Связанные понятия
Компьютерная модель (англ. computer model), или численная модель (англ. computational model) — компьютерная программа, работающая на отдельном компьютере, суперкомпьютере или множестве взаимодействующих компьютеров (вычислительных узлов), реализующая представление объекта, системы или понятия в форме, отличной от реальной, но приближенной к алгоритмическому описанию, включающей и набор данных, характеризующих свойства системы и динамику их изменения со временем.
Подробнее: Компьютерное моделирование
Имитационное моделирование (англ. simulation modeling) — метод исследования, при котором изучаемая система заменяется моделью, с достаточной точностью описывающей реальную систему (построенная модель описывает процессы так, как они проходили бы в действительности), с которой проводятся эксперименты с целью получения информации об этой системе. Такую модель можно «проиграть» во времени, как для одного испытания, так и заданного их множества. При этом результаты будут определяться случайным характером...
Математи́ческая моде́ль — математическое представление реальности, один из вариантов модели как системы, исследование которой позволяет получать информацию о некоторой другой системе.
Зада́ча — проблемная ситуация с явно заданной целью, которую необходимо достичь; в более узком смысле задачей также называют саму эту цель, данную в рамках проблемной ситуации, то есть то, что требуется сделать. В первом значении задачей можно назвать, например, ситуацию, когда нужно достать предмет, находящийся очень высоко; второе значение слышно в указании: «Ваша задача — достать этот предмет». Несколько более жёсткое понимание «задачи» предполагает явными и определёнными не только цель, но и...
Ме́тод (от др.-греч. μέθοδος — путь исследования или познания, от μετά- + ὁδός «путь») — осознание формы внутреннего самодвижения содержания изучаемого предмета.
Упоминания в литературе
Состав моделей логистической системы представляет собой характерную организацию связей и отношений между подсистемами и составными элементами системы и взаимосогласованный состав этих подсистем и элементов, каждому из которых соответствует конкретная функция. Логистическим системам свойственна полиструктурность, которая выражается во взаимопроникновении разных подсистем, формирующих несколько структур. Особенностью логистических систем является их отношение к системам с переменной структурой Они не статичны и организуются применительно к условиям работы, имеют свойство быстрой реструктуризации. Особая форма эксперимента является логистическим
моделированием она заключается в исследовании объекта по его модели. Теория логистики и имеющийся в настоящее время практический опыт позволяют свести многообразие особенностей движения материальных, денежных и других ресурсов а также информации на предприятиях к определенному числу стандартных моделей. Такой подход сокращает время и экономит средства на формирование индивидуальных программ. Большое количество признаков, характеризующих особенности предприятия, применяемое для формирования моделей, делает последние более приближенными к реальным условиям, а следовательно, программы расчетов позволяют сделать меньше ошибок и сбоев в работе. Сущность моделирования основывается на определении подобия изучаемых систем или процессов, которое может быть полным или частичным. По этому признаку все модели экономических систем делятся на изоморфные и гомоморфные.
В рамках организационного поведения
моделирование представляется как наиболее удобный и эффективный подход к изучению поведения работников. Модель представляет собой любое изображение процесса или любого объекта в виде графика, чертежа, диаграммы и других форм отображения данных с целью упрощения изучения свойств этого объекта или системы. Любой модели предписываются свойства изучаемого объекта. В рамках организационного поведения используют различные типы моделей и различные принципы моделирования. Существуют, например, модели трудового поведения, модели ролевого поведения в организации, модели мотивации сотрудников и т. д. Модели используют также для обобщения конкретных данных, для облегчения восприятия этих данных.
