docx - математическа кибернетика. Математическа кибернетика.docx - математическа кибернетика Реализирано с партньорски университети

Липсва Няма данни

Сборникът продължава (от 1988 г.) математическата ориентация на световноизвестната поредица "Проблеми на кибернетиката". Сборникът включва оригинални и обзорни статии по основните направления на световната наука, съдържащи най-новите резултати от фундаментални изследвания.

Авторите на сборника са предимно известни специалисти, някои от статиите са написани от млади учени, които наскоро получиха ярки нови резултати. Сред представените в сборника направления са теорията на синтеза и сложността на системите за управление; проблеми за изразимост и пълнота, свързани с многозначни логики и автомати в теорията на функционалните системи; фундаментални въпроси на дискретната оптимизация и разпознаване; задачи на екстремални задачи за дискретни функции (задачи на Фейер, Туран, Делсарт върху крайна циклична група); изучаването на математическите модели на предаване на информация в комуникационните мрежи, представени са и редица други раздели на математическата кибернетика.

Особено внимание заслужава обзорната статия на О. Б. Лупанов „А. Н. Колмогоров и теорията на сложността на веригата. Брой 16 - 2007 г. За специалисти, специализанти, студенти, интересуващи се от съвременното състояние на математическата кибернетика и нейните приложения.

Теория за съхранение и извличане на информация

Валери Кудрявцев Учебна литератураОтсъства

Въвежда се нов тип представяне на базата данни, наречен модел на данни на информационната графа, който обобщава познатите досега модели. Разгледани са основните видове задачи за търсене на информация в бази данни и се изследват проблемите за сложността на решаването на тези задачи по отношение на информационно-графския модел.

За решаването на тези задачи е разработен математически апарат, базиран на методите на теорията на сложността на системата за управление, теорията на вероятностите, както и оригинални методи за опори на графичните характеристики, оптимално разлагане и намаляване на размерността.

Книгата е предназначена за специалисти по дискретна математика, математическа кибернетика, теория на разпознаване и алгоритмична сложност.

Теория за разпознаване на тестове

Валери Кудрявцев Учебна литератураОтсъства

Описан е логически подход към разпознаването на образи. Основната му концепция е тестът. Анализът на набора от тестове ни позволява да конструираме функционали, които характеризират изображението и процедури за изчисляване на техните стойности. Посочени са качествени и метрични свойства на тестове, функции и процедури за разпознаване.

Дадени са резултатите от решаването на конкретни задачи. Книгата може да се препоръча на математици, кибернетици, компютърни учени и инженери като научна монографияи като нов технологичен апарат, както и учебник за студенти и специализанти в областта на математическата кибернетика, дискретната математика и математическата информатика.

Проблеми по теория на множествата, математическа логика и теория на алгоритмите

Игор Лавров Учебна литератураЛипсва Няма данни

Книгата систематично представя основите на теорията на множествата, математическата логика и теорията на алгоритмите под формата на задачи. Книгата е предназначена за активно изучаване на математическата логика и свързаните с нея науки. Състои се от три части: „Теория на множествата“, „Математическа логика“ и „Теория на алгоритмите“.

Задачите са снабдени с инструкции и отговори. Всички необходими определения са формулирани накратко теоретични въведениякъм всеки параграф. 3-тото издание на книгата е издадено през 1995 г. Сборникът може да се използва като учебник за математическите катедри на университети, педагогически институти, както и в технически университети по изучаване на кибернетика и информатика.

За математици - алгебристи, логици и кибернетици.

Основи на теорията на булевите функции

Сергей Марченков Техническа литератураЛипсва Няма данни

Книгата съдържа подробно въведение в теорията на булевите функции. Изложени са основните свойства на булевите функции и е доказан критерият за функционална пълнота. Дадено е описание на всички затворени класове булеви функции (Post класове) и е дадено ново доказателство за тяхното крайно генериране.

Разглежда се дефиницията на Post класове от гледна точка на някои стандартни предикати. Представени са основите на теорията на Галоа за класовете Post. Въвеждат се и се изследват два „силни“ оператора на затваряне: параметричен и положителен. Разгледани са частични булеви функции и е доказан критерий за функционална пълнота за класа частични булеви функции.

Изследва се сложността на реализацията на булеви функции от схеми от функционални елементи. За студенти, студенти и преподаватели гимназиякоито изучават и преподават дискретна математика и математическа кибернетика. Одобрен от UMO за класическо университетско образование като учебно помагало за студенти от висши училища образователни институциистуденти в направленията HPE 010400 „Приложна математика и информатика” и 010300 „Фундаментална информатика и информационни технологии”.

Числени оптимизационни методи 3-то изд., рев. и допълнителни Учебник и работилница за академичен бакалавър

Александър Василиевич Тимохов Учебна литература бакалавър. академичен курс

Учебникът е написан на базата на лекционни курсове по оптимизация, които авторите четат в продължение на няколко години във Факултета по изчислителна математика и кибернетика на Московския държавен университет „Ломоносов“. Основно внимание се отделя на методите за минимизиране на функциите на краен брой променливи.

Публикацията включва теория и числени методирешаване на оптимизационни задачи, както и примери за приложени модели, които се свеждат до този тип математически проблеми. Приложението съдържа цялата необходима информация от математическия анализ и линейната алгебра.

Физика. Практически курсза кандидати за университет

В. А. Макаров Учебна литератураОтсъства

Помагалото е предназначено за ученици от последните класове на средните училища с задълбочено проучванефизика и математика. Тя се основава на задачи по физика, които се предлагат през последните 20 години на кандидати от Факултета по изчислителна математика и кибернетика на Московския държавен университет.

М. В. Ломоносов. Материалът е разделен на теми в съответствие с програмата приемни изпитипо физика за кандидати в Московския държавен университет. Всяка тема е предшествана от обобщениеосновна теоретична информация, която е необходима за решаване на задачи и ще бъде полезна при подготовката за приемни изпити.

Общо колекцията включва около 600 проблема, повече от половината от които са снабдени с подробни решения и насоки. За ученици, които се подготвят да влязат във физико-математическите факултети на университетите.

Методи за оптимизация 3-то изд., рев. и допълнителни Учебник и работилница за академичен бакалавър

Вячеслав Василиевич Федоров Учебна литература Бакалавър и Магистър. академичен курс

Учебникът е написан на базата на лекционни курсове по оптимизация, които са четени от авторите в продължение на няколко години във Факултета по изчислителна математика и кибернетика на Московския държавен университет „Ломоносов“. М. В. Ломоносов. Основно внимание се отделя на методите за минимизиране на функциите на краен брой променливи.

Изданието включва задачи. Приложението съдържа цялата необходима информация от математическия анализ и линейната алгебра.

Интелигентни системи. Теория на съхранението и извличането на информация 2-ро изд., коригирано. и допълнителни Урок за танк

Разгледани са основните видове задачи за търсене на информация в бази данни, изучават се проблемите за сложността на решаването на тези задачи по отношение на информационно-графичния модел.

Аналитична геометрия

В. А. Илин Учебна литератураЛипсва Няма данни

Учебникът е написан на базата на преподавателския опит на авторите в Московския държавен университет. М. В. Ломоносов. Първото издание е публикувано през 1968 г., второто (1971) и третото (1981) стереотипни издания, четвъртото издание (1988) е допълнено с материал за линейни и проективни трансформации.

Математическата теория на игрите е неразделна част от огромен клон на математиката - изследване на операциите. Методите на теорията на игрите се използват широко в екологията, психологията, кибернетиката, биологията - навсякъде, където се преследват много участници в съвместни дейностиразлични (често противоречиви) цели.

Но основната област на приложение на тази дисциплина са икономиката и социалните науки. В учебника са включени теми, които са основни и задължителни в обучението на икономисти. Представя класическите клонове на теорията на игрите като матрични, биматрични некооперативни и статистически игри и съвременни разработки, като игри с непълна и несъвършена информация, кооперативни и динамични игри.

Теоретичният материал в книгата е обстойно илюстриран с примери и снабден със задачи за индивидуална работа, както и тестове.

Търсене на материали:

Брой на вашите материали: 0.

Добавете 1 материал

Сертификат
за създаване на електронно портфолио

Добавете 5 материала

Тайна
присъстват

Добавете 10 материала

Диплома за
информатизация на образованието

Добавете 12 материала

Преглед
на всеки материал безплатно

Добавете 15 материала

Видео уроци
за бързо създаване на впечатляващи презентации

Добавете 17 материала

1.8. Кибернетични аспекти на информатиката
1.8.1. Предмет на кибернетика

Думата "кибернетика" идва от гръцка дума, която означава в превод
"пилот". Съвременното му значение се свързва с научната област, чието начало
постави книгата на американския учен Норберт Винер „Кибернетика, или
контрол и комуникация в животното и машината”, публикувана през 1948 г. Скоро темата
новата наука стана не само биологична и технически системи, но и системи
от всякакво естество, способни да получават, съхраняват и обработват информация
и го използвайте за контрол и регулиране. Публикувана през 1947 г
Енциклопедията по кибернетика гласи, че това е „... науката за общите закони
получаване, съхраняване, предаване и преобразуване на информация в комплекс
системи за управление. В същото време системите за управление тук означават
не само технически, но и всякакви биологични, административни и социални
системи." Следователно кибернетиката и компютърните науки са най-вероятни
единична наука. Днес кибернетиката все повече се счита за част от компютърните науки, нейната
"по-висока" секция, до известна степен подобна по позиция на "по-висока
математика" по отношение на цялата математика като цяло (приблизително еднакво
позиция по отношение на информатиката е науката за „изкуствените
интелигентност"). Компютърните науки като цяло са по-широки от кибернетиката, тъй като в компютърните науки
има аспекти, свързани с архитектурата и програмирането на компютрите, които
не може да се припише пряко на кибернетиката.
Кибернетичните раздели на информатиката са богати на подходи и
модели при изследване на различни системи и се използват като апарат
много клонове на фундаменталната и приложната математика.
Класически и до известна степен самостоятелен клон на кибернетиката
помислете за изследване на операциите. Този термин се отнася до употребата
математически методи за обосноваване на решения в различни области
целенасочена човешка дейност.

Нека изясним какво се разбира под "решение". Нека някои
събитие (в индустриалната, икономическата или социалната сфера),
насочени към постигане на конкретна цел – такова събитие се нарича
"операция". Лицето (или група хора), отговорно за извършването на това
събитие, има избор как да го организирате. Например: може
изберете видовете продукти, които ще се произвеждат; оборудване, което
това ще се прилага; по един или друг начин да се разпределят наличните средства и т.н.
„Операция“ е контролирано събитие.
Решението е избор от редица опции, достъпни за отговорното лице.
Решенията могат да бъдат успешни и неуспешни, разумни и
неразумно. Оптималните решения се наричат ​​по една или друга причина
по-предпочитан от другите. Целта на изследването на операциите е
математическо (количествено) обосноваване на оптимални решения.
Изследването на операциите включва следните раздели:
1) математическо програмиране (обосноваване на планове, програми
икономическа дейност); включва относително независими
раздели: линейно програмиране, нелинейно програмиране,
динамично програмиране (във всички тези имена терминът
"програмирането" е възникнало исторически и не е свързано с
компютърно програмиране);
2) теорията на опашките, базирана на теорията на случайните процеси;
3) теория на игрите, която позволява обосноваване на решения, взети при условия
непълнота на информацията.
Имайте предвид, че тези раздели не са пряко свързани с компютри и технически
системи. Друга, бързо развиваща се през 70-те-80-те години. раздел по кибернетика
имаше системи за автоматично (автоматизирано) регулиране. Този раздел
има затворен, автономен характер, исторически
самостоятелно. Тя е тясно свързана с развитието на техническите системи
автоматизирано регулиране и контрол на технологични и
производствени процеси.

Друг класически клон на кибернетиката е разпознаването
образи, произтичащи от задачата за моделиране в технически системи за възприятие
знаци, предмети и реч, както и формирането на човешки понятия
(обучение в най-простия, технически смисъл). Този раздел е до голяма степен
произлиза от техническите нужди на роботиката. Например се изисква това
монтажникът на робота разпозна правилните части. С автоматично сортиране (или
отхвърляне) части се нуждаят от способността за разпознаване.
Върхът на кибернетиката (и на цялата компютърна наука като цяло) е разделът
посветен на проблемите на изкуствения интелект. Най-модерни
системите за управление притежават свойството за вземане на решения - свойството
интелигентност, т.е. в тях се моделира интелектуална дейност
човек при вземане на решения.

1.8.2. Управлявани системи

Въпреки разнообразието от проблеми, решавани в кибернетиката, разнообразието от модели,
подходи и методи, кибернетиката остава единна наука чрез използването на
обща методология, базирана на теорията на системите и системния анализ.
Системата е изключително широко, първоначално, не строго дефинирано понятие.
Предполага се, че системата има структура, т.е. се състои от относително
отделни части (елементи), които въпреки това са в значителна
взаимоотношения и взаимодействия. Същността на взаимодействието е това
благодарение на него елементите на системата придобиват заедно определена нова функция,
ново свойство, което нито един от елементите не притежава поотделно. В това
е разликата между система и мрежа, която също се състои от отделни елементи, но не
свързани помежду си в значими взаимоотношения. Сравнете напр.
предприятие, чиито цехове образуват система, тъй като само всички заедно
придобиват свойството да произвеждат крайни продукти (и нито един от тях в
сам няма да се справи с тази задача) и мрежа от магазини, които могат да работят
независимо един от друг.

Кибернетиката като наука за управлението изучава не всички системи като цяло, а
само управлявани системи. Но сферата на интереси и приложенията на кибернетиката
обхваща голямо разнообразие от биологични, икономически,
социални системи.
Една от характерните особености на управляваната система е възможността
преминават в различни състояния под влияние на контролни действия. Винаги
има определен набор от състояния на системата, от които се прави избор
оптимално състояние.
Абстрахиране от специфичните особености на отделните кибернетични системи и
подчертаване на модели, общи за определен набор от системи, които описват
промяна в тяхното състояние при различни контролни действия, стигаме до
концепция за абстрактна кибернетична система. Неговите компоненти не са
конкретни обекти и абстрактни елементи, характеризиращи се с
определени свойства, които са общи за широк клас обекти.
Тъй като кибернетичните системи се разбират като контролирани системи, в
те трябва да имат механизъм, който изпълнява контролни функции. По-често
Като цяло този механизъм е реализиран под формата на органи, специално предназначени за
контроли (фиг. 1.38).

Ориз. 1.38. Схематично представяне на кибернетична система във формата
набор от контролни и управлявани части

Стрелките на фигурата показват ефектите, които частите обменят
системи. Стрелка, преминаваща от контролната част на системата към контролираната,
означава контролни сигнали. Контролната част на системата, която генерира
управляващите сигнали се наричат ​​управляващо устройство. мениджър
устройството генерира управляващи сигнали въз основа на информацията за състоянието

управлявана система (показана на фигурата със стрелка от контролираната част
система към нейната контролна част), за да се постигне необходимото състояние
смущаващи влияния. Наборът от правила, по които информацията
влизането в управляващото устройство се обработва в управляващи сигнали,
наречен алгоритъм за управление.
Въз основа на въведените понятия можем да дефинираме понятието
"контрол". Управлението е въздействие върху обект, избран от набор
възможни въздействия въз основа на наличната информация за това, подобряване
функциониране или развитие на този обект.
В системите за управление се решават четири основни типа задачи за управление: 1)
регулиране (стабилизиране); 2) изпълнение на програмата; 3) проследяване; 4)
оптимизация.
Задачите на регулирането са да поддържа параметрите на системата -
контролируеми стойности - близо до някои постоянни зададени точки (x),
въпреки действието на смущения M, които влияят на стойностите (x). Предлага се тук в
ум активна защита срещу смущения, фундаментално различна от пасивната
методи на защита Активната защита включва разработването на системи за управление
контролни действия, които противодействат на смущенията. Да, задача
поддържането на необходимата температура на системата може да се реши с помощта на
контролирано отопление или охлаждане. Пасивната защита е
давайки на обекта такива свойства, че зависимостта на параметрите, които ни интересуват
от външни смущения беше малък. Пример за пасивна защита е
топлоизолация за поддържане на зададената температура на системата,
антикорозионни покрития за машинни части.
Задачата за изпълнение на програмата възниква, когато дадените стойности
контролираните променливи (x) се променят във времето по известен начин, например в
производство при извършване на работа по предварително определен график. AT
биологични системи, примери за изпълнение на програмата са разработката
организми от яйца, сезонни полети на птици, метаморфози на насекоми.
Задачата на проследяването е да поддържа възможно най-близка кореспонденция на някои
контролиран параметър x0(t) към текущото състояние на системата, променящо се

по неочакван начин. Необходимостта от проследяване възниква, например, когато
управление на производството на стоки при променящо се търсене.
Проблеми с оптимизация - установяване на най-добрия режим в определен смисъл
операция или състояние на управляван обект - са много чести, напр
контрол на процеса с цел минимизиране на загубата на суровини и др.
Системи, в които не се използва формирането на контролни действия
информация за стойностите, които контролираните променливи приемат в процеса
контролите се наричат ​​отворени системи за управление. Структурата на такива
система е показана на фиг. 1.39.

