авторефераты диссертаций БЕСПЛАТНАЯ БИБЛИОТЕКА РОССИИ

КОНФЕРЕНЦИИ, КНИГИ, ПОСОБИЯ, НАУЧНЫЕ ИЗДАНИЯ

<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:   || 2 | 3 |
-- [ Страница 1 ] --

XI ВСЕРОССИЙСКАЯ

НАУЧНАЯ КОНФЕРЕНЦИЯ

«НЕЙРОКОМПЬЮТЕРЫ И ИХ

ПРИМЕНЕНИЕ»

19 марта 2013 года

ТЕЗИСЫ ДОКЛАДОВ

МОСКВА

2013

XI Всероссийская научная конференция «Нейрокомпьютеры и их

применение». Тезисы докладов. – М: МГППУ, 2013. – 89 с.

Печатается по решению оргкомитета научной конференции

«Нейрокомпьютеры и их применение-2013»

Издание материалов конференции осуществлено под редакцией

д.ф.-м.н., профессора А.В. Чечкина, д.т.н., профессора Л.С.Куравского, к.ф.-м.н., доцента В.В.Лукина, д.т.н., профессора В.В. Борисова, д.т.н., профессора А.В. Горбатова, д.т.н., профессора С.Д. Кулика.

©МГППУ 2 Оглавление Организаторы конференции.............................................................. 10 Организационный и программный комитет конференции............ СЕКЦИЯ 1. Интеллектуальные информационные системы............. Архитектура промышленной аналитической подсистемы извлечения знаний.............................................................................. База знаний инструментариев поддержки работы мультиагентной системы................................................................................................ Интеллектуальная система обработки результатов психологического тестирования, основанных на многофакторных опросниках........................................................................................... Интеллектуальные системы контроля знаний.................................. Интеллектуальный процессор обработки результатов психологического тестирования, основанных на многофакторных опросниках........................................................................................... Информационно-системная безопасность перспективной космической системы......................................................................... Использование параллельных вычислений в методе релевантного обратного вывода............................................................................... Концепция избыточного моделирования и нейрокомпьютеры..... Методика ситуационного выбора рациональных вариантов поведения сложных систем............................................................... Методика создания и эксплуатации программных средств поддержки принятия решений на основе рисков............................ Методология поиска и идентификации нечетких дубликатов видеоизображений............................................................................. Методы нейросетевого моделирования реальных объектов........ Модель формирования ранжированных групп управляющих воздействий для управления риск-ситуациями............................... Нейросетевая система прогнозирования склонности к предпринимательской научной деятельности................................. Нейросетевой подход к построению иерархической системы мониторинга окружающей среды..................................................... Нейросетевой распознаватель речевых команд.............................. Нечеткая экспертная система определения состояния работы перегрузочного механизма................................................................ О нечетких LP-структурах и их приложениях в интеллектуальных системах............................................................................................... О программной реализации поиска тавтологий в условных системах переписывания.................................................................... Общий подход у математиков и биологов к построению нейрокомпьютерных интеллектуальных систем.............................. Объектно-атрибутная архитектура вычислительной системы для семантического распознавания естественного языка..................... Оценка вычислительной устойчивости алгоритмов с использованием ассоциативных машин Тьюринга......................... Перспективный комплекс обработки и анализа измерительной информации для оценки технического состояния сложных технических комплексов..................................................................... Построение интеллектуальной системы сопровождения автоматического тестирования.......................................................... Проблемные вопросы реализации информационных технологий планирования и проведения комплексных испытаний создаваемых сложных технических комплексов..................................................... Проблемы формализации технологических знаний........................ Прогнозирование настроения человека по анализу текста............ Программная реализация алгебраических методов интеллектуализации рефакторинга для объектно-ориентированных приложений......................................................................................... Радикальное программирование...................................................... Разработка методики управления группировкой разнотипных космических аппаратов дистанционного зондирования Земли..... Разработка системы автоматизированного проектирования кроссплатформенных облачных приложений связанных с обработкой графической информации............................................. Разработка системы поиска логотипов на основе метода кластеризации MSER с использованием облачных вычислений.... Смысловой аспект интеграции научно-технической информации в области разработки и применения нейрокомпьютеров................. Средства интеллектуальной поддержки процесса проектирования сети передачи данных........................................................................ Структурирование учебного контента с использованием иерархической кластеризации........................................................... Технология и программный комплекс анализа среды функционирования и управления развитием проблемно ориентированной системы................................................................. Формирование траектории обучения с помощью семантической модели предметной области............................................................. Экспертная медико-технологическая система прогнозирования риска развития осложнений у торакальных больных на основе нейронных сетей................................................................................. СЕКЦИЯ 2. Теория нейронных сетей.................................................. Бинарные субалфавиты базовой генетической матрицы нейрокомпьютера "ЭМБРИОН".......................................................... Конструктивный алгоритм обучения сети Кохонена....................... Механизм автоструктуризации на нейросемантических структурах............................................................................................................... Многовариантность применения воспроизводящихся искусственных нейронных сетей в задачах распознавания............ Получение аналитических оценок для оптимизации разрядности нейронных сетей................................................................................. Применение концепции нейрокомпьютера в философии искусственного интеллекта................................................................ СЕКЦИЯ 3. Обработка сигналов и изображений............................... Алгоритм автоматического определения возраста по изображению лица...................................................................................................... Анализ композиционных планов для обработки наблюдаемой информации, построенных на n-мерном шаре................................ Исследование эффективности расширения множества входных признаков при поэтапном определении параметров при нейросетевом решении обратной задачи........................................ электроразведки................................................................................. Оценка вычислительной устойчивости алгоритмов с использованием ассоциативных машин Тьюринга......................... Разработка и реализация алгоритма с использованием облачных технологий уменьшения зашумленности изображений................. Реализация алгоритма объемной визуализации с использованием нейросетевой аппроксимации на GPU.............................................. Самоорганизующиеся модели в задачах сегментации векторных временных рядов................................................................................ Система автоматического детектирования, слежения и классификации людей в видеопотоке на основе алгоритмов машинного обучения.......................................................................... Сравнение методов понижения размерности данных при нейросетевом решении обратной задачи лазерной спектроскопии............................................................................................................... СЕКЦИЯ 4. Нейронные сети в технических системах....................... Адаптивный цифровой фильтр следящей системы с фазовой автоподстройкой частоты................................................................... Искусственные нейронные сети в задаче идентификации объекта Использование нейросетевых полуэмпирических моделей для обеспечения отказоустойчивого управления................................... Нейросетевое управление фазовым распределением линейной антенной решетки............................................................................... Нейросетевой подход для прогнозирования энергопотребления образовательных учреждений........................................................... Нейросетевые технологии для косвенного вычисления параметров масляной системы ГТД........................................................................ Нейросетевые технологии для процесса отладки параметров авиационного газотурбинного двигателя......................................... О возможности применения нейронных сетей для управления струговым агрегатом в условиях непараллельности штреков........ Обнаружение сигнала с низкой спектральной плотностью мощности на фоне шумов.

................................................................. Подготовка обучающего множества для обучения искусственной нейронной сети, которая распознаёт символы государственных номерных знаков................................................................................. Синтез нейрорегуляторов с использованием бинарных нечетких отношений........................................................................................... Сравнение моделей нейросетевого прогнозирования геомагнитного индекса Dst с различным фронтом прогноза......... Термальный синтез как основа суперкомпьютерных технологий процессоров в ассоциативной памяти.............................................. СЕКЦИЯ 5. Обучаемые структуры в психологии и медицине.......... Базовые сущности когнитивного моделирования на основе парадигмы предельных обобщений................................................. Исследование и построение модели субъективной оценки человеком выбросов в процессе восприятия зашумленных двухмерных и трехмерных визуальных данных............................... Когнитивно - коммуникативный подход к анализу паттернов движений глаз..................................................................................... Количественная оценка сходства выражений лица......................... Математическая модель адаптивного тестирования и концепция её практического применения................................................................ Математическое моделирование ауторегуляции при течении крови в сосудах............................................................................................... Метод для построения психологического портрета человека на основе признаков почерка................................................................. Метод оценки частоты основного тона............................................. Нейрокомпьютерная парадигма в гетерархической модели когнитивной системы.......................................................................... Нейросетевая технология прогнозирования осложнений у больных с абсцессами и гангреной легких....................................................... Об одном подходе к расчету значений сложностей заданий для адаптивного теста оценки интеллекта.............................................. Обучение и самообучение системы Знаний Компьютерной психики............................................................................................................... Программная реализация и анализ свойств «перцептрона»