Мышление на языке систем. Описано системное мышление, которое в процессе своего развития, начиная с 20-х годов прошлого столетия, превратилось в самостоятельную дисциплину, называемую также системным подходом. Системное мышление сосредоточено, прежде всего, на использовании целостного представления, которое служит для понимания динамики взаимодействия между множеством систем в процессе их функционирования. Именно такой подход позволяет выявить возможные пути системного развития и связанные с этим проблемы. Цели системного мышления представлены наряду с инструментами его практической реализации. Описывается различие между «жесткими» и «мягкими» системами. Важнейшим аспектом системного мышления является
моделирование , для которого существует множество методов и инструментов, начиная от структурирования текста и использования различных графических представлений, использующихся для качественного анализа, и до моделей, элементы которых могут быть описаны на различных языках программирования, и использованы в качестве основы количественного анализа посредством имитации. Описываются несколько подходов, в том числе: метод «Пять Почему», диаграммы влияния, язык причинно-следственных связей, обратных связей и запаздывания реакции Питера Сенге (Peter Senge), методология Rich Pictures (Богатые картинки), метод системограмм (Systemigrams) и методы имитационного моделирования STELLA и iThink. Питер Чекланд (Peter Checkland), один из известных специалистов в области системного мышления, в разработанной им методологии устанавливает связь между мышлением и деятельностью, которую он назвал методологией мягких систем (Soft System Methodology, SSM). Рассматривается сущность экспериментального исследования, из которого вытекает потребность в SSM, а также модель SSM, введенная Чекландом. Наконец, представлено несколько общих принципов, которые необходимо помнить применительно к системному мышлению.
Гомоморфные модели предполагают неполное, частичное подобие модели изучаемому объекту. При этом некоторые стороны функционирования реального объекта не моделируются совсем. В результате упрощаются построение модели и интерпретация результатов исследования. При
моделировании логистических систем абсолютное подобие не имеет места, поэтому в дальнейшем рассматриваются лишь гомоморфные модели.
Таким образом, проектирование направлено на создание моделей планируемых (будущих) процессов и явлений в отличие от
моделирования , которое может распространяться и на прошлый опыт с целью его более глубокого осмысления. Компонентами проектной деятельности могут выступать конкретные модели или модули (функциональные узлы, объединяющие совокупность элементов, например, образовательной системы). Проектная деятельность человека обусловлена его способностью строить в своем сознании, придумывать идеальные модели, лишь частично отражающие действительность, а частично отражающие субъективный мир человека, его ценности и цели.
Связанные понятия (продолжение)
Агентное моделирование (англ. agent-based model (ABM))— метод имитационного моделирования, исследующий поведение децентрализованных агентов и то, как такое поведение определяет поведение всей системы в целом. В отличие от системной динамики аналитик определяет поведение агентов на индивидуальном уровне, а глобальное поведение возникает как результат деятельности множества агентов (моделирование «снизу вверх»).
Оптимизация — процесс максимизации выгодных характеристик, соотношений (например, оптимизация производственных процессов и производства), и минимизации расходов.
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.
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.
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.
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...
Экспе́ртная систе́ма (ЭС, англ. expert system) — компьютерная система, способная частично заменить специалиста-эксперта в разрешении проблемной ситуации. Современные экспертные системы начали разрабатываться исследователями искусственного интеллекта в 1970-х годах, а в 1980-х годах получили коммерческое подкрепление. Предшественники экспертных систем были предложены в 1832 году С. Н. Корсаковым, создавшим механические устройства, так называемые «интеллектуальные машины», позволявшие находить решения...
Технология (от др.-греч. τέχνη — искусство, мастерство, умение; λόγος — «слово», «мысль», «смысл», «понятие») — совокупность методов и инструментов для достижения желаемого результата; в широком смысле — применение научного знания для решения практических задач. Технология включает в себя способы работы, её режим, последовательность действий.
Прикладные исследования — научные исследования, направленные на практическое решение технических и социальных проблем.
Систе́ма (др.-греч. σύστημα «целое, составленное из частей; соединение») — множество элементов, находящихся в отношениях и связях друг с другом, которое образует определённую целостность, единство.
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.
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).
Системная инженерия — междисциплинарный подход и средства для создания успешных систем; междисциплинарный подход, охватывающий все технические усилия по развитию и верификации интегрированного и сбалансированного в жизненном цикле множества системных решений, касающихся людей, продукта и процесса, которые удовлетворяют потребности заказчика.
Эволюционные алгоритмы — направление в искусственном интеллекте (раздел эволюционного моделирования), которое использует и моделирует процессы естественного отбора.
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.
Тео́рия (греч. θεωρία «рассмотрение, исследование») — учение, система научного знания, описывающая и объясняющая некоторую совокупность явлений и сводящая открытые в данной области закономерные связи к единому объединяющему началу. Представляет собой наиболее глубокое и системное знание о необходимых сторонах, связях исследуемого, его сущности и закономерностях. Знания о закономерностях исследуемого в теории являются логически непротиворечивыми и основанными на каком-либо едином, объединяющем начале...
