Методы кибернетики: Что такое Кибернетика?

Что такое Кибернетика?

Подробности
28.01.2010 11:51

Что такое кибернетика?

Большая российская энциклопедия определяет кибернетику (от греч. κυβερνητηκη — искусство управления, от κυβερναω — правлю рулём, управляю) как науку об управлении, связи и переработке информации.

Кибернетические системы и информация

Основным объектом исследования в кибернетике являются так называемые кибернетические системы. Примерами кибернетических систем могут служить разного рода автоматические регуляторы в технике (например, автопилот или регулятор, обеспечивающий поддержание постоянной температуры в помещении), электронные вычислительные машины (ЭВМ или компьютеры), человеческий мозг, биологические популяции, человеческое общество… Кибернетические системы имеют рецепторы (датчики), воспринимающие сигналы из внешней среды и передающие их внутрь системы, а также входные и выходные каналы, по которым они обмениваются сигналами с внешней средой. Выходные сигналы системы передаются во внешнюю среду через эффекторы (исполнительные устройства). Поскольку каждая система сигналов, независимо от того, формируется она разумными существами или объектами и процессами неживой природы, несет в себе ту или иную информацию, то всякая кибернетическая система, может рассматриваться как преобразователь информации. Рассмотрение различных объектов живой и неживой природы как преобразователей информации или как систем, состоящих из элементарных преобразователей информации, составляет сущность так называемого кибернетического подхода к изучению этих объектов.

Мозг и компьютеры

Из числа сложных технических преобразователей информации наибольшее значение имеют компьютеры. Компьютеры обладают свойством универсальности. Это означает, что любые преобразования буквенно-цифровой информации, которые могут быть определены произвольной конечной системой правил любой природы (арифметических, грамматических и др.) могут быть выполнены компьютером после введения в него составленной должным образом программы.Методы кибернетики: Что такое Кибернетика? Другим известным примером универсального преобразователя информации (хотя и основанного на совершенно иных принципах) является человеческий мозг. Свойство универсальности современных компьютеров открывает возможность моделирования с их помощью любых других преобразователей информации, в том числе мыслительных процессов. Такая возможность ставит компьютеры в особое положение: с момента своего возникновения они представляют основное техническое средство, основной аппарат исследования, которым располагает кибернетика.

Кибернетика и управление

Целенаправленное изменение поведения кибернетических систем происходит при наличии управления. Основной задачей системы с управлением является такое преобразование поступающей в систему информации и формирование таких управляющих воздействий, при которых обеспечивается достижение (по возможности наилучшее) заданных целей управления. Примером может служить система автоматического регулирования температуры воздуха в помещении: специальный термометр-датчик измеряет температуру воздуха T, управляющая система сравнивает эту температуру с заданной величиной T0 и формирует управляющее воздействие -k(T-T0) на задвижку, регулирующую приток тёплой воды в батареи центрального отопления. Знак минус при коэффициенте k означает, что регулирование происходит по закону отрицательной обратной связи, а именно: при увеличений температуры T выше установленного порога T0 приток тепла уменьшается, при её падении ниже порога — возрастает.

Отрицательная обратная связь необходима для обеспечения устойчивости процесса регулирования. Устойчивость системы означает, что при отклонении от положения равновесия (когда T=T0) как в одну, так и в другую сторону система стремится автоматически восстановить это равновесие. При простейшем предположении о линейном характере зависимости между управляющим воздействием и скоростью притока тепла в помещение работа такого регулятора описывается дифференциальным уравнением dT/dt=-k(T-T0), решением которого служит функция T=T0+d exp(-kt), где d — отклонение температуры T от заданной величины T0 в начальный момент времени.Методы кибернетики: Что такое Кибернетика? Поскольку рассмотренная система описывается линейным дифференциальным уравнением 1-го порядка, она носит название линейной системы 1-го порядка. Более сложным поведением обладают линейные системы 2-го и более высоких порядков и особенно нелинейные системы. Возможны системы, в которых принцип программного управления комбинируется с регулированием в смысле поддержания заданного значения той или иной величины. Так, например, в описанный регулятор комнатной температуры может быть встроено программное устройство, меняющее значение регулируемого параметра. Задачей такого устройства может быть, скажем, поддержание температуры +20o С в дневное время и снижение её до +16o С в ночные часы. Функция простого регулирования перерастает здесь в функцию слежения за значением программно изменяемого параметра. В более сложных следящих системах задача состоит в поддержании (возможно более точном) некоторой фиксированной функциональной зависимости между множеством самопроизвольно меняющихся параметров и заданным множеством регулируемых параметров. Примером может служить система, непрерывно сопровождающая лучом прожектора маневрирующий произвольным образом самолет.

В так называемых системах оптимального управления основной целью является поддержание максимального (или минимального) значения некоторой функции от двух групп параметров, называемой критерием оптимального управления. Параметры первой группы (внешние условия) меняются независимо от системы, параметры второй группы являются регулируемыми, т. е. их значения могут меняться под воздействием управляющих сигналов системы. Простейший пример оптимального управления снова даёт задача регулирования температуры комнатного воздуха при дополнительном условии учёта изменений его влажности. Величина температуры воздуха, дающая ощущение наибольшего комфорта, зависит от его влажности. Если влажность всё время меняется, а система может управлять лишь изменением температуры, то естественно в качестве цели управления поставить задачу поддержания температуры, которая давала бы ощущение наибольшего комфорта.Методы кибернетики: Что такое Кибернетика? Это и будет задача оптимального управления. Системы оптимального управления имеют большое значение в задачах управления экономикой. Если данных для обеспечения удовлетворительного качества системы недостаточно, можно строить так называемые адаптивные регуляторы, собирающие недостающую информацию в ходе работы системы и использующие ее для повышения качества своей работы.

Методы кибернетики

Кибернетика использует для исследования систем три принципиально различных метода. Два из них — математический анализ и физический эксперимент широко применяются и в других науках. Сущность первого метода состоит в описании изучаемого объекта в рамках того или иного математического аппарата (например, в виде системы уравнений) и последующего извлечения различных следствий из этого описания путем математической дедукции (например, путем решения соответствующей системы уравнений). Сущность второго метода состоит в проведении различных экспериментов либо с самим объектом, либо с его реальной физической моделью.

Одним из  важнейших достижений кибернетики является разработка и широкое использование нового метода исследования, получившего название вычислительного (машинного) эксперимента, или математического моделирования. Смысл его состоит в том, что эксперименты производятся не с реальной физической моделью изучаемого объекта, а с его математическим описанием, реализованным в компьютере. Огромное быстродействие современных компьютеров зачастую позволяет моделировать процессы в более быстром темпе, чем они происходят в действительности.

История кибернетики

Первым, кто применил термин КИБЕРНЕТИКА для управления в общем смысле, был по-видимому, древнегреческий философ Платон. Однако реальное становление КИБЕРНЕТИКИ как науки произошло много позже. Оно было предопределено развитием технических средств управления и преобразования информации. Ещё в средние века в Европе стали создавать так называемые андроиды — человекоподобные игрушки, представляющие собой механические, программно управляемые устройства.Методы кибернетики: Что такое Кибернетика? Первые промышленные регуляторы уровня воды в паровом котле и скорости вращения вала паровой машины были изобретены И. И. Ползуновым (Россия) и Дж. Уаттом (Англия) в 18 веке. Решающее значение для становления КИБЕРНЕТИКИ имело создание в 40-х гг. ХХ в. электронных вычислительных машин — ЭВМ или компьютеров (Дж. фон Нейман и др.). Благодаря ЭВМ возникли принципиально новые возможности для исследования и фактического создания действительно сложных управляющих систем. Оставалось объединить весь полученный к этому времени материал и дать название новой науке. Этот шаг был сделан американским математиком Норбертом Винером, опубликовавшим в 1948 свою знаменитую книгу «Кибернетика». Винер определил КИБЕРНЕТИКУ как «науку об управлении и связи в животном, машине и обществе». Стремительное развитие вычислительной техники породило большой интерес к кибернетике в 60-70е годы и ее бурное развитие во всем мире. В 80-90е годы термин КИБЕРНЕТИКА был частично вытеснен термином «Информатика», имеющим отношение прежде всего к компьютерам и обработке информации. Однако в последние годы КИБЕРНЕТИКА вновь стала популярной в связи с развитием Интернета (киберпространство) и робототехники (киборг — кибернетический организм — устройство с высокой степенью физического и интеллектуального взаимодействия человека и технических средств автоматики). Киборги, так же как и роботы-манипуляторы, находят все более широкое применение при управлении объектами в недоступных или опасных для жизни человека условиях.

Кибернетика в школе

На школьном уровне кибернетика понимается, в соответствии с ее методами, как наука, находящаяся на стыке математики, физики и информатики. При этом основные понятия кибернетики входят в школьный стандарт по курсу «Информатика».

Соответственно, олимпиада по кибернетике проводится как соревнование по решению задач, требующих знаний и навыков по перечисленным предметам школьного курса.

Основные черты кибернетики

Академик С. Л. Соболев, А.Методы кибернетики: Что такое Кибернетика?  И. Китов, А. А. Ляпунов 1

1. Общенаучное значение кибернетики

Кибернетикой называется новое научное направление, возникшее в последние годы и представляющее собой совокупность теорий, гипотез и точек зрения, относящихся к общим вопросам управления и связи в автоматических машинах и живых организмах.

Это направление в науке усиленно развивается и еще не представляет собой достаточно стройной и дельной научной дисциплины. В настоящее время в кибернетике определились три основных раздела, каждый из которых имеет большое самостоятельное значение:

  1. Теория информации, в основном статистическая теория обработки и передачи сообщений.
  2. Теория автоматических быстродействующих электронных счетных машин как теория самоорганизующихся логических процессов, подобных процессам человеческого мышления.
  3. Теория систем автоматического управления, главным образом теория обратной связи, включающая в себя изучение с функциональной точки зрения процессов работы нервной системы, органов чувств и других органов живых организмов.

Математический аппарат кибернетики весьма широк: сюда относятся, например, теория вероятностей, в частности теория случайных процессов, функциональный анализ, теория функций, математическая логика.

Значительное место в кибернетике занимает учение об информации. Информацией называются сведения о результатах каких-либо событий, которые заранее не были известны. Существенно при этом то, что фактически поступившие данные являются всегда одним из определенного числа возможных вариантов сообщений.

Понятию информации кибернетика придает очень широкий смысл, включая в него как всевозможные внешние данные, которые могут восприниматься или передаваться какой-либо определенной системой, так и данные, которые могут вырабатываться внутри системы. В последнем случае система будет служить источником сообщений.

Информацией могут являться, например, воздействия внешней среды на организм животного и человека; знания и сведения, получаемые человеком в процессе обучения; сообщения, предназначаемые для передачи с помощью какой-либо линии связи; исходные промежуточные и окончательные данные в вычислительных машинах и т.Методы кибернетики: Что такое Кибернетика?  п.

Новая точка зрения возникла недавно на основании изучения процессов в автоматических устройствах. И это не случайно. Автоматические устройства достаточно просты для того, чтобы не затемнять сути процессов обилием деталей, и, с другой стороны, сам характер функций, выполняемых ими, требует нового подхода. Энергетическая характеристика их работы, конечно, важная сама по себе, совершенно не касается сути выполняемых ими функций. Для того же, чтобы понять сущность их работы, нужно прежде всего исходить из понятия информации (сведений) о движении объектов.

Подобно тому, как введение понятия энергии позволило рассматривать все явления природы с единой точки зрения и отбросить целый ряд ложных теорий (теория флогистона, вечных двигателей и др.), так и введение понятия информации, единой меры количества информации позволяет подойти с единой общей точки зрения к изучению самых различных процессов взаимодействия тел в природе.

Рассматривая информацию, передаваемую воздействием, необходимо подчеркнуть, что ее характер зависит как от воздействия, так и от воспринимающего это воздействие тела. Воздействие от источника к воспринимающему воздействие телу в общем происходит не непосредственно, но через целый ряд опосредствующих эту связь частных воздействий. (Информация при этом каждый раз перерабатывается.) Совокупность средств, позволяющих воздействию достигнуть воспринимающего тела, называется каналом передачи информации, или, короче, каналом связи.

Общим для всех видов информации является то, что сведения или сообщения всегда задаются в виде какой-либо временной последовательности, то есть в виде функции времени.

Количество переданной информации и тем более эффект воздействия информации на получателя не определяется количеством энергии, затраченной на передачу информации. Например, при помощи телефонного разговора можно остановить завод, вызвать пожарную команду, поздравить с праздником. Нервные импульсы, идущие от органов чувств к головному мозгу, могут нести с собой ощущения тепла или холода, удовольствия или опасности.Методы кибернетики: Что такое Кибернетика? ____________________________
сигналы обратной связи

Рис. 1

От регулятора к объекту информация передается в виде сигналов управления; в управляемом объекте под воздействием управляющих сигналов осуществляется преобразование больших количеств энергии (сравнительно с энергией сигналов) в работу. Цепь передачи информации замыкается сигналами обратной связи, представляющими собой информацию о действительном состоянии управляемого объекта, поступающую от объекта в регулятор. Назначение любого регулятора заключается в преобразовании информации, характеризующей действительное состояние объекта, в информацию управления, то есть информацию, которая должна определять будущее поведение объекта. Таким образом, регулятор представляет собой устройство преобразования информации. Законы преобразования информации определяются принципами действия и конструкцией регулятора.

В простейшем случае регулятор может быть просто линейным преобразователем, в котором сигнал обратной связи, показывающий отклонение регулируемого объекта от требуемого положения,- сигнал ошибки — линейно преобразуется в управляющий сигнал. Сложнейший пример системы управления представляют нервные системы животных и человека. Решающее значение и для этих систем имеет принцип обратной связи. При выполнении какого-либо действия управляющие сигналы в виде нервных импульсов передаются от головного мозга к исполнительным органам и вызывают в конечном счете мышечное движение. Линию обратной связи представляют сигналы от органов чувств, а также кинэстетические мышечные сигналы положений, передаваемые в головной мозг и характеризующие фактическое положение исполнительных органов.

Установлено (см. П. Гуляев “Что такое биофизика”. Журнал “Наука и жизнь” № 1 за 1955 год), что процессы, происходящие в замкнутых цепях обратной связи живых организмов, поддаются математическому описанию и по своим характеристикам приближаются к процессам, происходящим в сложных нелинейных системах автоматического регулирования механических устройств.Методы кибернетики: Что такое Кибернетика?

Помимо многочисленных и сложных замкнутых цепей обратной связи, предназначенных для движения и действия организмов во внешнем мире, в любом живом организме имеется большое количество сложных и разнообразных внутренних цепей обратной связи, предназначенных для поддержания нормальных условий жизнедеятельности организмов (регулирование температуры, химического состава, кровяного давления и т. д.). Эта система внутреннего регулирования в живых организмах называется гомеостатом.

Основной характеристикой любого регулятора как устройства переработки информации является замен преобразования информации, реализуемый регулятором.

Эти законы в различных регуляторах могут значительно отличаться друг от друга: от линейного преобразования в простейших механических системах до сложнейших законов мышления человека.

Одной из главных задач кибернетики является изучение принципов построения и действия различных регуляторов и создание общей теории управления, то есть общей теории преобразования информации в регуляторах. Математической основой для создания такой теории преобразования информации служит математическая логика — наука, изучающая методами математики связи между посылками и следствиями. По существу математическая логика дает теоретическое обоснование и методом преобразования информации, что обусловливает тесную связь математической логики с кибернетикой.

На базе математической логики появились и бурно развиваются в настоящее время многочисленные частные приложения этой науки к различным системам обработки информации: теория релейно-контактных схем, теория синтеза электронных вычислительных и управляющих схем, теория программирования для электронных автоматических счетных машин и др.

Основная задача, которую приходится решать при разработке схемы того или иного устройства обработки информации, заключается в следующем: задан определенный набор возможных входных информаций и функция, определяющая зависимость выходной информации от входной, то есть задан объем информации, подлежащей обработке, и закон ее переработки.Методы кибернетики: Что такое Кибернетика? Требуется построить оптимальную схему, которая обеспечила бы реализацию этой зависимости, то есть переработку заданного количества информации.

Можно представить такой характер решения этой задачи, когда для реализации каждой зависимости, то есть для передачи каждого возможного варианта информации, строится отдельная схема. Это наиболее простой и наименее выгодный путь решения. Задача теории заключается в том, чтобы путем комбинации таких отдельных цепей обеспечить передачу заданного количества информации при помощи минимального количества физических элементов, потребных для построения схем. При этом необходимо добиться надежности и помехоустойчивости работы систем.

Однако при практическом инженерном решении этих задач не представляется возможным реализовать полностью оптимальные варианты. Необходимо учитывать целесообразность построения машин из определенного количества стандартных узлов и деталей, не слишком увеличивая количество различных вариантов схем в погоне за оптимальностью.

Возникает задача компромисса между требованиями оптимального решения и возможностями практического осуществления схем, задача оценки качества схем и узлов, получающихся из имеющихся стандартных деталей, с точки зрения того, в какой мере эти схемы приближаются к оптимальному решению или каким образом использовать имеющиеся стандартные узлы и блоки для того, чтобы как можно ближе подойти к оптимальному варианту.

Аналогичное положение имеет место и при составлении программ для решения математических задач на быстродействующих счетных машинах. Составление программы заключается в определении последовательности операций, выполняемых машиной, которая даст решение задачи. Подробнее этот вопрос будет пояснен ниже.

Требование оптимального программирования с точки зрения минимального времени работы машины практически не выполняется, так как это связано со слишком большой работой по составлению каждой программы. Поэтому удовлетворяются вариантами программ, которые не слишком отходят от оптимальных вариантов, мо образуются более или менее стандартными, известными приемами.Методы кибернетики: Что такое Кибернетика?

Рассмотренные задачи представляют собой частные случаи общей задачи, решаемой статистической теорией информации, — задачи об оптимальном способе передачи и преобразования информации.

Теория информации устанавливает возможность единым способом представлять любую информацию, независимо от ее конкретной физической природы (в том числе и информацию, заданную непрерывными функциями), в виде совокупности отдельных двоичных элементов — так называемых квантов информации, то есть элементов, каждый из которых может иметь только одно из двух возможных значений: “да” или “нет”.

Теория информации изучает два основных вопроса: а) вопрос об измерении количества информации; б) вопрос о качестве информации, или ее достоверности. С первым связаны вопросы пропускной способности и емкости различных систем, перерабатывающих информацию; со вторым — вопросы надежности и помехоустойчивости этих систем.

Количество информации, представленное каким-либо источником или переданное за определенное время по какому-либо каналу, измеряется логарифмом общего числа ( n ) различных возможных равновероятных вариантов информация, которые могли быть представлены данным источником или переданы за данное время.

I = log a n (1)

Логарифмическая мера принята, исходя из условий обеспечения пропорциональности между количеством информации, которое может быть передано за какой-либо отрезок времени, и величиной этого отрезка и между количеством информации, которое может быть запасено в какой-либо системе, и количеством физических элементов (например, реле), потребных для построения этой системы. Выбор основания логарифмов определяется выбором единицы измерения количества информация. При основании, равном двум, за единицу количества информации принимается наиболее простое, элементарное сообщение о результате выбора одной из двух равновероятных возможностей “да” или “нет”. Для обозначения этой единицы количества информация введено специальное название “бид” (от начальных букв термина “binary bigit”, что означает двоичная цифра).Методы кибернетики: Что такое Кибернетика?

Наиболее простым частным случаем определения количества информации является случай, когда отдельные возможные варианты сообщения имеют одинаковую вероятность.

В связи с массовым характером информации вводятся в рассмотрение ее статистическая структура. Отдельные варианты возможных данных, например, отдельные сообщения в теории связи, рассматриваются не как заданные функции времени, а как совокупность различных возможных вариантов, определенных вместе с вероятностями их появления.

В общем случае отдельные варианты данных имеют различную вероятность, и количество информация в сообщения зависит от распределения этих вероятностей.

Математическое определение понятия количества информации получается следующим образом. В теории вероятностей полной системой событий называют такую группу событий А1 А2… А n , в которой при каждом испытании обязательно наступает одно и только одно из этих событий. Например, выпадение 1, 2, 3, 4, 5 или 6 при бросании игральной кости; выпадение герба или надписи при бросании монеты. В последнем случае имеется простая альтернатива, то есть пара противоположных событий.

Конечной схемой называется полная система событий А1, А2… А n , заданная вместе с их вероятностями: Р1 Р2 … Pn,

A = (А1, А2… А n )
Р1, Р2 … Pn

где:

∑ nk=1Pk=1 и Рk ≥0 (2)

Всякой конечной схеме свойственна некоторая неопределенность, то есть известны только вероятности возможных событий, но какое событие произойдет в действительности, является неопределенным.

Теория информации вводят следующую характеристику для оценки степени неопределенности любой конечной схемы событий:

Н(Р1 Р2…Р n )= — ∑ nk=1 Pk * log Pk (3)

где логарифмы могут браться при произвольном, но всегда одном и том же основании и где при Рk0= принимается Pk*logPk=0.Методы кибернетики: Что такое Кибернетика? Величина Н носит название энтропии данной конечной схемы событий (см. Б. Шэнион “Математическая теория связи”. Сборник переводов “Передача электрических сигналов при наличии помех”. М 1953, А. Я. Хинчин “Понятие энтропии в теории вероятностей”. Журнал “Успехи математических наук”. Т. 3. 1953). Она обладает следующими свойствами:

1. Величина H (Р1 Р2 … Р n ) непрерывна относительно Рk.

2. Величина Н(Р1 Р2 … Р n )=0 в том и только в том случае, когда из чисел Р1 Р2 … Р n одно какое-либо равно единице, а остальные равны нулю, то есть энтропия равна нулю, когда отсутствует какая-либо неопределенность в конечной схеме.

