WWW.KONFERENCIYA.SELUK.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА - Конференции, лекции

 

Pages:   || 2 | 3 |

«ИНФОРМАТИКА, МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ, ЭКОНОМИКА Том 1 Сборник научных статей по итогам Международной научно-практической конференции г. Смоленск, 22 апреля 2011 г. Смоленск 2011 ...»

-- [ Страница 1 ] --

ЦЕНТРОСОЮЗ РОССИЙСКОЙ ФЕДЕРАЦИИ

РОССИЙСКИЙ УНИВЕРСИТЕТ КООПЕРАЦИИ

СМОЛЕНСКИЙ ФИЛИАЛ

ИНФОРМАТИКА,

МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ,

ЭКОНОМИКА

Том 1

Сборник научных статей по итогам

Международной научно-практической конференции

г. Смоленск, 22 апреля 2011 г.

Смоленск 2011 УДК 32.81+65.050+65 ББК 004+330.4+330 И 74 Организационный комитет конференции:

председатель – д.т.н. профессор Усков А. А.;

заместитель председателя – д.т.н. профессор Михаль О. Ф.;

члены оргкомитета: д.с.-х.н. профессор Бедило Н. М., д.э.н.

профессор Белокопытов А. В., д.т.н. профессор Вашкевич С. А., д.э.н.

профессор Гнездова Ю. В., д.т.н. профессор Дли М. И., д.т.н.

профессор Курилин С. П., д.т.н. профессор Руденко О. Г., д.т.н.

профессор Тимофеев В. А., д.т.н. профессор Удовенко С. Г., д.э.н.

профессор Чернова А. В.

И 74 Информатика, математическое моделирование, экономика: научных статей по итогам Cборник Международной научно-практической конференции, г.

Смоленск, 22 апреля 2011 г. В 2-х томах. Том 1 – Смоленск:

Смоленский филиал АНО ВПО ЦС РФ "Российский университет кооперации", 2011. – 224 с.: ил.

ISBN 978-5-91805-011- Сборник включает научные статьи преподавателей, сотрудников и аспирантов, представленные на Международной научно-практической конференции.

Для специалистов в области информатики, математического моделирования и экономики.

Выпуск сборника посвящен десятилетию Смоленского филиала Российского университета кооперации.

Статьи печатаются в авторской редакции.

ББК 004+330.4+ ISBN 978-5-91805-011- АНО ВПО ЦС РФ "Российский университет кооперации" Смоленский филиал,

ПАМЯТИ ЗАВЕДУЮЩЕГО КАФЕДРОЙ

ПРИКЛАДНОЙ ИНФОРМАТИКИ И МАТЕМАТИКИ

СМОЛЕНСКОГО ФИЛИАЛА РУК

ПРОФЕССОРА КРУГЛОВА ВЛАДИМИРА ВАСИЛЬЕВИЧА

КРУГЛОВ Владимир Васильевич (7 марта 1949 г. – 19 января 2011 г.), Заслуженный работник высшей школы Российской Федерации, профессор, доктор технических наук

, академик Академии военных наук Российской Федерации родился в городе Москве, в г. с отличием окончил Московский энергетический институт (МЭИ).

Владимир Василевич занимал различные руководящие должности в вузах г. Смоленска: заведующий кафедрой автоматики (в последствии управления и информатики, компьютерных технологий и управления) и заместитель директора по научной работе Смоленского филиала МЭИ, заведующий кафедрой прикладной информатики и математики Смоленского филиала Российского университета кооперации, проректор по научной работе Смоленского института бизнеса и предпринимательства. При его непосредственном участии были подготовлены несколько тысяч квалифицированных специалистов с высшим образованием.

Директор СФ РУК профессор Головчанский Е. М., заведующий кафедрой ПИиМ профессор Круглов В. В. и профессор Дьяконов В. П.

подводят итоги Государственного экзамена (6 июня 2008 г.) Научный кругозор Владимира Васильевича был невероятно широк, за годы своей научной деятельности ему удалось внести существенный вклад в развитие целого ряда научных направлений:

теорию планирования эксперимента, теорию импульсных систем управления со случайной дискретизацией, теорию нелинейных систем управления, теорию искусственных нейронных систем, теорию нечетких систем управления, моделирование социальноэкономических систем и процессов, распознавание образов, теорию принятия решений, интеллектуальные системы и многих других.

Отдельно следует отметить научно-просветительскую деятельность Владимира Васильевича. Благодаря его книгам многие исследователи в России, Украине, Белоруссии и других странах заинтересовались искусственными нейронными сетями, нечеткой логикой и системами компьютерной математики.

На протяжении 10 лет Владимир Васильевич принимал активное участие в работе диссертационного совета Военной академии войсковой ПВО Российской Федерации по защите диссертаций на соискание ученой степени кандидата и доктора наук. Его мудрые наставления соискателям в значительной степени способствовали их становлению как ученых.

Под непосредственным руководством профессора Круглова В. В.

защищено более 15 диссертаций на соискание ученой степени доктора и кандидата наук. Он автор более 500 научных и учебно-методических работ, в том числе более 10 монографий и более 50 изобретений.

Диссертаций и научных работ, в которых использовались разработки Владимира Васильевича, сотни – он щедро делился своими научными идеями с коллегами и учениками. Ряд его учеников и последователей определяют лицо современной науки и техники. Его идеи и разработки продолжают свое развитие и находят воплощение на практике.

Список книг профессора Круглова В. В.:

Дьяков В. П., Круглов В. В. Научно-технические расчеты на Турбо-Паскале.

Справочное пособие. Смоленск: Смоленский филиал МЭИ, 1996. – 207 с.

Дли М. И., Круглов В. В., Осокин М. В. Локально-аппроксимационные модели социально-экономических систем и процессов. М.: Наука. Физматлит, 2000. – 224 с.



Дьяков В. П., Абраменкова И. В., Круглов В. В. MATLAB 5 с пакетами расширения. М.: Нолидж, 2001. – 880 с.

Дьяков В. П., Круглов В. В. Математические пакеты расширения MATLAB.

Специальный справочник. СПб.: Питер, 2001. – 480 с.

Круглов В. В., Борисов В. В. Гибридные нейронные сети. Смоленск: Русич, 2001.

– 224 с.

Круглов В. В., Борисов В. В. Искусственные нейронные сети. Теория и практика.

М.: Горячая линия – Телеком, 2001. – 382 с.

Круглов В. В., Дли М. И., Голунов Р. Ю. Нечеткая логика и искусственные нейронные сети. М.: Физматлит, 2001. – 224 с.

Круглов В. В., Дли М. И. Интеллектуальные информационные системы:

компьютерная поддержка систем нечеткой логики и нечеткого вывода. – М.:

Издательство Физико-математической литературы, 2002. – 256 с.

Методы распознавания нестационарных образов / В. А. Гимаров, М. И. Дли, В. В. Круглов, В. П. Мешалкин. М.: Физматрит, 2002. – 112 с.

Дьяков В. П., Круглов В. В. MATLAB. Анализ, идентификация и моделирование систем. Специальный справочник. СПб.: Питер, 2002. – 448 с.

Абраменкова И. В., Круглов В. В., Дли М. И. Мультимодельный метод прогнозирования процессов с переменной структурой. М.: Физматлит, 2003. – 231 с.

Усков А. А., Круглов В. В. Интеллектуальные системы управления на основе методов нечеткой логики. Смоленск: Смоленская городская типография, 2003. – 177 с.

Дьяков В. П., Круглов В. В. MATLAB 6.5. Инструменты искусственного интеллекта и биоинформатики. М.: СОЛОН-ПРЕСС, 2006. – 456 с.

Круглов В. В., Дли М. И., Пыхтина И. Н. Интеллектуальные методы анализа маркетинговой информации. М.: Информационно-внедренческий центр «Маркетинг», 2006. – 238 с.

Борисов В. В., Круглов В. В., Федулов А. С. Нечеткие модели и сети. М.: Горячая линия – Телеком, 2007. – 284 с.

Круглов В. В., Курилин С. П. Экспертное оценивание в прикладных задачах. М.:

Российский университет кооперации, 2008. – 132 с.

Курилин С. П., Денисов В. Н., Круглов В. В. Матричная теория электрических машин. М.: Российский университет кооперации, 2008. – 128 с.

Круглов В. В., Балашов О. В. Нейро-нечеткие методы классификации. М.:

Российский университет кооперации, 2009. – 195 с.

Юденков А. В., Дли М. И., Круглов В. В. Математическое программирование в экономике. М.: Финансы и статистика, 2010. – 240 с.

МЕТОДИКА ОПРЕДЕЛЕНИЯ ПЕРИОДИЧНОСТИ ПРОВЕДЕНИЯ

КОНТРОЛЯ РАДИОЭЛЕКТРОННЫХ СРЕДСТВ

Задачи этого класса решались и ранее, и на их основе получены методики инспекционных проверок, которые строились с учетом стареющих систем (старение элементной базы РЭС в этих методиках принимается исключительно стохастическим). [1, 2]. В методике приведенной в [3] вообще не участвует информация о законах распределения отказов РЭС, а оптимальная периодичность проведения инспекционных проверок определяется только с учетом ее стоимости.

Анализ существующих методик позволяет сделать вывод о том, что будет увеличиваться частота (уменьшится периодичность) проведения контроля РЭС из-за стохастичности процессов ее старения и высокой стоимости. Эти обстоятельства способствуют увеличению роста трудозатрат на эксплуатацию и стоимости, сокращению времени использования РЭС по назначению.

Таким образом, на основании сказанного выбирается оптимальное правило контроля РЭС, при котором минимизируются трудозатраты на единицу времени R(х), при сохранении требуемого уровня ее безотказности:

где х = (х1, х2, …) – моменты начала контроля.

Средние трудозатраты на единицу времени R(х) для цикла контроля РЭС можно определить выражением где S(х) – средние трудозатраты на контроля РЭС за цикл при условии, что в течение каждого цикла план работ по проведению КТС не меняется; (х) – среднее время за цикл контроля РЭС.

