Динамический выбор размерности опорной функции в вероятностных алгоритмах МГУА на основе внешнего дополнения

Динамический выбор размерности опорной функции в вероятностных алгоритмах МГУА на основе внешнего дополнения

Предложено определять размерность вероятностной опорной функции статистических алгоритмов МГУА с помощью внешнего дополнения. Приведен алгоритм реализации описанной методики. Указаны типы задач, для которых новый алгоритм наиболее эффективен. Получен сравнительный результат оценки точности алгоритма...

Повний опис

Збережено в:
Бібліографічні деталі
Дата:2011
Автор: Жиляев, С.А.
Формат: Стаття
Мова:Russian
Опубліковано: Міжнародний науково-навчальний центр інформаційних технологій і систем НАН та МОН України 2011
Назва видання:Управляющие системы и машины
Теми:
Новые методы в информатике
Онлайн доступ:http://dspace.nbuv.gov.ua/handle/123456789/82909
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:Динамический выбор размерности опорной функции в вероятностных алгоритмах МГУА на основе внешнего дополнения / С.А. Жиляев // Управляющие системы и машины. — 2011. — № 1. — С. 41-45. — Бібліогр.: 9 назв. — рос.

Репозитарії

Digital Library of Periodicals of National Academy of Sciences of Ukraine
id irk-123456789-82909
record_format dspace
spelling irk-123456789-829092015-06-12T03:02:01Z Динамический выбор размерности опорной функции в вероятностных алгоритмах МГУА на основе внешнего дополнения Жиляев, С.А. Новые методы в информатике Предложено определять размерность вероятностной опорной функции статистических алгоритмов МГУА с помощью внешнего дополнения. Приведен алгоритм реализации описанной методики. Указаны типы задач, для которых новый алгоритм наиболее эффективен. Получен сравнительный результат оценки точности алгоритма на примере решения актуальной практической задачи. It is suggests to define the dimension of a probabilistic reference function in stochastic GDMN algorithms with the help of the external compliment. The algorithm of implementing the described technique is presented. The types of problems for which a new algorithm is the most efficient are indicated. A comparative accuracy estimation of the algorithm is obtained on the example of solving the actual practical problem. Запропоновано визначати розмірність імовірнісної опорної функції статистичних алгоритмів МГУА за допомогою зовнішнього доповнення. Наведено алгоритм реалізації описаної методики. Вказано типи задач, для яких новий алгоритм є найбільш ефективним. Отримано порівняльний результат оцінки точності алгоритму на прикладі розв'язання актуальної практичної задачі. 2011 Article Динамический выбор размерности опорной функции в вероятностных алгоритмах МГУА на основе внешнего дополнения / С.А. Жиляев // Управляющие системы и машины. — 2011. — № 1. — С. 41-45. — Бібліогр.: 9 назв. — рос. 0130-5395 http://dspace.nbuv.gov.ua/handle/123456789/82909 681.513 ru Управляющие системы и машины Міжнародний науково-навчальний центр інформаційних технологій і систем НАН та МОН України
institution Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection DSpace DC
language Russian
topic Новые методы в информатике
Новые методы в информатике
spellingShingle Новые методы в информатике
Новые методы в информатике
Жиляев, С.А.
Динамический выбор размерности опорной функции в вероятностных алгоритмах МГУА на основе внешнего дополнения
Управляющие системы и машины
description Предложено определять размерность вероятностной опорной функции статистических алгоритмов МГУА с помощью внешнего дополнения. Приведен алгоритм реализации описанной методики. Указаны типы задач, для которых новый алгоритм наиболее эффективен. Получен сравнительный результат оценки точности алгоритма на примере решения актуальной практической задачи.
format Article
author Жиляев, С.А.
author_facet Жиляев, С.А.
author_sort Жиляев, С.А.
