Список использованной литературы РАСПОЗНАВАНИЕ ОБЪЕКТОВ В ЗАДАЧАХ КЛАССИФИКАЦИИ СЛОЖНЫХ СИСТЕМ

Размер: px
Начинать показ со страницы:

Download "Список использованной литературы РАСПОЗНАВАНИЕ ОБЪЕКТОВ В ЗАДАЧАХ КЛАССИФИКАЦИИ СЛОЖНЫХ СИСТЕМ"

Транскрипт

1 1,5 мкм, а поверх слой алюминия толщиной 1,5 мкм. Все покрытия обладают примерно одинаковой величиной поверхностного электросопротивления 2-3 Ом/квадрат, но у материала покрытия 1 относительная проницаемость равна , у покрытия , а у покрытия Данные многослойные покрытия наносить на пластмассу можно различными методами. Среди них наибольшее применение нашли PVD методы [3, 4] или ионно-плазменные методы. Обозревая данные методы можно придти к выводу, что из них наиболее универсальным и приемлемым методом является вакуумный электродуговой метод [5]. Список использованной литературы 1. Липин Ю.В., Рогачев А.В., Харитонов В.В. Вакуумная металлизация полимерных материалов. Л.: Химия, с. 2. Средства защиты в машиностроении. Справочник. Под ред. С.В. Белова. М.: Машиностроение, с. 3. Розбери Ф. Справочник по вакуумной технике и технологии. М.: Энергия, с. 4. Данилин Б.С. Применение низкотемпературной плазмы для нанесения тонких пленок. М.: Энергоатомиздат, с. 5. Мрочек Ж.А., Эйзнер Б.А., Марков Г.В. Основы формирования многокомпонентных вакуумных электродуговых покрытий. Минск: Наука и техника, с. РАСПОЗНАВАНИЕ ОБЪЕКТОВ В ЗАДАЧАХ КЛАССИФИКАЦИИ СЛОЖНЫХ СИСТЕМ П.Н. Курочка, профессор, д.т.н., профессор, Нгуен Хоанг Тынг, аспирант, Воронежский государственный архитектурностроительный университет, г. Воронеж С.С. Казбанов, заместитель начальника отдела кадров, Воронежский институт ГПС МЧС России, г. Воронеж При анализе состояний организационных структур сложных систем остановимся на таких видах исходной информации [1] как: статистическая и экспертная. Для формирования массива статистической информации задаем матрицы вида «объект-признак», где Х = {Xi,..., Xm} - множество признаков. При этом, каждый признак X i X (i= 1,..., m) имеет конкретные значения. В матрице данных присутствуют объекты рассматриваемого класса А организационных структур производства, а также множество объектов других классов ( A ). Как правило, в практике анализа данных все больше и больше 53

2 используется экспертная информация [2, 3], которая задается на множестве значений каждого признака X i по отношению к выделенному классу А с помощью графа Gi экспертных попарных предпочтений. При этом используется правило - дуга между вершинами хli (l = 1...k) и pi (p = 1 k) проводится тогда, когда с точки зрения эксперта наличие у объекта значения хli большей степени говорит о его принадлежности к выделенному классу А чем наличие у этого объекта значения pi. Таким образом, исходную информацию о деятельности сложных систем (СС) можно задать с помощью матрицы «объект-признак» и m графов Gi экспертных попарных предпочтений. Необходимо для любого объекта деятельности для СС определить, к какому из классов оргструктур (А или A ) он относится. Далее необходимо определить частные решающие правила, из которых на втором этапе формируется итоговое решающее правило. Достаточным признаком будем считать такое сочетание значений исходных, которым обладает хотя бы один объект обучающей выборки выделенного класса А и не обладает ни один другой из A. Для этого, применим метод построения аналогов достаточных признаков М.М. Бонгарда, использующий базовую процедуру анализа некоторого подпространства из пространства исходных признаков X вместе с подмножеством графов экспертных предпочтений, заданных на алфавитах их координат. В этом случае, под пространством исходных признаков X объектов СС будем понимать множество всех возможных сочетаний значений вида (1, 2,, m), а подпространством - пространства исходных признаков вместе с подмножеством графов экспертных предпочтений задается на алфавитах координат всеми сочетаниями значений из k чисел (,,... ). i 2 Для анализа полученного подпространства используем следующий алгоритм: Шаг 1. На множестве всех точек подпространства как на множестве вершин строим общий граф G i... (дуги данного графа определяются по i2 множеству графов { G, G,..., G }); Шаг 2. Строим номинальный признак (на основе графа G i... ) с относительно небольшим числом значений. Каждое такое подмножество представляет класс номинального признака объекта СС и проверяется на обобщенное условие достаточности; Шаг 3. Если в этот класс из обучающей выборки попали только объекты из А или только объекты из A, то он рассматривается как искомый достаточный признак на (при этом один класс может содержать много точек из, из которых лишь одна принадлежит А (или A ), и несмотря на это принимается, что попадание объекта в класс указывает на наличие, данного достаточного признака). 54

