Синтез адаптивных интеллектуальных измерительных систем с применением автоматизированного системно-когнитивного анализа и системы "Эйдос", системная идентификация в эконометрике, биометрии, экологии, педагогике, психологии и медицине
Характеристика интеллектуальных измерительных систем. Описание сути и особенностей применения метода автоматизированного системно-когнитивного анализа. Решение задач многопараметрической типизации и системной идентификации состояний сложных объектов.
| Рубрика | Программирование, компьютеры и кибернетика |
| Вид | статья |
| Язык | русский |
| Дата добавления | 22.05.2017 |
| Размер файла | 2,4 M |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Рисунок 5. Главная экранная форма для задания параметров импорта данных в систему «Эйдос» из внешней базы исходных данных, представленной в таблице 1
Затем в соответствии с этапами АСК-анализа и порядком преобразования данных в информацию, а ее в знания [22], в режиме 3.5 системы «Эйдос» выполним синтез и верификацию статистических моделей и моделей знаний (рисунок 6):
Рисунок 6. Экранная форма задания параметров синтеза и верификации моделей (параметры по умолчанию)
Созданные модели, наименования которых приведены на рисунке 3, отличающиеся частными критериями, представляют собой результат многопараметрической типизации состояний объектов обучающей выборки, описанных в исходных данных. Это и есть решение 1-й задачи. По сути, это и есть профессиограммы или ключи теста на профессиональную пригодность, созданного в инновационной интеллектуальной технологии «Эйдос». В результате работы режима получены статистические модели и модели знаний и проведена их верификация. Модель знаний INF1 приведена на рисунке 7:
Рисунок 7. Модель знаний INF1 (фрагмент)
3.2 Решение 2-й задачи - системной идентификации состояний сложных объектов
На рисунках 8 и 9 приведены примеры экранных форм с результатами системной идентификации. Рисунок 8 дает информацию для работодателя, проводящего исследование конкретного кандидата на работу, а 9 - проводящего массовое обследование кандидатов:
Рисунок 8. Результаты системной идентификации конкретного респондента с классами
Рисунок 9. Результаты системной идентификации конкретного класса с респондентами
При этом достоверность системной идентификации с применением различных моделей в моделей в системе «Эйдос» оценивается с помощью предложенной автором метрики, по смыслу сходной с F-критерием.
Метризация шкал - решение проблемы сопоставимости при системной идентификации
Как показано выше, в АСК-анализе проводится последовательное повышение степени формализации исходных данных до уровня, обеспечивающего их обработку на компьютере в программной системе. После выполнения когнитивной структуризации и формализации предметной области осуществляется синтез статистических моделей и моделей знаний, в которых все шкалы, в которых описаны исходные данные, преобразуются к одному типу: числовому, и к одним единицам измерения: единицам измерения информации, т.е. проводится метризация шкал. В настоящее время в системе «Эйдос» применяется 7 способов метризации шкал [9].
В работе [3] сформулированы требования к форме представления данных, информации и знаний, позволяющие оценить степень их пригодности для решения задач системной идентификации, прогнозирования и принятия решений, а также исследования предметной области (например, кластерного анализа).
Прежде всего, результаты решения вышеперечисленных задач должны быть инвариантны относительно:
- единиц измерения градаций факторов (признаков);
- типов шкал, используемых для формализации классов и факторов (номинальные, порядковые и числовые);
- различных статистических характеристик исходной выборки: частотных распределений объектов по классам (обобщенным категориям), частотных распределений градаций факторов, различий в количестве признаков в описаниях объектов исследуемой выборки, различий в суммарном количестве признаков по классам.
Кроме того, форма представления должна обеспечивать решение вышеперечисленных задач с минимальными дополнительными затратами ручного труда, а это значит, что вся предварительная обработка должна быть максимально автоматизирована.
Эти требования можно рассматривать и как критерии выбора наиболее подходящей для решения вышеперечисленных задач формы представления данных, информации и знаний.
Рассмотрим влияние единиц измерения в исходной выборке на результаты решения задач прогнозирования и принятия решений, а также исследования предметной области (например, кластерного анализа).
Если в исходных данных какие-то значения выражены в больших единицах измерения, то их числовые значения будут малыми, и наоборот, если единицы измерения мелкие, то числовые значения - большие. Большие значения оказывают большее влияние на результаты математической обработки, чем малые, и это приводит к возникновению зависимости результатов решения задач системной идентификации, прогнозирования и принятия решений, а также кластерного анализа, от выбранных размерностей исходных данных, что, на взгляд автора, совершенно неприемлемо и указывает на то, что такое решение нельзя признать корректным и даже вообще решением. По этой же причине некорректно совместно обрабатывать сами исходные данные, представленные в различных единицах измерения (натуральных или ценовых), например, складывать расстояния, представленные в километрах и в метрах, а затем прибавлять к ним тонны и килограммы, а затем еще и безразмерные величины. Вроде это очевидно, но, как это ни удивительно, но как показывает опыт на практике это довольно часто делается, а потом еще на основе подобного «анализа» делаются и выводы. Очень странно, что обычно на это не обращают никакого внимания при использовании исходных данных, представленных в различных единицах измерения. Например, даже в таких популярных (причем, совершенно заслуженно) системах, как SPSS и Статистика, в подсистеме кластерного анализа приводятся примеры кластерного анализа над исходными данными, представленными в различных единицах измерения.
В АСК-анализе факторы формально описываются шкалами, а значения факторов - градациями шкал. Существует три основных группы факторов: физические, социально-экономические и психологические (субъективные) и в каждой из этих групп есть много различных видов факторов, т.е. есть много различных физических факторов, много социально-экономических и много психологических, но в АСК-анализе все они рассматриваются с одной единственной точки зрения: сколько информации содержится в их значениях о переходе объекта, на который они действуют, в определенное состояние, и при этом сила и направление влияния всех значений факторов на объект измеряется в одних общих для всех факторов единицах измерения: единицах количества информации. Именно по этой причине вполне корректно складывать (в аддитивных интегральных критериях) силу и направление влияния всех действующих на объект значений факторов, независимо от их природы, и определять результат совместного влияния на объект системы значений факторов. При этом в общем случае объект является нелинейным и факторы внутри него взаимодействуют друг с другом, т.е. для них не выполняется принцип суперпозиции.
