Предварительная обработка данных в задаче индуктивного моделирования

Предварительная обработка данных в задаче индуктивного моделирования

Решены задачи предварительной обработки выборки данных для повышения точности индуктивного моделирования – моделирования по выборке экспериментальных данных. Приведены задачи, возникающие при предварительной обработке данных, и способы их решения. The problems of the preprocessing data sample improv...

Повний опис

Збережено в:
Бібліографічні деталі
Опубліковано в: :Управляющие системы и машины
Дата:2015
Автор: Савченко, Е.А.
Формат: Стаття
Мова:Russian
Опубліковано: Міжнародний науково-навчальний центр інформаційних технологій і систем НАН та МОН України 2015
Теми:
Методы и средства обработки данных и знаний
Онлайн доступ:https://nasplib.isofts.kiev.ua/handle/123456789/87198
Теги: Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
Назва журналу:Digital Library of Periodicals of National Academy of Sciences of Ukraine
Цитувати:Предварительная обработка данных в задаче индуктивного моделирования / Е.А. Савченко // Управляющие системы и машины. — 2015. — № 2. — С. 82–87. — Бібліогр.: 11 назв. — рос.

Репозитарії

Digital Library of Periodicals of National Academy of Sciences of Ukraine
id nasplib_isofts_kiev_ua-123456789-87198
record_format dspace
spelling Савченко, Е.А.
2015-10-14T11:22:30Z
2015-10-14T11:22:30Z
2015
Предварительная обработка данных в задаче индуктивного моделирования / Е.А. Савченко // Управляющие системы и машины. — 2015. — № 2. — С. 82–87. — Бібліогр.: 11 назв. — рос.
0130-5395
https://nasplib.isofts.kiev.ua/handle/123456789/87198
681.513; 004.62
Решены задачи предварительной обработки выборки данных для повышения точности индуктивного моделирования – моделирования по выборке экспериментальных данных. Приведены задачи, возникающие при предварительной обработке данных, и способы их решения.
The problems of the preprocessing data sample improving the accuracy of the inductive modeling, i.e. the modeling by experimental data sample are solved. The tasks occurring while preprocessing of data and the ways to solve them are given.
Описано розв’язання задач попередньої обробки вибірки даних для підвищення точності моделювання – моделювання за вибіркою експериментальних даних. Подано задачі, що виникають при попередній обробці вибірки, та способи їх розв’язання.
ru
Міжнародний науково-навчальний центр інформаційних технологій і систем НАН та МОН України
Управляющие системы и машины
Методы и средства обработки данных и знаний
Предварительная обработка данных в задаче индуктивного моделирования
Data Sample Preprocessing in the Tasks of Inductive Modelling
Попередня обробка даних в задачі індуктивного моделювання
Article
published earlier
institution Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection DSpace DC
title Предварительная обработка данных в задаче индуктивного моделирования
spellingShingle Предварительная обработка данных в задаче индуктивного моделирования
Савченко, Е.А.
Методы и средства обработки данных и знаний
title_short Предварительная обработка данных в задаче индуктивного моделирования
title_full Предварительная обработка данных в задаче индуктивного моделирования
title_fullStr Предварительная обработка данных в задаче индуктивного моделирования
title_full_unstemmed Предварительная обработка данных в задаче индуктивного моделирования
title_sort предварительная обработка данных в задаче индуктивного моделирования
author Савченко, Е.А.
author_facet Савченко, Е.А.
topic Методы и средства обработки данных и знаний
topic_facet Методы и средства обработки данных и знаний
publishDate 2015
language Russian
container_title Управляющие системы и машины
publisher Міжнародний науково-навчальний центр інформаційних технологій і систем НАН та МОН України
format Article
title_alt Data Sample Preprocessing in the Tasks of Inductive Modelling
Попередня обробка даних в задачі індуктивного моделювання
description Решены задачи предварительной обработки выборки данных для повышения точности индуктивного моделирования – моделирования по выборке экспериментальных данных. Приведены задачи, возникающие при предварительной обработке данных, и способы их решения. The problems of the preprocessing data sample improving the accuracy of the inductive modeling, i.e. the modeling by experimental data sample are solved. The tasks occurring while preprocessing of data and the ways to solve them are given. Описано розв’язання задач попередньої обробки вибірки даних для підвищення точності моделювання – моделювання за вибіркою експериментальних даних. Подано задачі, що виникають при попередній обробці вибірки, та способи їх розв’язання.
issn 0130-5395
url https://nasplib.isofts.kiev.ua/handle/123456789/87198
citation_txt Предварительная обработка данных в задаче индуктивного моделирования / Е.А. Савченко // Управляющие системы и машины. — 2015. — № 2. — С. 82–87. — Бібліогр.: 11 назв. — рос.