Ориз. 1.39. Управление с отворен цикъл

Алгоритъмът за управление се реализира от управляващото устройство CU, което
осигурява проследяване на смущението M и компенсиране на това смущение, без
използвайки контролираната променлива X.
Напротив, в затворени системи за управление за формиране на контрол
влияния, се използва информация за стойността на контролираните променливи.
Структурата на такава система е показана на фиг. 1.40. Връзка между почивните дни
параметри X и вход Y на същия елемент от управляваната система
наречена обратна връзка.

Ориз. 1.40. Управление със затворен контур

Обратната връзка е една от най-важните концепции на кибернетиката, помагаща
разбират много явления, които се случват в контролирани системи от различни
природата. Обратната връзка може да бъде намерена в изследването на процесите,
срещащи се в живите организми, икономически структури, системи
автоматично регулиране. Обратна връзка, която увеличава влиянието на входа
въздействието върху контролираните параметри на системата се нарича положително,
намаляване на влиянието на входното действие - отрицателно.
Положителната обратна връзка се използва в много технически устройства.
за усилване, увеличаване на стойностите на входните действия. отрицателен
обратната връзка се използва за възстановяване на баланса, нарушен от външни
въздействие върху системата.

1.8.3. Функции на човека и машината в системите за управление

Добре проучена област на приложение на кибернетичните методи е
технологична и индустриална сфера, управление на пром
предприятие.
Задачи, възникващи при управлението на предприятие със среден и голям мащаб,
са вече много сложни, но могат да бъдат решени с помощта на електронни
компютри. Системи за управление на бизнеса или
територии (региони, градове), използващи компютри за обработка и съхранение
информация, се наричат ​​автоматизирани системи за управление (АСУ). от
такива системи са човеко-машинни по природа, т.е. както и
използването на мощни компютри и присъствието на човек с неговата
интелект.
В системите човек-машина се приема следното разделение на функциите
машини и хора: машината съхранява и обработва големи масиви

информация, осъществява Информационна поддръжкавземане на решение
човек; човек взема управленски решения.
По-често в системите човек-машина компютрите изпълняват рутинни,
некреативна, трудоемка обработка на информация, освобождаваща време на човек
за творческа дейност. Въпреки това, целта на компютърното развитие
(информационната) технология за управление е пълна автоматизация
дейности, включително частично или пълно освобождаване на лице от
необходимостта от вземане на решения. Това се дължи не само на желанието за разтоварване
човешки, но и с факта, че развитието на технологиите и технологиите доведе до ситуации, в които
човек поради присъщите му физиологични и психологически ограничения
просто няма време да взема решения в поток в реално време
процес, който заплашва с катастрофални последици, например: необходимостта
позволяваща аварийна защита ядрен реактор, реакция на събития,
възникващи по време на изстрелване на космически кораби и др.
Система, която замества човек, трябва до известна степен да има интелигентност
подобен на човешкия - изкуствен интелект. Изследвания
посока в областта на системите за изкуствен интелект се отнася и за
кибернетика обаче поради важността й за перспективите на цялата компютърна наука в
като цяло ще го разгледаме в отделен параграф.

тестови въпроси

1. Какъв е предметът на науката "Кибернетика"?
2. Опишете задачите, решени в научния раздел „изследване на операциите”.
3. Какво е мястото в кибернетиката на теорията на автоматичното управление и
регламент?
4. Какво означава терминът "система"?
5. Какво е „система за управление“?
6. Опишете задачите, които възникват в системите за управление.

7. Какво е „обратна връзка“? Дайте примери за обратна връзка от други
управлявали сте системи.
8. Какво е ACS?
9. Какво е мястото на човека и компютъра в системите за управление човек-машина?

В хода на развитието на научно-техническата революция, физическата, хим
и биологичното въздействие на човека върху природата. Колкото по-силен е този ефект, толкова
средствата за управлението им също трябва да бъдат по-ефективни и основната ни задача
времето става не само и не толкова избор на оптимално (иконом
печеливши) режими на контрол, колко предвиждане и превенция
непрекъснато нарастващата опасност от възникване на необратими природни процеси, които застрашават
човешкото съществуване и живота на Земята като цяло. Едва ли някога
Човечеството си е поставило по-сложна и по-отговорна задача.
Може да се спори кога точно ще настъпят необратими промени в природата и какви
ще бъдат техните последствия, но няма съмнение, че периодът, отреден от историята за решението
този сложен проблем не е толкова голям.
В тази светлина работите по теория на системите или системология са от особено значение.
(по-често наричан „системен подход“, който всъщност е възникнал във връзка с
необходимостта от решаване на проблеми с подобна степен на сложност). Особено ценни са произведенията.
системна ориентация, която не само очертава основните принципи на методологията
теория на системите и демонстрира ефективността системен подходкъм решение
доста сложни и неотложни кибернетични проблеми. Тази книга е
работа точно от този тип: системна както по тема, така и по дух на представяне.
В първата част на книгата авторът анализира подробно същността на системния подход, но втората
го прилага за решаване на най-общите семиотични проблеми на кибернетиката. И двете
части от книгата са оригинални и имат самостоятелно значение.
Една от отличителните черти на книгата е опитът й да представи същността на системологията с
единна гледна точка. За да направи това, авторът анализира задълбочено основните концепции
изложеното понятие за системология и показва, че тези понятия са свързани със законите и

категории материалистична диалектика и че системният подход е само
довеждане до нивото на специфични практически приложения на знанията за основните закони
развитие на природата, а не нов мироглед, както често се представя на теоретиците
теория на системите на Запад.
Авторът не се опитва да формализира самото представяне, което, разбира се, би било
преждевременно, макар и много примамливо, но възприетият в книгата начин
представянето може да се счита за първа стъпка в тази посока.
При представянето на системен подход Г. П. Мелников се фокусира върху
това, което свързва системата. Много автори в изучаването на комплекса
системите са склонни или да ги разделят на по-прости части и да разгледат връзките между
части като пречка за такова разделение или, обратно, за концентриране на всички
внимание само към свързващите звена, към мрежата от отношения (структура) между частите и
елементи от цялото и декларира естеството на свързаните елементи за ирелевантно
формирането на целостта. За разлика от тях, Г. П. Мелников също обръща внимание на
структурата на цялото и онези свойства, които възникват във всеки елемент поради
самия факт на съществуването на системата като определено единство и върху свойствата на цялото,
произтичащи от оригиналността на свойствата на елементите, показващи механизмите
взаимно съгласие на всички тези параметри на системата, което се формира със задължителната
взаимодействие с външната среда.
Всяка система, доколкото съществува, трябва да придобие необходимите свойства
за противодействие на външни сили (въздействия на други системи), които са склонни към
унищожи тази система. Колкото по-дълго съществува системата и толкова по-силно е въздействието,
на които е подложена, още повече в системата като цяло и във всеки един от нейните елементи
свойствата на взаимна последователност, развити в процеса на
адаптация. Именно тези свойства Хегел имаше предвид, когато каза това в капка
отразява свойствата на океана.
Идентифицирането на тези общи свойства и откриването на тяхната първопричина (скрита в комплекса
външни влияния), наречен от автора детерминанта на системата, се отваря широко
възможности за изследване на онези свойства на сложните системи, които всъщност
ги правят "трудни".
Това ви позволява да хвърлите нов поглед върху концепцията за система и да откриете такива връзки между тях
неговите части и такива особености на елементите му, чието съществуване често е трудно и

заподозрян. Именно по този път Г. П. Мелников, в резултат на проучване на имотите
огромен брой езици по света, беше възможно да се открият добре дефинирани типове
зависимости между граматиката на езика и неговата фонетика и създават нова, системна
типология на езиците, сравнявайки структурата на езиците според особеностите на техните детерминанти.
Подходът, разработен от автора, позволява доста ясно да се дефинира разликата
системен подход от структурен. Оказа се, че тези разлики са по същество
в един постулат: възгледите на структуралистите се основават на тезата, че
има абсолютно аморфен материал, от който (мигновено) се формира системата
свойства на даден елемент от системата в съответствие само с мястото му в структурата.
Според системните възгледи няма абсолютно аморфен материал. Всеки
материалът носи свойствата на предишни системи, в които преди е бил включен и освен това,
разработени в процеса на адаптация в тези системи способността в една или друга степен
запазват придобитите си свойства. Следователно, когато такъв материал се използва за
формиране на нова система, след което има продължителна адаптация на старата и
образуването на нови свойства в хода на адаптацията, т.е. във всеки момент във всеки
елемент на системата има два вида свойства: начални (материални),
отразяващи фона на материала и наложени от системата (структурна),
определя се от детерминанта на системата.
Въпросите, повдигнати от автора на отношенията на структурните („логически”,
„синтактичен“) и съществен („материален“, „систематичен“) в
реалните естествени и изкуствени системи не само представляват
общ философски интерес, но са и много важни в конструкцията
системи човек-машина, които са основният инструмент за решаване на най-много
сложни съвременни проблеми на кибернетиката.
За ефективното използване на такива системи е необходимо преди всичко да се разделят
процеса на вземане на решение на две части: предназначени за машината, официални,
корелира със структурата на изследвания или конструирания обект, с логиката
взаимодействие на неговите части, и смислени, семантични, не изискващи отчитане
сводими до структурата на характеристиките на субстанцията на обекта и следователно приписани на
лице. В същото време основната грижа на човек се крие в най-пълното
използвайки възможностите на технологиите, така че неформализираното
част от задачата се оказа изпълнима за истински екип от специалисти.

Способността на човек да отдели неформално формализираната част от задачата, подобно на други
човешката способност да оперира с неформални обекти е една от най-големите
мистерии на природата. Следователно всеки опит да се проникне в тази мистерия или поне да се очертае
подходът е от голямо значение.
От тази гледна точка концепциите, представени в книгата, се отварят много примамливо
гледни точки. Въпреки че авторът се старае да не изтъква връзката на идеите, с които развива
проблеми на изкуствения интелект, но съвсем определено се усеща кога
четене на книга. В същото време авторът се фокусира върху централния проблем: как
човек мисли, каква роля играе езикът в процеса на мислене, как е облечена мисълта
думи в актовете на общуване на един човек с друг, а не върху модните проблеми на сътворението
евристични (хуманоидни) методи за решаване на изкуствени игрови задачи. AT
В тази връзка проблематиката на книгата се отнася до разработването на принципи за конструиране
интегрални роботи (вместо евристично програмиране).
Авторът продължава да идентифицира тези принципи не толкова от преки технически
експериментиране, колко от системната интерпретация на богатата семиотика,
натрупан до момента езиков и психологически материал. AT
свързани с това в книгата. голямо вниманиепосветени на анализа на такива кардинални въпроси
кибернетиката, като произхода на способността за формиране на механизми за идентификация,
прогнозиране, знакова комуникация и моделиране и оценка на възможностите
използване на тези механизми за смислена комуникация човек-машина и
машини помежду си. Да се ​​опишат икономически типични компоненти на тези процеси
авторът въвежда специализиран символен апарат.
Представянето на съдържанието, предложено в книгата, е фундаментално и
убедителност. Трябва обаче да се помни, че въпросите, разгледани в книгата, се отнасят
в момента един от най-трудните за представяне и разбиране, и следователно
Читателят, който се заеме с тази книга, трябва предварително да се подготви за упорита работа. много
места ще трябва да бъдат препрочетени, много неща за мислене, но е възможно с увереност
да се каже, че усърдието на читателя, докато се задълбочи в материала на книгата, ще бъде възнаградено.
Рядко се среща в съвременната научна литература, съдържателно-еволюционната и
неформален логически тип дедукция и способност за улавяне
закономерности, където преди се виждаше само произволен куп факти - т.е
далеч от пълен списък на това, което достатъчно усърден и

внимателен читател.
Нека сега се спрем по-подробно на някои от конкретните въпроси, повдигнати в книгата, и
за оценка на методите и резултатите от тяхното решаване.
1. Както става ясно от казаното, методологическите аспекти не са самоцел за автора, той
принудени да обърнат сериозно внимание на тази страна на въпроса Именно защото това е достатъчно
той си поставя сериозни задачи в общия кибернетичен план. Но точно
следователно, първата част на работата, посветена на представянето на авторската концепция за системата
подход, наистина е представяне на достатъчно холистична концепция.
Читателят, който се интересува предимно от проблеми на системологията, може
съсредоточете се върху първата част на книгата, разглеждайки втората й част като
приложение, демонстриращо факта, че заявената концепция е в състояние да служи
ефективно средство за решаване на най-сложните проблеми на кибернетиката.
Читателят, който се интересува от въпросите, представени във втората част на книгата, може
разглеждайте първата му част също като приложение, но абсолютно задължителна, в противен случай
от него няма да бъдат разбрани нито предпоставките, нито основният патос на изводите от изследването.
2. Концепцията за системен подход, заложена от автора на книгата, както вече беше отбелязано, има
преди всичко не формално аксиоматично, а ясно онтологично, телесно
ориентация, насочена към такава формулировка на основните понятия и
закони на системен подход, който би позволил най-ясно
инженерна, биологична и психическа интерпретация и следователно може да бъде
не само средство за описание и разбиране на природата на реално съществуващите системи, но
и тяхното проектиране, внедряването им на компютри. В тази връзка книгата
не просто „системно”, а всъщност „кибернетично”.
Важно е да се отбележи, че диалектическата природа на основните закони на системологията,
представена в концепцията на автора, не е просто декларирана, а демонстрирана.
Въз основа на принципите на диалектическото развитие авторът разкрива природата
смислена комуникация човек-машина, същите принципи се използват в
методическа част от работата при въвеждане на изходните понятия на системния подход.
Тези понятия не се приемат просто като недефинирани, както е обичайно в
изграждане на аксиоматични теории, но се развиват и задълбочават като те

използване чрез ретроспекция чрез понятия, извлечени от първото. Това
креативната кухня, обикновено срамно скрита в публикациите, изглежда много
естествено в разсъжденията на автора, стоящи на позициите на диалектиката. Това му дава
възможността за получаване на подкрепа при обсъждането на въпроса какви са границите на допустимото
формализиране на системен подход и това, което принципно трябва да се основава на счетоводството
закони на развитие и закони на противоречието, чрез прилагането на които е възможно да се създават
автомат, надарен със способността да извършва поне елементарни творчески действия,
без което плановете за смислена комуникация между човека и машината са обречени на провал.
3. Трябва да се отбележи, че ако читателят не споделя оригиналните диалектически вярвания
автор, изводите, направени от тях, може да изглеждат неубедителни. Че
фактът, че за решаването на много съвременни кибернетични проблеми е необходимо това
автоматът може да извършва творчески действия, никой не се съмнява. По-малко
очевидно е, че за това е необходимо да се занимаваме не толкова с развитието на чисто формалните
алгоритми за поведение на автомата, колко да търсим начини за решаване на проблема по пътя
кибернетизация на законите на диалектическото противоречие.
Въпреки това припомняме в тази връзка, че добре познатата серия от отрицателни резултати,
свързано с възможностите на смислени аксиоматични теории, казва, че
че чрез дедукция от постулатите на подобни теории не може да се изведе
нещо по-смислено от това, което се загатва в постулатите. Така
Така творческият акт е основно свързан с избора на самите постулати от
налични знания. Този избор се прави чрез индукция.
Както показва в последните си трудове Л. В. Крушински, който изучава интелекта
животни, най-простият творчески акт на животно е
използването на наличния опит, което води до идентифициране на обобщение на типа
постулиране на елементарен закон на природата като нетривиална хипотеза за
устройство на света, което не се съдържа изрично в предишния опит, но
позволявайки на животното да взаимодейства по-подходящо с външния свят.
Ако същността на индуктивния творчески акт е това, и ние, конструиране
автомат, искаме неговото интелектуално ниво да бъде поне равно на
интелектуално ниво на животното, е необходимо да се провери дали е възможно да се чисти
формално, въз основа на първоначалната експериментална информация, да се постулира
хипотеза, т.е. излага постулат, който разкрива нетривиална информация в началната
данни. Положителен или отрицателен резултат от такъв тест има