На рисунке 10 приведен пример метризованной номинальной шкалы в модели INF1. По сути это и есть профессиограмма, сформированная в среде инновационной интеллектуальной технологии «Эйдос»:
Рисунок 10. Пример метризованной номинальной шкалы (профессиограммы)
3.3 Решение 3-й задачи - принятия решений об управляющем воздействии так изменяющем состав объекта управления, чтобы его качество максимально повышалось при минимальных затратах на это
Для решения 3-й задачи предлагается применить выбор компонент объекта управления по их функциональному назначению с учетом ресурсов, выделенных на реализацию различных функций, затрат, связанных с выбором тех или иных компонентов и степени соответствия различных компонент их функциональному назначению. Фактически предлагается формулировка и решение нового обобщенного варианта задачи о назначениях: «Мультипликативный рюкзак» Классический вариант этой задачи описан в работе [61]., отличающегося от известного тем, что назначения производится не только с учетом ресурсов и затрат, но и с учетом степени соответствия компонент их функциональному назначению, которое предварительно определяется в самой задаче.
Математическая модель, обеспечивающая решение 1-й задачи и отражающая степень соответствия компонент их функциональному назначению, а также весь процесс приятия решений по назначениям, т.е. 2-я задача, реализованы в АСК-анализе и системе «Эйдос-Х++».
3.3.1 Интегральные критерии системы «Эйдос»
В результате проведения в метризации шкал, т.е. их преобразования независимо от исходного типа к одному типу: числовому, и независимо от исходных единиц измерения к одним единицам измерения: количеству информации, становится возможным корректно совместно обрабатывать результаты формализации описаний исходных данных в этих шкалах и использовать при этом все арифметические операции, в т.ч. сложение [9].
Это позволяет использовать аддитивные интегральные критерии и обоснованно ответить на следующий вопрос. Если нам известно, что объект обладает не одним, а несколькими признаками, то как посчитать их общий вклад в сходство с теми или иными классами?
Для этого в системе «Эйдос» используется 2 аддитивных Т.е. являющихся суммами частных критериев, в отличие от мультипликативных интегральных критериев, которые являются произведениями частных критериев. На самом деле различие аддитивных и мультипликативных интегральных критериев не так велико, как может показаться на первый взгляд, т.к. они аддитивный интегральный критерий по сути является логарифмом мультипликативного. Иначе говоря это один и тот же критерий, нов разных шкалах: линейной и логарифмической. интегральных критерия: «Сумма знаний» и «Семантический резонанс знаний».
Интегральный критерий «Семантический резонанс знаний» представляет собой суммарное количество знаний, содержащееся в системе факторов различной природы, характеризующих сам объект управления, управляющие факторы и окружающую среду, о переходе объекта в будущие целевые или нежелательные состояния.
Интегральный критерий представляет собой аддитивную функцию от частных критериев знаний:
В выражении круглыми скобками обозначено скалярное произведение. В координатной форме это выражение имеет вид:
,
где: M - количество градаций описательных шкал (признаков);
- вектор состояния j-го класса;
- вектор состояния распознаваемого объекта, включающий все виды факторов, характеризующих сам объект, управляющие воздействия и окружающую среду (массив-локатор), т.е.:
В текущей версии системы «Эйдос-Х++» значения координат вектора состояния распознаваемого объекта принимались равными либо 0, если признака нет, или n, если он присутствует у объекта с интенсивностью n, т.е. представлен n раз (например, буква «о» в слове «молоко» представлена 3 раза, а буква «м» - один раз).
Интегральный критерий «Семантический резонанс знаний» представляет собой нормированное суммарное количество знаний, содержащееся в системе факторов различной природы, характеризующих сам объект управления, управляющие факторы и окружающую среду, о переходе объекта в будущие целевые или нежелательные состояния.
Интегральный критерий представляет собой аддитивную функцию от частных критериев знаний имеет вид:
где: M - количество градаций описательных шкал (признаков);
- средняя информативность по вектору класса;
- среднее по вектору объекта;
- среднеквадратичное отклонение частных критериев знаний вектора класса;
- среднеквадратичное отклонение по вектору распознаваемого объекта.
- вектор состояния j-го класса;
- вектор состояния распознаваемого объекта, включающий все виды факторов, характеризующих сам объект, управляющие воздействия и окружающую среду (массив-локатор), т.е.:
В текущей версии системы «Эйдос-Х++» значения координат вектора состояния распознаваемого объекта принимались равными либо 0, если признака нет, или n, если он присутствует у объекта с интенсивностью n, т.е. представлен n раз (например, буква «о» в слове «молоко» представлена 3 раза, а буква «м» - один раз).
Приведенное выражение для интегрального критерия «Семантический резонанс знаний» получается непосредственно из выражения для критерия «Сумма знаний» после замены координат перемножаемых векторов их стандартизированными значениями:
Свое наименование интегральный критерий сходства «Семантический резонанс знаний» получил потому, что по своей математической форме является корреляцией двух векторов: состояния j-го класса и состояния распознаваемого объекта.
3.3.2 Алгоритм решения 3-й задачи
Алгоритм назначения объектов на наиболее подходящие классы с учетом ресурсов классов, затрат на объекты и степени соответствия объектов классам состоит в том, что назначаем текущий объект на тот класс, удельное сходство с которым максимально, при условии, что у данного класса есть для этого ресурсы, и делать это до тех пор, пока есть классы с ресурсами и назначены не все объекты (рисунок 11):
Рисунок 11. Алгоритм назначения объектов на наиболее подходящие классы с учетом ресурсов классов, затрат на объекты и степени соответствия объектов классам
3.3.3 Численный пример решения 3-й задачи
Запустим режим 4.1.6 системы «Эйдос»: «Рациональное назначение объектов на классы (задача о ранце)» (Управление персоналом на основе АСК-анализа и функционально-стоимостного анализа (задача о назначениях)) (рисунок 12):
Рисунок 12. Главная экранная форма режима: 4.1.6. Рациональное назначение объектов на классы (задача о ранце)
В верхнем левом окне пользователь может пересоздать базу ресурсов классов, а также корректировать ресурсы классов. Это возможно либо вручную, либо автоматически. В первом случае ресурсам присваивается значение по умолчанию. Во втором случае есть несколько вариантов присвоения значений ресурсов классов.
