Abordări ale modelării sistemelor. Exemple de construire a modelelor dinamice
Sistemul de clasificare a modelelor matematice se poate baza pe următoarele grupuri tipice de modele:
– static și dinamic;
– determinist și stocastic;
– discret și continuu.
Fiecare sistem specific S este caracterizat de un set de proprietăți, care sunt înțelese ca mărimi care reflectă comportamentul obiectului simulat (sistemul real) și țin cont de condițiile funcționării acestuia în interacțiune cu mediul extern (sistemul) E.
Informațiile inițiale la construirea proceselor MM de funcționare a sistemului sunt date despre scopul și condițiile de funcționare ale sistemului în studiu (proiectare) S. Aceste informații determină scopul principal al modelării, cerințele pentru MM, nivelul de abstractizare și alegerea modelării matematice. sistem.
Schema matematică poate fi definită ca o verigă în trecerea de la o descriere semnificativă la una formalizată a procesului de funcționare a sistemului, ținând cont de influența mediului extern. Acestea. există un lanț: model descriptiv - schemă matematică - model de simulare.
Concept schema matematica ne permite să considerăm matematica nu ca o metodă de calcul, ci ca o metodă de gândire, un mijloc de formulare a conceptelor, care este cel mai important în trecerea de la o descriere verbală la o reprezentare formalizată a procesului de funcționare a acesteia sub forma niste MM.
Atunci când se utilizează o schemă matematică, în primul rând, cercetătorul de sistem trebuie să decidă asupra adecvării reprezentării sub formă de diagrame specifice ale proceselor reale din sistemul studiat, și nu asupra posibilității de a obține un răspuns (rezultat soluție) la un întrebare specifică de cercetare.
De exemplu, reprezentarea procesului de funcționare a unui IVS colectiv sub forma unei rețele de scheme de așteptare face posibilă descrierea bine a proceselor care au loc în sistem, dar cu legi complexe ale fluxurilor de intrare și ale fluxurilor de servicii, nu o face. posibil să se obțină rezultate într-o formă explicită.
Când se construiește un sistem MM S, este necesar să se rezolve problema completității acestuia. Completitudinea modelării este reglementată în principal de alegerea limitelor „Sistem S - mediu E”. Trebuie rezolvată și problema simplificării MM, care ajută la evidențierea principalelor proprietăți ale sistemului, eliminând cele secundare în ceea ce privește scopul modelării.
MM a obiectului de modelare, i.e. sistemele S pot fi reprezentate ca o mulțime de mărimi care descriu procesul de funcționare a unui sistem real și, în cazul general, formează următoarele submulțimi:
Mulțimea de intrare X influențează asupra S x i ОХ, i=1…n x ;
Totalitatea influențelor mediului v lÎV, l=1…n v ;
Ansamblul parametrilor interni (intrinseci) sistemului h k ОH, k=1…n h ;
Setul de caracteristici de ieșire ale sistemului y j ОY, j=1…n y .
În seturile enumerate se pot distinge cantitățile controlabile și necontrolabile. În general, X, V, H, Y sunt mulțimi disjunse care conțin atât componente deterministe, cât și stocastice. Intrarea influențează E și parametrii interni S sunt variabile independente (exogene)., Caracteristici de ieșire - variabile dependente (endogene). Procesul de funcționare S este descris de operatorul F S:
Traiectoria de ieșire. F S - legea de funcționare a S. F S poate fi o funcție, condiții funcționale, logice, algoritm, tabel sau descriere verbală a regulilor.
Algoritm de funcționare A S - o metodă de obținere a caracteristicilor de ieșire ținând cont de influențele de intrare Evident, același F S poate fi implementat în moduri diferite, adică. folosind multe AS diferite.
Relația (2.1) este o descriere matematică a comportamentului obiectului de modelare S în timpul t, i.e. o reflectă proprietăți dinamice, Astfel de modele sunt de obicei numite modele dinamice. (2.1) este un model dinamic al sistemului S. Pentru MM-uri statice este o mapare a mulțimilor (X, V, H) la (Y), adică.
Relațiile (2.1), (2.2) pot fi specificate prin formule, tabele etc.
Astfel de relații în unele cazuri pot fi obținute prin proprietățile sistemului la momente specifice, numite stări. Stările sistemului S sunt caracterizate de vectorii:
Și , unde în acest moment t l О(t 0 , T)
În momentul de față t ll О(t 0 , T), etc. k=1…n Z .
Z 1 (t), Z 2 (t)... Z k (t) sunt coordonatele unui punct din spațiul de fază k-dimensional. Fiecare implementare a procesului va corespunde unei anumite traiectorii de fază.
Setul tuturor valorilor posibile de stare ( ) se numește spațiul de stări al obiectului de modelare Z, cu z k ОZ.
Starea sistemului S în intervalul de timp t 0 in caz contrar: . (2,5) Timpul în modelul S poate fi considerat pe intervalul de modelare (t 0 , T) atât continuu cât și discret, i.e. cuantizat pe un segment de lungimi. Dt. Astfel, MM-ul unui obiect este înțeles ca un set de seturi finite de variabile ( ) împreună cu conexiuni matematice între ele și caracteristicile de ieșire. Dacă operatorii F, Ф, influențează X, V și caracteristicile h nu conțin elemente ale aleatoriei, atunci modelul se numește determinatîn sensul că caracteristicile sunt determinate în mod unic de influențe deterministe de intrare: La fel de determinat modele, atunci când faptul aleatoriu nu este luat în considerare în timpul studiului, ecuațiile diferențiale, integrale și alte ecuații sunt utilizate pentru a reprezenta sisteme care funcționează în timp continuu și pentru a reprezenta sisteme care funcționează în discret timp - mașini cu stări finite și, desigur, scheme de diferențe. Modelarea deterministă este un caz special de modelare stocastică. Ca modele stocastice (luând în considerare factorul aleatoriu), automatele probabilistice sunt folosite pentru a reprezenta sisteme în timp discret, iar sistemele de așteptare (QS) sunt folosite pentru a reprezenta sisteme în timp continuu. De o mare importanță practică atunci când se studiază sistemele complexe de management individual, care includ sisteme de control automate, sunt așa-numitele agregativ modele. Modelele (sisteme) agregate fac posibilă descrierea unei game largi de obiecte de cercetare, reflectând natura sistemică a acestor obiecte. Cu o descriere agregativă un obiect complex este împărțit într-un număr finit de părți (subsisteme), menținând în același timp conexiunile, asigurând interacțiunea părților. Astfel, la construirea modelelor matematice ale proceselor de funcționare a sistemelor se pot distinge următoarele abordări principale: continuu-deterministe (de exemplu, ecuații diferențiale); discret-deterministe (mașini cu stări finite); discret-stohastice (automate probabilistice); continuu-stohastice (sisteme de așteptare); generalizate sau universale (sisteme agregate). Aceste abordări sunt utilizate la construirea schemelor matematice. Scheme matematice tipice sunt :
