Идентификация признакового пространства погружения ЛПР – основа субъектно ориентированного подхода к исследованию сложных объектов
https://doi.org/10.46973/0201-727X_2025_1_133
Аннотация
Осуществлена постановка задачи принятия нетривиальных решений с учетом темперамента, психоэмоционального статуса лица, принимающего решения. Это потребовало уточнения и расширения категориального аппарата исследования. В частности, исследованы понятия субъектно-независимые и субъектно-зависимые признаковые пространства. Проанализированы биоинспирированные методы принятия решений, базовой моделью которых являются конечные автоматы. Введено понятие «конечные автоматы с преимущественным направлением переходов». Разработан механизм идентификации признакового пространства (ПП) исследователя, включающий в себя выбор вида меры близости, алгоритм расчета меры близости. Предложена схема обучения учителя и машины. Показана возможность погружения конечных автоматов в субъектно-зависимое пространство признаков. Названы перспективы исследований, приведены иллюстративные примеры.
Ключевые слова
идентификация признакового пространства моделирования,
субъектно-ориентированный подход,
субъектно-независимые и субъектно-зависимые признаковые пространства,
биоинспирированные методы принятия решений
При поддержке: Статья подготовлена при поддержке гранта НП11-2025 ФГБОУ ВО «МГТУ»: «Природоподобные технологии синтеза систем искусственного интеллекта».
Об авторах
Н. Н. Лябах
Майкопский государственный технологический университет (МГТУ)
Россия
Россия
Лябах Николай Николаевич, научный руководитель Научно-исследовательского центра цифровых, интеллектуальных и инновационных технологий, доктор технических наук, профессор
Д. М. Инухова
Майкопский государственный технологический университет (МГТУ)
Россия
Россия
Инухова Джанета Муратовна, аспирант
Список литературы
1. Горяинов, А. В. Регрессионные факторные модели для оценки рисков на железнодорожном транспорте / А. В. Горяинов, Ю. С. Кан, Е. Н. Платонов // Труды и пленарные доклады участников конференции УКИ’12. – Москва : ИПУ РАН, 2012. – С. 314–320. – ISBN 978-5- 91450100-3.
2. Математические методы в организации транспортных процессов : методические указания по разделу «Линейное программирование» дисциплин «Математические методы в организации транспортных процессов», «Математическое моделирование» для всех форм обучения и направлений подготовки / составитель Ю. А. Захарова. – Нижневартовск, 2023. – 34 с.
3. Кудряшов, М. А. Кластерный анализ маршрутов новой модели управления наземным городским пассажирским транспортом общего пользования / М. А. Кудряшов, Р. С. Айриев, Г. М. Овнанян // Мир транспорта. – 2019. – Т. 17, № 4. – С. 182–195. – ISSN 1992-3252.
4. Лябах, Н. Н. Техническая кибернетика на железнодорожном транспорте : учебник / Н. Н. Лябах, А. Н. Шабельников. – Ростов-на-Дону : СКНЦ ВШ, 2002. – 232 с. – ISSN 1560-3644.
5. Интрилигатор, М. Математические методы оптимизации и экономическая теория / М. Интрилигатор. – Москва : Айрис-Пресс, 2002. – 564 с. – ISBN 5-8112-0042-0.
6. Котенко, И. В. Анализ биоинспирированных подходов для защиты компьютерных систем и сетей / И. В. Котенко, А. В. Шоров, Ф. Г. Нестерук // Труды СПИИРАН. – Москва, 2011. – № 3 (18). – С. 19–73.
7. Звериные алгоритмы: какими представителями животного мира вдохновлялись исследователи для создания алгоритмов. – URL: habr.com/ru/companies/rshb/articles/749930 (дата обращения: 01.03.2025).
8. Розенберг, И. Н. Системы управления сортировочными процессами в рамках идеологии цифровой железной дороги : монография / И. Н. Розенберг, А. Н. Шабельников, Н. Н. Лябах ; Российская академия наук, ВИНИТИ РАН. – Москва : ВИНИТИ РАН, 2019. – 243 с. – ISBN 978-5-902928-82-9.
9. Пенской, А. В. Классическая дифференциальная геометрия / А. В. Пенской. – URL: https://teach-in.ru/file/synopsis/pdf/kdg-seminarspenskoy-MK.pdf?ysclid=m7fxqw6a4i66147865 (дата обращения: 22.02.2025).
10. Mateus, P. On the complexity of minimizing probabilistic and quantum automata / P. Mateus, D. Qiu, L. Li // Information and Computation. – 2012. – Vol. 218. – P. 36–53.
11. Abstract Probabilistic Automata / B. Delahaye, J.-P. Katoen, K. G. Larsen [et al.] // Information and Computation. – 2013. – Vol. 232. – P. 66–116.
Рецензия
Для цитирования:
Лябах Н.Н., Инухова Д.М. Идентификация признакового пространства погружения ЛПР – основа субъектно ориентированного подхода к исследованию сложных объектов. Вестник Ростовского государственного университета путей сообщения. 2025;(1):133-140. https://doi.org/10.46973/0201-727X_2025_1_133
For citation:
Lyabakh N.N., Inukhova D.M. Identification of the feature space of immersion of the decisionmaker – the basis of the subject-oriented approach to the study of complex objects. Vestnik Rostovskogo Gosudarstvennogo Universiteta Putej Soobshcheniya. 2025;(1):133-140. (In Russ.) https://doi.org/10.46973/0201-727X_2025_1_133
Просмотров:
9
JATS XML
Послать статью по эл. почте 