Тео́рия управле́ния — наука о принципах и методах управления различными системами, процессами и объектами.
Объе́кт иссле́дования — в науке под ним подразумевают главное поле приложения сил учёных. В одной науке (научном направлении) однако может быть несколько объектов исследований, которые составляют логически связанное существо и цель исследований в этой науке (научном направлении).
Системный анализ — научный метод познания, представляющий собой последовательность действий по установлению структурных связей между переменными или постоянными элементами исследуемой системы. Опирается на комплекс общенаучных, экспериментальных, естественнонаучных, статистических, математических методов.
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.
Ана́лиз (др.-греч. ἀνάλυσις «разложение, расчленение, разборка») — метод исследования, характеризующийся выделением и изучением отдельных частей объектов исследования.
Иссле́дование ( «следование изнутри»): * в предельно широком смысле — поиск новых знаний или систематическое расследование с целью установления фактов;
Статистическое модели́рование — исследование объектов познания на их статистических моделях. «Статистические модели необходимы для теоретического изучения влияния флуктуаций, шумов и т.п. на процессы. При учёте случайных процессов движение системы будет подчиняться уже не динамическим законам, а законам статистики. В соответствии с этим могут быть поставлены вопросы о вероятности того или иного движения, о наиболее вероятных движениях и о других вероятностных характеристиках поведения системы».Оценка...
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...
Визуализация (от лат. visualis, «зрительный») — общее название приёмов представления числовой информации или физического явления в виде, удобном для зрительного наблюдения и анализа.
Формализа́ция — представление какой-либо содержательной области (рассуждений, доказательств, процедур классификации, поиска информации, научных теорий) в виде формальной системы или исчисления.
Экспериме́нт (от лат. experimentum — проба, опыт), также о́пыт, в научном методе — метод исследования некоторого явления в управляемых наблюдателем условиях.. Отличается от наблюдения активным взаимодействием с изучаемым объектом. Обычно эксперимент проводится в рамках научного исследования и служит для проверки гипотезы, установления причинных связей между феноменами. Эксперимент является краеугольным камнем эмпирического подхода к знанию. Критерий Поппера выдвигает возможность постановки эксперимента...
Человеко-машинный интерфейс (ЧМИ) (англ. Human-machine interface, HMI) — широкое понятие, охватывающее инженерные решения, обеспечивающие взаимодействие человека-оператора с управляемыми им машинами.
Тео́рия приня́тия реше́ний — область исследования, вовлекающая понятия и методы математики, статистики, экономики, менеджмента и психологии с целью изучения закономерностей выбора людьми путей решения проблем и задач, а также способов достижения желаемого результата.
Роба́стное управле́ние — совокупность методов теории управления, целью которых является синтез такого регулятора, который обеспечивал бы хорошее качество управления (к примеру, запасы устойчивости), если объект управления отличается от расчётного или его математическая модель неизвестна. Таким образом, робастность означает малое изменение выхода замкнутой системы управления при малом изменении параметров объекта управления. Системы, обладающие свойством робастности, называются робастными (грубыми...
Машинное обучение (англ. machine learning, ML) — класс методов искусственного интеллекта, характерной чертой которых является не прямое решение задачи, а обучение в процессе применения решений множества сходных задач. Для построения таких методов используются средства математической статистики, численных методов, методов оптимизации, теории вероятностей, теории графов, различные техники работы с данными в цифровой форме.
Мехатро́ника — это область науки и техники, основанная на синергетическом объединении узлов точной механики с электронными, электротехническими и компьютерными компонентами, обеспечивающими проектирование и производство качественно новых механизмов, машин и систем с интеллектуальным управлением их функциональными движениями.
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.
Эффекти́вность (лат. effectivus) — соотношение между достигнутым результатом и использованными ресурсами (ISO 9000:2015).
Система автоматизированного проектирования — автоматизированная система, реализующая информационную технологию выполнения функций проектирования, представляет собой организационно-техническую систему, предназначенную для автоматизации процесса проектирования, состоящую из персонала и комплекса технических, программных и других средств автоматизации его деятельности. Также для обозначения подобных систем широко используется аббревиатура САПР.
