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

Основное содержимое статьи

П.В. Зрелов
Д. П. Зрелова
О. Ю. Тятюшкина
С. В. Ульянов

Аннотация

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 поколениядля проектирования робастных интеллектуальных систем управления на основе квантовых сквозных ИТ.

Скачивания

Данные скачивания пока недоступны.

Информация о статье

Как цитировать
Зрелов, П., Зрелова, Д. П., Тятюшкина, О. Ю., & Ульянов, С. В. (2022). Технологии интеллектуальных вычислений в ИТ–образовании: технологии дробных, мягких и квантовых вычислений и информационная сложность конечных объектов. Системный анализ в науке и образовании, (3), 110–137. извлечено от https://sanse.ru/index.php/sanse/article/view/546
Раздел
Статьи

Библиографические ссылки

Литвинцева Л.В., Тятюшкина О.Ю., Ульянов С.В. Технологии интеллектуальных вычислений. Часть 1. Мягкие и дробные вычисления: учебно-методическое пособие.М.: Курс, 2020. 288с.

Петров Б.Н., Уланов Г.М., Гольденблат И.И., Ульянов С.В. Теория моделей в процессах управления: Информационно-термодинамические аспекты. М.: Наука, 1978. 224с.

Методы построения баз знаний для управления нелинейными динамическими системами/ Л. В. Литвинцева [и др.]// Системный анализ в науке и образовании. Дубна, 2011. No2. 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. No2. 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. No 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 теория 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. No 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. No 5. С. 102–141.

Ulyanov S.V., Litvintseva L.V. Soft computing optimizer of intelligent control system structures.US patent No7, 219, 087 B2. 2007.

Ulyanov S.V., Litvintseva L.V. System for soft computing simulation.US patent No20060218108 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. 296с.

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, 2021.416p.

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. 256с.

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 DELISBOA 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. FOPIDcontroller 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. 313–317.27.Логические и квантовые парадоксы интеллектуальных квантовых и мягких вычислений / Ульянов С.В. [и др.]// Системный анализ в науке и образовании.Дубна, 2010. No2. С. 112-129. URL: http://sanse.ru/download/58 (дата обращения: 02.12.2021).

Giuntini R., Ledda A., SergioliG., Paoli F. Some generalizations of fuzzy structures in quantum computational logic // Intern. J. General Systems. 2011. Vol. 40. No 1. Pp. 61–83. DOI:10.1080/03081079.2010.510243