Миракяна............................................................................................. Программный комплекс поддержки принятия решений для задач психологического тестирования........................................................ Система поддержки принятия решений для задач психолого педагогического тестирования.......................................................... Экспериментальная оценка эффективности нового подхода к психолого-педагогической диагностике с использованием средств регистрации движений глаз............................................................... СЕКЦИЯ 6. Биометрические системы................................................ Выделение геометрических признаков изображений ушных раковин................................................................................................ Повышение эффективности работы эксперта-почерковеда........... Разработка оптимального алгоритма преобразования информации в процессе идентификации личности на основе отпечатков пальцев................................................................................................. СЕКЦИЯ 7. Нейроматематика............................................................. Анализ композиционных планов для обработки наблюдаемой информации, построенных на n-мерном шаре................................ Исследование аппроксимирующих свойств радиальных базисных нейронных сетей................................................................................. Подходы и методы обучения сетей радиальных базисных функций для решения краевых задач математической физики.................... Применение нейронных сетей в решении задач теплопроводности............................................................................................................... Решение обратных задач математической физики с использованием нормализованных радиально-базисных сетей... Управление распределением муниципальных финансовых ресурсов на основе нейросетевого моделирования....................... СЕКЦИЯ 8. Характеризационный анализ........................................... Аспекты применения дискретных структур в разработке сайтов... Графовая модель информационного тренажера............................. Изучение аспектов дискретной математики с помощью лабораторного практикума на основе работы универсального цифрового стенда................................................................................ Интеллектуализация процесса поддержки пользователей компьютерного парка предприятия на базе технологии виртуального помощника. Перспективы внедрения....................... виртуального помощника................................................................... Использование моделей неопределенности в области СППР по управлению транспортными потоками............................................. Квазиклеточные сети. Проблемы моделирования и обучения...... Компонентный подход к построению разнородных информационных систем................................................................... Перспективы развития характеризационного управления............. Применение дискретных структур при интеллектуализации процесса принятия решений на этапах жизненного цикла изделия............................................................................................................... Применение характеризационного анализа при оптимизации работы организационной структуры на примере ВУЗа................... Применение характеризационного анализа при формализации бизнес-процессов предприятия......................................................... Сжатие исторических данных методом кластеризации с частичной потерей точности на примере системы организации и анализа данных SAP BW.................................................................................... Система поддержки принятия решений при управлении объектами аренды офисных помещений............................................................. Ситуационная модель процесса сэмплирования для анализа данных в сети интернет...................................................................... Трехмерное моделирование и визуализация поведения частиц пульпы при укладке в хвостохранилище........................................ Функциональная декомпозиция и симметрические свойства функций вырожденности генетического кода............................... Характеризационный анализ горных машин................................. Характеризационный анализ и тензорные сетевые модели предметных областей....................................................................... Характеризационный анализ как составная часть искусственного интеллекта......................................................................................... Характеризационный подход к проектированию объектной модели программного комплекса................................................................. Характеризация функциональной несвязности нетерминальных символов автоматных грамматик в k-значных логиках................. Секция №9. Нейросетевые и нейрокомпьютерные технологии инструмент для получения новых научных знаний....................... Информационная система проектирования индивидуальной образовательной траектории учащихся.......................................... Нейросетевая система прогнозирования результатов гонок "Формула-1"....................................................................................... Нейросетевые технологии в нефтяной сфере................................. Основания офтальмонейрокомпьютинга....................................... Получение новых нейрофизиологических данных с помощью нейрокомпьютинга: нейрофизика как альтернатива вычислительным нейроисследованиям......................................... Прогнозирование счета футбольных матчей клуба "Анжи".......... Футуристика нейрокомпьютинга..................................................... Организаторы конференции Департамент образования города Москвы Московский городской психолого-педагогический университет Российская академия естественных наук Издательство "Радиотехника" Журнал "Нейрокомпьютеры: разработка и применение" Журнал "Информационные технологии" Организационный и программный комитет конференции Рубцов В.В. (ректор Московского городского психолого-педагогического университета) – председатель Алакоз Г.М. (Институт поведения, г. Москва) Баранов С.Н. (ООО "Русское авиационное общество",г. Москва) Борисов В.В. (Филиал ФГБОУ ВПО "НИУ МЭИ" в г. Смоленске) Галушкин А.И. (Международный центр по информатике и электронике "ИнтерЭВМ",г. Москва) – заместитель председателя Горбатов А.В. (Московский государственный горный университет) Доленко С.А. (НИИЯФ Московского государственного университета им.

М.В. Ломоносова) Жернаков С.В. (Уфимский государственный авиационный технический университет) Кулик С.Д. (Национальный исследовательский ядерный университет "МИФИ") Куравский Л.С. (Московский городской психолого-педагогический университет) – заместитель председателя Лукин В.В. (Московский городской психолого-педагогический университет) Милов В.Р. (Нижегородский государственный технический университет им. Р.Е. Алексеева) Норенков И.П. (Московский государственный технический университет им. Н.Э. Баумана) Ушаков Д.В. (Институт психологии РАН, г. Москва) Чечкин А.В. (Военная академия ракетных войск стратегического назначения имени Петра Великого) – заместитель председателя СЕКЦИЯ 1. Интеллектуальные информационные системы АРХИТЕКТУРА ПРОМЫШЛЕННОЙ АНАЛИТИЧЕСКОЙ ПОДСИСТЕМЫ ИЗВЛЕЧЕНИЯ ЗНАНИЙ О.В. Забродин (Санкт-Петербургский государственный электротехнический университет «ЛЭТИ») В.С. Абатуров (Санкт-Петербургский государственный электротехнический университет (ЛЭТИ), факультет Компьютерных технологий и информатики) В настоящей работе предлагается вариант архитектурного решения аналитической системы для промышленных и бортовых применений на основе СУБД PostgreSQL. Классические этапы Data Mining, включающие обучающую фазу, фазу тестирования и фазу применения предлагается реализовать с помощью хранимых процедур СУБД PostgreSQL. В данной архитектуре СУБД также выполняет функцию хранения обучающих данных, прикладных данных и моделей знаний. Архитектура системы подчинена требованиями SQL/MM (стандарт для управления процессами извлечения знаний) и PMML (стандарт для представления и передачи моделей Data Mining). Стандарты SQL/MM, PMML, SOAP, DDS применяется для взаимодействия с аналитической системой.

БАЗА ЗНАНИЙ ИНСТРУМЕНТАРИЕВ ПОДДЕРЖКИ РАБОТЫ МУЛЬТИАГЕНТНОЙ СИСТЕМЫ П.В Мисевич (Нижегородский государственный технический университет им. Р.Е. Алексеева) В данной работе предлагается гибридная фреймово продукционная модель базы знаний информационного обеспечения мультиагентной системы. В рамках этой модели каждому продукционному правилу (инструментарию логического вывода) ставится в соответствие иерархическая структура фреймов (в том числе и с мультимедийными образами), которая поддерживает:

ситуационный анализ в агентной системе;

эмоциональную окраску результатов анализа;

обработку значений наиболее важных ситуационных переменных (с использованием демонов);

формирование значения антецедента (продукционного правила), по которому машина логического вывода идентифицирует последующее событие сценария работы.

В докладе рассматриваются различные подходы к вопросам разрешения конфликтных ситуаций, возникающих при обработке процедур, реализованных различными агентами одновременно. Предлагаются архитектурные решения программного комплекса поддержки процесса функционирования иерархической многоагентной системы с информационным обеспечением фреймово-продукционного типа. Полученные результаты позволяют автоматизировать проектирование и поддержку рассмотренного класса автоматизированных систем при помощи скелетной оболочки в форме программно-аппаратного комплекса, автоматизирующего синтез системы управления многоагентной системы.

ИНТЕЛЛЕКТУАЛЬНАЯ СИСТЕМА ОБРАБОТКИ РЕЗУЛЬТАТОВ ПСИХОЛОГИЧЕСКОГО ТЕСТИРОВАНИЯ, ОСНОВАННЫХ НА МНОГОФАКТОРНЫХ ОПРОСНИКАХ В.В. Балтрушайтис (Московский городской психолого-педагогический университет, ф-т информационных технологий) В докладе предложена структура интеллектуальной системы, базирующейся на трех основных идеологических принципах:

концептуальной модели базы данных реляционного вида;

формальной логики интервальных оценок результатов психологического тестирования;

алгоритмов вывода решения.

На этих принципах предложено разработать средства автоматизации программирования SQL запросов, проектирования транслятора объектов и декларативной части программ.

Предлагается в базе данных размещать описание базы концептуального уровня, правила проектирования SQL запросов и обработки результатов тестирования (Мета данные). Такой подход позволит использовать аппарат базы данных для трансляции структур пользовательского уровня в структуры внутреннего (программного) уровня и автоматизировать программирование этапа предварительной обработки.

В основе алгоритма вывода решения в базе знаний проектирования SQL запросов лежит дерево решений, реализуемое с помощью аппарата SQL;

а в базе знаний обработки результатов сравнение объектного и Мета выражений.

Реализация предложенной структуры системы позволяет организовать взаимодействие с ней пользователей без специальной математической подготовки, так как процесс программирования сведен к автоматизации проектирования SQL запросов и внесению изменений в правила обработки результатов тестирования.

ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ КОНТРОЛЯ ЗНАНИЙ В.И. Сердюков (ФГНУ "Институт информатизации образования" Российской академии образования ) Рассматривается одна из разновидностей интеллектуальных систем контроля знаний – экспертная система проверки контрольных работ по математике.

Состав основных компонентов экспертной системы традиционный. Система содержит: базу знаний, универсальный решатель задач, модуль интеллектуального редактирования базы знаний, модуль объяснения решений, пользовательский интерфейс и оперативную память.

Текст контрольной работы в электронном виде поступает в модуль обработки запросов, где распознаётся как контрольная работа, затем попадает в пользовательский интерфейс, где в результате лингвистического анализа семантической интерпретации запроса определяется исполнитель и тема, вариант контрольной работы, дата её написания, состав задач и т.д.

