Математическое моделирование систем управления информационными структурами с использованием принципов построения экспертных систем

ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

В настоящее время одной из самых перспективных областей в развитии технических систем самого различного назначения является разработка и внедрение современных информационных технологий. Темпы развития сетевых информационных технологий связаны с появлением все более производительной и компактной цифровой и компьютерной техники. Новые возможности открываются при конфигурировании локальных сетей… Читать ещё >

Математическое моделирование систем управления информационными структурами с использованием принципов построения экспертных систем (реферат, курсовая, диплом, контрольная)

Содержание

Глава 1. Использование методов теории экспертных систем для моделирования систем управления в области информационных технологий
- 1. 1. Развитие и недостатки информационных технологий на современном этапе
- 1. 2. Возможности использования принципов построения экспертных систем для управления информационными структурами
- 1. 3. Постановка цели и задач исследования
Глава 2. Разработка функциональной модели системы управления информационными структурами на основе принципов построения экспертных систем
- 2. 1. Использование элементов теории массового обслуживания для моделирования компьютерной системы централизованного доступа к информационным ресурсам
- 2. 2. Разработка структуры и функциональной схемы серверной части компьютерной системы централизованного доступа к информационным ресурсам
- 2. 3. Разработка структуры и функциональной схемы системы управления информационной структурой на базе принципов построения экспертных систем
в 2.4 Алгоритм оптимизации распределения приоритетов обработки запросов
Глава 3. Разработка обобщенной математической модели интерпретатора системы управления информационными структурами
- 3. 1. Моделирование стохастических сетей
  - 3. 1. 1. Использование методов регрессионного анализа при построении интерпретатора экспертной системы. ф 3.1.2 Категорирование данных, построение стохастической сети
  - 3. 1. 3. Применение коэффициента корреляции для автоматизации выявления стохастических связей
  - 3. 1. 4. Циклы в стохастической сети
- 3. 2. Разработка математической модели для решения задач прогнозирования на стохастической сети
  - 3. 2. 1. Использование методов регрессионного анализа для решения задач прогнозирования
  - 3. 2. 2. Алгоритм решения задачи прогнозирования для двух стохастически связанных процессов
- 3. 3. Моделирование инерционных зависимостей с использованием методов анализа распределенных лагов
  - 3. 3. 1. Применение методов анализа распределенных лагов для решения задач управления
  - 3. 3. 2. Нахождение лаговой функции по заданным выборкам двух процессов
Глава 4. Экспериментальная проверка эффективности предложенных алгоритмов
- 4. 1. Программное обеспечение, использующееся при проведении экспериментов
- 4. 2. Экспериментальное исследование процессов, протекающих в серверной части информационной системы
- 4. 3. Выявление зависимости времени обработки запроса от его приоритета
- 4. 4. Формализация многокритериальной регрессионной модели

Актуальность темы

В настоящее время одной из самых перспективных областей в развитии технических систем самого различного назначения является разработка и внедрение современных информационных технологий [8, 21, 34]. Темпы развития сетевых информационных технологий связаны с появлением все более производительной и компактной цифровой и компьютерной техники. Новые возможности открываются при конфигурировании локальных сетей различного назначения. Использование ресурсов глобальных сетей (INTER3STET, Fido, ведомственных сетей) становится все более доступным и интегрированным в процесс работы с компьютерной техникой.

Информационные технологии, функционирующие в вычислительных сетях, становятся все более сложными и «интеллектуальными» и могут в некоторой степени составлять конкуренцию биологическим системам. Такие технологии в настоящий момент находят самое широкое применение в различных областях человеческой жизнедеятельности.

Поскольку процесс управления современной информационной системой носит сложноформализованный характер, становятся актуальными вопросы разработки систем управления и экспертных систем в области управления информационными технологиями, функционирующими в рамках компьютерных сетей. Для решения сложноформализованных задач, как правило, используются методы моделирования экспертных систем. Экспертные системы (ЭС) находят свое применение в тех областях, где процесс принятия решения не может быть подчинен «жесткому» алгоритму, или не может рассчитываться по заданным формулам, и в то же время к принятию решения предъявляются требования оперативности. Общей особенностью всех экспертных систем является «интеллектуальность», под которой принято понимать способность системы к обучению в той или иной форме.

Важнейшим элементом любой экспертной системы является интерпретатор, в основе которого могут лежать различные математические методы, — блок, решающий на основе имеющихся в системе знаний предъявленную ему задачу.

В настоящее время теория экспертных систем изучена достаточно хорошо [15, 22, 23, 32, 54, 55, 57, 63, 69, 70, 81, 91, 92, 101, 113, 121, 127,' 131, 142−147], однако ранее основное внимание уделялось т.н. системам первого поколения, интерпретатор которых строится на базе методов искусственного интеллекта, к ним относятся методы, основанные на использовании продукционных правил, нейронных систем, имитационные методы и т. п. Однако, несмотря на быстрые темпы роста быстродействия и объемов памяти компьютерной техники, «интеллектуальность» таких систем на сегодняшний день серьезно ограничена аппаратной частью. Это делает невозможным создание мощных экспертных систем на базе современных персональных компьютеров.

В последнее время возрос интерес к экспертным системам, интерпретатор которых имеет в своей основе классические методы, в первую очередь — теории вероятностей и математической статистики. Исследования показали [70, 139, 146], что эффективным средством преодоления проблемы ограниченности ресурсов аппаратной части является использование в модели вероятностного аппарата.

