2
Календарь конференций
  • 1 – 4 декабря

    XLVII Международная конференция Общества по изучению культуры США «Преодоление: выработка идеалов и их отображение в культуре США \ Overcoming: Cultivating Ideals through Overcoming Barriers in American culture»

  • 6 – 10 декабря

    Конференция студентов, аспирантов и молодых ученых «Философия в XXI веке: новые стратегии философского поиска», организуемая Советом молодых ученых философского факультета МГУ имени М.В. Ломоносова

  • 10 декабря

    IV Научная конференция «Актуальные проблемы экранных и интерактивных медиа». Искусственный интеллект и новые возможности экранных искусств и медиаиндустрии

  • 10 декабря

    Международная конференция по общему языкознанию «Наследие трудов Ю.В. Рождественского в XXI веке» — к 95-летию со дня рождения Юрия Владимировича Рождественского (1926-1999)

  • 13 декабря – 13 февраля

    XXIX Московская открытая олимпиада школьников по геологии 2021-2022 года

  • 15 декабря – 15 апреля

    Универсиада «Ломоносов» по направлению подготовки «Химия, физика и механика материалов» Факультета наук о материалах МГУ

  • 16 декабря

    Всероссийский уголовно-правовой форум молодых ученых имени М.Н. Гернета

  • 15 октября – 9 февраля

    Международный конкурс на лучшую научную работу «Аrs Sacra Audit»

  • 13 декабря – 13 февраля

    XXIX Московская открытая олимпиада школьников по геологии 2021-2022 года

  • 21 – 22 февраля

    XVI Международная научная конференция «Сорокинские чтения» Искусственный интеллект и общественное развитие: новые возможности и преграды

  • 15 декабря – 15 апреля

    Универсиада «Ломоносов» по направлению подготовки «Химия, физика и механика материалов» Факультета наук о материалах МГУ

Все конференции
«Университет без границ»
ЗАПИСАТЬСЯ НА ВАКЦИНАЦИЮ
Проект «Вернадский»
Конкурсы на замещение должностей научных и педагогических работников
Филиал МГУ в г. Сарове

Олимпиады школьников и универсиады в МГУ
Программы поддержки талантливой молодежи

Новый метод сравнения субъективных суждений

Треугольник вероятностей, гиперкуб возможностей и их когерентные разбиения на классы эквивалентности. Указанные разбиения позволяют определить значения возможностей по статистическим данным
Треугольник вероятностей, гиперкуб возможностей и их когерентные разбиения на классы эквивалентности. Указанные разбиения позволяют определить значения возможностей по статистическим данным

Сотрудник кафедры математического моделирования и информатики физического факультета МГУ имени М.В.Ломоносова предложил новый метод сравнения, который позволяет оценить информативность и согласованность друг с другом субъективных суждений, высказанных разными экспертами, неполных или недостоверных данных, поступивших из разных источников. Результаты работы опубликованы в журнале Fuzzy Sets and Systems.

Вопросы математического представления субъективных суждений, неполных или недостоверных данных, а также их использования для решения прикладных задач изучает нечеткая математика. Это раздел прикладной математики, глобальная задача которого — формализовать такие понятия как интуиция, предчувствие, жизненный опыт, а также математически представить полученную информацию, которой зачастую недостаточно для формирования полной картины случившегося.

У каждого параметра, влияющего на исход ситуации, есть определенный набор вариаций. Всякой вариации соответствует значение, характеризующее ее возможность или, иными словами, правдоподобие. Менее правдоподобным вариациям соответствуют значения возможностей меньше, чем более правдоподобным. Степень правдоподобия тех или иных вариаций определяет либо эксперт (в случае субъективного суждения), либо статистика. При этом числовые значения возможностей задаются в относительной шкале, выбор которой неважен — роль играет только соотношение величин возможностей. Метод, который предложил младший научный сотрудник физического факультета МГУ Андрей Зубюк, отличается от предложенных ранее тем, что, во-первых, позволяет сравнивать информацию, заданную с помощью разных относительных шкал. Во-вторых, ученый предложил особым образом учитывать абсолютно неправдоподобные ситуации (значение возможности равно нулю). Именно это позволяет сравнивать данные и суждения на информативность и согласованность друг с другом. В-третьих, он предложил более быструю алгоритмическую реализацию метода.

«Нечёткие методы принятия решений используются в самых разных областях, связанных с искусственным интеллектом: при анализе изображений, видео и аудио, в автоматических бортовых системах управления роботами, беспилотными транспортными средствами, в т.ч. беспилотными летательными аппаратами, в системах поддержки принятия решений и т.д. Образно говоря, нечёткие методы позволяют научить компьютер интуиции, заставить машину принимать решения отчасти спонтанно в условиях, когда для принятия решения не хватает данных, что, как показано в литературе, в большинстве случаев приводит к повышению качества работы компьютерных систем принятия решений, в том числе автоматических систем управления», — поясняет Андрей Зубюк, автор исследования.

В результате исследований оказалось, что чем информативнее суждение или данные с точки зрения разработанного метода, тем точнее с их помощью удаётся определить оптимальное решение. Под решением здесь понимается линия поведения, стратегия развития, тактика боя, траектория движения транспортного средства, в том числе летательного аппарата.