Свойства гипотезы как модели знаний

Saved in:

Bibliographic Details
Published in:	Моделювання та інформаційні технології
Date:	2009
Main Authors:	Валькман, Ю.Р., Валькман, Р.Ю., Исмагилова, Л.Р.
Format:	Article
Language:	Russian
Published:	Інститут проблем моделювання в енергетиці ім. Г.Є. Пухова НАН України 2009
Online Access:	https://nasplib.isofts.kiev.ua/handle/123456789/29673
Tags:	Add Tag No Tags, Be the first to tag this record!
Journal Title:	Digital Library of Periodicals of National Academy of Sciences of Ukraine
Cite this:	Свойства гипотезы как модели знаний / Ю.Р. Валькман, Р.Ю. Валькман, Л.Р. Исмагилова // Моделювання та інформаційні технології: Зб. наук. пр. — К.: ІПМЕ ім. Г.Є. Пухова НАН України, 2009. — Вип. 53. — Бібліогр.: 13 назв. — рос.

Institution

Digital Library of Periodicals of National Academy of Sciences of Ukraine

_version_	1860152282651295744
author	Валькман, Ю.Р. Валькман, Р.Ю. Исмагилова, Л.Р.
author_facet	Валькман, Ю.Р. Валькман, Р.Ю. Исмагилова, Л.Р.
citation_txt	Свойства гипотезы как модели знаний / Ю.Р. Валькман, Р.Ю. Валькман, Л.Р. Исмагилова // Моделювання та інформаційні технології: Зб. наук. пр. — К.: ІПМЕ ім. Г.Є. Пухова НАН України, 2009. — Вип. 53. — Бібліогр.: 13 назв. — рос.
collection	DSpace DC
container_title	Моделювання та інформаційні технології
first_indexed	2025-12-07T17:52:00Z
format	Article
fulltext	УДК 658(075.8) Ю. Р. Валькман, д.т.н., зав. отд., Р. Ю. Валькман, н. с., Л. Р. Исмагилова, н. с., Международный научно-учебного центр информационных технологий и систем НАН и МОН Украины СВОЙСТВА ГИПОТЕЗЫ КАК МОДЕЛИ ЗНАНИЙ Введение. Данная работа продолжает серию публикаций «На пути к автоматизации синтеза и анализа гипотез». Результаты соответствующих исследований, опубликованы в [1-6]. Объектом исследования являются процессы порождения и обоснования гипотез. Предмет исследования – свойства гипотез как моделей. Цель исследования – разработка моделей и методов генерации гипотез в исследованиях сложных систем. Ожидаемые результаты – разработка интеллектуальной компьютерной технологии, поддерживающей синтез и анализ гипотез исследуемых процессов и объектов. Само слово «гипотеза» всем известно: в обиходе оно обозначает любое предположение. Обычно предположение так или иначе связано с проблемной ситуацией, т. е. с вопросом или с группой взаимообусловленных вопросов, возникающих в ходе какой-то деятельности. Не на всякие вопросы могут быть сразу даны однозначные ответы в виде категорических суждений; иной раз ответы принимают форму предположений, догадок, допущений. В психологическом плане предположению соответствуют субъективные состояния, включающие в себя известное сомнение, неуверенность в том, что дело обстоит так-то и так-то. Именно поэтому предположения нуждаются в проверке. Иногда они легко и быстро проверяются какими-то несложными действиями. Скажем, чтобы проверить возникшую догадку (если угодно, можно назвать ее гипотезой), что знакомый голос в соседней комнате принадлежит тете Тане, достаточно открыть дверь; примерно так же просто проверяются предположения (и их при желании можно назвать гипотезами) об источнике шума за окном, о том, что причиной болевых ощущений в ноге является гвоздь в подошве, что экран телевизора погас из-за сгоревшего предохранителя и т. д. Другие предположения (гипотезы) проверить сложнее. Именно об этих гипотезах (чаще, научных) мы будем говорить. Проверка подобных предположений требует определенных, достаточно длительных, и, по существу, исследовательских действий (включающих наблюдение, отбор материала и др.), направленных на то, чтобы исключить случайный результат. Но, в любом случае, в гипотезе отражаются наши предположения, догадки о решении соответствующей задачи, проблемы (что это, как это сделать, как оно устроено, почему происходит и т. д.). В гипотезе, поскольку она является формой приобретения нового знания, изначально заложена идея развития. Действительно, по самой сути дела гипотеза не может быть самоценной. Она ведь и задумана всего лишь как предположение, рассчитана на то, чтобы, сыграв преходящую роль в становлении некоего фрагмента знания, затем сойти со сцены. Формулирование гипотез является одной из важных интеллектуальных операций. Сложность этой операции осознают все учёные. Недаром постановка проблемы считается в науке существенной частью любого исследования. Гипотеза - это научно обоснованное предположение о причинах или закономерных связях каких-либо явлений или событий природы, общества, мышления. Специфика гипотезы - быть формой развития знаний - предопределяется основным свойством мышления, его постоянным движением - углублением и развитием, стремлением человека к раскрытию новых закономерностей и причинных связей, что диктуется потребностями практической жизни. Для построения компьютерных технологий генерации и анализа гипотез, нам необходимо выяснить, в какой форме представлены соответствующие знания и как их использовать. 