3. Величина Н(Р1Р2 … Р n ) имеет максимальное значение, когда все Р k равны между собой, то есть когда конечная схема имеет наибольшую неопределенность. В этом случае, как нетрудно видеть,

Н(Р1Р2…Р n )=- ∑ k=1n Pk*logaPk = loga n (4)

Кроме того, энтропия обладает свойством аддитивности, то есть энтропия двух независимых конечных схем равна сумме энтропий этих конечных схем.

Таким образом, видно, что выбранное выражение энтропии достаточно удобно и полно характеризует степень неопределенности той или иной конечной схемы событий.

В теории информации доказывается, что единственной формой, удовлетворяющей трем указанным свойствам, является принятая форма для выражения эвтропии

H=-∑k=1n Pk* logaPk

Данные о результатах испытания, возможные исходы которого определялись заданной конечной схемой А, представляют собой некоторую информацию, снимающую ту неопределенность, которая была до испытания. Причем, естественно, чем больше была неопределенность конечной схемы, тем большее количество информации мы получаем в результате проведения испытания и снятия этой неопределенности. Так как характеристикой степени неопределенности любой конечной схемы является энтропия этой конечной схемы, то количество информации, даваемое испытанием, целесообразно измерять той же величиной.Методы кибернетики: Что такое Кибернетика?

Таким образом, в общем случае количество информации какой-либо системы, имеющей различные вероятности возможных исходов, определяется энтропией коечной схемы, характеризующей поведение этой системы.

Так как за единицу количества информации принят наиболее простой и единый вид информации, а именно сообщение о результате выбора между двумя одинаково вероятными вариантами, то и основание логарифмов в выражении для энтропии принимается равным двум.

Как видно из (4), в случае конечной схемы с равновероятными событиями формула (1) получается как частный случай из (2)

Теория информации дает весьма общий метод оценки качества информации, ее надежности. Любая информация рассматривается как результат воздействия двух процессов: закономерного процесса, предназначенного для передачи требуемой информации, и случайного процесса, вызванного действием помехи. Такой подход к оценке качества работы различных систем является общим для ряда наук: радиотехники, теории автоматического регулирования, теории связи, теории математических машин и др.

Теория информации предлагает оценивать качество информации не по отношению уровней полезного сигнала к помехе, а статистическим методом — по вероятности получения правильной информации.

Теория информации изучает зависимость между количеством и качеством информации; исследует методы преобразования информация с целью обеспечения максимальной эффективности работы различных систем переработки информации и выяснения оптимальных принципов построения таких систем.

Большое значение, например, в теории информации имеет положение о том, что количество информации может быть увеличено за счет ухудшения качества, и, наоборот, качество информации может быть улучшено за счет уменьшения количества передаваемой информации.

Помимо широких научных обобщений и выработки нового, единого подхода к исследованию различных процессов взаимодействия тел, теория информации указывает и важные в практическом отношении пути развития техники связи.Методы кибернетики: Что такое Кибернетика? Чрезвычайно большое значение, например, имеют в настоящее время разработанные на основе теории информации методы приема слабых сигналов при наличии помех, значительно превышающих по своей мощности уровень принимаемых сигналов. Многообещающим является путь, указываемый теорией информации, повышения эффективности и надежности линий связи за счет перехода от приема отдельных, единичных сигналов к приему и анализу совокупностей этих сигналов и даже к приему сразу целых сообщений. Однако этот путь в настоящее время встречает еще серьезные практические трудности, связанные главным образом с необходимостью иметь в аппаратуре связи достаточно емкие и быстродействующие запоминающие устройства.

В учении об информации кибернетика объединяет общие элементы различных областей науки: теории связи, теории фильтров и упреждения, теории следящих систем, теории автоматического регулирования с обратной связью, теории электронных счетных машин, физиологии и др., рассматривая различные объекты эти наук с единой точки зрения как системы обработки и передачи информации.

Несомненно, что создание общей теории автоматически управляемых систем и процессов, выяснение общих закономерностей управления и связи в различных организованных системах, в том числе и в живых организмах, будет иметь первостепенное значение для дальнейшего успешного развития комплекса наук. В постановке вопроса о создании общей теории управления и связи, обобщающей достижения и методы различных частных областей науки, заключается основное значение и ценность нового научного направления — кибернетики.

Объективными причинами, обусловившими возникновение в настоящее время такого направления в науке, как кибернетика, явились большие достижения в развитии целого комплекса теоретических дисциплин, таких, как теория автоматического регулирования и колебаний, теория электронных счетных машин, теория связи и другие, и высокий уровень развития средств и методов автоматики, обеспечивший широкие практические возможности создания различных автоматических устройств.Методы кибернетики: Что такое Кибернетика?

Следует подчеркнуть большое методологическое значение вопроса, поставленного кибернетикой, о необходимости обобщения, объединения в широком плане результатов и достижений различных областей науки, развивающихся в известном смысле изолированно друг от друга, например, таких областей, как физиология и автоматика, теория связи и статистическая механика.

Эта изолированность, разобщенность отдельных областей науки, обусловленная в первую очередь различием в конкретных физических объектах исследования, проявляется в различных методах исследования, в терминологии, чем создаются до некоторой степени искусственные перегородки между отдельными областями науки.

На определенных этапах развития науки взаимное проникновение различных наук, обмен достижениями, опытом и их обобщение являются неизбежными, и это должно способствовать подъему науки на новую, более высокую ступень.

Высказываются мнения о необходимости ограничить рамки новой теории в основном областью теории связи на том основании, что широкие обобщения могут привести в настоящее время к вредной путанице. Такой подход не может быть признан правильным. Уже сейчас определился ряд понятий (в чем немалую роль сыграла кибернетика), имеющих общетеоретическое значение. Сюда прежде всего следует отнести принцип обратной связи, играющий основную роль в теории автоматического регулирования и колебаний и имеющий большое значение для физиологии.

Общетеоретическое значение имеет идея рассмотрения статистической природы взаимодействия информации и системы. Например, понятие энтропии в теории вероятностей имеет общетеоретическое значение а его частные приложения относятся как к области статистической термодинамики, так и к области теории связи, а возможно, и к другим областям. Эти общие закономерности имеют объективный характер, и наука не может их игнорировать.

Новое научное направление еще находится в стадии становления, еще не определены четко даже рамки новой теории; новые данные поступают непрерывным потоком.Методы кибернетики: Что такое Кибернетика? Ценность новой теории в широком обобщении достижений различных частных наук, в выработке общих принципов и методов. Задача состоит в том, чтобы обеспечить успешное развитие новой научной дисциплины в нашей стране.

2. Электронные счетные машины и нервная система

Наряду с исследованием и физическим моделированием процессов, происходящих в живых существах, кибернетика занимается созданием более совершенных и сложных автоматов, способных выполнять отдельные функции, свойственные человеческому мышлению в его простейших формах.

Следует заметить, что методы моделирования, методы аналогий постоянно применялись в научных исследованиях, как в области биологических наук, так и в точных науках и в технике. В настоящее время благодаря развитию науки и техники появилась возможность глубже применить этот метод аналогий, глубже и полнее изучить законы деятельности нервной системы, мозга и других органов человека с помощью сложных электронных машин и приборов в, с другой стороны, использовать принципы и закономерности жизнедеятельности живых организмов для создания более совершенных автоматических устройств.

То, что кибернетика ставит перед собой такие задачи, является, несомненно, положительной стороной этого направления, имеющей большое научное и прикладное значение. Кибернетика отмечает общую аналогию между принципом работы нервной системы и принципом работы автоматической счетной машины, заключающуюся в наличии самоорганизующихся процессов счета и логического мышления.

Основные принципы работы электронных счетных машин заключаются в следующем.

Машина может выполнять несколько определенных элементарных операций: сложение двух чисел, вычитание, умножение, деление, сравнение чисел по величине, сравнение чисел с учетом знаков и некоторые другие. Каждая такая операция выполняется машиной под воздействием одной определенной команды, определяющей, какую операцию и над какими числами должна выполнить машина и куда должен быть помещен результат операции.Методы кибернетики: Что такое Кибернетика?

Последовательность таких команд составляет программу работы машины. Программа должна быть составлена человеком-математиком заранее и задана в машину перед решением задачи, после чего все решение задачи выполняется машиной автоматически, без участия человека. Для введения в машину каждая команда программы кодируется в виде условного числа, которое машиной в процессе решения задачи соответствующим образом расшифровывается, и необходимая команда выполняется.

Автоматическая счетная машина обладает способностью хранить — запоминать большое количество чисел (сотни тысяч чисел), выдавать автоматически в процессе решения необходимые для операции числа и снова записывать полученные результаты операций. Условные числа, обозначающие программу, хранятся в машине в тех же запоминающих устройствах, что и обычные числа.

Очень важными с точки зрения принципа работы электронных счетных машин являются следующие две особенности:

1. Машина обладает способностью автоматически изменять ход вычислительного процесса в зависимости от получающихся текущих результатов вычислений. Обычно команды программы выполняются машиной в том порядке, как они записаны в программе. Однако часто и при ручных вычислениях необходимо изменять ход расчета (например, вид расчетной формулы, значение какой-нибудь константы и т. д.) в зависимости от того, какие результаты получаются в процессе вычислений. Это обеспечивается в машине введением специальных операций перехода, позволяющих выбирать различные пути дальнейших вычислений в зависимости от предыдущих результатов.

2. Так как программа работы машины, представленная в виде последовательности условных чисел, хранится в том же запоминающем устройстве машины, что и обычные числа, то машина может производить операции не только над обычными числами, представляющими величины, участвующие в решении задачи, но и над условными числами, представляющими команды программы. Это свойство машины служит для обеспечения возможности преобразования и многократного повторения всей программы или ее отдельных участков в процессе вычислений, что обеспечивает значительное уменьшение объема первоначально вводимой в машину программы и резко сокращает трудоемкость процесса составления программы.Методы кибернетики: Что такое Кибернетика?

Отмеченные две принципиальные особенности электронных счетных машин являются основными для осуществления полностью автоматического вычислительного процесса. Они позволяют машине оценивать по определенным критериям получающиеся в процессе вычислений результат и самой вырабатывать себе программу дальнейшей работы, основываясь только на некоторых общих исходных принципах, заложенных в первоначально введенной в машину программе.

Эти особенности представляют собой основное и наиболее замечательное свойство современных электронных счетных машин, которое обеспечивает широкие возможности использования машин и для решения логических задач, моделирования логических схем и процессов, моделирования различных вероятностных процессов и других применений. Эти возможности сейчас еще далеко не все выяснены.

Таким образом, основным в принципе действий счетной машины является наличие всегда некоторого самоорганизующегося процесса, который определяется, с одной стороны, характером введенных исходных данных и исходными принципами первоначально введенной программы и, с другой стороны, логическими свойствами самой конструкции машины.

Теория таких самоорганизующихся процессов, в частности, процессов, подчиненных законам формальной логики, и составляет, прежде всего, ту часть теория электронных счетных машин, которой занимается кибернетика.

В этом отношения кибернетикой и проводится аналогия между работой счетной машины и работой человеческого мозга при решении логических задач.

Кибернетика отмечает не только аналогию между принципом работы нервной системы и принципом работы счетной машины, заключающуюся в наличии самоорганизующихся процессов счета и логического мышления, но и аналогию в самом механизме работы машины и нервной системы.

Весь процесс работы счетной машины при решении любой математической или логической задачи состоит из огромного числа последовательных двоичных выборов, причем возможности последующих выборов определяются результатами предыдущих выборов.Методы кибернетики: Что такое Кибернетика? Таким образом, работа счетной машины заключается в реализации длинной и непрерывной логической цепи, каждое звено которой может иметь только два значения: “да” или “нет”.

Конкретные условия, имеющие место каждый раз в момент выполнения отдельного звена, обеспечивают всегда вполне определенный и однозначный выбор одного из двух состояний. Этот выбор определяется исходными данными задачи, программой решения и логическими принципами, заложенными в конструкцию машины.

Особенно наглядно такой характер работы вычислительных машин виден на примере машин, работающих по двоичной системе счисления.

В двоичной системе счисления в отличие от общепринятой десятичной системы счисления основанием системы является не число 10, а число 2. В двоичной системе счисления участвуют только две цифры — 0 и 1, и любое число представляется в виде суммы степеней двойки. Например, 25=1в24+1в23 +0в22 +0в21 + 1в20=11001.

Все действия в двоичной арифметике сводятся к ряду двоичных выборов.

Нетрудно видеть, что любые операции с числами, написанными по двоичной системе, представляют собой операции по нахождению отдельных цифр результата, то есть по нахождению величин, принимающих лишь два значения 1 или 0, в зависимости от значений всех цифр каждого из исходных данных.

Следовательно, получение результата сводится к вычислению нескольких функций, принимающих два значения, от аргументов, принимающих два значения. Можно доказать, что любая такая функция представляется в виде некоторого многочлена от своих аргументов, то есть выражения, состоящего ив комбинаций этих аргументов, соединенных посредством сложения и умножения. Умножение таких чисел очевидно; что касается сложения, то его надо понимать условно, принимая 1+1=0, то есть считая двойку эквивалентной нулю.

Вместо сложения арифметического можно ввести другое, “логическое” сложение, в котором 1+1=1, и опять лишь комбинацией двух операций мы получим любую так называемую логическую функцию от многих переменных.Методы кибернетики: Что такое Кибернетика?

Это позволяет легко построить любую схему логической машины при помощи комбинаций двух простейших схем, осуществляющих порознь одна — сложение, а другая — умножение.

Логическая машина, таким образом, состоит из элементов, принимающих два положения.

Другими словами, устройство машины представляет собой совокупность реле с двумя состояниями: “включено” и “выключено”. На каждой стадии вычислений каждое реле принимает определенное положение, продиктованное положениями группы или всех реле на предыдущей стадии операции.

Эти стадии операции могут быть определению “синхронизированы” от центрального синхронизатора, или действие каждого реле может задерживаться до тех пор, пока все реле, которые должны были действовать ранее в этом процессе, не пройдут через все требуемые такты. Физически реле могут быть различными: механическими, электромеханическими, электрическими, электронными и др.

Известно, что нервная система животного содержит элементы, которые по своему действию соответствуют работе реле.

Это так называемые нейроны, или нервные клетки. Хотя строение нейронов и их свойства довольно сложны, они в обычном физиологическом состоянии работают в соответствии с принципом “да” или “нет”. Нейроны или отдыхают или возбуждены, причем во время возбуждения они проходят ряд стадий, почти независимых от характера и интенсивности возбудителя. Сначала наступает активная фаза, передающаяся с одного конца нейрона на другой с определенной скоростью, затем следует рефракторный период, в течение которого нейрон невозбудим. В конце рефракторного периода нейрон остается неактивным, но уже может быть снова возбужден в активное состояние, то есть нейрон может рассматриваться как реле с двумя состояниями активности.

За исключением нейронов, которые получают возбуждение от свободных концов, или нервных окончаний, каждый нейрон получает возбуждение от других нейронов в точках соединения, называемых синапсами. Число таких точек соединения у различных нейронов бывает различным: от нескольких единиц до многих сотен.Методы кибернетики: Что такое Кибернетика?

Переход данного нейрона в возбужденное состояние будет зависеть от сочетания входящих импульсов возбуждения от всех его синапсов и от того, в каком состоянии до этого находился данный нейрон. Если нейрон находится не в состоянии возбуждения в не в рефракторном состоянии и число синапсов от соседних нейронов, находящихся в возбужденном состоянии, в течение определенного, очень короткого периода времени совпадения превосходит определенный предел, тогда этот нейрон будет возбужден после известной синаптической задержки. Такая картина возбуждения нейрона является весьма упрощенной.

“Предел” может зависеть не просто от числа синапсов, но и от их “ожидания” и от их геометрического расположения. Кроме того, имеется доказательство того, что существуют синапсы различного характера, так называемые “синапсы запрещения”, которые или абсолютно предотвращают возбуждение данного нейрона или поднимают предел его возбуждения обычными синапсами.

Однако ясно, что некоторые определенные комбинации импульсов от соседних нейронов, находящихся в возбужденном состоянии и имеющих синаптические связи с данным нейроном, будут приводить данный нейрон в возбужденное состояние, в то время как другие нейроны не будут влиять на его состояние.

Очень важной функцией нервной системы и вычислительных машин является память.

В вычислительных машинах имеется несколько видов памяти. Оперативная память обеспечивает быстрое запоминание и выдачу данных, необходимых в данный момент для использования в операции. После выполнения данной операции эта память может очищаться и подготавливаться тем самым к следующей операции. Оперативная память в машинах осуществляется с помощью электронных триггерных ячеек, электроннолучевых трубок или электроакустических линий задержки и других электронных или магнитных приборов.

Кроме того, имеется постоянная память для длительного запоминания в машине всех данных, которые потребуются в будущих операциях. Постоянная память осуществляется в машинах с помощью магнитной записи на ленту, барабан или проволоку, с помощью перфолент, перфокарт, фотографии и других способов.Методы кибернетики: Что такое Кибернетика?

Заметим, что мозг в отношении функций памяти при нормальных условиях, конечно, не является полной аналогией вычислительной машины. Машина, например, решение каждой новой задачи может производить с полностью очищенной памятью, в то время как мозг всегда сохраняет в большей или меньшей степени предыдущую информацию.

Таким образом, работа нервной системы, процесс мышления, включает в себя огромное число элементарных актов отдельных нервных клеток-нейронов. Каждый элементарный акт реакции нейрона на раздражение, разряд нейрона, подобен элементарному акту работы счетной машины, имеющей возможность в каждом отдельном случае сделать выбор только одного из двух вариантов.

Качественное отличие процесса мышления человека от мышления животных обеспечивается наличием так называемой второй сигнальной системы, то есть системы, обусловленной развитием речи, языка человека. Человек широко использует слова в процессе мышления, воспринимает слова как факторы раздражения; при помощи слов осуществляются процессы анализа и синтеза, процессы абстрактного мышления.

Электронные счетные машины имеют некоторое весьма примитивное подобие языка — это их система команд, условных чисел, система адресов памяти и система различных сигналов, реализующих различные условные и безусловные переходы в программе, реализующих управление работой машины. Наличие такого “языка” машины и позволяет реализовать на машине некоторые логические процессы, свойственные человеческому мышлению.

В общем плане кибернетика рассматривает электронные счетные машины как системы обработки информации.

Для исследования эффективности и анализа целесообразных принципов работы, конструктивных форм электронных счетных машин кибернетика предлагает учитывать статистическую природу поступающей в машину и получающейся информации — математических задач, методов решения, исходных данных, результатов решений.

Это положение находит себе аналогию в принципах работы нервной системы и мозга животных и человека, которые осуществляют взаимодействие с внешней средой путем выработки условных рефлексов и процесса обучения, в конечном счете, путем статистического учета внешних воздействий.Методы кибернетики: Что такое Кибернетика?

Принципы работы электронных счетных машин вполне позволяют реализовать на этих машинах логические процессы, подобные процессу выработки условных рефлексов у животных и человека.

Для машины может быть составлена такая программа, которая будет обеспечивать определенный ответ машины при задании в машину некоторого определенного сигнала, причем в зависимости от того, как часто будет задаваться этот сигнал, машина будет отвечать более или менее надежно. Если сигнал не подается длительное время, то машина может забыть ответ.

Таким образом, вычислительная машина в работе представляет собой больше, чем просто группу взаимосвязанных реле и накопителей. Машина в действии включает в себя и содержимое своих накопителей, которое никогда полностью не стирается в процессе вычислений.

Интересно в этом отношении следующее высказывание Н. Винера: “Механический мозг не секретирует мысль, как печень желчь, как писали об этом раньше, также он не выделяет ее в форме энергии, как выделяют свою энергию мускулы.

Информация есть информация, не материя и не энергия. Никакой материализм, который не допускает этого, не может существовать в настоящее время.” Винер подчеркивает в этом высказывании, что “мыслительные” способности вычислительной машины не являются органическим свойством самой машины как конструкции, а определяются той информацией, в частности, программой, которая вводится в машину человеком.

Следует ясно представлять коренное, качественное отличие процессов мышления человека от работы счетной машины.

В связи с огромным количеством нервных клеток мозг человека заключает в

себе такое большое количество различных элементарных связей, условно рефлекторных и безусловно рефлекторных сочетаний, которые порождают неповторимые и самые причудливые формы творчества и абстрактного мышления, неисчерпаемые по своему богатству вариантов, содержанию и глубине. И. П. Павлов писал, что человеческий мозг содержит такое большое количество элементарных связей, что человек в течение всей своей жизни использует едва ли половину этих возможностей.Методы кибернетики: Что такое Кибернетика?

Однако машина может иметь преимущества перед человеком в узкой специализации своей работы. Эти преимущества в неутомимости, безошибочности, безукоризненно точном следовании заложенным принципам работы, исходным аксиомам логических рассуждений при решении конкретных задач, поставленных человеком. Электронные счетные машины могут моделировать, реализовать лишь отдельные, узко направленные процессы мышления человека.

Таким образом, машины не заменяют и, безусловно, никогда не заменят человеческого мозга, подобно тому, как лопата или экскаватор не заменяют человеческих рук, а автомобили или самолеты не заменяют ног.

Электронные счетные машины представляют собой орудия человеческого мышления, подобно тому, как другие инструменты служат орудиями физического труда человека. Эти орудия расширяют возможности человеческого мозга, освобождают его от наиболее примитивных и однообразных форм мышления, как, например, при выполнении счетной работы, при проведении рассуждений и доказательств формальной логики, наконец, при выполнении различных экономико-статистических работ (например, составление расписаний поездов, планирование перевозок, снабжения, производства и т.п.). И как орудия труда — мышления — электронные счетные машины имеют безграничные перспективы развития. Все более сложные и новые процессы человеческого мышления будут реализоваться с помощью электронных счетных машин. Но замена мозга машинами, их равнозначность немыслима.

