Помощь в написании студенческих работ
Антистрессовый сервис

Нейросетевая экспертная система на основе прецедентов для решения проблем абонентов сотовой сети

ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Методы исследования. Теоретические исследования проведены с использованием методов теории управления, системного анализа, исследования операций, принятия решений, алгоритмизации, моделирования, оптимизации, инженерии знаний, нечетких множеств и нечеткой логики, математической статистики, теории массового обслуживания, нейронных сетей, экспертных систем, рассуждений на основе прецедентов… Читать ещё >

Нейросетевая экспертная система на основе прецедентов для решения проблем абонентов сотовой сети (реферат, курсовая, диплом, контрольная)

Содержание

  • 1. Обзор существующих решений и сущность проблемы обслуживания абонентов сотовой сети
    • 1. 1. Специфика предметной области
    • 1. 2. Анализ существующих систем управления сетью сотовой связи и обслуживания абонентов
    • 1. 3. Исследование существующих подходов к решению проблем обслуживания абонентов сотовых сетей
    • 1. 4. Характеристика и сравнительный анализ гибридных интеллектуальных систем
    • 1. 5. Цели и задачи исследования
    • 1. 6. Выводы
  • 2. Теоретические основы и математическое обеспечение нейросетевой экспертной системы на основе прецедентов
    • 2. 1. Математическое описание процесса управления сетью сотовой связи
    • 2. 2. Особенности функционирования центра обслуживания заявок абонентов
    • 2. 3. Математическая модель интеллектуальной нейросетевой экспертной системы на основе прецедентов решения проблем абонентов сотовой сети
      • 2. 3. 1. Определение состава и характеристик входных и выходных переменных интеллектуальной НЭСП
      • 2. 3. 2. Структура продукционной нечеткой базы знаний
      • 2. 3. 3. Функциональная схема нейро-нечеткого логического вывода
      • 2. 3. 4. База знаний прецедентов, механизм вывода по прецедентам
    • 2. 4. Выводы
  • 3. Архитектура НЭСП для решения проблем обслуживания абонентов сотовой сети
    • 3. 1. Структура и принципы функционирования НЭСП для решения проблем обслуживания абонентов сотовой сети
    • 3. 2. Состав входных данных для системы обслуживания абонентов сотовой сети связи
    • 3. 3. Алгоритмическая реализация НЭСП для решения проблем обслуживания абонентов сотовой сети
      • 3. 3. 1. Алгоритм обслуживания заявки абонента с помощью НЭСП
      • 3. 3. 2. Алгоритмическая реализация поиска прецедента
      • 3. 3. 3. Алгоритм нейросетевого поиска решения проблемы абонента
    • 3. 4. Выводы
  • 4. Программная реализация нейросетевой экспертной системы на основе прецедентов
    • 4. 1. Выбор инструментальных средств разработки НЭСП для решения проблем обслуживания абонентов сотовой сети
    • 4. 2. Разработка базы данных обслуживания заявок абонентов
    • 4. 3. Программная реализация продукционной нечеткой базы знаний
    • 4. 4. Разработка базы знаний прецедентов
    • 4. 5. Программная реализация интерфейса с пользователем
    • 4. 6. Выводы
  • 5. Экспериментальные исследования работоспособности и эффективности системы
    • 5. 1. Методика оценки эффективности разрабатываемой системы
    • 5. 2. Описание методики и результатов тестирования разрабатываемой системы
    • 5. 3. Оценка работоспособности и эффективности программных средств системы
    • 5. 4. Оценка экономической эффективности внедрения интеллектуальной НЭСП для решения проблем абонентов сотовой сети
    • 5. 5. Выводы

Актуальность проблемы. Сотовая связь — весьма заметное явление в технике связи даже по меркам фантастически богатой на смелые технические проекты второй половины XX века. Появившись в 1971 г. на уровне идеи, в 1978 г. в виде первой опытной сети и достигнув к 1985 г. в роли самостоятельной, но достаточно узкой по распространению системы, сегодня — это массовая система радиотелефонной связи с подвижными объектами [76]. Сотовая связь предоставляет широкий спектр услуг: передача речи и данных, в том числе с выходом на стационарные (фиксированные) телефонные сети, включая междугородные и международныеидентификация подлинности абонентаавтоматическая регистрация сеанса связи и начисление оплатыпоиск подвижного объекта и установление с ним связи и многое другое. Более того, бурно развиваясь, на сегодняшний день сотовая связь претендует на роль основного элемента универсальной системы мобильной связи глобального масштаба.

