Презентация на тему "Моделирование как метод познания. Классификация моделей. Информационные модели. Методы моделирования."

Содержание

• 
  Слайд 1
  

  Моделирование как метод познания. Классификация моделей. Информационные модели. Методы моделирования.

• 
  Слайд 2
  
• 
  Слайд 3
  

  Моделирование - это процесс исследования объекта познания на его модели.

• 
  Слайд 4
  

  Модель – это условный (материальный) или мыслимый образ объекта (предмета, явления, процесса), который используется в определенных условиях в качестве его представителя («заместителя») и отражает его свойства и взаимосвязи, важные в рамках данного исследования. Между объектом и его моделью существует некоторое подобие, которое проявляется либо в сходстве физических характеристик, либо в сходстве реализуемых (осуществляемых) функций, либо в тождестве их поведения в конкретной среде.

• 
  Слайд 5
  

  Цели моделирования: понять, как устроен конкретный объект, как он функционирует; научиться управлять объектом (или процессом), определить наилучшие способы управления; прогнозировать последствия такого управления. Моделировать можно: объекты (предметы) процессы явления.

• 
  Слайд 6
  

  Моделирование объекта Оригинальный объект: Крейсер «Аврора» в 1903 году Модели крейсера: 1. Крейсер Аврора Модель 1:100 в музее Черноморского флота. 2. Крейсер "АВРОРА" - миниатюра из LEGO 3. Чертёж крейсера «Аврора»

• 
  Слайд 7
  

  Во всех случаях мы имеем образ реального объекта или явления, «заместителя» некоторого «оригинала», воспроизводящего его с той или иной достоверностью и подробностью.

• 
  Слайд 8
  

  Моделирование процесса: Моделирование прохождения судном узкого канала (стрелкой показано направление смещения носа корабля из-за формирования поля высокого давления по правому борту судна).

• 
  Слайд 9
  

  Моделирование явления - Моделирование явления образования волн вокруг корабля с использованием модели VOF в ANSYS CFX.

• 
  Слайд 10
  

  Модель возникает из реальной ситуации, когда мы огрубляем ситуацию, отбрасывая менее значимые факты (естественно, с точки зрения решаемой задачи) и оставляя наиболее важные – этап формализации. После этого модель «живет» своей жизнью – этап имитации– до тех пор, пока мы снова не соотносим ее с реальной ситуацией – этап интерпретации.

• 
  Слайд 11
  

  Важный вопрос – соответствие свойств модели свойствам исходного (натурного) объекта. Модель должна адекватно отражать исследуемые свойства изучаемого объекта. При изменении характера исследований необходимо убедиться, что модель не вышла за границы применения. Например, с помощью модели Крейсера Аврора (Модель 1:100), находящейся в музее Черноморского флота, можно познакомиться с боевой мощью корабля, но нельзя исследовать судно на мореходные качества.

• 
  Слайд 12
  
• 
  Слайд 13
  

  Классификация моделей. Типы и свойства моделей. Как правило, при подходе к классификации моделей учитывается: - отрасль знаний; - область их использования; - способ представления; - учет в модели временного фактора, и т.д.

• 
  Слайд 14
  

  1. Можно классифицировать модели по тому, «к какой отрасли» знаний или деятельности человека они относятся, например: - физической; - биологической; - географической, и т.п.

• 
  Слайд 15
  

  Физическое моделированиепозволяет изучать физико-химические и технологические процессы на моделях, имеющих ту же физическую природу, что и оригинал. Примеры: в биофизике – 1) Сердце представляется насосом.

• 
  Слайд 16
  

  2) Почка человека и аппарат «искусственной почки».

• 
  Слайд 17
  

  Биологические - один живой объект заменяется другим. 1). Лабораторные крысы

• 
  Слайд 18
  

  2)Кровеносная система свиньи может служить адекватной моделью кровеносной системы человека.

• 
  Слайд 19
  

  3)Географическая модель. Пример: Топографическая карта содержит и графические образы, и специальные символы (знаки).