Качественно отличными являются структуры мозга и счетной машины. Мозг при общей строгой организации и специализации работы отдельных участков имеет локально случайное строение. Это значит, что при строгом распределении функций и связей между отдельными участками мозга в каждом отдельном участке могут изменяться как число нейронов, так и их взаимное расположение и связи, в известной мере случайно. В электронных счетных машинах в настоящее время исключается какая бы то ни была случайность в схемах соединений, составе элементов и их работе.Методы кибернетики: Что такое Кибернетика?

В связи с этим отличием в организации мозга и машины стоит существенное отличие и в другом — в надежности действия.

Мозг является исключительно надежно действующим органом. Выход из строя отдельных нервных клеток совершенно не сказывается на работоспособности мозга. В машине же выход из строя хотя бы одного элемента из сотни тысяч или нарушение хотя бы одного контакта из сотен тысяч контактов может полностью вывести машину из строя.

Далее, человеческий мозг сам в процессе творчества непрерывно развивается, и именно эта способность к бесконечному саморазвитию является основной отличительной чертой человеческого мозга, которая никогда в полной мере не будет воплощена в машине.

Так же практически недостижима в полной мере для машины и способность человеческого мозга к творчеству: широкой и гибкой классификации и поиску в памяти образов, установлению устойчивых обратных связей, анализу и синтезу понятий.

Человеческий мозг — творец всех самых сложных и совершенных машин, которые при всей сложности и совершенстве являются не более чем орудиями человеческого труда, как физического, так и умственного.

Таким образом, электронные счетные машины могут представить собой только чрезвычайно грубую, упрощенную схему процессов мышления. Эта схема аналогична только отдельным, узко направленным процессам мышления человека в его простейших формах, не содержащих элементов творчества.

Но, несмотря на наличие большой разницы между мозгом и счетной машиной, создание и применение электронных счетных машин для моделирования процессов высшей нервной деятельности должно иметь для физиологии величайшее значение. До настоящего времени физиология могла только наблюдать за работой мозга. Сейчас появилась возможность экспериментировать, создавать модели, пусть самых грубых, самых примитивных процессов мышления и, исследуя работу этих моделей, глубже познавать законы высшей нервной деятельности. Это означает дальнейшее развитие объективного метода изучения высшей нервной деятельности, предложенного И.Методы кибернетики: Что такое Кибернетика?  П. Павловым.

Исследуя принцип работы нервной системы и электронных счетных машин, принципы действия обратной связи в машинах и живых организмах, функции памяти в машинах и живых существах, кибернетика по-новому и обобщенно ставит вопрос об общем в различном в живом организме и машине.

Эта постановка проблемы при строгом и глубоком прослеживании может дать далеко идущие результаты в области психопатологии, невропатологии, физиологии нервной системы.

Следует отметить, что в печати уже были опубликованы сообщения о разработке некоторых электронных физиологических моделей. Разработаны, например, модели для изучения работы сердца я его болезней. Разработан электронный счетный прибор, обеспечивающий возможность чтения обычного печатного текста слепым. Этот прибор читает буквы и передает их в виде звуковых сигналов различного тона. Интересно, что после разработки этого прибора было обнаружено, что принципиальная схема прибора до некоторой степени напоминает совокупность связей в том участке коры головного мозга человека, который заведует зрительными восприятиями. Таким образом, методы электронного моделирования начинают практически применяться в физиологии. Задача состоит в том, чтобы, отбросив разговоры о “псевдонаучности” кибернетики, прикрывающие зачастую простое невежество в науке, исследовать пределы допустимости подобного моделирования, выявлять те ограничения в работе электронных счетных установок, которые являются наиболее существенными для правильного представления исследуемых процессов мышления, и ставить задачи конструкторам машин по созданию новых, более совершенных моделей.

3. Прикладное значение кибернетики

В настоящее время за границей уделяется большое внимание как теоретическим, так и экспериментальным исследованиям в области кибернетики. Практически разрабатываются и строятся сложные автоматы, выполняющие разнообразные логические функции, в частности, автоматы, способные учитывать сложную внешнюю обстановку и запоминать свои действия.Методы кибернетики: Что такое Кибернетика?

Разработка таких автоматов стала возможной с применением в системах автоматика электронных счетных машин с программным управлением. Применение электронных счетных машин для целей автоматического управления и регулирования знаменует собой новый этап в развитии автоматики. До настоящего времени строились автоматы, зачастую весьма сложные, предназначенные для работы в определенных, заранее известных условиях. Эти автоматы обладали постоянными параметрами и работали в соответствии с постоянными правилами и законами регулирования или управления.

Введение электронных счетных машин в системы управления позволяет осуществлять так называемое оптимальное регулирование, или регулирование с предварительной оценкой возможностей. При этом счетная машина в соответствии с поступающими в нее данными, характеризующими текущее состояние системы и внешнюю обстановку, просчитывает возможные варианты будущего поведения системы при различных способах регулирования с учетом будущих изменений внешних условий, полученных экстраполяцией.

Анализируя полученные решения на основе какого-нибудь критерия оптимального регулирования (например, по минимуму времени регулирования), счетная машина выбирает оптимальный вариант, учитывая при этом прошлое поведение системы. При необходимости такая система регулирования может изменять и параметры самой системы управления, обеспечивая оптимальный ход процесса регулирования. Разработка таких автоматов имеет большое экономическое и военное значение.

Особенно большое значение имеет проблема создания автоматических машин, выполняющих различные мыслительные функции человека.

Необходимым условием применения электронных счетных машин для механизации той или иной области умственной работы для управления каким-либо процессом является математическая постановка задачи, наличие математического описания процесса или определенного логического алгоритма заданной работы. Несомненно, что такие невычислительные применения автоматических счетных машин имеют первостепенное значение и необычайно широкие перспективы развития как средства для расширения познавательных возможностей человеческого мозга, для вооружения человека еще более совершенными орудиями труда, как физического, так и умственного.Методы кибернетики: Что такое Кибернетика?

В качестве примеров кибернетической техники можно привести: автоматический перевод с одного языка на другой, осуществляемый с помощью электронной счетной машины; составление программ для вычислений на машинах с помощью самих машин; использование электронных счетных машин для проектирования сложных переключательных и управляющих схем, для управления автоматическими заводами, для планирования и управления железнодорожным и воздушным сообщением и т. п.; создание специальных автоматов для регулировки уличного движения, для чтения слепым и др.

Следует отметить, что разработка вопросов применения электронных счетных машин в автоматике имеет большое экономическое и военное значение. Строя такие автоматы и исследуя их работу, можно изучить законы построения целого класса автоматических устройств, которые могут быть применены в промышленности и в военном деле. Например, в литературе (см. “Tele-Tech” 153, 12, № 8) приводится принципиальная схема полностью автоматизированного завода, который благодаря атомной силовой установке может длительное время работать самостоятельно, а также схема устройства автоматического управления стрельбой с самолета по летящей цели.

* * *

Необходимо отметить, что до последнего времени в нашей популярной литературе имело место неправильное толкование кибернетики, замалчивание работ по кибернетике, игнорирование даже практических достижений в этой области. Кибернетику называли не иначе, как идеалистической лженаукой.

Однако не подлежит сомнению, что идея исследования и моделирования процессов, происходящих в нервной системе человека, с помощью автоматических электронных систем, сама по себе глубоко материалистична, и достижения в этой области могут только способствовать утверждению материалистического мировоззрения на базе новейших достижений современной техники.

Некоторые наши философы допустили серьезную ошибку: не разобравшись в существе вопросов, они стали отрицать значение нового направления в науке в основном из-за того, что вокруг этого направления была поднята за рубежом сенсационная шумиха, из-за того, что некоторые невежественные буржуазные журналисты занялись рекламой и дешевыми спекуляциями вокруг кибернетики, а реакционные деятели сделали все возможное, чтобы использовать новое направление в науке в своих классовых, реакционных интересах.Методы кибернетики: Что такое Кибернетика? Не исключена возможность, что усиленное реакционное, идеалистическое толкование кибернетики в популярной реакционной литературе было специально организовано с целью дезориентации советских ученых и инженеров, с тем, чтобы затормозить развитие нового важного научного направления в нашей стране.

Необходимо заметить, что автору кибернетики Н. Винеру необоснованно приписывались в нашей печати высказывания о принципиальной враждебности автоматики человеку, о необходимости заменить рабочих машинами, а также о необходимости распространить положения кибернетики на изучение законов общественного развития и истории человеческого общества.

В действительности Н. Винер в своей книге “Кибернетика” ( N. Winer “Cybernetics”. N. Y. 1948) говорит о том, что в условиях капиталистического общества, где все оценивается деньгами и господствует принцип купли-продажи, машины могут принести человеку не благо, а, наоборот, вред.

Далее, Винер пишет, что в условиях хаотичного капиталистического рынка развитие автоматики приведет к новой промышленной революции, которая сделает лишними людей со средними интеллектуальными возможностями и обречет их на вымирание. И здесь же Винер пишет, что выход заключается в создании другого общества, такого общества, где бы человеческая жизнь ценилась сама по себе, а не как объект купли-продажи.

И, наконец, Винер весьма осторожно подходит к вопросу о возможности применения кибернетики к исследованию общественных явлений, утверждая, что, хотя целый ряд общественных явлений и процессов может быть исследован и объяснен с точки зрения теории информации, в человеческом обществе, помимо статистических факторов, действуют еще другие силы, не поддающиеся математическому анализу, и периоды жизни общества, в которые сохраняется относительное постоянство условий, необходимое для применения статистических методов исследования, слишком коротки и редки, чтобы можно было ожидать успеха от применения математических методов к исследованию законов общественного развития в исторические периоды.Методы кибернетики: Что такое Кибернетика?

Следует заметить, что в книге Н. Винера “Кибернетика” содержится острая критика капиталистического общества, хотя автор и не указывает выхода из противоречий капитализма и не признает социальной революции.

Зарубежные реакционные философы и писатели стремятся использовать кибернетику, как и всякое новое научное направление, в своих классовых интересах. Усиленно рекламируя и зачастую преувеличивая высказывания отдельных ученых кибернетиков о достижениях и перспективах развития автоматики, реакционные журналисты и писатели выполняют прямой заказ капиталистов внушить рядовым людях мысль об их неполноценности, о возможности замены рядовых работников механическими роботами и тем самым стремятся принизить активность трудящихся масс в борьбе против капиталистической эксплуатации.

Нам надлежит решительно разоблачать это проявление враждебной идеологии. Автоматика в социалистическом обществе служит для облегчения и повышения производительности труда человека.

Следует вести борьбу также и против вульгаризации метода аналогий в изучении процессов высшей нервной деятельности, отвергая упрощенную, механистическую трактовку этих вопросов, тщательно исследуя границы применимости электронных и механических моделей и схем для представления процессов мышления.

Примечание

1. При составлении данной статьи были приняты во внимание обсуждения докладов о кибернетике, прочитанных авторами в Энергетическом институте АН ССС, в семинаре по машинной математике механико-математического факультета и на биологическом факультете Московского университета, в математическом Институте имени Стеклова, в Институте точной механики и вычислительной техники АН СССР, а также замечания проф. С. А. Яновской, проф. А. А. Фельдбаума, С. А. Яблонского, М. М. Бахметьева, И. А. Полетаева, М. Г. Гаазе-Рапопорта, Л. В. Крушинского, О. В. Лупанова и других. Пользуемся случаем выразить признательность всем принимавшим участие в обсуждении.

Перепечатываются с разрешения авторов.Методы кибернетики: Что такое Кибернетика?
Статья помещена в музей 11 октября 2007 года

Математические основы кибернетики. Методы оптимизации. Часть 2

Issued Date2014
DescriptionУчеб.-метод. пособие [для студентов напр. 220000 «Автоматика и управление», спец. 220402.65 «Роботы и робототехнические системы», напр. 15.03.06 (221000.62) «Мехатроника и робототехника»].
DescriptionДоступ к полному тексту открыт из сети СФУ, вне сети доступ возможен для читателей Научной библиотеки СФУ или за плату.
AbstractВ пособии рассмотрены классические задачи математического программирования, нелинейного, линейного программирования и специальные задачи линейного программирования. Приведены алгоритмы решения указанных задач и программы в среде Mathcad и Matlab, иллюстрирующих работу методов оптимизации. Предназначено студентам направления подготовки 220000 Автоматика и управление, специальности 220402.65 Роботы и робототехнические системы, а также для направления подготовки бакалавров 15.03.06 (221000.62) Мехатроника и робототехника. Может служить пособием магистрам, аспирантам и инженерно-техническим работникам при формализации стохастических объектов управления и решении задач статической оптимизации.
Description on Another Sitehttp://catalog.sfu-kras.ru/ftext?%D0%91%D0%91%D0%9A+22.18%2F%D0%9C+340-403351
Languagerus
PublisherСФУ
RightsДля личного использования.
Subjectзадачи оптимизации
Subjectматематическое программирование
Subjectнелинейное программирование
subject»>Subjectлинейное программирование
Subjectучебно-методические пособия
TitleМатематические основы кибернетики. Методы оптимизации. Часть 2
TypeBook
UDC519.7(07)
Corporate ContributorСибирский федеральный университет
Publisher LocationКрасноярск
InstituteПолитехнический институт
Full Text on Another Sitehttp://lib3.sfu-kras.ru/ft/lib2/elib/b22/i-403351.pdf
Identifier in IRBISRU/НБ СФУ/BOOK1/ББК 22.18/М 340-403351
CompilerМасальский, Геннадий Борисович

Кафедра 805 «Математическая кибернетика»





Заведующий кафедрой
Пантелеев Андрей Владимирович, профессор, доктор физико-математических наук.


Кафедра «Математическая кибернетика» в составе института «Информационные технологии и прикладная математика» осуществляет подготовку:


Математическая кибернетика — наука об управлении, связи и переработке информации.


Математическая кибернетика изучает методы хранения, передачи и переработки информации, способы ее кодирования, методы оптимизации, управления и принятия решений.


Задачи математической кибернетики:

  • Математическая теория управляющих систем, включая:
    • Моделирование управляющих систем, в том числе в технике, экономике, естествознании;
    • Теория оптимального управления;
    • Кибернетические вопросы теории алгоритмов.Методы кибернетики: Что такое Кибернетика? Теория автоматов;
    • Вопросы надежности и контроля управляющих систем;
    • Вопросы криптографии;
  • Математическая теория информации;
  • Исследование операций, включая:
    • Теория полезности и принятия решений;
    • Теория игр;
    • Математическое программирование;
    • Теория экономико-математических моделей;
  • Теория математических машин и программирование, включая:
    • Языки и системы программирования. Web-технологии и телекоммуникационные технологии;
    • Параллельное программирование;
    • Хранение, поиск и обработка информации. Базы данных;
    • Анализ больших данных;
    • Машинное обучение;
  • Математические проблемы искусственного интеллекта, включая:
    • Интеллектуальные системы;
    • Математическое описание и моделирование нейронов; Нейронные сети;
    • Компьютерная лингвистика;
    • Распознавание образов


    и т. д.


Кафедра «Математическая кибернетика» обеспечивает преподавание базовых математических дисциплин студентам института «Информационные технологии и прикладная математика», таких как:

  • линейная алгебра и аналитическая геометрия; алгебра и геометрия;
  • дискретная математика; математическая логика и теория графов;
  • методы оптимизации;
  • теория управления;
  • исследование операций.


Также кафедра осуществляет математическую подготовку по инженерным, экономическим и гуманитарным направлениям подготовки.


Для поддержки учебного процесса кафедра располагает двумя компьютерными классами, оборудованными современной вычислительной и презентационной техникой. Компьютеры для работы студентов имеют выход в интернет и внутреннюю сеть МАИ с обеспечением доступа к Электронной информационно-образовательной среде вуза.Методы кибернетики: Что такое Кибернетика? В компьютерных классах студенты выполняют лабораторные работы, а также работают самостоятельно над изучением дисциплин, читаемых кафедрой.


На кафедре работает аспирантура для подготовки кандидатов физико-математических наук по направленностям:

  • 05.13.01 «Системный анализ, управление и обработка информации»;
  • 05.13.11 «Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей»;
  • 05.13.18 «Математическое моделирование, численные методы и комплексы программ».


Сайт кафедры 

Кафедра инженерной кибернетики НИТУ «МИСиС»

Ефимов Альберт РувимовичИ.о. заведующего кафедрой

+7 499 236-25-35

телеграм @makkawity

[email protected]

[email protected]

«Современные инновационные ИТ-тренды»

Бакулев Константин Станиславович

Заместитель заведующего кафедрой, доцент, к.э.н.

+7 499 236-25-35

[email protected]

телеграм @bconst_65

«Экономические аспекты разработки информационных систем»

«Лидерство и управление командой проекта»

Учебная практика

Городнов Михаил Михайлович

Заведующий лабораториями кафедры

Соболева Галина Леонидовна

Инженер-программист 1 категории, секретарь-референт кафедры

Андреева Ольга Владимировна

Доцент, к.т.н.

[email protected]

«Программирование и алгоритмизация»

«Информатика»

Голубков Михаил Викторович

Доцент, к.ф.-м.н.,

[email protected]

«Информатика»

Заманский Борис Иосифович

Старший преподаватель

+7 925 514-56-49

[email protected]

«Менеджмент стартап-проектов»

«Научно-исследовательская практика, производственная практика»

«Системная инженерия»

Кожаринов Александр Сергеевич

Доцент, к.т.н.

[email protected]

«Экспертные системы»

«Моделирование и анализ бизнес-процессов»

«Методы искусственного интеллекта»

«Специальные главы по базам данных»

«Курсовые научно-исследовательские работы»

Крапухина Нина Владимировна

Доцент, к.т.н.

+7 499 236-25-35

[email protected]

«Методология и технология проектирования информационных систем»

«Компьютерная поддержка принятия решений»

«Системный анализ и принятие решений»

«Модели представления знаний»

«Имитационное моделирование»

«Модели и методы мультиагентного моделирования сложных социальных и экономических систем»

«Оптимизационное моделирование сложных систем»

«Системный подход и генерация знаний в инновациях»

«Управление знаниями»

Представление научного доклада об основных результатах научно-квалификационной работы (диссертации)

Кружкова Галина Викторовна

Доцент, к.э.н.

[email protected]

«Основы дискретной математики»

«Информатика»

Крынецкая Галина Сергеевна

Старший преподаватель

[email protected]

«Вычислительные машины, системы и сети»

«Архитектура многопроцессорных систем»

«Сетевые технологии»

Куренкова Татьяна Васильевна

Старший преподаватель

[email protected]

«Математические методы в компьютерной графике»

«Объектно-ориентированное программирование»

Куренков Владимир Вячеславович

Старший преподаватель

[email protected]

«Системы обеспечения информационной безопасности»

«Системы управления информационной безопасностью»

«Комбинаторика и теория графов»

«Разработка мобильных приложений»

«Современные технологии разработки мобильных приложений»

Курочкин Илья Ильич

Доцент, к.т.н.

[email protected]

«Глобальные сети»

«Облачные и распределенные вычисления»

«Облачные технологии»

Полевой Дмитрий Валерьевич

Доцент, к.т.н.

[email protected]

«Технологии программирования»

«Инструментальные средства разработки систем распознавания»

«Интеллектуальная обработка изображений»

«Специальные главы информатики и вычислительной техники»

Проничкин Сергей Васильевич

Доцент, к.т.н.

[email protected]

«Основы теории информации»

«Математические и инструментальные методы поддержки принятия решений»

«Теория автоматов и алгоритмов»

Пышняк Марина Олеговна

Старший преподаватель

+7 499 236-25-35

[email protected]

«Алгоритмы дискретной математики»

«Информатика»

«Педагогическая практика»

Ремизова Ольга Игоревна

Доцент, к.ф.-м.н.

[email protected]

«OLAP-технологии»

«Прикладной статистический анализ»

«Mathematics in Data Science / Математика в науке о данных»

«Информационные технологии в управлении персоналом»

Научно-исследовательская работа

Рубчинский Александр Анатольевич

Доцент, к.т.н.

+7 909 922-58-03

[email protected]

[email protected]

«Основы теории систем»

«Исследование операций»

«Численные методы»

«Methods of research and modelling of information processes and technologies / Методы исследования и моделирования информационных процессов и технологий.»

Садеков Ринат Наильевич

Профессор кафедры

Доцент, д.т.н.

+7 915 264-55-11

[email protected]

[email protected]

«Интеллектуальная обработка изображений»

Сенченко Роман Владимирович

Старший преподаватель

+7 925 278-08-03

[email protected]

«Параллельные вычисления»

«Машинное обучение»

«Искусственные нейронные сети»

Сержантова Марина Владимировна

Ученый секретарь кафедры

Ассистент

[email protected]

«Информатика»

«Разработка клиент-серверных приложений»

Силкина Ольга Сергеевна

Ведущий инженер-программист

[email protected]

«Информатика»

Соловьев Александр Владимирович

Профессор, д.т.н.

[email protected]

Тарханов Иван Александрович

Доцент, к.т.н.

[email protected]

«Современные инструментальные средства разработки»

Тригуб Наталья Александровна

Доцент, к.т.н.

+7 499 236-25-35

[email protected]

«Специальные главы баз данных»

«Базы данных»

Широков Андрей Игоревич

Доцент, к.т.н.

+7 499 236-25-35

[email protected]

«Основы программной инженерии

«Основы программной архитектуры»

«Операционные системы и среды»

«Стандартизация, сертификация и управление качеством ПО»

Шихеева Валерия Владимировна

Доцент, к.ф-м.н.