ecuații diferențiale, automate finite și probabilistice, sisteme de așteptare, rețele Petri etc. Tipic scheme matematice au avantajul simplității și clarității, dar cu o îngustare semnificativă a posibilității de aplicare. Pentru a obține modele matematice se folosesc două căi: teoretică și experimentală. În consecință, ei disting teoreticȘi empiric modele. Pe baza gradului în care timpul și forțele care acționează sunt luate în considerare, modelele matematice sunt împărțite în static, cinetic, dinamic. Static modelele determină valorile finale, critice, de echilibru ale parametrilor procesului și sistemului. Acestea includ modele ale stării materialului, conexiuni între variabilele de intrare x și de ieșire y. Modelele statice sunt utilizate pe scară largă în prelucrarea mineralelor pentru a determina bilanțele energetice și materiale ale diferitelor dispozitive și procese, inclusiv cele proiectate. Spre deosebire de cele statice, modelele cinetice și dinamice conțin timpul ca argument. Cinetică modelează sau caracterizează derularea unui proces în timp şi relaţionează parametrii acestuia cu timpul.se obţin prin integrarea ecuaţiilor diferenţiale în anumite condiţii iniţiale. Dinamic modelele descriu modele de modificări ale stării corpurilor, mase sub influența forțelor aplicate acestora Fîn diverse medii. Baza pentru descrierea modelelor dinamice o constituie ecuațiile diferențiale, care descriu marea majoritate a sistemelor de control automat. Astfel de modele descriu regimuri tranzitorii în sisteme. Cerințe pentru modelul matematic: 1. Modelul matematic trebuie să fie adecvat pentru rezolvarea problemei. 2. Trebuie să țină cont de limitările fizice și matematice. 3. Trebuie să reproducă procesul cu acuratețea cerută pentru cercetător, adică fi adecvat proces. Instrucțiuni pentru întocmirea unui model matematic: 1. Descompuneți problema generală a studiului unui sistem într-un număr de probleme mai simple. 2. Formulați-vă clar obiectivele. 3. Găsiți analogi. 4. Luați în considerare un exemplu numeric. 5. Selectați denumiri specifice. 6. Notează relațiile evidente. 7. Dacă modelul rezultat poate fi descris matematic, extindeți-l și, în caz contrar, simplificați-l. În modelarea activității sociale trebuie să existe cel puțin două niveluri de determinare: dependența de logica internă a obiectului social, fenomen, proces studiat (ca o consecință a dezvoltării istorice naturale) și dependența de atitudinile cognitive ale subiectului procesul de cunoaştere socială. Alegerea instrumentelor cognitive din toată diversitatea lor se efectuează ținând cont de diferențele dintre setările, scopurile și obiectivele cercetării sociale (modelarea sistemului social, modelarea pentru grupuri individuale de obiecte, fenomene și procese sociale, dezvoltarea caracteristicilor evaluative ale modelelor relevante, dezvoltarea modelelor predictive sociale etc.) . Esența acestei abordări este de a prezenta procesul de modelare a activității sociale a prezentului și viitorului sub forma unor blocuri (module) structurale și funcționale separate, relativ independente, combinate într-o secvență specifică de operații, bazată pe logica internă a proces de modelare și prognoză socială bazat pe căutare și modele predictive normative. Legătura logică a operațiunilor de modelare socială și prognoză într-o singură abordare funcțională de sistem este determinată teoretic și practic predeterminată de următoarele circumstanțe. În primul rând, una dintre operațiunile principale (de bază) ale procesului de previziune socială este dezvoltarea de modele predictive ale obiectului, fenomenului sau procesului social studiat și selectarea celei mai probabile opțiuni pentru schimbarea acestora în perioada de plumb selectată (dată). , adică În cele din urmă, vorbim de schimbări alternative în anumite intervale de timp și în cadrul fragmentului considerat al spațiului social al anumitor modele sociale. În al doilea rând, de regulă, scopul ultim al construirii modelelor sociale, pe lângă obținerea de noi cunoștințe despre caracteristicile studiate, influența reciprocă a elementelor structurale și a altor calități ale unui obiect, fenomen sau proces social de interes pentru cercetător, este pentru a studia posibilele modificări și transformări ale acestora în viitor, adică o funcție predictivă este îndeplinită într-un anumit sens. Și, în sfârșit, în al treilea rând, cel mai important lucru: atât modelarea socială, cât și previziunea socială sunt incluse, cu cele mai importante componente interdependente și complementare ale lor, într-un singur contur de management social. Schema 1. Modelul de analiză a situaţiei Punctul de plecare al secvenței logice considerate a operațiunilor de modelare socială este momentul primirii unei sarcini guvernamentale sau a unui ordin de la departamentele interesate (organizații publice, structuri comerciale etc.) pentru a efectua un studiu al perspectivelor de dezvoltare a unei anumite componente structurale. a sistemului social pentru a prezice transformarea acestuia în spațiu și timp social. Sub spațiu socialîn acest caz, ne referim la totalitatea habitatelor, sistemelor de aşezare şi a mediului natural dezvoltat (dezvoltat) de om, în cadrul căruia se desfăşoară activităţile sociale ale individului, grupului şi societăţii în ansamblu. Timp social este considerată ca o formă fundamentală de conviețuire socio-istorică a oamenilor și o resursă (condiție) necesară activităților acestora. În acest caz, ar trebui să plecăm de la faptul că, probabil, toate aspectele interacțiunii și influenței reciproce ale ambelor sisteme sociale de complexitate diferită sau ale componentelor lor individuale, precum și comportamentul unui individ sau al unui grup social sunt limitate condiționat într-un anumit cadru. domeniul social.În cadrul acestui domeniu, proprietățile oricărui eveniment în acest caz vor fi determinate de conexiunile acestuia cu sistemul de evenimente din care face parte. De aici concluzia - toate evenimentele, fenomenele sau procesele care au loc într-un anumit sistem social (model), pe care îl considerăm conform principiului „aici și acum”, depind de schimbările care au avut loc în sistemul (modelul) luat în considerare, care a precedat imediat perioada de timp luată în considerare și, de asemenea, cu un anumit grad de fiabilitate, poate fi, în anumite condiții, extrapolată în viitor, determinând astfel starea prezumtivă, prognostică a evenimentului, fenomenului sau procesului studiat în cadrul social. camp. La fel de subiect de modelare Poate fi considerat orice aspect al realității sociale - un obiect social (subiect), un fenomen social, o funcție socială (relație) sau un proces social (tip de activitate). Primul bloc de cercetare. Este o orientare preliminară. În timpul preorientării: se clarifică scopurile și obiectivele inițiale; se formează o bancă de informații generale de date (retrospective și actuale); se determină structura organizaţiei (grupului de lucru) implicat în realizarea modelării sociale a prezentului şi viitorului; i iar alte probleme organizatorice sunt, de asemenea, rezolvate. Se formează un pachet de metode specifice de prognoză, metode și tehnici de modelare, se selectează indicatorii sociali necesari, criteriile, ipotezele și limitările modelului și previziunii, se selectează profunzimea retrospecției pe baza perioadei stabilite, precum și a selectarea altor modele și instrumente de prognoză. Aceasta este o listă aproximativă și departe de a fi completă a operațiunilor din perioada pregătitoare, care constituie conținutul principal al secvenței logice combinate în prima - instalatie-metodologic si sistem tinta-bloc functional(SFB-1). Al doilea bloc de cercetare. Al doilea bloc funcțional de sistem este informativȘi evaluative și analitice
