Технологии интеллектуальных вычислений в ИТ-образовании: технологии дробных, мягких и квантовых вычислений и информационная сложность конечных объектов

Технологии интеллектуальных вычислений в ИТ-образовании: технологии дробных, мягких и квантовых вычислений и информационная сложность конечных объектов

Автор: Зрелов Петр Валентинович, Зрелова Дарья Петровна, Тятюшкина Ольга Юрьевна, Ульянов Сергей Викторович

Журнал: Сетевое научное издание «Системный анализ в науке и образовании» @journal-sanse

Статья в выпуске: 3, 2022 года.

Бесплатный доступ

В статье рассмотрены основные определения, положения и принципы технологии интеллектуальных вычислений, применяемые в ИТ-образовательных процессах при подготовки специалистов нового поколения в области интеллектуальных сквозных ИТ и робототехники для реализации нового направления цифрового производства Индустрия 4.0. Технология интеллектуальных вычислений рассматривается на основе трех составляющих: мягкие, дробные и квантовые вычисления (soft, fractional and quantum computing). Приведены основные особенности теории мягких вычислений и нечетких систем в ИТ-образовательных процессах в сочетании с решениями задач теории и систем управления. Выделены трудные для инженерии моменты дробного исчисления и теории квантовых алгоритмов с позиции применения в проектировании интеллектуальных систем управления и когнитивной робототехники. Приведено сравнение структур генетических и квантовых алгоритмов. Результаты проведенного сравнения позволяют конструировать новые структуры гибридных квантовых генетических алгоритмов. Сочетание квантовых генетических алгоритмов и квантовых нейронных сетей является вычислительным базисом квантового глубокого машинного обучения и формирует платформу квантового вычислительного сильного интеллекта для когнитивной робототехники. Обсуждаются вопросы выбора типа интеллектуальных вычислений для проектирования соответствующих алгоритмов управления в зависимости от вычислительной и информационной мер сложности объекта управления. Приведены конкретные рекомендации построения образовательных программ по подготовке ИТ-специалистов нового поколения для проектирования робастных интеллектуальных систем управления на основе квантовых сквозных ИТ.

Еще

Ит-образовательные процессы, технологии интеллектуальных вычислений, генетические алгоритмы, квантовые алгоритмы, дробные исчисления

Короткий адрес: https://sciup.org/14126379

IDR: 14126379

Список литературы Технологии интеллектуальных вычислений в ИТ-образовании: технологии дробных, мягких и квантовых вычислений и информационная сложность конечных объектов

