WWW.KONFERENCIYA.SELUK.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА - Конференции, лекции

 

Pages:   || 2 | 3 |

«Материалы Всероссийской научно-практической конференции Прикладная информатика и компьютерное моделирование г.Уфа, 25-28 мая 2012 г. Том 1 А-В Уфа 2012 1 УДК 004 Материалы ...»

-- [ Страница 1 ] --

Башкирский государственный педагогический

университет им. М. Акмуллы

Уфимский научный центр РАН

Академия наук

Республики Башкортостан

Институт математики с вычислительным центром

Уфимского научного центра РАН

Институт профессионального образования и

информационных технологий

Материалы

Всероссийской научно-практической конференции

"Прикладная информатика и

компьютерное моделирование"

г.Уфа, 25-28 мая 2012 г.

Том 1 А-В Уфа 2012 1 УДК 004 Материалы Всероссийской научно-практической конференции "Прикладная информатика и компьютерное моделирование" г.Уфа, 25-28 мая 2012 г. Том 1. Уфа: БГПУ им.М.Акмуллы, 2012. 120с.

Конференция поддержана Российским фондом фундаментальных исследований (грант №12-07-06024-г) Официальный спонсор конференции:

ООО "Интегрированная транспортная сеть" © Коллектив авторов, © БГПУ им.М.Акмуллы, Абдрахманов А.А., Старцев Е.С., Алексеева М.Л.

г. Уфа, УГНТУ Разработка архитектуры системы электронного документооборота ВУЗа На сегодняшний день затраты на информационные технологии занимают всё большую и большую долю от числа общих затрат организации. Для того чтобы оптимизировать затраты в этой области используются понятия архитектура и стратегия, которая связывает состав, назначение, качество ИТ-инфраструктуры со стратегией и перспективами развития организации.

Модели описывают архитектуру организации на различных уровнях абстракции, которые соответствуют «взглядам» на предприятие различных категорий людей. Процесс условно отображен на рисунке 1, в котором каждое пересечение представляет возможную модель для каждого домена архитектуры и каждого уровня абстракции.

Рисунок Основная идея заключается в том, чтобы обеспечить возможность последовательного рассмотрения каждого отдельного аспекта системы в координации со всеми остальными.

Рассматривая специфику высшего учебного заведения необходимо отметить, что ВУЗ является консервативной средой, в которой основные процессы организации учебного процесса остались неизменными. Таким образом, домены бизнес-архитектуры и архитектуры информации не предполагают серьезных изменений и модернизаций.

Одновременно ВУЗ готовит специалистов по современным направлениям развития общества, т.е. с одной стороны среда консервативна, но с другой требует развития моделей.

Анализ возможностей создания системы электронного документооборота в контексте архитектуры показал, что ключевым звеном является архитектура информации. В этом случае, для создания электронного документооборота ВУЗа необходимо будет разработать унифицированные классы «кафедра», «деканат», «ректорат». Это позволит использовать систему и в других учебных заведениях.

1. Данилин А., Слюсаренко А. Архитектура и стратегия. Инь и янь информационных технологий предприятия // М. Интернет-Ун-т Информ. Технологий, 2005. – 504 с.

2. Анодина, Н.Н. Документооборот в организации: практ. пособие // Н.Н. Анодина. – 3-е изд., перераб. и доп. – М.: Омега-Л, 2009. – 173 с 3. Macaulay А. Enterprise Architecture Design and the Integrated Architecture Framework. Journal 1. Microsoft Architecture Journal ЕМЕАEdition, Jаnuаry 4.Вuсhаnаn R., Soley R. Аligning Еntеrрrisе Architecture аnd IТ Invеstmеnts with Corporate Goals, Для контактов:

Абдрахманов А.А., г. Уфа, УГНТУ, art20@mail.ru.

Старцев Е.С., г. Уфа, УГНТУ, StartsevES@gmail.com.

Алексеева М.Л., г. Уфа, УГНТУ, AlekseevaM.L@ya.ru.

Факторы развития информационной компетентности будущего педагога по физической культуре и спорту Использование современных информационных технологий становиться одним из основных компонентов профессиональной подготовки любого специалиста, в том числе и в области физической культуры и спорта. Из этих предпосылок вытекают принципиально новые задачи для преподавателей в области физической культуры.

Они предъявляют повышенные требования к материальнотехническому и методическому обеспечению учебного процесса, которые необходимы для развития информационной компетентности специалистов по физической культуре и спорту.

Сегодня мы рассматриваем компетентность как новое качество субъекта деятельности, проявляющееся в способности системного применения знаний, умений и позволяющее успешно решать различные проблемы, практические задачи в социальном, профессиональном и личностном контексте. В данном случае компетентность выражается как объективный результат освоения компетенций конкретной личностью.

Информационная компетентность же является одной из ключевых. Требование, которое социум предъявляет к профессиональной деятельности современных специалистов области физической культуры и спорта возросли. Индивидуальность специалистов и профессиональность деятельности, особенности мотивации в совершенствовании будущих педагогов в области физической культуры мы рассматриваем в развитии своей информационной компетентности.

Развитие информационной компетентности осуществляется при помощи реальных объектов (телевизор, магнитофон, телефон, факс, компьютер, принтер, модем, копир) и информационных технологий (аудио- видеозапись, электронная почта, СМИ, Интернет), в которых у будущего педагога в области физической культуры формируются умения самостоятельно искать, анализировать и отбирать необходимую информацию, организовывать, преобразовывать, сохранять и передавать ее. Данная компетенция обеспечивает навыки деятельности студентов по отношению к информации, содержащейся в учебных предметах в образовательной области и в окружающем мире.



Процесс внедрения информационных технологий в систему подготовки специалистов по физической культуре и спорту имеет некоторые сложности, вызванные объективными и субъективными причинами, среди которых следует выделить:

- отсутствие научно обоснованных концепций и программ информатизации системы непрерывной подготовки специалистов по физической культуре и спорту;

- недостаточную развитую материально – техническую базу, отсутствие информационно–образовательной среды в большинстве образовательных учреждений физической культуры;

- относительно невысокий уровень информационной культуры и технологической подготовленности специалистов в области физического воспитания и спорта.

На современном этапе происходит активное изменение содержания средств физической культуры и спорта в практику. А именно вводяться новые мало изученные нетрадиционные средства обучения, что вызывает необходимость пересмотра требований к содержанию профессиональной подготовки специалистов по физической культуре и спорту на основе новых и современных информационных технологий, для освоения которых необходим аппаратный и программный учебный комплекс.

теоретического изучения, в которых использование информационных технологий очень удобно и доступно имеет широкое применение. А аппаратный комплекс имеет более специализированное применение, порой недоступное будущему педагогу, а только предназначен для обслуживания администратором, что в корне изменяет структуру и содержание задач физкультурного образования.

Исходя из выше сказанного, мы видим одну из главных задач профессионального образования в совершенствовании содержания и технологии обучения, связанного с использованием информационных технологий, а также в расширении возможностей самостоятельной работы студентов как одной из форм формирования информационной компетентности.

информационной компетентности будущего педагога в области физической культуры начинается с первого курса обучения. По всем предметам студенты выполняют индивидуальные и групповые задания с использованием информационных технологий. Примером является создание презентаций, выполнение рефератов, докладов используя Интернет-ресурсы, цифровая видеосъемка упражнений, подготовка судейской документации и обработка результатов соревнований, а также выполнений презентаций курсовых и выпускной квалификационных работ.

В связи с этим научное творчество студентов приобретает все большее значение и превращается в один из необходимых компонентов профессиональной подготовки будущих специалистов в области физической культуры. Для этого нужна и важна специальная подготовка будущих педагогов с учетом компетенции в данной области.

Используемые на уроке мультимедийные презентации, фото и видео материалы повышают мотивацию к изучению учебной дисциплины, активизируют внимание студентов и формирует информационную компетентность. А использование Интернет– ресурсов усиливает освоение учебного процесса и дает возможность быть в курсе последних достижений науки и профессиональной деятельности будущих специалистов в области физической культуры и спорта.

С целью изучения отношений студентов к информационным технологиям и использованием их в учебно-профессиональной деятельности был проведён констатирующий эксперимент. В анкетировании будущих педагогов в области физической культуры и спорта приняло участие 50 человек. Анкета состояла из 4 вопросов, на каждый из них даны два варианта ответа «да» и «нет». Результаты проведенного анкетирования представлены в таблице 1.