title Динамический выбор размерности опорной функции в вероятностных алгоритмах МГУА на основе внешнего дополнения
title_short Динамический выбор размерности опорной функции в вероятностных алгоритмах МГУА на основе внешнего дополнения
title_full Динамический выбор размерности опорной функции в вероятностных алгоритмах МГУА на основе внешнего дополнения
title_fullStr Динамический выбор размерности опорной функции в вероятностных алгоритмах МГУА на основе внешнего дополнения
title_full_unstemmed Динамический выбор размерности опорной функции в вероятностных алгоритмах МГУА на основе внешнего дополнения
title_sort динамический выбор размерности опорной функции в вероятностных алгоритмах мгуа на основе внешнего дополнения
publisher Міжнародний науково-навчальний центр інформаційних технологій і систем НАН та МОН України
publishDate 2011
topic_facet Новые методы в информатике
url http://dspace.nbuv.gov.ua/handle/123456789/82909
citation_txt Динамический выбор размерности опорной функции в вероятностных алгоритмах МГУА на основе внешнего дополнения / С.А. Жиляев // Управляющие системы и машины. — 2011. — № 1. — С. 41-45. — Бібліогр.: 9 назв. — рос.
series Управляющие системы и машины
work_keys_str_mv AT žilâevsa dinamičeskijvyborrazmernostiopornojfunkciivveroâtnostnyhalgoritmahmguanaosnovevnešnegodopolneniâ
first_indexed 2025-07-06T09:34:44Z
last_indexed 2025-07-06T09:34:44Z
_version_ 1836889653659041792
fulltext УСиМ, 2011, № 1 41 УДК 681.513 С.А. Жиляев Динамический выбор размерности опорной функции в вероятностных алгоритмах МГУА на основе внешнего дополнения Предложено определять размерность вероятностной опорной функции статистических алгоритмов МГУА с помощью внешнего дополнения. Приведен алгоритм реализации описанной методики. Указаны типы задач, для которых новый алгоритм наиболее эффективен. Получен сравнительный результат оценки точности алгоритма на примере решения актуальной практической задачи. It is suggests to define the dimension of a probabilistic reference function in stochastic GDMN algorithms with the help of the external compliment. The algorithm of implementing the described technique is presented. The types of problems for which a new algorithm is the most efficient are indicated. A comparative accuracy estimation of the algorithm is obtained on the example of solving the actual practical problem. Запропоновано визначати розмірність імовірнісної опорної функції статистичних алгоритмів МГУА за допомогою зовнішнього доповнення. Наведено алгоритм реалізації описаної методики. Вказано типи задач, для яких новий алгоритм є найбільш ефек- тивним. Отримано порівняльний результат оцінки точності алгоритму на прикладі розв'язання актуальної практичної задачі. Введение. Мировой экономический кризис вы- нудил бизнес быть рациональнее. Телевидение, радио, внешняя реклама, а также другие тра- диционные способы продвижения товаров и услуг на рынке уступают технологиям Интер- нет, которые зачастую более рентабельны. Ес- ли еще недавно потеря потенциального поку- пателя не была критичной, то сейчас идет же- сткая борьба за каждого посетителя. Точная идентификация потребностей клиента – это ключевой фактор успешной продажи [1], что в настоящее время становится вопросом выжи- вания для многих компаний. Практическая задача прогнозирования пред- почтений Интернет-клиентов на основе данных, характеризующих их персональные компьюте- ры, чрезвычайно актуальна. Огромные бюдже- ты лидеров электронной коммерции (Google, Amazon, eBay и т.д.), затрачиваемые на поиск оптимального решения, растут. Тем не менее, общепринятого подхода к проблеме не суще- ствует. В публикации [2] рассмотрен алгоритм, ре- шающий поставленную задачу. Несмотря на то что применение GMDH MULTI [3, 4] для оп- тимизации байесовского классификатора по- зволяет учитывать только «полезные» призна- ки из множества характеристик персональных компьютеров Интернет-клиентов при прогно- зировании покупательских предпочтений, при- веденный алгоритм использовал предположе- ние об условной независимости признаков клас- сификации, которое негативно отражалось на его точности. В статье предлагается новый под- ход динамического выбора размерности опор- ной функции статистических