• 
  Слайд 20
  

  2. Классификация моделей по области использования: 1)Учебные модели– используются при обучении (это наглядные пособия (картины, таблицы, схемы), различные тренажеры (клавиатурный тренажер), обучающие программы ( мультимедийные обучающие программы для изучения иностранных языков, овладения компьютерными навыками, снятия стрессов, и др.). Пример: учебная модель «Сменный прикус».

• 
  Слайд 21
  

  2)Опытные модели – это уменьшенные или увеличенные копии проектированного объекта. Они используются для исследования объекта и прогнозирования его будущих характеристик. Пример: модель подводной лодки помогает понять, как должно проходить всплытие подводного корабля во льду.

• 
  Слайд 22
  

  3)Научно-технические модели создаются для исследования процессов и явлений. Пример: большой адро́нныйколла́йдер (англ. Large Hadron Collider, LHC; сокращенноБАК) — ускоритель заряженных частиц на встречных пучках, предназначенный для разгона протонов и тяжёлых ионов (ионов свинца) и изучения продуктов их соударений.

• 
  Слайд 23
  

  4)Игровые – репетиция поведения объекта в различных условиях. Это военные, экономические, спортивные, деловые игры. Модели как бы репетируют поведение объекта в различных ситуациях, проигрывая их с учетом возможной реакции со стороны конкурента, союзника или противника. С помощью игровых моделей можно оказывать психологическую помощь больным, разрешать конфликтные ситуации, прививать ситуации успешности личности и т.д. Пример: Трехсторонние российско-британо-американские военно-морские маневры.

• 
  Слайд 24
  

  5)Имитационные модели – это отражение реальности в той или иной степени (это метод проб и ошибок). Имитационные модели не просто отражают реальность с той или иной степенью точности, а имитируют её. Эксперименты с моделью проводятся при разных исходных данных. По результатам исследования делаются выводы. Это своеобразный метод проб и ошибок в поиске правильного решения. Пример: система моделирования виртуального дома.

• 
  Слайд 25
  

  3. Классификация моделей по способу их представления.  По способу представления модели разделяются на материальные (предметные) и абстрактные. Материальные моделивоспроизводят геометрические и физические свойства оригинала и всегда имеют реальное воплощение (глобус, детские игрушки, макеты машин, кораблей, самолетов, ракет и т.д.) Пример: модель порта с железной дорогой

• 
  Слайд 26
  

  Абстрактные модели – основу таких моделей составляет информация, а такой тип моделирования реализует теоретический метод познания окружающей действительности. В свою очередь абстрактные модели имеют свою внутреннюю классификацию и делятся на: - мысленные, - вербальные, - информационные. Мысленные моделиформируются в воображении человека в результате раздумий, умозаключений, иногда в виде некоторого образа.  

• 
  Слайд 27
  

  Пример: «Мыслитель» Огюста Родена и «мысленная» модель скульптуры со стороны врача-ортопеда. 

• 
  Слайд 28
  

  Вербальные модели: мысленная модель может быть выражена в разговорной форме в этом случае она часто называется вербальный (от лат. Verbalis - устный). Вербальную модель человек использует для передачи своих мыслей другим. 1.Гол забит неправильно 2.Назначенный удар разрешается произвести 3.Гол забит – мяч на центр 4.Время первой половины матча или всей игры истекло 5.Нарушения нет, продолжать игру 6.Свободный удар

• 
  Слайд 29
  

  Информационные модели– целенаправленно отобранная информация об объекте (совокупность информации об объекте), которая отражает наиболее существенные для исследователя свойства этого объекта, связи между ними. Пример: информационная модель корабля

• 
  Слайд 30
  

  Информационная модель – это связанная совокупность информационных объектов, описывающих информационные процессы в исследуемой предметной области.

• 
  Слайд 31
  

  Типы информационных моделей:

• 
  Слайд 32
  

  Пример: Табличные информационные модели– объекты и их свойства представлены в виде списка, а их значения размещаются в ячейках прямоугольной формы. Перечень однотипных объектов размещен в первом столбце (или строке), а значения их свойств размещаются в следующих столбцах (или строках).