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).
База знаний (БЗ; англ. knowledge base, KB) — база данных, содержащая правила вывода и информацию о человеческом опыте и знаниях в некоторой предметной области (ISO/IEC/IEEE 24765-2010, ISO/IEC 2382-1:1993). В самообучающихся системах база знаний также содержит информацию, являющуюся результатом решения предыдущих задач.
Компьютерное зрение (иначе техническое зрение) — теория и технология создания машин, которые могут производить обнаружение, отслеживание и классификацию объектов.
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...
Информа́ция (от лат. informātiō «разъяснение, представление, понятие о чём-либо» ← informare «придавать вид, форму, обучать; мыслить, воображать») — сведения независимо от формы их представления.
Иску́сственный интелле́кт (ИИ; англ. artificial intelligence, AI) — свойство интеллектуальных систем выполнять творческие функции, которые традиционно считаются прерогативой человека; наука и технология создания интеллектуальных машин, особенно интеллектуальных компьютерных программ.
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...
Эмпирические исследования – наблюдение и исследование конкретных явлений, эксперимент, а также обобщение, классификация и описание результатов исследования эксперимента, внедрение их в практическую деятельность человека.
Упоминания в литературе (продолжение)
Еще одну группу методов психологической науки образуют методы
моделирования . Они применяются, когда использование других методов затруднено. Их особенностью является то, что, с одной стороны, они опираются на определенную информацию о том или ином психическом явлении, а с другой стороны, при их использовании, как правило, не требуется участие испытуемых или учет реальной ситуации. Поэтому бывает очень сложно отнести разнообразные методики моделирования к разряду объективных или субъективных методов. Модели могут быть техническими, логическими, математическими, кибернетическими и т. д.
В предыдущих главах мы выяснили, что для того, чтобы быть словом, определенная последовательность фонем должна выражать родовую и интегральную категории, чтобы функционировать в качестве минимального компонента знаковых моделей человеческого опыта. Как минимальный компонент ситуативной модели опыта слово может выступать, обозначая объект, изменение, свойства объекта или изменения, а также различные существенные для человека условия, в которых возможны изменения, совершаемые объектами и изменяющие свойства объектов (место действия, время действия и пр.). При этом родовая категория обеспечивает слову возможность занимать определенное место в синтаксически дифференцированных последовательностях, а интегральная категория вбирает в себя весь комплекс переживаний, порождаемых человеческими потребностями и локализованных в памяти благодаря определенному языковому знаку как элементу системы. Любая категория является способом
моделирования функционального свойства человеческого опыта, накопленного в результате постоянных контактов с окружающей действительностью в процессе удовлетворения своих потребностей. Она существует как средство организации ряда словесных знаков в аналитические модели элементов опыта по схемам, подробно рассмотренным в предыдущей главе (объект, изменяющий другой объект; способность объекта обладать определенным свойством; объект, выступающий в качестве места или времени действия, и др.).
Моделирование – это исследование объектов, процессов и явлений, существующих в отличных от естественных условиях. Моделирование – это физическое и геометрическое подобие, адекватность времени, т.е. оно укладывается в суть пространственно-временной парадигмы. Для региональной политики из большого числа моделей особое значение имеют информационные модели, разрабатываемые средствами математического и логического аппарата.
Одним из актуальных аспектов прикладного применения психологии является
моделирование навыков – описание и передача того способа структурирования субъективного опыта, который позволяет эффективно производить определенный тип действий. Существуют различные методы моделирования, и в данной главе мы рассмотрим ту методологию, которая используется в системе нейро-лингвистического программирования, поскольку именно она дала методологию для структуризации психических процессов, используемую в мифомоделировании. Безусловно, она имеет свои недостатки – равно как и свои плюсы, и часть главы будет посвящена освещению этих недостатков. Также будет предложен метод оптимизации системы моделирования за счет смещения акцентов на ту область, которая не всегда напрямую связывается с психологической дисциплиной и граничит со сравнительной мифологией – область, рассматривающую влияние мифов и архетипов на структуру человеческой психики. Мы предлагаем новый подход, совмещающий технологичность и прагматизм (где-то граничащий с примитивизмом) НЛП-моделирования с глубинностью тех слоев психики, которые формируют некую «матрицу мифа» в структуре субъективного опыта. Также, поскольку мы используем элементы моделирования из арсенала НЛП, для соблюдения корректности будет приведен краткий перечень их основных недостатков, компенсировать которые призвана модель, ориентированная на мифологические аспекты психических процессов.
