Cybernetics

Объекты изучения

Эта наука изучает всевозможные управляемые системы, используя понятия кибернетической системы и кибернетического подхода.

Кибернетический подход

Кибернетический подход состоит в замене исходной системы управления изоморфной моделью и дальнейшем изучении этой модели. Чтобы реализовать подход, применяется один из двух методов моделирования: компьютерное или имитационное. Оба метода подразумевают использование принципа «черного ящика». Экспериментатор моделирует внешнюю деятельность рассматриваемой системы, а ее структура, воспроизводящая поведенческие характеристики, остается скрытой.

Кибернетический подход позволяет исследовать несколько видов информационных моделей, отличающихся по запросам:

  • ответная реакция системы на воздействие внешних факторов,
  • оптимизация характеристик системы относительно функции ценности,
  • адаптивное управление,
  • прогноз динамики системного преобразования.

Информационная система

Кибернетическая система

Кибернетическая система представляет собой множество взаимосвязанных элементов, способных к приему, обработке, запоминанию и обмену информацией. Основные свойства подобных систем: адаптация, самоорганизация и самообучение с использованием накопленного опыта.

Кибернетика в целом рассматривает любые управляемые системы в абстрактной форме, не учитывая их материальную природу, поэтому системой может являться как вычислительная машина, так и общество либо его отдельные группы.

Направления

Кибернетические методы применяются во многих отраслях:

  • Биология. В рамках биологической ветви этой науки исследуются кибернетические системы в организмах. Также ученые решают вопросы передачи генной информации между поколениями живых организмов. В широком смысле биологическая кибернетика занимается исследованием методов моделирования структур и поведения биологических систем.
  • Медицина. Кибернетика в медицине помогает диагностировать заболевания при помощи вычислительной техники и используется для создания высокотехнологичных протезов.
  • Экономика. Методы данной науки используют для анализа всей экономики и отдельных ее элементов как сложной системы при помощи экономико-математического моделирования.
  • Инженерия. Кибернетика в инженерии применяется для анализа масштабных сбоев систем, вызванных мелкими и незначительными ошибками.
  • Информатика. В информатике ее методы используют для анализа информации и управления вычислительной техникой.
  • Психология. В психологии существует отдельное направление психологической кибернетики, в рамках которого изучается взаимодействие систем анализа, сфер сознания и бессознательного в ходе взаимодействия людей с различными системами, а также между собой. Кроме того, эта дисциплина значительно повлияла на развитие психологии труда и ее подвидов.

Особняком стоит направление чистой кибернетики, в рамках которого происходит понятийное изучение систем управления. Ее главная задача – обнаружение основных принципов таких систем.

Информационная система Внимание! Есть известная шутка про университет ядерной кибернетики, однако на данный момент не существует ни такого вуза, ни такого направления, как ядерная кибернетика

Закон опыта

Закон опыта относится к наблюдению , что многообразие состояний , проявляемых детерминированной машиной в изоляции не может увеличиваться, и набор идентичных машин подают одни и те же входы не могут проявлять все большее разнообразие состояний, и , как правило , чтобы синхронизировать вместо этого.

Это следствие упадка разнообразия : детерминированное преобразование не может увеличить разнообразие множества. В результате неуверенность наблюдателя в состоянии машины либо остается постоянной, либо уменьшается со временем. Эшби показывает, что это справедливо и для машин со входами. При любом постоянном вводе состояния машин движутся к любым аттракторам, которые существуют в соответствующем преобразовании, и некоторые из них могут синхронизироваться в этих точках. Если вход изменяется в какой — то другой вход и поведение машин вводит различные преобразования, более чем один из этих аттракторов может сидеть в одной и той же области притяжения под . Состояния, которые достигли и, возможно, синхронизировались на этих аттракторах, затем синхронизируются далее под . «Другими словами, — говорит Эшби, — изменения на входе датчика имеют тенденцию делать состояние системы (в данный момент) менее зависимым от индивидуального начального состояния датчика и более зависимым от конкретной последовательности значений параметров, используемых в качестве Вход.»
п1{\ displaystyle P_ {1}}п2{\ displaystyle P_ {2}}п2{\ displaystyle P_ {2}}п1{\ displaystyle P_ {1}}п2{\ displaystyle P_ {2}}