Все вышеизложенное говорит об актуальности исследований в области экспертных систем и систем управления сложными информационными структурами, функционирующими в условиях современной компьютерной техники и сетевых телекоммуникационных технологий (в первую очередь — систем типа «клиент-сервер»), с применением классических методов теории экспертных систем, систем автоматизированного управления, а также теории телетрафика.

Разработка таких систем призвана уменьшить выявленные в течение последних лет недостатки, присущие известным функционирующим информационным системам.

Решение данной задачи предполагает не только использование современного математического аппарата, но и конструирование новых моделей, синтез алгоритмов, а также их апробацию с помощью программных средств.

Цель и задачи работы.

Целью диссертационного исследования является математическое моделирование систем управления информационными структурами, функционирующими в вычислительных сетях, разработка комплекса функциональных, математических и программных моделей таких систем с использованием принципов построения экспертных систем.

Для достижения цели работы возникла необходимость в решении следующих основных научных задач:

— обоснование целесообразности использования методов теории экспертных систем для моделирования систем управления в области информационных технологий;

— разработка функциональной модели системы управления информационными структурами, функционирующими в вычислительных сетях, с использованием принципов построения экспертных систем;

— разработка обобщенной математической модели интерпретатора системы управления информационными структурами на основе методов регрессионного анализа;

— разработка частной математической модели компьютерной системы удаленного доступа к информационным ресурсам на основе предложенной обобщенной математической модели;

— разработка комплекса программ для экспериментальной проверки эффективности предложенных математических моделей и алгоритмов.

Методы исследования.

Для решения перечисленных задач в диссертационной работе были использованы методы системного анализа, математического моделирования, теории вероятностей, математической статистики, теории графов, регрессионного анализа, корреляционного анализа.

Научная новизна диссертационной работы.

1. Разработана функциональная модель, совмещающая в себе щ принципы построения ЭС, основанных на концепции искусственного интеллекта (1-е поколение), и ЭС, основанных на методах экспертных оценок (2-е поколение), что позволяет добиться высокой эффективности принятых решений, присущей ЭС 2-го поколения, и оперативности процесса принятия решений, присущей ЭС 1-го поколения.

2. Предложен алгоритм нахождения значимой функции полиномиальной регрессии, использующий программу численного нахождения минимальной степени полинома, позволяющий не рассматривать Ф-критерий для функций меньших степеней.

3. Предложен алгоритм управления выходными параметрами, зависящими от предикторов посредством лаговых функций.

4. Получена зависимость времени выполнения группы запросов в системе с приоритетами при известных параметрах от распределения приоритетов между запросами для рассматриваемого сервера. to Практическая значимость работы.

Предложенные в работе алгоритмические средства реализованы в виде комплекса программ, ориентированного на решение вычислительных задач на базе системного программирования. Практические результаты исследования могут найти применение в информационных системах, функционирующих в условиях вычислительных сетей, например в системах управления базами данных (БД), построенными по принципу клиент-сервер" и т. п., что позволит улучшить качество обслуживания в таких системах за счет оптимизации временных характеристик.

Реализация и внедрение результатов работы.

Основные теоретические и практические результаты работы реализованы в виде алгоритмов, программ и блок-схем программ и использовались при разработке программного обеспечения и администрировании информационных систем в информационном центре ГУВД Воронежской области, ОАО «Криста-Офис», о чем получены соответствующие акты.

Апробация работы.

Основные результаты работы докладывались и обсуждались на следующих конференциях:

1. Всероссийская научно-практическая конференция «Охрана-98» (Воронеж, 1998 г.).

2. Всероссийская научно-практическая конференция «0храна-2000» (Воронеж, 2000 г.).

3. Всероссийская научно-практическая конференция «Охрана и безопасность-2001» (Воронеж, 2001 г.).

4. Всероссийская научно-практическая конференция «Современные проблемы борьбы с преступностью» (Воронеж, 2001 г.).

5. Всероссийская научно-практическая конференция «Проблемы управленческого консультирования» (Воронеж, 2003 г.).

6. Всероссийская научно-практическая конференция «Современные проблемы борьбы с преступностью» (Воронеж, 2003 г.).

7. Всероссийская научно-практическая конференция «Охрана, безопасность и связь — 2003» (Воронеж, 2003 г.).

8. Всероссийская научно-практическая конференция «Современные проблемы борьбы с преступностью» (Воронеж, 2004 г.).

9. Всероссийская научно-практическая конференция «Современные проблемы борьбы с преступностью» (Воронеж, 2005 г.).

Публикации.

По теме диссертации опубликовано 18 печатных работ. Список научных работ приведен на стр. 149.

Структура и объем работы.

Диссертационная работа состоит из введения, четырех разделов, заключения, списка литературы из 178 наименования и 4 приложений. Работа изложена на 166 страницах машинописного текста (основной текст занимает 116 страниц), содержит 44 рисунка и 12 таблиц.

3) выводы о рекомендуемой степени.

Используя данное программное обеспечение при проведении регрессионного анализа, каждый раз при нахождении полиномиальной регрессии достаточно один раз выполнить разработанные алгоритмы и провести аппроксимацию полинома известной уже степени.

Более подробное описание программного модуля определения степени полинома приведено в приложениях.