В верхнем правом окне пользователь может пересоздать базу затрат на назначение объектов, а также корректировать затраты объектов. Это возможно либо вручную, либо автоматически. В первом случае затратам присваивается значение по умолчанию. Во втором случае есть несколько вариантов присвоения значений затрат на назначение объектов.
При нажатии кнопки «Назначить объекты на классы» появляется окно, позволяющее задать параметры и цель назначения (рисунок 13):
Рисунок 13. Экранная форма задания параметров и цели назначений объектов на классы
Опцию: "Назначать не более 1 объекта на класс", имеет смысл использовать при разумной комплектации какого-либо сложного изделия, например автомобиля, когда каждый элемент комплектации (объект, деталь) назначается на каждую позицию (класс) 1 раз, например 1 инжектор, 1 левая фара, и т.д. С аналогичной ситуацией мы сталкиваемся при назначении кандидатов на такие должности, например, в спортивной команде, на каждой из которых может быть только один человек.
Опция: «Допускается ли назначать ранее назначенные объекты» позволяет подать на назначение не все объекты, а только не назначенные на классы при предыдущих назначениях. Например, если объектов задано значительно больше, чем классов и была задана опция: «Назначать не более 1 объекта на класс», то при каждом последующем назначении будут получаться автомобили со все более высокой себестоимостью и все более низкого качества, собранные из деталей, отбракованных при сборке предыдущих автомобилей. То же самое можно сказать об основном и дополнительном составе сборной: во 2-ю сборную входят игроки, не вошедшие в 1-ю, в 3-ю сборную - не вошедшие в 1-ю и 2-ю, и вообще в N-ю - не вошедшие в 1-ю, 2-ю,..., (N-1)-ю.
Если данная опция не установлена, то все объекты считаются ранее не назначенными. Признак, что объект был ранее назначен, сбрасывается, при пересоздании базы затрат и при автоматическом задании затрат. При назначении объектов на классы этот признак устанавливается для назначенных объектов независимо от того, установлена ли опция: "Назначать только ранее не назначенные объекты". Но учитывается этот признак при назначении объектов только в случае, если эта опция установлена.
Опция "Задайте цель управления качеством системы:" позволяет выбрать одну из четырех целей работы LC-алгоритма, предложенного автором (рисунок 8):
1. Повышение уровня системности.
2. Понижение уровня системности.
3. Минимизация средних затрат на назначения объектов.
4. Максимизация средних затрат на назначения объектов.
Повышение уровня системности обеспечивает максимальное повышение качества системы с минимальными затратами на это. Понижение уровня системности обеспечивает максимальное понижение качества системы с максимальными затратами на это, что практически означает противодействие системе или даже уничтожение системы (антисистема). Минимизация средних затрат на назначения объектов приводит к назначению максимального количества сотрудников без учета степени их соответствия требованиям должностей с минимальной средней оплатой (всеобщая занятость населения и высокая скрытая безработица, но не очень эффективная экономика). Что-то вроде этого получается при сильной социальной политике. Максимизация средних затрат на назначения объектов приводит к назначению минимального количества сотрудников без учета степени их соответствия требованиям должностей с максимальной средней оплатой (низкая занятость населения и высокая реальная безработица). Аналогичный подход используется руководством при назначении "своих" людей на руководящие и наиболее хорошо оплачиваемые должности.
На практике приходится применять все четыре подхода в различных комбинациях в зависимости от обстоятельств. Например, чтобы коллектив выполнял свою функцию, т.е. вообще работал, сначала используется 1-я цель. Но так производятся назначения не на все должности, а в основном на исполнительские. После этого для назначения на престижные руководящие и хорошо оплачиваемые должности "своих" людей используется 4-я цель. 2-я цель используется военными и в конкурентной борьбе, а 3-я для того, чтобы не возникло социального бунта при повышении уровня реальной безработицы.