Сети сотовой связи представляют собой сети телекоммуникаций в том числе. Специфика телекоммуникационного бизнеса заключается в тесной зависимости от информационных технологий.

Российский телекоммуникационный рынок достиг «зрелости»: быстрый рост абонентской базы закончился. Абоненты предпочитают стабильность оператора, качество услуг и удобство сервисных служб. Жесткая конкуренция продолжает оставаться движущей силой внедрения в существующие системы прогрессивных технических, технологических и программных решений.

С ростом спроса на телекоммуникационные услуги растет и число обращений в телекоммуникационные компании, связанных с вопросами пользования услугами, настройки и обслуживания оборудования, а также разрешения возможных проблем, возникающих в процессе использования услуг. Поэтому в компаниях сотовой связи приоритетное внимание уделяется сервису и обслуживанию абонентов. Возникает концепция управления взаимоотношениями компании с ее целевой аудиторией, призванная помочь компании в построении маркетинговой стратегии — CRM (Customer Relationship Management, управление взаимоотношениями с клиентами). Важной составляющей реализации концепции CRM является использование современных систем обслуживания вызовов [80, 81, 111].

Для того чтобы сохранить лидирующее положение на рынке и обеспечить высокое качество услуг и доступные цены, многие компании создают центры обслуживания абонентов «с нуля» или проводят модернизацию уже существующих центров. В этих условиях требуется повысить скорость обработки обращений, вести анализ причин возникновения типовых инцидентов, формализовать процесс передачи информации об инцидентах между разными подразделениями.

С точки зрения функциональных возможностей в сфере мобильной связи под термином «CRM» понимают системы, способные фиксировать информацию об обращениях и готовые выдавать ее из базы данных. Современные зарубежные разработки в области CRM могут решать очень широкий круг в принципе полезных задач, но на практике большинству компаний-операторов необходим весьма ограниченный набор возможностей [111]:

— интеграция CRM-системы с биллинговой системой оператора для оперативного получения информации о вызывающем абоненте;

— взаимодействие с корпоративной информационной системой;

— назначение исполнителей для обработки обращения;

— формирование и использование истории обработки обращений абонентов.

Практически любое обращение можно отнести к определенному типу: качество связи, помощь в настройках телефона, вопросы о дополнительных сервисах, информация о новых тарифах и т. д. Каждое такое обращение абонента вызвано некой проблемой, возникающей в процессе использования услуг сотовой сети связи [28].

С точки зрения системного анализа, проблема — это несоответствие между существующим и требуемым (целевым) состоянием системы при данном состоянии среды в рассматриваемый момент времени [6, 23, 64, 92]. Исходя из данного определения, проблемой абонента сотовой сети будем считать несоответствие между существующим и требуемым состоянием сети сотовой связи при данном состоянии среды в рассматриваемый момент времени. Состояние сети сотовой связи характеризуется функционированием всех устройств, предлагаемым набором услуг и сервисов.

Проблемы абонентов можно отнести к классу слабоструктурированньтх проблем, состав элементов которых и их связи известны только частично, и решение которых направлено на повышение эффективности функционирования сети сотовой связи за счет изменения характеристик сети или системы управления сетью, а также внедрения новых идей.

Короткое время на анализ проблемных ситуаций и принятие решения, большой объем информации, характеризующей сложившуюся ситуацию, трудность решения плохо формализуемых и слабоструктурируемых задач при отсутствии полной и достоверной информации о состоянии сети сотовой связи и функционировании ее элементов приводят к несоответствию возможностей человека требованиям эффективно решать указанные проблемы.

Выход из данного положения заключается в создании советующих систем, которые помогали бы лицу, принимающему решения (ЛПР, оператору), вырабатывать и принимать рациональные решения по идентификации причин возникновения проблемных ситуаций. Все это касается и задач, связанных с поддержанием сети сотовой связи в работоспособном состоянии, обеспечивающем предоставление абонентам сети услуг связи и информатизации в полном объеме.

В связи с этим разработка и внедрение нейросетевой экспертной системы на основе прецедентов (НЭСП) для решения проблем абонентов сотовой сети связи является актуальной научно-технической задачей.

Более того, высокий уровень автоматизации и интеллектуализации системы позволит снизить нагрузку на операторов центров обслуживания вызовов и служб технической поддержки абонентов сотовых сетей связи, значительно повысит эффективность их действий, увеличит надежность функционирования сети сотовой связи за счет своевременной идентификации возможных источников проблем и снизит экономические риски для компаний сотовой связи.

Объект исследования: сотовая сеть связи, управление которой осуществляется в условиях неполной и нечеткой информации о сетевых процессах.

