Теория автоматов. Этограмма поведения
Добавил пользователь Alex Обновлено: 21.12.2024
Стереотипии и гиперкинезы. Сложные формы поведения
Стереотипии — это повторяемые моторные комплексы при относительном сходстве предыдущего и последующего комплексов. Выделяли яктации (0,01) — раскачивания туловища в переднезаднем и боковых направлениях, стереотипии головы (0,01) — повторяющиеся кивки, встряски и запрокидывания. Однако чаще наблюдаются стереотипии, хотя и вообще редко по сравнению с другими особенностями моторики у психически здоровых, рук (0,03) — поглаживание, потирание, перебирание пальцами, ощупывание, щипки и расчесы, перебирание одежды и манипулирование, сгибание-разгибание, груминг.
Наблюдались также стереотипии движений ног (0,02) в виде шарканья, сведения и разведения коленей, ударов пяткой и носком, раскачивания ног. Не наблюдалось стереотипии рисунка и письма. Стереотипии отмечаются и в динамике более сложных комплексов — жесте, мимике, ориентированных поворотах, глазном контакте. Всегда заметно, что они возникают при затрудении в ответе, смущении, задумчивости, угасают через 3—5 мин, усиливаются при вопросе. Суммарная встречаемость стереотипии у психически здоровых составляет 0,07.
Гиперкинезы — внезапные моторные проявления большей интенсивности — резкие повороты головы, туловища, вскидывание рук в тех случаях, когда эти проявления возникали как неуместные в рамках конкретного комплекса поведения. Иными словами, это неадекватные вспышки активности на фоне относительно спокойного поведения. У психически здоровых гиперкинезы отсутствовали. Тики-периоды сокращения отдельных мимических мышц на фоне конкретного мимического выражения (0,0).
Они отличаются самопроизвольным усилением и угасанием, меньшей степенью ритмичности, чем стереотипии. Тремор — дрожание рук и пальцев, туловища, головы, ног — более выражен в дистальных отделах конечностей и усиливается при интенционных движениях, попытках произвести движение, жест, встать и сесть. Тремор, в отличие от тика и стереотипии, полностью не исчезает, его интенсивность при завершении основного моторного акта лишь слегка угасает (0,0).
Сложные формы поведения
К этой группе относятся как наблюдаемые нами сложные формы, так и те формы поведения, которые известны из литературных данных.
1. Сон. При оценке сна как поведения важно оценить позу сна, так как известно, что вариабельность и фиксация поз сна маркирует целый ряд психических состояний и соматическое состояние.
Оценивается также характер ритма сна-бодрствования, который имеет индивидуальные, возрастные, адаптивные особенности и искажается при патологии, особенно при депрессиях. Поведенческие особенности сна при психических заболеваниях практически не изучены. Установлено, что ритм сна-бодрствования, продолжительность сна и его глубина связаны с передним мозгом и супрахиазматическим ядром (R. F. Thopson, 1985). Наиболее полный обзор по этиологии сна сделан J. R. Anderson (1984).
2. Локомоция. Н. А. Бернштейн (1938) показал, что даже простое локомоторное движение состоит из множества простых и элементарных актов, представляющих собой сложную систему. Следует оценивать особенности походки, бега, прыжка. Эти элементы отличаются национальной спецификой (Maus, 1934), зависят от возраста, пола.
Внешне наиболее обобщенно можно оценивать походку как походку без особенностей, для которой характерно гармоничное участие во время ходьбы рук и туловища (0,86), как скованную — походку (0,14), при которой руки приведены, а туловище прямое, как вычурную — походку с чрезмерной, неадекватной размашистостью рук; по темпу — ускоренную (0,10), среднего темпа (0,90), замедленную (0,0).
3. Поведение поддержания чистоты тела и одежды. Под контролем этого поведения находятся многие аспекты невербальной коммуникации. Одежда, прическа находятся в связи с социальной группой и возрастом, полом, типом личности и конституцией. В связи с этим М. Argyle (1971) пишет: «Эйфорический экстраверт никогда не наденет темный костюм с черным галстуком».