от фундаментално значение за избора на начини за решаване на проблема с изкуствените
интелект.
Авторът изхожда от втория, отрицателен отговор на този въпрос, формално това не е така
оправдаващ. Но, както се оказа съвсем наскоро, тези, разчитайки на чисто
качествени съображения, първоначалните идеи на автора са валидни и до известна степен
в точен смисъл. К. Ф. Самохвалов доказа теорема, чиито заключения
дайте директен отговор на обсъждания въпрос.
4. По този начин основната необходимост да се надхвърли формалната логика
при разработването на принципите на индуктивното обобщение. без които е невъзможно
смислена комуникация човек-машина, в момента има строг
оправдание. От това обаче авторът на книгата в никакъв случай не прави извод за основното
безсмислието на използването на формален апарат при решаването на най-сложните
кибернетични задачи. Напротив, ясно контрастираща телесност,
субстанциалността на техническите и природните системи на безтелесността на техните структурни
модели, то ясно очертава кръга от явления, чието описание и изграждане
може и трябва да се основава преди всичко на строг формален апарат на логиката и
математика в съвременния смисъл на тези термини. Този кръг е ограничен дълбоко
адаптирани системи.
Чрез тази ключова идея за същността на адаптивността за заявената концепция
авторът показва, че самото понятие за формалното има значителни резерви за разширяване без
загуба на строгост. В тази връзка е интересно да се отбележат съвременните опити за обогатяване
първоначални концепции за основите на математиката, развитието на по-богати и необичайни
традиционна гледна точка на теориите, насочена към отчитане на онтологията на изучаваното
субекти.
5. Методическа обосновка и дълбока значимост на тези произведения за обогатяване
арсеналът от самите принципи за изграждане на формални теории е ясно интерпретиран в
по отношение на връзката между формализирано и неформализирано, разглеждано в
системна концепция на автора на книгата. Много е важно авторът да докаже
физическата реализуемост на това, което не е достъпно за строга формализиране, и благодарение на
това е ясно противопоставено не само от телесния обект на неговия структурен модел, но и от
действителното съдържание в общуването – всяко техническо комуникативно
единици, въпреки факта, че и двете са въплътени в същността на модела или в
мозъчни неврони. Това ще направи възможно систематизирането на първоначалните понятия на семиотиката,

показват вътрешната връзка и фундаменталната опозиция между знака и неговия
смисъл, между смисъл и смисъл, между умствено и собствено езиково
процеси, между естествени и изкуствени езици.
Особено важна е позицията на автора, че колкото по-дълбока е адаптацията дори
неодушевен, физически обект, толкова по-естествен
предразположение към такова взаимодействие с външната среда, което може
разглеждан като макар и примитивен, но акт на идентификация, акт на изпреварване
отражения. В тази връзка е невъзможно да не се припомнят думите на В. И. Ленин, че мъртвите
природата има свойство, близко до усещането...
6. Бих искал да изразя съжаление за изобилието от кардинални научни
проблемите се обсъждат в тома на малка книга. Това обстоятелство изглежда
лиши автора от възможността да използва присъщия му начин на представяне на своя
мисли, с които е известен сред слушателите на изказванията си на конференции и
конгреси, на семинари и лекции, където илюстрира всяка своя позиция
визуални рисунки и примери от голямо разнообразие от научни области, индустрии
технологии, от социални и домашни ситуации. В тази връзка бих искал да отбележа и това
изненадващо широк спектър от явления, при анализа на които той прилага принципите на своите
системно понятие и от работата, върху която той разкрива слабите звена на това
концепция, като непрекъснато я подобряваме. Това може да се съди поне от
публикации на автора, само малка част от които е дадена в библиографията.
Ограниченият обем на книгата показва, че е необходимо да се представи
поне най-важните аспекти на предложената концепция за систематичен подход и
за да демонстрира изпълнението си принуди автора да изостави широкия
преглед и анализ на други системни концепции.
Терминът "кибернетика" първоначално е въведен в научното обращение от Ампер, който в своята
фундаментален труд "Есе върху философията на науките" (1834-1843) дефинира кибернетиката
като наука за управлението, която трябва да предоставя на гражданите
разнообразни ползи. И в съвременния смисъл – като наука за общото
закони, регулиращи процесите на контрол и предаване на информация в машините, жив
.
организми и общество, е предложено за първи път от Норберт Винер през 1948 г

Включва изучаване на обратна връзка, черни кутии и производни концепции като напр
като контрол и комуникация в живи организми, машини и организации,

включително самоорганизация. Фокусира се върху това как нещо (цифрово,
механични или биологични) обработва информацията, реагира на нея и
е или може да бъде променено, за да изпълни по-добре първите две
задачи. Стафорд Биър го нарече наука за ефективната организация, а Гордън
Paskrass разшири определението, за да включи потоци от информация "от всеки източник"
от звездите до мозъка.
Пример за кибернетично мислене. От една страна, компанията се разглежда
като система към околната среда. От друга страна, кибернетични
управлението може да бъде представено като система.
Една по-философска дефиниция на кибернетиката, предложена през 1956 г. от Л.
Cuffignal, един от пионерите на кибернетиката, описва кибернетиката като
„изкуството да се гарантира ефективността на действието“. Новата дефиниция беше
предложено от Луис Кауфман (английски): „Кибернетиката е изследване на системите и
процеси, които взаимодействат със себе си и се възпроизвеждат.
Кибернетичните методи се използват за изследване на случая, когато действието на системата
в околната среда предизвиква известна промяна в средата и тази промяна
се проявява в системата чрез обратна връзка, което предизвиква промени в начина
поведение на системата. Именно в изследването на тези „обратни връзки“ методите
кибернетика.
Съвременната кибернетика се ражда като интердисциплинарно изследване, съчетаващо
области на системите за управление, теория на ел
схеми, машиностроене, математическо моделиране, мат
логика, еволюционна биология, неврология, антропология. Появиха се тези изследвания
през 1940 г. основно в трудовете на учените по т.нар. Конференции на Macy.

Други области на изследване, които са повлияли на развитието на кибернетиката или попадат под
нейното влияние, теория на управлението, теория на игрите, теория
системи (математически еквивалент на кибернетиката), психология (особено невропсихолози
аз, бихевиоризъм, когнитивна психология) и философия.
Сферата на кибернетиката[редактиране | редактиране на уикитекст]
Обект на кибернетиката са всички контролирани системи. Системи, които не могат да бъдат
управлението по принцип не са обект на изследване на кибернетиката. Кибернетика
въвежда понятия като кибернетичен подход, кибернетична система.
Кибернетичните системи се разглеждат абстрактно, независимо от тях
материална природа. Примери за кибернетични системи - автоматични контролери
в технологиите, компютрите, човешкия мозък, биологичните популации, човешкото общество.
Всяка такава система е набор от взаимосвързани обекти
(елементи на системата), способни да възприемат, запаметяват и обработват
информация и я споделяйте. Кибернетиката развива общи принципи
създаване на системи за управление и системи за автоматизация на умствения труд. Основен
технически средства за решаване на задачи на кибернетиката - компютри. Следователно, възникването
кибернетиката като самостоятелна наука (N. Wiener, 1948) се свързва със създаването през 40-те години.
XX век на тези машини и развитието на кибернетиката в теоретична и практическа гледна точка
аспекти - с напредъка на електронните изчисления.
Кибернетиката е интердисциплинарна наука. Възникна на пресечната точка на математиката,
логика, семиотика, физиология, биология, социология. Той е присъщ на анализа и идентифицирането
общи принципи и подходи в процеса научно познание. Най-значимото
теориите, обединени от кибернетиката, са следните [източник не е посочен 156 дни]:
 Теория на сигналите
 Теория на управлението
 Теория на автоматите
 Теория на решенията
 Синергия
 Теория на алгоритмите
 Разпознаване на модели
 Теория на оптималното управление

 Теория на учебните системи
В допълнение към инструментите за анализ, кибернетиката използва мощни инструменти
за синтез на решения, предоставени от апарата за математически анализ, линейни
алгебра, геометрия на изпъкнали множества, теория на вероятностите и математически
статистика, както и по-приложни области на математиката, като напр
като математическо програмиране, иконометрия, компютърни науки и други
производни дисциплини.
Особено голяма е ролята на кибернетиката в психологията на труда и нейните отрасли.
като инженерна психология и психология на професионалното образование.
Кибернетиката е науката за оптимално управление на сложни динамични системи,
изучаване на общите принципи на управление и комуникация, които са в основата на работата на повечето
системи от разнообразен характер - от самонасочващи се ракети и
високоскоростни компютри за сложен живот
организъм.Контролът е прехвърляне на контролирана система от едно състояние в друго
чрез целенасоченото влияние на мениджъра. Оптимален контрол -
това е прехвърляне на системата в ново състояние при изпълнение на някакъв критерий
оптималност, например минимизиране на разходите за време, труд, вещества или
енергия. Сложна динамична система е всеки реален обект, елементи
които се изучават до такава висока степен на взаимосвързаност и мобилност, че промяната
един елемент променя другите.
Упътвания[редактиране | редактиране на уикитекст]
Кибернетиката е по-ранен, но все още използван общ термин за мнозина
артикули. Тези предмети се простират и до много други науки, но
комбинирани в изучаването на управлението на системите.
Чиста кибернетика[редактиране | редактиране на уикитекст]
Чистата кибернетика, или кибернетика от втори ред, изучава системите за управление като
концепция, опитвайки се да открие нейните основни принципи.

ASIMO използва сензори и интелигентни алгоритми за избягване на препятствия
и се движи нагоре по стълбите
 Изкуствен интелект
 Кибернетика от втори ред
 Компютърно зрение
 Системи за управление
 Появата
 Учещи се организации
 Нова кибернетика

Теория за взаимодействията на актьорите
 Теория на комуникацията
В биологията[редактиране | редактиране на уикитекст]
Кибернетиката в биологията – изучаването на кибернетичните системи в биологията
организми, като се фокусира главно върху това как животните се адаптират към
тяхната среда и как информацията под формата на гени се предава от поколение на поколение
поколение. Има и второ направление – киборгите.
Термичен образ на студенокръвна тарантула върху топлокръвна човешка ръка
 Биоинженерство
 Биологична кибернетика
 Биоинформатика
 Бионика
 Медицинска кибернетика

 Неврокибернетика
 Хомеостаза
 Синтетична биология
 Системна биология
Теория на сложните системи[редактиране | редактиране на уикитекст]
Теорията на сложните системи анализира естеството на сложните системи и причините за тях
на основата на техните необичайни свойства.
Метод за моделиране на сложна адаптивна система
 Сложна адаптивна система
 Сложни системи
 Теория на сложните системи
В изчисленията[редактиране | редактиране на уикитекст]
В компютърните технологии за управление се използват кибернетичните методи
устройства и анализ на информация.
 Роботика
 Система за подпомагане на вземането на решения
 Клетъчен автомат
 Симулация
 Компютърно зрение
 Изкуствен интелект
 Разпознаване на обекти

 Система за управление
 ACS
В инженерството[редактиране | редактиране на уикитекст]
Кибернетиката в инженерството се използва за анализиране на отказите на системите, в
които малки грешки и недостатъци могат да доведат до повреда на цялата система.
Изкуствено сърце, пример за биомедицинско инженерство.
 Адаптивна система
 Ергономичност
 Биомедицинско инженерство
 Неврокомпютър
 Техническа кибернетика
 Системно инженерство
В икономиката и управлението[редактиране | редактиране на уикитекст]
 Кибер управление
 Икономическа кибернетика
 Оперативни изследвания
По математика[редактиране | редактиране на уикитекст]
 Динамична система
 Теория на информацията
 Теория на системите

В психологията[редактиране | редактиране на уикитекст]
 Психологическа кибернетика
В социологията[редактиране | редактиране на уикитекст]
 Меметици
 Социална кибернетика
История[редактиране | редактиране на уикитекст]
AT Древна Гърциятерминът "кибернетика", първоначално означаващ изкуството на кормчия,
започва да се използва в преносен смисъл за обозначаване на държавното изкуство
градски мениджър. В този смисъл, по-специално,
използван от Платон в Законите.
Думата фр. "cybernétique" се използва почти в съвременния си смисъл през 1834 г
година от френския физик и систематизатор на науките Андре Ампер (фр. AndréMarie
Ампер, 1775–1836), за да обозначи науката за управлението в своята система за класификация
човешкото познание:
Андре Мари Ампер
„КИБЕРНЕТИКА. Изследвани са отношенията между хората<…>предишен
науки - само малка част от обектите, за които трябва да се грижи правителството; неговата
внимание непрекъснато изисква и поддържането на обществения ред, изпълнението
закони, справедливото разпределение на данъците, подбора на хората, които дължи
да назначава на длъжности и всичко, което допринася за подобряване на социалното състояние.
То трябва постоянно да избира между различните мерки, за които най-подходящи
постигане на целта; и само чрез задълбочено изследване и сравнение на различни елементи,

дадено му за този избор от познаването на всичко, което е от значение за нацията, то
способен да управлява в съответствие със своя характер, обичаи, средства
съществуването на просперитет чрез организация и закони, които могат да служат като общи
правила за поведение и от които се ръководи във всеки конкретен случай. Така,
само след всички науки, занимаващи се с тези различни обекти, човек трябва да постави това,
за която сега говорим и която аз от думите на другите наричам кибернетика.
Гръцки
изкуството на корабоплаването е използвано от самите гърци в несравнимо повече
широко значение на изкуството на управление като цяло.
; е дума, взета в началото в тесен смисъл за означаване
κυβερνητιχη
Джеймс Уат
Първата изкуствена автоматична система за управление, водният часовник, е била
изобретен от древногръцкия механик Ктезибий. Във водния му часовник течеше вода
източник, като стабилизиращ резервоар, към басейна, след това от басейна към
часовникови механизми. Устройството на Ктезибий използва конусообразен поток за управление
нивото на водата във вашия резервоар и съответно регулиране на дебита на водата,
за поддържане на постоянно ниво на водата в резервоара, така че да не е така
претъпкан, нито източен. Това беше първият истински автоматичен изкуствен
саморегулиращо устройство, което не изисква никакви външни
намеса между обратната връзка и контролните механизми. Въпреки че те
естествено, те не наричат ​​тази концепция наука за кибернетика (те я смятаха
инженерство), Ктезибий и други древни майстори като Херон
Александрийският или китайският учен Су Сонг се смята за един от първите, които изучават
кибернетични принципи. Изучаване на механизмите в машини с корекция
обратната връзка датира от края на 18 век, когато парната машина на Джеймс

Watt е оборудван с устройство за управление, центробежен реверс
връзки, за да се контролира скоростта на двигателя. А. Уолъс описа обратна връзка
като "необходим за принципа на еволюцията" в прочутата му работа от 1858 г. През 1868г
година великият физик Дж. Максуел публикува теоретична статия за управлението
устройства, едни от първите, които разглеждат и подобряват принципите
саморегулиращи се устройства.I. Uexkül приложи механизма за обратна връзка в своя
модели на функционален цикъл (на немски: Funktionskreis) за обяснение на поведението
животни.
20 век[редактиране | редактиране на уикитекст]
Съвременната кибернетика започва през 40-те години на миналия век като интердисциплинарна област.
изследвания, които съчетават системи за управление, теория на електрическите вериги,
машинно инженерство, логическо моделиране, еволюционна биология,
неврология. Електронните системи за управление произлизат от работата на инженер на Bell
Лаборатории от Харолд Блек през 1927 г. относно използването на отрицателна обратна връзка, за
управление на усилвателя. Идеите са от значение и за биологичната работа на Лудвиг
фон Берталанфи в общата теория на системите.
Включени са ранните приложения на отрицателната обратна връзка в електронните схеми
управление на артилерийски съоръжения и радарни антени през Втората
световна война. Джей Форестър, аспирант в лабораторията по сервомеханизми
в Масачузетския технологичен институт, който работи по време на Втората световна война
войни с Гордън С. Браун за подобряването на електронните системи за управление
за американския флот, по-късно приложил тези идеи към обществени организации,
като корпорации и градове като първоначалния организатор на Индустриалното училище
управление на Масачузетския технологичен институт към MIT Sloan School of
управление. Форестър е известен още като основател на системната динамика.
W. Deming, TQM гуру, удостоен от Япония през 1950 г
учредява основната си индустриална награда, през 1927 г. е млад
специалист в Bell Telephone Labs и може да е бил повлиян от работата в
област на мрежов анализ). Деминг направи „системите за разбиране“ една от четирите
стълбове на това, което той описа като дълбоко познание в книгата си „Новата икономика“.
Книга, която се разглежда:
Нови линии на развитие във физиологията и тяхната корелация

с кибернетика // Философски въпроси на физиологията на висшата нервна дейност и
психология, М., Издво на Академията на науките на СССР, 1963 г
* * *
Страница 499.
След основните изказвания бяха обсъдени презентациите.
„Обсъждане на доклади. Мда. Фролов (Москва)…”.
* * *
Страница 501.
„... В същото време моите другари в Павловското училище забравиха, че тези обратни или циркулярни
връзките са отворени от дълго време. Можете да прочетете за тях
в отличната работа на A.F. Самойлов за кръговите ритми на възбуждане, като се започне с
елементарно кръгово движение на нервния процес при подготовката на сърцето на костенурката и
завършва с комуникацията, която се осъществява между говорещия
и публиката. Обратните физиологични и психологически взаимоотношения са прототипът
обратна връзка в кибернетичните устройства. Кибернетика
няма дори далечна представа за разнообразието и силата на тези връзки, които
представляват същността на нашето общуване в културната, социална среда...”.
Все едно красиво и най-важното правилно казано:
„... Кибернетиката дори няма отдалечена концепция за разнообразието и силата на тях
връзки, които съставляват същността на нашата комуникация
в културната, социалната среда...“.
Имайте предвид, че A.F. Самойлов умира през 1930 г. Тази работа е публикувана в
1930 г.
Следователно работата му беше много години пред работата на всички последователи, които станаха
да си приписват открития, включително П.К. Анохин и Н.А. Бернщайн.
Трябва да се отбележи, че в живия организъм не може да има обратна връзка по дефиниция,
тъй като кое е първично и кое вторично в живия организъм все още не е ясно. Ако броим
че приемането е първично, тогава обратната връзка е еферентни сигнали и ако
да се смята, че силата на волята е първична, тогава аферентните сигнали се обръщат.

