: неверное или отсутствующее изображение
статью.
- Проставить для статьи более точные категории.
Отрывок, характеризующий Агентное моделирование
– Бе…се…е…ду…шка! – распевал пьяный мужик, счастливо улыбаясь и глядя на Ильина, разговаривающего с девушкой. Вслед за Дуняшей подошел к Ростову Алпатыч, еще издали сняв свою шляпу.
– Осмелюсь обеспокоить, ваше благородие, – сказал он с почтительностью, но с относительным пренебрежением к юности этого офицера и заложив руку за пазуху. – Моя госпожа, дочь скончавшегося сего пятнадцатого числа генерал аншефа князя Николая Андреевича Болконского, находясь в затруднении по случаю невежества этих лиц, – он указал на мужиков, – просит вас пожаловать… не угодно ли будет, – с грустной улыбкой сказал Алпатыч, – отъехать несколько, а то не так удобно при… – Алпатыч указал на двух мужиков, которые сзади так и носились около него, как слепни около лошади.
– А. Алпатыч… А? Яков Алпатыч. Важно! прости ради Христа. Важно! А. – говорили мужики, радостно улыбаясь ему. Ростов посмотрел на пьяных стариков и улыбнулся.
– Или, может, это утешает ваше сиятельство? – сказал Яков Алпатыч с степенным видом, не заложенной за пазуху рукой указывая на стариков.
– Нет, тут утешенья мало, – сказал Ростов и отъехал. – В чем дело? – спросил он.
– Осмелюсь доложить вашему сиятельству, что грубый народ здешний не желает выпустить госпожу из имения и угрожает отпречь лошадей, так что с утра все уложено и ее сиятельство не могут выехать.
– Не может быть! – вскрикнул Ростов.
– Имею честь докладывать вам сущую правду, – повторил Алпатыч.
Ростов слез с лошади и, передав ее вестовому, пошел с Алпатычем к дому, расспрашивая его о подробностях дела. Действительно, вчерашнее предложение княжны мужикам хлеба, ее объяснение с Дроном и с сходкою так испортили дело, что Дрон окончательно сдал ключи, присоединился к мужикам и не являлся по требованию Алпатыча и что поутру, когда княжна велела закладывать, чтобы ехать, мужики вышли большой толпой к амбару и выслали сказать, что они не выпустят княжны из деревни, что есть приказ, чтобы не вывозиться, и они выпрягут лошадей. Алпатыч выходил к ним, усовещивая их, но ему отвечали (больше всех говорил Карп; Дрон не показывался из толпы), что княжну нельзя выпустить, что на то приказ есть; а что пускай княжна остается, и они по старому будут служить ей и во всем повиноваться.
В ту минуту, когда Ростов и Ильин проскакали по дороге, княжна Марья, несмотря на отговариванье Алпатыча, няни и девушек, велела закладывать и хотела ехать; но, увидав проскакавших кавалеристов, их приняли за французов, кучера разбежались, и в доме поднялся плач женщин.
– Батюшка! отец родной! бог тебя послал, – говорили умиленные голоса, в то время как Ростов проходил через переднюю.
Княжна Марья, потерянная и бессильная, сидела в зале, в то время как к ней ввели Ростова. Она не понимала, кто он, и зачем он, и что с нею будет. Увидав его русское лицо и по входу его и первым сказанным словам признав его за человека своего круга, она взглянула на него своим глубоким и лучистым взглядом и начала говорить обрывавшимся и дрожавшим от волнения голосом. Ростову тотчас же представилось что то романическое в этой встрече. «Беззащитная, убитая горем девушка, одна, оставленная на произвол грубых, бунтующих мужиков! И какая то странная судьба натолкнула меня сюда! – думал Ростов, слушяя ее и глядя на нее. – И какая кротость, благородство в ее чертах и в выражении! – думал он, слушая ее робкий рассказ.
Когда она заговорила о том, что все это случилось на другой день после похорон отца, ее голос задрожал. Она отвернулась и потом, как бы боясь, чтобы Ростов не принял ее слова за желание разжалобить его, вопросительно испуганно взглянула на него. У Ростова слезы стояли в глазах. Княжна Марья заметила это и благодарно посмотрела на Ростова тем своим лучистым взглядом, который заставлял забывать некрасивость ее лица.