При коммуникациях оценка этого поведения имеет большое значение, в частности при негативных синдромах шизофрении, психопатиях (например, известны особенности типологии облика истерического психопата, олигофрена). Цвет одежды в рамках моды и национальной специфики в значительной мере подбирается человеком в зависимости от его эмоционального состояния. Целый ряд нарушений поведения непосредственно связан с поведением поддержания чистоты, в частности мизофобия, неряшливость. Поддержание чистоты у психически больных, характер косметики, которой они пользуются, могут многое сказать психиатру о соответствии статуса, вербаль-но предъявляемого больным, истиному психическому состоянию.
В некоторых случаях существует диссоциация между статусом и поведением поддержания чистоты. В частности, при депрессиях у женщин не всегда теряется интерес к косметике, недооценка этого факта может привести к гиподиагностике степени депрессии. Поддержание чистоты может носить ритуализированный характер при обсессиях, истерии.
Информация на сайте подлежит консультации лечащим врачом и не заменяет очной консультации с ним.
См. подробнее в пользовательском соглашении.
Теория автоматов. Этограмма поведения
Теория автоматов применительно к изучению поведения очень перспективна. В качестве примера приложения теории можно привести исследования М. А. Дерягиной (1983) по изучению агрессивного поведения у приматов. Была рассмотрена динамика переходов элементов агрессивного поведения. Выделено три типа поведения, о которых говорилось выше: а) агрессивно-предупредительное (АП), б) агрессивно-конфликтное (АКФ), в) агрессивно-контактное (АК).
Далее в очень наглядной форме результаты были представлены этограммой, являющейся компактно свернутой информацией результатов наблюдений и, что очень важно, позволяющей пользоваться развитой матемаЭтограмма, описывающая поведение, является представлением конечного автомата в виде графа. Кроме того, представление автомата возможно в виде таблицы. Оба представления эквивалентны, граф обладает большой наглядностью, а таблица удобна для расчетов. В данном случае мы имеем дело с недетерминированным автоматом, в том смысле, что переход из одного состояния в другое не определен однозначно, а существует некоторое распределение вероятностей перехода из определенного состояния в любое время.
Кроме того, авторами настоящей книги было выделено только три типа поведения, хотя на самом деле их больше, т. е. любые таблицы переходов, которые мы построили, являются лишь частью больших по размеру таблиц, подробно описывающих поведение животного или человека. Переход к новому формату можно рассматривать как следующий шаг после перехода от скаляров к векторам, так как автомат, рассматриваемый как единый объект, является конструкцией, более адекватной по сложности изучаемым поведенческим системам. Детальное представление результатов этологических экспериментов в форме недетерминированных, не полностью описанных автоматов— вопрос сложный, однако перенесение даже отдельных элементов формализма автоматов позволяет в значительной степени упорядочить как сам эксперимент, так и более точно интерпретировать результаты наблюдений. Наши данные по применению метода конечных автоматов основаны на изучении переходов 12 типов невербального поведения у 62 психически здоровых.
Изучались особенности поведения студентов (33 человека) при ответе на заранее данные вопросы по пройденному разделу психиатрии и врачей-психиатров (29 человек) при ответе на вопросы по известному разделу цикла психиатрии в период прохождения курсов повышения квалификации. Продолжительность наблюдения до 15 мин. Выделены: комфортное поведение, неофобия, агрессивное, пищевое поведение, груминг, поведение внимания и контакта, манипулятивное поведение, поисковое, имитационное поведение, ритуализация, демонстрация доверия, поведение намерений. Эти типы поведения определены нами выше.
Наблюдали и фиксировали незаметно для испытуемых переходы от одного типа поведения к другому, как вне естественного стимула, так и в период стимула, которым был посторонний звук, вопрос, появление в комнате нового лица, манипуляции наблюдателя с бумагой на столе, его уход и т. д.
