Помощь в написании студенческих работ
Антистрессовый сервис

Разработка и применение метода нечетких измерений на основе нейронной модели диагностики экспертных знаний и заключений на примерах исследований сложных процессов

Диссертация: Разработка и применение метода нечетких измерений на основе нейронной модели диагностики экспертных знаний и заключений на примерах исследований сложных процессов
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

В сложившихся экономических условиях, особенностью которых является постепенный переход промышленности и народного хозяйства к новым рыночным механизмам, наблюдается возросшая потребность в использовании экспертных знаний и заключений (ЭЗЗ). ЭЗЗ, выработанные квалифицированными специалистами — производственниками, а также научными работниками, применяются для решения задач размещения инвестиций… Читать ещё >

Разработка и применение метода нечетких измерений на основе нейронной модели диагностики экспертных знаний и заключений на примерах исследований сложных процессов (реферат, курсовая, диплом, контрольная)

Содержание

  • 1. Особенности использования методов и математических моделей для оценки экспертных знаний, используемых в сложных объектах и процессах
    • 1. 1. Учет качественной составляющей информации, использующейся при анализе сложных объектов и процессов
    • 1. 2. Использование качественной информации при управлении доменным процессом
    • 1. 3. Состояние вопроса о методах обработки нечеткой информации
    • 1. 4. Возможность использования нейронных технологий для оценки знаний и заключений эксперта
    • 1. 5. Постановка задач исследования
  • 2. Разработка метода нечетких измерений
    • 2. 1. Физическая постановка задачи и математическая формулировка метода нечетких измерений
    • 2. 2. Решение задачи наблюдения при определении качества ЭЗЗ
    • 2. 3. Решение задачи классификации в методе нечетких измерений
    • 2. 4. Решение задачи распознавания в методе нечетких измерений
    • 2. 5. Разработка модели эксперта как измерительной системы
    • 2. 6. Выводы
  • 3. Разработка и реализация нейронной модели диагностики ЭЗЗ
    • 3. 1. Структурная реализация нейронной модели
    • 3. 2. Определение передаточных характеристик нейронов входного слоя
    • 3. 3. Определение передаточных характеристик нейронов промежуточных слоев (II и III) НС
    • 3. 4. Определение передаточных характеристик нейронов выходного слоя
    • 3. 5. Использование элементов ядерной организации при построении нейронной сети
  • 3. б.Особенности программной реализации определения вектора компетентности
    • 3. 7. Выводы
  • 4. Практическое применение метода нечетких измерений для исследования и диагностики ЭЗЗ в сложных 94 технологиях (на примере доменного производства)
    • 4. 1. Характеристика особенностей использования метода нечетких измерений в условиях доменной 94 плавки
    • 4. 2. Результаты определения характеристик доменного процесса, зоны малоподвижных 99 материалов и их анализ
    • 4. 3. Разработка рекомендаций по улучшению технико-экономических показателей доменного 108 процесса на основе метода нечетких измерений
      • 4. 3. 1. Особенности разработки рекомендаций для условий доменной печи
      • 4. 3. 2. Основные расчетные зависимости

В сложившихся экономических условиях, особенностью которых является постепенный переход промышленности и народного хозяйства к новым рыночным механизмам, наблюдается возросшая потребность в использовании экспертных знаний и заключений (ЭЗЗ). ЭЗЗ, выработанные квалифицированными специалистами — производственниками, а также научными работниками, применяются для решения задач размещения инвестиций, оптимизации объектов и процессов, прогноза сложных экономических и технологических ситуаций и т. п.

Высокий уровень производственных помех, нестабильный характер работы промышленных объектов, колебания характеристик сырья, энергоресурсов обуславливают размытый, нечеткий характер информации, описывающей данные явления. В сложных технологических процессах и объектах содержатся зоны, труднодоступные для объективного контроля существующими измерительными средствами. В таких зонах для изображения картины протекания процессов широко используется качественная информация, представляемая в виде ЭЗЗ. Большой удельный вес качественная информация занимает и в уже существующем киберпространстве — искусственной среде созданных глобальных компьютерных сетей.

Доля финансовых и материальных затрат, направленных на оперативное получение информации, в том числе ЭЗЗ, стремительно возрастает, и в связи с этим приобретает существенное значение оценка качества данной информационной продукции. б.

Поэтому в настоящее время является актуальной разработка метода нечетких измерений, дающего объективные характеристики уровня качества ЭЗЗ, применяемых в сложных технологиях.

Данная диссертация выполнена в рамках научного направления работ кафедры «Автоматика и управление в технических системах» Уральского государственного технического университета.

Поставленная задача разработки метода нечетких измерений решена на основе нейронной модели диагностики экспертных знаний и заключений, результат данного решения изложен в четырех главах диссертационного исследования.

Создание указанного метода и нейронной сети основывалось на положительном опыте известных организацийРоссийского научно-исследовательский института информационных технологий и систем автоматизированного проектирования, ИСИ СО РАН, Института проблем управления, НИПИСАУ, КИА.

Адаптация нейронной модели и примеры ее эффективного использования были осуществлены на основе производственной информации о доменном процессе, любезно предоставленной ОАО «Магнитогорский металлургический комбинат», ОАО «Нижне-тагильский металлургический комбинат».

Автор исследования приносит глубокую благодарность коллективам указанных предприятий и организаций, а также своему научному руководителю Заслуженному деятелю науки и техники РФ, действительному члену АИН РФ, доктору технических наук, профессору Лисиенко Владимиру Георгиевичу и научному консультанту доценту, кандидату технических наук Щербатскому Виктору Борисовичу.

4.5. Выводы.

1. С помощью метода нечетких измерений произведена фильтрация исходной информации по скорости схода шихты в доменных печах, что позволило повысить информационный класс математической модели зоны малоподвижных материалов в горне, применяющейся на верхнем уровне АСУ ТП, до класса УПР.

2. Установлен научный факт, что нестационарным процессам подвержены размеры и форма тотермана в цикле «выпуск-выпуск» .

3. Практическая целесообразность выполненного исследования подтверждена конкретными рекомендациями по улучшению технико-экономических показателей доменной печи, объемом 2700 м³ ОАО «НТМК» (изменение диаметра воздушных фурм со 150 мм до 14 5мм).

4. Созданный программный продукт «СОМРЕТ» предназначен для использования на верхнем уровне систем АСУ ТП с применением нейросетевых технологий. Появилась возможность осуществлять прогноз и оптимизацию сложных технологических процессов с одновременным изменением более 20 технологических параметров.

ЗАКЛЮЧЕНИЕ

.

Выполненное исследование показало принципиальную возможность реализации информационной технологии, основанной на методе нечетких измерений. Принципиальная неустранимость специалиста, эксперта из процессов выработки решений, управления, оптимизации в сложных ситуациях выдвинула на передний план проблему получения знаний о самом эксперте. Высокий уровень качественной составляющей информации в человеко-машинных системах поставил также задачу получения объективной характеристики такого вида экспертных знаний и заключений.

На решение указанных задач и был направлен разработанный метод нечетких измерений качества ЭЗЗ. Перспективность практического применения данного метода налицо. Она заключается в появившейся возможности надежного отсева некомпетентной, а иногда и заведомо ложной информации в процессе диалога «специалист — ПЭВМ», повышении доли объективно обоснованных решений по идентификации, управлению и оптимизации.

На примере технического мониторинга такого интеллектуально сложного технологического объекта, как доменная печь, показаны реальные возможности метода нечетких измерений. В данном случае удалось получить новую научную и практическую информацию о процессах, протекающих в таких труднодоступных зонах, как шахта и горн печи. В результате при использовании данной технологии снижается опасность возникновения аварийных ситуаций в рассмотренном сложном технологическом.

123 процессе, управление которым, по образному выражению специалистов, «остается пока еще искусством».

Вместе с тем, следует отметить, что разработанный метод нечетких измерений применим не только к исследованию доменного процесса, но и к другим предметным областям. В частности, диссертантом в настоящее время проводятся исследования в рамках научной программы Министерства Образования РФ «Научное и научно-методическое обеспечение функционирования системы образования» (см. Приложение № 1), в области управления финансовыми ресурсами государственного вуза в рыночных условиях [6,7] .

Обобщенные результаты проделанной работы привели к следующим научным и практическим заключениям:

1. Разработанный метод нечетких измерений отличается от известных методов измерения качества информации наличием характеристик (например, вектора компетентности) эксперта и возможностью нечеткой фильтрации входной информации. Это дает возможность объективно определять уровень качества ЭЗЗ.

2. На основе системного подхода создана функциональная модель специалиста как своеобразной измерительной системы, отличающаяся от аналогичных тем, что данная модель позволила учесть фактор времени и выразить основные характеристики специалиста в информационном виде .

3. Разработана нейронная модель для оценки качества ЭЗЗ, отличающаяся тем, что она позволяет устанавливать степень принадлежности экспертных знаний и заключений.

124 к основным информационным классам: идентификации, управлению, оптимизации, оптимизации с риском.

4. Разработан алгоритм построения нейронной сети с элементами ядерной организации межнейронных связей, позволяющий практически реализовать метод нечетких измерений и нейронную модель диагностики без использования специального нейросетевого программного и аппаратного обеспечения.

5. С помощью метода нечетких измерений произведена фильтрация исходной информации по скорости схода шихты в доменных печах, что позволило повысить информационный класс математической модели зоны малоподвижных материалов в горне, применяющейся на верхнем уровне АСУ ТП, до класса УПР. Установлен научный факт, что нестационарным процессам подвержены размеры и форма тотермана в цикле «выпуск-выпуск».

6. Практическая целесообразность выполненного исследования подтверждена конкретными рекомендациями по улучшению технико-экономических показателей доменной печи, объемом 2700 м³ ОАО «НТМК» (изменение диаметра воздушных фурм со 15 0 мм до 14 5мм), а также оценкой уровня качества ЭЗЗ производственного персонала ОАО «ЧМЗ» (соответствует информационным классам УПР и ОПТ).

7. Созданный программный продукт «СОМРЕТ» предназначен для использования на верхнем уровне систем АСУ ТП с применением нейросетевых технологий. Появилась возможность осуществлять прогноз и оптимизацию сложных технологических процессов с одновременным изменением более 20 технологических параметров.

8. На основе материалов проведенных исследований были разработаны лабораторные практикумы по учебным курсам «Методы технической диагностики» и «Метрология и измерительная техника» для студентов Уральского государственного технического университета.

Подготовлено к печати методическое пособие по данным практикумам. Подана заявка на патент.

Выполненная диссертационная работа, вместе с тем, выявила направление дальнейших исследований усовершенствование способов получения объективной информации об экспертах, специалистах-управленцах на основе информационных технологий.

Кормышев В.М.

Показать весь текст

Список литературы

  1. Аверкин АКлещев А. Работа с экспертами и формализация качественных описаний, Сб. «Представление знаний в человеко-машинных системах» Том С, М., ВИНИТИ, 1984.
  2. А.Н. Мягкие вычисления основа новых информационных технологий / КИИ-96. Национальная конференция с международным участием «Искусственный интеллект -96″: Сб. научн. тр.: В 3-х т. Т.2. Казань, 1996
  3. А.Н. Нечеткое отношение моделирования и его использование для классификации и аппроксимации в нечетких лингвистических пространствах. Изв. АН СССР: Техническая кибернетика, 1982, № 2. — с.215.
  4. Автоматизация контроля качества изделий из бетона и железобетона / А. Э. Гордон, Л. И. Никулин, А. Ф. Тихонов. М.: Стройиздат, 1991. — 300с., ил.
  5. Автоматизация типовых технологических процессов и установок: Учебник для вузов / Корытин A.M., Петров Н. К., Радимов С. Н., Шапарев Н. К. 2-е изд., перераб. и доп. — М.: Энергоатомиздат, 1988. — 432с., ил.
  6. О.Н., Кормышев В. М., Агарков Г. А. Применение вероятностно-статистических методов в бухгалтерском учете / Советник бухгалтера в сфере образования и науки, М: Нефть и Газ, № 1, 1999. с.18−20
  7. А.Н., Алексеев A.B., Меркурьева Г. В. и др. Обработка нечеткой информации в системах принятия решений. М.: Радио и связь, 1989. — 304с., ил.
  8. А.И. Способ оценки достоверности экспертных измерений, Измерительная техника, № 10, 1995.
  9. Буч Г. Объектно-ориентированное программирование с примерами применения: Пер. с англ. Киев: Диалектика, 1992
  10. JI.A., Зубаков В. Д. Выделение сигналов на фоне помех. М.: Советское Радио, i960. 446с., ил.
  11. А. Последовательный анализ. Пер. с англ. М.: 1960. — 328с., ил.
  12. В.Ф. Инженерная психология и синтез систем отображения информации. М.: Машиностроение, 1975. -396 с., ил.
  13. В.А. Интеграция знаний при исследовании сложных систем, Известия АН. Теория и системы управления, 1998, № 5, с. 132−139.128
  14. A.A., Ефименко Г. Г. Автоматическое управление доменным процессом. М.: Металлургия, 1969. 30 9 с., ил.
  15. В.А. Методы решения проблемы нечеткости в задачах управления. Новосибирск: Наука. Сиб. предприятие РАН, 1999 — 240с.
  16. Я.М., Максимов Е. В., Швыдкий B.C. Механика движения материалов и газов в шахтных печах Алма-Ата: Наука, 1989 — 144с.
  17. А.П., Гуревич И. В., Скрипкин В. А. Современное состояние проблемы распознавания. Некоторые аспекты. М.: Радио и связь, 1985. 260с., ил.
  18. А.П., Скрипкин В. А. Методы распознавания -M.: Высшая школа, 1984. 340с., ил.
  19. В.А. Экспертное тестирование и оценка качества работы системы Michel / НТИ. Сер.2, 1997, № 7 .
  20. В.А. Фундаментальное и конструктивное качество интеллектуальных систем / НТИ. Сер. 2, 1998, № 2 .
  21. Гук Ю. Б. Анализ надежности электроэнергетических установок JI.: Энергоатомиздат Ленингр. отд-ние, 1988. — 224с., ил.
  22. Д., Мерсеро Р. Цифровая обработка многомерных сигналов: Пер. с англ. М.: Мир, 1988. — 488с., ил.
  23. A.M. Методы идентификации динамических объектов, М.: Энергия, 1991. -320с., ил.
  24. А.К., Мальцев П. А. Основы построения и контроля сложных систем. Л.: Энергоатомиздат Ленингр. отд-ние, 1988 — 192с., ил.129
  25. А.Н., Щербатский В. Б., Суханов E.J1., Китаев Б. И., Швыдкий B.C. Методика расчета температурного поля доменной печи с учетом неравномерного движения потоков шихты и газа. Известия вузов. Черная металлургия, 1979, № 8, с. 28−32.
  26. . П. О возможности полного восстановления железа в доменной печи непрямым путем /В кн. Контроль и регулирование параметров доменного процесса, Изд -во Наукова Думка, Киев, 1972, 307 с.
  27. . П. Основы автоматического контроля и регулирования доменного процесса / В кн. Автоматизация доменного процесса (материалы научно-технического семинара), М.: Металлургия, 1966. 200 с., ил.
  28. А.Ю., Алексеев A.A. Математические модели быстрых нейронных сетей. В сб. науч. тр. СПбГЭТУ „Системы управления и обработки информации“. Вып. 490, 1996 с 79−84.
  29. А.Ю., Алексеев A.A. Обработка данных в нейронных сетях с ядерной организацией. В сб. „Управление в социальных, экономических и технических системах“: Тр. Межреспубл. нучн конф., г. Кисловодск, 1998. с. 81−84.
  30. А.Ю., Алексеев A.A. Структурные модели быстрых нейронных сетей. В сб. „Интеллектуальные системы“ / Труды II-го Международного симпозиума- Под ред. К. А. Пупкова, т.2 М.: Изд-во ПАИМС, 1996. — с. 138−143
  31. В. К. Интенсивность излучения фурменных очагов и применение этого параметра для оценки теплового130состояния низа печи / В кн. Автоматизация доменного процесса (материалы научно-технического семинара), М.: Металлургия, 1966. 200с., ил.
  32. Дюк В. А. Компьютерная психодиагностика СПб.: изд-во „Братство“, 1994. — 364с., ил.
  33. ЕжовА.А., Шумский С. А. Нейрокомпьютинг и его применения в экономике и бизнесе (серия „Учебники экономико-аналитического института МИФИ“ под ред. проф. В.В. Харитонова). М.: МИФИ, 1998. 224 с.
  34. И.И., Рукавишников В. О. Группировка, корреляция, распознавание образов (Статистические методы классификации и измерения связи) М.: Статистика, 1977. — 144с.
  35. JI.A. Понятие лингвистической переменной и его применение к принятию приближенных решений М.: Мир, 1976. — 165с.
  36. Идентификация и управление процессами в черной металлургии / Салыга В. И., Карабутов H.H. М.: Металлургия, 1986 — 192с.
  37. В.В., Дорохов И. Н., Марков Е. П. Системный анализ процессов химической технологии. Применение метода нечетких множеств. М.: Наука, 1986.3 60с., ил.131
  38. М.А., Старцева Е. Ю., Щербатский В. В., Овчинников Ю. Н. Модель экспертного оценивания технологических ситуаций // сб. докл. Информационные технологии и электроника, Екатеринбург, 1998, с. 8 688 .
  39. .И., Ярошенко Ю. Г., Лазарев Б. Л. Телообмен в доменной печи. М.: Металлургия, 1966. — 356 с.
  40. П. „Справочное руководство по конструированию тестов. Введение в психометрическое проектирование“. Пер с англ. К.: „ПАН Лтд“, 1994.
  41. А.Н. Три подхода к определению „количества информации“ / А. Н. Колмогоров. Теория информации и теория алгоритмов М.:Наука, 1987.
  42. В.М. Методика определения функции компетентности эксперта на основе математической модели. / Автоматика и информационные технологии. Научные школы УГТУ № 5. Екатеринбург: УГТУ, 1999. с. 237−242.132
  43. В.М., Лисиенко В. Г., Щербатский В. Б. Математическая модель эксперта-доменщика / Всероссийская научно-техническая конференция „Энергетики и металлурги настоящему и будущему России“. Магнитогорск: МГТУ им. Г. И. Носова, 1998с. 69
  44. А. Введение в теорию нечетких множеств М.: Радио и связь, 1982. — 432с.134
  45. A.A., Человек в автоматизированных системах управления. JI.: Издательство ЛГУ, 1972.
  46. .Г. Экспертная информация. Методы получения и анализа М.: Радио и связь, 1982. — 184с.
  47. В.В. Разработка и реализация способов коррекции параметров комбинированного дутья по ходу доменной плавки с целью экономии кокса: Автореф. дис. канд. техн. наук Свердловск, 1985 — 21с.
  48. М.Ф. Основы метрологии. М.: Стандартгиз, 1949. — 480с., ил.
  49. Модель для определения положения зон плавления и производительности доменной печи в различные периоды ее работы. Kreibich Klaus, Gudenau Heinrich-Wilhelm. „Arch. Eisenhuttenw“. 1982, 53, № 1, с. 21−28.
  50. С.H., Родионова Ю. М. Моделирование динамических систем Ярославль : Верхне-волжское книжное изд-во, 1984. — 312с., ил.
  51. Мушик Э, Мюллер П. Методы принятия технических решений: Пер. с нем. М.: Мир, 1990. — 208с., ил.
  52. Нечеткие множества в моделях управления и искусственного интеллекта / А. Н. Аверкин, И.З.135
  53. , А.Ф. Блишун, В. Б. Силов, В. Б. Тарасов, Под ред. Д. А. Поспелова -М.: Наука. Гл. ред. Физ.-мат. лит., 1986 312с.
  54. Нечеткие множества и теория возможностей. Последние достижения / Под ред. Р. Р. Ягера М.: Радио и связь, 1986 — 408с.
  55. Нечеткие модели для экспертных систем в САПР / Н. Г. Малышев, JI. С. Берштейн, A.B. Боженюк М.: Энергоатомиздат, 1991. — 136с., ил.
  56. П.В., Зограф И. А. Оценка погрешностей результатов измерений 2-е изд., перераб. и доп. -JT.: Энергоатомиздат Ленингр. отд-ние, 1991. — 304с., ил.
  57. Общая психодиагностика / Под ред. А. А. Бодалева, В. В. Столина.- М.: Изд-во МГУ, 1987.
  58. Е.Я. Построение автоматизированных систем контроля процессов обогащения М.: Недра, 198 715 8с., ил.
  59. В. В. Структурно-логический метод обобщения и анализа данных и знаний / Известия АН. Теория и системы управления, 1998, № 5, с.96−105.
  60. Основы инженерной психологии / Под ред. Б. Ф. Ломова. М.: Высш. шк., 1986. — 448с.
  61. П.П. Основы технической диагностики. М.: Энергия, 1976 — 460с., ил.
  62. А.Ю. Решение задачи идентификации нечетких систем / Известия АН. Теория и системы управления, 1996, № 4, с. 40−46.
  63. Ю.М., Хон В.Б. Теория автоматизированных банков информации: Учеб. Пособие для вузов по спец.
  64. Автоматизированные системы обраб. информации и упр.» М.: Высшая школа, 1989. — 184с., ил. Попов Э. В. Экспертные системы — М.: Наука, 1987 2 8 8с., ил.
  65. Прикладные нечеткие системы / Асаи К., Ватада Д., Иваи С. и др. / Под ред. Т. Тэрано, К. Асаи, М. Сугено: Пер. с яп. М.: Мир, 1993. — 368с. Пфанцгаль И. Теория измерений — М.: Мир, 1976. 248с.
  66. С.А. Статистические методы прогнозирования в АСУ. М.: Энергоиздат, 1981.
  67. В. Я. Теория автоматического управлениятеплоэнергетическими процессами: Учебник для вузов.
  68. М.: Энергоатомиздат, 1985. 296с., ил.
  69. М.Ф. Разработка и внедрение методов контролязоны пластичности в доменной печи с целью сокращениярасхода кокса: Канд. диссер., Свердловск, 1989,152с.
  70. А.Н., Чинаев П. И. Идентификация и оптимизация автоматических систем. М.:
  71. Энергоатомиздат, 1987. 200с., ил.
  72. Словарь справочник по психологической диагностике / Бурлачук Л. Ф., Морозов С. М. — К.: Наукова думка, 1989.
  73. Л.Н. Методы психологической диагностики. Вып.1,2. М.: 1990.
  74. Современные методы идентификации систем / П. Эйкхофф, А. Ванечек, Е. Сорваго М.: Мир, 1983. — 370с., ил.137
  75. Справочник по вероятностным расчетам / Г. Г. Абезгауз, А. П. Тронь, Ю. Н. Копенкин, И. А. Коровина. М.: Воениздат, 1970, 536с., ил.
  76. Статистические и динамические экспертные системы: Учеб. пособие / Э. В. Попов, И. Б. Фоминых, Е. Б. Киссель, М. Д. Шапот. М.: Финансы и статистика, 1996
  77. Н.П. Влияние радиального и окружного распределения шихты на использование энергии газов. / В кн. Производство чугуна, Изд во. УПИ, Свердловск, 1987. — 150с., ил.138
  78. В.Б. Инструментальные средства разработки нечетких интеллектуальных систем Новости искусственного интеллекта, 3, 1991. — с. 93−107.
  79. Теплотехника доменного процесса / Китаев Б. И., Ярошенко Ю. Г., Суханов E.JI., Овчинников Ю. Н., Швыдкий B.C., М.: Металлургия, 1978 — 248 с.
  80. Технолог доменщик. Волков Ю. П., Шпарбер Л. Я., Гусаров А. К. — М.: Металлургия, 1986, — 263с., ил.
  81. Э.А. Методы генерации, оценки и согласования решений в распределенных системах поддержки принятия решений / АиТ, 1995, № 4.
  82. И.Г., Щербатский В. Б., Култышева В. А., Чернавин А. Ю. Методика определения зон малоподвижных материалов в горне и шахте доменной печи / Изв. Вузов. Черная металлургия 1997, № 1, с.14−16.
  83. И.Е. Человек как звено следящей системы -М.: Наука, 1981.
  84. A.M. Оптимальное управление технологическими процессами: Учебное пособие для вузов. М.: Энергоатомиздат, 1986. — 400с., ил.
  85. Цифровые фильтры в радиосвязи и радиотехнике / A.B. Брунченко, Ю. Т. Бутыльский, Л. М. Гольденберг и др.- Под ред. Л. М. Гольденберга М.: Радио и связь, 1982. — 224с., ил.
  86. Й. Диагностика психического развития.
  87. Прага: медицинское изд-во Авиценум, 1978. С. 46. 10 6. Шеридан Т. Б., Феррел У. Р. Системы «человек-машина» -М.: Машиностроение, 1980.
  88. В.Б., Жернакова H.A., Кормышев В. М. Компьютерная диагностика рынка ценных бумаг / Тезисы докладов II всероссийской студенческой научно-технической конференции «Информационные технологии и электроника», УГТУ, г. Екатеринбург, 1997 г. -187с.
  89. Энциклопедия психологических тестов. Личность, мотивация, потребность. М.: ООО «Издательство ACT», 1997.
  90. ИО.Ярошенко Ю. Г., Щербатский В. Б., Швыдкий B.C., Боковиков Б. Л., Гордон Я. М. О влиянии на газораспределение в шахтных печах их размеров и способов ввода дутья. Известия вузов. Черная металлургия, 1971, № 12, с. 22−26.
  91. Artifical Intelligence. Implications for CIM. Edited by A. Kusiac. IFS (Publications) Ltd, UK, 1988.
  92. Athale R., Stirk C.W. Compact architectures for adaptive neural nets//Ibid. 1989. V. 28. N 4.140
  93. Dombi J. Membership function as an evaluation. -Fuzzy Sets and Systems, 35, 1990, pp. 1−21.
  94. Dos Santos B.L., Holsapple C.W. A framework for designing adaptive DSS interface // Decis. Support Syst. 1989. — Vol.5, № 1. — P. 1−11
  95. Driankov D., Hellendoorn H., Reinfrank M. An introduction to Fuzzy Control. Springer, Berlin, 1996. 316 p.
  96. Edelman G.M. Molecular recognition in the immune and nervous systems. In: The Neurosciences: Path of Discovery, Worden F.G., Swarwey F.G., Edelman G.M., eds., New York, The Rockfeller University press, 1975. pp. 65−74
  97. French S., Smith J.Q. Bayesian analysis / The practice of Bayesian analysis / Ed.S. French, J.Q. Smith. London: Arnold, 1977.
  98. Jang J.S.R., Sun C.T., Mizutani E. Neuro-Fuzzy and Soft Computing. A Computational Approach to Learning and Machine Intelligence. Prentice-Hall International, 1997. 613pp.
  99. Turksen I.B. Measurement of Fuzziness: Interpretation of the Axioms of Measure. In Proceeding of the Conference on Fuzzy Information and Knowledge Representation for Decision Analysis, IFAC, Oxford, 1984 pp. 97−102.
  100. Zadeh L.F. Knowledge representation in fuzzy logic / IEEE transaction in knowledge and data engineering, 1989, № 1.
  101. Одним из важных этапов реализации данного проекта является выдача научно-методических рекомендаций по информационной оценке сотрудников в инновационной сфере.
  102. В.М. входит в рабочую группу по исполнению данного проекта.1. Руководитель проекта1. Арзякова О.Н.
  103. Созданное на основе нейросетевой технологии методическое и программное обеспечение предусматривало выполнение следующих лабораторных работ:
  104. Метод нечетких измерений в диагностике объектов с распределенными параметрами.
  105. Определение степени компетентности эксперта-диагноста.
  106. Зав. кафедрой «Физические методы и приборы контроля качества» УГТУ, акад., д.т.н.
  107. Программный продукт «СОМРЕТ», состоящий из следующих юновных модулей:
  108. Модуль для оценки профессионального опыта и интуиции специалиста-
  109. Модуль для оценки уровня теоретических знаний специалиста-
  110. Модуль обучения и адаптации эксперта
  111. База знаний результатов экспертизы. ыл использован для обучения доменщиков и составления ими прогноза >еальных технологических ситуаций в условиях доменного производства МО «Чусовской металлургический завод».
  112. Использование программного продукта «СОМРЕТ» позволило щенить реальный уровень компетентности производственного персонала, финимающего участие в доменном производстве и отнести их экспертные -нания и заключения к классам «Управление» и «Оптимизация».
  113. Данный программный продукт может быть рекомендован кпользованию и на других доменных заводах.1. Начальник ОПК ЗАО «ЧМЗ»
Заполнить форму текущей работой

Сессия? Спокойно!