Академический Документы
Профессиональный Документы
Культура Документы
Данилевич
Современные
проблемы
н а у к и
Учебное пособие
Рекомендовано
НМС по математике и механике
УМО по классическому университетскому
образованию РФ
в качестве учебного пособия
для студентов высших учебных заведений,
обучающихся по группе
математических и механических специальностей
Москва
БИНОМ. Лаборатория знаний
2014
УДК 001
ББК 72.87
Я81
Ясницкий Л. Н.
Я81 Современные проблемы науки [Электронный ре-
сурс] : учебное пособие / Л. Н. Ясницкий, Т. В. Да-
нилевич. — 3-е изд. (эл.). — Электрон. текстовые дан.
(1 файл pdf : 297 с.). — М. : БИНОМ. Лаборатория
знаний, 2014. — Систем. требования: Adobe Reader XI ;
экран 10".
ISBN 978-5-9963-2502-3
Рассмотрены вопросы становления и эволюции науки,
психологии познания, а также способы передачи знаний
и образование как фундаментальная категория науки.
Обсуждаются взаимоотношения науки и философии, науки
и религии, науки и искусства, науки и квазинауки. Особое
внимание уделено проблемам взаимоотношения науки и про-
изводства, негативным последствиям научно-технического
прогресса. Изложены и проанализированы современные мето-
ды получения научных знаний (технологии математического
моделирования и искусственного интеллекта, включая обу-
чение их практическому применению в различных областях
человеческой деятельности).
Книга предназначена для студентов-магистрантов всех
специальностей, а также для читателей, интересующихся
наукой, ее проблемами и современными методами получения
научных знаний.
УДК 001
ББК 72.87
ПРЕДИСЛОВИЕ
Окончание таблицы
1 2 3
511300. Механика, Магистр механики Современные про-
прикладная матема- блемы механики
тика
511600. Прикладные Магистр прикладных Современные про-
математика и физика математики и физики блемы естествознания
511800. Математика, Магистр математики Современные про-
компьютерные науки блемы математики
и компьютерных наук
523300. Прикладная Магистр прикладной Современные про-
информатика информатики блемы прикладной
информатики
540100. Естественно- Магистр естественно- Современные про-
научное образование научного образования блемы науки
540200. Физико-мате- Магистр физико-мате- Современные про-
матическое образова- матического образова- блемы науки
ние ния
540400. Социально- Магистр социально- Современные про-
экономическое обра- экономического обра- блемы науки
зование зования
540500. Технологиче- Магистр технологиче- Современные про-
ское образование ского образования блемы науки и обра-
зования
540600. Педагогика Магистр педагогики Современные про-
блемы науки
552800. Информатика Магистр техники и Современные про-
и вычислительная технологии блемы информатики
техника и вычислительной
техники
552900. Техноло- Магистр техники и Современные про-
гия, оборудование технологии блемы науки в маши-
и автоматизация ма- ностроении
шиностроительных
производств
553000. Системный Магистр техники и Современные про-
анализ и управление технологии блемы системного
анализа и управления
553100. Техническая Магистр техники и Современные про-
физика технологии блемы технической
физики
553300. Прикладная Магистр техники и Современные про-
механика технологии блемы науки в об-
ласти прикладной
механики
Предисловие 5
Рекомендуемая литература
[15], [70], [94], [95]
ГЛАВА 2
СПОСОБЫ ПЕРЕДАЧИ ЗНАНИЙ
Рекомендуемая литература
[4], [11], [53], [87]
ГЛАВА 3
РОЛЬ ОБРАЗОВАНИЯ В СТАНОВЛЕНИИ
НАУКИ
Компьютеризация образования
Компьютеризация обучения относится к числу крупномасштабных
инноваций, пришедших в российское образование.
Образовательный процесс требует подготовки и переподготовки
кадров преподавателей в соответствии с требованиями совре-
менности, в том числе с требованием высокого уровня инфор-
матизации образования. Основным показателем информатизации
образовательного учреждения является оснащенность современными
компьютерными и телекоммуникационными средствами, которая
определяет уровень преподавания учебных дисциплин, разнообразие
и эффективность форм учебной работы. Педагоги должны каче-
ственно изменить содержание, методы и организационные формы
обучения.