Одной из составных (зачастую «невидимых» для пользователей) частей модели бизнес-архитектуры является используемая методологическая база. Зачастую данная составляющая оказывается интересной только для разработчиков. Вместе с тем знание базовых принципов и определений, касающихся вопросов
моделирования , имеет важное значение для заказчиков и пользователей системы «модель бизнес-архитектуры». Это знание определяет общее представление о возможностях и ограничениях системы, позволяет не только выступать в пассивной роли пользователей, но и формулировать постановки задач по дальнейшему развитию системы.
Ни одна модель не является полной, не исчерпывает всех свойств объекта. Такое исчерпывающее описание и невозможно, и не нужно. В науке мы каждый раз при
моделировании вычленяем определенные свойства объекта, оставляя другие вне своего рассмотрения. Даже моделируя одни и те же свойства, отображая их в рамках одной науки под определенным, достаточно узким углом зрения, мы можем построить несколько несовпадающих моделей в зависимости от системы используемых при этом понятий и операций и в зависимости от конкретной задачи моделирования. Так, например, модель системы фонем русского языка различается в «ленинградской» и «московской» фонологических школах. С другой стороны, любой лингвист знает, как трудно «перевести» на язык привычной ему модели описание того или иного языка, выполненное при помощи иной системы исходных понятий и операций (например, системы понятий американской дескриптивной лингвистики или порождающей грамматики Н.Хомского).
Проблема
моделирования интеллектуальной деятельности человека для создания ИИ является актуальной и важной. Миварный подход позволяет предложить новые модели и методы обработки информации и управления. Будем понимать под системами искусственного интеллекта активные самообучающиеся логически рассуждающие системы. В прошлом веке были разработаны технологии создания экспертных систем по отдельным узконаправленным предметным областям. Это было обусловлено сложностями формализованного описания требуемых предметных областей и тем, что системы логического вывода не могли обрабатывать более 20 объектов/правил. В то же время, получили развитие интеллектуальные пакеты прикладных программ (ИППП), которые позволяли решать в автоматизированном режиме задачи в разных областях, где требовались вычисления и конструирование алгоритмов решения задач. Технологии ИППП развиваются в миварах и сервисно-ориентированных архитектурах.
Подход к построению математической модели может быть индуктивным и дедуктивным. При использовании индуктивного метода модель того или иного экономического процесса строится с помощью частичного
моделирования , охватывающего более простые переменные экономического процесса, с переходом от них к общей модели всего процесса. При дедуктивном методе сначала строится общая модель и лишь на ее основе конструируются частичные модели, устанавливаются алгоритмы конкретных математических расчетов. Экономико-математические модели будут наиболее обоснованными, если при их конструировании методы индукции и дедукции использованы в единстве. В этих условиях обеспечивается большая «похожесть» модели на реальный экономический процесс; она в большей мере будет отражать объективно существующие экономические соотношения и закономерности.
Любимым детищем представителей вычислительного подхода была проблема искусственного интеллекта. Идеалом виделась возможность построения системы, полностью имитирующей человеческий интеллект. В качестве модели для имитации брался компьютер. Предполагалось, что мозг человека работает по принципам компьютера, прибора, имеющего вход и выход и манипулирующего дискретными символическими структурами. Наглядным образцом такого рода машины стал автомат для игры в шахматы, основанный на просчитывании всех возможных ходов максимально далеко вперед. Создателей радовало и обнадеживало то, что возможности этого автомата в чем-то даже превосходят возможности человеческого интеллекта. Разработки в области искусственного интеллекта (Artifcial Intelligence) дополнялись разработками по
моделированию эволюции жизни (Artifcial Life), главным образом с применением модели клеточных автоматов. И технически, и концептуально обе модели были тесно связаны, поскольку строились на принципе пошаговости операций. В моделях эволюции жизни, исходя из элементарных начальных сочетаний клеток (наподобие закрашенных черным или белым, но способных менять свою окраску клеток школьной тетради) согласно достаточно простым правилам ближайшего перехода к соседним клеткам и путем одновременных сдвигов по всему клеточному полю на один ход вперед удавалось получать очень сложные и самоподдерживающиеся узоры или конструкции-орнаменты, напоминающие простейшие организмы.
