Моделирование как метод познания

Июль 31, 2022

Главная
Информатика
Моделирование как метод познания

Содержание

2. Классификация задач, решаемых с помощью моделей
3. Основные понятия моделирования Объект - (от латинского Objectum – предмет), это все то, что противостоит субъекту
4. Гипотеза - предположение свойств объекта при недостаточной его изученности. Аналогия – какое-либо сходство известного и изучаемого
5. Теория моделирования - теория замещения объектов-оригиналов объектом-моделью. Адекватность модели. Модель адекватна объекту, если результаты моделирования подтверждаются
6. Способы моделирования Аналитическое – построение модели, в виде аналитических выражений (формул). Имитационное- построение модели с характеристиками,
7. Цели моделирования понимание управление прогнозирование
8. Методы Классический (или индуктивный) подход рассматривает систему, переходя от частного к общему, и синтезирует ее путем
9. Системный подход в моделировании систем Система S – целенаправленное мно-жество взаимосвязанных элементов любой природы. Внешняя среда
10. При системном моделировании, прежде всего, четко определяется цель моделирования. Модель создается под определенную цель. Важным для
11. Подходы к исследованию системы и ее свойств Структурный – выявляется состав выделенных элементов системы S и
12. Классический метод построения модели использует функциональный подход. В качестве элемента модели принимается компонент, описывающий поведение одного
13. Системный метод основан на структурном подходе. Система S разбивается на ряд подсистем Si со своими свойствами,
14. Классификация моделей
15. Интеллектуальные системы Искусственный интеллект Раймунд Луллия (около 1235 – 1315) философ и теолог в сочинении «Великое
16. Норберт Винер - американский ученый (1894 – 1964) в 1948 г. сформулировал основные положения новой науки
17. Направления искусственного интеллекта Нейрокибернетика - занимается созданием элементов, аналогичных нейронам (связанным друг с другом нервным клеткам,
18. Для кибернетики «черного ящика» структура модели не важна, важна ее реакция на заданные входные данные. На
19. Эвристическое программирование (начало 60-х гг.) разрабатывало стратегии действий на основе заранее известных заданных правил (эвристик). Эвристика
20. С середины 70-х гг. реализуется идея моделирования конкретных знаний специалистов - экспертов. В США появляются первые
22. Скачать презентацию

Слайд 2

Классификация задач, решаемых с помощью моделей

Слайд 3

Основные понятия моделирования
Объект - (от латинского Objectum – предмет), это все

то, что противостоит субъекту в его практической и познавательной деятельности, на что направлена эта деятельность.
Под объектами понимаются предметы и явления, как доступные, так и недоступные чувственному восприятию человека, но имеющие видимое влияние на другие объекты (например, гравитация, инфразвук или электромагнитные волны).
Абстракция – отказ от несущественных в данном рассмотрении свойств.

Слайд 4

Гипотеза - предположение свойств объекта при недостаточной его изученности.
Аналогия –

какое-либо сходство известного и изучаемого объекта.
Модель - (от латинского modulus – образец) - любой аналог (образ) какого-либо объекта, процесса или явления, используемый в качест-ве заменителя (представителя) оригинала.
Моделирование - исследование объектов, процессов или явлений путем построения и изучения их моделей для определения или уточнения характеристик оригинала.

Слайд 5

Теория моделирования - теория замещения объектов-оригиналов объектом-моделью.
Адекватность модели. Модель адекватна

объекту, если результаты моделирования подтверждаются и могут служить основой для прогнозирования поведения исследуемых объектов.
Степень адекватности зависит от цели и критериев моделирования

Слайд 6

Способы
моделирования
Аналитическое –
построение модели,
в виде аналитических
выражений (формул).
Имитационное-
построение

модели
с характеристиками,
адекватными ориги-
налу, на основе какого-
либо его физического
или информационного
принципа.

Слайд 7

Цели моделирования
понимание
управление
прогнозирование

Слайд 8

Методы
Классический (или
индуктивный) подход
рассматривает систему,
переходя от частного к
общему,

и синтезирует
ее путем слияния
компонент, разрабаты-
ваемых отдельно.

Системный подход
предполагает последова-
тельный переход от
общего к частному,
когда в основе рассмотре-
ния лежит цель, при этом
объект выделяется
из окружающего мира.

Методы и технологии моделирования

Слайд 9

Системный подход в моделировании систем
Система S – целенаправленное мно-жество взаимосвязанных элементов

любой природы.
Внешняя среда E - множество сущест-вующих вне системы элементов лю-бой природы, оказывающих влияние на систему или находящихся под ее воздействием.

Слайд 10

При системном моделировании, прежде всего, четко определяется цель моделирования. Модель создается

под определенную цель.
Важным для системного подхода является определение структуры системы - совокупности связей между элементами системы, отражающих их взаимодействие.