алгоритмов МГУА с помощью внешнего дополнения. Модифици- рованные соответствующим образом алгорит- мы в зависимости от качества тренировочной выборки позволяют уменьшить негативное влияние гипотезы об условной независимости признаков либо вовсе его исключить. Математическая постановка задачи Пусть даны конечные множества K – про- даваемые продукты и T – m-мерное множе- ство векторов – признаков Интернет-клиента (x1, x2, , xm)  T, где xi  {0, 1}. Существует отображение F : T  K, которое каждому кли- енту–покупателю ставит в соответствие при- обретенный им продукт. Стоимость товаров множества K одинакова. Множество признаков состоит из двух непересекающихся подмно- жеств T = L  E, L  E  . Назовем L экспе- риментальным множеством, а E – экзаменаци- онным. Требуется, зная купленный продукт каж- дого из клиентов экспериментального множе- ства, определить приобретенные товары поку- пателей экзаменационного множества так, что- бы количество несовпадений с реальными по- купками было минимально, т.е. известно FL = LF – сужение отображения F на множество L, нужно построить отображение FE : E  K такое, что { ( )x E F x  ( )} minEF x  . 42 УСиМ, 2011, № 1 Пример. Пусть множество продуктов состо- ит из двух элементов K = {antivirus, system- doctor}, размерность m пространства призна- ков T равна четырем. Отображение KTF : задается табл. 1. Т а б л и ц а 1 Подмножество T Вектор признаков x T L E   Значения F на x (0,0,0,1) systemdoctor (0,0,1,0) systemdoctor (1,0,1,0) antivirus (1,1,0,0) antivirus (0,1,1,1) systemdoctor (1,1,1,1) antivirus L (1,0,1,0) antivirus (0,0,0,0) systemdoctor (1,1,0,0) antivirus E (1,0,0,1) antivirus Известно, что LL FF  , необходимо опре- делить KEFE : – покупки клиентов с век- торами признаков из экзаменационного мно- жества E так, чтобы количество несовпадений с реальными покупками, определенными по- следними тремя строками табл. 1, было мини- мальным. Выбор размерности опорной функции ус- ловной вероятности В классическом многорядном статистиче- ском алгоритме МГУА используется парная вероятностная опорная функция ( , )i jf x x  * *arg max ( , )i j k K p x x k   , а в алгоритме MULTI размерность опорной функции и вовсе равна единице. Рассмотрим мотивы использования столь низкой размерности опорных функций. Первой причиной является необходимость наличия достаточного количества информации для вычисления совместных апостериорных вероятностей. Действительно, для вычисления вероятности *( , , )i j lp x x x k требуется прибли- зительно во столько раз больше эксперимен- тальных данных, сколько значений может при- нимать компонента lx , т.е. имеет место пока- зательная зависимость требуемого объема экс- периментальной выборки от размерности ста- тистической опорной функции. Но, ограничи- вая алгоритм использованием лишь парных ве- роятностей, исследователь вносит субъектив- ность в процесс построения модели, что может привести к потере желаемого решения или не- точности классификации. Например, крупные компании, занимающиеся электронной коммер- цией, проводят десятки, а иногда и сотни тран- закций в секунду. Понятно, что доступ к экс- периментальным данным не является для них ограничением при классификации. В статье предлагается определять размер- ность вероятностной опорной функции с по- мощью внешнего дополнения согласно основ- ному принципу МГУА. Таким образом, знания о структуре статистических связей между при- знаками клиента и его предпочтениями полу- чены из выборки данных, а не заложены апри- орно в модель исследователем. Для нахожде- ния оптимальной размерности ее следует по- степенно увеличивать, каждый раз проводя по- иск модели с помощью многорядного или мно- гоэтапного алгоритма. При этом вначале точ- ность классификации будет возрастать, так как с каждым шагом прогноз полнее учитывает вза- имное влияние признаков. Но с некоторой ите- рации объема экспериментальной выборки мо- жет не хватать, чтобы корректно вычислить сов- местные апостериорные вероятности, поэтому точность моделирования начнет падать. Раз- мерность опорной функции, при которой дос- тигается минимум ошибки классификации, – оптимальна. Тот факт, что в поставленной за- даче Интернет-покупатели характеризуются би- нарными признаками, позволил увеличить