Використання елементів інформаційних нанотехнологій молекулярних структур пам’яті підсистем природного інтелекту в комп’ютерних навчаючих системах
Дослідження можливостей і особливостей функціонування базових елементів інформаційних нанотехнологій підсистем природнього інтелекту людини дозволяють зробити висновки за найбільш вагомими застосуваннями останніх при розробці комп’ютерних навчаючих систем та створенні нового покоління підручників. A...
Збережено в:
| Дата: | 2006 |
|---|---|
| Автор: | |
| Формат: | Стаття |
| Мова: | Українська |
| Опубліковано: |
Інститут кібернетики ім. В.М. Глушкова НАН України
2006
|
| Онлайн доступ: | https://nasplib.isofts.kiev.ua/handle/123456789/6450 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Цитувати: | Використання елементів інформаційних нанотехнологій молекулярних структур пам’яті підсистем природного інтелекту в комп’ютерних навчаючих системах / М.І. Ходаковський // Комп’ютерні засоби, мережі та системи. — 2006. — № 5. — С. 125-132. — Бібліогр.: 18 назв. — укр. |
Репозитарії
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1859625704197455872 |
|---|---|
| author | Ходаковський, М.І. |
| author_facet | Ходаковський, М.І. |
| citation_txt | Використання елементів інформаційних нанотехнологій молекулярних структур пам’яті підсистем природного інтелекту в комп’ютерних навчаючих системах / М.І. Ходаковський // Комп’ютерні засоби, мережі та системи. — 2006. — № 5. — С. 125-132. — Бібліогр.: 18 назв. — укр. |
| collection | DSpace DC |
| description | Дослідження можливостей і особливостей функціонування базових елементів інформаційних нанотехнологій підсистем природнього інтелекту людини дозволяють зробити висновки за найбільш вагомими застосуваннями останніх при розробці комп’ютерних навчаючих систем та створенні нового покоління підручників.
A new approach for the development of methods of processing of the information for extraction of knowledge from molecular devices of subsystems of natural intelligence is considered. The new structures are investigated and may be used in computer training systems and simulators. The specificity of functioning of molecular intelligence system allowing to reveal the probable mechanism of forming of the elements of the informational nanotechnologies is analyzed.
|
| first_indexed | 2025-11-29T10:13:41Z |
| format | Article |
| fulltext |
Комп’ютерні засоби, мережі та системи. 2006, № 5 125
M.I. Khodakovskyi
THE APPLICATION OF
ELEMENTS OF INFORMATION
NANOTECHNOLOGIES OF
MOLECULAR STRUCTURES
OF MEMORY OF SUBSYSTEMS
NATURAL INTELLIGENCE IN
COMPUTER EDUCATION
SYSTEMS
A new approach for the development
of methods of processing of the
information for extraction of know-
ledge from molecular devices of sub-
systems of natural intelligence is
considered. The new structures are
investigated and may be used in
computer training systems and simu-
lators. The specificity of functioning
of molecular intelligence system
allowing to reveal the probable me-
chanism of forming of the elements
of the informational nanotechno-
logies is analyzed.
Дослідження можливостей і осо-
бливостей функціонування базо-
вих елементів інформаційних на-
нотехнологій підсистем природ-
нього інтелекту людини дозволя-
ють зробити висновки за най-
більш вагомими застосуваннями
останніх при розробці комп’ю-
терних навчаючих систем та
створенні нового покоління під-
ручників.
М.І. Ходаковський, 2006
УДК 681.3
М.І. ХОДАКОВСЬКИЙ
ВИКОРИСТАННЯ ЕЛЕМЕНТІВ
ІНФОРМАЦІЙНИХ НАНОТЕХНОЛОГІЙ
МОЛЕКУЛЯРНИХ СТРУКТУР ПАМ’ЯТІ
ПІДСИСТЕМ ПРИРОДНОГО
ІНТЕЛЕКТУ В КОМП’ЮТЕРНИХ
НАВЧАЮЧИХ СИСТЕМАХ
Вступ. Системний підхід до оцінки якості
освіти спонукає розробників комп’ютерних
навчаючих систем до використання здобут-
ку, як класичної та сучасної педагогіки і
психології, так і математичних теорій нав-
чання для створення сучасних освітніх
технологій.