Блок анализа предназначен для решения на основе построенной стохастической сети конкретной практической задачи. Как было указано выше, разрабатываемая система предназначена для решения задач прогнозирования и оптимизации. Для этого предназначены соответствующие модули.

Модуль постановки задачи предназначен для определения типа решаемой задачи и уточнения некоторых параметров (граничные условия, дополнительные ограничения).

Модуль принятия решений в доступной для пользователя форме выдает результаты, полученные при решении.

Помимо рассмотренных в программе предусмотрены некоторые дополнительные блоки и модули.

Предусмотрена возможность генерирования наборов случайных процессов с нормальным распределением, подчиняющихся условиям заданной стохастической сети, в которой все стохастические связи задаются в виде линейных функций. Эта возможность реализована в модуле генерирования данных (рис. 4.6).

Сто"астмческне сеяэ.

Процесс iпроцесс 2 зависит ег.

Название процессе.

-!процессЗ.

Добавить 2″ j Уделить у=к" х+Ь j5 Мат ожидание [Т Интервал разброса Изменить j.

Рис. 4.6. Вид модуля генерирования данных.

Графический блок осуществляет графические возможности программного комплекса в виде построения различного вида графиков (модуль построения графиков, рис. 4.7) и визуализации графов (модуль построения графов).

Рис. 4.7. Вид модуля построения графиков.

В блок вспомогательных программ включены следующие модули:

— статистический калькулятор;

— калькулятор;

— модуль помощи.

В Модуле помощи содержится вся необходимая теоретическая информация для работы с программным комплексом, а также описание самого комплекса.

Калькулятор, по сути, не является модулем комплекса, это лишь программа вызова стандартного системного калькулятора из программ Windows.

Статистический калькулятор представляет собой программу для быстрого и наглядного вычисления основных статистических характеристик для одного процесса и пары процессов.

4.2. Экспериментальное исследование процессов, протекающих в серверной части информационной системы.

Перед тем как проводить анализ процессов, протекающих в серверной части информационной системы, необходимо определится с общей структурой графа зависимостей между процессами. В первую очередь, необходимо выделить совокупность процессов, которые оказывают значимое прямое или косвенное влияние на оптимизируемый параметр, в данном случае на общее время обработки всех запросов.

Для этой цели был проведен экспертный опрос, в результате которого были выделены следующие процессы:

— приоритет конкретного запроса;

— объем результата по конкретному запросу;

— количество одновременно обрабатываемых запросов;

— точность конкретного запроса (подразумевается степень заполнения атрибутов запроса);

— загруженность системы (%);

— загруженность канала сети (%);

— время Ping между сервером и клиентом;

— время выполнения конкретного запроса.

Приорит* конкретно запроса.

Объем информпо запрс.

Точност конкретк запроса.

Время Ping.

Время выполнения запроса.

Кол-во одновременно обрабатываемых запросов.

Рис. 4.8. Структура стохастических зависимостей для одного запроса.

При проведении экспертного опроса были выявлены также наличие и направление зависимостей между вышеперечисленными процессами. Полученный по результатам экспертного опроса граф зависимостей представлен на рис. 4.8.

При проведении первого эксперимента было рассмотрено три одновременно выполняющихся запроса: «запрос 1», «запрос 2» и «запрос 3». «Запрос 1» организован таким образом, что на его выполнение требуется всего один элементарный поиск и объем пересылаемой информации по этому запросу минимален. Таким образом, на общее время выполнения всех запросов влияют целиком «запрос 2» и «запрос 3», специфика которых в том, что при одинаковых приоритетах они выполняются за одинаковое время, так как объем пересылаемой информации по этим запросам одинаков, а последний найденный файл удовлетворяет как «запросу 2», так и «запросу 3». Было произведено 23 запуска сервера с постоянными параметрами для обработки этих запросов. Результаты работы сервера приведены в таблице 4.1.

Заключение

В процессе проведения диссертационного исследования проводилось математическое моделирование систем управления информационными структурами с использованием принципов построения экспертных систем. Был проведен синтез алгоритмов функционирования таких систем и разработана обобщенная система методов, позволяющая осуществлять аналитическую и численную оценку таких систем.

Выполнение работы базировалось на использовании методов моделирования экспертных систем. Предлагаемые модели строились с использованием методов математической статистики, обеспечивающих построение инструментальных средств на основе обобщенных математических формул.

В ходе проведения диссертационного исследования были получены следующие результаты:

1. Показано, что использование методов теории экспертных систем для моделирования систем управления в области информационных технологий позволит реализовывать модели адаптивных систем управления с гибкой конфигурацией, способных учитывать инерционность объекта управления и перестраивать свои параметры в зависимости от изменения внешних условий.

2. Разработана функциональная модель системы управления информационными структурами, которая совмещает в себе принципы построения ЭС, основанных на концепции искусственного интеллекта (1-е поколение), и ЭС, основанных на методах экспертных оценок (2-е поколение), что позволяет добиться высокой эффективности принятых решений, присущей ЭС 2-го поколения, и оперативности процесса принятия решений, присущей ЭС 1-го поколения.

3. Разработана обобщенная математическая модель интерпретатора системы управления информационными структурами на основе методов регрессионного анализа, которая не противоречит основным принципам построения экспертных систем и в то же время эффективно решает проблему ограниченности аппаратных ресурсов, присущую экспертным системам первого поколения.