Экспертная система позволяет обеспечить проверку правильности выполнения учащимся контрольных работ, выявить его типовые ошибки и пробелы в знаниях.

ИНТЕЛЛЕКТУАЛЬНЫЙ ПРОЦЕССОР ОБРАБОТКИ РЕЗУЛЬТАТОВ ПСИХОЛОГИЧЕСКОГО ТЕСТИРОВАНИЯ, ОСНОВАННЫХ НА МНОГОФАКТОРНЫХ ОПРОСНИКАХ В.В. Балтрушайтис. (Московскийгородской психолого-педагогический университет, ф-т информационных технологий) В докладе определены задачи, возлагаемые на интеллектуальный процессор, и его структура. Основное внимание уделено разработке формальной логики интервальных оценок, используемой для представления правил обработки результатов тестирования. Также предложено использовать специализированную модель объектного и Мета-выражения регулярного вида, выполняемого процессором в строгой последовательности заданной структуры базы знаний.

В основу алгоритма вывода решения положена модернизированная концепция алгоритма сопоставления объектного выражения с Мета-выражением. В случае положительного результата сопоставления производится подстановка реальных значений в Мета-выражение этап конкретизации.

Отличительной особенностью предложенного алгоритма яв ляется регистрация промежуточных результатов вывода для их последующего анализа.

Реализация предложенного алгоритма позволит создать интеллектуальную систему обработки результатов психологического тестирования и получить реальный инструмент для отладки базы знаний в виде системы регистрации вывода решения.

ИНФОРМАЦИОННО-СИСТЕМНАЯ БЕЗОПАСНОСТЬ ПЕРСПЕКТИВНОЙ КОСМИЧЕСКОЙ СИСТЕМЫ А.Ю Потюпкин (Военная академия РВСН имени Петра Великого) А.В. Чечкин (Военная академия РВСН имени Петра Великого) Исследуются вопросы обеспечения информационно системной безопасности (ИСБ) для перспективного космического объекта – глобальной космической низкоорбитальной информационной системы (ГКНИС), представляющей собой сеть космических информационных узлов, каждый из которых является кластером малых космических аппаратов (МКА) с различной целевой аппаратурой. МКА являются радикалами, на базе которых формируются системокванты для решения целевых задач. В связи с появлением новых возможностей ГКНИС, вызванных её многокомпонентным построением, особое внимание уделено процессам формирования системоквантов - способам группового (кластерного) управления МКА и управления целевыми подсистемами ГКНИС.

Выполнение требований ИСБ предполагает создание избыточной модели ГКНИС в форме среды радикалов, в которой реализуются три информационных процесса:

целевой - как обеспечение информационной устойчивости системы;

сенсорный – как процесс поддержания ГКНИС в работоспособном состоянии;

гомеостатический (сертификация радикалов) - как процесс, позволяющий сохранить баланс между целе вым и сенсорным информационным процессами и обеспечить жизнедеятельность системы.

Учитывая взаимосвязь процессов и ограниченность ресурсов ГКНИС, в основу разработки системы положены требования гомеостаза. Показаны варианты реализации целевого, сенсорного и гомеостатического информационных процессов. При этом поддержание гомеостаза рассматривается как обеспечение баланса между процессами деградации и упорядочивания функционирования системы для различных уровней иерархии ГКНИС.

ИСПОЛЬЗОВАНИЕ ПАРАЛЛЕЛЬНЫХ ВЫЧИСЛЕНИЙ В МЕТОДЕ РЕЛЕВАНТНОГО ОБРАТНОГО ВЫВОДА С.Ю. Болотова (Воронежский государственный университет) Представлены программные средства, позволяющие усовершенствовать метод обратного вывода, основанный на решении уравнений в LP-структурах.

Стратегия релевантного обратного вывода направлена на минимизацию количества обращений к внешнему источнику информации. Она предполагает разбиение множества всех фактов на специальные подмножества (LP-прообразы) с целью их дальнейшего исследования.

Процесс построения таких подмножеств и их анализ могут занимать продолжительное время, особенно при большом количестве фактов. В связи с данным обстоятельством, нахождение подмножеств фактов и их последующая обработка осуществляются параллельно в нескольких потоках вычислений, что позволяет существенно ускорить получение решений. При этом пользователь может задавать допустимое количество потоков.

Эффективность подхода экспериментально демонстрируется на тестовых примерах. Результаты тестов исследуются с помощью методов математической статистики. Полученные данные показывают значительный прирост в эффективности.

КОНЦЕПЦИЯ ИЗБЫТОЧНОГО МОДЕЛИРОВАНИЯ И НЕЙРОКОМПЬЮТЕРЫ А.В. Чечкин (Военная академия РВСН имени Петра Великого) Избыточное моделирование, необходимое для обеспечения информационно-системной безопасности (ИСБ) сложных технических систем (СТС), требует нейрокомпьютерной реализации.

СТС, например, военная группировка, производственная фирма, фирма разработчик, коммуникационная сеть, транспортная сеть, торговая сеть, банковская сеть, сложная компьютерная программа и т.д., определяется особой значимостью для СТС всей ее проблемной области.

Обычно для СТС неприемлемы отказы функционирования и нарушение ее целостности.

Тем самым к СТС предъявляется требование ИСБ, которое включает в себя две стороны: информационную безопасность и системную безопасность.

МЕТОДИКА СИТУАЦИОННОГО ВЫБОРА РАЦИОНАЛЬНЫХ ВАРИАНТОВ ПОВЕДЕНИЯ СЛОЖНЫХ СИСТЕМ А.А. Потюпкин (Военная академия РВСН имени Петра Великого) Предлагается методика, позволяющая в рамках концепции информационно-системной безопасности сложных систем осуществлять выбор рациональных вариантов поведения сложной системы. Основой данной методики является ситуационный подход к управлению сложными системами, рассматривающий объект управления и объекты внешней среды в виде предметной области, состояние которой определяет возникающие управленческие ситуации.

Несоответствие целевого, с точки зрения субъекта управления, и текущего состояний формирует проблемную ситуацию.

В методике многообразие возможных проблемных ситуаций учитывается путем введения классов проблемных ситуаций, каждому из которых соответствует модель предметной области, позволяющая оценить эффективность и выработать рациональные, в соответствии с задаваемым критерием эффективности, варианты поведения сложной системы. В целях повышения оперативности принятия решений, в методике используются модели предметной области, реализованные в виде нечетких нейронных сетей, предварительно обученных на соответствующих данных моделирования.

Классификация проблемных ситуаций осуществляется путем обработки семантической информации о проблемной ситуации и преобразовании ее в информацию о классе ситуации. Для этого классы ситуаций и возникающие проблемные ситуации представляются в виде нечетких множеств, а соответствие ситуации классу определяется как степень эквивалентности нечетких множеств. Результатом классификации является тот класс, на который проблемная ситуация наиболее «похожа».

Выработка варианта поведения сложной системы подразумевает формирование способа использования, организации управляемых ресурсов системы, в качестве которой могут выступать персонал, технические средства, сеть радикалов и др., позволяющий достигать целевого состояния предметной области с требуемой эффективностью.

Анализ последствий реализации выбранных вариантов поведения сложной системы позволяет получить информацию о степени достижения целевого состояния предметной области, являющейся основой для уточнения вида и перечня классов проблемных ситуаций, а также для дообучения нечетких нейронных сетей.

Предлагаемая методика является основой для создания интеллектуальной системы поддержки принятия решений (ИСППР), являющейся открытой, непрерывно обучающейся системой. С позиции теории ультрасистем ИСППР представляет собой ультраоператор, преобразующий информацию о возникшей проблемной ситуации в информацию о рациональных вариантах поведения сложной системы.

Внедрение ИСППР в контур управления сложной системой позволяет обеспечить как информационную, так и системную безопасность системы, а также повысить оперативность и обоснованность принимаемых решений.

МЕТОДИКА СОЗДАНИЯ И ЭКСПЛУАТАЦИИ ПРОГРАММНЫХ СРЕДСТВ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ НА ОСНОВЕ РИСКОВ А.В.Сеньков (филиал ФГБОУ ВПО «НИУ МЭИ» в г.Смоленске) В.В. Борисов (Филиал ФГБОУ ВПО "НИУ МЭИ" в г. Смоленске) В настоящее время существует большое число программных инструментальных средств для проектирования интеллектуальных систем.

Созданием программных средств для специалистов предметной области занимаются ИТ-специалисты, что для плохо формализуемых предметных областей может существенно усложнить разработку, вследствие недостаточного понимания ИТ-специалистами специфики предметной области. Особенно остро обозначенные проблемы стоят в сфере управления рисками, характеризующейся значительными требованиями к знаниям предметной области специалистами, создающими и адаптирующими программные средства интеллектуальной поддержки принятия решений (ИППР).

При этом «размываются» границы создания и использования программных средств ИППР. Созданием программных средств поддержки принятия решений должны заниматься как специалисты-разработчики, так и пользователи этих программных средств. Причем пользователи должны иметь возможность оперативно дополнять или модифицировать программные средства под собственные нужды. Это определяет необходимость разработки методики создания и эксплуатации систем поддержки принятия решений на основе рисков.

