- •1. Обработка информации и проблема интерпретации. Роль математического моделирования
- •Основные этапы математического моделирования
- •2. Основные понятия теории систем. Система и системное свойство
- •Понятия, характеризующие функционирование и развитие систем
- •Элемент
- •Подсистема
- •Структура
- •Состояние
- •Поведение
- •Модель функционирования (поведения) системы
- •3. Классификация систем
- •4. Взаимодействие системы с окружающей средой. Метаболизм
- •5. Определение понятия модели. Методы моделирования и классификация моделей
- •6. Математическая и компьютерная модель. Уровень идеализации и принцип минимальности
- •7. Цели моделирования и требования, предъявляемые к модели. Этапы компьютерного моделирования
- •8. Классификация математических и компьютерных моделей
- •Классификация км
- •9. Линейные модели и линейные системы уравнений. Проблемы вырождения и обусловленности
- •10. Интерполяция данных. Формулировка задачи интерполяции. Линейная интерполяция
- •Геометрическая интерпретация
- •11. Интерполяция полиномом и сплайны
- •Интерполяция многочленами
- •Метод решения задачи Полином Лагранжа
- •Полином Ньютона
- •Погрешность интерполирования
- •Выбор узлов интерполяции
- •12. Многомерная интерполяция данных
- •13. Идентификация моделей и задачи аппроксимации. Линейная аппроксимация и линеаризация
- •14. Нелинейная аппроксимация. Аппроксимация функцией произвольного вида. Аппроксимация полиномом
- •15. Нелинейная аппроксимация. Метод вложенных алгоритмов
- •16. Численное дифференцирование. Устойчивость и выбор шага дифференцирования
- •17. Вычисление определенных интегралов. Сравнительная характеристика методов Методы численного интегрирования
- •Интегрирование методом Монте-Карло
- •Обычный алгоритм Монте-Карло интегрирования
- •18. Метод Монте-Карло. Вычисление кратных интегралов
- •19. Моделирование стационарного состояния нелинейных систем
- •20. Моделирование динамики систем. Уравнения переходных процессов
- •Скалярное уравнение динамики системы
- •Векторное уравнение динамики системы
- •21. Моделирования динамики систем и численные методы решения задачи Коши
- •22. Жесткие системы. Неявные методы. Эквидистантный метод
- •23. Использование метода Монте-Карло при построении модели оптической пары "излучатель-приемник".
- •24. Стохастические модели. Получение случайных чисел с заданным распределением.
- •1.4. Моделирование случайных величин с заданным законом распределения
- •1. Метод нелинейного преобразования, обратного функции распределения
- •2. Метод Неймана
- •3. Метод кусочной аппроксимации
- •4. Некоторые специальные методы моделирования случайных величин
- •25. Модель источника случайных воздействий
- •26. Моделирование процессов кристаллизации. Расчет плоского кластера
- •27. Моделирование инерционных систем
- •28. Распределенные системы. Модель зонной печи
1. Обработка информации и проблема интерпретации. Роль математического моделирования
Знания – то, что добывается наукой
Инфо включет в себя знание:
--эмпирическая (с помощью измерений, дается природой в ответ на усилия)
--теоретическая (модели, теории, строим самостоятельно)
Наука оперирует инфо. Теор инфо интерпретация эмпир инфо.
Математическое моделирование – самая совершенная форма представления знаний (точное и строгое).
Информация - нечеткое понятие. Теория инф (начало – работы Шенона)
инфо:
-в общем (теория инфо, теория вероятности). Получение информац шума ничего не добавляет к нашим знаниям содержат инфо.
-содержательная [семантическая, позитивная] (интуитивная, нет строгих подходов).
Вычислительный эксперимент – сопоставить данные (увелич производит и надежность проектир, уточняется модель, получается новая инфо)
Поскольку информация не материальна, её обработка заключается в различных преобразованиях. К процессам обработки можно отнести любые переносы информации с носителя на другой носитель. Информация предназначенная для обработки называется данными.
Основным видом обработки первичной информации, полученной различными приборами, является преобразование в форму, обеспечивающую её восприятие органами чувств человека. Так, фотоснимки космоса, полученные в рентгеновских лучах, преобразуются в обычные цветные фотографии с использованием специальных преобразователей спектра и фотоматериалов. Приборы ночного видения преобразуют изображение, получаемое в инфракрасных (тепловых) лучах, в изображение в видимом диапазоне. Для некоторых задач связи и управления необходимо преобразование аналоговой информации в дискретную и наоборот. Для этого используются аналого-цифровые и цифро-аналоговые преобразователи сигналов.
Важнейшим видом обработки семантической информации является определение смысла (содержания), заключающегося в некотором сообщении. В отличие от первичной семантическая информация не имеет статистических характеристик, то есть количественной меры — смысл либо есть, либо его нет. А сколько его, если он есть — установить невозможно. Содержащийся в сообщении смысл описывается на искусственном языке, отражающем смысловые связи между словами исходного текста. Словарь такого языка, называемый тезаурусом, находится в приемнике сообщения. Смысл слов и словосочетаний сообщения определяется путем их отнесения к определенным группам слов или словосочетаний, смысл которых уже установлен. Тезаурус, таким образом, позволяет установить смысл сообщения и, одновременно, пополняется новыми смысловыми понятиями. Описанный вид обработки информации применяется в информационно-поисковых системах и системах машинного перевода.
Одним из широко распространенных видов обработки информации является решение вычислительных задач и задач автоматического управления с помощью вычислительных машин.
Обработка информации всегда производится с некоторой целью. Для её достижения должен быть известен порядок действий над информацией, приводящий к заданной цели. Такой порядок действий называется алгоритмом. Кроме самого алгоритма необходимо также некоторое устройство, реализующее этот алгоритм. В научных теориях такое устройство называется автоматом.
Следует отметить как важнейшую особенность информации тот факт, что в силу несимметричности информационного взаимодействия при обработке информации возникает новая информация, а исходная информация не теряется.
Матем модель – это идея ио набор взаимосвяз и четко определ понятии, отображ свойства или поведение объекта или процесса.
комп модель – это программа, отображ свойства системы и поведение объекта или системы.
С середины XX в. в самых различных областях человеческой деятельности стали широко применять математические методы и ЭВМ. Возникли такие новые дисциплины, как «математическая экономика», «математическая химия», «математическая лингвистика» и т. д., изучающие математические модели соответствующих объектов и явлений, а также методы исследования этих моделей.
Математическая модель — это приближенное описание какого-либо класса явлений или объектов реального мира на языке математики. Основная цель моделирования — исследовать эти объекты и предсказать результаты будущих наблюдений. Однако моделирование — это еще и метод познания окружающего мира, дающий возможность управлять им.
Математическое моделирование и связанный с ним компьютерный эксперимент незаменимы в тех случаях, когда натурный эксперимент невозможен или затруднен по тем или иным причинам. Например, нельзя поставить натурный эксперимент в истории, чтобы проверить, «что было бы, если бы...» Невозможно проверить правильность той или иной космологической теории. В принципе возможно, но вряд ли разумно, поставить эксперимент по распространению какой-либо болезни, например чумы, или осуществить ядерный взрыв, чтобы изучить его последствия. Однако все это вполне можно сделать на компьютере, построив предварительно математические модели изучаемых явлений.