AlexDem писал(а):
Topoi, не порекомендуете попутно литературу, откуда взято это определение?
Это не совсем определение. Например, в монографии О.Оре по графам Вы найдете определение связности близкое к тому, что я написал. Просто, практически любая модель сети, в том числе модель человеческого мозга, имеет существенную стоимость связи между вершинами - весА ребер. Почему я говорю сеть, а не граф? Мне кажется так более точно будет назвать множество существенно подобных элементов (вершин, нейронов) и связей между ними(ребер, аксонов(там еще связи в мозгу есть)). Граф для меня более абстрактное понятие, нужное для анализа модели.
Вот, грубо, путь по которому я иду:
Модель – нечеткий направленный гиперграф с весами (ННГС)
Работа – перевод текста (пока, для простоты, между двумя формальными языками;))
Алгоритм – переход с помощью спец преобразований (обратимых в опред смысле) от «сложной» модели к простому двудольному графу. На нем собственно есть уже алгоритм перевода. С помощью обратных преобразований перенос этого алгоритма на первоначальную модель. Корректировка полученного алгоритма с учетом особенности модели (даже оптимизация).
Предваряя вопросы об определениях:
Гиперграф – граф, который кроме множества вершин и их упорядоченных(!) пар, содержит и множества троек, четверок, и т.д. вершин (это не вектора! упорядоченность тривиальна только для пар, для n-ок всё непросто)
Нечёткий – вхождение вершины в n-ку понимается как принадлежность нечеткому множеству (это, как мне кажется, естественный аппарат для описания вершин в сети, которые, могут случайно «выпадать из работы», или совсем «умирать»)
Почему именно такая модель? Мне кажется (чисто субъективно, я не медик, о работе мозга читал только науч.-популярную литературу; кстати, если есть на такую ссылки – они были бы уместны в этой теме, наверное), что она довольно точно сможет отразить работу человеческого мозга.
Зачем нужно работающий, например, на двудольном графе алгоритм, таким хитрым способом переносить на не в меру обобщенный ННГС? Да, для упрощения/улучшения самого алгоритма это не даст ничего, но ведь лично моя цель – упрощение/конкретизация именно чересчур абстрактной модели. Выявление, если хотите, тех правил (начальных аксиом), которые будут её естественным образом ограничивать, выделяя из совокупности всех ННГС, подмножество «хороших», т.е. наиболее удобных для реализации учащихся алгоритмов (тот же перевод, распознавание, построение ассоциаций, …) – алгоритмов, которыми принято описывать деятельность человеческого мозга.
Зачем нужен этот класс «хороших» ННГС? Для проектирования архитектуры машины, заточенной на работу с упомянутыми выше алгоритмами.
Звучит это может и красиво, но как все далеко до технической реализации, можно понять, представив себе комп, которому прочесть и посмеяться над шуткой будет легче, чем перемножать пятизначные числа;-))