Средние трудозатраты S(х) за цикл контроля РЭС где k=1,…,n – количество видов контролей РЭС (в зависимости от полноты контроля) за цикл; хк – нижнее значение предела интегрирования, показывающее трудозатраты определенного конроля; S1 – трудозатраты на вид контроля; S2 – трудозатраты, возникающие вследствие несвоевременного обнаружения отказов;

S3 – трудозатраты на проведение регулировочно-настроечных работ (учитываются в случае необходимости); F(t) – плотность распределения времени безотказной работы РЭС.

Средняя продолжительность (х) цикла контроля РЭС где – общее время задержки цикла контроля; Tпр – время простоя в цикле контроля.

В процессе эксплуатации РЭС должны определяться средние суммарные трудозатраты на проведение регулировочных и настроечных работ (S3).

Средние суммарные S3 трудозатраты где рi – трудозатраты i-го вида настроечных или регулировочных работ.

Для определения х1 момента начала контроля РЭС используется выражение для определения S При принятом условии о экспоненциальном законе распределения времени отказов РТА выражение (6), для определения х1, примет вид где функция Product Log– (рассматривается как обобщение ln) есть решение уравнения Значение этой функции в пакете "Mathematica" табулировано [4].

Для определения начала последующих контролей РЭС (х), которые минимизируют R(x), вводится дополнительная величина D(, х). Величина D(, х) позволяет ускорить процесс поиска R(х)min) где – небезразмерный коэффициент коррекции, подбираемый опытным путем.

Чтобы функция R(х) имела минимум по х, необходимо выбрать такие значения, для которых верно соотношение Используя первое значение периодичности проведения КТС (х1), можно определить значения х2, х3 … в соответствии с рекуррентным уравнением Выражение (9), при условии экспоненциального закона распределения безотказности работы РЭС (только для нормального периода ее эксплуатации), примет вид Процедура поиска значений моментов начала очередного контроля РЭС заканчивается при условии Значение периодичности проведения контроля выбирается тогда, когда нарушается условие сходимости ряда (9). Для решения практических задач, определения периодичности проведения видов контроля РЭС разработаны алгоритм и программа вычислений в пакете «Mathematica» (лицензия № L3209-9851). Следует отметить, что полученная методика имеет ряд достоинств, к которым относятся:





учет трудозатрат на подготовку и проведение контроля;

возможность уточнения функции распределения безотказности на всех этапах эксплуатации РЭС; простота вычислений и использование возможностей вычислительной техники при ее реализации.

1. Быкадоров А. К., Кульбак В. Ю., Лавриненко И. Н., Рысейкин В. Л. Основы эксплуатации радиоэлектронной аппаратуры. М.: Высш.

шк., 1991.

2. Прицкер Р. Оптимальный контроль стохастических процессов. М.: Изд-во стандартов, 1979.

3. Барлоу Р., Хантер Л. Оптимальный порядок проведения профилактических работ. М.: Изд-во стандартов, 1968.

4. Дьяконов В. П. Mathematica 4: Учеб. курс. СПб.: Питер, 2001.

Харьковский национальный университет радиоэлектроники

РЕАЛИЗАЦИЯ НЕДЕТЕРМИНИРОВАННЫХ ГЕНЕРАТОРОВ

СЛУЧАЙНЫХ БИТОВ НА ОСНОВЕ СТАНДАРТА

Постановка проблемы. Международный стандарт ISO/IEC 18031:2005 был подготовлен совместным техническим комитетом ISO/IEC JTCI, Информационные технологии, подкомитетом SC Методы защиты ИТ.

Этот стандарт устанавливает обязательные требования, которых необходимо придерживаться при разработке генераторов случайных битов для криптографических применений.

Эти криптографические применения включают следующее:

случайные ключи и значения инициализации для шифрования;

случайные личные ключи для алгоритмов цифровой подписи;

случайные значения, которые используются в механизмах аутентификации объектов;

генерация случайных PIN, паролей и др.

Стандарт ISO/IEC 18031:2005 определяет два типа генераторов:

недерминированные и детерминированные генераторы случайных битов.

Недетерминированный генератор случайных битов – НГСБ (non-deterministic random bit generator – NRBG) – это механизм генерации случайных битов, который использует источник энтропии (источник неопределенности) для генерации случайного потока битов (случайных последовательностей).

Детерминированный генератор случайных битов – ДГСБ (deterministic random bit generator – DRBG) – это механизм генерации битов, который использует детерминированные алгоритмы, такие как криптографические алгоритмы, на источнике энтропии для генерации случайного потока битов (случайных последовательностей). В этом типе генерации битов используется особенные входные данные (начальные значения) и, возможно, некоторые необязательные входные данные, которые могут (или не могут) быть общедоступными.

Обязательным требованием при проектировании НГСБ является наличие источника (или источников) энтропии в виде физического генератора шума. С учетом конечной надежности (т.е. вероятности безотказной работы менее единицы) аналоговых физических генераторов шума (источников энтропии) в стандарте ISO/IEC 18031:2005 введено требование продолжения работы НГСБ способом, не менее защищенным, чем ДГСБ, в случае полного сбоя источника (или всех источников) энтропии.

Реализация НГСБ. В значительной степени требованиям стандарта ISO/IEC 18031:2005 удовлетворяет генератор равномерно распределенных случайных битовых последовательностей, описанный в декларационном патенте Украины [1]. Упрошенная схема этого генератора приведена на рис. 1.

Рисунок 1 – Недетерминированный (непредсказуемыми, недетерминированными) к дополнительному входу первого элемента «XOR» подключен первый источник энтропии (entropy source – ES 1).

Стандарт ISO/IEC 18031:2005 не накладывает жесткие ограничения на параметры источника энтропии. Этот источник может быть смещенным (т.е. вероятности появления нулей и единиц на выходе не обязательно должны быть равными) и выходные биты могут даже зависеть один от другого. Единственное обязательное требование – источник энтропии должен генерировать биты с ненулевой энтропией.

Первый элемент «ИСКЛЮЧАЮЩЕЕ ИЛИ» передает сигнал обратной связи на вход D регистра RG с инверсией (при единичном сигнале на выходе источника энтропии) или без инверсии (при нулевом выходном сигнале источника энтропии). Таким образом, в случайные моменты времени нарушается порядок следования нулевых и единичных битов, определяемый параметрами рекурренты ЛРР.

Выходная случайная битовая последовательность, которую можно снимать с любого выхода сдвигающего регистра, – становится непредсказуемой.

Для повышения надежности в генератор случайных битовых последовательностей введено несколько источников энтропии (см. рис.

1). Для этого сдвигающий регистр разбит на k частей (необязательно равных) и на входы каждой части сдвигающего регистра подаются сигналы с выходов предыдущих частей этого регистра через элементы «ИСКЛЮЧАЮЩЕЕ ИЛИ». Другие входы элементов «XOR»

подключены к выходам дополнительных источников энтропии (ES 2…ES k).

Такое решение позволяет реализовать «горячее резервирование»

источников энтропии, т.е. их параллельную работу. Выходные биты НГСБ остаются случайными (непредсказуемыми) при исправной работе хотя бы одного источника энтропии (на выходах остальных неисправных источников может быть «логический нуль» или «логическая единица»). Вероятность сбоя всех источников энтропии в этой схеме очень маленькая и равна произведению вероятностей сбоя каждого отдельного источника энтропии.

В случае полного сбоя всех источников энтропии такой генератор продолжает работать как линейный рекуррентный регистр, т.е. недетерминированный генератор псевдослучайных последовательностей.

Известные математические алгоритмы позволяют вычислить параметры рекурренты псевдослучайных генераторов на основе ЛЛР (т.е. рассчитать основные параметры – «m» и «n») по результатам наблюдения выходной битовой последовательности, длительность которой в несколько раз превышает разрядность сдвигающего регистра. Поэтому криптостойкость такого генератора (т.е.

устойчивость против хакерских атак) при полном сбое всех источников энтропии является недостаточной.

Улучшение параметров НГСБ. Для того, чтобы повысить криптостойкость НГСБ и сделать невозможным вычисление параметров рекурренты – необходимо периодически изменять эти параметры. Такое техническое решение предложено в патенте [2]. На рис. 2 приведена структурная схема этого устройства.

*********** Рисунок 2 – Недетерминированный генератор случайных битов с изменением параметров рекурренты На информационные входы (D1…Di) мультиплексора (МХ) подаются сигналы с отводов сдвигающего регистра (RG). Номера всех отводов должны удовлетворять известному условию для ЛЛР:

полином, вычисленный на коэффициентах – 1 + x + x – должен быть примитивным и неприводимым над полем Галуа.

Например, для сдвигающего регистра (RG) с количеством разрядов n = 71 этому условию удовлетворяют номера отводов (p, q … m): 6, 9, 18, 20, 35, 36, 51, 53, 62, 65. Для такого сдвигающего регистра с количеством разрядов n = 71 и частоте формирования псевдослучайных битов 10 20 МГц период повторения будет более миллиона лет, т.е. периодичность такого ЛРР – практически бесконечная.

Рисунок 3 – Структура источника периодичность в несколько раз меньше разрядности сдвигающего регистра). Количество адресных входов мультиплексора (A1…Aj) равняется двоичному логарифму от количества информационных входов (D1…Di).

Источники энтропии (ES) наиболее часто реализуют на основе генераторов шума на кремниевых диодах с Зенеровским пробоем (стабилитронах). Структурная схема источника энтропии включает:

генератор шума на диоде с Зенеровским пробоем (DZ), компаратор (Cmp) для преобразования аналоговых сигналов в уровни логических микросхем и счетного триггера (TС) (рис. 3).

Аналоговый сигнал на диоде с Зенеровским пробоем (DZ) имеет вид коротких импульсов со случайными амплитудами, следующими друг за другом через случайные временные интервалы. Компаратор (Cmp) преобразовывает короткие входные импульсы в сигналы с нормированной амплитудой. Эти импульсы подаются на счетный триггер (СТ) для выравнивания вероятностей нулевых и единичных логических уровней (битовых сигналов) на выходе источника энтропии.

