Методы оценки нечетких моделей знаний операторов информационно-управляющих систем

Класс «Список_оборудования» имеет стереотип «Таблица», который указывает на то, что данный класс является таблицей базы данных. Поля: ID - тип данных UNSIGNED LONG. Значением данного поле есть идентификатор оборудования. N - тип INT. Указывает количество производимых замерений. Имя_оборудования - тип CHAR. Указывает имя оборудования. Количество_датчиков - тип INT. Указывает количество датчиков на оборудовании. Счетчик - тип счетчик. Ключевое поле. Функции: Add_eq - входные параметры «ID», «N», «Имя_оборудования», «Количество_датчиков». Добавляет заданное устройство. Ch_eq - входным параметром может быть одно из следующих полей «N», «Имя_оборудования», «Количество_датчиков». Изменяет значение указанного в параметрах. Del_eq - входной параметр «ID». Удаляет запись по указанному устройству.

Диаграмма последовательности действий показывает последовательность действий объектов и классов системы во времени. С помощью диаграммы последовательности можно представить взаимодействие элементов модели как своеобразный часовой график «жизни» всей совокупности объектов, связанных между собой для реализации варианта использования программной системы, достижения целей или выполнения какого-либо задания.

На диаграмме изображено взаимодействие исполняемого файла «Программа-диагностики» с таблицами «Оборудование», «Устройства», «Результаты_диагностики», «Список_оборудования», а также взаимодействие с пользователем: посылка запроса на проверку связи с оборудованием; передача данных, что свидетельствует о наличии связи и осуществляет передачу данных к программе; запись полученных данных в таблицу устройства; задание количества производимых замеров датчиком; выборка данных для проведения анализа их таблицы «Устройства»; проведение математического анализа над данными; запись результатов диагностирования оборудования в таблицу «Результаты_диагностики»; отображение пользователю результатов диагностики. Далее возможен выбор одного из действий: добавление оборудования в таблицу «Список_оборудования»; изменение записей в таблице «Оборудование»; удаление записей из таблицы «Оборудование»; добавление данных в таблицу «Устройства»; выборка данных для формирования отчета по диагностике оборудования.

Следующим логическим этапом ООМП есть построение диаграммы коопераций, которая описывает поведение системы на уровне отдельных объектов, которые обмениваются между собой сообщениями при реализации некоторого варианта использования.

Диаграмма коопераций также представляет структурные связи отдельных объектов между собой. Как видим, сначала интерфейсы инициируют передачу данных или эти данные получаются из базы данных. В дальнейшем эта форма контролирует процесс передачи данных к модулям вычислений, которые осуществляют соответствующие вычисления и возвращают уже вычисленные данные снова к форме, которая снова при помощи интерфейсных классов представляет их пользователю.

5.3 Использование объектно-ориентированных методов разработки программного обеспечения ИУСДЭ

Рассмотрим сообщения, которыми обмениваются между собой объекты во время работы системы: Посылка запроса на проверку связи с оборудованием. Передача данных, что свидетельствует о наличии связи и осуществляет передачу данных к программе. Добавление записи в таблицу устройства. Установка номера датчика и количества производимых замеров датчиком. Выборка данных из таблицы «Устройства». Возврат выбранных данных программе. Расчет математического ожидания. Расчет дисперсии. Расчет среднеквадратического отклонения. Проведения анализа данных. Подготовка результатов вывода. Запись данных в таблицу «Результаты_диагностики». Результат проведения операции. Отображение пользователю результатов диагностики. Добавление записи в таблицу «Список_оборудования». Результат проведения операции. Изменение записи в таблице «Список_оборудования». Результат проведения операции. Удаление записи из таблицы «Список_оборудования». Результат проведения операции. Добавление записи в таблицу «Устройства». Результат проведения операции. Выборка данных из таблицы «Результаты_диагностики».

Диаграммы деятельности - частный случай диаграмм состояний. Они позволяют реализовать в языке UML особенности процедурного и синхронного управления, обусловленного завершением внутренних действий и деятельности. Основным направлением использования диаграмм деятельности является визуализация особенностей реализации операций классов, когда необходимо представить алгоритмы их выполнения. При этом каждое состояние может быть выполнением операции определенного класса или ее части, позволяя использовать диаграммы деятельности для описания реакций на внутренние события системы.

Диаграмма компонентов отличается от ранее описанных диаграмм тем, что описывает особенности физического представления системы. Диаграмма компонентов позволяет определить архитектуру системы, которая разрабатывается, установив зависимости между программными компонентами. Диаграмма компонентов изображена на рис. 5.5. Основными элементами данной информационной системы есть исполняемый файл, база данных и отчет. Компонент «Программа» имеет стереотип «executable», что означает, что этот компонент является исполняемым.

Диаграмма развертывания предназначена для визуализации элементов и компонентов программы, которые существуют только на этапе ее выполнения (run-time). При этом представляются только те компоненты системы, которые являются выполнимыми файлами или динамическими библиотеками.

Компоненты, не используемые на этапе выполнения, на диаграмме развертывания не показываются. Диаграмма развертывания позволяет проанализировать аппаратную часть системы, выделить вычислительные ресурсы, устройства, которые используются ими и соединение между ними, а также спроектировать расположение этих устройств.