Самият А.Ф Самойлов, като физиолог, разбира тези процеси по-дълбоко и
следователно той не би могъл да въведе понятието обратна връзка като неправилно за жив организъм.
В неговото въведение понятието "порочен кръг на рефлексна дейност" няма нито начало, нито
край и това определя неговата физиология за живия организъм като цяло.
Появиха се множество произведения в сродни области. През 1935 г. руснакът
физиологът P.K. Anokhin публикува книга, в която концепцията за обратното
връзки ("обратна аферентация"). Изследванията продължиха, особено в областта
математическо моделиране на регулаторни процеси, а две ключови статии бяха
публикуван през 1943 г. Тези произведения бяха Поведение, Цел и Телеология,
Норберт Винер и Дж. Бигелоу (английски) и работата „Логическото смятане на идеите,
свързани с нервната дейност „W. McCulloch и W. Pitts (англ.).
Кибернетиката като научна дисциплина се основава на работата на Wiener, McCulloch и
други като W. R. Ashby и W. G. Walter.
Уолтър е един от първите, които създават автономни роботи, за да подпомогнат изследванията.
поведение на животните. Наред с Великобритания и САЩ важен географски
мястото на ранната кибернетика е Франция.
През пролетта на 1947 г. Винер е поканен на конгрес по хармоничен анализ,
се проведе в Нанси, Франция. Събитието беше организирано от групата
математици Никола Бурбаки, където математикът С. Манделбройт играе важна роля.
Норберт Винер
По време на този престой във Франция Винер получава предложение да напише есе
по темата за комбиниране на тази част от приложната математика, която се намира в изследването

Брауново движение (т.нар. процес на Винер) и в теорията на телекомуникациите.
Следващото лято, вече в Съединените щати, той използва термина "кибернетика"
като заглавие на научна теория. Това име имаше за цел да опише изследването
« целеви механизми“ и е популяризиран в книгата „Кибернетика, или
контрол и комуникация в животните и машината” (Hermann & Cie, Paris, 1948). AT
Във Великобритания Ratio Club се формира около това през 1949 г.
В началото на 40-те години на миналия век Джон фон Нойман, по-известен с работата си по математика и
компютърни науки, направи уникално и необичайно допълнение към света на кибернетиката:
концепцията за клетъчен автомат и "универсален конструктор"
(самовъзпроизвеждащ се клетъчен автомат). Резултатът от тези измамно прости
мисловните експерименти се превърнаха в точната концепция за самовъзпроизвеждане, което
кибернетиката е възприета като основна концепция. Идеята, че едни и същи свойства
генетично възпроизвеждане, свързано със социалния свят, живите клетки и дори
компютърните вируси, е още едно доказателство за универсалността
кибернетични изследвания.
Винер популяризира социални ценностикибернетика, правейки аналогии между
автоматични системи (като регулирана парна машина) и
човешките институции в бестселъра си Кибернетика и общество (The Human
Използване на човешки същества: Кибернетика и общество HoughtonMifflin, 1950).
Един от основните изследователски центрове в онези дни е Биологичният компютър
лаборатория в Университета на Илинойс, която в продължение на почти 20 години, започва
от 1958 г. начело с Х. Фьорстер.
Кибернетиката в СССР[редактиране | редактиране на уикитекст]
Основна статия: Кибернетиката в СССР
Развитието на кибернетиката в СССР започва през 40-те години на миналия век.
„Философският речник“ от 1954 г. публикува описание на кибернетиката като
"реакционна псевдонаука"
През 60-те и 70-те години кибернетиката, както техническата, така и икономическата, вече е станала
заложете голям.
Упадък и възраждане[редактиране | редактиране на уикитекст]
През последните 30 години кибернетиката премина през възходи и падения, като става все по-голяма
по-значими в областта на изкуствения интелект и биологичните

машинни интерфейси (тоест киборги), но, след като загубиха поддръжка, загубиха
насоки за по-нататъшно развитие.
Франсиско Варела
Стюарт А. Ъмпълби
През 70-те години на миналия век новата кибернетика се появява в различни области, но най-вече в биологията.
Някои биолози, повлияни от кибернетичните идеи (Матурана и Варела,
1980 г.; Варела, 1979; (Атлан (английски), 1979), „разбра, че кибернетичните метафори
програми, базирани на молекулярна биология, представляван
концепцията за автономия, която е невъзможна за живо същество. Следователно, това
мислителите трябваше да измислят нова кибернетика, по-подходяща за
организации, които човечеството открива в природата – организации, които не са
изобретен от него." Възможността тази нова кибернетика да е приложима
социални формиорганизациите са обект на теоретичен дебат от 80-те години на миналия век.
години.
В икономиката, като част от проекта Cybersyn, те се опитаха да въведат кибернетика
командна икономика в Чили в началото на 70-те години. Експериментът беше
спряно в резултат на путча през 1973 г., оборудването е унищожено.

През 80-те години новата кибернетика, за разлика от своя предшественик, се интересува от
„взаимодействието на автономни политически фигури и подгрупи, както и практически и
отразяващо съзнание за обекти, които създават и възпроизвеждат структурата
политическа общност. Основното мнение е като се има предвид рекурсивността, или
самозависимост на политическите речи, както по отношение на изразяването на политически
съзнание, както и начините, по които системите се създават на базата на самите тях.
Холандските социолози Гайер и Ван дер Зувен (Холандия) през 1978 г.
редица характеристики на зараждащата се нова кибернетика. „Една от характеристиките на новото
кибернетиката е, че разглежда информацията като конструирана и
възстановено от лице, с което взаимодейства заобикаляща среда. Това е
осигурява епистемологичната основа на науката, когато се разглежда от гледна точка на
наблюдател. Друга особеност на новата кибернетика е приносът й за преодоляване
проблеми на редуцирането (противоречия между макро и микроанализа). Така е
свързва индивида с обществото. Гейер и ван дер Зувен също отбелязаха това
„Преходът от класическа кибернетика към нова кибернетика води до преход от
класически проблеми към нови проблеми. Тези промени в мисленето включват,
между другото, промени от акцент върху управляваната система към управление и фактор,
който ръководи управленските решения. И нов акцент върху комуникацията между
множество системи, които се опитват да се контролират една друга.
Последните усилия в изучаването на кибернетиката, системите за управление и поведението при условия
промени, както и в свързани области като теория на игрите (анализ на груп
взаимодействия), системи за обратна връзка в еволюцията и изучаването на метаматериалите
(материали със свойствата на атомите, техните съставни части, извън Нютоновите свойства),
доведе до възраждане на интереса към тази все по-актуална област.
Известни учени[редактиране | редактиране на уикитекст]
 Ампер, Андре Мари (1775-1836)
 Вишнеградски, Иван Алексеевич (1831-1895)
 Норберт Винер (1894-1964)
 Уилям Ашби (1903-1972)
 Хайнц фон Фьорстер (1911-2002)
 Клод Шанън (1916-2001)
 Грегъри Бейтсън (1904-1980)

 Клаус, Георг (1912-1974)
 Китов, Анатолий Иванович (1920-2005)
 Ляпунов Алексей Андреевич (1911-1973)
 Глушков Виктор Михайлович (1923-1982)
 Бира Стафорд (1926-2002)
 Берг, Аксел Иванович (1893-1979)
 Кузин, Лев Тимофеевич (1928-1997)
 Поваров, Гелий Николаевич (1928-2004)
 Пупков, Константин Александрович (роден 1930 г.)
 Тихонов, Андрей Николаевич (1906-1993)
1.9. Основи на изкуствения интелект
1.9.1. Насоки на научноизследователска и развойна дейност в областта на системите от изкуствени
интелект

Научно направление, свързано с машинното моделиране на човека
интелектуалните функции - изкуствен интелект - възникват в средата на 60-те години.
Появата му е пряко свързана с общото направление на научните и
инженерна мисъл, довела до създаването на компютър – посоката към
автоматизация на човешката интелектуална дейност, за да се осигури този комплекс
интелектуалните задачи, които се смятаха за прерогатив на човека, бяха решени чрез технически
означава.
Говорейки за сложни интелектуални задачи, трябва да се разбере, че само 300-400 г.
преди умножението на големи числа принадлежеше към тези; обаче, като се научи в детството
правило за умножение на колони, съвременен човекго използва без колебание и
едва ли тази задача днес е "сложна интелектуална". Явно в кръг
те трябва да включват онези задачи, за които няма „автоматични“ правила,
тези. няма алгоритъм (дори и много сложен), следването на който винаги води до
успех. Ако, за да разрешим проблем, който днес ни се струва свързан с

определен кръг, в бъдеще те ще излязат с ясен алгоритъм, той ще престане да бъде „сложен
интелектуален".
Въпреки своята краткост, историята на изследванията и развитието на изкуствените
интелигентността може да бъде разделена на четири периода:
1960-те - началото на 1970-те години - изследвания върху "общата интелигентност", опити
да моделира общите интелектуални процеси, присъщи на човека: свободен
диалог, решаване на различни задачи, доказване на теореми, различни игри (напр
пулове, шах и др.), съчиняване на поезия и музика и др.;
1970-те години – изследване и разработване на подходи към формалното представяне на знанието
и изводи, опити да се сведе интелектуалната дейност до формална
трансформации на символи, низове и др.;
от края на 1970-те години – разработване на специализирани по определена тема
области на интелигентни системи с приложно практическо значение
(експертни системи);
1990-те години - фронтална работа по създаването на изградени компютри от пето поколение
други принципи освен конвенционалните мейнфрейм компютри и софтуер за тях.
В момента "изкуственият интелект" е мощен клон на информатиката, който има
както фундаментални, чисто научни основи, така и високоразвити технически,
приложни аспекти, свързани със създаването и експлоатацията на работещи образци
интелигентни системи. Значението на тези произведения за развитието на информатиката е такова, че
именно от техния успех зависи появата на нов компютър от пето поколение. Това е
качествен скок във възможностите на компютрите - придобиването им на пълния
интелектуални способности - е в основата на развитието на компютърните технологии в
перспектива и е знак за ново поколение компютърни технологии.
Всеки проблем, за който не е известен алгоритъм за решение, може да бъде приписан на сферата
изкуствен интелект. Примери са шах, медицина
диагностика, превод на текст на чужд език - за решаване на тези проблеми, не е така
има ясни алгоритми. Още две характеристикиизкуствени
интелигентност: преобладаващото използване на информация в символна (а не в числова)
форма и избор между много опции при условия на несигурност.
Ние изброяваме някои области, където методи на изкуствени
интелект.

1. Възприятие и разпознаване на модели (задача, спомената по-рано като една от
области на кибернетиката). Сега това означава не само технически системи,
възприема визуална и звукова информация, кодира и я поставя
паметта, но проблемите на разбирането и логическото разсъждение в процеса на обработка
визуална и речева информация.
2. Математика и автоматично доказателство на теореми.
3. Игри. Подобно на формалните системи в математиката, игрите се характеризират с ограничение
редица ситуации и добре дефинирани правила, от самото начало на изследването
изкуственият интелект привлече вниманието като предпочитани обекти
изследвания, полигон за прилагане на нови методи. Интелигентни системи
нивото на човек със средни способности обаче бързо беше достигнато и надминато
нивото на най-добрите специалисти все още не е достигнато. Срещаните трудности
характерни за много други ситуации, както в техните "местни" действия
човек използва цялото количество знания, които е натрупал през целия си живот.
4. Решаване на проблеми. В този случай понятието "решение" се използва в широк смисъл,
се отнася до формулирането, анализа и представянето на конкретни ситуации, и
разглежданите задачи са тези, които възникват в Ежедневието, за
решения, които изискват изобретателност и способност за обобщаване.
5. Разбиране на естествения език. Тук задачата е да се анализират и генерират текстове, техните
вътрешно представяне, разкриващо знанията, необходими за разбиране на текстове.
Трудностите са свързани по-специално с факта, че значителна част от информацията е в обичайната
диалогът не е изразен по категоричен и ясен начин. Изреченията на естествен език имат:
незавършеност;
неточност;
размита;
граматическа неправилност;
съкращаване;
зависими от контекста;
неяснота.
Въпреки това, такива свойства на езика, което е резултат от векове исторически
развитие, служат като условие за функционирането на езика като универсално средство

комуникация. Разбирането на изреченията на естествения език от технически
системите са трудни за моделиране поради тези характеристики на езика (и
въпросът какво е "разбиране" трябва да бъде изяснен). В техническите системи
трябва да се използва официален език, смисълът на изреченията на който е недвусмислен
определят от тяхната форма. Преводът от естествен език на официален е
нетривиална задача.
6. Идентифициране и представяне на знанията на специалисти по експертни системи. Експерт
системи - интелигентни системи, които са усвоили знанията на специалистите по
специфични дейности - имат голямо практическо значение, с успех
прилага се в много области като компютърно подпомагано проектиране,
медицинска диагностика, химичен анализ и синтез и др.
Във всички тези области основните трудности са свързани с това, че недостатъчно проучените и
разбират принципите на човешката интелектуална дейност, процеса на създаване
решения и решаване на проблеми. Ако през 1960 г Имаше много дискусии по въпроса „може ли
компютър да мисли”, сега въпросът е поставен по различен начин: „достатъчно добър ли е човекът
разбира как мисли, за да прехвърли тази функция на компютъра”? По силата на това,
работата в областта на изкуствения интелект е тясно свързана с изследванията на
съответните раздели на психологията, физиологията, лингвистиката.

1.9.2. Представяне на знания в системите за изкуствен интелект

Основната характеристика на интелигентните системи е, че те се основават на
знания, или по-скоро, върху някои от тяхното представяне. Знанието тук се разбира като
съхранявана (с помощта на компютър) информация, формализирана в съответствие с някои
правила, които компютърът може да използва при логически извод според определени
алгоритми. Най-фундаменталният и важен проблем е описанието
семантично съдържание на проблеми от най-широк кръг, т.е. трябва да се използва
форма на описание на знанията, която би гарантирала правилната им обработка
съдържание според някои формални правила. Този проблем се нарича проблем
представяне на знанието.
В момента най-известни са три подхода за представяне на знанието в
дискутирани системи:
производствени и логически модели;

Семантични мрежи;
рамки.
Производствените правила са най-простият начин за представяне на знания. Тя се основава на
представяне на знанието под формата на правила, структурирани по образец
"АКО-ТОГАВА". Частта "АКО" на правилото се нарича предпоставка, а частта "ТОГАВА" се нарича заключение, или
действие. Общото правило е написано така:

АКО A1, A2, ..., An ТОГАВА B.