4. Разработан и программно реализован алгоритм нахождения значимой функции полиномиальной регрессии, позволяющий не рассматривать Ф-критерий для функций меньших степеней.

5. Разработана частная математическая модель компьютерной системы удаленного доступа к информационным ресурсам. На ее основе получена зависимость общего выполнения группы запросов в системе с приоритетами при известных параметрах от распределения приоритетов между запросами для рассматриваемого сервера.

6. Разработан комплекс программ, включающий в себя серверную часть БД и инструментарий для сбора и анализа статистических данных, характеризующих работу сервера, на его основе проведен ряд экспериментов, в результате которых установлено, что разработанная модель удовлетворяет предъявляемым к ней требованиям.

Показать весь текст

Список литературы

Абу-Мустафа Я. С. Оптические нейронно-сетевые компьютеры /Я.С. Абу-Мустафа, Д. Псалтис //В мире науки. 1987. № 5. — С. 42−50.
Аверкин А.Н. Толковый словарь по искусственному интеллекту. М.: Радио и связь, 1992. — 256 с.
Айвазян С.А. Прикладная статистика: Классификация и снижение размерности /С.А. Айвазян, В. М. Бухштабер, И. С. Енюков, Л. Д. Мешалкин. М.:Финансы и статистика, 1989. — 607 с.
Айвазян С.А. Прикладная статистика. Основы моделирования и первичная обработка данных /С.А. Айвазян, И. С. Енюков, Л. Д. Мешалкин.- М.: Финансы и статистика, 1989. 400 с.
Айвазян С.А. Прикладная статистика. Исследование зависимостей /С.А. Айвазян, И. С. Енюков, Л. Д. Мешалкин. М.: Финансы и статистика, 1985. — 488 с.
Алгоритмическое и программное обеспечение прикладного статистического анализа./ Под ред. С. А. Айвазяна и И. С. Енюкова -М.:Наука, 1980.-424 с.
Архангельский А.Я. Приемы программирования в Delphi. 2-е изд., перераб. и доп. М.: Бином, 2004. — 848 с.
Балашов Е.П. Эволюционный синтез систем. М.: Радио и связь, 1985.- 328 с.
Баранов Ф.Н. Процесс разработки программных изделий /Ф.Н.Баранов, А. Н. Домарацкий, Н. К. Ласточкин, В. П. Морозов. -М.:Физматлит, 2000. 176 с.
Баранов Ф.Н. Экстремальные комбинаторные задачи и их приложения. М.:Физматлит, 2004. — 240 с.
Большев Л.Н. Таблицы математической статистики / Л. Н. Большев, Н. В. Смирнов. М.: Наука, 1983. — 416 с.
Бобровский С. Delphi 7. Учебный курс. СПб.: Питер Принт, 2004. -736 с.
Братко И. Программирование на языке Пролог для искусственного интеллекта: Пер. с англ. М.: Мир, 1990. — 560 с.
Бродский А.В. Типовые задачи и модели разработки программного обеспечения автоматизированных систем: Учебное пособие. М.: Изд-во МАИ, 1996.- 133 с.
Брукинг А. и др. Экспертные системы. Принципы работы и примеры. -М.: Радио и связь. 1987. 224 с.
Бухарин С.В. Графово-стоимостная модель локальных рынков информационных услуг /С.В. Бухарин, Д. В. Картавцев, Е. С. Забияко // Всероссийская НПК «Проблемы управленческого консультирования»: Сб. материалов. Воронеж: АОНО ИММиФ, 2003. — С.32−34.
Бухарин С.В. Теория и приложения нестационарных М-систем./ С. В. Бухарин, В. Г. Рудалев. Воронеж: Издательство Воронежского госуниверситета, 1992. — 236 с.
Васильев П.Ф. Линейное программирование. М.: Факториал Пресс, 2003. 352 с.
Власов В.К. Элементы информатики / В. К. Власов, JI.H. Королев, А. Н. Сотников. Под ред. JI.H. Королева. М.: Наука. Гл. ред. физ.-мат. лит., 1988.-320 с.
Вольфенгаген В.Э. Система представления знаний с использованием семантических сетей /В.Э. Вольфенгаген, О. В. Воскресенская, Ю. Г. Горбанев //Вопросы кибернетики: Интеллектуальные банки данных. -М.: АН СССР, 1979.-С. 49−69.
Вудс У.А. Основные проблемы представления знаний/ЛГИИЭР. 1986. — Т.74, — № 10.-С. 32−47.
Гаврилова Т.А. Извлечение и структурирование знаний для экспертных систем / Т. А. Гаврилова, К. Р. Червинская. М.: Радио и связь, 1992.-200 с.
Гаврилова Т.А. Базы знаний интеллектуальных систем /Т.А.Гаврилова, В. Ф. Хорошевский СПб.: ПИТЕР, 2001. — 384 с.
Галисеев Г. В. Компоненты в Delphi 7: Профессиональная работа. М.: Диалектика, 2004. — 624 с.
Гилл Ф. Практическая оптимизация: Пер. с англ./ Ф. Гилл, У. Мюррей, М. Райт. М.: Мир, 1985. — 509 с.