Принцип построения таблицы: на пересечении горизонтального ряда цифр с соответствующим столбцом видно количество наблюдавшихся переходов из данного состояния в состояние соответствующего столбца и, наоборот, цифра в каждой клетке столбца обозначает количество переходов из данного состояния в состояние, соответствующее строке. Очевидно, что клетки, стоящие на диагонали, соответствуют переходу в то же самое состояние. На первом этапе анализа достаточен факт наличия переходов между состояниями. Определим для каждой этограммы следующую характеристику — строку , где каждое ai равно количеству всех входящих, выходящих стрелок и циклов в состоянии i. Тогда получим для этограммы в отсутствие стимула строку:
А= (4, 1, 1,2,2, 14,6,6,3, 2, 2, 1)
и аналогично при наличии стимула:
В=(3, 10, 8, 12, 13, 16, 15, 7, 1, 2, 12, 6)
Вполне очевидно, что общее количество переходов возросло от 44 до 105. Это произошло за счет новых переходов, не наблюдавшихся вне стимулов. Так, например, количество переходов, связанных с комфортным поведением, осталось прежним, зато возросло количество переходов, связанных с поисковым поведением за счет добавления новых переходов как в другие состояния, так и в другие поведенческие комплексы, которые ранее не наблюдались. Можно предположить, что данные различия обусловлены случайными причинами и расхождение между двумя таблицами носит случайный характер.
Проверку этой гипотезы начнем с подсчета общего количества переходов между всеми выделенными комплексами. Количество всех выходящих из каждого само себя (на этограмме эти переходы отмечены замкнутыми петлями — циклами). Таким образом, общее количество всех возможных переходов равно 144. Легко подсчитать, что вероятность перейти из какого-либо состояния в другое составляет 1/12.
Формализация поведения как языка. Язык поведения
При сравнении типологии организации поведения (в частности, невербального) со структурой языка прослеживается отчетливая аналогия. Поэтому структура языков, в частности конструируемых в настоящее время языков искусственного интеллекта, может быть использована для описания понимания структуры и управления поведением (P. Winston, 1980). Существующие логико-лингвистические модели и структуры баз данных уже в настоящее время можно использовать для исследования поведения. Основной принцип конструкции этих моделей и баз заключается в использовании не количественной, а семантической, т. е. смысловой, качественной информации.
Обычно первоначально описывается типология системы. Для сложных систем считается предпочтительной типология модели типа семиотической системы, т. е. той системы, в которой имеется интерпретатор; под интерпретатором понимается блок 1, обеспечивающий перестройку модели М в связи с перестройкой модели знаний. Вводится также адаптатор А, обеспечивающий обратную связь объекта (человек) и среды с наблюдением. Первоначальной задачей является построение модели знаний с помощью специального языка представления знаний (ЯПЗ) (Д. А. Поспелов, 1981).
Структура ЯПЗ (в нашем случае языка представления поведения — ЯПП) приближается к естественному языку. Элементы ЯПП должны быть логичны и формальны, они формируются с помощью логики понятий, имен и отношений, понятий — классов, понятий — отношений, понятий — процессов. Особый и важный класс описаний ЯПП имеют фреймовые представления. Слово «фрейм» введено М. Минским и формулируется как «минимально необходимое», без чего не существуют объект, явление, процесс. Фрейм можно представить в виде сети из узлов и отношений. Верхние уровни фрейма содержат факты, которые истинны в предполагаемых ситуациях, нижние уровни — множество ячеек, которые нужно заполнить конкретными случаями, это терминалы. М. Минский (1974) также определяет фрейм как структуру данных, предназначенных для стереотипной ситуации.
При описании поведения ситуация осложняется тем, что наряду с фреймами объекта (элементарные признаки поведения) должны вводиться и фреймы действия. Простые же формы поведения представлены элементами, между которыми также существуют сложные взаимоотношения. Такое последовательное вхождение одной иерархии в другую требует последовательного фреймового описания, в нижних этажах которой будут накоплены достаточно однозначные факты. С помощью логико-лингвистических методов и языков высокого уровня типа Лисп можно построить такие базы данных и такой язык, которые будут отвечать поставленной нами задаче исследований поведения. Возможно, это будут задачи прогнозирования, оценки типологии или вопросы управления поведением. Покажем, как в принципе можно строить отдельные конструкции представлений о поведении как языке.
