DOI: 10.14489/vkit.2025.04.pp.027-038

Коновалов В. А.
ПОДХОД К ФУНКЦИОНАЛЬНОМУ МОДЕЛИРОВАНИЮ СЕТЕЙ МАРКОВА. Часть 2
(с. 27-38)

Аннотация. Продолжено исследование теоретико-алгоритмического подхода к функциональному моделированию сетей Маркова. Установлено, что из входных выборочных совокупностей можно извлечь модели объектов и систем окружающего мира путем переработки входных выборок данных cNnet-схемой алгоритма Маркова. При этом дополнительно имеется возможность извлечь и модель самой сети Маркова, образованной из этих схем алгоритма. Модель сети самосинтезируется в процессе переработки входных выборок данных. В общетеоретическом плане исследованы возможности гомологии алгоритмов Маркова в задаче моделирования объектов и систем окружающего мира. Главной задачей такого моделирования является синтез новых систем и объектов окружающего мира с учетом извлеченных, переработанных и обобщенных знаний о ранее известных объектах. Рассмотрена часть этой гомологии алгоритма с выводом, который нельзя считать нормальным по Маркову. Определено, что при самосинтезе моделей как известных, так и новых объектов и систем окружающего мира необходимо разработать и развить методы и способы оценки результатов моделирования. В частности, вызывает научный интерес возможность человека адекватно и полно воспринять (переработать) результаты моделирования как известных, так и новых взаимодействующих объектов. Теоретически установлено, что требования к адекватности и полноте переработки результатов моделирования необходимо предъявить и к математическим композициям, и к искусственному интеллекту, получающему данные от этих композиций. Показано, что для обмена данными между математическими композициями и искусственным интеллектом можно использовать категорный язык. Возможности человека по интерпретации категорного языка ограничены, математические композиции не имеют таких потенциальных ограничений, а искусственный интеллект будет их иметь, если выполнит предписание алгоритма по перекодированию категорного языка в аристотелевы категории.

Ключевые слова:  сеть Маркова; конструктивная математика; теория категорий; теория алгоритмов; искусственный интеллект.

Konovalov V. A.
AN APPROACH TO FUNCTIONAL MODELING OF MARKOV NETWORKS. Part 2
(pp. 27-38)

Abstract. The study of the theoretical-algorithmic approach to functional modeling of Markov networks, which began in the first part of the study, continues. The idea of extracting models of objects and systems of the world around us from input sample sets by processing input data samples with a cNnet-scheme of the Markov algorithm is considered. Additionally and in parallel, a model of the Markov network itself, formed from these algorithm schemes, is synthesized. Technically, the Markov network model is the result of the formation (accumulation and filling with processed data) of four trees Tree4 from the cNnet-scheme of the Markov algorithm, shown in the first part of the study. From a general theoretical perspective, the possibilities of homology of Markov algorithms in the problem of modeling objects and systems of the world around us are explored. The main goal of the study of such models is the synthesis of new, previously non-existent systems and objects of the world around us, taking into account the knowledge extracted, processed and generalized about previously known objects of the world around us. We consider part of this homology algorithm with output that cannot be considered Markov normal. It has been determined that during the self-synthesis of models of both known and new objects and systems of the world around us, it is necessary to develop and develop methods and methods for assessing the results of modeling. In particular, the ability of a person to adequately and fully perceive (process) the results of modeling both known and new interacting objects is of scientific interest. In the course of theoretical considerations, it was established that the requirements for the adequacy and completeness of processing modeling results must be presented both to mathematical compositions and to artificial intelligence that receives data from these compositions. It is shown that a categorical language can be used to exchange data between mathematical compositions and artificial intelligence. It has been established that a person’s ability to interpret categorical language is limited, mathematical compositions do not have such potential limitations, and artificial intelligence will have them if it follows the algorithm’s instructions to recode categorical language into Aristotelian categories.

Keywords: Markov network; Constructive mathematics; Category theory; Theory of algorithms; Artificial Intelligence.