Кібернетичні підходи до методів навчання
дозволили знайти нові принципи організації
молекулярної розподіленої пам'яті в людини
[1]. Коротка суть таких принципів зводиться
до того, що при дотриманні визначених пра-
вил подачі навчального матеріалу
молекулярні структури мозку, що
відповідають за введення, збереження, пере-
робку і прийняття рішень, що найкраще самі
виконують цю роботу. Збої в одержанні
школярами і студентами та іншими
суб’єктами навчання необхідних знань у
великій мірі виявляються в невиконанні ви-
мог, короткий зміст яких наводиться далі.
При використанні зазначеного методу су-
б’єкт навчання з його можливостями засво-
єння навчального матеріалу розглядається як
унікальна персональна експертна система,
що працює за своїми привилами, які, за ря-
дом ознак, близькі до комп'ютерних експерт-
них систем.
Постановка задачі. Мета даної роботи
знаходження шляхів застосування в ком-
п’ютерних навчаючих системах інформацій-
них нанотехнологій, які функціонують у мо-
лекулярних структурах пам’яті підсистем
М.І. ХОДАКОВСЬКИЙ
Комп’ютерні засоби, мережі та системи. 2006, № 5 126
природнього інтелекту.
Необхідність визначення складності рішення задач як складності опису
і створення бази знань про проблемне середовище. Оцінюючи можливості
ієрархічно організованої молекулярної пам'яті підсистем природного інтелекту
(ПІ), можна зазначити, що рішення складних задач з необхідними етапами вве-
дення, збереження і переробки інформації в них відбувається своєрідно. Таке
рішення успішно реалізується не стільки за допомогою збільшення складності
алгоритму рішення чи наявності великої кількості інформації, а шляхом обробки
інформації у спеціальному проблемному середовищі – специфічно організованій
системі знань. Можна вважати, що використовувана в підсистемах ПІ база знань
(БЗ) відображає всю можливу на даний момент повноту різноманіття об’єктів –
компонентів такої БЗ [2, 3] . У свою чергу, наявні компоненти БЗ містять макси-
мально можливу кількість описів, висловлень і інших характеристик, а також
інструкцій із взаємодії з останніми, що дозволяє приймати правильні рішення.
Виходячи з прийнятого підходу функціонування БЗ у підсистемах ПІ, а та-
кож з урахуванням головного інструментарію забезпечення роботи таких БЗ у
вигляді ієрархічної системи спеціалізованих експертних систем (ЕС) стає
зрозумілим, які великі вимоги необхідно пред'являти до процесів ієрархічного
структурування інформації, що вводиться, у такі БЗ. Природньо, що
високоорганізовані ЕС підсистем ПІ за наявністю ієрархічно організованої
молекулярної пам'яті (МП) при введенні в МП погано структурованої інформації
самі роблять необхідну структуризацію інформації, що надходить, за рахунок
значних втрат часу і невиправданих навантажень на підсистеми ПІ [ 2].
Таким чином, стає досить обгрунтованою необхідність створення комп'ю-
терних навчаючих систем, здатних у достатній мірі створювати прототипи БЗ,
близьких за своєю організацією до БЗ підсистем ПІ.
Наявне програмне забезпечення ( з використанням реляційних таблиць,
об'єктів, продукцій, фреймів і т.п.) для опису подібних БЗ не дозволяє відобра-
жати все різноманіття організації зв'язків усередині самих БЗ. Тому стає дуже
важливою задача створення спеціально структурованих мов, близьких за семан-
тикою до природньої мови [3, 4]. За суттю мова йде про представлення роботи і
створення сімейства формалізованих мов опису й обробки знань. Необхідно
підкреслити, що така мова обробки знань (МОЗ) вже існує у підсистемах ПІ [5,
6] і має дуже важливі для користувача властивості – не допускає в остаточному
підсумку двозначності в тлумаченні висловлень і забезпечує при формуванні
вхідних, проміжних і вихідних висловлень і визначень гранично ясну структуру.