5.4 Структура и состав ИУС диагностики эксгаустерного отделения аглоцеха №1

Основной состав системы автоматизации вибромониторинга оборудования эксгаустерного отделения аглоцеха №1 (ВОЭ) состоит из следующих элементов:

· центр сегмента защиты - БТВЗ-30 (блок термо- и виброзащиты). Конструктив содержит: контроллер защиты КC-2 (функции локальной защиты и связи с блоками БКД-4/5 и верхним уровнем системы), 7-сегментный 8-разрядный индикатор значений параметров, плату клемм и реле (с каналами сигнализации и останова машины);

· блоки БКД-4/5 (в каждом 2 канала температуры ТСМ-50Г/ТСМ100Г, до 4-х каналов вибрации, 1 канал - частота / фаза обращения вала);

· рабочая станция и концентратор сегментов (верхний уровень). Функции: регистрация параметров, мониторинг, диагностика, балансирование, программирование и настройка параметров защиты в сегментах (в БТВЗ-30);

· Notebook и блок связи (опциональный элемент). В дешевом (автономном) варианте комплекса виброзащиты (без верхнего уровня) Notebook подключается временно к отдельным сегментам сети (к БТВЗ-30 конкретного сегмента) для проведения диагностических и балансировочных работ. Любой из сегментов комплекса допускает подключение компьютера («на ходу»).

Комплекс легко встраивается в существующие АСУ ТП и адаптируется к условиям функционирования и технологических регламентов конкретного производства. По желанию Заказчика в систему можно добавить контроль любых других технологических параметров, характерных для конкретной машины или данного технологического процесса. Например, можно контролировать величину потока масла в ключевых точках системы смазки, давление и температуру в камерах компрессора, давление масла в сепараторе, температуру / давление газов на всосе и газов, которые отходят, эксгаустера, температуру статорного железа двигателя, ток ротора и статора двигателя, учет потребления электроэнергии машинами и т.п. Как правило, один сегмент комплекса (на 2, 4, 6, 8 и более точек контроля) обслуживает один агрегат. Несколько сегментов можно объединять в общую стационарную систему мониторинга с одной или несколькими рабочими станциями оператора. Примером объединенной системы может служить одна из стационарных систем вибромониторинга (контроль 6-ти эксгаустеров, двигатели - 2,5 МВт), что работают в эксгаустерном отделении аглоцеха №1, НкГОКа, ОАО «АрселорМиттал Кривой Рог», г. Кривой Рог с 2004 г.

За период работы система не допустила выплавления ни одного подшипника скольжения на эксгаустерах, позволив резко сократить аварийные простои агломашин и тем самым сэкономить значительные средства.

Аппаратура сегмента всегда сохраняет полный исходный вибросигнал выбега (а также сигнал, полученный непосредственно перед выключением машины).

Так что, если подсистема защиты выключила агрегат, то у диагноста всегда есть возможность анализа причин его принудительной остановки (характера неисправности, типа дефекта) без запуска агрегата.

Пользователи систем имеют возможность самостоятельно пополнять базу диагностических данных и алгоритмов, т.е. совершенствовать диагностическую подсистему.

При запуске основного модуля программы системы, производится проверка на подключение к SQL серверу. Параметры подключения считываются из ключа в системном реестре. Если ключ пустой, инициируется новое подключение и при его удачном завершении, данные вносятся в системный реестр.

На главном окне программы представлено 7 вкладок. 6 с номерами эксгаустеров и последняя вкладка - «История». На первой вкладке отображается текущее изменение показаний датчиков температур, датчиков вибрации и датчика частоты оборотов. На свободном месте возле графиков отведено место под диагностические сообщения при возникающих превышениях допустимых величин. В этом случае видно, что «сигнализация» работает, так как имеющееся превышение частоты оборотов эксгаустера.

После увеличения масштаба графика более точно видны значения крайних показаний. Точно так же можно увеличивать масштаб и других графиков.

Для просмотра истории показаний за определенный промежуток времени, просто необходимо выбрать граничные значения дат и нажать «Выполнить». При этом автоматически заполнятся графики всех параметров по всем эксгаустерам.

Данный результат соответствует действительности, так как на протяжении указанного периода запускалась программа в тестовом режиме несколько раз.

В этом окне имеется возможность посмотреть какому эксгаустеру какой тип преобразователя соответствует. Также есть возможность изменять типы, например, при замене или ремонте преобразователя, или удалять данные о преобразователе вообще.

Правила работы

Условия Р1, …, Pn можно задавать в виде математических функций и логических переходов:

«+»	сложение		=	равно
«-»	вычитание		>=	больше или равно
«*»	умножение		<=	меньше или равно
«/»	деление		<>	не равно
«^»	возведение в степень		&	логическое И
«SIN»	синус		!	логическое ИЛИ
«COS»	косинус		«not»	логическое НЕ
«TAN»	тангенс		«LN»	логарифм натуральный
«PI»	3.1415926		«LG»	логарифм десятичный

В любой строке поля описания условий можно связывать математические функции и логические состояния вида «Да / Нет» (1 или 0) и использовать последние в качестве математических величин.

Для всех P (i+n) условий (строк), начиная с Р2 можно использовать условия (строки) Pi, а для PР - все строки начиная с Р1.

Обозначение прямой цепочки выполнения условий (все условия выполняются) в поле описания условий выглядит как

(P1&P2&P3&…&Pn) = 1 или (P1&P2&P3&…&Pn)*.