Такава нотация означава, че „ако всички условия от A1 до An са верни, тогава B
също вярно" или "когато всички условия от A1 до An са изпълнени, тогава
действие Б.
Помислете за правилото

АКО
(1) y е бащата на x

(2) z е брат на y
ТОГАВА
z е чичото на x

В този случай броят на условията n = 2.
В случай на n = 0, производството описва знание, състоящо се само от умозаключения, т.е. факт.
Пример за такова знание е фактът "атомната маса на желязото е 55,847 amu".
Променливите x, y и z показват, че правилото съдържа някакво универсално, общо
знания, извлечени от конкретни стойности на променливи. Същата променлива
използвани в изхода и различни изпращания, може да получи различни специфични
стойности.

Знанията, представени в интелектуалната система, формират базата от знания. AT
Интелигентната система включва и механизъм за изводи, който позволява на базата на
знания, налични в базата от знания, за придобиване на нови знания.
Нека илюстрираме казаното. Да предположим, че в базата знания, заедно с горното
Правилото съдържа и следните знания:

АКО
(1) z е бащата на x

(2) z е бащата на y

(3) x и y не са едно и също лице

x и y са братя
ТОГАВА
Иван е баща на Сергей

Иван е баща на Павел

Сергей е баща на Николай

От представените знания може формално да се заключи, че Павел е
чичо Никола. Предполага се, че едни и същи променливи са включени в различни
правилата са независими; обекти, чиито имена тези променливи могат да получат по никакъв начин
взаимосвързани. Формализирана процедура, която използва съвпадение (когато
който установява дали две форми на представяне съвпадат помежду си, в т.ч
заместване на възможни стойности на променливи), търсене в базата знания, връщане към оригинала
състояние в случай на неуспешен опит за решаване, е механизъм за извод.

Простотата и яснотата на представяне на знанието с помощта на продукти доведоха до неговото
приложение в много системи, които се наричат ​​производствени.
Семантичната мрежа е различен подход към представянето на знанието, който се основава на
представяне на понятия (същности) с помощта на точки (възли) и връзки между тях с
с помощта на дъги в равнина. Семантичните мрежи са в състояние да покажат структурата на знанието
в цялата сложност на техните взаимоотношения, да свързват обектите и техните свойства в едно цяло. AT
като пример част от семантичната мрежа, свързана с
понятието "плод" (фиг. 1.41).

Ориз. 1.41. Пример за семантичен уеб

Рамковата система притежава всички свойства, присъщи на езика за представяне на знания, и
в същото време това е нов начин за обработка на информация. Думата "рамка" в
в превод от английски означава "рамка". Рамката е единица за изглед
знания за обект, които могат да бъдат описани с определен набор от понятия и
субекти. Рамката има определена вътрешна структура, състояща се от комплект
елементи, наречени слотове. Всеки слот от своя страна е представен
специфична структура от данни, процедура или може да бъде свързана с друга рамка.

Рамка: човешка

клас
животно
Структурен елемент
Глава, шия, ръце, крака...
Растеж
30–220 см
Тегло

1–200 кг
опашка
Не
рамка за аналогия
маймуна

Има и други, по-рядко срещани подходи за представяне на знанието в
интелигентни системи, включително хибридни, базирани на вече описани подходи.
Изброяваме основните характеристики на представянето на машинните данни.
1. Вътрешна интерпретируемост. Осигурява се, че всяка информация
единици на неговото уникално име, с което системата го намира, за да отговори
заявки, в които се споменава това име.
2. Структуриран. Информационните звена трябва да имат гъвкава структура,
за тях трябва да бъде изпълнен „принципът на матрьошка”, т.е. гнездене на някои
информационни единици на други, трябва да е възможно да се установи
отношения като "част - цяло", "род - вид", "елемент - клас" между индивида
информационни единици.
3. Свързаност. Трябва да е възможно да се установят връзки между различни
тип между информационните единици, които биха характеризирали взаимоотношенията
между информационните единици. Тези отношения могат да бъдат или декларативни
(описателни) и процедурни (функционални).
4. Семантична метрика. Позволява ви да зададете ситуационна близост
информационни единици, т.е. стойността на връзката между тях. Такава близост
ви позволява да подчертаете някои типични ситуации в знанието, да изградите аналогии.
5. Дейност. Изпълнението на действия в интелигентната система трябва да бъде инициирано
не по някакви външни причини, а от сегашното състояние на
знания. Появата на нови факти или описание на събития, установяването на връзки трябва
стават източник на системна активност.

1.9.3. Моделиране на разсъждения

Разсъждението е един от най-важните видове човешка умствена дейност, в
в резултат на което той формулира въз основа на определени изречения, твърдения,
присъди нови изречения, твърдения, присъди. Валиден Механизъм
човешките разсъждения остават недостатъчно проучени. човек
разсъжденията са присъщи: неформалност, размита, нелогичност, широк
използване на образи, емоции и чувства, което ги прави изключително трудни
изследвания и моделиране. Към днешна дата най-добре проучената логика
разсъждения и разработи множество механизми на дедуктивни изводи, внедрени в
различни интелигентни системи, базирани на представяне на знанието, използващо
логика на предикатите от 1-ви ред.
Предикатът е конструкция от формата P(t1, t2, ..., tn), изразяваща някаква връзка между
някои обекти или свойства на обекти. Обозначаването на тази връзка или свойство,
P се нарича "предикатен символ"; t1, t2, …, tn се наричат ​​термини, те означават
обекти, свързани със свойство (предикат) R.
Условията могат да бъдат само от следните три вида:
1) константа (означава отделен обект или понятие);
2) променлива (означава различни обекти в различно време);
3) съставен член - функция f(t1, t2, ..., tm), която има термините t1 като m аргументи,
t2, ..., tm.
Пример 1
1. Изречението „Волга се влива в Каспийско море“ може да се запише като сказуемо

се влива в (Волга, Каспийско море).

„Потоци” е предикатен символ; "Волга" и "Каспийско море" са топлинни константи. ние
може да обозначи връзката "потоци" и обектите "Волга" и "Каспийско море"
символи.
Вместо срочни константи, можете да разгледате променливи:

влива се в (X, Каспийско море)

се влива в (X, Y).

Това също са предикати.
2. Съотношение x + 1< у можно записать в виде предиката А(х, у). Предикатный символ А
тук означава какво "остава" от x + 1< у, если выбросить из этой записи
x и y променливи.
И така, предикатът е логическа функция, която приема стойностите "true" или "false" в
в зависимост от стойностите на техните аргументи. Извиква се броят на аргументите за предикат
неговата арност.
И така, за нашите примери предикатът „потоци“ има арност 2 и за X = „Волга“ и Y =
"Каспийско море" е вярно, докато X = "Дон", Y = "Бискайски залив" е невярно. Предикат
И в пример 2 той също има арност от 2, вярно за X = 1, Y = 3 и невярно за X = 3, Y = 1.
Предикатите могат да се комбинират във формули с помощта на логически съединителни връзки (съюзи): ^
↔
(И, съвпад), v (ИЛИ, дизюнкция), ~ (НЕ, отрицание),
(„трябва“, внушение),
(„ако и само ако“, еквивалент).
→
Таблицата на истинността (Таблица 1.15) на тези съюзи ви позволява да определите дали е вярно или невярно
стойността на формулата на връзката за различни стойности на предикатите A и B (и -
вярно, l - невярно).

Таблица 1.15
Истинност на снопове предикати

НО
AT
A^B

А срещу Б
~А
НО
НО
B→
B↔
и
и
и
и
л
и
и
и
л
л
и
л
л
л
л
и
л
и
и
и
л

л
л
л
л
и
и
и

Математически строги формули на предикатната логика се дефинират рекурсивно:
1) предикатът е формула;
2) ако A и B са формули, тогава A, B, A ^ B, A v B, A
3) няма други формули.
→
Б, А
↔
B - също формули;
Много формули на предикатната логика изискват използването на квантори, които дефинират
диапазон от стойности на променливи – аргументи на предикати. Използват се количествени измерители
обобщение: (обърнато A от английски All - всички) и екзистенциалният квантор (обърнат E
от английски. Съществува - съществува). Записът x се чете "за всеки x", "за всеки x"; Х -
"има x", "за поне едно x". Кванторите свързват предикатни променливи, on
които действат и превръщат предикатите в предложения.
Пример 2
Нека въведем обозначението: A(x) – ученик x е отличник; B(x) – ученик x получава
увеличена стипендия. Сега формула А (Иванов)
Иванов е отличен ученик, следователно студентът Иванов получава повишена стипендия,
и формулата с общия квантор (x) (A(x)
учи добре, получава повишена стипендия.
B(x)) означава: всеки ученик, който
V (Иванов) означава: ученик
→
→
От различните формули се нуждаем само от един от техните видове, наречени фрази
Клаксон. Роговите фрази съдържат най-общо значението и връзката на предикатите A,
B1, B2, ..., Bn, както следва: B1, B2, ..., Bn
А или в по-удобна нотация:
→

A: – B1, B2, ..., Bn

(прочетете: И ако B1 и B2 и ... и Bn).
Очевидно фразата на Хорн е форма на запис на определено правило и в бъдеще ще бъде така
наречено правило. Предикат А се нарича глава или глава на правилото и
предикатите B1, B2, ..., Bn са неговите подцели.
Очевидно един-единствен предикат е специален случай на фразата на Хорн: A.
Друг специален случай на фразата на Хорн е правилото без глава.

: – B1, B2, ..., Bn,

Фразата на Хорн се нарича въпрос. Ще напишем ":-B" като "? - Банда
": - B1, B2, ..., Bn" във формата "? – B1, B2, ..., Bn”.
А) →
Нека обясним логическия смисъл на такава формула. Припомнете си, че импликацията A: – B (B
може да се изрази чрез отрицание и дизюнкция: ~B v A (проверете това с
таблици на истината). Така че, ако A се изхвърли, остава само ~B - отрицанието на B.
Формула
B1, B2, ..., Bn означава отрицание на съединението ~(B1 ^ B2 ^ ... ^ Bn), което чрез
Законът на де Морган ~(X ^ Y) = (~X) v (~Y) е равен на (~B1) v (~B2) v ... v (~Bn) – дизюнкции
отричания.
←
Наборът от фрази на Хорн във връзка с някаква проблемна област формира теория
(в логически смисъл).
Пример 3
Помислете за предметната област: полагане на изпит по определена дисциплина. Да се ​​представим
обозначения:
А - студентът успешно издържа изпита;
Б - ученикът е посещавал занятия;

В – ученикът е усвоил учебния материал;
Г - ученикът е учил самостоятелно;
E - ученикът подготви cheat sheet.
Ограничаване на знанията за предметна областследните твърдения:
студентът ще положи успешно изпита, ако ученикът е усвоил учебния материал;
ученикът е усвоил учебния материал, ако ученикът е посещавал часовете и ученикът е учил
самостоятелно;
ученикът е посещавал занятия;
студентът работи самостоятелно.
Формуляр за логически запис:
A: - C;
C: – B, D;
AT;
Д.
В горния пример можете да извършите логически извод. И така, от истината на фактите
B и D и правила C: - B, D предполага истинността на C, а от правило A: - C е истината
предикат А, т.е. студентът ще издържи успешно изпита. Освен това правила A: - C и C: - B, D
може да се пренапише като A: – B, D.
В тези случаи се използват правила за извод, наречени метод за разрешаване.
Помислете за най-простата форма на разрешаване. Да предположим, че има "родител"
предложения
отрицание: ~A
внушение: A: - B.
В резултат на една стъпка на разделителен извод получаваме ново изречение B, което
се нарича разделител. В този случай разделителната способност следва стандарта
правило за извод на предложение:
като се приеме, че не А

и А, ако Б
извеждайте не V.
Още по-прост случай:
отрицание: ~A
факт: а.
Разтворът е противоречие.
По принцип има родителски изречения

~(A1 ^ ... ^ An)
Аk:– В1, ..., Вm, 1 ≤ k< n.

Като разделителна способност, една стъпка от извеждането дава ~(A1 ^ ... ^ Ak - 1 ^ B1 ^ ... ^ Bm ^
Ak + 1 ^ ... ^ An).
По този начин резолюцията е заместване на предикати - подцели B1, ... Bm
вместо съответния предикат Ak от отрицание. Отрицанието инициира логическо
заключение и следователно се нарича молба (или въпрос) и се обозначава с A1, A2, ..., An.
Значението на метода на разделяне е, че отрицанието на съюза и
проверява дали стойността му е вярна или невярна. Ако стойността на получената
съюз е фалшив, така че се оказа противоречие и тъй като в началото беше
отрицание на предикатите, се извършва доказателство "от обратно". Ако се получи
стойност "true", тогава доказателството не е удовлетворено.
Пример 4
Нека предикат дава (X, Y, Z) означава "X дава Y на някакъв обект Z" и
предикатът get (X, Y) означава "Y получава X". Нека знания за тези
отношенията се изразяват с изречения:
1) получава (вие, власт): - дава (логика, сила, вие);
2) дава (логика, сила, вие).
Задачата, която трябва да се реши, е да се отговори на въпроса: получаваш ли
сила?

Нека представим този въпрос под формата на отрицание ~ gets (вие, сила). Предложение Резолюция
1 и отрицанието води до ~ дава (логика, сила, вие), което заедно с факт 2 води до
противоречие. Следователно отговорът на първоначалния проблем е „да“.
Досега разглеждахме резолюцията за изрази или предикати без променливи.
Ако изводът е направен за набор от предикати с променливи като
аргументи, тези променливи в хода на изхода получават стойностите на съответните
константи или, както се казва, се определят от константи.
Нека обясним това с пример.
Пример 5
Помислете за следните родителски изречения:
1) ~ получава (вие, Y);
2) получава (X, сила): - дава (Z, сила, X).
Те съдържат три променливи X, Y и Z, които са имплицитно засегнати от
общ квантор. Така че изречение 1 гласи, че "за всички Y не получавате Y",
и 2 е "за всички Z, всеки X получава мощност, ако Z дава мощност на X." Правило за разделителна способност
изисква предиката от отрицание 1 да съответства на главата на правило 2. Това означава, че
променливите получават стойности (посочени) според тяхното място в
изречения 1 и 2, както следва: X = вие, Y = сила. Предикат получава (ти, сила)
се нарича общ пример за предикатите gets(you, y) и gets(x, power).
Изложените положения на логиката на предикатите са реализирани и по-нататъчно развитиев
език за програмиране Prolog.

1.9.4. Разпознаване на шаблон

Разпознаването на образи е набор от методи и средства за автоматично
възприемане и анализ на околния свят.
Задачите на теорията за разпознаване на образи са:
автоматично четене на машинописни или ръкописни текстове;
възприемане на речта (независимо от характеристиките на езика и говорещия);

Медицинска, психолого-педагогическа диагностика;
автоматичен симултанен превод от един език на друг;
отдалечена идентификация на обекти и др. Има два класа изображения:
конкретно и абстрактно.
Конкретни изображения - всички реални обекти от околния свят, техните изображения и
описания; абстрактни - понятия, категории, мнения, пожелания и др. В съответствие със
това дефинира два варианта на разпознаване: възприятие и концептуално.
В системите за перцептивно разпознаване (като правило това са технически системи)
входният елемент е сензор, чиято задача е да трансформира физическото
стойност, характеризираща наблюдавания обект от реалния свят, към друга стойност,
предназначени за възприемане от неговата система за обработка. От гледна точка на теорията
информационен сензор е елемент от координацията на устройството за обработка на входа
сигнали, а изходните му сигнали дават "априорно" описание на наблюдавания обект.
Изходните сигнали на сензора обикновено са аналогово-цифрови или
дигитален.
В концептуалните системи ролята на сензор се играе от абстрактни, логически системи (напр
правило, изградено на принципите на булевата алгебра).
Помислете за основните задачи и методи за разпознаване на модели.
Задача 1. Изучаване на характеристиките на обектите и установяване на разликите и приликите на изучаваните
обекти.
Пример: периодичната таблица на Менделеев, класификация на растенията и животните
света на Линей и Дарвин.
Задача 2. Класификация на разпознаваеми обекти или явления. Основното нещо -
избор на подходящ принцип на класификация.
Пример: колекция на нумизмати, разпознаване на самолети.
Задача 3. Съставяне на речник на характеристиките, използвани като за априорно описание
класове и за апостериорното описание на всеки неизвестен обект. знаци
могат да бъдат разделени на логически (детерминистични) и вероятностни.
Пример: автоматична смяна на монети. Разпознаване на монети. Мога
измислете различни знаци, но сред тях има целесъобразни (диаметър, маса).