3 Для построения графа G i... используется мажоритарное правило построения множества V i... дуг этого графа. Дуга (, ) V i 1..., где ( i,,..., ) 2, ( i,,..., ) 2 проводится, если число дуг соответственно i2 в графах G, G,..., G больше или равно величине заданного порога. Если в исходных графах экспертных предпочтений мало дуг, то следует выбирать порог значений небольшим, чтобы в обобщенном графе будет немного висячих вершин. В противном случае, в обобщенном графе будет много висячих вершин (для построения мастного решающего правила будет использоваться в основном только статистическая информация). Дуга (, ) определяется аналогичным образом, однако для ее построения можно использовать и другие способы агрегации экспертных суждений. Далее получаем агрегированный номинальный признак тестируемого объекта СС с использованием алгоритма замыкания бинарного отношения, определяемого с помощью графа G i..., до отношения эквивалентности. Если каждая вершина обобщенного графа имеет значение номинального признака, то для построения достаточного признака будет использоваться только статистическая информация. Затем проводится прямая проверка распределения объектов обучающей выборки по классам агрегированного номинального признака. Достаточные признаки, определяемые разными классами, являются зависимыми. Построим следующее разбиение точек подпространства : R A, O, A (1) При этом область А получена путем объединения областей достаточных признаков, голосующих за класс A; область A - путем объединения областей достаточных признаков, голосующих за A ; О - оставшиеся точки подпространства (область О разбивается на две подобласти): O, (2) где - множество точек подпространства, которые отсутствуют в обучающей выборке и на которые не удалось распространить экспертную информацию; - множество противоречивых точек подпространства, т.е. точек, которые статиста чески неразличимы (одновременно принадлежат классам A и A ). После подстановки (2) в (1) получим разбиение подпространства : R A,,, A (3) Разбиение (3) можно использовать как правило распознавания: попадание распознаваемого объекта e в подпространстве в область А говорит о его принадлежности к классу А; попадание распознаваемого объекта e в подпространстве в область A говорит о его принадлежности к классу A ; попадание распознаваемого объекта e в подпространстве в области, дает отказ от распознавания. 55

4 Пусть подпространство уже получено каким либо из вышеперечисленных способом. Для построения частного решающего правила выделим подпространство признаков из пространства всех исходных X для объектов СС. В этом подпространстве, на основе экспертной информации, все объекты обучающей выборки линейно ранжируются по отношению к удаленности от начала выборки (чем левее находится объект в данном упорядочении, тем больше его степень принадлежности к выделенному классу А). На основе полученного ранжирования объектов СС определяется искомое правило. Разные частные решающие правила получаются путем варьирования подпространств. Процедура анализа подпространства включает в себя: проектирование объектов обучающей выборки на точки подпространства X i 1... и анализ множества проекций с точки зрения принадлежности их к А и A ; расширение областей принадлежности к классам А и A за счет использования экспертной информации. Первый этап выполняется прямой проверкой распределения объектов обучающей выборки на точки подпространства. Тогда про каждую точку подпространства можно сказать следующее: встречается только на объектах класса А; встречается только на объектах класса A ; является противоречивой; является неизвестной, т.е. отсутствует в обучающей выборке. Совокупность неизвестных точек подпространства обозначим через. Неизвестные точки из поочередно добавляются во множество проекций обучающей выборки в, с упорядочением с добавленным. Для этого R между объектами из строим матрицу попарных предпочтений r l, p1, n1 множества - обучающая выборка, дополненная объектом, который имеет координаты добавленной точки из. l l l Объект l имеет в подпространстве X i 1... координаты (,,..., ) i 2, а p p p объект p - координаты,,..., ). ( i1 i2 l p l p Тогда r 1, если число дуг ( i, ),...,(, ) 1 i соответственно в графах k i2, G G больше или равно величине заданного порога q. В противном случае r 0. Таким образом, если r 1, то объект СС l в большей степени относится к G,..., классу А, чем объект р. Построенная таким образом матрица предпочтений R используется для упорядочения объектов обучающей выборки, дополненной добавленным p-м объектом, взятым из области. Процедура упорядочения, состоит в следующем. Для любого элемента i определяется «вес» ( i, H) r ij rji jw / H jh, (4) где W определяет обучающую выборку, дополненную объектом, который имеет координаты из, а H-некоторое подмножество из W. При этом первая 56