Информационная компетентность?

В последние годы информатизация современного общества обретает все новые и новые масштабы с каждым днем. Самое главное, что на сегодняшний день с использованием самых современных информационных технологий подготовка профессиональных спортсменов и квалифицированных специалистов в области физической культуры и спорта возрастает. В ходе работы будущий педагог сталкивается с различными проблемами профессиональной направленности. Ни для кого не секрет, что далеко не все Российские спортивные школы и вузы могут позволить себе современное информационное оборудование, более того, не во всех классах, не у всех студентов есть компьютер с выходом в интернет. И, хотя темпы модернизации оборудования в вузах крайне впечатляют, на наш взгляд, они еще недостаточно отвечают требованиям качественного современного образования. Однако делается все возможное, что бы это преодолеть. Поэтому в развитии России как государства, информатизация сферы физической культуры и спорта должна являться далеко не последним пунктом. Этому способствует повышение информационной компетентности у будущих педагогов в области физической культуры и спорта.

Список литературы:

1. Зайцева О. Б. Формирование информационной компетентности будущих учителей средствами инновационных технологий : автореф.

… канд. пед. наук. – Брянск, 2002. – 19 с.

2. Семёнов А. Л. Роль информационных технологий в общем среднем образовании. – М.: Издво МИПКРО, 2000. – 112 с.

3.Суменков Ф.А. Информационная компетентность в формировании профессионализма специалистов по ЛФК и массажу // « Психолого – педагогические и медико–биологические проблемы физической культуры и спорта»:материалы научно-практической конференции / под ред.И.В.Трофимовой, И.Р.Вашляевой,М.Г, Фарантова. Екатеринбург:,ЕФ УралГУФК, 2011. -207с.





4. Таирова Н. Ю. Развитие информационноисследовательской компетентности преподавателя педагогического университета :

автореф. … канд. пед. наук. – Калининград, 2001. – 19 с.

Аболмазова Н.В., Серповская Е.Е., Дегтярева О.А.

Самарский государственный аэрокосмический университет имени академика С.П. Королева (национальный исследовательский Проекционное оценивание плотности вероятности в ортогональных базисах К многопараметрическим методам аппроксимации плотности вероятности относятся гистограммный метод, аппроксимативный подход, например, сглаживание гистограммы с помощью сплайнов и линейно-независимых систем функций (в частности, системы ортогональных функций). К последним относятся гистограммноаппроксимационный метод и метод проекционного оценивания, впервые предложенный Ченцовым Н.Н.

Не для каждой задачи целесообразно использовать гистограммно-аппроксимационный метод [1]. В ряде случаев можно использовать проекционное оценивание плотности вероятности.

Особенностью проекционного метода является расчет коэффициентов разложения по базису [2]. Методика расчета коэффициентов, обеспечивающих гладкое склеивание [3], является аналогичной методике расчета, использующейся в гистограммноаппроксимационном методе.

Для исследования описанного метода аппроксимации плотности вероятности была спроектирована и разработана автоматизированная подсистема проекционного оценивания плотности вероятности, позволяющая получить проекционную оценку плотности вероятности в ортогональных базисах Лагерра, Лежандра и Дирихле. Данная подсистема входит в состав автоматизированной системы аппроксимации плотности вероятности в ортогональных базисах.

Было подробно описано исследование зависимости погрешности от масштабирующего коэффициента при заданном числе слагаемых в аппроксимирующей сумме, которое позволила провести разработанная система для проекционного метода, отмечен ряд особенностей проекционной оценки.

Также в работе приведены графики исследования зависимости погрешностей от числа слагаемых в аппроксимирующей сумме.

Основной вывод исследования – для фиксированного объема выборки существует число слагаемых в аппроксимирующей сумме, превышение которого не уменьшает погрешность восстановления теоретической плотности вероятности. Подобные исследования были проведены для многих одномодальных законов распределения, которые выявили закономерности соотношения объема выборки и числа слагаемых.

Результаты исследований, полученные в ходе работы, предполагается дополнить анализом аппроксимации плотности вероятности проекционным методом многомодальных законов распределения, а также сравнительным анализом проекционного и гистограммно-аппроксимационного методов.

1. Дегтярева О.А., Аболмазова Н.В., Серповская Е.Е.

Восстановление плотности вероятности методом сглаживания гистограммы в ортогональных базисах. Сборник статей V Международной научно-практической конференции "Научное творчество XXI века" – Красноярск: Изд. Научно-инновационный центр, 2012. – с. 220-228.

2.Деврой Л., Дьерфи Л. Непараметрическое оценивание плотности. L1 – подход. Пер. с англ. – М.: Мир, 1988. – 408 с.

3.Дегтярева вероятности в ортогональных базисах, определенных на полуоси.

Труды международного симпозиума "Надежность и качество–2007" – Пенза: ПГУ, 2007.

4.Прохоров С.А., Дегтярева О.А. Автоматизированная система аппроксимативного анализа законов распределения случайных процессов. Вестник Самарского Государственного Технического Университета. Выпуск 33. Серия “Технические науки”. – Самара:

СамГТУ, – 2005. – с. 335-340.

Для контактов:

Аболмазова Н.В., г.Самара, Самарский государственный аэрокосмический университет, abolmazovanatalia@gmail.com.

Серповская Е.Е., г.Самара, Самарский государственный аэрокосмический университет, elenka220890@mail.ru.

Дегтярева О.А., г.Самара, Самарский государственный аэрокосмический университет, olgalexd@mail.ru.

Аглиуллин А.А., Нигматзянова А.Р.

г.Уфа, Башкирский государственный педагогический Моделирование дорожных перекрестков Первый раздел Моделирование — изучение объектов познания с помощью их моделей; построение и изучение моделей реально существующих предметов, процессов или явлений с целью получения объяснений этих явлений, а также для предсказания явлений, интересующих исследователя. Слишком часто многие, в том числе важные и масштабные решения принимаются на основе интуиции, надежды на свою удачу и зачастую они оказываются ошибочными, что и приводит нас к необходимости моделирования.

В настоящее время в связи с увеличением числа машин на улицах городов остро встает проблема регулирования перекрестков.

Для решения задач такого типа широко используется средства имитационного моделирования. Особое место здесь занимает среда моделирования имитационных моделей в Anylogic. Её несомненные преимущества – высокая производительность при разработке программ, широкий набор функциональных возможностей среды и языка программирования.

Второй раздел На рисунке представлена модель перекрестка, построенная с помощью языка программирования AnyLogic. Дорога построена на основе шаблона Дискретно-событийного моделирования. Потоковая диаграмма, показанная на рисунке в нижнем левом углу отвечает за движение машин. Рассмотрим некоторые элементы данной диаграммы:

Source – создает заявки, в настраиваемые моменты времени.

Queue – хранит заявки в определенном порядке. Моделирует очередь заявок, ожидающих приема объектами, следующими за ним в потоковой диаграмме.

Sink – уничтожает поступившие заявки. Обычно используется в качестве конечной точки потока заявок.

Для моделирования остановки автомобилей на красный свет необходимо в диаграмму установить элемент, останавливающий движение заявок – hold. Этот объект блокирует/разблокирует поток заявок на определенном участке блок-схемы. Если объект находится в заблокированном состоянии, то заявки не будут поступать на его входной порт, и будут ждать, пока объект не будет разблокирован.

Чтобы смоделировать работу светофора, который будет регулировать движение автотранспорта, требуется разработать конечный автомат. Чтобы построить конечный автомат, нужно создать стейтчарт AnyLogic с помощью инструментов палитры «Диаграмма состояний». На рисунке в правом нижнем углу расположены два стейтчарта, организующих работу светофор для машин и пешеходов.

1. Блок, А.А. Курс лекций по дисциплине Моделирование систем:

Учебное пособие [Текст] / Блок А.А. - Архангельск: Изд-во Арханг.

гос. техн. ун-та, 2009.-96 с.

2. Карпов, Ю.Г. Имитационное моделирование систем. Введение в моделирование с AnyLogic 5: Учебное пособие [Текст] / Карпов, Ю.Г.

– СПб.: Изд-во БХВ-Петербург, 2005.-400 с.

3. Влацкая, И.В. Моделирование систем массового обслуживания:

методические указания к расчетно-графическим работам [Текст] / Влацкая И.В., Татжибаева О.А. – Оренбург: Изд-во ГОУ ОГУ, 2005.с.