В нижнем окне на рисунке 9 приводятся результаты назначения объектов на наиболее подходящие классы с учетом ресурсов классов, затрат на объекты и степени соответствия объектов классам, в соответствии с LC-алгоритмом (слева), предложенным автором в работе [6], и классическим для задачи о Мультипликативном рюкзаке RND-алгоритмом (справа), в котором ресурсы классов и затраты на объекты учитываются, а степень соответствия объектов классам не учитывается, т.е. ценность объектов считается независимой от класса и фактически равна затратам на его назначение. Это и есть основной итог расчетов, т.е. результат решения задачи, выбранной в качестве примера. Все результаты расчетов записываются в виде большого количества разнообразных выходных форм, представляющих собой как текстовые файлы, так и Excel-таблицы. Фрагмент одной такой формы приведен ниже:
РЕЗУЛЬТАТЫ НАЗНАЧЕНИЙ ОБЪЕКТОВ НА КЛАССЫ, LC-АЛГОРИТМ
(допускается назначение более 1 объекта на класс)
(допускается назначение ранее назначенных объектов)
(Цель - 1. Повышение уровня системности)
10.05.2015 08:03:35 г.Краснодар
======================================================
|ХАРАКТЕРИСТИКИ ЭФФЕКТИВНОСТИ НАЗНАЧЕНИЯ: |
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
|СУММА ПО ВСЕМ КЛАССАМ: |
|Начальный ресурс класса:............................ 550.0000000 |
|Остаток ресурса после назначений объектов на классы: 159.9990000 |
|Всего назначено на классы объектов:................. 26 |
|Суммарное сходство:................................. 1142.1670000 |
|Фактические суммарные затраты:...................... 390.0010000 |
|Средневзвешенное удельное сходство:................. 27.4660000 |
|Среднее на объект суммарное сходство:............... 399.9600000 |
|Средние на объект фактические суммарные затраты:.... 137.5810000 |
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
|СРЕДНЕЕ НА КЛАСС: |
|Начальный ресурс класса:............................ 55.0000000 |
|Остаток ресурса после назначений объектов на классы:15.9999000 |
|В среднем на класс назначено объектов:.............. 3 |
|Суммарное сходство:................................. 114.2167000 |
|Фактические суммарные затраты:...................... 39.0001000 |
|Средневзвешенное удельное сходство:................. 2.7466000 |
|Среднее на объект суммарное сходство:............... 39.9960000 |
|Средние на объект фактические суммарные затраты:... 13.7581000 |
======================================================
======================================================
|КЛАСС НАЗНАЧЕНИЯ: |
|Код: 1, наименование: ПОЛ - мужской |
|Начальный ресурс класса:........................... 100.0000000 |
|Остаток ресурса после назначений объектов на класс: 19.5120000 |
|Всего на данный класс назначено объектов:.......... 5 |
|Суммарное сходство:................................ 233.2890000 |
|Фактические суммарные затраты:..................... 80.4880000 |
|Средневзвешенное удельное сходство:................ 2.8980000 |
|Среднее на объект суммарное сходство:.............. 46.6580000 |
|Средние на объект фактические суммарные затраты:... 16.0980000 |
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
| Номер | Код | Наименование |Ур-нь сходст| Затраты на |Удельное сход|
|по пор.|объекта| объекта |об.с классом|назн. объекта|об. с классом|
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
| 1 | 35 |Мануйлов ПИ-52 | 64.3320000| 11.7070000| 5.4950000|
| 2 | 20 |Шульгин ПИ-51 | 64.9920000| 15.3660000| 4.2300000|
| 3 | 12 |Лях ПИ-51 | 57.3090000| 17.3170000| 3.3090000|
| 4 | 17 |Черкашина ПИ-51| 21.0170000| 16.0980000| 1.3060000|
| 5 | 1 |Бабенко ПИ-51 | 25.6390000| 20.0000000| 1.2820000|
======================================================
|КЛАСС НАЗНАЧЕНИЯ: |
|Код: 2, наименование: ПОЛ - женский |
|Начальный ресурс класса:........................... 90.0000000 |
|Остаток ресурса после назначений объектов на класс: 20.4880000 |
|Всего на данный класс назначено объектов:.......... 5 |
|Суммарное сходство:................................ 158.5350000 |
|Фактические суммарные затраты:..................... 69.5120000 |
|Средневзвешенное удельное сходство:................ 2.2810000 |
|Среднее на объект суммарное сходство:.............. 31.7070000 |
|Средние на объект фактические суммарные затраты:... 13.9020000 |
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
| Номер | Код | Наименование |Ур-нь сходст| Затраты на |Удельное сход|
|по пор.|объекта| объекта |об.с классом|назн. объекта|об. с классом|
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
| 1 | 42 |Цисарь ПИ-52 | 44.6200000| 10.0000000| 4.4620000|
| 2 | 24 |Григорьева ПИ52| 38.3090000| 14.3900000| 2.6620000|
| 3 | 33 |Люлик ПИ-52 | 31.7050000| 12.1950000| 2.6000000|
| 4 | 23 |Веревкина ПИ-52| 21.0730000| 14.6340000| 1.4400000|
| 5 | 8 |Иванова ПИ-51 | 22.8280000| 18.2930000| 1.2480000|
======================================================
* * *
ДАННЫЕ ПО НЕНАЗНАЧЕННЫМ ОБЪЕКТАМ (LC-алгоритм):
======================================================
|Ном| Код | Наименование | Код | Наименование |Ур.сход|Затр.на|Уд.сх.|
| |объек| объекта |клас.| класса |об.с кл|объект |об.кл.|
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
| | |В СРЕДНЕМ: | | | 0.000| 0.000| 0.000|
======================================================
ДАННЫЕ ПО КЛАССАМ, НА КОТОРЫЕ НЕ БЫЛО НАЗНАЧЕНИЙ ОБЪЕКТОВ (LC-алгоритм):
======================================================
|Номер| Код | Наименование | Начальный |
| |класса| класса | ресурс класса |
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
| 1| 10|УСПЕВАЕМОСТЬ - "5" менее 25%...............| 10.000|
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
| | | СУММА : | 10.000|
| | | СРЕДНЕЕ: | 10.000|
======================================================
Универсальная когнитивная аналитическая система "Эйдос"
По нажатию клавиши выводится более подробная информация о сравнения результатах эффективности LC-алгоритма и RND-алгоритма (рисунок 11):
Рисунок 14. Сравнение эффективности LC-алгоритма и RND-алгоритма
Из рисунка 11 видно, что при использовании LC-алгоритма при экономии ресурсов 25% среднее сходство объектов с классами возрастает примерно на 50%, если за базу сравнения брать RND-алгоритм. При других исходных данных и параметрах назначения эффективность LC-алгоритма может меняться, но всегда остается значительно более высокой. Чем RND-алгоритма. В этом и состоит актуальность постановки задачи и ее решения, предложенных в данной статье.
3.3.4 Различие в подходах психолога и руководителя к назначению и перемещению персонала
Психологи обычно рекомендуют назначать сотрудников на должности, которым они больше всего соответствуют по свои личностным и профессиональным качествам. Руководители же кроме этого еще учитывают и затраты своих ресурсов на эти назначения, т.е. то, сколько они готовы платить сотруднику за выполнение функциональных обязанностей на этой должности. Фактически руководитель применяет профессиограммы с учетом функционально-стоимостного анализа и метода «Директ-костинг». Поэтому предлагаемый в работе подход соответствует требованиям руководителя. Вместе с тем, психологов (специалистов по персоналу) не интересуют финансовые аспекты назначения персонала, то они могут задать на классы практически неограниченные ресурсы, а затраты на назначение для всех респондентов сделать малыми и одинаковыми (например, равными 1). Тогда система просто назначит сотрудников на должности, которым они больше всего соответствуют без учета затрат на это. Отметим также, что все выходные формы записываются в виде файлов. Обычно целью управления качеством является повышение уровня системности. Однако точно также, т.е. внедряя в определенные систему элементы, можно не повышать, а понижать ее уровень системности, т.е. по сути, разрушать, уничтожать данную систему (так и определяется понятие антисистемы «Антисистемой называется система с отрицательным уровнем системности, т.е. это такое объедение некоторого множества элементов за счет их взаимодействия в целое, которое препятствует достижению целей» [12].).
