ВЕКТОРНЫЕ И СТАТИСТИЧЕСКИЕ КРИТЕРИИ ОТНОСИТЕЛЬНОЙ СЛОЖНОСТИ ПРИ СРАВНЕНИИ ОБЪЕКТОВ ПО СОВОКУПНОСТИ ПАРАМЕТРОВ

Аверин Г. В. Звягинцева А. В. Бражников А. Р

Об авторах

Аверин Г. В. Звягинцева А. В. Бражников А. Р

Аверин Геннадий Викторович – д.т.н. профессор, профессор кафедры компьютерных технологий ФГБОУ ВО «ДонГУ», 283001, Донецк, ул. Университетская, 24. Область научных интересов: системный анализ и общая теория систем; интеллектуальный и статистический анализ многомерных и больших данных; информационно-аналитические системы и технологии в прикладных областях; междисциплинарные исследования в области системодинамики и теории сложности. ORCID 0000-0003-1070-3677

Звягинцева Анна Викторовна – д.т.н. доцент, профессор кафедры компьютерных технологий ФГБОУ ВО «ДонГУ», 283001, Донецк, ул. Университетская, 24. Область научных интересов: системный анализ, событийная и комплексная оценка; безопасность и управление социально -экономическими и техногенными системами, социофизика; информационно -аналитические системы и технологии в прикладных областях; обработка и анализ многомерных и больших данных. ORCID 0000-0003-2218-9230

Бражников Андрей Романович – магистрант, ФГБОУ ВО «ДонГУ», 283001, Донецк, ул. Университетская, 24. Область научных интересов: методы анализа и обработки больших данных; проектирование и оптимизация архитектуры распределённых веб -систем; автоматизация процессов разработки и развёртывания программного обеспечения. ORCID 0009-0005-4420-9206

Скачать PDF

УДК: 510.52:303.732.4:519.25
DOI: 10.24412/2413-7383-2026-1-40-124-136
Язык: Русский

Аннотация: В статье обосновывается подход к оценке относительной сложности, основанный на представлении моделей систем в многомерных пространствах состояний. Эмпирической базой исследований являются массивы данных и датасеты в области биологии и искусственного интеллекта. В качестве примера осуществлен анализ сложности позвоночных животных в сравнении с человеком, как наиболее развитым организмом. Предложены критерии для оценки относительной сложности состояний объектов по отношению к состоянию объекта, принятого в качестве эталона. Сложность для различных классов (групп) объектов оценивается по статистическим распределениям анализируемых и эталонных групп.

Ключевые слова: относительная сложность, многомерные системы, вероятностные и статистические критерии сложности, комплексные измерения и оценка.