work_keys_str_mv AT savčenkoea predvaritelʹnaâobrabotkadannyhvzadačeinduktivnogomodelirovaniâ
AT savčenkoea datasamplepreprocessinginthetasksofinductivemodelling
AT savčenkoea poperednâobrobkadanihvzadačíínduktivnogomodelûvannâ
first_indexed 2025-11-25T20:43:16Z
last_indexed 2025-11-25T20:43:16Z
_version_ 1850530516657242112
fulltext 82 УСиМ, 2015, № 2 УДК 681.513; 004.62 Е.А. Савченко Предварительная обработка данных в задаче индуктивного моделирования Решены задачи предварительной обработки выборки данных для повышения точности индуктивного моделирования – моде- лирования по выборке экспериментальных данных. Приведены задачи, возникающие при предварительной обработке данных, и способы их решения. The problems of the preprocessing data sample improving the accuracy of the inductive modeling, i.e. the modeling by experimental data sample are solved. The tasks occurring while preprocessing of data and the ways to solve them are given. Описано розв’язання задач попередньої обробки вибірки даних для підвищення точності моделювання – моделювання за ви- біркою експериментальних даних. Подано задачі, що виникають при попередній обробці вибірки, та способи їх розв’язання. Введение. Экспериментальные данные, пред- назначенные для моделирования, могут быть представлены в разных форматах, измеряться в разных диапазонах, содержать пропуски, выбро- сы и пр. Поэтому использование методов пред- варительной обработки выборки данных мо- жет быть не только средством повышения точ- ности моделирования, но и обязательным эта- пом приведения выборки к виду, необходимо- му для дальнейшего использования. Выборка, содержащая пропуски в данных, не пригодна для дальнейшего моделирования. Самоорганизация моделей с помощью ин- дуктивного моделирования предъявляет опре- деленные требования к выборке исходных дан- ных. Во-первых, выборка должна содержать аргументы, влияющие на исходную перемен- ную. Во-вторых, она должна быть полной, т.е. не содержать пропущенных значений. Если дан- ные в выборке имеют разную размерность, же- лательно их нормировать. Цель данной статьи – рассмотреть задачи, возникающие при предварительной обработке выборки данных и способы их решения. Среди задач, возникающих при предвари- тельной обработке выборки данных можно вы- делить задачи восстановления пропусков в дан- ных, расширения выборки данных введением дополнительных переменных, оценки информа- тивности переменных, оптимизации выборки данных. Задача предварительной обработки вы- борки данных Выделим следующие этапы предваритель- ной обработки выборки исходных данных:  выбор оптимального шаблона считывания данных;  проверку наличия пропусков в выборке данных и их восстановление;  нормирование (масштабирование) исход- ных данных;  формирование (генерация) дополнитель- ных аргументов;  оценку и отбор информативных аргумен- тов;  оптимизацию размера выборки исходных данных путем поиска аналогов в предыстории. Сначала выборка данных проверяется на на- личие пропущенных значений. Для восстанов- ления пропущенных данных в выборке приме- няется комбинаторный алгоритм МГУА с ис- пользованием различных шаблонов их считы- вания. По заданному шаблону формируется расширенная выборка данных, по которой стро- ится лучшая модель и рассчитывается значе- ние пропущенного элемента. Для каждого про- пуска в данных рассчитывается собственная модель. Следующий этап – нормирование дан- ных. Его целесообразно применять только то- гда, когда данные имеют разную размерность или разные масштабы цифр. Затем формиру- ются дополнительные аргументы. К входной выборке добавляются парные произведения ис- ходных переменных, их запаздывания и др. Оценка информативности входных и сгенери- рованных переменных осуществляется расче- том значений модуля коэффициента корреля- ции каждой переменной с выходной величи- ной. Переменные с небольшим значением мо- дуля могут быть исключены из множества эк- УСиМ, 2015, № 2 83 вивалентных входных аргументов. Для опти- мизации размера выборки рассчитывается зна- чение евклидова расстояния вектор-строк таб- лицы данных и из всего множества наблюде- ний отбирается необходимое количество бли- жайших к исходному наблюдению. На рис. 1 приведена блок-схема решения задачи предварительной обработки выборки данных. Есть ли пропуски в данных? Выборка экспериментальных данных Нормирование данных Восстановление пропусков в данных Да Нет Ранжирование аргументов по информативности (основных и дополнительных) Отбор информативных аргументов Формирование расширенной выборки данных О це нк а ин фо рм ат