Выдвигается гипотеза, согласно которой при развёртывании изображений в европейской живописи от эпохи Возрождения до абстракционизма включительно повторяются в обратном порядке этапы эволюции системы зрительного восприятия человека как вида. При этом художниками, которые используют те или иные художественные приёмы, воспроизводятся архаические способы видения, характерные для системы зрительного восприятия на разных этапах её формирования. Ставится задача выявить схему, с помощью которой одинаково удобно описывать сценарии - последовательности структурных событий, как в системе зрительного восприятия человека, так и в системе изображений. Для этого названные системы представляются как компоненты единого циклического процесса. Хорошо описанные стили и стилевые направления в живописи рассматриваются в качестве основы анализа. Предлагается: а) очистить систему изображений от сюжетных и эстетических элементов; b) заполнить выявленную схему оставшимися структурными компонентами; с) прочитать полученную последовательность структурных событий в обратном порядке и тем самым реконструировать архаические способы видения. Результат анализа представляется как иерархическая конструкция - дерево эволюции системы зрительного восприятия, ветви и ствол которого заполнены визуальными парадигмами - способами видения, большая часть которых является архаикой. Названные способы сформировались в процессе эволюции условного носителя системы зрительного восприятия, к которому относится не только человек, но и, возможно, предшествовавшие ему биологические виды. Используется структурный подход, ориентированный на отказ от специфики исследуемого объекта. Изображения и образы рассматриваются как структурные эквиваленты наблюдаемых объектов внешнего мира. Методика является тринитарной, т. е. выделяются элементы оппозиции и базовый элемент между ними. Проблема рассматривается с разных точек зрения. Используются такие представления, как цикличность - необратимость, порядок - хаос, непрерывность - дискретность и лингвистическая логика. Большое внимание уделяется ситуации, при которой в системе зрения реализуется двусмысленная “распознающая” интерпретация - появляются и конкурируют два дополнительных (взаимоисключающих) первичных смысла. Работа является междисциплинарной, для решения задачи привлекается широкий контекст.
Анализ и математическое моделирование процессов различной физической и химической природы имеет большое значение для решения различных практических задач. Для моделирования сложных процессов авторами ранее был разработан в рамках современной неравновесной термодинамики единый формализм описания и моделирования физикохимических процессов различной природы. Для реализации моделей, полученных этим формализмом, в численном виде необходимо задать (в численном виде) функции состояния для свойств веществ и процессов. Эти функции состояния могут быть заданы либо непосредственно (с использованием функциональных разложений), либо задаются частные производные этих функций по координатам состояния. Функции состояния для необратимых составляющих кинетических матриц должны быть положительно определенными, для потенциалов взаимодействия – удовлетворять условию полного дифференциала энтропии (в общем случае нелинейной), для коэффициентов распределения некомпенсированных теплот – положительно определенными и давать в сумме единицу. Если же функция состояния задается в дифференциальном виде, то должно быть дополнительно выполнено условие полного дифференциала этой функции состояния. Настоящая статья посвящена заданию функций состояния для свойств веществ и процессов в дифференциальном виде.
Robust quantification of predictive uncertainty is a critical addition needed for machine learning applied to
weather and climate problems to improve the understanding of what is driving prediction sensitivity. Ensembles of ma-
chine learning models provide predictive uncertainty estimates in a conceptually simple way but require multiple models
for training and prediction, increasing computational cost and latency. Parametric deep learning can estimate uncertainty
with one model by predicting the parameters of a probability distribution but does not account for epistemic uncertainty.
Evidential deep learning, a technique that extends parametric deep learning to higher-order distributions, can account for
both aleatoric and epistemic uncertainties with one model. This study compares the uncertainty derived from evidential
neural networks to that obtained from ensembles. Through applications of the classification of winter precipitation type
and regression of surface-layer fluxes, we show evidential deep learning models attaining predictive accuracy rivaling stan-
dard methods while robustly quantifying both sources of uncertainty. We evaluate the uncertainty in terms of how well the
predictions are calibrated and how well the uncertainty correlates with prediction error. Analyses of uncertainty in the
context of the inputs reveal sensitivities to underlying meteorological processes, facilitating interpretation of the models.
The conceptual simplicity, interpretability, and computational efficiency of evidential neural networks make them highly
extensible, offering a promising approach for reliable and practical uncertainty quantification in Earth system science
modeling. To encourage broader adoption of evidential deep learning, we have developed a new Python package, Machine
Integration and Learning for Earth Systems (MILES) group Generalized Uncertainty for Earth System Science (GUESS)
(MILES-GUESS) (https://github.com/ai2es/miles-guess), that enables users to train and evaluate both evidential
В статье рассмотрена актуальность и необходимые условия внедрения в комплексы воен-
ного назначения с разноспектральными датчиками систем технического зрения программно-аппа-
ратных средств автоматического распознавания объектов вооружения, военной и специальной
техники (ВВСТ). Приведены результаты анализа возможностей обучения нейронных сетей автоматическому распознаванию объектов. Показана необходимость создания отечественного межвидового банка данных оптических и радиолокационных сигнатур объектов ВВСТ
Представлены результаты разработки дистанционного курса по мето-
дам искусственного интеллекта в физике в системе управления обучением MOODLE.
Общая трудоёмкость дистанционного курса по методам искусственного интеллекта в
физике составляет две зачётные единицы. Описаны тематические модули курса по ме-
тодам искусственного интеллекта в физике. Представлено описание элементов в виде
лекций, семинаров, заданий, тестов в каждом тематическом модуле курса по методам
искусственного интеллекта в физике в системе управления обучением MOODLE
Структура вируса и его взаимодействие с клетками впервые рассматривается с позиции теории систем. Дано обоснование отнесения вируса к сложной системе и живому организму. Естественный процесс взаимодействия между сложными системами, стоящими по иерархии выше вируса, производится через обмен информацией, заложенной в их коде. Предсказан общий механизм взаимодействия между живыми сложными системами, путем обмена системами, стоящими на более низкой иерархии. На основе законов теории систем обоснована закономерность изменения не только организмов и клеток, но и вирусов при их взаимодействиях и мутациях.
Для углублённого понимания процессов, лежащих в основе развития
человечества в целом, предлагается подход, при котором возможности для действий людей и
человечества включены в рассмотрение, а социальные структуры, и влияние человечества на
окружающую среду, исключены из рассмотрения. В известных мне работах указанный подход
практически отсутствует. Целью данного исследования является разработка критериев поиска
компонент или групп компонент такой системы, выявление их списка, а также рассмотрения
динамики развития во времени системы, состоящей из указанных групп компонент. Описаны
критерии поиска компонент или групп компонент, которые могут составлять такую систему.
Приведен список групп компонент, в который, в частности, входят «Искусственные материалы»,
«Массовый транспорт» и т.п. Совокупность групп компонент определяет диапазон возможностей
для действий людей и человечества, как целого. Проведен анализ изменения во времени
предложенного набора групп компонент. Установлено, что спектр названных возможностей с
течением времени расширяется и что это расширение реализуется с ускорением.
При поиске групп компонент системы по предложенным критериям использовалась
информация из областей знания, которые связаны с развитием технологий, средствами
коммуникации, социальной активностью, глобализацией, когнитивными способностями.