– Не могу выразить, княжна, как я счастлив тем, что я случайно заехал сюда и буду в состоянии показать вам свою готовность, – сказал Ростов, вставая. – Извольте ехать, и я отвечаю вам своей честью, что ни один человек не посмеет сделать вам неприятность, ежели вы мне только позволите конвоировать вас, – и, почтительно поклонившись, как кланяются дамам царской крови, он направился к двери.
Почтительностью своего тона Ростов как будто показывал, что, несмотря на то, что он за счастье бы счел свое знакомство с нею, он не хотел пользоваться случаем ее несчастия для сближения с нею.
Княжна Марья поняла и оценила этот тон.
– Я очень, очень благодарна вам, – сказала ему княжна по французски, – но надеюсь, что все это было только недоразуменье и что никто не виноват в том. – Княжна вдруг заплакала. – Извините меня, – сказала она.
Ростов, нахмурившись, еще раз низко поклонился и вышел из комнаты.
![]()
Что такое агентное моделирование
Это — один из методов имитационного моделирования. В его рамках симулируют поведение автономных агентов (ими могут быть люди, автомобили, животные и др.) и оценивают их влияние на состояние крупной системы. Агентное моделирование применяют для оптимизации логистики, управления трудовыми ресурсами и прогнозирования движения человеческих потоков и не только.
Несколько таких проектов были реализованы лабораторией интерактивной визуализации в НЦКР.
Проект реконструкции Конюшенного двора
![]()
Мы считали пиковые нагрузки в двух вариантах: утренняя интенсивная доставка зрителей на территорию Олимпийского парка электричками, когда люди достаточно большой толпой двигаются в сторону стадионов с вокзала. И второй вариант — когда вечером все игры и мероприятия заканчиваются, и народ массово садится на электрички, чтобы уехать.
![]()
Низкоуровневую навигацию в пространстве и избегание препятствий пешеходами оценивали с помощью фреймворка мультиагентного моделирования Menge. Но высокоуровневую поведенческую модель и модель дорожного движения реализовали уже на Unreal Engine 4.
— Андрей Карсаков, к.т.н., старший научный сотрудник Национального центра когнитивных разработок, доцент Факультета цифровых трансформаций
![]()
Результаты работы мы представили на Венецианской архитектурной биеннале-2018. Динамическая модель была показана непосредственно над макетом самого вокзала.
Больше проектов
Также в 2017 году наши инженеры, совместно с коллегами из Нидерландов, США и Мексики, разработали программу PULSE. Она объединяет мультиагентные модели, описывающие поведение пешеходов во время массовых мероприятий и экстренных ситуаций. При этом действия каждого виртуального участника контролирует его собственная система искусственного интеллекта. Платформу уже используют для изучения потоков паломников на крупнейшем религиозном фестивале Кумбха-Мела в Индии. Система помогает понять, как избежать давки, если, например, начнется дождь и толпа людей устремится в храм.
Сейчас мы продолжаем развивать инструменты моделирования пешеходной мобильности и трафика. Один из свежих проектов в этой области посвящен исторической реконструкции городских территорий на основе неполных данных. С помощью методов искусственного интеллекта мы стараемся восстановить картину жизни города, даже если не хватает какой-то части исторической информации.
— Андрей Карсаков, к.т.н., старший научный сотрудник Национального центра когнитивных разработок, доцент Факультета цифровых трансформаций
![]()
ОСНОВЫ ПРОЕКТИРОВАНИЯ СИСТЕМЫ АГЕНТНОГО МОДЕЛИРОВАНИЯ
Текст работы размещён без изображений и формул.
Полная версия работы доступна во вкладке "Файлы работы" в формате PDF
Одним из самых распространённых способов исследования динамических и сложным образом организованных систем является имитационное моделирование. Данная форма моделирования берёт своё начало ещё в ранних 60‑х, и к настоящему моменту она становится всё более актуальной и востребованной. Однако, подобно другим формам, имитационное моделирование имеет ряд трудностей, которые являются следствием попытки представить процессы и явления в реальном мире. В целом, наблюдается тенденция к повышению точности и адекватности создаваемых моделей. Ответом на это требование служит возникновение агентного имитационного моделирования. Тем не менее, этот подход по своей природе содержит много вопросов и проблем, и поэтому требует особого внимания при исследовании.
