Cтраница 3
Чрезвычайно важно правильно осмыслить природу различия между детерминированными и вероятностными системами. Подлинно научное обоснование того, является ли это различие принципиальным и должно ли оно быть принято в качестве аксиомы, отсутствует, хотя некоторые философы заявляют, что им это известно. Существо проблемы сводится к тому, является ли вероятностная система в действительности детерминированной, но не понятой нами до конца. Очевидно, что при достижении исчерпывающего познания вселенной вероятное. [31]
Следует отметить, что в Х - модели строится булева вероятностная система, основанная на классической булевой логике. [32]
Совершенно иная картина наблюдается, однако, в отношении класса очень сложных вероятностных систем. Так, например, экономика государства настолько сложна и настолько случайна, что было бы наивным считать, что ее когда-либо удастся полностью описать. [33]
Как известно, работа любой машины представляет со - бой вероятностную систему. [34]
Взгляд на организационно-технологическую структуру машиностроительного производства как на единую, весьма сложную, вероятностную систему позволяет на основе изложенных соображений сделать следующие основные выводы. [35]
Зона неопределенности, Неопределенные задачи, Неполнота информации; см. также Вероятностная система, Риск, Статистический ( или вероятностный) подход к изучению экономики. [36]
Абстрактная система, Адаптирующиеся, адаптивные системы, Большая система, Вероятностная система, Выделение системы, Входы и выходы системы, Детерминированная система, Динамическая система, Дискретная система, Диффузная система, Замкнутая ( закрытая) система, Иерархическая структура, Имитационная система, Информационная система, Информационно-развивающаяся система, Кибернетическая система, Координаты системы, Надсис-тема, Нелинейная система, Непрерывная система, Открытая система, Относительно обособленная система, Память системы, Подсистема, Портрет системы, Разомкнутая система, Рефлексная система, Решающая система, Самонастраивающаяся система, Самообучающаяся система, Самоорганизующаяся система, Сложная система, Состояние системы, Статическая система, Стохастическая система, Структура системы, Структуризация системы, Управляющая система, Устойчивость системы, Целенаправленная система, Экономическая система, Функционирование экономической системы. [37]
Если же мы перейдем в область подлинно кибернетических машин на уровне очень сложных вероятностных систем, то увидим, что плоды, которые они могут принести, соответственно гораздо богаче. Достоинство кибернетики как науки даже на том уровне ее понимания, которого мы пока что достигли, заключается в том, что она усматривает возможность такого перехода. Для кибернетики проблемы, возникающие при создании машин, представляющих собой модели мозга, сводятся к отысканию методов, необходимых для перехода от одной области изучаемых систем к другой. Она считает, что эти две области не являются более принципиально отличными в определенном отношении. По существу, нет никаких оснований утверждать, что, если наука может удовлетворять нужды производства, расширяя физические способности человека, она ничего не в состоянии сделать, чтобы расширить возможности того, что обычно называют его умственными способностями. Очевидно, нет никаких сомнений в том, что ей под силу и это. [38]
Обращаясь к формулировке целей АСОД и учитывая, что реальная АСОД есть вероятностная система ( желаемые характеристики ее выхода достигаются лишь с некоторой степенью вероятности), можно заключить: наиболее естественным критерием оценки качества работы АСОД является вероятность выполнения условий t T3, е Ез, у Гз, где t - время обработки данных; 8 - точность получаемых результатов; у - надежность АСОД; Т, Е3, Г3 - заданные значения рассматриваемых параметов. [39]
Некоторые проблемы представляют карты, создаваемые по данным, которые получены с использованием вероятностной системы. Такие проблемы не являются уникальными при случайном пробоотборе, но могут обнаруживаться только тогда, когда результаты случайного пробоотбора пригодны для сравнения. Например, когда веса проб ( фактор протяженности, приложенный к величине случайной пробы для получения популяционной оценки) являются достоверно различными, относительно редкие проявления приобретают определенную значимость для карты, как единого целого. Вторым примером является графическое представление показателей водотоков различного порядка или озер разных размеров, которое может скрывать ( или создавать) наложение географических образцов, что ошибочно может быть отнесено скорее к стрессорам, чем к региональным образцам типов систем, в которых взяты пробы. [40]
В этом случае графическое построение зависимости R или D от d удобно осуществлять в логарифмической вероятностной системе координат. [41]
Этот непростой вопрос рассматривается нами в статьях: Статистический подход - в первом разделе, Вероятностная система - во втором разделе словаря. Здесь же отметим, что приоритет, предоставляемый в условиях социалистической системы перспективным планам перед прогнозами, вовсе не умаляет значения последних. Разумеется, сама возможность вырабатывать и реализовать перспективные планы развития национальной экономики в целом - неоспоримое преимущество социализма. Однако велико и значение прогнозов. [42]
Вторым существенным критерием, на котором основывается наша классификация, является различие между детерминированными и вероятностными системами. Эти мудреные определения можно очень просто пояснить. Детерминированной системой следует считать систему, в которой составные части взаимодействуют точно предвидимым образом. При исследовании детерминированной системы никогда не возникает никакой неопределенности. Если задано предыдущее состояние системы и известна программа переработки информации, то, определив динамическую структуру системы, всегда можно безошибочно предсказать ее последующее состояние. [43]
Любое производство, в том числе и производство с относительно простой организационно-технологической структурой, является очень сложной вероятностной системой. Исходя из этого английский кибернетик Стаффорд Вир [2] делает вывод, что эффективные системы управления производством должны строиться на основе рассмотрения производства в целом как кибернетической системы. [44]
Выше, при обосновании необходимости системного подхода к моделированию ХТС, отмечалось, что современные химические производства представляют собой сложные динамические вероятностные системы, состоящие из большого числа взаимосвязанных типовых технологических стадий, участков и процессов. [45]