Хотя существует закон невозрастания, существует только тенденция к уменьшению, поскольку разнообразие может оставаться устойчивым без уменьшения, если набор претерпевает взаимно-однозначное преобразование или если состояния синхронизировались в подмножество, для которого это это так. В формальном языковом анализе конечных машин входная последовательность, которая синхронизирует идентичные машины (независимо от разнообразия их начальных состояний), называется синхронизирующим словом .

Известные применения[]

Распознавание образов и классификация

В качестве образов могут выступать различные по своей природе объекты: символы текста, изображения, образцы звуков и т. д. При обучении сети предлагаются различные образцы образов с указанием того, к какому классу они относятся. Образец, как правило, представляется как вектор из его признаков. При этом совокупность всех признаков должна однозначно определять класс, к которому относится образец. В случае, если признаков недостаточно, сеть может соотнести один и тот же образец с несколькими классами, что неверно .По окончании обучения сети можно предъявлять неизвестные ей ранее образы и получать от нее ответ о принадлежности к определенному классу. Топология такой сети характеризуется тем, что количество нейронов в выходном слое, как правило, равно количеству определяемых классов. При этом устанавливается соответствие между выходом нейронной сети и классом, который он представляет. Когда сети предъявляется некий образ, на одном из ее выходов должен появится признак того, что образ принадлежит этому классу. В то же время на других выходах должен быть признак того, что образ данному классу не принадлежит. Если на двух или более выходах есть признак принадлежности к классу, считается что сеть «не уверена» в своем ответе.

Принятие решений и управление

Эта задача близка к задаче классификации. Классификации подлежат ситуации, характеристики которых поступают на вход нейронной сети. На выходе сети при этом должен появится признак решения, которое она приняла. При этом в качестве входных сигналов используются различные критерии описания состояния управляемой системы.

Кластеризация

Под кластеризацией понимается разбиение множества входных сигналов на классы, при том, что ни количество, ни признаки классов заранее неизвестны. После обучения такая сеть способна определять, к какому классу относится входной сигнал. Сеть также может сигнализировать о том, что входной сигнал не относится ни к одному из выделенных классов — это является признаком новых, отсутствующих в обучающей выборке, данных. Таким образом, подобная сеть может выявлять новые, неизвестные ранее классы сигналов. Соответствие между классами, выделенными сетью, и классами, существующими в предметной области, устанавливается человеком. Кластеризацию осуществляют, например, нейронные сети Кохонена.

Прогнозирование и аппроксимация

Способности нейронной сети к прогнозированию напрямую следуют из ее способности к обобщению и выделению скрытых зависимостей между входными и выходными данными. После обучения сеть способна предсказать будущее значение некой последовательности на основе нескольких предыдущих значений и/или каких-то существующих в настоящий момент факторов. Следует отметить, что прогнозирование возможно только тогда, когда предыдущие изменения действительно в какой-то степени предопределяют будущие. Например, прогнозирование котировок акций на основе котировок за прошлую неделю может оказаться успешным (а может и не оказаться), тогда как прогнозирование результатов завтрашней лотереи на основе данных за последние 50 лет почти наверняка не даст никаких результатов.

Сжатие данных и Ассоциативная память

Способность нейросетей к выявлению взаимосвязей между различными параметрами дает возможность выразить данные большой размерности более компактно, если данные тесно взаимосвязаны друг с другом. Обратный процесс — восстановление исходного набора данных из части информации — называется (авто)ассоциативной памятью. Ассоциативная память позволяет также восстанавливать исходный сигнал/образ из зашумленных/поврежденных входных данных. Решение задачи гетероассоциативной памяти позволяет реализовать память, адресуемую по содержимому.