раз- мерность опорной функции даже при сравни- тельно небольшом количестве данных, имею- щихся для прогнозирования. Вторым аргументом в пользу использования парной вероятностной функции есть то, что ко- личество моделей, генерируемых многорядным алгоритмом, является показательной зависимо- стью vm от числа аргументов опорной функ- ции – v с основанием, равным количеству возможных значений компонент вектора при- знаков – m. Снизить объем необходимых вы- числений можно, проведя начальный поиск УСиМ, 2011, № 1 43 многорядным алгоритмом при 2v и в даль- нейшем рассматривая только признаки, вошед- шие в лучшие найденные модели. Обобщенный статистический алгоритм МГУА MULTI Ниже приведен новый статистический алго- ритм, построенный на базе алгоритма МГУА MULTI, который динамически определяет раз- мерность опорной функции, уменьшая нега- тивное влияние гипотезы об условной незави- симости характеристик клиентов, что в свою очередь повышает точность классификации. На первом шаге рассматриваются модели вида ' arg max ( | '), 1i k K y p x k i m     . Обозначим аргументы 11 (1) , 1 hi hx i l  лучших l моделей с наименьшим значением внешнего критерия. На втором шаге вместо использова- ния предположения об условной независимо- сти признаков строим модели на основе совме- стной вероятности 11 (1) ' arg max ( , | '), 1 , 1 . hi i h k K y p x x k i l i m      На следующем шаге выбираем l пар аргу- ментов 1 2 (2) (2)( , ) h hi ix x , по которым построены мо- дели с наименьшим внешним критерием, и стро- им зависимости вида 1 2 1 2 (2) (2) ' arg max ( , , | '), 1 , 1 , 1 . h hi i i k K h h y p x x x k i l i l i m        Продолжаем итерации до тех пор, пока внеш- ний критерий не начнет падать вследствие не- достатка экспериментальных данных для оп- ределения совместных вероятностей. Пусть та- кая ситуация сложилась на 11 q -м шаге. Тогда на 1q -м шаге имеем l отобранных моделей   1 1 1 2 1 1 ( ) ( ) ' ( ) 1 arg max , , , | ' , 1 , 1 h h hq q q i i k K q i p y p x x x k h l p q         или в более удобной записи 1 1 ( ) 1 ' 1 arg max ( | '), 1 , 1 . hp q i p k K p q y p x k h l p q         Таким образом, построена первая группа признаков с совместной вероятностью, харак- теризующая предпочтения клиента. Далее до- бавляем вторую группу, рассматривая модели вида    1 1 ( ) ' 1 arg max | ' | ' , hp q i i k K p q y p x k p x k           1 , 1ph l i m   . Снова выбираем l наилучших моделей и конструируем с помощью их аргументов но- вый ряд    1 1 1 1 ( 1) ( 1) ' 1.. arg max | ' , | ' , hp q q i h i k K p q y p x k p x x k           1 , 1 .ph l i m   Продолжаем данную процедуру до тех пор, пока внешний критерий не начнет падать вслед- ствие невозможности корректно определить совместные вероятности второй группы харак- теристик. Пусть это произошло на 12 q -м ша- ге. Тогда на 2q -м шаге получим l отобранных моделей    2 2 2 1 2 ( ) ( ) ' 1.. 1.. arg max | ' | ' , h hp g q q i i k K p q g q q y p x k p x k             1 1 21 , 1 , 1 , 1 .p gh l h l p q g q q        Аналогично алгоритм продолжает работу до того момента, пока добавление новой группы признаков с совместной вероятностью уже не приводит к улучшению внешнего критерия. Конечная модель будет иметь вид 1 ( ) ' 1.. 0 arg max | ' ,n hp jj j j n q i k K p q q j y p x k            где 00 q , n – количество групп признаков с совместной вероятностью. Отметим, что в случае использования малой выборки экспериментальных данных, не при- годной для корректного вычисления совмест- ной вероятности даже для пар атрибутов клас- сификации, решение будет совпадать с байе- совским классификатором, оптимизированным с помощью алгоритма MULTI [2]   ' 0 arg max | ' , 1 r j k K j y p x k j r      . В случае же достаточно большой выборки экспериментальных данных, полученное ре- 44 УСиМ, 2011, № 1 шение может совершенно не использовать пред- положение об условной независимости и вы- глядеть так:  ' 1 arg max | ' , 1 .j k K j r y p x k r m       Разработанный алгоритм показывает наи- лучшие результаты в случае сравнительно большой выборки экспериментальных данных с атрибутами, имеющими немного возможных значений. Это обуславливается тем, что если обозначить количество возможных значений признаков – n, то число векторов в