Процесс информатизации образования не может произойти
мгновенно, поэтому информатизация образования предполагает
п о э т а п н о с т ь:
на первом этапе должна произойти базовая подготовка в области
информатики на всех ступенях непрерывного образования и внедре-
ния средств новых информационных технологий, в первую очередь,
компьютеров;
42 Глава 3. Роль образования в становлении науки
Рекомендуемая литература
[6], [41], [43], [52], [58], [78], [80], [102], [105], [113]
ГЛАВА 4
НАУКА — ЧАСТЬ ДУХОВНОЙ КУЛЬТУРЫ
познать Его, чтобы тот, познавая и любя Его, мог достичь полноты
истины в себе самом».
Рекомендуемая литература
[3], [19], [22], [65], [99], [121]
ГЛАВА 5
НАУКА: ЭТАПЫ РАЗВИТИЯ
Ионийский этап
Сосредоточением греческой науки и искусства в VI в. до н. э. стала
Иония — группа островов Эгейского моря, расположенных у берегов
Малой Азии. Главным городом ионийской колонии в Древней Греции
был город Милет.
Ионийский этап дал человечеству «семь мудрецов», возглав-
лял которых основатель милетской школы Фалес (625–547 до
н. э.). Фалес считается родоначальником греческой математики.
Но в математику Фалес пришел не сразу: занимался торговлей,
много путешествовал, в зрелые годы, познакомился с достижениями
египетской и вавилонской школ математики и астрономии, увлекся
и посвятил себя наукам, придя к выводу, что только знания
определяют смысл человеческой жизни: «блаженство тела состоит
в здоровье, блаженство ума — в знании». Фалес открыл ряд теорем
о свойствах углов треугольника, окружности. Им был предложен
способ определения расстояния до корабля в море, а также способ
определения высоты египетских пирамид, основанный на подобии
треугольников. Фалесу также принадлежат некоторые открытия
в астрономии.
5.2. Античная наука 69
Афинский этап
Афинский этап охватывает 480–330 гг. до н. э. С Афинским периодом
связаны имена Сократа, Платона, Демокрита и Аристотеля.
Сократ (469–399 до н. э.) не занимался натурфилософией, но
его философские взгляды оказали на развитие науки существенное
влияние. Жизнь Сократа прошла в беседах и критике. Сократовский
метод исследования в виде вопросов получил название «сократовская
ирония». Сократ считал строение мира непознаваемым. Формула
Сократа: «Познай самого себя».
Демокрит (460–370 до н. э.) и его учитель Левкипп выдвинули
идею атомистического строения материи. Демокрит учил, что мир
состоит из атомов — материальных неделимых частиц. Атомы вечны,
они никем не созданы и никогда не исчезнут. Атомистическую
теорию Демокрит применил к математике. Демокрит смог, применяя
свою теорию, определить объем некоторых пространственных фигур.
Мир, по Демокриту, создан не «актом творения», а естественным
процессом.
Платон (428–347 до н. э.) — ученик Сократа. Мировоззрение
Платона оказало влияние на развитие естественных наук. Развивая
учение пифагорейцев, Платон считал, что Вселенная появилась как
«акт творения», и это заключение стало классическим в античной
науке. Философской школой Платона стала созданная им Академия
(название происходит от имени героя античного мифического
Академоса), в которой Платон излагал идеи бестелесных форм
вещей.