Обозначение выполнения одного (любого) из условий

(P1! P2! P3!…! Pn) = 1 или (P1! P2! P3!…! Pn)*

При этом логическое состояние имеет результат 1 или 0.

Применение команды «not (Pi)» позволяет приравнять строку с условием Рi > 0 нулю, а строку с условием Pi = 0 - единице. Команда not (not (Рi)) преобразует значение Pi > 0 в единицу (логическую или арифметическую).

Пояснения по параметру РР. В принятой методологии уровни развития неисправностей отображаются при диагностировании столбиковой диаграммой. Длина и цвет столбиков зависят от соотношения текущего значения некоторого обобщенного для данной неисправности параметра (Vi) к его аварийному значению (Via).

Принята следующая градация уровня развития неисправности:

Исправно	менее 50% Va
Начальный уровень	50% Va
Ремонтный	75% Va
Аварийный	Va
Нет замера	0

При этом в строке РР должно быть введено выражение, позволяющее правильно определить соответствие указанных уровней диагностическим табло.

Выражение для РР может быть составлено с использованием рассмотренных правил в различном виде.

Например, в виде РР = (Vi / Va)*Рi, смысл которого таков:

Если условие Рi истинно (Рi = 1), то рассчитывается приведенное соотношение и в зависимости от его величины отображается уровень развития неисправности на столбиковой диаграмме.

Возможны более сложные формулы для РР.

Из выше приведенных примеров разработки проектов системы, а также самой ПО системы приходим к выводу, что главные преимущества системы: высокая скорость частотной обработки измерений (0,2 с. и меньше в расчете на 1 канал), следовательно, очень быстрая реакция на выявление и предотвращение аварийной ситуации; гарантированное время реакции: распределенный способ измерений и вычислений (в блоках БКД-4/5) позволяет обеспечить блок БТВЗ-30 готовыми данными (для вычисления условий срабатывания защит) за одно и то же строго определенное время - 0,8 с = (4 канала*0,2 с), независимо от общего количества измеренных каналов; агрегатная структура: систему можно конструировать из базовых элементов, начиная с одного сегмента (на 1-2 подшипника) и постепенно разворачивать до масштаба цеха, производства и целого завода.

При этом для пользователей минимальной системы также доступны все функции от защиты и сигнализации до балансирования и диагностики; высокая чувствительность (до 1000 m/g) наравне с лучшими ICP-датчиками; возможность измерения низкочастотной вибрации (от 1 Гц); синхронные измерения (измерения начинаются во всех точках одной машины одновременно, с разбросом не более 20 мкс.); высокая точность измерения сдвига фазы (меньше 1%), что минимизирует количество пусков при работах по балансировке; низкая себестоимость и высокая надежность (наработка на отказ - 100 тыс. часов) вследствие применения специальных контроллеров на современной элементной базе (данный виброизмерительный контроллер имеет 4 вибро- и 2 термоканала, что позволяет установить 1 БКД-4/5 на 2 подшипника, при этом обрабатывается вибросигнал по двум направлениям от каждого: вертикальном и поперечно-горизонтальном); вся система защиты может быть подключена как часть к любой существующей системе управления с помощью стандартной технологии OPC-клиент / сервер.

Список использованных источников

информационный муниципальный платеж оператор

1. Аверкин А.Н. Нечёткие семиотические системы управления // Интеллектуальное управление: новые интеллектуальные технологии в задачах управления. - М.: Наука. Физматлит, 1999. - С. 141-145.

2. Айвазян С.А., Мхитарян В.С. Прикладная статистика в задачах и упражнениях. - М: Изд. ЮНИТИ-ДАНА, 2001. - 270 с.

3. Архангельский В.И., Богаенко И.Н., Грабовский Г.Г., Рюмшин Н.А. Нейронные сети в системах автоматизации. - К.: Техника, 1999. - 363 с.

4. Байе М.Р. Управленческая экономика и стратегия бизнеса. - М.: Юнити-Дана, 1999. - 743 с.

5. Бардачев Ю.Н., Цокуренко А.А., Желебовский И.И., Цокуренко М.А. Математические основы критериальных методов управления. - Херсон: Олди+, 2000. - 339 с.

6. Бардачов Ю.М., Цокуренко О.О. Багатовимірна зворотня задача обгрунтування персистенції розвитку системи вищої освіти як підприємства // Вісник ХДТУ. - №2 (11). -2001.-С. 118-123.

7. Бардачев Ю.Н., Цокуренко А.А. Математические методы автоматизированного проектирования сложных систем. - В 2-х кн. - Кн. 1: Теоретические основы. - Київ: Наукова думка, 1999. - 288 с.

8. Батищев Д.И., Исаев С.А. Оптимизация многоэкстремальных функций с помощью генетических алгоритмов // Высокие технологии в технике, медицине и образовании: Межвуз. сб. научн. тр. - Воронеж: ВГТУ, 1997. - С. 4-17.

9. Батищев Д.И., Исаев С.А., Ремер Е.К. Эволюционно-генетический подход к решению задач невыпуклой оптимизации // Оптимизация и моделирование в автоматизированных системах: Межвуз. сб. научн. тр. - Воронеж: ВГТУ, 1998. - С. 20-28.