При этом исследователю должны быть даны несколько способов представления агентов. Представление может быть определено внутренним состоянием агента, наличием дополнительных данных (например, собираемой статистикой), поведением, механизмом принятия решений, присутствием интеллектуальных средств, механизмов адаптации, средств обучения и пополнения знаний в ходе вывода и т.д.
Для исследования агентного подхода потребуется:
- определить сферу применимости агентного подхода;
- выявить преимущества и недостатки агентного моделирования;
- сравнить агентный подход с традиционными формами имитационного моделирования;
- построить математическую модель для разрабатываемой системы;
- рассмотреть существующие аналоги и успешность применяемых ими методов.
- рассмотреть класс существующих задач, решаемых с помощью агентного подхода.
Напомним, что имитационное моделирование использует и другие подходы (объектные, процессные, дискретно-событийные и т.д.), которые также нужно учитывать. Более того, для некоторых задач имитационное моделирование неэффективно (вместо него используют, например, математическое моделирование). Некоторые задачи, в свою очередь, потребуют комбинированных методов и т.д. Значит, также предстоит выявить особенности и ограничения агентного подхода. Для ответа на все эти перечисленные вопросы обратимся к существующим задачам и способам их решения.
Вопросы построения агентной системы моделирования
Система моделирования на базе агентного подхода поможет исследователю в изучении сложных, трудноформализуемых, самоорганизующихся процессов и явлений во многих прикладных областях. Однако разработка такой системы весьма не тривиальна, ведь полноценный агент полностью автономен и независим: он совершает целенаправленные действия, вступает в контакт с другими агентами, умеет принимать решения, перемещаться и приспосабливаться к среде и т.п.
Какие задачи могут возникнуть при построении подобной системы? Перечислим основные из них:
Данный список, очевидно, не является полным. Агентное моделирование будет развиваться вместе с развитием других направлений математики и информатики: будут появляться новые численные и статистические методы, новые направления в развитии искусственного интеллекта, новые алгоритмы адаптации, новые способы представления нечётких знаний, новые способы параллельных и распределённых вычислений.
С другой стороны, реализация полного перечня даже этих требований может оказаться весьма трудозатратной. Необходима возможность наращивания возможностей системы. В связи с этим можно прийти к выводу, что ставится задача создания не просто агентной системы, а полноценной платформы, обладающей гибкой, расширяемой и масштабируемой архитектурой для добавления и интеграции новых компонентов.
Возможные подходы к разрешению вопросов, связанных
с созданием системы агентного моделирования
Ниже представлена краткая характеристика возможных решений, методов и технологий для реализации системы агентного моделирования. Рассмотрим, какие подходы уже используются, а какие вопросы остаются нерешёнными.
Обзор методов, применимых при создании системы
Нейросетевые технологии. Нейронные сети уже давно используются в моделировании - на их основе базируются множество систем (одна из систем представлена в [2]). В этом подходе явно прослеживается проблема адаптации - для ИНС требуется достаточно большая (и желательно репрезентативная) выборка для обучения и тестирования. В ходе имитационного прогона агент может получить новые данные и на этапе выполнения переобучать сеть.
Методы оптимизации. Некоторые авторы [3, 5] предлагают на базе математической модели построить различные функции (функционалы) и найти условный экстремум. Если мы имеем дело со сложной многокритериальной экстремальной задачей, то стоит задуматься о привлечении методов эвристического поиска (например, на базе генетических алгоритмов). В этом случае также возникает задача адаптации - подбор параметров и анализ пространства решений для ускорения поиска.
МАС. Теорию мультиагентных систем стоит изучить более детально, т.к. она оперирует общими с агентным моделированием понятиями. Стоит обратить внимание на различные способы представления и коммуникации агентов (в т.ч. Blackboard-архитектуры). Подробнее о МАС см. в [5].
Методы теории игр и исследования операций. В качестве механизмов принятия решений можно применять подходы, основанные на матричных играх, теории полезности и сетевого планирования. Во многих работах [1, 3, 4] упоминаются подобные методы. Если задача (подзадача) формулируется чётко, то они, безусловно, будут иметь преимущество перед эвристиками. В одной работе предлагалось сначала математическими методами найти точное решение, а затем его уточнить с помощью МАС.