ив но ст и ар гу ме нт ов Формирование дополнительных аргументов Рис. 1 Рассмотрим каждую из задач. Восстановление пропущенных данных на основе МГУА с оптимизацией шаблона счи- тывания данных В теории разностных уравнений принято называть шаблоном односвязную геометриче- скую фигуру (граф) [1], который показывает, какие дискретные величины, измеренные в предыдущие моменты времени или в соседних точках пространства, влияют на значение вы- ходной переменной в текущий момент време- ни. Тем самым определяется, какие элементы временного ряда входят в каждое очередное условное уравнения Гаусса. Каждому положе- нию шаблона на выборке исходных данных соответствует одно условное уравнение. Шаб- лон перемещается сверху вниз по выборке (таблице) данных. Система условных уравне- ний преобразуется с помощью известной про- цедуры Гаусса в систему нормальных уравне- ний и используется затем для получения оце- нок коэффициентов моделей. Форма шаблона может быть различной и зависит от постанов- ки задачи, например шаблоны для восстанов- ления данных и для прогнозирования будут отличаться [2]. По способу получения уравне- ний из начальной выборки данных шаблоны могут быть явными и неявными. Модель зави- симости выходной переменной от других пе- ременных, полученная с использованием яв- ных шаблонов – единая, т.е. получено одно уравнение, а c использованием неявных – сис- тема уравнений, поскольку выходными счита- ются все переменные поочередно. На рис. 2 приведен пример неявного а) и явного б) шаб- лонов. ,k sx 2,k sx  k, 1,k sx  k, , 1k sx  , 3k sx , 2k sx  2 ,k sx  1,k sx  ,k sx , 1k sx  1,k sx  , 2k sx  , 3k sx  а б Рис. 2 Неявные шаблоны перемещаются на один шаг вперед одновременно, что образует совме- стную систему уравнений. Точность неявных шаблонов, так же как и устойчивость вычисле- ний, выше явных, вследствие увеличения ко- личества аргументов. Для пошагового прогно- за явные шаблоны проще, поскольку для неяв- ных приходится при расчете прогноза решать систему уравнений, матрица которых может быть плохо обусловленной. В общем случае для повышения точности следует отдавать пред- почтение неявным шаблонам. Пошаговое пе- ремещение шаблона позволяет получить вы- борку в виде временного ряда и превратить его 84 УСиМ, 2015, № 2 в расширенную выборку, каждая строка кото- рой содержит все необходимые данные для составления условных уравнений Гаусса. По- скольку для восстановления данных форма каж- дого пропуска может быть иной, то и форма шаблонов для восстановления различных про- пусков в данных будет отличаться. В [2] пред- ложено три шаблона для восстановления про- пусков в данных: крестообразный, диагональ- ный и квадратный, позволяющие восстанавли- вать пропуски в данных различной формы, и приведены примеры восстановления пропус- ков в задаче медицинского мониторинга [2]. Нормирование выборки данных Если данные в выборке имеют разную раз- мерность, рекомендуется применять нормиро- вание данных. Это необходимо для адекватно- го использования математических методов и применения компьютерных средств при вы- числениях, связанных с большими и малыми величинами, а также для соответствия между количественными и качественными характери- стиками данных. Нормирование – существен- ный фактор, влияющий на точность моделиро- вания. Некорректный подход к нормированию может ухудшить точность моделей. Данные преобразуются к виду, удобному для сравни- тельного анализа так, чтобы каждое значение, поступающее на вход алгоритма, принадлежа- ло интервалу [0,1]. Приведем основные фор- мулы, используемые для нормирования [4]. Са- мый простой способ нормирования – по мак- симальному значению: maxx xx i i  , (1) где ix – текущее значение аргумента; maxx – максимальное значение аргумента. Следующая формула позволяет разместить данные на интервале от нуля до единицы: minmax min xx xxx i i    или minmax max xx xxx i i    , (2) где minx и maxx – соответственно минималь- ное и максимальное значения переменной. Оп- тимальным будет случай, когда значение дан- ных равномерно заполняют интервал [0,1]. При решении задачи прогнозирования норми- рование может быть неэффективным, когда нормированные значения будут нулевыми или сосредоточены у концов интервала. Нормиро- ванные по следующей формуле значения на- ходятся в окрестности нуля, но не обязательно относятся к заданному отрезку:    xxx i i , (3) где x – выборочное среднее значение,  – выборочное стандартное отклонение. При при- менении формулы (3) могут возникнуть про- блемы из-за неопределенности границ отрезка изменения