Задача 4. Описание на класове обекти на езика на признаците.
Функционално пространство метод. Разпознаваемите обекти имат характеристики. Нека G = (G1,
G2, ..., Gk ...) е набор от обекти. Всеки обект има характеристики С – (с1, c2, ...,
cn), сред които има съществени и несъществени. Основни характеристики
наричаме дефиниращи и обозначаваме Y = (y1, y2, ..., ym). Нека дефинираме m-мерното
Характерно пространство на обекти, на което съответства всяка точка от пространството
обект.
Пример: разгледайте набор от триъгълници като определящи характеристики
да вземем техните страни, които можем да измерим (фиг. 1.42, а). Може да вземе
ъгли, или една страна и два ъгъла и т.н.

Ориз. 1.42. Функционално пространство метод

Получените данни могат да бъдат показани в триизмерно пространство на характеристиките x1, x2, x3
(фиг. 1.42, б). В него могат да се разграничат пет класа (подпространства): класът
равностранни триъгълници x1 \u003d x2 \u003d x3, (права линия, представляваща пространствената
бисектриса); клас равнобедрени триъгълници x1 = x2 (равнина, минаваща през
оста x3 и ъглополовящата на равнината x1, x2); клас правоъгълни триъгълници,
остър и тъпоъгълен триъгълник.
По този начин извършихме идентификацията на класовете (имена и
атрибутите на класовете са дефинирани). По-нататъшно решение за разпознаване на обект
(произволен триъгълник) се свързва с определянето на принадлежността на разпознаваемото
обект на някакъв клас.
В общи линии проблемът с разпознаването може да се формулира като проблем на развитието
процедури за разделяне на набор от обекти в класове.
Нека G = (G1, G2, ..., Gk...) е набор от обекти. За тях са дефинирани n характеристики,
който може да бъде представен като вектор X = (x1, x2, ..., xn). Стойности на характеристиките
елементите на набор от обекти могат да бъдат дефинирани по три начина:
количествено (измерване на характеристиките на дадена черта);

Вероятностни (стойността е вероятността за настъпване на събитието);
алтернативно (двоично кодиране - да/не).
Нека множеството от обекти е разделено на m класове 1, 2, ..., m. Изисква се за разпределяне
в пространството на признаците на домейни Di, i = 1, ..., m, еквивалентни на класове, т.е. ако обект
принадлежи на класа k, то съответстващата му точка лежи в областта Dk.
Ω
Ω Ω
Ω
В алгебричната интерпретация проблемът за разпознаване може да бъде формулиран по следния начин
начин.
Необходимо е да се построят разделящи функции Fi(x1, x2, ..., xn), i = 1, ..., m, с
свойства: ако някакъв обект с характеристики (x01, x02, ..., x0n)
i, след това стойността
Fi(x01, x02, ..., x0n) трябва да е най-големият. Трябва да е най-голямото за другите
стойности на характеристиките на обекти, свързани с
аз, т.е.
Ω
Ω

По този начин, границата на дяла, наречена граница на решението между домейните Di,
се изразява с уравнението Fp(x) – Fg(x) = 0.
На фиг. 1.43 показва модела на пространството на характеристиките за двуизмерен случай
пространства D1, D2 със съответните класове 1, 2.
Ω Ω

Ориз. 1.43. Илюстрация за метода на пространственото пространство

Операцията по класификация се състои в разпределение на обекти по класове, където под класа
се отнася до набор от изображения, които имат същите характеристики. Същият комплект
данните могат да служат като източник на различни класификации.
Пример: Намирането на буква в N буквената азбука е проблем с N класове, намирането
гласни или съгласни в една и съща азбука - задача за два класа. Обикновено броят на класовете
се увеличава. Ако техният брой не е известен предварително, тогава те казват за учене "без учител"

(самообучение). Ако цялото обектно пространство е разделено и набори от обекти в класове
не са дефинирани, то това е „контролирано“ учене.
Задача 5. Разработване на алгоритъм за разпознаване, който осигурява присвояване
разпознаваем обект към определен клас или някаква комбинация от тях.
Пример: разпознаване на непозната дума. Алгоритмите се основават на сравняване на един или
друга мярка за близост или сходство на разпознатия обект с някакъв клас.
Нека представим понятието разстояние между обектите (подобието на два обекта). По-малкото
разстоянието между два обекта, толкова по-голямо е сходството между тях. Разстоянието
между точката P X и класа X0 се нарича стойност

d1(P, X0) = inf((P, M)|M X0).

Разстоянието между два класа се определя от стойността

d2(X1, X2) = inf(d1(P, M)|P X1, M X2).

На практика често се използват следните разстояния:
1. Евклидово разстояние

d2(Xi, Xj) = (∑|xik – xjk|2)1/2.

2. Разстояние до Манхатън (метрични градски блокове)

d2(Xi, Xj) = ∑|xik – xjk|.

3. Разстояние на Чебишев

d3(Xi, Xj) = max |xik – xjk| (к).

речников метод. Нека каталогът на всички възможни думи, класифицирани според
дължина на думата и подредени по азбучен ред. Например, помислете за обслужване
Думи на езика за програмиране Pascal:

и така нататък, където N е броят на буквите в речника.
Всеки знак на латинската азбука се дефинира със знак, например неговият ред
брой или честота (вероятност) за появата му в текста.
Нека дефинираме разстоянието между дадена буква и буквите от азбуката като |xa ​​– xb|, където xa –
знак на дадена буква, xb е знак на някаква буква от азбуката. Приемете за
сигурност като знак на една буква е нейният пореден номер в азбуката:

НО
AT
С
д
Е
Ф
г
Х
аз
Дж
Да се
Л
М

н
О
Р
В
Р
С
т
У
V
У
х
Й
З
1
2
3
4
5
6
7
8
9
10
11
12

13
14
15
16
17
18
19
20
21
22
23
24
25
26

Нека n = 4. Дадена е дума с характеристики x1x2x3x4. Например ELSE. В този случай x1 = 5; x2 =
12; х3 = 19; x4 = 5. Означете (ai, xj) =
буквата на i-то място в азбуката и признакът xj.
θ
ij = |ai – xj| - число, равно на разликата на признака
θ
Намерете разстояния в Манхатън за всички думи от речника

Най-малката сума (разстояние) се свързва с втората дума от речника. То определя
прилика с разпозната дума.
Задача 6. Разпознаване на изображения.
Пример: разпознаване на буквено изображение. Получава се разпознаваем образ
по различни начини и се характеризира с различни стойности.

Растерният обект по-често се представя като дадено матрично отношение на характеристиките.
Например, чрез наслагване на N x M мрежа върху изображение, можете да дефинирате във всяка клетка
нивото на "чернота" или "сиво" (за черно-бели изображения) по числа в диапазона. В този случай 0 е бяло, 1 е черно.
По този начин изображение А може да бъде представено като матрица

където елементите на матрицата определят излъчвателната способност на всяка i, j-та клетка.
Нека е известен речник на изображения, например изображения на букви от руската азбука.
В този случай ще приемем, че съответните матрици на чернотата представляват
обобщени букви, т.е. съставно изображение от букви с различни шрифтове, шрифтове и стилове.
Нека A1, A2, ..., Ap е набор от изображения (класове), H е разпознаваем образ.
Тогава проблемът с разпознаването се свежда до намиране на екземпляр (реализация) Ak, най-много
близки по отношение на разстоянието до N.
синтактично разпознаване. Има отделен клас задачи, свързани с
синтактично разпознаване на даден низ на някакъв език в смисъла на него
граматика. Граматиката е механизмът за създаване на език. Има генеративни и
разпознаване на граматики (фиг. 1.44).

Ориз. 1.44. Генериране и разпознаване на граматики

Разпознаването на краен автомат е пет обекта: A = (S, X, s0, d, F),
където S е крайно непразно множество (от състояния); X е крайно непразно множество
входни сигнали (входна азбука); s0< S – начальное состояние; d: S x X
преходна функция; F е множеството от крайни състояния.
S – →

Крайният автомат A = (S, X, s0, d, F) допуска входна верига от X*,
ако тази верига го изведе от първоначалното състояние в едно от крайните
държави.
Наборът от всички низове, разрешени от автомата A, образува езика, разрешен от A.
Език, за който съществува краен автомат, който го разпознава, се нарича
автоматичен език.
Примери за езици (V - азбука, L - език):
1. V1 = (a, b, c); L= (abc, aa)

Това е непълна машина. (Двойната рамка показва крайните състояния.)
2. V2 = (a, b, c); L = о.
Всеки автомат с празен набор от крайни състояния допуска L.
3. V3 = (a, b, c); L = V*.
V* е набор от вериги с произволна дължина.
Автомат с едно състояние, което е окончателно, има три
преход от това състояние в същото

5. V5 = (0, 1); L = (набор от четни двоични числа)

6. V6 = (+, -, 0, ..., 9); L = (набор от целочислени числови константи)

7. V7 = (+, –, 0, ..., 9, "."); L = (набор от реални числа)

Синтактичните диаграми играят важна роля в компютърните науки. Синтактичен
диаграмите са насочени графики с един входен ръб, един изходен ръб
и маркирани върхове. Те определят езика и следователно са генеративни
граматики на автоматичните езици.

Валидни низове: aab, aacabcb и т.н.
Примери са синтактични диаграми на Pascal, C.
Може да се докаже следното твърдение: всеки автоматен език е даден от
синтактична диаграма и обратно, според всяка синтактична диаграма, можете
изградете краен автомат (обикновено недетерминиран) разпознаващ
езикът, на който е зададена синтактична диаграма.
Чрез конструиране на подходящ разпознаващ автомат от синтактичната диаграма, човек може
след това реализирайте този автомат или в хардуер, или в софтуер. По този начин,
Синтаксичните диаграми служат не само за генериране, но и за разпознаване
автоматични езици.

1.9.5. Интелигентен интерфейс на информационната система

Анализът на развитието на компютърните технологии ни позволява да твърдим, че то
непрекъснато се развива в две посоки.
Първото направление е свързано с подобряване на параметрите на съществуващите компютри,
повишаване на производителността им, увеличаване на обема на техните оперативни и дискови
памет, както и с подобряването и модификацията на софтуера,
насочени към подобряване на ефективността на техните функции.
Второто направление определя промените в технологията за обработка на информация,
което води до по-добро използване на компютърните системи. развитие в това
посока е свързана с появата на нови видове компютри и качествено нови
софтуерни инструменти, които допълват съществуващите.
Разработването на софтуерни инструменти е на път да увеличи удобството на интерфейса,
тези. такова опростяване на управлението им, че потребителят не изисква специални
подготовка и системата създава най-комфортни условия за нейната работа.
Основната насока при усъвършенстването на изчислителните системи е превръщането им в
удобен партньор за крайния потребител при решаването на проблеми по време на неговата
професионална дейност.
За да се осигури най-голямо удобство на интерфейса на софтуерния инструмент с
потребителят първо трябва да стане интелигентен. интелигентен интерфейс,
осигуряване на директно взаимодействие между крайния потребител и компютъра
при решаване на проблем като част от система човек-машина, трябва да се изпълняват три групи
Характеристика:
предоставяне на потребителя с възможност за задаване на задача за компютър чрез
съобщава само условията на проблема (без да посочва програмата за решение);
предоставяне на потребителя с възможност за създаване на среди за решаване на проблема с
използвайки само термини и понятия от сферата на професионалната дейност
потребител, естествени форми на представяне на информация;
осигуряване на гъвкав диалог с помощта на различни средства, вкл
регулиран предварително, с коригиране на възможни потребителски грешки.
Структурата на системата (фиг. 1.45), която отговаря на изискванията на новата технология за решение
задачата се състои от три компонента:
изпълнителна система, която е набор от средства,
осигуряване на изпълнението на програмите;

База от знания, съдържаща система от знания за проблемната среда;
интелигентен интерфейс за адаптивност
изчислителна система към потребителя и включва система за комуникация и
разрешаващ проблеми.
Такава система се различава значително от създадените на по-ранни етапи.
развитие на информатиката и компютърните технологии. Начинът за прилагане на най-новото
информационни технологиивключва използването на компютърни системи,
изградена на базата на представяне на знания за предметната област на задачата и
интелигентен интерфейс.

Ориз. 1.45. структура съвременна системарешаване на приложни проблеми

1.9.6. Структурата на съвременна система за решаване на приложни задачи

Развитието на системите за изкуствен интелект върви първо по пътя на моделирането
общи интелектуални функции на индивидуалното съзнание. Развитието обаче
компютърни технологии и софтуер през 90-те години. опровергава прогнозите
предишни десетилетия за предстоящия преход към компютри от пето поколение.
Интелектуалните функции на по-голямата част от софтуерните комуникационни системи, базирани на
естественият език все още не се използва широко в индустриален мащаб.
Характерната инфлация е претърпяла такова нещо като „нова информация
технология". Първоначално тази концепция означаваше интелигентен интерфейс към базата данни
данни, което позволява на потребителите на приложението да комуникират директно с тях
естествен език. В днешно време "нови информационни технологии" означават
просто технологии, които използват компютърни технологии при обработката на информация, в
включително технологии, базирани на използването на процесори за текст и електронни таблици, и
както и информационни системи.
Изправени пред непреодолими проблеми, разработчиците на система, която има
"общ" изкуствен интелект, пое пътя на все повече и повече
специализации, първо към експертни системи, след това към индивидуални

много специфични интелигентни функции, вградени в кутиите с инструменти
софтуерни инструменти, които досега не са били разглеждани в обхвата на разработките в
изкуствен интелект. Например, такива системи сега често имат
възможности за аналитични математически изчисления, превод на технически и
бизнес текстове, разпознаване на текст след сканиране, синтактичен анализ
фрази и изречения, самонастройка и др.
Парадигмата за изследване и развитие на ИИ е постепенно
се преразглежда. Очевидно възможността за бързо развитие на софтуерни системи,
моделиране на интелектуалните функции на индивидуалното съзнание, до голяма степен
най-малко изтощен. Трябва да се обърне внимание на новите възможности
отворени информационни системи и мрежи във връзка с общественото съзнание.
Развитието на изчислителни системи и мрежи очевидно води до създаването на нов тип
общественото съзнание, което информационни средстваще бъдат органично включени
като технологична среда за обработка и предаване на информация. След това човечеството
ще получи точно хибридния човеко-машинен интелект, не толкова в мащаб
индивидуалното съзнание, колко в сферата на обществената практика.

тестови въпроси

1. Каква е историята на възникването и развитието на изследванията върху изкуствените
интелигентност?
2. Кои са отличителните черти на задачите от областта на изкуствения интелект?
3. Опишете областите на изследвания в областта на изкуствения интелект.
4. Какво е „знание” от гледна точка на системите за изкуствен интелект?
5. Какъв е методът на представяне на знанието с помощта на продукции?
6. Какво представлява представянето на знанието, базирано на семантичната мрежа?
7. Как могат да се използват рамковите системи за представяне на знанието?
8. Какви са разликите между представянето на знанието в интелигентните системи и представянето
само данни?
9. Какво означава понятието „предикат“?

10. Какво е „фраза на клаксона“?
11. Как е логическото заключение с помощта на метода на разделяне?
12. Проверете валидността на законите на де Морган: ~(X ^ Y) = (~X) v (~Y) и ~(X v Y) =
(~X) ^ (~Y).
13. В каква посока се развиват интерфейсните части на информационните системи?
14. Каква е дружелюбността на софтуерния интерфейс?
15. Каква е структурата на модерните информационни системи на бъдещето?

