Всего за 400 руб. Купить полную версию
Пространство субъективной реальности это та же реальность, отраженная сознанием человека, со значениями событий, которые, как мы помним, индивидуальны для каждого человека: события-то одинаковы, но значения их разные для всех, и то, что хорошо для одного, может быть плохо для другого.
Виртуальное пространство нашего сознания это то пространство, в котором мы оказываемся каждый раз, когда просто закрываем глаза. В этом пространстве мы можем создавать все, что нам нужно. В этом пространстве мы можем найти все, что угодно, там обитают наши воспоминания, образы, эмоции. Там мы можем обнаружить зону «хорошо» и зону «плохо».
Мы можем сдвигать по своей воле точку «я есмь» в эти зоны, чтобы управлять областями «хорошо» и «плохо» в своей реальной жизни так, как нам нужно, а именно: распределяя области «плохо» на незначимые события, а области «хорошо» на события значимые.
Таким образом мы делаем важнейший шаг шаг к управлению событиями:
Рис.3. Информационные техники действенных мыслей.
Пространство объективной реальности нам неизвестно, но оно ограничивается контурами реальности субъективной. А наблюдает его сознание из точки «я есмь».
Раздел философии «Теория познания» (гносеология) определяет последовательность получения знаний, как активное, целенаправленное отражение действительности в сознании человека.
· Познание начинается с созерцания, в результате которого создаются образы, которые являются элементами знания.
· В основе познания лежит кластеризация, т. е. разделение множества знаний (объектов, образов) на сходные группы. Назовём образовавшиеся группы кластерами.
· Изучение кластеров позволяет описать имеющиеся знания,
· Формируются типовые образы, определяющие размеры, типовые сходные черты, отличительные черты кластеров.
· Анализ типовых сходных черт и отличительных черт кластеров позволяет:
выявить их иерархию (род и видовые отличия),
найти взаимосвязи кластеров,
определить их взаимозависимость.
Типовая структура кластеров (сходные и отличительные черты, иерархия, взаимосвязи и взаимозависимости) дают необходимую информацию для распознавания образов.
В состав группы задач, решаемых в процессе познания, входят такие задачи, как:
· кластеризация,
· таксономия,
· автоматическая классификация,
· узнавание,
· идентификация,
· типология и другие.
Краткая характеристика их:
Кластеризация это разделение накопленных образов на группы одинаковых, «похожих» объектов. Кластеризация позволяет систематизировать накопленную информацию в тот период, когда по ней практически ничего неизвестно. Полученные группы схожих образов называются кластерами или таксонами.
Таксономия (от греч. táxis расположение, строй, порядок и nomos закон) представляет собой теорию классификации и систематизации сложноорганизованных областей действительности, имеющих обычно иерархическое строение.
Задачи автоматической классификации и таксономии имеют следующую формулировку: имеется группа образов (объектов, кластеров, или таксонов). Нужно определить, к какой из имеющихся групп принадлежит новый объект. Если ни на один из имеющихся новый объект не похож, для него создаётся новый кластер.
Задачи узнавания (собственно распознавания образов) имеют следующую постановку: классификация уже известна. Предъявляется новый образ (объект). Нужно определить, к какому кластеру (таксону) он относится. При отрицательном результате новый объект зачисляется в группу нераспознанных. Новых кластеров не образуется.
Идентификация образов (объектов) сводится к задаче распознавания, если каждый кластер состоит только из одного объекта.
Задачи типологии имеют следующую постановку:
· классификация уже известна.
· описывается структуры каждого класса,
· выявляются существенные признаки и характерные черты классов,
· создаётся эталонный объект для каждого кластера,
· формируются отличительные черты кластеров.
Прогнозирование (предсказание). В задачах прогнозирования целью является оценка значения числовой (принимающей непрерывный диапазон значений) выходной переменной по значениям входных переменных. При анализе временных рядов целью может являться прогноз будущих значений переменной, зависящий от времени, на основе предыдущих значений ее и/или от других переменных, или прогнозирования пропущенных значений ряда.