Гнеденко Б.В. Курс теории вероятностей: Учебник. М.: Наука. Гл. ред. Физ.-мат. лит., 1988. — 448 с.
Горбатов В.А. Дискретная математика. С.Пб.:ACT, 2003 г. — 447 с.
Ермаков С.М. и др. Математическая теория планирования эксперимента. М.: Наука. Гл. ред. Физ.-мат. лит., 1983. — 392 с.
Ефимов Н.Н. Основы информатики. Введение в искусственный интеллект/Н.Н. Ефимов, B.C. Фролов. -М.: Изд-во МГУ, 1991. 267 с.
Ивашко В.Г. Экспертные системы и некоторые проблемы их интеллектуализации /В.Г. Ивашко, В. К. Финн //Семиотика и информатика. -1986. -Вып.27.-С.25−61.
Ильин В.А. Математический анализ. Часть 1. М.:Велби, 2004 г. -672 с.
Иртегов Д.В. Введение в сетевые технологии. М.:ИКИ, 2004 г. -560 с.
Искусственный интеллект: В 3-х кн. Кн. 2. Справочник:/ Под ред. В. Н. Захарова. .- М.: Радио и связь, 1990. — 368 с.
Искусственный интеллект: Справочник: В 3-х кн., Кн. 2: Модели и методы. / Под ред. Д. А. Поспелова. — М.: Радио и связь, 1990. — 304 с.
Картавцев Д.В. Анализ распределенных лагов для решения задач прогнозирования в УИС // Всероссийская НПК «Современные проблемы борьбы с преступностью»: Сб. материалов. — Воронеж: ВИ МВД России, 2004. С. 72.
Картавцев Д.В. Категорирование и оценка параметров системы при построении графовой модели // Всероссийская НПК «Охрана, безопасность и связь 2003»: Сб. материалов. 41. — Воронеж: ВИ МВД России, 2003. -С. 97.
Картавцев Д.В. Перспективы развития экспертных систем, применяемых в системах охраны УИС / Д. В. Картавцев, С. Н. Головко // Всероссийская НПК «Современные проблемы борьбы с преступностью»: Сб. материалов. 4.2. — Воронеж: ВИ МВД России, 2003. — С. 64.
Картавцев Д.В. Построение графовой модели оптимизации и прогнозирования, применительно к техническим системам безопасности // Всероссийская НПК «Охрана, безопасность и связь 2003»: Сб. материалов. 4.1.— Воронеж: ВИ МВД России, 2003.-С. 98.
Картавцев Д.В. Принцип построения экспертных систем УИС /Д.В. Картавцев, С. Н. Головко // Всероссийская НПК «Современные проблемы борьбы с преступностью»: Сб. материалов. 42. — Воронеж: ВИ МВД России, 2003. — С. 65−66.
Картавцев Д.В. Регрессионный анализ для стохастической сети, характеризующей деятельность подразделений УИС // Всероссийская НПК «Современные проблемы борьбы с преступностью»: Сб. материалов. — Воронеж: ВИ МВД России, 2004. С. 73−74.
Картавцев Д.В. Целесообразность использования экспертных систем в УИС для решения слабоформализованных задач // Всероссийская НПК «Современные проблемы борьбы с преступностью»: Сб. материалов. 4.2. — Воронеж: ВИ МВД России, 2003. — С. 62−63.
Картавцев Д.В. Применение статистических методов для управления информационными системами // Всероссийская НПК «Современные проблемы борьбы с преступностью»: Сб. материалов (Радиотехнические науки). Воронеж: ВИ МВД России, 2005. — С. 59.
Картавцев Д.В. Использование линейных стохастических сетей для анализа статистических данных // Сборник научных трудов, посвященный 5-летию Липецкого филиала Воронежского института МВД России,-Липецк: ЛГТУ, 2005. С. 221−225.
Картавцев Д.В. Разработка алгоритмов функционирования экспертной системы в области управления сетевыми информационными технологиями // Вестник Воронежского института МВД России. 2005. — № 2. — С. 59−61.
Квакернаак X. Линейные оптимальные системы управления / X. Квакернаак, Р. Сиван. — М.: Мир, 1977. 650 с.
Кемени Дж. Кибернетическое моделирование: Пер. с англ. Б.Г. Миркина/Дж. Кемени, Дж. Снелл. М.: Сов. радио, 1972. — 192 с.
Кендэл М. Ранговые корреляции. Зарубежные статистические исследования. -М.: Статистика, 1975. 216 с.
Кендэл М. Статистические выводы и связи /М. Кендэл, А. Стюарт. -М.: Наука, 1973.-900 с.
Кендэл М. Многомерный статистический анализ и временные ряды /М.Кендэл, А. Стюарт. М.: Наука, 1976. — 736 с.
Кендэл М. Теория распределений /М.Кендэл, А. Стюарт.- М.: Наука, 1966.-588 с.
Кирсанов Б.С. Отечественные оболочки экспертных систем для больших ЭВМ/Б.С. Кирсанов, Э. В. Попов //Искусственный интеллект: Справочник. Т.1. — М.: Радио и связь, 1990. — С. 369−388.
Компьютер обретает разум: Пер. с англ. / Под ред. B.JI. Стефанюка. -М.: Мир, 1990.-240 с.