4. Википедия [Электронный ресурс] // AnyLogic. – Режим доступа:

http://ru.wikipedia.org/wiki/AnyLogic, свободный 5. Словари и энциклопедии на Академике [Электронный ресурс] // http://dic.academic.ru/dic.nsf/ruwiki/602198/.

Для контактов:

Аглиуллин А.А., г.Уфа, БГПУ им. М.Акмуллы, azmon91@mail.ru.

Нигматзянова А.Р., БГПУ им. М.Акмуллы, aiiiccc@mail.ru.

Адрова Л. С., Миронов А. П., Поляк Р. И.

г. Оренбург, ФБГОУ Оренбургский государственный университет Создание экспертной системы с продукционной моделью базы знаний для различных предметных областей Экспертная система – это вычислительная система, в которую включены знания специалистов о некоторой узкой предметной области в форме базы знаний.

В настоящее время экспертные системы используются для решения различных типов задач в самых разнообразных проблемных областях, таких, как финансы, нефтяная и газовая промышленность, энергетика, транспорт, фармацевтическое производство, космос, химия, образование, телекоммуникации и связь и др.

Экспертные системы могут функционировать на различных принципах. При разработке собственной экспертной системы мы выбрали продукционную модель базы знаний. Выбор этой модели обоснован простотой создания и понимания отдельных правил, а также простотой механизма логического выбора.

Факты базы знаний можно условно разделить на два типа:

нетерминальные и терминальные (целевые). Нетерминальные факты могут быть использованы как в посылке, так и в заключении правил.

Целевые факты используются только в заключении и означают достижение цели.

В рамках данной работы нетерминальный факт представляется в виде «атрибут = значение», а терминальный – «aim = значение цели».

Каждый атрибут описывается отдельно в базе знаний. Он характеризуется следующим набором свойств: имя атрибута, список возможных значений, вопрос, пояснение к вопросу.

Каждая цель также описывается отдельно в базе знаний. Она характеризуется двумя свойствами – значение цели и пояснение к значению. Значение цели используется при формировании целевых фактов.

Правила имеют вид: «если факт1, факт2, …, фактN, то факт0».

Факты, записанные в посылке правила могут быть связаны только конъюнкцией.

Существуют различные алгоритмы вывода целей. В данной работе логический вывод осуществляется от исходных фактов к целям. Для рассматриваемой предметной области был выбран логический вывод методом поиска в глубину.

В данной работе была спроектирована и разработана универсальная экспертная система с продукционной моделью базы знаний. Ее работа продемонстрирована на примере базы знаний по алгоритмам, используемым при решении нестандартных и олимпиадных задач. Создана база знаний мест отдыха в Оренбурге.

Кроме того, было реализовано добавление xps-файлов к вопросам и целям базы знаний.

В дальнейшем планируется развивать данную тему, усовершенствовать базу знаний, интерфейс программы, а также разработать новые базы знаний на основе других типов моделей.

Разработанная универсальная экспертная система может быть использована в учебных целях при изучении студентами математического факультета ОГУ таких дисциплин, как «Экспертные системы» и «Системы искусственного интеллекта».

неформализованных задач в диалоге с ЭВМ / Э. В. Попов. – М.:

Наука, 1987. 283 с.

Татжибаева, О. А. Разработка экспертных систем:

метод. указания к расчет.– граф. работе по дисциплине "Системы искусственного интеллекта" / О. А. Татжибаева. – Оренбург: ГОУ ОГУ, 2005. 31 с.

г.Астрахань, Астраханский Государственный Технический Коррекция грамматических ошибок в Автоматическая коррекция орфографических ошибок эффективное средство минимизации опечаток и их исправлений при вводе данных. Орфографически-ошибочным словом называется буквенная цепочка, полученная некоторым преобразованием из словоформы некоторой лексемы, принадлежащей естественному языку. Под исправлением ошибки в таком слове называется установление исходной словоформы.

Опечатками называются ошибки, связанные с поверхностным, буквенным представлением слова, то есть с искажениями непосредственно буквенной цепочки, представляющей словоформу.

С целью объяснения и исправления ошибок выделяется некоторый класс элементарных искажений. Например, замена одной буквы на другую, перестановка гласной буквы через согласную, сдвиг руки на одну позицию при набивке части слова на клавиатуре.

Сложными называются ошибки, являющиеся комбинацией нескольких элементарных. Например, замена двух букв в одном слове.

Элементарное искажение называется локальным, если оно по определению затрагивает небольшой отрезок буквенной цепочки, например, не больше трех букв. Цепочка называется словом с одиночной ошибкой, если она содержит только одно элементарное искажение. Одиночные ошибки составляют около 90% всех искажений в текстах. К таким опечаткам может быть сведено и большинство грамматических ошибок.

Коррекцию ошибок можно условно разделить на два этапа:

диагностика и непосредственное исправление ошибки. Таким образом, процесс коррекции ошибок в буквенной цепочке выглядит следующим образом:

Составление словаря, состоящего из токенов, имеющих значение для алгоритма диагностики (не обязательно точное разбиение на морфемы).

предположительно содержащего ошибку.

Коррекция ошибки в токене с помощью алгоритма исправления ошибки.

В качестве алгоритма исправления ошибки был рассмотрен расстояние Дамерау-Левенштейна, который даёт очень хорошие результаты при коррекции, однако имеют линейную сложность зависимости от словаря. Расстояние Дамерау — Левенштейна (Damerau — Levenshtein distance) между двумя строками, состоящими из конечного числа символов — это минимальное число операций вставки, удаления, замены одного символа и транспозиции двух соседних символов, необходимых для перевода одной строки в другую. Является модификацией расстояния Левенштейна, отличается от него добавлением операции перестановки. Расстояние Дамерау — Левенштейна является метрикой. Метод динамического программирования позволяет найти расстояние Дамерау — Левенштейна между двумя строками затратив сравнительно небольшое количество вычислительных ресурсов.

Для обоснования выбора данного алгоритма рассмотрим специфику моей задачи. Для формирования отчёта система запрашивает от пользователя сведения об извлекаемых данных.

Сотрудник кадастровой палаты выбирает интересующую информацию из списка параметров. Списком параметров является набор сведений, который может получить пользователь, имеет в объёме несколько сотен словоформ, по сути, является словарём системы. Решение вводить параметры с клавиатуры основано на том, что пользователю выбирать из списка в несколько сотен крайне неудобно, и быстрее напечатать интересующую информацию.

Пользователь может ввести данные только из списка параметров, поэтому словарь получается ограниченным, то есть введённая сотрудником кадастровой палаты словоформа точно должна находиться в словаре, это основное отличие от множества других систем, к примеру, текстового редактора, где могут встречаться последовательности не входящие в словарь. Выбранный алгоритм идеально подходит для реализации, так как малый словарь производит не существенное влияние на производительность системы, всегда находится наиболее подходящая словоформа, учитываются наиболее частые ошибки, и простота реализации.

Алгоритм расстояние Дамерау — Левенштейна обладает одной важной особенностью – цена операции. Цены операций могут зависеть от вида операции (вставка, удаление, замена, перестановка) и от участвующих в ней символов, отражая разную вероятность ошибок при вводе текста. Наиболее логично написать отдельные функции для определения цены каждой ошибки. В определении цены замены символа учитывается, какой символ был и каким стал. Используя эту функцию можно учесть промахи по клавишам, то есть цена ошибки при нажатии на клавиши близкой с требуемым символом, будет значительно ниже при ошибке с другими символами, а также нужно уменьшить цену при орфографической ошибке, например, когда в место «а» стоит «о» или «т» - «д».

Частая ошибка при вводе – символ, идущий несколько раз подряд. Возникает по двум причинам: орфографическая, пользователь не знает правильное написание слова, или опечатка, передержал клавишу. Так как задачей системы, является не привести, введённую словоформу, соответственно правилам русского языка, а определить какие данные нужно получить из базы данных, то все символы, повторяющиеся несколько раз в словоформе, стоит заменить одни символом, что повысит производительность и эффективность метода для текущей задачи.

подстраивающиеся под конкретного пользователя. Изначально система будет иметь цены, которые отвечают среднестатистическим данным. Однако, анализируя ошибки конкретного пользователя, она может понижать, если пользователь часто делает подобную ошибку, или повышать, в противоположном случае, цену операции.

