Диссертация (1138670), страница 16
Текст из файла (страница 16)
На наш взгляд, имеются основания длятрактовки инновационной сети СД в данной терминологии.Однако, как нами было уже ранее отмечено, ввиду проблем сосбором данных для построения топологии ИЭС СД (ввиду наличиябольшого количества неформальных связей), это процесс представляет18В 1977-1984гг. было предпринято инвестиций на сумму 400млн.дол. в 43 компании производителижестких лисков для компьютеров (большая часть произведен в 1983 -1984гг. – 270 млн. дол.)«Мыльный пузырь», предшествовавший кризису дот-комов 2000 года наглядно иллюстрирует этоповедение: тысячи предпринимателей, маркетологов и др., сотни венчурных капиталистов ринулисьзарабатывать на хай-теке вкладывая свои средства и силы в многочисленные компании, которыеполучали немыслимые оценки, не производя еще никакой продукции. [47]87большиесложности.Темнеменее,приведемматематическоеобоснование этого процесса для «лечения вирусов» в компьютерныхсетях, рассмотренное Гаджиевым Б.Р., Гибиной Е.Ю.
и Прогуловой Т.Б.[15]По мнению указанных авторов, в компьютерных системах безавтоматического обновления антивирусных программ распространениевирусов в сетях с масштабно-инвариантной (безмасштабной) топологиейописывается моделью SIS, согласно которой подразумевается, что узлынаходящиеся в сети могут быть либо в восприимчивом (S), либо винфицированном (I) состоянии. В данной модели восприимчивые узлыизменяют свое состояние от неинфицированных к инфицированным инаоборот постоянно.
Авторы описывают процесс распространения вирусаследующей реакцией:(2)где l и m – вероятности соответствующих переходов.Для конкретной сети процесс распространения определяется еетопологией и вероятностью l перехода узла из состояния S в состояние I(здоровый узел в сети при контакте с зараженным узлом становитсяинфицированным).Исследователиутверждают,чтосуществуетопределенное пороговое значение вероятности перехода lc, такое, что призначениях llc доля инфицированных узлов r будет больше нуля, то естьвирусы в сети распространяются неограниченно долго.Причинараспространенияобращениявирусавнольбезмасштабныхэпидемическогосетяхпорогазаключаетсявбесконечной дисперсии распределения степеней.
А именно, порог lcзависит от дисперсии:(3)где k- количество узлов, связанных с данным.88Для вероятностных (случайных) сетей распределение степенейявляетсяпуассоновским.следовательно,порогlcКакрезультат,конечен.дисперсияОднако,есликонечнаи,говоритьораспространении вирусов в рассматриваемых сетях, P(k) следуетстепенному закону со степенью распределения g=3, значение являетсябесконечнымиэпидемическийпорогlc=0.Следовательно,длявосстановления конечного эпидемического порога, ниже которогоинфекция затухает, необходимо рассчитать конечную дисперсию.Авторы утверждают, что, если безмасштабная сеть имеет конечныйразмер, эпидемический порог конечен и имеет значение:.(4)где m- количество ребер, с которыми добавляется в сеть новаявершинаПричиной возникновения бесконечной является так называемый«хвост» распределения степеней, в котором доминируют хабы. Такимобразом, лечение всех хабов со степенью, большей некоторой степени k0,изменит топологию сети, восстановит конечность и эпидемический порогстанет отличным от нуля.
Согласно этому выражению ожидается, что,чем больше хабов вылечивается (то есть чем меньше k0), тем большеотклонение от степенного распределения и значение эпидемическогопорога. Следовательно, оптимальной стратегией устранения вирусов вмасштабно-инвариантных компьютерных сетях становится лечение какможно большего количества хабов (разумеется, исходя из экономическойцелесообразности такого лечения).На наш взгляд, изложенная выше идея о «лечении» зараженныхвирусом компьютерных сетей в контексте ИЭС СД интерпретируется в«моду» или «эпидемию» желающих жить в этом регионе и заниматьсявысокотехнологичным бизнесом.
И фактор этот, в первую очередь,89может быть объяснен за счет нарастания критической массы связеймеждуэлементамиипоявлением«хабов»,которыестановятсяодновременно и «историями успеха», и «мостами» для трансфера новыхлюдей в регион.История СД ярко иллюстрирует то, что ее развитие происходилосогласнонекоторымсвойствамбезмасштабынхсетей:вновьприсоединяющиеся к сети узлы выбирают такие узлы, у которых имеется«предпочтительное свойство» и, как следствие, намного большееколичество связей, чем у других узлов.
В генезисе СД роль крупногоконцентратора(hub)выполнялСтэнфордскийуниверситет,привлекательность которого заключалась в наличии талантливых ученыхпоставляющих новые идеи. После нескольких удачных попытокреализовать идею коммерческим путем и создания исследовательскогоинститута с высококвалифицированными учеными, по цепной реакции, вСД потянулись другие успешные компании для аналогичных целей, азатем и инвесторы. Примечательным фактом является то, что государствозаявило о себе лишь спустя немногим более десяти лет после первыхуспешных фактов внедрения результатов научных исследований ученыхСтэнфордского университета в практику.