значений. Тогда необходимы допол- нительные преобразования, гарантирующие бо- лее равномерное распределение значений, на- пример: )( 1 1         xx i i e xxx (4) Нормирование по следующей формуле ис- пользуют нечасто, в основном для преобразо- вания отрицательных значений в положитель- ные: xi e x   1 1 . (5) Область ее значений – [1, + ∞]. Эта функция – вспомогательная, поскольку не избавляет пе- ременную от размерности. Следует отметить, что использование функций нормирования, как правило, отражает входные значения в еди- ничном гиперкубе. Выбор способа нормирова- ния данных зависит от значений самой выбор- ки и диапазона, в котором должны лежать нормированные значения. В статье использо- вано нормирование по формуле (1) как наибо- лее применимое для решаемого класса задач. Расширение состава аргументов в резуль- тате формирования дополнительных пере- менных После применения процедуры нормирова- ния данных для повышения точности решае- мой задачи множество входных аргументов может быть расширено путем введения допол- нительных [5]. Основными, или первичными аргументами моделей называются переменные, УСиМ, 2015, № 2 85 указанные в выборке экспериментальных дан- ных. Дополнительными, или вторичными на- зываются переменные, значения которых рас- считываются с помощью простых функцио- нальных преобразований основных аргумен- тов. Введение дополнительных аргументов рас- ширяет область перебора при поиске опти- мальной модели и может давать уменьшение значения ошибки и несмещенности модели. Наиболее распространены мультипликативные и аддитивные дополнительные аргументы. Можно предложить различные способы гене- рации дополнительных аргументов–кандида- тов. Например, могут быть использованы: пар- ные ковариации основных аргументов (произ- ведение значений); суммы основных аргумен- тов; обратные аргументы; парные ковариации обратных аргументов; суммы обратных аргу- ментов; координаты первых аналогов; парные ковариации координат первых аналогов; вы- ходные оценки переменных, полученных по алгоритмам МГУА, и др. Расширение множества аргументов–канди- датов путем добавления новых аргументов слу- жит одним из способов повышения точности и несмещенности модели. Снижение ошибки мо- дели достигается в случае, когда среди допол- нительных аргументов находятся информатив- ные аргументы, и введение их в начальную выборку улучшает модель. Критерием инфор- мативности может служить уменьшение ошиб- ки модели. Примеры улучшения точности мо- делей в результате введения дополнительных аргументов показаны в [6]. Входная выборка данных, как правило, – это временной ряд данных. Если в каждую строку такой выборки ввести предыдущие зна- чения переменных как новые независимые ар- гументы, то получим расширенную выборку, которую можно использовать при составлении условных и нормальных уравнений Гаусса в методе наименьших квадратов. В такой вы- борке, согласно правилам линейной алгебры, можно свободно менять порядок следования строк, исключать некоторые строки и пр. По- сле расширения выборки данных задачи выяв- ления зависимости и прогнозирования случай- ных процессов решаются по одному общему алгоритму, в основе которого лежит комби- наторный алгоритм МГУА. Отличие этих за- дач заключается главным образом в выборе ис- ходных переменных и координат пространства моделирования. Как показано в примере, в мо- делях для восстановления пропусков коорди- натами пространства моделирования, кроме текущих и прошлых значений переменных, слу- жат также их будущие значения [2]. Выбор информативных аргументов При поиске оптимальной модели существен- ная роль принадлежит анализу информативно- сти входных переменных. Все аргументы, не- зависимо от способа их получения (основные или дополнительные), ранжируются по крите- рию информативности. В качестве критерия информативности аргументов–кандидатов мо- жет рассматриваться величина модуля коэф- фициента корреляции с выходной переменной [7]. Для отбора информативных аргументов можно предложить несколько способов. 