Выводы. В соответствии с международным стандартом ISO/IEC 18031:2005, недетерминированный генератор случайных битов (НГСБ) обязательно включает один или несколько источников энтропии и детерминированный механизм псевдослучайного преобразования сигналов с выходов источников энтропии в выходные случайные биты.

Это необходимо для выполнения требования стандарта ISO/IEC 18031:2005 – продолжения работы недетерминированного генератора случайных битов способом, не менее защищенным, чем детерминированный генератор случайных битов (ДГСБ), в случае полного сбоя источника (или всех источников) энтропии. Для уменьшения вероятности одновременного сбоя всех источников энтропии необходимо применять горячее резервирования нескольких источников энтропии.

Приведены технические решения недетерминированных генераторов случайных битовых последовательностей, удовлетворяющие требованиям стандарта ISO/IEC 18031:2005 и защищенные патентами Украины.

1. Декларационный патент Украины № 50386 А, опубл. Бюл. № 10, 2002 г.

2. Патент на полезную модель Украины № 52380, опубл. Бюл.

№ 16, 2010 г.

Харьковский национальный университет радиоэлектроники

РЕАЛИЗАЦИЯ ЛОКАЛЬНО-ПАРАЛЛЕЛЬНЫХ АЛГОРИТМОВ

C ИСПОЛЬЗОВАНИЕМ ПРОЦЕССОРНО-ЗАВИСИМОЙ

МНОГОПОТОЧНОСТИ

Технический прогресс и рост темпов и объмов научных исследований оборачиваются применительно к системам управления и обработки информации ростом требований к скорости и объмам программной обрабатываемой информации. Этим определяется актуальность разработки новых численных методов и комплексов программного обеспечения, потенциально способных обеспечить требуемые характеристики. В связи с этим, в частности, в аппаратном плане активное развитие получили параллельные и распределнные вычислительные системы, а в программном – многопоточная и локально-параллельная (ЛП) обработка. Представляют интерес так же исследования по комплексному (комбинированному, объединнному) применению этих двух подходов, в частности в многоядерных компьютерных системах. Настоящая работа посвящена разработке соответствующей методологии в рамках имеющегося программного инструментария WinAPI, с предварительной модельной оценкой эффективности алгоритмической реализации.

Введение. Долговременной тенденцией развития систем и средств вычислительной техники (ВТ) является повышение разрядности регистров процессоров. Устойчивость этой тенденции определяется тем, что разрядность процессора – это объм непосредственно адресуемой памяти; потребность же в памяти – росла ранее (от разработки к разработке), и будет расти всегда, поскольку памятью определяются пределы объмов и размерностей решаемых задач [1, 2]. Потребности в наращивании объмов и размерностей диктуются непосредственно познавательными функциями человеческого разума, поэтому «разумные ограничения» по этому направлению – принципиально отсутствуют. Временными (принципиально преодолимыми) сдерживающими факторами могут являться технологические ограничения. С переходом в диапазон тактовых частот порядка нескольких ГГц наметились технические сложности по масштабированию разрядности высокочастотного ядра процессора. Вероятно с этим связан интерес разработчиков к однокристальным многоядерным решениям, экономически более целесообразным на данном этапе развития. Однако многоядерность не обеспечивает наращивания объмов непосредственно адресуемой памяти. Становятся актуальными старые проблемы межъядерной синхронизации вычислительных процессов и распределения памяти.

Другим временным влияющим фактором является отсутствие потребности в высокой разрядности регистров процессоров для представления данных, повсеместно используемых в вычислительной технике общего назначения (ВТОН). Основные задачи, решаемые средствами ВТОН, по своей сущности являются антропоморфными («человеко-ориентированными»). В частности, значительная часть задач ВТОН так или иначе связана с обработкой видео и аудио информации. В подобных областях 32-битовый регистр процессора достаточен и избыточен для исчерпывающего представления градаций сигналов (яркости, цвета или звука), реально различаемых органами чувств человеком. Однако с другой стороны, антропоморфность – есть искусственное ограничение возможностей средства ВТ рамками человеческого интеллекта (ЧИ). Сам же ЧИ – развивается. При этом назначение же средств ВТ – быть усилителями ЧИ, т.е. превосходить его по тем или иным параметрам. Поэтому современная антропоморфная ВТОН не может рассматриваться как долговременный ориентир развития.

Известна процессорная технология ММХ (Multimedia Extensions) [3], вероятно имеющая специальное назначение. В части, выложенной (представленной) в рамках ВТОН, она позиционирована как предназначенная для размещения и одновременной обработки нескольких единиц данных (аудио или видео информации) в непересекающихся сегментах регистра процессора. Ограничение этой технологии –фиксированная аппаратно заданная конфигурация сегментов. Но в целом – намеченный путь интересен следующим. Как известно, согласно концепции машины Фон Неймана, регистр целиком может использоваться либо для адресации элемента памяти, либо для хранения данных. При этом в рамках MMX для более полного использования объма регистра – в нм может быть размещено несколько данных, в виде соседствующих не пересекающихся сегментов, которые могут обрабатываться раздельно, либо параллельно и одновременно.

Соответствующее чисто алгоритмическое решение – локальнопараллельная (ЛП) обработка информации [2] – реализуется безотносительно к наличию в процессоре специализированных аппаратных MMX-решений, т.е. на произвольной ВТОН, обеспечивая при этом повышенную эффективность обработки информации.

Принцип локальной параллельности. Принцип ЛП организации вычислений иллюстрируется следующим вычислительным примером. Рассматривается N-разрядное средство ВТ, работающее в двоичной системе счисления. Имеется k пар положительных чисел (ai, bi), (i = 1, 2,..., k) с разрядностями nai = nbi = ni, регистры процессора исходные данные ai и bi, производить вычисления и выгружать результаты ci. При этом, поскольку ai и bi не слишком велики, в старших (N-ni) разрядах находятся нули, обработка которых есть бесполезная трата вычислительных ресурсов. Более эффективен ЛП вариант, согласно которому из ni-разрядных фрагментов ai и bi и разделительных нулей конкатенируются числа:

где: – символ, обозначающий конкатенацию. Будем называть A и B регистровыми представлениями. (РгП). Поскольку РгП не превышает разрядности процессора, суммирование может быть выполнено как обычная арифметическая операция за один цикл работы процессора.

Далее результат C=A+B (1) должен быть интерпретирован как состоящий из k конкатенированных (ni+1)-разрядных фрагментов ci – искомых сумм. Нули в (1) используются в качестве разделительных разрядов и служат для исключения взаимовлияния между соседними конкатенантами. Конкатенанты ci могут быть извлечены из C, например с использованием поразрядного сдвига. Тогда процедура в целом – конкатенация, суммирование, деконкатенация, – может не обеспечивать выигрыша в производительности. Однако в ряде приложений, если N велико и результаты многократно без промежуточных конкатенаций и деконкатенаций участвуют в вычислительных процедурах, – достижим значительный выигрыш.

Одним из таких выигрышных направлений использования являются операции нечткой логики, производимые над значениями функций принадлежности, которые всегда являются ограниченными и положительными. Соответствующие ЛП алгоритмы представлены в [2].

Процессорно – зависимая многопоточность. ЛП обработка информации приобретает специфические черты при реализации алгоритмов на многоядерных процессорах. Как представлено в [2], структура ЛП алгоритмов такова, что помимо многосегментной (собственно ЛП) обработки, имеются ещ значительные однотипные независимые ветви. Каждая из ветвей содержит многосегментную ЛП обработку. На одноядерных процессорах ветви могут выполняться последовательно, на многоядерных – параллельно. В результате, на многоядерных процессорах потенциально достижим дополнительный прирост эффективности обработки информации: дополнительное сокращение времени обработки.

Рассмотрим ключевые моменты применения инструментальных программных средств реализации многопоточных версий ЛП алгоритмов, пригодных для выполнения на многоядерной процессорной технике.

многозадачности и многопроцессорности. Планирование заключается в назначении приоритетов процессам в очереди с приоритетами.

Программный код, выполняющий эту задачу, называется планировщиком. Целью планирования задач является наиболее полная загрузка процессора. Она базируется на трех основных критериях:

производительность (количество завершений процессов за единицу времени); время ожидания (процесс ожидает в очереди готовности);

время отклика (от начала запроса до первого ответа на запрос).

Операционные системы могут включать до трх различных типов планировщиков: долговременный, среднесрочный и краткосрочный.

Долговременный планировщик решает, какие задачи или процессы будут добавлены в очередь процессов, готовых к выполнению. При запуске процесса, долговременный планировщик или добавляет новый процесс в очередь готовых процессов (допускает к выполнению), или откладывает это действие. Таким образом, долговременный планировщик решает, какие процессы будут выполняться одновременно, тем самым контролируя степень параллелизма и пропорцию между процессами ввода-вывода и интенсивного использования процессор.

В системах с виртуальной памятью среднесрочный планировщик временно перемещает (выгружает) процессы из основной памяти во вторичную (на жсткий диск), и наоборот. Эти действия называются подкачкой (свопингом). Среднесрочный планировщик может выгрузить процесс если: процесс был некоторое время неактивен, имеет низкий приоритет, часто вызывает ошибки страниц (page fault) или занимает большое количество основной памяти, а системе требуется свободная память для других целей (например, чтобы удовлетворить запрос выделения памяти для другого процесса).

Процесс будет возвращн в основную память когда будет доступно необходимое количество свободной памяти, или когда процесс выйдет из режима ожидания (в этом случае планировщик выгрузит из основной памяти другой процесс для освобождения основной памяти).

Краткосрочный планировщик решает, какие из готовых и загруженных в память процессов будут запущены на ЦПУ после прерывания (по времени, операции ввода-вывода, вызову операционной системы или другому сигналу). Решения на этом уровне принимается очень часто. Также планировщик может поддерживать вытесняющую многозадачность т.е. иметь возможность прервать исполнение какого-либо процесса.