• 
  Слайд 33
  

  Иерархические – объекты распределены по уровням. Каждый элемент высокого уровня состоит из элементов нижнего уровня, а элемент нижнего уровня может входить в состав только одного элемента более высокого уровня. Пример: Файловая структура как пример иерархической модели.

• 
  Слайд 34
  

  Сетевые – применяют для отражения систем, в которых связи между элементами имеют сложную структуру. Пример: Образное представление Глобальной сети

• 
  Слайд 35
  

  Классификация моделей по степени формализации (от лат. forma - вид, образ) отображение объектов некоторой предметной области с помощью символов к. л. языка.). По степени формализации информационные модели бывают образно-знаковые и знаковые.

• 
  Слайд 36
  

  Образно-знаковые модели: Геометрические - рисунок, пиктограмма, чертеж, карта, план, объемное изображение. Пример: Ацтекская пиктограмма «мир»

• 
  Слайд 37
  

  2) Структурные - таблица, граф, схема, диаграмма.

• 
  Слайд 38
  

  3) Словесные - описание естественными языками. Мой портрет «Вы просите у меня мой портрет,Но написанный с натуры;Мой милый, он быстро будет готов,Хотя и в миниатюре. Я молодой повеса,Еще на школьной скамье;Не глуп, говорю не стесняясь,И без жеманного кривлянья. Никогда не было болтуна,Ни доктора Сорбонны –Надоедливее и крикливее,Чем собственная моя особа…» (1814)

• 
  Слайд 39
  

  4. Алгоритмические - нумерованный список, пошаговое перечисление, блок-схема. Пример: Блок-схема решения квадратного уравнения.

• 
  Слайд 40
  

  Знаковые модели: 1. Математическая модель представлена математическими формулами, отображающими связь параметров. Пример:

• 
  Слайд 41
  

  Знаковые модели: 2. Специальные модели – представлены на специальных языках: ноты, химические формулы и т.д.

• 
  Слайд 42
  

  3. Алгоритмические – компьютерные программы. Пример: Photostage 1.0: бесплатная программа для создания слайд-шоу.

• 
  Слайд 43
  

  5.По отношению к фактору времени модели можно разделить на статические и динамические (по тому, как отражается в них динамика происходящих процессов).   Статическая модель – это единовременный срез информации по данному объекту (содержит один элемент). Примеры: Результаты контрольной работы по одной из тем. Фотография человека Стивен Хокинг - один из самых известных ученых в мире, вошедший в список "100 гениев современности", автор теории черных дыр, британский математик и астрофизик.

• 
  Слайд 44
  

  Динамическая модель - это картина изменения объекта во времени (если состояний больше одного, или они могут изменяться во времени). Примеры: 1. Анализ успеваемости по предмету за год 2. Изменение внешности человека со временем.

• 
  Слайд 45
  
• 
  Слайд 46
  

  6. По характеру времени динамические модели подразделяют на: непрерывные (с непрерывным множеством состояний), дискретные (множество состояний конечно или счетно); Примеры: 1).Динамическая модель- модель изменения численности популяции со временем ( модель Мальтуса).

• 
  Слайд 47
  

  2).Дискретная модель - модель численности населения в России.

• 
  Слайд 48
  

  7. По условиям перехода из одного состояния в другое различают детерминированные модели и стохастические. В детерминированных моделях новое состояние зависит только от прошедшего времени и текущего состояния системы, (если есть условия, определяющие переход системы в новое состояние, можно однозначно указать, в какое именно состояние она перейдет. Для стохастической модели (вероятностной) можно указать лишь множество возможных состояний перехода и, в некоторых случаях, - вероятностные характеристики перехода в каждое из этих состояний.