КИБЕРНЕТИКА, дисциплина, посветена на изучаването на системите за управление и комуникация при животните, в организации и механизми. Терминът е използван за първи път в този смисъл през 1948 г. от Норберт Винер. Научно-технически речник

кибернетика - КИБЕРНЕТИКА [не], -и; добре. [от гръцки. kybernētikē - кормчия, кормчия] Науката за общите модели на процесите на управление и комуникация в организираните системи (в машините, живите организми и обществото). ◁ Кибернетичен, th, th. K система. Обяснителен речник на Кузнецов

кибернетика - съществително, брой синоними: 2 неврокибернетика 1 корумпирано момиче на империализма 2 Речник на синонимите на руския език

кибернетика - орф. кибернетика и Правописният речник на Лопатин

КИБЕРНЕТИКА – (ИКОНОМИЧЕСКА) (от гръцки kybernetike – изкуството на управление) е наука за общите закони, управляващи икономическите системи и използването на информацията в управленските процеси. Икономически речник на термините

кибернетика - кибернетика ж. 1. Научна дисциплина, която изучава общите модели на получаване, съхраняване и предаване на информация в организирани системи (в машини, живи организми и общество). 2. Академичен предмет, съдържаща теоретична основана тази дисциплина. Тълковен речник на Ефремова

Кибернетика - I Кибернетика в медицината. Кибернетиката е наука за общите закони на управление в системи от всякакво естество – биологични, технически, социални. Основният обект на изследване... Медицинска енциклопедия

кибернетика - Кибернетика, кибернетика, кибернетика, кибернетика, кибернетика, кибернетика, кибернетика, кибернетика, кибернетика, кибернетика, кибернетика, кибернетика, кибернетика граматически речникЗализняк

кибернетика - КИБЕРНЕТИКА [ne], и, е. Науката за общите закони, управляващи процесите на управление и предаване на информация в машините, живите организми и обществото. | прил. кибернетичен, о, о. Обяснителен речник на Ожегов

КИБЕРНЕТИКА – КИБЕРНЕТИКА (от гръцки kybernetike – изкуството на управление) е наука за управление, комуникация и обработка на информация. Основен обект на изследване е т.нар. кибернетични системи, разглеждани абстрактно, независимо от тяхната материална природа. Голям енциклопедичен речник

Кибернетика - I Кибернетика (от гръцки kybernetike - изкуството на управление, от kybernáo - карам, управлявам) науката за управление, комуникация и обработка на информация (виж Информация). Предмет на кибернетиката. Основният обект на изследване... Голяма съветска енциклопедия

КИБЕРНЕТИКА - КИБЕРНЕТИКА (от гръцки kyberne - tice - изкуството на управление) - англ. кибернетика; Немски Кибернетичен. Науката за общите закони за получаване, съхраняване, предаване и обработка на информация в машини, живи организми и общество. В зависимост от сферата на приложение има поливен., Икономика. и социални ДА СЕ. социологически речник

кибернетика - Науката за контрол, комуникация и обработка на информация. Основният обект на изследване са кибернетичните системи от най-разнообразна материална природа: автоматични контролери в технологиите, компютри, човешки мозък, биологични популации... Техника. Съвременна енциклопедия

кибернетика - и добре. Науката за общите закономерности на процесите на управление и комуникация в организирани системи (в машини, живи организми и общество). [От гръцки. κυβερνήτης - кормчия, кормчия] Малък академичен речник

Известни учители

• Л. А. Петросян - доктор на физико-математическите науки, професор, професор на катедрата математическа теорияигри и статични решения. Област на научно ръководство: математическа теория на игрите и нейните приложения
• А. Ю. Александров – доктор на физико-математическите науки, професор, професор в катедра „Управление на медико-биологичните системи“. Област на научно ръководство: качествени методи на теорията на динамичните системи, теория на стабилността, теория на управлението, теория на нелинейните трептения, математическо моделиране
• С. Н. Андрианов - доктор на физико-математическите науки, професор, професор в катедрата по компютърно моделиране и многопроцесорни системи. Област на научно ръководство: математическо и компютърно моделиране на сложни динамични системи с управление
• Л. К. Бабаджанянц - доктор на физико-математическите науки, професор, професор в катедра Механика на управлявано движение. Област на научно ръководство: математически проблеми на аналитичната и небесната механика, космическата динамика, теореми за съществуване и непрекъснатост за решаване на задачата на Коши за обикновени диференциални уравнения, теория на стабилността и контролирано движение, числени методи за решаване на неправилно поставени задачи, създаване на приложни софтуерни пакети
• В. М. Буре - доктор на техническите науки, доцент, професор в катедрата по математическа теория на игрите и статични решения. Област на научно ръководство: вероятностно-статистическо моделиране, анализ на данни
• Е. Ю. Бутирски - доктор на физико-математическите науки, професор, професор в катедрата по теория на управлението на Санкт Петербургския държавен университет. Област на научното лидерство: теория на управлението
• Е. И. Веремей - доктор на физико-математическите науки, професор, професор в катедрата по компютърни технологии и системи. Област на научно ръководство: разработване на математически методи и изчислителни алгоритми за оптимизиране на системите за управление и методи за тяхното компютърно симулиране
• Е. В. Громова – кандидат физико-математически науки, доцент, доцент в катедра „Математическа теория на игрите и статистически решения“. Област на научно ръководство: теория на игрите, диференциални игри, кооперативна теория на игрите, приложения на теорията на игрите в управлението, икономиката и екологията, математическа статистика, статистически анализи в медицината и биологията
• О. И. Дривотин - доктор на физико-математическите науки, ст. научен сътрудник, професор в катедра "Теория на системите за управление на електрофизични съоръжения". Област на научно ръководство: моделиране и оптимизиране на динамиката на снопове от заредени частици, теоретични и математически проблеми на класическата теория на полето, някои проблеми на математическата физика, компютърни технологии в физически проблеми
• Н. В. Егоров - доктор на физико-математическите науки, професор, професор в катедра Моделиране на електромеханични и компютърни системи. Област на научно ръководство: информационно-експертни и интелигентни системи, математическо, физическо и естествено моделиране на структурни елементи на изчислителни устройства и електромеханични системи, диагностични системи на базата на електронни и йонни лъчи, емисионна електроника и физически аспекти на методите за наблюдение и управление свойствата на твърдата повърхност
• A.P. Жабко - доктор на физико-математическите науки, професор, професор в катедрата по теория на управлението. Област на научно ръководство: диференциално-диференциални системи, здрава стабилност, анализ и синтез на системи за плазмен контрол
• В. В. Захаров - доктор на физико-математическите науки, професор, професор в катедрата по математическо моделиране на енергийни системи. Област на научно ръководство: оптимално управление, теория на игрите и приложения, оперативни изследвания, приложна математическа (интелектуална) логистика, теория на трафика
• Н. А. Зенкевич - доцент в катедрата по математическа теория на игрите и статистически решения. Област на научно ръководство: теория на игрите и нейните приложения в управлението, теория на конфликтно-контролирани процеси, количествени методи за вземане на решения, математическо моделиране на икономически и бизнес процеси
• А. В. Зубов - доктор на физико-математическите науки, доцент, доцент в катедрата по математическа теория на микропроцесорните системи за управление. Област на научно ръководство: управление и оптимизация на база данни
• А. М. Камачкин - доктор на физико-математическите науки, професор, професор в катедрата по висша математика. Област на научно ръководство: качествени методи на теорията на динамичните системи, теория на нелинейните трептения, математическо моделиране на нелинейни динамични процеси, теория на нелинейните системи за автоматично управление
• В. В. Карелин – кандидат физико-математически науки, доцент, доцент в катедра „Математическа теория на моделирането на системи за управление“. Област на научно ръководство: методи за идентификация; негладък анализ; наблюдаемост; адаптивен контрол
• А. Н. Квитко - доктор на физико-математическите науки, професор, професор в катедрата по информационни системи. Област на научно ръководство: гранични задачи за контролирани системи; стабилизация, методи за оптимизиране на програмните движения, управление на движението на аерокосмически комплекси и други технически обекти, разработване на алгоритми за автоматизирано проектиране на интелигентни системи за управление
• В. В. Колбин - доктор на физико-математическите науки, професор, професор в катедрата по математическа теория на икономическите решения. Област на научно ръководство: математика
• В. В. Корников – кандидат физико-математически науки, доцент, доцент от катедра „Управление на медико-биологичните системи“. Област на научно ръководство: стохастично моделиране в биологията, медицината и екологията, мултивариантен статистически анализ, разработване на математически методи за многокритериална оценка и вземане на решения при несигурност, системи за вземане на решения при проблеми на финансовото управление, математически методи за анализ на несигурност -числова и непълна информация, Байесови модели на несигурност и риск
• Е. Д. Котина - доктор на физико-математическите науки, доцент, професор в катедра "Теория на управлението". Област на научно ръководство: диференциални уравнения, теория на управлението, математическо моделиране, методи за оптимизация, анализ и формиране на динамиката на снопове от заредени частици, математическо и компютърно моделиране в ядрената медицина
• Д. В. Кузютин - кандидат физико-математически науки, доцент, доцент в катедра "Математическа теория на игрите и статистически решения". Област на научно ръководство: математическа теория на игрите, оптимално управление, математически методи и модели в икономиката и управлението
• Г. И. Курбатова – доктор на физико-математическите науки, професор, професор в катедра „Моделиране на електромеханични и компютърни системи“. Област на научно ръководство: неравновесни процеси в механиката на нехомогенни среди; компютърна динамика на флуидите в средата на Maple, проблеми на градиентната оптика, проблеми на моделиране на транспортирането на газови смеси през офшорни тръбопроводи
• О. А. Малафеев - доктор на физико-математическите науки, професор, професор в катедра Моделиране на социално-икономически системи. Област на научно ръководство: моделиране на конкурентни процеси в социално-икономическата сфера, изследване на нелинейни динамични системи, контролирани от конфликти
• С. Е. Михеев - доктор на физико-математическите науки, доцент, доцент на катедрата по математическа теория на моделиращи системи за управление, Санкт Петербургски държавен университет. Област на научно ръководство: нелинейно програмиране, ускоряване на конвергенцията на числени методи, симулация на трептения и звуково възприемане от човешкото ухо, диференциални игри, управление на икономически процеси
• В. Д. Ногин - доктор на физико-математическите науки, професор, професор в катедра "Теория на управлението". Област на научно ръководство: теоретични, алгоритмични и приложни въпроси на теорията на решенията при наличието на няколко критерия
• А. Д. Овсянников - кандидат физико-математически науки, доцент в катедра Технология на програмирането. Област на научно ръководство: компютърна симулация, методи за изчисление, симулация и оптимизация на динамиката на заредените частици в ускорители, симулация и оптимизиране на параметрите на плазмата в токамаците
• D. A. Ovsyannikov - доктор на физико-математическите науки, професор, професор в катедра "Теория на системите за управление на електрофизични съоръжения". Област на научно ръководство: управление на снопове от заредени частици, управление при несигурност, математически методи за оптимизиране на ускоряващи и фокусиращи структури, математически методи за управление на електрофизично оборудване
• И. В. Олемской - доктор на физико-математическите науки, доцент, професор в катедрата по информационни системи. Област на научно ръководство: числени методи за решаване на обикновени диференциални уравнения
• А. А. Печников - доктор на техническите науки, доцент, професор в катедра Технология на програмирането. Област на научно ръководство: уебометрия, проблемно-ориентирани системи, базирани на уеб технологии, мултимедийни информационни системи, дискретна математика и математическа кибернетика, софтуерни системи и модели, математическо моделиране на социални и икономически процеси
• Л. Н. Полякова - доктор на физико-математическите науки, професор, професор в катедрата по математическа теория на моделирането на системите за управление. Област на научно ръководство: негладък анализ, изпъкнал анализ, числени методи за решаване на негладки оптимизационни задачи (минимизиране на максималната функция, разлика на изпъкнали функции), теория на многозначните отображения
• А. В. Прасолов – доктор на физико-математическите науки, професор, професор в катедра „Моделиране на икономически системи“. Област на научно ръководство: математическо моделиране на икономически системи, статистически методи за прогнозиране, диференциални уравнения с последействие
• С. Л. Сергеев - кандидат физико-математически науки, доцент, доцент в катедра Технология на програмирането. Област на научно ръководство: интеграция и приложение на съвременни информационни технологии, автоматизирано управление, компютърно моделиране
• М. А. Скопина - доктор на физико-математическите науки, професор, професор в катедрата по висша математика. Област на научно ръководство: теория на вълните, хармоничен анализ, теория на сближаването на функциите
• Г. Ш. Тамасян - кандидат физико-математически науки, доцент, доцент в катедра "Математическа теория на моделирането на системи за управление". Област на научно наблюдение: негладък анализ, недиференцираща оптимизация, изпъкнал анализ, числени методи за решаване на негладки оптимизационни задачи, вариационно смятане, теория на управлението, изчислителна геометрия
• С. И. Тарашнина - кандидат физико-математически науки, доцент, доцент в катедрата по математическа теория на игрите и статистически решения. Област на научно ръководство: математическа теория на игрите, съвместни игри, игри за преследване, статистически анализ на данни
• И. Б. Токин – доктор на биологичните науки, професор, професор в катедра „Управление на биомедицински системи“. Област на научно ръководство: моделиране на ефекта на радиацията върху клетките на бозайници; анализ на метастабилни състояния на клетките, процеси на авторегулация и възстановяване на увредените клетки, механизми за възстановяване на тъканните системи при външни влияния; човешката екология
• А. Ю. Утешев – доктор на физико-математическите науки, професор, професор в катедра „Управление на медико-биологичните системи“. Област на научно ръководство: символни (аналитични) алгоритми за системи от полиномни уравнения и неравенства; изчислителна геометрия; изчислителни аспекти на теорията на числата, кодирането, криптирането; качествена теория на диференциалните уравнения; проблеми с оптималното разположение на съоръженията (местоположение на съоръжението)
• В. Л. Харитонов – доктор на физико-математическите науки, професор в катедра „Теория на управлението”. Област на научно ръководство: теория на управлението, забавени уравнения, стабилност и стабилна стабилност
• С. В. Чистяков - доктор на физико-математическите науки, професор в катедрата по математическа теория на игрите и статистически решения, Санкт Петербургски държавен университет. Област на научно ръководство: теория на оптималното управление, теория на игрите, математически методи в икономиката
• V. I. Shishkin - доктор на медицинските науки, професор, професор в катедрата по диагностика на функционалните системи. Област на научно ръководство: математическо моделиране в биологията и медицината, използване на математически модели за разработване на диагностични методи и прогноза на заболяването, компютърен софтуер в медицината, математическо моделиране на технологични процеси за производство на елементна база за медицински диагностични устройства
• А. С. Шмиров - доктор на физико-математическите науки, професор, професор в катедрата по механика на управлявано движение на Санкт Петербургския държавен университет. Област на научно ръководство: методи за оптимизация в космическата динамика, качествени методи в хамилтонови системи, апроксимация на функциите на разпределение, методи за противодействие на опасността комета-астероид

Академични партньори

• Институт по математика и механика Н. Н. Красовски, Уралски клон на Руската академия на науките (Екатеринбург)
• Институт по проблеми на управлението на V. A. Trapeznikov RAS (Москва)
• Институт за приложни математически изследвания на Карелския научен център на Руската академия на науките (Петрозаводск)

Проекти и грантове

Реализира се по програмата

• Безвъзмездна помощ от RFBR 16-01-20400 „Проект за организиране на Десетата международна конференция"Теория и управление на игрите" (GTM2016)", 2016 г. Ръководител - Л. А. Петросян
• Грант на Санкт Петербургския държавен университет 9.38.245.2014 „Принципи на оптималност в динамични и диференциални игри с фиксирана и променяща се коалиционна структура“, 2014–2016. Ръководител - Л. А. Петросян
• Грант Санкт Петербургски държавен университет 9.38.205.2014 г. „Нови конструктивни подходи в негладкия анализ и недиференцируема оптимизация и техните приложения“, 2014–2016. Ръководител - В. Ф. Демянов, Л. Н. Полякова
• Грант на Санкт Петербургския държавен университет 9.37.345.2015 „Управление на орбиталното движение небесни телас цел противодействие на опасността от комета-астероид”, 2015–2017 г. Ръководител - Л. А. Петросян
• RFBR грант № 14-01-31521_mol_a „Нехомогенни приближения на негладки функции и техните приложения“, 2014–2015. Ръководител - Г. Ш. Тамасян

Реализира се с партньорски университети

• съвместно с Университета в Кингдао (Китай) - 17-51-53030 "Рационалност и стабилност в игрите в мрежи", от 2017 г. до момента. Ръководител - Л. А. Петросян

Ключови точки

• Програмата се състои от образователни и изследователски компоненти. Образователният компонент включва обучението учебни дисциплини, включително методи на математическа кибернетика, дискретна математика, теория на системите за управление, математическо програмиране, математическа теория за изследване на операциите и теория на игрите, математическа теория на разпознаване и класификация, математическа теория на оптималното управление и преминаване на педагогическа практика. Академичен планпредоставя набор от избираеми дисциплини, позволяващи на завършилите студенти да формират индивидуален учебен график. Задачата на изследователския компонент на обучението е да получи резултати, чиято научна стойност и новост позволяват публикуване в научни списания, включени в наукометричните бази на RSCI, WoS и Scopus
• Мисията на тази образователна програма е да обучава висококвалифицирани кадри, способни да критично анализират и оценяват съвременните научни постижения, да генерират нови идеи при решаване на изследователски и практически проблеми, включително в интердисциплинарни области.
• Абсолвенти, завършили програмата:
  • могат да проектират и провеждат комплексни изследвания, включително интердисциплинарни, базирани на холистичен системен научен мироглед
  • готови да участват в работата на руски и международни изследователски екипи при решаване на неотложни научни и образователни проблеми и използване на съвременни методи и технологии за научна комуникация на държавни и чужди езици
  • могат да планират и решават проблемите на собственото си професионално и личностно развитие, самостоятелно да извършват изследователска дейност в съответната професионална област, използвайки съвременни изследователски методи и информационни и комуникационни технологии, както и да са готови за преподаване в основните образователни програми на висшето образование

Възможности за математическо моделиране

Всеки обект на моделиране се характеризира с качествени и количествени характеристики. Математическото моделиране дава предпочитание на идентифицирането на количествени характеристики и закономерности на развитие на системите. Това моделиране до голяма степен се абстрахира от конкретното съдържание на системата, но задължително го взема предвид, опитвайки се да покаже системата чрез апарата на математиката. Истинността на математическото моделиране, както и на математиката като цяло, се проверява не чрез корелация с конкретна емпирична ситуация, а чрез факта на изводимост от други твърдения.