Аристотель (384–322 до н. э.) учился в академии Платона,
при дворе Филиппа Македонского был воспитателем Александра
Македонского. Аристотель основал свою философскую школу —
Ликей и руководил ею 13 лет. Творческое наследие Аристотеля
охватывает все области знания того времени. Понятия пространства,
времени и материи у Аристотеля взаимосвязаны и не существуют
одно без другого. Аристотель создал свое ви́дение законченной
физической картины мира. Геоцентрическая космология Аристотеля
объединила все сведения о небесных явлениях в стройную систему,
которая была основополагающей на протяжении сотен лет. Но
главной его заслугой является создание научной системы, в которую
Аристотель сумел свести разрозненные сведения, научный материал,
накопившийся к тому времени. Система знаний, собранных и си-
5.2. Античная наука 71
Древнеримский этап
Он охватывает период с I в. до н. э. по IV в. н. э. Римская
империя была крупнейшим государством древности. Рабовладельцы
поддерживали власть императора. Неудачи походов в Азию Трояна
положили конец римским завоеваниям. Кроме того, усилился натиск
германцев на границе империи. Восстания рабов также расшатывали
огромную и сильную римскую империю. В 395 г. ослабевшая
империя распалась на две части: западную и восточную. Столицей
Восточной империи, называемой Византией, стал Константинополь,
столицей Западной империи — Рим. Распад Римской империи явился
началом умирания античной цивилизации. Но наука не могла
полностью умереть: александрийская эпоха науки все еще давала
результаты. Примером тому служат открытия Клавдия Птолемея
(90–168 н. э.). Главным сочинением Птолемея стала «Математическая
система», дошедшая до нас в арабском переводе под названием
«Альмагест». В «Альтагесте» была представлена теория движения
небесных тел, которая господствовала вплоть до XVI в., пока ее не
сменила теория Коперника. В «Альмагесте» Птолемей сделал то,
что не удалось сделать ни одному из его предшественников: он раз-
работал метод, используя который можно рассчитывать положение
той или иной планеты на любой заданный момент времени. Теория
Птолемея утверждала неподвижность Земли, и поэтому в историю
естествознания вошла как геоцентрическая.
Витрувий (50 г. до н. э. — 20 г. н. э.) — в молодости военный инже-
нер при войсках Юлия Цезаря, в старости — строитель. Впоследствии
Леонардо да Винчи будет считать Витрувия в своих творческих
поисках главным учителем. Витрувием описаны машины для
поднятия тяжестей, водяные мельницы, водочерпательные колеса.
Состояние техники того времени человечество узнало по сочинениям
Витрувия. Работа Витрувия «Об архитектуре» в 10-ти книгах стала
единственным архитектурным трактатом античности.
Античная цивилизация греков и римлян оказала огромное
воздействие на процесс развития всей мировой культуры. В ее
время были созданы шедевры античного искусства, возникла наука
в виде обособленной сферы духовной культуры; знания приобрели
системность, теоретичность, рационализм; возникли научные школы.
74 Глава 5. Наука: этапы развития
Рекомендуемая литература
[18], [32], [36], [46], [81], [103], [104], [115], [127]
ГЛАВА 6
НАУКА И ПРОМЫШЛЕННЫЕ
ТЕХНОЛОГИИ
О с н о в н ы е н а п р а в л е н и я научно-технической револю-
ции:
• качественное преобразование науки: научные открытия ха-
рактеризуются фундаментальностью, расширяются процессы
дифференциации и интеграции научных направлений;
• качественные преобразования в технической базе производ-
ства: внедряется новая технология производства;
• качественные изменения труда работников в процессе про-
изводства: современная техника и технология требует от
персонала работников определенной системы научных знаний;
• формирование наукоемкого сектора экономики (например,
машиностроение, автомобильная, электротехническая, нефте-
химическая промышленности).
Теоретическим ядром научно-технической революции становятся
важнейшие достижения физики, химии, биологии, космологии.
Революция в физике на рубеже XIX— XX вв. сделала прорыв
в науке на глубинный уровень строения материи. Из разделов физики
произросло большинство технических наук. Прогресс физических
наук оказал влияние на все элементы современного производства.
Появлялись новые направления химической науки (элементооргани-
ческая химия, химия комплексных соединений, биохимия, геохимия,
электрохимия, радиохимия и т. д.).
Успехи физических и химических наук способствовали рево-
люционным изменениям в биологических науках. Биохимия заняла
лидирующее место в молекулярной биологии.