экспери- ментальной выборке, необходимое для кор- ректного вычисления совместной вероятности размерности m, равно const mn . Результаты При решении практической задачи, постав- ленной ранее, использовались следующие ал- горитмы: байесовский классификатор [5], МГУА MULTI с линейной опорной функцией [3, 4], итерационный многорядный алгоритм МГУА с линейной, ковариационной [6–8] и байесов- ской опорной функцией [9], байесовский клас- сификатор с оптимизированной структурой [2], а также впервые применялся обобщенный ста- тистический алгоритм МГУА MULTI, дина- мически определяющий размерность опорной функции с помощью внешнего дополнения. Все перечисленные алгоритмы тестировались на трех выборках покупателей с различным количеством продаваемых продуктов. Выбор- ка I содержала Интернет-клиентов, купивших один из двух товаров {antivirus, systemdoctor}, в выборке II присутствовали покупатели трех товаров {antivirus, systemdoctor, drivecleaner}, а в III – четырех {antivirus, systemdoctor, drive- cleaner, errorsafe}. В экспериментальной части выборок для каждого продукта находилось по 400 купивших его клиентов, а в экзаменацион- ной – по 100. В каждом из тестов потребители характеризовались 1281 признаком. В табл. 2 приведены сравнения точности распознавания предпочтений покупателей в каждом из экспе- риментов. Т а б л и ц а 2 Вы- бор- ка Количество продуктов Алгоритм Точ- ность, % байесовский классификатор 72 МГУА MULTI с линейной опорной функцией 86 итерационный МГУА с линейной опорной функцией 83 итерационный МГУА с ковариа- ционной опорной функцией 83 итерационный МГУА с байесов- ской опорной функцией 84 байесовский классификатор, опти- мизированный по МГУА MULTI 87 I 2 обобщенный статистический алго- ритм МГУА MULTI 91 байесовский классификатор 66 МГУА MULTI с линейной опорной функцией 67 итерационный МГУА с линейной опорной функцией 65 итерационный МГУА с ковариа- ционной опорной функцией 68 итерационный МГУА с байесов- ской опорной функцией 74 байесовский классификатор, опти- мизированный по МГУА MULTI 76 II 3 обобщенный статистический алго- ритм МГУА MULTI 78 байесовский классификатор 45 МГУА MULTI с линейной опорной функцией 44 итерационный МГУА с линейной опорной функцией 45 итерационный МГУА с ковариа- ционной опорной функцией 45 итерационный МГУА с байесов- ской опорной функцией 52 байесовский классификатор, опти- мизированный по МГУА MULTI 56 III 4 обобщенный статистический алго- ритм МГУА MULTI 60 Заключение. Итак, рассмотрена новая ме- тодика динамического определения размерно- сти вероятностной опорной функции с помо- щью внешнего дополнения. Базируясь на основ- ном принципе МГУА, она позволяет исследо- вателю получать знания о структуре статисти- ческих связей между признаками объекта кла- сификации и выходной величиной из выборки данных, а не закладывать их априорно, внося субъективность в процесс моделирования. УСиМ, 2011, № 1 45 Основываясь на предложенной методике, разработан новый алгоритм, который является обобщением статистического алгоритма МГУА MULTI. В зависимости от качества выборки экспериментальных данных, алгоритм позво- ляет исключить или значительно снизить вли- яние гипотезы об условной независимости приз- наков классификации, что ведет к повышению точности моделирования. Разработанный алго- ритм показывает наилучшие результаты в слу- чае сравнительно большой выборки экспери- ментальных данных с компонентами векторов прогнозирования, имеющими немного возмож- ных значений. В частности алгоритм эффекти- вен для задач прогнозирования предпочтений Интернет-клиентов на основе данных, характе- ризующих их персональные компьютеры. Так как достаточное количество эксперименталь- ных данных гарантируется высоким показате- лем числа электронных транзакций, проводи- мых работающими в данном сегменте компа- ниями. Результаты практических экспериментов под- твердили преимущества разработанного алго- ритма и целесообразность его использования, так как он позволил добиться увеличения точ- ности прогнозирования от 15 до 19 процентов. 1. Котлер Ф. Основы маркетинга. – М.: Прогресс, 1990. – 736 с. 2. Жиляев С.А., Рябоконь Д.И. Практическое примене- ние байесовского правила принятия решений в каче- стве опорной функции алгоритма МГУА // УСиМ. – 2007. – № 6. – С. 73–79. 