran'da (Referans Moran 2012: 248) saitlərə aiddir, belə ki 'dillər öz ehtiyatlarını kardinal saitlərdən kənara genişləndirdikdə, bunu ya burunlaşdırma, ya da uzatma yolu ilə və daha az dərəcədə envanterə difthonqlar əlavə etmək '.

Bu formulyasiya, struktur proqnozu açıq şəkildə izah etmək üçün üstünlük verir: empirik birlikdə meydana gəlmə siniflərini araşdırırıqsa, bunların tədricən əlavə xüsusiyyətlərin ardıcıllığı ilə təyin olunduğunu görməliyik. Beləliklə, həm əsas fərqlərin (yer, tərz və VOT) üstünlük təşkil etdiyi böyük sinifləri, həm də bu ayrı-seçkiliklərin fərqli əlavə birləşmələri ilə artırıldığı kiçik sinifləri görməliyik. Xüsusiyyət iqtisadiyyatı / təbəqə prinsipinə hörmət edən sinifləri uyğun siniflər adlandırırıq. Ən əsası xüsusiyyət-qənaət / təbəqələşmə prinsipi müəyyən bürclərin olmaması lazım olduğunu təxmin edir. Xüsusilə, çapraz təbəqə əlaqələrini (fərqli sayda xüsusiyyətə sahib seqmentlərin yaxın naxışlanması) və çarpaz xüsusiyyət əlaqələrini (fərqli özəl xüsusiyyətləri olan seqmentlərin yaxın naxışlarını) qadağan edir. Yəni, palatlaşdırılmış seqmentlər sinfi varsa, bu sinif üzvlərindən bəzilərinin ya labializə olunmuş seqmentlərlə (bir-birinə uyğun xüsusiyyət əlaqəsi olardı) ya da düz seqmentlərlə (bir çarpaz təbəqə ilə) nümunə göstərməsini gözləmirik. əlaqə), çünki bu, dillərin [+ palatalised] xüsusiyyətinin faydasını tükətməməsini nəzərdə tutur. Xüsusiyyət iqtisadiyyatı / təbəqə prinsipinə hörmət etməyən sinifləri uyğun olmayan siniflər adlandırırıq. Uyğun sinifin yaxşı bir nümunəsi uzun səsli dayanmalardır: / bː dː gː /. Tək bir fərqli xüsusiyyət dəyəri ilə seçilirlər [+ uzun] və bütün ifadə yerləri üçün VOT və tərz dəyərlərinin mümkün birləşmələrini tükəndirirlər. Qısa səsli dayanacaqlar / b d g /, lakin məlumatlarımızda uyğun bir sinif meydana gətirmir. Instead they are embedded inside a large complex class, the ‘first extension set’. We discuss conformant and non-conformant classes in §4.

It is important to stress that this type of analysis is based on bidirectional dependences (the presence of segment A is probabilistically dependent on the presence of segment B, and vice versa), not on unidirectional implicational universals (languages with segment A tend to also have segment B, but segment B is also frequently found without segment A). For example, languages with /pʲ/ have a very strong tendency to have /p/ as well. Nevertheless, the bidirectional co-occurrence dependence between these segments is very low: the absence of /pʲ/ is a very weak indicator of the absence of /p/. On the other hand, the absence of /pʲ/ is a strong indicator of the absence of /bʲ/, and vice versa.

This paper aims to make the following contributions. First, we propose a statistical method for identifying co-occurrence classes of sounds in the world's languages. Second, using this method, we empirically identify several co-occurrence classes worthy of attention in themselves, one of them being the basic consonant inventory . Third, using the structure of the co-occurrence classes identified by this new method, we show the limits of the applicability of the feature-economy principle in its various formulations.

The paper is organised as follows. In §2, the method used to derive co-occurrence classes is described, together with the dataset it is applied to. In §3, the resulting classification of the major types of segments in the languages of the world is presented, and a brief overview of the classes is given. §4 is devoted to the consequences of the structure of the co-occurrence classes for the feature-economy principle, and §5 presents conclusions.


Major Map

Major Maps help undergraduate students discover academic, co-curricular, and discovery opportunities at UC Berkeley based on intended major or field of interest. Developed by the Division of Undergraduate Education in collaboration with academic departments, these experience maps will help you:

Explore your major and gain a better understanding of your field of study

Connect with people and programs that inspire and sustain your creativity, drive, curiosity and success

Discover opportunities for independent inquiry, enterprise, and creative expression

Engage locally and globally to broaden your perspectives and change the world

Reflect on your academic career and prepare for life after Berkeley

Use the major map below as a guide to planning your undergraduate journey and designing your own unique Berkeley experience.


Videoya baxın: ЛЮТЕИН в бархатцах - мощнейший Витамин для глаз (Oktyabr 2021).