Моделирование представляет собой логико—математическое отображение структуры и процесса функционирования логистического объекта с целью проведения на данной модели эксперимента. Содержание моделирования состоит в создании такого аналога изучаемых объектов, в котором отражены все их важнейшие с позиции цели исследования свойства и опущены второстепенные, малосущественные черты.
Несмотря на все безусловные достоинства построения моделей, они тем не менее не могут быть абсолютными и исчерпывающими. Трудность состоит главным образом в том, что очень тяжело из всех возможных выбрать наиболее объективные предпосылки построения модели. В то же время модель может быть наиболее полной, но трудной для понимания и расчетов. Следует избегать также слишком простых методов
моделирования , поскольку они не могут содержать весь необходимый для изучения материал и служить инструментом анализа экономической действительности.
3) метод расширения (предусматривает расширение исходной факторной модели путем умножения числителя и знаменателя дроби на один или несколько новых показателей. Этот способ
моделирования широко применяется в анализе). Результативные показатели могут быть разложены на составные элементы различными способами и представлены в виде различных типов детерминированных моделей. Выбор способа моделирования зависит от объекта исследования, поставленной цели, профессиональных знаний и навыков исследователя.
Отмеченная здесь часть особенностей реальных экономических систем, и некоторые другие, создают такую динамику процессов, которую нельзя эвристически предвидеть даже гениальному экономисту, тем более если он готовит свои советы об управлении экономикой с помощью ответов, взятых с «потолка» (т. е. без тысяч вычислений, учитывающих указанные здесь особенности экономических систем). Отсюда следует, что необходимо создание таких инновационных технологий и инструментов экономико-математического
моделирования , которые позволят корректно прогнозировать динамику кибернетических нелинейных сложных систем с изменяющейся структурой, создающих детерминировано хаотичные (но не случайные) социально-экономические процессы.
К числу частнонаучных методов также следует отнести логико-математические, включающие
моделирование , факторный анализ и шкалирование, а также методы уголовной статистики (статистическое наблюдение, группировка, статистический анализ, вычисление обобщающих показателей и др.). Применение этих методов в криминологических исследованиях играет вспомогательную роль. Они помогают более глубокому осмыслению различных статистических показателей, позволяют использовать коэффициенты корреляции для установления степени связи и взаимообусловленности между различными социальными явлениями и процессами, находящимися во взаимосвязи с преступностью и ее детерминантами. Так, моделирование предполагает создание упрощенного образа изучаемого явления или процесса на основе отражения их существенных сторон (свойств). Достоинство этого метода прежде всего в том, что он, не претендуя на полное и адекватное отражение всех сторон и свойств изучаемого криминологического объекта, концентрирует внимание исследователя на наиболее важных его характеристиках и тем самым позволяет глубже проникнуть в суть предмета изучения и познать его наиболее существенные стороны. Примером самого простого отображения образа такого сложного явления, как преступность, является ее уровень, рассчитанный с учетом количеств совершенных преступлений и лиц, их совершивших, в соотношении с определенным для данной территории количеством населения.
Широкое распространение при принятии решений в логистике получили методы
моделирования (поиск оптимального решения путем построения логистических моделей, которые определяются как абстрактный или материальный образ логистического процесса или логистической системы.
• Методы социального эксперимента и
моделирования позволяют в совокупности построить и гипотетически предположить функционирование вновь создаваемого или вводимого в действие института или структуры и учитывать возможные положительные или отрицательные последствия такого нововведения в масштабах всего общества. Методы реализуются на локальной территории или путем создания мысленного образа какого-либо объекта с уточнением его назначения, функций, эффективности. Эти методы позволяют получить информацию перед окончательным принятием государственного решения по юридически значимому вопросу.
Одиннадцатая глава содержит примеры твердотельного
моделирования , которое подразумевает создание тел, имеющих все атрибуты реального физического тела. Также твердотельные модели способствуют лучшему визуальному восприятию деталей по сравнению с каркасными или поверхностными объектами. Специальный набор команд позволяет быстро построить для тел их различные проекции и сечения. Данная глава знакомит с методикой создания и редактирования встроенных и пользовательских твердотельных моделей.