г.Пенза, Пензенский государственный университет Онтологический подход и информационноаналитическая система мониторинга деятельности кафедры Введение Из года в год растёт число различного рода отчётов, справок и прочей документации, которую высшему учебному заведению необходимо предоставлять в различные организации. В связи с этим во многих ВУЗах России внедряются или уже внедрены различных информационные системы управления и документооборота.

Использование подобной технологической платформы позволяет значительно увеличить время разработки информационных систем, но значительно повышает их стоимость. Это особенно заметно при использовании продукции компании Oracle [1]. Не у всех ВУЗов есть материальные ресурсы для закупки подобных систем, поэтому часто встречается, так называемая, «островная» автоматизация, при которой автоматизируются лишь отдельные аспекты деятельности ВУЗа, чаще всего деятельность приёмной комиссии и деканатов. В таком случае деятельности кафедры остаётся не автоматизированной. В связи с этим задача разработки и внедрения информационных систем управления кафедрой и формирования отчётной документации видится весьма актуальной.

Для комплексного описания системы используются онтологический подход. Основной причиной применения онтологического подхода при разработке системы явился тот факт, что онтологии позволяют повторно использовать одно и то же описание в различных задачах разработки, эксплуатации и сопровождения [2].

Онтологии информационно-аналитической системы Онтология – по определению Грубера, есть спецификация концептуализации, формализованное представление основных понятий и связей между ними [3]. Базовой онтологией в информационной системы мониторинга деятельности кафедры является Object. Экземпляров данной онтологии не существует в рамках системы, так как для него не определен ни один атрибут, кроме уникального идентификатора. Все онтологии наследуются от Object, т.е. фактически являются его экземплярами.

Все экземпляры Object отличаются друг от друга по имени, в рамках системы имя является уникальным.

При создании системы было выделено три основные области онтологии: предметная область, область управления и область инфраструктуры.

К основным онтологиям предметной области относятся: «Кафедра», «Сотрудник», «Студент», «Дисциплина», «Специальность», «Образовательная программа», «План», «Научно-исследовательская работа», «Публикация», «Деятельность студента», «Деятельность сотрудника», а также те онтологии, с которыми связаны через атрибуты, базовые понятия.

К основным понятиям области управления относятся: «Простой процесс», «Составной процесс», «Условие», «Событие», «Тип события».

Простой процесс — онтология, использующаяся для описания элементарной деятельности. Для описания более сложной деятельности используется составной процесс. Для описания параллельной деятельности используется составной процесс, в котором присутствует, по крайней мере, один простой или составной процесс и одно условие. Простой и составной процесс в качестве атрибутов имеют название, описание и цель процесса.

События имеют свойства, описывающие связи события с различными понятиями, дату и время генерации события, пользователя, чьи действия вызывают генерацию события, период действия события.

Событие может генерироваться не для любого экземпляра понятия, а лишь для определенных экземпляров, которые можно выделить, используя условия.

К основным понятиям области инфраструктуры относятся: «Сервер», «База данных», «Источник данных», «Пользователь», «Роль», «Модуль», «Фильтр», «Беспроводная сеть».

Заключение Применение онтологического подхода при создании системы позволило описать составляющие системы мониторинга и их взаимосвязи на языке понятном человеку, что значительно повысило адаптивность и адаптируемость информационной системы, а также позволило получить документированное решение.

1. Акимов А. А. Выбор программной платформы для информационноаналитической системы мониторинга деятельности кафедры // Математические методы и интеллектуальные системы в экономике и образовании: материалы Всероссийской заочной научно-практической конференции. - Ижевск: УдГУ, декабрь 2011.- С.52-55.

2. Fellbaum C., Bennett B. Formal Ontology in Information Systems. – US: IOS Press, 2006. – 374 p.

3. Крюков В. В.,Шахгельдян К. И. Корпоративная информационная среда вуза: методология, модели, решения. - Владивосток: Дальнаука, 2007. - 308 с.

Для контактов:

Акимов А.А., г.Пенза, Пензенский государственный университет, akimov1987@gmail.com.

г.Оренбург, Оренбургский государственный университет Методика оценки качества гибких процессов разработки программного обеспечения В последнее время широкую популярность обрели гибкие методологии разработки программного обеспечения (Agile), поскольку все больше организаций стремятся получить конкурентное преимущество за счет своевременного развертывания интернетуслуг[1,3]. «Гибкие методы, в основном, направлены на использование коротких, ограниченных по времени итераций (спринтов), чаще всего заканчивающихся через месяц или раньше»[6].

Результат работы команды на каждой итерации сам по себе выглядит как программный проект в миниатюре и включает планирование, анализ требований, проектирование, кодирование и документирование.

По завершению каждого спринта проходит оценка качества процесса разработки. Оценка качества процесса основана на анализе следующих показателей:

• диаграмма сгорания (burndownchart) – отслеживает прогресс в спринте;

• скорость разработки;

• анализ количества дефектов – график, отображающий изменение количества дефектов от итерации к итерации.

Данные показатели измеримы, однако, возникает проблема при необходимости повлиять на них. Для решения проблемы были выделены основные характеристики, которые могут повлиять на показатели качества процесса разработки:

• наличие или отсутствие использования некоторых инженерных практик (Code Review, парное программирование, модульное тестирование, рефакторинг, автоматизация сборки приложения, Continuous Integration, автоматизация функционального тестирования, TDD);

• наличие или отсутствие стендап митинга (короткого ежедневного совещания, предназначенного для синхронизации работы команды);

• наличие или отсутствие ретроспективы (анализа командой прошедшего спринта);

• наличие или отсутствие покер-планирования (относительной оценки задач командой);

• использование диаграммы Парето (данный метод позволяет выделить функциональность, в которой сосредоточено больше всего дефектов);

• ограничение времени итерации;

• члены команды сидят в одной комнате;

• демонстрация продукта.

Чтобы выявить наиболее существенные характеристики, проведено исследование: на протяжении 6 месяцев наблюдались 10 команд разработки. Каждую итерацию менялся набор характеристик. По завершении спринта проводился анализ качества процесса разработки.

Таким образом, была получена обширная база данных.

На основе данной базы было построено решающее дерево с помощью методов системного анализа[5]. После анализа данного дерева были выявлены наиболее существенные характеристики, влияющие на качество процесса разработки: наличие инженерных практик, ретроспектива, покер-планирование, демонстрация продукта.

В настоящее время на основе проведенного исследования разрабатывается экспертная система, оценивающая влияние характеристик на показатели качества процесса разработки.

1. Aoyama, M. Web-Based Agile Software Development. IEEE Software, November/December 2. Cockburn, A. Agile Software Development. Addison-Wesley, 3. Cusumano, M., Yoffie, D. Software Development on Internet Time.

IEEE Computer, October http://www.balagan.org.uk/work/agile_comparison.htm Вагин В.Н., Головина Е.Ю., Загорянская А.А., Фомина М.В. Достоверный и правдоподобный вывод в интеллектуальных системах. М., Фаулер М.UML. Основы, 3-е издание. – Пер. с англ. – СПб:

Символ-Плюс, 2006. – 192 с.,ил Для контактов:

Алешина Л.И., г.Оренбург, Оренбургский государственный университет, Aleshinali@gmail.com.

Андреева С.В, Боркова Я.П, Маликов Р.Ф.

Башкирский государственный педагогический университет им.

Имитационное моделирование торгового Первый раздел В настоящее время идет стремительное развитие направления разработки систем имитационного моделирования:

• AnyLogic — программного обеспечения для имитационного моделирования сложных систем и процессов, позволяющего поддерживать направление агентного моделирования, дискретнособытийного моделирования и разработки моделей системной динамики (разрабатывается российской компанией (англ. XJ Technologies) «Экс Джей Текнолоджис»)[6];

• GPSS (англ. General Purpose Simulation System — общецелевой системы моделирования) — языка объектноориентированного программирования, используемого для имитационного моделирования систем массового обслуживания, различных информационных процессов и разработки имитационных моделей в сети интернет [8,9];

• Arena – разработываемого компанией Systems Modeling Corporation программного обеспечения для имитационного моделирования, позволяющего создавать подвижные компьютерные модели, используя которые можно адекватно представить очень многие реальные системы;

• Plant Simulation — программной среды имитационного моделирования систем и процессов, предназначенного для оптимизации материалопотоков, загрузки ресурсов, логистики и метода управления для всех уровней планирования от целого производства и сети производств до отдельных линий и участков;

• SimBioSys: C++ - оболочки агентно-базового эволюционного моделирования в биологических и общественных науках;

• и другие средства автоматизации разработки имитационных моделей.