  • Литвинцева Л. В., Тятюшкина О. Ю., Ульянов С. В. Технологии интеллектуальных вычислений. Часть 1. Мягкие и дробные вычисления: учебно-методическое пособие. М.: Курс, 2020. 288 с.
  • Петров Б. Н., Уланов Г. М., Гольденблат И. И., Ульянов С. В. Теория моделей в процессах управления: Информационно-термодинамические аспекты. М.: Наука, 1978. 224 с.
  • Методы построения баз знаний для управления нелинейными динамическими системами / Л. В. Литвинцева [и др.] // Системный анализ в науке и образовании. Дубна, 2011. №2. C. 1–134. URL: http://sanse.ru/download/85 (дата обращения: 20.09.2021).
  • Кузьмичёв С. Ю., Иванчин Н. Г., Решетников А. Г. Мини-робот как базис развития образовательного процесса в интеллектуальной робототехнике. Системный анализ в науке и образовании. Дубна, 2017. №2. C.6–12. URL: http://sanse.ru/download/285 (дата обращения: 25.10.2021).
  • Ульянов С. В., Албу В., Бархатова И. А. Квантовая релятивистская информатика: Логика физических противоречий корректности и строгости математических моделей квантовых релятивистских объектов. LAP Lambert Academic Publishing, 2014. 400 с.
  • Проблемы управления квантовыми релятивистскими динамическими системами / Б. Н. Петров [и др.]; отв. ред. О. М. Белоцерковский. М.: Наука, 1982. 524 c.
  • Ульянов С. В. Модели квантовых релятивистских объектов управления и компьютерные информационные нанотехнологии // Системный анализ в науке и образовании. Дубна, 2012. № 1. С. 1–22. URL: http://sanse.ru/download/113 (дата обращения: 10.11.2021).
  • Петров Б. Н., Уланов Г. М., Ульянов С. В. Алгоритмическая сложность и информационная тео-рия управления // Итоги Н и Т. сер. Техническая кибернетика. М.: ВИНИТИ АН СССР. 1979. Т. 11. С. 77–147.
  • Звонкин А. К., Левин Л. А. Сложность конечных объектов и обоснование понятий информации и случайности с помощью теории алгоритмов // УМН. 1970. Т. 25. Вып. 6. С. 85–128.
  • Слисенко А. О. Сложностные задачи теории вычислений // УМН. 1981. Т. 36. Вып. 6(222). С. 21–103.
  • Немировский А. С., Юдин Д. Б. Сложность задач и эффективность методов оптимизации. М.: Наука, 1979. 383 с.
  • Ульянов С. В. Технология применения квантовых и дробных вычислений совместно с инструментарием MATLAB для проектирования интеллектуальных робастных систем управления // Системный анализ в науке и образовании. Дубна, 2011. № 4. С. 112–147. URL: http://sanse.ru/download/111 (дата обращения: 25.11.2021).
  • Холево А. С. Некоторые статистические задачи для квантовых полей // Теория вероятн. и ее примен. 1972. Т.17. Вып. 2. С. 360–365.
  • Петров Б. Н., Уланов Г. М., Ульянов С. В., Хазен Э. М. Информационно-семантические проблемы процессов управления и организации. M: Наука, 1977. 452 с.
  • Литвинцева Л. В., Ульянов С. В., Ульянов С. С. Проектирование робастных баз знаний нечетких регуляторов для интеллектуального управления существенно-нелинейными динамическими системами. Ч. II // Изв. РАН. ТиСУ. 2006. № 5. С. 102–141.
  • Ulyanov S. V., Litvintseva L. V. Soft computing optimizer of intelligent control system structures. US patent No 7, 219, 087 B2. 2007.
  • Ulyanov S. V., Litvintseva L. V. System for soft computing simulation. US patent No 20060218108 A1. 2006.
  • Иванцова О. В., Кореньков В. В., Ульянов С. В. Технологии интеллектуальных вычислений. Часть 2. Квантовые вычисления и алгоритмы. Квантовый алгоритм самоорганизации. Квантовый нечеткий вывод: учебно-методическое пособие. М.: Курс, 2020. 296 с.
  • Korenkov V. V., Reshetnikov A. G., Ulyanov S. V. Quantum software engineering. Background. Part 2. End-to-end intelligent design it of quantum algorithms. M.: Kurs, 2021. 416 p.
  • Ulyanov S. V. System and method for control using quantum soft computing. US Patent No 7, 383, 235 B1, 2003; EP PCT 1 083 520 A2, 2001.
  • Васильев В. В., Симак Л. А. Дробное исчисление и аппроксимационные методы в моделировании динамических систем. Киев: НАН Украины. 2008. 256 с.
  • Diethelm K., Ford N. J., Freed A .D., Luchko Yu. Algorithms for the fractional calculus: A selection of numerical methods // Comput. Methods Appl. Mech. Engrg. 2005. Vol. 194. Pp. 743–773. DOI:10.1016/j.cma.2004.06.006.
  • Duarte Pedro Mata de Oliveira Valerio, Noninteger v. 2.3 Fractional control toolbox for MatLab: User and programmer manual. Madrid: UNIVERSIDADE TECNICA DE LISBOA INSTITUTO SUPERIOR TECNICO. 2005. Pp. 1–96.
  • Ahn H.-S., Bhambhani V., Chen Y. Fractional-order integral and derivative controller for temperature profile tracking // Sadhana. 2009. Vol. 34. Part 5. Pp. 833–850. DOI: 10.1007/s12046-009-0049-2.
  • Zamani M., Karimi-Ghartemani M., Sadati N. FOPID controller design for robust performance using particle swarm optimization // Fractional Calculus and Applied Analysis: Intern. J. Theory and Applica-tions. 2007. Vol. 10. No 2. Pp. 169–187.
  • Гриб А. А. Квантовая логика: Возможные применения // Закономерности развития современной математики: Методологические аспекты. М.: Наука. 1987. С. 313–317.
  • Логические и квантовые парадоксы интеллектуальных квантовых и мягких вычислений / Улья-нов С. В. [и др.] // Системный анализ в науке и образовании. Дубна, 2010. №2. С. 112-129. URL: http://sanse.ru/download/58 (дата обращения: 02.12.2021).
  • Giuntini R., Ledda A., Sergioli G., Paoli F. Some generalizations of fuzzy structures in quantum compu-tational logic // Intern. J. General Systems. 2011. Vol. 40. No 1. Pp. 61–83. DOI:10.1080/03081079.2010.510243
Еще
Статья научная
SciUp 2024 © 2024 ©