References

  • Ashby, W. Ross. Introduction to Cybernetics. London, UK: Methuen, 1956.
  • Beer, Stafford. Designing Freedom. London, UK: John Wiley, 1974. ISBN 978-0471062219
  • Bluma, Lars. 2005. Norbert Wiener und die Entstehung der Kybernetik im Zweiten Weltkrieg. Münster, DE. Lit-Verl.
  • Heims, Steve J. John von Neumann and Norbert Wiener: From Mathematics to the Technologies of Life and Death. Cambridge, MA: MIT Press, 1980. ISBN 978-0262081054
  • Heims, Steve J. 1993. Constructing a Social Science for Postwar America. The Cybernetics Group, 1946-1953. Cambridge, MA: MIT Press. ISBN 026258123X
  • Helvey, T.C. 1971. The Age of Information: An Interdisciplinary Survey of Cybernetics. Englewood Cliffs, NJ: Educational Technology Publications. ISBN 978-0877780083
  • Heylighen, Francis, and Joslyn C. «Cybernetics and Second Order Cybernetics» in R.A. Meyers (ed.). Encyclopedia of Physical Science & Technology, 3rd ed., Vol. 4. New York, NY: Academic Press, 2001. ISBN 978-0122274299
  • Ilgauds, Hans Joachim. Norbert Wiener. Leipzig, DE: Teubner, 1980.
  • Johnston, John. The Allure of Machinic Life: Cybernetics, Artificial Life, and the New AI. Cambridge, MA: MIT Press, 2008. ISBN 978-0262101264
  • Masani, P. Rustom. Norbert Wiener 1894-1964. Boston, MA: Wirkhäuser, 1990. ISBN 978-0817622466
  • Medina, Eden. Designing Freedom, Regulating a Nation: Socialist Cybernetics in Allende’s Chile. Journal of Latin American Studies. 38 (2006): 571-606.
  • Pangaro, Paul. Cybernetics—A Definition. Panaro, 1990. Retrieved May 12, 2020.
  • Pask, Gordon. Cybernetics. The Cybernetics Society, 1972. Retrieved May 12, 2020.
  • Patten, B.C., and E.P. Odum. The Cybernetic Nature of Ecosystems. The American Naturalist. 118 (1981): 886-895.
  • Plato, and W.R.M. Lamb (trans.). «Alcibiades 1.» In Plato, Volume 12. London, UK: Loeb Classical Library, 1927.
  • Wiener, Norbert. Cybernetics or Control and Communication in the Animal and the Machine. Cambridge, MA: The Technology Press, 1948.

дальнейшее чтение

  • Стаффорд Бир (1959), кибернетика и менеджмент , English University Press. 214 стр.
  • Стаффорд Бир (1966), Решение и контроль: значение операционных исследований и управленческой кибернетики , 568 страниц.
  • Стаффорд Бир (1972), Мозг фирмы: разработка в управленческой кибернетике , Гердер и Гердер.
  • Стаффорд Бир (1979), Сердце предприятия , Джон Вили, Лондон и Нью-Йорк.
  • Стаффорд Бир (1985), Диагностика системы для организаций , Джон Вили, ISBN  
  • Рауль Эспехо (2006), «Что такое системное мышление?», В: System Dynamics Review , Vol 10, Issue 2-3, pp 199–212.
  • Майкл С. Джексон (1991), Системная методология для наук управления .
  • Майкл С. Джексон (2000), Системные подходы к менеджменту , 465 стр.
  • Фрэнсис Хейлиген (2001), «Кибернетика и кибернетика второго порядка» в: Р. А. Мейерс (редактор), Энциклопедия физических наук и технологий (3-е изд.), (Academic Press, New York.
  • Джордж Э. Ласкер и Александр Згжива, (ред.) (2003), Исследования информационных систем и кибернетика управления , 65 стр.
  • А. Леонард (2002), «Стаффорд Бир: отец кибернетики управления», в: Кибернетика и человеческое знание , том 9, номера 3-4, 2002, стр. 133–136 (4).
  • PN Rastogi (1979), Введение в социальную и управленческую кибернетику , Нью-Дели: Affiliated East West Press.
  • Ларс Скайттнер (2001), «Множественные перспективы кибернетики управления», в: Общая теория систем: идеи и приложения , стр. 327-336.
  • Вольфганг Винтер и Мануэла Турм (2005), «Кибернетика второго порядка! В системном управленческом мышлении?», В: Kybernetes , Vol 34 Issue: 3/4 pp. 419–426.