(SFB-2). Include ansamblul acțiunilor intelectuale și logice de prelucrare, clasificare, analiză, sinteză, comparație, generalizare și formalizare a șirului de informații colectate în interesul studierii unei anumite probleme sociale. Eșantioanele de informații sunt grupate în funcție de criteriile modelului adoptat, de profilul de prognoză și de o direcție auxiliară - fondul de prognoză. Sub fundalul prognozei este înțeles ca un ansamblu de condiții de prognoză exterioare obiectului social (fenomen, proces) aflat în studiu care influențează semnificativ schimbările în modelele predictive ale activității sociale și, pe cale de consecință, asupra soluționării problemei prognozei. La construirea unui model predictiv de fond, atât componentele sale standard (în general acceptate) – științifice și tehnice, demografice, economice, sociale (sociologice), socioculturale, socio-politice și internaționale – cât și cele nestandardizate, caracteristice doar problemei sociale din subordine. studiu, sunt luate în considerare. De obicei, se practică selectarea mai multor componente ale fondului de prognoză, care la rândul lor pot fi grupate după influenţând activȘi semne pasive.În același timp, este studiată și experiența socială străină și internă relevantă. În acest caz, se acceptă ca o condiție dată ca fundalul prognozei să includă și să fie luat în considerare conditii externe funcţionarea optimă a modelului dezvoltat de activitate socială. Al treilea bloc de cercetare. De bază modelare și prognoză
Blocul funcțional-sistem, având prelucrat fluxurile de informații provenite de la cele două SFB-uri anterioare, realizează o succesiune logică a operațiunilor efective de prognoză de modelare, care are ca rezultat construirea modelului inițial (de bază) și analiza cuprinzătoare a acestuia. Contururile metodologiei standard generale pentru prognoza socială formează nucleul esențial-substantiv al acestui SFB (SFB-3), De asemenea, aș dori să atrag atenția asupra unor aspecte ale problemei luate în considerare, care, în opinia noastră, influențează semnificativ întregul proces de modelare sistemico-funcțională a activității sociale a prezentului și viitorului. În primul rând, în perioada de tranziție de la un tip de societate la altul, apare o anumită dificultate în selectarea indicatorilor sociali, reprezentativi (reprezentativi, „indicativi”) în cadrul utilizării sistemului de indicatori, precum și formarea inițialei ( de bază) model social datorită instabilității interne a elementelor sale structurale și a funcțiilor de bază care se influențează reciproc. În al doilea rând, devine importantă interpretarea compatibilității sistemelor de indicatori de profil și de fond, care ar trebui să reflecte cât mai pe deplin caracteristicile, proprietățile, aspectele solicitate ale obiectului social, fenomenului, procesului sau aspectului individual al activității sociale studiate. În al treilea rând, modelele predictive create ar trebui aparent considerate în cadrul paradigmei de reciprocitate, care include patru subsisteme funcționale: comportamentale cu funcția de adaptare, personal cu funcția de atingere a scopului, social cu funcția de integrare și cultural cu funcția de „menținerea tiparului” (în cadrul Aceste subsisteme dezvoltă și schimbă resurse corespunzătoare - valori, norme, scopuri și mijloace). Fără prezența componentelor enumerate, o activitate socială eficientă este cu greu posibilă. Al patrulea bloc de cercetare. Următorul bloc funcțional de sistem este expert-recomandare
(SFB-4). Include o secvență logică a operațiunilor pentru analiza, evaluarea calității, fiabilității, fiabilității (verificarea) de către un expert sau un grup de experți a versiunilor dezvoltate de modele predictive, bazate pe dinamica așteptată a schimbării obiectelor, fenomenelor, procesului studiat. sau aspecte individuale ale activității sociale, precum și caracterul complet al concluziilor trase și realitatea recomandărilor practice propuse pentru implementarea prognozei în procesul de activitate socială. Dacă este necesar, prognoza socială poate fi completată, modificată, clarificată, precizată etc. Al cincilea bloc de cercetare. Completează succesiunea sistem-funcțională propusă a operațiilor tehnologice de modelare și prognoză în activități sociale manageriale
SFB (SFB-5), întrucât orice sarcină de modelare și prognoză socială este realizată, după cum s-a menționat mai sus, pentru a fi implementată în sistemul de management social în interesul schimbării - în limitele cerute - a realității sociale corespunzătoare. În opinia noastră, următoarele fapte indică semnificația multidisciplinară a abordării sistem-funcționale propuse pentru modelarea și prognoza activității sociale (sau fenomene sociale individuale, procese etc.). Schema propusă se încadrează bine în reprezentarea cibernetică a modelului activității sociale, care poate fi construită pe baza analizei structurale și logice după cum urmează. Schema 2. Model de activitate socială În acest caz, interacțiunea modelului (sistemului) de activitate socială cu mediul în cadrul domeniului social luat în considerare poate fi considerată ca un schimb de semnale de intrare-ieșire. În acest caz, funcțiile dispozitivului de intrare sunt realizate de SFB-1, iar funcțiile dispozitivului final sunt realizate de SFB-5. Tehnologia abordării sistem-funcționale este pe deplin în concordanță cu prevederile de bază ale teoriei și practicii managementului modern, care, în opinia noastră, este foarte importantă din punctul de vedere al aplicabilității sale în managementul social. În acest caz, diagnosticarea problemei și formularea restricțiilor și criteriilor pentru luarea unei decizii de management social sunt efectuate de SFB-1 și SFB-2, identificarea alternativelor se realizează în SFB-3, evaluarea lor în SFB -4, iar selecția finală a celei mai acceptabile opțiuni de soluție este finalizată în mod logic în SFB-5. Canalele de feedback existente fac posibilă, pe baza schimbului constant de informații, să se răspundă rapid și flexibil la toate schimbările care apar atât în cadrul modelului de activitate socială în sine, cât și în mediul extern. Întrebări de autotest 1. Care este esența abordării sistem-funcționale a modelării proceselor sociale? 2. Care este avantajul metodei de modelare sistem-funcțională a fenomenelor și proceselor sociale? Există restricții privind utilizarea acestuia? 3. Care este esența metodei de evaluare experimentală? 