1. Концепция трех миров Видимому, целесообразно начать с вопроса – «где находится знание?». То есть с проблемы его локализации. Эта проблема не настолько тривиальна, как может показаться. Для этого лучше всего начать с классики. Великий славянский философ восемнадцатого века Григорий Сковорода в своем сочинении «Потоп змиин» еще в 1780-х годах (см. в [7]) описал концепцию трех миров. Согласно его описанию, в первый мир входит окружающая нас реальность (по английски Reality – R). Во второй мир входит внутренний мир человека (английский термин Mind или М). Третий мир, согласно Г. Сковороде, есть мир знаков (signs – или S). Действительно, этот мир не пересекается ни с одним из первых двух миров. Трудно сомневаться в автономности существования мира знаков в эпоху Интернета. Особенно, если это было предсказано более двухсот лет назад. Схема трех миров Г. Сковороды представлена на рис.1. Независимо от Сковороды к открытию третьего мира пришли некоторые западные философы XX века – например Карл Поппер. Этот мир он даже называл «третьим миром» [8]. Эта парадигма давно уже не является периферийной, полузабытой или невостребованной. Философия Карла Поппера входит в аспирантский минимум [8]. Концепция К. Поппера представлена в верхней части рис. 2. Можно продолжить рассуждение о том, как эта теоретическая конструкция может послужить информационным технологиям, в частности, более ясному пониманию того, что есть знание. И становится ясно, более актуальной и плодотворной является проблема не первичности, а принадлежности. Действительно, данные – это явления реального мира (R). Это намагниченные участки дисков, бороздки грампластинок и CD, модулированные радиоволны и т.д. Их можно измерить, а часто и увидеть или пощупать. Однако эти данные несут в себе закодированную информацию, которая может быть воспринята только если она преобразуется в знаки (S) – например, визуальные, звуковые. На экране компьютера мы видим их знаковое содержание. Через динамик мы слышим закодированные звуки с грампластинки или переданные по радио. Это не является открытием, а констатацией факта. То есть информация имеет знаковую природу и принадлежит миру знаков. Аналогичное рассуждение приводит к выводу, что знание принадлежит внутреннему миру человека (М). В полном объеме только в сознании человека происходят сложные и простые когнитивные процессы – от сложных доказательств теорем до Аристотелевых силлогизмов. Итак, данные – это объекты материального мира. Информация – это знаки, полученные при преобразовании данных в сознании человека или в процессоре компьютера. Знания же пока есть только у человека или в самом элементарном виде в кибернетических системах. Здесь же уместно вспомнить о триаде «данные-информация-знания» и о семиотическом треугольнике Г. Фреге (см., например, в [10]). Вполне очевидно, что миры М и S – это системы моделей; т. к. соответствующие объекты являются отражением сущностей реального мира R. При этом любая знаковая модель S – это представление (на некотором носителе и языке) наших мыслей М об объектах R. И, хотя гипотеза рождается в М, она является результатом анализа R (или S(R), например, измерительные матрицы [2,4]). А для ее анализа, обсуждения, доказательства («превращения» в теорию), нам необходимо построить знаковую модель S(R) или S(М), или S(М(R)). Возможно, целесообразно ввести в рассмотрение еще один классификатор моделей: гипотезы и теории. Заметим, таким образом, фактически, модели играют роль своеобразного посредника между субъектом и реальностью. 