10. Бондарев В.Н., Аде Ф.Г. Искусственный интеллект. - Севастополь: Изд. СевНТУ, 2002. - 615 с.

11. Боровиков В.П., Ивченко Г.И. Прогнозирование в системе STATISTICA в среде WINDOWS. - М.: Финансы и статистика, 1999. - 382 с.

12. Булкин В.И. Компараторная идентификация знаний в биологических и искусственных интеллектуальных информационных системах. // Вестник ХГТУ. - Херсон: ХГТУ, 2002. - №1 (14). - С. 272-276.

13. Бурлачук Л.Ф., Морозов С.М. Словарь-справочник по психодиагностике. - СПб.: Питер Ком, 1998. - 528 с.

14. Бэстенс Д.Э., Ван Ден Берг В.М., Вуд Д. Нейронные сети и финансовые рынки: принятие решений в торговых операциях. - М.: ТВП, 1997.

15. Васильев В.И., Ильясов Б.Г. Интеллектуальные системы управления с использованием нейронных сетей. - Уфа: УГАТУ, 1997. - 92 с.

16. Вебер А.В., Данилов А.Д., Шифрин С.И. Knowledge-технологии в консалтинге и управлении предприятием. - Санкт-Петербург: Наука и техника, 2003. - 171 с.

17. Верлань А.Ф., Олецький О.В. Методика створення інтелектуалізованого інтегрованого середовища для комп`ютерного моделювання складних систем // Методы и средства компьютерного моделирования: Сборник научных трудов. - К.: Институт проблем моделирования в энергетике НАН Украины, 1997. - С. 26-28.

18. Верлань А.Ф., Олецький О.В. Про деякі підходи до організації інтелектуалізованих проблемно-орієнтованих середовищ для комп'ютерного моделювання складних неоднорідних систем // Збірник наукових праць Кам'янець - Подільського держ. пед. ун-ту. Серія фіз.-мат. - Кам'янець-Подільський, 1997. - С. 3-6.

19. Воинов А.В. Гаврилова Г.А. Антропологический подход к разработке адаптивных систем: методология и инструментарий // Сб. Труды VI Национальной конференции с международным участием. КИИ-98.ИПС РАН. - Пущино: 1998. Т.1 - с. 35-40.

20. Волков А.А. Моделирование системы графами // Вісник КМУЦА, 1998, - №1. - С. 268-274.

21. Вороновский Г.К., Махотило К.В., Сергеев С.А. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности. - Харьков: Основа, 1997. - 212 с.

22. Гаврилова Т.А., Зудилова Е.В. Адаптивный диалог и модель пользователя // Труды международного семинара по компьютерной лингвистике «Диалог-95» - Казань: 1995, - С 34-39.

23. Гаврилова Т.А., Червинская К.Р. Извлечение и структурирование знаний для экспертных систем. - М.: Радио и связь. 1992. - 199 с.

24. Галушкин А.И. Теория нейронных сетей. - Москва: ИПРЖР, 2000. - 516 с.

25. Галушкин А.И. Нейрокомпьютеры. - Кн. 3. - М.: ИРПЖР, 2000.

26. Герасимов Б.М., Грабовский Г.Г., Рюмшин Н.А. Нечёткие множества в задачах проектирования, управления и обработки информации. - Киев: Техника, 2002. - 140 с.

27. Гитис Л.Х. Кластерный анализ в задачах классификации, оптимизации и прогнозирования. - М., 2001. - 334 с.

28. Головко В.Н. Нейрокомпьютеры и их применение. - Кн. 4: Нейронные сети: обучение, организация и применение. - М.: Радиоэлектроника, 2001. - 368 с.

29. Горбань А., Дунин-Барковский В.Л., Миркес Е.М. и др. Нейроинформатика. - Новосибирск: Наука, 1998. - 129 с.

30. Григорян Р.Д. Необходимость и проблемы построения адаптивного к пользователю компьютера // Проблемы программирования 2002, №1-2, С 447-453.

31. Дейт К.Дж. Введение в системы баз данных / Пер. с англ. 6-е изд. - К.: Диалектика, 1998, - 784 с.

32. Доровской В.А. Идентификация профессиональных знаний операторов автоматизированных систем управления: Диссертация доктора технических наук: 05.13.06 // Херсонский национальный технический университет. - Херсон: ХНТУ, 2004.

33. Доровской В.А. Дихотомическое тестирование и оценивание эффективности подготовку диспетчеров полиэргатических систем. - К.: ЕУФИМБ, 2001. - 410 с.

34. Доровской В.А. Методы и модели формирования баз знаний полиэргатических систем. - Днепропетровск: Наука і освіта, 2000. - 188 с.

35. Доровской В.А. Модели представления знаний в эргатических системах. - Днепропетровск: Наука і освіта, 1998. - 195 с.

36. Доровской В.А., Журавель Е.В., Кудинов В.В. Модель взаимодействия интеллектуальной системы и лица, принимающего решения // Вестник ХГТУ. - 2003. - №2 (18). - С. 204-207.

37. Доровской В.А., Михайленко В.М. Модели взаимодействия в интеллектуальных системах // Кибернетика и вычислительная техника. - 2003. - №139. - С. 86-89.

38. Доровський В.О., Доровський Д.В., Кудінова С.В. Побудова генетичного алгоритму формування цільових планів зборки продукції // Экономика и управление. - Киев: Европейский университет. 2008. - №10. - С. 85-94.