4. În ce cazuri sunt posibile competițiile de model și de prognoză? Care este scopul lor și eficacitatea așteptată? Literatură Safronova V. M. Despre tendințele dezvoltării sociale în secolul XXI: prin prisma prognozei: Sat. prelegeri publice. - M., 2001. Previziune socială și modelare // Asistență socială: dicționar enciclopedic rus. - M., 1997. - T. 1. Sukhorukoe M. M. Abordare structural-logică a prognozării și modelării în activități sociale (din experiență internă și străină// Perspective de dezvoltare a științelor umaniste. - M., 1996. Abordare clasică a modelelor- abordarea studierii relaţiilor dintre părţile individuale ale modelului presupune a le considera ca o reflectare a conexiunilor dintre subsistemele individuale ale obiectului. Această abordare (clasică) poate fi folosită pentru a crea modele destul de simple. Astfel, dezvoltarea unui model M bazat pe abordarea clasică înseamnă însumarea componentelor individuale într-un singur model, fiecare componentă rezolvând propriile probleme și izolată de alte părți ale modelului. Prin urmare, abordarea clasică poate fi utilizată pentru a implementa modele relativ simple în care este posibil să se separe și să se ia în considerare independent reciproc aspectele individuale ale funcționării unui obiect real. Două aspecte distinctive ale abordării clasice pot fi remarcate: Există o mișcare de la particular la general, Modelul creat se formează prin însumarea componentelor sale individuale și nu ține cont de apariția unui nou efect sistemic. Abordarea sistemelor- acesta este un element al doctrinei legilor generale de dezvoltare a naturii și una dintre expresiile doctrinei dialectice. Cu o abordare sistematică a sistemelor de modelare, este necesar în primul rând să se definească clar scopul modelării. Deoarece este imposibil să se simuleze complet un sistem care funcționează cu adevărat, este creat un model (sistem model sau al doilea sistem) pentru problema în cauză. Astfel, în legătură cu aspectele de modelare, scopul decurge din sarcinile de modelare cerute, ceea ce permite abordarea selecției unui criteriu și evaluarea ce elemente vor fi incluse în modelul M creat. Prin urmare, este necesar să existe un criteriu pentru selectând elemente individuale în modelul creat. Este important ca abordarea sistemică să determine structura sistemului - ansamblul de conexiuni dintre elementele sistemului, reflectând interacțiunea acestora. Abordarea sistemică ne permite să rezolvăm problema construirii unui sistem complex, luând în considerare toți factorii și posibilitățile, proporțional cu semnificația acestora, în toate etapele studierii sistemului S și construirii modelului M. Abordarea sistemelor înseamnă că fiecare sistem S este un întreg integrat chiar și atunci când constă din subsisteme separate deconectate. Astfel, baza abordării sistemelor este luarea în considerare a sistemului ca un întreg integrat, iar această luare în considerare în timpul dezvoltării începe cu principalul lucru - formularea scopului funcționării. Cu o abordare structurală sunt relevate compoziţia elementelor selectate ale sistemului S şi legăturile dintre ele. Setul de elemente și conexiunile dintre ele ne permit să judecăm structura sistemului. Acestea din urmă, în funcție de scopul studiului, pot fi descrise la diferite niveluri de considerare. Cea mai generală descriere a structurii este o descriere topologică, care permite definirea părților constitutive ale sistemului în cei mai generali termeni și este bine formalizată pe baza teoriei grafurilor. Cu o abordare funcțională sunt luate în considerare funcțiile individuale, adică algoritmi pentru comportamentul sistemului, și este implementată o abordare funcțională care evaluează funcțiile pe care le îndeplinește sistemul, iar o funcție este înțeleasă ca o proprietate care duce la atingerea unui scop. Deoarece o funcție reflectă o proprietate, iar o proprietate reflectă interacțiunea unui sistem S cu mediul extern E, proprietățile pot fi exprimate fie sub forma unor caracteristici ale elementelor Si(j) și ale subsistemelor Si, - sistemul, sau sistemul S ca întreg. Principalele etape ale evaluării sistemelor complexe. Etapa 1. Determinarea scopului evaluării. În analiza sistemelor, există două tipuri de obiective. Un scop calitativ este un scop, a cărui realizare se exprimă pe o scară nominală sau pe o scară de ordine. Cantitativ este un scop, a cărui realizare este exprimată în scale cantitative. Etapa 2. Măsurarea proprietăților unui sistem care sunt considerate semnificative în scopuri de evaluare. Pentru a face acest lucru, sunt selectate scale adecvate pentru măsurarea proprietăților și tuturor proprietăților studiate ale sistemelor li se atribuie o anumită valoare pe aceste scale. Etapa 3. Justificarea preferințelor pentru criteriile de calitate și criteriile de performanță pentru sisteme pe baza proprietăților măsurate pe scale selectate. Etapa 4. Evaluarea propriu-zisă. Toate sistemele studiate, considerate alternative, sunt comparate după criterii formulate și, în funcție de scopurile evaluării, sunt ierarhizate, selectate și optimizate. Clasic(sau abordare inductivă). modelarea are în vedere sistemul, trecând de la particular la general, și îl sintetizează prin îmbinarea componentelor dezvoltate separat. Abordarea sistemelor presupune o trecere consistentă de la general la specific, atunci când baza considerației este scopul, în timp ce obiectul iese în evidență de lumea înconjurătoare. Când creați un obiect nou cu proprietăți utile (de exemplu, un sistem de control), setați criterii, determinarea gradului de utilitate a proprietatilor rezultate. Deoarece orice obiect de modelare este un sistem de elemente interconectate, să introducem conceptul de sistem. Sistemul S există un set intenționat de elemente interconectate de orice natură. Mediul extern. E reprezinta un ansamblu de elemente de orice natura existente in afara sistemului care influenteaza sistemul sau se afla sub influenta acestuia. Într-o abordare sistematică a modelării, scopul modelării este mai întâi clar definit. Crearea unui model al unui analog complet al originalului necesită forță de muncă și este costisitoare, astfel încât modelul este creat pentru un scop specific. Este important ca abordarea sistemelor să se determine structura sistemului- un set de conexiuni între elementele sistemului, reflectând interacțiunea acestora. Există o serie de abordări ale studiului sistemelor și proprietăților sale, care includ structurale și funcționale. La abordare structurală se dezvăluie compoziția elementelor selectate ale sistemului Sși legăturile dintre ele. Setul de elemente și conexiuni ne permite să judecăm proprietățile părții selectate a sistemului. La abordare funcțională sunt luate în considerare funcțiile (algoritmii) comportamentului sistemului și fiecare funcție descrie comportamentul unei proprietăți sub influență externă E. Această abordare nu necesită cunoașterea structurii sistemului, iar descrierea acestuia constă într-un set de funcții ale răspunsului său la influențele externe. Metoda clasică de construire a unui model folosește o abordare funcțională, în care este luat elementul modelului componentă descriind comportamentul unei proprietăți și nu reflectă compoziția reală a elementelor. În plus, componentele sistemului sunt izolate unele de altele, ceea ce reflectă slab sistemul modelat. Această metodă de construire a unui model este aplicabilă doar pentru sistemele simple, deoarece necesită includerea în funcțiile care descriu proprietățile sistemului, a relațiilor dintre proprietăți care pot fi slab definite sau necunoscute. Odată cu complicația sistemelor modelate, atunci când este imposibil să se ia în considerare toate influențele reciproce ale proprietăților, se utilizează metoda sistemului, bazată pe o abordare structurală. În același timp, sistemul S este împărțit într-un număr de subsisteme S l cu proprietăți proprii, care, desigur, sunt mai ușor de descris prin dependențe funcționale, iar conexiunile între subsisteme sunt determinate. În acest caz, sistemul funcționează în conformitate cu proprietățile subsistemelor individuale și conexiunile dintre ele. Acest lucru elimină necesitatea descrierii relațiilor funcționale