Второй раздел В данной работе мы использовали технологию построения имитационной модели в среде Anylogic. В качестве примера рассмотрено работа торгового предприятия. Была создана модель посещаемости на примере магазина.

При создании модели использовалась пешеходная библиотека. В модели есть возможность регулирования потока покупателей.

Посетители, совершившие покупку, отмечены желтым цветом, тем самым можно наблюдать количество потенциальных покупателей.

Рис.2. Схема работы системы массового обслуживания – магазина 1. Карпов, Ю. Г., «Имитационное моделирование систем.

Введение в моделирование с AnyLogic 5» СПб: БХВ-Петербург, 2. Борщев А., «Применение Имитационного Моделирования в России», ИММОД 2007, октябрь 2007, Санкт-Петербург 3. Масалович А.И., Шебеко Ю.А. Моделирование и анализ поведения бизнес-процессов (конспект лекций). — M.: ТораИнфо Центр, 2002.

4. Емельянов А.А., Власова Е.А., Дума Е.А. Имитационное моделирование экономических процессов. — М.: Финансы и статистика, 2002.

5. Плотников А.М., Рыжиков Ю.И., Соколов Б.В. Современное состояние и тенденции развития имитационного моделирования в Российской Федерации, 19-21 октября 2011. – СанктПетербург, ИММОД-2011. – с.1-47.

Для контактов:

Маликов Р.Ф. г.Уфа, БГПУ им.М.Акмуллы, rfmalikov@mail.ru

СОЗДАНИЕ ЭЛЕКТРОННОГО УЧЕБНОГО ПОСОБИЯ

«АЛГОРИТМИЗАЦИЯ» И ИСПОЛЬЗОВАНИЕ ЕГО

В ПРОЦЕССЕ ОБУЧЕНИЯ

познавательной деятельности обучающихся является использование обучающих и теcтирующих программ в учебном процессе по разным дисциплинам. Статистические исследования показывают, что их применение позволило повысить не только интерес к предмету, активность учащихся на уроках, но и успеваемость. Эти программы дают возможность каждому учащемуся независимо от уровня подготовки активно участвовать в процессе обучения, осуществлять самопроверку. Быть не пассивным наблюдателем, а активно учиться и оценивать свои возможности. Благодаря усилению эмоциональной составляющей увеличивается темп урока в среднем на 10-15%. Этому способствует и то, что при таком обучении компьютеру на время переданы отдельные функции преподавателя. Компьютер выступает в роли терпеливого педагога-репетитора, который способен показать ошибку, дать правильный ответ, и повторять задание снова и снова, не выражая раздражения и досады.

В настоящее время на рынке предоставлено не так много дисков, посвященных информатике: энциклопедии, содержащие материалы далеко выходящие за школьный курс, и обучающие программы по работе с компьютером. Эти пособия могут использоваться преподавателем для подготовки к уpоку (поиск дополнительной информации, иллюстраций), либо учениками в процессе исследовательской работы. Данные средства идеально подходят для внеклассной работы или дистанционного образования, но эффективно использовать их на уроке не возможно.

Данная ситуация, вынуждает учителя самому создавать электронные методические средства, адаптированные для школьников и укладывающиеся в методику преподавания предмета. Создание электронного учебника по теме «Алгоpимтизация»" - это попытка создания материала, который в первую очередь отвечал бы требованиям учителя.

Для его создания использованы технологии Borland Delphi версия 7 с применением возможностей Power Point, Windows Movie Maker, тестовая программа создана при помощи MyTest. Применение именно этих программ обусловлено простотой использования этих программ для создания электронных учебных пособий для любого учителя без глубоких знаний по основам программирования.

Электронный учебник «Алгоритмизация» состоит из четырех основных разделов: ТЕОРИЯ, ТРЕНАЖЕР, ПРАКТИКА РЕШЕНИЯ ЗАДАЧ, ТЕСТЫ (Рис.1).

Рис. 1. Заставка электронного учебного пособия.

Раздел ТЕОРИЯ содержит теоретический материал по данному курсу (Рис.2).

Теоретический материал курса также содержит схемы. После изучения всего теоретического материала курса предлагается пройти итоговое тестирование. Раздел ТРЕНАЖЕР содержит вопросы теории и помогает выяснить на сколько усвоена теоретическая часть и к чему нужно еще вернуться.

Раздел ЗАДАЧИ содержит практику решения задач по теме с их пошаговым описанием(Рис.3, рис.4).

Рис.3.Пример задачи Рис.4. Пример решения задачи Раздел ТЕСТЫ содержит вопросы и задачи по курсу. Этот раздел позволяет оценить уровень усвоения обучающимся данной темы. Тестовая программа фиксирует результаты тестирования в отдельный файл для осуществления возможности дальнейшего ознакомления с ними (рис.5,рис.6).

результата Это учебное пособие можно легко дополнить новым материалом, как теоретическую часть, так и тесты.

Пособие рекомендуется для учащихся средних школ и студентов при изучении данной темы и в помощь преподавателей, ведущих занятия по теме «Алгоритмизация» в курсе информатика.

№7(71)2011.

2. А.Я. Архангельский. Программирование в Delphi 7.

Для контактов:

Саттарова О.Ф., с. Усень-Ивановское, Белебеевский р-н,olgac67@mail.ru г. Стерлитамак, Стерлитамакская государственная педагогическая Построение системы мониторинга На сегодняшний день все современные учреждения имеют локальную сеть, состоящую из персональных компьютеров, сетевого оборудования и сервера для доступа в Интернет. Так же большинство учреждений постоянно развивают свою сетевую инфраструктуру, добавляя сервера и сетевое оборудование для создания дополнительных информационных ресурсов.

Для наблюдения за состоянием сети и обслуживания такой сложной структуры необходимо использование системы централизованного мониторинга. Эта система должна обеспечить круглосуточный контроль всех ресурсов и своевременно оповещать о нарушении работы данных ресурсов.

инфраструктурой.

централизованного мониторинга является снижение времени простоя.

Это включает в себя такие очевидные действия, как незамедлительная реакция на поломку, вместо ожидания обнаружения поломки другими пользователями. Так же это включает отслеживание симптомов проблемы и составление отчетов/корректировку до того, как симптомы выльются в выход из строя. В силу наличия расширенного набора средств мониторинга серверов в профессионально организованной системе мониторинга, такой центр может зачастую помочь системным и сетевым администраторам в разрешении проблем, таким образом, значительно сокращая среднее время решения проблемы. В некоторых случаях, система централизованного мониторинга может даже восстановить сервис без привлечения системного администратора.

централизованного мониторинга компьютерной сети и сбора другой аналитической информации об оборудовании и состоянии сети, на основе существующего программного обеспечения.

В качестве системы централизованного мониторинга сети было выбрано открытое программное обеспечение Zabbix.

Разработанная система централизованного мониторинга позволяет существенно сократить время, необходимое для выявления медленных или неисправных элементов компьютерной сети, а также обладает целым рядом других отличительных особенностей, что позволяет широко использовать ее для комплексного анализа работы и сбора статистики, с серверов и сетевого оборудования.

Система мониторинга предоставляет удобный интерфейс для просмотра собранной статистики и формирование отчетов. Так же имеется возможность автоматического оповещения по e-mail, jabber, sms о возникших проблемах на серверах и сетевом оборудовании.

Разработанная система мониторинга выполняет все поставленные перед ней задачи. В данной системе централизованного мониторинга компьютерной сети реализована возможность собора аналитических данных, анализа этих данных и выполнение определенных действий, таких как оповещение о возникших проблемах или их решения системой мониторинга.

Zabbix позволяет, не только постоянно «наблюдать» за сетью и сетевым оборудованием, но и оперативно обнаруживать сбои в их работе и оповещать о них. Так же Zabbix значительно упрощает работу системного администратора крупной компании, дает возможность контролировать внутренние сетевые ресурсы, а также быстро реагировать на возможные угрозы неисправностей.

