пацієнтів, що проводиться з тієї чи іншої схемою. Розробляється в даний час більш розвинена багатоцільова версія цієї програми дозволить не тільки відслідковувати процеси самоорганізації синергетичної системи, а й враховувати наслідки тих чи інших зовнішніх впливів на неї.
Побудова таких інваріантних перетворень являє собою безперервне взаємно однозначноеотображеніе (перетворення) як завгодно довгого в часі дискретного ряду спостережуваних станів системи в область (функціональний простір), обмежену щодо обраного перетворення за параметром часу. Розроблено апарат спеціальних перетворень, що дозволяють відображати в таку область безлічі теоретично з будь розмірністю і розподіленою системою отримання інформації. При цьому поведінка моделюється сістемиопісивается через поведінка вже в цій області якоїсь системи, яка інваріантна модельованої щодо обраного перетворення.
Візуалізація образів і навчання оператора
Пояснимо, в чому полягає суть методу. У вибраному функціональному просторі ми знаходимо таку модель, яка в його внутрішньому часу змінюється синхронно зі змінами досліджуваної системи в реальному просторі. При цьому модель може розвиватися в іншому часовому масштабі, і аналіз її поведінки на якомусь відрізку її внутрішнього часу, проведений в реальному часі, може дозволити в момент спостереження побачити що відбуваються в моделі процеси, еквівалентні тим, які відбудуться в реальному досліджуваній системі тільки в майбутньому. За рахунок такого перетворення досягається «стиснення» даних по параметру часу, причому в загальному випадку ніяких принципових обмежень на глибину прогнозу немає. Відзначимо, що розглянутий апарат не вимагає монотонного і, більше того, безперервного усюди зміни параметра часу, що може виявитися дуже корисним при визначенні надсистемного критеріїв ефективності, оскільки індивідуальні цикли розвитку надсистеми і входять до неї систем можуть істотно відрізнятися.
Обробку отриманих таким способом образів можна прискорити, використовуючи програму Fractal Video Pro фірми Integrated Systems, яка здійснює шляхом фрактальних перетворень операцію розтягування - стиснення динамічних зображень. Застосування фрактальних рівнянь при візуалізації образів, створених із застосуванням таких же фрактальних чи інших топологічних перетворень, дозволяє найбільшою мірою уникати спотворень образу при його генерації у віртуальному кіберпросторі. Ця обставина дає впевненість, що при перетворенні дані, на основі яких і будувався образ, що не будуть піддані спотворень. Вкрай важливо, щоб при вирішенні зворотної задачі, а саме визначення змін ситуації на ринку, структури портфеля і набору фінансових інструментів, параметри яких повинні бути змінені, а також характеру змін по кожному з параметрів для кожного фінансового інструменту залежно від перетворень образу в віртуальному просторі , не відбувалося порушення відповідності між структурою образу і структурою значень параметрів і критеріїв.
А навіщо, власне, система повинна вміти вирішувати зворотну задачу? Справа в тому, що шляхом трансформації образу можна задавати, наприклад, нову структуру портфеля цінних паперів і визначати, які папери і за якими цінами потрібно купувати і / або продавати. При навчанні роботі з системою оператор зіставить, які типи образів відповідають вдалим для тієї чи іншої ситуації операціями, і надалі буде намагатися трансформувати генеруються образи поточної сит...