Итак, качество системы рассматривается, как эмерджентное свойство систем, обусловленное их составом и структурой и отражающее их функциональность, надежность и стоимость. Поэтому при управлении качеством, целью управления является формирование у объекта управления заранее заданных системных свойств. Чем ярче у объекта управления выражены системные свойства, тем сильнее у него проявляется нелинейность: и в зависимости самих управляющих факторов друг от друга, и в зависимости результатов действия одних факторов, от действия других. Поэтому проблема управления качеством состоит в том, что в процессе управления сам объект управления изменяется качественно, т.е. изменяются его уровень системности, степень детерминированности и сама передаточная функция. Эта проблема распадается на несколько задач: 1-я состоит в многопараметрической типизации, 2-я в сопоставимой системной идентификации состояния объекта управления, а 3-я - в принятии решений об управляющем воздействии так изменяющем состав объекта управления, чтобы его качество максимально повышалось при минимальных затратах на это. Для решения 3-й задачи предлагается применить выбор компонент объекта управления по их функциональному назначению с учетом ресурсов, выделенных на реализацию различных функций, затрат, связанных с выбором тех или иных компонентов и степени соответствия различных компонент их функциональному назначению. Фактически предлагается формулировка и решение нового обобщения варианта задачи о назначениях: «Мультипликативный рюкзак», отличающееся от известного тем, что назначения производится не только с учетом ресурсов и затрат, но и с учетом степени соответствия компонент их функциональному назначению. Математическая модель, обеспечивающая решение 1-й и 2-й задач и отражающая степень соответствия компонент их функциональному назначению, а также весь процесс приятия решений по назначениям, т.е. 3-я задача, реализованы в АСК-анализе и системе «Эйдос-Х++». Приводится упрошенный численный пример предлагаемого подхода, связанный с назначением персонала.
Выводы
Материалы данной статьи могут быть использованы для синтеза и применения интеллектуальных измерительных систем для системной идентификации в эконометрике, биометрии, экологии, педагогике, психологии, медицине, ветеринарии и в других предметных областях, а также при преподавании дисциплин: интеллектуальные системы; инженерия знаний и интеллектуальные системы; интеллектуальные технологии и представление знаний; представление знаний в интеллектуальных системах; основы интеллектуальных систем; введение в нейроматематику и методы нейронных сетей; основы искусственного интеллекта; интеллектуальные технологии в науке и образовании; управление знаниями; автоматизированный системно-когнитивный анализ и интеллектуальная система «Эйдос»; которые автор ведет в настоящее время http://lc.kubagro.ru/My_training_schedule.doc, а также и в других дисциплинах, связанных с преобразованием данных в информацию, а ее - в знания и применением этих знаний для решения задач идентификации, прогнозирования, принятия решений и исследования моделируемой предметной области (а это практически все дисциплины во всех областях науки).
Таким образом, АСК-анализ и система «Эйдос» представляют собой современную инновационную (готовую к внедрению) технологию интеллектуального управления качеством систем путем решения обобщенной задачи о назначениях. Этим и другим применениям должно способствовать и то, что система «Эйдос» находится в полном открытом бесплатном доступе (причем с подробно комментированными открытыми исходными текстами) на сайте автора по адресу: http://lc.kubagro.ru/aidos/_Aidos-X.htm.
Автор благодарен д.т.н., д.э.н., к.ф.-м.н., профессору Александру Ивановичу Орлову за тщательное ознакомление с предварительным вариантом статьи и ряд ценных замечаний, способствовавших ее улучшению.
Литература Для удобства читателей некоторые источники из списка литературы размещены на сайте: http://lc.kubagro.ru/
1. Раннев Г.Г. Р224 Интеллектуальные средства измерений : учебник для студ. высш. учеб. заведений / Г. Г. Раннев. -- М. : Издательский центр «Академия», 2010. -- 272 с. ISBN 978-5-7695-6469-7. http://www.academia-moscow.ru/ftp_share/_books/fragments/fragment_13431.pdf
2. ГОСТ Р 8.673-2009: Государственная система обеспечения единства измерений. Датчики интеллектуальные и системы измерительные интеллектуальные. Основные термины и определения. http://standartgost.ru/g/ГОСТ_Р_8.673-2009
3. Луценко Е.В. Автоматизированный системно-когнитивный анализ в управлении активными объектами (системная теория информации и ее применение в исследовании экономических, социально-психологических, технологических и организационно-технических систем): Монография (научное издание). - Краснодар: КубГАУ. 2002. - 605 с. http://elibrary.ru/item.asp?id=18632909
4. Луценко Е.В. Универсальная когнитивная аналитическая система «Эйдос". Монография (научное издание). - Краснодар, КубГАУ. 2014. - 600 с. ISBN 978-5-94672-830-0. http://elibrary.ru/item.asp?id=18271217
5. Луценко Е.В. Формирование субъективных (виртуальных) моделей физической и социальной реальности сознанием человека и неоправданное придание им онтологического статуса (гипостазирование) / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2015. - №09(113). С. 1 - 32. - IDA [article ID]: 1131509001. - Режим доступа: http://ej.kubagro.ru/2015/09/pdf/01.pdf, 2 у.п.л.