Диспетчер - это модуль, который передает управление процессором тому процессу, который был выбран на уровне кратковременного планирования. В его задачи входит переключение контекста, переключение в пользовательский режим и прыжок к нужному месту пользовательской программы, чтобы начать или продолжить ее исполнение. Главное требование к диспетчеру – быстродействие. Диспетчер отвечает за последовательность обработки потоков процесса и переключает контекст для оптимальной балансировки нагрузки.

Применительно к реализации ЛП алгоритмов – представляет интерес диспетчирование вычислительного процесса (балансирование распределения процессорной нагрузки) непосредственно приложением. Операционная система «не видит» выполнения задачи в крупном масштабе. Планировщики, сколь бы изощрнными они ни были, в действительности решают текущие задачи распределения ресурсов (ядер процессора), безотносительно к последующему периоду вычислений и «стратегии» решения задачи. Между тем, последовательно проводимое правильное соотнесение элементов вычислительного процесса с распределением выделяемых вычислительных ресурсов потенциально может обеспечить выигрыш в суммарной производительности. Соответствующие возможности принципиально реализуемы с использованием инструментария WinAPI.

Для ассоциирования потока выполнения с конкретным процессором (ядром процессора) в WinAPI заложены две функции SetThreadAffinityMask и SetThreadIdealProcessor.

Первая устанавлтвает родство между набором процессоров и потоком (hard affinity), вторая задает номер конкретного процессора для потока выполнения из списка доступных установленных по Affinity маске (soft affinity). Affinity маска имеет следующий вид:

Если необходимо задать маску, при которой поток может выполняться и на первом, и на втором процессоре, – ее значение будет равно 3:

Потоки созданные в рамках процесса получают affinity маски своих породителей (т.е. процессов). Поэтому стоит сначала проверить GetProcessAffinityMask и при необходимости заменить ее с помощью функции – SetProcessAffinityMask.

Для оценки возможностей использования инструментария WinAPI применительно к реализации ЛП алгоритмов было проведено соответствующее программное макетирование. Ниже представлен листинг одной из программ. Сначала проверяется маска процесса; при необходимости заменяется на 2-х процессорный вариант. Далее создаются два потока выполнения, которым устанавливается уточняющая маска и задается конкретный процессор. Сами потоки в рамках модели не выполняют смысловой нагрузки.

static void Main(string[] args) { (IntPtr)Process.GetCurrentProcess().Handle;

UIntPtr lpProcessAffinityMask;

UIntPtr lpSystemAffinityMask;

GetProcessAffinityMask(hProcess, out lpProcessAffinityMask, out lpSystemAffinityMask);

if (lpProcessAffinityMask.ToUInt32() != 3) SetProcessAffinityMask(hProcess, new UIntPtr(3));

uint firstThreadId;

uint secondThreadId;

SECURITY_ATTRIBUTES securityAttributes = new SECURITY_ATTRIBUTES();

IntPtr firstThreadHandle = CreateThread(ref securityAttributes, 0, FirstThreadRoutine, IntPtr.Zero, CREATE_SUSPENDED, out firstThreadId);

IntPtr secondThreadHandle = CreateThread(ref securityAttributes, 0, FirstThreadRoutine, IntPtr.Zero, CREATE_SUSPENDED, out secondThreadId);

Данные, полученные при модельных исследованиях при различных уровнях загруженности планировщика операционной системы, позволяют усреднено оценить выигрыш в производительности порядка 20%. Дальнейшее направление исследований – реализация ЛП алгоритмов [2] и соотнесение параметров локальной и многоядерной параллельной обработки.

Выводы. Исследовано сочетание процессорной многоядерности с локально-параллельной обработкой. Разработана соответствующая методология в рамках имеющегося программного инструментария WinAPI и дана предварительная модельная оценка эффективности алгоритмической реализации. Программный подход в рамках инструментария WinAPI позволяет ассоциировать потоки выполнения программы с конкретными процессорами. Программное моделирование, проделанное с ориентацией на последующую реализацию локально-параллельных алгоритмов в сочетании с процессорно–зависимой многопоточностью оценочно демонстрирует прирост производительности выполнения алгоритма порядка 20%.

1. Осотов И.А. Анализ эффективности кластерных систем при использовании локально-параллельных алгоритмов // Материалы 13-го международного молоджного форума «Радиоэлектроника и молоджь в XXI веке», часть 2. Харьков – 2009, с. 213.

2. Михаль О.Ф., Руденко О.Г. Принципы организации систем нечеткого регулирования на однородных локально-параллельных алгоритмах // Управляющие системы и машины. 2001. № 3. c. 3-10.

3. IA Software Developer’s Manual, Vol 1(англ.) (ftp://download.intel.com/design/PentiumII/manuals/24319002.PDF) Военная академия войсковой ПВО вооруженных сил РФ

ИМИТАЦИОННАЯ МАТЕМАТИЧЕСКАЯ МОДЕЛЬ КОНТУРА

НАВЕДЕНИЯ ЗУР С РАДИОЛОКАЦИОННЫМ

САМОНАВЕДЕНИЕМ

Системы управления (контур наведения) зенитных управляемых ракет (ЗУР) относятся к классу сложных систем. В настоящее время наиболее эффективным «инструментом» исследования подобных систем является имитационное математическое моделирование, так как такие традиционные методы, как аналитические и графоаналитические, допускают сильные погрешности и не позволяют учитывать весь комплекс случайных возмущений, воздействующих на систему.

Обладая достоинствами эксперимента и доступностью математических вычислений, моделирование позволяет выбрать и обосновать характеристики и параметры отдельных элементов системы, обнаружить ошибки в проектных документах, непредвиденные эффекты в процессе наведения ЗУР, поэтому для подтверждения эффективности предложенных решений была использована имитационная математическая модель (ИММ) контура наведения ЗУР войскового ЗРК СД.

Исследование контуров наведения ЗУР в условиях действия информативных помех осуществляется с помощью ИММ, дающих различную степень подробности описания радиолокационной головки самонаведения (РГС) и контура наведения. Это особенно важно, так как проведение натурного эксперимента не всегда возможно из-за отсутствия постановщиков перспективных помех, сложности постановки натурного эксперимента или его высокой стоимости [1].

Предлагаемая ИММ содержит программы пространственного движения ЗУР, цели и их относительного движения, программу выработки полетного задания, радиокоррекции и программы, отражающие математические модули устройств контура наведения и всей ЗУР в целом.

Описание ИММ системы наведения ЗУР дает представление о возможном составе и структуре ИММ для исследования систем самонаведения.

Модель должна быть построена по модульному принципу.

Модуль представляет собой оформленную программу, реализующую математическую модель конкретных устройств бортовой системы управления. По модульному принципу организуется также программная реализация алгоритмов пространственного движения ракеты, цели и их относительного движения. Такое построение программы позволяет производить достаточно простую замену одного блока на другой, имеющий то же функциональное назначение, но являющийся более или менее подробным в описании физического явления. Модуль содержит заранее обусловленный перечень входных и выходных величин, необходимых для функционирования всей задачи.

Модуль (далее по тексту – блок) оформляется в виде программы.

Базовым вариантом ИММ является система управления ЗУР с самонаведением при использовании ее в составе ЗРК.

Ниже перечислены основные функциональные блоки ИММ системы наведения ЗУР.

Блок начальных условий вырабатывает разовые команды и уровни временных команд, необходимые на этапе выдачи полетного задания.

Блок кинематики обеспечивает расчет текущих координат, параметров относительного движения цели и ракеты.

Блок бортового вычислителя реализует алгоритмы расчета оценок проекций угловой скорости вращения линии визирования, дальности, скорости сближения ракеты с целью, алгоритмы формирования разовых команд.

дополнительного сигнала управления на вход автопилота.

Блок ракеты обеспечивает пространственное моделирование движения зенитной управляемой ракеты.

Блок формирования команд формирует команды управления для автопилота на основе закона пропорциональной навигации.

Блок автопилота обеспечивает формирование сигналов, пропорциональных отклонению рулей ракеты.

сопровождения цели по угловым координатам, алгоритмы развязки контура углового сопровождения от угловых колебаний ракеты.

Блок шумов формирует сигналы, имитирующие внутренние и внешние угловые шумы на входе РГС.

Блок обтекателя формирует сигналы, имитирующие влияние синхронных ошибок обтекателя на характеристики контура углового сопровождения.

Блок эффективной площади рассеивания производит расчет эффективной площади рассеивания (ЭПР) различных типов целей с учетом их радиопортрета.

Блок радиокоррекции формирует поправки коррекции на основе расчета алгоритмов упрощенной модели наведения ракеты.

В ИММ используются:

земная система координат (ЗСК) неподвижная, правая. Начало находится в центре масс ракеты в момент начала счета. Ось OY направлена вертикально вверх, оси OX, OZ находятся в горизонтальной плоскости. Ось OX направлена в сторону цели, ось OZ дополняет систему до правой;

местная земная система координат (МЗСК) подвижная, правая.

Начало находится в центре масс ракеты. Оси направлены параллельно осям ЗСК;

связанная система координат (ССК) подвижная, правая. Начало в центре масс ракеты. ССК жестко связана с ракетой. Ось OXнаправлена вдоль ракеты к носу. Оси OY, OZ перпендикулярны оси OX и лежат в плоскостях управления ракетой. Положение ССК относительно МЗСК определяется углами крена, рысканья и тангажа. ССК предварительно развернута относительно МЗСК на угол крена 45°;

поточная система координат (ПСК) подвижная, левая. Начало в центре масс ракеты.. Ось OXнаправлена по вектору скорости ракеты.