Предмет исследования: математическое и программное обеспечение нейросетевой экспертной системы на основе прецедентов для решения проблем обслуживания абонентов сотовой сети связи в условиях отсутствия полной, четкой, достоверной информации о вызвавших их инцидентах.

Исходя из вышеизложенного, настоящая диссертационная работа посвящена разработке принципов функционирования и технологии создания интеллектуальных систем, основанных на знаниях, предназначенных для организации эффективного взаимодействия с абонентами сотовой сети связи.

Целью диссертационной работы является разработка НЭСП на базе комплексного подхода к проблеме эффективного управления взаимоотношениями с абонентами сотовой сети связи, включающего использование технологий экспертных систем, нейронных сетей, рассуждений на основе прецедентов, а также создание моделей, алгоритмов и программ поддержки деятельности ЛПР, осуществляющего взаимодействие с абонентами сети связи.

Для достижения этой цели в диссертационной работе решены следующие основные задачи:

— проведен анализ наиболее популярных систем управления сетями сотовой связи и взаимоотношениями с клиентами;

— исследованы существующие методы и приемы поддержки принятия решений для задач управления взаимоотношениями с абонентами сотовой сети;

— исследованы различные технологии интеллектуальных систем, способы их взаимодействия и комбинирования;

— теоретически обоснованы математические модели компонентов НЭСП: продукционной нечеткой базы знаний о проблемах абонентов, нечеткого контроллера на основе нейронной сети, базы знаний прецедентов проблем;

— разработан комплекс алгоритмов: обработка заявок абонентов, поиск решения проблем абонентов на основе прецедентов и с использование нечеткой нейронной сети;

— обоснован выбор инструментальных средств разработки НЭСП для решения проблем абонентов сотовой сети;

— разработана нейросетевая экспертная система на основе прецедентов для решения проблем абонентов сотовой сети связи;

— исследована эффективность разработанной НЭСП с использованием следующих групп показателей: функциональная пригодность, оперативность, надежность, экономичность системы;

— разработана и внедрена в опытную эксплуатацию первая версия программного обеспечения НЭСП для решения проблем абонентов сотовой сети.

Методы исследования. Теоретические исследования проведены с использованием методов теории управления, системного анализа, исследования операций, принятия решений, алгоритмизации, моделирования, оптимизации, инженерии знаний, нечетких множеств и нечеткой логики, математической статистики, теории массового обслуживания, нейронных сетей, экспертных систем, рассуждений на основе прецедентов. Экспериментальная часть работы основана на методах машинного моделирования и вычислительного эксперимента с использованием языка программирования высокого уровня С#, среды разработки программ Microsoft Visual Studio 2005 и системы управления базами данных Microsoft SQL Server 2005.

Достоверность научных положений, выводов и рекомендаций диссертационной работы подтверждается полнотой и корректностью исходных посылок, теоретическим обоснованием, основанном на использовании математического аппарата, результатами экспериментальных исследований и внедрением полученных результатов в практическую деятельность.

Научная новизна диссертационной работы заключается в том, что создан новый подход к построению интеллектуальной системы для решения проблем абонентов сотовой сети связи, базирующийся на комплексном использовании технологий экспертных систем, нейронных сетей, нечеткой логики и рассуждений на основе прецедентов. Разработаны модели и алгоритмы, доведенные до программной реализации, для решения профессиональных задач по управлению взаимоотношениями с клиентами компании сотовой сети связи.

Практическая ценность работы. Первая версия программного обеспечения нейросетевой экспертной системы на основе прецедентов для решения проблем абонентов сотовой сети после проведения тестирования, испытания и оценки специалистов передана в 2009 году в опытную эксплуатацию в филиал ОАО «МТС» в Республике Калмыкия, а также в Краснодарский филиал ЗАО «Астарта», работающей под брендом «SkyLink».

Комплексный подход при разработке НЭСП, методики построения баз знаний нечетких продукций и прецедентов, алгоритмы поиска решений на основе прецедентов и нейронной сети используются в учебном процессе КубГТУ (на кафедре ВТиАСУ в программе дисциплины «Системы искусственного интеллекта»).

По результатам проделанной работы получены акты внедрения.

Апробация работы. Основные положения диссертационной работы апробированы на II, V, VI Всероссийских научных конференциях молодых ученых и студентов «Современное состояние и приоритеты развития фундаментальных наук в регионах» (Краснодар, 2005, 2008, 2009), XIV Всероссийской научно-практической конференции «Инновационные процессы в высшей школе» (Краснодар, 2008), Международной научной конференции «Технические и технологические системы» (Краснодар, 2009).