Дослідження в області розуміння механізмів формування баз знань у
підсистемах ПІ. Теоретичні й експериментальні підходи до вивчення механізмів
побудови баз знань у підсистемах ПІ з урахуванням семантичного аналізу і
специфічних умов організації таких БЗ [710] дозволяють ставити питання про
можливість розуміння роботи ЕС підсистем ПІ і про побудову на цій основі
семантичної теорії формалізованого представлення знань для систем штучного
інтелекту (ШІ). Зазначена теорія дозволить наблизитися до розуміння алгоритму
роботи формалізованої МОЗ для комп'ютерних систем [11].
ВИКОРИСТАННЯ ЕЛЕМЕНТІВ ІНФОРМАЦІЙНИХ НАНОТЕХНОЛОГІЙ МОЛЕКУЛЯРНИХ…
Комп’ютерні засоби, мережі та системи. 2006, № 5 127
Якщо виходити з визначення, що в переважній більшості випадків рішен-
ням задачі є одержання невідомих (даному користувачу) знань з наявних відо-
мих у даній базі знань, то основна проблема рішення задачі зводиться до побу-
дови алгоритму пошуку компонентів «невідомого» знання в рамках наявних БЗ.
Таким чином, ми підійшли до визначення інформаційних нанотехнологій
(ІНТ), що функціонують на молекулярному рівні в підсистемах ПІ. Відмінність
ІНТ від інформаційних технологій для комп'ютерних систем (КС) вищезазна-
чена наявність апарата формалізованого представлення й обробки знань за до-
помогою спеціалізованої мови на значно вищому рівні, ніж у КС. Незважаючи
на недосяжність рівня інформаційних технологій КС рівня ІНТ підсистем ПІ, у
ряді випадків розробники систем ШІ можуть навіть перевершити можливості
систем прийняття рішень в ПІ. Нехай це були перші кроки ( комп'ютерна систе-
ма фірми ІВМ, що перемогла чемпіона світу по шахам), але вони дозволили по
новому подивитися на можливості ІТ для КС і, в свою чергу, дали змогу з нових
точок зору подивитися на можливості, як ПІ, так і ШІ і порушити питання про
створення комп'ютерних навчальних систем з використанням ІНТ молекулярних
систем пам'яті підсистем ПІ.
Безсумнівно, важливими перевагами комп'ютерних навчаючих систем є мо-
жливості різних типів комп'ютерних і мережних технологій підтримувати на-
ступні методи навчання [12]: а – метод навчання «всі – всім» дозволяє на основі
телекомунікаційних технологій використовувати рольові ігри, мозкові атаки,
дискусії, моделювання, форуми, проектні групи при проведенні конференцій;
б – метод навчання «один багатьом» – може бути представлений у вигляді еле-
ктронної лекції; в – метод навчання «один – одному» є методом індивідуалізова-
ного навчання на основі використання усіх видів телекомунікаційних техноло-
гій; г – метод самонавчання дозволяє використовувати самому учневі комп'юте-
рні навчальні програми, аудіо- і відеоматеріали, навчальну інформацію з інтера-
ктивних журналів і баз даних.
Безпосередньо при формуванні навчального курсу в рамках самої комп'ю-
терної навчаючої системи (КНС) потрібно враховувати наступні етапи: обґрун-
тування необхідності розробки навчального курсу; визначення аудиторії, для
кого призначений даний курс; вибір мети навчання для кожного заняття і всього
курсу в цілому; створення плану використання контенту (викладу навчального
матеріалу) у рамках курсу, окремих розділів і тестів; визначення методологіч-
ного підходу до навчального курсу; вибір моделі навчання з визначенням ступе-
ня сполучення синхронного й асинхронного підходів; опис дизайн- макету на-
вчального курсу з вибором схеми організації навігації за курсом і представлення
матеріалів на конкретних сторінках.