dintre proprietățile sistemului S, face modelul mai flexibil, deoarece modificarea proprietăților unuia dintre subsisteme schimbă automat proprietățile sistemului. Clasificarea tipurilor de modelare În funcţie de natura proceselor studiate în sistem Sși scopul modelării, există multe tipuri de modele și modalități de clasificare a acestora, de exemplu, după scopul utilizării, prezența unor influențe aleatorii, relația cu timpul, fezabilitatea implementării, domeniul de aplicare etc. (Tabelul 14). Tabelul 14. Tipuri de modele După scopul utilizării modelele sunt clasificate în experiment științific,în care se studiază un model folosind diverse mijloace de obținere a datelor despre un obiect, posibilitatea de a influența cursul procesului, pentru a obține date noi despre un obiect sau fenomen; testare cuprinzătoare și experiment de producție, utilizarea testării la scară completă a unui obiect fizic pentru a obține o încredere ridicată în caracteristicile acestuia; optimizare, legate de găsirea indicatorilor optimi de sistem (de exemplu, găsirea costurilor minime sau determinarea profitului maxim). În funcție de prezența impacturilor modelele pe sistem sunt împărțite în determinat(nu există influențe aleatorii în sisteme) și stocastică(sistemele conțin influențe probabilistice). Unii autori clasifică aceleași modele prin metoda de estimare a parametrilor sisteme: in determinat sisteme, parametrii modelului sunt evaluați de un indicator pentru valorile specifice ale datelor lor inițiale; V stocastică sisteme, prezența caracteristicilor probabilistice ale datelor inițiale permite evaluarea parametrilor sistemului folosind mai mulți indicatori. În raport cu timpul modelele sunt împărțite în static, descrierea sistemului la un anumit moment în timp și dinamic, luând în considerare comportamentul unui sistem în timp. La rândul lor, modelele dinamice sunt împărțite în discret,în care toate evenimentele au loc la intervale de timp și continuu, unde toate evenimentele au loc continuu în timp. Dacă este posibil, implementare modelele sunt clasificate ca mental, descriind un sistem care este dificil sau imposibil de modelat realist, real,în care modelul de sistem este reprezentat fie de un obiect real, fie de o parte a acestuia, și informativ, implementarea proceselor informaționale (apariția, transmiterea, prelucrarea și utilizarea informațiilor) pe un computer. La rândul lor, modelele mentale sunt împărțite în vizual(în care procesele și fenomenele simulate apar clar); simbolic(un model de sistem reprezintă un obiect logic în care proprietățile și relațiile de bază ale unui obiect real sunt exprimate printr-un sistem de semne sau simboluri) și matematic(reprezintă sisteme de obiecte matematice care permit obținerea caracteristicilor studiate ale unui obiect real). Modelele reale sunt împărțite în la scară largă(efectuarea cercetării asupra unui obiect real și prelucrarea ulterioară a rezultatelor experimentale folosind teoria similarității) și fizic(efectuarea cercetărilor asupra instalațiilor care păstrează natura fenomenului și au o asemănare fizică). După domeniul de aplicare modelele sunt împărțite în universal, destinat utilizării de către multe sisteme și de specialitate, creat pentru a studia un anumit sistem. Modele matematice Cea mai importantă etapă în construirea unui model este trecerea de la o descriere semnificativă la una formală, care se explică prin participarea în această etapă a specialiștilor în domeniul în care există sistemul modelat și a specialiștilor în domeniul modelării sistemelor. Cel mai convenabil limbaj pentru comunicarea lor, al cărui scop este construirea unui model adecvat al sistemului, este de obicei limbajul descrierilor matematice. Descrierea matematică a sistemului este compactă și convenabilă pentru implementare ulterioară pe un computer, pentru a efectua teste statistice, Exemple de construire a modelelor dinamice Atunci când modelați obiecte dinamice continue, modelele sunt de obicei ecuatii diferentiale, legând comportamentul unui obiect cu timpul. O proprietate pozitivă a ecuațiilor diferențiale este aceea că aceeași ecuație modelează sisteme de naturi fizice diferite. Variabila independentă în sistemele dinamice este de obicei timpul, de care depind valorile necunoscute ale funcției dorite care determină comportamentul obiectului. Descrierea matematică a modelului în formă generală: unde sunt vectori n-dimensionali și continui. De exemplu, procesul de oscilații mici ale unui pendul este descris de ecuația diferențială obișnuită Proces într-un circuit electric oscilator Evident, dacă punem Obținem o ecuație care descrie starea de timp a ambelor sisteme Un model matematic general permite studierea unui sistem în timp ce simulează funcționarea altuia. Modelele de sisteme dinamice bazate pe ecuații diferențiale și-au găsit o largă aplicație în teoria controlului diferitelor obiecte tehnice. Sub influența unor perturbații necunoscute în prealabil, comportamentul real al sistemului se abate de la cel dorit, specificat de algoritm, iar pentru a-și aduce comportamentul mai aproape de valoarea cerută, în sistem este introdus controlul automat al sistemului. Poate fi încorporat în sistemul în sine, dar în timpul simulării unitatea de control este separată de sistemul însuși. În general, structura unui sistem de control automat multidimensional (ACS) este prezentată în Fig. 3. Figura 3. Structura unui sistem de control automat multidimensional. Modele de informare Modele de informareîn multe cazuri se bazează pe modele matematice,întrucât la rezolvarea problemelor, modelul matematic al obiectului, procesului sau fenomenului studiat este inevitabil transformat într-un model informaţional pentru implementarea lui pe calculator. Să definim conceptele de bază ale modelului informațional. Obiect informativ este o descriere a unui obiect, proces sau fenomen real sub forma unui set de caracteristici ale acestuia (elemente informaționale), numit Detalii. Se formează un obiect informațional cu o anumită structură (compoziția necesară). tip (clasa), căruia i se atribuie un unic Nume. Se numește un obiect informațional cu caracteristici specifice copie. Fiecare instanță este identificată printr-un loc de muncă detalii cheie (cheie). Aceleași detalii în diferite obiecte informaționale pot fi atât cheie, cât și descriptive. Un obiect de informare poate avea mai multe chei. Exemplu.
Obiectul de informare STUDENT are următoarele cerințe: număr(numărul cărții de note este un detaliu cheie), nume, prenume, patronimic, data nașterii, codul locului de studii. Obiect informativ PROFIL PERSONAL: numărul de student, adresa de domiciliu, numărul certificatului de studii medii, starea civilă, copiii. Obiectul de informare LOCUL DE STUDIU include următoarele detalii: cod(recuzită cheie), numele universității, facultății, grupului. Obiect informativ PROFESOR: cod(recuzită cheie), catedra, nume, prenume, patronimic, grad academic, titlu academic, functie. Relaţie, existente între obiecte reale sunt definite în modelele informaţionale ca comunicatii. Există trei tipuri de conexiuni: unu la unu (1:1), unu la mai mulți(1:∞) și multi la multi(∞:
∞).
Conexiune unu la unu determină că o instanță a obiectului informațional X corespunde nu mai mult de o instanță a obiectului informațional Y și invers. Exemplu.
