| УДК |
Аннотация: 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.
Держатели документа:
ИВМ СО РАН : 660036, Красноярск, Академгородок, 50, стр.44
Экземпляры всего: 1
ИВМ-Фонд (1)
Свободны: ИВМ-Фонд (1)