Задача формализации понятия когнитивности (познания) решается в результате синтеза логики (обучения) исходной структурной схемы кца или формирования формулы
Особенность когнитивного цифрового автомата (КЦА) заключается в том, что в качестве структурной схемы автомата служит описание структуры нейронной сети (НС), а в качестве модели нейрона используется логическая функция «НЕ-И-ИЛИ». При этом логика компонентов структурной схемы автомата и структурных связей между компонентами изначально не определена и формируется в процессе обучения на основе модели синаптической памяти нейронов. В случае образования обратных связей с выхода на входы нейронов модель нейрона представляет собой двоичный триггер с логической функцией «НЕ-И-ИЛИ» на входе.
В качестве инструмента построения математической модели КЦА предлагается математический аппарат сетей Петри (СП): маркированные графы, ингибиторные СП и СП с программируемой логикой. Математическая модель строится на базе представления КЦА в виде уравнения состояний СП из класса уравнений Мурата (матричных уравнений) или системы линейных алгебраических уравнений. Предлагаемый подход, по сути, является развитием теории цифровых автоматов. При этом на первый план выходит задача формализации понятия когнитивности математической модели. Когнитивность математической модели соответственно определяется возможностью обучения и генерации решений не предусмотренных в процессе обучения.
Задача формализации понятия когнитивности (познания) решается в результате синтеза логики (обучения) исходной структурной схемы КЦА или формирования формулы (сетевого алгоритма) КЦА. При этом, возможность формирования формулы (сетевого алгоритма) КЦА зависит от критической массы (качества) обучающих наборов и алгоритмов обучения. Отсюда особое значение приобретает задача генерации минимального множества обучающих наборов для заданной или экспериментально определяемой функции КЦА. Генерация решений (мышление) выполняется уже на основе формулы (сетевого алгоритма) КЦА.