По теме диссертации опубликовано 12 работ, из них 5 статей (в том числе 2 в изданиях, рекомендованных ВАК), 7 тезисов докладов на вышеперечисленных конференциях.

Основные положения, выносимые на защиту:

— принципы построения и структура нейросетевой экспертной системы на основе прецедентов для решения проблем абонентов сотовой сети связи;

— алгоритмы основных методов поиска решения проблем абонентов сотовой сети связи;

— модели баз знаний прецедентов и нечетких продукций;

— программное обеспечение интеллектуальной системы для решения проблем абонентов сотовой сети связи.

Личный вклад автора. Все основные научные результаты, структура и методика разработки нейросетевой экспертной системы на основе прецедентов для решения проблем абонентов сотовой сети связи, алгоритмы основных методов поиска решений проблем, модели баз знаний и интеллектуальной системы в целом, разработанные на их основе программные средства, экспериментальные исследования, приведенные в диссертации, получены автором лично.

Объем и структура работы. Диссертационная работа состоит из введения, пяти глав, заключения, списка использованных источников из 115 наименований и 4 приложений на 31 страницах. Объем основного текста составляет 185 страниц машинописного текста, в том числе 69 рисунков и графиков, 19 таблиц.

5.5 Выводы.

В заключительной главе приведены результаты экспериментальных исследований работоспособности и эффективности нейросетевой экспертной системы на основе прецедентов для решения проблем абонентов сотовой сети связи. Получены следующие результаты.

1. Определены показатели оценки эффективности функционирования разработанной НЭСП для решения проблем обслуживания абонентов сотовой сети связи.

2. Доказана работоспособность разработанной НЭСП на основе эксперимента, который заключался в тестовом испытании системы в качестве программного средства поддержки деятельности оператора центра обслуживания вызовов абонентов сотовой сети связи. В качестве входных данных для НЭСП использовались описания инцидентов, регистрируемых в заявках, поступающих от абонентов сотовой сети связи, а также технические параметры состояния сотовой сети связи.

3. Проведена оценка эффективности разработанной системы. Экспериментально доказано, что использование интеллектуальной составляющей НЭСП для поддержки деятельности оператора связи дает высокие результаты, значительно превосходящие по скорости и точности принятия решения результаты работы операторов, не использующих интеллектуальную систему. Уверенность в принятии правильного решения НЭСП стремится к 100%, тогда как, учитывая человеческий фактор, оператор сети связи может гарантировать лишь 81% достоверности принятого решения.

4. Произведено испытание надежности программного обеспечения разработанной НЭСП. В течение установленного планом эксперимента времени (8 недель) сбоев и отказов в работе программного обеспечения не было.

5. Проведена экономическая оценка эффективности внедрения разработанной нейросетевой экспертной системы на основе прецедентов по следующим частным критериям: стоимость разработки, стоимость эксплуатации, годовая экономия средств, годовой экономический эффект, срок окупаемости затрат. Расчеты показали, что расходы на создание и поддержку системы окупаются за 3,5 года эксплуатации, а использование интеллектуальной поддержки НЭСП в работе оператора сотовой связи дает ежегодную экономию средств в размере 87 631 руб. и экономический эффект в размере 25 231 руб. в год.

ЗАКЛЮЧЕНИЕ

.

Основным научным результатом диссертационной работы является теоретическое обоснование, исследование методов построения и разработка нейросетевой экспертной системы на основе прецедентов для решения проблем абонентов сотовой сети связи.

Основные теоретические и практические результаты работы заключаются в следующем.

1. Исследованы современные системы управления сетями сотовой связи и взаимоотношениями с клиентами. Проанализированы методы решения проблем, возникающих у абонентов в процессе эксплуатации сети сотовой связи, и сделан вывод о целесообразности гибридизации различных интеллектуальных технологий с целью создания единой советующей системы для решения проблем абонентов.

2. Теоретически обосновано математическое описание процесса управления сетью сотовой связи, определены роли ЛПР и центра обслуживания вызовов в контексте решения проблем абонентов. Выделены типы критических ситуаций, возникновение которых ведет к появлению проблем с качеством связи у абонентов.

3. Разработана математическая модель нейросетевой экспертной системы на основе прецедентов для решения проблем абонентов сотовой сети связи, математически описаны компоненты системы и процессы взаимодействия ее интеллектуальных составляющих.

4. Построена математическая модель нечеткой базы знаний с MIMO-структурой, включающая знания о проблемах, возникающих у абонентов в процессе эксплуатации сети сотовой связи. Определен состав и дана характеристика входных и выходных лингвистических переменных и их термов.