6. Луценко Е.В. Принципы и перспективы корректной содержательной интерпретации субъективных (виртуальных) моделей физической и социальной реальности, формируемых сознанием человека / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2016. - №01(115). С. 22 - 75. - IDA [article ID]: 1151601003. - Режим доступа: http://ej.kubagro.ru/2016/01/pdf/03.pdf, 3,375 у.п.л.
7. Шитиков В.К., Розенберг Г.С., Зинченко Т.Д. количественная гидроэкология: методы системной идентификации. -Тольятти: ИЭВБ РАН, 2003. - 463 с. ISBN 5-93424-109-5. http://www.biometrica.tomsk.ru/konstan.htm http://www.twirpx.com/file/339044/
8. Трунев А.П., Луценко Е.В. Автоматизированный системно-когнитивный анализ влияния факторов космической среды на ноосферу, магнитосферу и литосферу Земли: Под науч. ред. д.т.н., проф. В.И.Лойко. Монография (научное издание). - Краснодар, КубГАУ. 2012. - 480 с. ISBN 978-5-94672-519-4. http://elibrary.ru/item.asp?id=21683737
9. Луценко Е.В. Метризация измерительных шкал различных типов и совместная сопоставимая количественная обработка разнородных факторов в системно-когнитивном анализе и системе «Эйдос» / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2013. - №08(092). С. 859 - 883. - IDA [article ID]: 0921308058. - Режим доступа:http://ej.kubagro.ru/2013/08/pdf/58.pdf, 1,562 у.п.л.
10. Орлов А.И. Теория измерений как часть методов анализа данных: размышления над переводом статьи П.Ф. Веллемана и Л. Уилкинсона // Социология: методология, методы, математическое моделирование. 2012. № 35. С. 155-174.
11. Хаббард Дуглас У. Как измерить все, что угодно. Оценка стоимости нематериального в бизнесе / Дуглас У. Хаббард / [Пер. с англ. Е. Пестеревой]. -- М.: ЗАО «Олимп-Бизнес», 2009. -- 320 с.: ил. ISBN 978-5-9693-0163-4 (рус.). http://www.twirpx.com/file/1546361/
12. Клир Дж. Системология. Автоматизация решения системных задач. Перевод с английского М. А. Зуева, под редакцией А. И. Горлина. М.: Радио и связь, 1990. -534 с. http://www.twirpx.com/file/486296/
13. Демидов Я.П.. Системное измерение экономических процессов и явлений. - Казань: Изд-во МОиН РТ, 2011. - 268с.
14. Луценко Е.В. Подчиняются ли социально-экономические явления каким-то аналогам или обобщениям принципа относительности Галилея и Эйнштейна и выполняются ли для них теорема Нётер и законы сохранения? / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2013. - №07(091). С. 219 - 254. - IDA [article ID]: 0911307014. - Режим доступа: http://ej.kubagro.ru/2013/07/pdf/14.pdf, 2,25 у.п.л.
15. Орлов А.И., Луценко Е.В. Системная нечеткая интервальная математика. Монография (научное издание). - Краснодар, КубГАУ. 2014. - 600 с. ISBN 978-5-94672-757-0. http://elibrary.ru/item.asp?id=21358220
16. Орлов А.И., Луценко Е.В., Лойко В.И. Перспективные математические и инструментальные методы контроллинга. Под научной ред. проф.С.Г.Фалько. Монография (научное издание). - Краснодар, КубГАУ. 2015. - 600 с. ISBN 978-5-94672-923-9. http://elibrary.ru/item.asp?id=23209923
17. Луценко Е.В. Существование, несуществование и изменение как эмерджентные свойства систем. / Квантовая Магия, том 5, вып. 1, стр. 1215-1239, 2008. [Электронный ресурс]. - Режим доступа: http://quantmagic.narod.ru/volumes/VOL512008/p1215.html
18. Луценко Е.В. Исследование влияния подсистем различных уровней иерархии на эмерджентные свойства системы в целом с применением АСК-анализа и интеллектуальной системы "Эйдос" (микроструктура системы как фактор управления ее макросвойствами) / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2012. - №01(075). С. 638 - 680. - Шифр Информрегистра: 0421200012\0025, IDA [article ID]: 0751201052. - Режим доступа: http://ej.kubagro.ru/2012/01/pdf/52.pdf, 2,688 у.п.л.
19. Чередниченко Н.А., Луценко Е.В., Бандык Д.К., Трунев А.П. Прогнозирование землетрясений на основе астрономических данных с применением АСК-анализа на примере большого калифорнийского разлома Сан-Андреас / Н.А. Чередниченко, Е.В. Луценко, Д.К. Бандык, А.П. Трунев // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2013. - №07(091). С. 1322 - 1377. - IDA [article ID]: 0911307093. - Режим доступа: http://ej.kubagro.ru/2013/07/pdf/93.pdf, 3,5 у.п.л.
20. Лопатина Л.М. Концептуальная постановка задачи: "Прогнозирование количественных и качественных результатов выращивания заданной культуры в заданной точке" / Л.М. Лопатина, И.А. Драгавцева, Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2004. - №05(007). С. 86 - 100. - IDA [article ID]: 0070405008. - Режим доступа: http://ej.kubagro.ru/2004/05/pdf/08.pdf, 0,938 у.п.л.
21. Луценко Е.В. Системно-когнитивный анализ как развитие концепции смысла Шенка - Абельсона / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2004. - №03(005). С. 65 - 86. - IDA [article ID]: 0050403004. - Режим доступа: http://ej.kubagro.ru/2004/03/pdf/04.pdf, 1,375 у.п.л.
22. Луценко Е.В. Методологические аспекты выявления, представления и использования знаний в АСК-анализе и интеллектуальной системе «Эйдос» / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2011. - №06(070). С. 233 - 280. - Шифр Информрегистра: 0421100012\0197, IDA [article ID]: 0701106018. - Режим доступа: http://ej.kubagro.ru/2011/06/pdf/18.pdf, 3 у.п.л.
23. Луценко Е.В. Универсальная когнитивная аналитическая система «Эйдос-Х++» / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2012. - №09(083). С. 328 - 356. - IDA [article ID]: 0831209025. - Режим доступа: http://ej.kubagro.ru/2012/09/pdf/25.pdf, 1,812 у.п.л.