5 сумма описывает предпочтение объекта i другим объектам j, не входящим в H, а вторая сумма описывает предпочтение объектов j, входящих в H, объекту i. Первым в этом упорядочении помещается такой объект ib, для которого выполняется условие: ( i, W) ma ( i, W) b После этого выполняется пересчет весов для оставшихся объектов. Затем среди оставшихся объектов опять выбирается объект, для которого выполняется условие (4), и т.д. до исчерпания всего множества. Таким образом, в полученном упорядочении Jp чем левее находится объект, тем «сильнее» его принадлежность к классу А с точки зрения экспертной информации, заданной на исходных признаках. В результате получаем на частное решающее правило. По этому правилу любой объект, спроектированный на : если попадает в расширенный класс A, то относится к A; если попадает в расширенный класс A, то относится к A, а во всех остальных случаях даётся отказ от распознавания по этому решающему правилу. Рассмотренная в статье задача распознавание класса объекта СС с использованием экспертной информации, позволяет описать систему достаточно высокой размерности, а двухступенчатая процедура анализа количественных и качественных признаков объектов позволяет весьма точно отнести объекты к тому или иному классу организационных структур при построении частных решающих правил. iw Список использованной литературы 1. Айвазян С.А., Бежаева З.И., Староверов О.В. Классификация многомерных наблюдений. М.: Статистика, Белоусов В.Е. Анализ состояний сложных систем организационного управления с использованием решающих правил / В.Е. Белоусов, Хонг Тронг Тоан // Системы управления и информационные технологии (48). С Баркалов С.А. Квалиметрия [Текст] / Баркалов С.А., Белоусов В.Е. Санина Н.В. // Монография. Изд-во Научная книга, Воронеж, с. 57

МОДЕЛИРОВАНИЕ КООПЕРАТИВНОЙ ПРОЕКТНОЙ ДЕЯТЕЛЬНОСТИ. Новосельцев В.И. (Воронежский институт ФСИН России) Скоробогатова Д.Е.

МОДЕЛИРОВАНИЕ КООПЕРАТИВНОЙ ПРОЕКТНОЙ ДЕЯТЕЛЬНОСТИ. Новосельцев В.И. (Воронежский институт ФСИН России) Скоробогатова Д.Е. МОДЕЛИРОВАНИЕ КООПЕРАТИВНОЙ ПРОЕКТНОЙ ДЕЯТЕЛЬНОСТИ Баркалов С.А. (Воронежский государственный архитектурностроительный университет) Новосельцев В.И. (Воронежский институт ФСИН России) Скоробогатова Д.Е.

Подробнее

ФОРМИРОВАНИЕ КОМПЛЕКСНОЙ ПРОГРАММЫ СНИЖЕНИЯ ПРОИЗВОДСТВЕННОГО РИСКА

ФОРМИРОВАНИЕ КОМПЛЕКСНОЙ ПРОГРАММЫ СНИЖЕНИЯ ПРОИЗВОДСТВЕННОГО РИСКА 5309 УДК 330.131 ФОРМИРОВАНИЕ КОМПЛЕКСНОЙ ПРОГРАММЫ СНИЖЕНИЯ ПРОИЗВОДСТВЕННОГО РИСКА Е.А. Киреева Воронежский государственный архитектурно-строительный университет Россия, 394006, Воронеж, 20-летия Октября,

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

4. Метод ветвей и границ

4. Метод ветвей и границ 4. Метод ветвей и границ Задачи дискретной оптимизации имеют конечное множество допустимых решений, которые теоретически можно перебрать и выбрать наилучшее (дающее минимум или максимум целевой функции).