Основні підходи до оцінки структури інформаційних нанотехнологій
молекулярних структур пам'яті підсистем ПІ. Розглянемо вимоги, які можемо
пред'являти до суб'єкта навчання і КС у рамках розробки комп'ютерних нав-
чаючих систем [13]. Оскільки знання суб'єкта навчання створюють цілісну си-
стему знань про речі і явища суб'єктивного світу з їхніми характеристиками і
взаємозв'язками, що складають картину світу чи модель світу (МС), дуже важ-
М.І. ХОДАКОВСЬКИЙ
Комп’ютерні засоби, мережі та системи. 2006, № 5 128
ливо зупинитися на знаннях про обробку системи знань моделі світу. У такий
спосіб свідчимо про дві складові системи знань взагалі.
Цікавий і інший підхід до системи “модель світу” структура знань для об-
робки компонентів цієї моделі. Важливість виділення такої системи в тім, що
взаємодія цих двох складових зазначеної системи значною мірою являє собою
процес мислення [1416]. Процес мислення в людини або пошук рішення в
рамках “машинного мислення” у комп'ютерних систем (КС) оперують
подібними, як поняттями, так і механізмами такого пошуку. Іншими словами,
суть процесу мислення в людини чи прийняття рішень у КС зводиться до кон-
струювання МС і використання її надалі для досягнення визначених цілей у
рамках цілеспрямованої діяльності. З погляду обробки інформації – МС, як у
людини, так і в КС складає інформаційну складову тих же процесів мислення чи
прийняття рішень, а правила побудови чи модифікування вже існуючої МС
представляють систему алгоритмів, специфічну як для окремої людини, так і
КС.
Алгоритмічна складова для формування системи знань, як у МС, так і в її
частині – навчальному курсі конкретного предмета повинна мати необхідний
рівень складності при конструюванні такої частини МС і при користуванні ос-
танньою у процесі навчання. Успіх при навчанні залежить від рівня, ступеня
невизначеності, детермінованості, достовірності, ясності опису і визначення по-
нять, правил, аксіом і т.п.
Для створення ефективних комп'ютерних навчаючих систем необхідна, у
свою чергу, розробка розвинутих технологій представлення й обробки складно-
структурованих знань, здатних вирішувати питання організації знань при їхньо-
му збереженні в КС, пошуці й обробці при рішенні задач.
Зупиняючись на шляхах формування системи знань у проблемному
середовищі (ПС) і його відображенні в КС, необхідно зазначити етапи, що доз-
воляють багато в чому вирішити питання створення такої системи [2]:
- визначення законів представлення ПС у його знакову модель шляхом побу-
дови формальної теорії синтезу знакових моделей середовища;
- адаптація положень такої теорії до практичної побудови систем знань;
- розробка мов опису знань, здатних відображати різні предметні області при
розв'язанні задач.
З іншого боку, дуже важливим є напрямок, пов'язаний з визначенням
принципів організації процесів збереження, пошуку й обробки знань у КС, що
залежить від вирішення наступних питань:
- за створенням методів структурування і збереження знань у КС, що дозво-
ляють вести диференційований пошук знань з різним рівнем узагальнення ін-
формації й елементами автоматизованого контролю семантичного аналізу;
- побудова системи керування процесом рішення ієрархічних задач з
можливістю вибору шляху пошуку самим суб'єктом навчання.
Особливості організації бази знань у підсистемах ПІ і можливості їхньо-
го використання в комп'ютерних системах. Необхідно особливо зупинитися
на питаннях організації системи знань у суб'єкта, будь-то людина, комп'ютер чи
ВИКОРИСТАННЯ ЕЛЕМЕНТІВ ІНФОРМАЦІЙНИХ НАНОТЕХНОЛОГІЙ МОЛЕКУЛЯРНИХ…
Комп’ютерні засоби, мережі та системи. 2006, № 5 129
людино-машинна система. Оскільки база знань розуміється як відображення
світу в свідомості чи моделі свідомості, то важливим інстументом реалізації
останніх є мова як знакова система відобра-ження світу при дослідженнях розу-
мових процесів і процесів рішення задач.
