Успехи кибернетики2712-9942OtherМетод построения решений размытых задач на виртуальных решеткахSolving Fuzzy Problems Using Virtual LatticesМышевА. В.MyshevA. V.ipi77777@mail.ruObninsk Institute for Nuclear Power EngineeringОбнинский институт атомной энергетики НИЯУ МИФИ310320267177852710202528122025https://ru.jcyb.ru/nisii_tech/article/view/484

в работе описан новый метод построения решений размытых задач на виртуальных решетках в условиях многофакторной неопределенности. Основной математический и логический посыл содержания и смысла метода состоит в том, что он является продолжением и развитием теории метода виртуальной перспективы. Решения строятся в виде клеточных комплексов на конечных топологиях узлов виртуальных решеток активной памяти среды вычислений.

in this paper, we present a new method for constructing solutions to fuzzy problems on virtual lattices under conditions of multifactor uncertainty. The method is based on and extends the theory of the virtual perspective approach. We built solutions as cellular complexes on finite node topologies of the virtual lattices within the active memory of the computational environment.

клеточный комплексвиртуальные решеткиразмытые задачисреда вычисленийнейронные траекториикомпьютингcellular complexvirtual latticesfuzzy problemscomputing environmentneural trajectoriescomputingМышев А. В. Метод виртуальной перспективы в моделировании размытых задач. Информационные технологии и вычислительные системы. 2010;3:66–78.Мышев А. В. Компьютинг и моделирование размытой задачи Коши методом виртуальной перспективы. Программные продукты и системы. 2012;3:215–221.Мышев А. В. Архитектура виртуальной потоковой вычислительной системы на основе информационной модели нейросети. Информационные технологии. 2014;5:61–78.Нариньяни А. С. Введение в недоопределенность. Информационные технологии. 2007;4. Приложение к журналу.Synge J. L. Introduction to General Relativity. Relativity, Groups and Topology / Eds. C. DeWitt, B. DeWitt. London–Glasgow: Blackie and Son; 1963:3–88.Жуков В. Т., Страховская Л. Г., Федоренко Р. П., Феодоритова О. Б. Об одном направлении в конструировании разностных схем. Журнал вычислительной математики и математической физики. 2002;42(2):222–234.Климов А. Д., Страховская Л. Г., Федоренко Р. П. Метод конечных суперэлементов и гомогенизация. Журнал вычислительной математики и математической физики. 2003;43(5):697–712.Белоцерковский О. М. Математическое моделирование на суперкомпьютерах (опыт и тенденции). Журнал вычислительной математики и математической физики. 2000;40(8):1221–1236.Белоцерковский О. М., Холодов А. С. О мажорантных схемах на неструктурированных (хаотических) сетках в пространстве неопределенных коэффициентов. Журнал вычислительной математики и математической физики. 1999;39(11):1802–1820.Беллер С., Возняцки Г. Анализ и синтез электрических цепей методом структурных чисел. Москва: Мир; 1972. 332 с.Гусев Л. А., Смирнова И. М. Размытые множества. Теория и приложения (обзор). Автоматика и телемеханика. 1973;5:66–85.Мышев А. В. Теория компьютерного восприятия и технологии взаимодействия вычислительного интеллекта с виртуальной средой моделирования. Кибернетика и технологии 21 века: труды 7-ой международной научно-технической конференции. Т. 2. Воронеж: ВГУ; 2006:497–508.Песин Я. Б., Юрченко А. А. Некоторые физические модели, описываемые уравнением реакциидиффузии, и цепочки связанных отображений. УМН. 2004;59(3):81–114.Мышев А. В. Модели активной памяти в технологиях виртуализации каналов передачи и хранения информации. Программные продукты и системы. 2010;1:54–58.Малышев В. А. Гиббсовские и квантовые дискретные пространства. УМН. 2001;56(5):117–172.Хренников А. Ю. Представление когнитивной информации с помощью вероятностных распределений на пространстве нейронных траекторий. Труды МИАН. 2004;5:125–145.Кофман А. Введение в теорию нечетких множеств. Москва: Радио и связь; 1982. 432 с.Дубов Я. А. К теории неопределенности (формальные модели). Отбор и передача информации. 1976;48:3–8.