В традиционной биологической науке (биофизике, системном анализе биосистем) стационарные режимы биосистем описываются уравнением dx/dt=0 для вектора состояния системы х=х(t)=(x1, x2,…, xm)T. Однако реальные биосистемы демонстрируют непрерывный хаос и dx/dt≠0 всегда. Поэтому предлагается два новых подхода в анализе устойчивости биосистем. Первый – в рамках компартментно-кластерного подхода (представлен довольно подробно), второй – в рамках анализа параметров квазиаттракторов поведения биосистем. Показывается, что второй подход предпочтителен, т.к. он универсален и используется для всех биомедицинских систем в прагматических целях при их описании (моделировании). Компартментно-кластерный подход может быть применён для реальных сложных биосистем и характерные примеры мы представляем сейчас в рамках этой теории. Стационарные режимы иерархических нейросетей представлены в данном сообщении на примере работы слухового анализатора. Показано, что даже при кратких разбиениях интервалы измерения постурального тремора все параметры значительно варьируют для функции распределения. Отсюда следует, что статистические методы для обработки тремораграм неприменимы. Треморограммы, кардиограммы, электромиограммы – это системы третьего типа. Главная идея связана с непрерывными хаотическими движениями (свойство «мерцания») вектора системы в фазовом пространстве состояний и его эволюцией. Свойство «мерцания» и эволюции невозможно моделировать в рамках традиционного детерминистских или стохастических подходов.
Traditional biological science (biophysics, systems analyses of biosystems) stationary mode of biosystems describes according to equation dx/dt=0 for the systems state vector x=x(t)=(x1, x2,…xm)T. But real biosystems demonstrated uninterrupted chaotic dynamics when dx/dt≠0 is always uninterrupted. The authors present two types of approaches to stationary mode investigation for biosystems. The first approach is based on the compartmental-cluster theory and the second approach is based on the theory of chaos-self-organization. The last is more convenient for real biosystems description because there are pragmatic results of its use. The compartmental-cluster approach may be used for real complex biosystems and the authors present some typical examples of such theory. The stationary mode of hierarchical neural networks were illustrated according to specific audi - analyzator. It was demonstrated that short intervals of tremogram demonstrate the real difference of distribution function parameters. As a result of such experiments – the classical statistics methods don’t usefulness for investigation of postural tremor. The tremogram, cardiogram, encephalogram are the systems of third type. The main idea consists of uninterrupted chaotic movements (glimmering property) of system’s vector in phase space of state and evolution of such system’s state vector in phase space of state. The glimmering property and evolution don’t have properties which can be modeled by traditional deterministic and stochastic approaches.
Введение. Общеизвестно, что традиционные, детермистско-стохастические модели могут быть идентифицированы только при повторении процессов (состояний), которые происходят с биосистемами. Однако, еще Ernst Walter Mayr [10] отмечал, что биосистемы ежеминутно изменяются. Это непрерывное изменение параметров вектора состояния систем (ВСС) х=х(t)= (x1, x2,…xm)T накладывает существенные ограничения на возможность описывать какими-либо функциями такие хаотически изменяющиеся биологические динамические системы (БДС). Это означает, что точки и линии в фазовом пространстве состояний (ФПС) могут описывать поведение реальных БДС только ретроспективно (как уже произошедшие события), т.е. в медицине такие модели лишены перспектив для прогноза состояния организма больного [1-3].Прогностического значения такие детерминистско-стохастические модели не имеют (будущее для таких моделей БДС не определено). Об этом писал И.Р. Пригожин в своём обращении к потомкам [9] и это означает, что для таких систем мы не можем определять не только будущее этих систем, но и значения частоты события P*(A)= m/n (где m - число испытаний, в которых событие А наступило, n - общее число испытаний). Для уникальных (хаотических) процессов (систем) всегда будет m=n=1, а их будущее прогнозировать невозможно (нет повторов испытаний). Единичные, уникальные процессы (системы) непрогнозируемы и для них нельзя определять функции распределения f(x), т.к. нет повторов начальных условий (начальных значений x(t0) для ВСС в ФПС и нет какого-либо прогноза для их будущего состояния, т.е. значений ВСС x(tk). Всё непрогнозируемо и не может быть повторно воспроизведено. Мы живем в мире хаос и наша смерть, как x(tk), совершенно не прогнозируема, конечное состояние параметров организма нельзя рассчитать, т.к. жизнь каждого человека единична и случайна. Жизнь человека, состояние нормы или патологии организма в принципе не может быть повторены и воспроизведены, каждый организм не воспроизводим и уникален [1,3-7]. Это глобальная неопределенность, которая в рамках компартметно-кластерного подхода (ККП) вводится уже на уровне отдельных элементов и динамики их поведения [3,4,6,7].Граница аналитического описания биосистем - ККП. Переход от детерминистско-стохастической парадигмы или подхода - ДСП к теории хаоса-самоорганизации - ТХС исходно происходил в рамках возникновения синергетики (H. Haken) и трансформации синергетики в ТХС. Сама синергетика базируется на 1-м постулате H. Haken: мы не работаем с отдельными элементами системы, а только со всей системой в виде пулов, компартментов, кластеров [11]. Этот постулат применим только к однородным системам, в которых нет параметров порядка и нет иерархии. Об этом сейчас никто из сторонников синергетики не говорит и в этом - главная проблема и трудности синергетики. Вопрос об однородности, изотропности complexity сейчас даже не затрагивается - а это уже ошибка для всей науки. Для иерархических систем постулат H. Haken не применим, т.к. главного иерарха невозможно исключить (система изменится). Более того, этот иерарх (в таких иерархических системах) задаёт динамику поведения всех лежащих ниже стратов (подсистем), они зависимы от него. В постулате H. Haken это отсутствует, а в ТХС мы это учитываем [3,4,6-8]. Более того, в ТХС было разработано три новых метода идентификации параметров порядка, что полностью отсутствует сейчас не только в синергетике, но и во всей современной науке [6-8]. Вообще говоря, это главная задача всех когнитивных наук. Мы не знаем как человек выби-