1. Для непрерывных входных переменных критерием эффективности может служить мо- дуль коэффициента корреляции оцениваемой переменной с выходной величиной. Автор мо- делирования, пользуясь своим опытом, может задать некоторый порог, и аргументы, инфор- мативность которых меньше заданного пре- дельного значения, при построении модели не учитываются [7]. Может быть задано опреде- ленное количество аргументов, отобранных из ранжированных по модулю коэффициента кор- реляции аргументов. Наиболее информативные аргументы как основные, так и дополнитель- ные используются для дальнейшего моделиро- вания по комбинаторному алгоритму МГУА. 2. Для того чтобы время счета по комбина- торному алгоритму МГУА не превысило прак- тически допустимой величины, из всего мно- жества основных и дополнительных аргумен- тов выбирается 20–25 переменных. Для их от- бора в [8] предложен способ фильтрации групп информативных аргументов по комбинаторно- му алгоритму МГУА. Сначала ранжированный ряд основных и дополнительных аргументов делится на подмножества аргументов, которые 86 УСиМ, 2015, № 2 не пересекаются и каждое из которых содер- жит не более 20–25 аргументов. Для каждого подмножества по комбинаторному алгоритму МГУА ищут собственную модель. Все аргу- менты, вошедшие в полученные лучшие моде- ли, объединяются и определяют собой про- странство моделирования. В работе [18] пред- ложен подобный способ: ранжированные по модулю коэффициента корреляции аргументы формируют два множества; первое содержит около 25 аргументов, второе – все остальные. По комбинаторному алгоритму МГУА строится оптимальная модель для первого подмноже- ства, и аргументы, не вошедшие в эту модель, из подмножества удаляются, выборка данных дополняется до 25 переменных из второго мно- жества аргументами с наибольшим значением модуля коэффициента корреляции, и вновь строится модель. Алгоритм продолжается до тех пор, пока не будут перебраны все аргумен- ты входной выборки. 3. Для отбора информативных аргументов в [9] предложен новый весовой критерий, кото- рый учитывает степень влияния каждого аргу- мента на выходную величину, т.е. вес аргумен- та в каждой модели, куда он входит. Тестовые примеры показали, что даже на ненормиро- ванной выборке данных весовой критерий мо- жет выделить заданные истинные аргументы. Оптимизация размера выборки данных на основе метода аналогов Для поиска аналогов в предыстории процес- са предложен метод аналогов [10], который за- ключается в отборе из всего множества наблю- дений тех, которые будут ближайшими к те- кущему наблюдению в пространстве всех пере- менных. Расстояние между наблюдениями рас- считывается с помощью евклидовой метрики: 2 2 1, 1, 2 2 2, 2, ( ) ( ) ... ( ) , ij i j i j m,i m, j L = x x + + x x + + x x    (6) где m – число аргументов, i и j изменяются от единицы до n . Все наблюдения ранжиру- ются по расстоянию к выходному наблюде- нию. Наблюдение с наименьшим значением расстояния – первый аналог данного, следую- щее – вторым и т.д. Таким образом, из всего множества наблюдений будет отобрано неко- торое количество аналогов выходного наблю- дения. Выборка, состоящая из аналогов вы- ходного наблюдения, используется при по- строении модели. Поскольку не всегда чем больше данных, тем лучше результат, исклю- чение некоторых наблюдений при моделиро- вании может улучшить его результат. Поэтому с помощью метода аналогов путем перебора различных вариантов может быть отобрано множество наблюдений, по которым результат будет самым лучшим. Например, при модели- ровании уровня глюкозы в крови по данным надомного мониторинга диабета, отбор из 60 наблюдений 40 ближайших к текущему на- блюдению аналогов существенно улучшил прогноз на сутки вперед [11]. Таким образом, метод аналогов может быть применен для уменьшения количества наблюдений в выбор- ке данных, т.е. оптимизации ее. Заключение. В результате исследования ре- шены задачи обработки данных, которые могут служить средством повышения точности моде- лирования и прогнозирования. Применение ин- дуктивного подхода целесообразно на этапе построения модели для восстановления про- пусков в данных и отбора информативных ар- гументов. 1. Справочник по типовым программам моделирова- ния. – Киев: Техніка, 1980. – 184 с. 2. Применение алгоритмов МГУА для восстановле- ния пропущенных данных и прогноза уровня глю- козы в крови при надомном мониторинге диабета / А.Г. Ивахненко, Е.А. Савченко, Г.А. Ивахненко и др. // Проблемы управления и информатики. – 2002. – № 3. – С. 123–133. 3. Ivakhnenko A.G., Ivakhnenko G.A. Problems of Fur- ther Development of the Group Data Handling Algo- rithms. Part I // Pattern Recognition and Image Analy- sis. – 2000. – 10, N 2. – P. 187–194. 4. Снитюк В.Е. Предварительная обработка данных. – http://www.artint.com.ua 5. Ивахненко А.Г., Ивахненко Г.А., Савченко Е.А. Кон- цепция последовательных алгоритмических прибли- жений (спусков) к точному решению интерполяци- онных задач искусственного интеллекта // КВТ. – 2000. – № 127. – С. 47–58. УСиМ, 2015, № 2 87 6. Обнаружение закономерностей взаимодействия ио- нов с поверхностью по комбинаторному алгоритму МГУА / А.