Влияние научно-технической революции проявляется в качест-
венных изменениях всех элементов производства — энергетической
базы, предметов и орудий труда, технологии, организации произ-
водства.
Высокие темпы развития науки характерны для тех ее областей,
которые задействуют другие отрасли, создавая новые пути решения
комплексных хозяйственных проблем (создание новых источников
энергии, материалов, космические исследования и т. д.).
98 Глава 6. Наука и промышленные технологии
Рекомендуемая литература
[1], [20], [39], [90]
ГЛАВА 7
НЕГАТИВНЫЕ ПОСЛЕДСТВИЯ НАУЧНО-
ТЕХНИЧЕСКОГО ПРОГРЕССА И ПУТИ
ИХ ПРЕОДОЛЕНИЯ
1)
Мутагены — физические и химические факторы, вызывающие стойкие наслед-
ственные изменения (мутации).
Глава 7. Негативные последствия научно-технического прогресса 115
Рекомендуемая литература
[9], [27], [30], [93]
ГЛАВА 8
НЕОФИЦИАЛЬНАЯ НАУКА
Рекомендуемая литература
[12], [42], [74], [98], [117], [125], [132]
ЧАСТЬ II
СОВРЕМЕННЫЕ МЕТОДЫ
ПОЛУЧЕНИЯ НАУЧНЫХ ЗНАНИЙ
0 a b xi 0 a b xi
а б
D y
Рис. 9.3. Тело D, ограниченное поверхно-
стью S, имеющей внешнюю нормаль n x S
x
y
l
U U2
U1
0 l x
∞ l
2 2 2
2 nπx nπx − n π2 a t
U= f (x) cos dx cos e l . (9.41)
l l l
n=0 0
148 Глава 9. Математическое моделирование. . .
0 l/2 l x
Рис. 9.5. Кривые распределения температуры в стержне в разные моменты
времени (при t → ∞ U → U0 /2)
U
U0
U0 /2
0 l/2 l x
y
r
θ
Рис. 9.7. Системы прямоугольных (x, y) и полярных
x (r, θ) координат
U|r=r0 = U(θ). (9.48)
r2
r0 r0
r1
а б в
Рис. 9.8. Расчетные области: круг (а), кольцо (б), круговая полость (в)
9.3. Краевые задачи, метод разделения переменных Фурье 151
1 1
2π 2π
где an = cos nϕ dϕ;
U(ϕ) bn = sin nϕ dϕ — коэффици-
U(ϕ)
π 0 π 0
енты ряда Фурье.
9.3. Краевые задачи, метод разделения переменных Фурье 153
где
U2 ln r1 − U1 ln r2 U 1 − U2
A0 = ; C= . (9.67)
ln r1 − ln r2 ln r1 − ln r2
Эти значения коэффициентов A0 и C получены подстановкой
(9.66) в (9.65) и последующим решением получившейся в результате
этого системы двух алгебраических уравнений. Решение (9.66)—
(9.67) графически изображено на рис. 9.9 в виде кривой, харак-
теризующей распределение температуры в центральном сечении
рассматриваемой кольцевой области.
r2
r1
U
Рис. 9.9. Кривая распределения
U1 температуры в центральном сече-
нии кольцевой области:
U2 U1 — температура, заданная на границе
r = r1 ; U2 — температура, заданная на
0 r1 r2 r границе r = r2
U0
2 3
1
4
5
12
11
6
10 9 8 7
∗ (S) отличается
в котором граничное значение найденного решения U
∗ (S) |,
от заданного U (S) на некоторую величину δ(S) = | U ∗ (S) − U
∗
P V1
V V2
D
S S
V3
а б в
Рис. 9.17. Заданное тело D (а) мысленно погружается в каноническую
область V (б) или в область пересечения нескольких канонических областей:
V1 ∩ V2 ∩ V3 (в)
ξ ξ θ
D V
а б
Рис. 9.18. Заданное тело D (а) погружается в круг V (б):
ξ — особая точка искомого решения
θ
ξ ξ
V
D
а б
Рис. 9.19. Заданное тело D (а) погружается в кольцевую область V (б)
U = U1 + U 2 , (9.79)
первый из которых
N
U1 = r1n (an1 cos nθ1 + bn1 sin nθ1 ) + c1 ln r1 , N →∞ (9.80)
n=−N
N
U2 = r2n (an2 cos nθ2 + bn2 sin nθ2 ) + c2 ln r2 , N →∞ (9.81)
n=−N
относится к области V2 .