Обзор

Термин «кибернетика» изначально ввёл в научный оборот Ампер, который в своём фундаментальном труде «Опыт о философии наук, или аналитическое изложение естественной классификации всех человеческих знаний», первая часть которого вышла в свет в 1834 году, вторая в 1843 году, определил кибернетику как науку об управлении государством, которая должна обеспечить гражданам разнообразные блага. В современном понимании — как наука об общих закономерностях процессов управления и передачи информации в машинах, живых организмах и обществе, термин впервые был предложен Норбертом Винером в 1948 году.

Кибернетика включает изучение обратной связи, чёрных ящиков и производных концептов, таких как управление и коммуникация в живых организмах, машинах и организациях, включая самоорганизации

Она фокусирует внимание на том, как что-либо (цифровое, механическое или биологическое) обрабатывает информацию, реагирует на неё и изменяется или может быть изменено, для того чтобы лучше выполнять первые две задачи. Стаффорд Бир назвал её наукой эффективной организации, а Гордон Паск расширил определение, включив потоки информации «из любых источников», начиная со звёзд и заканчивая мозгом.


Пример кибернетического мышления. С одной стороны, компания рассматривается в качестве системы в окружающей среде. С другой стороны, кибернетическое управление может быть представлено как система.

Согласно другому определению кибернетики, предложенному в 1956 году Л. Куффиньялем (англ.), одним из пионеров кибернетики, кибернетика — это «искусство обеспечения эффективности действия».

Ещё одно определение предложено Льюисом Кауфманом (англ.): «Кибернетика — это исследование систем и процессов, которые взаимодействуют сами с собой и воспроизводят себя».

По словарю Ожегова: «Кибернетика — наука об общих закономерностях процессов управления и передачи информации в машинах, живых организмах и обществе».

Кибернетические методы применяются при исследовании случая, когда действие системы в окружающей среде вызывает некоторое изменение в окружающей среде, а это изменение проявляется на системе через обратную связь, что вызывает изменения в способе поведения системы. В исследовании этих «петель обратной связи» и заключаются методы кибернетики.

Современная кибернетика зарождалась, включая в себя исследования в различных областях систем управления, теории электрических цепей, машиностроения, математического моделирования, математической логики, эволюционной биологии, неврологии, антропологии. Эти исследования появились в 1940 году, в основном, в трудах учёных на т. н. конференциях Мэйси (англ.).

Другие области исследований, повлиявшие на развитие кибернетики или оказавшиеся под её влиянием: теория управления, теория игр, теория систем (математический аналог кибернетики), психология (особенно нейропсихология, бихевиоризм, познавательная психология) и философия.

Машинная поэзия

Первое машинное стихотворение появилось в СССР гораздо позже, чем первое машинное музыкальное произведение, хотя попытки статистического анализа и алгоритмизации стихосложения предпринимались задолго до появления ЭВМ. Поверить гармонию алгеброй пробовали лингвисты, литературные критики, сами писатели и поэты — например, существует несколько работ Андрея Белого, в которых он, опираясь на математические методы, описывает принципы стихосложения.