Список литературы

1. Encyclopedia of complexity and systems science / R.A. Meyers (Editor). Berlin: Springer, 2009. 10370 p.
2. Varley T.F. Information theory for complex systems scientists: What, why, and how // Physics Reports. 2025. Vol. 1148. P. 1–55. DOI 10.1016/j.physrep.2025.09.007.
3. Vakulenko S.A. Sudakow I. Noisy deep networks: chaos, multistationarity, and eternal evolution // Journal of Physics: Complexity. 2025. Vol. 6, No. 2. P. 025008. DOI 10.1088/2632-072X/adсdb4.
4. Беловодский В.Н. Об интерполяции и аппроксимации функций с использованием нейронных сетей // Проблемы искусственного интеллекта. 2024. № 3(34). С. 6–19.
5. Анцыферов С.С. Сигов А.С. Фазилова К.Н. Методология развития интеллектуальных систем // Проблемы искусственного интеллекта. 2022. №2(25). С. 42–47.
6. Ермоленко Т.В. Ролик Д.В. Классификация аномалий сердцебиения с помощью глубокого обучения // Проблемы искусственного интеллекта. 2022. № 1(24). С. 40–53. Векторные и статистические критерии относительной сложности… А
7. Аверин Г.В. Системодинамика: теория и приложения / Изд. 2-е перераб. и доп. Донецк: ООО «НПП «Фолиант», 2022. 535 с. ISBN 978-5-6047945-0-0. EDN LJDBFI.
8. Звягинцева А.В. Вероятностные методы комплексной оценки природно-антропогенных систем / Под науч. ред. Г.В. Аверина. М.: Изд. дом «Спектр», 2016. 257 с. ISBN 978-5-4442-0120-6.
9. Measurement of the Status of Complex Systems in Multidimensional Phase Spaces / Averin G.V. Zviagintseva A.V. Konstantinov I.S. Shvetsova A.A. // An International Journal of Advanced Computer Technology. 2019. Vol. 8, No. 6. P. 3176–3181. EDN VFHTCW.
10. Аверин Г.В. Звягинцева А.В. Швецова А.А. О проблеме измеримости состояний сложных систем // Мягкие измерения и вычисления. 2020. Т. 37, № 12. С. 18–30.
11. Method and criteria for assessing sustainable development / Averin G.V. Zviagintseva A.V. Konstantinov I.S. Shvetsova A.A. // The Journal of Social Sciences Research. 2018, No. Special Issue 5. P. 181–187. – DOI 10.32861/jssr.spi5.181.187. EDN CRQEYU.
12. Human Ageing Genomic Resources: updates on key databases in ageing research / P. Magalhães, Z. Abidi, G. Santos [et al.] // Nucleic Acids Res. 2024. No. 52. P. 1083–1090. – DOI 10.1093/nar/gkad927.
13. Castro F. FmrBT: A comprehensive data set of field metabolic rates, body mass and ambient temperature // Scientific Data. 2025. Vol. 12, No. 1, 1589. DOI 10.1038/s41597-025-05868-y.
14. Hudson L.N. Isaac N.J. Reuman D.C. The relationship between body mass and field metabolic rate among individual birds and mammals // Journal of Animal Ecology. 2013. No. 82(5). P. 1009 –1020. DOI 10.1111/1365-2656.12086.
15. Clarke A. Johnston N.M. (2025). A compilation of metabolic rate, body mass and body temperature (where available) data for a range of vertebrate and invertebrate species (Version 1.0) [Data set]. NERC EDS UK Polar Data Centre. URL: https://doi.org/10.5285/8d9ffd4a-16c0-4d48-9fc9-02988676ef78 (дата обращения: 28.12.2025).
16. Clarke A. The Contribution of Metabolic Theory to Ecology // Ecological Monographs. 2025, Vol. 95, No.
17. P. e70030. DOI 10.1002/ecm.7003. EDN MKZXHP.
18. AnAge: The Animal Ageing and Longevity Database. URL: https://genomics.senescence.info/species/ (дата обращения: 20.12.2025).
19. Stanford University. Stanford Center for Research on Foundation Models. URL: https://crfm.stanford.edu/report.html (дата обращения: 28.12.2025).
20. Платформа SiliconFlow. URL: https://cloud.siliconflow.com/me/models (дата обращения: 28.12.2025).
21. Reusing Pre-Training Data at Test Time is a Compute Multiplier / A. Fang, T. Voice, R. Pang, L. Schmidt, T. Gunter [Электронный ресурс] // arXiv:2511.04234v1 [cs.CL] 6Nov 2025. URL: https://ar5iv.labs.arxiv.org/html/2511.04234 (дата обращения: 28.12.2025).
22. Mathematical modeling of collective behavior in socioeconomic and life sciences / ed. by G. Naldi, L. Pareschi, G. Toskani. Berlin: Springer, 2010. 438 p.

Выпуск: 1(40)'2026
Раздел: СИСТЕМНЫЙ АНАЛИЗ, УПРАВЛЕНИЕ И ОБРАБОТКА ИНФОРМАЦИИ, СТАТИСТИКА
Как цитировать: Аверин Г. В. Звягинцева А. В. Бражников А. Р. ВЕКТОРНЫЕ И СТАТИСТИЧЕСКИЕ КРИТЕРИИ ОТНОСИТЕЛЬНОЙ СЛОЖНОСТИ ПРИ СРАВНЕНИИ ОБЪЕКТОВ ПО СОВОКУПНОСТИ ПАРАМЕТРОВ // Проблемы искусственного интеллекта. - 2026. - № 1 (40). - С. 124-136. - https://paijournal.guiaidn.ru/ru/2026/1(40)-11.html

Назад к выпуску 1(40)'2026