Стремление снизить сложность объектов управления осуществлялось за счет использования различных методов
моделирования : аналитических методов, статистических методов, методов интерполяции и экстраполяции, методов имитационного моделирования и др. При управлении техническими системами этот подход вполне себя оправдывал. Однако при попытках управления сложностью социальных систем (организации, государства и др.), он оказался явно не адекватным масштабам и типам сложности такого рода систем. В частности, в соответствие с парадигмой «субъект – объект» структурная сложность рефлексивной активности объектов управления задавалась нулевым значением, что не соответствовало реальным объектам управления социального типа.
Учитывая такую научно-практическую направленность анализа, термин «когнитивный опыт» мы используем в операциональном смысле как знания, накопленные человеком в его практической деятельности и определяющие ее специфику. Иными словами, речь идет о выявлении опыта в его классическом определении (совокупность знаний, умений, навыков, отношений…), но применительно к практике его использования человеком. Нас интересует, прежде всего, возможность доступа к содержанию опыта в конкретных условиях человеческой деятельности и методы анализа, которые могут оказаться продуктивными для его последующего воспроизведения. Поэтому мы не дифференцируем различные встречающиеся в литературе понятия опыта, а рассматриваем их в ракурсе тех составляющих содержания опыта, которые они позволяют раскрыть. Так, например, понятие «ментальный опыт» выступает в качестве психического носителя свойств интеллектуальной деятельности в онтологическом подходе к изучению интеллекта (Холодная, 2011, 2012). Понятие «субъективный опыт» широко применяется в психологии субъективной семантики при
моделировании опыта человека структурами значений (Артемьева, 1980, 1999), а в психофизиологических исследованиях используется для обозначения целостной индивидуально-специфичной структуры субъективных моделей адаптивного взаимодействия индивида с миром (Александров, Александрова, 2009; Александров и др., 2015). Особое внимание будет уделяться исследованиям, в которых рассматривается инструментальная составляющая когнитивного опыта. Здесь имеются в виду работы Ю. К. Корнилова (2000, 2014), посвященные «инструментальному опыту», и инструментальный подход П. Рабарделя (Рабардель, 1999; Rabardel, 1995). Для более детального анализа применения понятий опыта в психологии можно обратиться, например, к работе К. С. Семенцовой (2012).
В настоящее время системный подход, методы системного
моделирования достигли такого уровня зрелости, который позволил выделить базовые принципы, технологии и приемы. А значит, у каждого из нас, обычных людей, появилась возможность овладения этой мощной методологией. Один из отцов-основателей современного менеджмента, У. Э. Деминг, назвал понимание системных свойств, умение видеть (моделировать) организацию как единое целое – основой, «минимумом» теоретических знаний, обязательным для каждого стремящегося к успеху руководителя («Система глубинных знаний»[1]).
В основании этого метода лежат приемы абстрагирования, аналогии. Модель (от лат. – «мера, образец, норма») – аналог определенного фрагмента реальности, порождения человеческой культуры, т. е. оригинала модели, заменяющий оригинал в познании и практике.
Моделирование используется для хранения и расширения знания об оригинале, конструирования оригинала, преобразования и управления им. При этом необходимо, чтобы между моделью и оригиналом существовало сходство. По характеру моделей выделяют материальное (предметное) моделирование и идеальное, выраженное в знаковой форме.
Последние двадцать лет развивается также когнитивный подход к креативности, представителями которого являются Боден (Boden, 1992), Смит, Ворд и Финке (Smith, Ward & Finke, 1995), а также Вейсберг (Weisberg, 1986, 1993). Эксперименты, исследования отдельных случаев и
моделирование с помощью искусственного интеллекта позволяют изучать ментальные репрезентации, а также задействованные в творчестве процессы переработки и преобразования информации (порождение аналогий, поиск, разработка и синтез идей). По мнению некоторых представителей когнитивного подхода, креативность основывается на обычных когнитивных процессах, даже если результаты этих процессов оказываются «необычными» (Bink & Marsh, 2000). Наконец, можно отметить, что в этот же период был предложен ряд теорий, согласно которым креативность является результатом конвергенции когнитивных, конативных и средовых факторов (Lubart, 1999a). Эти теории подробнее будут описаны в конце первой главы в разделе «Многофакторный подход».