Одиницею знання є при цьому висловлювання з визначенням місця і часу
взаємозв'язку між двома і більше суб'єктами середовища (чи сутностями моделі
середовища). Така постановка питання дуже важлива для розуміння і виділення
етапів процесів рішення задачі або мислення: виділення (ініціювання), відобра-
ження в моделі та фіксування взаємозв'язку між сутностями об’єктивного світу.
У такий спосіб система знань здатна «знати» чи ототожнювати певний
факт, якщо в ній зберігається висловлювання, що чітко описує даний факт.
Безпосереднє рішення задачі здійснюється в моделі середовища фрагмента (для
простих задач) чи повної бази знань (для складних задач) шляхом заміщення
реаль-них дій над сутностями об'єктивного світу операціями над фактами, пред-
ставленими у вигляді знакових конструкцій. Для ефективного пошуку рішення
необхідно дуже строго стежити за адекватним відображенням у моделі всіх
компонентів середовища і всіх зв'язків між ними. Дуже важливою вимогою є
також однозначна і строга інтерпретація проміжних результатів при формуванні
проблемного середовища системи знань.
У процесі формування моделі середовища для бази знань можна виділити
три фази, що складають семантичний цикл:
- відображення в моделі сутностей (дискретних елементів) середовища;
- формування в моделі за прийнятими у ній законами ( у випадку учня ці за-
кони можуть нести деякою мірою індивідуальні ознаки) нових знакових
конструкцій для визначення складних понять у вигляді адекватних чітких сут-
ностей чи образів;
- фіксування знакових конструкцій шляхом розташування за необхідними
ієрархічними рівнями.
Для ефективної побудови моделей середовищ бази знань необхідне викори-
стання конструктивної семантики [2], що дозволяє формулювати закони синтезу
знакових систем для найбільш повного процесу відображення об'єктивного світу
в моделях бази знань. Припустимі границі інтерпретації висловлювань встанов-
люються розробниками моделей для системи знань( у підсумку в рамках
міжнародних стандартів) і визначають семантично припустимі висловлювання
(факти). Конструктивна семантика повинна виходити з того, що формалізація
висловлювань являє собою не відкидання змісту, а відволікання від нього з ут-
риманням у самій формі істотних характеристик, необхідних для рішення задач,
тобто різні формальні описи не виключають змісту, а тільки виражають його на
дуже високому рівні узагальнення.
Створення проблемного середовища бази знань у комп'ютерних систе-
мах. Для створення в комп'ютерних системах істинної інформації про реальний
світ необхідно дотримуватись двох зустрічних напрямків формування моделей-
середовища для створення системи знань від середовища сутностей реального
світу до моделі і від моделі до зазначеного середовища. У системі знань КС
М.І. ХОДАКОВСЬКИЙ
Комп’ютерні засоби, мережі та системи. 2006, № 5 130
сукупність речей і явищ може відображатися шляхом формування в моделі їх
“резидентів” чи образів. При формуванні первинних понять у моделі реального
світу в першу чергу визначаються безпосередні взаємозв'язки сутностей один з
одним. Далі формуються загальні поняття, що представляють результат вичле-
новування загальних рис, як у взаєминах сутностей (об'єктів), так і узагальнюю-
чих характеристик таких об'єктів.
Зазначений механізм формування понять, що дозволяє при вирішенні задач
оперувати укрупненими узагальнюючими поняттями досить відпрацьований у
підсистемах ПІ і є необхідною умовою представлення знань у КС. В існуючих
ІТ, що використовують керування процесом розв'язання задачі від задачної
ситуації ( об’єктно-орієнтований підхід, експертні системи), хід розв'язання
задачі визначається на основі аналізу ситуацій шляхом відображення тільки ло-
кальних умов. У свою чергу, зміни умов у контексті задачі вимагають внесення
змін у локальні рішення, не закладені на етапі проектування програмних засобів.