9.5. Интеллектуальное математическое моделирование 173
V1 V2
D r1 r2
θ1 θ2
V1 r1
ξ1 ξ2
а б
Рис. 9.20. Заданное тело D (а) погружается в область пересечения двух
фиктивных колец V1 и V2 (б)
rm , θm ∈ Dm ; m = 1, 2, 3; N → ∞. (9.82)
V1
D1
D
D2 V2
D3 V3
ξ1 ξ2
а б
⎡⎢
N ⎤2
⎥⎥
⎢⎢⎢
J (U) = ⎢⎣ cn Un (p) − U (S)⎥⎥⎥⎦ dS.
∗
(9.88)
S n=1
SP n=1 n=1
⎛N ⎞2 ⎤⎥
⎜⎜⎜
⎟⎟ ⎥⎥
+ ⎜⎜⎝ cn Pzn − Pz ⎟⎟⎟⎠ ⎥⎥⎥⎥⎦ dSP , (9.92)
∗
n=1
метода ФКО. Дело в том, что точно указать особые точки функции,
являющейся решением краевой задачи, можно только в том случае,
если это решение известно. Таким образом, получается, своего рода,
замкнутый круг. Приступая к решению краевой задачи методом ФКО
нам надо заранее знать места расположения особых точек искомого
решения. Определить их координаты можно только по виду решения
краевой задачи, которое неизвестно.
При построении алгоритма, прогнозирующего возможные места
расположения особых точек, будем руководствоваться следующими
соображениями. Допустим, что U(p) — это искомое точное решение
краевой задачи, которое существует как в области D, так и за
ее пределами, причем в точках ξ1 , ξ2 , . . . , ξn , расположенных вне
области D, функция U(p) обращается в бесконечность. Функцию
U(p) можно визуализировать с помощью линий постоянного уровня
(изолиний), а также линий, нормальных к изолиниям, показанных
на рис. 9.22 штриховыми линиями. Линии, нормальные к изоли-
ниям искомого решения, сходятся в особых точках ξ1 , ξ2 , . . . , ξn
функции U(p).
U(x, y)
y
ξ2
ξ3
ξ1
D
x
Рис. 9.22. Точное решение краевой задачи U(x, y), которое существует
как в расчетной области D, так и за ее пределами, причем в точках
ξ1 , ξ2 , . . . , ξn , расположенных вне области D, функция U(x, y) обращается
в бесконечность
9.5. Интеллектуальное математическое моделирование 181
в
Рис. 9.23. К расчету температурных полей лопаток первой (слева) и второй
(справа) ступеней турбины авиационного двигателя:
а — поперечное сечение лопаток, б — результат применения методики прогнозиро-
вания особых точек, в — картина распределения изотерм
cn
C3
α3
C2
α2
C1
dL
α1
C0
Температура, ◦ C
Интенсивность
напряжений,
Па
A B A B
а б
Рис. 9.26. Результаты решения задачи Дирихле для уравнения Лапласа,
полученные с помощью системы REGIONS:
а, б — варианты распределения изолиний внутри квадратной области при различных
граничных условиях
196 Глава 9. Математическое моделирование. . .