1. RReeaalliittyy –– RR 2. MMiinndd -- ММ 3. SSiiggnnss –– SS Рис. 1. Схема миров Г. Сковороды 2. Миры в ДСМ-методе В. К. Финна Интересную спецификацию мира 1 у Поппера (или мира R у Сковороды) предложил [9] В. К. Финн в своем ДСМ-методе автоматического порождения гипотез. С точки зрения методологии науки утверждение о том, что мир 1 изучается в различных науках посредством соответствующих понятийных систем и исследовательских методов, оказывается вполне тривиальным. Более содержательным подходом была бы классификация типов "подмиров", являющихся частными случаями мира 1. Следующие спецификации мира 1 могут быть выделены в соответствии с характеризацией универсумов, содержащих изучаемые события. – Мир 1-1 состоит из случайных событий, изучаемых вероятностными методами. – Мир 1-2 состоит из событий, между которыми имеются причинно- следственные отношения. – Мир 1-3 объединяет характеризации мира 1-1 и мира 1-2, а именно, в мире 1-3 имеются как причинно-следственные отношения между событиями, так и случайные изменения событий, влияющие на заключительные состояния этого мира. Обобщенная схема миров К. Поппера и В. К. Финна представлена на рис.2. Эту структуру подмиров Финн построил, что бы, в частности, при генерации гипотез методы индуктивных выводов отделить от методов теории вероятностей и математической статистики. Мы не согласимся с В. К. Финном в этой части. С нашей точки зрения, методы статистических обобщений в отношении порождения гипотез «равноправны» с методами Д. С. Милля, абдуктивными методами, аналогией и др. средствами классических и неклассических логик. Все определяется целями исследований и форматами представления исходных данных. Статистические обобщения действительно являются особым видом умозаключений неполной индукции связанные с анализом массовых событий. К ним относятся, например, массовые транспортные перевозки пассажиров и грузов, рождаемость и смертность людей, распространение заболеваний, транспортные происшествия, динамика преступлений и многие другие. Учитывая трудности выявления причинных зависимостей, анализ таких массовых событий позволяет установить устойчивое распределение интересующих исследователя случайных признаков. Количественная информация, выражающая устойчивые тенденции развития, имеет важное практическое значение для правильной организации обслуживания населения, профилактических мероприятий, борьбы с преступностью и т.п. Анализ массовых событий ведется чаще всего путем не сплошного, а выборочного исследования отдельных групп или образцов и логического переноса полученных результатов на все их множество. Вывод в этом случае протекает в форме статистического обобщения. Таким образом, статистическое обобщение – это умозаключение неполной индукции, в котором установленная в посылках количественная информация о частоте определенного признака в исследуемой группе (образце) переносится в заключении на все множество явлений этого рода. В отличие от индукции через перечисление при отсутствии противоречащего случая в посылках статистического умозаключения фиксируется следующая информация: (1) общее число составляющих исследуемую группу, или образец случаев; (2) число случаев, в которых присутствует интересующий исследователя признак; (3) частота появления интересующего признака. Здесь же целесообразно кратко остановится на природе случайности, которая характерна не только для подмира 1-1, но для подмира 1-2, т. к. мы не можем априри быть уверены, что для данного процесса характерен 1. МИР ФИЗИЧЕСКИХ ВЕЩЕЙ 2. МИР ИНДИВИДУАЛЬНО ГО МЫШЛЕНИЯ 3. МИР ОБЪЕКТИВ- НОГО СОДЕРЖАНИЯ МЫШЛЕНИЯ Мир 1-1. Случайные события, изучаемых вероятностными методами Мир 1-2. События, между которыми имеются причинно- следственные отношения Мир 1-3. Объединяет характеризации мира 1-1 и мира 1-2 Рис.2. Обобщенная схема миров К. Поппера и В. К. Финна детерминизм. Поэтому, выделение подмира 1-2 из Попперовского мира 1 всегда затруднено или тривиально. Существует несколько точек зрения на природе случайности, причем каждая из них имеет достаточные основания. 1. Согласно первой точке зрения, случайным нам представляется нечто такое, в чем мы пока не уловили закономерности. По мере познания явления в последнем остается все меньше и меньше случайного. Ярким выразителем такой позиции был Лаплас, считавший, что случайность не присуща самим объектам, а связана только с незнанием, в принципе устранимым. 2. Противоположная точка зрения состоит в том, что случайность является объективным свойством всех явлений. Более ста лет назад О. Курно писал [12], что "случайность вмешивается во все, что творится на свете", что "миром управляет случай, или, говоря точнее, случай имеет свою часть, и притом весьма значительную, в управлении вселенной". 