Согласно учению П. К. Анохина, поведение сколько-нибудь высокоорганизованного живого существа, в том числе естественно и человека, не может рассматриваться как серия простых актов пассивного «уравновешивания со средой», а всегда представляет собой деятельность активного поиска, направленного на освоение, преодоление и, в конечном счете, подчинение среды обитающему в ней живому существу. Суммируя взгляды П. К. Анохина, В. Д. Небылицын пишет: «Итак, живой организм есть сложнейшая саморегулирующая система; его поведение определяется совокупностью афферентных синтезов, формирующих программу действий на основе кольцевой их регуляции; важнейшими компонентами этой программы и всего поведения в целом является непрерывный анализ эффектов совершаемых действий, обнаружение «рассогласований» и текущая коррекция ошибок. Взаимодействие со средой представляет собой активное вероятностное
моделирование в мозге порождаемых средой изменчивых динамических ситуаций, приводящих к целенаправленному и целесообразному поведению» (Небылицын, 1976, с. 24).
4) методы
моделирования . Как известно, моделирование представляет собой упрощенный вариант реального процесса, поэтому рассматриваемый метод, по мнению специалистов, является наиболее перспективным в плане его использования для управления персоналом.
Работы М. Эйгена семидесятых годов и его последователей уже наметили определенные пути их математического
моделирования . Что же касается механизмов обратной связи обоих типов, которые присущи всему живому, то их возникновение и сегодня остается тайной за семью печатями. Это такое изобретение природы, для которого у нас нет пока никаких аналогий. Мы еще очень далеки от того, чтобы представить себе модель процесса, который мог бы привести к возникновению какого-либо из механизмов подобного типа. Следуя терминологии В. И. Вернадского, факт существования сложных механизмов обратных связей следовало бы назвать главным «эмпирическим обобщением» в той науке, которая занимается изучением развития Земли и жизни на Земле. В процессе естественной эволюции планеты на ней возникли живые структуры, обладающие механизмами обратной связи, – это мы можем только констатировать.
Подобные графические схемы удобны для наглядного представления модели решения задачи. В ТРИЗ существуют определённые правила составления таких схем и их преобразования в процессе решения. Фактически это инструмент наглядного
моделирования задачи и её решения, он получил название «Вепольный[4] анализ».
Метод правового
моделирования исходит из идеи подобия, из предположения, что между различными объектами могут устанавливаться взаимно однозначные соответствия, так что, зная характеристики одного из них (модели), можно с достаточной определенностью судить о другом (об оригинале).
Моделирование ГО включает в себя построение графических моделей, удобных для восприятия и использования. Такие графические модели могут быть названы картами, поскольку сами ГО связаны с порождающими их географическими объектами. Соответственно, эти карты, с одной стороны, связаны с традиционными географическими картами, а, с другой стороны, они должны выражать специфику формирования и развития ГО. В данном контексте, метод ОГК рассматривается как один из наиболее эффективных методов представления ГО, а также их непосредственного изучения.
На данном этапе проводится
моделирование показателей как база для проведения многофакторного анализа: на основе общей схемы системы анализа, подсистем и микроблоков осуществляется математическое моделирование синтетических показателей каждого блока анализа различных видов рисков инвестиционной деятельности. В ходе моделирования каждый синтетический показатель представляется как некая факторная система, образованная в соответствии с определенными экономическими критериями выделения факторов как элементов этой системы: причинность, достаточная специфичность, самостоятельность существования, возможность учета и количественного измерения.
В этой связи в центре обсуждения оказываются проблемы создания инструментария для измерения способностей, оценки психометрических свойств, созданных инструментов, проблемы экспликации и верификации шкал способностей, проблемы выявления и/или конструирования латентных структур способностей, проблемы дизайна исследования, проблемы
моделирования и т. п. Каждая из указанных тем раскрывается устоявшимися комплексами терминов, часто объединенных в своеобразные теории более высокого уровня (например, обобщенная модель теста, априорные (апостериорные) модели структуры интеллекта и т. д.). Психометрическая парадигма исследования способностей требует внимательного отношения к проблеме изучаемых выборок, репрезентативность которых – одна из центральных проблем в данной парадигме.