Корн Г. Справочник по математике для научных работников и инженеров /Г. Корн, Т. Корн. М.: Наука. Гл. ред.физ.-мат.лит., 1977.831с.
Крисевич B.C. и др. Экспертные системы для персональных компьютеров: методы, средства, реализации. Минск: Высшая школа, 1990.- 197 с.
Кузнецов О.П. Дискретная математика для инженера /О.П. Кузнецов, Г. М. Адельсон-Вельский. М.:Энергия, 1980. — 344 с.
Кулиш У. Достоверные вычисления. Базовые численнные методы./У. * Кулиш, Д. Рац, Р. Хаммер, М. Хокс. СПб.:РХД, 2005 г. — 495 с.
Кульбах С. Теория информации и статистика.- М.:Наука, 1967. 408 с.
Культин Н.Б. Delphi в задачах и примерах. СПб.: БХВ-Петербург, 2004. — 288 с.
Ларичев О.И. Выявление экспертных знаний /О.И. Ларичев, А. И. Мечитов, Е. М. Мошкович, Е. М. Фуремс. М.: Наука, 1989. — 128 с.
Левин Р. Практическое введение в технологию искусственного Ф интеллекта и экспертных систем с иллюстрациями на Бейсике.1. М.:Финансы, 1991.-239 с.
Лившиц Б.С. Теория телетрафика: Учебник для вузов /Б.С. Лившиц, А. П. Пшеничников, А. Д. Харкевич. 2-е изд., перераб. и доп. — М.: Связь, 1979.-224 с.
Литвак Б.Г. Прикладной многомерный статистический анализ. — М.: Наука, 1978.-452с.
Лорьер Д.Л. Системы искусственного интеллекта.-М.: Мир, 1991.568 с.
Люгер Д.Ф. Искусственный интеллект: Пер. с англ. М.: Вильяме, 2003. — 863 с.
Макалистер Дж. Искусственный интеллект и Пролог на микроЭВМ. -М.: Машиностроение, 1990. 235 с.
Маковский В.А. Базы знаний (экспертные системы) / В. А. Маковский,
B.И. Похлебаев. М.: Издательство стандартов, 1993. — 37 с.
Марселус Д.Н. Программирование экспертных систем на Турбо Прологе.- М.: Финансы и статистика, 1994. -213 с.
Медич Дж. Статистически оптимальные линейные оценки и управление. М.: Энергия. 1973. — 440 с.
Минский М. Фреймы для представления знаний. М.: Энергия, 1979. -151 с.
Минский М. Персептроны./М. Минский, С. Пейперт. М.:Мир, 1971. -261 с.
Миркин Б.Г. Шкалы упорядочения. Моделирование в экономических исследованиях /Б.Г. Миркин, Н. В. Высоцкий, В. Л. Куперштох. -Новосибирск: Наука, 1978.-322с.
Михеев С.Е. Нелинейные методы в оптимизации. С.Пб.:С-Петербургский университет, 2001. — 276 с.
Мичи Д. Компьютер творец /Д. Мичи, Р. Джонстон. -М.: Мир, 1987. -255 с.
Многомерный статистический анализ / Под ред. С. А. Айвазяна и
C.Е.Кузнецова. М.: ЦЭМИ, 1974. — 416 с.
Неве Ж. Математические основы теории вероятностей.- М.:Мир, 1969. -312с.
Нейлор К. Как построить свою экспертную систему. М.: Энергоатомиздат, 1991. — 286 с.
Непейвода Н.Н. Стили и методы программирования. М.:ИКИ, 2005. -320 с.
Нечеткие множества в моделях управления и искусственного интеллекта /А.Н. Аверкин, И. З. Батыршин, А. Ф. Блишун и др.- М.: Наука, 1986.-312 с.
Нильсон Н.Д. Принципы искусственного интеллекта. М.: Радио и связь, 1985. — 376 с.
Осипов Г. С. Приобретение знаний интеллектуальными системами. Основы теории и технологии. М.: Физматлит, 1997. — 112 с.
Осуга С. Обработка знаний. М.: Мир, 1989. — 293 с.
Приобретение знаний / Под ред. С. Осуги, Ю.Саэки.- М.: Мир, 1990. -304 с.
Отнес Р. Прикладной анализ временных рядов./Р.Отнес, J1. Эноксон.1. М.: Мир, 1982.-428 с.
Парижский С. Delphi. Только практика. М.: Додека XXI век, 2005. -208 с.
Попов Э.В. Экспертные системы. М.: Наука, 1987. — 288 с.
Попов Э.В. Экспертные системы реального времени.// Открытые системы.- 1995.- № 2. С.35−40.
Поспелов Г. С. Искусственный интеллект основа новой информационной технологии. -М.: Наука, 1988. — 280 с.
Поспелов Д.А. Моделирование рассуждений. М.: Радио и связь, 1989.- 182 с.
Прохоров Ю.В. Вероятность и математическая статистика. М.:БРЭ, 2003 г.-912 с.
Пустыльник Е.И. Статистические методы анализа и обработки наблюдений. М.:Наука, 1986. — 288 с.
Реальность и прогнозы искусственного интеллекта/ Пер. с англ. B.JI. Стефанюка. -М.: Мир, 1987. 247 с.
Ревунков Г. И. Базы и банки данных и знаний./Г.И. Ревунков, Э. Н. Самохвалов, В. В. Чистов Москва: Высшая школа, 1992. — 367 с.
Рот М. Интеллектуальный автомат: компьютер в качестве эксперта. -М.: Энергоатомиздат, 1991. 80 с.
Самарский. Введение в численные методы. М.:Лань, 2005. — 288 с.