3. Промежуточная позиция признает как существование вполне детерминированных явлений, так и в принципе случайных, описываемых статистическими закономерностями (законы Менделя; статистические законы физики, химии, термодинамики; законы квантовой механики и т. д.). Таким образом, случайность признается объективным свойством лишь некоторых явлений. 4. В последние годы представители школы И. Пригожина развивают подход, согласно которому случайные и детерминированные периоды сменяют друг друга в истории любой системы. Детерминированные процессы постепенно сменяются процессами, все более удаленными от равновесия, все более хаотическими, пока в период сильной неравновесности случайность не становится определяющей причиной того, в какое из возможных новых равновесных состояний придет система. Далее мы детальнее остановимся на проблемах случайности, вероятности, нечеткости в приложении к генерации гипотез. На рис. 3 представлена условная схема порождения и корректировки гипотез (см. описание технологии в [2] и схему эволюционной эпистемологии К. Поппера в [3]). Действительно, мы сначала определяем (в большей мере неформальными методами – мир М) какие свойства связаны между собой (у, х1, х2, х3,…- исходные системы), затем собираем значения соответствующих параметров (строим измерительные матрицы - системы данных - мир S), затем строим зависимости (как эти свойства связаны – определяем y = f (x1, x2, x3,…) – порождающие системы - мир S), потом проверяем построенную гипотезу и, при необходимости синтезируем новую гипотезу. Многоточия на рисунке соответствуют вербальной трактовке вводимых обозначений. Заметим, именно на этом на этом уровне математики, как правило, «расстаются с семантикой проблемной области и начинают играть в синтаксические игры», считая, что теперь в формализованных структурах уже представлен весь необходимый и (главное!) достаточный для выводов смысл. Приведенную схему можно интерпретировать как (на высоком уровне абстрактности) технологию порождения и корректировки гипотез. Фактически, на рис. 3 представлены три модели одного объекта (мир R) различных форматов и различной информативности. Процесс генерации гипотезы можно рассматривать как технологию трансформации моделей. Следует отметить, что гипотеза всегда обладает большим содержанием и большей логической силой, чем те данные, на которых она основана (см. рис. 3 системы данных и порождающие системы). Поэтому систему 2 и назвал [11] порождающей. Поскольку гипотеза не относится к единичным суждениям опыта, а всегда превосходит их по содержанию, ее нельзя обосновать, исходя только из данных. Эмпирические данные могут лишь опровергнуть гипотезу, но не подтвердить ее. Гипотеза ставится под сомнение уже в том случае, когда вступает в противоречие хотя бы с одним фактом или при ее логической проверке убеждаются, что гипотетические способы действия не приводят к цели. Но каждая новая гипотеза, как правило, не отбрасывает целиком содержание прежних гипотез, а использует все рациональное. Новая гипотеза в основе своей выступает как усовершенствованная предыдущая (поэтому К. Поппер и назвал «свою» эпистемологию эволюционной). 3. Гипотеза как модель Любая гипотеза является моделью. Обратное верно для многих разновидностей моделей. Даже для макетов зданий, фотомоделей и т.д. Но не y = f(x1, x2, x3, …), где y - … x1 - … x2 - … x3 - … 0 – исходные системы (базовые свойства, характеризующие систему) у x1 x2 x3 x4 x5 … 1 – системы данных (матрицы значений соответствующих свойствам параметров) y = a1x1 + a2x2 + a3x1x2 + a4x3 + … 2 – порождающие системы (модели - правила, законы, формулы,…) Рис. 3. Условная схема порождения и корректировки гипотез верно для многих знаковых и/или символьных моделей: денежных знаков, условных обозначений и т. п. Здесь мы рассматриваем абстрактные модели. Основные свойства таких моделей определяются в следующем дескриптивном определении: Модель есть целевое отображение оригинала: – познавательное или прагматическое; – статическое или динамическое; – конечное, упрощенное, приближенное; – имеющее наряду с безусловно истинным, условно истинное и безусловно ложное содержание, – адекватное; – появляющееся и развивающееся в процессе практического использования. Заметим, модели предназначены для обеспечения всех видов деятельности человека; без моделирования вообще невозможно что-либо сделать. Эта особенность очевидна на примере целенаправленной деятельности. Ведь цель субъекта - это образ желаемого будущего, т.