5. Разработана математическая модель системы нечеткого нейросетевого вывода, использующая нечеткий контроллер на основе нейронной сети NNFLC. Обосновано использование нейросетевого подхода к реализации нечеткого логического вывода. Реализован модуль объяснения решения, полученного механизмом нейросетевого поиска.

6. Определена структура прецедента и построена математическая модель базы знаний прецедентов. Разработан алгоритм поиска решения по прецедентам на основе модификации метода поиска «ближайшего соседа».

7. Программно реализована интеллектуальная НЭСП для решения проблем абонентов сотовой сети, осуществляющая функции советующей интеллектуальной системы в вопросах решения проблем, возникающих в процессе эксплуатации сети сотовой связи. Разработана база данных заявок абонентов, которая используется как для регистрации заявок, так и для формирования на их основе прецедентов и правил баз знаний.

8. Определены показатели эффективности функционирования разработанной НЭСП. Проведен эксперимент по проверке работоспособности и эффективности системы. Рассчитанные показатели позволяют утверждать, что разработанная НЭСП обладает надежным программным обеспечением, хорошими возможностями по идентификации причин проблем абонентов, и может выявлять эти причины с высокой степенью достоверности и высокой скоростью.

9. Проведена экономическая оценка эффективности внедрения разработанной НЭСП по следующим показателям: стоимость разработки, стоимость эксплуатации, годовая экономия средств, годовой экономический эффект, срок окупаемости затрат. Расчеты показали, что расходы на создание и поддержку системы окупаются за 3,5 года эксплуатации, а использование интеллектуальной поддержки НЭСП в работе оператора сотовой связи дает ежегодную экономию средств в размере 87 631 руб. и экономический эффект в размере 25 231 руб. в год.

По теме диссертации опубликовано 12 печатных работ. Из них 5 статей (в том числе 2 в изданиях, рекомендованных ВАК), 5 тезисов докладов на Всероссийских и 2 на Международных конференциях.

