Моделирование сложных систем по экспериментальным данным, Ивахненко А.Г., Юрачковский Ю.П., 1987

Моделирование сложных систем по экспериментальным данным, Ивахненко А.Г., Юрачковский Ю.П., 1987.
 
   Описан новый аппарат моделирования — метод группового учета аргументов, предназначенный для восстановления структуры и параметров искомых зависимостей и долгосрочного прогнозирования на основе экспериментальных данных. Рассмотрены формальные прогнозирующие модели и алгоритмы долгосрочного прогноза. Изложена теория метода в применении к идентификации закономерностей поведения объекта по выборке наблюдений.
Для инженеров, занимающихся моделированием с использованием ЭВМ.




Об интерактивных (человеко-машинных) алгоритмах.
Результаты моделирования действительно сложных объектов методом самоорганизации показывают, что пора изменить отношение к интерактивным алгоритмам, таким, как метод экспертных оценок, диалоговый режим человек — машина, современный (субъективный) системный анализ, где множество переменных, уравнения элементов и границы области моделирования назначает модельер независимо от информационных свойств выборки данных наблюдений. Применение этих алгоритмов указывает не на силу, а на слабость работы, на то, что автор ее не смог или не сумел использовать творческие (т. е. переборные) возможности ЭВМ и, может быть, навязал машине свое представление об объекте, которое ему было известно еще в начале моделирования. Только методом самоорганизации можно найти объективные прогнозирующие модели.

Прогнозы разных авторов, использующих различные алгоритмы перебора моделей, разные выборки данных, не обязательно будут совпадать. Каждый прогноз должен сопровождаться оценкой достигнутого минимума критерия и тем самым до начала прогноза будет ясно, какой из прогнозов является более достоверным. Критерий точности пошагового прогноза является мерой его достоверности. Субъективные прогнозы имитационного моделирования можно сравнивать между собой только по тому, выполняются они в действительности или нет, что, естественно, не удовлетворяет заказчиков, тех, кто в этих прогнозах нуждается.

ОГЛАВЛЕНИЕ.
Предисловие.
Глава 1. Методы самоорганизации прогнозирующих моделей сложных систем.
1.1. Имитационное моделирование и самоорганизация.
1.2. Как достигается объективный характер самоорганизующихся моделей?.
1.3. Как достигается непротиворечивость самоорганизующихся моделей.
1.4. Как достигается помехоустойчивость самоорганизации моделей.
1.5. Многокритериальный выбор модели.
1.6. Объективный системный анализ.
1.7. Прямое и обратное преобразования характеристик.
Глава 2. Объективный системный анализ и количественный долгосрочный прогноз.
2.1. Общая, структура алгоритма долгосрочного количественного прогнозирования.
2.2. Значение и логическое обоснование объективных методов долгосрочного количественного прогноза.
Глава 3. Структурное моделирование по выборкам наблюдений.
3.1. Постановка задачи.
3.2. Критерии минимизации ошибки прогноза.
3.3. Канонические формы квадратических критериев.
3.4. Задача разбиения.
Глава 4. Алгоритмы МГУА структурного моделирования по выборкам наблюдений.
4.1. Уточнение постановки задачи.
4.2. Комбинаторные алгоритмы.
4.3. Гармонические алгоритмы.
4.4. Итерационные алгоритмы.
4.5. Сходимость итерационных алгоритмов.
4.6. Геометрическая интерпретация МГУА.
4.7. Алгоритмы с нелинейными частными описаниями.
4.8. Основные проблемы современного этапа развития МГУА.
Заключение.
Список литературы.



Бесплатно скачать электронную книгу в удобном формате, смотреть и читать:
Скачать книгу Моделирование сложных систем по экспериментальным данным, Ивахненко А.Г., Юрачковский Ю.П., 1987 - fileskachat.com, быстрое и бесплатное скачивание.

Скачать pdf
Ниже можно купить эту книгу по лучшей цене со скидкой с доставкой по всей России.Купить эту книгу


Скачать - djvu - Яндекс.Диск.




Теги: учебник по информатике :: информатика :: компьютеры :: Ивахненко :: Юрачковский