Obiectele informaționale STUDENT și PROFIL PERSONAL vor fi conectate prin relație unu la unu. Fiecare student are anumite date unice în dosarul său personal. La contact unu la multi O instanță a obiectului informațional X poate corespunde oricărui număr de instanțe ale obiectului informațional Y, dar fiecare instanță a obiectului Y este asociată cu cel mult o instanță a obiectului X. Exemplu. Trebuie stabilită o conexiune între obiectele informaționale LOCUL DE STUDIU și STUDENT unu la multi. Același loc de studiu poate fi repetat de mai multe ori pentru studenți diferiți. Conexiune multi la multi presupune că o instanță a obiectului informațional X corespunde oricărui număr de instanțe ale obiectului Y și invers. Exemplu. Obiectele informaționale STUDENT și PROFESOR au o conexiune multi la multi. Fiecare elev învață de la mulți profesori și fiecare profesor învață mulți elevi. Exemple de modele informatice Să definim un model informațional ca un set conectat de obiecte informaționale care descriu procesele informaționale din domeniul studiat. Modelele de informații existente pot fi împărțite în universale și specializate. Modelele universale sunt destinate utilizării în diverse domenii, acestea includ: Bază de dateȘi sisteme de gestionare a bazelor de date, sisteme de control automatizate, baze de cunoștințe, sisteme expert. Modelele specializate sunt concepute pentru a descrie sisteme specifice, sunt unice prin capacitățile lor și sunt mai scumpe. Modele universale. Bază de date Bază de date reprezintă un set înrudit de date structurate legate de un anumit proces sau fenomen dintr-un anumit domeniu. Sistemul de gestionare a bazelor de date este un pachet software pentru crearea, organizarea procesării necesare, stocării și transmiterii bazelor de date. Miezul oricărei baze de date este model de reprezentare a datelor. Un model de date reprezintă multe structuri de date și relațiile dintre ele. Distinge ierarhic, de rețeaȘi relaționale modele de date. Modelul ierarhic reprezintă relațiile dintre obiecte (date) sub forma unui arbore. Principalele concepte ale modelului ierarhic includ: nodul- un set de atribute de date care descriu obiectul; conexiune- o linie care leagă nodurile nivelului inferior cu un nod al nivelului superior. În acest caz, se numește nodul de la nivelul superior strămoş pentru nodurile nivelului inferior corespunzător acestuia, la rândul lor, se numesc nodurile nivelului inferior urmasi nodul de suprafață asociat acestora (de exemplu, în Fig. 4. nodul B1 este strămoșul nodurilor CI, C2, iar nodurile C1, C2 sunt descendenți ai nodului B1); nivel- numărul stratului de noduri, numărat de la rădăcină. Figura 4. Model de date ierarhice Cantitate copaciîn baza de date este determinată de număr înregistrările rădăcină. Fiecare nod are o singură cale de la rădăcină. Structura rețelei are aceleași componente ca și cel ierarhic, dar fiecare nod poate fi conectat la orice alt nod (Fig. 5). Abordarea în rețea a organizării datelor este o extensie a celei ierarhice. În modelele ierarhice, o înregistrare copil trebuie să aibă un singur strămoș; în rețea - un descendent poate avea orice număr de strămoși. Figura 5. Model de date de rețea Ambele modele nu sunt utilizate pe scară largă din cauza complexității implementării graficelor sub formă de structuri de date ale mașinii, în plus, este dificil să se efectueze operațiuni de căutare a informațiilor în ele. Cel mai răspândit este al treilea model de date - relațional, poate descrie și un model ierarhic și de rețea. Modelul relațional se concentrează pe organizarea datelor sub formă de tabele bidimensionale. Inteligenţă artificială Ideile de modelare a minții umane sunt cunoscute din cele mai vechi timpuri. Acest lucru a fost menționat pentru prima dată în opera filozofului și teologului Raymunda Lullia(c.1235 - c.1315) „Marea Artă”, care nu numai că a exprimat ideea unei mașini logice pentru rezolvarea diferitelor probleme, bazată pe clasificarea universală a conceptelor (secolul XIV), dar a încercat și să o implementeze. Rene Descartes(1596-1650) și Gottfried Wilhelm Leibniz(1646-1716) a dezvoltat în mod independent doctrina capacității înnăscute a minții de a cunoaște și adevărurile universale și necesare ale logicii și matematicii și a lucrat pentru a crea un limbaj universal pentru clasificarea tuturor cunoștințelor. Pe aceste idei se bazează bazele teoretice ale creării inteligenței artificiale. Impulsul pentru dezvoltarea în continuare a modelului de gândire umană a fost apariția în anii 40. secolul XX CALCULATOR. În 1948, un om de știință american Norbert Wiener(1894-1964) a formulat principalele prevederi ale unei noi științe – cibernetica. În 1956, la Universitatea Stanford (SUA), la un seminar numit „Inteligenta artificială* (inteligență artificială), dedicat rezolvării problemelor logice, o nouă direcție științifică legată de modelarea automată a funcțiilor intelectuale umane și numită inteligenţă artificială. Domeniul s-a împărțit curând în două domenii principale: neurocibernetica și cibernetica cutiei negre. Neurocibernetica s-a îndreptat către structura creierului uman ca fiind singurul obiect de gândire și a început modelarea sa hardware. Fiziologii au identificat de mult neuronii - celulele nervoase conectate între ele - ca bază a creierului. Neurocibernetica se ocupă cu crearea de elemente asemănătoare neuronilor și integrarea lor în sisteme funcționale, aceste sisteme fiind numite rețele neuronale. La mijlocul anilor '80. În secolul al XX-lea, primul neurocomputer a fost creat în Japonia, simulând structura creierului uman. Domeniul său principal de aplicare este recunoasterea formelor. cibernetica cutiei negre folosește principii diferite, structura modelului nu este principalul lucru, ceea ce este important este reacția acestuia la datele de intrare date, la ieșire modelul ar trebui să reacționeze ca creierul uman. Oamenii de știință din acest domeniu dezvoltă algoritmi pentru rezolvarea problemelor intelectuale pentru sistemele de calcul existente. Cele mai semnificative rezultate: Model de căutare labirint(sfârșitul anilor 50), care ia în considerare graficul de stare al unui obiect și caută calea optimă de la datele de intrare la datele de ieșire. În practică, acest model nu a fost utilizat pe scară largă. Programare euristica(începutul anilor 60) a dezvoltat strategii de acțiune bazate pe reguli predeterminate pre-cunoscute (euristică). Euristică - o regulă teoretic nefondată care vă permite să reduceți numărul de căutări în găsirea căii optime. Metode ale logicii matematice. Metoda rezoluției vă permite să demonstrați automat teoreme bazate pe anumite axiome. În 1973, a fost creat un limbaj de programare logică Prolog, permiţând prelucrarea informaţiei simbolice. De la mijlocul anilor '70. Ideea modelării cunoștințelor specifice ale specialiștilor experți este în curs de implementare. Primele sisteme expert apar în SUA. Apare o nouă tehnologie de inteligență artificială, bazată pe reprezentarea și utilizarea cunoștințelor. De la mijlocul anilor '80. inteligenta artificiala este comercializata. Investițiile în această industrie sunt în creștere, apar sisteme industriale expert, iar interesul pentru sistemele de auto-învățare crește. Baze de cunoștințe Când studiem sisteme inteligente, este necesar să aflăm ce este cunoștințele și cum diferă acestea de date. Concept cunoştinţe sunt definite în moduri diferite, dar nu există o definiție cuprinzătoare. Iată câteva dintre definiții: Cunoştinţe- modele identificate ale disciplinei (principii, conexiuni, legi) care permit rezolvarea problemelor din acest domeniu. Cunoştinţe- date bine structurate sau date despre date sau metadate. Cunoştinţe- un set de informații care formează o descriere holistică