Подробнее

Лекция 8. Решающие деревья. Лектор Сенько Олег Валентинович. Курс «Математические основы теории прогнозирования» 4-й курс, III поток

Лекция 8. Решающие деревья. Лектор Сенько Олег Валентинович. Курс «Математические основы теории прогнозирования» 4-й курс, III поток Лекция 8 Решающие деревья Лектор Сенько Олег Валентинович Курс «Математические основы теории прогнозирования» 4-й курс, III поток Сенько Олег Валентинович () МОТП, лекция 2 1 / 15 Содержание лекции 1 Решающие

Подробнее

Лекция 9: Подпространства

Лекция 9: Подпространства Уральский федеральный университет, Институт математики и компьютерных наук, кафедра алгебры и дискретной математики Определение подпространства. Примеры подпространств (1) Определение Непустое подмножество

Подробнее

МЕТОДИКА ОТНОСИТЕЛЬНОГО ОЦЕНИВАНИЯ КАЧЕСТВА ФУНКЦИОНИРОВАНИЯ МЕТРОЛОГИЧЕСКИХ ПОДРАЗДЕЛЕНИЙ

МЕТОДИКА ОТНОСИТЕЛЬНОГО ОЦЕНИВАНИЯ КАЧЕСТВА ФУНКЦИОНИРОВАНИЯ МЕТРОЛОГИЧЕСКИХ ПОДРАЗДЕЛЕНИЙ NovaInfo.Ru - 20, 2014 г. Технические науки 1 МЕТОДИКА ОТНОСИТЕЛЬНОГО ОЦЕНИВАНИЯ КАЧЕСТВА ФУНКЦИОНИРОВАНИЯ МЕТРОЛОГИЧЕСКИХ ПОДРАЗДЕЛЕНИЙ Ершов Денис Сергеевич Пузанков Сергей Владимирович Харин Виталий

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

МЕТОДЫ ТЕОРИИ НЕЙРОННЫХ СЕТЕЙ В ЭКСПЕРТИЗЕ ТЕХНИЧЕСКИХ И ЭКОНОМИЧЕСКИХ ОБЪЕКТОВ

МЕТОДЫ ТЕОРИИ НЕЙРОННЫХ СЕТЕЙ В ЭКСПЕРТИЗЕ ТЕХНИЧЕСКИХ И ЭКОНОМИЧЕСКИХ ОБЪЕКТОВ С.В. Бухарин, В.В. Навоев МЕТОДЫ ТЕОРИИ НЕЙРОННЫХ СЕТЕЙ В ЭКСПЕРТИЗЕ ТЕХНИЧЕСКИХ И ЭКОНОМИЧЕСКИХ ОБЪЕКТОВ Монография Воронеж Издательство «Научная книга» 2015 УДК 519.237 (075.8) ББК 22.172 Б 94 Рецензенты:

Подробнее

Учреждение образования МАТЕМАТИЧЕСКИЕ МЕТОДЫ ДИАГНОСТИКИ В МЕДИЦИНСКИХ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМАХ

Учреждение образования МАТЕМАТИЧЕСКИЕ МЕТОДЫ ДИАГНОСТИКИ В МЕДИЦИНСКИХ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМАХ Министерство образования Республики Беларусь Учреждение образования БЕЛОРУССКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ИНФОРМАТИКИ И РАДИОЭЛЕКТРОНИКИ Кафедра интеллектуальных информационных технологий М. Д. СТЕПАНОВА,

Подробнее

Контрольная работа Вариант 2

Контрольная работа Вариант 2 Контрольная работа Вариант 2 Задача 1 Заданы множества A, B и C Считать, что элементы этих множеств образуют универсальное множество U Найти A + B + C, P( A B C), проверить равенство ( A B) C = ( A C)

Подробнее

И.З. Батчаев, З.Ю. Батчаев

И.З. Батчаев, З.Ю. Батчаев И.З. Батчаев, З.Ю. Батчаев Один из методов покрытия предфрактальных графов звездами ранговых типов Звезда K 1, s это полный двудольный граф, доли которого состоят из одной вершины (центра звезды) и совокупности

