- •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
В чем заключается смысл моделирования как метода научного познания?
Моделирование базируется на математической теории подобия, согласно которой абсолютное подобие может иметь место лишь при замене одного объекта другим точно таким же. При моделировании большинства систем (за исключением, возможно, моделирования одних математических структур другими) абсолютное подобие невозможно, и основная цель моделирования - модель достаточно хорошо должна отображать функционирование моделируемой системы.
Моделирование (в значении "метод", "модельный эксперимент") рассматривается как особая форма эксперимента, эксперимента не над самим оригиналом (это называется простым или обычным экспериментом), а над копией (заместителем) оригинала. Здесь важен изоморфизм систем (оригинальной и модельной) - изоморфизм, как самой копии, так и знаний, с помощью которых она была предложена.
В чем заключаются особенности имитационного и машинного моделирования?
Компьютерное моделирование - основа представления знаний в ЭВМ (построения различных баз знаний). Компьютерное моделирование для рождения новой информации использует любую информацию, которую можно актуализировать с помощью ЭВМ. Прогресс моделирования связан с разработкой систем компьютерного моделирования, которые поддерживает весь жизненный цикл модели, а прогресс в информационной технологии - с актуализацией опыта моделирования на компьютере, с созданием банков моделей, методов и программных систем, позволяющих собирать новые модели из моделей банка. Автономные подмодели модели обмениваются информацией друг с другом через единую информационную шину - банк моделей, через базу знаний по компьютерному моделированию. Особенность компьютерных систем моделирования - их высокая интеграция и интерактивность. Часто эти компьютерные среды функционируют в режиме реального времени.
Имитационное моделирование (ситуационное моделирование) — метод, позволяющий строить модели, описывающие процессы так, как они проходили бы в действительности. Такую модель можно «проиграть» во времени как для одного испытания, так и заданного их множества. При этом результаты будут определяться случайным характером процессов. По этим данным можно получить достаточно устойчивую статистику.
Имитационное моделирование — это метод исследования, при котором изучаемая система заменяется моделью, с достаточной точностью описывающей реальную систему, с которой проводятся эксперименты с целью получения информации об этой системе. Экспериментирование с моделью называют имитацией (имитация — это постижение сути явления, не прибегая к экспериментам на реальном объекте).
В чем ограничены возможности механизации?
Однако механизация имеет естественный предел - работой механизмов управляет человек его возможности ограничены физиологически. Нельзя делать лопату слишком широкой - поднимать ее придется человеку. Машина не должна иметь слишком много приборов — индикаторов и рычагов управления:
у человека всего два глаза и две руки. Скорость реакции человека ограничена, поэтому механизация очень быстрых процессов бессмысленна. Короче говоря, сам человек является "узким местом" механизации.