МЕТОДОЛОГИЯ ПОИСКА И ИДЕНТИФИКАЦИИ НЕЧЕТКИХ ДУБЛИКАТОВ ВИДЕОИЗОБРАЖЕНИЙ И.К. Никитин (Московский авиационный институт (национальный исследовательский университет)) Существует достаточно широкий круг задач, где требуется анализ аудио-визуальных моделей реальности. Это относится и к статическим изображениям, и к видео. Для многих военных и гражданских приложений необходимо наличие возможности поиска нечетких дубликатов видео. В работе используются относительные длины сцен для обнаружения нечетких дубликатов и последующее сравнение первых и последних кадров сцен. Подобный алгоритм применяется в математической лингвистике (гипотеза Гейла-Чеча). Для решения задачи используются методы опорных векторов и мешка слов. С проблемой поиска нечетких дубликатов связана проблема классификации и поиска видео, как более широкие постановки задачи.

МЕТОДЫ НЕЙРОСЕТЕВОГО МОДЕЛИРОВАНИЯ РЕАЛЬНЫХ ОБЪЕКТОВ Д.А. Тархов (Санкт-Петербургский государственный политехнический университет) Решение практических задач с распределенными параметрами, как правило, требует или привлечения специалистов по вычислительной математике, или проводится в прикладном пакете, являющимся для специалиста в предметной области «чёрным ящиком».

В докладе рассмотрены нейросетевые методы, позволяющие упростить работу с такого рода задачами:

1) Построение нейросетевой модели по дифференциальным уравнениям и экспериментальным данным.

2) Уточнение дифференциальной модели по экспериментальным данным, включая обратные задачи.

3) Параметрические нейросетевые модели, позволяющие строить решение сразу для множества параметров.

4) Многорядные дифференциальные нейросетевые мдели (обобщение линейных дифференциальных уравнений и многослойных нейронных сетей прямого распространения).

МОДЕЛЬ ФОРМИРОВАНИЯ РАНЖИРОВАННЫХ ГРУПП УПРАВЛЯЮЩИХ ВОЗДЕЙСТВИЙ ДЛЯ УПРАВЛЕНИЯ РИСК СИТУАЦИЯМИ А.В. Сеньков (филиал ФГБОУ ВПО «НИУ МЭИ» в г.Смоленске) В.В. Борисов (Филиал ФГБОУ ВПО "НИУ МЭИ" в г. Смоленске) В настоящее время активно ведутся исследования в области создания программных средств и систем поддержки принятия решений на основе рисков. Однако их создание и использование наталкивается на ряд проблем, обусловленных, прежде всего, сложностью и масштабами процессов управления рисками, неясными и изменяющимися требованиями, необходимостью учета не только количественных показателей, но и показателей, плохо поддающихся формализации. Низкая структурированность задач управления рисками, их слабая формализуемость и высокая динамика изменений процессов приводит к значительной задержке при создании и адаптации программных средств поддержки принятия решений на основе рисков.

Для реализации программных средств, которые бы отвечали жестким требованиям к оперативности адаптации заложенных в них алгоритмов, требуется разработать набор моделей. Целью разрабатываемого набора моделей является абстрактное, но при этом адекватное представление предметной области управления рисками. Реализация обобщенных алгоритмов взаимодействия и работы этих моделей позволит адаптировать программное обеспечение не за счет изменения заложенных в него алгоритмов, а за счет настройки моделей специалистами предметной области.

НЕЙРОСЕТЕВАЯ СИСТЕМА ПРОГНОЗИРОВАНИЯ СКЛОННОСТИ К ПРЕДПРИНИМАТЕЛЬСКОЙ НАУЧНОЙ ДЕЯТЕЛЬНОСТИ Д.Ю. Байдин (Пермский государственный гуманитарно-педагогический университет, ф-т информатики и экономики) Т.В. Макурина (Пермский Государственный Педагогический Университет) На данный период времени для России наиболее остро стоит проблема дефицита высококвалифицированных специалистов. Сейчас данная задача очень актуальна, так как наука и бизнес являются теми отраслями, которые развивают экономику любой страны.

Создаются нейросетевые системы, предназначенные для прогнозирования способностей молодых людей к научной и предпринимательской деятельности. В качестве входных параметров нейронных сетей используются наборы данных, включающих биологические, психологические, личностные, наследственные, социальные и другие факторы.

Проводится работа по расширению обучающих и тестирующих множеств на основе данных Интернет и исторической литературы. Имеются прототипы, демонстрирующие жизнеспособность самой идеи реализации проекта. На рис. приведён пример результатов исследования предметной области с помощью демонстрационного прототипа. Результат представлен в виде распределения статистической значимости входных параметров нейросетевой модели для выявления склонности к научной деятельности.

НЕЙРОСЕТЕВОЙ ПОДХОД К ПОСТРОЕНИЮ ИЕРАРХИЧЕСКОЙ СИСТЕМЫ МОНИТОРИНГА ОКРУЖАЮЩЕЙ СРЕДЫ Д.А Тархов (Санкт-Петербургский государственный политехнический университет) А.Г. Романова (Санкт-Петербургский государственный политехнический университет) Быстрый рост загрязнённости окружающей среды ставит острую проблему сохранения экологических систем и здоровья человека. Важной задачей науки в настоящее время является прогноз изменения экосистем под влиянием естественных и антропогенных факторов. В докладе рассматриваются проблемы создания с помощью нейросетевого моделирования иерархической системы экологического мониторинга от локального уровня, отслеживающего загрязнения атмосферы промышленными выбросами в масштабе предприятия (района), до глобального уровня в масштабе всей планеты. Данная система позволит минимизировать вредные воздействия техносферы на население и природу, спрогнозировать возникновение чрезвычайных ситуаций и принять меры по их предотвращению, смягчению последствий и их ликвидации.

НЕЙРОСЕТЕВОЙ РАСПОЗНАВАТЕЛЬ РЕЧЕВЫХ КОМАНД С.Э. Шафикова (Московский Государственный Технический Университет имени Н.Э.Баумана) С.В. Разгуляев (Московский Государственный Технический Университет имени Н.Э. Баумана) Строится многослойный персептрон, распознающий речевые слова-команды: ПУСК, КАНАЛ, ЗВУК, БОЛЬШЕ, МЕНЬШЕ.

Предварительная обработка речевых сигналов дает множества спектральных векторов, характеризующих этот сигнал для дальнейшего распознавания. Речевой сигнал рассматривается как стационарный (т.е. его спектральные характеристики относительно постоянные) на интервале в несколько десятков миллисекунд. Основной функцией предварительной обработки является разбиение входной речевой команды на интервалы и для каждого интервала получить сглаженные спектральные оценки. Исследуются различные амплитудно-частотные числовые характеристики аудиограммы слов-команд. Изучается помехоустойчивость нейронной сети на шумы и на точность распознавания.

НЕЧЕТКАЯ ЭКСПЕРТНАЯ СИСТЕМА ОПРЕДЕЛЕНИЯ СОСТОЯНИЯ РАБОТЫ ПЕРЕГРУЗОЧНОГО МЕХАНИЗМА Д.В. Милов (Нижегородский государственный технический университет им. Р.Е. Алексеева) В.Е. Гай (Нижегородский государственный технический университет им. Р.Е. Алексеева, Институт Радиоэлектроники и информационных технологий) В.Р. Милов (Нижегородский государственный технический университет им. Р.Е. Алексеева, Институт радиоэлектроники и информационных технологий) Р.Л. Шиберт (Нижегородский государственный технический университет имени Р.Е. Алексеева, Институт промышленных технологий и машиностроения) В работе рассматриваются вопросы проектирования системы анализа нештатных ситуаций на транспортно технологическом объекте, возникающих в процессе перегрузки изделий специального назначения. Описывается модель процесса перегрузки. Рассматриваются возможные подходы к проектированию системы определения состояния работы перегрузочного механизма, оцениваются их достоинства и недостатки. В качестве основы для системы выбрана технология нечётких экспертных систем.

Разработанная экспертная система для распознавания нештатных ситуаций в механизме перегрузки может использоваться как элемент SCADA системы. Алгоритм функционирования экспертной системы допускает возникновения ситуаций, не описанных ранее в системе правил.

Разработанная экспертная система позволит оперативно реагировать на возникновение нештатных ситуаций.

О НЕЧЕТКИХ LP-СТРУКТУРАХ И ИХ ПРИЛОЖЕНИЯХ В ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМАХ С.Д. Махортов (Воронежский государственный университет) А.Н. Шмарин (Воронежский государственный университет) Математическую основу моделирования логических систем предоставляет общая алгебраическая логика. Однако в силу универсальности она не решает ряда важных частных задач, связанных с широко распространенными на практике логическими системами продукционного типа.

В предыдущих работах был введен новый класс алгебраических структур, моделирующих продукционно логические системы на основе теории решеток. Они названы LP-структурами (Lattice-Production Structure). Применение таких структур позволяет теоретически обосновывать и автоматизировать формальные преобразования и минимизацию баз знаний продукционного типа.

Был исследован связанный с LP-структурами класс реляционных уравнений – логические уравнения на решетках.

Концепция продукционно-логического вывода на основе таких уравнений предполагает существенное условие о 100% степени истинности правил. Однако нередко встречаются системы, правила которых задаются с коэффициентом доверия – степенью уверенности, с которой можно считать правило достоверным. К таковым, в частности, относятся экспертные системы, основанные на нечеткой логике.

