- •Теоретическая
- •Мозг и разум
- •Искусственные интеллектуальные системы (системы ии)
- •Факторы, побуждающие развитие ии
- •Структура теории и средств искусственного интеллекта (ии)
- •Структура теории и средств ии
- •Базовые понятия
- •Управление знаниями: практические примеры1
- •Интеллектуальный анализ данных
- •Вариативное моделирование
- •Вариативное моделирование
- •3. Причины, приводящие к необходимости вариативного моделирования
Интеллектуальный анализ данных
-
ИАД-3:
Традиционный анализ <данных> с предшествующим ему или совмещенным с ним поиском, выбором, синтезом моделей, методов, средств, технологий сбора, обработки, анализа и интерпретации с учетом поставленных целей и ограничений.
Вариативное (вариантное) моделирование, в том числе вектор-моделирование, и поливариантный выбор других средств моделирования.
Самоорганизация моделей.
Когнитивное моделирование.
Автоматизация синтеза моделей, алгоритмов, техпроцессов и т.п.
Вариативное моделирование
1. Вариативное моделирование: Вариативное, или вариантное, моделирование (VM) есть метод исследования, основанный на замене исследуемого объекта-оригинала набором разнообразных моделей его, на одновременной совместной работе с ними и переносе полученных результатов на объект-оригинал. |
Вариативное моделирование
2. Вектор-модель: Вектор-модель объекта – это система из минимального набора родственных по назначению, как можно более простых и близких по сложности моделей, отражающих в совокупности все интересующее исследователя многообразие существа (сути), закономерностей, свойств и особенностей состояния, строения и функционирования (поведения) объекта-оригинала на требуемом (согласно ее назначению) уровне и обеспечивающих появление системного свойства эмергентности (эмерджентности). |
3. Причины, приводящие к необходимости вариативного моделирования
1. Неопределенность или необходимость изменения целей моделирования. |
|
2. Необходимость удовлетворять нескольким критериям качества моделирования и системным принципам: а) критерии: адекватности (достоверности), истинности (точности), верности (идентичности); б) критерии: синтактические, семантические, прагматические; в) принципы: целостности, структуризации, динамизма, эффективности, истинности, осуществимости, поливариантности. |
|
3. Априорная неопределенность и неточность знаний о моделируемом объекте, об условиях его функционирования и экспериментирования с ним класс моделей. |
|
4. Природа обрабатываемых данных (точечные или интервальные; негруппированные или группированые; однородные или неоднородные; ансамблевые или траекторные; колличественные или качественные; полные или неполные и т.п.). |
|
5. Способ возникновения модели: эвристические (феноменологические, логические); аналитические, оптимизационные, предельные; "физические"; априорные или апостериорные, ... |
|
6. Необходимость полноты моделирования. |
1 (целенаправленные – программно управляемые; целеустремленные – самоуправляемые, перенастраиваемые, …)
1Стандарты и качество, 2011. – № 8. – С. 89–91.
1 Д.В. Смолин. Введение в искусственный интеллект: конспект лекций. – М.: ФИЗМАТЛИТ, 2007. – 264 с.
1 Д.В. Смолин. Введение в искусственный интеллект: конспект лекций. – М.: ФИЗМАТЛИТ, 2007. – 264 с.