"В.Н.Щеглов. Формализация нейролингвистического программирования с помощью алгоритма " - читать интересную книгу автора

строки). Обычно это явление наблюдается при слишком малом массиве данных.
Части субличности: существенное изменение Х, У во времени, например,
эволюция объекта или быстрый переход на иные взаимоотношения между
переменными.
Неспецифические глаголы или существительные: несущественные (удаляемые)
в итоге переменные.
Перекрестное соединение: выбор лишь одного переменного из двух (или
нескольких) переменных в алгоритме построения определенного К.
Пунктуационная двусмысленность: построение К (соединение отдельных
интервалов с помощью связки "и".
Деление: по ходу алгоритма получаем непротиворечивые интервалы для
отдельных переменных, дающее множество К по каждой строке массива данных.
Далее вычисляется сокращенное минимальное множество К, дополняющих друг
друга (покрывающим в итоге все строки массива), АМКЛ. При анализе модели
возможен и обратный ход рассмотрения этих операций.
Универсальные классификаторы: К.
Комплексная эквивалентность: некоторые одинаковые К (при построении
тупиковой формы оставляется лишь одна из них, если она необходима для
покрытия всех строк Х, У.
Карта реальности, сенсорно-основанное описание, синэстезия: множество
всех К (для каждой строки массива) с их контекстами.
Логический уровень: К находится на более высоком логическом уровне,
если она включает в себя (как множество номеров строк) одно или несколько К,
полученных из соответствующих целевых строк. Определенный интервал из Х,
включенный в К, находится на более низком логическом уровне и т. д.
Мета: объект вычислений, находящийся на более высоком логическом
уровне.
Паттерн: К, оценка которой больше 1.
Пресуппозиции: те выводы К, которые тривиальны или полагаются само
собою разумеющимися.
Синтаксическая двусмысленность: вхождение одного и того же переменного
в различные К.
Транс: заключительная часть вычислений, в результате которых строится
итоговая непротиворечивая К.
Предикаты, субмодальности: К, отдельные интервалы, входящие в К.
Диссоциированный: в разных случаях в каждую К обычно не входят
некоторые Х; в итоговую АМКЛ могут не входить некоторое ограниченное число
Х.
Внутренние образы информации, обобщение: К.
Возврат: проверка истинности конъюнкций переменных на промежуточных
этапах алгоритма (в итоге при отсутствии противоречий получаем К).
Даунтайм: упорядочение всех К по убыванию их оценок.
Гибкость: возможность выбрать для интерпретации (например, для контакта
между людьми) любую К из АМКЛ.
Якорение: вычисление АМКЛ относительно заданных значений У. Каждая
конкретная АМКЛ влечет только свое значение У.
Калибровка: распознавание образов (цели) с помощью К целевых и не
целевых с их оценками ("голосование признаков").
Идентичность: для двух или более массивов входных данных получаются
одинаковые АМКЛ.