В настоящем докладе вводится способ модификации продукционно-логического вывода на основе логических уравнений, позволяющий решить следующие задачи:

выбор наиболее истинного решения;

расчет коэффициента доверия решения;

минимизация количества медленных запросов к базе данных или пользователю.

Таким образом, появляется возможность автоматизированного решения задач верификации и ускоренного обратного вывода для логических систем, правила в которых задаются с коэффициентами доверия.

О ПРОГРАММНОЙ РЕАЛИЗАЦИИ ПОИСКА ТАВТОЛОГИЙ В УСЛОВНЫХ СИСТЕМАХ ПЕРЕПИСЫВАНИЯ Д.В. Баранов (Воронежский государственный университет) Теория систем переписывания представляет эффективный аппарат формализации знаний в некоторых областях программирования, искусственного интеллекта и компьютерной алгебры. К таковым относятся верификация компьютерных программ, автоматическое доказательство теорем, символьное упрощение алгебраических выражений и ряд других. Ее алгебраические модели создают возможности для автоматизированной верификации и оптимизации соответствующих множеств правил. В настоящем докладе описывается реализация алгоритма исключения тавтологий.

Он основан на новой алгебраической системе, обладающей семантикой совокупности правил условной эквациональной теории или условной системы переписывания термов.

ОБЩИЙ ПОДХОД У МАТЕМАТИКОВ И БИОЛОГОВ К ПОСТРОЕНИЮ НЕЙРОКОМПЬЮТЕРНЫХ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ Г.С. Воронков (Московский государственный университет имени М.В. Ломоносова) А.В. Чечкин (Военная академия РВСН имени Петра Великого) В основе математического и нейрофизиологического (биологического) подходов, нацеленных на построение нейрокомпьютерных интеллектуальных систем, лежат общие базовые положения. Главное из них – модельная парадигма.

Избыточная модель проблемной области в форме среды радикалов у математиков и символьная нейронная модель сенсорной среды у биологов хорошо согласуются. Особый интерес при построении нейрокомпьютерных интеллектуальных систем вызывает у математиков и биологов обсуждение механизмов реализации соответствия между проблемной областью и символьной моделью.

ОБЪЕКТНО-АТРИБУТНАЯ АРХИТЕКТУРА ВЫЧИСЛИТЕЛЬНОЙ СИСТЕМЫ ДЛЯ СЕМАНТИЧЕСКОГО РАСПОЗНАВАНИЯ ЕСТЕСТВЕННОГО ЯЗЫКА П.Б. Панфилов (Московский институт электроники и математики Национального исследовательского университета "Высшая школа экономики") С.М. Салибекян (Московский институт электроники и математики Национального исследовательского университета "Высшая школа экономики") Ю.Л. Леохин (Московский институт электроники и математики Национального исследовательского университета "Высшая школа экономики") Ведется работа по созданию вычислительной системы для семантического распознания текста, основанной на объектно атрибутной архитектуре (собственная разработка). Для описания объектов не применяются жесткие шаблоны (фреймы, классы): описание формируется динамически. База знаний строится из информированных пар (ИП), состоящих из нагрузки (данные или указатель) и атрибута, идентифицирующую нагрузку – ИП задает один признак объекта. Совокупность ИП описывает объект целиком. ИП добавляются в описание объекта динамически. С помощью же ссылок в нагрузках ИП можно «наладить» связи между ИП и сформировать структурированное описание объекта.

Синтез семантического описания происходит от простого к сложному: от лексем до смысла всего текста. По данной тематике уже имеется серьезный научный задел.

ОЦЕНКА ВЫЧИСЛИТЕЛЬНОЙ УСТОЙЧИВОСТИ АЛГОРИТМОВ С ИСПОЛЬЗОВАНИЕМ АССОЦИАТИВНЫХ МАШИН ТЬЮРИНГА Р.В. Светлов (Российская академия ракетных и артиллерийских наук) Для оценки вычислительной устойчивости алгоритмов вычислителей традиционной архитектуры предложена ассоциативная машина Тьюринга, работающая в нейроподобном операционном базисе посимвольного (нечисленного) сравнения и подстановки. Модельные исследования вычислительной устойчивости стереоскопических навигационных систем показали, что повышение коэффициента распараллеливания вычислений свыше 4 может привести к потере вычислительной устойчивости, а для интеллектуальной обработки высотно скоростных параметров полета высокоманевренных самолетов требуются операционные устройства, работающие в арифметико-ассоциативном базисе, что снижает более чем на порядок нагрузку на традиционные арифметико логические устройства.

ПЕРСПЕКТИВНЫЙ КОМПЛЕКС ОБРАБОТКИ И АНАЛИЗА ИЗМЕРИТЕЛЬНОЙ ИНФОРМАЦИИ ДЛЯ ОЦЕНКИ ТЕХНИЧЕСКОГО СОСТОЯНИЯ СЛОЖНЫХ ТЕХНИЧЕСКИХ КОМПЛЕКСОВ А.Ю. Потюпкин (Военная академия РВСН имени Петра Великого) А.С. Залесков (Военная академия РВСН имени Петра Великого) Е.В. Козлов (Военная академия РВСН имени Петра Великого) С.А. Галаев (Военная академия РВСН имени Петра Великого) Рассматривается вопрос интеллектуализации процесса автоматизированного анализа измерительной информации на основе создания перспективного комплекса обработки и анализа результатов испытаний сложных технических комплексов (СТК).

Комплекс разработан на базе современных информационных технологий, что позволяет реализовать принцип информационной избыточности. Это, в свою очередь, дает возможность создания гибких технологий обработки и анализа информации, настраиваемые на конкретный тип испытываемого СТК и решаемые задачи. Комплекс относится к классу интеллектуальных систем поддержки и принятия решений и является при этом средством заказчика СТК, которое решает задачи обработки и анализа, как в штатных, так и в нештатных ситуациях.

ПОСТРОЕНИЕ ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ СОПРОВОЖДЕНИЯ АВТОМАТИЧЕСКОГО ТЕСТИРОВАНИЯ В.А. Лазарев (Нижегородский государственный технический университет им. Р.Е. Алексеева) Автоматизация тестирования ускоряет процесс тестирования и повышает его качество. При этом мало внимания уделяется автоматизации сопровождения процесса автоматического тестирования. В работе рассмотрен процесс сопровождения автоматического тестирования, оценена трудоемкость различных этапов, представлена общая архитектура интеллектуальной системы сопровождения автоматического тестирования, рассмотрены требования к экспертной подсистеме, оценен выигрыш от внедрения данной системы.

ПРОБЛЕМНЫЕ ВОПРОСЫ РЕАЛИЗАЦИИ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ ПЛАНИРОВАНИЯ И ПРОВЕДЕНИЯ КОМПЛЕКСНЫХ ИСПЫТАНИЙ СОЗДАВАЕМЫХ СЛОЖНЫХ ТЕХНИЧЕСКИХ КОМПЛЕКСОВ А.В. Мезенцев (Военная академия РВСН имени Петра Великого) Комплексная автоматизация испытаний сложных технических комплексов и их элементов представляет собой многогранную проблему, объединяющую целый ряд научно технических, экономических и социальных задач. Способ их решения во многом зависит от типа, целей, этапов и операций испытаний, специфики объектов испытаний, задач, функций и алгоритмов функционирования элементов экспериментально-испытательной базы.


В настоящее время в некоторых научно-исследовательских организациях Министерства обороны и на предприятиях промышленности созданы моделирующие центры, на которых реализуются комплексы алгоритмов и программ для моделирования отдельных систем и составных частей создаваемых технических комплексов, моделирования различных условий проведения их испытаний, а также создания модели оценки тактико-технических характеристик и показателей эффективности испытываемых объектов. Но единой технологии реализации опытно-теоретического метода, особенно при испытании сложных технических комплексов, который должен базироваться на математической теории многофакторного планирования эксперимента, теории математической статистики и имитационного моделирования, а также методологии рационального комплексирования данных, полученных в ходе натурных экспериментов, математического и физиче ского моделирования, в настоящее время не существует.

Поэтому в настоящее время назрели вопросы развития методологии проведения испытаний сложных технических комплексов и внедрения на ее основе информационных технологий в виде определенной последовательности информационно связанных функций (задач, процедур), выполняемых в автоматизированном (интерактивном) или автоматическом режиме, как на этапах планирования и проведения испытательных экспериментов, так и после их проведения при оценке полученных результатов комплексов.

ПРОБЛЕМЫ ФОРМАЛИЗАЦИИ ТЕХНОЛОГИЧЕСКИХ ЗНАНИЙ Д.А. Андреев (Псковский государственный университет) М.В. Воронов (Московский городской психолого-педагогический университет, ф-т информационных технологий) Рассматривается и анализируется проблематика формализованного представления описания технологий, как процессов преобразования данного в требуемое. В основе таких описаний лежат глаголы или глагольные фразы, обладающие очень малой семантической нагрузкой. Для уточнения их смысловой направленности используются описания исходных и конечных компонентов технологического действия.

Предлагается онтологическое представление технологии в виде взаимосвязанных вложенных модулей (эффект «мат решки»), каждый из которых представляет собой тройку TP,X,Y где TP – имя реализующего описываемую технологию технологического процесса, X0, TP, RX – описание исходных компонентов данной технологии, X0 – имена объектов, используемых для реализации технологии, SX – их начальное состояние, RX – отношения между этими объектами;

Y – множество результирующих компонентов данной технологии.