Для контактов:

Асадуллина А.М., СГПА им.З.Биишевой, Kasadya@mail.ru г. Уфа, ФГБОУ ВПО Уфимский государственный нефтяной Моделирование автоматизированных систем регулирования с нелинейными звеньями При проектировании автоматизированных систем регулирования (АСР) с нелинейными объектами, звеньями или регуляторами, формируются нелинейные законы управления, реализуемые с помощью нелинейных корректирующих устройств (НКУ). НКУ, например, позволяют уменьшить влияние помех (шумов), действующих на АСР, либо вывести АСР глубже в область устойчивости.

В качестве НКУ моделируется нелинейное усилительное звено – динамический усилитель со сглаженной характеристикой типа «Soft Knee» (рисунок 1). Для подобных устройств рассчитываются два параметра – порог срабатывания, определяющий точку изменения угла наклона характеристики, и динамический коэффициент передачи, определяющий величину угла наклона характеристики после точки порога срабатывания.

Динамический коэффициент передачи КД представляет собою отношение изменения входного сигнала к изменению выходного, и может принимать значения от 0 до. Для типового усилительного звена КД=1.

Рисунок 1 – Характеристики динамического усилительного звена В основе расчета настроек промышленных регуляторов лежат типовые методики, в частности – расчет на заданную степень колебательности, который сводится к построению амплитуднофазовой характеристики разомкнутой системы, значения которой используются для последующего расчета точек кривой D-разбиения.

По этой кривой определяется пара оптимальных значений настроек пропорционально-интегрального (ПИ-) регулятора. Расчет параметров НКУ выполняется по методике синтеза оптимального регулятора для АСР.

На завершающем этапе оценивается качество регулирования в замкнутой системе по прямым показателям качества. Для этого в состав разработанного программного комплекса входит отдельный модуль, который позволяет эмулировать переходный процесс замкнутой АСР с цифровым ПИ-регулятором с независимыми настройками и НКУ (рисунок 2).

осуществляется в двух режимах: «на результат» – выполняется обычное построение соответствующих графиков, и «на процесс» – переходный процесс замкнутой АСР эмулируется в реальном масштабе времени с заданной частотой обновления.

Рисунок 2 – Расчет параметров и эмуляция переходного процесса для АСР с цифровым ПИ-регулятором и НКУ Разработанный программный комплекс предназначен, в частности, для решения задач курсового и дипломного проектирования студентов всех форм обучения по направлению 220400 «Управление техническими системами».

1. Давыдов Д.А., Давыдов А.Ф. AC LabEngine: Лабораторный практикум по АСУТП. Свид-во об офиц. регистрации ПрЭВМ №2009613858. Заявл. 12.02.2009, опубл. 17.06.2009.

2. Д.А. Давыдов, Р.Р. Казыханова, Р.М. Харисов. ATP Factory:

Система моделирования и расчета параметров АСУ ТП. Свид-во об офиц. регистрации ПрЭВМ №2010617815. Заявл. 16.02.2010, опубл.

09.07.2010.

Для контактов:

// Руководитель ВКР Давыдов Дмитрий Александрович 8 905 005 3825, e-mail: dad32progs@mail.ru г. Уфа, ФГБОУ ВПО Уфимский государственный нефтяной Реализация компетентностного подхода при использовании виртуальной лабораторной установки для изучения процессов фильтрации жидкостей в пористых средах Компетентностный подход — это совокупность общих принципов определения целей образования, отбора содержания образования, организации образовательного процесса и оценки образовательных результатов. К числу таких принципов относятся следующие положения:

• Смысл образования заключается в развитии у обучаемых способности самостоятельно решать проблемы в различных сферах и видах деятельности на основе использования социального опыта, элементом которого является и собственный опыт учащихся.

• Содержание образования представляет собой дидактически адаптированный социальный опыт решения познавательных, мировоззренческих, нравственных, политических и иных проблем.

• Смысл организации образовательного процесса заключается в создании условий для формирования у обучаемых опыта самостоятельного решения познавательных, коммуникативных, организационных, нравственных и иных проблем, составляющих содержание образования.[1] Целью является разработка интерактивной обучающей системы, которая предназначена для проведения лабораторных исследований по изучению свойств проницаемых горных пород и законов движения в них пластовых флюидов, т.е. жидкостей. Разрабатываемая обучающая система будет состоять из нескольких подсистем:

1) Подсистема входного тестирования студентов на наличие теоретических знаний по заданной тематике, наличие которых необходимо для выполнения лабораторной работы.

2) Подсистема обучения, содержащая теоретический материал по заданной тематике.

3) Виртуальная модель установки для изучения фильтрации жидкостей, которая будет моделировать процесс фильтрации, позволяя студенту самостоятельно задавать параметры фильтрации жидкости, выводить результаты эксперимента на экран.

Следуя разработанной иерархической модели наследования компетенций (рисунок 1), решено включить в состав интерактивной обучающей системы возможность математической и статистической обработки результатов эксперимента с помощью доступного студенту программного средства – MS Excel или, при необходимости, с помощью других пакетов статистической и математической обработки данных. Результаты эксперимента обязательно должны обрабатываться в другой системе, так как студент должен подтвердить навыки обработки экспериментов с помощью других доступных средств.

Рисунок 1 – Иерархическая модель наследования компетенций В качестве штатного пакета для математической обработки результатов эксперимента выбран пакет Excel, так как студенты изучали его возможности в курсе «Информатика», и после проведения экспериментов на виртуальной установке смогут закрепить практические навыки работы с этим средством.

1. Лебедев О.Е. Компетентностный подход в образовании - Школьные технологии. – 2004. – № 5. – С.3- Для контактов:

Асмаева Эльвина Альбертовна, г. Уфа, Уфимский государственный нефтяной технический университет, e-mail: dyuplessidebeler@rambler.ru Атнабаева Л.А., Халитова Т.Б., Маликов Р.Ф.

г.Уфа, Башкирский государственный педагогический университет им.

Имитационное моделирование ассимиляции Первый раздел Имитационное моделирование – это разработка и выполнение на компьютере программной системы, отражающей структуру и функционирование (поведение) моделируемого объекта или явления во времени. Такую программную систему называют имитационной моделью этого объекта или явления. Объекты и сущности имитационной модели представляют объекты и сущности реального мира, а связи структурных единиц объекта моделирования отражаются в интерфейсных связях соответствующих объектов модели. Таким образом, имитационная модель – это упрощенное подобие реальной системы, либо существующей, либо той, которую предполагается создать в будущем. Имитационная модель представляется компьютерной программой, где выполнение программы считается имитацией поведения исходной системы во времени.

Модель есть целенаправленное представление исследуемого объекта, реальное или воображаемое. Имитационная модель есть модель, которая воспроизводит поведение объекта за определенный период времени; в этом смысле имитационная модель является динамической. Значения всех переменных, входящих в имитационную модель, вычисляются в каждый момент модельного времени. Затем, через определенный интервал, на основе старых значений вычисляются новые значения переменных, и т.д. Таким образом, имитационная модель “развивается” по определенной траектории в течение заданного отрезка модельного времени.

Компьютерное имитационное моделирование дает наилучший результат в тех областях, где участники социально-экономической деятельности тратят значительные усилия и достаточно много времени на мысленное проигрывание и анализ возможных вариантов развития событий. Чем сложнее ситуация, чем больше объектов, факторов и возможных сценариев приходится человеку проигрывать в голове в различных комбинациях друг с другом, тем больший эффект можно ожидать от применения имитационной модели для анализа ситуации, поиска и принятия оптимальных решений.

Современное компьютерное имитационное моделирование социально- экономических систем и процессов представляет собой комбинация трех основных методических подходов: 1)системная динамика, 2)дискретно-событийное и 3)агентное моделирование.

Системная динамика — парадигма моделирования, где для исследуемой системы строятся графические диаграммы причинных связей и глобальных влияний одних параметров на другие во времени, а затем созданная на основе этих диаграмм модель имитируется на компьютере. Такой вид моделирования помогает понять суть происходящего выявления причинно-следственных связей между объектами и явлениями. Системная динамика применяется для решения производственных, организационных и социальноэкономических задач.

Модели системной динамики лучше всего реализуется в среде AnyLogic. Так как, AnyLogic является инструментом имитационного моделирования нового поколения, который основан на результатах, полученных в теории моделирования и в информационных технологиях за последнее десятилетие.

Второй раздел Рассмотрим модель «Ассимиляции этносов в Республике Башкортостан», при разработке которой использовалась библиотека системной динамики.