Слайд 11

Подходы к исследованию
системы и ее свойств
Структурный –
выявляется состав
выделенных

элементов
системы S и связи между
ними. Совокупность
элементов и связей
позволяет судить о
свойствах выделенной
части системы.

Функциональный –
рассматриваются
функции (алгоритмы)
поведения системы.
Каждая функция
описывает поведение
одного свойства при
внешнем воздействии E.
Описание системы
состоит из набора
функций ее реакции
на внешние воздействия.

Слайд 12

Классический метод построения модели использует функциональный подход. В качестве элемента

модели принимается компонент, описывающий поведение одного свойства и не отображающая реальный состав элементов. Компоненты изолированы друг от друга, что плохо отражает моделируемую систему. Применим лишь для простых систем.

Слайд 13

Системный метод основан на структурном подходе. Система S разбивается на ряд

подсистем Si со своими свойствами, которые, проще описать функциональными зависимостями, и определяются связи между подсистемами. В этом случае система функционирует в соответствии со свойствами отдельных подсистем и связей между ними. Применяется для сложных систем, когда невозможно учесть все взаимовлияния

Слайд 14

Классификация моделей

Слайд 15

Интеллектуальные системы
Искусственный интеллект
Раймунд Луллия (около 1235 – 1315) философ и теолог

в сочинении «Великое искусство» высказал идею логической машины для решения разнообразных задач и попытался ее реализовать.
Рене Декарт (1596 – 1650) и Готфрид Вильгельм Лейбниц (1646 – 1716) развивали учение о прирожден-ной способности ума к познанию и всеобщих и необхо-димых истин логики и математики, работали над созда-нием универсального языка классификации всех знаний. Именно на этих идеях базируются теоретические основы создания искусственного интеллекта. Толчком к дальнейшему развитию модели человеческого мышления стало появление в 40-х гг. ХХ в. ЭВМ.

Слайд 16

Норберт Винер - американский ученый (1894 – 1964) в 1948 г.

сформулировал основные положения новой науки – кибернетики.
В 1956 г. признано новое научное направление, связанное с машинным моделированием человеческих, интеллектуальных функций, и названное искусственным интеллектом.

Слайд 17

Направления искусственного
интеллекта
Нейрокибернетика -
занимается созданием
элементов, аналогичных
нейронам (связанным
друг

с другом нервным
клеткам, составляющим
основу мозга), и их объ-
единением в функцио-
нирующие системы,
названные нейросетями.

кибернетика «черного
ящика» занимается
разработкой алгорит-
мов решения интел-
лектуальных задач
для имеющихся вы-
числительных систем.

Слайд 18

Для кибернетики «черного ящика» структура модели не важна, важна ее реакция

на заданные входные данные. На выходе модель должна реагировать как человеческий мозг.
Наиболее значимые результаты:
Модель лабиринтного поиска (конец 50-х гг.), в которой рассматривается граф состояний объекта и в нем происходит поиск оптимального пути от входных данных к результирующим. На практике эта модель не нашла широкого применения.

Слайд 19

Эвристическое программирование (начало 60-х гг.) разрабатывало стратегии действий на основе заранее

известных заданных правил (эвристик). Эвристика – теоретически не обо-снованное правило, позволяющее уменьшить количество переборов в поиске оптимального пути.
Методы математической логики. Метод резолюций, позволяющий на основе опреде-ленных аксиом автоматически доказывать теоремы. В 1973 г. создан язык логического программирования Пролог, позволяющий обрабатывать символьную информацию.

Слайд 20

С середины 70-х гг. реализуется идея моделирования конкретных знаний специалистов -

экспертов. В США появляются первые экспертные системы. Возникает новая технология искусственного интеллекта, основанная на представлении и использовании знаний. С середины 80-х гг. искусствен-ный интеллект коммерциализируется. Растут капиталовложения в эту отрасль, появляются промышленные системы, повышается интерес к самообучающим-ся системам.

Моделирование как метод познания

Содержание

Классификация задач, решаемых с помощью моделей

Основные понятия моделированияОбъект - (от латинского Objectum – предмет), это все

Гипотеза - предположение свойств объекта при недостаточной его изученности. Аналогия –

Теория моделирования - теория замещения объектов-оригиналов объектом-моделью. Адекватность модели. Модель адекватна

Способы моделированияАналитическое – построение модели,в виде аналитических выражений (формул). Имитационное- построение

Цели моделированияпонимание управление прогнозирование

МетодыКлассический (или индуктивный) подход рассматривает систему, переходя от частного к общему,

Системный подход в моделировании системСистема S – целенаправленное мно-жество взаимосвязанных элементов