ПРОГНОЗИРОВАНИЕ НАСТРОЕНИЯ ЧЕЛОВЕКА ПО АНАЛИЗУ ТЕКСТА Ле Мань Ха (Московский физико-технический институт) Прогнозирование настроения заключается в использовании методов обработки естественного языка для определения и извлечения субъективной информации из исходных материалов. Данная работа направлена на определение настроения человека по анализу текста.

Большинство методов определяют настроение множеством слов предложения. Но такие методы не являются эффективными. Предлагается использовать алгоритм, основанный на методе обучения с частичным привлечением учителя, позволяющий определять правила объединения слов в предложении. Результаты теста, с иcпользованием предлагаемого алгоритма: 77.7% настроений были определены правильно.

ПРОГРАММНАЯ РЕАЛИЗАЦИЯ АЛГЕБРАИЧЕСКИХ МЕТОДОВ ИНТЕЛЛЕКТУАЛИЗАЦИИ РЕФАКТОРИНГА ДЛЯ ОБЪЕКТНО ОРИЕНТИРОВАННЫХ ПРИЛОЖЕНИЙ М.В. Шурлин (Воронежский государственный университет) В моделировании информационных систем оказываются полезными алгебраические методы. Такие методы, в частности, могут служить основой для верификации и оптимизации не только программного кода, но и целых иерархий типов. В настоящем докладе рассматривается класс основанных на решетках алгебраических структур, описывающих иерархию типов в объектно-ориентированном программировании.

Исследуются вопросы разработки архитектуры данных для представления таких алгебраических структур в памяти компьютера, включая их влияние на производительность работы алгоритмов. Описывается процесс построения библиотеки с программной реализацией полученных ранее теоретических результатов. Устанавливаются критерии, которым должна удовлетворять данная библиотека для использования в качестве дополнения в различных средах разработки.

РАДИКАЛЬНОЕ ПРОГРАММИРОВАНИЕ М.В. Пирогов (ФГУП НПО им. С.А. Лавочкина) Рассматривается используемая на практике технология программирования и задачи, к которым привело ее применение. Для решения этих задач предлагается новая технология – технология радикального программирования, основанная на концепции среды радикалов - избыточной модели (нейромодели) проблемной области. Для обеспечения информационно-системной безопасности программной системы важнейшее значение имеют информационные процессы, протекающие в такой среде и связанные с анализом радикалов, их сертификацией, уходом от конфликтов, синтезом, модификацией и эксплуатацией радикалов, решением штатных и нештатных задач.

РАЗРАБОТКА МЕТОДИКИ УПРАВЛЕНИЯ ГРУППИРОВКОЙ РАЗНОТИПНЫХ КОСМИЧЕСКИХ АППАРАТОВ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ЗЕМЛИ М.П. Ефимов (Военная академия РВСН имени Петра Великого) В настоящее время тенденции развития космической техники в области ДЗЗ направлены на переход к использованию малогабаритных КА. Их низкая стоимость и быстрая скорость производства обеспечивает оперативный рост и восполнение группировки на орбите КА ДЗЗ различного назначения.

Однако с ростом числа КА на орбите возникает проблема в их управлении. Существующие системы управления не рассчитаны на управление большого числа КА. В данной работе описывается методика управления, способная управлять орбитальной группировкой КА ДЗЗ различного назначения. Данная методика основана на алгоритмах коллективного управления в группах роботов. Методика рассматривает вопрос разбиения (кластеризации) группировки КА и распределение задач ДЗЗ между ними.

Основными направлениями данной методики является автоматизация процесса управления с целью минимизации потребления рабочих ресурсов, распределение задач ДЗЗ по КА с целью равномерного потребления ресурса бортовой аппаратуры.

РАЗРАБОТКА СИСТЕМЫ АВТОМАТИЗИРОВАННОГО ПРОЕКТИРОВАНИЯ КРОССПЛАТФОРМЕННЫХ ОБЛАЧНЫХ ПРИЛОЖЕНИЙ СВЯЗАННЫХ С ОБРАБОТКОЙ ГРАФИЧЕСКОЙ ИНФОРМАЦИИ М.А. Червоненкис (ООО "ПАВЛИН Техно") В.Н. Филиппова (Общество с ограниченной ответственностью "ПАВЛИН Технологии") Рассматривается разработка универсальной системы автоматизированного проектирования (САПР) приложений и показывается ее применимость к разработке кроссплатформенных облачных приложений, связанных с обработкой графической информации. С помощью данной системы разработчик может проектировать приложение на основе имеющихся готовых модулей (блоков). САПР позволяет работать с любыми блоками, описанными определенным образом в xml файле. Система позволяет загрузить набор блоков в проект, расположить в нужной последовательности, задать условные переходы между блоками, а также указать входные параметры и атрибуты для блоков либо явным образом, либо организовать передачу параметров между блоками. Основная цель данного САПР сокращение трудоёмкости проектирования и снижение требований к необходимой квалификации разработчика кроссплатформенных приложений достигается также за счет использования универсального приложения, написанного под разные операционные системы. Этот своеобразный браузер способен выполнять код, созданный разработчиком в САПР и отправлять запросы к серверу для получения информации из базы данных и выполнения функций обработки данных.

РАЗРАБОТКА СИСТЕМЫ ПОИСКА ЛОГОТИПОВ НА ОСНОВЕ МЕТОДА КЛАСТЕРИЗАЦИИ MSER С ИСПОЛЬЗОВАНИЕМ ОБЛАЧНЫХ ВЫЧИСЛЕНИЙ П.В. Скрибцов (ООО "ПАВЛИН Техно") М.А. Яковлев (ООО "ПАВЛИН Техно") А.В. Долгополов (ООО "ПАВЛИН Техно") Целью данной работы является разработка системы поиска похожих логотипов в базе данных по эталонному фотографическому изображению. Разрабатываемая система базируется на следующих составляющих:

1)Для сопоставления логотипов используется алгоритм поиска экстремальных областей MSER и метод кластеризации гипотез. При распознавании логотипов учитываются не только аффинные преобразования: сдвиг, поворот, изменение масштаба, но и преобразования цвета и формы. Это позволяет повысить качество распознавания логотипов с точки зрения человека.

2)Применение облачных вычислений и облачного хранилища для обработки и хранения данных, что позволяет сократить время поиска за счет распараллеливания операций поиска и повысить надежность хранения данных. Разработанная система обладает возможностью адаптации к другим методам поиска изображений и возможностью масштабирования для поиска в больших базах данных.

СМЫСЛОВОЙ АСПЕКТ ИНТЕГРАЦИИ НАУЧНО ТЕХНИЧЕСКОЙ ИНФОРМАЦИИ В ОБЛАСТИ РАЗРАБОТКИ И ПРИМЕНЕНИЯ НЕЙРОКОМПЬЮТЕРОВ И.С. Павловский (Одинцовский гуманитарный институт, кафедра прикладной информатики) Смысловой аспект информационной интеграции научно технической информации (НТИ) характеризует возможность проведения интеллектуального анализа интегрируемой информации, ее исследования в интересах получения новых знаний, отслеживание тенденций развития науки и техники.

Инструментом смысловой интеграции НТИ в области разработки и применения нейрокомпьютеров рассматриваются базы метаданных. Для проектирования таких баз метаданных возможно использование однородных концептуальных моделей (ОКМ).

Построение ОКМ основано на выявлении взаимосвязей терминов, раскрывающих содержание научных разработок в рассматриваемой области знаний.

Продолжение начатых исследований в интересах решения проблемы смысловой интеграции НТИ в области разработки и применения нейрокомпьютеров видится в построении однородных концептуальных моделей информационных ресурсов, созданных разными научными школами.


СРЕДСТВА ИНТЕЛЛЕКТУАЛЬНОЙ ПОДДЕРЖКИ ПРОЦЕССА ПРОЕКТИРОВАНИЯ СЕТИ ПЕРЕДАЧИ ДАННЫХ Е.А. Лазарев (Нижегородский государственный технический университет им. Р.Е. Алексеева, Институт радиоэлектроники и информационных технологий) Рассматривается задача оптимизации сети передачи данных (СПД) и программный комплекс интеллектуальной поддержки процесса проектирования и модернизации СПД, разработанный для решения поставленной задачи.

СТРУКТУРИРОВАНИЕ УЧЕБНОГО КОНТЕНТА С ИСПОЛЬЗОВАНИЕМ ИЕРАРХИЧЕСКОЙ КЛАСТЕРИЗАЦИИ Н.А. Алипова (Нижегородский государственный технический университет им. Р.Е. Алексеева, Институт радиоэлектроники и информационных технологий) Ю.С. Егоров (Нижегородский государственный технический университет им. Р.Е. Алексеева, Институт радиоэлектроники и информационных технологий) В.Р. Милов (Нижегородский государственный технический университет им. Р.Е. Алексеева, Институт радиоэлектроники и информационных технологий) С целью автоматизации процесса структурирования учебно справочных материалов, фрагменты контента индексируются на основе тезауруса запроса обучающегося. По полученным индексам с помощью выбранной метрики строится матрица близости фрагментов контента.

Рассмотрена кластеризация фрагментов контента с помощью карт Кохонена и с помощью дендрограмм. Карта Кохонена дает возможность наглядно представить взаимное расположение фрагментов контента в предметной области.

