1. Познание окружающего мира.
Так родилась, к примеру, модель земного шара — глобус, — позволяющая получить наглядное представление о форме нашей планеты, ее вращении вокруг собственной оси и расположении материков. Такие модели позволяют понять, как устроен конкретный объект, узнать его основные свойства, установить законы его развития и взаимодействия с окружающим миром моделей.
2. Создание объектов с заданными свойствами (задача типа «Как сделать, чтобы...»).
Так родились идеи создания ветряных мельниц, различных механизмов, даже обыкновенного зонтика. Многие из этих моделей стали в настоящее время реальностью. Это объекты, созданные руками человека.
3. Определение последствий воздействия на объект и принятие правильного решения (задача типа «Что будет, если...»)
Например, для спасения Петербурга от постоянных наводнений, приносящих огромный ущерб, решено было возвести дамбу (строительство было завершено в 2011 году). При ее проектировании было построено множество моделей, в том числе и натурных, именно для того, чтобы предсказать последствия вмешательства в природу.
- Моделирование биологических процессов и систем Лекция 1. Введение в моделирование Основные понятия моделирования
- 1. Познание окружающего мира.
- 4. Эффективность управления объектом (или процессом).
- Классификация моделей
- Структурные модели
- Понятие адекватности модели
- Инструментальные средства моделирования
- Лекция 2. Модели, описываемые дифференциальными уравнениями Статические и динамические модели
- Простейшие модели, описываемые ду первого порядка: уравнения Мальтуса и Ферхюльста
- Стационарные состояния и устойчивость
- Переменные состояния и фазовые траектории
- Системы дифференциальных уравнений. Модель «хищник – жертва»
- Переход от дифференциального уравнения высокой степени к системе дифференциальных уравнений первой степени. Модель колебаний сердечной мышцы.
- Аналитическое и численное решения дифференциальных уравнений
- Тема 3. Стохастическое моделирование
- Параметры случайной величины
- Равномерное распределение
- Нормальное распределение
- Метод Монте-Карло
- Искусственные нейронные сети
- Биологический прототип
- Искусственный (математический) нейрон
- Нейронная сеть без обратных связей - персептрон
- Обучение нейронных сетей
- Нейронные сети с обратными связями
- Генетические алгоритмы оптимизации
- Операции с нечеткими множествами
- Нечеткое управление