- •Алфавітний покажчик
- •Агрегирование и эмержентность систем
- •Алгоритм – образ будущей деятельности
- •Алгоритм декомпозиции
- •Алгоритм проведения системного анализа
- •Блок-схема системы передачи информации
- •Большие и сложные системы
- •В чем заключается закономерность иерархической упорядоченности систем? Приведите примеры применения данной закономерности.
- •В чем заключается смысл моделирования как метода научного познания?
- •В чем заключаются особенности имитационного и машинного моделирования?
- •В чем ограничены возможности механизации?
- •В чем различие между полностью формализованным и не полностью определенным алгоритмом?
- •В чем состоит условие физической реализуемости динамической модели?
- •Виды агрегирования
- •Виды неопределённостей в измерениях
- •Внедрения результатов системного анализа
- •Возникновение и развитие системных представлений в практической деятельности человека
- •Второе определение системы
- •Выбор в условиях неопределённости
- •Выбор в условиях статистической неопределённости
- •Подведем итог
- •Выбор. Человеко-машинные системы выбора
- •Гибкость систем.
- •Групповой выбор
- •Дайте определение понятий: внешняя среда, надсистема, подведомственные системы, система в целом. Поясните их взаимосвязь
- •Дать толкование понятию «Окружающая среда»
- •Декомпозиция и агрегирование в системных исследованиях
- •Динамика моделей
- •Динамические модели системы
- •Дифференциальная энтропия
- •Достоинства и недостатки идеи оптимизации
- •Знаковые модели и сигналы
- •Знания. Разновидность знаний
- •По природе
- •По степени научности
- •По местонахождению
- •Идентификация математических моделей. Идентификация как наука.
- •Результаты наблюдений
- •Множество моделей-кандидатов
- •Возможные причины несоответствия моделей
- •Идентификация как наука
- •Иерархия моделей систем
- •Измерительные шкалы
- •Измерительные шкалы. Порядковые шкалы
- •Измерительные шкалы. Шкала наименований
- •Результаты наблюдений
- •Множество моделей-кандидатов
- •Возможные причины несоответствия моделей
- •Идентификация как наука
- •Измерительные шкалы. Шкалы отношений
- •Информационные аспекты систем
- •Искусственные и естественные системы
- •Какие системные процессы изучает кибернетика?
- •Какие системные процессы изучает синергетика?
- •Какие функции выполняет модель в деятельности человека?
- •Какова связь между вторым определением системы и ее структурной схемой?
- •Каково главное отличие между познавательной и прагматическими моделями?
- •Каковы основные события в развитии системных представлений в течении последних 150 лет?
- •Каковы особенности мышления позволяют утверждать, что оно системно?
- •Каковы причины того, что модели изменяются со временем
- •Каковы типы моделей знаний, их характеристики?
- •Каковыми признаками должна обладать часть системы, чтобы ее можно было назвать элементом?
- •Классификация систем
- •Классификация систем по описанию оператора и способу управления.
- •Классификация систем по описанию переменных
- •Классификация систем по происхождению
- •Количество информации. Свойство количества информации. Единицы измерения информации
- •Конфигуратор. Разновидности языка конфигуратора
- •Критериальный язык описания выбора Критериальный язык описания выбора
- •Математическое и компьютерное моделирование
- •Материальные модели в виде подобия
- •К условным моделям относят знаковые модели, которые подразделяются на два вида:
- •Методы генерирования альтернатив
- •Многократный выбор
- •Модели систем. Первое определение системы Модель "Черного ящика"
- •Модель состава системы
- •Структурная модель системы
- •Модель «черный ящик». Сложности построения модели «черн. Ящик»
- •Модель состава системы. Сложность построения модели состава системы
- •Модель структуры системы
- •Модель структуры системы. Сложности построения модели структуры
- •Может ли какой-нибудь объект или явление быть несистемным? Обоснуйте ответ
- •Назовите главное условие автоматизации?
- •Описание выбора на языке бинарных отношений
- •Описание ситуации в «нечетких» представлениях
- •Опишите три способа повышения производительности труда механизация
- •Автоматизация
- •Кибернетизация
- •Определите понятие модели
- •Оптимизационный выбор
- •Основные положения теории информации
- •Основные признаки развивающихся систем
- •Отношения и структуры
- •Охарактеризуйте историю развития системных представлений
- •Охарактеризуйте понятия «системный анализ» и «системный подход». В чем заключаются принципы системного подхода?
- •Первое определение системы
- •Перечислите основные признаки системы
- •Перечислить некоторые типы классификаций систем !!! Білети №52-54 !!!
- •Познавательные и прагматические модели
- •Понятие «лингвистическая модель».
- •Наиболее важные свойства моделей, в том числе лингвистических.
- •Понятие «проблемная ситуация»
- •Понятие гетерогенной и гомогенной структур систем
- •Понятие модели системы
- •2.1. Множественность моделей системы
- •2.2. Первое определение системы
- •2.2.1. Определение
- •2.2.2. Проблемы и системы
- •Существуют такие модели систем:
- •Понятие об эволюционном моделировании и генетических алгоритмах
- •Понятие субъективных и объективных целей существования систем
- •Понятие эмерджентности
- •Представление знаний
- •Приведите аргументы в пользу системности материи?