Подробнее

А.В. Лапко, Н.B. Соснин, Г.О. Аникина НЕПАРАМЕТРИЧЕСКИЙ АЛГОРИТМ КЛАССИФИКАЦИИ ЛИНГВИСТИЧЕСКИХ ПЕРЕМЕННЫХ

А.В. Лапко, Н.B. Соснин, Г.О. Аникина НЕПАРАМЕТРИЧЕСКИЙ АЛГОРИТМ КЛАССИФИКАЦИИ ЛИНГВИСТИЧЕСКИХ ПЕРЕМЕННЫХ УДК 68.53 А.В. Лапко Н.B. Соснин Г.О. Аникина НЕПАРАМЕТРИЧЕСКИЙ АЛГОРИТМ КЛАССИФИКАЦИИ ЛИНГВИСТИЧЕСКИХ ПЕРЕМЕННЫХ Проведен анализ существующих алгоритмов распознавания образов в пространстве лингвистических

Подробнее

Измерения при принятии решений

Измерения при принятии решений Лекция Измерения при принятии решений ЮТИ ТПУ Кафедра информационных систем Направление 09.04.03 Прикладная информатика 2016 1 Понятие и место решений в управлении организацией В процессе принятия решений

Подробнее

Д.Ю. КУЗНЕЦОВ, Т.Л. ТРОШИНА. Кластерный анализ и его применение

Д.Ю. КУЗНЕЦОВ, Т.Л. ТРОШИНА. Кластерный анализ и его применение Д.Ю. КУЗНЕЦОВ, Т.Л. ТРОШИНА Кластерный анализ и его применение Исследователь часто стоит перед лицом огромной массы индивидуальных наблюдений. Возникает задача сведения множества характеристик к небольшому

Подробнее

ЧИСЛЕННЫЕ МЕТОДЫ МОДЕЛИРОВАНИЯ МАССИВОВ СЛУЧАЙНЫХ ВЕЛИЧИН. Липецкий государственный технический университет

ЧИСЛЕННЫЕ МЕТОДЫ МОДЕЛИРОВАНИЯ МАССИВОВ СЛУЧАЙНЫХ ВЕЛИЧИН. Липецкий государственный технический университет УДК 62529+669 ЧИСЛЕННЫЕ МЕТОДЫ МОДЕЛИРОВАНИЯ МАССИВОВ СЛУЧАЙНЫХ ВЕЛИЧИН Липецкий государственный технический университет АМ Корнеев, АК Погодаев В условиях многоступенчатого процесса фиксируются и обрабатываются

Подробнее

Системы поддержки принятия решений

Системы поддержки принятия решений Гораздо труднее увидеть проблему, чем найти ее решение Для первого требуется воображение, а для второго только умение Джон Десмонд Бернал, английский физик и социолог науки Системы поддержки принятия решений

Подробнее

ТЕХНОЛОГИЯ НЕЧЕТКОГО ПРОГНОЗИРОВАНИЯ ХАРАКТЕРИСТИК СЛОЖНЫХ ОБЪЕКТОВ И СИСТЕМ. Виталий Снитюк, Сергей Говорухин

ТЕХНОЛОГИЯ НЕЧЕТКОГО ПРОГНОЗИРОВАНИЯ ХАРАКТЕРИСТИК СЛОЖНЫХ ОБЪЕКТОВ И СИСТЕМ. Виталий Снитюк, Сергей Говорухин Internatonal Book Seres "Inforaton Scence and Coputng" 7 ТЕХНОЛОГИЯ НЕЧЕТКОГО ПРОГНОЗИРОВАНИЯ ХАРАКТЕРИСТИК СЛОЖНЫХ ОБЪЕКТОВ И СИСТЕМ Виталий Снитюк, Сергей Говорухин Аннотация: В статье выполнена общая

Подробнее

Б а й е с о в с к а я к л а с с и ф и к а ц и я

Б а й е с о в с к а я к л а с с и ф и к а ц и я МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РФ ГОСУДАРСТВЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ «САМАРСКИЙ ГОСУДАРСТВЕННЫЙ АЭРОКОСМИЧЕСКИЙ УНИВЕРСИТЕТ имени академика С.П.КОРОЛЕВА

Подробнее

ЧИСЛЕННЫЙ МЕТОД РАСЧЕТА КОЭФФИЦИЕНТА ТЕПЛОПРОВОДНОСТИ НАПОЛНЕНЫХ ПОЛИМЕРОВ. А. В. Никитин, А. Ю. Бачурина

ЧИСЛЕННЫЙ МЕТОД РАСЧЕТА КОЭФФИЦИЕНТА ТЕПЛОПРОВОДНОСТИ НАПОЛНЕНЫХ ПОЛИМЕРОВ. А. В. Никитин, А. Ю. Бачурина УДК 59.63:683.53.9 ЧИСЛЕННЫЙ МЕТОД РАСЧЕТА КОЭФФИЦИЕНТА ТЕПЛОПРОВОДНОСТИ НАПОЛНЕНЫХ ПОЛИМЕРОВ А. В. Никитин, А. Ю. Бачурина Гродненский государственный университет им. Я. Купалы, г. Гродно, Беларусь Предложен

