Ett cybernetiskt experiment består i att ersätta det ursprungliga styrsystemet med en modell som sedan studeras. I grund och botten består modellering i att skapa ett kontrollsystem som är isomorft eller ungefär isomorft till det givna, och i att övervaka dess funktion [1] .
Simulering eller datormodellering används ofta för att implementera ett cybernetiskt experiment . I det här fallet är huvudprincipen "svarta lådan" -principen [2] . Den cybernetiska principen om den "svarta lådan" föreslogs av N. Wiener [3] . Till skillnad från det analytiska tillvägagångssättet, där systemets interna struktur modelleras, modellerar "svarta lådan"-metoden systemets externa funktion. Alltså, ur experimentörens synvinkel, är systemets (modellens) struktur gömd i en svart låda, som endast imiterar systemets beteendeegenskaper.
I ett cybernetiskt experiment utforskas informationsmodeller som skiljer sig åt i typen av förfrågningar till dem:
I det enklaste fallet, när vi modellerar systemets respons, antar vi att X är en vektor vars komponenter är några kvantitativa egenskaper hos systemet, och X' är vektorn för yttre påverkan. Då kan systemets respons beskrivas med vektorfunktionen F: Y = F(X,X'), där Y är responsvektorn. Uppgiften för ett cybernetiskt experiment (simulering) är att identifiera systemet F, som består i att hitta en algoritm eller ett regelsystem i den allmänna formen Z=G(X,X'). Det vill säga att hitta associationerna för varje vektorpar (X,X') med vektorn Z på ett sådant sätt att Z och Y är nära varandra. I detta fall är informationsmodellen för systemet F förhållandet Z=G(X,X'), som återger funktionen hos systemet F i den angivna betydelsen.
Artificiella neurala nätverk är ett av metoderna för att presentera informationsmodeller. Ett neuralt nätverk kan formellt definieras som en samling bearbetningselement ( neuroner ) med lokalt fungerande och sammankopplade anslutningar (synapser). Nätverket tar en viss insignal från omvärlden och skickar den genom sig själv med transformationer i varje bearbetningselement. Sålunda, i processen för signal som passerar genom nätverksanslutningarna, bearbetas den, vars resultat är en viss utsignal. Således utför det neurala nätverket en funktionell överensstämmelse mellan input och output, och kan fungera som en informationsmodell G av systemet F.