(ПОВЕДЕНИЕ) = (ПРОГРАММА ПОВЕДЕНИЯ) (СПИСОК ФОРМ ПОВЕДЕНИЯ) (СПИСОК КОМПЛЕКСОВ ПОВЕДЕНИЯ) (СПИСОК ФОРМ ПОВЕДЕНИЯ) = (номер формы) (ФОРМА ПОВЕДЕНИЯ)
(ФОРМА ПОВЕДЕНИЯ) = (КОМФОРТНОЕ) (АГРЕССИВНОЕ) (ПОИСКОВОЕ) (ВНИМАНИЯ) (ИМИТАЦИОННОЕ)
(СПИСОК КОМПЛЕКСОВ ПОВЕДЕНИЯ) = (КОМПЛЕКС ПОВЕДЕНИЯ) (КОМПЛЕКС ПОВЕДЕНИЯ)
(СПИСОК КОМПЛЕКСОВ ПОВЕДЕНИЯ) = (КОМПЛЕКС) (ПЕРЕХОД)
(КОМПЛЕКС) = (ПРАКСЕМИКА) / (МИМИКА) / (ПРИВЕТСТВИЕ) / (ОРИЕНТАЦИЯ) (ЖЕСТ) / (МОТОРИКА) / (ЧАСТЕЙ) / (ТЕЛА) / (ГРУМИНГ)
(ПРАКСЕМИКА) = (ИНИЦИАЛЬНАЯ) (ПОСЛЕДУЮЩАЯ) (ЧЕРЕЗ 1 ЧАС) (ПРАКСЕМИКА)
(ИНИЦИАЛЬНАЯ) = (ЦИФРА) IF (МИМИКА ДЕПРЕССИИ)
(МИМИКА) = (М. ДЕПРЕССИИ) / (М. УЛЫБКИ) / (М. СТРАХА) / (МИМИКА) (УСТОЙЧИВОСТЬ)
(МИМИКА ДЕПРЕССИИ) = (БРОВИ) (ВЕКИ) (ГЛАЗА) (ГУБЫ)
(ВЕКИ) = (ВЕРХНИЕ) (НИЖНИЕ)
(ВЕРХНИЕ) = (СКЛАДКИ ВЕРАГУТА)
Эти примеры приведены нами лишь для иллюстрации диагностических возможностей языка поведения. Все структуры сознательно упрощены, однако видно, что с помощью введения оператора IF (ЕСЛИ) можно установить связь праксемики и мимического выражения депрессии. Усложняя структуру языка, можно добиться более точного определения формы через элементы и, установив динамику с помощью «переходов», построить модель формы, исходя из комплексов. Однако очень важно договориться, что для того, чтобы построить язык поведения, необходимо предварительно знать, как на самом деле правильно определить элемент, комплекс и форму поведения, а это мы уже можем установить только с помощью наблюдения или клинического описания.
Психология и теория автоматов
Человек работает в условиях среды, состоящей из очень большого числа элементов. С другой стороны, человек — это система с конечной памятью, его мозг построен из большого, но тоже конечного числа элементов. Поэтому, исходя из понятий кибернетики, его можно рассматривать как конечный автомат. И здесь возникает серьезное противоречие: конечный автомат оказывается способным работать в бесконечной среде [1].
Известно, что в кибернетике автоматами называют предназначенные для переработки информации устройства, в которых существует определенная зависимость между состояниями входов и выходов. Эти устройства работают на основе принципа «стимул-реакция»: то или иное поступающее на вход воздействие соотносится с памятью и определяет ответ выходных устройств автомата.
Обычно рассматриваются два типа автоматов — детерминированные, в которых соотношение между стимулом и реакцией однозначно определено внутренними состояниями автомата, и вероятностные, дающие ответы на стимулы с разной степенью вероятности. При этом подчеркивается, что конечный автомат может реагировать только на определенное конечное число стимулов, а это зависит от объема его памяти. В связи с этим и делается вывод, что подобный автомат может действовать лишь через перебор вариантов [2].
Однако при этом забывают, что в условиях бесконечного числа ситуаций такой принцип работы неэффективен. К тому же автоматам, построенным по принципу «стимул-реакция», свойственен и другой существенный недостаток. Они требуют определенности стимула: чтобы можно было реагировать на тот или иной стимул, он должен быть точно определен. Но ведь существуют такие ситуации, в которых нет и не может быть дана заранее однозначная характеристика стимула [3].