39. Доровський Д.В., Кудінова С.В., Митрошин А.С. Проект інтелектуальної системи діагностики обладнання // Проблеми інформаційних технологій. - Херсон: ХНТУ. 2008. - №3 (29). - С. 291-295.

40. Дьяконов В., Круглов В. Математические пакеты расширения MATLAB. - СПб: ПИТЕР, 2001. - 472 с.

41. Дюк В., Самойленко A. Data Mining. - СПб: ПИТЕР, 2001. - 366 с.

42. Зайченко Ю.П. Основи проектування інтелектуальних систем: Навч. пос. - Т. 1. - К., 2003. - 145 с.

43. Згуровский М.З., Доброногов А.В., Померанцева Т.Н. Исследование социальных процессов на основе методологии системного анализа. - К.: Наук. думка, 1997. - 217 с.

44. Згуровский М.З., Доброногов А.В. Системный анализ социально-политических процессов на основе нейросетевых моделей // Кибернетика и системный анализ. - 1997. - №1. - С. 76-85.

45. Змитрович А.И. Интеллектуальные информационные системы. - Минск: НТООО ТерраСистемс, 1997. - 189 с.

46. Зудилова Е.В. Современное состояние в области проектирования адаптивных систем // КИН-96 - Инженерия знаний. - 255 с.

47. Калянов Г.Н. CASE-технологии: Консалтинг в автоматизации бизнес-процессов. - М.: Горячая линия - Телеком, 2002. - 314 с.

48. Кирилюк B.C. Об одном непараметрическом оценивании систем с двумя типами выходов по результатам наблюдений вход-выход // Кибернетика и системный анализ. - 2003. - №3. - С. 132-141.

49. Коваленко И.И., Бидюк П.И, Баклан И.В. Системный анализ и информационные технологии в управлении проектами. - К.: Экономика и право, 2001. - 267 с.

50. Когнитивное обучение: современное состояние и перспективы/ Под ред. Т. Галкиной и Э. Лоарера. - М.: Издательство «Институт психологии РАН», 1997. - 296 с.

51. Колесников А.В. Гибридные интеллектуальные системы для поддержки принятия решений // Матер. науч.-тех. конференции ІСІТ'99. - М., 1999.

52. Комплекс нормативних документів для розробки складових cистем стандартів вищої освіти. Додаток 1 до наказу Міносвіти №285 від 31 липня 1998 р.

53. Корнеев В.В., Гареев А.Ф., Васютин С.В., Райх В.В. Базы данных. Интеллектуальная обработка информации. - М.: Нолидж, 2002. - 494 с.

54. Круглов В.В., Борисов В.В. Искусственные нейронные сети. - М.: Горячая линия - Телеком, 2002. - 382 с.

55. Круглов В.В., Борисов В.В. Гибридные нейронные сети. - Смоленск: РУСИЧ, 2001. - 368 с.

56. Кугаенко А.А. Использование методов динамического моделирования для совершенствования управления национальной экономикой // Управляющие системы и машины. - 1997. - №1/3. - С. 53-60.

57. Кудинова С.В., Методичні засади інвестиційної привабливості АПК індустріально розвинених регіонів // Збірник матеріалів VII наукової регіональної конференції «Євронаука» та V сесії Малої Академії наук Криворізької філії Європейського університету. - Кривий Ріг, 2005.

58. Кудинова С.В. Особливості формування інвестиційної привабливості у підприємствах АПК індустріально розвиненого регіону // Збірник матеріалів VII наукової регіональної конференції «Євронаука» та V сесії Малої Академії наук Криворізької філії Європейського університету. - Кривий Ріг, 2005.

59. Кудинова С.В. Математическая модель управления ценой продукции по критерию максимальной прибыли // Вестник ХГТУ. -2002. - №2 (15).

60. Кудинова С.В. Функции и основные этапы управления процессом кредитования // Економіка: проблеми теорії та практики: Міжвузівський збірник наукових праць. Випуск 3. - Дніпропетровськ: Наука і освіта, 1999. - С. 52-58.

61. Кудінова С.В. Структура і інфраструктура банківського менеджменту на Україні // Економіка: проблеми теорії та практики: Міжвузівський збірник наукових праць. Випуск 3. - Дніпропетровськ: Наука і освіта, 2000. - С. 16-23.

62. Кудинова С.В. Разработка ценовой политики банка // Економіка: проблеми теорії та практики: Міжвузівський збірник наукових праць. Випуск 3. - Дніпропетровськ: Наука і освіта, 2000. - С. 37-44.

63. Кудінова С.В., Митрошин О.С. Оцінка нечітких екологічних знань операторів інформаційно-управляючих систем гірничорудних підприємств // Охорона праці на підприємстві металургійного комплексу. Випуск 10. - Кривий Ріг: НДІБПГ, 2008. - С. 33-39.

64. Кудинова С.В., Митрошин А.С., Митрошин А.С. Объектно-иерархическая модель достоверности тестового контроля // «ІНТЕРНЕТ-ОСВІТА-НАУКА-2008», шоста міжнародна конференція ІОН-2008 Збірник матеріалів конференції. Том 1. - Вінниця: УНІВЕРСУМ-Вінниця, 2008. - С. 67-71.