- •Пропускная способность Гауссова канала святи
- •Различие между большими и сложными системами
- •Разновидности классификаций систем
- •Разновидности неопределённостей
- •Разновидности отбора
- •Системность – всеобщее свойство материи и познания
- •Соответствие и различие между моделью и действительностью
- •Соответствие между моделью и действительностью: конечность, упрощенность, приближенность, адекватность, истинность моделей
- •Способы воплощения моделей. Абстрактные модели
- •Способы реализации моделей
- •Способы решения многокритериальных задач
- •Статистические измерения. Методы обработки экспериментальных данных
- •Статические и динамические модели
- •Структура системы. Разновидности структур систем
- •Структурная схема системы
- •Структурная схема как соединение моделей
- •Теория игр. Общее представление
- •Типы сигналов. Реализация сигналов
- •Три ветви науки, изучающие системы
- •Условия реализации свойств моделей
- •Соответствие между моделью и действительностью
- •Формальная и содержательная модели
- •Функционирование и развитие систем
- •Цель как модель
- •Частотно временное представление сигналов
- •Классические частотно-временные представления.
- •Что заставляет нас пользоваться моделями объектов вместо самих объектов?
- •Что называется алгоритмом?
- •Что необходимо для перехода от моделей лингвистических к моделям математическим?
- •Что общего и в чем различие между понятием элемента и его моделью «черного ящика»?
- •Что представляет собой сетевая структура? в каких случаях применяются сетевые структуры? Какие понятия используются при применении сетевых моделей?
- •Что такое интегрировать модели?
- •Что такое категория, функтор?
- •Что такое проблемная ситуация?
- •Что такое системный анализ?
- •Шкала интервалов
- •Шкала отношений в измерении
- •Эволюция моделей
- •Эксперимент и модель. Активный эксперимент
- •Эксперимент и модель. Пассивный эксперимент
- •Экспертный выбор
- •Энтропия и ее свойства
- •Этапы компьютерного моделирования объектов и явлений
- •Разработка компьютерной модели для проведения эксперимента:
- •Компьютерный эксперимент:
- •Этапы системного анализа
- •Этика в системном анализе
- •Язык функции выбора
- •7.6 Иллюстрация различных аксиом, накладываемых на функции выбора
Перечислить некоторые типы классификаций систем !!! Білети №52-54 !!!
Познавательные и прагматические модели
Познавательная модель - форма организации и представления знаний, средство соединения новых и старых знаний. Познавательная модель, как правило, подгоняется под реальность и является теоретической моделью.
Прагматическая модель - средство организации практических действий, рабочего представления целей системы для ее управления. Реальность в них подгоняется под некоторую прагматическую модель. Это, как правило, прикладные модели.
Различия: Познавательная модель, как правило, подгоняется под реальность. Реальность в прагматических моделях подгоняется под модель, то есть все наоборот.
Понятие «лингвистическая модель».
Простая Лингвистическая Модель (ПЛМ) или же Simple Lingual Model (SLM) - метод структурированного хранения информации для автоматизированных систем. Модель представляет из себя трёхуровневую логическую структуру. Уровень ситуаций - отражает некую ситуацию для которой приемлемы различные понятия выбираемые в зависимости от аргумента. Уровень понятий - содержит идентификатор конкретного точно обозначенного понятия. Уровень информации - содержит в себе саму по себе информацию о понятии на конкретном языке. Пример с яблоком. Уровень ситуаций: необходимо описать фрукт яблоко Уровень понятий: Уровень информации: содержит названия различных сортов
Наиболее важные свойства моделей, в том числе лингвистических.
1.Моделировать можно только такие явления, существенные свойства которых исчерпываются их структурными (функциональными) характеристиками и никак не связаны с их физической природой. Круг таких явлений, по-видимому, гораздо более широк, чем думали раньше. Некоторые авторитетные исследователи относят к их числу даже процессы жизни и мышления.
Модель всегда является некоторой идеализацией объекта.
Обычно модель оперирует не понятиями о реальных объектах, а к о н с т р у к т а м и , т. е. Понятиями об идеальных объектах, не выводимыми непосредственно и однозначно из опытных данных, но построенными «свободно» на основании некоторых общих гипотез, подсказанных совокупностью наблюдений и исследовательской интуицией. Всякая модель является конструкцией, логически выведенной из гипотез с помощью определенного математического аппарата.
Всякая модель, в том числе лингвистическая, должна быть формальной. Модель считается формальной, если в ней в явном виде и однозначно заданы исходные объекты, связывающие их утверждения и правила обращения с ними (правила образования или выделения новых объектов и утверждений). В идеале всякая формальная модель является математической системой. Поэтому в некотором смысле понятие формальности равнозначно понятию математичности, точности, или однозначности.
Всякая интерпретированная модель, в том числе лингвистическая, должна обладать свойством экспланаторности, или объяснительной силы. Считается, что модель обладает этим свойством, если она 1) объясняет факты или данные специально поставленных экспериментов, которые необъяснимы с точки зрения старой теории, 2) предсказывает неизвестное раньше, но принципиально возможное поведение объекта, которое позднее подтверждается данными наблюдения или новых экспериментов. И в том и в другом случае объяснительная сила модели тем больше, чем полнее мера совпадения предсказаний с экспериментальными данными.