Это те ситуации, которые представлены разрозненными элементами. В этом случае стимулом не может быть ни один элемент ситуации в отдельности. Человек, решающий задачу не реагирует на тот или иной отдельный элемент, а должен выработать стратегию относительно всей ситуации. Поэтому для работы в условиях такой разобщенности элементов автомат должен соответствующим образом преобразовывать эту совокупность элементов в некоторое единое целое, в определенный стимул, в ответ на который следует та или иная стратегия.
Поскольку в существующих автоматах такой преобразователь отсутствует, они не могут работать в условиях дискретной, разобщенной среды. Человек же, попадающий в подобную ситуацию, связывает между собой разрозненные элементы, организует и формирует то, что называют оперативно-информационной моделью, например, шахматной позиции. Именно эта модель и является для человека стимульной ситуацией, определяющей выработку стратегии. Но этого мало. Благодаря способности к выработке оперативно-информационной модели ситуации человек получает свойства бесконечного автомата (при конечном числе элементов, составляющих его мозг, и объеме памяти), которые возвышают его существующими кибернетическими устройствами и позволяют ему разумно, успешно работать в условиях бесконечной среды [4].
В качестве примера, подтверждающее это положение, приведем какую-нибудь систему шахматных фигур, созданную или усвоенную человеком. Возьмем, например, идею связки фигур. Она состоит в следующем: если между королем и атакующей его фигурой противника стоит «своя» фигура, то эту фигуру убирать нельзя, иначе король окажется под шахом. Эта фигура становится как бы связанной; она не может быть использована для дальнейших действий. Таким образом, здесь имеет место определенный тип связи между фигурами. При этом характерно, что фигуры, образующие такую систему, могут стоять в самых различных местах доски: их расположение не повлияет на характер связи между ними. Больше того, в одной позиции нападающей фигурой может быть слон, а в другой — ладья, в одной позиции связанной фигурой будет ферзь, в другой — конь и т. д. Независимо от местоположения и названия фигур, если они взаимодействуют определенным образом, на доске будет иметь место ситуация связки.
Нетрудно увидеть, что уже этим простым типом связи можно описать огромное число конкретных позиций, а это способствует выработке разумных стратегий в условиях таких позиций.
Кибернетика пасует перед астрономическим числом возможных конкретных сочетаний шахматных фигур на доске, включающей 8 X 8 полей. А что будет, если мы начнем увеличивать число полей доски, например, возьмем доску, состоящую из 10 X 10 или 50 X 50 полей? А если при этом увеличивать и число фигур, например, ввести при одном короле восемь слонов, десять коней, четыре ферзя и т. д.? Если в распоряжении автомата будут оперативно-информационные системы, а главное — принцип их образования, то для него не окажется столь уж существенной величина среды, в которой ему придется работать. Так, идея связки «сработает» и на доске из 100 X 100 полей, в каком бы районе этой доски ни находились включенные в эту систему фигуры. При увеличении числа полей и числа фигур количество конкретных позиций, описываемых оперативно-информационными системами, может возрастать до бесконечности [5].
Существует еще одна проблема, в решении которой технической кибернетике сможет помочь эвристика. Это — создание самообучающихся систем. Под ними понимают устройства, для которых не требуется предварительного математического описания последовательности действий и объекта управления. Системы эти могут состоять из очень большого числа элементов, обладающих вначале неопределенными функциями. В такой системе начальной организации принципиально не требуется: порядок как бы сам возникает из хаоса в процессе самоорганизации (самообучения). Часто подчеркивается, что эти системы в определенном отношении могут превзойти человека, создавшего их. Возьмем, например, инженера, который создаст диагностическую машину, работающую эффективно. Машина легко превзойдет своего создателя в смысле специальных знаний.
Существует, однако, и другая концепция, которая утверждает, что все элементы системы (включая и объект управления) должны быть, хорошо изучены (алгоритмизированы), надежны и с самого начала наделены определенными функциями. С этой точки зрения необходима высокая начальная организация системы, причем последняя никогда не может превзойти своего учителя — человека. Эти две концепции не являются антагонистическими: они отражают лишь два разных типа систем, каждый из которых может иметь место [6].