Г. Ивахненко, Е.А. Савченко, Г.А. Ивах- ненко и др. / Проблемы управления и информати- ки. – 2003. – № 2. – C. 80–89. 7. Круг Г.М., Круг О.Ю. Математический метод клас- сификации древней керамики // Тр. ин-та археологии АН СССР. – М.: Наука, 1965. – С. 317–323. 8. Кошулько О.А., Кошулько Г.А. Багатоетапний ком- бінаторний алгоритм МГУА для моделювання об’єктів з великою розмірністю // Матеріали між- нар. конф. «Інтелектуальні системи прийняття рі- шень та проблеми обчислювального інтелекту» (ISDMCI’2009), Євпаторія. – Херсон: Ви-во ХНТУ, 2009. – 2. – С. 331–332. 9. Самойленко А.А, Степашко В.С. Метод последова- тельного отсеивания неинформативных аргумен- тов для эффективного решения переборных задач индуктивного моделирования // УСиМ. – 2013. – № 2. – С. 33–39, 46. 10. Ивахненко Г.А. Алгоритм комплексирования ана- логов для самоорганизации дважды многорядных нейронных сетей // УСИМ. – 2003. – № 3. – С. 15–20. 11. Савченко Е.А. Экспресс-прогноз уровня глюкозы в крови с учетом аналоговых и временных характе- ристик // УСиМ. – 2003. – № 2. – C. 107–112. Поступила 03.04.2015 Тел. для справок: +38 044 526-3028 (Киев) E-mail: savchenko_e@meta.ua © Е.А. Савченко, 2015  Внимание! Доступен сайт журнала: usim.irtc.org.ua, на котором размещен архив журнала с 2009 года. На сайте Национальной библиотеки Украины имени В.И. Вернадского в рубрике «Наукова періодика України» также доступен архив журнала с 2009 года. Все научные издания, представ- ленные на этом ресурсе на новой платформе, будут корректно индексироваться поисковой систе- мой Google Scholar. Журнал представлен в научно-метрической базе (http://www.elibrary.ru). Научная электрон- ная библиотека содержит Российский индекс научного цитирования (РИНЦ), электронные на- учные публикации, информационные базы данных, а также сервис индивидуальной подписки на электронные версии научных изданий. << /ASCII85EncodePages false /AllowTransparency false /AutoPositionEPSFiles true /AutoRotatePages /None /Binding /Left /CalGrayProfile (Dot Gain 20%) /CalRGBProfile (sRGB IEC61966-2.1) /CalCMYKProfile (U.S. Web Coated \050SWOP\051 v2) /sRGBProfile (sRGB IEC61966-2.1) /CannotEmbedFontPolicy /Error /CompatibilityLevel 1.4 /CompressObjects /Tags /CompressPages true /ConvertImagesToIndexed true /PassThroughJPEGImages true /CreateJobTicket false /DefaultRenderingIntent /Default /DetectBlends true /DetectCurves 0.0000 /ColorConversionStrategy /CMYK /DoThumbnails false /EmbedAllFonts true /EmbedOpenType false /ParseICCProfilesInComments true /EmbedJobOptions true /DSCReportingLevel 0 /EmitDSCWarnings false /EndPage -1 /ImageMemory 1048576 /LockDistillerParams false /MaxSubsetPct 100 /Optimize true /OPM 1 /ParseDSCComments true /ParseDSCCommentsForDocInfo true /PreserveCopyPage true /PreserveDICMYKValues true /PreserveEPSInfo true /PreserveFlatness true /PreserveHalftoneInfo false /PreserveOPIComments true /PreserveOverprintSettings true /StartPage 1 /SubsetFonts true /TransferFunctionInfo /Apply /UCRandBGInfo /Preserve /UsePrologue false /ColorSettingsFile () /AlwaysEmbed [ true ] /NeverEmbed [ true ] /AntiAliasColorImages false /CropColorImages true /ColorImageMinResolution 300 /ColorImageMinResolutionPolicy /OK /DownsampleColorImages true /ColorImageDownsampleType /Bicubic /ColorImageResolution 300 /ColorImageDepth -1 /ColorImageMinDownsampleDepth 1 /ColorImageDownsampleThreshold 1.50000 /EncodeColorImages true /ColorImageFilter /DCTEncode /AutoFilterColorImages true /ColorImageAutoFilterStrategy /JPEG /ColorACSImageDict << /QFactor 0.15 /HSamples [1 1 1 1] /VSamples [1 1 1 1] >> /ColorImageDict << /QFactor 0.15 /HSamples [1 1 1 1] /VSamples [1 1 1 1] >> /JPEG2000ColorACSImageDict << /TileWidth 256 /TileHeight 256 /Quality 30 >> /JPEG2000ColorImageDict << /TileWidth 256 /TileHeight 256 /Quality 30 >> /AntiAliasGrayImages false /CropGrayImages true /GrayImageMinResolution 300 /GrayImageMinResolutionPolicy /OK /DownsampleGrayImages true /GrayImageDownsampleType /Bicubic /GrayImageResolution 300 /GrayImageDepth -1 /GrayImageMinDownsampleDepth 2 /GrayImageDownsampleThreshold 1.50000 /EncodeGrayImages true /GrayImageFilter /DCTEncode /AutoFilterGrayImages true /GrayImageAutoFilterStrategy /JPEG /GrayACSImageDict << /QFactor 0.15 /HSamples [1 1 1 1] /VSamples [1 1 1 1] >> /GrayImageDict << /QFactor 0.15 /HSamples [1 1 1 1] /VSamples [1 1 1 1] >> /JPEG2000GrayACSImageDict << /TileWidth 256 /TileHeight 256 /Quality 30 >> /JPEG2000GrayImageDict << /TileWidth 256 /TileHeight 256 /Quality 