Показать весь текст

Список литературы

  1. А.Н., Гаазе-Рапопорт М.Г., Поспелов Д. А. Толковый словарь по искусственному интеллекту. — М.: Радио и связь, 1992. — 256с.
  2. П.В. С#. Сборник рецептов. СПб.: БХВ-Петербург, 2007. -432 с.
  3. Алехин 3. Управление инцидентами и проблемами. // Открытые системы. 2001.-№ 7−8. — С. 50−56.
  4. А.В. Формирование нечетких правил типа Takagi-Sugeno по результатам нечеткой кластеризации // Вестник ВГУ. Серия системный анализ и информационные технологии. Воронеж, 2008. — № 1. — С. 44 — 50.
  5. А. В., Андрейчикова А. В. Интеллектуальные информационные системы. М.: Финансы и статистика, 2004. — 424 с.
  6. B.C., Емельянов А. А., Кукушкин А. А. Системный анализ в управлении: Учеб. пособие. М.: Финансы и статистика, 2002. — 368 с.
  7. Ю.Н., Шелобаев С. И., Давыдова Т. Ю. Принятие решений. Интегрированные интеллектуальные системы: Учеб. пособие для вузов. М.: ЮНИТИ-ДАНА, 2003. — 270с.
  8. В.В., Артюхина Е. В., Горбаченко В. И. применение ради-ально-базисных нейронных сетей для диагностики вирусного гепатита // Нейрокомпьютеры: разработка и применение. — 2008. № 9. — С. 72 — 76.
  9. А.Б. Нейронные сети: распознавание, управление, принятие решений. -М.: Финансы и статистика, 2004. — 176 с.
  10. В.В. Эффективность программных средств и ее оценка // Доклады БГУИР. 2007. — № 2(18). — С. 128 — 133.
  11. Блюмин C. JL, Шуйкова И. А. Модели и методы принятия решений в условиях неопределенности. — Липецк: ЛЭГИ, 2001. — 138 с.
  12. С.Л., Шуйкова И. А., Сараев П. В. Нечеткая логика: алгебраические основы и приложения. — Липецк: ЛЭГИ, 2002. — 111 с.
  13. Бобряков А. В. Гибридная сеть для реализации нечетких моделей с
  14. MIMO-структурой // Нейрокомпьютеры: разработка и применение. 2007. -№ 1. — С. 13−16.
  15. В.В., Круглов В. В., Федулов А. С. Нечеткие модели и сети. —М.: Горячая линия-Телеком, 2007. 284 с.
  16. В.В., Федулов А. С. Способы интеграции нечетких и нейронных сетей // Нейрокомпьютеры: разработка и применение. 2007. — № 1. -С. 5 — 11.
  17. Э. Технология разработки программного обеспечения. — СПб.: Питер, 2004. 655 с.
  18. П.Р. Методы и программные средства поиска решения на основе аналогий в интеллектуальных системах поддержки принятия решений: Автореф. дис.. канд. техн. наук. М., 2005. — 20 с.
  19. П.Р., Еремеев А. П. Методы правдоподобных рассуждений на основе аналогий и прецедентов для интеллектуальных систем поддержки принятия решений // Новости Искусственного Интеллекта. — 2006. № 3. — С. 39 — 62.
  20. В.И. Искусственный интеллект в системах управления и обработки информации // Вестник УГАТУ. Уфа: УГАТУ, 2000. — № 1. — С. 133−140.
  21. В.Ф., Кургин А. А., Сагалович Л. И. Опыт МГТС по созданию АСУ. -М.: Радио и связь, 1981. 164 с.
  22. Р. Программирование баз данных Microsoft SQL Server 2005. Базовый курс. М.: Вильяме, 2007. — 832 с.
  23. В.Н., Денисов А. А. Основы теории систем и системного анализа. СПб.: Изд-во СПбГТУ. — 510 с.
  24. А.В. Гибридные интеллектуальные системы. Новосибирск: НГТУ, 2003. — 162 с.
  25. А.В., Новицкая Ю. В. Гибридные интеллектуальные системы // Сборник научных трудов НГТУ. Новосибирск: НГТУ, 2004. -№−1(35).-С. 55−60.
  26. Т.А., Хорошевский В. Ф. Базы знаний интеллектуальных систем. СПб.: Питер, 2000. — 384 с.
  27. А., Феноменов М. Система Аргус — отечественная OSS в стандартах TMF // Вестник связи. 2008. — № 9. — С. 30 — 34.
  28. .С. Комплекс техобслуживания абонентов: новое решение старой проблемы // Вестник связи. — 2000. № 9. — С. 31 — 36.
  29. .С., Фрейнкман В.А. Call-центры и компьютерная телефония. СПб.: БХВ-Петербург, 2002. — 372 с.
  30. И. В. К вопросу о проектировании знаний в экспертной системе // Перспективные информационные технологии и интеллектуальные системы. 2002. — № 2 (10). — С. 31 — 34.
  31. П. Введение в экспертные системы: Пер. с англ. — М.: Вильяме, 2001.-624 с.
  32. Э.М., Диязитдинова А. Р., Скворцов А. Б. Роль интеллектуальных информационных систем в управлении инфокоммуникационными компаниями // Электросвязь. 2007. — № 8. — С. 40 — 43.
  33. Достоверный и правдоподобный вывод в интеллектуальных системах / Вагин В. Н., Головина Е. Ю., Загорянская А. А., Фомина М.В.- Под ред. Вагина В. Н., Поспелова Д. А. М.: Физматлит, 2004. — 704 с.