+7 903 201-71-41

[email protected]

[email protected]

«Теория случайных процессов»

«Фрактальная геометрия»

Кафедра теоретической кибернетики


Информация о кафедре

Кафедра теоретической кибернетики создана в 1965 году
известным математиком членом-корреспондентом АН СССР А.А. Ляпуновым, возглавлявшим её до 1973
г. Впоследствии кафедрой руководили чл.-корр. АН СССР А.П. Ершов, чл.-корр. АН СССР В.Л. Макаров и проф. В.Т. Дементьев.

С 2010 г. кафедру возглавил проф. А.И. Ерзин.

Кибернетика изучает проблемы управления в сфере человеческой деятельности. Термин «кибернетика» ввел древнегреческий ученый Платон как науку управления особыми объектами, имеющими в своем составе людей.

Ежегодно на кафедру приходят специализироваться 20-30 студентов ММФ НГУ по следующим направлениям:

  • Исследование операций
  • Методы оптимизации
  • Дискретный анализ
  • Теория графов
  • Теория расписаний
  • Теория кодирования
  • Криптоанализ
  • Оптимальное управление
  • Анализ данных и распознавание образов
  • и др.

Основные задачи кафедры:

  • Чтение основных и специальных курсов, а также проведение семинаров и спецсеминаров для студентов ММФ по основным дисциплинам математической кибернетики.
  • Специализация студентов и аспирантов в области
    математической кибернетики и ее приложениях.
  • Проведение научно-исследовательской работы согласно планам
    кафедры.

Журнал ДАИО

Многие результаты преподавателей кафедры публикуются в журнале Дискретный анализ и исследование операций, а также в переводной версии Journal of Applied and Industrial Mathematics (см. раздел Полезные ссылки).

Новости

Расписание спецкурсов и семинаров

можно смотреть в этой гугл-таблице

(01.05.2021)


учебный семинар для студентов 3 курса

По средам с 9:00 до 10:00 в zoom

  • 31 марта Проф. А.А. Евдокимов. Задачи комбинаторики символьных последовательностей
  • 7 апреля Проф. В.Б. Бериков. Частично контролируемое обучение на больших данных
  • 14 апреля PhD. Р.А. ван Беверн. Алгоритмы редукции данных с гарантиями качества
  • 21 апреля к.ф.-м.н. В.И. Хандеев. Задачи дискретной оптимизации в анализе данных и распознавании образов

(29.04.2021)


с/с Криптография и криптоанализ

24 марта (ср) конференц-зал Института математики СО РАН. Защиты кандидатских диссертаций

  • 16:00: А.В.Куценко «Самодуальные бент-функции и их метрические свойства»
  • 17:00: А.К.Облаухов«Метрически регулярные множества в булевом кубе: конструкции и свойства»

25 марта (чт) 12:40, ау. 3313 нового главного корпуса НГУ

И.А.Панкратова (зав. лаборатории компьютерной криптографии ТГУ), «Криптосистемы с функциональными ключами»

(23.03.2021)


Учебный семинар для студентов 4 курса

понедельник, 22 марта, в 18:30, ZOOM

Баженов Н.А. «Исследование целевой функции полной задачи Прони»

Нещадим С.М. «Максиминные задачи поиска семейства непересекающихся кластеров»

Юськов А.В. «Алгоритмы локального поиска для построения расписаний на параллельных машинах с транспортными роботами»

(19.03.2021)


с/с «Математические модели принятия решений»

11:00 понедельник 22.03.2021, ZOOM: https://zoom.us/j/94254399076

Ю.А.Лукьянов, Я.А. Харченко Эвристические алгоритмы для задачи выбора
клиентов и маршрутов обслуживания с целью
максимизации дохода от выполненных работ.

(19.03.2021)


» Все новости

Кафедра прикладной математики и кибернетики :: Петрозаводский государственный университет

В настоящее время на кафедре ведется подготовка студентов по основным образовательным программам бакалавриата: «Прикладная математика и информатика», «Информационные системы и технологии», «Программная инженерия» и «Математика», а также по основным образовательным программам магистратуры «Прикладная математика и информатика», «Информационные системы и технологии» и «Математика».

Кафедра всегда чутко откликалась на потребности экономики в специалистах определенного профиля. Благодаря усилиям сотрудников кафедры в Институте математики и информационных технологий было открыто новое направление: «Информационные системы и технологии», планируется к открытию направление обучения «Мехатроника и робототехника».

В 1997 г. на кафедре была основана научно-педагогическая школа «Математическое моделирование естественно-научных и хозяйственных процессов и систем управления» под руководством профессора В.И.Чернецкого. Сейчас школа объединяет уже несколько научных коллективов, вышедших из лона кафедры и ставших самостоятельными научно-педагогическими и научно-производственными подразделениями.

Непрерывность подготовки научно-педагогических кадров обеспечивается за счет работы аспирантуры по специальностям 01.01.09 «Математическая кибернетика» и 05.13.18 «Математическое моделирование, численные методы и комплексы программ». За время существования кафедры ее сотрудники защитили 22 кандидатских диссертации и 5 докторских диссертаций. Это говорит о высоком научном уровне преподавателей кафедры и, как следствие, о высоком уровне подготовки студентов, которые составят элиту технической интеллигенции Республики Карелия.

Благодаря усилиям сотрудников кафедры в университете были открыты сначала Диссертационный совет по защите кандидатских диссертаций, а позднее Диссертационный совет по защите докторских диссертаций, который успешно работает в настоящее время (по двум специальностям 05.13.18 и 05.21.01).

Научная работа кафедры проводится по следующим направлениям: интегрированные системы управления предприятиями; математическое моделирование процессов управления; методы решения оптимизационных задач и их практические приложения в управлении производством; разработка программного обеспечения для решения задач моделирования систем управления, проектирование автоматизированных рабочих мест и информационных систем, математическое моделирование социально-экономической динамики, моделирование инфокоммуникационных систем.

В рамках перечисленных научных направлений кафедра ПМиК сотрудничает с такими научными и производственными организациями, как СПбГУ, СПбЛТА, СПбГУРП, ИППИ (Москва), Университет г. Куопио (Финляндия), Университет г. Пиза (Италия), Технологический Университет Тампере (Финляндия), Университет Турку (Финляндия), АОЗТ «Форус», ЗАО «Фирма АйТи», Компания «Весть-МетаТехнология» (Москва), Компания «Ланд Марк» (Москва), Корпорация «Галактика» (Москва), НО Ассоциация CBOSS, ОАО «ВНИИБ ЦБП», ООО «ЛесБумМаш», ООО «ТАИС», Valmet (Финляндия),  многими другими научными и производственными организациями и предприятиями.

Преподавателями кафедры опубликованы более тысячи научных статей, монографий, учебно-методических пособий.

Профессор А.В. Воронин в 2003 году награжден медалью ордена «За заслуги перед Отечеством» II степени, в 2009 году — Орденом Дружбы, в 2011 году удостоен премией Правительства РФ в области образования.

В марте 1999 г. профессор кафедры В.А. Кузнецов был удостоен награды Правительства Республики Карелия – звания заслуженного деятеля науки Республики Карелия, а в 2008 году – медали ордена «За заслуги перед Отечеством» II степени.

Кафедра имеет богатый опыт разработки и внедрения собственных решений на предприятиях в основном в области автоматизации и оптимизации производства. Научные и прикладные разработки кафедры известны далеко за пределами Карелии. За тридцать лет внедрено в промышленную эксплуатацию более 70 прикладных программных систем. Среди заказчиков – Кондопожский ЦБК, Сегежский ЦБК, ОАО «Карелэнерго», АХК «Кареллеспром», Архангельский ЦБК, Котласский ЦБК, Красноярский и Усть-Илимский лесопромышленные комплексы, ВНПО «Бумпром», АО «Монди Сыктывкарский ЛПК» и другие. Ежегодно ведется несколько проектов в рамках выполнения договоров по заказам предприятий и организаций нефтегазовой, целлюлозно-бумажной, химической, энергетической и горно-добывающей отраслей промышленности в Республике Карелия, на Северо-Западе Российской Федерации, в Ставропольском крае, Западной Сибири, Якутии и на Украине (ОАО «Сегежский ЦБК», ОАО «Кондопога», ОАО «Архангельский ЦБК», ОАО «Соломбальский ЦБК», ОАО «Сургутнефтегаз», ОАО «Невинномысский Азот», АК «Алроса», ОАО «Сибур-Тюмень» Полтавский ГОК и др.).

К числу научно-практических задач, разработанных кафедрой относятся: задача оптимальной загрузки оборудования производства беленой сульфатной целлюлозы, задача моделирования течения массы в напорном ящике бумагоделательной машины, задача оптимального планирования работы оборудования цеха гофротары, задача управления ремонтным производством, автоматизированного пономерного учета вагонов, задача учета и анализа расхода энергоресурсов предприятия, задача оптимального размещения рулонов бумаги и картона при погрузке в контейнеры и вагоны, задача совершенствования документооборота и технологии управления системой сбыта энергией, задача оптимального раскроя гофрополотна, задача управления многономенклатурным производством класса ERP-MRP II, задача оптимального распределения заказов бумагоделательных машин ЦБК, задача оптимального управления сбытом продукции, задача определения дифференциальных рент лесосек, задача проектирования технологических транспортных сетей лесопромышленного комплекса, задача оптимального планировании гофропроизводства и многие другие.

Внедрение в промышленное производство разработанных кафедрой задач принесло предприятиям значительный экономический эффект, и как следствие, положительным образом отразилось на экономике и Республики Карелия, и других регионов Российской Федерации.

Кафедра вносит свой вклад в инновационную деятельность по приоритетным направлениям развития науки и техники.

С 1993 г. успешно развивается сотрудничество ПетрГУ с финской фирмой АО Metso Automation (ранее Valmet Automation). Metso Automation специализируется на производстве и поставках систем управления технологическими процессами, информационных систем, полевых устройств, и услуг, охватывающих все стадии жизненного цикла оборудования и предприятия. Основными заказчиками являются предприятия целлюлозно-бумажной, горно-обрабатывающей, энергетической и нефтехимической отраслей промышленности. Продукция Metso Automation поставляется по всему миру. Специалисты кафедры участвовали в реализации проектов Metso Automation на территории России  на ОАО «Сегежский ЦБК», ОАО «Кондопога», АО «Сургутнефтегаз», Полтавский ГОК и др.

Каждые два года, начиная с 1994 г., кафедра при поддержке АО Metso Automation проводит научно-практическую конференцию «Новые информационные технологии в ЦБП и энергетике», которая собирает ведущих специалистов Петрозаводска, Москвы и Санкт-Петербурга в области информационных технологий, автоматизации управления технологическими и производственными процессами и представителей основных гигантов бумажной индустрии Российской Федерации и стран СНГ. В рамках конференции идет обсуждение проблем и их решений, которое часто заканчивается заключением договоров на разработку и внедрение современных технологий, что способствует повышению уровня автоматизации, а, следовательно, производительности промышленного производства и в Республике Карелия, и за ее пределами.

Сотрудничество кафедры с финской фирмой АО «Metso Automation» вылилось в создание в 2002 году Центра Систем Автоматизации при ИТ-парке ПетрГУ, научное руководство деятельностью которого осуществляет профессор А.В.Воронин. Большинство сотрудников Центра – это выпускники и студенты кафедры ПМиК, которые используют полученные знания, творческий потенциал и научные разработки кафедры при решении практических задач.

Специалисты Центра занимаются разработкой и внедрением наукоемкого программного обеспечения на крупных промышленных предприятиях Республики Карелия и других регионов РФ. По результатам работы Центром получены свидетельства о регистрации программного обеспечения: «Автоматизированная система технологического управления машиностроительным производством, оперативно-календарного планирования и диспетчерского контроля для многономенклатурного производства» – Свидетельство об отраслевой регистрации разработки № 6561 от 07.07.06 и «Автоматизированная система планирования работы цеха гофротары» – Свидетельство об отраслевой регистрации разработки № 6562 от 07.07.06. В 2006 году автоматизированная система была внедрена на Киевской картонно-бумажной фабрике и ООО «Гранит», г. Павловский-Посад.

Разработки Центра отмечены наградами.
Диплом I степени (с вручением золотой медали) за разработку «Программная система планирования производства «Гофротара»» Международной выставки-конкурса «Высокие технологии. Инновации. Инвестиции» в г. Санкт-Петербург (10-13 марта 2009 г.)
Диплом участника выставки «Инновационная Россия» III Петербургского международного инновационного форума (28 сентября — 01 октября 2010 г.)
Диплом конкурса на лучший инновационный проект и лучшую научно-техническую разработку года – «Программная система планирования производства (ПС ПП) «ЛПК»» Петербургской технической ярмарки (15-17 марта 2011 г.).

Специалисты Центра Систем Автоматизации также проводят обучение специалистов предприятий целлюлозно-бумажной, химической и нефтехимической промышленности, энергетики Республики Карелия и других регионов РФ работе с АСУ ТП «Damatic Xdi», metsoDNA с выдачей сертификатов. Сертификаты уже получили специалисты промышленных предприятий Сегежи, Кондопоги, Новокуйбышевска, Москвы, Сургута, Тюмени, Полтавы, работники Тюменского государственного нефтегазового университета.

В 2003–2008 годах в рамках грантов РГНФ № 03-04-12006в и № 06-04-12416в силами преподавателей и студентов кафедры проводилась работа по подготовке и публикации конкордансов произведений В. И. Даля в сети Интернет, а также по созданию электронного словаря языка Владимира Даля (руководитель – к.т.н., доцент Л.В.Щеголева). Толковый словарь Владимира Даля является одним из основных источников справочной и иной информации по традиционной истории и культуры России. По отзыву многих ученых, произведения В.И.Даля считались в конце первой – второй половине XIX века признанными образцами русской словесности. Творчество Даля оказалось важным для последующего развития отечественной лингвистики, фольклористики и, конечно, литературы и русского литературного языка. Поэтому выполняемые кафедрой работы по сохранению наследия писателя и созданию инструмента для филологических исследований его творчества, для обеспечения доступа к электронному словарю широкому кругу исследователей, преподавателей русского языка, студентов и любителей русской словесности являются важными для Российского государства.

В рамках грантов РФФИ сотрудниками кафедры разрабатываются методы и программные обеспечение для анализа потоков данных и оценки характеристик локальной коммуникационной сети на основе регенеративного подхода (руководитель – д.ф.-м.н., профессор Е.В.Морозов), которые имеют большое научно-теоретическое значение и должны найти в дальнейшем практическое применение.

Кафедра молода, ее состав все время пополняется энергичными выпускниками, поэтому и дела ее не ограничиваются академическими или производственными проблемами.

В числе больших дел кафедры – организация множества школьных и студенческих олимпиад по программированию.

При кафедре создан Клуб творчества программистов, в рамках которого под руководством д.т.н., профессора В.А.Кузнецова ведется подготовка студентов и школьников в области математического моделирования, оптимизации, теории алгоритмов и программирования, проводятся городские и республиканские олимпиады по программированию.

Сборные команды студентов и школьников кафедры хорошо выступают в соревнованиях в рамках командного чемпионата мира по программированию (International Collegiate Programming Contest), проходящего под эгидой ведущей ассоциации в IT-индустрии ACM (Association for Computing Machinery) с 1970 года. Уже шесть раз команды ПетрГУ представляли сборную России в финале чемпионата мира: в 2002 году (Гавайи, США), заняв 18 место из более чем 3500 команд сильнейших университетов в мире, в 2004 г. (Прага, Чехия), заняв 27 место, в 2006 году (Сан-Антонио, США), заняв 19 место, в 2007 г. (Токио, Япония) стали бронзовыми призерами, в 2008 (Канада) – снова стали бронзовыми призерами. В 2009 г. команда Петрозаводского государственного университета Wx стала чемпионом России по командному программированию среди студентов, а в 2010 г. завоевала серебряные медали чемпионата мира; в  2014, 2017 годах команды ПетрГУ в числе финалистов чемпионата мира.

В 2005 году студент кафедры М. В. Спиричев занял 7 место в личных соревнованиях студентов России по программированию. В 2006 г. студенты кафедры В.Медведев и М.Спиричев вышли в финальную часть престижнейшего профессионального чем­пионата, организованного известной компанией Google, и вошли по рейтингу турнира Top Coder в число сильнейших программистов мира.

Ежегодно команды школьников, воспитанные сотрудниками кафедры, занимают призовые места на Всероссийских олимпиадах по программированию. Дважды в течение года проводятся учебно-тренировочные сборы сильнейших студенческих команд по программированию северо-западного региона.

Опыт показывает, что олимпиадная деятельность кафедры пользуется заслуженным успехом и приобретает все большую значимость в подготовке студентов и профессиональной ориентации школьников города Петрозаводска.

Педагогическая деятельность преподавателей кафедры не ограничивается только рамками Петрозаводского госуниверситета. Преподаватели кафедры ведут занятия со школьниками в МОУ «Университетский лицей» и Карельском кадетском корпусе, в кружке робототехники при Ресурсном центре научно-технического творчества обучающихся ПетрГУ,  участвуют в проведении школьных городских и республиканских олимпиад по математике и информатике.

Кафедра постоянно поддерживает контакт со школьными учителями по информатике, проводит консультации и семинары для преподавателей информатики в школах города Петрозаводска и районов Карелии. Сотрудники кафедры ведут занятия с учителями школ на факультете повышения квалификации.

Для повышения уровня квалификации работников предприятий и организаций города Петрозаводска и других городов Республики Карелия и Северо-Западного региона усилиями кафедры было открыто заочное отделение по направлению «Информационные системы и технологии».

Кафедра ПМиК внесла свой весомый вклад и в спортивную жизнь республики, России и мира. Заслуженным тренером Российской Федерации А.В.Кузнецовым были подготовлены заслуженные мастера спорта, гроссмейстеры России многократные чемпионы России, многократные чемпионы Европы по игре го доцент кафедры ПМиК А.В.Лазарев, преподаватель кафедры М.В.Богданова и преподаватель университета В.И.Богданов.

А.В.Лазаревым при кафедре организован клуб по игре го, где готовятся новые мастера спорта и чемпионы.

Кибернетика — Математическая энциклопедия

Наука о контроле, передаче и обработке информации (буквально «рулевое управление»). Древнегреческий философ Платон, по-видимому, был первым, кто применил эту терминологию к контролю в общем смысле. ЯВЛЯЮСЬ. Ампер (1834) предложил название «кибернетика» для науки об управлении человеческим обществом. Н. Винер (1948) использовал название «кибернетика» для науки об управлении и коммуникации в живом организме и в машине.На последующее развитие кибернетики большое влияние оказал компьютер. В начале 1970-х годов кибернетика окончательно оформилась как наука математико-физической природы с конкретной целью изучения так называемых кибернетических систем. Кибернетические системы представляют собой абстракцию с конкретной (информационной) точки зрения сложных систем, изучаемых широким спектром естественных, технических и социальных наук (с их собственных конкретных точек зрения). Выявляя общие аспекты систем столь различной природы, кибернетика предоставляет общий и, более того, новый метод их изучения.Это так называемый метод компьютерного моделирования, который занимает промежуточное положение между классическим дедуктивным методом и классическим экспериментальным методом. Благодаря этому кибернетика, как и математика, может использоваться как метод исследования в других науках. Кроме того, спектр задач, поддающихся исследованию кибернетическими методами, значительно шире по сравнению с классическими (аналитическими) математическими методами и охватывает практически все науки. В простейшем случае кибернетическая система сводится к одному элементу.Элемент $ A $
кибернетической системы, рассматриваемой в абстрактном контексте, является пятерка $ \ langle x, y, z, f, g \ rangle $.
Так называемый входной сигнал $ A $
обозначается $ x = x (t) $,
точнее, это конечный набор функций времени $ t $:
$ x = \ langle x _ {1} (t) \ dots x _ {k} (t) \ rangle $.
Во многих конкретных кибернетических системах время рассматривается как параметр, принимающий только дискретный набор значений (обычно целые значения). Однако без ограничения общности можно также рассмотреть обычный случай «непрерывного времени» (и это то, что делается ниже).Для одного и того же элемента $ A $
кибернетической системы диапазоны значений функций $ x _ {i} (t) $
могут быть разные наборы действительных чисел. Чаще всего диапазоны функций представляют собой обычные непрерывные числовые интервалы, набор целых чисел или различные его конечные подмножества. $ X _ {i} (t) $
сами обычно считаются кусочно-непрерывными. Символ $ y $
обозначает выходной сигнал $ y = y (t) $
элемента, являющегося конечным набором функций $ y = \ langle y _ {1} (t) \ dots y _ {m} (t) \ rangle $
того же типа, что и входные функции $ x _ {i} (t) $.Внутреннее состояние элемента $ A $
обозначается $ z = z (t) $,
который также является конечным набором функций $ z = \ langle z _ {1} (t) \ dots z _ {n} (t) \ rangle $
того же типа. Символы $ f $
и $ g $
обозначают соответственно функционалы, задающие текущие значения внутреннего состояния $ z (t) $
и выходной сигнал $ y (t) $:

$$ \ tag {1}
z (t) = f (t, x (t), D _ {t} z (t)); \ \
y (t) = g (t, x (t), D _ {t} z (t)).
$$

Здесь $ D _ {t} z (t) $
обозначает ограничение вектор-функции $ z (t) = \ langle z _ {1} (t) \ dots z _ {n} (t) \ rangle $
в область, определяемую полуоткрытыми интервалами $ [\ tau _ {1}, t) \ dots [\ tau _ {n}, t) $,
где $ \ tau _ {i} = \ tau _ {i} (t) $
являются кусочно-непрерывными функциями от $ t $
такое, что $ \ tau _ {i}

Приведенное выше определение элемента кибернетической системы предполагает, что время $ t $
может принимать произвольные действительные значения. На практике в большинстве случаев эти значения ограничиваются неотрицательными числами. Более того, определение элемента можно дополнить, присвоив ему начальное состояние $ z _ {0} = z (0) $
а также, возможно, его начальный выходной сигнал $ y _ {0} = y (0) $.
В этом случае соотношения (1) рассматриваются только при положительных значениях $ t $.Сложность возникает из-за того, что помимо детерминированных элементов кибернетической системы часто приходится иметь дело со стохастическими элементами. Для этого обычно оказывается достаточно добавить в качестве аргументов функционалов в правой части (1) случайную функцию $ \ omega (t) $
принимает значения в виде непрерывного или дискретного набора действительных чисел.

