В работе рассмотрена возможность распознавания систем имеющих топологию сетей малого мира без детального анализа их топологических свойств. Для этого используются методы распознавания образов и машинного обучения. Проведенное исследование позволяет сделать вывод, что распознавания с обучением дает более высокие результаты правильной классификации сетей.

Рассмотрены признаки и эмпирические характеристики распределенного интеллекта (РИ) как способности коллективного агента воспринимать, обрабатывать и использовать информацию для достижения собственных целей. В первой части обзора обсуждаются наиболее существенные признаки «протоинтеллектуальных» и интеллектуальных систем, особенности РИ, индивидуального интеллекта человека и искусственного интеллекта (ИИ). Подчеркнута неразрывная связь РИ организационных и социальных систем с индивидуальным человеческим интеллектом. На примерах простейших форм роевого интеллекта перечислены факторы, определяющие эффективность РИ мультиагентной системы, включая структуру взаимодействий между агентами, коллективное целеполагание, запись, свертывание и обработку внешней информации, стандартные образы внешних воздействий. Их совокупностью определяется способность мультиагентной системы к целенаправленным действиям, выходящим далеко за пределы возможностей отдельных составляющих ее агентов. Во второй части обзора будут рассмотрены формы коллективного интеллекта в «человеческих» социальных системах и дана общая классификация известных видов РИ.

АННОТАЦИЯ Рассматриваются детерминированные непрерывные конечномерные стационарные линейные динамические системы управления с многими входами и многими выходами. Предполагается, что матрица динамики может быть как устойчивая, так и неустойчивая, но ее собственные числа различны, не принадлежат мнимой оси и не являются зеркальным отображением друг друга относительно нуля плоскости собственных чисел. В рамках единой постановки рассмотрены задачи построения спектральных решений уравнений состояния и матриц грамианов управляемости этих систем, а также связанных с ними энергетических функционалов степени устойчивости и достижимости с целью оптимального размещения датчиков и исполнительных механизмов многосвязных систем управления и сложных сетей. Для решения перечисленных задач в статье использованы различные модели системы в пространстве состояний: общее представление, а также представление в различных канонических формах. Для вычисления спектральных разложений грамианов управляемости использованы псевдоганкелевые матрицы (матрицы Сяо). Предложены новые методы и разработаны алгоритмы вычисления грамианов управляемости и энергетических метрик линейных систем. Результаты исследований могут найти применение для оптимального размещения датчиков и исполнительных механизмов многосвязных систем управления, управления с минимальной энергией в сложных сетях различной природы.

The paper analyzed ensemble forecasting models. The results showed that ensemble models can improve forecasting performance by compensating for the shortcomings of weak models.