Системы эвристической самоорганизации в технической кибернетике, Ивахненко А.Г., 1971

Системы эвристической самоорганизации в технической кибернетике, Ивахненко А.Г., 1971.

В настоящее время наиболее важной задачей технической кибернетики является разработка оптимальных алгоритмов (программ) распознавания, прогнозирования и автоматического управления сложными объектами при малой информации. Возможности аналитического вывода таких алгоритмов весьма ограничены. Поэтому наиболее перспективным является заимствование алгоритмов природы. Описанный в книге новый подход, называемый эвристической самоорганизацией, воспроизводит основные правила массовой селекции растений или животных. Системы (программы) эвристической самоорганизации определены как такие, в которых содержатся генераторы случайных комбинаций (гипотез) и несколько рядов селекции полезной информации. Сложность комбинаций от ряда к ряду возрастает, а точность решения повышается до тех пор, пока не будет получен оптимальный по сложности алгоритм переработки информации. Известные ранее сети из искусственных нейронов, перцептрон Ф. Розенблатта, дискретные предсказывающие фильтры Габора и Калмана можно рассматривать как частные случаи этой более общей структуры. В книге описаны также основные алгоритмы метода группового учета аргументов (МГУА), реализующего подход самоорганизации и приведены примеры решения типовых задач технической кибернетики: распознавания образов, предсказания случайных процессов, идентификации параметров и оптимального управления сложными объектами с накоплением информации. МГУА положен в основу новой полиномиальной теории сложных динамических систем. Рассчитана на инженерно-технических и научных работников, интересующихся проблемами технической кибернетики.

Системы эвристической самоорганизации в технической кибернетике, Ивахненко А.Г., 1971



Предисловие.

Подход самоорганизации в технической кибернетике открывает новые возможности решения задачи оптимизации сложности математических моделей различных объектов распознавания и управления. Будучи антиподом существующему детерминистическому подходу, са-моорганизация является равноправной и необходимой частью комбинированного решения задач технической кибернетики: грубое по простоте решение дают детерминистические методы, а более точное и сложное дополнение принадлежит подходу самоорганизации. Через 10— 20 лет индивидуальная вычислительная машина будет доступна каждому. Мы войдем в эпоху тесной связи — симбиоза человека и вычислительной машины. Но готовы ли мы воспользоваться огромными возможностями индивидуальных, национальных и межконтинентальных вычислительных систем? Увы, так называемое математическое обеспечение машин не соответствует нашим потребностям, а мышление исследователей направлено только на развитие детерминистических методов. Исходные идеи об общности метода кибернетики Винера забыты; решения задач становятся все более специфическими, высоко специализированными, доступными все более узкому кругу специалистов.

Содержание.

Предисловие.
Глава 1. Проблема эвристической самоорганизации.
Глава 2. Перспективы развития цифровых вычислительных.
Глава 3. Основные проблемы технической кибернетики.
Глава 4. Задачи самонастраивающихся и экстремальных систем управления.
Глава 5. Задача предсказания случайных процессов.
Глава 6. Эвристическая самоорганизация.
Глава 7. Примеры применения метода группового учета аргументов для решения типовых интерполяционных задач технической кибернетики.
Глава 8. Элементы полиномиальной теории динамических систем.
Литература.



Бесплатно скачать электронную книгу в удобном формате, смотреть и читать:
Скачать книгу Системы эвристической самоорганизации в технической кибернетике, Ивахненко А.Г., 1971 - fileskachat.com, быстрое и бесплатное скачивание.

Скачать pdf
Ниже можно купить эту книгу по лучшей цене со скидкой с доставкой по всей России.Купить эту книгу



Скачать - pdf - Яндекс.Диск.
Дата публикации:





Теги: :: :: :: ::


Следующие учебники и книги:
Предыдущие статьи:


 


 

Книги, учебники, обучение по разделам




Не нашёл? Найди:





2024-12-22 03:33:06