corespunzătoare unui anumit nivel de conștientizare a problemei, obiectului etc. care este descris. Din punctul de vedere al inteligenței artificiale, cunoașterea este definită ca informație formalizată la care se face referire în procesul de inferență logică. Bazele de cunoștințe sunt folosite pentru a stoca cunoștințele. Bază de cunoștințe- baza oricărui sistem inteligent. Din punctul de vedere al rezolvării problemelor dintr-un anumit domeniu, cunoștințele sunt împărțite convenabil în două categorii - dateȘi euristică. Prima categorie descrie circumstanțe cunoscute în domeniu; cunoștințele din această categorie sunt uneori numite textuale, subliniind descrierea suficientă a acesteia în literatură. A doua categorie de cunoștințe se bazează pe experiența practică a unui expert specialist într-un anumit domeniu. În plus, cunoștințele sunt împărțite în proceduralȘi declarativ. Din punct de vedere istoric, cunoștințele procedurale au fost primele care au apărut, „împrăștiate” în algoritmi. Ei au gestionat datele. Pentru a le schimba, a fost necesar să se facă modificări la programe. Odată cu dezvoltarea inteligenței artificiale, o parte din ce în ce mai mare a cunoștințelor s-a format în structurile de date: tabele, liste, tipuri de date abstracte, cunoștințele au devenit din ce în ce mai declarative. Cunoașterea declarativă este un set de informații despre caracteristicile proprietăților unor obiecte, fenomene sau procese specifice, prezentate sub formă de fapte și euristici. Din punct de vedere istoric, astfel de cunoștințe au fost acumulate sub forma diferitelor cărți de referință; odată cu apariția computerelor, au luat forma bazelor de date. Cunoașterea declarativă este adesea numită pur și simplu date; este stocată în memoria unui sistem informațional (IS), astfel încât să aibă acces imediat pentru utilizare. Cunoștințe procedurale stocate în memoria IC sub formă de descrieri de proceduri prin care pot fi obținute. Sub forma cunoștințelor procedurale, ele descriu de obicei metode de rezolvare a problemelor din domeniul de studiu, diverse instrucțiuni, tehnici etc. Cunoștințele procedurale sunt metode, algoritmi, programe pentru rezolvarea diferitelor probleme dintr-o anumită disciplină; ele formează nucleul bazei de cunoștințe. Cunoștințele procedurale se formează ca urmare a efectuării procedurilor pe fapte ca date inițiale. Una dintre cele mai importante probleme specifice sistemelor de inteligență artificială este reprezentarea cunoștințelor. Forma de reprezentare a cunoștințelor influențează semnificativ caracteristicile și proprietățile sistemului. Pentru a manipula diverse cunoștințe din lumea reală pe un computer, este necesar să le simulăm. Există multe modele de reprezentare a cunoștințelor pentru diverse domenii, dar majoritatea aparțin următoarelor clase: modele logice”, modele de producție; rețele semantice; modele de cadru. În mod tradițional, în reprezentarea cunoașterii există modele logice formale, bazat pe calculul clasic al predicatelor de ordinul întâi, atunci când domeniul este descris ca un set de axiome. Toate informațiile necesare pentru rezolvarea problemelor sunt considerate ca un set de reguli și enunțuri, care sunt reprezentate ca formule în logica unor predicate. Cunoașterea reflectă totalitatea acestor formule, iar obținerea de noi cunoștințe se reduce la implementarea procedurilor de inferență logică. Acest model logic este aplicabil în principal în sistemele „ideale” de cercetare, deoarece impune cerințe și limitări înalte în domeniul subiectului. Sistemele expert industriale folosesc diversele sale modificări și extensii. Studiile asupra proceselor umane de luare a deciziilor au arătat că atunci când raționează și ia o decizie, o persoană folosește regulile de producție(din engleza producție- regula de inferență, regulă generatoare). Modelul produsului pe baza unor reguli, vă permite să prezentați cunoștințele sub formă de propoziții: IF (o listă de condiții), THEN (ar trebui efectuată o listă de acțiuni). Condiție - aceasta este propoziția care este căutată în baza de cunoștințe și acțiune Există o operațiune care se efectuează atunci când căutarea are succes. Acțiunile pot fi ca intermediar, apărând mai departe ca condiţii şi vizat, finalizarea lucrărilor SI. În modelul de producție, baza de cunoștințe constă dintr-un set de reguli. Este numit programul care controlează enumerarea regulilor mașină de ieșire. Mecanismul de inferență conectează cunoștințele și creează o concluzie din secvența acesteia. Concluzia se întâmplă Drept(metoda de potrivire, de la date la căutarea țintă) sau înapoi(o metodă de generare a unei ipoteze și de testare a acesteia, de la scop la date). Exemplu.
Există un fragment de bază de cunoștințe format din două reguli: etc. 1: DACĂ „a face afaceri” și „a cunoaște internetul”, LA „comerțul electronic”. etc. 2: DACĂ „deține un computer” ASTA înseamnă „a cunoaște internetul”. Sistemul a primit date: "Făcînd afaceri"
Și „deține un computer”.
IESIREA DIRECTA: Pe baza datelor disponibile, obțineți o concluzie. prima trecere: Pasul 1. Verificați Ex. 1, nu funcționează - nu există suficiente date „cunoștință cu Internetul”. Pasul 2. Verificați Ex. 2, funcționează, baza este completată de faptul „familiaritatea cu Internetul”. a 2-a trecere Pasul 3. Verificați Ex. 1, funcționează, sistemul dă concluzia „comerț electronic”. IEȘIRE INVERSĂ: Validați obiectivul selectat utilizând regulile și datele existente. prima trecere: Pasul 1. Obiectiv - „comerț electronic”: Verificarea Ave. 1, nu există date „cunoaștere cu Internetul”, acestea devin un nou obiectiv și există o regulă în care este în partea dreaptă. Pasul 2. Scop - „a cunoaște internetul”: etc. 2 confirmă ținta și o activează. A doua trecere: Pasul 3. Ex. 1 confirmă ținta dorită. Modelul de produs atrage dezvoltatorii prin claritatea, modularitatea, ușurința de a face adăugiri și modificări, simplitatea mecanismului de inferență logică și este cel mai adesea folosit în sistemele expert industriale. Semantică este o știință care studiază proprietățile semnelor și sistemelor de semne, legătura lor semantică cu obiectele reale. Web semantic - acesta este un grafic direcționat, ale cărui vârfuri sunt concepte, iar arcele sunt relații între ele (Fig. 6). Acesta este cel mai general model de cunoaștere, deoarece conține mijloacele tuturor proprietăților caracteristice cunoașterii: interpretare internă, structură, metrică semantică și activitate. Figura 6. Web semantic Avantajele modelelor de rețea sunt: capacități expresive mai mari; vizibilitatea sistemului de cunoștințe, prezentată grafic; apropierea structurii rețelei reprezentând sistemul de cunoștințe de structura semantică a frazelor în limbaj natural; conformitatea cu ideile moderne despre organizarea memoriei umane pe termen lung. Dezavantajele includ faptul că modelul de rețea nu conține o idee clară a structurii domeniului care îi corespunde, astfel încât formarea și modificarea sa este dificilă; Modelele de rețea sunt structuri pasive; pentru procesarea lor se folosește un aparat special concluzie formală. Problema găsirii unei soluții într-o bază de cunoștințe, cum ar fi o rețea semantică, se rezumă la problema căutării unui fragment din rețea corespunzător unei anumite subrețea a sarcinii, care, la rândul său, indică un alt dezavantaj al modelului - dificultatea căutării rezultatelor pe rețelele semantice. Modelele de rețea sunt un mijloc vizual și destul de universal de reprezentare a cunoștințelor. Cu toate acestea, formalizarea lor în modele specifice de reprezentare, utilizare și modificare a cunoștințelor este un proces destul de laborios, mai ales în prezența unor relații multiple între concepte. Termen cadru(din limba engleză frame - framework, frame) se propune să