Аналіз проблеми інформаційного синтезу систем керування, що навчаються, страница 3

У теперішній час можна виділити такі основні підходи до розробки методів автоматичної класифікації:

·   алгебраїчний [117];

·   теоретико-статистичний [117-129];

·   геометричний [63,66,67];

·   структурний (лінгвістичний) [130-136];

·   біонічний (нейромережний) [137-150;

·   мережний [151-153];

·   нечіткий [154-160];

·   теоретико-ігровий [161,162].

Незважаючи на те, що наведені підходи відрізняються один від одного рівнем і видом математичної формалізації слабо формалізованих процесів машинного навчання та прийняття рішень, між ними не існує чіткої межі, а самі підходи часто доповнюють один одного. Так, суть теоретико-статистичних методів навчання полягає в знаходженні роздільної функції, спосіб побудови якої в рамках геометричного підходу задає спосіб розбиття простору на класи розпізнавання. У нейромережних СК задача визначення в процесі навчання, наприклад, оптимальних в інформаційному розумінні радіусів для карт Кохонена [140,146], так само робить перспективним поєднання цього підходу з  геометричним. Оскільки всі основні підходи в теорії автоматичної класифікації, окрім алгебраїчного, перетинаються з геометричним, то саме в рамках геометричного підходу формування загальної теорії високоефективного навчання комп’ютерізованих СК є найбільш виправданим.

Далі в дисертаційній роботі як об’єкт дослідження будуть розглядатися слабо формалізовані процеси автоматичної класифікації в СК, що навчається, тільки в рамках геометричного підходу. При цьому розуміється, що клас СК, що навчаються, поширюється і на здатні  самонавчатися системи, оскільки процес самонавчання можна розглядати як навчання за некласифікованою навчальною матрицею за умови оптимізації відповідних параметрів словника ознак розпізнавання.

1.2.  Логіко-гносеологічний аспект вирішення проблеми інформаційного синтезу СК, що навчаються

Методологія проектування і перспективного розвитку СК пов`язана з аналізом відношень філософських категорій з понятійними структурами конкретно-наукових дисциплін та чіткого розуміння природи інформації, її місця і ролі в системі наукових знань. Формування теорії інформації [163-175] як наукової дисципліни було обумовлено передусім практичними потребами кібернетики, яку з логіко-гносеологічної точки зору можна визначити як перетин категорії управління з відбитою різноманітністю, тобто інформацією (рис.1.1).

Рис. 1.1. До визначення природи інформації

Тенденцією сучасного розвитку кібернетики є підвищення уваги спеціалістів різних галузей науки і техніки до розробки проблеми штучного інтелекту [176-184]. У теперішній час сформувалося три основні підходи до проблеми штучного інтелекту, які розрізняються за характером їх зв`язків з проблемою природного інтелекту:

·  біонічний або структурно-функціональний підхід, який моделює окремі сторони і функції природного інтелекту з різними ступенями наближення до свого прототипу;

·  аналоговий або функціональний підхід, який ґрунтується на аналогії як функціональної діяльності моделі, так і результатів цієї діяльності з оригіналом, тобто природним інтелектом;

·  класифікаційний підхід, який поєднує переваги і усуває недоліки біонічного та аналогового підходів і базується на результатах досліджень академіка П.К. Анохіна [180]. Він експериментально довів, що в основі керування функціональною діяльністю живих істот лежить процес образного навчання. Саме в рамках цього підходу відбувається інтенсивний розвиток ідей і методів теорії автоматичної класифікації для створення кібернетичних систем, здатних навчатися моделювати розумові процеси людини при прийнятті рішень.

Оскільки живий мозок розв`язує задачу за спрямованим планом, який веде думку до визначеної мети, то критерій оптимальності рішень, що приймаються людиною, обумовлений усвідомленою метою і виступає як інформаційний критерій, оскільки процес усвідомлення – це інформаційний процес.