  34. Н. М., Ильчанинова JI.B. Состояние проблемы контроля действий оператора в системе управления // Управление в сложных системах: Межвуз. науч. сб., Уфа: УГАТУ, 1999. С. 193 — 198.
  35. С.М., Жиглявский А. А. Математическая теория оптимального эксперимента. М.: Наука, 1987. — 320 с.
  36. С.В. К вопросу о построении гибридных нейро-нечетких экспертных систем диагностики и контроля ГТД // Управление в сложных системах: Межвуз. науч. сб., Уфа: УГАТУ, 1999. С. 119 — 126.
  37. С.В. Нейросетевая база знаний прецедентов активной экспертной системы для комплексного контроля и диагностики параметров авиационного двигателя // Информационные технологии. — 2002. — № 5. — С. 45−53.
  38. С.В. Применение динамических экспертных систем с нейросетевыми базами знаний в процессе эксплуатации авиационных двигателей // Информационные технологии. 2001. — № 6. — С. 42 — 47.
  39. П.Н. Нечеткая нейронная сеть в приложении к задаче кластеризации наблюдаемых данных // Нейрокомпьютеры: разработка и применение. 2007. — № 6. — С. 61 — 66.
  40. Т.А., Иванова Т. В. Зачем оператору мобильной связи Call-центр? // Биллинг. Компьютерная телефония. 2001. — № 3. — С. 26 — 28.
  41. JI. Е., Юдин В. Н. Адаптивное управление по прецедентам, основанное на классификации состояний управляемых объектов // Труды Института Системного Программирования РАН. М.: ИСП РАН, 2007. — Т. 13, 4.2.-С. 37−57.
  42. JI.E., Юдин В. Н. Методы добычи данных при построении локальной метрики в системах вывода по прецедентам. М., ИСП РАН, препринт № 18, 2006.
  43. А. И., Муравьева Е. А., Каяшева Г. А. Структурная схема нечеткого регулятора на основе лингвистических переменных с четкими термами // Программные продукты и системы. 2008. — № 4. — С. 108 — 111.
  44. А.В. Гибридные интеллектуальные системы: Теория и технология разработки. — СПб.: Изд-во СПбГТУ, 2001. 711с.
  45. А.В., Кириков И. А. Методология и технология решениясложных задач методами функциональных гибридных интеллектуальных системы. М.: ИЛИ РАН, 2007. — 387 с.
  46. В.И., Смирнов Д. А. Нейронные сети и их применение в системах управления и связи. М.: Горячая линия-Телеком, 2003. — 94 с.
  47. Е.В., Леденева Т. М., Алтухов А. В. Об одном подходе к аппроксимации функции с помощью систем Takagi-Sugeno // Вестник ВГУ. Серия системный анализ и информационные технологии. — Воронеж, 2008. — № 2. С. 72 — 79.
  48. Ю.А. Перспективы развития гибридных интеллектуальных систем // Перспективные информационные технологии и интеллектуальные системы. 2002. — № 3 (11). — С. 34 — 38.
  49. Н. И., Воронцов Ю. А., Аппак М. А. Автоматизированные системы управления в связи. М.: Радио и связь, 1988. — 272 с.
  50. В.В., Борисов В. В. Искусственные нейронные сети. Теория и практика. М.: Горячая линия-Телеком, 2002. — 382 с.
  51. В.В., Дли М.И. Интеллектуальные информационные системы: компьютерная поддержка систем нечеткой логики и нечеткого вывода. М.: Изд-во Физматлит, 2002. — 256 с.
  52. В.В., Дли М.И., Голуиов Р. Ю. Нечеткая логика и искусственные нейронные сети: Учеб. пособ. — М.: Физматлит, 2001. — 224 с.
  53. П.П. Анализ алгоритма нечеткой кластеризации // Информатика и системы управления в XXI веке. Сборник трудов. — М.: Изд-во МГТУ им. Н. Э. Баумана, 2003. С. 249 — 253.
  54. П.П. Система моделирования нечетких систем на алгоритмическом уровне // Информатика и системы управления в XXI веке. Сборник научных трудов. М.: Изд-во Эликс+, 2002. — С. 201 — 204.
  55. А.В. Интеллектуальная система поддержки принятия решения на основе нечеткой логики для диагностики состояния сети передачи данных: Автореф. дис.. канд. техн. наук. Краснодар, 2007. — 24 с.
  56. В. В. Си Шарп: Создание приложений для Windows. — Мн.: Харвест, 2003.-384 с.
  57. А.В. Нечеткое моделирование в среде MATLAB и fuzzyTECH. СПб.: БХВ-Петербург, 2005. — 736 с.
  58. В.В. Программная инженерия. Методологические основы. — М.: ТЕИС, 2006. 608 с.
  59. С.Д. О приложениях LP-структур в теории программирования // Вестник ВГУ. Серия системный анализ и информационные технологии. Воронеж, 2007. — № 2. — С. 40 — 49.
  60. В.И. Исследование систем управления. М.: Экзамен, 2002. -384 с.
  61. Ю.И., Дегтярев А. Б., Кирюхин И. А. Интеллектуальные системы поддержки принятия решений с использованием нейросетевых технологий // Тр. Международного симпозиума «Интеллектуальные системы», INTELS-2000. — М., 2000. С. 171−173.