Нечёткая логика. Несколько авторов [5, 6] предложили идеи использования нечёткой логики. Поскольку агент должен уметь принимать решения недетерминированного характера в условиях неопределённости, многозначности, неполноты и немонотонности, то он должен, во-первых, обладать памятью для хранения фактов, а во-вторых, уметь строить рассуждения на их основе. Поскольку факты как по своей природе, так и в силу коммуникации с другими агентами могут быть разнородны и противоречивы, то требуется реализовать вывод в нечёткой логике.
Вывод на базе знаний. Агент может иметь встроенные СБЗ, в т.ч. экспертные системы. Например, один из авторов [7] предложил использовать продукционную базу знаний с метаправилами до 3‑го уровня включительно. Раз агент в течение продолжительного времени сосуществует с другими агентами в определённой среде, то он может накапливать новые факты. А это вновь потребует реализации некоторых механизмов адаптации - сбора статистики, добавления в ходе прогона новых правил, изменения правил с помощью метаправил, разрешения противоречий в базе знаний и т.д.
Методы децентрализованного принятия решений. Данный аспект прослеживается практически во всех существующих работах (например, в [2, 5]), и этого следовало ожидать: агентный подход объясняет процессы в системе через независимое децентрализованное поведение агентов. Более того, принятие решений может быть распределено внутри агента. В этом случае агент действует на базе нескольких источников принятия решений. Тут вновь возникает задача адаптации - если один источник часто даёт неправильные решения, то агент должен полагаться на другие источники.
Boids-моделирование. Хорошо подходит не только для организации поведения животных, но и для более сложных структурных самоорганизующихся систем, например социальных групп. Существуют различные схемы реализации - алгоритмы муравьиных колоний, птичьих стай, сахарных плантаций и т.д.
Теория графов. Очень много работ [1, 2, 5, 7] опираются на графовое представление модели. Теория графов достаточно хорошо изучена, имеет методы решения многих графовых и комбинаторных задач, как точные, так и эвристические. Поэтому следует учесть опыт исследователей и попробовать применить данную теорию.
ГИС. Если рассматривать общую теорию ГИС (без привязки конкретно к картографии), то предлагаемые методы анализа и обработки географически распределённых объектов вполне можно применить к среде, в которой существуют агенты.
Онтологический подход. Агент должен получать, хранить и обрабатывать информацию о текущем состоянии предметной области. Представление агента об окружающем мире, о других агентах и о себе самом может быть специфицировано в форме онтологии. Если агенты будут оперировать одними и теми же понятиями, то это поможет при решении многих проблем - от методов коммуникации между агентами до способов адаптации к новым условиям. Использование онтологий осложняется тем, что разрабатываемая система моделирования инвариантна относительно предметной области. Поэтому онтология (по крайней мере, предметного уровня) будет изменяться.
Комбинирование различных форм моделирования. Некоторые авторы [2, 5, 6] предлагают применение синергетической интеграции различных методов, приёмов, алгоритмов и технологий для получения более правдоподобного результата в моделировании сложных экономических процессов. Разумеется, агентное моделирование должно идти по пути интеграции, т.к. каждая методика обладает своими преимуществами и недостатками. Тут вновь возникает достаточно нетривиальная задача адаптации. Например, агент может с помощью логического вывода или вывода на семсетях принимать одни решения, но затем, приспособившись к среде и пообщавшись с другими агентами, изменить ход вывода и принять другие решения.
Анализ перечисленных методов
Итак, на примере предложенных методов мы убедились, насколько нетривиальна задача агентного моделирования. Нет чётко определённого подхода ни в способах проектирования, ни в выборе методов и алгоритмов, ни в способах представления агента, ни в выборе математической модели, ни в применении средств искусственного интеллекта.
По словам авторов, хорошо себя зарекомендовали теория графов, методы оптимизации и нейронные сети. Однако тот же нейросетевой подход является далеко не единственным и исчерпывающим. Мы рассмотрели несколько задач (в основном, экономического характера), где ИНС давала хорошие результаты. Поскольку в системе моделирования требуется решение более широкого класса задач (помимо классификации/кластеризации), то нельзя ограничиваться лишь одним подходом. Аналогично и математическое моделирование - его, безусловно, следует применять, но не в тех случаях, когда задача требует эвристических решений (например, для моделирования поведения человека или социальной группы).