desemneze structura unei unități de cunoaștere, care poate fi descrisă printr-un anumit set de concepte pentru percepția sa spațială. Cadrul are o anumită structură internă, constând dintr-un set de elemente numite sloturi. Fiecare slot, la rândul său, este reprezentat de un specific structura datelor, procedura, sau poate fi asociat cu un alt cadru. Modelul cadru este un model tehnologic al memoriei și conștiinței umane, sistematizat sub forma unei teorii unificate. Spre deosebire de alte modele, o structură rigidă este fixată în cadre. În general, un cadru este definit după cum urmează: (NUMELE CADRU: (numele primului slot: valoarea primului slot); (numele slotului 2: valoarea slotului 2); (Numele slotului N-ro: valoarea slotului N-ro)). O proprietate importantă a cadrelor este moștenirea proprietăților,împrumutat din teoria rețelelor semantice. Moștenirea are loc prin conexiuni AKO (de la A Kind Of, care înseamnă „acest.”). Slot-ul ACO indică un cadru la un nivel superior al ierarhiei, din care este implicit moștenit, i.e. sunt transferate valorile sloturilor similare. De exemplu, în rețeaua de cadre din Fig. 7 „constructor” moștenește proprietățile cadrelor „inginer” și „persoană”, care se află la un nivel superior al ierarhiei. Figura 7. Rețea de cadre Modelul de cadru este destul de universal; vă permite să afișați întreaga diversitate de cunoștințe despre lume prin: structuri-cadru, să desemneze obiecte și concepte (prelecție, note, departament); roluri-cadru(elev, profesor, decan); cadre de scenariu(trecerea unui examen, celebrarea unei zile onomastice, primirea unei burse); cadre de situație(anxietate, programul de lucru al zilei de școală), etc. Principalul avantaj al cadrelor ca model de reprezentare a cunoștințelor este capacitatea lor de a reflecta baza conceptuală a organizării memoriei umane, precum și flexibilitatea și vizibilitatea. Rezumând analiza modelelor de reprezentare a cunoștințelor, putem trage următoarele concluzii: Cele mai puternice sunt modelele mixte de reprezentare a cunoștințelor. Sistem expert Conceput pentru a analiza datele conținute în bazele de cunoștințe și pentru a emite recomandări la cererea utilizatorului. Ele sunt utilizate în cazurile în care datele inițiale sunt bine formalizate, dar luarea deciziilor necesită cunoștințe extinse și speciale. Sistem expert- acestea sunt sisteme software complexe care acumulează cunoștințele specialiștilor în domenii specifice și reproduc această experiență empirică pentru a oferi sfaturi utilizatorilor mai puțin calificați. Domenii: medicină, farmacologie, chimie, geologie, economie, drept etc., în care majoritatea cunoștințelor sunt experienta personala specialiștii (experții) de nivel înalt au nevoie de sisteme experte. Acele domenii în care cele mai multe cunoștințe sunt reprezentate sub formă de experiență colectivă (de exemplu, matematica superioară) nu au nevoie de ele. Un sistem expert este definit printr-un set de reguli interconectate logic care formează cunoștințele și experiența unui specialist într-un anumit domeniu și un mecanism de decizie care permite recunoașterea unei situații, oferirea de recomandări de acțiune și diagnosticarea. Sistemele expert moderne sunt capabile de: Pe baza totalității semnelor bolii, stabiliți un diagnostic, prescrieți tratament, administrați medicamente, dezvoltați un program de tratament; Îndeplinește sarcinile sistemelor de diagnosticare în studiul fenomenelor și proceselor (de exemplu, pentru analiza sângelui; managementul producției; studierea stării intestinelor pământului, câmpurile petroliere, zăcămintele de cărbune etc.); Recunoașterea vorbirii, în această etapă într-un domeniu limitat de aplicare; Recunoaște fețele umane, amprentele etc. În fig. Figura 8 prezintă principalele componente ale modelului de sistem expert: utilizator(specialist în domeniul căruia îi este destinat acest sistem), inginer de cunoștințe(specialistul în inteligență artificială este o legătură intermediară între un expert și o bază de cunoștințe), interfața cu utilizatorul(o aplicație care implementează un dialog între utilizator și sistem), bază de cunoștințe - miez de sistem expert, rezolvator(o aplicație care simulează raționamentul expert bazat pe cunoștințele disponibile în baza de cunoștințe), subsistem de clarificare ( o aplicație care vă permite să explicați pe baza a ceea ce sistemul expert face recomandări, trage concluzii și ce cunoștințe sunt folosite ), editor inteligent de bază de cunoștințe(o aplicație care oferă unui inginer de cunoștințe capacitatea de a crea o bază de cunoștințe în mod interactiv ).
Figura 8. Structura modelului de sistem expert. O trăsătură caracteristică a oricărui sistem expert este capacitatea de auto-dezvoltare. Datele sursă sunt stocate în baza de cunoștințe sub formă de fapte, între care se stabilesc anumite conexiuni logice. Dacă testarea dezvăluie recomandări sau concluzii incorecte cu privire la probleme specifice sau o concluzie nu poate fi formulată, aceasta înseamnă fie absența unor fapte importante în baza sa, fie încălcări ale sistemului logic de conexiuni. În orice caz, sistemul în sine poate genera un set suficient de întrebări pentru expert și poate îmbunătăți automat calitatea acestuia. Sistem de control Reprezintă un set de modele structurale interconectate ale subsistemelor care îndeplinesc următoarele funcții: planificare(strategic, tactic, operațional); contabilitate- afiseaza starea obiectului de control ca urmare a executarii proceselor de productie; Control- determină abaterea datelor contabile de la obiectivele și standardele planificate; Managementul operational- reglementeaza toate procesele pentru a elimina orice abateri de la datele planificate si contabile; analiză- determină tendința de funcționare a sistemului și a rezervelor, care sunt luate în considerare la planificarea pentru perioada următoare. Utilizarea modelelor ca parte a sistemelor informaționale a început cu utilizarea metodelor statistice și a metodelor de analiză financiară, care au fost implementate de echipe de limbaje algoritmice convenționale. Ulterior, au fost create limbaje speciale care au făcut posibilă simularea diferitelor situații. Astfel de limbaje fac posibilă construirea de modele de un anumit tip care oferă soluții atunci când variabilele se modifică în mod flexibil. SOFTWARE. CONCEPTE DE BAZĂ DE PROGRAMARE CONCEPTE ȘI DEFINIȚII DE BAZĂ Hardware-ul PC considerat împreună este un instrument universal pentru rezolvarea unei game largi de probleme. Cu toate acestea, aceste probleme pot fi rezolvate doar dacă PC-ul „știe” algoritmul pentru rezolvarea lor. Algoritm(algoritm) - o prescripție exactă care determină procesul de conversie a datelor sursă în rezultatul final. General proprietăți a oricărui algoritm sunt: – discretie
– capacitatea de a împărți algoritmul în acțiuni elementare separate; – certitudine
(determinismul) algoritmului asigură neechivocitatea rezultatului (repetabilitatea rezultatului obținut în timpul calculelor repetate cu aceleași date inițiale) și elimină posibilitatea denaturarii sau interpretării ambigue a prescripției; – eficacitate
– obținerea obligatorie a unui anumit rezultat într-un număr finit de pași, iar dacă este imposibil de obținut un rezultat, semnal că acest algoritm nu este aplicabil pentru rezolvarea problemei; – caracter de masă
– capacitatea de a obține rezultate cu date inițiale diferite pentru o anumită clasă de probleme similare.
.
.
- Rulouri de scorțișoară cu aluat de drojdie cu smântână
- Cod la cuptor Cod la cuptor cu smantana si branza reteta
- Cum să gătești delicioase „arici” pentru copii Rețetă de arici de carne pentru copii
- Cum să gătești supă de broccoli verde strălucitor într-un aragaz lent Rețetă de supă de broccoli într-un aragaz lent