30 >> /AntiAliasMonoImages false /CropMonoImages true /MonoImageMinResolution 1200 /MonoImageMinResolutionPolicy /OK /DownsampleMonoImages true /MonoImageDownsampleType /Bicubic /MonoImageResolution 1200 /MonoImageDepth -1 /MonoImageDownsampleThreshold 1.50000 /EncodeMonoImages true /MonoImageFilter /CCITTFaxEncode /MonoImageDict << /K -1 >> /AllowPSXObjects false /CheckCompliance [ /None ] /PDFX1aCheck false /PDFX3Check false /PDFXCompliantPDFOnly false /PDFXNoTrimBoxError true /PDFXTrimBoxToMediaBoxOffset [ 0.00000 0.00000 0.00000 0.00000 ] /PDFXSetBleedBoxToMediaBox true /PDFXBleedBoxToTrimBoxOffset [ 0.00000 0.00000 0.00000 0.00000 ] /PDFXOutputIntentProfile () /PDFXOutputConditionIdentifier () /PDFXOutputCondition () /PDFXRegistryName () /PDFXTrapped /False /CreateJDFFile false /Description << /ARA <FEFF06270633062A062E062F0645002006470630064700200627064406250639062F0627062F0627062A002006440625064606340627062100200648062B062706260642002000410064006F00620065002000500044004600200645062A064806270641064206290020064406440637062806270639062900200641064A00200627064406450637062706280639002006300627062A0020062F0631062C0627062A002006270644062C0648062F0629002006270644063906270644064A0629061B0020064A06450643064600200641062A062D00200648062B0627062606420020005000440046002006270644064506460634062306290020062806270633062A062E062F062706450020004100630072006F0062006100740020064800410064006F006200650020005200650061006400650072002006250635062F0627063100200035002E0030002006480627064406250635062F062706310627062A0020062706440623062D062F062B002E0635062F0627063100200035002E0030002006480627064406250635062F062706310627062A0020062706440623062D062F062B002E> /BGR <FEFF04180437043f043e043b043704320430043904420435002004420435043704380020043d0430044104420440043e0439043a0438002c00200437043000200434043000200441044a0437043404300432043004420435002000410064006f00620065002000500044004600200434043e043a0443043c0435043d04420438002c0020043c0430043a04410438043c0430043b043d043e0020043f044004380433043e04340435043d04380020043704300020043204380441043e043a043e043a0430044704350441044204320435043d0020043f04350447043004420020043704300020043f044004350434043f0435044704300442043d04300020043f043e04340433043e0442043e0432043a0430002e002000200421044a04370434043004340435043d043804420435002000500044004600200434043e043a0443043c0435043d044204380020043c043e0433043004420020043404300020044104350020043e0442043204300440044f0442002004410020004100630072006f00620061007400200438002000410064006f00620065002000520065006100640065007200200035002e00300020043800200441043b0435043404320430044904380020043204350440044104380438002e> /CHS <FEFF4f7f75288fd94e9b8bbe5b9a521b5efa7684002000410064006f006200650020005000440046002065876863900275284e8e9ad88d2891cf76845370524d53705237300260a853ef4ee54f7f75280020004100630072006f0062006100740020548c002000410064006f00620065002000520065006100640065007200200035002e003000204ee553ca66f49ad87248672c676562535f00521b5efa768400200050004400460020658768633002> /CHT <FEFF4f7f752890194e9b8a2d7f6e5efa7acb7684002000410064006f006200650020005000440046002065874ef69069752865bc9ad854c18cea76845370524d5370523786557406300260a853ef4ee54f7f75280020004100630072006f0062006100740020548c002000410064006f00620065002000520065006100640065007200200035002e003000204ee553ca66f49ad87248672c4f86958b555f5df25efa7acb76840020005000440046002065874ef63002> /CZE <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> /DAN <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> /DEU <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> /ESP <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> /ETI <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> /FRA <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> /GRE <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a stvaranje Adobe PDF dokumenata najpogodnijih za visokokvalitetni ispis prije tiskanja koristite ove postavke. Stvoreni PDF dokumenti mogu se otvoriti Acrobat i Adobe Reader 5.0 i kasnijim verzijama.) /HUN <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> /ITA <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> /JPN <FEFF9ad854c18cea306a30d730ea30d730ec30b951fa529b7528002000410064006f0062006500200050004400460020658766f8306e4f5c6210306b4f7f75283057307e305930023053306e8a2d5b9a30674f5c62103055308c305f0020005000440046002030d530a130a430eb306f3001004100630072006f0062006100740020304a30883073002000410064006f00620065002000520065006100640065007200200035002e003000204ee5964d3067958b304f30533068304c3067304d307e305930023053306e8a2d5b9a306b306f30d530a930f330c8306e57cb30818fbc307f304c5fc59808306730593002> /KOR <FEFFc7740020c124c815c7440020c0acc6a9d558c5ec0020ace0d488c9c80020c2dcd5d80020c778c1c4c5d00020ac00c7a50020c801d569d55c002000410064006f0062006500200050004400460020bb38c11cb97c0020c791c131d569b2c8b2e4002e0020c774b807ac8c0020c791c131b41c00200050004400460020bb38c11cb2940020004100630072006f0062006100740020bc0f002000410064006f00620065002000520065006100640065007200200035002e00300020c774c0c1c5d0c11c0020c5f40020c2180020c788c2b5b2c8b2e4002e> /LTH <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> /LVI <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> /NLD (Gebruik deze instellingen om Adobe PDF-documenten te maken die zijn geoptimaliseerd voor prepress-afdrukken van hoge kwaliteit. De gemaakte PDF-documenten kunnen worden geopend met Acrobat en Adobe Reader 5.0 en hoger.) /NOR <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> /POL <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> /PTB <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> /RUM <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> /RUS <FEFF04180441043f043e043b044c04370443043904420435002004340430043d043d044b04350020043d0430044104420440043e0439043a043800200434043b044f00200441043e043704340430043d0438044f00200434043e043a0443043c0435043d0442043e0432002000410064006f006200650020005000440046002c0020043c0430043a04410438043c0430043b044c043d043e0020043f043e04340445043e0434044f04490438044500200434043b044f00200432044b0441043e043a043e043a0430044704350441044204320435043d043d043e0433043e00200434043e043f0435044704300442043d043e0433043e00200432044b0432043e04340430002e002000200421043e043704340430043d043d044b04350020005000440046002d0434043e043a0443043c0435043d0442044b0020043c043e0436043d043e0020043e0442043a0440044b043204300442044c002004410020043f043e043c043e0449044c044e0020004100630072006f00620061007400200438002000410064006f00620065002000520065006100640065007200200035002e00300020043800200431043e043b043504350020043f043e04370434043d043804450020043204350440044104380439002e> /SKY <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> /SLV <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> /SUO <FEFF004b00e40079007400e40020006e00e40069007400e4002000610073006500740075006b007300690061002c0020006b0075006e0020006c0075006f00740020006c00e400680069006e006e00e4002000760061006100740069007600610061006e0020007000610069006e006100740075006b00730065006e002000760061006c006d0069007300740065006c00750074007900f6006800f6006e00200073006f00700069007600690061002000410064006f0062006500200050004400460020002d0064006f006b0075006d0065006e007400740065006a0061002e0020004c0075006f0064007500740020005000440046002d0064006f006b0075006d0065006e00740069007400200076006f0069006400610061006e0020006100760061007400610020004100630072006f0062006100740069006c006c00610020006a0061002000410064006f00620065002000520065006100640065007200200035002e0030003a006c006c00610020006a006100200075007500640065006d006d0069006c006c0061002e> /SVE <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> /TUR <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> /UKR <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> /ENU (Use these settings to create Adobe PDF documents best suited for high-quality prepress printing. Created PDF documents can be opened with Acrobat and Adobe Reader 5.0 and later.) >> /Namespace [ (Adobe) (Common) (1.0) ] /OtherNamespaces [ << /AsReaderSpreads false /CropImagesToFrames true /ErrorControl /WarnAndContinue /FlattenerIgnoreSpreadOverrides false /IncludeGuidesGrids false /IncludeNonPrinting false /IncludeSlug false /Namespace [ (Adobe) (InDesign) (4.0) ] /OmitPlacedBitmaps false /OmitPlacedEPS false /OmitPlacedPDF false /SimulateOverprint /Legacy >> << /AddBleedMarks false /AddColorBars false /AddCropMarks false /AddPageInfo false /AddRegMarks false /ConvertColors /ConvertToCMYK /DestinationProfileName () /DestinationProfileSelector /DocumentCMYK /Downsample16BitImages true /FlattenerPreset << /PresetSelector /MediumResolution >> /FormElements false /GenerateStructure false /IncludeBookmarks false /IncludeHyperlinks false /IncludeInteractive false /IncludeLayers false /IncludeProfiles false /MultimediaHandling /UseObjectSettings /Namespace [ (Adobe) (CreativeSuite) (2.0) ] /PDFXOutputIntentProfileSelector /DocumentCMYK /PreserveEditing true /UntaggedCMYKHandling /LeaveUntagged /UntaggedRGBHandling /UseDocumentProfile /UseDocumentBleed false >> ] >> setdistillerparams << /HWResolution [2400 2400] /PageSize [612.000 792.000] >> setpagedevice

Схожі ресурси