В дальнейшем, действиягосударства (огромные инвестиции Пентагона, закон Байа-Доула ораспределении прав на интеллектуальную собственность, налоговыельготыдляобразующихсякомпаний,занимающихсявыпускоминновационной продукции и др.), явились гигантским стимулом икатализатором процесса коммерциализации новшеств.Такимобразом,основываясьнарезультатахинтервьюисистематизированного перечня условий, влияющих на возникновение иразвитие ИЭС СД, можно сделать вывод, что идентификация выявленныхусловий в различных регионах мира позволит, во-первых, выявлять ИЭС,а во-вторых, «тиражировать», путем формирования требуемых условий.902.2.Этапы оценки уровня зрелости ИЭС регионов (на примереСША)2.2.1.
Использование методов ценологического подхода для анализазрелости инновационных регионовКак уже было отмечено ранее, одним из подходов, оперирующихметодамимеждисциплинарногоанализа,являетсяценологическийподход. Поскольку ценоз и экосистема понятия, как было показано,схожие, то, позволим себе использовать инструменты этого подхода ипри анализе ИЭС.Б.И. Кудриным была сделана попытка интерпретации законаповторяемости видов особей в ценозах (видов изделий в техноценозах).РаспределениегруппдоминирующихираспределениевособейредкихверсииповидовповторяемостиописываетсяБ.И.Кудрина).количествагиперболойКривая(Н-характеризуетсяопределенными параметрами, которые мы опишем ниже.Ученыйдалуспешнуюкачественнуюиколичественнуюинтерпретацию закона повторяемости видов изделий в техноценозах:«при выделении из техноценоза семейства изделий, состоящего измногих определенных видов, каждый из них (в большинстве) содержитмалое число особей.
Число видов, каждый из которых представлен всеувеличивающимся числом особей, быстропадает. Чем большееколичество особей содержит вид, тем меньше вероятность встретить вид,представленный еще большим числом особей»[61]. Математическипредставленная зависимость отображается гиперболой, характеризующейсоотношение часто и редко встречающихся видов особей конкретногоценоза.
Корни такого анализа уходят в исследования Фишера Р., ЛоткиА., Парето В., Ципфа К. и других ученых перечисленных нами.91Еще в 1943 г. Фишер Р. провел исследования на примере видов иособей зоологических, ботанических различного размера районов;распределение частот паразитов на организмах хозяев и др. дляподтверждения гипотезы о том, что распределение частот видов, каждыйиз которых представлен 1,2,3…n особями, математически описываетсялогарифмическим рядом.Фишер Р. наложил ограничение в размере 10% на число особей дляредких видов. В дальнейшем, Кудрин Б.И.
показал, что эти 5%-10%редких видов представлены 40-60% видами особей ценоза. Остальные жевиды ценоза являются часто встречающимися и включают до 40-60%всех особей ценоза.Позднее Лотке А., исследовав массивы публикаций с целью анализанаучной продуктивности, вывел эмпирическую зависимость для числаученых ni (видов), написавших i-статей (особей):Ni=n1/i2; i=1,2,…,imax,(5)гдеNi – общее число ученых (объем выборки)n1 – число ученых (видов), написавших всего одну статью (ноевакаста); imax - максимальная продуктивность ученого (саранчевая каста).Аналогом закона Лотке А.
является распределения доходов ПаретоВ. В дальнейшем исследования продолжились и реализовались в законеЦипфа-Мандельброта (с учетом частоты появления какого-либо фактораи распределением по рангам).Вклад Кудрина Б.И. состоит в систематизации всех приведенныхвыше исследований и выделении трех видов распределения по частотепроявления признака у совокупности объектов. Структуру ценозовможно описывать следующими видами распределения: ранговым(ранговое видовое и ранговое по параметру) и видовым.92Известно, что вид является ключевой единицей в систематизацииособейпопуляций,определяющийсовокупностькачественныхиколичественных характеристик, которые отражают суть группы особей.Критерием отличия выступает разница в классификации параметровназначения.Ранговое распределение особей ценоза:- ранговое по параметру.
Заключается в проведении процедурыупорядочения значений какого-либо параметра, сопоставленных с еговозрастающим рангом. Первый ранг присваивается особи, имеющейнаибольшее значение параметра, следующий – особи, имеющейнаибольшее значение того же параметра среди оставшихся особей и т.д.Таким образом, на графике по оси Х отображается номер ранга, по оси Y–убывающее значение параметра, а кривая – это совокупность особейимеющих убывающее значение параметра.- ранговое видовое.
Если за величину параметра принимаетсямощность популяции (число популяций, которые составляют вид вценозе), то ранжируются виды, представленные убывающим количествомособей.По оси Х отражается номер ранга, а по Y – число особей,которыми представлен вид в ценозе. График такого распределения совокупность точек, каждая из которых соответствует определенномувиду ценоза.Необходимость и механизм видового распределения состоит вследующем.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