Подробнее

Лекция 2. Задачи прогнозирования, Линейная машина, Теоретические методы оценки обобщающей способности, Лектор Сенько Олег Валентинович

Лекция 2. Задачи прогнозирования, Линейная машина, Теоретические методы оценки обобщающей способности, Лектор Сенько Олег Валентинович Лекция 2 Задачи прогнозирования, Линейная машина, Теоретические методы оценки обобщающей способности, Лектор Сенько Олег Валентинович Курс «Математические основы теории прогнозирования» 4-й курс, III поток

Подробнее

УДК ОПТИМАЛЬНАЯ КЛАСТЕРИЗАЦИЯ МНОГОМЕРНЫХ ВЕКТОРОВ. Краснов А.Е., Яньков В.Ю., Красников С.А., Чернов Е.А.

УДК ОПТИМАЛЬНАЯ КЛАСТЕРИЗАЦИЯ МНОГОМЕРНЫХ ВЕКТОРОВ. Краснов А.Е., Яньков В.Ю., Красников С.А., Чернов Е.А. УДК 519684 ОПТИМАЛЬНАЯ КЛАСТЕРИЗАЦИЯ МНОГОМЕРНЫХ ВЕКТОРОВ Краснов АЕ Яньков ВЮ Красников СА Чернов ЕА Московский государственный университет технологий и управления имени КГ Разумовского Аннотация Статья

Подробнее

Хубаев Г.Н. ПРОЦЕДУРА ВЫБОРА СОГЛАСОВАННОГО УПОРЯДОЧЕНИЯ ВАРИАНТОВ ДИЗАЙНА ОБЪЕКТА

Хубаев Г.Н. ПРОЦЕДУРА ВЫБОРА СОГЛАСОВАННОГО УПОРЯДОЧЕНИЯ ВАРИАНТОВ ДИЗАЙНА ОБЪЕКТА Хубаев Г.Н. ПРОЦЕДУРА ВЫБОРА СОГЛАСОВАННОГО УПОРЯДОЧЕНИЯ ВАРИАНТОВ ДИЗАЙНА ОБЪЕКТА Постановка задачи. Экспертная ранжировка объектов является составной частью многих процедур подготовки решений. Принципиально

Подробнее

Вычисление реальной наращенной суммы депозитов, индексов цен с учетом действия инфляции

Вычисление реальной наращенной суммы депозитов, индексов цен с учетом действия инфляции Вычисление реальной наращенной суммы депозитов индексов цен с учетом действия инфляции Кирлица В.П. кандидат физико-математических наук доцент Марчук Т.Н. Белорусский государственный университет Как известно

Подробнее

МОДЕЛИ И АЛГОРИТМЫ УПРАВЛЕНИЯ ЭКОЛОГИЧЕСКИМИ АСПЕКТАМИ В СТРОИТЕЛЬНЫХ ОРГАНИЗАЦИЯХ

МОДЕЛИ И АЛГОРИТМЫ УПРАВЛЕНИЯ ЭКОЛОГИЧЕСКИМИ АСПЕКТАМИ В СТРОИТЕЛЬНЫХ ОРГАНИЗАЦИЯХ На правах рукописи СКВОРЦОВ Вячеслав Олегович МОДЕЛИ И АЛГОРИТМЫ УПРАВЛЕНИЯ ЭКОЛОГИЧЕСКИМИ АСПЕКТАМИ В СТРОИТЕЛЬНЫХ ОРГАНИЗАЦИЯХ Специальность 05.13.10 Управление в социальных и экономических системах

Подробнее

Лекция 8 Общая постановка однокритериальной задачи принятия решений.

