N - множество объектов обучающей выборки; N количество объектов обучающей выборки; C - номера классов (образов) целевой

Save this PDF as:
 WORD  PNG  TXT  JPG

Размер: px
Начинать показ со страницы:

Download "N - множество объектов обучающей выборки; N количество объектов обучающей выборки; C - номера классов (образов) целевой"

Транскрипт

1 Жвакин А.С., Софронов Ю.В. ООО «Информ-Консалтинг» Методы распознавания образов в подготовке нормативносправочной информации для АСУ На данный момент большинство успешных предприятий внедряет или активно использует различные интегрированные системы управления. Одной из важных составляющих базовой информации, необходимой для функционирования таких систем, является нормативно справочная информация, под которой понимается вся условно-постоянная информация, характеризующая деятельность предприятия (подразделения, счета бухгалтерского учета, штатное расписание, технологические маршруты и т.д.). Существует множество справочников, в которых хранится такая информация, но одним из самых важных является справочник материалов. Физически он представляет собой базу данных, каждой записи которой соответствует определенный материал, используемый предприятием в процессе производства и осуществления хозяйственной деятельности. В процессе подготовки справочных данных наиболее трудозатратными операциями являются группировка данных и проработка фрагментов справочников с целью унифицировать обозначения, исключить дублирование, присвоить необходимую атрибутику. Применение методов искусственного интеллекта позволяет частично заменить эксперта в процессе работы с информацией, переложить часть работы с человека на компьютер, и, таким образом, уменьшить время, необходимое для обработки данных, повысить качество. Постановка задачи Введем следующие обозначения: X { x j }, j 1.. N - множество объектов обучающей выборки; N количество объектов обучающей выборки; Q { Qc }, c 1.. C - номера классов (образов) целевой классификации, набор значений признака y M 1 ; C, C 2 количество возможных классов; Z { zl }, l 1.. K - контрольная выборка, объекты которой описаны признаками из множества Y { y }, 1.. M ; 1

2 q=х N 1 = z Z объект, которому нужно присвоить класс на основе обучающей выборки Х; W(X) множество решающих правил; R риск потерь при распознавании. Процесс распознавания состоит из двух последовательных этапов: этапа обучения и этап принятия решения. Алгоритмы, решающие задачи распознавания, сначала должны обнаружить закономерную связь между значениями описывающих характеристик y 1,, y M и значением целевой характеристики M 1, т.е. установить решающие правила W(X), а затем, на этапе принятия решения, с помощью решающих правил по значениям признаков любого объекта q определить его принадлежность к одному из C имеющихся образов при минимизации риска R. Предположим, что обучающая выборка достаточно полна для того, чтобы любому объекту множества Z, используя набор решающих правил W(X), можно поставить в соответствие хотя бы один класс целевой классификации. Тогда максимально безрисковым методом является сравнение исследуемого объекта и всеми эталонными объектами и выбор класса ближайших эталонов, однако для этого потребовался бы наибольший объём временных и машинных ресурсов. Поэтому наравне с формированием набора решающих правил стоит задача сокращения множеств X и Q при минимизации R. Сокращение списка эталонных объектов Для отбора объектов-эталонов применяются как правила, диктуемые предметной областью задачи, так и различные математические алгоритмы. К ограничениям бизнес-логики можно отнести, например, внутренние индикаторы качества объектов. В качестве примера математических методов приведем алгоритм распознавания образов по сокращению эталонной выборки алгоритм STOLP. Суть алгоритма заключается в том, чтобы оставить в качестве прецедентов только такие «точки опоры» образа i, которые обеспечивают выполнение следующего условия: расстояние от любой точки обучающей выборки i-го образа до ближайшего своего прецедента меньше расстояния до ближайшего прецедента чужого образа. Такой набор прецедентов обеспечит безошибочное распознавание всех реализаций обучающей выборки. Контрольные реализации распознаются по методу ближайшего соседа. 2 y

3 Пример работы алгоритма STOLP Отбор классов-претендентов Условно данный шаг можно разбить на два этапа: отбор классов по ведущему признаку и по фасетной классификации (по второстепенным признакам). Отбор классов по ведущему признаку Цель данного шага по заданному признаку определить набор классов, к которым может принадлежать объект. Применяется следующий алгоритм: для домена значений выбранного признака ищется вхождение в наименование объекта с учетом контекста; если вхождение найдено, то все классы, в которых используется данное значение, попадают в список классовпретендентов. Для данной цели подходят признаки, удовлетворяющие следующим условиям: Широкая область использования в рамках классификации; Частое использование в наименованиях объекта; После данного шага получаем список классов-претендентов для классификации текущего объекта, который в дальнейшем будем сокращать. Примером такого признака может служить Стандарт для объектов, имеющих ГОСТ. Отбор классов с помощью фасетной классификации Цель данного шага дополнительная фильтрация списка классов-претендентов по количеству выявленных значений признаков объекта для каждого класса. 3

4 Для каждого класса из списка осуществляется следующая последовательность действий: 1. Выбираются признаки данного класса; 2. Для каждого признака проверяется вхождение его домена значений в наименование объекта с учетом контекстной информации; 3. Подсчитывается число заполненных признаков и делится на общее число признаков класса. В итоге из списка классов-претендентов выбираются классы с максимальной долей заполненности. Вычисление расстояния до классов-претендентов На данном этапе рассчитывается расстояние между объектом и списком классов-претендентов, просеянным на предыдущих этапах. Для реализации данного шага используется метод -ближайших соседей для вычисления расстояния до класса и метод q-грамм для вычисления расстояния до объектов-эталонов. Общая формула вычисления расстояния до класса выглядит следующим образом: Q 1 2 ( q( j) xci( j)) f ( q, xci) ( ) i Q i 1 j 1 q( j) xci( j) f ( q, Qc ), где - количество ближайших объектов-эталонов для вычисления расстояния до класса x ci - объект эталон, принадлежащий классу С и входящий в ближайших объектов данного класса; Q максимальная длина q-грамм (подстроки) q ( j) - массив q-гамм (подстрок длиной j); q( j) x ( j) q( j) x ( j) ci - количество одинаковых q-грамм объектов q и x ci - общее количество q-грамм объектов q и x Перед этапом сравнения исследуемая строка и строка-эталон делятся на q-граммы (подстроки длины q), для каждого значения q- грамм вычисляется число вхождений данного значения в строку. При этом строки разбивается на слова (разделителем слов считается любой символ, не принадлежащий русскому и латинскому алфавитам и множеству натуральных чисел); затем каждой букве слова присваивается определенный вес, вычисляемый по заданной функции. Данный вес учитывается при вычислении количества вхождений q- грамм в строку, и, следовательно, влияет на стоимость строки в целом. 4

5 После этого происходит сравнение двух наборов q-грамм: суммируется количество вхождений в каждую строку тех значений, которые присутствуют в каждом наборе q-грамм. После сравнения наборов q-грамм для каждого значения q полученная сумма делится на общее количество просмотренных q-грамм. Дополнительно вводится пороговое расстояние. Если расстояние между объектами больше данной величины, то считается, что объекты максимально удалены друг от друга. Общее расстояние между строками вычисляется как средневзвешенное значение всех совпадений. Результаты исследований В результате реализации метода Q-грамм была получена таблица соответствия материала, классов, которые были предложены системой для классификации и расстояний до этих классов. На основе анализа полученной таблицы строим общие оценочные показатели системы автоматической классификации по методу Q-грамм: Структуру объектов контрольной выборки с точки зрения правильности их классификации методом Q-грамм хорошо отражает диаграмма, представленная на рисунке: Рисунок 1. Общие результаты классификации по методу Q-грамм Видно, что 65,36% записей классифицировано правильно при 3,63% ошибок. Таким образом, используя разработанный алгоритм, можно сократить работу по ручной классификации объектов на 65% при незначительном уровне риска. Также стоит отметить, что подавляющее большинство записей классифицировано с отбором классов по первому слову наименования объекта. Следовательно, для возможного улучшения алгоритма классификации следует обратить внимание на совершенствование этого метода отбора. Возможные причины ошибок в классификации наличие в наименовании материала вспомогательных слов, состоящих из большого числа символов и не отражающих 5

6 существенные характеристики материала, а являющихся лишь пояснением к ключевым понятиям, описывающим функциональное назначение материала; использование синонимов в наименованиях одних и тех же ТМЦ, что приводит к неверному обнаружению близких по смыслу слов. Практическое применение системы автоматической классификации Во-первых, огромным преимуществом и источником эффективности автоматизированных методов классификации является их возможность круглосуточной эксплуатации без участия человека. Таким образом, высвобождается человеческий ресурс, который невозможно эксплуатировать 24 часа в сутки и лучше использовать для других задач, не поддающихся автоматизации. Во-вторых, сокращается число ошибочных записей в справочниках из-за неопытности «молодых» сотрудников, следствием чего являются разнообразные издержки из-за принятия ошибочных решений. В-третьих, уменьшается время на обработку огромных массивов информации, а, следовательно, уменьшается продолжительность такого рода проектов и сокращается их стоимость для заказчиков. В-четвертых, при приеме дополнительных данных от заказчика нет необходимости в смене текущей деятельности проектной группы на задачу классификации новых объектов, что позволяет более эффективно организовать процесс управления проектом. Возможные пути развития Одним из направлений дальнейшего развития инструмента является интеграция алгоритма автоматической классификации и экспертной системы, оперирующей взаимосвязями между характеристиками объектов. Данная экспертная система будет работать на основе знаний о предметной области, представленных в виде групп правил. Таким образом, в процессе работы система автоматической классификации сможет обращаться за советом к экспертной системе для получения дополнительных сведений о распознаваемом объекте и использующихся в процессе распознавания признаках. Кроме того, важным направлением развития видится самообучение алгоритма в процессе работы. Алгоритм должен сам обучаться и совершенствоваться на основании накопленного опыта, 6

7 совершённых ошибок при минимально необходимом участии пользователя. Более локальный характер носит идея учёта класса в исторической классификации. Если данные заказчика хорошо структурированы и наименования классов в исторической классификации достаточно чётко отражают сущность класса, то их можно учитывать при автоматической классификации. Например, составлять список классов-претендентов из тех, до которых расстояние от наименования исторического класса минимально. Литература 1. Волошин Г.Я. Методы распознавания образов (конспект лекций). ВГУЭС, Горелов И.Н. Разговор с компьютером: Психолингвистический аспект проблемы.- М.: Наука, Загоруйко Н.Г. Методы распознавания и их применение. - М: Советское радио, Загоруйко Н.Г. Прикладные методы анализа данных и знаний. Новосибирск: Издательство института математики, Искусственный интеллект. В 3-х кн. Кн. 2. Модели и методы: Справочник/Под ред. Д. А. Поспелова М.: Радио и связь, Толчеев В.О. Модели и методы классификации текстовой информации. Информационные технологии, 5/ Graham A. Stephen. String Search (Перевод М.С.Галкиной под ред. П.Н.Дубнера) 8. Основы построения систем распознавания образов Часть I (Курс лекций) 7

АЛГОРИТМ ФОРМИРОВАНИЯ КОМБИНАЦИЙ ПРИ РАСЧЕТЕ ПЕРЕСТАНОВОК, РАЗМЕЩЕНИЙ И СОЧЕТАНИЙ. Мамонтов Д. В., Волошин С. Б.

АЛГОРИТМ ФОРМИРОВАНИЯ КОМБИНАЦИЙ ПРИ РАСЧЕТЕ ПЕРЕСТАНОВОК, РАЗМЕЩЕНИЙ И СОЧЕТАНИЙ. Мамонтов Д. В., Волошин С. Б. 1 АЛГОРИТМ ФОРМИРОВАНИЯ КОМБИНАЦИЙ ПРИ РАСЧЕТЕ ПЕРЕСТАНОВОК, РАЗМЕЩЕНИЙ И СОЧЕТАНИЙ Мамонтов Д. В., Волошин С. Б. Формулы расчета количества перестановок, размещений и сочетаний изучаются в начальных курсах

Подробнее

Урок 1. Знакомство со средой программирования Кумир. Понятие величины

Урок 1. Знакомство со средой программирования Кумир. Понятие величины Урок 1. Знакомство со средой программирования Кумир. Понятие величины Данная программная среда позволяет получить практические навыки построения и выполнения основных алгоритмических конструкций, применяемых

Подробнее

Министерство образования Российской Федерации. Санкт-Петербургский государственный инженерно-экономический университет

Министерство образования Российской Федерации. Санкт-Петербургский государственный инженерно-экономический университет Министерство образования Российской Федерации Санкт-Петербургский государственный инженерно-экономический университет Факультет предпринимательства и финансов Кафедра коммерческой деятельности и предпринимательства

Подробнее

А. М. ТЕЛЕЖКИН СИСТЕМА САМПО+ ДЛЯ СОЗДАНИЯ И АНАЛИЗА ИСТОРИЧЕСКОЙ БАЗЫ ДАННЫХ

А. М. ТЕЛЕЖКИН СИСТЕМА САМПО+ ДЛЯ СОЗДАНИЯ И АНАЛИЗА ИСТОРИЧЕСКОЙ БАЗЫ ДАННЫХ 58 А. М. Тележкин УДК 004.021 А. М. ТЕЛЕЖКИН СИСТЕМА САМПО+ ДЛЯ СОЗДАНИЯ И АНАЛИЗА ИСТОРИЧЕСКОЙ БАЗЫ ДАННЫХ Представлена методология создания исторических баз данных, предназначенных для более точной оценки

Подробнее

464 Секция 8. Математическое и программное обеспечение интеллектуальных систем

464 Секция 8. Математическое и программное обеспечение интеллектуальных систем 464 Секция 8. Математическое и программное обеспечение интеллектуальных систем УДК 004.93.11 А.П. Семенова, Е.В. Волченко Донецкий национальный технический университет, г. Донецк кафедра программного обеспечения

Подробнее

Г О С У Д А Р С Т В Е Н Н Ы Й С Т А Н Д А Р Т С О Ю З А С С Р. Система технической документации на АСУ

Г О С У Д А Р С Т В Е Н Н Ы Й С Т А Н Д А Р Т С О Ю З А С С Р. Система технической документации на АСУ УДК 65.011.56:681.3:002:006.354 Группа Т52 Г О С У Д А Р С Т В Е Н Н Ы Й С Т А Н Д А Р Т С О Ю З А С С Р Система технической документации на АСУ ТРЕБОВАНИЯ К СОДЕРЖАНИЮ ДОКУМЕНТОВ ПО ИНФОРМАЦИОННОМУ ОБЕСПЕЧЕНИЮ

Подробнее

ИСПОЛЬЗОВАНИЕ КОМИТЕТОВ В ЗАДАЧАХ РАСПОЗНАВАНИЯ ОБРАЗОВ С НЕТОЧНЫМИ ЭКСПЕРТНЫМИ ОЦЕНКАМИ

ИСПОЛЬЗОВАНИЕ КОМИТЕТОВ В ЗАДАЧАХ РАСПОЗНАВАНИЯ ОБРАЗОВ С НЕТОЧНЫМИ ЭКСПЕРТНЫМИ ОЦЕНКАМИ Известия Челябинского научного центра вып. 2 () 200 ИНФОРМАТИКА И ИНФОРМАЦИОННЫЕ СИСТЕМЫ УДК 59.7 ИСПОЛЬЗОВАНИЕ КОМИТЕТОВ В ЗАДАЧАХ РАСПОЗНАВАНИЯ ОБРАЗОВ С НЕТОЧНЫМИ ЭКСПЕРТНЫМИ ОЦЕНКАМИ Б.М. Кувшинов

Подробнее

Автоматическая классификация текстовых документов с помощью онтологий

Автоматическая классификация текстовых документов с помощью онтологий УДК 005 Автоматическая классификация текстовых документов с помощью онтологий # 09, сентябрь 2012 Грушин М.А. Научный руководитель: д.т.н., профессор, Норенков И.П. МГТУ им. Н.Э.Баумана, Москва, Россия

Подробнее

МЕТОДЫ ФОРМИРОВАНИЯ МНОЖЕСТВА АЛЬТЕРНАТИВ ПРОЦЕССА ФУНКЦИОНИРОВАНИЯ ЧЕЛОВЕКО- МАШИННЫХ СИСТЕМ НА ОСНОВЕ АНАЛОГИЙ

МЕТОДЫ ФОРМИРОВАНИЯ МНОЖЕСТВА АЛЬТЕРНАТИВ ПРОЦЕССА ФУНКЦИОНИРОВАНИЯ ЧЕЛОВЕКО- МАШИННЫХ СИСТЕМ НА ОСНОВЕ АНАЛОГИЙ СБОРНИК НАУЧНЫХ ТРУДОВ НГТУ. 2008. 1(51) 35 40 УДК 681.3 МЕТОДЫ ФОРМИРОВАНИЯ МНОЖЕСТВА АЛЬТЕРНАТИВ ПРОЦЕССА ФУНКЦИОНИРОВАНИЯ ЧЕЛОВЕКО- МАШИННЫХ СИСТЕМ НА ОСНОВЕ АНАЛОГИЙ М.Г. ГРИФ, Е.В. ГЕНИАТУЛИНА Показана

Подробнее

Лекция 5. Прицип частичной прецедентности, тестовый алгоритм, модель АВО. Лектор Сенько Олег Валентинович

Лекция 5. Прицип частичной прецедентности, тестовый алгоритм, модель АВО. Лектор Сенько Олег Валентинович Лекция 5 Прицип частичной прецедентности, тестовый алгоритм, модель АВО Лектор Сенько Олег Валентинович Курс «Математические основы теории прогнозирования» 4-й курс, III поток Сенько Олег Валентинович

Подробнее

АННОТАЦИЯ РАБОЧЕЙ ПРОГРАММЫ ДИСЦИПЛИНЫ. 1. Цели и задачи освоения дисциплины

АННОТАЦИЯ РАБОЧЕЙ ПРОГРАММЫ ДИСЦИПЛИНЫ. 1. Цели и задачи освоения дисциплины АННОТАЦИЯ РАБОЧЕЙ ПРОГРАММЫ ДИСЦИПЛИНЫ Интеллектуальные системы и технологии по направлению/специальности 09.03.02 - "Информационные системы и технологии" 1. Цели и задачи освоения дисциплины Целью освоения

Подробнее

Спецификация. контрольных измерительных материалов. для проведения в 2015 году единого государственного экзамена. по информатике и ИКТ

Спецификация. контрольных измерительных материалов. для проведения в 2015 году единого государственного экзамена. по информатике и ИКТ ИНФОРМАТИКА и ИКТ, класс ПРОЕКТ Единый государственный экзамен по ИНФОРМАТИКЕ и ИКТ ИНФОРМАТИКА и ИКТ, класс СПЕЦИФИКАЦИЯ контрольных измерительных материалов единого государственного экзамена 205 года

Подробнее

О задаче прогнозирования ледовых заторов на реках

О задаче прогнозирования ледовых заторов на реках О задаче прогнозирования ледовых заторов на реках И.В. Малыгин Рассматриваетя задача прогнозирования образования ледовых заторов на северных реках. В случае, когда места заторообразования известны, необходимо

Подробнее

Оценка точности распознавания классов при автоматизированной обработке аэрофотоснимков 35 И. В. МАНЫЛОВ

Оценка точности распознавания классов при автоматизированной обработке аэрофотоснимков 35 И. В. МАНЫЛОВ Оценка точности распознавания классов при автоматизированной обработке аэрофотоснимков 35 УДК 004.93, 63.7 И. В. МАНЫЛОВ ОЦЕНКА ТОЧНОСТИ РАСПОЗНАВАНИЯ КЛАССОВ ПРИ АВТОМАТИЗИРОВАННОЙ ОБРАБОТКЕ АЭРОФОТОСНИМКОВ

Подробнее

Лекция 3 Тема: Классификация информационных систем.

Лекция 3 Тема: Классификация информационных систем. Лекция 3 Тема: Классификация информационных систем. План 1. Разделение информационных систем по техническому уровню 2. Разделение информационных систем по характеру обрабатываемой информации Ключевые слова

Подробнее

Оценка вероятности правильного распознавания кодировки банковских сообщений

Оценка вероятности правильного распознавания кодировки банковских сообщений Оценка вероятности правильного распознавания кодировки банковских сообщений # 02, февраль 2015 профессор Иванова Г. С. 1,*, Величкевич А. Г. 1 УДК: 004.021+ 519.257 1 Россия, МГТУ им. Н.Э. Баумана Введение

Подробнее

Н.В. Фролова, А.В. Власов

Н.В. Фролова, А.В. Власов 80 Н.В. Фролова, А.В. Власов Пермский государственный университет МОДЕЛИРОВАНИЕ РИСКОВ ИННОВАЦИОННЫХ ПРОЕКТОВ МЕТАГРАФАМИ Одним из основных факторов, сдерживающих инновационную активность предприятий,

Подробнее

Лекция 4. Статистические методы распознавания, Распознавание при заданной точности для некоторых классов, ROC-анализ. Лектор Сенько Олег Валентинович

Лекция 4. Статистические методы распознавания, Распознавание при заданной точности для некоторых классов, ROC-анализ. Лектор Сенько Олег Валентинович Лекция 4 Статистические методы распознавания, Распознавание при заданной точности для некоторых классов, ROC-анализ Лектор Сенько Олег Валентинович Курс «Математические основы теории прогнозирования» 4-й

Подробнее

Необходимый уровень Повышенный уровень - выполнять на уровне навыка. Повторение: понятия «задача», «уравнение», «известные данные», сложения и

Необходимый уровень Повышенный уровень - выполнять на уровне навыка. Повторение: понятия «задача», «уравнение», «известные данные», сложения и Повторение изученного в 1 классе (5ч) Календарно-тематическое планирование уроков математики во 2 классе. Условные обозначения типов урока. урок открытия новых знаний РУ урок развития умений ПР- урок -

Подробнее

ПРИМЕНЕНИЕ ИНФОРМАЦИОННЫХ СИСТЕМ НА ПРАКТИКЕ: ПРОБЛЕМЫ И ПУТИ РЕШЕНИЯ

ПРИМЕНЕНИЕ ИНФОРМАЦИОННЫХ СИСТЕМ НА ПРАКТИКЕ: ПРОБЛЕМЫ И ПУТИ РЕШЕНИЯ УДК 004.9 Буйная Е.В., доцент кафедры «Прикладные информационные технологии» Кузбасский Государственный Технический Университет им.т.ф Горбачева Россия, г. Кемерово Подрезова Н.Е. студент 4 курс, институт

Подробнее

12. Инструментальные программы

12. Инструментальные программы 12. Инструментальные программы Инструментальные программные средства это программы, которые используются в ходе разработки, корректировки или развития других прикладных или системных программ. По своему

Подробнее

Спецификация контрольных измерительных материалов для проведения промежуточной аттестации по информатике и ИКТ в 2017 году

Спецификация контрольных измерительных материалов для проведения промежуточной аттестации по информатике и ИКТ в 2017 году СПЕЦИФИКАЦИЯ контрольных измерительных материалов промежуточной аттестации 2017 года по информатике и ИКТ Спецификация контрольных измерительных материалов для проведения промежуточной аттестации по информатике

Подробнее

СОДЕРЖАНИЕ 1. ПАСПОРТ РАБОЧЕЙ ПРОГРАММЫ УЧЕБНОЙ ДИСЦИПЛИНЫ 2. СТРУКТУРА И ПРИМЕРНОЕ СОДЕРЖАНИЕ УЧЕБНОЙ ДИСЦИПЛИНЫ

СОДЕРЖАНИЕ 1. ПАСПОРТ РАБОЧЕЙ ПРОГРАММЫ УЧЕБНОЙ ДИСЦИПЛИНЫ 2. СТРУКТУРА И ПРИМЕРНОЕ СОДЕРЖАНИЕ УЧЕБНОЙ ДИСЦИПЛИНЫ 2 3 СОДЕРЖАНИЕ 1. ПАСПОРТ РАБОЧЕЙ ПРОГРАММЫ УЧЕБНОЙ ДИСЦИПЛИНЫ 2. СТРУКТУРА И ПРИМЕРНОЕ СОДЕРЖАНИЕ УЧЕБНОЙ ДИСЦИПЛИНЫ 3. УСЛОВИЯ РЕАЛИЗАЦИИ РАБОЧЕЙ ПРОГРАММЫ УЧЕБНОЙ ДИСЦИПЛИНЫ 4. КОНТРОЛЬ И ОЦЕНКА РЕЗУЛЬТАТОВ

Подробнее

Спецификация. контрольных измерительных материалов. для проведения в 2013 году единого государственного экзамена. по информатике и ИКТ

Спецификация. контрольных измерительных материалов. для проведения в 2013 году единого государственного экзамена. по информатике и ИКТ СПЕЦИФИКАЦИЯ контрольных измерительных материалов единого государственного экзамена 03 года по информатике и ИКТ Единый государственный экзамен по ИНФОРМАТИКЕ и ИКТ Спецификация контрольных измерительных

Подробнее

Анализ результатов ОГЭ по информатике и ИКТ на территории Московской области в 2015 году

Анализ результатов ОГЭ по информатике и ИКТ на территории Московской области в 2015 году Анализ результатов ОГЭ по информатике и ИКТ на территории Московской области в 2015 году Качественные показатели проведения ОГЭ по информатике и ИКТ за два года Год Количество участников Средний тестовый

Подробнее

Технологии искусственного интеллекта

Технологии искусственного интеллекта Технологии искусственного интеллекта Вопросы 1. Понятие искусственного интеллекта 2. Экспертные системы и системы поддержки принятия решений 3. Основы нечеткой логики 4. Основы нейронных сетей 5. Основы

Подробнее

Технология создания обучающих программ (дистанционных лекций)... 1

Технология создания обучающих программ (дистанционных лекций)... 1 Оглавление Технология создания обучающих программ (дистанционных лекций)... 1 Технология создания тестов для систем дистанционного обучения.... 4 Создание тестов.... 5 Краткий ответ... 8 Числовой ответ...

Подробнее

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ НОВОСИБИРСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ СПЕЦИАЛИЗИРОВАННЫЙ УЧЕБНО-НАУЧНЫЙ ЦЕНТР

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ НОВОСИБИРСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ СПЕЦИАЛИЗИРОВАННЫЙ УЧЕБНО-НАУЧНЫЙ ЦЕНТР МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ НОВОСИБИРСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ СПЕЦИАЛИЗИРОВАННЫЙ УЧЕБНО-НАУЧНЫЙ ЦЕНТР Математика 0 класс МЕТОД МАТЕМАТИЧЕСКОЙ ИНДУКЦИИ И БЕСКОНЕЧНЫЕ ЧИСЛОВЫЕ

Подробнее

ТЕМА 5. ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ В УПРАВЛЕНИИ ПРЕДПРИЯТИЕ. Лектор: Владимир Николаевич Гавриленко, профессор

ТЕМА 5. ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ В УПРАВЛЕНИИ ПРЕДПРИЯТИЕ. Лектор: Владимир Николаевич Гавриленко, профессор ТЕМА 5. ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ В УПРАВЛЕНИИ ПРЕДПРИЯТИЕ Лектор: Владимир Николаевич Гавриленко, профессор 1. ПОНЯТИЕ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ 1.1. ОСНОВНЫЕ ПОНЯТИЯ IT- ТЕХНОЛОГИЙ Материальная технология

Подробнее

ВЫЧИСЛИТЕЛЬНЫЕ МЕТОДЫ В ДИСКРЕТНОЙ МАТЕМАТИКЕ

ВЫЧИСЛИТЕЛЬНЫЕ МЕТОДЫ В ДИСКРЕТНОЙ МАТЕМАТИКЕ ПРИКЛАДНАЯ ДИСКРЕТНАЯ МАТЕМАТИКА 2014 Вычислительные методы в дискретной математике 2(24) ВЫЧИСЛИТЕЛЬНЫЕ МЕТОДЫ В ДИСКРЕТНОЙ МАТЕМАТИКЕ УДК 519.7 ОДНОВРЕМЕННЫЙ ПОИСК НЕСКОЛЬКИХ ДВОИЧНЫХ ШАБЛОНОВ В ПОТОКЕ

Подробнее

ЗАДАЧА ТАКСОНОМИИ И ТУПИКОВЫЕ ПОКРЫТИЯ ЦЕЛОЧИСЛЕННОЙ МАТРИЦЫ

ЗАДАЧА ТАКСОНОМИИ И ТУПИКОВЫЕ ПОКРЫТИЯ ЦЕЛОЧИСЛЕННОЙ МАТРИЦЫ РОССИЙСКАЯ АКАДЕМИЯ НАУК ВЫЧИСЛИТЕЛЬНЫЙ ЦЕНТР СООБЩЕНИЯ ПО ПРИКЛАДНОЙ МАТЕМАТИКЕ Е.В. ДЮКОВА, А.С. ИНЯКИН ЗАДАЧА ТАКСОНОМИИ И ТУПИКОВЫЕ ПОКРЫТИЯ ЦЕЛОЧИСЛЕННОЙ МАТРИЦЫ ВЫЧИСЛИТЕЛЬНЫЙ ЦЕНТР РАН МОСКВА 200

Подробнее

МОДЕЛЬ ДЛЯ ИДЕНТИФИКАЦИИ ЕСТЕСТВЕННОГО ЯЗЫКА ТЕКСТА

МОДЕЛЬ ДЛЯ ИДЕНТИФИКАЦИИ ЕСТЕСТВЕННОГО ЯЗЫКА ТЕКСТА МОДЕЛЬ ДЛЯ ИДЕНТИФИКАЦИИ ЕСТЕСТВЕННОГО ЯЗЫКА ТЕКСТА С.В. Гусев, программист ЗАО «НОРСИ-ТРАНС» А.М. Чеповский, кандидат технических наук, профессор кафедры информационных систем Московского государственного

Подробнее

ПРАКТИКУМ ИНТЕРФЕЙС ТАБЛИЧНОГО ПРОЦЕССОРА

ПРАКТИКУМ ИНТЕРФЕЙС ТАБЛИЧНОГО ПРОЦЕССОРА ПРАКТИКУМ 5.2.1. ИНТЕРФЕЙС ТАБЛИЧНОГО ПРОЦЕССОРА Интерфейс среды табличного процессора... 1 Кнопка Office... 1 Лента и вкладки... 1 Группы... 2 Панель быстрого доступа... 3 Интерфейс рабочей книги... 3

Подробнее

Создание и редактирование тестовых заданий разных типов.

Создание и редактирование тестовых заданий разных типов. Общие положения Создание и редактирование тестовых заданий разных типов. В основе базы контрольно-измерительных материалов (КИМ) для проведения тестирования учащихся лежит массив тестовых заданий, каждое

Подробнее

Спецификация. контрольных измерительных материалов. для проведения в 2017 году единого государственного экзамена. по информатике и ИКТ

Спецификация. контрольных измерительных материалов. для проведения в 2017 году единого государственного экзамена. по информатике и ИКТ 2 СПЕЦИФИКАЦИЯ контрольных измерительных материалов единого государственного экзамена 2017 года по информатике и ИКТ Единый государственный экзамен по ИНФОРМАТИКЕ и ИКТ Спецификация контрольных измерительных

Подробнее

ЕДИНАЯ СИСТЕМА КЛАССИФИКАЦИИ И КОДИРОВАНИЯ ТЕХНИКО-ЭКОНОМИЧЕСКОЙ ИНФОРМАЦИИ

ЕДИНАЯ СИСТЕМА КЛАССИФИКАЦИИ И КОДИРОВАНИЯ ТЕХНИКО-ЭКОНОМИЧЕСКОЙ ИНФОРМАЦИИ ДАННЫЙ СТАНДАРТ НЕ ДЕЙСТВУЕТ! ГОСУДАРСТВЕННЫЙ СТАНДАРТ СОЮЗА ССР ЕДИНАЯ СИСТЕМА КЛАССИФИКАЦИИ И КОДИРОВАНИЯ ТЕХНИКО-ЭКОНОМИЧЕСКОЙ ИНФОРМАЦИИ ОСНОВНЫЕ ПОЛОЖЕНИЯ ГОСТ 6.01.1-87 Издание официальное ГОСУДАРСТВЕННЫЙ

Подробнее

Представляемая работа посвящена взаимосвязанным проблемам (плакат 2) выделения единиц знаний из множества (корпуса) тематических текстов и отбора

Представляемая работа посвящена взаимосвязанным проблемам (плакат 2) выделения единиц знаний из множества (корпуса) тематических текстов и отбора Представляемая работа посвящена взаимосвязанным проблемам (плакат 2) выделения единиц знаний из множества (корпуса) тематических текстов и отбора текстов в корпус анализом релевантности исходной фразе.

Подробнее

Институт Экономики и Финансов. Кафедра «Математика» Курсовая работа. по дисциплине «Методы оптимальных решений» на тему

Институт Экономики и Финансов. Кафедра «Математика» Курсовая работа. по дисциплине «Методы оптимальных решений» на тему ФЕДЕРАЛЬНОЕ АГЕНТСТВО ЖЕЛЕЗНОДОРОЖНОГО ТРАНСПОРТА ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ «МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ПУТЕЙ СООБЩЕНИЯ ИМПЕРАТОРА

Подробнее

Справка по итогам проверочной работы на тему: «Моделирование». 2 класс

Справка по итогам проверочной работы на тему: «Моделирование». 2 класс Справка по итогам проверочной работы на тему: «Моделирование». Цель работы: 1)проверить умения учащихся в работе с текстовыми задачами, а именно умение анализировать задачу, соотносить взаимосвязь между

Подробнее

АННОТАЦИЯ к рабочей программе. Основное общее образование (ФГОС) Приказ по школе 113 от г

АННОТАЦИЯ к рабочей программе. Основное общее образование (ФГОС) Приказ по школе 113 от г Предмет Уровень образования Когда и где утверждена рабочая программа Структура рабочей программы Место предмета в учебном плане Результаты освоения предмета АННОТАЦИЯ к рабочей программе ИНФОРМАТИКА Основное

Подробнее

Внедрение (Эксплуатация) системы

Внедрение (Эксплуатация) системы Проектирование автоматизированных информационных систем бухгалтерского учета 1. Принципы и методы создания автоматизированных информационных систем 2. Стадии и этапы проектирования автоматизированных информационных

Подробнее

Надо уметь: составлять алгоритм на естественном языке для решения различных задач.

Надо уметь: составлять алгоритм на естественном языке для решения различных задач. Г л а в а 7 ОСНОВЫ АЛГОРИТМИЗАЦИИ Цель: ввести понятие алгоритма, изучить свойства алгоритма. Надо знать: определение алгоритма, свойства алгоритма, способы записи алгоритма, элементы блоксхемы алгоритма

Подробнее

ЛЕКЦИЯ 3. Алгоритмы обработки одномерных массивов. построения алгоритмов предназначенных для обработки одномерных массивов.

ЛЕКЦИЯ 3. Алгоритмы обработки одномерных массивов. построения алгоритмов предназначенных для обработки одномерных массивов. ЛЕКЦИЯ 3. Алгоритмы обработки одномерных массивов. Цель лекции : Знакомство с понятием массива. Приобретение навыков построения алгоритмов предназначенных для обработки одномерных массивов. 6. Алгоритмы

Подробнее

Пояснительная записка

Пояснительная записка Пояснительная записка Данная рабочая программа учебного предмета «Математика» для обучающихся 4 класса муниципального казённого общеобразовательного учреждения «Большеокинская СОШ» разработана на основе

Подробнее

СОДЕРЖАНИЕ 1. ПАСПОРТ РАБОЧЕЙ ПРОГРАММЫ УЧЕБНОЙ ДИСЦИПЛИНЫ 2. СТРУКТУРА И СОДЕРЖАНИЕ УЧЕБНОЙ ДИСЦИПЛИНЫ 5

СОДЕРЖАНИЕ 1. ПАСПОРТ РАБОЧЕЙ ПРОГРАММЫ УЧЕБНОЙ ДИСЦИПЛИНЫ 2. СТРУКТУРА И СОДЕРЖАНИЕ УЧЕБНОЙ ДИСЦИПЛИНЫ 5 2 3 СОДЕРЖАНИЕ 1. ПАСПОРТ РАБОЧЕЙ ПРОГРАММЫ УЧЕБНОЙ ДИСЦИПЛИНЫ стр. 4 2. СТРУКТУРА И СОДЕРЖАНИЕ УЧЕБНОЙ ДИСЦИПЛИНЫ 5 3. УСЛОВИЯ РЕАЛИЗАЦИИ РАБОЧЕЙ ПРОГРАММЫ УЧЕБНОЙ ДИСЦИПЛИНЫ 4. КОНТРОЛЬ И ОЦЕНКА РЕЗУЛЬТАТОВ

Подробнее

. Для каждого из подмножеств {(, j)

. Для каждого из подмножеств {(, j) И.Н.Ревчук, В.К.Пчельник Поиск контура минимальной длины с использованием MS EXCEL Постановка задачи Пусть G = (N, А) граф, каждой дуге (x, y) A (x, y N), которого поставлено в соответствие некоторое число

Подробнее

ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ В НАУКЕ И ОБРАЗОВАНИИ МЕТОДЫ КЛАССИФИКАЦИИ ВЫЧИСЛИТЕЛЬНЫХ СЕРВИСОВ

ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ В НАУКЕ И ОБРАЗОВАНИИ МЕТОДЫ КЛАССИФИКАЦИИ ВЫЧИСЛИТЕЛЬНЫХ СЕРВИСОВ УДК 004.75 МЕТОДЫ КЛАССИФИКАЦИИ ВЫЧИСЛИТЕЛЬНЫХ СЕРВИСОВ Б.В. Палюх, И.А. Егерева В институте системного анализа РАН под руководством А.П. Афанасьева разработана распределенная среда MathCloud, ориентированная

Подробнее

Д. М. Ушаков ИНФОРМАТИКА НОВЫЙ ПОЛНЫЙ СПРАВОЧНИК ДЛЯ ПОДГОТОВКИ. к ОГЭ. АСТ Москва

Д. М. Ушаков ИНФОРМАТИКА НОВЫЙ ПОЛНЫЙ СПРАВОЧНИК ДЛЯ ПОДГОТОВКИ. к ОГЭ. АСТ Москва Д. М. Ушаков ИНФОРМАТИКА НОВЫЙ ПОЛНЫЙ СПРАВОЧНИК ДЛЯ ПОДГОТОВКИ к ОГЭ АСТ Москва УДК 373:002 ББК 32.81я721 У93 У93 Ушаков, Денис Михайлович. Информатика : Новый полный справочник для подготовки к ОГЭ /

Подробнее

Эволюция программного обеспечения

Эволюция программного обеспечения Эволюция программного обеспечения Левашова Мария студентка группы В 42 научный руководитель: старший преподаватель кафедры математики, информатики и естествознания Иманмухаметова Б.М. Программное обеспечение

Подробнее

ЛАБОРАТОРНАЯ РАБОТА 1 ИЗУЧЕНИЕ ПРИНЦИПОВ СОЗДАНИЯ ПРОДУКЦИОННЫХ БАЗ ЗНАНИЙ

ЛАБОРАТОРНАЯ РАБОТА 1 ИЗУЧЕНИЕ ПРИНЦИПОВ СОЗДАНИЯ ПРОДУКЦИОННЫХ БАЗ ЗНАНИЙ ЛАБОРАТОРНАЯ РАБОТА 1 ИЗУЧЕНИЕ ПРИНЦИПОВ СОЗДАНИЯ ПРОДУКЦИОННЫХ БАЗ ЗНАНИЙ Цель и задачи работы Цель работы изучить принципы и способы создания базы знаний продукционных экспертных систем, освоить методы

Подробнее

ВЫБОР МИНИМАЛЬНОЙ КОНФИГУРАЦИИ НЕЙРОННЫХ СЕТЕЙ

ВЫБОР МИНИМАЛЬНОЙ КОНФИГУРАЦИИ НЕЙРОННЫХ СЕТЕЙ Вычислительные технологии Том 6, 1, 2001 ВЫБОР МИНИМАЛЬНОЙ КОНФИГУРАЦИИ НЕЙРОННЫХ СЕТЕЙ Н.А. Игнатьев Национальный университет Узбекистана, Ташкент e-mail: tin000@tashsu.silk.org A method for the selection

Подробнее

Негосударственное частное образовательное учреждение высшего профессионального образования «Армавирский лингвистический социальный институт»

Негосударственное частное образовательное учреждение высшего профессионального образования «Армавирский лингвистический социальный институт» Негосударственное частное образовательное учреждение высшего профессионального образования «Армавирский лингвистический социальный институт» «Утверждаю» Ректор НЧОУ ВПО АЛСИ /Ф.Н. Аванесова/ 26 сентября

Подробнее

Спецификация. контрольных измерительных материалов для проведения в 2011 году единого государственного экзамена по информатике и ИКТ.

Спецификация. контрольных измерительных материалов для проведения в 2011 году единого государственного экзамена по информатике и ИКТ. Спецификация контрольных измерительных материалов для проведения в 20 году единого государственного экзамена по ИНФОРМАТИКЕ и ИКТ Единый государственный экзамен по ИНФОРМАТИКЕ и ИКТ Спецификация контрольных

Подробнее

Содержание тем учебного курса по информатике в 11 «В» классе

Содержание тем учебного курса по информатике в 11 «В» классе Содержание тем учебного курса по информатике в 11 «В» классе Информационные системы и базы данных: Что такое система. Модели систем. Пример структурной модели предметной области. Что такое информационная

Подробнее

Моделирование потоков данных

Моделирование потоков данных Моделирование потоков 1 Моделирование потоков В основе данной методологии (методологии Gane/Sarson) лежит построение модели анализируемой ИС проектируемой или реально существующей. В соответствии с методологией

Подробнее

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ УРАЛЬСКИЙ ГОСУДАРСТВЕННЫЙ ЛЕСОТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ Институт

Подробнее

Рисунок 1. Визуализация записи слова «ЗАКОН»

Рисунок 1. Визуализация записи слова «ЗАКОН» 18 «Информатика и компьютерные технологии-2012» НОВЫЕ ПОДХОДЫ К ПРОБЛЕМАМ ОПРЕДЕЛЕНИЯ ГЛУХИХ ВЗРЫВНЫХ ЗВУКОВ В КОНЦЕ ЗАПИСАННОГО СЛОВА Акопян Артем Геннадиевич 1, Костенко Александр Владимирович 2, Шелепов

Подробнее

Спецификация. Спецификация контрольных измерительных материалов для проведения в 2016 году основного государственного экзамена ПРОЕКТ

Спецификация. Спецификация контрольных измерительных материалов для проведения в 2016 году основного государственного экзамена ПРОЕКТ ПРОЕКТ Государственная итоговая аттестация по образовательным программам основного общего образования в форме основного государственного экзамена (ОГЭ) Спецификация контрольных измерительных материалов

Подробнее

Задача 1 «Умение кодировать и декодировать информацию» В том или ином виде будет одно из условий Фано для неравномерного кодирования:

Задача 1 «Умение кодировать и декодировать информацию» В том или ином виде будет одно из условий Фано для неравномерного кодирования: Прогнозы ЕГЭ-2015 Я не синоптик, я только учусь Задача 1 «Умение кодировать и декодировать информацию» В том или ином виде будет одно из условий Фано для неравномерного кодирования: 1. (условие для префиксов)

Подробнее

цели: Математическое развитие младшего школьника Освоение начальных математических знаний: Воспитание Личностными Метапредметными Предметными

цели: Математическое развитие младшего школьника Освоение начальных математических знаний: Воспитание Личностными  Метапредметными  Предметными Предмет математика Ступень обучения 1-4 кл. Нормативно- Программа по предмету «Математика» составлена в соответствии с требованиями методические Федерального государственного образовательного стандарта

Подробнее

СОДЕРЖАНИЕ 1 ПАСПОРТ РАБОЧЕЙ ПРОГРАММЫ УЧЕБНОЙ ДИСЦИПЛИНЫ Область применения программы 4

СОДЕРЖАНИЕ 1 ПАСПОРТ РАБОЧЕЙ ПРОГРАММЫ УЧЕБНОЙ ДИСЦИПЛИНЫ Область применения программы 4 2 3 СОДЕРЖАНИЕ стр. 1 ПАСПОРТ РАБОЧЕЙ ПРОГРАММЫ УЧЕБНОЙ ДИСЦИПЛИНЫ 4 1.1 Область применения программы 4 1.2 Место учебной дисциплины в структуре образовательной программы 4 1.3 Цели и задачи учебной дисциплины

Подробнее

Табельный учет (Russian Time Management)

Табельный учет (Russian Time Management) Табельный учет (Russian Time Management) Модуль Табель предназначен для планирования и учета использования рабочего времени сотрудников предприятия. Модуль Табель интегрирован в приложение Oracle HRMS.

Подробнее

(г. Москва, Московский городской педагогический университет)

(г. Москва, Московский городской педагогический университет) О.Ю. Заславская, И.В. Левченко КОНКРЕТИЗАЦИЯ ТРЕБОВАНИЙ К РЕЗУЛЬТАТАМ ОБУЧЕНИЯ ИНФОРМАТИКЕ И ИНФОРМАЦИОННО-КОММУНИКАЦИОННЫМ ТЕХНОЛОГИЯМ ВЫПУСКНИКОВ ШКОЛ (г. Москва, Московский городской педагогический

Подробнее

График проведения курса по занятиям. Бизнес-консалтинг, теория и практика

График проведения курса по занятиям. Бизнес-консалтинг, теория и практика График проведения курса по занятиям Бизнес-консалтинг, теория и практика (Управление предприятиями и информационноматематические платформы систем управления) (Механико-математический факультет МГУ, преподаватель

Подробнее

В. М. Черненький, Ю. Е. Гапанюк МЕТОДИКА ИДЕНТИФИКАЦИИ ПАССАЖИРА ПО УСТАНОВОЧНЫМ ДАННЫМ

В. М. Черненький, Ю. Е. Гапанюк МЕТОДИКА ИДЕНТИФИКАЦИИ ПАССАЖИРА ПО УСТАНОВОЧНЫМ ДАННЫМ УДК 004.02 В. М. Черненький, Ю. Е. Гапанюк МЕТОДИКА ИДЕНТИФИКАЦИИ ПАССАЖИРА ПО УСТАНОВОЧНЫМ ДАННЫМ Рассмотрена методика идентификации пассажира по установочным данным с учетом возможных опечаток в тексте.

Подробнее

МАТЕМАТИЧЕСКИЕ ОСНОВЫ ТЕОРИИ ПРОГНОЗИРОВАНИЯ. Лектор Сенько Олег Валентинович Лекция I

МАТЕМАТИЧЕСКИЕ ОСНОВЫ ТЕОРИИ ПРОГНОЗИРОВАНИЯ. Лектор Сенько Олег Валентинович Лекция I МАТЕМАТИЧЕСКИЕ ОСНОВЫ ТЕОРИИ ПРОГНОЗИРОВАНИЯ Лектор Сенько Олег Валентинович Лекция I Задачи диагностики и прогнозирования некоторой величины по доступным значениям переменных X,, 1 Xn часто возникают

Подробнее

Муниципальное автономное общеобразовательное учреждение города Набережные Челны«Гимназия 76» Оценочные материалы по предмету Информатика.

Муниципальное автономное общеобразовательное учреждение города Набережные Челны«Гимназия 76» Оценочные материалы по предмету Информатика. Муниципальное автономное общеобразовательное учреждение города Набережные Челны«Гимназия 76» Оценочные материалы по предмету Информатика 9 класс Контрольная работа 1 по теме «Передача информации в компьютерных

Подробнее

(ФГБОУ ВО «МГТУ «СТАНКИН»)

(ФГБОУ ВО «МГТУ «СТАНКИН») МИНОБРНАУКИ РОССИИ федеральное государственное бюджетное образовательное учреждение высшего образования «Московский государственный технологический университет «СТАНКИН» (ФГБОУ ВО «МГТУ «СТАНКИН») АННОТАЦИЯ

Подробнее

5. Распределение заданий КИМ по содержанию и проверяемым умениям

5. Распределение заданий КИМ по содержанию и проверяемым умениям СПЕЦИФИКАЦИЯ диагностической работы по математике для 6 классов общеобразовательных организаций г. Москвы Диагностическая работа проводится 9 декабря 205 г.. Назначение КИМ оценить уровень общеобразовательной

Подробнее

ЧАСТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ «АКАДЕМИЯ СОЦИАЛЬНОГО ОБРАЗОВАНИЯ»

ЧАСТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ «АКАДЕМИЯ СОЦИАЛЬНОГО ОБРАЗОВАНИЯ» ЧАСТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ «АКАДЕМИЯ СОЦИАЛЬНОГО ОБРАЗОВАНИЯ» Фонд оценочных средств дисциплины ОП.14. Информационные технологии в профессиональной деятельности специальность

Подробнее

Выявление аномальных значений [M.077]

Выявление аномальных значений [M.077] Выявление аномальных значений [M.77] Часто в больших наборах данных встречаются значения, которые не укладываются в общую модель поведения анализируемого процесса. Такие значения, которые сильно отличаются

Подробнее

275 УДК ПРИМЕНЕНИЕ М НУМЕРАЦИИ К РАСПОЗНАВАНИЮ ГРАФА Татаринов Е.А. Институт прикладной математики и механики НАНУ, Донецк

275 УДК ПРИМЕНЕНИЕ М НУМЕРАЦИИ К РАСПОЗНАВАНИЮ ГРАФА Татаринов Е.А. Институт прикладной математики и механики НАНУ, Донецк Секция 5 Искусственный интеллект и нейронные технологии 275 УДК 0048+5195 ПРИМЕНЕНИЕ М НУМЕРАЦИИ К РАСПОЗНАВАНИЮ ГРАФА Татаринов ЕА Институт прикладной математики и механики НАНУ Донецк 1 Введение Основной

Подробнее

Структура информации

Структура информации Структура информации При рассмотрении структуры информации выделяются отдельные еѐ элементы, которые могут быть и простыми и сложными. Простые элементы не поддаются дальнейшему расчленению; сложные образуются

Подробнее

Информатика и ИКТ. Обучение на базовом уровне ведётся по учебникам: 9 класс - «Информатика и ИКТ 8-9» под ред. Н.В. Макаровой (СПб.: ПИТЕР, 2013 г.

Информатика и ИКТ. Обучение на базовом уровне ведётся по учебникам: 9 класс - «Информатика и ИКТ 8-9» под ред. Н.В. Макаровой (СПб.: ПИТЕР, 2013 г. Информатика и ИКТ Рабочая программа по Информатике и ИКТ составлена в соответствии с Федеральным компонентом государственного стандарта среднего (полного) общего образования по информатике и информационным

Подробнее

Паспорт фонда оценочных средств

Паспорт фонда оценочных средств Паспорт фонда оценочных средств Контролируемые разделы (темы) дисциплины Тема 1: 1. Введение. Основные понятия ИТ Код контролируемой компетенции (или ее части) ОК3 Наименование оценочного средства Вопросы

Подробнее

ЛЕКЦИЯ 3. КЛАССИФИКАЦИЯ АВТОМАТИЗИРОВАННЫХ ИНФОРМА- ЦИОННЫХ ТЕХНОЛОГИЙ ПО РАЗЛИЧНЫМ ПРИЗНАКАМ

ЛЕКЦИЯ 3. КЛАССИФИКАЦИЯ АВТОМАТИЗИРОВАННЫХ ИНФОРМА- ЦИОННЫХ ТЕХНОЛОГИЙ ПО РАЗЛИЧНЫМ ПРИЗНАКАМ ЛЕКЦИЯ 3. КЛАССИФИКАЦИЯ АВТОМАТИЗИРОВАННЫХ ИНФОРМА- ЦИОННЫХ ТЕХНОЛОГИЙ ПО РАЗЛИЧНЫМ ПРИЗНАКАМ 1) Классификация автоматизированных информационных технологий по способу реализации 2) Классификация автоматизированных

Подробнее

Лекция 3 БАЗОВЫЕ АЛГОРИТМИЧЕСКИЕ СТРУКТУРЫ. ТИПЫ АЛГОРИТМОВ

Лекция 3 БАЗОВЫЕ АЛГОРИТМИЧЕСКИЕ СТРУКТУРЫ. ТИПЫ АЛГОРИТМОВ Лекция 3 БАЗОВЫЕ АЛГОРИТМИЧЕСКИЕ СТРУКТУРЫ. ТИПЫ АЛГОРИТМОВ 1. Базовые алгоритмические структуры. 2. Представление алгоритмических структур с помощью команд. 3. Комбинации базовых команд. 4. Вспомогательные

Подробнее

I. Введение. Данная рабочая программа составлена на основе Федерального компонента государственного образовательного стандарта основного общего

I. Введение. Данная рабочая программа составлена на основе Федерального компонента государственного образовательного стандарта основного общего 1 I. Введение. Данная рабочая программа составлена на основе Федерального компонента государственного образовательного стандарта основного общего образования в соответствии с рекомендациями авторской программы

Подробнее

Казанский (приволжский) федеральный университет. Институт вычислительной математики и информационных технологий Кафедра теоретической кибернетики

Казанский (приволжский) федеральный университет. Институт вычислительной математики и информационных технологий Кафедра теоретической кибернетики Казанский (приволжский) федеральный университет Институт вычислительной математики и информационных технологий Кафедра теоретической кибернетики В.С. Кугураков, Р.К. Самитов, Р.Б. Ахтямов, В.Р. Байрашева

Подробнее

УДК РАЗРАБОТКА СИСТЕМЫ АВТОМАТИЗИРОВАННОГО РЕШЕНИЯ ВЫЧИСЛИТЕЛЬНЫХ ЗАДАЧ В САПР, ОСНОВАННОЙ НА МЕТОДЕ ПРОГРАММИРОВАНИЯ В ОГРАНИЧЕНИЯХ

УДК РАЗРАБОТКА СИСТЕМЫ АВТОМАТИЗИРОВАННОГО РЕШЕНИЯ ВЫЧИСЛИТЕЛЬНЫХ ЗАДАЧ В САПР, ОСНОВАННОЙ НА МЕТОДЕ ПРОГРАММИРОВАНИЯ В ОГРАНИЧЕНИЯХ 83 УДК 004.822 РАЗРАБОТКА СИСТЕМЫ АВТОМАТИЗИРОВАННОГО РЕШЕНИЯ ВЫЧИСЛИТЕЛЬНЫХ ЗАДАЧ В САПР, ОСНОВАННОЙ НА МЕТОДЕ ПРОГРАММИРОВАНИЯ В ОГРАНИЧЕНИЯХ Крилевич С.Д., Григорьев А.В. Донецкий национальный технический

Подробнее

Формы бухгалтерского учета.

Формы бухгалтерского учета. Формы бухгалтерского учета. 1. Понятие формы бухгалтерского учета. 2. Мемориально-ордерная форма бухгалтерского учета. 3. Журнально-ордерная форма бухгалтерского учета. 4. Автоматизированная форма бухгалтерского

Подробнее

Вестник науки Сибири (1)

Вестник науки Сибири (1) УДК 519.172 Хаустов Павел Александрович, магистрант кафедры вычислительной техники Института кибернетики ТПУ. E-mail: exceibot@sibmail.com Область научных интересов: разработка и исследование алгоритмов

Подробнее

1=1 ; 1+3=2 ; 1+3+5=3 ;

1=1 ; 1+3=2 ; 1+3+5=3 ; НОВОСИБИРСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ Заочная школа Математическое отделение МЕТОД МАТЕМАТИЧЕСКОЙ ИНДУКЦИИ И БЕСКОНЕЧНЫЕ ЧИСЛОВЫЕ ПОСЛЕДОВАТЕЛЬНОСТИ 0-й класс, задание ПРАВИЛА ОФОРМЛЕНИЯ ЗАДАНИЯ Приступая

Подробнее

Генкин Б.И. Mathcad. Руководство для начинающих. Санкт-Петербург: Переменные

Генкин Б.И. Mathcad. Руководство для начинающих. Санкт-Петербург: Переменные Генкин Б.И. Mathcad. Руководство для начинающих. Санкт-Петербург: http://auditori-um.ru, 2012 1.1. Переменные К важнейшим типам данных в системе Mathcad относятся константы, обычные и системные переменные,

Подробнее

Пояснительная записка

Пояснительная записка Пояснительная записка Общеучебные цели изучения курса: - овладение конкретными информационными знаниями, необходимыми для изучения смежных дисциплин, для продолжения образования; - развитие способностей,

Подробнее

Лабораторная работа 1 Тема: Сетевые модели.

Лабораторная работа 1 Тема: Сетевые модели. Лабораторная работа 1 Тема: Сетевые модели. 1.Цель работы Решение задач, использующих сетевые модели представления, изучение различных методов решения и анализа. 2.Краткие теоретические сведения 2.1. Алгоритмы

Подробнее

Рабочая программа учебного предмета алгебра в 7-ых классах (базовый уровень)

Рабочая программа учебного предмета алгебра в 7-ых классах (базовый уровень) Муниципальное бюджетное общеобразовательное учреждение «Классическая школа» г. Гурьевска Рабочая программа учебного предмета алгебра в 7-ых классах (базовый уровень) Составила Самохина О.В. учитель математики

Подробнее

Введение в нейронные сети [M.160]

Введение в нейронные сети [M.160] Введение в нейронные сети [M.160] Ранее отмечалось, что такие популярные инструменты Data Mining, как регрессия и деревья решений, широко используемые для решения задач классификации и прогнозирования,

Подробнее

Ключевые слова: средства вычислительной техники, моделирование, стратегия, методы динамического программирования, статистические игры.

Ключевые слова: средства вычислительной техники, моделирование, стратегия, методы динамического программирования, статистические игры. ИСАЛОВА М.Н., САЛМАНОВА З.А. МОДЕЛИРОВАНИЕ СТРАТЕГИИ УКОМПЛЕКТОВАНИЯ И ЗАМЕНЫ КОМПЬЮТЕРНОГО ОБОРУДОВАНИЯ В ВЫСШИХ УЧЕБНЫХ ЗАВЕДЕНИЯХ Рассмотрены вопросы принятия решений по выбору и замене средств вычислительной

Подробнее

Задание #1 Вопрос: Методология проектирования информационных систем описывает

Задание #1 Вопрос: Методология проектирования информационных систем описывает Тест: C:\Users\shl-d_000\YandexDisk\Дисциплины\ИСиТвЭк\Контрольные точки\контрольная точка 2\КТ-2 Лекция 4-6, ЛР-4-6..mtf Контрольная точка 2 (Лекции 4-6) Задание #1 Методология проектирования информационных

Подробнее

ПОЯСНИТЕЛЬНАЯ ЗАПИСКА

ПОЯСНИТЕЛЬНАЯ ЗАПИСКА ПОЯСНИТЕЛЬНАЯ ЗАПИСКА Программа по информатике и информационным технологиям составлена на основе федерального компонента государственного стандарта профильного общего образования (утверждена приказом Минобразования

Подробнее

ПОУРОЧНОЕ ПЛАНИРОВАНИЕ 5 КЛАСС

ПОУРОЧНОЕ ПЛАНИРОВАНИЕ 5 КЛАСС ПОУРОЧНОЕ ПЛАНИРОВАНИЕ 5 КЛАСС Тема а а учебника Цели изучения курса информатики. ТБ и организация рабочего места. Информация Введение вокруг нас, 2 Компьютер универсальная машина для работы с информацией

Подробнее

ЛЕКЦИЯ 1 ВВЕДЕНИЕ. ФОРМАЛЬНЫЕ ЯЗЫКИ

ЛЕКЦИЯ 1 ВВЕДЕНИЕ. ФОРМАЛЬНЫЕ ЯЗЫКИ ЛЕКЦИЯ 1 ВВЕДЕНИЕ. ФОРМАЛЬНЫЕ ЯЗЫКИ 1. Введение в математическую логику Рекомендуемая литература по данному курсу трилогия Верещагина и Шеня: «Начала теории множеств», «Языки и исчисления», «Вычислимые

Подробнее

Календарно-тематическое планирование по математике 2 класс (Демидова Т.Е., Козлова С.А.)

Календарно-тематическое планирование по математике 2 класс (Демидова Т.Е., Козлова С.А.) Календарно-тематическое планирование по математике 2 класс (Демидова Т.Е., Козлова С.А.) п/п Тема урока Кол-во часов Характеристика деятельности учащихся Дата проведения Числа от до 0.(5ч) 5 Действия сложения

Подробнее

ПРИМЕНЕНИЕ СИСТЕМЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА НА ЖЕЛЕЗНОДОРОЖНЫХ ТРЕНАЖЕРАХ

ПРИМЕНЕНИЕ СИСТЕМЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА НА ЖЕЛЕЗНОДОРОЖНЫХ ТРЕНАЖЕРАХ УДК 656.257 В. А. Круглов Петербургский государственный университет путей сообщения ПРИМЕНЕНИЕ СИСТЕМЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА НА ЖЕЛЕЗНОДОРОЖНЫХ ТРЕНАЖЕРАХ Рассмотрен тренажер для машинистов подвижного

Подробнее

Пояснительная записка

Пояснительная записка 1 Пояснительная записка Данная рабочая программа учебного предмета «Математика» для обучающихся 3 класса муниципального казённого общеобразовательного учреждения «Большеокинская СОШ» разработана на основе

Подробнее

Тесты по дисциплине «Информационные сети и базы данных» 1 Вопрос

Тесты по дисциплине «Информационные сети и базы данных» 1 Вопрос 1 Вопрос Тесты по дисциплине «Информационные сети и базы данных» Впишите недостающее слово: это достаточно мощные ЭВМ, предоставляющие свои ресурсы менее мощным машинам, выполняющим роль рабочих станций.

Подробнее

Лекция 9. Структура ошибки выпуклых комбинаций, комитетные методы, логическая коррекция. Лектор Сенько Олег Валентинович

Лекция 9. Структура ошибки выпуклых комбинаций, комитетные методы, логическая коррекция. Лектор Сенько Олег Валентинович Лекция 9 Структура ошибки выпуклых комбинаций, комитетные методы, логическая коррекция Лектор Сенько Олег Валентинович Курс «Математические основы теории прогнозирования» 4-й курс, III поток Сенько Олег

Подробнее

Анализ формальных понятий и сжатие текстовой информации в задаче автоматизированного контроля знаний. Емельянов Г.М., Михайлов Д.В.

Анализ формальных понятий и сжатие текстовой информации в задаче автоматизированного контроля знаний. Емельянов Г.М., Михайлов Д.В. Анализ формальных понятий и сжатие текстовой информации в задаче автоматизированного контроля знаний. Емельянов Г.М., Михайлов Д.В. Новгородский государственный университет имени Ярослава Мудрого Настоящая

Подробнее

ИНФОРМАЦИОННЫЕ ПОТОКИ В ЗАДАЧАХ С НЕПОЛНОЙ ИНФОРМАЦИЕЙ Анафиев А.С.

ИНФОРМАЦИОННЫЕ ПОТОКИ В ЗАДАЧАХ С НЕПОЛНОЙ ИНФОРМАЦИЕЙ Анафиев А.С. УДК 519.6 ИНФОРМАЦИОННЫЕ ПОТОКИ В ЗАДАЧАХ С НЕПОЛНОЙ ИНФОРМАЦИЕЙ Анафиев А.С. Таврический национальный университет им. В.И. Вернадского факультет математики и информатики пр-т Вернадского, 4, г. Симферополь,

Подробнее