Для успішного розв'язування задачі необхідне відстеження задачної ситуації
не на одному, а одночасно на багатьох рівнях узагальнення й укрупнення аналі-
зованих фактів. З цією метою може використовуватися такий підхід у ІТ, як
технологія фунціонально-орієнтованого проектування (ФОП) [2, 17]. Основною
перевагою такої технології є наявність багаторівневої композиції програмних
модулів. При цьому модуль може бути різним – від програми розв'язання
елементарної задачі до програмної системи розв'язування складного комплексу
задач. Іншою важливою перевагою розглянутої технології є, поряд з автономним
розв'язуванням своєї підзадачі кожним модулем, можливість одночасного вико-
ристання кожним модулем різних функціональних програмних підсистем, що
знаходяться на різних ієрархічних рівнях.
Зазначена технологія застосовується в інформаційних нанотехнологіях під-
систем ПІ (ІНТ ПІ) [9, 17]. База знань у КС на основі використання ІНТ ПІ може
складатися з двох моделюючих систем (МС) базової МС, інформаційної МС.
Базова МС не зберігає знання про проблемне середовище, оскільки є словником,
що відбиває взаємозалежні визначення введених термінів і понять. Інфор-
маційна МС предсталена як база знань про проблемне середовище (в реальному
світі). Інформаційне поле, утворене такою МС є цілісною структурою, що
відображає усі взаємозв'язки, що існують між компонентами задачних ситуацій.
Необхідно зазначити дуже важливу особливість технології ФОП при розв'я-
занні задач – можливість стежити за задачною ситуацією не на одному, а одно-
часно на багатьох рівнях узагальнення в ієрархічній багаторівневій організації
знань. При цьому існує можливість автоматичного переходу від заданої програ-
ми до задачної ситуації і знову до програми [18].
Інформаційний фрагмент може містити семантично неповні висловлювання,
але сам повинен відповідати вимогам семантичної повноти, відображених у від-
повідному програмному забезпеченні. Таке структурування інформації (се-
мантичне структурування), незалежне від використання фрагментів різними
програмами, повною мірою відбиває семантику знань. Семантичне структуру-
вання дуже спрощує аналіз знань на несуперечливість, що дозволяє упоряд-
ВИКОРИСТАННЯ ЕЛЕМЕНТІВ ІНФОРМАЦІЙНИХ НАНОТЕХНОЛОГІЙ МОЛЕКУЛЯРНИХ…
Комп’ютерні засоби, мережі та системи. 2006, № 5 131
ковувати знання в системі знань за їхньою семантичною близькістю, а також дає
важливу можливість об'єднання знань за заданими асоціаціями.
Узагальнюючи величезний спектр можливостей і особливостей функціону-
вання базових елементів інформаційних нанотехнологій підсистем природнього
інтелекту можна зробити висновки за найбільш вагомими застосуваннями остан-
ніх при розробці комп’ютерних навчаючих систем та створенні нового поколін-
ня підручників, а саме за обробкою фрагментів тексту з метою більш ефективно-
го запам’ятовування, аналізу, зрештою прийняттю рішень.
Висновки. 1. Побудова навчального матеріалу на основі семантичного
структурування дає можливість створення ієрархічних структур змісту для нас-
тупного знаходження в них необхідних фрагментів, зв'язаних із заданим
змістом. З цією метою кожному фрагменту привласнюється узагальнений зміст.
На першому етапі здійснюється швидке зіставлення узагальненого змісту з зада-
ним змістом і добір близьких фрагментів. На наступних етапах ведеться більш
детальний аналіз відібраних фрагментів. Для прискорення ієрархічного пошуку
при аналізі можуть бути використані семантичні дешифратори у вигляді
спеціальних програм.