Есть и другие возможные обобщения этого определения; в частности введение бесконечномерных вектор-функций для входных сигналов и для внутреннего состояния элемента.Однако следует иметь в виду, что в отличие от математики для кибернетики характерен конструктивный подход к изучаемым объектам. Это означает, что должна быть возможность реально вычислить (с некоторой степенью точности) значения всех рассматриваемых функций. Поэтому на практике при изучении кибернетических систем, а значит, и их элементов, рано или поздно приходится обращаться к конечным приближениям. {p} (t) $.Чтобы упростить задачу обеспечения корректности определения системы, обычно не разрешается идентифицировать один входной компонент с более чем одним выходным компонентом.

Набор соотношений (2) определяет структуру кибернетической системы (не путать с абстрактным понятием структуры в математике!). В ряде приложений полезно рассматривать системы с переменной структурой. В связи с этим можно путем введения дополнительных подсистем любую систему с переменной структурой свести к системе с постоянной структурой.

Приведенное выше определение абстрактной кибернетической системы охватывает очень большое количество конкретных систем, рассматриваемых в различных областях знаний. К ним относятся логические сети и сети абстрактных автоматов (см. Автомат), механические динамические системы, электромеханические и электронные сборки различных типов (включая компьютеры), биологические организмы и их различные подсистемы (например, нервная система), а также экологические, экономические и социальные системы. Чтобы иметь возможность рассматривать конкретные биологические, технические и социальные системы как абстрактные кибернетические системы, необходимо абстрагироваться от большинства их конкретных свойств (таких как размер, масса, химическая структура, многие конкретные формы представления сигналов и государства и т. д.).

Кибернетический аспект изучения систем носит чисто информационный характер. Другими словами, состояния элементов и их взаимодействия описываются системой кодов с основной целью установить меру их различий (в пределах некоторой заранее заданной точности описания), а не фактически измерить определенную реальную физические величины. Например, если только два уровня напряжения $ v _ {1} $
и $ v _ {2} $
включены в электрическую сеть, их можно определить числовыми кодами $ 0 $
и $ 1 $
независимо от фактических значений этих напряжений.Следует отметить, что, хотя в приведенном выше определении кибернетической системы используются только числовые коды, нетрудно заменить их, если возникнет необходимость, буквенно-цифровыми кодами с использованием букв произвольного конечного алфавита.

Каждая система с нетривиальным входным сигналом $ x (t) $
и выходной сигнал $ y (t) $
можно рассматривать как обработчик информации, изменяющий поток информации $ x (t) $
в поток информации $ y (t) $.
В случае дискретного времени и конечных областей определения для $ x (t) $
и $ y (t) $,
обработка (при соответствующем кодировании входной информации) может быть интерпретирована как соответствие между словами по некоторой фиксированной паре алфавитов.В этом случае систему можно рассматривать как дискретный информационный процессор. Системы с нетривиальным входным сигналом называются открытыми. В отличие от них, закрытые системы не имеют свободных входных компонентов ни в одном из своих элементов. В таких системах входной вектор-сигнал $ x (t) $
имеет нулевое количество компонентов и, следовательно, не может нести никакой информации. Закрытые системы в строгом смысле слова не могут иметь ни входа, ни выхода. Однако даже в этом случае их можно рассматривать как генераторы информации, учитывая изменение во времени их внутреннего состояния $ z (t) $.В дальнейшем будет удобно рассматривать генерацию как частный случай обработки информации.

Для кибернетических систем очень важны проблемы их анализа и синтеза. Проблема анализа системы состоит в определении различных свойств обработки информации, предоставляемых системой; в частности, представление в удобной форме алгоритма обработки. В последнем случае действительно речь идет об агрегировании (составе) системы в единый элемент.Проблема синтеза системы противоположна проблеме анализа. В описании обработки, которая должна выполняться системой, необходимо построить систему, которая фактически выполняет эту обработку. Конечно, в качестве отправной точки необходимо определить класс элементов, из которых должна быть построена требуемая система.

Большое значение имеет проблема поиска формальных преобразований кибернетических систем, которые не изменяют обработку (и, возможно, также другие инварианты), определяемые этими системами.Затем это приводит к различным определениям эквивалентности систем, что позволяет поставить задачу оптимизации, то есть проблему нахождения в классе эквивалентных систем системы с экстремальными значениями функционалов, определенных на системах в этом классе.

Задача декомпозиции включает представление части системы или всех ее элементов в виде систем, состоящих из более мелких элементов (подсистем). Особое значение в большом количестве приложений имеют системы, представленные в виде комбинации двух подсистем (элементов), обычно называемых системой управления (контроллером) и управляемой системой (объектом).Такую систему можно изобразить в схематическом виде (см. Рис., Где $ A $
обозначает управляющую систему, а $ B $
объект контроля; буква $ x $
обозначает так называемый канал прямой связи (выход элемента $ A $
был отождествлен с входом элемента $ B $),
и $ y $
обозначает канал обратной связи, $ a $
обозначает входной сигнал системы (влияние окружающей среды и различных шумов), а $ b $
обозначает выходной сигнал, характеризующий производительность подсистемы $ B $ (
эффективность контроля)).

Рисунок: c027480a

Для таких систем задача синтеза обычно ставится следующим образом: Для данной системы $ B $
данный класс внешних воздействий $ a $
и заданный критерий эффективности управления $ b $,
построить управляющую систему $ A $
обеспечение заданного критерия эффективности управления $ b $.
Под это определение попадают задачи синтеза разомкнутого управления ($ b $
вектор-функция времени), сервомеханизмы (минимизирующие вектор $ b — a $
в том или ином смысле), системы оптимального управления (системы, которые направляют управляемый объект в некоторую желаемую область его пространства состояний за минимальное время) и т. д.

Важное место в теории кибернетических систем занимает проблема обеспечения надежного функционирования систем. Здесь кибернетический аспект надежности связан с вопросами организации самой системы (резервирование элементов и их связи, специальные системы кодирования и т. Д.), А не с обеспечением физической надежности элементов и их взаимосвязей.

Для достаточно простых систем большинство перечисленных выше задач (если не полностью, то хотя бы в упрощенной формулировке) могут быть решены с помощью классической математики, дополненной некоторыми незначительными вариациями.Для сложных систем, с которыми приходится иметь дело на практике, эти методы, как правило, не подходят. Под сложностью систем здесь подразумевается не столько количественная сложность (количество элементов, количество коммуникаций, размерность состояния, векторы ввода и вывода), сколько, прежде всего, базовую качественную сложность. Система называется сложной в этом смысле, если для нее нет простых описаний. Это предполагает, помимо большого количества используемых элементов и большого разнообразия их параметров (предполагаемых неснижаемыми), большое разнообразие и неравномерность связи между элементами.Эффективное исследование таких систем классическими дедуктивными методами оказывается практически невозможным. Классический экспериментальный метод исследования также оказывается применимым только в очень ограниченных пределах. Во многих случаях такое применение ограничено высокой стоимостью эксперимента, а в ряде случаев (метеорология, экология, макроэкономика и т. Д.) Натурные эксперименты либо совершенно невозможны, либо, во всяком случае, чрезмерно рискованны.

Поэтому в качестве метода исследования сложных кибернетических систем используют метод компьютерного моделирования, обращаясь к новым мощным универсальным методам научного познания, которые возникли в результате появления высокоскоростных компьютеров общего назначения.Метод машинного моделирования в чистом виде основан на использовании так называемых имитационных моделей. Такие модели, по сути, представляют собой простой перевод описаний моделируемых систем в компьютерные коды. Специальные программы, реализующие модель, генерируют различные конкретные реализации входного сигнала $ x (t) $
моделируемой системы, и построить, в соответствии с описанием системы, введенной в компьютер (включая ее начальное состояние), выходной сигнал $ y (t) $.После этого, как и для обычного эксперимента (в природе), полученные результаты обрабатываются с помощью специальных программ, состоящих, например, из гистограмм распределений различных величин, характеризующих поведение исследуемой системы, определяющих различные качественные характеристики ( а именно, что система и определяемая ею обработка информации должны принадлежать к тому или иному классу) и т. д. Этим методом решаются, прежде всего, задачи анализа кибернетических систем.Для решения задач синтеза и оптимизации методом компьютерного моделирования система компьютерных программ, реализующих эксперимент, дополняется настройкой интерактивного диалога между компьютером и человеком-исследователем, а также внесением изменений в описание эксперимента. Система моделируется вмешательством человека, а также реализует средства предоставления процедур для автоматической обработки и организации соответствующих модификаций.

Перенос описания кибернетической системы в компьютерный код — довольно трудоемкий процесс.Поэтому оборудование компьютерного моделирования в настоящее время включает в себя специальные компиляторы (или интерпретаторы), которые автоматически преобразуются в языки модели машинного кода, специально разработанные для этой цели. Основа таких модельных языков состоит в средствах (подходящих для исследователя) предоставления фактического описания параметров, функций и коммуникаций, используемых при описании систем. Сохраняя универсальность, как правило (то есть возможность описания произвольных систем), модельные языки обычно ориентированы на более простое и легкое описание систем, чем некоторые другие классы языков.Кроме того, эти языки моделей включают дополнительные средства описания процедур, реализующих компьютерное моделирование, описанное выше. В настоящее время (1987 г.) разработаны десятки универсальных и специализированных языков для моделирования систем и компьютерного моделирования; западные языки включают Simula, Simscript, а советские — Sleng, Nedis и другие.

Во многих системах компьютерного моделирования методы дополняются возможностью использования аналитического аппарата некоторых разделов математики (например, теории массового обслуживания), а также современных вычислительных методов.В первую очередь это касается различных методов оптимизации: линейного программирования, динамического программирования, градиентных методов, стохастического программирования и т. Д.

При исследовании кибернетических систем в ряде случаев оказывается целесообразным дополнить компьютерное моделирование моделированием в природе. В связи с этим, некоторые части моделируемых кибернетических систем представляются универсальному компьютеру (через специальные переводы) в виде естественных моделей, а моделирование остальных частей, управление экспериментом и обработка его результаты выполняются на универсальном компьютере по описанной ранее методике.Использование универсальных и специализированных компьютеров для автоматизации управления натурными экспериментами, а также для сбора и обработки полученных экспериментальных данных является важной тенденцией к совершенствованию исследовательского процесса во всех экспериментальных науках. Тем не менее, чистое компьютерное моделирование имеет широкие возможности для применения.

Отношение кибернетики к математике не ограничивается исключительно использованием математических методов в кибернетике. У математики и кибернетики тоже есть общие объекты исследования.Таким образом, например, алгоритмы, являющиеся объектом исследования математической теории алгоритмов, могут одновременно рассматриваться как кибернетические системы и одновременно являются средством и объектом изучения в кибернетике. Однако математический и кибернетический подходы сильно различаются. Для математики алгоритм выделяется прежде всего как одно из фундаментальных понятий в основах математики. Поэтому основная проблема состоит в изучении общих свойств этого понятия, для чего необходимо свести его определение к минимуму простых базовых понятий и операций.Кибернетика ставит перед собой задачу разработать на практике подходящие методы синтеза конкретных систем, в том числе алгоритмов. Этот практический подход требует разработки проблемно-ориентированных алгоритмических языков, подходящих для приложений (см. Алгоритмический язык). Вместо того чтобы заботиться о возможности установления эквивалентности определенных классов алгоритмов, что характерно для математики, кибернетика в первую очередь заинтересована в создании аппарата, пригодного для реальной реализации эквивалентных преобразований алгоритмов.Вместо простейшей формы представления информации в виде слов над абстрактным алфавитом, кибернетика изучает сложные структуры данных, которые необходимы для эффективной реализации алгоритмов на компьютере. Приведенные примеры достаточно четко характеризуют особый характер кибернетического подхода к изучению его математических объектов. Такое же различие в подходах можно обнаружить при кибернетическом исследовании других математических объектов (абстрактных автоматов, логических сетей и т. Д.).).

Особый интерес с точки зрения взаимосвязи кибернетики и математики представляет подход каждой из них к аппарату классической математической логики. Математическая точка зрения предполагает максимальное упрощение системы аксиом и правил дедукции, без которого невозможен эффективный анализ ее общих свойств и возможности логических исчислений (см. Логическое исчисление). Кибернетика, поставив задачу автоматизации дедуктивных построений практическими средствами, начала развивать язык практической математической логики.Этот язык относится к языку математической логики и, как современный язык программирования (например, Алгол-68), к языку алгоритмов Поста или нормальных алгоритмов Маркова. Правила дедукции на этом языке (в их взаимодействии с реальными значимыми математическими текстами) обладают доказательной силой, не меньшей, чем та, что таится в слове «очевидный» в современных математических монографиях.

Автоматизация дедуктивных построений является одной из важнейших частей этой области кибернетики и называется «искусственный интеллект».Естественный интеллект человека (мозг вместе с органами, которые получают и передают внешнюю информацию) — одна из самых интересных и сложных кибернетических систем. Проблема мышления человека была и остается одним из самых интересных и увлекательных научных вопросов. Кибернетика подходит к своему решению как с теоретической, так и с практической точки зрения. Это вопрос автоматизации (полной или частичной с вмешательством человека) различных аспектов интеллектуальной деятельности человека и, в конце концов, интеллекта в целом.

Помимо автоматизации логического мышления (дедуктивные конструкции), важными составляющими проблемы «искусственного интеллекта» являются проблемы распознавания образов (в первую очередь визуальных и звуковых), операций на естественных человеческих языках (распознавание смысла предложений и выражений, поддержание диалога и т. д.), задачи обучения и самообучения и т. д. Большое значение имеют проблемы изучения и синтеза эффективных алгоритмов управления движениями протезов гуманоидных роботов, синтеза искусственный голос, голосовое управление и др.Особая группа проблем возникает при изучении целенаправленного поведения, способов выбора целей, подцелей и схем их достижения. Практический подход к созданию искусственного интеллекта заключается в создании диалоговых (человеко-машинных) систем, повышающих продуктивность человека в различных областях интеллектуальной деятельности (логическая дедукция, перевод с одного естественного языка на другой, игра в шахматы, так далее.).

По мере их совершенствования роль компьютера в совместной работе будет постоянно возрастать вплоть до полной автоматизации соответствующего процесса.

Большое значение в двух смыслах имеет вопрос о взаимосвязи кибернетики и современных компьютерных технологий. Во-первых, компьютер является основным инструментом исследования для кибернетики, а во-вторых, он выделяется, как самая сложная из кибернетических систем, как важный объект исследования в кибернетике. Конечно, при разработке компьютера необходимо решить множество проблем, которые не входят в кибернетику. Однако вопросы архитектуры компьютеров и компьютерных систем, организации управления вычислительным процессом (включая организацию баз данных) относятся к компетенции кибернетики и составляют одну из важнейших ее отраслей.Это стоит иметь в виду, поскольку это показывает отличие предмета кибернетики, как она понимается в СССР, от предмета, понимаемого на Западе (в первую очередь в Америке), где вопросы архитектуры и управления вычислительными системами относятся именно к «компьютеру наука »и не входят в кибернетику.

Кибернетические системы встречаются практически во всех областях знаний. Системы, различающиеся определенными специфическими свойствами, могут быть изучены кибернетическими методами, специально адаптированными к системам соответствующих классов.Таким образом становится возможным их более глубокое изучение. Таким образом, возникли и продолжают развиваться специализированные прикладные отрасли кибернетики, такие как технологическая кибернетика, экономическая кибернетика, биологическая кибернетика, медицинская кибернетика и военная кибернетика. Применение математических и кибернетических методов в лингвистике породило тему, называемую математической лингвистикой. Эта наука напрямую связана с лингвистическими проблемами искусственного интеллекта.

Список литературы
[1] N.Винер, «Кибернетика», Wiley & M.I.T. (1948)
[2] W.R. Эшби, «Введение в кибернетику», Chapman & Hall (1956)
[3] В.М. Глусков, «Введение в кибернетику», Киев (1964)
[4], Энциклопедия кибернетики, 1-2 , Киев (1974)

Как уже говорилось в основной статье выше, в западной литературе термин «кибернетика» используется иначе, чем в СССР.Ниже представлен западный взгляд. Удобно начать с определения.

Кибернетика — это область научных исследований, которая занимается изучением созданных человеком систем. Как таковая, она отличается от описательной природы физических наук и от чисто логической структуры и целей математики. Кибернетика включает в себя такие области, как теория управления (см. Система управления), теория коммуникации (см. Канал связи), обработка информации, исследование операций, информатика (см.Компьютер, аннотация), теория принятия решений, математическая статистика и др.

Термин «кибернетика» приобрел гораздо большую популярность в СССР и Восточной Европе, чем в Северной Америке и Западной Европе. Сложность этого термина состоит в том, что неясно, что он включает, и, следовательно, неясно, что он не включает.

Нелегко найти объединяющую тему в области кибернетики. Как уже упоминалось, эта область в основном занимается искусственными системами и, как таковые, имеет первостепенное значение для инженерии и науки управления.Все это подразумевает, что кибернетические поля имеют сильный предписывающий аспект; он имеет тенденцию концентрироваться на дизайне: синтез, а не анализ, является главной особенностью. К сожалению, на самом деле кибернетика состоит из нескольких специальностей, которые мало пересекаются и имеют небольшую общую основу. Среди объединяющих идей — использование математического языка, методов оптимизации для формулирования и достижения целей, а также стохастических моделей неопределенности. Кроме того, важную, но не доминирующую роль играет динамика, то есть изучение эволюции систем во времени.

Определение кибернетической системы, представленное в основной статье, является попыткой дать определение динамической системы в форме вход-состояние-выход. С математической точки зрения к этой цели можно подойти более логично и прямо. Таким образом, можно определить динамическую систему $ \ Sigma $
быть тройкой $ \ Sigma = (T, W, B) $
с $ T \ substeq \ mathbf R $
установленное время, $ W $
сигнальный алфавит ($ W $
не обязательно быть конечным или счетным множеством) и $ B \ substeq W ^ {T} $
поведение: $ B $
сообщает, какие временные траектории соответствуют законам $ \ Sigma $, а какие несовместимы.{T} $
внутреннее поведение. Поведение $ B: = \ {{W}: {\ существует x \ textrm {такое, что} (w, x) \ in B _ {s}} \} $
называется внешним поведением. Надо думать о $ w $
в качестве наблюдаемых переменных или, лучше, переменных, которые моделируются, и $ x $
как скрытая вспомогательная переменная, которая описывает память системы. Эта структура формализована в предположении, что $ B _ {s} $
удовлетворяет аксиоме состояния, требующей импликации

$$
\ {(w _ {1}, x _ {1}) \ in B _ {s}, (w _ {2}, x _ {2}) \ in B _ {s}, \
x _ {1} (0) = x _ {2} (0) \} \ rightarrow
$$

$$
\правая стрелка \
\ {(w _ {1}, x _ {1}) \ wedge (w _ {2}, x _ {2}) \}.$$

Здесь $ \ клин $
обозначает конкатенацию:

$$
(f _ {1} \ wedge f _ {2}) (t): = \
\оставили \{
\ begin {array} {ll}
f _ {1} (t) & \ textrm {для} t <0, \\ f _ {2} (t) & \ textrm {для} t \ geq 0. \\ \ end {массив}\ right. $$

Примерами систем с дискретным временем являются формальные языки; примерами систем пространства состояний с дискретным временем являются автоматы. Во многих приложениях $ B $
задается законом эволюции в терминах дифференциального или разностного уравнения.Если это дифференциальное или разностное уравнение первого порядка в $ x $
и нулевого порядка по $ w $,
получается система пространства состояний.

Модели пространства состояний обладают важными преимуществами в задачах управления, связи, обработки информации и т. Д., О чем свидетельствует популярность динамического программирования. Тема, связанная с привязкой модели пространства состояний к заданному внешнему поведению, называется теорией реализации. Изящные алгоритмы реализации доступны на теоретико-множественном уровне, а также для специальных классов систем, особенно для линейных систем.

Во многих динамических системах можно разделить внешние переменные на входы, причины и выходы, следствия. Комбинируя эту причинно-следственную структуру со структурой памяти моделей состояний и предполагая, что динамика описывается законом эволюции, получаем следующий класс моделей

$$
\ сигма х = е (х, и), \ у = ч (х, и) \ \
(\ textrm {дискретное время}),
$$

$$
\ dot {x} = f (x, u), \ y = h (x, u) \ (\ textrm {непрерывное время}).$$

Эти модели в сочетании с начальными и конечными условиями особенно полезны в динамическом принятии решений (теория управления, см. Также теория автоматического управления) и информатике (теория автоматов, см. Автоматы, теория). В этой последней области время обычно является логическим, то есть выражает последовательность и обязательно время часов.

Вышеупомянутый класс динамических систем возник и очень хорошо изучался в кибернетических полях. Наличие входных (контрольных) переменных делает этот класс моделей очень подходящим для вопросов проектного типа.Наличие выходных (измеряемых) переменных делает его очень подходящим для вопросов обработки информации. Однако на самом деле приведенные выше определения являются не чем иным, как общими моделями динамики, а также физическими системами (как уравнения Максвелла, законы Ньютона и т. Д.) Показывают эту структуру. Таким образом, называть эти кибернетические системы неуместно.

