Помощь в написании студенческих работ
Антистрессовый сервис

Разработка моделей, методов и средств решения комплекса задач управления персоналом

Диссертация: Разработка моделей, методов и средств решения комплекса задач управления персоналом
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Разработка технологии построения ОЭС и построение на её основе 3-х прикладных ОЭС: специализация интернов ВМедА, отбор студентов на военную кафедру ТПУ, стимулирование структурных подразделений Октябрьской железной дороги по результатам выполнения плана. Результаты выполненных в работе исследований и проектных работ базируются на использовании методов системного анализа, теории множеств, теории… Читать ещё >

Разработка моделей, методов и средств решения комплекса задач управления персоналом (реферат, курсовая, диплом, контрольная)

Содержание

  • 1. АКТУАЛЬНОСТЬ ПРОБЛЕМЫ И ПОСТАНОВКА ЗАДАЧИ
    • 1. 1. Комплекс задач управления персоналом
      • 1. 1. 1. Специализация интернов в области военной медицины
      • 1. 1. 2. Профессиональный отбор студентов на военную кафедру
      • 1. 1. 3. Определение рейтинга структурных подразделений по результатам выполнения плана
      • 1. 1. 4. Общие черты комплекса задач управления персоналом
    • 1. 2. Состояние разработок в области многокритериальной классификации
    • 1. 3. Архитектура и технология разработки экспертных систем
      • 1. 3. 1. Свойства классической экспертной системы
      • 1. 3. 2. Архитектура экспертной системы
      • 1. 3. 3. Представление знаний в экспертной системе
      • 1. 3. 4. Языки представления знаний
      • 1. 3. 5. Вывод заключения
      • 1. 3. 6. Технология проектирования ЭС
      • 1. 3. 7. Анализ применимости архитектуры и оболочек экспертных систем для решения задач управления персоналом
      • 1. 4. 0. бобщённая модель оценивающей экспертной системы
    • 1. 5. Выводы по главе 1
  • 2. БАЗЫ ДАННЫХ И ЗНАНИЙ ОЭС
    • 2. 1. Модель представления данных ОЭС
    • 2. 2. Модель представления знаний ОЭС
    • 2. 3. Условия различимости и полноты образцов знания
      • 2. 3. 1. Точные границы между соседними образцами
      • 2. 3. 2. Границы с допусками (порогами)
      • 2. 3. 3. Нечёткие границы
      • 2. 3. 4. Вероятностная мера принадлежности образцу
    • 2. 4. Выводы по главе 2
  • 3. ПРОЦЕДУРНАЯ МОДЕЛЬ БАЗЫ ЗНАНИЙ ОЭС
    • 3. 1. Операции вычисления аргументов оценивающих функций
      • 3. 2. 0. ценивание объектов в таблице
      • 3. 2. 1. Точная классификация
      • 3. 2. 2. Приближенная классификация
      • 3. 2. 3. Упорядочение объектов по результатам классификации
      • 3. 2. 4. Логический вывод заключения
    • 3. 3. Оценивание объектов в иерархии таблиц
      • 3. 3. 1. Точная классификация
      • 3. 3. 2. Приближенная классификация
      • 3. 3. 3. Логический вывод заключения
      • 3. 3. 4. Управление классификацией в иерархии таблиц
    • 3. 4. Выводы по главе 3
  • 4. ИНСТРУМЕНТАЛЬНАЯ СИСТЕМА СВИРЬ-К
    • 4. 1. Требования к инструментальной системе
    • 4. 2. Представление данных в инструментальной системе СВИРЬ-К
    • 4. 3. Представление знаний в системе СВИРЬ-К
      • 4. 3. 1. Представление декларативных знаний
      • 4. 3. 2. Формирование декларативных знаний
      • 4. 3. 3. Представление процедурных знаний
      • 4. 3. 4. Формирование процедурных знаний
    • 4. 4. Подсистема объяснения оценок
      • 4. 4. 1. Подсистема объяснения логического вывода
      • 4. 4. 2. Подсистема объяснений при выводе с использованием критериев классификации
      • 4. 4. 3. Вклад признака в общую оценку объекта и графическая подсистема объяснений
      • 4. 5. 0. собенности программной реализации инструментальной системы создания и реализации ОЭС на базе СВИР
      • 4. 5. 1. Модификация структуры классов системы СВИР
      • 4. 5. 2. Программная реализация методов многокритериальной классификации и подсистемы объяснений
    • 4. 6. Выводы по главе 4
  • 5. РЕШЕНИЕ ПРИКЛАДНЫХ ЗАДАЧ В ИНСТРУМЕНТАЛЬНОЙ СИСТЕМЕ СВИРЬ-К
    • 5. 1. Технология построения ОЭС в инструментальной системе СВИРЬ-К
    • 5. 2. Распределение выпускников ВМедА по специальностям
      • 5. 2. 1. Постановка задачи
      • 5. 2. 2. Решение задачи рационального распределения выпускников ВМедА по основным врачебным специальностям
      • 5. 2. 3. Решение задачи рационального распределения выпускников ВМедА по основным врачебным специальностям в системе СВИРЬ-К
      • 5. 3. 0. ценка пригодности студентов для обучения на военной кафедре
      • 5. 3. 1. Постановка задачи
      • 5. 3. 2. Исходные данные
      • 5. 3. 3. Модель задачи
      • 5. 3. 4. Решающие правила
    • 5. 4. Оценивание структурных подразделений железной дороги
      • 5. 4. 1. Постановка задачи выполнения планов
      • 5. 4. 2. Этапы решения задачи
      • 5. 4. 3. Задание физической шкалы показателя
      • 5. 4. 4. Задание процентной шкалы показателя
      • 5. 4. 5. Расчёт процента выполнения/перевыполнения плана
      • 5. 4. 6. Вычисление общего процента выполнения плана
    • 5. 5. Эффективность использования СВИРЬ-К для решения задач управления персоналом
    • 5. 6. Выводы по главе 5
  • ЗАКЛЮЧЕНИЕ
  • Список литературы
  • Приложения

С развитием экономики и внедрением новых технологий все большее влияние на работу организаций оказывает человеческий фактор. В связи с этим ужесточаются требования к компетентности работников и эффективности их труда. Это касается любых аспектов трудовых отношений: приема на работу, обучения, стимулирования труда.

Задачи, решаемые в сфере управления персоналом сложны и разнообразны. Их объединяет то, что в качестве исходных данных используется конечное множество оцениваемых объектов (работников, обучаемых, подразделений и пр.), характеризуемых структурируемой совокупностью разнородных признаков. Необходимо отнести каждый оцениваемый объект к одной из заданных категорий (классов), а также упорядочить объекты по степени принадлежности к каждому классу. Для отнесения объекта к классу используются как ограничения, предъявляемые к значениям признаков, так и логические решающие правила. Как правило, число классов ограничено, и существует возможность упорядочения их по качеству. В этом случае по результатам классификации дополнительно может решаться задача сквозного упорядочения объектов.

Анализ комплекса задач управления персоналом позволяет говорить о том, что они находятся на стыке методов многокритериальной классификации и логического вывода заключений. Задачи многокритериальной классификации решаются с помощью распознающих систем, а задачи логического вывода — с помощью экспертных систем. Следовательно, для решения задач в сфере управления персоналом требуется разработка гибридных систем, сочетающих свойства распознающих и экспертных систем.

Решению задач многокритериальной классификации {распознавания образов), в том числе в сфере управления персоналом, посвящено много работ отечественных и зарубежных учёных. Среди отечественных учёных, внесших вклад в это научное направление, отметим Н. Г. Загоруйко [18], Ю. И. Журавлева [15], А. Е. Янковскую [71], А. И. Гедике [72], А. П. Еремеева [14]. Среди зарубежных ученых — Д. Неймана, О. Моргенштерна [51], Р. Форсайта [80], Е. Шортлиффа [86]. Ими исследовались статистические, алгебраические, матричные, геометрические и логические методы решения задач многокритериальной классификации.

Для создания распознающих систем, реализующих эти методы, разработаны инструментальные средства, такие как ЭКСНА, ЛОРЕГ, ЭКСИЛОР, ИМСЛОГ, ЭЙДОС, ПРИЗМА, СИМПР, DISC. Отличительной особенностью этих систем является ориентация на конкретный метод решения задачи. Ярким тому примером служит методика Томаса, реализованная в системе DISC. Кроме того, ни одно из перечисленных инструментальных средств не удовлетворяет всем необходимым для решения поставленных задач требованиям, основными из которых являются: необходимость сквозного упорядочения объектов по качествудетализация задачи путем её разбиения на подзадачи и структурирования множества признаковсовместное использование методов многокритериального упорядочения и логического вывода.

Задачи, в которых используется логический вывод, обычно решаются в рамках технологии экспертных систем, которые некоторому состоянию объекта ставят в соответствие одно из возможных заключений (принцип «состояние/действие»). Классические экспертные системы (ЭС) рассчитаны на логический вывод и плохо приспособлены к решению задач многокритериальной классификации.

Анализ состояния разработок в рассматриваемой области позволяет сделать вывод об актуальности разработки гибридных систем, сочетающих методы многокритериальной классификации и обработки знаний. Интерпретация классов оценками на шкале качества дает основание называть такие системы оценивающими экспертными системами (ОЭС). Учитывая отмеченные особенности ОЭС, актуальной является задача разработки инструментальной системы, предназначенной для их создания и использования.

Целью диссертационной работы является повышение эффективности работы организационных систем путем автоматизации решения комплекса задач управления персоналом.

Объектом исследования являются организационные системы, содержащие подсистемы управления персоналом.

Предметом исследования являются методы и средства решения задач многокритериальной классификации и логического вывода с целью их совместного использования для решения задач управления персоналом.

Для достижения поставленной цели в диссертационной работе решаются следующие задачи:

1. Анализ существующих методов и средств решения задач многокритериальной классификации и логического вывода для оценки возможности их использования в сфере управления персоналом.

2. Разработка моделей и методов решения задач управления персоналом: a. разработка модели, объединяющей решение задач классификации и упорядочения объектов в пространстве признаков, b. нахождение условий различимости образцов в пространстве признаков для различных видов неопределённости и полноты системы образцов, c. разработка методов решения задач классификации и упорядочения объектов в иерархической модели оценивания.

3. Разработка инструментальной системы, поддерживающей принятие решений в сфере управления персоналом.

4. Разработка технологии построения ОЭС и построение на её основе 3-х прикладных ОЭС: специализация интернов ВМедА, отбор студентов на военную кафедру ТПУ, стимулирование структурных подразделений Октябрьской железной дороги по результатам выполнения плана. Результаты выполненных в работе исследований и проектных работ базируются на использовании методов системного анализа, теории множеств, теории графов, линейной алгебры, математической статистики, искусственного интеллекта.

Основные положения, выносимые на защиту:

1. Модель совмещенного представления данных и знаний в структурируемой совокупности разнотипных признаков, в том числе условия различимости образцов для различных видов неопределённости и полноты системы образцов.

2. Модель многокритериальной классификации и упорядочения объектов на основе разработанной модели представления знаний и данных, в том числе алгоритмы сквозного упорядочения объектов с использованием обобщенной меры их близости классам, упорядоченным по качеству.

3. Алгоритм и формулы определения вклада признака в общую оценку объекта с целью объяснения результата классификации.

4. Три ОЭС, решающие комплекс задач управления персоналом: специализация, профессиональный отбор, стимулирование по итогам выполнения плана.

Научной новизной обладает:

1. Модель совмещенного представления данных и знаний, отличающаяся от существующих моделей: a. инвариантностью к типам используемых признаков и их структуре, b. использованием более общих условий различимости образцов для различных видов неопределённости и полноты системы образцов.

2. Модель многокритериальной классификации и упорядочения объектов, отличающаяся от существующих моделей возможностями: a. совместного использования различных способов классификации объектов как в рамках одной таблицы, так и во всей иерархии таблиц, b. сквозного упорядочения объектов с использованием меры их близости классам, упорядоченным по качеству.

3. Разработанная и реализованная подсистема объяснений общей оценки с использованием средств когнитивной графики. Отличие от существующих средств заключается в алгоритме анализа вклада признака в результат оценки объекта, вычисленной по произвольной формуле. 4. Три ОЭС, решающие комплекс задач управления персоналом, и инструментальная система, отличающаяся удобствами экспериментирования на этапе отладки и использования ОЭС. Достоверность научных положений и выводов обеспечивается выбором и соответствующим применением методов исследования и подтверждена теоретическими и экспериментальными доказательствами основных положений работы и результатами использования систем оценивания при решении практических задач.

Апробация работы. Результаты исследований докладывались на неделях науки ПГУПС (2001, 2002, 2007 гг.), научных сессиях МИФИ (2002, 2006), международных конференциях: «Мягкие вычисления и измерения (SCM)» (2002, 2003, 2005, 2007), «Новые информационные технологии в исследовании сложных структур» (2002, 2004, 2006), «Информационные технологии в науке, образовании, телекоммуникации и бизнесе (IT+S&E)» (2005, 2006), а также Санкт-Петербургской конференции «Региональная информатика» (2006).

Публикации. По материалам диссертационной работы имеется 13 публикаций, в том числе 2 статьи в журнале, рекомендованном ВАК.

Практическая значимость диссертации состоит в использовании разработанной автором инструментальной системы СВИРЬ для поддержки принятия решений в сфере управления персоналом и в учебном процессе, что подтверждается следующими документами о внедрении:

1. Разработана оценивающая экспертная система для распределения выпускников Военно-медицинской академии по специальностям (акт внедрения от 27.06.2007).

2. Разработана оценивающая экспертная система отбора студентов для обучения на военной кафедре ТПУ (акт от 08.06.2007).

3. Разработана оценивающая экспертная система определения рейтинга структурных подразделений Октябрьской железной дороги по итогам выполнения планов (акт внедрения от 08.06.2007);

4. Инструментальная система СВИРЬ используется для выполнения лабораторных работ и курсового проектирования в дисциплинах «Теория принятия решений», «Методы и алгоритмы принятия решений» и «Основы САПР» (акт внедрения от 26.06.2007).

Структура и объем диссертации

Диссертация состоит из введения, 5-и глав с выводами, заключения, списка литературы, включающего 88 наименований и 4-х приложений. Общий объём работы составляет 158 страниц, включающих 39 иллюстраций и 15 таблиц, а также 4 приложения на 25 страницах, включающих 34 иллюстрации.

5.6. Выводы по главе 5.

1. В работе принята технология создания классических ЭС, уточненная применительно к специфике оценивающих экспертных систем.

2. Новизной в решении задачи «Распределение выпускников ВМедА по специальностям» обладает:

• метод сопоставления ответов выпускников с профилем специальности,.

• установление очерёдности претендентов на каждую из специальностей относительно близости ответов к профилю,.

• автоматизация расчёта весовых коэффициентов 196-ти профилей вопросника.

3. К новизне в решении задачи «Оценка пригодности студентов для обучения на военной кафедре» относится решение проблемы логического вывода при разных наборах заключений в первичных таблицах методом мультиплицирования образцов, соответствующих дизъюнктивным членам формулы вывода.

4. Новизной в решении задачи «Оценивание структурных подразделений железной дороги» обладает:

• автоматическое построение процентных шкал для всех видов числовых предикатов,.

• метод вычисления кусочно-монотонных планов,.

• метод упорядочения подразделений относительно собственных планов,.

• предложение мультипликативной свёртки, отражающей величину и равномерность показателей и нечувствительной к нулевому выполнению плана.

5. Эффективность технологии построения ОЭС в инструментальной системе СВИРЬ-К обосновывается решением разнообразных задач управления персоналом в рамках единой системы, в отличие от используемых для этой цели программных систем различного назначения.

ЗАКЛЮЧЕНИЕ

.

Анализ экспертных систем общего назначения выявил их неэффективность, а зачастую и непригодность для решения задач оценивания, имеющих следующие особенности:

• имеется конечное число объектов, характеризуемых структурируемой совокупностью символьных или числовых признаков,.

• объекты оцениваются ограниченным числом образцов-оценок, характеризуемых теми же признаками,.

• наряду с оцениванием требуется упорядочение объектов,.

• общая оценка объекта требует анализа вклада в неё всех участвующих в оценивании свойств объекта.

В диссертационной работе предложены экспертные системы нового класса — оценивающие экспертные системы. Оценивающие экспертные системы имеют следующие особенности:

• специализированы на оценивании объектов по их свойствам;

• имеют общий язык представления объектов и их образцов;

• позволяют совместно использовать методы оптимизации, многокритериальной классификации и логического вывода;

• выполняют оценивание не одного, а множества объектов, данные о которых собраны предварительно;

• выполняют упорядочение объектов относительно образца, образцов относительно объектов и объектов по качеству (при условии упорядоченности по качеству образцов);

• содержат упрощенные средства объяснения результата логического вывода в силу небольшой сложности продукционных систем, применяющихся для решения современных экспертных задач;

• содержат средства объяснения результата не только для логического вывода, но и для критериев классификации, использующих обобщенную меру близости объекта и образца;

• не имеют подсистемы обработки естественного языка в силу отсутствия необходимости общаться с пользователем в режиме «вопрос-ответ» как на этапе создания базы знаний, так и на этапе оценивания объектов. Основные научные результаты диссертационного исследования:

1. Модель совмещенного представления данных и знаний в структурируемой совокупности разнородных признаков.

2. Условия различимости и полноты образцов.

3. Комбинированный способ вывода заключения путем совместного использования различных критериев классификации и логического вывода.

4. Алгоритм сквозного упорядочения объектов с использованием обобщенной меры их близости классам, упорядоченным по качеству.

5. Методы и средства анализа результатов классификации с использованием когнитивной графики, в том числе алгоритм определения вклада признака в оценку, вычисленную по формуле произвольной структуры.

К практическим результатам относятся:

1. Созданное на базе системы выбора и ранжирования объектов СВИРЬ инструментальное средство для разработки и реализации ОЭС, включающее программную реализацию всех вышеперечисленных методов и средств.

2. Разработанные и внедренные 3 ОЭС, решающие задачи в сфере управления персоналом (специализация, профессиональный отбор и стимулирование по итогам выполнения плана).

Показать весь текст

Список литературы

  1. А.В., Андрейчикова О. Н. Анализ, синтез, планирование решений в экономике: Учебник. 2-е изд., доп. и перераб. — М.: Финансы и статистика, 2004. — 464 с.
  2. Прикладные нечеткие системы / Асаи К., Ватада Д., Иван С. и др. пер. с япон. — М.: Мир, 1993. — 368 с.
  3. А.А., Кочин Д. Ю. Выявление подсознательных экспертных решающих правил в задачах многокритериальной классификации // Труды VIII конф. по искусственному интеллекту, КИИ'2002, том 2. М.: Физматлит, с. 534−544.
  4. И.З., Скворцов В. В. О полезностной интерпретации функции принадлежности/Модели выбора альтернатив в нечеткой среде/Тезисы докладов межреспубликанской научной конференции Рига, 1984. — С. 100−102.
  5. Р., Заде J1. Принятие решений в расплывчатых условиях. В кн.: Вопросы анализа и процедуры принятия решений. — М.:Мир, 1976. — С. 172−215.
  6. О.Г., Ленский В. Н. Разработка технологии профессионального отбора студентов для обучения на военной кафедре//Лингвистические и культурологические традиции образования: Материалы международной конференции. Томск: Издательство ТПУ, 2005.
  7. Программная система распознавания ЛОРЕГ/ Богомолов В. П., Виноградов А. П., Борончихин В. А., Журавлев Ю. И., Катериночкина Н. Н., Ларин С. Б., Рязанов В. В., Сенько О. В. Москва, ВЦ РАН, 1998. — 64 с.
  8. А.Н., Глушков В. И. Использование нечеткой информации в экспертных системах. Новости искусственного интеллекта, 3, 1991, с. 13−41
  9. Экспертные системы. Принципы работы и примеры / Брукинг А., Джонс П., Кокс Ф. и др. Пер. с англ. — М.: Радио и связь, 1987. — 224 с.
  10. Ю.Вапник В. Н., Червоненкис А. Я. Теория распознавания образов. М.: Наука, 1974.-487 с.
  11. П.Введенская Н. А., Бойчук Ю. О. Поддержка процессов принятия решений в экспертных системах БД // Научно-производственный журнал УСиМ. -1992.-№ 5/6,-С. 35−42.
  12. Т.А., Червинская К. Р. Извлечение и структурирование знаний для экспертных систем. М.: Радио и связь, 1992. — 200 с.
  13. А.П. Когнитивная компьютерная графика в интеллектуальных системах поддержки принятия решений//Виртуальная реальность в психологии и искусственном интеллекте. -М.: Российская ассоциация искусственного интеллекта, 1998.
  14. А.П. Экспертные модели и методы принятия решений. Учебное пособие. -М.: Издательство МЭИ, 1995.
  15. Ю.И., Никифоров В. В. Алгоритмы распознавания, основанные на вычислении оценок.//Кибернетика, 1971, № 3.- С. 1−11.
  16. Ю.И., Гуревич И. Б. Распознавание образов и анализ изображений// Искусственный интеллект. Кн. 2. Модели и методы/ Под ред. Д. А. Поспелова. -М.: Радио и связь, 1990. С. 149−190.
  17. JI.A. Понятие лингвистической переменной и его применение к принятию приближенных решений. М.: Мир, 1976. — 165 с.
  18. А.А. Когнитивная Компьютерная Графика. М.: Наука, 1991.
  19. B.C. Задачи классификации и их программное обеспечение. -М.: Наука, 1990. 135 с.
  20. Р.Л., Райфа X. Принятие решений при многих критериях: предпочтения и замещения Пер. с англ. — М.: Радио и связь, 1981 — 560 с.
  21. В.А. Закономерности динамики профессионально важных качеств военных врачей в процессе профессионализации. Дис. докт. психол.наук. — СПб.: ВМедА, 2002. — 555 с.
  22. А. Введение в теорию нечётких множеств. М.: Радио и связь, 1982.
  23. .Г. Экспертная информация: методы получения и анализа. -М.: Радио и связь, 1981.
  24. Практическое введение в технологию искусственного интеллекта и экспертных систем с иллюстрациями на Бейсике/ Левин Р., Дранг Д., Эделсон Б.: Пер. с англ. -М.: Финансы и статистика, 1991.-231 с.
  25. А.И. Алгебраические системы, М.: Наука, 1970
  26. И.М., Виноградская Т. М., Рубчинский А. А., Соколов В. Б. Теория выбора и принятия решений. -М.: Наука, 1982.
  27. В.В., Бойко И. М., Глуминский А. П. Построение баз знаний в системах для решения интеллектуальных задач (на английском языке) // Научно-производственный журнал УСиМ. 1992. — № 5/6. — С. 101−104.
  28. С.В. Методы мягкого выбора // Труды конф. КИИ-2000, том 2. -М.: Изд-физ.мат.лит-ры, 2000, с.472179.
  29. С.В. Модели и базы знаний: Учебное пособие. СПб: ПГУПС, 2000.- 155 с.
  30. С.В. Теория и практика рационального выбора: Монография. -М.: Маршрут, 2004. 463 с.
  31. С.В. Универсальный решатель задач выбора // Труды конфЛЕЕЕ AIS'04 и CAD-2004, Дивноморское, 3−10.09. 2004, М: Наука, Физматлит, 2004, с. 311−318.
  32. С.В., Бураков Д. П., Авраменко К. А., Сорокина М. И., Сорокин А. С. Модернизация системы СВИРЬ для оценки деятельности кафедр университета. Отчёт о НИР Рег.№ 3919. СПб.: ПГУПС, 2001.
  33. С.В., Бураков Д. П., Сорокина М. И. Реализация принципов эргономичности и интеллектуальности в системе СВИРЬ // Программные продукты и системы. 2002, № 3, с. 28−32
  34. С.В., Сорокина М. И. Использование когнитивной графики в системе многокритериальной оценки объектов // Вестник Томского государственного университета. Томск: Издательство Томского государственного университета, № 1, сентябрь 2002, с. 161−166
  35. С.В., Сорокина М. И. Конструирование методов выбора и ранжирования на основе функционального базиса // Сборник докладов международной конференции по мягким вычислениям и измерениям SCM'2003, Том 1. СПб.: СПбГЭТУ, 25−27 июня 2003, с. 119−122
  36. С.В., Бураков Д. П., Сорокина М. И., Капарис А. О. Общесистемное и сервисное развитие системы выбора и ранжирования СВИРЬ. Отчёт о НИР Рег.№ 4070. СПб.: ПГУПС, 2003.
  37. С.В., Бураков Д. П., Сорокина М. И., Капарис А. О. Разработка реконфигурируемой системы выбора и ранжирования СВИРЬ. Отчёт о НИР Рег.№ 4249. СПб.: ПГУПС, 2004.
  38. С.В., Сорокина М. И. Решение управленческих задач в системе СВИРЬ // Сборник докладов международной конференции по мягким вычислениям и измерениям SCM'2005, Том 2. СПб.: СПбГЭТУ, 27−29 июня 2005, с. 59−62
  39. С.В., Бураков Д. П., Сорокина М. И. Автоматизация решения управленческих задач на инструментальной системе СВИРЬ // Материалы Х-й Санкт-петербургской конференции: Региональная информатика-2006. СПб.: Политехника, 24−26 октября 2006, с. 183
  40. Г. Магическое число семь плюс или минус два. О некоторых пределах нашей способности перерабатывать информацию. В кн.: Инженерная психология. -М.: Прогресс, 1964, С. 192−225.
  41. Д., Моргенштерн О. Теория игр и экономическое поведение. -М.: Наука, 1970.
  42. С.А. Проблемы принятия решения при нечёткой исходной информации.-М.: Наука, 1981.
  43. Ф.И., Тарасенко Ф. П. Введение в системный анализ. М.: Высшая школа, 1989.
  44. В.В. Многокритериальные задачи с упорядоченными по важности критериями // Автоматика и телемеханика, 1976, № 11.
  45. Э.В., Фоминых И. Б., Кисель Е. Б., Шапот М. Д. Статические и динамические экспертные системы. -М.: Финансы и статистика, 1996.
  46. В.А. В.В. Яценков, С. Т. Андрианов. TRAPEZIUM инструментальная экспертная система для диагностики в условиях нечёткости и неопределенности //Управляющие системы и машины, 1994, № ½.
  47. Нечёткие множества в моделях управления и искусственного интеллекта. Под редакцией Д. А. Поспелова. М.: Наука, 1986.
  48. Г. В. Проектирование систем, основанных на знаниях: Учебное пособие. М.: МИФИ, 2000. — 104 с.
  49. В.О. Экспертные системы интеллектуальные помощники специалистов. — СПб: Санкт-Петербургская организация общества «Знания» России, 1992. — 196 с.
  50. М.И. Использование когнитивной графики для визуализации результатов в системе выбора и ранжирования СВИРЬ, Программа и тезисы докладов: Неделя науки 2002. СПб.: ПГУПС, 2002. — с. 362−363
  51. М.И. Ранжирование объектов на основе нечёткой классификации // Программа и тезисы докладов: Неделя науки 2002. -СПб.: ПГУПС, 2002.-с. 363
  52. М.И. Вклад признака в общую оценку объекта // Программа и тезисы докладов: Неделя науки 2001. СПб.: ПГУПС, 2001. — с. 325−326
  53. М.И. Вклад признака в общую оценку объекта при использовании произвольных функций полезности // Известия ПГУПС. -СПб.: ПГУПС, Выпуск 3(8), 2006, с. 144−150
  54. М.И. Применение методов многокритериальной идентификации объектов в экспертных системах // Известия ВУЗов. Приборостроение. -СПб.: Издательство СПГУИТМО, № 1,2007, с. 9−14
  55. М.Ю., Шепелёв Г. И. Метод представления знаний в интеллектуальных системах поддержки экспертных решений//Новости искусственного интеллекта, 2003, № 4.
  56. Д. Руководство по экспертным системам: Пер. с англ. М.: Мир, 1989.-388 с.
  57. А.А. Психологический отбор в профессиональной и образовательной деятельности.- СПб.: Речь, 2004.
  58. Ю.А., Шаров А. А. Системы и модели. М.: Радио и связь, 1982.
  59. Н.Г. Основы теории нечетких и гибридных систем. М.: Финансы и статистика, 2004.
  60. А.Е., Гедике А. И., Аметов Р. В. Конструирование прикладных интеллектуальных систем на базе инструментального средства ИМСЛОГ2002 // Вестник Томского гос. университета Томск: Сентябрь 2002, № 1, с. 185−190.
  61. А.Е., Аметов Р. В., Гедике А. Е. Инструментальное средство ИМСЛОГ-2002//Труды VIII конф. по искусственному интеллекту КИИ'2002, том 2. -М.: Физматлит, с.683−691.
  62. Codd E.F. A relational model of Data for Large Shared Databanks, Communications oh the ACM, June 1970, c. 377−387
  63. Davis R. and King J. (1977). An overview of production systems. In Machine Intelligence 8 (Elcock E. W. and Michie D., eds.), p. 300−332. New York: Wiley.
  64. Delgado M., Gomez-Skarmeta A.F., Vila A. On the use of hierarchical clustering in fuzzy modeling. Int. J. Of Approx. Reasoning, № 14, 1996, p. 237 257
  65. Dombi J. Membership function as an evaluation. Fuzzy Sets and Systems, 35, 1990, p. 1−21.
  66. E. A. (1977). The art of artificial intelligence: themes and case studies of knowledge engineering. In Proc. 5th International Joint Conference on Artificial Intelligence, p. 1014−1029.
  67. Findler N. V., eds. (1979). Associative Networks. New York: Academic Press.
  68. Fishburn P.C. Utility Theory for Decision Making. New York: John Wiley & Sons, 1970
  69. R. (Ed.) Expert systems. Principles and case studies. London: Chapman and Hall, 1984
  70. PRIZM: a Generator of Image Understanding System/ Gribkov I.V., Koganov A.V., Koltsov P.P., Kotovich N.V., Kravchenko A.A., Kutsaev A.S., Nikolaev V.K. and Zakharov AN. II Pattern Recognition and Image Analysis Systems. -2000-Vol. 10, No. l.-Pp. 143−149.
  71. Kandel A., Martins A., Pacheco R. Discussion: On the veiy real distinction between fuzzy and statistical methods. Technometrics, v. 37, № 3, 1995, p. 276−281.
  72. R. A. (1979). Logic for Problem Solving. Amsterdam: North-Holland.
  73. Mikoni S. Method of choice by approximation to a pattern//Proceedings of Conf. NITE'2000, -Minsk: Belarus State Edonomic University, 2000, pp. 156 159.
  74. Е. Н. (1976). Computer-Based Medical Consultations: MYCIN. New York: Elsevier.
  75. Ribeiro R.A. Fuzzy multiple attribute decision making: a review and new preference elicitation techniques. Fuzzy Sets and Systems, № 78, 1996, p. 155−181.
  76. P. H. (1992). Artificial Intelligence, Reading, MA: Addison-Wesley. (Русский перевод первого издания: Уинстон П. Искусственный интеллект. — М.:Мир, 1980. —519с.)
Заполнить форму текущей работой

Сессия? Спокойно!