• 
  Слайд 49
  

  Примеры: 1)Пример детерминированноймодели - игра «Жизнь», придуманная Д. Конвеем в 1970 году. Место действия этой игры — размеченная на клетки поверхность. Каждая клетка на этой поверхности может находиться в двух состояниях: быть живой или быть пустой. Клетка имеет восемь соседей. Распределение живых клеток в начале игры (первое поколение) задается игроком. После этого клетки взаимодействуют согласно правилам уже без его участия. Каждое следующее поколение рассчитывается на основе предыдущего по двум правилам:

• 
  Слайд 50
  

  Пустая клетка, рядом с которой ровно три живые клетки, становится живой; Если у живой клетки есть две или три живые соседки, то эта клетка продолжает жить; в противном случае (если соседей меньше двух или больше трёх) клетка умирает (от «одиночества» или от «перенаселённости»). 1.Колония клеток перемещается в пространстве, не меняя своей численности. 2."Райский сад". Статическая (стационарная) ситуация.

• 
  Слайд 51
  

  Джон Хортон Конвей (род. 1937) — английский математик.

• 
  Слайд 52
  

  2).Пример стохастической модели: Процесс выбора модели для уличного художника носит вероятностный характер.

• 
  Слайд 53
  

  7. По области возможных приложений модели подразделяют на: 1.)специализированные и универсальные. Специализированные модели представлены на специальных языках (знаковых системах). Примеры: ноты песни, химические формулы и т.д. Специализированные модели более дорогие, они применяются для описания уникальных систем. 2.) универсальные: принципиально разные реальные явления могут описываться одной и той же моделью.

• 
  Слайд 54
  

  Пример универсальной модели: Закон гармонических колебаний описывает не только поведение груза на пружине, но и другие колебательные процессы, зачастую имеющие совершенно иную природу: колебания уровня жидкости в U-образном сосуде или изменение силы тока в колебательном контуре. К универсальным моделям принято относить базы данных, базы знаний, экспертные системы.

• 
  Слайд 55
  

  Методы и технологии моделирования Этапы построения модели

• 
  Слайд 56
  

  1-й этап: Постановка задачи: Под задачей в самом общем смысле этого слова понимается некая проблема, которую надо решить. На этапе постановки задачи необходимо отразить три основных момента: описание задачи, определение целей моделирования и анализ объекта или процесса. Описание задачи По характеру постановки все задачи можно разделить на две основные группы: первая группа - как изменятся характеристики объекта или процесса, при некотором воздействии на него (задачи типа что будет, если...) и вторая группа- какое воздействие нужно произвести, чтобы произвести изменение характеристик объекта или процесса до определенных значений (как сделать, чтобы...) Цель моделирования Познание окружающего мира, создание объектов с заданными свойствами, определение последствий воздействия на объект, эффективность управления объектом или процессом. Анализ объекта Результат анализа объекта появляется в процессе выявления его составляющих (элементарных объектов) и связей между ними.

• 
  Слайд 57
  

  Пример: Проблема: распознавание зрительных, слуховых образов, на основе попытки воспроизвести механизмы мышления, происходящие в мозгу человека (возможна огромная область применения: от распознавания текста до распознавания целей на экране радара) Постановка задачи: Как сделать так, чтобы компьютер мог распознавать (понимать?) отдельные символы? Цель: создание систем искусственного интеллекта, основанных на имитации умственной деятельности человека, моделирующих процессы, протекающие в мозге. Анализ объекта:

• 
  Слайд 58
  

  Мозг человека состоит из белого и серого веществ: белое - это тела нейронов, а серое - это соединительная ткань между нейронами, или аксоны и дендриты, связанные между собой. Мозг любого человека насчитывает примерно из 1011 нейронов. Каждый нейрон получает информацию через свои дендриты, а передает ее дальше только через единственный аксон, разветвляющийся на конце на тысячи синапсов.

• 
  Слайд 59
  

  Простейший нейрон может иметь до 10000 дендритов, принимающих сигналы от других клеток. Таким образом, мозг содержит примерно 1015 взаимосвязей. Если учесть, что любой нейрофизиологический процесс активизирует сразу множество нейронов, то можно представить себе то количество информации или сигналов, которое возникает в мозгу. Нейроны взаимодействуют посредством серий импульсов, длящихся несколько миллисекунд, каждый импульс представляет собой сигнал с частотой от нескольких единиц до сотен герц.