2. Пошук необхідної інформації при створенні учбових та тестуючих систем
виконується усередині кожного фрагмента за допомогою послідовного зістав-
лення компонентів висловлювання, що містить запит, з компонентами вислов-
лювань аналізованого фрагмента. Такий підхід дозволяє виконувати добір ви-
словлювань будь-яких сполучень компонентів і здійснювати пошук на різних
рівнях узагальнення за заданим напрямком і кількістю кроків. Пошук при
кожнім кроці може ініціюватися термом чи запитом предикату. При формуванні
відповіді на запит за предикатом відбувається вибірка всіх пар сутностей, зв'я-
заних зазначеним у запиті предикатом з можливістю накладення додаткових об-
межень на характеристики аналізованих сутностей.
3. Використання аналітичних баз знань дозволяє об'єднати оперативні й ана-
літичні дані в традиційному процесі прийняття рішень у процес прийняття рі-
шень в динаміці з наступними результатами – здійснення в процесі розв'язання
однієї задачі аналізу на різних рівнях узагальнення інформації з деталізацією
аналізу до будь-якого рівня. Використання високого рівня спрощення, при-
родності й компактності представлення знань, підключення до системи підтрим-
ки прийняття рішень моделюючих підсистем для вибору варіантів прогнозів і
остаточного розв'язання задачі.
1. Ходаковский Н.И. Исследование принципов создания обучающих компьютерных сис-
тем на основе эффекта молекулярной памяти и специальных экспертных систем //
Комп’ютерні засоби, мережі та системи. – К.: Ін-т кібернетики ім. В.М. Глушкова НАН
України, 2004. – № 3. – С. 111–116.
2. Кузин Е.С. Представление знаний и решение информационно-сложных задач в компью-
терных системах // Информационные технологии. – 2004. – № 4 . – Приложение. – 32 с.
3. Ходаковський М.І. Розробка навчальних комп’ютерних комплексів з використанням
принципів когнітивної підтримки в умовах функціонування молекулярної розподіленої
М.І. ХОДАКОВСЬКИЙ
Комп’ютерні засоби, мережі та системи. 2006, № 5 132
пам’яті людини // Комп’ютерні засоби, мережі та системи. – К.: Ін-т кібернетики
ім. В.М. Глушкова НАН України, 2004. – № 5. – С. 117 –122.
4. Исаев В.В. Модель управления обучением в автоматизированной обучающей среде //
Информационные технологии. – 2004. – № 2 . – С. 53 –59.
5. Гринченко С.Н. Биоинформатика: случайный поиск, адаптация и эволюция в моделях
систем “достаточно высокой” сложности // Системы и средства информатики. – М.:
Наука, 2000. – Вып. 10. – С. 179 – 192.
6. Гринченко С.Н. Системная память живого (как основа его метаэволюции и периодиче-
ской структуры). – М.: ИПИ РАН. – 2004. – 512 с.
7. Бине А. Измерение умственных способностей. – С.-Петербург. – Союз: 1998. – 430 с.
8. Адамар Ж. Исследование психологии процесса изобретения. – М.: Советское радио,
1977. – 284 с.
9. Анохин П.К. Принципиальные вопросы общей теории функциональных систем // Прин-
ципы системной организации функций. – М.: Наука, 1973. – 268 с.
10. Кузин Е.С. Адаптивная интеллектуальная система управления сбором и анализом
информации // Проблемы информатизации. – 1997. – № 4. – С. 43 – 62.
11. Charles H.B. Knowledge management: practical aspects of implementation. – KMWorld. –
2002. – 11, N 7. – P. 31– 42.
12. Кривошеев А.О., Гусев П.В. Методологические и технологические основы разработки
Интернет-учебника // Информационные технологии. – 2004. – № 9 . – С. 33 – 43.
13. Кларин М.В. Инновации в мировой педагогике: обучение на основе исследования, игры
и дискуссии. Рига: НПЦ ” Эксперимент”, 1995. – 176 с.
14. Пиаже Ж. Избранные психологические труды. – М.: Просвещение, 1969. – 384 с.
15. Батлер Б., Мейс Т. Прямые ответы на простые вопросы // PC Magazin. Russion Edition. –
1995. – N 9. – С. 37 – 45.
