8、不同复杂系统中的多重混沌、分形与多重分数人工智能

不同复杂系统中的多重混沌、分形与多重分数人工智能

1. 工业数据

在工业 4.0 中，由于系统、接口、协议等的异构结构，数据收集架构的实现需要付出巨大努力。随着工业自动化转型，流程数字化程度提高，生产中的可用数据量也在增加。因此，利用数据调整生产工厂和机器参数，以确保高效灵活的生产至关重要。

数据处理需要准确的分类和理解。数据可分为数字和非数字两类，定性数据属于非数字类别，代表特定描述特征，被称为分类数据；定量数据是数字的，可进一步分为离散和连续两类。复杂数据类型也分为离散和连续两类。离散数据代表具有可定义边界和有限可能值的独立特征，如折线、多边形和点；连续数据则没有明确的边界，通常与某种物理测量相关，用实数表示，而离散数据可用整数表示。

系统和数据的复杂性要求采用最优策略，理解系统各部分之间的相互作用。数据收集应着眼于评估系统内的关系，以便分析能够整合系统思维方法和复杂性科学的概念。系统理论在这方面很重要，它是对相互关联部分组成的系统进行跨学科研究，每个系统都受时间、空间和环境影响，由其目的、结构和功能来定义。系统中一个部分的变化可能影响整个系统，因此预测行为模式的变化很有必要。系统思维有助于解决问题，平衡整体思维和还原论思维。它能帮助定义系统，识别复杂系统的特征，分析系统问题并制定解决方案，还能应用高级系统思维解决现实生活中的管理问题。对于不断适应和学习的系统，系统理论的目标是建模系统的限制、动态和条件，并阐明相关原则。这些想法与进化密切相关，进化只有在产生自发异质性时才会发生。在关键决策和处理复杂过程时，考虑系统的动态、内部结构和环境会使情况更加复杂。复杂系统科学为我们提供了处理涌现、自组织、学习、适应、路径依赖、多样性、转型和进化等问题的概念和方法，使我们能够解释动态行为