Построенная дендрограмма, кроме того, позволяет сформировать своеобразное «оглавление» для выбранных учебно-справочных материалов. Отдельную задачу представляет определение количества уровней оглавления, их наполненности и регулярности полученной структуры контента при построении информационно-обучающей системы.

ТЕХНОЛОГИЯ И ПРОГРАММНЫЙ КОМПЛЕКС АНАЛИЗА СРЕДЫ ФУНКЦИОНИРОВАНИЯ И УПРАВЛЕНИЯ РАЗВИТИЕМ ПРОБЛЕМНО-ОРИЕНТИРОВАННОЙ СИСТЕМЫ А.В. Рожнов (Институт проблем управления им. В.А. Трапезникова РАН, НИТУ МИСиС) А.В. Лычев (НИТУ МИСиС) Преимущественно выделяются так называемые перспективные сетецентричные системы управления, основным содержанием развития которых представляется формирование и использование новых методов интеллектуальной обработки данных информационно управляющих систем. Обоснование этапности проводимых работ и выбора компонентов осуществляется с применением разработанного оригинального 3D-программного комплекса анализа среды функционирования сложных систем.

ФОРМИРОВАНИЕ ТРАЕКТОРИИ ОБУЧЕНИЯ С ПОМОЩЬЮ СЕМАНТИЧЕСКОЙ МОДЕЛИ ПРЕДМЕТНОЙ ОБЛАСТИ Ю.С. Егоров (Нижегородский государственный технический университет им. Р.Е. Алексеева, Институт радиоэлектроники и информационных технологий) Н.А. Алипова (Нижегородский государственный технический университет им. Р.Е. Алексеева, Институт радиоэлектроники и информационных технологий) В.Р. Милов (Нижегородский государственный технический университет им. Р.Е. Алексеева, Институт радиоэлектроники и информационных технологий) Эффективность освоения учебных материалов, особенно справочного характера, существенно зависит от последовательности их изучения.

Траекторию освоения учебных материалов в информационно обучающих системах предлагается формировать с учетом тематической близости фрагментов контента. Для автоматизации этого процесса разрабатывается процедура построения семантической сети фрагментов учебного контента.

По запросу пользователя формируется базис, в качестве которого применяется вектор терминов, релевантных тезаурусу запроса. На основе базиса в автоматизированном режиме процедура производит индексацию фрагментов контента. Индекс представляет собой вектор-строку, отражающую наличие компонентов базиса в выбранном фрагменте.

Для индексации фрагментов контента процедура формирует матрицу близости, по которой строит орграф, являющийся однородной семантической сетью с фрагментами контента в узлах. Отношениям между узлами семантической сети может быть присвоена числовая характеристика, показывающая меру близости фрагментов контента.

В результате учебный процесс, реализуемый с применением сетевой модели предметной области, обеспечивает реализацию индивидуальных траекторий обучения с учетом запросов пользователя.

ЭКСПЕРТНАЯ МЕДИКО-ТЕХНОЛОГИЧЕСКАЯ СИСТЕМА ПРОГНОЗИРОВАНИЯ РИСКА РАЗВИТИЯ ОСЛОЖНЕНИЙ У ТОРАКАЛЬНЫХ БОЛЬНЫХ НА ОСНОВЕ НЕЙРОННЫХ СЕТЕЙ К.А. Милова (Пензенский государственный университет) Целью данной работы является создание медико технологической системы прогнозирования осложнений в послеоперационном периоде у больных торакального профиля. Наиболее распространенными осложнениями у пациентов торакального профиля являются постгеморрагическая анемия и гнойно-воспалительные осложнения (эмпиема плевры, бронхо-плевральный свищ, бронхо-торакальный свищ).

Актуальность поставленной проблемы определяется тем, что предвидение особенностей течения заболевания в будущем необходимо врачу для повышения результативности принимаемых им решений.

В рамках исследования, посвящённого прогнозированию осложнений у хирургических больных, были экспериментально разработаны нейросетевые модели, позволяющие осуществлять прогноз послеоперационного уровня гемоглобина, а также риск возникновения гнойно воспалительных осложнений.

СЕКЦИЯ 2. Теория нейронных сетей БИНАРНЫЕ СУБАЛФАВИТЫ БАЗОВОЙ ГЕНЕТИЧЕСКОЙ МАТРИЦЫ НЕЙРОКОМПЬЮТЕРА "ЭМБРИОН" В.Д. Цыганков (НПК БИОМЕДИС Москва) Триплетный генетический код, реализованный природой в молекулах РНК и ДНК, выполняет две важнейшие функции в эволюции живого вещества, живой материи: управление процессами дифференцировки в многоклеточном организме, синхронизации во времени и в пространстве взаимодействующих компонентов биохимических реакций, органелл клеток и самих клеток в онтогенезе, а также высоконадежная, помехоустойчивая передача наследственной информации между поколениями клеток и организмов в филогенезе.

Матричное представление системы генетического кодирования открывает перспективу взаимного обогащения достижений, как в области помехоустойчивой эффективной дискретной обработки сигналов, так и в области молекулярной генетики В виду общности вида базовых матриц 4-х букв нуклеотидов алфавита генетического кода живых систем и нейрокомпьютера «ЭМБРИОН», естественно обнаружить и исследовать наличие бинарных субалфавитов в нейрокомпьютере, подобных открытым в естественном генетическом алфавите.

Основные выводы:

1. Подтверждено наличие в нейрокомпьютере «ЭМБРИОН»

трех бинарных субалфавитов базовой генетической матрицы генетического кода нейрокомпьютера, аналогичного генетическому коду природных живых систем.

2. Структура и численные значения показателей субалфавитов нейрокомпьютера полностью идентичны таким же числовым показателям для субалфавитов естественного генетического кода, представленного в матричном виде.

Поэтому «Алгебра живой материи», разработанная и представленная С.В. Петуховым как универсальный математический аппарат описания и исследования природных биоинформационных процессов полностью применим к описанию и расчетам физических процессов в нейрокомпьютере.

3. Все обозначенные и описанные С.В. Петуховым разнообразные и перспективные области возможного эффективного применения «Алгебры живого» становятся целесообразным и реально достижимые для расширения областей, кроме описанных в [3, 4, 5, 6, 7], практического и эффективного применения нейрокомпьютера «ЭМБРИОН».

КОНСТРУКТИВНЫЙ АЛГОРИТМ ОБУЧЕНИЯ СЕТИ КОХОНЕНА А.С. Баталов (Пермский государственный гуманитарно-педагогический университет, ф-т информатики и экономики) В настоящей работе предлагается способ решения проблемы применения сети Кохонена. Проблема заключается в том, что алгоритм обучения сети требует заранее заданного количества кластеров, на которые должно быть разбито входное множество исследуемых объектов.

Однако в реальных условиях это не всегда представляется возможным, поэтому применение сети Кохонена для решения задач кластерного анализа ограничено.

Таким образом, возникает необходимость в построении алгоритма, определяющего количество кластеров самостоятельно.

Существующие конструктивные методы обучения не решают описанную выше проблему, поэтому был разработан другой конструктивный метод обучения.

Данный алгоритм автоматически разбивает исследуемые объекты на необходимое количество кластеров и не уступает по эффективности алгоритмам с заранее заданным количеством кластеров.

МЕХАНИЗМ АВТОСТРУКТУРИЗАЦИИ НА НЕЙРОСЕМАНТИЧЕСКИХ СТРУКТУРАХ Бодякин В.И.

(Институт проблем управления им. В.А. Трапезникова РАН, г. Москва) Анализируются механизмы кластеризации (автоструктуризации) произвольных символьных потоков на нейросемантических структурах до взаимооднозначного отображения «нейроподобный элемент процесс предметной области». Рассматривается пространственно временное кодирование и распознавание нейроподобных элементов. Рассматривается формирование и функционирование слоя и структуры из данных нейроподобных элементов, а также адаптация геометрии структуры (число слоев и число нейроподобных элементов в слое) в зависимости от характера процессов предметной области (напр., периодический сигнал, белый шум, реальный текст).

МНОГОВАРИАНТНОСТЬ ПРИМЕНЕНИЯ ВОСПРОИЗВОДЯЩИХСЯ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ В ЗАДАЧАХ РАСПОЗНАВАНИЯ С.Д. Ионов (Институт математики и механики Уральского отделения Российской академии наук) В рамках исследований систем автоматического управления с использованием ассоциативной памяти была предложена ВИНС — воспроизводящаяся искусственная нейронная сеть.

Основная особенность ВИНС — построение всей структуры и всех алгоритмов, включая алгоритмы обучения, используя структуры самой нейронной сети.

Указанная особенность реализуется наличием в структуре ВИНС нейронов трех различных типов: аддитивных, роста и модификации связей.

При использовании ВИНС задачи можно решать, применяя различные подходы:

представление алгоритма решения в виде ВИНС, детерминировано преобразующей входные сигналы в выходные и не требующей дальнейшего обучения;

построение ВИНС со встроенными модификаторами связей для реализации обучения, результат которого сохраняется в виде весов связей;

создание растущей ассоциативной памяти с сохранением результата обучения в виде циркулирующих по части ВИНС сигналов и их взаимосвязей.