24. Кульбак С. Теория информации и статистика. - M.: Наука, 1967. - 408 с. http://www.twirpx.com/file/124076/
25. Орлов А.И. Точки роста статистических методов / А.И. Орлов // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2014. - №09(103). С. 136 - 162. - IDA [article ID]: 1031409011. - Режим доступа: http://ej.kubagro.ru/2014/09/pdf/11.pdf, 1,688 у.п.л.
26. Луценко Е.В. Решение задач статистики методами теории информации / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2015. - №02(106). С. 1 - 47. - IDA [article ID]: 1061502001. - Режим доступа: http://ej.kubagro.ru/2015/02/pdf/01.pdf, 2,938 у.п.л.
27. Луценко Е.В. Теоретические основы, технология и инструментарий автоматизированного системно-когнитивного анализа и возможности его применения для сопоставимой оценки эффективности вузов / Е.В. Луценко, В.Е. Коржаков // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2013. - №04(088). С. 340 - 359. - IDA [article ID]: 0881304022. - Режим доступа: http://ej.kubagro.ru/2013/04/pdf/22.pdf, 1,25 у.п.л.
28. Луценко Е.В. Моделирование сложных многофакторных нелинейных объектов управления на основе фрагментированных зашумленных эмпирических данных большой размерности в системно-когнитивном анализе и интеллектуальной системе «Эйдос-Х++» / Е.В. Луценко, В.Е. Коржаков // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2013. - №07(091). С. 164 - 188. - IDA [article ID]: 0911307012. - Режим доступа: http://ej.kubagro.ru/2013/07/pdf/12.pdf, 1,562 у.п.л.
29. Луценко Е.В. Коэффициент эмерджентности классических и квантовых статистических систем / Е.В. Луценко, А.П. Трунев // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2013. - №06(090). С. 214 - 235. - IDA [article ID]: 0901306014. - Режим доступа: http://ej.kubagro.ru/2013/06/pdf/14.pdf, 1,375 у.п.л.
30. Луценко Е.В. СК-анализ и система "Эйдос" в свете философии Платона / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2009. - №01(045). С. 91 - 100. - Шифр Информрегистра: 0420900012\0010, IDA [article ID]: 0450901008. - Режим доступа: http://ej.kubagro.ru/2009/01/pdf/08.pdf, 0,625 у.п.л.
31. Пойа Д. Математика и правдоподобные рассуждения. 2 изд. - М., Наука, 1975 - 464 с. http://ilib.mccme.ru/djvu/polya/rassuzhdenija.htm
32. Hartley R.V.L. Transmission of information. -- Bell System Technical Journal - 7. -- 1928. -- С. 535-63. перевод: Хартли Р. Передача информации / Хартли Р. // Теория информации и ее приложения / Под ред. А.А. Харкевича. - М.: Физматгиз, 1959. - C. 5 - 35. http://www.dotrose.com/etext/90_Miscellaneous/transmission_of_information_1928b.pdf,
33. Луценко Е.В. Универсальный информационный вариационный принцип развития систем / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2008. - №07(041). С. 117 - 193. - Шифр Информрегистра: 0420800012\0091, IDA [article ID]: 0410807010. - Режим доступа: http://ej.kubagro.ru/2008/07/pdf/10.pdf, 4,812 у.п.л.
34. Луценко Е.В. Универсальная автоматизированная система распознавания образов "Эйдос" (версия 4.1).-Краснодар: КЮИ МВД РФ, 1995.- 76с. http://elibrary.ru/item.asp?id=18630282
35. Луценко Е.В. Теоретические основы и технология адаптивного семантического анализа в поддержке принятия решений (на примере универсальной автоматизированной системы распознавания образов "ЭЙДОС-5.1"). - Краснодар: КЮИ МВД РФ, 1996. - 280с. http://elibrary.ru/item.asp?id=21745340
36. Симанков В.С., Луценко Е.В. Адаптивное управление сложными системами на основе теории распознавания образов. Монография (научное издание). - Краснодар: ТУ КубГТУ, 1999. - 318с. http://elibrary.ru/item.asp?id=18828433
37. Симанков В.С., Луценко Е.В., Лаптев В.Н. Системный анализ в адаптивном управлении: Монография (научное издание). /Под науч. ред. В.С.Симанкова. - Краснодар: ИСТЭК КубГТУ, 2001. - 258с. http://elibrary.ru/item.asp?id=21747625
38. Луценко Е.В. Интеллектуальные информационные системы: Учебное пособие для студентов специальности 351400 "Прикладная информатика (по отраслям)". - Краснодар: КубГАУ. 2004. - 633 с. http://elibrary.ru/item.asp?id=18632737
39. Луценко Е.В., Лойко В.И., Семантические информационные модели управления агропромышленным комплексом. Монография (научное издание). - Краснодар: КубГАУ. 2005. - 480 с. http://elibrary.ru/item.asp?id=21720635
40. Луценко Е.В. Интеллектуальные информационные системы: Учебное пособие для студентов специальности "Прикладная информатика (по областям)" и другим экономическим специальностям. 2-е изд., перераб. и доп.- Краснодар: КубГАУ, 2006. - 615 с. http://elibrary.ru/item.asp?id=18632602
41. Луценко Е.В. Лабораторный практикум по интеллектуальным информационным системам: Учебное пособие для студентов специальности "Прикладная информатика (по областям)" и другим экономическим специальностям. 2-е изд.,перераб. и доп. - Краснодар: КубГАУ, 2006. - 318с. http://elibrary.ru/item.asp?id=21683721
42. Наприев И.Л., Луценко Е.В., Чистилин А.Н. Образ-Я и стилевые особенности деятельности сотрудников органов внутренних дел в экстремальных условиях. Монография (научное издание). - Краснодар: КубГАУ. 2008. - 262 с. http://elibrary.ru/item.asp?id=21683724
43. Луценко Е. В., Лойко В.И., Великанова Л.О. Прогнозирование и принятие решений в растениеводстве с применением технологий искусственного интеллекта: Монография (научное издание). - Краснодар: КубГАУ, 2008. - 257 с. http://elibrary.ru/item.asp?id=21683725
44. Трунев А.П., Луценко Е.В. Астросоциотипология: Монография (научное издание). - Краснодар: КубГАУ, 2008. - 264 с. http://lc.kubagro.ru/aidos/aidos08_TL/Monography-TL.rar
45. Луценко Е.В., Коржаков В.Е., Лаптев В.Н. Теоретические основы и технология применения системно-когнитивного анализа в автоматизированных системах обработки информации и управления (АСОИУ) (на примере АСУ вузом): Под науч. ред. д.э.н., проф. Е.В.Луценко. Монография (научное издание). - Майкоп: АГУ. 2009. - 536 с. http://elibrary.ru/item.asp?id=18633313
46. Луценко Е.В., Коржаков В.Е., Ермоленко В.В. Интеллектуальные системы в контроллинге и менеджменте средних и малых фирм: Под науч. ред. д.э.н., проф. Е.В.Луценко. Монография (научное издание). - Майкоп: АГУ. 2011. - 392 с. http://elibrary.ru/item.asp?id=21683734
47. Наприев И.Л., Луценко Е.В. Образ-Я и стилевые особенности личности в экстремальных условиях: Монография (научное издание). - Saarbrucken, Germany: LAP Lambert Academic Publishing GmbH & Co. KG,. 2012. - 262 с. Номер проекта: 39475, ISBN: 978-3-8473-3424-8.