• 
  Слайд 60
  

  Это невообразимо медленно по сравнению с современными компьютерами, но в тоже время человеческий мозг гораздо быстрее машины может обрабатывать аналоговую информацию, как-то: узнавать изображения, чувствовать вкус, узнавать звуки, читать чужой почерк, оперировать качественными параметрами. Все это реализуется посредством сети нейронов, соединенных между собой синапсами. Другими словами, мозг — это система из параллельных процессоров, работающая гораздо эффективнее, чем популярные сейчас последовательные вычисления.

• 
  Слайд 61
  

  2-й этап: Разработка модели. Построение информационной модели является отправным пунктом разработки модели. моделирования. Знаковая модель Информационная модель, как правило, представляется в той или иной знаковой форме, которая может быть компьютерной или некомпьютерной. Компьютерная модель- модель реализованная средствами программной среды. При моделировании на компьютере необходимо иметь представление о классах программных средств, их назначении, инструментарии и приемах работы (тогда легко можно преобразовать информационную знаковую модель в компьютерную и провести эксперимент).

• 
  Слайд 62
  

  Пример: Информационная модель, представленная в знаковой форме: Первые нейросети были созданы в конце 50-х годов 20 века американскими учеными Розенблаттом и Мак-Кигюком. Это были попытки создать системы, моделирующие человеческий глаз и его взаимодействие с мозгом.

• 
  Слайд 63
  

  Устройство, созданное ими, получило название персептрона (perception — восприятие). Оно умело различать буквы алфавита. Но главной особенностью этого устройства была способность к обучению. Элементарный персептрон Розенблатта

• 
  Слайд 64
  

  Перед началом работы устройству демонстрировались обучающие примеры символов, а затем, после завершения обучения, персептрон мог различать различные символы, которым его обучили. То есть в общем случае, обучение - такой выбор параметров сети, при котором сеть лучше всего справляется с поставленной проблемой.

• 
  Слайд 65
  

  Простейший классический персептрон содержит нейроподобные элементы трех типов, назначение которых в целом соответствует нейронам рефлекторной нейронной сети. S-элементы формируют сетчатку сенсорных клеток, принимающих двоичные сигналы от внешнего мира. Далее сигналы поступают в слой ассоциативных или A-элементов (для упрощения изображения часть связей от входных S-клеток к A-клеткам не показана).

• 
  Слайд 66
  

  Только ассоциативные элементы, представляющие собой формальные нейроны, выполняют нелинейную обработку информации и имеют изменяемые веса связей. R-элементы с фиксированными весами формируют сигнал реакции персептрона на входной стимул. Компьютерная программа (фрагмент), реализующая однослойный персептрон:

• 
  Слайд 67
  

  3-й этап. Компьютерный эксперимент.  С развитием вычислительной техники появился новый уникальный метод исследования - компьютерный эксперимент. Этап проведения компьютерного эксперимента включает две стадии: составление плана моделирования и технологию моделирования. План моделирования должен четко отражать последовательность работы с моделью. Первым пунктом плана часто является разработка теста, а вторым -тестирование модели. Тестирование - проверка правильности модели. Тест - набор исходных данных, для которых заранее известен результат. Технология моделирования - совокупность целенаправленных действий пользователя над компьютерной моделью.

• 
  Слайд 68
  

  Пример: Для тестирования качества обучения персептрона разработана отдельная программа TEST (текст и результаты работы которой тоже приводятся). Структуры используемых данных и работа программы аналогичны программе PERC. Для тестирования также используются случайные вектора. Результаты теста весьма удовлетворительны, нейронная сеть успешно справляется с задачей с точностью до ошибок во 2-3 знаке ответа. Интерпретация этих ошибок не вызывает затруднений или недоразумений.

• 
  Слайд 69
  
• 
  Слайд 70
  

  На основе модели персептрона Розенблатт построил первый в мире автомат для распознавания изображений букв, который был также назван “персептроном” Этот автомат имел очень простую однослойную структуру и мог решать только относительно простые (линейные) задачи. Персептрон передавал сигналы от фотоэлементов, представляющих собой сенсорное поле, в блоки электромеханических ячеек памяти.