65. Кудінов В.В., Кудінова С.В., Філіпенко А.Ю. Оцінка нечітких знань інформаційно-управляючих систем // Проблеми інформаційних технологій. - Херсон: ХНТУ. 2008. - №3. - С. 65-69.

66. Курейчик В.М. Генетические алгоритмы. - Таганрог: ТРТУ, 1998. - 242 с.

67. Курейчик В.В. Перспективные архитектуры генетического поиска // Программные продукты и системы. - 1998. - №3. - С. 47-48.

68. Лачинов В.М., Поляков А.О. Информодинамика. - СПб, издательство СПбГТУ, 1999. - 245 с.

69. Медведев B.C., Потёмкин В.Г. Нейронные сети. MATLAB 6. - Москва: ДИАЛОГ-МИФИ, 2002. - 490 с.

70. Меньшиков Ю.Л. Идентификация моделей внешнего воздействия. // Вестник ХГТУ, 2002 - №2 (15) - С. 326-330.

71. Митюшкин Ю.И., Мокин Б.И., Ротштейн А.П. Soft computing: идентификация закономерностей нечёткими базами знаний. - Винница: Універсум, 2002. - 217 с.

72. Мишулина О.А., Лабинская А.А., Щербинина М.В. Лабораторный практикум по курсу: «Введение в теорию нейронных сетей». - М.: Изд. МИФИ, 2000. - 204 с.

73. Нейман Ю.М., Хлебников В.А. Введение в теорию моделирования и параметризации педагогических тестов. - М: Прометей, 2000. - 169 с.

74. Новикова М.С. Обоснование комплексного критерия технико-экономической эффективности авионики нового поколения // Матеріали V Міжнародної науково-технічної конференции Аерокосмічні системи моніторінгу та керування. - 2003.-С. 199-205.

75. Овезгельдыев А.О. Принятие решений в условиях нестационарных параметров системы // Вестник Херсонского технического университета. - 1998. - №2. - С. 36-40.

76. Овезгельдыев А.О. Формирование многофакторных оценок при интервальном задании предпочтительности факторов // Кибернетика и системный анализ. - 1997. - №5. - С. 85-98.

77. Овезгельдыев А.О. Системологический анализ проблемы многокритериальной оптимизации // АСУ и приборы автоматики. - 1997. - №106. - С. 48-55.

78. Овезгельдыев А.О., Петров К.Э. Адаптивная математическая модель многофакторного оценивания // Кибернетика и системный анализ. - 1997. - №3. - С. 90-97.

79. Овезгельдыев А.О. Синтез и идентификация моделей многофакторного оценивания и оптимизации. - К.: «Наукова думка», - 2002. - 163 с.

80. Основи нових информаційних технологій навчання // За ред. Ю.І. Машбиця. - K.: IЗMH, 1997. - 264 с.

81. Павлов А.А., Теленик С.Ф. Информационные технологии и алгоритмизация в управлении. - К.: Техника, 2002. - 344 с.

82. Пазинич B.I. Оцінка фінансової ефективності впроваджені інноваційних програм на підприємстві // Фінанси України. - 2002. - №< С. 42-47.

83. Панкратова Н.Д. Рациональный компромисс в системной задаче концептуальной неопределённости // Кибернетика и системный анализ. - 2002. - №4. - С. 162-180.

84. Петров Э.Г., Чайников С.И., Овезгельдыев А.О. Методология структурного системного анализа и проектирования крупномасштабных ИУ С. Концепция и методы. Ч. 1. - Харьков: «Рубикон», 1997. - 160 с.

85. Поліщук Н.В. Оцінка результативності і галузевих виробничих потоків регіону // Фінанси України. - 2003. - №9.-С. 74-79.

86. Поспелов Д.А. Слово редактора // Новости искусственного интеллекта. - 2001. - №2-3 (44-45). - С. 2-4.

87. Ротштейн А.П. Интеллектуальные технологии идентификации. - Винница: Універсум, 1999. - 300 с.

88. Ротштейн А.П., Митюшкин Ю.И. Идентификация нелинейных зависимостей нейронными сетями // Проблемы бионики. - 1998. - №49. - С. 168-174.

89. Ротштейн А.П., Митюшкин Ю.И. Извлечение нечётких баз знаний из экспериментальных данных с помощью генетических алгоритмов // Кибернетика и системный анализ. - 2001. - №4. - С. 45-53.

90. Ротштейн А.П. Нечеткая надежность алгебраических процессов. - Винница: Континент-Прим, 1997. - 142 с.

91. Рыбина Г.В. Автоматизация построения баз знаний для интегрированных экспертных систем // Теория и системы управления. - 1998. - №5.

92. Сборник трудов I Международной конференции «Идентификация систем и задачи управления» (SICPRO-2000). Российский фонд фундаментальных исследований (проект РФФК 00-01-10066). М. - 2000. CD-ROM

93. Сетлак Г. Нечёткие нейросетевые модели в интеллектуальных управленческих системах // Праці Міжнародної наукової конференції «Автоматика-2000» (11-15 вересня 2000 р.). - Львів: Держ. НДІІІ, 2000. - С. 224-230.

94. Сетлак Г. Интеллектуальные технологии в маркетинговом анализе // System Research and Information Technologies. - Kiev: IASA National Academy of Sciences and Ministry of Education and Science Ukraine, 2004. - №1. - P. 56-69.