48. Трубилин А.И., Барановская Т.П., Лойко В.И., Луценко Е.В. Модели и методы управления экономикой АПК региона. Монография (научное издание). - Краснодар: КубГАУ. 2012. - 528 с. ISBN 978-5-94672-584-2. http://elibrary.ru/item.asp?id=21683702
49. Горпинченко К.Н., Луценко Е.В. Прогнозирование и принятие решений по выбору агротехнологий в зерновом производстве с применением методов искусственного интеллекта (на примере СК-анализа). Монография (научное издание). - Краснодар,КубГАУ. 2013. - 168 с. ISBN 978-5-94672-644-3. http://elibrary.ru/item.asp?id=20213254
50. Луценко Е.В. Решение задач ампелографии с применением АСК-анализа изображений листьев по их внешним контурам (обобщение, абстрагирование, классификация и идентификация) / Е.В. Луценко, Д.К. Бандык, Л.П. Трошин // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2015. - №08(112). С. 862 - 910. - IDA [article ID]: 1121508064. - Режим доступа: http://ej.kubagro.ru/2015/08/pdf/64.pdf, 3,062 у.п.л.
51. Луценко Е.В. Системно-когнитивный анализ и система "Эйдос" и их применение для построения интеллектуальных измерительных систем // Заводская лаборатория. Диагностика материалов. 2014. Т.80. №5. С.64-74. http://elibrary.ru/contents.asp?issueid=1267409 http://elibrary.ru/item.asp?id=21538328
52. Луценко Е.В. Математический метод АСК-анализа - системная теория информации // Заводская лаборатория. Диагностика материалов. 2015. Т. 81. № 5. С. 61 - 71. http://www.zldm.ru/content/article.php?ID=1985
Подобные документы
Предмет и этапы когнитивного анализа задач, его основные методы и их реализация на псевдокодовом языке. Виды факторов, использующихся при когнитивном моделировании систем. Предъявляемые к библиотеке требования, оценка ее экономической эффективности.
дипломная работа [1,3 M], добавлен 29.01.2013Понятия в области метрологии. Представление знаний в интеллектуальных системах. Методы описания нечетких знаний в интеллектуальных системах. Классификация интеллектуальных систем, их структурная организация. Нечеткие системы автоматического управления.
курсовая работа [768,2 K], добавлен 16.02.2015Применение и развитие измерительной техники. Сущность, значение и классификация информационных измерительных систем, их функции и признаки. Характеристика общих принципов их построения и использования. Основные этапы создания измерительных систем.
реферат [25,9 K], добавлен 19.02.2011Разработка системы автоматизированного анализа сложных объектов образовательной системы. Построение диаграмм последовательности, кооперации, классов, состояний, компонентов, а также развертывания. Представление сгенерированных кодов клиента и сервера.
курсовая работа [501,1 K], добавлен 23.06.2014Изучение современных принципов, подходов и методов моделирования сложно формализуемых объектов. Решение задач структурной и параметрической идентификации. Характеристики вычислительных систем как сложных систем массового обслуживания. Теория потоков.
курс лекций [2,3 M], добавлен 18.02.2012Определение структуры информационно-измерительных систем и устройств сопряжения с ЭВМ. Расчет метрологических характеристик измерительных каналов. Протокол измерений значений функции преобразования ИК ИИС. Продолжительность межповерочных интервалов.
курсовая работа [171,4 K], добавлен 22.03.2015AutoCAD как одна из самых популярных графических систем автоматизированного проектирования, круг выполняемых ею задач и функций. Технология автоматизированного проектирования и методика создания чертежей в системе AutoCAD. Создание и работа с шаблонами.
лекция [58,9 K], добавлен 21.07.2009Инструментальные средства проектирования интеллектуальных систем. Анализ традиционных языков программирования и представления знаний. Использование интегрированной инструментальной среды G2 для создания интеллектуальных систем реального времени.
контрольная работа [548,3 K], добавлен 18.05.2019Понятие искусственного интеллекта и интеллектуальной системы. Этапы развития интеллектуальных систем. Модели представления знаний, процедурный (алгоритмический) и декларативный способы их формализации. Построение концептуальной модели предметной области.
презентация [80,5 K], добавлен 29.10.2013Формулировка поставленной задачи при конструировании систем управления для идентификации нестационарных объектов. Изучение основ алгоритмического конструирования системы с неполной информацией. Рассмотрение использования метода адаптивной идентификации.
курсовая работа [110,8 K], добавлен 10.08.2014