• 
  Слайд 71
  

  В 1957 году в Корнелльской Лаборатории Аэронавтики успешно было завершено моделирование работы персептрона на компьютере IBM 704, а два года спустя, 23 июня 1960 года в Корнелльском университете, был продемонстрирован первый нейрокомпьютер — «Марк-1», который был способен распознавать некоторые из букв английского алфавита. Фрэнк Розенблатт (11.7.1928, Нью-Рошелл, — 1971, США), американский психолог со своим творением — «Марк-1»

• 
  Слайд 72
  

  и …шуточный рисунок на тему персептрона…

• 
  Слайд 73
  

  4-й этап: Анализ результатов моделирования: Конечная цель моделирования - принятие решения, которое должно быть выработано на основе всестороннего анализа полученных результатов.

• 
  Слайд 74
  

  Пример: В результате анализа результатов моделирования персептрона, сам Розенблатт выделил два фундаментальных ограничения для трёхслойных перцептронов (состоящих из одного S-слоя, одного A-слоя и R-слоя): отсутствие у них способности к обобщению своих характеристик на новые стимулы или новые ситуации, а также неспособность анализировать сложные ситуации во внешней среде путём расчленения их на более простые.

• 
  Слайд 75
  

  В 1969 году Марвин Минский и Сеймур Паперт опубликовали книгу «Персептроны», где математически показали, что персептроны, подобные розенблаттовским, принципиально не в состоянии выполнять многие из тех функций, которые хотели получить от персептронов. К тому же, в то время была слабо развита теория о параллельных вычислениях, а персептрон полностью соответствовал принципам таких вычислений.

• 
  Слайд 76
  

  После периода, известного как «Зима искусственного интеллекта», интерес к кибернетическим моделям возродился в 80-х годах, Минский публично выразил сожаление, что его выступление нанесло урон концепции персептронов, хотя книга лишь показывала недостатки отдельно взятого устройства и некоторых его вариаций. VS

• 
  Слайд 77
  

  Искусственные нейронные сети прочно вошли в нашу жизнь и в настоящее время широко используются при решении самых разных задач и активно применяются там, где обычные алгоритмические решения оказываются неэффективными или вовсе невозможными.

• 
  Слайд 78
  

  В числе задач, решение которых доверяют искусственным нейронным сетям, можно назвать следующие: распознавание текстов, игра на бирже, контекстная реклама в Интернете, фильтрация спама, проверка проведения подозрительных операций по банковским картам, системы безопасности и видеонаблюдения — и это далеко не все.

• 
  Слайд 79
  

  Здравоохранение. В свое время в США была введена в действие система обнаружения мошенничеств в области здравоохранения. Было подсчитано, что потери бюджета от такого рода фальсификаций составляют около 730 млн. долл. в год. Создание специализированной нейросетевой системы заняло у фирмы ITC более года и обошлось всего в 2,5 млн. долл. Тестирование новой системы показало, что нейронная сеть позволяет обнаруживать 38% случаев мошенничества, тогда как использовавшаяся до нее экспертная система давала только 14%.

• 
  Слайд 80
  

  В медицинской диагностике нейронные сети нередко используются вместе с экспертными системами. Компанией «НейроПроект» была создана система объективной диагностики слуха у грудных детей. Общепринятая методика диагностики состоит в том, что в процессе обследования регистрируются отклики мозга в ответ на звуковой раздражитель, проявляющиеся в виде всплесков на электроэнцефалограмме.

• 
  Слайд 81
  

  Для диагностики слуха ребенка опытному эксперту-аудиологу необходимо провести около 2 тыс. тестов, нейронная сеть способна с той же достоверностью определить уровень слуха уже по 200 наблюдениям в течение всего нескольких минут, причем без участия специалиста.

• 
  Слайд 82
  

  Между тем нейронные сети уверенно продолжают проникать в нашу жизнь, и примеров тому немало. Чего только стоит развлекательный робот AIBO  — электронная самообучающаяся собака с элементами искусственного интеллекта, выпускаемая Sony. Ну что, вы готовы к встрече с будущим? Развлекательный робот компании