Большинство работ пропагандируют интегрирование различных форм решений проблем агентного моделирования. Действительно, агентный подход явно подразумевает, что моделирование процессов системы суммируется из составных её элементов. Это порождает массу подзадач, для большинства из которых уже существуют решения. Казалось бы, осталось лишь объединить эти решения в одну общую архитектуру. Однако вопрос, каким образом это следует делать, до сих пор остаётся открытым. Более того, решения также могут отличаться:
- по степени эффективности (например, генетические алгоритмы могут найти хорошее решение, но не всегда);
- по степени применимости (методы могут работать, но лишь в ограниченных условиях);
- по степени адекватности (разные методы могут давать разные решения - существует проблема выбора с точки зрения задачи).
Таблица 1. Степень применимости существующих решений к задаче
агентного моделирования
Имеются решения, в той или иной мере допустимые для агентного моделирования
Имеются решения, но их использование и сопровождение может представить затруднения
Решения, возможно, и существуют, но они могут быть неадекватны, неполны, неэффективны, либо работать лишь в частных случаях
Связанные понятия
Сложная система — система, состоящая из множества взаимодействующих составляющих (подсистем), вследствие чего сложная система приобретает новые свойства, которые отсутствуют на подсистемном уровне и не могут быть сведены к свойствам подсистемного уровня.
Эволюционные алгоритмы — направление в искусственном интеллекте (раздел эволюционного моделирования), которое использует и моделирует процессы естественного отбора.
Многоагентная система (МАС, англ. Multi-agent system) — это система, образованная несколькими взаимодействующими интеллектуальными агентами. Многоагентные системы могут быть использованы для решения таких проблем, которые сложно или невозможно решить с помощью одного агента или монолитной системы. Примерами таких задач являются онлайн-торговля, ликвидация чрезвычайных ситуаций, и моделирование социальных структур.
Инженерия знаний (англ. knowledge engineering) — область наук об искусственном интеллекте, связанная с разработкой экспертных систем и баз знаний. Изучает методы и средства извлечения, представления, структурирования и использования знаний.
Визуализация данных — это представление данных в виде, который обеспечивает наиболее эффективную работу человека по их изучению. Визуализация данных находит широкое применение в научных и статистических исследованиях (в частности, в прогнозировании, интеллектуальном анализе данных, бизнес-анализе), в педагогическом дизайне для обучения и тестирования, в новостных сводках и аналитических обзорах. Визуализация данных связана с визуализацией информации, инфографикой, визуализацией научных данных, разведочным.
Под гибридной интеллектуальной системой (ГиИС) принято понимать систему, в которой для решения задачи используется более одного метода имитации интеллектуальной деятельности человека. Таким образом ГиИС — это совокупность.
Коннекционизм (англ. connectionism) — один из подходов в области искусственного интеллекта, когнитивной науки (когнитивистики), нейробиологии, психологии и философии сознания. Коннекционизм моделирует мыслительные или поведенческие явления процессами становления в сетях из связанных между собой простых элементов. Существует много различных форм коннекционизма, но наиболее общие используют нейросетевые модели. В рамках этого течения предпринимаются попытки объяснить умственные способности человека.
Формальные методы занимаются приложением довольно широкого класса фундаментальных техник теоретической информатики: разные исчисления логики, формальных языков, теории автоматов, формальной семантики, систем типов и алгебраических типов данных.
Формализа́ция — представление какой-либо содержательной области (рассуждений, доказательств, процедур классификации, поиска информации, научных теорий) в виде формальной системы или исчисления.
Концептуа́льная моде́ль (англ. conceptual model) — это модель, представленная множеством понятий и связей между ними, определяющих смысловую структуру рассматриваемой предметной области или её конкретного объекта.
Теория языков программирования (англ. programming language theory, PLT) — раздел информатики, посвящённый вопросам проектирования, анализа, определения характеристик и классификации языков программирования и изучением их индивидуальных особенностей. Тесно связана с другими ветвями информатики, результаты теории используются в математике, в программной инженерии и лингвистике.
Прикладнáя нау́ка — свод знаний, в которых исследования и открытия имеют непосредственную, прямую ориентацию на практику; это науки, обеспечивающие разработку новых технологий, а именно: алгоритмов действия для получения желаемого продукта.