В 1959 году кибернетик Натан Кобринский и публицист Виктор Пекелис в книге «Быстрее мысли» опубликовали первые советские машинные стихи, сочиненные ЭВМ: 

Ночь кажется чернее кошки этой,
Края луны расплывчатыми стали,
                                    рвется к свету,
О берег бьется
                           крыльями усталыми.
Измученный бредет один кочевник.
И пропасть снежная
                                его зовет и ждет.
Забыв об осторожности, плачевно
Над пропастью
                            мятущийся бредет.
Забытый страх ползет под потолки,
Как чайка, ветер.
                                Дремлет дождь.
                                                 Ненастье.
А свечи догорают…
                                  Мотыльки
Вокруг огня все кружатся
                                  в честь Бакстер. История создания этого произведения, которую приводили авторы книги, оставляла ряд вопросов

Написано ли это стихотворение советской ЭВМ? Кто автор алгоритма? Когда именно стихотворение появилось и где? И только спустя девять лет, в 1968 году, в газете «Московский комсомолец» были даны ответы. Стихотворение оказалось подделкой, написанной человеком. История советской машинной поэзии началась не с достижений математиков в гене­ративном стихотворчестве, а с мистификации

История создания этого произведения, которую приводили авторы книги, оставляла ряд вопросов. Написано ли это стихотворение советской ЭВМ? Кто автор алгоритма? Когда именно стихотворение появилось и где? И только спустя девять лет, в 1968 году, в газете «Московский комсомолец» были даны ответы. Стихотворение оказалось подделкой, написанной человеком. История советской машинной поэзии началась не с достижений математиков в гене­ративном стихотворчестве, а с мистификации.

В конце 1970-х стало известно о первом настоящем эксперименте в области советской машинной поэзии — его описание появилось на страницах научного журнала «Автоматика и телемеханика» за 1978 год. Статья «О программе, сочиняющей стихи» была написана выпускником МГУ и сотрудником ПНИИС НАТИ  Подмосковная научно-исследовательская испытательная станция Научно-исследова­тельского тракторного института (бывший Научный автотракторный институт). Борисом Кацем. 

Словарь, с которым работала ЭВМ, Кац почти полностью набрал из сборника стихотворений Осипа Мандельштама «Камень» (1916). Впрочем, математик подчеркивал в статье, что выбор словаря существенно не влияет на качество стихов, меняются только «настроение» и «тематика».

В память машины были введены несколько сотен слов различных словоформ — машина комбинировала их в строки, каждая из которых должна была состоять не больше чем из одного подлежащего, одного сказуемого, нескольких опреде­лений и обстоятельств. Кроме того, программа разрешала ЭВМ в случае ритми­ческой необходимости опустить один из перечисленных членов предложения. 

Машина писала строку с конца, что позволяло сразу же учесть рифму — если ЭВМ так и не находила нужной рифмы, она начинала заново. Кроме того, машина учитывала ударение. У нее были и творческие запреты, например на подбор одного и того же слова из словаря для создания рифмы. 

В приложении к статье Кац опубликовал результаты машинного творчества — двадцать одно стихотворение. Среди них были такие:

Ветви хрупкие светились,
Нежный танцевал, влюблен,
Краски за рекой кружились.
Осмелеет перезвон,
Серая земля взовьется —
Вновь над лесом голоса.
Боль в темнице не вернется,
Спорят сладкие глаза.

***

И перламутровый узор
Точеный бледный
Над озером ответил взор
Печальный бедный.

***

Добрый реет шелест
Плачет пустота
Слушают качели 
И поет беда
Стань покорно горе
Томно тишь летит
И прозрачно море
Тайно шелестит
И бежит земная
Незаметно тень
Медленно лесная
Славит влажный день

Вскоре после выхода статьи Борис Кац эмигрировал, и его исследования в области машинной поэзии не были продолжены. Однако в 1980-х в научной периодике появлялась информация о другом поэтическом машинном экспери­менте — сочинении ЭВМ скальдической поэзии  А. М. Кондратов, А. В. Зубов. Программа «Скальд» — опыт моделирования поэтического творчества для ЭВМ // Кибернетика. № 5. 1984., а также об алгоритме сочинения сказок  М. Г. Гаазе-Раппопорт, Д. А. Поспелов, Е. Т. Семенова. Порождение структур волшебных сказок. М., 1980..

Нейронные сети — универсальные аппроксиматоры[]

Нейронные сети — универсальные аппроксимирующие устройства и могут с любой точностью имитировать любой непрерывный автомат. Доказана обобщённая аппроксимационная теорема: с помощью линейных операций и каскадного соединения можно из произвольного нелинейного элемента получить устройство, вычисляющее любую непрерывную функцию с любой наперед заданной точностью. Это означает, что нелинейная характеристика нейрона может быть произвольной: от сигмоидальной до произвольного волнового пакета или вейвлета, синуса или полинома. От выбора нелинейной функции может зависеть сложность конкретной сети, но с любой нелинейностью сеть остаётся универсальным аппроксиматором и при правильном выборе структуры может сколь угодно точно аппроксимировать функционирование любого непрерывного автомата.

Исследование операций

В соответствии с практикой Beer, в исследованиях производственной деятельности участвовали многопрофильные группы, ищущие практическую помощь в решении сложных управленческих вопросов. Это часто вовлекало разработку моделей, заимствованных из фундаментальных наук и помещенных в изоморфную связь с организационной ситуацией. Бир первоначально называл это « операционным исследованием » (OR), но вместе с Расселом Акоффом он все больше разочаровывался в этом термине по мере того, как область переходила в область, в которой предопределенный набор математических инструментов применялся к хорошо сформулированным задачам. Критика традиционного операционного вмешательства Биром, в частности, заключалась в том, что это стало делом экспертов-математиков, ищущих ситуации, которые можно было бы согласовать с их методами. Бир настаивал на том, что для эффективного исследования операций необходимо сначала понять ключевую динамику ситуации и только затем выбрать теорию или методы, которые позволят понять эту ситуацию в деталях. В «Решении и контроле» Бера, особенно в шестой главе, методология обсуждается довольно подробно.

Системный анализ и теория систем

Практическая потребность общества в научных основах принятия решений возникла с развитием науки и техники только в XVIII веке Началом науки «Теория принятия решений» следует считать работу Жозефа Луи Лагранжа, смысл которой заключался в следующем: сколько земли должен брать на лопату землекоп, чтобы его сменная производительность была наибольшей. Оказалось, что утверждение «бери больше, кидай дальше» неверен. Бурный рост технического прогресса, особенно во время и после второй мировой войны, ставил все новые и новые задачи, для решения которых привлекались и разрабатывались новые научные методы. Можно выделить следующие научно-технические предпосылки становления «Теории принятия решений»:

· удорожание «цены ошибки». Чем сложнее, дороже, масштабнее планируемое мероприятие, тем менее допустимы в нем «волевые» решения и тем важнее становятся научные методы, позволяющие заранее оценить последствия каждого решения, заранее исключить недопустимые варианты и рекомендовать наиболее удачные;

· ускорение научно-технической революции техники и технологии. Жизненный цикл технического изделия сократился настолько, что «опыт» не успевал накапливаться, и требовалось применение более развитого математического аппарата в проектировании;

· развитие ЭВМ. Размерность и сложность реальных инженерных задач не позволяло использовать аналитические методы.

Инженерное дело теснейшим образом связано с совокупностями объектов, которые принято называть сложными системами, которые характеризуются многочисленными и разнообразными по типу связями между отдельно существующими элементами системы и наличием у системы функции назначения, которой нет у составляющих ее частей. На первый взгляд каждая сложная система имеет уникальную организацию. Однако более детальное изучение способно выделить общее в системе команд ЭВМ, в процессах проектирования лесной машины, самолета и космического корабля.

В научно-технической литературе существует ряд термином, имеющих отношение к исследованию сложных систем. Наиболее общий термин «теория систем» относится к всевозможным аспектам исследования систем. Ее основными частями являются

· системный анализ, который понимается как исследование проблемы принятия решения в сложной системе,

· кибернетика, которая рассматривается как наука об управлении и преобразовании информации.

Здесь следует заметить, что понятие управления не совпадает с принятием решения. Условная граница между кибернетикой и системным анализом состоит в том, что первая изучает отдельные и строго формализованные процессы, а системный анализ — совокупность процессов и процедур.

Очень близкое к термину «системный анализ» понятие — «исследование операций«, которое традиционно обозначает математическую дисциплину, охватывающую исследование математических моделей для выбора величин, оптимизирующих заданную математическую конструкцию (критерий). Системный анализ может сводиться к решению ряда задач исследования операций, но обладает свойствами, не охватываемыми этой дисциплиной. Однако в зарубежной литературе термин «исследование операций» не является чисто математическим и приближается к термину «системный анализ». Широкая опора системного анализа на исследование операций приводит к таким его математизированным разделам, как

· постановка задач принятия решения;

· описание множества альтернатив;

· исследование многокритериальных задач;

· методы решения задач оптимизации;

· обработка экспертных оценок;

· работа с макромоделями системы.

Литература[]

  • Винер Н. Кибернетика. — М.: Советское радио, 1968.
  • Винер Н. Некоторые моральные и технические последствия автоматизации.
  • Шеннон К. Работы по теории информации и кибернетике. — М.: Изд. иностр. лит., 1963. — 830 с.
  • Эшби У. Р. Введение в кибернетику. — М.: Изд. иностр. лит., 1959. — 432 с.
  • Пекелис В.Д. (сост.) Возможное и невозможное в кибернетике, Наука, 1964, 222 с.
  • Пекелис В.Д. (сост.) Кибернетика ожидаемая и кибернетика неожиданная, Наука, 1968, 311 с.
  • Пекелис В.Д. (сост.) Кибернетика. Итоги развития, Наука, 1979, 200 с.
  • Пекелис В.Д. (сост.) Кибернетика. Современное состояние, Наука, 1980, 208 с.
  • Марков А. А. Что такое кибернетика. — В кн.: Кибернетика, мышление, жизнь. — М.: Мысль, 1964
  • Петрушенко Л. А. Самодвижение материи в свете кибернетики. — М.: Наука, 1971
  • Кузин Л. Т. Основы кибернетики (в 2-х томах). — М.: Энергия, 1973
  • В. М. Глушков, Н. М. Амосов и др. «Энциклопедия кибернетики». Киев. 1975 г.
  • Герович В. А. Человеко-машинные метафоры в советской физиологии // Вопросы истории естествознания и техники. № 3, 2002. С. 472—506.
  • Гринченко С. Н. История человечества с кибернетических позиций // История и Математика: Проблемы периодизации исторических макропроцессов. — М.: КомКнига, 2006. — С. 38—52.
  • Грэхэм, Л. Естествознание, философия и науки о человеческом поведении в Советском Союзе. — М.: Политиздат, 1991. — 480 с.

Клаус Г. Кибернетика и философия = Kybernetik in philosophischer Sicht / Перевод с немецкого И. С. Добронравова, А. П. Куприяна, Л. А. Лейтес; редактор В. Г. Виноградов; Послесловие Л. Б. Баженова, Б. В. Бирюкова, А. Г. Спиркина. — М.: ИЛ, 1963.

Основы кибернетики. Математические основы кибернетики / Под ред. профессора К. А. Пупкова. — М.: Высшая школа.

Основы кибернетики. Теория кибернетических систем / Под ред. профессора К. А. Пупкова. — М.: Высш. школа, 1976. — 408 с. — (Учеб. пособие для вузов). — 25000 экз.

  • Поваров Г. Н. Ампер и кибернетика. — М.: Советское радио, 1977.
  • Теслер Г. С. Новая кибернетика. — Киев: Логос, 2004. — 401 с.
  • Кибернетика и информатика // Сборник научных трудов к 50-летию Секции кибернетики Дома ученых им. М. Горького РАН. — Санкт-Петербург, 2006. — 410 с.
  • Игнатьев М. Б. Информационные технологии в микро-, нано- и оптоэлектронике. — изд. ГУАП, Санкт-Петербург, 2008. — 200 с.
Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *

Adblock
detector