Оси OY, OZ перпендикулярны оси OX. Положение ПСК относительно МЗСК определяется скоростным углом крена, углами поворота траектории и наклона траектории. ПСК предварительно развернута относительно МЗСК на угол крена 45°;

лучевая система координат (ЛСК) подвижная, правая. Начало в точке установки антенны РГС. В задачах наведения начало ССК совпадает с центром масс ракеты. Ось OXнаправлена по линии визирования, ось OYлежит в вертикальной плоскости МЗСК и перпендикулярна оси OX. Положение ЛСК относительно МЗСК определяется углом наклона линии визирования цели и углом поворота линии визирования;

антенная система координат (АСК) подвижная, правая. Начало в точке установки антенны РГС. В задачах наведения начало АСК совпадает с центром масс ракеты. Ось OXнаправлена вдоль геометрической продольной оси антенны РГС. Ось OYлежит в плоскости управления ракетой OXYССК. Положение АСК относительно ЛСК при отсутствии ошибок слежения определяется углом крена АСК. Положение АСК относительно ССК определяется углом пеленга цели по азимуту и углом пеленга цели по наклону [2].

Работа ИММ регламентируется управляющей программой, которая содержит заранее обусловленный перечень входных и выходных величин всех подпрограмм, входящих в ее состав. Эти величины входят в состав специальных областей, обеспечивающих связь всех подпрограмм.

Управляющая программа включает в себя как основные, так и вспомогательные подпрограммы. Основные – это модели блоков системы наведения, вспомогательные подпрограммы выполняют функции, связанные с вводом, выводом и анализом информации в процессе счета, обеспечивают остановку счета модели при выполнении следующих условий:

Vотн – относительная скорость сближения ракета – цель;

УЦ – признак «УДАЛЯЮЩАЯСЯ ЦЕЛЬ»;

Ниже приводится математическое описание ИММ[3].

Текущее значение скорости ракеты:

Текущее значение продольного ускорения ракеты:

Сила тяги двигателя:

где ph – коэффициент высоты полета над уровнем моря.

Относительное время работы двигателя:

где а, b – коэффициенты, определяемые для конкретного типа двигателя; Т3 – среднесуточная температура окружающей среды.

Средняя пустотная тяга:

где Gm– масса топлива;iуд.п. – удельный пустотный импульс.

Сила лобового сопротивления:

где S – площадь миделя ракеты.

Коэффициент силы лобового сопротивления:

где М – число Маха;Н – высота полета ракеты над уровнем моря.

Полный угол атаки:

гдеК=f(M),c,d – параметры, зависящие от конкретных характеристик ЗУР.

Текущая масса ракеты:

где Gmзп – массавыгораемых материалов;G0– стартоваямасса ракеты.

Радиокоманды на входе автопилота:

где N, Kx, nG – параметры конкретной системы управления; А(Н) – угол пеленга цели.

Радиокоманды ограничиваются в соответствии с принятым законом ограничения перегрузок ракеты.

Перегрузки ракеты без учета динамики контура стабилизации:

n – перегрузка на участке стабилизации продольной оси где ракеты.

Управляющая программа обеспечивает использование модели для следующих режимов работы:

моделирование процесса наведения в нормальных условиях;

моделирование с учетом случайного разброса параметров модели;

статистическое моделирование с заданным количеством реализаций;

последовательный расчет заданного количества вариантов с разными условиями наведения.

Кроме того в управляющей программе реализованы алгоритмы расчета математического ожидания и среднеквадратического отклонения показателей точности наведения ЗУР, расчет вероятностных характеристик поражения цели, расчет поправок радиокоррекции.

В качестве новизны предлагаемой ИММ следует отметить следующее:

наличие в модели блока обтекателя, который вносит ошибки в определение угла пеленга за счет фазовых искажений электромагнитного поля;

наличие блока двумерного автопилота, позволяющего учитывать перекрестные связи между каналами управления.

1. Математическое моделирование при формировании облика летательного аппарата / Под ред. В.А. Подобедова. М.:

Машиностроение, 2005.

2. Система самонаведения зенитных ракет / И. Н. Хуторской, С. В.

Жарков, П. П. Беркс и др. Смоленск: ВА ВПВО ВС РФ, 2006.

Харьковский национальный университет радиоэлектроники

МОДЕЛИРОВАНИЕ СХЕМЫ ДЕЙСТВИЯ НЕЙРОСИСТЕМЫ

В настоящее время все более пристальное внимание привлекают биологические аспекты обработки информации мозгом человека.

Эффективность обработки значительно превышает использование современных интеллектуальных систем (ИС).

В докладе сделана попытка анализа некоторой схемы действия нейросистемы человека. В докладе рассмотрена модель возникновения нейросистемы и ее функционирование. Модель составлена по материалам [1] и [2]. Построена структурная модель нейросистемы. На функционирования. Использована терминология [1]. Мышечная клетка (МК); рецепторная клетка кожи (РКК); рецепторная клетка мозга (РКМ); нейрон (система нейронов); некоторая мышца (исполнительный элемент), использующий в себе нейромышечные веретена (НМВ).

Система обеспечивается питанием, кислородом и прочим.

Обеспечение выполняется артериальной системой (аортой). Аорта (элемент) имеет в своем начале барорецептор (БР).

БР функционирует как мышца повторяет работу генеративного источника – пейсмекера (элемента, который задает ритм мышцы), поддерживая импульсные токи (ИТ). ИТ генерируются постоянно, пока есть движение кровотока артерии.

Для решения поставленной задачи была проанализирована необходимость возникновения нейросистемы в процессе развития категории млекопитающих. Была выдвинута гипотеза, из которой следовало: нейросистема, нейрон в частности, возникла из мышечных клеток, то есть в результате эволюционного развития и изменений внешних условий. Возникновение нейросистемы позволило эффективно управлять системой кровеносного снабжения. При дальнейшем развитии дифференциация клеток позволила увеличить физические размеры организма и совершенствовать подачу питания кровью. Одновременно, значительно увеличилось количество нервных клеток в коре головного мозга и связанных с ними рецепторами различных органов. В количественном и качественном усложнении мозговых клеток участвовали и глобальные изменения внешней среды жизни человека.

Рассматривая вышеизложенное во взаимосвязи с современным развитием компьютерной инженерии, можно сказать, что объем памяти современных вычислительных средств значительно вырос и позволяет решать сложные информационные задачи. Схема элементов и функционирования системы представлены на рис. 1.

Рисунок 1 – Схема действия нейросистемы Способность специальных мышечных клеток создавать импульсный электронный ток привело к возможности увеличения размеров живых организмов и развитию спецорганов.

Рассмотрим на примере самой простой схемы, у которой РКрецепторные клетки (РК) прямо контактируют с нейронами. Реально, как правило, между РК и нейронам находятся промежуточные, вспомогательные нервные клетки, которые взаимодействуют между собой при помощи ионных токов. Так, например, сетчатка глаза, у которой рецепторные клетки – клетки пигментного эпителия (ПЭК) отделены от нейронов (ганглиозные клетки) промежуточных клеток:

палочками и колбочками, комплектом, воспринимающими световой поток; горизонтальными, биполярными (суммирующими, распределяющими и т.п.) клетками.

На упрощенной схеме (рисунок 1) нейроны непосредственно примыкают к РК.

На схеме приведены 2 рецепторные клетки: на поверхности тела (или на некотором органе) РКК и соответствующая ей мозговая РКМ, расположенная на поверхности коры головного мозга, объединенных нейронам Н2 (или системой нейронов). В эту же систему входит некоторая мышца (исполнительный элемент), имеющая в себе нервномышечные веретна (НМВ), которые могут при своем действии продуцировать импульсные электронные токи. Данная система обеспечивается питанием, кислородом и прочим своим элементом кровеносной системы (аорта), имеющий в своем начале, баререцептор (БР), который, как мышца, возбуждает в своей цепи нервной системы Через нейрон Н1 импульсные токи, вероятно, характерные для этой части системы, поступают к нейрону Н2. Импульсы генерируются постоянно, пока есть движение крови.

Возбуждение РКК, а вернее, в зависимости от степени возбуждения РКК импульсы поступают через Н2 к нейрону Н3, через который импульсный ток может пойти к мышечной системе, если позволит РКМ. И РКК и РКМ можно представить в виде разрешающих сигналов (импульсов) в трубах (нейронах).

Вероятно, от РКК нейрон может иметь ответвление и на соответствующую мышцу. В этом случае при возбуждении РКК организм может сразу прореагировать некоторым движением от срабатыванием мышцы (инстинктивное движение).

Факт наличия постоянно действующих мышечных образований на базе кровеносных сосудов (в виде барорецепторов) как источников постоянной импульсами подтверждается данными в работе: … и даже в абсалютной темноте большинство ганглиозных клеток сетчатки проявляют стационарную, несколько нерегулярную активность с частотой 1-2 до примерно 20 имп/с.

А сама непрерывно создаваемая в нейронам импульсация дает возможность ускорения приведения в действие мышечной системы как реакции на какое-либо внешнее воздействие.

Но когда начинает работать мышца, то нервно-мышечные веретена, которых в мышце может быть от 2 до 30 начинают при своих сокращениях-расслаблениях в фазе расслабления продуцировать импульсные электронные токи (аналогично БР), которые по нейронам Н4 передаются, похоже, на рецепторы мозга РКМ. Под действием этих импульсов повышается порог возбуждения РКМ и, соответственно, увеличивается возможность, пропускания импульсов на мышцу уже как-бы мимо РКК за счет инициации возбуждения РКМ от других РКМ мозга, то есть в процессе мышления.

Можно ожидать, что некоторое многократное повторение воздействия на РКМ импульсов от мышц приводит к устойчивому изменению мембранного потенциала с использованием, похоже, элемеютов памяти, в частности Ig (иммуноглобулинов) G, E, A. Это даст возможность в дальнейшем достаточно легко включать комплекс двигательных действий от незначительных (например, зрительных) команд в мозге. То есть так можно объяснить механизм двигательной памяти, достигаемой в процессе тренировок. Все мышцы, особенно мышцы лица, имеющих в свом составе наибольшее количество НМВ, участвуют в формировании памяти. Для моделирования данной системы использован язык высокого уровня VHDL, на котором выполнено моделирования вышеописанной структуры с построением временных диаграмм. Разработаны программы в основе которых лежит учет эволюционного процесса и сделана попытка осознать, что же такое мышление как биологический процесс.