Сафонов В. О. Экспертные системы интеллектуальные помощники специалистов, — СПб: Санкт-Петербургская организация общества «Знания» России, 1992.-367 с.
Сейдж Э.П. Оптимальное управление системами / Э. П. Сейдж, Ч. С. Уайт // Пер. с англ. — М.: Радио и связь, 1982. 294 с.
Скакун А.А. Математический анализ и приближенные методы. -М.:Политехника, 2000. 125 с.
Скрэгг Г. Семантические сети как модели памяти // Новое в зарубежной лингвистике. -М.: Радуга, 1983. -Вып. XII. -С.228−271.
Сойер Д. Программирование экспертных систем на Паскале./Д. Сойер, Д. В. Фостер. -М.: Финансы и статистика 1990. 191 с.
Справочник по прикладной статистике в 2-х томах / Под ред. Э. Ллойда, У. Ледермана. М.: Финансы и статистика, 1989. — 510 с.
Статистическое моделирование и прогнозирование: Учеб. пособие / Г. М. Гамбаров, Н. М. Журавель, Ю. Г. Королев и др.- Под ред. А. Г. Гранберга. М.: Финансы и статистика, 1990. — 383 с.
Сумин В.И. Блок принятия решений часть экспертной системы для принятия решений сотрудниками подразделений вневедомственной охраны / Сумин В. И., Храмов В. Ю., Картавцев Д. В., Мельников А. В.,
Востриков О.В. // Научно-практическая конференция ВИ МВД России: Тезисы докладов, — Воронеж: Воронежский институт МВД России, 2000. -236 с.
ПЗ.Таунсенд К. Проектирование и программная реализация экспертных систем на персональных ЭВМ: Пер. с англ. / К. Таунсенд, Д.Фохт. -М.'.Финансы и статистика, 1990. 320 с.
Тейлор Д. и др. Delphi 3: библиотека программиста. СПб.: Питер, 1998.-560 с.
Трахтенгерц Э.А. Компьютерная поддержка принятия решений. М.: СИНТЕГ, 1998.-375 с.
Трибунских О.А. Программа решения краевой задачи на графе / О. А. Трибунских, Д. В. Картавцев // Научно-практическая конференция
ВВШ МВД России: Тезисы докладов. Часть 2.- Воронеж: Воронежская высшая школа МВД России, 1998. 144 с.
П.Тьюринг A.M. Может ли машина мыслить? Саратов: Издательство ГосУНЦ «Колледж», 1999. 100 с
И8.Тэйс А. и др. Логический подход к искусственному интеллекту. От классической логики к логическому программированию: Пер. с фр. -М.:Мир, 1990.-429 с.
Тэнк Д.У. Коллективные вычисления в нейроноподобных электронных схемах / Д. У. Тэнк, Д. Д. Хопфилд // В мире науки. -1988.- N 2. С. 44−53.
Уинстон П. Искусственный интеллект. М.: 1980. — 301с.
Уотермен Д. Руководство по экспертным системам.- М.: Мир, 1989.390 с.
Представление и использование знаний / Под ред. X. Уэно, М. Исудзука. -М.: Мир, 1989. 220 с.
Фаронов В.В. Турбо Паскаль: (в 3-х книгах). Кн. 3: Практика программирования. Часть 2. М.: МВТУ-ФЕСТО ДИДАКТИК, 1993. -304 с.
Фильтрация и стохастическое управление в динамических системах / Под ред. К. Т. Леондеса. — М.: Мир, 1980. 407 с.
Фленов М.Е. Библия Delphi. СПб.: БХВ -Петербург, 2004. — 880 с.
Форд Л. Потоки в сетях /Л. Форд, Д. Фалькерсон. М.:Мир, 1966.-278с.
Форсайт Р. Экспертные системы: принципы и примеры, — М.: Радио и связь, 1987.-223 с.
Фрэнк Дж. Барбос. Искусственный интеллект: принятие решений в сложных системах управления // Мир компьютерной автоматизации, 1997., № 4.- С. 2−27.
Хант Д. Искусственный интеллект. М.: Мир, 1978. — 558 с.
Харари Ф. Теория графов. Уральск: УРСС, 2003 г. — 296 с.
Построение экспертных систем // Ф. Хейес-Рот, Д. Уотерман, Д. Ленат- под ред.В. Л. Стефанюка, М.: Мир, 1987. — 441 с.
Хеннан Э. Многомерные временные ряды. М.:Мир, 1974. — 576 с.
Химмельблау Д. Анализ процессов статистическими методами. М.: Мир, 1973.-957 с.
Хоггер К. Введение в логическое программирование. М. Мир, 1988. -348 с.
Хомоненко А.Д. Самоучитель Delphi/А.Д. Хомоненко, В. Э. Гофман. -СПб.: БХВ-Петербург, 2005. 556 с.
Шамотин С.М. Искусственный интеллект. -М.: Мысль, 1985. 323 с.
Шевченко В. Нейронные сети // Компьютерное обозрение, № 46, 1996. -С.19.
Ширяев А.Н. Вероятность: в 2 кн. Кн. 1. Гриф МО РФ. М.:МЦНМО, 2004. — 520 с.
Шмерлинг Д.С. Статистические методы анализа экспертных оценок. -М.: Наука, 1977.-384 с.
Шмырев В.И. Введение в математическое программирование. -М.:Институт компьютерных исследований, 2002. 192 с.
Штейнберг Ш. Е. Идентификация в системах управления. М.: Энергоатомиздат. 1887. — 80 с.
