 |
Алексей Григорьевич Ивахненко
|
 |
* Ивахненко А.Г._ Самообучающиеся системы с положительными обратными связями.(1963).djvu
* Ivahnenko_A.G...__Prinyatie_resheniy_na_osnove_samoorganizacii.(1976).[djv-fax].zip
* Ivahnenko_A.G.__Dolgosrochnoe_prognozirovanie_.(1975).[djv-fax].zip
* Ivahnenko_A.G.__Sistemy_evristicheskoy_samoorganizacii_v_tehnicheskoy_kibernetike.(1971).[djv-fax].zip
* Ivahnenko_A.G.__Tehnicheskaya_kibernetika.(1962).[djv-fax].zip
* Ivahnenko_A.G...__Prinyatie_resheniy_na_osnove_samoorganizacii.(1976).[djv-fax].zip
* Ivahnenko_A.G.__Dolgosrochnoe_prognozirovanie_.(1975).[djv-fax].zip
* Ivahnenko_A.G.__Sistemy_evristicheskoy_samoorganizacii_v_tehnicheskoy_kibernetike.(1971).[djv-fax].zip
* Ivahnenko_A.G.__Tehnicheskaya_kibernetika.(1962).[djv-fax].zip
* Ивахненко А.Г. Долгосрочное прогнозирование и управление сложными системами. (1975)
* Ивахненко А.Г. Системы эвристической самоорганизации в технической кибернетике. (1971)
* Ивахненко А.Г. Техническая кибернетика: Системы автоматического управления с приспособлением характеристик. (1962)
* Ивахненко А.Г... Принятие решений на основе самоорганизации. (1976)
* Ивахненко А.Г. Системы эвристической самоорганизации в технической кибернетике. (1971)
* Ивахненко А.Г. Техническая кибернетика: Системы автоматического управления с приспособлением характеристик. (1962)
* Ивахненко А.Г... Принятие решений на основе самоорганизации. (1976)
|
ИЗ ИЗДАНИЯ: В книге излагается новый подход к математическому моделированию сложных систем, основанный на принципе эвристической самоорганизации. Согласно этому принципу математическая модель оптимальной сложности соответствует минимуму некоторого критерия, называемого критерием селекции. В качестве такого критерия в одних задачах используются критерии регулярности и несмещенности модели, в других - критерий баланса переменных. Устанавливается неизвестное ранее новое свойство модели, состоящее в том, что при постепенном повышении ее сложности указанные критерии проходят через минимальные значения. Машина находит глобальный минимум и тем самым указывает единственную модель оптимальной сложности при весьма малом объеме априорной информации. Человек должен только целесообразно выбрать эвристический критерий селекции соответственно типу задачи. Таким образом, метод самоорганизации основан на переборе моделей с постепенным их усложнением до нахождения указанного минимума. Методы перебора не требуют привлечения каких-либо сведений из математической статистики. Объем полного перебора уменьшается при помощи алгоритмов многорядной селекции подобно тому, как это практикуется при селекции растений или животных. Метод Группового Учета Аргументов (МГУА) реализует ряд алгоритмов постепенного усложнения модели по правилам многорядной селекции. Даны примеры применения МГУА для решения задач долгосрочного прогноза, распознавания образов, идентификации характеристик и управления с оптимизацией прогноза при малом числе исходных данных (всего 10-20 точек наблюдения процесса). Книга рассчитана на инженеров, работающих в области технической кибернетики и интересующихся практическими приложениями математического моделирования для решения указанных выше задач. |
 |
ИЗ ИЗДАНИЯ: 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. |
 |
ИЗ ИЗДАНИЯ: В книге рассмотрены новые системы автоматического управления производственными процессами, отличающиеся приспособлением характеристик к непрерывному изменению условий работы для достижения максимума производительности, к.п.д., быстродействия и других показателей качества. Эти системы получили свое развитие в связи с появлением нового направления автоматики, называемого технической кибернетикой. Рассмотрены основные схемы кибернетических упорядоченных и статистических систем и даны элементы их общей теории. Показано, что, теория комбинированных систем стабилизации (включая условия инвариантности) применима с небольшими изменениями и к кибернетическим экстремальным системам. Книга рассчитана на инженерно-технических и научных работников, работающих в области автоматизации производственных процессов. |
 |
ИЗ ИЗДАНИЯ: В книге приведены результаты работ авторов в области теории эвристической самоорганизации математических моделей сложных систем. Для реализации идеи самоорганизации моделей предложено средство усечения объема перебора моделей. Разработаны многочисленные программы, реализующие многорядную селекцию моделей по методу группового учета аргументов. Книга предназначена для специалистов, работающих в области технической кибернетики или интересующихся ее проблемами. |