В работах по кибернетике указывается, что способностью создавать новые схемы действия, т. е. самообучением, обладают только некоторые системы с обратной связью. К ним относятся, например, системы типа «перцептрон».
Перцептрон — это предложенная Ф. Розенблаттом классическая модель мозга, обладающая свойствами обучения и самообучения. В настоящее время это название применяется к определенному классу систем. Перцентроны могли самостоятельно, без помощи человека, распознавать и классифицировать входные сигналы по признакам, которые не заданы заранее. Основными составными частями перцептрона являются экран, состоящий из фотоэлементов, и связанные с ними ассоциирующие элементы. Возбуждение, падающее на экран, передается ассоциирующим элементам, которые посылают сигналы элементам исполнительным. В ходе обучения машины распознаванию, например, букв определенные фотоэлементы, возбужденные данной буквой, «подкрепляются», а возбуждения, не относящиеся к этой букве, «наказываются». В результате таких опытов машина дифференцирует одну букву от другой [7]
Существуют и другие системы, которые совершенствуют способы действия при решении определенных задач. При этом во многих системах перебор вариантов рассматривается как фактор, определяющий путь самообучения. Он выступает в нескольких формах. Принцип полного перебора, реализованный в таких устройствах, как мышь Шеннона и др., считается не очень хорошим с точки зрения самообучения, лишь некоторым первоначальным его этапом.
Более интересны в этом отношении такие формы перебора вариантов, в которых испытываются лишь некоторые варианты возможных решений. К таким формам можно отнести статистический просчет. Он реализуется, например, в системах, действующих с учетом вероятности успеха.
Самообучение таких систем состоит в том, что, учитывая опыт предыдущей работы, они опробуют в первую очередь наиболее перспективные решения или отбрасывают заведомо негодные, не пытаясь искать решения там, где они до сих пор его никогда не находили.
К указанным системам следует прибавить и устройство, сыгравшее большую роль в развитии кибернетики, — гомеостат Эшби, который находит устойчивое положение на основе случайных, хаотических движений.
Характерно, что устройства подобного типа, как и типа «перцептрон», не считались никогда перспективными. Они выступают как другая крайность по сравнению с детерминированными системами, в которых точно описан управляемый объект и способы управления. Основная линия развития самообучающихся систем может быть связана с комбинированными устройствами, включающими, с одной стороны, фиксированные, заранее данные элементы, а с другой — подсистему, которая, на основании этих фиксированных элементов, способна решать задачи, относительно которых алгоритм отсутствует [2].
Именно такого рода системой, включающей готовые способы действия и в то же время способной формировать новые способы в процессе решения задач, может считаться человек. И естественно поэтому, что для разработки теории самообучающихся систем представляет интерес материал, связанный с самообучением человека.
Многие психологи подчеркивали роль процесса решения задач для саморазвития, для выработки новых, отсутствующих ранее форм поведения, адекватных определенным условиям среды.
Действительно, ведь у той или иной кибернетической в широком смысле системы (человек, животное) возникают самостоятельно новые формы поведения. Если имеет место процесс обучения, то здесь все ясно: учитель специальными методами передает имеющиеся у него способы действия. Но если система предоставлена самой себе, если она должна сама прийти к определенному выводу, то у нее нет никакого другого способа, кроме эвристической деятельности, кроме процесса решения задач. Разумеется, новая форма поведения может возникнуть случайно, но и случай используется обычно именно потому, что существует задача, некоторая цель, которую нужно достигнуть.
С точки зрения психологии творческого мышления принципиальный путь самообучения кратко может быть выражен следующим образом. Перед человеком возникает задача, по отношению к которой у него отсутствуют стратегия, способ действия и т. д. Человек решает эту задачу на основе моделирования ее условий и создает недостающую стратегию [8]. Стратегия эта запоминается им и, при возникновении аналогичной ситуации, срабатывает. В результате самообучения те или иные ситуации перестают быть проблемными и не требуют в дальнейшем специального решения.
1 Левин, В. И. Введение в динамическую теорию конечных автоматов /В. И. Левин. — Рига: Зинатне, 1975. — 376 с.
2 Рогшстй B. H. Основы дискретной автоматики. М.: Связь, 1975. 4З0 с.
3 Karnopp, D. An approach to derivative causality in bond graph models of mechanical systems [Text] / D. Karnopp // J. of the Franklin Institute. — 1992. -vol. 329, № 1. — Р. 65–75.
4 Хопрофт, Д. Введение в теорию автоматов, языков и вычислений. /Д. Хопкрофт, Р. Мотвани, Д. Ульман. -М.: Вильямс, 2002. — 528 с.
5 Левин, В. И. Бесконечнозначная логика и переходные процессы в конечных автоматах / В. И. Левин // Автоматика и вычисл. техника. — 1972. — № 6. — С. 54–65
6 Guo, G. Optimum dynamic design of planar linkage using genetic algorithms [Text] / G. Guo, N. Mo-rita, T. Torii // JSME Int. J. C. — 2000. — vol. 43, № 2. — P. 372–377.
7 Розенблатт Ф. Принципы нейродинамики. Перцептроны и теория механизмов мозга. Пер. с англ. Под ред. С. М. Осовца. М. Мир 1965г. 480 с.
8 Барабанщиков, В. А. (2010) Введение. Психология и математика. В кн. А. Л. Журавлев, Т. Н. Савченко, Г. М. Головина (ред.), Математическая психология: Школа В. Ю. Крылова (11–13). М.: Изд-во «Институт психологии РАН».
Основные термины (генерируются автоматически): система, конечный автомат, способ действия, фигура, форма поведения, эта, бесконечная среда, конечное число элементов, перебор вариантов, процесс решения задач.
Похожие статьи
Методы задания автоматов | Статья в журнале «Молодой ученый»
Методы задания автоматов. Для задания конечного автомата S требуется описать все элементы множества S=. Наиболее часто используемой формой описания элементов множества S используется табличный, графический, матричный способы.
Применение автомата Мура для решения элементарных.
ввод данных, данные, переход, конечный набор, расширенный конечный автомат, приложение, действие, решение этой, пользовательский интерфейс, операционная система, общий случай, элемент.
Визуализация комбинаторных задач теории вероятностей
Все объекты задачи состоят из отдельных дискретных элементов; Множества этих элементов конечны.
К неформальным способам решения комбинаторных задач относят непосредственный перебор.
Расширенный конечный автомат для тестирования мобильных.
Теория игр: основные понятия, типы игр, примеры
Возможный способ действия игрока или коалиции называется Стратегией игрока [3]. В процессе игры каждый участник выбирает свою
Игра называется конечной, если каждый игрок имеет конечное число возможных стратегий, и бесконечной — в противном случае.
Обобщенный способ рассуждения при решении математической.
Учащиеся при этом включаются в процесс решения учебных задач, результатом решения которых является уяснение ученикомобщего способа
Нередко это наблюдается при частично открытой форме задания последней. В действиях учителя непреднамеренно происходит.
Алгоритмы расщепления для задачи о пропозициональной.
Задача о пропозициональной выполнимости (англ. вариант — SATISFIABILITY, или SAT) имеет следующую формулировку [1]. Пусть X — это конечное
Формула F в конъюнктивной нормальной форме (КНФ) является конъюнкцией конечного числа клозов, где клоз — это.
Ситуационная задача как один из современных методических.
Кроме того, учащиеся в процессе решения ситуационной задачи
Решение таких задач в конечном итоге приведет к развитию мотивации учащихся к познанию
По своему содержанию данные задачи направлены на выявление и осознание способа деятельности.
Особенности элективного курса для старшеклассников «Элементы теории автоматов»
Элективные курсы являются неотъемлемыми компонентами вариативной системы образовательного процесса на ступенях основного общего и среднего (полного) общего образования, обеспечивающими успешное профильное и профессиональное самоопределение обучающихся.
Профессиональное самоопределение — самостоятельный выбор профессии, осуществляемый в контексте социализации личности в результате анализа человеком своих внутренних ресурсов, в том числе и своих способностей, и соотнесение их с требованиями профессии.
Теория автоматов имеет широкие возможности применения: проектирование систем логического управления; обработка текстов и построение компиляторов; спецификация и верификация систем взаимодействующих процессов; языки описания документов и объектно-ориентированных программ; оптимизация логических программ др.
Ценность дисциплины «Элементы теории автоматов» заключается в построении учащимися в ходе обучения математических моделей. При этом они переводят практические задачи на математический язык, составляют алгоритмы решения, данных задач, учатся интерпретировать результат и оценивать его, проверяя практикой. Особенно важно изучение данного курса в процессе профильного обучения. Ведь одна из задач профильного обучения — первичная подготовка школьников к избранному ими роду деятельности, к будущей профессиональной деятельности.
Данный элективный курс предназначен для учащихся 11 классов, он является предметно-ориентированным и рассчитан на 18 часов.
Он может быть включен в естественно-математический профиль, поскольку расширяет и углубляет знания школьников по математическим наукам. При этом курс поддерживает изучение информатики на профильном уровне. Материал, с нашей точки зрения, должен содержать три раздела:
1. Понятие автомата.
2. Способы задания абстрактных и структурных автоматов.
3. Основные типы задач, возникающие в связи с понятием конечного автомата.
Условием, позволяющим правильно построить учебный процесс, является актуализация знаний, приобретенных на предыдущих занятиях.
По нашему мнению, основными формами проведения занятий должны стать: традиционные формы занятий (лекции и семинар); индивидуальная (групповая) деятельность учащихся (учебные игры, дискуссии); защита реферативных работ. Реферативная деятельность учащихся позволит удовлетворить их индивидуальные потребности и интересы, выявить возможности школьников, то есть максимально разнообразить обучение.
Чтобы оценить степень усвоения учащимися материала дисциплины и заинтересовать их выполнять задания, необходимо предоставить слушателю курса объективную информацию об уровне его знаний и умений, а, следовательно, и об оценке, которую он получит по итогам.
Не следует забывать и о возможностях, которые предоставляют для поддержания познавательного интереса школьников современные информационные технологии. Например, в процессе преподавания элективного курса рекомендуется широко использовать компьютерные презентации, созданные как учителем, так и учащимися.
Подводя итог вышесказанному, мы сформулировали следующие цели элективного курса:
1. Дать первоначальное представление о целях и основных методах теории автоматов;
2. Способствовать развитию творческих способностей старшеклассников, логического мышления учащихся, формированию положительной мотивации к получению знаний;
3. Способствовать профессиональной ориентации учащихся.
Примерная программа курса «Элементы теории автоматов»
1. Вводное занятие (1ч) Основные понятия и определения, что изучает теория автоматов.
2. Методы задания автоматов (1ч) Теоретико-множественное представление автоматов. Табличная форма. Графовая форма задания абстрактных автоматов. Матричная форма.
3. Эквивалентные автоматы (3ч) Реакция автоматов. Математические модели автоматов: модель Мили и модель Мура. Преобразование автоматов Мура в эквивалентные автоматы Мили. Преобразование автоматов Мили в эквивалентные автоматы Мура.
4. Абстрактный С-автомат (совмещенный) (1ч) Математические модели автоматов: модель Мили и модель Мура, модель совмещенного С-автомата. Отличие С-автомата от моделей Мили и Мура.
5. Типы конечных автоматов (1ч) Понятие конечного автомата, разновидности конечного автомата: с конечной памятью, с конечным запоминанием, автомат без потери информации, связный и несвязный автомат, инициальный автомат.
6. Начальные (стандартные) языки (1ч) Начальные языки: язык регулярных выражений алгебры событий, язык логических схем, язык граф-схем алгоритмов, язык схем алгоритмов.
7. Автоматные языки (1ч) Таблицы переходов и выходов, матрицы переходов и выходов, граф автомата.
8. Язык алгебры логики (булевой алгебры) (2ч) Двоичный алфавит. Высказывание как начальное понятие алгебры логики, типы высказываний. Построение языка регулярных выражений.
9. Язык временных диаграмм (1ч) Дискретные сигналы. Формы дискретных сигналов. Потенциал. Импульсный сигнал.
10. Основные типы задач, возникающие в связи с понятием конечного автомата (5ч) Задачи: классификации автоматов; анализа и синтеза автоматов; способов задания автоматов; полноты элементарных автоматов; минимизации автоматов; эквивалентных преобразований автоматов.
Читайте также: