"В.Н.Щеглов. Скрытый гипноз: сопоставление основных понятий с алгоритмом построения алгебраических моделей интуиционистской логики" - читать интересную книгу автора

были бы простыми импликациями, истинными формулами для Z, например: "если
К", то Z = 1". Примем также (это наше семантическое соглашение), что
вычисление К' относится к функции подсознания, а К" - к функции сознания.
Далее вычисляются оценки Г для каждой К" (число состояний, где встречается
данная К"). Затем строятся тупиковые дизъюнктивные формы (АМКЛ) для каждого
из Z = 0, 1, ... в отдельности. Начиная с наибольшей Г отбираются К и
объединяются логической связкой "или"; предварительно отбрасываются те из
них, множества состояний которых ("покрытия", множества номеров строк) уже
входят в объединение покрытий ранее отобранных К (т. е. строится тупиковая
дизъюнктивная форма). В некоторых случаях требуется построение вероятностной
модели. Для этого все частичные пересечения двух или более К обозначаются
как новые К, оставшиеся множества и эти новые К вновь упорядочиваются по их
Г, переиндексируются и подсчитываются итоговые Г и Г/m. Эти частоты в сумме
дают единицу. Далее все вышеприведенные аналогичные операции совершаются и в
отношении нецелевых состояний, целевым значением становится Z = 0.
После вычисления модели обычно проводится ее интерпретация (обычно с
помощью подходящих информационно-поисковых систем) - сопоставление с уже
известными более общими теориями, в которые К входят как подмножества (поиск
"мажоранты", "наводящих соображений", "пояснений" [5]). Иногда вычисляется
также контекст отдельных наиболее интересных итоговых К, входящих в
тупиковую форму. Это замкнутые интервалы значений всех переменных, не
включенных в данную К, т. е. только для "своих" Г строк-состояний (для
"покрытия" К). Интерпретация контекста (вместе с К) соответствует возможному
"объяснению" функций Z, также и несущественных переменных. При необходимости
аналитического отображения логической модели производится аппроксимация всех
подмножеств значений (х, у) для каждого К обобщенными рядами Эрмита или
Фурье [1, 2, 6]. Будем считать, что мы потенциально имеем возможность
отслеживать и сохранять в памяти компьютера весьма большие, но конечные
массивы числовой содержательной информации, которая отображает доступный нам
смысл исследуемого процесса.
Во многих часто встречающихся случаях Y = (у1, у2, ... ) обычно
является многокритериальной функцией Х (алгоритм см. в [1]). В более общем
случае можно считать, что Х является массивом всей доступной информации, как
бы некоторый текст (в динамике, по строкам), посредством которого
исследуемый объект обменивается информацией с исследователем. Номера
соответствующих переменных ("слов", столбцов массива Х), являются обычно
некоторым ограниченным словарем, тезаурусом. При этом, вообще говоря, каждое
слово из этого словаря можно задать в качестве функции-цели у относительно
оставшейся части Х. Все дело заключается в том, в каком контексте (смысле)
проводится исследование. Более того, иногда даже конкретная цель для
исследователя не совсем ясна. В этом случае можно вычислить некоторое
множество моделей для "обзорного" множества у и отобрать модель, для которой
информационная энтропия меньше - практически, можно предпочесть модель,
которая содержит меньшее число выводов К с оценками Г = 1. Конечно, далее
если возможно, следует с помощью информационно-поисковых средств
интерпретировать полученную модель, а иногда и отбросить неинтересные
тавтологии, которые неожиданно выявляются при тесной корреляции у с
некоторыми сходными (с у) по смыслу переменными. Затем, если это требуется,
уже строится модель для многокритериального Y. Еще отметим, что при
исследовании объектов в динамике в массив исходных данных можно включать