Лекция 8 Общая постановка однокритериальной задачи принятия решений. Лекция 8 Общая постановка однокритериальной задачи принятия решений. Общая постановка однокритериальной задачи принятия решений. Пусть исход управляемого мероприятия зависит от выбранного решения (стратегии

Подробнее

МЕТОД ДИХОТОМИЧЕСКОГО ПРОГРАММИРОВАНИЯ В ЗАДАЧАХ УПРАВЛЕНИЯ ПРОЕКТАМИ

МЕТОД ДИХОТОМИЧЕСКОГО ПРОГРАММИРОВАНИЯ В ЗАДАЧАХ УПРАВЛЕНИЯ ПРОЕКТАМИ Министерство образования Российской Федерации Воронежский государственный архитектурно-строительный университет УДК 59.876. На правах рукописи БУРКОВА Ирина Владимировна МЕТОД ДИХОТОМИЧЕСКОГО ПРОГРАММИРОВАНИЯ

Подробнее

15. Гильбертовы пространства

15. Гильбертовы пространства 5 Гильбертовы пространства Гильбертово пространство линейное нормированное пространство, со скалярным произведением из или, полное относительно нормы, порожденным скалярным произведением Рассмотрим случай

Подробнее

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ ИЗВЕСТИЯ ВЫСШИХ УЧЕБНЫХ ЗАВЕДЕНИЙ

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ ИЗВЕСТИЯ ВЫСШИХ УЧЕБНЫХ ЗАВЕДЕНИЙ МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ ИЗВЕСТИЯ ВЫСШИХ УЧЕБНЫХ ЗАВЕДЕНИЙ ИЗДАНИЕ ФЕДЕРАЛЬНОГО ГОСУДАРСТВЕННОГО БЮДЖЕТНОГО ОБРАЗОВАТЕЛЬНОГО УЧРЕЖДЕНИЯ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ

Подробнее

џ 1.1. Множества и операции над ними. Мощность множества

џ 1.1. Множества и операции над ними. Мощность множества TЕМА 1. Множества и отношения Цель и задачи Цель контента темы 1 ввести понятие отношения между множествами и рассмотреть различные свойства отношений. Задачи контента темы 1: дать определение прямого

Подробнее

Лекция 11. Методы кластерного анализа проектирование данных на плоскость, метод главных компонент. Лектор Сенько Олег Валентинович

Лекция 11. Методы кластерного анализа проектирование данных на плоскость, метод главных компонент. Лектор Сенько Олег Валентинович Лекция 11 Методы кластерного анализа проектирование данных на плоскость, метод главных компонент Лектор Сенько Олег Валентинович Курс «Математические основы теории прогнозирования» 4-й курс, III поток

Подробнее

Задание для курсовой работы

Задание для курсовой работы Задание для курсовой работы Цель курсовой работы: освоение математического аппарата задания, анализа графовых моделей дискретных систем и решения ряда основных задач на графах. Индивидуальный вариант графов

Подробнее

Разработка адаптивной системы дистанционного обучения в сфере информационных технологий

Разработка адаптивной системы дистанционного обучения в сфере информационных технологий Разработка адаптивной системы дистанционного обучения в сфере информационных технологий Власенко Алексей Александрович Воронежский Государственный Университет Особенности подготовки IT- специалистов Слайд

Подробнее

Разложение расстановок чисел в кубе

Разложение расстановок чисел в кубе Разложение расстановок чисел в кубе И. Решетников arxiv:1412.8078v1 [math.co] 27 Dec 2014 Аннотация Подмножество M R 3 называется базисным, если для любой функции f: M R существуют такие функции f 1 ;f

Подробнее

Системы поддержки принятия решений. 8. Метод анализа иерархий

Системы поддержки принятия решений. 8. Метод анализа иерархий Системы поддержки принятия решений 8. Метод анализа иерархий Метод анализа иерархий МАИ МАИ не предполагает получение решающего правила, которым пользуется ЛПР при принятии решений; он заключается в сравнении

Подробнее

Linear and Quadratic Discriminant Analysis.

Linear and Quadratic Discriminant Analysis. Алгоритмы, Модели, Алгебры 19 ноября 2015 года Методы используются для решения задач классификация. В этих методах строятся поверхности первого и второго порядка соответственно. Имеют крайне мало параметров.