Математическото моделиране е обширна област на интелектуална дейност. Това е доста сложен процес на създаване на математическо описание на модела. Тя включва няколко етапа. Н. П. Бусленко разграничава три основни етапа: изграждане на смислено описание, формализирана схема и създаване на математически модел. Според нас математическото моделиране се състои от четири етапа:

първо - смислено описание на обект или процес, когато се разграничават основните компоненти на системата, моделите на системата. Включва числени стойности на известни характеристики и параметри на системата;

второ - формулирането на приложна задача или задачата за формализиране на смислено описание на системата. Приложната задача съдържа представяне на идеите на изследването, основните зависимости, както и формулиране на въпрос, чието решение се постига чрез формализиране на системата;

третият - изграждане на формализирана схема на обект или процес, която включва избор на основните характеристики и параметри, които ще бъдат използвани при формализирането;

четвърти - превръщането на формализирана схема в математически модел, когато е в ход създаването или избора на съответните математически функции.

Изключително важна роля в процеса на създаване на математически модел на система играе формализирането, което се разбира като специфичен метод на изследване, чиято цел е да изясни знанието чрез идентифициране на неговата форма (метод на организация, структура като връзка между компонентите на съдържанието). Процедурата за формализиране включва въвеждането на символи. Както А. К. Сухотин отбелязва: „Да се ​​формализира определена област на съдържанието означава да се изгради изкуствен език, в който понятията се заменят със символи, а твърденията се заменят с комбинации от символи (формули). Изчислението се създава, когато човек може да получи други от някакъв знак комбинации според фиксирани правила“. В същото време, поради формализирането, се разкрива такава информация, която не се улавя на нивата на смислен анализ. Ясно е, че формализирането е трудно по отношение на сложни системи, които се отличават с богатството и разнообразието от връзки.

След създаването на математически модел, неговото приложение започва да изучава някакъв реален процес. В този случай първо се определя наборът от начални условия и необходими количества. Има няколко начина за работа с модела: неговото аналитично изследване чрез специални трансформации и решаване на проблеми; използването на числени методи за решаване, например метода на статистическите тестове или метода на Монте Карло, методи за симулация на случайни процеси, както и чрез използването на компютърни технологии за моделиране.

При математическото моделиране на сложни системи трябва да се вземе предвид сложността на системата. Както правилно отбелязва Н. П. Бусленко, сложната система е многостепенна структура от взаимодействащи елементи, комбинирани в подсистеми на различни нива. Математическият модел на сложна система се състои от математически модели на елементи и математически модели на взаимодействието на елементите. Взаимодействието на елементите обикновено се разглежда като резултат от комбинация от ефектите на всеки елемент върху други елементи. Нарича се въздействие, представено от набор от неговите характеристики сигнал.Следователно взаимодействието на елементите на сложна система се изучава в рамките на механизма за обмен на сигнали. Сигналите се предават по комуникационни канали, разположени между елементите на сложна система. Те имат входове и изходи

dy . При конструирането на математически модел на система се взема предвид нейното взаимодействие с външната среда. В този случай външната среда обикновено се представя като определен набор от обекти, които влияят върху елементите на изследваната система. Значителна трудност е решаването на такива проблеми като показване на качествени преходи на елементи и системи от едно състояние в друго, показване на преходни процеси.

Според N. P. Buslenko механизмът на обмена на сигнали като формализирана схема на взаимодействие на елементи от сложна система помежду си или с обекти на външната среда включва следните компоненти:

процесът на генериране на изходния сигнал от елемента, издаващ сигнала;

определяне на адреса на предаване за всяка характеристика на изходния сигнал;

преминаването на сигнали през комуникационните канали и разположението на входните сигнали за елементи, които приемат сигнали;

реакцията на елемента, приемащ сигнала, към входящия входен сигнал.

Така чрез последователни етапи на формализиране, „разрязване” на оригиналния проблем на части, се осъществява процесът на конструиране на математически модел.

Характеристики на кибернетичното моделиране

Основите на кибернетиката са положени от известния американски философ и математик, професор в Масачузетския технологичен институт Норберт Винер (1894-1964) в "Кибернетика, или контрол и комуникация в животните и машините" (1948). Думата "кибернетика" идва от гръцката дума, която означава "пилот". Голямата заслуга на Н. Винер е, че той установява общите принципи на управленска дейност за принципно различни обекти на природата и обществото. Управлението се свежда до пренос, съхранение и обработка на информация, т.е. към различни сигнали, съобщения, информация. Основната заслуга на Н. Винер е, че той пръв разбира основното значение на информацията в управленските процеси. В днешно време, според академик А. Н. Колмогоров, кибернетиката изучава системи от всякакво естество, които са способни да приемат, съхраняват и обработват информация и да я използват за контрол и регулиране.

Известна е вариация в дефиницията на кибернетиката като наука, в подбора на нейния обект и предмет. Според позицията на академик А. И. Берг, кибернетиката е наука за управление на сложни динамични системи. Основата на категориалния апарат на кибернетиката са понятия като "модел", "система", "управление", "информация". Неяснотата на определенията на кибернетиката се дължи на факта, че различните автори наблягат на една или друга основна категория. Например, акцентът върху категорията "информация" ни кара да разглеждаме кибернетиката като наука за общите закони на получаване, съхраняване, предаване и преобразуване на информация в сложни контролирани системи и предпочитание към категорията "контрол" - като наука за моделиране на управление на различни системи.

Подобна неяснота е съвсем легитимна, защото се дължи на многофункционалността на кибернетичната наука, на изпълнението на нейните разнообразни роли в познанието и практиката. В същото време фокусирането на интересите върху определена функция ни кара да видим цялата наука в светлината на тази функция. Такава гъвкавост на кибернетичната наука говори за нейния висок когнитивен потенциал.

Съвременната кибернетика е разнородна наука (фиг. 21). Той съчетава набор от науки, които изучават управлението в системи от различно естество от формални позиции.

Както беше отбелязано, кибернетичното моделиране се основава на формалното показване на системите и техните компоненти, използвайки понятията "вход" и "изход", които характеризират връзката на елемент със средата. Освен това всеки елемент се характеризира с определен брой "входове" и "изходи" (фиг. 22).

Ориз. 22.Кибернетично представяне на елемента

На фиг. 22 х 1 , Х 2 ,...Х М схематично показани: "входове" на елемента, Й 1 , Й 2 , ...,U H - "изходи" на елемента, и С 1 , C 2 ,...,C K са неговите състояния. Потоците от материя, енергия, информация влияят на "входовете" на елемента, формират неговото състояние и осигуряват функциониране на "изходите". Количествена мярка за взаимодействието на "вход" и "изход" е интензитетът, който е съответно количеството материя, енергия, информация за единица време. Освен това това взаимодействие е непрекъснато или дискретно. Сега можете да изградите математически функции, които описват поведението на елемента.

Кибернетиката разглежда системата като единство от контролни и управлявани елементи. Управляваните елементи се наричат ​​управляван обект, а управляващите елементи се наричат ​​управляваща система. Структурата на системата за управление се основава на йерархичен принцип. Системата за управление и управляваният (обект) са свързани помежду си чрез директни и обратни връзки (фиг. 23), и в допълнение, чрез комуникационни канали. Системата за управление чрез директния комуникационен канал въздейства върху контролирания обект, коригирайки въздействието на околната среда върху него. Това води до промяна в състоянието на обекта на управление и той променя въздействието му върху околната среда. Имайте предвид, че обратната връзка може да бъде външна, както е показано на фиг. 23, или вътрешна, която осигурява вътрешното функциониране на системата, нейното взаимодействие с вътрешната среда.

Кибернетичните системи са особен вид система. Както отбелязва Л. А. Петрушенко, кибернетичната система

темата отговаря на поне три изисквания: „1) трябва да има определено ниво на организация и специална структура; 2) следователно да може да възприема, съхранява, обработва и използва информация, тоест да бъде информационна система; 3) да има контрол A кибернетична система е динамична система, която представлява съвкупност от канали и комуникационни обекти и има структура, която й позволява да извлича (възприема) информация от взаимодействието си с околната среда или друга система и да използва тази информация за самоуправление на принципа на обратната връзка.

Определено ниво на организация означава:

интегриране в кибернетичната система на управляваните и управляващите подсистеми;

йерархията на подсистемата за управление и основната сложност на управляваната подсистема;

наличието на отклонения на контролираната система от целта или от равновесието, което води до промяна в нейната ентропия. Това предопределя необходимостта от развиване на управленско въздействие върху него от страна на системата за контрол.

Информацията е основата на кибернетична система, която я възприема, обработва и предава. Информацията е информация, знание на наблюдателя за системата, отражение на нейната мярка за разнообразие. Той определя връзките между елементите на системата, нейните "вход" и "изход". Информационният характер на кибернетичната система се дължи на:

Необходимостта от получаване на информация за въздействието на околната среда върху управляваната система;

важността на информацията за поведението на системата;

необходимостта от информация за структурата на системата.

Изследвани са различни аспекти от естеството на информацията Н. Винер, C. Шанън, W. R. Ashby, L. Brillouin, A. I. Berg, V. M. Glushkov, Н. М. Амосов, А. Н. Колмогоров и др. Философският енциклопедичен речник дава следното тълкуване на понятието „информация“: 1) съобщение, осъзнаване на състоянието на нещата, информация за нещо, предавана от хората; 2) намалена, премахната несигурност в резултат на получаване на съобщение; 3) съобщение, неразривно свързано с контрола, сигнал в единството на синтактични, семантични и прагматични характеристики; 4) пренос, отразяване на разнообразието във всякакви обекти и процеси (нежива и жива природа).

На най-много важни свойстваинформацията трябва да включва:

адекватност, тези. съответствие с реални процеси и обекти;

уместност, тези. съответствие със задачите, за които е предназначена;

правилно, тези. съответствие на начина на изразяване на информацията с нейното съдържание;

точност, тези. отразяване на съответните явления с минимално изкривяване или минимална грешка;

уместност или навременност, тези. възможността за използването му, когато нуждата от него е особено голяма;

универсалност, тези. независимост от индивидуалните частни промени;

степен на детайлност тези. детайлност на информацията.

Всяка кибернетична система се състои от елементи, които са свързани чрез информационни потоци. Той разполага с информационни ресурси, получава, обработва и предава информация. Системата съществува в определена информационна среда, подложена на информационен шум. Най-важните му проблеми включват: предотвратяване на изкривяване на информацията по време на предаване и приемане (проблемът на детската игра на „глух телефон”); създаване на език на информация, който да е разбираем за всички участници в управленските отношения (проблемът на комуникацията); ефективно търсене, получаване и използване на информация в управлението (проблемът с използването). Комплексът от тези проблеми придобива известна уникалност и разнообразие в

в зависимост от спецификата на системите за управление. И така, в информационните системи на публичните органи, както отбелязват Н. Р. Нижник и О. А. Машков, има нужда от решаване на такива проблеми: създаване на информационна ресурсна услуга за публичните органи и публичната администрация; създаване на правна основа за функционирането му; формиране на инфраструктура; създаване на информационна система за мониторинг; създаване на система за информационно обслужване.

Обратната връзка е вид свързване на елементи, когато връзката между входа на елемент и изхода на същия елемент се осъществява директно или чрез други елементи на системата. Обратните връзки са вътрешни и външни (фиг. 24).

Управлението на обратната връзка е сложен процес, който включва:

постоянен мониторинг на функционирането на системата;

сравнение на текущото функциониране на системата с целите на системата;

развиване на въздействие върху системата за привеждането й в съответствие с целта;

въвеждане на влияние в системата.

Обратната връзка е както положителна, така и отрицателна. В този случай положителната обратна връзка засилва ефекта на входния сигнал, има същия знак с него. Отрицателната обратна връзка отслабва входния сигнал. Положителната обратна връзка влошава стабилността на системата, тъй като я извежда от баланс, а отрицателната обратна връзка помага за възстановяване на баланса в системата.

Важна роля в кибернетичното моделиране играят понятията "черни", "сиви" и "бели" кутии. „Черната кутия” се разбира като кибернетична система (обект, процес, явление), по отношение на вътрешната организация, структура и поведение на елементите, за които наблюдателят (изследователят) няма информация, но е възможно да се въздейства върху системата през нейните входове и регистрира нейните реакции на изхода. Наблюдателят, в процеса на манипулиране на входа и фиксиране на резултатите на входа, съставя протокол от изпитване, чийто анализ позволява да се изясни "черната кутия", т.е. получите представа за неговата структура и закономерности на трансформация на "входния" сигнал в "изходния" сигнал. Такава изяснена кутия беше наречена „сива кутия“, което обаче не дава пълна представа за съдържанието й. Ако наблюдателят напълно представя съдържанието на системата, нейната структура и механизма за преобразуване на сигнали, тогава тя се превръща в "бяла кутия".

Анохин П.К.Избрани произведения: кибернетика на функционалните системи. - М.: Медицина, 1968.

Батароев К. Б.Аналогии и модели в познанието. - Новосибирск: Наука, 1981.

Бусленко Н.П.Моделиране на сложни системи. - М.: Наука, 1978.

Бюриков B.V.Кибернетика и методология на науката. - М.: Наука, 1974.

Вартофски М.модели. Представителство и научно разбиране: Пер. от английски. / Често срещани изд. и преди. И. Б. Новик и В. Н. Садовски. - М.: Прогрес, 1988.

Винер Н.Кибернетика. - М.: Сов. Радио, 1968 г.

Идея, алгоритъм, решение (вземане на решения и автоматизация). - М.: Военно издателство, 1972.

Дружинин В. В., Конторов Д. С.Проблеми на системологията (проблеми на теорията на сложните системи) / Прев. акад. Глушкова В. М. - М.: Сов. Радио, 1976 г.

Залмазон Л.А.Разговори за автоматизация и кибернетика. - М.: Наука, 1981.

Кантарович Л. В., Плиско В. Е.Системен подход в методологията на математиката // Системни изследвания: Годишник. - М.: Наука, 1983.

Кибернетикаи диалектика. - М.: Наука, 1978.

Кобрински Н. Е., Майминас Е. З., Смирнов А. Д.Въведение в икономическата кибернетика. - М.: Икономика, 1975.

Лесечко М.Д.Основи на системния подход: теория, методология, практика: Навч. възможен - Лвов: LRIDU UADU, 2002.

математикаи кибернетика в икономиката. Речник. - М.: Икономика, 1975.

Месарович М., Такахара Дж.Обща теория на системите: Математически основи. - М.: Мир, 1978.

Нижник Н. Р., Машков О. А.Системен PIDHID в организацията на държавната администрация: Навч. възможен / Zag. изд. Н. Р. Нижник. - К.: Поглед на UADU, 1998.

Новик И. Б.За моделирането на сложни системи (Философско есе). - М.: Мисъл, 1965.

Петрушенко Л.А.Принцип на обратната връзка (Някои философски и методологически проблеми на управлението). - М.: Мисъл, 1967.

Петрушенко Л.А.Единството на последователност, организираност и самореклама. - М.: Мисъл, 1975.

Плотински Ю. М.Теоретични и емпирични модели на социалните процеси: учеб. надбавка за университети. - М.: Логос, 1998.

Растригин Л.А.Съвременни принципи на управление на сложни обекти. - М.: Сов. Радио, 1980 г.

Сухотин А.К. Философията в математическото знание. - Томск: Издателство на Томския университет, 1977.

Тюхтин В.С.Рефлексия, система, кибернетика. - М.: Наука, 1972.

Уемов А.И.Логически основи на метода на моделиране. - М.: Мисъл, 1971.

Философскиенциклопедичен речник. - М.: Сов. енциклопедия, 1983 г.

Шрайдер Ю. А., Шаров А. А.Системи и модели. - М.: Радио и комуникация, 1982.

Щоф В. А.Въведение в методологията на научното познание: Proc. надбавка - Л .: Издателство на Ленинградския държавен университет, 1972 г.