3. Степашко В.С. Конечная селекционная процедура сокращения полного перебора моделей // Автома- тика. – 1983. – № 4. – С. 84–88. 4. Степашко В.С., Костенко Ю.В. Исследование свойств комбинаторно-селекционного (многоэтапного) ал- горитма МГУА // Моделирование и управление со- стоянием эколого-экономических систем региона. – К.: МНУЦИТ и С, 2000. – С. 84–100. 5. Шлезингер М.И., Главач В. Десять лекций по ста- тическому и структурному распознаванию. – К.: Наук. думка, 2004. – 535 с. 6. Ивахненко А.Г. Индуктивный метод самооргани- зации моделей сложных систем. – К.: Наук. думка, 1982. – 296 с. 7. Ивахненко А.Г., Степашко В.С. Помехоустойчивость моделирования. – К.: Наук. думка, 1985. – 216 с. 8. Ивахненко А.Г. Мюллер Й.А. Самоорганизация про- гнозирующих моделей. – К.: Техніка, 1985. –223 с. 9. Ивахненко А.Г., Зайченко Ю.П., Димитров В.Д. При- нятие решений на основе самоорганизации. – М.: Сов. радио, 1976. – 280 с. Поступила 02.08.2010 Тел. для справок: (050) 941-2349 (Киев) E-mail: us5eme@gmail.com © С.A. Жиляев, 2011  Внимание ! Оформление подписки для желающих опубликовать статьи в нашем журнале обязательно. В розничную продажу журнал не поступает. Подписной индекс 71008 << /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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> /CHS <FEFF4f7f75288fd94e9b8bbe5b9a521b5efa7684002000410064006f006200650020005000440046002065876863900275284e8e9ad88d2891cf76845370524d53705237300260a853ef4ee54f7f75280020004100630072006f0062006100740020548c002000410064006f00620065002000520065006100640065007200200035002e003000204ee553ca66f49ad87248672c676562535f00521b5efa768400200050004400460020658768633002> /CHT <FEFF4f7f752890194e9b8a2d7f6e5efa7acb7684002000410064006f006200650020005000440046002065874ef69069752865bc9ad854c18cea76845370524d5370523786557406300260a853ef4ee54f7f75280020004100630072006f0062006100740020548c002000410064006f00620065002000520065006100640065007200200035002e003000204ee553ca66f49ad87248672c4f86958b555f5df25efa7acb76840020005000440046002065874ef63002> /CZE <FEFF005400610074006f0020006e006100730074006100760065006e00ed00200070006f0075017e0069006a007400650020006b0020007600790074007600e101590065006e00ed00200064006f006b0075006d0065006e0074016f002000410064006f006200650020005000440046002c0020006b00740065007200e90020007300650020006e0065006a006c00e90070006500200068006f006400ed002000700072006f0020006b00760061006c00690074006e00ed0020007400690073006b00200061002000700072006500700072006500730073002e002000200056007900740076006f01590065006e00e900200064006f006b0075006d0065006e007400790020005000440046002000620075006400650020006d006f017e006e00e90020006f007400650076015900ed007400200076002000700072006f006700720061006d0065006300680020004100630072006f00620061007400200061002000410064006f00620065002000520065006100640065007200200035002e0030002000610020006e006f0076011b006a016100ed00630068002e> /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 <FEFF005500740069006c0069007a006500200065007300730061007300200063006f006e00660069006700750072006100e700f50065007300200064006500200066006f0072006d00610020006100200063007200690061007200200064006f00630075006d0065006e0074006f0073002000410064006f0062006500200050004400460020006d00610069007300200061006400650071007500610064006f00730020007000610072006100200070007200e9002d0069006d0070007200650073007300f50065007300200064006500200061006c007400610020007100750061006c00690064006100640065002e0020004f007300200064006f00630075006d0065006e0074006f00730020005000440046002000630072006900610064006f007300200070006f00640065006d0020007300650072002000610062006500720074006f007300200063006f006d0020006f0020004100630072006f006200610074002000650020006f002000410064006f00620065002000520065006100640065007200200035002e0030002000650020007600650072007300f50065007300200070006f00730074006500720069006f007200650073002e> /RUM <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> /RUS <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> /SKY <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> /SLV <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> /SUO <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> /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