Во взаимосвязанных системах выходы одних подсистем обычно назначаются для работы в качестве входов для других подсистем.Важным соединением является контур обратной связи, показанный на рисунке a1.

Рисунок: c027480b

Соответствующим образом спроектировав процессор обратной связи, можно достичь определенных желаемых свойств (стабильности, оптимальности и т. Д.) Замкнутой системы.

Отличительная черта кибернетики, по мнению Запада, состоит в том, что таким образом создаются целевые системы. Различные подсистемы не являются независимыми, но спроектированы или разработаны таким образом, что одна подсистема будет функционировать и адаптировать свое функционирование относительно другой подсистемы.

Некоторые из интересных кибернетических структур, разработанных в математических системах и теории управления, — это наблюдатели или фильтры, системы идентификации и механизмы адаптивного управления. Они приводят к внутренним модельным принципам, принципу разделения, управлению эквивалентной достоверностью и т. Д. Полученную таким образом структуру взаимосвязанных систем можно рассматривать как проблему кибернетики. В конечном итоге идеи, лежащие в основе этих принципов, могут стать частью ядра кибернетики.

Несмотря на то, что вычисления играют важную роль в кибернетике, не представляется реалистичным или продуктивным классифицировать методы моделирования или такие части информатики как компьютерные языки и архитектуру как кибернетику. С другой стороны, область искусственной науки в том, что касается ее целей и проблем, действительно может рассматриваться как часть кибернетики.

Список литературы
[a1] Дж. К. Виллемс, «Модели для динамики», отчет Dynamics, Wiley & Teubner (готовится к печати)
[a2] H.А. Саймон, «Наука об искусственном», M.I.T. (1969)

Как процитировать эту статью:
Cybernetics. Энциклопедия математики. URL: http://encyclopediaofmath.org/index.php?title=Cybernetics&oldid=46568

Кибернетика — обзор | Темы ScienceDirect

1.9 Кибернетика

Слово кибернетика происходит от греческого слова kybernetes, что означает руль, пилот, устройство, используемое для управления лодкой или для поддержки управления людьми. Это слово впервые было использовано Платоном в Алкивиаде I 10 для обозначения управления людьми.В 1830-х годах французский физик Ампер использовал его для описания науки о гражданском управлении. Норберт Винер определил кибернетику как «изучение управления и коммуникации между животным и машиной» [248].

Кибернетика занимается концепциями, лежащими в основе понимания сложных систем, таких как обучение, познание, адаптация, возникновение, коммуникация и эффективность. Кибернетика находилась под влиянием и, в свою очередь, находит применение в таких разнообразных областях, как психология и теория управления, философия и машиностроение, архитектура и эволюционная биология или социальные науки и электротехника.

Неудивительно, что философы и ученые по-разному определяют кибернетику. По словам философа Эрнста фон Глазерсфельда, кибернетика — это «искусство создания равновесия в мире ограничений и возможностей». Знаменитый математик Андрей Николаевич Колмогоров определяет кибернетику как «науку, занимающуюся изучением систем любой природы, которые способны принимать, хранить и обрабатывать информацию, чтобы использовать ее для управления».

Другие замечательные определения кибернетики: «Искусство управления: имеет дело со всеми формами поведения в той мере, в какой они регулярны, или детерминированы, или воспроизводимы: соотносятся с реальной машиной — электронной, механической, нейронной или экономической — так же, как геометрия соотносится с реальным объектом в нашем земном пространстве; предлагает метод научного изучения системы, сложность которой является выдающейся и слишком важной, чтобы ее можно было игнорировать », — написал известный психиатр и пионер кибернетики Уильям Росс Эшби.По словам биолога Умберто Матураны, это также «наука и искусство понимания», известная созданием таких концепций, как структурный детерминизм и структурное сцепление. Несколько других определений кибернетики можно найти на сайте Американской ассоциации кибернетики http://www.asc-cybernetics.org/foundations/history.htm.

В последние годы ученые проявили некоторое нежелание использовать термин кибернетика, потому что эта дисциплина охватывает очень широкий спектр концепций и приложений во многих областях человеческой деятельности.Тем не менее, основные концепции кибернетики, такие как обратная связь, необходимы для понимания сложных систем просто потому, что такие системы должны адаптировать свое поведение на основе обратной связи от среды, в которой они работают. Две петли обратной связи позволяют системе учиться и адаптироваться; один, который используется часто, вносит небольшие изменения и позволяет обучаться, в то время как другой, используемый реже, ощущает необходимость замены устаревшей информации новой, что позволяет адаптироваться. Согласно Эшби [17], обучение подразумевает, что система обнаруживает образцы успешного поведения в среде, в которой она действует, и повторяет успешные действия, избегая при этом неудачных.Адаптация означает, что система изучает новый образец поведения после того, как осознает, что окружающая среда изменилась, и старый образец больше не работает.

Эшби определяет машину как систему, внутреннее состояние которой вместе с состоянием окружающей среды определяет следующее состояние. Регулятор — это элемент, контролирующий эволюцию системы, и он может делать это, используя обратную связь, чтобы оценить, насколько система отклоняется от предписанного поведения, и реагируя на возмущения в ее среде.Регулирующий орган должен иметь информацию, связывающую причину и следствие в системной среде. Репертуар действий, требуемых обратной связью, должен отражать разнообразие возмущений; это закон Эшби необходимого разнообразия [17]. Столкнувшись с непредвиденной последовательностью событий, у нас есть возможность увеличить разнообразие регуляторов или уменьшить разнообразие регулируемых систем. Основываясь на этих принципах, мы ожидаем, что изолированная динамическая система, подчиняющаяся неизменным законам, будет адаптироваться к окружающей среде.Как следствие, следует, что только ансамбль, состоящий из системы и ее окружения, по праву может быть назван самоорганизующимся.

Хайнц фон Форстер, наряду с Маккалоком, Винером, Эшби и фон Нейманом, считаются основоположниками кибернетики. В интервью в Стэнфордском университете Хайнц фон Форстер говорит о своей квантовой теории памяти: «Я не могу вспомнить, был ли Цезарь до Августа или после Августа … Так что я подумал, что сделаю себе стол, исторический стол … Я заметил, что чем ближе к настоящему вы подходили, тем плотнее была заполнена данными; и наоборот, чем дальше вы уходили, тем тоньше таблица … Лучший способ представить такие данные — это построить их логарифмически.Каждое десятилетие или каждая степень десяти покрывает одно и то же расстояние, и это означает, что, если вы вернетесь в прошлое, десять лет будут такими же большими, как один год, а затем сто лет будут такими же большими, как десять лет, и так далее … ”(Http: //web.stanford.edu/group/SHR/4-2/text/interviewvonf.html). Это наблюдение может быть полезно для сжатия прошлой истории адаптивной системы и придания большего веса более недавнему набору событий.

Какое отношение кибернетика имеет к операционным исследованиям? на JSTOR

Abstract

Часть 1 этой статьи отвечает на вопрос «Что такое кибернетика?» Краткий исторический обзор вводит несколько формальное заявление о природе систем и способах управления ими.Объединяющая тема в изучении контроля в каждом контексте — это основная идентичность системы: пример взят из обучающих машин. Сравнительно краткое рассмотрение вопроса «Что такое операционные исследования?» дается в Части 2. Оперативные исследования считаются последним примером научного метода, а не «науки». Что важно в операционном исследовании, раскрывается через описание фактического тематического исследования, и некоторые виды деятельности, которые выглядят как операционные исследования, но не упоминаются.Это приводит к попытке определения операционного исследования. В части 3 делается попытка собрать ответы на первые два вопроса вместе и показать, как связаны операционные исследования и кибернетика. Можно заниматься каждым видом деятельности как таковым; но также возможно практиковать оперативные исследования с использованием преимущественно кибернетических моделей и изучать кибернетику с помощью методов оперативных исследований. Эта мысль обобщается в идее, что кибернетика — это наука, методом которой являются оперативные исследования.

Информация об издателе

Общество операционных исследований, обычно известное как OR Society, является британским
образовательная благотворительность. Первоначально созданный в 1948 году как OR Club, это
старейшая в мире организация в этой области, насчитывающая 3000 членов по всему миру.
Практики операционных исследований (OR) предоставляют консультации по сложным вопросам.
лицам, принимающим решения во всех сферах жизни, с учетом их рекомендаций
за счет применения широкого спектра аналитических методов.Цели Общества — продвигать образование и знания в операционной, которые
через издание журналов, проведение конференций и встреч,
предоставление учебных курсов, а также организация и поддержка обучения
группы (особые интересы) и региональные группы. В последние годы Общество
широко использовал интернет-технологии для облегчения открытия
и обмен информацией между его членами.

Кибернетика | Britannica

Кибернетика, теория управления применительно к сложным системам.Кибернетика связана с моделями, в которых монитор сравнивает то, что происходит с системой в разное время выборки, с некоторым стандартом того, что должно происходить, а контроллер соответствующим образом корректирует поведение системы.

Термин «кибернетика» происходит от древнегреческого слова kybernetikos («хорошо управляется»), обозначающего искусство рулевого. В первой половине XIX века французский физик Андре-Мари Ампер в своей классификации наук предложил называть кибернетикой еще не существующую науку о контроле над правительствами.Однако об этом термине вскоре забыли, и он не использовался снова, пока американский математик Норберт Винер не опубликовал свою книгу «Кибернетика» в 1948 году. В этой книге Винер сослался на статью 1868 года британского физика Джеймса Клерка Максвелла о губернаторах и указал, что термин «правитель» происходит через латынь от того же греческого слова, которое дает начало кибернетике. Дата публикации Винера считается общепризнанной датой рождения кибернетики как самостоятельной науки.

Винер определил кибернетику как «науку об управлении и коммуникациях между животными и машинами». Это определение тесно связывает кибернетику с теорией автоматического управления, а также с физиологией, особенно с физиологией нервной системы. Например, «контролером» может быть человеческий мозг, который может получать сигналы от «монитора» (глаз) относительно расстояния между протягивающей рукой и объектом, который нужно поднять. Информация, отправляемая монитором контроллеру, называется обратной связью, и на основе этой обратной связи контроллер может выдавать инструкции, чтобы приблизить наблюдаемое поведение (досягаемость руки) к желаемому поведению (поднятие объекта). .Действительно, одной из самых ранних работ, выполненных в кибернетике, было изучение правил управления, по которым происходит человеческая деятельность, с целью создания протезов, которые можно было бы связать с мозгом.

В последующие годы компьютер и связанные с ним области математики (например, математическая логика) оказали большое влияние на развитие кибернетики — по той простой причине, что компьютеры можно использовать не только для автоматических вычислений, но и для всех преобразований. информации, включая различные типы обработки информации, используемые в системах управления.Эти расширенные возможности компьютеров сделали возможными два разных взгляда на кибернетику. Более узкий взгляд, распространенный в западных странах, определяет кибернетику как науку об управлении сложными системами различных типов — технических, биологических или социальных. Во многих западных странах особое внимание уделяется аспектам кибернетики, используемым при создании систем управления технологиями и живыми организмами. Более широкий взгляд на кибернетику возник в России и других советских республиках и преобладал там в течение многих лет.В этом более широком определении кибернетика включает не только науку об управлении, но и все формы обработки информации. Таким образом, информатика, считающаяся на Западе отдельной дисциплиной, включается как одна из составных частей кибернетики.

Получите подписку Britannica Premium и получите доступ к эксклюзивному контенту.
Подпишись сейчас

Кибернетика и системы

Издатель: Тейлор и Фрэнсис

Описание журнала

Издается в сотрудничестве с Австрийским обществом кибернетических исследований, кибернетики и систем, служит международным форумом для публикации последних достижений в кибернетике.Журнал знакомит ученых из различных дисциплин с важными новыми методами кибернетики, одновременно обращая внимание на новые приложения этих методов к проблемам из многих областей исследований. Строго рецензируемые статьи представляют оригинальные исследования, основанные на эмпирической проверке, охватывающие широкий круг интересов, от искусственного интеллекта до экономики.

Дополнительные сведения

C

Указанный период полураспада 8,10
Индекс непосредственности 0.24
Eigenfactor 0,00
Влияние статьи 0,15
Веб-сайт http://www.informaworld.com/openurl?genre=journal&issn=01969722
Описание веб-сайта Веб-сайт «Кибернетика и системы»
Другие названия Кибернетика и системы (онлайн), кибернетика и системы
Электронный ISSN 1087-6553
Печатный ISSN 0196-9722
34370543
Тип материала Документ, периодическое издание, Интернет-ресурс
Тип документа Интернет-ресурс, компьютерный файл, журнал / журнал / газета

Публикации в этом журнале

В этом В статье разрабатываются вычислительные методы для получения решений Штакельберга. Переходим к двухуровневым смешанным задачам программирования нуль-единица, в которых лицо, принимающее решения на верхнем уровне, управляет переменными нуля или единицы, а лицо, принимающее решение, на нижнем уровне управляет действительными переменными.Чтобы проиллюстрировать двухуровневую смешанную задачу программирования нуля или единицы, мы формулируем задачу размещения и транспортировки оборудования как двухуровневую задачу смешанного программирования нуля или единицы. Мы разрабатываем вычислительные методы с помощью генетических алгоритмов для получения решений Штакельберга. Для демонстрации возможности и эффективности предложенных методов проводятся вычислительные эксперименты и приводятся сравнения между методами, основанными на методах ветвей и границ, и предлагаемыми методами.

Раскрыть аннотацию

Это исследование фокусируется на том, как система с несколькими роботами может работать совместно для выполнения патрульных миссий.Планирование и назначение точек патрулирования роботам — это основные проблемы, с которыми нужно работать. Предлагается кооперативная система аукционов (CAS) для решения проблемы планирования патрулирования. Здесь каждый мобильный робот выбирает свои собственные точки патрулирования через систему кооперативного аукциона, и система будет постоянно проводить повторный аукцион, основываясь на производительности командной работы, для дальнейшего повышения эффективности сотрудничества для крупномасштабной системы с несколькими роботами. По результатам экспериментов предлагаемый подход демонстрирует несколько преимуществ, таких как меньшая временная сложность, меньшая стоимость пути маршрутизации, лучшая балансировка рабочей нагрузки между роботами.

Развернуть аннотацию

В этой статье описан метод расчета передаточной функции.
графиков временных событий. Передаточная функция имеет вид
формальный ряд от одной или двух формальных переменных. Знание этого
формальные ряды играют решающую роль в теории систем max-plus.
А именно, это очень важно при исследовании проблемы
управляемость системы, поскольку она обеспечивает ввод-вывод
отношение как уравнение в дииде формальных рядов. Прямая
подход к этому расчету требует вычисления звезды
работа матрицы с элементами в этом диоиде, которая кажется
сложно для матриц больших размеров.Вот почему авторы
предложить другой подход, использующий только моделирование системы с максимальным плюсом.
Авторы рассмотрели многомерный случай с несколькими входами.
и выходные переходы. Авторы могут получить передаточную функцию как
выход, соответствующий специальному элементу управления. Чтобы проиллюстрировать это
Подход авторы приводят два примера. Цель первого —
сравнить разные подходы к этой проблеме, а второй
может служить приложением. Авторы используют свой подход для определения
передаточная функция производственной системы

Развернуть аннотацию

Мы предлагаем новую структуру для решения задач планирования работы цеха
основан на коннекционистских идеях распределенной обработки информации.В
В нашем подходе каждая операция данной задачи мастерской рассматривается как
быть простым агентом, ищущим такую ​​позицию во времени, чтобы все время
и ограничения ресурсов удовлетворены. Каждый агент считает текущий
временное положение своих ограничивающих соседей постепенно менять свое собственное
положение для достижения этой цели. Все агенты вместе образуют повторяющийся
динамическая система, которая либо самоорганизуется после нескольких итераций до
выполнимый график или не может сделать это в зависимости от ограничений
проблема.Постепенно увеличивая ограничения за счет уменьшения
допустимое общее время обработки для действующего графика, лучше и
лучшие решения найдены до такой степени, что дальнейшие улучшения
можно сделать

Развернуть аннотацию

На основании физиологических данных мы предлагаем гипотезу о том, как ассоциация и диссоциация воспоминаний о событиях производятся в гиппокампально-корковой системе памяти. Постулируется, что ассоциация / диссоциация памяти осуществляется путем индексации представлений событий (содержимого памяти) с помощью временных кодов.Содержимое памяти поступает из коры сенсорных ассоциаций, в то время как временные коды поступают из области принятия решений / мотивации. Два входа смешиваются (индексируются) в энто-периринальной области. Индексированные сигналы подаются в гиппокамп, где происходит подключение / отключение содержимого памяти в зависимости от типа индекса. Наконец, ассоциация / диссоциация воспоминаний о событиях происходит в ассоциативной коре в соответствии с правилом ковариации: два воспоминания о событиях связаны, когда прямые кортико-котические входы и косвенные входы из гиппокампа положительно коррелируют через консолидацию, произведенную в гиппокампе, и они диссоциирует, когда два входа отрицательно коррелируют в результате разъединения в гиппокампе.

Раскрыть аннотацию

Предложен метод исследования влияющих факторов на
процесс разработки системы. По разным фазам
разработки, модели многоцелевого программирования (MOP) разрабатываются из
теория нечетких множеств, теория доказательств и теория вероятностей. На основе
предложенных моделей MOP, интегрированный алгоритм решения разработан, чтобы помочь
исследователи, чтобы получить полные влиятельные факторы системы. An
иллюстративный пример службы мобильной связи (MPS) предоставляется с
удовлетворительные результаты

Развернуть аннотацию

В этой статье сначала описывается класс неопределенных стохастических систем управления.
с марковским переключением, и выводит формулу Ито-Лиу для марково-модулированных
процессы.И охарактеризуем оптимальный закон управления, удовлетворяющий
обобщенное уравнение Гамильтона-Якоби-Беллмана (HJB) с марковскими переключениями.
Затем, используя обобщенное уравнение HJB, мы выводим оптимальное потребление
и портфельная политика в условиях неопределенных стохастических финансовых рынков с
Марковское переключение. Наконец, для постоянного относительного неприятия риска (CRRA)
функции счастья, мы явно получаем оптимальное потребление и портфель
политики. Кроме того, мы также проводим экономический анализ с помощью численных
Примеры.

Развернуть аннотацию

Тот факт, что эмоции считаются важными для человеческого мышления, предполагает, что они могут играть важную роль и в автономных роботах. В частности, решение о том, когда прервать текущее поведение, часто связано с эмоциями в естественных системах. Здесь исследуется вопрос, может ли эта роль эмоций быть полезной для робота, который адаптируется к окружающей среде. С этой целью была разработана модель эмоций, которая была интегрирована в систему обучения с подкреплением.Были проведены эксперименты с роботами, чтобы протестировать зависимый от эмоций механизм автоматического обнаружения соответствующих событий учебной задачи по сравнению с более традиционными подходами. Представлены экспериментальные результаты, подтверждающие, что эмоции могут быть полезны в этой роли, в частности, за счет повышения эффективности алгоритма обучения.

Развернуть аннотацию

В данной статье представлена ​​биологически вдохновленная модель имитации моторных навыков. Модель состоит из модулей, функциональность которых основана на соответствующих областях мозга, отвечающих за контроль движения у приматов.Эти модули представляют собой высокоуровневые абстракции спинного мозга, первичной и домоторной коры (M1 и PM), мозжечка и височной коры. Каждый модуль моделируется на уровне коннекционистов. Нейроны в ПМ реагируют как на визуальное наблюдение за движениями, так и на соответствующие двигательные команды, производимые мозжечком. Таким образом, они дают абстрактное представление о зеркальных нейронах. Освоение новой комбинации движений происходит в ПМ и в мозжечке. PM и мозжечок моделируются нейронной архитектурой DRAMA, которая позволяет изучать временные ряды и пространственно-временную инвариантность в мультимодальных входных данных.Модель реализована в виде механической симуляции двух гуманоидных аватаров, имитатора и имитатора. Три типа последовательного обучения — это …

Развернуть аннотацию

В этой статье исследуется роль традиционной вычислительной метафоры в нашем мышлении как компьютерных ученых, ее влияние на эпистемологические стили и ее значение для нашего понимания познания. Он предлагает заменить традиционную метафору — последовательность шагов — понятием сообщества взаимодействующих сущностей и исследует разветвления такого сдвига в различных способах нашего мышления.