В данной работе мы проводим исследования траектории развития трех этносов проживающих на одной территории. Для исследования используем математическую модель, описывающую процесс развития численности трех этносов проживающих на одной территории:

Здесь - населенность первого этноса, – населенность второго этноса, NB- населенность третьего этноса i(t) коэффициенты рождаемости, i(t) - коэффициенты естественной смерти, i(t)- коэффициенты, описывающие убыль этноса из-за агрессивности. I=R,T,B, ij(t) - коэффициенты ассимиляции, описывающие изменение численности этносов за счет смешанных браков ( i j).

Результат моделирования представлена на рис. 2:

Карпов, Ю. Г., «Имитационное моделирование систем.

Введение в моделирование с AnyLogic 5» СПб: БХВПетербург, 2006. — 400 с.

Борщев А., «Применение Имитационного Моделирования в России», ИММОД 2007, Санкт-Петербург, октябрь 2007.

Коровин А.М., «Моделирование систем: учебное пособие к лабораторным работам».-Челябинск: Издательский центр Плотников А.М., Рыжиков Ю.И., Соколов Б.В. Современное моделирования в Российской Федерации, 19-21 октября 2011.

– Санкт-Петербург, ИММОД-2011. – с.1-47.

Для контактов: Уфа, БГПУ им. М.Акмуллы, rfmalikov@mail.ru г. Нефтекамск, Нефтекамский педагогический колледж Кодирование Шеннона-Фано является одним из самых первых алгоритмов сжатия, который впервые сформулировали американские учёные Шеннон (Shannon) и Фано (Fano).

Главная идея этого метода - заменить часто встречающиеся символы более короткими кодами, а редко встречающиеся последовательности более длинными кодами. Таким образом, алгоритм основывается на кодах переменной длины. Для того, чтобы декомпрессор впоследствии смог раскодировать сжатую последовательность, коды Шеннона-Фано должны обладать уникальностью, то есть, не смотря на их переменную длину, каждый код уникально определяет один закодированый символ и не является префиксом любого другого кода.

Для удобства расположим все имеющиеся п букв в один столбик в порядке убывания вероятностей. Затем все эти буквы следует разбить на две группы – верхнюю и нижнюю – так, чтобы суммарная вероятность первой группы была наиболее близка к суммарной вероятности второй группы. Для букв первой группы в качестве первой цифры кодового обозначения используется цифра 1, а для букв второй группы – цифра 0. Далее, каждую из двух групп подобным образом снова надо разделить на две части и в качестве второй цифры кодового обозначения мы будем использовать цифру или 0 в зависимости от того, принадлежит ли наша группа к первой или ко второй из этих подгрупп. Затем, каждая из содержащих более одной буквы групп снова делится на две части возможно более близкой суммарной вероятности и т.д.; процесс повторяется до тех пор, пока мы не придем к группам, каждая из которых содержит по одной единственной букве.

Так, например, если наш алфавит содержит всего шесть букв, вероятность которых (в порядке убывания) равны 0,4, 0,2, 0,2, 0,1, 0,05 и 0,05, то на первом этапе деления букв на группы мы отщепим лишь одну первую букву (1-я группа), оставив во второй группе все остальные. Далее, вторая буква составит 1-ю подгруппу 2-й группы;

2-я же подгруппа той же группы, состоящая из оставшихся четырех букв, будет и далее последовательно делиться на части так, что каждый раз 1-я часть будет состоять лишь из одной буквы.

Таблица 1 – Пример кодирования методом Шеннона – Фано Основной принцип, положенный в основу кодирования по методу Шеннона – Фано, заключается в том, что при выборе каждой цифры кодового обозначения мы стараемся, чтобы содержащееся в ней количество информации было наибольшим, т. е. чтобы независимо от значений всех предыдущих цифр эта цифра принимала оба возможных для нее значения 0 и 1 по возможности с одинаковой вероятностью. Разумеется, количество цифр в различных обозначениях при этом оказывается различным, т. е. код Шеннона – Фано является неравномерным. Нетрудно понять, однако, что никакое кодовое обозначение здесь не может оказаться началом другого, более длинного обозначения; поэтому закодированное сообщение всегда может быть однозначно декодировано. В результате, среднее значение длины такого обозначения все же оказывается лишь немногим большим минимального значения Н, допускаемого соображениями сохранения количества информации при кодировании. Так, для рассмотренного выше примера 6буквенного алфавита, наилучший равномерный код состоит из трехзначных кодовых обозначений (ибо 22 < 6 < 23), и поэтому в нем на каждую букву исходного сообщения приходится ровно элементарных сигнала; при использовании же кода Шеннона – Фано среднее число элементарных сигналов, приходящихся на одну букву сообщения, равно:

Это значение заметно меньше, чем 3, и не очень далеко от энтропии:

1. Яглом А.М., Яглом И.М. Вероятность и информация. – М., Издательство «Наука», 1973.

2. Фанстейн А Основы теории информации. – М., ИЛ, 1960.

Информационные технологии. Учебное пособие. – Томск, 2011.

4. Игнатов В.А. Теория информации и передачи сигналов. М.:

Радио и связь, 1991.

Для контактов:

Афанасьева И.Э., г. Нефтекамск, Нефтекамский педагогический колледж, irina_af84@mail.ru, npkneftekamsk@yandex.ru г. Нефтекамск, Нефтекамский педагогический колледж Моделирование задачи трех тел в системе Использование ИКТ на уроках физики позволяют решать задачи не имеющие аналитического решения, например задача Кеплера для трех и более тел.

Рассмотрим задачу Кеплера для трех тел. Тело массой m, в первоначальный момент времени находиться в точке с радиусr вектором r и имеет скорость v. Притягивающие центры массами М1 и М2 находятся в точках с радиус-векторами R1 и R2, соответственно.

При решении в пакете MathCAD будем считать, что тело находилось в точке с радиус-вектором =(r,0), скорость тела направлена вертикально вверх =(0, v).

Задаем координаты и массы притягивающих центров, вычисляем значения потенциала. Для этого задаем число узлов сетки, начальные и конечные координаты по осям OX и OY, шаги по осям OX и OY, значения координат по осям OX и OY. Задаем потенциал и вычисляем значения потенциалов в узлах сетки.

Рис. 1. Общий вид гравитационного потенциала и его карта Задаем вектор начальных условий, вектор-функцию возвращающего значения первых производных системы дифференциального уравнения (ДУ) 2-го порядка. Находим ее решение на интервале, определяем размерность матрицы, вычисляем полную энергию системы на каждом шаге интегрирования и относительную погрешность.

Рис. 2. График зависимости относительной погрешности от В рассматриваемой системе могут возникать хаотические режимы движения. Продемонстрируем это, придав небольшое по величине приращение начальному значению координаты x, и построим обе траектории движения на одной координатной плоскости.

Рис. 5. Траектории движения тел и зависимость расстояния между траекториями движения тел, близкими в момент времени t=0.

Как видно из представленного выше решения задачи трех тел, система автоматизированного математического проектирования MathCAD позволяет получить удовлетворительное решение сложных задач механики.

1. Овчинников А. Роль компьютера в обучении физике // Физика.

Приложение к журналу «Первое сентября» 2009, №31, с.25-31.

2. Поршнев С.В. Сборник лабораторных работ по курсу «Компьютерное моделирование». Нижний Тагил: Педаг. Ин-т, 201.

3. Суппес В.Г. Решение задач по механике в среде MathCAD. // Физическое образование в вузах / Издательский дом МФО. – т.8.–№4.–С.143-150.

4. Хеерман Д.В. Методы компьютерного эксперимента в теоретической физике. М.: Наука, 2009.

Для контактов:

Афанасьева И.Э., г. Нефтекамск, Нефтекамский педагогический колледж, irina_af84@mail.ru, npkneftekamsk@yandex.ru г. Стерлитамак, Стерлитамакская государственная педагогическая Моделирование движения транспортных В настоящее время темпы роста количества автомобилей значительно опережают темпы развития дорожно-транспортной сети, в результате возникают транспортные заторы, снижается безопасность дорожного движения. Перечисленные проблемы можно решить, например, изменив схему организации движения, построив объездные дороги. На сегодняшний день создание математической имитационной модели, способной оценить эффективность планируемых мероприятий по модернизации улично-дорожной сети, является актуальной задачей.