Экспертные системы и анализ данных/ Науч. ред. Н. Г. Загоруйко -Новосибирск, 1991. С. 54−176.
Экспертные системы. Принципы работы и примеры: Пер. с англ. / А. Брукинг, П. Джонс, Ф. Кокс и др.- Под ред. Р. Форсайта. М.: Радио и связь, 1987.-224 с.
Экспертные системы: Сборник научных трудов / Под ред. Б. М. Васильева. М.: Знание, 1990. — 47 с.
Экспертные системы: состояние и перспективы. Сборник научных трудов / Под ред. Д. А. Поспелова.- М.: Наука, 1989. 152 с.
Экспертные М-системы в организации налогового учёта: Монография / Под ред. проф. С. В. Бухарина / С. В. Бухарин, С. Н. Головко, А. В. Мельников, В. В. Навоев, Д. В. Платонов. Липецк: ЛГТУ, 2003. — 147 с.
Элти Дж. Экспертные системы. Концепции и примеры / Дж. Элти, М. Кумбс М.: Финансы и статистика, 1987 — 191 с.
Эндрю А. Искусственный интеллект. М.: Мир, 1985. — 264 с.
Энслейн К. Статистические методы для ЭВМ. М.:Наука, 1986.- 459с.
Abelson Н., Sussman G. J. and Sussman J. Structure and Interpretation of Computer Programs. Cambridge MA: MIT Press, 1996.
Allen J. F. Natural Language Understanding, 2nd edn. Menlo Park, CA: Benja-min/Cummings, 1995.
Bachant J. RIME: preliminary work towards a knowledge acquisition tool. In Automating Knowledge Acquisition for Expert Systems (Marcus S., eds.), Chapter 7. Boston: Kluiver Academic, 1988.
Baldwin J. E, eds. Fuzzy Logic.- New York: Wiley, 1996.
Barr A. and Feigenbaum E. A., eds. The Handbook of Artificial Intelligence Vol. 1. Los Altos CA: Morgan Kaufmann, 1981.
Barr A. and Feigenbaum E. A., eds. The Handbook of Artificial Intelligence Vol. 2.- Los Altos CA: Morgan Kaufmann, 1982.
Bergadano F. and Gunetti D. Inductive Logic Programming: From Machine Learning to Software Engineering. Cambridge MA: MIT Press, 1996.
Bobrow D. G. and Collins A., eds. Representation and Understanding.-New York: Academic Press, 1975.
Booch G. Object-Oriented Analysis and Design with Applications, 2nd edn.- Redwood City CA: Benjamin/Cummings, 1994.
Boose J. H. Expertise Transfer for Expert System Design.- New York: Elsevier, 1986.
ChappellD. Understanding ActiveX and Ole. Microsoft Press, 1996.
Clark К. L. and Tarnlund S.-A., eds. Logic Programming, — London: Academic Press, 1982.
Cohen P. and Feigenbaum E. A., eds. The Handbook of Artificial Intelligence, Vol. 3.- Los Altos, CA: Morgan Kaufinann, 1982.
Coombs M. J., eds. Developments in Expert Systems.- London: Academic Press, 1984.
Davis R. and Lenat D. Knowledge-Based Systems in Artificial Intelligence.- New York: McGraw-Hill, 1980.
Feigenbaum E. A. The art of artificial intelligence: themes and case studies of knowledge engineering// In Proc. 5th International Joint Conference on Artificial Intelligence, 1977.
Feigenbaum E. A. and Feldman J., eds. Computers and Thought. New York: McGraw-Hill, 1963.
Findler N. V., eds. Associative Networks. New York: Academic Press, 1979.
Harmon P. and Sawyer B. Creating Expert Systems for Business and Industry. New York: Wiley, 1990.
Henderson P. Functional Programming: Application and Implementation. Englewood Cliffs, -NJ: Prentice-Hall, 1980.
Klahr P. and Waterman D., eds! Expert Systems: Techniques, Tools, and Applications.- Reading, MA: Addison-Wesley, 1986.
Meyers S. More Effective С++: 35 New Ways to Improve Your Programs and Designs. Reading, MA: Addison-Wesley, 1995.
Michie D., eds. Expert Systems in the Micro-Electronic Age.- Edinburgh: Edinburgh University Press, 1979.
Minsky M. Computation: Finite and Infinite Machines.- London: Prentice-Hall, 1972.
Newell A. Physical symbol systems. In Perspectives on Cognitive Science (Norman D. A., eds.), Chapter 4.- Norwood, NJ: Ablex, 1981.
Newell A. and Simon H. A. Human Problem Solving. Englewood-Cliffs, NJ: Prentice-Hall. 1972.
Poeson M. C. and Richardson J. Foundations of Intelligent Tutoring Systems. Hillsdale, NJ: Lawrence Erlbaum. 1988.
Simon H. A. Why should machines learn? In Machine Learning (Michalski R. S., Car-bonell J. G. and Mitchell Т. M., eds.), Chapter 2. Palo Alto, CA: Tioga. 1983.
Yager R. R. and Filev D. P. Essentials of Fuzzy Modeling and Control. New York: Wiley. 1994.

Заполнить форму текущей работой