Развернуть аннотацию

Мы предлагаем новую структуру для решения задач планирования работы цеха, основанную на коннекционистских идеях распределенной обработки информации. В нашем подходе каждая операция данной задачи о цехе вакансий рассматривается как простой агент, ищущий позицию во времени, при которой удовлетворяются все его временные и ресурсные ограничения. Каждый агент рассматривает текущую временную позицию своих ограниченных соседей, чтобы постепенно изменить свою позицию для достижения этой цели. Все агенты вместе образуют рекуррентную динамическую систему, которая либо самоорганизуется после некоторых итераций до допустимого расписания, либо не может этого сделать в зависимости от ограниченности проблемы.Постепенно увеличивая ограниченность за счет уменьшения допустимого общего времени обработки для действующего расписания, можно найти все лучшие и лучшие решения вплоть до того момента, когда дальнейшие улучшения сделать невозможно. ВВЕДЕНИЕ В классическом планировании работы цехов нам дается набор заданий, каждое из которых состоит из цепочки операций и …

Развернуть аннотацию

Эта статья представляет собой попытку провести некоторый семантический анализ понятия «энтропия». «поскольку он используется как в термодинамическом, так и в нетермодинамическом контексте.Сначала мы рассмотрим связь между термодинамической энтропией как семантическим понятием, измеряемым количеством реальных систем; и статистическая энтропия как синтаксическое понятие, вычисляемая величина в формальных системах. Затем мы рассмотрим использование энтропии как меры различных типов систем, происхождение и идентификацию возникающих уровней в физических системах, а также онтологический статус нетермодинамических энтропий. 1 Синтаксическое и семантическое определения энтропии Литература о связи между термодинамикой и теорией информации обширна [8, 10, 23, 26, 51, 61 и т. Д.]. Хотя эта дискуссия не является центральной темой данной статьи, при любом обсуждении энтропии целесообразно четко выразить, как это будет пониматься. Мы делаем это на основе соотношения и разницы между, с одной стороны, величинами, которые приводят к …

Развернуть аннотацию

В последние годы было предложено несколько подходов к моделированию динамики пешеходов. Однако до сих пор их количественной проверке уделялось не так много внимания. Вместо этого основное внимание уделялось воспроизведению эмпирически наблюдаемого коллектива…

Развернуть аннотацию

Обучение лежит в основе так называемого общества знаний. Все более необходимы новые формы обучения, способные более эффективно противостоять сложной природе окружающих нас явлений. В этой статье мы утверждаем, что обучение моделированием с помощью …

Развернуть аннотацию

Управление с прогнозированием модели — это доступный метод управления процессом с большим запаздыванием на электростанциях, но обычное управление с прогнозированием с ограничениями не может справиться с широко существующими неопределенностями и нелинейности в электростанциях.С помощью теории нечетких множеств в этой статье предлагается новый алгоритм управления с предсказанием с ограничениями, основанный на нечетком методе принятия решений (FDMPC). По сравнению с другим традиционным управлением с прогнозированием с ограничениями, этот новый алгоритм заменяет обычную целевую функцию соответствующей функцией нечеткого индекса. В результате легко интегрировать ограничения в функцию нечеткого индекса, что может значительно снизить сложность оптимизации. Затем новый метод эволюционных вычислений, названный оптимизацией роя частиц, впервые применяется в конструкции прогнозирующего контроллера модели.Более того, эта статья также демонстрирует, что обычное управление с прогнозированием на самом деле является частным случаем предлагаемого алгоритма, хотя и в случае MIMO, поэтому этот новый алгоритм является расширением традиционной стратегии управления с прогнозированием с ограничениями. Наконец, предложенный FDMPC был применен в реальной модели прямоточного энергоблока, и результаты моделирования подтвердили хорошие характеристики управления предложенным FDMPC.

Развернуть аннотацию

Конфликт онтологий может возникать на одном из трех уровней: уровне экземпляра, уровне концепции и уровне отношения.Конфликт на уровне экземпляра возникает, когда один и тот же экземпляр встречается в разных онтологиях с разными описаниями. Две онтологии конфликтуют на уровне концептов, если одна и та же концепция имеет разные структуры в этих онтологиях. Конфликт на уровне отношений относится к различным отношениям между одними и теми же двумя концепциями в разных онтологиях. В данной статье представлен метод разрешения конфликтов онтологий и интеграции на уровне отношений. В рамках этого метода мы представляем модель для представления конфликта онтологий и основанные на консенсусе алгоритмы разрешения конфликтов.

Развернуть аннотацию

Если знания о каком-либо вопросе собраны из разных источников, то может проявиться их несогласованность. Для коллектива, члены которого имеют разные состояния знаний об одном и том же реальном мире, и если они реализуют общую задачу, то необходимо определить общее состояние знаний коллектива в целом. В этой статье представлен основанный на консенсусе подход к определению коллективных знаний с использованием их несогласованности.

Развернуть аннотацию

Исследования показали, что обеспечение качества при формальном выполнении требований стандарта ISO 9001 не помогает компаниям достичь большей конкурентоспособности и успеха в бизнесе.Соответствие системы качества стандартным требованиям подтверждает, что компания достигла уровня зрелости, указывающего на ее способность определять свои процессы и выполнять их в соответствии с определениями (не обязательно эффективно!). В этом документе предлагается более целостный подход: синергия соответствия и управления производит аудит с добавленной стоимостью, с акцентом на аудит добавленной стоимости ISO 9000. Благодаря этой новинке аудит ISO 9001: 2000 имеет тенденцию иметь долгосрочную экономическую добавленную стоимость, поскольку помогает своим пользователям создавать улучшения (изобретения и инновации) на основе необходимого целостного подхода.

Развернуть аннотацию

В данной статье представлена ​​эволюционная модель динамики выпуска и инвестиций, приводящая к эндогенным бизнес-циклам. Модель описывает экономику, состоящую из фирм и потребителей / работников. Фирмы принадлежат к двум отраслям. Первый выполняет НИОКР …

Развернуть аннотацию

В этой статье сначала представлен обзор нейронечетких систем. Затем устанавливается ряд критериев оценки инструментов нейронечеткого моделирования. Анализ инструментов указывает на трудности одновременного выполнения этого критерия и приводит к разработке принципов проектирования для преодоления этих трудностей.Основная идея состоит в том, чтобы реализовать симуляторы с помощью двух абстрактных описаний модели и определения интерфейса. Затем представлена ​​система MiND, построенная в соответствии с этой идеей. С одной стороны, MiND предлагает удобный графический пользовательский интерфейс, а с другой стороны, он гибкий и расширяемый, а также поддерживает разработку пользовательских приложений. В качестве аппаратного компонента система MiND включает нейроплату PCI Peripheral Compound Interconnect для ускорения нейронных сетей.Статья завершается обсуждением системы MiND с точки зрения критериев оценки, установленных в начале.

Развернуть аннотацию

В связи с информационным взрывом в Интернете возникла необходимость эффективно определять релевантность информации. В этой статье обсуждается подход к фильтрации информации с использованием методов динамической абстрактной генерации. Различные методы создания абстрактных текстов, такие как метод определения местоположения, ориентировочные фразы, частота ключевых слов и метод ключевого слова заголовка, включены в интерфейс поиска для новостных статей в Интернете.Во время поиска новостей, генерации аннотации, автоматически создается отрывок, содержащий набор дословных предложений из новостной статьи. Это сформирует ориентировочную аннотацию, из которой будущий читатель сможет решить, читать ли полную новостную статью. Таким образом, читатель может отфильтровать нерелевантные новостные статьи, не просматривая всю статью.

Развернуть аннотацию

Целью академического консультирования является помощь студентам в разработке учебных планов. В университетах преподаватели выступают в качестве научных консультантов студентов.Недавно был разработан ряд систем, основанных на правилах, чтобы помочь преподавателям и студентам в выполнении консультативных задач. В этой статье мы кратко рассматриваем цель и задачи академического консультирования. Это соображение приводит к предложению ряда основных целей для построения советников, основанных на знаниях. Затем мы рассматриваем ряд представительных недавних систем консультирования, основанных на правилах, и оцениваем их на предмет соответствия предложенным целям. Документ завершается рекомендацией нового подхода.

Развернуть аннотацию

Сегодня, с развитием компьютерных хранилищ и технологий, доступны огромные наборы данных, дающие возможность извлекать ценную информацию. Вероятностные подходы особенно подходят для обучения на основе данных путем представления знаний в виде функций плотности. В этой статье мы выбираем гауссовские модели смеси (GMM) для представления плотностей, поскольку они обладают большой гибкостью, достаточной для решения широкого класса задач. Классический подход к оценке для GMM соответствует итерационному алгоритму максимизации ожидания (EM).Однако этот подход не масштабируется должным образом, чтобы удовлетворить высокие требования к обработке больших баз данных. В этой статье мы представляем алгоритм на основе EM, который решает проблему масштабируемости. Наш подход основан на концепции уплотнения данных, которая, помимо существенного уменьшения вычислительной нагрузки, обеспечивает надежные начальные значения, которые позволяют алгоритму быстрее достичь сходимости. Мы также сосредоточимся на проблеме выбора модели. Мы тестируем наш алгоритм с использованием синтетических и реальных баз данных и обнаруживаем несколько преимуществ по сравнению с другими стандартными существующими процедурами.

Развернуть аннотацию

В этой статье мы сосредоточены на решении задач, смоделированных по образцу реальной задачи расписания средней школы. Он включает в себя несколько целей и множество ограничений. В основном это включает составление оптимального расписания для каждого учителя и для каждого класса. При традиционном подходе к целочисленному программированию, похоже, возникают некоторые трудности с решением таких проблем. Универсальность предлагаемой нами эвристики, основанной на модификации метода принятия пороговых значений, проиллюстрирована на примере решения наших проблем.Для сравнения, имитация отжига также использовалась для решения тех же проблем.

Развернуть аннотацию

Учет человеческой деятельности с помощью физики не требует ничего, кроме переключения ума. Объективность сначала необходимо признать эпистемологическим принципом, который следует по большей части игнорировать при моделировании человеческой деятельности, иначе будет решено, что методы из физики не должны применяться к человеку из принципа. Во-вторых, необходимо понимать, что два аспекта человеческой деятельности специфичны для координации поведения и должны серьезно рассматриваться как имеющие физическую природу.Понятие поля подходит как для языка, так и для экономики. Язык необходимо анализировать как поле, позволяющее «действовать на расстоянии»; необходимо полностью признать и объяснить то, как он обеспечивает экономику процессом ее структурирования.

Развернуть аннотацию

В этой статье мы представляем необходимые элементы, необходимые для интеграции технологии принятия решений, которая предлагает уровень доверия, позволяющий использовать их для реализации систем доверия для принятия решений. Таким образом, мы называем этот подход доверием принятия решений, которое может быть достигнуто за счет использования таких элементов, как ДНК принятия решений, рефлексивные онтологии и технологии безопасности.Доверие к принятию решений работает по трем направлениям: (1) построение ДНК принятия решений как структуры знаний, способной собирать отпечатки пальцев принятия решений организацией; (2) построение рефлексивных онтологий как описаний понятий и отношений с набором автономных запросов в предметной области; и (3) добавление технологий безопасности. Наш подход расширяет использование ДНК принятия решений и рефлексивных онтологий с целью предложения надежных решений и вводит элементы для использования встроенных, надежных знаний принятия решений, которые в сочетании с элементами безопасности могут привести к созданию надежных технологий.Полностью разработанная, она продвинет идею управления надежными знаниями в текущей среде принятия решений.

Expand abstract

Анализ текстур играет жизненно важную роль в области исследования понимания изображений. Одна из ключевых областей исследования — сравнить, насколько хорошо эти алгоритмы ранжируются по их способности различать разные текстуры. Традиционно алгоритмы текстур применялись в основном для эталонных данных, таких как альбом Brodatz, и исследования показали, что определенные алгоритмы лучше подходят для различения определенных типов текстур.Было бы самонадеянно полагать, что эти выбранные алгоритмы будут хорошо работать с другими типами данных изображения. Мы исследуем вариабельность производительности в различных наборах данных тестов. Для анализа выбраны четыре эталона, включая альбом Brodatz, MeasTex, VisTex и Minerva. Мы берем в общей сложности семь методов извлечения признаков текстуры и сравниваем алгоритмы на основе их ранжирования по скорости распознавания классификации текстур и делаем некоторые важные выводы.

Развернуть аннотация

Выявление сходства усложняется культурными факторами.В эпоху позднего средневековья в литературном повествовании (как и в еврейских хрониках Ахимааза, Италия, 1054 г.) отец узнал бы своего сына, даже если внешнее сходство заколдованного сына, увы, глупо, способствовало этому (как в повествованиях раннего Нового времени). ) зов крови. Мы надеемся, что даже те, кому не нравится область «литературы и права», входящая в юридические школы, найдут заслуги в этой статье, поскольку она показывает, как сложную историю действий и эпистемологических состояний можно описать формулами. Мой формализм предназначен для примера из художественной литературы, а именно, средневекового литературного текста, касающегося человека, идентифицированного на основе портрета, несмотря на то, что этот человек заявляет о другой идентичности.Среднеанглийский язык Кинг Алисаундер рассказывает, что, находясь в Индии, Александр Великий выдал себя за кого-то другого (генерала Антигона), когда к нему пришел местный принц, чтобы заручиться его поддержкой, но королева Кэндис назвала уловку на свидетельстве портрета. Репрезентативные особенности, включенные в формулы, включают: убеждения; следить за тем, чтобы что-то случилось; постановка и достижение цели; принятие вымышленной личности; восприятие различными сенсорными модами; сообщение предложения или отдача заказа; дачи свидетельских показаний о восприятии свидетельств или о своих прошлых действиях, убеждениях и целях; а также наличие портрета, сделанного кем-то другим, чтобы третья сторона могла быть опознана по его доказательствам.

Развернуть аннотацию

Формальная нотация была определена для целей фиксации повествования, особенно юридического повествования. В различных статьях этот метод применялся к различным объяснениям неопределенности индивидуальной (обычно личной) идентичности и процесса обнаружения к удовлетворению некоторых агентов. Например, в Части II было формализовано повествование, в котором обнаружение реальной личности данного человека связано с его сходством: мужчина в конечном итоге был идентифицирован на основе портрета, несмотря на то, что он заявлял о другой личности.Портреты или даже сохраненные изображения из обработанных останков (по таксидермии) иногда используются для классификации вида. В этой статье случай обмана в науке формулируется в формулах: в 1990-е годы разногласия окружали важную коллекцию птиц; Утверждалось, что некоторые образцы были украдены, переполнены и помечены заново. Показано, как это представить, не упрощая предмета, и как дать достаточную свободу действий для противоречивых соображений.

Развернуть аннотацию

Осведомленность о текущем контексте пользователя, то есть о задаче, в которой находится пользователь, может позволить использовать различные способы поддержки его работы.В этой статье мы представляем новый подход к майнингу обычных задач пользователей на основе временной близости действий пользователей на рабочем столе без вмешательства пользователя полностью автоматическим, ненавязчивым и неконтролируемым образом. Предлагаемый метод основан на кластеризации действий пользователя на рабочем столе на основе времени и, в отличие от предыдущих подходов, не применяет фиксированные временные ограничения для добываемых действий, а типичные времена перехода, если они существуют, вытекают из зарегистрированных данных активности. для этого конкретного пользователя.Эффективность нашей методики была оценена на большом наборе данных за 724 дня настольной работы пятью специалистами. Результаты показали, что наш подход работает очень хорошо и позволяет кластеризовать те временные близкие действия пользователя, с которыми обычно не справляются методы исправления временных окон. Примечательно, что основное улучшение заключается в отзыве задач, при котором наш подход вызвал на 10,18% больше действий, чем метод предопределенного временного окна.

Развернуть аннотацию

Эффективное управление деятельностью по проекту — критическая проблема для менеджеров проектов, особенно когда проекты сложные.Это более важно для проектов, в которых много атрибутов деятельности. В таких обстоятельствах приоритезация деятельности по проекту является важным вопросом и может позволить лучше управлять проектами, уделяя больше внимания наиболее важным видам деятельности. Однако во многих случаях приоритизация деятельности по проекту может быть сложной задачей, потому что некоторые атрибуты деятельности не могут быть легко выражены в четких терминах. В этой статье предлагается практический подход к нечеткой оценке и ранжированию для определения приоритетов деятельности проекта с нечеткими атрибутами.Предлагаемый подход также протестирован на примере задачи из литературы.

Развернуть аннотацию

В этой работе мы представляем проектное предложение терапевтического специалиста TS в отделении интенсивной коронарной терапии ICCU в ситуациях острого инфаркта миокарда с ОИМ. Эта TS может быть помещена в более общие рамки интеллектуального наблюдения за пациентами, интернированными в ICCU, и она выполняет две основные функции: 1 рекомендовать врачу назначать терапию в соответствии с состоянием и реакцией на проводимое лечение. ; и 2 для постоянного наблюдения за развитием пациента при продолжающейся терапии, консультируя врача по поводу необходимых терапевтических модификаций, ассоциаций с другими лекарствами, приостановки лечения и т. д.чтобы компенсировать эволюцию пациента и помочь его выздоровлению. Таким образом, мы представляем специализированную архитектуру агента, предназначенную для выполнения обеих функций, которая основана на идентификации, разработке и реализации терапевтических задач, на явном разделении между знанием предметной области и метазнаниями, необходимыми для скоординированного выполнения этих задач. задачи, а также на имитацию методологии, которой придерживается врач при оценке наблюдения за состоянием пациента.

Расширить аннотацию

Мы представляем и обсуждаем библиотеку AIS (AIS-Lib), которая расширяет платформу сетевого моделирования Jist / SWANS. В нем реализованы основные функции искусственной иммунной системы (ИИС). AIS — один из самых последних подходов в области вычислительного интеллекта, вдохновленный эффективностью иммунной системы человека.

Раскрыть аннотацию

Исследователи предложили коллективные вычисления для облегчения формирования групп и принятия групповых решений. Однако унаследованные компьютерные системы сообщества не поддерживают идентификацию групповых потребностей для создания специальной группы, что является ключевой особенностью повсеместных систем и услуг поддержки принятия решений.В этой статье мы описываем мультиагентную методологию, которая обеспечивает возможность вычислений в кочевом сообществе и поддерживает специальную идентификацию потребностей и формирование групп. Наш подход использует осведомленность о потребностях через модель ассоциативных теорий Рескорла-Вагнера и требует рассуждений на основе приблизительной теории множеств. С акцентом на поддержку принятия решений в относительно небольшой группе из нескольких человек в сообществе, методология учитывает следующие три характеристики: (1) формирование специальной группы; (2) контекстно-зависимая группа нуждается в идентификации; и (3) внедрение мобильных устройств, работающих в помещении и на открытом воздухе.Мы разрабатываем прототип системы NAMA-US, чтобы показать возможность реализации идей, предложенных в этой статье.

Развернуть аннотация

Зачем нам наделять искусственных автономных агентов эмоциями? Главный ответ на этот вопрос, по-видимому, основан на том, что было названо функциональным взглядом на эмоции, возникшим в результате (аналитических) исследований природных систем. В этой статье я исследую, в какой степени эта гипотеза может быть применена к (синтетическому) исследованию искусственных эмоций и каковы ее значения для дизайна эмоциональных агентов, основные подходы, которые могут быть надлежащим образом использованы для моделирования эмоций у автономных агентов. и почему расположенные автономные агенты обеспечивают хорошую основу для изучения взаимосвязи между эмоциями и адаптацией.

Развернуть аннотацию

Сложная динамика, возникающая из систем, управляемых детерминированным хаосом, предлагает значительные преимущества нейроморфному инженеру. Сюда входит возможность очень большого объема памяти и легкость, с которой можно управлять хаотическими системами. По определению хаотическая система является периодической. Однако в ходе своей траектории через пространство состояний хаотическая система будет бесконечно приближаться к точкам, которые она ранее посещала. Эти почти повторяющиеся траектории называются нестабильными периодическими орбитами (UPO).Обычно под влиянием хаоса траектория экспоненциально быстро удаляется от своего предыдущего пути, тем самым описывая новый путь на поверхности аттрактора. К хаотической системе можно применить простой механизм управления с отложенной обратной связью, который ограничит ее одним из своих UPO. В этой статье представлена ​​нейронная реализация этого механизма отложенной обратной связи. Представленная здесь сеть способна стабилизировать различные UPO в ответ на разные входные сигналы, причем каждый UPO соответствует состоянию динамического распознавания для этого входа.Мы также представляем два правила обучения для этой сети, которые позволяют ей адаптироваться к новым входам самоорганизованным образом.

Раскрыть аннотацию

Представлена ​​надежная адаптивная схема управления роботизированными манипуляторами с гибкими связями. Конструкция основана на рассмотрении гибкой механической конструкции как особой возмущенной системы, что позволяет предположить существование медленных (жестких) и быстрых (гибких) режимов, которыми можно управлять по отдельности. Жесткая динамика контролируется с помощью надежного скользящего адаптивного подхода с хорошо зарекомендовавшими себя свойствами устойчивости.Гибкой динамикой можно управлять с помощью H 8 или оптимальных конструкций, которые успешно справляются с фактическим взаимодействием между медленной и быстрой подсистемами. Этот комбинированный подход обеспечивает хорошие характеристики слежения за замкнутым контуром, как при моделировании, так и в экспериментальных результатах на гибком лабораторном манипуляторе.

Развернуть аннотация

Общность исследований в области искусственного интеллекта и синтетических эмоций заключается в том, что в обоих случаях довольно сложно дать приемлемое определение естественного аналога.Можно предположить, связано ли это с множественностью природы обоих явлений или с категорическим заблуждением. В этой статье я пытаюсь кратко обрисовать ряд различных мотивов моделирования эмоций и связать эти мотивации с двумя различными основными подходами к проектированию вычислительных моделей эмоций. Исходя из этих двух аспектов, вместе с нашими текущими предположениями о механизмах, лежащих в основе человеческих эмоций, я завершаю некоторые рассуждения об адаптации в аффективных системах и некоторые следствия концепции обоснования эмоций в адаптивных системах.

Расширить аннотацию

В этой статье обсуждается конструкция адаптивного управления скользящим режимом для нечетких систем. Для сложной физической системы, представленной объединенной нечеткой глобальной моделью, которая нарушает набор линейных моделей, приведены условия для адаптивного управления скользящим режимом для стабилизации глобальной нечеткой модели. Преимущество структуры управления состоит в том, что не требуется априорное знание верхних границ ограниченных неопределенностей и внутренних параметров. Численное моделирование представлено, чтобы показать эффективность контроллера.

Расширить аннотацию

В этой статье представлена ​​надежная адаптивная схема управления механическими манипуляторами. Конструкция в основном состоит, с одной стороны, из адаптивного контроллера, который реализует закон управления линеаризацией с обратной связью, который компенсирует моделируемую динамику, и, с другой стороны, из адаптивного закона управления в скользящем режиме, который преодолевает немоделируемую динамику и шум. Также доказано, что полученная замкнутая система устойчива и что цель управления отслеживанием траектории асимптотически достигается.Наконец, для оценки конструкции также предоставляются некоторые результаты моделирования.