Заключение. Предложенная модель действия нервной системы с участием как ионных токов (в местах непосредственно контакта различных нервных клеток не способных самостоятельно производить импульсные (электронные) токи), так и дополнительных электронных токов, которые могут создаваться в мышечных клетках, а также в элементах аксонов у нейронов, позволяющих объяснить, естественно не полностью, некоторые аспекты мышления. Модель биологической системы позволит пользоваться методами имитационного моделирования более широкому кругу студентов медицинского университета г. Харькова достижениями IT.

1. В. Хьюбел. Глаз, мозг, зрение. М.: Мир, 1990.

2. Vo-rat An, Vo-kne Zhich. Neuromuscular Physiology, 2000.

Харьковский национальный технический университет «ХПИ», Харьковский национальный университет адиоэлектроники

БИОЛОГИЧЕСКИЙ ПОДХОД К ПОСТРОЕНИЮ

СИСТЕМ ИСКУССТВЕННОГО ИНТЕЛЕКТА

Чем же человек отличается основательно от млекопитающих к которым он относится. Основное отличие человека от всех остальных животных следует усматривать в способности к бесконечному наращиванию знаний. Предлагается одна из гипотез, которая достаточно логично объясняет структуру и количественную организацию мозга. Рассмотрим обе оценки. Оценку количественного значения нейронных клеток мозга можно связать с длительным периодом эволюции, на протяжении которой менялся образ жизни, например неандертальцев. Это изменение должно быть длительным и коренным. Если принять гипотезу, по которой замкнутое сообщество смогло постепенно принять образ жизни, который условно можно называть «полуводным». Т. е. изменился климат в Экваториальной Африке, когда обширные степи оказались надолго залиты водой.

Человек должен стоять при добывании злаков в воде, использовать руки. При изменении глубины должна формироваться функция плавания и при этом постепенно могла приопуститься гортань, как длительная реакция на трудности плавания. Опускание гортани способствовало расширению спектра возможных издаваемых звуков и появлению физических предпосылок возникновению примитивного языка. Кроме этого нахождение длительного времени в водной среде привело постепенно к потере волосяного покрова, но не потере соответствующих мозговых нейронов. Жизнь в двух средах, водной и воздушной, возможно существенно добавило в мозг человека нейронных клеток, увеличился объем памяти появилась дифференциация отдельных мозговых областей. Если учесть широкий перечень катаклизмов глобального масштаба, которые за длительное время эволюции жизни перенес человек, то необходимо учитывать особенность существования живого организма. Организм не отвергает особенности ставшие менее необходимы, а компенсирует эти возможности другими. Это изменение находило свое отражение в структурной организации мозга. Допустим, что одни совокупности нейроклеток начинали угнетаться, другие же получили возможность количественно увеличиваться. В ограниченном черепе пространстве эта структура нейроклеток образовала некое подобие выпуклостей и перетяжек принимающие некоторые подобие извилин. Такие структуры позволяют изменить (уменьшить) меру расстояний в сообществе нейроклеток. Увеличение нервных клеток в мозге количественно и структурные изменения в связи с приобретенными извилинами и дифференциация отдельных областей позволило «человеку современному» освоить новые функции не свойственные другим млекопитающим.

Первая форма обеспечивается наличием у современного человека речи, вторая - рук. Отсутствие одного из этих элементов приводит к резкому падению способности к наращиванию знаний с возможностью полного торможения этого процесса.

Первично какой-либо новый образ описывается в словах на базе речевой способности человека, первой формы записи, образования и передачи информации. Но в силу ограниченности объема памяти и возможного «списывания» этой формы недостаточно для постоянного накопления знаний. Беспрерывность процесса накопления знаний обеспечивает вторая форма записи и передачи информации при помощи изготовления нового объекта, зарисовки и т.д., особенно записи, с момента возникновения которой в виде письменности, наблюдается резкое ускорение процесса познания.

Так, неандертальцы, наши предки, имели мозг не меньше, чем у современного человека, достаточно развитые руки, но, как считается, имели речь на уровне современных обезьян.

Известно, что неандертальцы уже применяли кремневые расчепы для копий и др., т.е. руки их были способны закреплять в материальных объектах новую информацию. Но отсутствие речи не позволило неандертальцам продвинуться в познании. Идущий одновременно с процессом наращивания знаний процесс утери знаний, при отсутствии словесной формы передачи информации приводит практически к застою в наращивании знаний. И только с возникновением кроманьонцев, прямых предков «современного человека», получивших речевые способности, резко ускорился, как считается, процесс наращивания новых знаний.

Другим примером может служить дельфин. Дельфины, как предполагается, имеют достаточно развитые способности звукового общения, вплоть до передачи команд. Фактически можно говорить, что у дельфинов есть некоторый аналог словесному описанию какогото нового, возникшего образа. Но дельфины не имеют рук, которые могли бы на длительное время закрепить новую информацию. Можно сказать, что в этом случае процессы образования новых знаний информации где-то равнозначны и поэтому нет накапливания знаний.

Именно возможность словесного описания полученных новых образов совместно с возможностью предметного закрепления новой информации позволило человечеству резко снизить процесс потери знаний и тем самым обеспечить наращивание знаний. Во всяком случае до сих пор, похоже, результат положительный.

Отметим, что другие способы «описания» нового образа при помощи жестов, мимики, звуков, по сравнению со словесным описанием имеют ограниченные возможности. Вербальное описание позволяет неограниченно формировать новые слова для новых образов.

Однако, слово на самом деле - не конкретный образ, а обобщение некоторых однотипных образов хотя и одного объекта. У различных людей неодинакова особенность словесного описания в процессе образования нового знания, которое впервые возникает в виде нового образа. Создается новый образ только на базе каких-то уже имеющихся в памяти старых образов.

Эти образы, хотя и описаны словами, но при решении какойлибо конкретной задачи, воспроизводятся мысленно в виде каких-то «каркасов» образов, причем, как уже сказано, неодинаковых у разных людей. Кстати, отсюда проблема для описания некоторого реального объекта для введения его в интеллектуальных системах (ИИ).

Вероятно, эта проблема легко решается в случаях, когда объект полностью, однозначно отражается образом, что характерно для математических задач, шахмат, карт и т.д. Чаще запись информации в мозге о некотором конкретном объекте, похоже достаточно индивидуализирована, и, в силу этого, довольно различна. Например, объект - дерево. Можно, с большой долей вероятности, по словесному описанию дерева, как дерева вообще, сказать, где вырос данный человек. Если он вырос в местах с еловым лесом, то дерево будет елью, если в зоне лиственных лесов, то дуб и так далее. Отсюда вывод, что индивидуальность представления объекта в памяти конкретного человека зависит от процесса его становления, воспитания. То же и при создании нового знания. Новое знание, как считается, возникает вначале как образное решение, а затем происходит его словесное описание или воплощение в объект, т.е. его информационное закрепление. Можно отметить, как минимум, два варианта возникновения нового знания. В большинстве случаев новое знание формируется в процессе решения какой-то поставленной задачи. При постановке задачи уже известно в словах ( иначе задачи просто не будет ) о каком-то предлагаемом или желаемом результате. Решение такой задачи как-то предполагалось заранее. К другому типу нового знания можно отнести решения, возникновение которых заранее не предполагалось. Можно назвать такое новое знание «абсолютно новым». В этом случае задача не могла быть поставлена, т.к. не было слов, хоть как-то описывающих это возможное знание. Похоже, в данном случае, процесс всегда случайный, поскольку новое знание возникает при осмысливании возникающего нового образа, пр ич ем не в пределах поставленной задачи. Производится попытка выяснения:

а что же получилось? Выбор нового образа для осмысления производится как бы из интереса, т.е. на основе эмоционального восприятия. Отсюда индивидуальность возникновения такого знания.

Мало того, что образы, на основе которых производится перебор с построением новых, индивидуальны, сам выбор нового образа для осмысления тоже индивидуален. Как набор образов в памяти связан с эмоциями конкретного человека, так и выбор для анализа тоже связан с эмоциями этого же человека. Характер эмоций, понятие интересного опять же формируется в процессе воспитания, становления человека.

Отсюда можно сделать следующие выводы. Создание искусственного мозга (ИМ), похоже, возможно при создании нового типа знания 1-го типа (с постановкой задачи) при однозначном отражении объекта в виде формул, символов и т.д. Кстати, как пример, уже имеются такие для решения шахматных задач. Похоже, невозможно создать ИМ для нового знания 2-го типа, когда требуется выхватить какой-то набор старых образов в виде нового и начать его осмысление по принципу:

понравился - не понравился. Причем часто первично новый образ — это еще не совсем новое знание, а только какая-то гипотеза, которая постепенно обкатываясь, обрастая фактами, может утвердиться, а может быть и отвергнутой. Набор факторов опять же случаен, характерен для информационной базы конкретного человека. В дальнейшем эти факты могут постепенно набираться из экспериментов, литературы. Не случайно, часто решение задачи откладывается на неопределенное время и может возникнуть в неопределенный момент при наложении на другой, снова случайный образ.

Возникает мысль, что, если удастся ИМ пройти жизненный путь какого-то Человека с становлением понятия 2 нравится - не нравится, то такой ИМ может и создаст новое знание. Однако, как угадать, чьи эмоции закладывать в ИМ. При этом придется ограничиться и набором фактов в памяти, так как память человека постоянно списывает какие-то «эмоциональные» факты. Допустим, что все же ради интереса можно попытаться создать подобный ИМ. Но тогда нужно решить проблему моделирования эмоциональности человека, не в последнюю очередь, связанной с процессом размножения.

Учитывая удовлетворения от общения с противоположным полом и т.п. Т.е. пока можно сказать, чтобы создать ИМ с возможностями создания «абсолютно» нового знания (2-го типа), фактически нужно воссоздать подобие какого-то конкретного человека с его эмоциональностью. Кажется, это просто бессмысленно, так как проще просто родить и вырастить человека как обычно, а ИМ можно рассматривать как приложение, дополнение к человеческому мозгу для ускорения процесса создания нового знания. Таким образом рассмотрены условия эволюции современного вида человека, в частности эволюцию нейросистемы, как подсистемы органов человека. Предложена одна из возможных моделей е развития.