95. Сетлак Г. Интеллектуальная система поддержки принятия решений в нечёткой среде // Искусственный интеллект. - 2002. - №3. - C. 428-438.

96. Сетлак Г. Идентификации структуры нечёткой системы при помощи нейронных сетей // Искусственный интеллект. - 2003. - №2. - С. 44-51.

97. Сетлак Г. Интеллектуальные системы поддержки принятия решений. - К.: Логос, 2004. - 252 с.

98. Сетлак Г. Методы и технологии искусственного интеллекта в интеллектуальных производственных системах // Вестник СевГТУ. - Серия «Автоматизация процессов и управление». - Вып. 57. - Севастополь: СевГТУ, 2004. - С. 96-107.

99. Сотник С.С. Курс лекций по предмету «Основы проектирования систем с искусственным интеллектом». - www.neuropower.de/rus/books/

100. Сотникова Т.Г. Синтез оптимальных по быстродействию систем автоматического управления циклом измельчения железных руд // Сб. Разработка рудных месторождений. - Вып. №88. - 2003. - С. 239-242.

101. Тарасов В.Б. Эволюционная семиотика - новое синергическое направление в искусственном интеллекте // Искусственный интеллект. - 1997. - №1-2. - С. 9-20.

102. Тельнов Ю.Ф. Интеллектуальные информационные системы (в экономике). - М.: Изд. СИНТЕГ, 1998. - 216 с.

103. Терехов С.А. Типовые задачи для информационного моделирования с использованием нейронных сетей. - alife.narod.ru/lectures/tasks/

104. Трахтенгерц Э.А. Компьютерная поддержка принятия решений. - М.: СИНТЕГ, 1998. - 376 с.

105. Трахтенгерц Э.А. Субъективность в компьютерной поддержке управленческих решений. - М.: СИНТЕГ, 2001. - 250 с.

106. Трахтенгерц Э.А. Неопределённость в математических моделях компьютерной оценки решений. - М.: Институт Проблем Управления, 1998. - С. 11-29.

107. Турбин А.Ф., Працевитый Н.В. Фрактальные множества. Функции распределения. - Киев: Наукова думка, 1992. - 207 с.

108. Францкевич Г.И., Букарев А.А., Костюк В.П. Нейросетевые и генетические модели и методы анализа данных. - www.neuroproject.ru/index.html.

109. Хайрова Н.Ф., Шаронова Н.В. Автоматизированные информационные библиотечные системы: задачи обработки информации. - Херсон: 2003 - 120 с.

110. Ходаков, Н.В. Пилипенко, Н.А. Соколова / Под редакцией В.Е. Ходакова / Введение в компьютерные науки: учебное пособие. - Херсон: Издательство ХГТУ, 2004. - 610 с.

111. Ходаков В.Е., Рогальский О.Ф. Деякі аспекти створення економіко-математичних моделей управління фінансовими ресурсами підприємств. // Вестник ХГТУ. - 2002. - №1 (14). - С. 104-108.

112. Ходаков В.Е., Фефелов А.А. Генетические алгоритмы в задачах координации совместных действий аварийно-спасательных бригад в условиях чрезвычайных ситуаций // Вестник ХГТУ. - 2002. - №1 (14). - С. 18-23.

113. Цифрові пристрої та мікропроцесори. Мікропроцесори: Навчально-методичне видання / Бурцева Н.В., Доровський В.О., Шелевицький І.В., Швець В.А., Юрко Ю.В. - К.: Європейський університет, 2002. - 220 с.

114. Цокуренко А.А. Робастность в стохастических процессах задач неклассической статистики данных адаптивного управления и методы их анализа // Вестник ХГТУ. - №1 (15). - 2003. - С. 198-205.

115. Цокуренко А.А. Программное обеспечение для критериальной обработки нечеткой и лингвистической информации // УСиМ. - №5. - 1999-С. 21-26.

116. Цокуренко А.А. Некорректные задачи на неструктурированных данных // УСиМ. - №3. - 2001. - С. 30-37

117. Цокуренко А.А. Обоснование существования решения одной редуцированной системы. // Зб. наук. праць: Інтегральні перетворення та їх застосування до крайових задач. - Київ: НАН України, Інститут математики. - Вип. 16. - 1997. - С. 274-281.

118. Цокуренко А.А. К вопросу оценки погрешности одной системы. // Зб. наук. праць: Інтегральні перетворення та їх застосування до крайових задач. - Київ: НАН України, Інститут математики. - Вип. 15. - 1997. - С. 259-263

119. Цокуренко А.А. Надежность одной математической модели редукции // Збірник наукових праць: Інтегральні перетворення та їх застосування до крайових задач. - Київ: НАН України, Інститут математики. Bип. 15, 1997. - С. 263-270

120. Цокуренко А.А. Метод восстановления геологических образов на нечетких данных и его системное программное обеспечение. // Труды VII Международного научного симпозиума «Методы дискретных особенностей в задачах мат. физики: Прикладная математика и мат. моделирование». Феодосия - Киев, 1997. - С. 199-202.

121. Цокуренко А.А. Генерация систем геометрического представления 2-D и 3-D составных объектов со сложной топологией // В сб.: Ресурсосберегающие и энергосберегающие технологии. - Херсон: Институт системных исследований образования, 1996. - С. 40-42.