16. Попов Э.В., Фоминых И.Б. Статические и динамические экспертные системы. – М.: Фи-
нансы и статистика, 1996. – 289 с.
17. Кузин Е.С. Концепции информационной технологии функционально-ориентированного
проектирования прикладных информационных систем // Информационные технологии.
– 2000. – № 1 . – С. 28 – 42.
18. Atkins S. Size and Cost of the Problem // Proc. of the 56th Internet Engineering Task Force
Meeting. – San Francisco. – 2003. – 31 p.
Отримано 03.04.2006
|
| id | nasplib_isofts_kiev_ua-123456789-6450 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 1817-9908 |
| language | Ukrainian |
| last_indexed | 2025-11-29T10:13:41Z |
| publishDate | 2006 |
| publisher | Інститут кібернетики ім. В.М. Глушкова НАН України |
| record_format | dspace |
| spelling | Ходаковський, М.І. 2010-03-04T10:49:34Z 2010-03-04T10:49:34Z 2006 Використання елементів інформаційних нанотехнологій молекулярних структур пам’яті підсистем природного інтелекту в комп’ютерних навчаючих системах / М.І. Ходаковський // Комп’ютерні засоби, мережі та системи. — 2006. — № 5. — С. 125-132. — Бібліогр.: 18 назв. — укр. 1817-9908 https://nasplib.isofts.kiev.ua/handle/123456789/6450 681.3 Дослідження можливостей і особливостей функціонування базових елементів інформаційних нанотехнологій підсистем природнього інтелекту людини дозволяють зробити висновки за найбільш вагомими застосуваннями останніх при розробці комп’ютерних навчаючих систем та створенні нового покоління підручників. A new approach for the development of methods of processing of the information for extraction of knowledge from molecular devices of subsystems of natural intelligence is considered. The new structures are investigated and may be used in computer training systems and simulators. The specificity of functioning of molecular intelligence system allowing to reveal the probable mechanism of forming of the elements of the informational nanotechnologies is analyzed. uk Інститут кібернетики ім. В.М. Глушкова НАН України Використання елементів інформаційних нанотехнологій молекулярних структур пам’яті підсистем природного інтелекту в комп’ютерних навчаючих системах The application of elements of information nanotechnologies of molecular structures of memory of subsystems natural intelligence in computer education systems Article published earlier |
| spellingShingle | Використання елементів інформаційних нанотехнологій молекулярних структур пам’яті підсистем природного інтелекту в комп’ютерних навчаючих системах Ходаковський, М.І. |
| title | Використання елементів інформаційних нанотехнологій молекулярних структур пам’яті підсистем природного інтелекту в комп’ютерних навчаючих системах |
| title_alt | The application of elements of information nanotechnologies of molecular structures of memory of subsystems natural intelligence in computer education systems |
| title_full | Використання елементів інформаційних нанотехнологій молекулярних структур пам’яті підсистем природного інтелекту в комп’ютерних навчаючих системах |
| title_fullStr | Використання елементів інформаційних нанотехнологій молекулярних структур пам’яті підсистем природного інтелекту в комп’ютерних навчаючих системах |
| title_full_unstemmed | Використання елементів інформаційних нанотехнологій молекулярних структур пам’яті підсистем природного інтелекту в комп’ютерних навчаючих системах |
| title_short | Використання елементів інформаційних нанотехнологій молекулярних структур пам’яті підсистем природного інтелекту в комп’ютерних навчаючих системах |
| title_sort | використання елементів інформаційних нанотехнологій молекулярних структур пам’яті підсистем природного інтелекту в комп’ютерних навчаючих системах |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/6450 |
| work_keys_str_mv | AT hodakovsʹkiimí vikoristannâelementívínformacíinihnanotehnologíimolekulârnihstrukturpamâtípídsistemprirodnogoíntelektuvkompûternihnavčaûčihsistemah AT hodakovsʹkiimí theapplicationofelementsofinformationnanotechnologiesofmolecularstructuresofmemoryofsubsystemsnaturalintelligenceincomputereducationsystems |