Биологический подход возможно позволит проектировать более эффективные устройства обработки информации.

ПРИМЕНЕНИЕ НЕЙРОСЕТИ ДЛЯ КОРРЕКЦИИ

ПРОГНОЗИРУЮЩЕГО АЛГОРИТМА

В современных условиях хозяйствования требуется максимально расширить фронт прогнозирования, обеспечить дальнейшее совершенствование методологии и методики прогнозов.

Оценивая состояние предприятия эксперты анализируют, прежде всего, величину показателей и их динамику. В динамических системах такие показатели называют переменными состояния, а один из подходов к решению задачи прогноза базируется на применение фильтра Калмана, который и требует описание объекта в терминах пространства состояний.

В задачах калмановской фильтрации одной из проблем является получение модели исследуемого объекта, которую называют формирующим фильтром. Отличительной чертой многих этих источников информации об экономическом объекте является субъективизм. В этих условиях, для преодоления указанной проблемы предлагается подход, базирующийся на методах искусственного интеллекта.

Пусть имеется n показателей деятельности рассматриваемого предприятия, представленные вектором состояния X(t)=(x1(t), x2(t), …xn(t)), которые подлежат оценке. Переменные состояния связаны между собой векторно-матричным дифференциальным уравнением X’(t)=AX(t)+V(t), где квадратная матрица системы А содержит элементы aik (в общем случае зависящие от времени), i=1…n, k=1…n, VТ (t) = [ v1 (t), v2 (t),… vn (t)] – случайный процесс типа белый шум, моделирующий влияние различных факторов рыночной конъюнктуры.

Прогноз осуществляет фильтр Калмана, который формирует оценку Y(t) вектора состояния X(t) на основании сигнала измерений U(t) = C(t)X(t) + N(t), где C(t) – матрица измерений N(t) – шум измерений. Матрица C(t) отражает тот факт, что доступны для измерения могут быть не все компоненты вектора состояния, а лишь часть и по этой части будет оцениваться весь вектор X(t).

Для определения aij ранее предлагалось [1] использовать процедуру нечеткого вывода. В основе этой процедуры лежит база знаний, содержащая продукционные правила. Описанный подход требует знаний экспертов, для наполнения базы правил, которых бывает трудно найти в данный момент и реализация прогноза на конкретном предприятии в связи с этим наталкивается на затруднения.

Кроме того, построение алгоритма прогноза на основе фильтра Калмана требует помимо описания формирующего фильтра знания статистических характеристик возбуждающего сигнала V(t), шума измерений N(t) и начальных значений. В технических приложениях параметры шума измерений и возбуждающего сигнала могут быть измерены и рассчитаны, а вот для экономических процессов определение этих параметров вызывает определенные трудности.

В этих условиях предложено применить нечеткую нейронную сеть (ННС), которая позволяет сама извлекать знания из базы данных, хранящей статистическую информацию о прогнозируемом процессе, а также получать объяснение, как было получено то или иное решение.

Применение такого подхода позволяет отказаться от дорогостоящих услуг экспертов.

Использование ННС требует обучения, то есть необходимо задать большое количество наборов, содержащих значения входных переменных и соответствующие выходные переменные. Такой подход свойственен для обучения с учителем. В рассматриваемой ситуации он не срабатывает, так как мы не можем знать заранее значение элементов матрицы A(t), ведь для этого, собственно и применяется ННС. Поэтому здесь реализуется обучение без учителя, главной чертой которого является «самостоятельность».

Особенность рассматриваемого подхода заключается в том, что в качестве ошибки обучения сети выступает ошибка прогноза, на основании которой производится процедура оптимизации весов ННС.

Алгоритм работы заключается в следующем. Принимаются начальные значения элементов матрицы A(t) и рассчитывается оценка Y(t) вектора состояния X(t). Эта же матрица A(t) подается на вход сети.

На основании имеющихся статистических данных X об(t) об исследуемом объекте для текущего момента времени рассчитывается ошибка прогноза e(t) = f[(X об(t)- Y(t)] как некоторая функция от рассогласования сигналов. Ошибка e(t) используется для коррекции значений элементов матрицы A(t) таким образом, чтоб эта ошибка уменьшалась. В результате на выходе ННС получаем опять же матрицу A(t), но уже скорректированную, на основе которой проводится расчет выхода фильтра уже для следующего момента времени. Далее процесс повторяется до тех пор, пока ошибка не достигнет требуемого уровня или не перестанет уменьшаться. Получив в результате матрицу A(t) можно применять фильтр Калмана для прогноза текущих наблюдений.

Аналогично подстраивается модель шума измерений. Учитывая, что извлечение информации из базы данных и обучение сети проводится относительно быстро в современных компьютерных системах, можно достаточно оперативно учитывать изменения поведения экономического объекта.

Предложенный подход может найти применение в различных областях, где построение формирующего фильтра вызывает затруднения в виду особенностей предметной области.

1. Пучков А.Ю., Окунев Б.В. Получение модели экономического объекта [текст]. Сборник научных материалов конференции «Инфррматика: проблемы, методология, технологии». Воронеж:

Воронежский государственный университет, 2010. Т. 2. С. 146-147.

Харьковский национальный университет радиоэлектроники

ИССЛЕДОВАНИЕ ДИНАМИЧЕСКИХ ХАРАКТЕРИСТИК

ПАКЕТНОГО КОММУТАТОРА

С момента появления коммутатора, предложенного компанией Калпана в 1990 году, прошло не так уж много времени, но это коммуникационное устройство в настоящее время нашло широкое применение в сетях различного назначения. Объективная необходимость в создании коммутаторов была вызвана тем, что в конце прошлого столетия появились высокопроизводительные персональные компьютеры, нашедшие широкое применение в компьютерных сетях в качестве серверов и рабочих станций.

Применение высокоскоростных компьютеров в сетях позволило значительно повысить скорость передачи данных по сети. Для передачи высокоскоростного трафика между отдельными сегментами сети и нашли применение коммутаторы.



Pages:   || 2 | 3 |
Похожие работы:

«МЕЖДИСЦИПЛИНАРНАЯ АКАДЕМИЯ НАУК УКРАИНЫ СБОРНИК НАУЧНЫХ ТРУДОВ Первой Международной научно-методической конференции МЕЖДИСЦИПЛИНАРНЫЕ ИССЛЕДОВАНИЯ В НАУКЕ И ОБРАЗОВАНИИ Секция: Педагогические наук и Киев, 1 сентября 2012 Первая Международная научно-методическая конференция МЕЖДИСЦИПЛИНАРНЫЕ ИССЛЕДОВАНИЯ В НАУКЕ И ОБРАЗОВАНИИ МЕЖДИСЦИПЛИНАРНАЯ АКАДЕМИЯ НАУК УКРАИНЫ НАУЧНЫЙ ЦЕНТР СВЯЗИ И ИНФОРМАТИЗАЦИИ ВИТИ НТУУ “КПИ” Научно-исследовательская лаборатория МЕЖДИСЦИПЛИНАРНЫХ ИССЛЕДОВАНИЙ Военный...»

«Филиал ФГБОУ ВПО МГИУ в г. Вязьме Министерство образования и наук и РФ филиал федерального государственного бюджетного образовательного учреждения высшего профессионального образования Московский государственный индустриальный университет в г. Вязьме Смоленской области (филиал ФГБОУ ВПО МГИУ в г. Вязьме) Республика Беларусь г. Брест Брестский государственный технический университет Украина, г. Полтава Полтавский национальный технический университет имени Юрия Кондратюка МЕЖДУНАРОДНАЯ...»

«СТРУКТУРА ГОУ ВПО АЛТАЙСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ (по состоянию на 27.05.2010) Ректор 1. Конференция научно-педагогических работников, представителей других категорий работников и обучающихся 2. Учный совет 3. Ректорат 4. Первый проректор по экономике и финансам 5. Первый проректор по учебной работе 6. Проректор по научной работе и международным связям 7. Проректор по качеству образовательной деятельности 8. Проректор по учебной работе 9. Проректор по информатизации 10. Проректор по...»

«Отчет о Межведомственной научно-практической конференции ПСИХОЛОГИЧЕСКАЯ ПОМОЩЬ СОЦИАЛЬНО НЕЗАЩИЩЕННЫМ ЛИЦАМ С ИСПОЛЬЗОВАНИЕМ ДИСТАНЦИОННЫХ ТЕХНОЛОГИЙ (интернет-консультирование и дистанционное обучение) Факультет дистанционного обучения МГППУ и Федерация Психологов-Консультантов Онлайн 24-25 февраля 2011 г. провели Межведомственную научно-практическую конференцию Психологическая помощь социально незащищенным лицам с использованием дистанционных технологий (интернет-консультирование и...»

«ПРИКЛАДНАЯ ДИСКРЕТНАЯ МАТЕМАТИКА 2012 Аналитические обзоры №4(18) АНАЛИТИЧЕСКИЕ ОБЗОРЫ УДК 519.7 SIBECRYPT’12. ОБЗОР ДОКЛАДОВ Г. П. Агибалов, И. А. Панкратова Национальный исследовательский Томский государственный университет, г. Томск, Россия E-mail: agibalov@isc.tsu.ru, pank@isc.tsu.ru Приводится аналитический обзор лекций и докладов, представленных на Sibecrypt’12 XI Всероссийской конференции Сибирская научная школа-семинар с международным участием „Компьютерная безопасность и криптография“...»

«ВНИМАНИЕ! МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РФ Уважаемый участник: используйте Для участия в конференции с целью возмещения организацион- АКАДЕМИЯ ИНФОРМАТИЗАЦИИ ОБРАЗОВАНИЯ РФ ных расходов перечислить на КПП 583401001 ИНН 5834001770 УФК при оплате личных средств ОМСКИЙ ФИЛИАЛ ИНСТИТУТА МАТЕМАТИКИ по Пензенской области г. Пенза (ФГБОУ ВПО Пензенская ГСХА им. С.Л. Соболева СО РАН л/сч № 20556Х06830 ) ГРКЦ ГУ БАНКА РОССИИ по Пензенской UNIVERSITY OF NORTH CAROLINA AT CHARLOTTE, USA области г....»

