- •Часть 3. Модели распознавания образов.
- •10.1. Постановка задачи распознавания образов.
- •10.1.1. Предмет распознавания образов.
- •10.1.2. Формулировка задачи распознавания образов.
- •10.1.3. Алгоритмы распознавания образов.
- •10.2. Модели распознавания образов на основе линейной алгебры.
- •10.3. Диагностика малых групп в структуре социальной системы.
- •10.3.1. Формирование социометрической матрицы.
- •10.3.2. Выявление малых групп в социуме.
- •10.3.3. Полугрупповые подходы при управлении малыми группами
- •11.1. Искусственный интеллект и нейронаука.
- •11.2. Мозг – как функциональная система.
- •11.3. Нейросетевые модели мозга: требования, описания и
- •11.4. Нейросетевое обучение в дискретной модели Хопфилда/
- •11.5. «Нейросетевая педагогика» и ее приложения.
- •11.6. Нелинейные модели и прогноз развития
- •12.1. Оценка состояния современной информатики
- •12.2. Квантовая физика и квантовая информатика.
- •12.3. Кубиты и операции с ними.
- •12.4. Принципиальная схема квантового компьютера.
- •12.5. Реализации и перспективы квантовой информатики.
10.3.3. Полугрупповые подходы при управлении малыми группами
в социальной системе.
Формально, разбиение социометрической матрицы на «сильные» и «слабые» блоки сводится к определенной перенумерации строк (столбцов) матрицы, которая при этом переходит в некоторую матрицу с выделенными блоками, после чего «сильным» блокам матрицы присваивается значение 1, а «слабым» 0 и, таким образом, реализуется отображение , где соответствующая булева ()-матрица (), выражающая отношение симпатии в группе G.
Совершенно аналогично, путем опроса уровней антипатии, строится булева ()-матрица , выражающая отношение антипатии в учебной группе G. Матрицы ; являются элементами конечной полугруппы булевых ()-матриц, умножение которых определяется по обычным правилам умножения матриц, рассматривая их элементы в рамках булевой алгебры. Интерпретируя матрицу как отношение «друг», а – как отношение «враг», в первую очередь, интерес представляют следующие произведения: («друг друга»); («враг врага»); («друг врага») и («враг друга»). Если использовать данные экспериментов [8], то по 2-му критерию разбиения (п.10.3.2) получается
Непосредственно проверяется:
; ;
т.е., для данного сообщества, друг друга, скорее всего является твоим другом; враг врага не всегда является твоим другом, а друг врага не означает врага друга.
Подобная информация о социальной системе, в частности, учебной группе представляется важной и при обучении данную информацию можно эффективно реализовать по следующим каналам управления. Во-первых, следует задействовать данные по успеваемости, по которым группа разбивается на сильных, средних и слабых учащихся. Сравнивая эти данные с коалициями, которые выявлены в рамках опроса симпатий и антипатий в рассматриваемой группе, прежде всего, устанавливается, каким образом представлены сильные и слабые учащиеся в симпатизирующих коалициях, т.к. при этом проще наладить технологии сотрудничества между сильными и слабыми, что будет способствовать улучшению успеваемости в группе. Со слабыми учащимися, находящимися в антипатии к сильным, стратегия управления может строиться, как по линии организации дополнительных занятий по предмету, так и по пути сглаживания противоречий между сильными и слабыми учащимися. Во-вторых, приведенную полугрупповую конструкцию, выраженную матрицами и , можно развить путем введения представления о «ролевой структуре», как это предложено в работе [9]. Данное представление опирается на одну из теорем теории полугрупп [7], по которой всякое непустое подмножество полугруппы порождает в ней некоторую подполугруппу и ее, в социологическом контексте [9], определяют как ролевую структуру. В частности, в рассмотренном примере ролевая структура представляет собой 2-порожденную подполугруппу . Целесообразность рассмотрения ролевых структур обосновывается следующими соображениями. С одной стороны, по линии изоморфизма полугрупп удается устанавливать универсалии на многообразии сообществ, что позволяет выстраивать стандартные процедуры управления на классах универсальных ролевых структур. С другой стороны, таким образом удается сравнивать различные сообщества путем введения расстояния между ролевыми структурами [7].
Лекция 11. Гештальт-психология и нейросетевые модели обучения.