е. модель того, чего нет, но что хотелось бы осуществить. Далее, для достижения поставленной цели составляется план действий, но ведь это не сами действия, а их описание, т.е. модель. Итак, моделирование не является таким действием, которое можно делать, а можно и не делать; моделирование есть неизбежная, неотъемлемая, обязательная часть любой деятельности человека (и не только человека, но об этом разговор отдельный). Таким образом, в процессе своей жизнедеятельности мы непрерывно строим гипотезы. 1. На рис. 4. представлена классическая схема метасистемы моделирования. Обратим внимание на ее соответствие схеме миров Сковороды или Поппера (см. рис. 1 и 2). На основе анализа процессов построения моделей можно сделать вывод, что отображение моделирования («объект → модель») является бинарным. Однако, оно, как минимум, тернарно: «объект → создатель → модель» [10]. У любой модели (гипотезы) всегда есть автор (создатель). С одной стороны, этот «конструктор гипотезы» преследует свои цели, посредством выбора наиболее существенных свойств моделируемого объекта, аппарата синтеза модели. При этом учитываются и планируемые операции анализа модели и интеграции ее с другими моделями Модель (ГИПОТЕЗА) Объект Субъект Рис. 4. Метасистема моделирования (других агрегатов, подсистем, процессов функционирования сложного изделия или моделируемого сложного явления). C другой стороны, часто модели создаются одним исследователем, а используются другим, который преследует свои цели при интерпретации модели. Все это предъявляет особые требования к контекстам моделируемых в гипотезах процессами явлениям. 2. Необходимо различать познавательное или прагматическое моделирование. В первом случае мы строим гипотезы для исследуемых процессов, явлений, объектов (они уже существуют). Во втором случае строятся гипотезы, «формальное мысли», о том, что проектируется, создается, планируется; соответствующих процессов, явлений (объектов еще нет). 3. Важно различать модели статики и динамики процессов, объектов, явлений. Модели статических структур трудно представлять в форме дифференциальных уравнений, полиномов и т. п., больше подходят аппарат теории графов, решетки, семантические сети. Для гипотез описания динамики процессов – наоборот. 4. Как и модель, любая гипотеза представляет собой конечное, упрощенное, приближенное описание моделируемого объекта. В любой гипотезе мы можем отражать только некоторые свойства и характеристики изучаемых явлений. Поэтому, любая гипотеза – это некоторое приближение и упрощение. Заметим, только упрощенные представления помогут выявить главные закономерности исследуемых процессов. 5. В любой гипотезе всегда присутствует наряду с безусловно истинным, условно истинное и безусловно ложное содержание. Это – прямое следствие того, что любая гипотеза является моделью. 6. Модель, с помощью которой успешно достигается поставленная цель, называется адекватной. При этом, для познавательных моделей истинность, фактически, является синонимом адекватности, а для прагматических моделей адекватной может быть ложная модель. Например, гипотеза устройства солнечной системы Птолемея ложна, но мореплаватели тех времен достигали своих целей. Поэтому, в практической деятельности мы можем успешно применять и ложные гипотезы! Целесообразность важнее. 7. В классической науке общие свойства объектов исследований отображаются четко сформулированными законами. Закон в науке имеет характер абсолютной категории на данном уровне знаний. Он может быть либо безусловно верен, либо безусловно неверен и тогда просто отвергается. Нельзя говорить о хороших и плохих законах – такое утверждение просто лишено смысла. Точно так же нельзя говорить, что одно и то же явление можно объяснить двумя или несколькими слегка различными законами. Именно поэтому, В. В. Налимов подчеркивал [13], что в настоящее время понятие закона в науке заменяется более расплывчатым понятием модели. Таким образом, один объект может представляться с помощью различных гипотез, в зависимости от поставленных целей. 