«Новые технологии 6. Букринский В. А. Геометрия недр. – М.: Недра, 1985. – 521 с. 7. Шерифф Р., Гелдарт Л. Сейсморазведка. Т. 2. – М.: Мир, 1987. – 328 с. 8. Малинникова О. Н., Захаров В. Н., Филиппов Ю. А., Ковпак И. В. Геопространственное моделирование взаимодействия высотных зданий и сооружений с массивом горных пород // Горный инф.аналитич. бюллетень. Отд. вып. 11. Информатизация и управление-2. – М.: МГГУ, 2008. C. 59–66. 9. Ефимова Е. А., Пикус И. Ю., Якубов В. А. Использование методов...»

«НЕГОСУДАРСТВЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ДОПОЛНИТЕЛЬНОГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ САНКТ-ПЕТЕРБУРГСКИЙ ИНСТИТУТ ПРОЕКТНОГО МЕНЕДЖМЕНТА Сборник научных статей по итогам международной научно-практической конференции 28-29 марта 2014 года НОВЫЕ ТЕХНОЛОГИИ КАК ИНСТРУМЕНТ РЕАЛИЗАЦИИ СТРАТЕГИИ РАЗВИТИЯ И МОДЕРНИЗАЦИИ В ЭКОНОМИКЕ, УПРАВЛЕНИИ ПРОЕКТАМИ, ПЕДАГОГИКЕ, ПРАВЕ, КУЛЬТУРОЛОГИИ, ЯЗЫКОЗНАНИИ, ПРИРОДОПОЛЬЗОВАНИИ, БИОЛОГИИ, ЗООЛОГИИ, ХИМИИ, ПОЛИТОЛОГИИ, ПСИХОЛОГИИ, МЕДИЦИНЕ, ФИЛОЛОГИИ,...»

«СПИСОК ДОКЛАДЧИКОВ НА ПЛЕНУМЕ И КОНФЕРЕНЦИИ 5-9 ИЮНЯ 2012 Г. ДОКЛАДЫ ПЛЕНУМА 1. Белов Евгений Борисович Предложения об урегулировании в проекте федерального закона Об образовании в Российской Федерации особенностей подготовки кадров в области информационной безопасности 2. Шелупанов Александр Александрович, д.т.н., профессор, ТУСУР. Состояние системы подготовки кадров в области обеспечения информационной безопасности в СФО и ДВФО. 3. Алешников Сергей Иванович (Мышерин Александр Владиславович),...»

«ИНФОРМАЦИОННЫЙ БЮЛЛЕТЕНЬ АССОЦИАЦИИ ИСТОРИЯ И КОМПЬЮТЕР ИНФОРМАЦИОННЫЕ РЕСУРСЫ, ТЕХНОЛОГИИ И МОДЕЛИ РЕКОНСТРУКЦИИ ИСТОРИЧЕСКИХ ПРОЦЕССОВ И ЯВЛЕНИЙ СПЕЦИАЛЬНЫЙ ВЫПУСК МАТЕРИАЛЫ XII КОНФЕРЕНЦИИ АССОЦИАЦИИ ИСТОРИЯ И КОМПЬЮТЕР МОСКВА, 2224 ОКТЯБРЯ 2010 г. Издательство Московского университета 2010 ББК 63ф1я431 И665 Издание осуществлено при поддержке гранта РФФИ, проект №10-06-06184-г Редакционный совет: к.и.н. В.Ю. Афиани (Москва), к.и.н. С.А. Баканов (Челябинск), ст.преп. Е.Н. Балыкина (Минск),...»

«АССОЦИАЦИЯ ИСТОРИЯ И КОМПЬЮТЕР МОСКОВСКОЕ ГОРОДСКОЕ ОБЪЕДИНЕНИЕ АРХИВОВ КРУГ ИДЕЙ: РАЗВИТИЕ ИСТОРИЧЕСКОЙ ИНФОРМАТИКИ ТРУДЫ II КОНФЕРЕНЦИИ АССОЦИАЦИИ ИСТОРИЯ И КОМПЬЮТЕР Издательство Московского городского объединения архивов Москва, 1995. ББК 73. К84. Редакционный Совет: д.и.н. Ю.П. Бокарев (Москва), д.и.н. Л.И. Бородкин (Москва), к.и.н. В.Н. Владимиров (Барнаул), к.т.н. З.О. Джалиашвили (Санкт-Петербург), С.М. Завьялов (Москва), к.и.н. Е.В. Злобин (Москва), д.и.н. С.Г. Кащенко...»

«№16, том 27. 2011 К 150-летию создания теории химического строения органических соединений Теория химического строения – “.одно из наиболее содержательных и могучих обобщений, касающихся природы Вселенной, ISSN 2074-0212 когда-либо делавшихся человеком. Лайнус Полинг y = (W, J, PI, AE ) 350 Tпл, K 325 I 300 R=0.999 II 250 R=0. a IX 0,05 0,10 0,15 0,20 0,25 0, JW = МW2/ ISSN 2074- International Edition in English: Butlerov Communications Полная исследовательская публикация Тематический раздел:...»

«Министерство образования и наук и РФ Московский государственный университет экономики, статистики и информатики (МЭСИ) Учебно-методическое объединение III НАУЧНО-ПРАКТИЧЕСКАЯ КОНФЕРЕНЦИЯ МОЛОДЫХ УЧЕНЫХ ИННОВАЦИОННОЕ РАЗВИТИЕ РОССИЙСКОЙ ЭКОНОМИКИ Материалы конференций Москва, 2012 1 Материалы конференции. V научно-практическая конференция Инновационное развитие российской экономики // Московский государственный университет экономики, статистики и информатики – М., 2012. Сборник составлен по...»

«Примерная образовательная программ (ПООП) дает рекомендации ВУЗам для разработки и проектирования Основной образовательной программы (ООП) каждым ВУЗом по направлению Прикладная математика и информатика, степень (квалификация) бакалавр. 1. Задачи профессиональной деятельности бакалавров Бакалавр прикладной математики и информатики в результате освоения образовательной программы должен решать следующие профессиональные задачи, соответствующие основным видам профессиональной деятельности и...»

«Сахалинский государственный университет САХАЛИНСКАЯ МОЛОДЕЖЬ И НАУКА Межвузовский сборник научных статей Южно-Сахалинск 2009 УДК 378(578.64) ББК 74.58(2Рос-4Сах) С 22 Печатается по решению научно-экспертного совета Сахалинского государственного университета, 2009 г. С 22 Сахалинская молодежь и наук а: межвузовский сборник научных статей / Сост. и отв. ред. Л. Н. Конюхова. – Южно-Сахалинск: СахГУ, 2009. – 300 с. ISBN 978-5-88811-290-8 В сборнике материалов конференции Сахалинская молодежь и...»

«ВОРОНЕЖСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ ЛИПЕЦКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ ВОЛОГОДСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ БАКИНСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ВОРОНЕЖСКИЙ ЭКОНОМИКО-ПРАВОВОЙ ИНСТИТУТ СОВРЕМЕННЫЕ ПРОБЛЕМЫ ИНФОРМАТИЗАЦИИ В МОДЕЛИРОВАНИИ И АНАЛИЗЕ СЛОЖНЫХ СИСТЕМ Сборник трудов Выпуск 12 (по итогам XII международной открытой научной конференции) Издательство Научная книга Воронеж - СПИ-МА- ББК 32. С Современные проблемы информатизации в моделировании...»

«НАУКА XXI ВЕКА: НОВЫЙ ПОДХОД Материалы IX молоджной международной научно-практической конференции студентов, аспирантов и молодых учных 8-9 апреля 2014 года г. Санкт-Петербург УДК 001.8 ББК 10 Научно-издательский центр Открытие otkritieinfo.ru Наука XXI века: новый подход: Материалы IX молоджной международной научно-практической конференции студентов, аспирантов и молодых учных 8-9 апреля 2014 года, г. СанктПетербург. – North Charleston, SC, USA: CreateSpace, 2014. – 173 с. Science of XXI...»

«Федеральное агентство по образованию Государственное образовательное учреждение высшего профессионального образования Пермский государственный технический университет Лысьвенский филиал МОЛОДЕЖНАЯ НАУКА ГОРНОЗАВОДСКОГО РЕГИОНА ПЕРМСКОГО КРАЯ – 2009 Сборник тезисов докладов студентов Лысьва 2009 УДК 378:001 М75 Приведены тезисы докладов студентов по естественным, техническим, гуманитарным и социально-экономическим наук ам, представленные на VII научнопрактической конференции Молодежная наука...»

«Министерство образования РФ Министерство образования Московской области Институт ЮНЕСКО по информационным технологиям в образовании Computer Using Educators, Inc., USA Федерация Интернет Образования Центр новых педагогических технологий Московский областной общественный фонд новых технологий в образовании Байтик Материалы XIV Международной конференции Применение новых технологий в образовании 26 – 27 июня 2003 г. Троицк Материалы XIV Международной конференции Применение новых технологий в...»

«2 ОРГКОМИТЕТ КОНФЕРЕНЦИИ ПО НАПРАВЛЕНИЯМ 11 – 13 1. Зайцев В.В., проректор по научной работе ВГСПУ – председатель; 2. Спиридонова С.Б., начальник управления научно-исследовательских работ ВГСПУ – зам. председателя; 3. Бородина Т.С., начальник отдела научных программ, грантов и проектов ВГСПУ; 4. Сторчилов П. А., аспирант кафедры теории и методики обучения физике и информатике ВГСПУ; 5. Кривошапова А.С., аспирант кафедры английской филологии ВГСПУ. Конференция по направлениям 11-13 будет...»









 
2014 www.konferenciya.seluk.ru - «Бесплатная электронная библиотека - Конференции, лекции»

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.