Рекомендуемая литература
[25], [47], [136], [137]
ГЛАВА 10
НЕЙРОИНФОРМАТИКА
КАК МЕТОД ПОЛУЧЕНИЯ
НАУЧНЫХ ЗНАНИЙ
Таблица 10.1
Сопоставление принципов построения и свойств современного
компьютера (машины фон Неймана) и человеческого мозга
y y y
1 1 1
0 θ S 0 S 0 S
−1
а б в
x1 x2 x1 x2 x
J
S= wj xj + b, (10.3)
j=1
x3
x1 xj
w2
w1
x0 = 1 wj
b
10.3. ПЕРСЕПТРОН
Мак-Каллок и Питтс предложили конструкцию сети из математи-
ческих нейронов и показали, что такая сеть в принципе может
выполнять числовые и логические операции. Далее они высказали
очень смелое предположение о том, что сеть из математических
нейронов способна обучаться, распознавать образы, обобщать, т. е.
будет обладать свойствами человеческого интеллекта.
Идея Мак-Каллока — Питтса была материализована в 1958 г.
американским ученым Фрэнком Розенблаттом [97, 153], также
считающимся основателем нейроинформатики, сначала в виде
компьютерной программы для IBM-794, а затем, спустя два года,
в виде электронного устройства, моделирующего человеческий глаз
[64]. Это устройство, имеющее в качестве элементной базы мо-
дельные нейроны Мак-Каллока — Питтса и названное персептроном,
удалось обучить решению сложнейшей интеллектуальной задачи —
распознаванию букв латинского алфавита. Таким образом, удалось
проверить основные гипотезы функционирования человеческого
мозга и сам механизм его обучаемости. «Нельзя сказать, что
мы точно воспроизводим работу человеческого мозга, — признавал
Розенблатт, — но пока персептрон ближе всего к истине».
Разберем принцип действия персептрона на примере решения
конкретных задач.
На рис. 10.7 приведен один из простейших вариантов исполнения
персептрона, предназначенного для классификации чисел на четные
и нечетные. Представим себе матрицу из 12 фотоэлементов, располо-
женных в виде четырех горизонтальных рядов по три фотоэлемента
в каждом ряду. На матрицу фотоэлементов накладывается карточка
с изображением числа (на рис. 10.7 — это число «4»). Если на
фотоэлемент попадает какой-либо фрагмент цифры, то данный
фотоэлемент вырабатывает сигнал в виде двоичной единицы,
в противном случае — ноль.
206 Глава 10. Нейроинформатика: метод получения научных знаний
x1 = 0
w1
x2 = 1
w2
xj = 1 wj y
w11
x11 = 1
x12 = 0 w12
wj (t + 1) = wj (t) + xj .
wj (t + 1) = wj (t) − xj .
xj = 1 yj
wij
x11 = 1
x12 = 0
y33 (Я)
1
y= , (10.13)
1 + e−S
1
I
ε= (di − yi )2 . (10.14)
2
i=1
y1
x1 1
y2
x2 2
xj wij yi
i
xJ
yI
I
ε(wij )
w12 (t + 1)
w12(t) w11 (t + 1)
w12 w11 (t)
w11
x1 x2
x2
B2 A2
1
w
1 x1
+w
2 x2
=θ
A1 B1
0 1 x1
Таблица 10.2
Таблица истинности функции «Исключающее ИЛИ»
Точки Значение x1 Значение x2 Значение y
A1 0 0 0
A2 1 1 0
B1 1 0 1
B2 0 1 1
x1 w = 0,5 №1
w=
1
0,5
=− y
w
w №3
=−
0,5
1
x2 w = 0,5 w=
№2
Таблица 10.3
Таблица истинности двухслойного персептрона
(см. рис. 10.14)
x1 x2 S1 S2 y1 y2 S3 y3 y
0 0 0 0 0 0 0 0 0
0 1 −0,5 0,5 0 1 1 1 1
1 0 0,5 −0,5 1 0 1 1 1
1 1 0 0 0 0 0 0 0
y1
x1 1 1
y2
x2 2 2
xn win wij yi
j i
xN
yI
J I
I
δj = yj (1 − yj ) δi wij . (10.36)
i=1
10.7. Многослойный персептрон 221
xN
yM
H1 H3 Hk
где y(0)
j = xj ; x0 = 1; y(k−1)
0
= 1; выходные сигналы персептрона
yi = y(K)
i .