8. И, конечно, гипотезы являются «живыми организмами». Они появляются и развиваются в процессе практического использования. Заключение. Представляется целесообразным заметить, часто логику определяют как науку о мышлении или правильном/правилах мышления (т. е. об операциях в мире М). С нашей точки зрения – это не совсем верно. Мы, пока, мало знаем о том, как мы размышляем. А когда говорим об этом, то мы рассуждаем. Поэтому, логика – это наука о рассуждениях, т. е. правилах, принципах построения корректных выводов (при переходе от мира М к миру S и операциях в мире S). А мир S – это мир знаковых моделей. Таким образом, индукция, дедукция, абдукция, аналогия и другие логические выводы – это модели операций нашего мышления. Поэтому, так важно исследовать свойства гипотезы как модели объектов мира R, перед тем, как автоматизировать процесс ее генерации и проверки. 1. Валькман Ю. Р., Быков В. С. Дедуктивные и недедуктивные аспекты в моделировании образного мышления. // Моделювання та інформаційні технології, Збірник наукових праць ІПМЕ, Київ, 2006, Випуск 35, - с. 87 - 96. 2. Валькман Ю. Р., Дембовский О. Ю. Процессы порождения и обоснования гипотез: индукция, аналогия, абдукция и дедукция. // Моделювання та інформаційні технології, Збірник наукових праць ІПМЕ, Київ, 2008, Випуск 47, - с. 97 - 107. 3. Валькман Ю. Р. Гипотезы: определения, структура, классификация, жизненные циклы // Моделювання та інформаційні технології, Збірник наукових праць ІПМЕ, Київ, 2008, Випуск 48, - с. 91- 98. 4. Валькман Ю. Р., Рыхальский А. Ю. Компьютерные технологии индуктивного формирования знаний // Моделювання та інформаційні технології, Збірник наукових праць ІПМЕ, Київ, 2009, Випуск 49, - с. 86- 92. 5. Валькман Ю. Р. Индукция – индуктивные модели - индуктивное формирование знаний // Сборник тезисов САИТ, XI международная научно-техническая конференция УНК ИПСА НТУУ «КПИ», 2009, - с. 29. 6. Валькман Ю. Р., Валькман Р. Ю. Гипотезы: определения, свойства, структура, классификация, жизненные циклы// Сборник тезисов САИТ, XI международная научно- техническая конференция УНК ИПСА НТУУ «КПИ», 2009, - с. 60. 7. Софронова Л.А. Три мира Григория Сковороды. – Москва: Индрик, 2002. – 462 с. 8. Поппер К.Р. Логика и рост научного знания. - Москва: Прогресс, 1983. – 134 с. 9. Финн В.К. Правдоподобные рассуждения в интеллектуальных системах типа ДСМ. // Итоги науки и техники. Информатика, Т.15, Москва: 1991. – с. 25-49. 10. Валькман Ю.Р. Интеллектуальные технологии исследовательского проектирования: формальные системы и семиотические модели. - Киев: Port-Royal, 1998. - 250 с. 11. Клир Дж. Системология. Автоматизация решения системных задач. - М.: Радио и связь, 1990. - 544 с. 12. Курно О. Основы теории шансов и вероятностей. – Москва: Наука, 1970 г. - 384 с. 13. Налимов В.В. Реальность нереального. Вероятностная модель бессознательного. Москва: "Мир идей", АО АКРОН, 1995.- 432 с.
id	nasplib_isofts_kiev_ua-123456789-29673
institution	Digital Library of Periodicals of National Academy of Sciences of Ukraine
issn	XXXX-0068
language	Russian
last_indexed	2025-12-07T17:52:00Z
publishDate	2009
publisher	Інститут проблем моделювання в енергетиці ім. Г.Є. Пухова НАН України
record_format	dspace
spelling	Валькман, Ю.Р. Валькман, Р.Ю. Исмагилова, Л.Р. 2011-12-25T18:28:25Z 2011-12-25T18:28:25Z 2009 Свойства гипотезы как модели знаний / Ю.Р. Валькман, Р.Ю. Валькман, Л.Р. Исмагилова // Моделювання та інформаційні технології: Зб. наук. пр. — К.: ІПМЕ ім. Г.Є. Пухова НАН України, 2009. — Вип. 53. — Бібліогр.: 13 назв. — рос. XXXX-0068 https://nasplib.isofts.kiev.ua/handle/123456789/29673 658(075.8) ru Інститут проблем моделювання в енергетиці ім. Г.Є. Пухова НАН України Моделювання та інформаційні технології Свойства гипотезы как модели знаний Article published earlier
spellingShingle	Свойства гипотезы как модели знаний Валькман, Ю.Р. Валькман, Р.Ю. Исмагилова, Л.Р.
title	Свойства гипотезы как модели знаний
title_full	Свойства гипотезы как модели знаний
title_fullStr	Свойства гипотезы как модели знаний
title_full_unstemmed	Свойства гипотезы как модели знаний
title_short	Свойства гипотезы как модели знаний
title_sort	свойства гипотезы как модели знаний
url	https://nasplib.isofts.kiev.ua/handle/123456789/29673
work_keys_str_mv	AT valʹkmanûr svoistvagipotezykakmodeliznanii AT valʹkmanrû svoistvagipotezykakmodeliznanii AT ismagilovalr svoistvagipotezykakmodeliznanii

Свойства гипотезы как модели знаний

Institution

Similar Items