В зарубежных странах разработаны программные комплексы, помогающие управлять транспортными потоками в городах.

Примерами таких систем являются Vissim, Aimsun [4]. В России относительно недавно началась вестись работа по созданию подобного программного обеспечения. Примерами отечественных программных продуктов являются TransNet, Проспект 1.0 [2].

Отметим, что существуют программы, которые моделируют движение транспортных средств на отдельном участке улично-дорожной сети [1, 3].

Авторами разработано приложение, способное моделировать процесс движения транспортных средств согласно правилам дорожного движения, с учетом знаков дорожного движения и дорожной разметки, пешеходных переходов, регулируемых и нерегулируемых перекрестков.

В работе применялись методы математического моделирования, построения мультиагентных систем, теория графов, теория транспортных потоков.

Рассматриваемая модель представляет собой микроскопическую модель динамики транспортных потоков [4]. Каждый автомобиль характеризуется набором следующих параметров: тормозной путь, максимально возможное ускорение, ускорение при экстренном торможении, время разгона до 100 км/ч, время реакции водителя, скорость движения автомобиля в данный момент времени, текущее ускорение автомобиля с учетом обстановки на дороге, координата, стиль езды (медленный, нормальный, активный, спортивный), тип поддерживаемой дистанции (безопасно, близко или очень близко).

На каждом шаге каждый автомобиль анализирует состояние окружающей среды и принимает решение согласно заложенному алгоритму действий. Для каждой возможной ситуации проанализирована характерная модель, и прописана определенная схема действий: движение по двухполосной дороге, разъезд автотранспортных средств на перекрестке (регулируемом и нерегулируемом), проезд пешеходного перехода, соблюдение знаков дорожного движения.

программирования Delphi на основе авторских алгоритмов, с использованием методики объектно-ориентированного программирования. В программе описано пять классов, реализующих модель движения. Основным классом модели является класс "Автомобиль", остальные классы носят вспомогательный характер и описывают свойства и методы элементов улично-дорожной сети:

класс "Светофор", класс "Пешеходный переход", класс "Перекресток", класс "Дорожный знак".

Программа позволяет построить практически любую схему городской дорожной сети, добавить автомобиль или входной транспортный поток, позволяя смоделировать любую дорожную ситуацию, рассмотрев ее в реальном времени.

Разработанная система может служить хорошим инструментом для организации дорожного движения, позволяя анализировать и прогнозировать состояние существующих транспортных узлов, подобрать оптимальный режим светофорного регулирования.

1. Ахмадинуров М.М. Оптимизация светофорного регулирования с помощью программы моделирования транспортных потоков // Вестник ЮУрГУ. Серия «Компьютерные технологии, управление, радиоэлектроника».– 2010.– № 22 (198).– С. 26-30.

2. Кузин М.В. Программное обеспечение для имитационного моделирования координированного управления транспортными потоками // Математические структуры и моделирование.– 2008.– № 18.– С. 46-50.

3. Никитин А.С., Чураков М.Ю., Шалыто А.А. Применение автоматного программирования для имитационного моделирования разъезда машин на нерегулируемом перекрестке равнозначных дорог // Труды международной конференции ИММОД-2007.– 2007.– С. 296Трунин В.В., Романов А.Н. Компьютерное имитационное моделирование как способ решения транспортных проблем в городах // Молодой ученый.– 2011.– Т. 3.– № 4.– С. 133-136.

5. Швецов В.И. Математическое моделирование транспортных потоков // Автоматика и телемеханика.– 2003.– № 11.– С. 3-46.

Для контактов:

Дмитриев В.Л., г. Стерлитамак, Стерлитамакская государственная педагогическая академия им. Зайнаб Биишевой, e-mail: admwell@yandex.ru Ахмадеева Р.З., г. Стерлитамак, Стерлитамакская государственная педагогическая академия им. Зайнаб Биишевой, e-mail: AkhmadeevaRZ@mail.ru г.Нефтекамск, ГБОУ СПО "Нефтекамский педагогический колледж" Создание электронного учебника Один из интересующих вопросов на стыке информационных технологий и образование является новшество - электронный учебник.

Создание мультимедийных продуктов стало возможным для большого числа разработчиков.

В настоящее время в нашем колледже идёт разработка компьютерных программ – электронных учебников по различным дисциплинам. Компьютерные учебные программы создаются по тем профессиональной подготовке и фактически кроме нашего колледжа нигде в городе не используются. Конечно, постановщиком программ в первую очередь выступает преподаватель-предметник, чьи идеи реализованы в компьютерном обучении, но оформление и подача информации, как текстовой, так и графической выполняется студентами.

Как и в создании любых сложных систем, при подготовке электронного учебника решающим для успеха является талант и мастерство авторов. Cуществуют устоявшиеся формы электронных учебников, точнее, конструктивных элементов, из которых может быть построен учебник это:

Энциклопедия. Это базовая форма электронного учебника.

Задачник - наиболее естественно осуществляет функцию обучения.

коллективную работу учащихся над проектом.

пополнять задачник, готовить раздаточные материалы и методические пособия по предмету.

Невербальная среда - возможность реализовать методический прием "делай как я". Такая среда наделяет электронный учебник чертами живого учителя.



Pages:   || 2 | 3 |
Похожие работы:

«И.М. Гарскова Формирование модели специализации Историческая информатика В деятельности АИК традиционно сильной всегда являлась тема тика, связанная с применением информационных технологий в исто рическом образовании. Развитие этой тематики опиралось, с одной стороны, на опыт преподавания общественных наук под эгидой Мин вуза СССР, который с середины 1980 х гг. начал внедрение ТСО (тех нических средств обучения) в практику преподавателей обществове дов1. С другой стороны, на исторических...»

«Статья размещена по адресу: http://scepsis.ru/library/id_2017.html Константин Иночкин В поле каждый колосок В Париже проходит конкурс генетиков. Третье место заняли французы с гибридом дыни и земляники: размер, как у дыни, вкус — как у земляники. Второе место заняли американцы с гибридом груши и огурца: вид, как у огурца, а вкус — как у груши. Первое место заняли российские генетики. — Мы скрестили арбуз с тараканами, — заявили они на пресс-конференции. — Его разрезаешь, а косточки сами...»

«ВЕСТНИК ТОМСКОГО ГОСУДАРСТВЕННОГО УНИВЕРСИТЕТА 2014 Управление, вычислительная техника и информатика № 2 (27) УДК 519.872 А.А. Назаров, Н.И. Яковлев ИССЛЕДОВАНИЕ RQ-СИСТЕМЫ M|M|1 С ФАЗОВЫМ РАСПРЕДЕЛЕНИЕМ ПОВТОРНОГО ВРЕМЕНИ Рассматривается однолинейная СМО с повторными вызовами. В систему поступает пуассоновский поток заявок, время обслуживания экспоненциальное. Заявка, приходящая из потока, занимает прибор для обслуживания, если он свободен. В противном случае заявка отправляется в источник...»

«ПУТИ СОВЕРШЕНСТВОВАНИЯ СИСТЕМЫ ПРИРОДООХРАННОГО ПРАВОПРИМЕНЕНИЯ В КАЗАХСТАНЕ 1 ПУТИ СОВЕРШЕНСТВОВАНИЯ СИСТЕМЫ ПРИРОДООХРАННОГО ПРАВОПРИМЕНЕНИЯ В КАЗАХСТАНЕ ОРГАНИЗАЦИЯ ЭКОНОМИЧЕСКОГО СОТРУДНИЧЕСТВА И РАЗВИТИЯ ОЭСР это уникальный форум, где правительства 30 демократических стран с развитой рыночной экономикой работают совместно для решения экономических, социальных и экологических проблем глобализации. Кроме того, ОЭСР принадлежит к тем организациям, которые стараются лучше понять новые явления...»

«Министерство сельского хозяйства Российской Федерации Федеральное государственное образовательное учреждение высшего профессионального образования Пермская государственная сельскохозяйственная академия имени академика Д.Н. Прянишникова ИННОВАЦИОННОМУ РАЗВИТИЮ АПК – НАУЧНОЕ ОБЕСПЕЧЕНИЕ Сборник научных статей Международной научно-практической конференции, посвященной 80-летию Пермской государственной сельскохозяйственной академии имени академика Д.Н. Прянишникова (Пермь, 18 ноября 2010 года)...»

«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...»

«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...»









 
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.