Анализ данных — область математики и информатики, занимающаяся построением и исследованием наиболее общих математических методов и вычислительных алгоритмов извлечения знаний из экспериментальных (в широком смысле) данных; процесс исследования, фильтрации, преобразования и моделирования данных с целью извлечения полезной информации и принятия решений. Анализ данных имеет множество аспектов и подходов, охватывает разные методы в различных областях науки и деятельности.
Закономе́рность — формула событий (явлений) отображающая будущее (прошедшее) с высокой вероятностью, обусловленной объективным системным анализом исследования предшествующих событий и свойств природы (Вселенной).
Предме́тная о́бласть — множество всех предметов, свойства которых и отношения между которыми рассматриваются в научной теории. В логике — подразумеваемая область возможных значений предметных переменных логического языка.
Обучение с подкреплением (англ. reinforcement learning) — один из способов машинного обучения, в ходе которого испытуемая система (агент) обучается, взаимодействуя с некоторой средой. С точки зрения кибернетики, является одним из видов кибернетического эксперимента. Откликом среды (а не специальной системы управления подкреплением, как это происходит в обучении с учителем) на принятые решения являются сигналы подкрепления, поэтому такое обучение является частным случаем обучения с учителем, но учителем.
Латентно-семантический анализ (ЛСА) (англ. Latent semantic analysis, LSA) — это метод обработки информации на естественном языке, анализирующий взаимосвязь между библиотекой документов и терминами, в них встречающимися, и выявляющий характерные факторы (тематики), присущие всем документам и терминам.
Исчисление процессов или алгебра процессов — семейство связанных подходов к формальному моделированию параллельных систем.
Методология разработки программного обеспечения — совокупность методов, применяемых на различных стадиях жизненного цикла программного обеспечения и имеющих общий философский подход.
Эволюционное моделирование (англ. Evolutionary computation) использует признаки теории Дарвина для построения интеллектуальных систем (методы группового учёта, генетические алгоритмы). Является частью более обширной области искусственного интеллекта — вычислительного интеллекта.
Эмпирические исследования – наблюдение и исследование конкретных явлений, эксперимент, а также обобщение, классификация и описание результатов исследования эксперимента, внедрение их в практическую деятельность человека.
Теория распознава́ния о́браза — раздел информатики и смежных дисциплин, развивающий основы и методы классификации и идентификации предметов, явлений, процессов, сигналов, ситуаций и т. п. объектов, которые характеризуются конечным набором некоторых свойств и признаков. Такие задачи решаются довольно часто, например, при переходе или проезде улицы по сигналам светофора. Распознавание цвета загоревшейся лампы светофора и знание правил дорожного движения позволяет принять правильное решение о том, можно.
Категориа́льная абстра́ктная маши́на (КАМ) — это модель вычисления программы, в которой сохраняются особенности.
Методы прогнозирования в экономике — это совокупность научных методик, которые используются специалистами для разработки оптимальных алгоритмов дальнейшего развития различных сфер экономики каждого конкретного государства или мировой экономики в целом.
Компьютерная химия (математическая химия) — сравнительно молодая область химии, основанная на применении компьютерных методов и дискретной математики, прежде всего, теории графов и комбинаторики, к химическим задачам фундаментального и прикладного характера. Исходя из общего определения химии как науки о веществах и превращениях их в друг друга, можно сказать, что вещества (молекулы) моделируются в компьютерной химии молекулярными графами, а превращения веществ (химические реакции) — формальными.
Обра́тная связь в киберне́тике — это наличие схемных циклов в неизменяемой части машины, и условных инструкций в её изменяемой части. Обратная связь выделяет особый класс автоматов, которые участвуют в определённом виде научных экспериментов или применяются на практике.
Темпоральная логика (англ. temporal (от лат. tempus) logic) — это логика, в высказываниях которой учитывается временной аспект. Используется для описания последовательностей явлений и их взаимосвязи по временной шкале.
Интеллектуальная информационная система (ИИС) - комплекс программных, лингвистических и логико-математических средств для реализации основной задачи – осуществления поддержки деятельности человека и поиска информации в режиме продвинутого диалога на естественном языке.
Математи́ческая моде́ль — математическое представление реальности, один из вариантов модели как системы, исследование которой позволяет получать информацию о некоторой другой системе.