Развернуть аннотацию

Цель данной статьи — найти стратегию адаптивного управления, которая позволила бы нам оценить параметры модели ARMAX с максимальной точностью, при этом потребляя меньше управляющей энергии, сохраняя при этом выходную мощность системы ниже заданного уровня. уровень изменчивости. Используя самонастраивающийся трекер, эта статья устанавливает глобальную сходимость стохастического адаптивного алгоритма управления для дискретной линейной системы, а адаптивный контроллер может одновременно сходиться к оптимальному контроллеру с опережением на один шаг.

Развернуть аннотация

Визуальная коммуникация играет важную роль в человеческом общении и взаимодействии. Чтобы взаимодействовать в обществе, мы должны уметь обрабатывать лица разными способами. В этой статье рассматривается проблема распознавания с использованием компактной архитектуры классификатора квантования вектора обучения, который изучает корреляцию паттернов и идентифицирует человеческие лица. Показано, что предложенная структура нейронной сети демонстрирует надежность в достижении лучших результатов классификации с хорошей производительностью обобщения и быстрым временем обучения на различных тестовых задачах с использованием стандартных и переменных баз данных.Источники изменчивости включают выражение лица, пол, индивидуальную внешность, наклон, условия освещения и закрывающие предметы (волосы, очки и т. Д.). Эмпирические результаты дают пиковый уровень точности 100% (в среднем 99,63%) для задачи распознавания лиц для случайного тестового набора из 90 изображений лиц 30 субъектов из баз данных Кувейтского университета в сети, которая обучена с другим набором из 60 лиц те же предметы. Время выполнения на компьютере составляет около 0,04 с на изображение лица на Pentium II, 233 МГц, 32 МБ и ПК с Win98.

Expand abstract

Интеллект роя, продемонстрированный естественным биологическим роем, таким как колония муравьев, обладает множеством мощных свойств, которые желательны для эффективной маршрутизации в сетях связи. В этой статье мы предлагаем алгоритм интеллектуальной маршрутизации, который мы называем Fuzzy Logic Ant-based Routing (FLAR), который основан на колониях муравьев и усовершенствован методами нечеткой логики. Использование нечеткой системы в качестве интеллектуального и экспертного механизма позволяет рассматривать несколько ограничений простым и интуитивно понятным способом.Результаты моделирования и сравнение предложенного метода с двумя современными алгоритмами маршрутизации показывают лучшую производительность и более высокую отказоустойчивость нашего подхода, особенно в отношении сбоев каналов.

Расширить аннотацию

В этой статье, используя концепцию управления скользящим режимом SMC, предлагается нечеткий контроллер скользящего режима FSMC, который синтезируется с помощью лингвистических правил управления. Для представления управляемой системы используются два набора баз нечетких правил. Функции принадлежности THEN-части, которая используется для построения подходящего эквивалентного управления SMC, изменяются в соответствии с адаптивным законом.В частности, для адаптации функций принадлежности охарактеризован только один адаптивный фактор вместо нескольких в традиционных адаптивных подходах. В соответствии с этой схемой проектирования мы не только поддерживаем распределение функций принадлежности в пространстве состояний, но и значительно сокращаем время вычислений. Предлагаемый непрямой адаптивный FSMC синтезируется с помощью следующих этапов. Во-первых, мы строим базы нечетких правил в соответствии со здравым смыслом SMC для описания модели управляемой системы и определяем нечеткие множества, функции принадлежности которых равномерно распределены в пространстве состояний.Затем полученный адаптивный закон используется для настройки функций принадлежности THEN-части для аппроксимации эквивалентного управления без знания математической модели управляемой системы. В-третьих, разработано управление ударами, чтобы гарантировать стабильность системы управления. Наконец, мы сглаживаем контроль попаданий с помощью предложенных эвристических правил контроля. Мы применяем этот FSMC для управления нелинейной системой перевернутого маятника, чтобы подтвердить справедливость предлагаемого подхода.

Развернуть аннотацию

В этой статье представлен алгоритм кластеризации оптимизации роя частиц с адаптивным гипер-нечетким разбиением для оптимальной классификации различных наборов данных геометрической структуры в правильные группы.В этой архитектуре мы используем новую метрику гипер-нечеткого разбиения для улучшения традиционного широко используемого метода кластеризации метрик евклидовой нормы. Поскольку одно нечеткое правило описывает одну функцию шаблона и подразумевает обнаружение одного центра кластера, рекомендуется уменьшить количество нечетких правил с помощью метрики гипер-нечеткого разбиения. Согласно адаптивной оптимизации роя частиц, он очень подходит для управления задачей кластеризации для сложного, нерегулярного и многомерного набора данных.Чтобы продемонстрировать надежность предложенных алгоритмов кластеризации оптимизации роевых частиц с адаптивным гипер-нечетким разбиением, различные модели кластеризации экспериментально сравниваются с методами обучения K-средних и нечетких c-средних.

Развернуть аннотация

Выявление сходства усложняется культурными факторами. В эпоху позднего средневековья в литературном повествовании (как и в еврейских хрониках Ахимааза, Италия, 1054 г.) отец узнал бы своего сына, даже если внешнее сходство заколдованного сына, увы, глупо, способствовало этому (как в повествованиях раннего Нового времени). ) зов крови.Мы надеемся, что даже те, кому не нравится область «литературы и права», входящая в юридические школы, найдут заслуги в этой статье, поскольку она показывает, как сложную историю действий и эпистемологических состояний можно описать формулами. Мой формализм предназначен для примера из художественной литературы, а именно, средневекового литературного текста, касающегося человека, идентифицированного на основе портрета, несмотря на то, что этот человек заявляет о другой идентичности. Среднеанглийский язык Кинг Алисаундер рассказывает, что, находясь в Индии, Александр Великий выдал себя за кого-то другого (генерала Антигона), когда к нему пришел местный принц, чтобы заручиться его поддержкой, но королева Кэндис назвала уловку на свидетельстве портрета.Репрезентативные особенности, включенные в формулы, включают: убеждения; следить за тем, чтобы что-то случилось; постановка и достижение цели; принятие вымышленной личности; восприятие различными сенсорными модами; сообщение предложения или отдача заказа; дачи свидетельских показаний о восприятии свидетельств или о своих прошлых действиях, убеждениях и целях; а также наличие портрета, сделанного кем-то другим, чтобы третья сторона могла быть опознана по его доказательствам.

Развернуть аннотацию

Формальная нотация была определена для целей фиксации повествования, особенно юридического повествования.В различных статьях этот метод применялся к различным объяснениям неопределенности индивидуальной (обычно личной) идентичности и процесса обнаружения к удовлетворению некоторых агентов. Например, в Части II было формализовано повествование, в котором обнаружение реальной личности данного человека связано с его сходством: мужчина в конечном итоге был идентифицирован на основе портрета, несмотря на то, что он заявлял о другой личности. Портреты или даже сохраненные изображения из обработанных останков (по таксидермии) иногда используются для классификации вида.В этой статье случай обмана в науке формулируется в формулах: в 1990-е годы разногласия окружали важную коллекцию птиц; Утверждалось, что некоторые образцы были украдены, переполнены и помечены заново. Показано, как это представить, не упрощая предмета, и как дать достаточную свободу действий для противоречивых соображений.

Развернуть аннотацию

Данные предоставлены только для информационных целей. Несмотря на тщательный сбор, точность не может быть гарантирована.

Коммуникации в кибернетике, системной науке и инженерии — серия книг

Коммуникации в кибернетике, системной науке и инженерии — это серия междисциплинарных книг, посвященных теоретическим и прикладным исследованиям в области кибернетики, системологии и инженерии.Целью этой серии является публикация высококачественных монографий и отредактированных томов о самых последних достижениях и инновационных приложениях в соответствующих областях исследований, удовлетворяя быстро растущий во всем мире интерес к кибернетической и системной методологии с постоянно растущим потенциалом для работы с новыми бросает вызов так, как это не может сделать традиционная наука. Серия CCSSE призвана стать всеобъемлющей теоретической, практической, международной, многопрофильной и междисциплинарной базой данных, справочной работой и руководством по вопросам в этих областях исследований, а также по стратегиям, необходимым для более эффективной реализации в контексте защиты окружающей среды и устойчивого социального и социального развития. экономическое развитие.Коммуникации в кибернетике, системной науке и инженерии нацелены на всех, кто работает в теоретических и прикладных областях кибернетики, системологии и инженерии, например ученые, исследователи и консультанты в области кибернетики и систем, ученые-информатики и информатики, инженеры-разработчики и системные инженеры, математики, библиотекари, кибернетики и систематики в области управления, ученые-медики, преподаватели, а также инженеры-интеллектуалы и технологи в промышленности. Это также будет интересно для ведущих лиц, принимающих решения и определяющих политику.

РЕДАКЦИЯ
Майкл К. Джексон, Университет Халла, Великобритания
Ежи Йозефчик, Вроцлавский технологический университет, Польша
Дончо Петков, Государственный университет Восточного Коннектикута, США
Владимир Цурков, Российская академия наук, Россия
Шоуян Ван, Китайская академия наук, КНР

ОХВАТЫВАЕМЫЕ ОБЛАСТИ
Основные области, охватываемые серией «Коммуникации в системной науке и технике», включают, но не ограничиваются:
1) Все области системных исследований, кибернетики и междисциплинарных исследований кибернетики и систем в самом широком смысле, такие как : Искусственный интеллект • Автоматизация и робототехника • Биокибернетика • Сложные и нечеткие системы • Компьютерное моделирование • Междисциплинарное решение проблем • Моделирование и симуляция кибернетики / системного анализа • Экосистемы • Теории информации • Взаимосвязь между кибернетикой / системами и другими науками • Управленческая кибернетика и системы (включая методологию мягких систем, интерактивное планирование Акоффа, теорию запрашивающих систем Черчмана и другие подходы) • Естественный язык • Философия кибернетики и систем • Теоретические и экспериментальные знания различных категорий систем, таких как адаптивные, упреждающие, автопоэтические, клеточные , хаотичный, динамичный, экономический и социальный, иерархический, иммуноподобный, интеллектуальный, основанный на знаниях, обучающийся, нейронный, квантовый, самоорганизующийся, самопроизводительный и самореферентный;

2) Все области системной инженерии и спектр инженерной деятельности, принятие решений, управление продуктами и услугами, а также процессами всех типов.Сосредоточен на комплексных подходах к практическому применению и разработке «жестких» и «мягких» систем и кибернетических методологий, включая, помимо прочего: Когнитивную эргономику • Концептуальную архитектуру • Управление конфигурацией во время разработки системы • Принятие решений • Экологическая политика • Человеческий машинное взаимодействие • Идентификация требований пользователя и технологических спецификаций • Интеграция новых систем с унаследованными системами • Комплексная разработка продуктов и процессов • Анализ и моделирование постановки проблемы • Моделирование неопределенности, обслуживание в течение длительного жизненного цикла и реинжиниринг систем • Многокритериальное решение- создание • Численное моделирование и качественное моделирование сложных систем • Оценка рисков и безопасность • Устойчивое развитие • Идентификация системы, эксплуатационные испытания и оценка • Системный анализ, инженерные процессы и методы, такие как оптимизация, моделирование и имитация • Компромисс между концепциями проектирования.

РЕДАКЦИОННЫЙ СОВЕТ
C.L. Филип Чен, Университет Макао, Китай
Зенгру Ди, Пекинский педагогический университет, Китай
Рауль Эспехо, Syncho Ltd. и Всемирная организация систем и кибернетики, Великобритания
Кейт В. Хипель, Университет Ватерлоо, Канада
Баодин Лю, Университет Цинхуа, Китай
Нагендра Нагарур, Государственный университет Нью-Йорка в Бингемтоне, США
Джон Пурдехнад, Университет Пенсильвании, США
Брайан Ховард Рудалл, Институт Всемирной организации систем и кибернетики и Университет Бангора, Великобритания
Рудольф Шайдл, Йоханнес Университет Кеплера в Линце, Австрия
Маркус Шванингер, Институт менеджмента, Университет Св.Галлен, Швейцария

Руководство программиста по кибернетике | Марианна Беллотти | Безопасность программного обеспечения

Я впервые столкнулся со словом кибернетика, когда читал отчет Бенджамина Петерса о попытках Советского Союза изобрести Интернет, Как не объединить нацию в сеть (все еще немного разочарован тем, что Массачусетский технологический институт не написал это слово Nyetwork, давай!). в то время я отреагировал на это «Фу гросс» — что-то с приставкой «кибер» кажется дрянным и унылым, а затем последовало замешательство.Свидания казались невозможными. На самом деле кибернетика на десятилетия предшествовала появлению Интернета и возникновению компьютерной индустрии? Неужели это правда? Могло ли слово кибер иметь другое значение, не связанное с виртуальным опытом, которое было полностью утрачено?

До Второй мировой войны слово кибернетика иногда использовалось математиками для обозначения динамики правления в обществе. Идея о том, что в обществе существует набор математических правил, которые управляют им так же, как физические объекты имеют законы физики, не очень ценилась.Но Вторая мировая война коренным образом изменила это. С обеих сторон технологии использовались для организации развертывания в невиданных ранее масштабах. Нацисты использовали счетные машины IBM для совершения шокирующего и невероятного геноцида. Британцы использовали его коды взлома, которые считались неразрушимыми. США использовали его для массового производства вооружений в короткие сроки после событий в Перл-Харборе (а также, стоит отметить, для отслеживания и облавы на американцев японского происхождения). Это наращивание технологий продемонстрировало, что страны и их экономики могут быть сосредоточены и направлены на экстремальное заканчивается.

Математики, видевшие эту мобилизацию воочию, все больше и больше интересовались, были ли принципы, которые позволили ей произойти, чисто человеческими конструкциями или силами, существующими в мире природы. Политики, видевшие ставки на выигрыш от мобилизации, начали задаваться вопросом, можно ли на самом деле спроектировать общество. К 1948 году математик из Массачусетского технологического института Норберт Винер обобщил свои мысли по этой теме в своей знаменательной книге «Кибернетика: или управление и коммуникация у животных и машин»

Что такое кибернетика?

Слово кибернетика происходит от греческого κυβερνήτης (kybernḗtēs), что означает пилот, губернатор, тот, кто управляет.Таким образом, кибернетика — это изучение систем управления и автоматизации. Винер считал, что петли обратной связи, а не интеллект, являются основой познания и что любой способ поведения системы от нейробиологии до физики и экономики можно понять и, возможно, запрограммировать в терминах петель обратной связи. Кибернетика не была связана ни с компьютерами, ни даже с правительством. Ужаснувшись последствиями атомной бомбы, Винер хотел сосредоточить академическую дискуссию на коммуникации между системами и хотел дать более широкое определение коммуникации как таковой.В своем продолжении кибернетики, «Использование человека людьми» он пишет:

Сравните с ними поведение человека или даже любого умеренно умного животного, такого как котенок. Я зову котенка, и он смотрит вверх. Я отправил ему сообщение, которое он получил его органами чувств и который он регистрирует в действии. Котенок голоден и жалобно вскрикивает. На этот раз это отправитель сообщения. Котенок летает на качающейся катушке. Катушка раскачивается влево, и котенок ловит ее левой лапой.На этот раз сообщения очень сложной природы как отправляются, так и принимаются в собственной нервной системе котенка через определенные нервные окончания в его суставах, мышцах и сухожилиях; и посредством нервных сигналов, посылаемых этими органами, животное осознает фактическое положение и напряжение своих тканей. Только через эти органы возможно что-то вроде ручного труда.

С кибернетической точки зрения, в этой гипотетике существует несколько наборов взаимодействующих пар:

  • Человек и котенок
  • Нервы и мышцы
  • Котенок и катушка

Последняя пара, вероятно, является наиболее важной частью кибернетической философии о технике.Несмотря на то, что катушка является неодушевленным предметом и не думает, она общается с котенком, получая сигнал (удар) и отвечая, изменяя его движение. В кибернетике это тоже общение. Все во вселенной представляет собой серию петель обратной связи: некоторые отрицательные, некоторые положительные, некоторые подкрепляющие, некоторые уравновешивающие. Кибернетика была академическим исследованием того, можно ли измерить, количественно оценить и, в конечном итоге, запрограммировать такие петли.

Это было то, как математики собирались спроектировать мир, а не просто наблюдать и документировать его.

Влияние кибернетики на информатику

Кибернетика как академическая дисциплина быстро исчезла, но не раньше, чем коренным образом изменились некоторые из наиболее важных фигур в молодой области информатики.

Джон фон Нейман
Многие идеи фон Неймана относительно компьютерной архитектуры основывались на предположении, что машины, имитирующие коммуникационные пути человеческого мозга, могут обладать большим интеллектом, чем современные машины.

Уоррен Маккалок и Уолтер Питт
Разработали первые вычислительные модели нейронных сетей в рамках своих исследований в области кибернетики.

Клод Шеннон
Доказанные схемы могут решать задачи булевой алгебры. Сегодня работа стала основой цифровых чипов.

Алан Тьюринг
Поездка Тьюринга в Америку во время пика активности в кибернетике ознаменовала собой полный переворот в его взглядах на потенциал искусственного интеллекта. Будучи преисполнен решимости конкретизировать свое понимание нейронов в мозге, Тьюринг бросился в совершенно другую область, в конечном итоге опубликовав «Химические основы морфогенеза», создав революционные модели роста клеток, а также машины Тьюринга.

J.C.R. Licklider
Познакомившись с кибернетикой, будучи студентом Массачусетского технологического института на еженедельных званых обедах Винера, Ликлайдер присоединился к проекту SAGE в качестве эксперта в области взаимодействия человека с компьютером. Те, кто интересуется компьютерной историей, вероятно, узнают имя Ликлайдера из другого контекста: в конечном итоге он был нанят Министерством обороны, чтобы основать их Управление технологий обработки информации, которое разработало бы ARPAnet … иначе известный как Интернет.

Как «кибер» превратился в Интернет

О статусе заклятых врагов Винера и фон Неймана ходили легенды.Когда-то сотрудничая, они периодически продвигали и саботировали работу и репутацию друг друга. Винер приходил на выступления фон Неймана и громко храпел. Фон Нейман сидел в первом ряду на выступлениях Винера и устраивал шоу, пролистывая дневной выпуск The New York Times вместо того, чтобы слушать.

В основе этого лежал значительный политический раскол. Хотя Вторая мировая война объединила так много великих математиков в одну и ту же сеть исследовательских институтов и профессиональных связей, вопрос о том, чему следует научиться из того периода, гарантировал, что сотрудничество продлится недолго.Фон Нейман был очень антисоветски настроен и поддерживал разработку более совершенного ядерного оружия в качестве средства сдерживания войны. Винер был в ужасе от этого, глубоко пессимистично оценивал влияние технологий на общество и сочувствовал делу социализма. Он поощрял советских кибернетиков, которые пытались реализовать его идеи в широком масштабе социальной инженерии. Это привело кибернетику в руки пропагандистского футуризма примерно в то же время, когда личностные конфликты между ее учеными-основателями замедляли ее развитие в академических кругах.Тот факт, что Винер была замужем за непримиримым нацистом, не помог.

Популярность книг Винера и междисциплинарный характер кибернетики привели к тому, что художники и социологи начали использовать ее язык с 1960-х по 1970-е годы. Сюзанна Уссинг прочитала «Использование человека людьми» и создала серию сенсорных художественных опытов, получивших название киберпространства. В 1966 году «Доктор Кто» назвал своего нового получеловека-полумашины монстрами киберменами. The Wall Street Journal обсуждает «кибертроны».Правительство Чили построило высокотехнологичный компьютеризированный центр управления плановой экономикой, который они назвали CyberSyn. Без академического сообщества, которое могло бы обосновать это, кибернетика превратилась в территорию модных словечек, и на нее ссылались все, кто хотел вызвать какое-то смутное представление о будущей утопии. Тот факт, что так много представлений о том будущем связаны с компьютерами или робототехникой и что многие из первых людей, связанных с кибернетикой, внесли большой вклад в развитие компьютеров, помог эффективно стереть политически непривлекательное прошлое кибернетики.

Все, что я знал о слове «киберпространство», когда я его придумал, было то, что оно казалось эффективным модным словом. Это казалось вызывающим воспоминания и по сути бессмысленным. Это что-то наводило на мысль, но не имело реального смыслового значения, даже для меня, поскольку я видел это на странице — Уильям Гибсон

К тому времени, когда Интернет начал проникать в общество потребителей, футуризм кибернетики 1960-х годов был ретро и ностальгический. Казалось, он соответствовал личностям ранних хакеров: немного эзотерический, немного контркультурный с идеалистическими, общинными, если не социалистическими наклонностями.Тот факт, что он также был связан с компьютерами, сделал его идеальным сленгом для цифрового мира, развивающегося в конце 1980-х и 1990-х годах.

Разграбление кибернетики

Даже без личностных конфликтов кибернетика изо всех сил пыталась разработать корпус работ, прочно и полностью приписываемых кибернетике. Вместо этого это был мост, по которому специалисты в одной области исследовали другие области. Когда был опубликован значительный прогресс, он стал плодотворной работой субдисциплины одной из основных областей, а не ключевой работой по развитию самой кибернетики.

Со временем вклад кибернетики был исключен и реклассифицирован как что-то другое. Первой работой над петлями обратной связи в познании стал ИИ. Модели формата петель обратной связи стали теорией информации. Работа над обратной связью вокруг производства стала частью экономики. Работа над математическими представлениями сложных систем стала системной динамикой. Работа над петлями обратной связи в поведении перешла в социологию и психологию. Кибернетическая теория практически основала антропологию и когнитивную науку.