Применяемые при каждом подходе характерные приемы и структурные единицы ВИНС можно продемонстрировать на примере задачи распознавания почтовых индексов на конвертах. По постановке задачи на вход подаются двоичных сигналов, отражающих наличие/отсутствие линии на сетке цифры почтового индекса, а на выходе –10 двоичных сигналов, каждый из которых соответствует некоторой десятичной цифре. При этом входные сигналы не всегда соответствуют эталону из-за альтернативного написания или потери линий.

В качестве решений рассмотрены три варианта построения нейронных сетей. Первый вариант представляет собой эталонное решение с выбранными вручную структурой и весами связей, названный алгоритмическим решением.

Данное решение полностью соответствует требованиям к заполнению почтового индекса и не принимает данные с альтернативным начертанием цифр или более, чем одной ошибкой ввода.

Второй - нейронная сеть с возможностью обучения эталонным данным, причем алгоритм обучения реализован средствами самой ВИНС. При таком подходе нейронная сеть выдает числовые значения уверенности в выбранных результатах и, следовательно, требует выбора результата с наибольшей величиной посредством дополнительной подсети определения максимума.

Третий вариант решения представляет собой структуру ассоциативной памяти, обученную с учителем. В отличие от предыдущих вариантов, в данном случае нейронная сеть способна изменять свою структуру, выделяя в ассоциативные группы базовые элементы цифр и образуя семантические связи между базовыми элементами различных вариантов написания одной цифры.

Можно отметить, что все три типа построенных ВИНС позволяют дополнять плохо распознанные индексы автоматически или сообщать об ошибке в случае неоднозначности результатов.

Комбинируя все три подхода, можно для каждой из подзадач решаемой задачи выбирать подход, который быстрее всего позволит построить ВИНС, выполняющую вычисления, необходимые для получения результата. Такая возможность обеспечивается наличием единого языка описания ВИНС.

ПОЛУЧЕНИЕ АНАЛИТИЧЕСКИХ ОЦЕНОК ДЛЯ ОПТИМИЗАЦИИ РАЗРЯДНОСТИ НЕЙРОННЫХ СЕТЕЙ С.А. Щаников (Муромский институт (филиал) федерального ГБОУ ВПО «Владимирский государственный университет») М.В. Макаров (Муромский институт (филиал) федерального ГБОУ ВПО «Владимирский государственный университет») Предложен общий теоретико-экспериментальный подход к оптимизации разрядности нейронных сетей для его применения при аппроксимации обратных тригонометрических функций. Приведен пример исследования сети выполняющей вычисление значений функции арксинус. Построена таблица аналитических оценок потенциала оптимизации данной сети. Сделаны выводы об оптимальном сочетании значений разрядности входной информации и весовых коэффициентов для аппаратной реализации сети.

ПРИМЕНЕНИЕ КОНЦЕПЦИИ НЕЙРОКОМПЬЮТЕРА В ФИЛОСОФИИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА А.Ю. Алексеев (Научный совет РАН по методологии искусственного интеллекта) Современная философия искусственного интеллекта (ФИИ) с момента своего становления (1950-е гг.) осуществляет обширные методологические, онтологические, эпистемологические, логические, лингвистические, аксиологические, праксеологические и др. фундаментальные исследования в сфере построения и применения интеллектуальных систем (машин). До середины 1990-х гг.

проблематика имитации и/или моделирования мозговой активности играла незначительную роль. Сегодня ситуация кардинально изменилась. В новейшей философии ИИ преобладают когнитологические исследования. Они инспирированы проблематикой аналитической философии сознания и ориентированы на компьютерную реализацию широкого спектра когнитивных феноменов (когниций). Тема нейрокомпьютинга стала доминировать, выступив своеобразным инвариантом инженерно-проектных решений по реализации перспективных проектов ИИ. Проекты получили институциональное признание. Среди них, в соответствии с параметрами имитируемых/моделируемых/репродуцируемых когниций выделяется проект:

«искусственной жизни» (витальные феномены), «искусственного сознания» (ментальные когниции), «искусственной личности» (персонологические характеристики), «искусственного общества» (социокультурные явления).

В качестве реализаторов когниций рассматриваются физические, биологические, социальные, технические, космические и пр. системы. Субстрат – несущественен.

Главное то, что способ функционирования этих систем принципиально представим в (нейро)компьютинговом формате. Таким образом, в искусственном интеллекте «основной вопрос философии» (идея/материя, дух/тело, психика/мозг) специфицируется в соотношении когниция/реализация. Концепция нейрокомпьютера становится неотъемлемой составляющей дискуссий по поводу решения этого вопроса.

Физикализм отождествляют когницию с (нейро)компьютером. Эпифеноменализм отрицает фактическую возможность когниций в (нейро)компьютерной системе: когниции – суть атрибуции (субъективные приписывания) когнитивных феноменов любым системам, включая человеческие (дебаты по поводу «философских зомби»). Элиминативизм призывает заменять (нейро)компьютерными терминами понятия, характеризующие когнитивный контент. В феноменологизме (нейро)компьютер представляется своеобразной машиной dasien, гетерархически конституирующей смысловую реальность, либо (в гетерофеноменологии) он обеспечивает сложную организацию нарративов, в которой возникают когниции ментального, самости, Я. Рефлексивные процедуры интроспекционизма принципиально представимы (нейро)компьютерными процедурами обучения. Дуализм постулирует независимость когниций от (нейро)компьютерных реализаций, причем параллелизм утверждает случайный характер связи между ними;

окказионализм жестко детерминирует эти связи (например, эта часть нейронной сети ответственна за «внимание», другая –за «восприятие»);

интеракционизм предлагает своеобразную «коадаптацию» когниций и реализаций. Бихейвиоризм редуцирует когниции к поведенческим диспозициям интеллектуальной системы, которые, в конечном счёте, редуцируемы к компьютерным скриптам и/или нейросетевым паттернам. В интернализме (нейро)компьютер, порождая когниции, погружается в невычислимую среду, в экстернализме, напротив, внешняя среда, обладая абсолютной когнитивной полнотой, имеет явно выраженный (нейро)компьютинговый формат. Наконец, в функционализме – главной философской парадигме ИИ, обсуждается уравнение когниция/реализация = программа/(нейро)компьютер, где «когниция» – это функция в системе отношений вход/выход/когниции, «(нейро)компьютер» - структурно-функциональный дизайн системы, субстрат которой несущественен. Это классический функционализм («функционализм машины Тьюринга», «машинный функционализм, «компьютерный функциона лизм», «компьютизм» и пр.). В «немашинных» парадигмах функционализма тематика (нейро)компьютинга также представляется базовой.

СЕКЦИЯ 3. Обработка сигналов и изображений АЛГОРИТМ АВТОМАТИЧЕСКОГО ОПРЕДЕЛЕНИЯ ВОЗРАСТА ПО ИЗОБРАЖЕНИЮ ЛИЦА Д.В. Матвеев (Ярославский государственный университет им. П.Г. Демидова, физический ф-т) Л.А. Шмаглит (Ярославский государственный университет им. П.Г. Демидова, физический ф-т) В.В. Хрящев (Ярославский государственный университет им. П.Г. Демидова, физический ф-т) Предложен алгоритм автоматического определения возраста по изображению лица, основанный на базе классификатора, объединяющего решения некоторого набора бинарных классификаторов, предназначенных для различения заданных возрастных групп. Описанная иерархическая структура классификатора и предлагаемая методика его обучения позволяют с вероятностью более 90% решать задачу автоматического определения возраста человека по изображению лица с отклонением от истинного значения, равным не более 10 лет.

Предлагаемый алгоритм может быть использован в системах автоматизированного управления отношений с клиентами, системах видеонаблюдения и возрастного контроля доступа, системах идентификации личности, в других приложениях и интерфейсах взаимодействия человек-компьютер.

АНАЛИЗ КОМПОЗИЦИОННЫХ ПЛАНОВ ДЛЯ ОБРАБОТКИ НАБЛЮДАЕМОЙ ИНФОРМАЦИИ, ПОСТРОЕННЫХ НА N МЕРНОМ ШАРЕ Сидняев Н.И.

(Московский государственный технический университет им. Н.Э. Баумана) Исследованны неротатабельные композиционные планы второго порядка для обработки сигналов, основанные на регулярных дробных репликах, имеющие статистические характеристики, близкие к характеристикам центрально композиционных ротатабельных планов Бокса.

Для размерностей 5 и 8 эти планы близки к D-оптимальным.

Показано, что композиционные планы, основанные на нерегулярных репликах, для размерностей 5 и 7 несколько хуже по характеристикам планов Хартли. Они имеют среднюю дисперсию, значительно превышающую средние дисперсии ротатабельных планов Бокса и симплексно суммируемых ротатабельных планов. По значению определителей информационных матриц они не хуже ротатабельных планов. То же самое можно сказать о насыщенных симплексно-суммируемых планах.

Ротатабельные несимметричные симплексно-суммируемые планы по своим характеристикам близки к центрально композиционным ротатабельным планам Бокса. Если не предъявлять к ротатабельным планам требование униформности дисперсии предсказанных значений регрессионной функции в некоторой области вокруг центра эксперимента, можно с помощью изменения числа наблюдений в центральной точке добиться некоторого улучшения других статистических характеристик планов.



Pages:   || 2 | 3 |
 





 
© 2013 www.libed.ru - «Бесплатная библиотека научно-практических конференций»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.