Теория оценивания — раздел математической статистики, решающий задачи оценивания непосредственно не наблюдаемых параметров сигналов или объектов наблюдения на основе наблюдаемых данных. Для решения задач оценивания применяется параметрический и непараметрический подход. Параметрический подход используется, когда известна математическая модель.
Фа́кторный анализ — многомерный метод, применяемый для изучения взаимосвязей между значениями переменных. Предполагается, что известные переменные зависят от меньшего количества неизвестных переменных и случайной ошибки.
Структурная индукция — конструктивный метод математического доказательства, обобщающий математическую индукцию (применяемую над натуральным рядом) на произвольные рекурсивно определённые частично упорядоченные совокупности. Структурная рекурсия — реализация структурной индукции в форме определения, процедуры доказательства или программы, обеспечивающая индукционный переход над частично упорядоченной совокупностью.
Стохастичность (др.-греч. στόχος — цель, предположение) означает случайность. Случайный (стохастический) процесс — это процесс, поведение которого не является детерминированным, и последующее состояние такой системы описывается как величинами, которые могут быть предсказаны, так и случайными. Однако, по М. Кацу и Э. Нельсону, любое развитие процесса во времени (неважно, детерминированное или вероятностное) при анализе в терминах вероятностей будет случайным процессом (иными словами, все процессы.
Социальный процесс (англ. Social process) — серия явлений или взаимодействий, происходящих в организации, структуре групп и меняющих отношения между людьми или между составными элементами сообщества. Социальные процессы находятся во всех обществах и выступают как упорядоченная форма социального взаимодействия. Важнейшими чертами социальных процессов является их всеобщность и связь с субъектом, который осуществляет процесс. Ничто не может происходить в обществе вне социальных процессов. Функционирование.
Групповая робототехника представляет собой новый подход к координации систем многих роботов, которые состоят из большого числа в основном простых физических роботов. Предполагается, что желаемое коллективное поведение возникает из взаимодействия роботов между собой и их взаимодействия с окружающей средой. Такой подход относится к научному направлению по искусственному роевому интеллекту, возникшему при проведении биологических исследований насекомых, в частности, муравьёв, пчёл, а также при исследовании.
Естественная информатика — это научное направление, изучающее процессы обработки информации, протекающие в природе, мозге и человеческом обществе. Она опирается на такие классические научные направления, как теории эволюции, морфогенеза и биологии развития, системные исследования, исследования мозга, ДНК, иммунной системы и клеточных мембран, теория менеджмента и группового поведения, история и другие. Вторичной задачей этого направления является реализация полученных знаний в технических системах.
Представление знаний — вопрос, возникающий в когнитологии (науке о мышлении), в информатике и в исследованиях искусственного интеллекта.
Системный подход — направление методологии научного познания, в основе которого лежит рассмотрение объекта как системы: целостного комплекса взаимосвязанных элементов (И. В. Блауберг, В. Н. Садовский, Э. Г. Юдин); совокупности взаимодействующих объектов (Л. фон Берталанфи); совокупности сущностей и отношений (А. Д. Холл, Р. И. Фейджин, поздний Л. фон Берталанфи).
Детерминированность (от лат. determinans — определяющий) — определяемость. Детерминированность может подразумевать определяемость на общегносеологическом уровне или для конкретного алгоритма. Под жёсткой детерминированностью процессов в мире понимается однозначная предопределённость, то есть у каждого следствия есть строго определённая причина. В таком смысле является антонимом стохастичности. Но детерминированность не всегда тождественна предопределённости. Например, может быть детерминированность.
Общая теория систем (теория систем) — научная и методологическая концепция исследования объектов, представляющих собой системы. Она тесно связана с системным подходом и является конкретизацией его принципов и методов.
Модели́рование — исследование объектов познания на их моделях; построение и изучение моделей реально существующих объектов, процессов или явлений с целью получения объяснений этих явлений, а также для предсказания явлений, интересующих исследователя.
Нейронная сеть (биологическая нейронная сеть) — совокупность нейронов головного и спинного мозга центральной нервной системы (ЦНС) и ганглия периферической нервной системы (ПНС), которые связаны или функционально объединены в нервной системе, выполняют специфические физиологические функции.
Читайте также:
