Synergetic methods of data complexation

Abstract

A. N. VoroninUDC 519.51Synergetic methods of data complexation are proposed that make it possible to obtain a maximal amount of available information using a limited number of channels. Instead of reducers of degrees of freedom, a mechanism of discriminators of degrees of freedom is proposed that enables all the channels to take part in the development of a cooperative decision in accordance with their informativeness in a current situation.Topicality of the problem. In the hierarchy of systems theories, synergetics or the science of cooperative processes [1, 2] occupies the upper level. It is an integrated science that allows one to arrive at a holistic understanding of nature, technics, and society on the basis of a unified synergetic conception. In contrast to the general systems theory, synergetics studies cooperative, coherent, and self-consistent processes running in complex systems. Whereas cybernetics develops control methods that force a system to function in a predetermined way to achieve its objective, synergetics organizes a process characterized by self-control and self-organization in accordance with a predetermined objective. In this case, intricate processes are developed not under centralized actions but as result of collective interaction of components. The cooperation of components makes it possible to use reserve capabilities of a system and substantially increases the degree of system effect.Of course, the passage to an integrated conception such as the synergetic one requires new scientific and applied investigations that reflect cooperative (i.e., synergetic) phenomena in corresponding knowledge domains [1] and, hence, the problem considered in this article is topical.Analysis of the state of the problem. Among object domains, biology turns out to be most susceptible to the ideas of synergetics. According to P. K. Anokhin [3], when a biological organism has need of obtaining a definite result, it generates a special functional system to meet this need. The content of the sought-for result (the objective) is formed by the system in the form of some model before the obtaining the result itself. If the result is satisfactory, then the organism passes to the formation of another functional system to obtain another useful result that is the next stage in a universal continuum of objectives. If the result is insufficient, then activating mechanisms are stimulated, new components are actively selected, the degrees of freedom of operating synaptic organizations are changed and, finally, after several trials and errors, a satisfactory result of the process of adaptation is found.A functional system is a genuine cooperation of a set of components aimed at obtaining the predetermined useful result. From this viewpoint, the term "mutual assistance" is more adequate. A component can be added to a system only if it contributes its portion of assistance to the obtaining of the necessary result. After addition to the system, the component immediately eliminates all the degrees of freedom that prevent the o...

Методи Уточнених Точкових Оцінок Параметра Розподілу Ймовірностей Випадкової Величини На Підставі Обмеженого Обсягу Даних

“…Виявлення найбільш інформативного каналу передачі даних. У складних синергетичних системах дані про стан об'єкта, перебіг процесу чи явища, зазвичай, передають декількома каналами зв'язку (Voronin, 2006;Kolesnikov, 1994). Проблема полягає в тому, щоб визначити, які канали зв'язку передають найбільш достовірні дані.…”

“…Синергетичний принцип усереднення даних (Voronin, 2006;Kolesnikov, 1994) має багато спільного з ідеями математичної статистики (Orlov, 2006). Якщо синергетичну концепцію поєднання даних застосовують для оцінювання дійсного стану об'єкта, перебігу процесу чи явища за наявної сукупності даних, то математична статистика вивчає методи оцінювання моментів розподілу ймовірностей випадкових величин за наявною сукупністю елементів вибірки.…”

“…Апріорна інформація містить оцін-ку математичного сподівання X с , розподілену також за нормальним законом з відомою дисперсією σ 2 /n. Після нескладних математичних перетворень, наведених у роботі (Voronin, 2006), з виразу (4) було отримано алгоритм обчислення оцінки математичного сподівання X с , для реалізації якого потрібно організувати таку ітераційну процедуру:…”

“…Результати багатьох тестів (Voronin, 2004(Voronin, , 2006Voronin & Ziatdinov, 2013) показують, що довірчий інтервал, який відповідає уточненій оцінці (5), менше довірчого інтервалу оцінки максимальної правдоподібності (3). Найбільший виграш в ефективності виходить для малих вибірок, оскільки зі збільшенням кількості вимірювань відносний внесок апріорної інформації при отриманні оцінок поступово стає меншим, а байєсівська оцінка (5) й оцінка максимальної правдоподібності (3) асимптотично збігаються (Orlov, 2006) Тому обчислювати уточнену оцінку параметра доцільно, в основному, при малих обсягах вибірки випадкової величини.…”

Refining Expert Based Evaluation on the Basis of a Limited Quantity of Data

“…Existing methods for determining software quality on the basis of subjective expert based evaluation are usually designed assuming that their distribution is normal [3], [5], as many random variables are subject to this law. The assumption of the normal distribution of expert based evaluation to identify software quality indicators often appears to be false [24], [31]. In practice, some researchers have to deal with selective parameters of some random value that are determined by a small number of values of the parameter studied [9], [12].…”