Шаг 4. Обратный проход.
В циклах по k = K, K −1, . . . , 1; i = 1, 2, . . . , Hk ; j = 1, 2, . . . , Hk−1
вычисляются синаптические веса на новой эпохе
где
Δw(k) (k) (k−1)
ij = ηδi yj , (10.40)
причем для выходного слоя k = K согласно (10.31)
δ(K)
i = (di − yi )yi (1 − yi ),
10.7. Многослойный персептрон 223
1
Q M
ε= (di − yi )2 . (10.42)
Q
q=1 i=1
x1
y1 (Истина)
x2
xj y2 (Ложь)
xJ−1
xJ
Таблица 10.4
Выборка обучающих примеров действий персонажа компьютерной
игры
Персонаж
Количество Персонаж имеет Здоровье Действие
врагов имеет нож пистолет персонажа персонажа
(x1 ) (x2 ) (x3 ) (x4 ) (d)
0 0 1 1 2 (передвигаться)
1 0 1 1 1 (атаковать)
1 0 0 1 4 (убегать)
1 0 0 0 3 (прятаться)
1 1 1 0 3 (прятаться)
1 1 0 1 1 (атаковать)
0 1 1 0 2 (передвигаться)
5 1 1 2 1 (атаковать)
10 1 1 2 4 (убегать)
ε; εT , %
ε
εT
N0 N
Рис. 10.20. Характерная зависимость погрешности обучения ε и погрешно-
сти обобщения εT от количества нейронов внутренних слоев персептрона N
εT
t0 t
1 T
ε(w + p) = ε(w) + [g(w)]T p + p H(w)p + . . . , (10.46)
2
а матрица
⎡ ∂2 ε ∂2 ε ⎤
⎢⎢⎢ ... ⎥⎥⎥
⎢⎢⎢ ∂w ∂w ∂w1 ∂wn ⎥⎥⎥
⎢⎢ 1 1 ⎥⎥⎥
H(w) = ⎢⎢⎢⎢ . . . ... ... ⎥⎥⎥ ,
⎢⎢⎢ 2 ⎥⎥⎥
⎣⎢ ∂ ε ∂2 ε ⎥⎦
...
∂wn ∂w1 ∂wn ∂wn
составленная из производных второго порядка, называется матрицей
Гессе или гессенианом.
Разложение (10.46) можно считать квадратичным приближением
целевой функции ε(w) в окрестности точки w с точностью
погрешности отсеченной части O(h3 ), где h = p, т. е.
1
ε(w + p) = ε(w) + [g(w)]T p + pT H(w)p + O(h3 ). (10.47)
2
а б
в г
Рис. 10.23. Движение точки наблюдения по поверхности ошибок нейросети,
обучаемой методом обратного распространения ошибки (а), (б), методом об-
ратного распространения ошибки с учетом инерции (в), ParTan-методом (г)
0 Wij
ε ε
t t
а б
ε ε
t t
в г
ε ε
10
t t
д е
ε(w) ε(w)
wi wi
а б
Тип задачи
Эффективность
Тип задачи
dm − dm min
dm = (b − a) + a, (10.60)
dm max − dm min
где dm ,
dm — заданное и масштабированное значение m-й компоненты
вектора D; dm min = 30, 6; dm max = 31, 8.
Обученный на такой выборке персептрон будет формировать
выходной вектор Y , содержащий значения курса доллара, приве-
денные к диапазону [a, b]. Поэтому к ним должно быть применено
преобразование, обратное масштабированию (10.60):
ym − a −
ym = (dm max dm min ) + dm min . (10.61)
b−a
y y
1 1
0 S 0 S
−1
а б
1, если S 0; 1 , если S 0;
y= y=
0, если S < 0; −1, если S < 0,
I
где S = xi wi , причем w0 = −1; x0 = θ, θ — пороговое значение
i=0
нейрона.
Линейные активационные функции. На рис. 10.31, а показан
график линейной активационной функции y = S с неограниченной
областью изменения. Такие функции могут иметь и ограниченную
область изменения: y = −1 при S < −1; y = S при −1 S 1; y = 1
при s > 1 (рис. 10.31, б).
y y
1 1
S S
−1
а б
y y
1 1
S S
−1
а б
Рис. 10.32. Сигмоидные активационные функции с несимметричной (а)
и симметричной (б) областями изменения
Рекомендуемая литература
Как следует из предыдущего изложения, нейронные сети яв-
ляются мощнейшим инструментом получения научных знаний,
универсальным инструментом построения математических моделей
широчайшего класса объектов, процессов и явлений. Вместе с тем,
теория нейронных сетей весьма далека от завершения. Ежегодно
в мире выходит огромное количество научных работ, посвященных
дальнейшему развитию нейросетевых технологий. Предлагаются
282 Глава 10. Нейроинформатика: метод получения научных знаний
Предисловие . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
Часть I
Наука и образование: историко-
культурологический аспект 11
Глава 1. Психология познания . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.1. От познания — к науке . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.2. Наука, творчество, интуиция . . . . . . . . . . . . . . . . . . . . . . . . . 13
Вопросы и задания для самопроверки . . . . . . . . . . . . . . . . 19
Рекомендуемая литература . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
Глава 2. Способы передачи знаний . . . . . . . . . . . . . . . . . . . . . . . 20
2.1. Возникновение письменности . . . . . . . . . . . . . . . . . . . . . . . . 20
2.2. Из истории книги. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.3. Из истории библиотек . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.4. Информационный взрыв . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
Вопросы и задания для самопроверки . . . . . . . . . . . . . . . . 28
Рекомендуемая литература . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
Глава 3. Роль образования в становлении науки. . . . . . . . . . 30
3.1. Образование — ступень к науке: исторический ракурс . . . . 32
3.2. Современное российское образование и его проблемы. . . 37
3.3. Болонский процесс . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
Вопросы и задания для самопроверки . . . . . . . . . . . . . . . . 52
Рекомендуемая литература . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
Глава 4. Наука — часть духовной культуры . . . . . . . . . . . . . . . 54
4.1. Наука и философия . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
4.2. Наука и религия . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
4.3. Наука и искусство . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
Вопросы и задания для самопроверки . . . . . . . . . . . . . . . . 63
Рекомендуемая литература . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
Глава 5. Наука: этапы развития . . . . . . . . . . . . . . . . . . . . . . . . . . 64
5.1. Истоки науки. Эпоха мифологии . . . . . . . . . . . . . . . . . . . . . 66
5.2. Античная наука. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
5.3. Средневековая наука. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
Оглавление 293
Часть II
Современные методы получения научных знаний 127
Глава 9. Математическое моделирование как метод полу-
чения научных знаний . . . . . . . . . . . . . . . . . . . . . . . . . . 131
9.1. Виды моделирования . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
9.2. Этапы и цели математического моделирования . . . . . . . . . 133
9.3. Краевые задачи, метод разделения переменных Фурье и его
развитие . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
9.4. Современный кризис прикладной математики и его воз-
можные последствия для цивилизации . . . . . . . . . . . . . . . . 157
9.5. Интеллектуальное математическое моделирование . . . . . . . 166
9.5.1. Метод фиктивных канонических областей (ФКО) 166
9.5.2. Интеллектуальные проблемы метода ФКО . . . . . . 179
9.5.3. Система интеллектуального математического мо-
делирования REGIONS . . . . . . . . . . . . . . . . . . . . . . 189
9.5.4. Метод ФКО — метод точного аналитического ре-
шения краевых задач. . . . . . . . . . . . . . . . . . . . . . . . 192
Вопросы и задания для самопроверки . . . . . . . . . . . . . . . . 195
Рекомендуемая литература . . . . . . . . . . . . . . . . . . . . . . . . . . 196
Глава 10. Нейроинформатика как метод получения научных
знаний . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197
10.1. Мозг и компьютер . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199
294 Оглавление