122. Цокуренко А.А. Информационно-вычислительный комплекс и обратные задачи. - Київ: Наукова думка, 1998. - 281 с.

123. Цокуренко А.А., Ходаков В.Е. Особенности пространственного контактного взаимодействия как обратная задача // Вестник ХГТУ. - №1 (17). - 2000. - С. 244-249.

124. Цокуренко А.А., Якимчук Г.С., Глухова В.И. Синтез математической модели оптимального управления энергоемкими процессами на решениях с разрывами // Труды VII Международного научного симпозиума «Методы дискретных особенностей в задачах мат. физики: Прикладная математика и мат. моделирование», Феодосия - Киев, 1997. - С. 222-225.

125. Цокуренко О.О. Щодо питання розробки етапів автоматизованого проектування складних систем // Вістник ХДТУ. - №1 (7). - 2000. - С. 279-283.

126. Шаронова Н.В. Построение модели базы знаний в автоматизированной информационно-библиотечной системе // Вестник ХГТУ. - 1998. - №2 (4). - С. 105-110.

127. Шурыгин A.M. Прикладная стохастика: робастность, оценивание, прогноз. - М.: Финансы и статистка, 2000. - 223 с.

128. Чаудхури С., Дайал У., Гаити В. Технология баз данных в системах поддержки принятия решений // Открытые системы. - 2002. - №1.

129. Ярушкина Н.Г. Нечёткие нейронные сети // Новости искусственного интеллекта. - 2001. - №3. - С. 47-51.

130. Энциклопедия психологических тестов. Темперамент, характер, познавательные процессы. - М.: ACT, 1997. - 256 с.

131. Azeem M.F., Hanmandlu M., Ahmad N. Generalization of Adaptive Neuro-Fuzzy Inference Systems // IEEE Neural Networks. - 2000. - V. ІІ. - №6. - P. 1332-1348

132. V. Dorovskoy, I. Shelevitskiy, V. Kudinov Identification of reliability subject-hierarchical model of the test control // Сборник научных трудов четвертой международной конференции «Інтернет-Освіта-Наука-2004» - Винница: УНИВЕРСУМ-Винница, 2004. - Т. 1. - С. 71-75.

133. Back Т., Fogel D.B., Michalewicz Z. Handbook of Evolutionary Computation. - New York: University Oxford Press, 1996.

134. Balicki J., Kitowski Z. Genetic-neural multiobjective optimization for resource allocation problems // Proceedings of the International Conference on Intelligent Technologies in Human-related Sciences. - Leon, 1996. - P. 18-22.

135. Beynon-Davies P. Inzynieria systemow informacyjnych. - Warszawa: WNT, 1999. - 415 s.

136. Callan R. The essence of neural networks. - London, Paris, New York: Prentice Hall Europe, 1999. - 287 р.

137. Igor Chmyr. Dialogue of Partners as a Method of Non-Formal Problem Solving // Maddy D. Brouwer-Janse and Thomas L. Harrington (eds.) Human-Machine Communication for Education System Design. NATO ASI Series, Vol. F129. - Berlin: Springer, 1994. - P. 221 - 228.

138. Riding R., Rayner S. Cognitive styles and learning strategies. Understanding style differences in learning and behavior. - London: David Fulton Publishers, 1999. - 217 p.

139. River: Prentice-Hall, 1997. - 245 р.

140. Kosko B. Fuzzy Engineering. - New Jersey: Prentice Hall, 1997.

141. Lowry M.R., McCartney R. Automated Software Design. - Menlo Park, CA: Morgan Kaufmann, 1997. - 420 p.

142. Rayner S., Riding R. Towards a categorization of cognitive styles and learning styles // Educational Psychology, 1997. - V 17. - P. 5-28.

143. Riding R., Rayner S. Cognitive styles and learning strategies. Understanding style differences in learning and behavior. - London: David Fulton Publishers, 1999. - 217 p.

144. Rutkowska D., M. Pilinski, Rutkowski L. Sieci neuronowe, algorytmy genetyczne i systemy rozmyte. - Warszawa: PWN, 1997. - 411 s.

145. Rutkowska D. On designing fuzzy systems using genetic algorithms and neural networks techniques // Proceedings of the Third Conference Neural Networks and Their Applications, Kule, October 14-18. - 1997. - Р. 63-78.

146. Rutkowska D. Inteligentne systemy obliczeniowe, algorytmy genetyczne i sieci neuronowe w systemach rozmytych. - Warszawa: Akademicka Oficyna Wydawnicza PLJ, 1997. - 304 s.

147. Rutkowski L. Sieci neuronowe i neurokomputery. - Czestochowa: WPC, 1996. - 170 s.

148. Smith P.L., Ragan T.J. Instructional Design. - 2nd ed. - New Jersey: Prentice - Hall, Inc., 1999. - 399 p.

149. Takagi H. Fusion technology of neural networks and fuzzy systems // International Journal of Applied mathematics and computer science, Zielona Gora. - Vol. 10. - 2000. - №4. - P. 647-675.

150. Tecuci G. Building Intelligent Agent. An Apprenticeship Multistrategy Learning Theory, Methodology, Tool and Case Studies. - New York: Academic Press, 1998. - 496 p.

151. Turban E., J E. Aronson Decision Support Systems and Intelligent Systems. - New Jersey: Prentice Hall, 2001. - 865 р.

Размещено на Allbest.ru