Владимир Петров - Структурный анализ систем

Лингвистическая концепция Харриса основана на идее, что базовые классы сущностей языка могут быть сгруппированы по сходным свойствам распределения. Например, слово «тетя» связано со словами «женщина», «дядя» и «мужчина» так, что тётю можно описать формулой:

Тётя = Дядя — Мужской + Женский

Основываясь на этой лингвистической аналогии, исследовательская группа создала алгоритм Atom2Vec с концепциями, взятыми из Word2Vec от Google, и запустила его на двухслойной нейронной сети для разбора естественного языка.

Только применили Atom2Vec не к словам, а к атомам. А в итоге получилась периодическая таблица элементов 17 17 URL: https://zen.yandex.ru/media/id/5a3bc6e5256d5ca91fc90afe/vozmojen-velikii-ishod-fizikov-iz-professii-5bf0250c77784200aae611f5?&from=feed .

Рассмотрим особенности применения EAK анализа для систем обработки информации.

Процесс обработки информации характерен для многих систем, но для систем обработки информации он является главным. Он имеет свои особенности и закономерности.

В этих системах элемент представлен в виде данных( Д) и на английском (Data — D), действие — функция( Ф) и на английском (Function — F) и знание( З) и на английском (Knowledge — K). Модель, включающая Данные, Функцию, Знание (на английском Data, Function, Knowledge), будем называть ДаФЗ, на английском — DFK.

Методику анализа и преобразования ДФЗ будем назвать ДаФЗ- анализ, на английском — DFK-анализ.

В системах обработки информации мы имеем дело с данными и функциями.

Данные — это часть информации, поступающей в систему.

Функция — это действие по обработке данных в системе.

Знание — это совокупность обоснованной, доказательной, эмпирической и воспроизводимой информации. Главное отличие знаний от данных состоит в их структуризации и активности. Знания доступны вне связи с поступающими данными и задаются во время разработки системы или ее обновления. Появление в базе новых факторов или установление новых связей может стать источником изменений в принятии решений.

8.5.2. ДаФЗ-анализ

Система неуправляема, если функция постоянна и не зависит от данных. Этот случай можно представить, как неполный ДаФЗ (8.12):

Как правило, имеются некоторые предварительные знания , которые могут быть использованы для корректировки функций в соответствии с классом входных данных. Такую модель будем называть полный ДаФЗ, простой ДаФЗили ДаФЗ.Эту модель можно представить в следующем виде (8.13):

Система может адаптировать свои функции путем анализа входных данных и выбора наилучшей стратегии обработки данных. Такую структуру будем называть адаптивным ДаФЗ. Она может быть представлена в следующем виде (8.14):

Эта концепция может помочь исследовать различные системы обработки информации, определять эффективность их работы и выбрать путь для улучшения идеальности таких систем.

Пример 8.17. Система сжатия данных

Рассмотрим систему сжатия данных.

1. Тип входных данных неизвестен. В этом случае единственным надежным подходом является метод сжатия без потерь. При этом осуществляется относительно низкая степень сжатия. Эта система не использует знаний, поэтому это неполный ДаФЗ (8.12).

2. Если тип данных известен (например, изображение или звук), то для этого типа данных может быть использована конкретная схема сжатия (например, JPEG для изображений и MP3 для аудиопотоков). Выбранная схема сжатия использует структуру данных, что позволяет осуществить более высокую степень сжатия данных по сравнению с первым примером. Эта схема использует только внешние знания, полученные извне системы, без какого-либо анализа входных данных. Это пример простого ДаФЗ (8.13).

3. Наилучшая производительность сжатия может быть осуществлена путем анализа входных данных и определения типа данных (например, фото, рисунок, текст и т. д.). Выбирается наилучший метод сжатия для конкретного типа данных. Эта система использует как внешние знания, полученные извне системы, так и внутренние знания, собранные путем анализа входных данных. Это пример адаптивного ДаФЗ (8.14).

8.5.3. Закономерности увеличения степени ДаФЗа

Системы обработки информации подчиняются закону увеличения степени ДаФЗа. Мы сформулировали четыре закономерности увеличения степени ДаФЗа.

1. Закономерность многоступенчатой обработки.

2. Закономерность обработки многих источников.

3. Закономерность приспособляемости.

4. Закономерность многоступенчатой обработки.

Закономерность многоступенчатой обработки

Закономерность многоступенчатой обработкигласит: любая система обработки информации, как правило, обрабатывает данные в несколько этапов. То есть при увеличении сложности обработки обработка разделена на несколько этапов. Есть ряд различных причин многоступенчатой обработки:

1. Распределенные системы. Система, в которой обработка информации осуществляется различными компонентами.

Пример 8.18. Глобальные сети информации

В глобальной сети информация распределена на многих серверах. Обработка информации осуществляется на серверах и на персональном компьютере клиента.

2. Оптимизационное развитие. Сложные системы делятся на компоненты так, что каждый компонент может быть разработан и проверен самостоятельно. Минимизация связи между компонентами позволяет развивать систему более эффективно и быстро.

Пример 8.19. Разделение на компоненты

Практически все системы обработки информации разделены на компоненты, например программные комплексы разделены на модули, а отдельные программы — на функции.

В соответствии с закономерностью многоступенчатой обработки простой ДаФЗ становится простым многоступенчатым ДаФЗом . В простом многоступенчатом ДаФЗ каждая стадия обработки не зависит от всех других, только передаются данные. Простой многоступенчатый ДаФЗ превращается в согласованный многоступенчатый ДаФЗ , в котором частичное количество знаний осуществляет обмен между этапами обработки. Наконец, согласованный многоступенчатый ДаФЗ становится общим многоступенчатым ДаФЗ . В общем многоступенчатом ДаФЗ все знания полностью распределяются между всеми этапами обработки (рис. 8.9).