  62. Нечеткие гибридные системы. Теория и практика. / Батыршин И. З., Недосекин А. О., Стецко А. А., Тарасов В. Б., Язенин А. В., Ярушкина Н.Г.- Под ред. Ярушкиной Н. Г. М.: Физматлит, 2007. — 208 с.
  63. Г. С. Приобретение знаний интеллектуальными системами: основы теории и технологии. М.: Наука, Физматлит, 1997. — 112 с.
  64. Г. С., Виноградов А. Н., Жилякова JI. Ю. Динамические интеллектуальные системы // Известия АН. Теория и системы управления. Ч. 1. Представление знаний и основные алгоритмы. — М.: Наука, 2002. — № 6. — С. 119−127.
  65. С. Нейронные сети для обработки информации: Пер. с пол. И. Д. Рудинского. — М.: Финансы и статистика, 2004. 344 с.
  66. , А. Н., Соколов, Б. В. Принятие решений в условиях нечеткой информации. СПб.: ГУАП, 2006. — 72 с.
  67. Прикладные интеллектуальные системы, основанные на мягких вычислениях / Азов М. С., Бушмелев Ю. Ю., Лебедев А. А., Макеев А. С. и др.- под ред. Ярушкиной Н. Г. Ульяновск: УлГТУ, 2004. — 139 с.
  68. Прикладные нечеткие системы: Пер. с япон. / Асаи К., Ватада Д., Иван С. и др.- Под ред. Тэрано Т., Асаи К., Сугэно М. М.: Мир, 1993. -368 с.
  69. М.В. Основы сотовой связи. М.: Радио и связь, 1998. -248 с.
  70. А.В. Интеграция АСР, ЦОВ и CRM в межрегиональных компаниях связи // Биллинг. Компьютерная телефония. 2004. — № 1. — С. 10−14.
  71. А.В. Современное состояние и прогнозы развития центров обслуживания вызовов // Инфосфера. 2001. — № 11. — С. 3 — 11.
  72. А.В., Ваняшин С. В., Решодько А. А. Сравнительный анализ математических моделей центров обслуживания вызовов // Электросвязь. -2004.-№−9.-С. 32−34.
  73. А.В., Новиков А. В. Математическая модель системы телефонистов ОРАХ // Электросвязь. 2001. — № 8. — С. 13 — 16.
  74. А.В., Самсонов М. Ю., Шибаева И. В. Центры обслуживания вызовов (Call centre). — М.: Эко-Трендз, 2002. — 272 с.
  75. А.П. Интеллектуальные технологии идентификации: нечеткая логика, генетические алгоритмы, нейронные сети. — Винница: Универсум-Винница, 1999. 320 с.
  76. Д., Пилиньский М., Рутковский JI. Нейронные сети, генетические алгоритмы и нечеткие системы: Пер. с пол. И. Д. Рудинского. — М.: Горячая линия-Телеком, 2007. — 383 с.
  77. С. А. Нейросетевые экспертные системы // Нейрокомпьютер. 1992. — № 2. — С. 29 — 36.
  78. М.А. Методы проектирования нечеткой базы знаний // Вестник ВГУ. Серия системный анализ и информационные технологии. — Воронеж, 2008. № 2. — С. 67 — 71.
  79. Г. В. Принятие решений как интеллектуальная деятельность. Монография. — М.: Гардарики, 2005. 253 с.
  80. С.А. Идентификация нечетких, нейро-нечетких и нейро-сетевых моделей по прецедентам для решения задач распознавания образов // Нейрокомпьютеры: разработка и применение. — 2008. № 9. — С. 10—16.
  81. М.С. Нейрокомпьютерные системы. — М.: Интернет-Университет Информационных технологий- БИНОМ. Лаборатория знаний, 2006. 142 с.
  82. В.А., Ефимов Д. В., Тюкин И. Ю. Нейросетевые системы управления. М.: Высшая школа, 2002. — 183 с.
  83. Н.М. Введение в проектирование систем управления. — М.: Энергоатомиздат, 1986. 248 с.
  84. В.Б., Балдин К. В. Информационные технологии управления.- М.: Академия, 2008. 400 с.
  85. В.В. Программирование на языке С#. СПб.: Питер, 2007.- 240 с.
  86. И.Б. Интеграция нейронных и символьно-логических моделей в интеллектуальных технологиях // Тр. 7-й Национальной конференции по искусственному интеллекту с международным участием КИИ-2000. — Пе-реславль-Залесский, 2000. Т. 2. — С. 588 — 596.
  87. В.Г. Модели поддержки принятия решений в инвестиционной деятельности на основе аппарата нечетких множеств. — М.: Горячая линия Телеком, 2007. — 312 с.
  88. И.Г. Методы оптимизации и принятия решений: Учебное пособие. СПб.: Лань, 2001. — 384 с.
  89. С.Д. Проектирование нечетких систем средствами MATLAB. М.: Горячая линия — Телеком, 2007. — 288 с.
  90. Н.Г. Основы теории нечетких и гибридных систем: Учеб. пособие. М.: Финансы и статистика, 2004. — 320 с.
  91. JI.H. Введение в искусственный интеллект. — М.: Академия, 2005.- 176 с.
  92. Г. Э. Нечеткие множества и нейронные сети. М.: Интернет—Университет Информационных Технологий, БИНОМ. Лаборатория знаний, 2006.-316 с.
Заполнить форму текущей работой