Подробнее

Реализация алгоритма построения статистической модели объекта по методу Брандона. Постановка задачи

Реализация алгоритма построения статистической модели объекта по методу Брандона. Постановка задачи Голубев ВО Литвинова ТЕ Реализация алгоритма построения статистической модели объекта по методу Брандона Постановка задачи Статистические модели создают на основании имеющихся экспериментальных данных

Подробнее

Часть III. Языки, грамматики, автоматы

Часть III. Языки, грамматики, автоматы Часть III Языки, грамматики, автоматы 137 Глава 10 Языки и конечные автоматы 10.1 Язык Дика Как мы знаем, правильные скобочные структуры перечисляются числами Каталана. Выпишем все правильные скобочные

Подробнее

2012 г. Г.В. Гренкин (Дальневосточный федеральный университет, Владивосток) МЕТОДЫ ВЫЧИСЛИТЕЛЬНОЙ РЕАЛИЗАЦИИ РАНГОВОГО МЕТОДА КЛАСТЕРИЗАЦИИ

2012 г. Г.В. Гренкин (Дальневосточный федеральный университет, Владивосток) МЕТОДЫ ВЫЧИСЛИТЕЛЬНОЙ РЕАЛИЗАЦИИ РАНГОВОГО МЕТОДА КЛАСТЕРИЗАЦИИ Моделирование систем 2012 1(31) УДК 0044 2012 г ГВ Гренкин (Дальневосточный федеральный университет, Владивосток) МЕТОДЫ ВЫЧИСЛИТЕЛЬНОЙ РЕАЛИЗАЦИИ РАНГОВОГО МЕТОДА КЛАСТЕРИЗАЦИИ Предложена методика автоматизации

Подробнее

Лекция 8. Непараметрические критерии независимости. Корреляционный анализ

Лекция 8. Непараметрические критерии независимости. Корреляционный анализ Лекция 8. Непараметрические критерии независимости. Корреляционный анализ Грауэр Л.В., Архипова О.А. CS Center Санкт-Петербург, 2014 Грауэр Л.В., Архипова О.А. (CSC) Непараметрические критерии... Санкт-Петербург,

Подробнее

РАЦИОНАЛЬНЫЕ ПАРАМЕТРЫ НАНЕСЕНИЯ ИОННО-ПЛАЗМЕННОГО ПОКРЫТИЯ НА ПОВЕРХНОСТЬ НОЖЕЙ ЗЕМЛЕРОЙНО-ТРАНСПОРТНЫХ МАШИН

РАЦИОНАЛЬНЫЕ ПАРАМЕТРЫ НАНЕСЕНИЯ ИОННО-ПЛАЗМЕННОГО ПОКРЫТИЯ НА ПОВЕРХНОСТЬ НОЖЕЙ ЗЕМЛЕРОЙНО-ТРАНСПОРТНЫХ МАШИН ISSN 993-83. ВІСНИК Донбаської державної машинобудівної академії. 3 (36) 5. 39 УДК 6.878 Щукин А. В. РАЦИОНАЛЬНЫЕ ПАРАМЕТРЫ НАНЕСЕНИЯ ИОННО-ПЛАЗМЕННОГО ПОКРЫТИЯ НА ПОВЕРХНОСТЬ НОЖЕЙ ЗЕМЛЕРОЙНО-ТРАНСПОРТНЫХ

Подробнее

Голяндина Алина Сергеевна, гр. 522

Голяндина Алина Сергеевна, гр. 522 Разработка алгоритмов и программных средств решения вычислительных задач идемпотентной алгебры Голяндина Алина Сергеевна, гр. 522 Санкт-Петербургский государственный университет Математико-механический

Подробнее

СОПОСТАВЛЕНИЕ ЭЛЕМЕНТОВ РАЗНОМАСШТАБНЫХ КАРТ. Введение

СОПОСТАВЛЕНИЕ ЭЛЕМЕНТОВ РАЗНОМАСШТАБНЫХ КАРТ. Введение К.В. Деев, С.В. Еремеев СОПОСТАВЛЕНИЕ ЭЛЕМЕНТОВ РАЗНОМАСШТАБНЫХ КАРТ Введение За последнее время создано очень большое количество картографической информации в электронном виде. Накопление данных происходит

Подробнее

Юрий Лифшиц. Осень 2006

Юрий Лифшиц. Осень 2006 Автоматическая классификация текстов Лекция N 6 курса Алгоритмы для Интернета Юрий Лифшиц ПОМИ РАН - СПбГУ ИТМО Осень 2006 1 / 30 ... классификация осуществляется на добровольной основе Владимир Стржалковский

Подробнее

Григорьева Н.С., Германова И.Е Санкт-Петербургский государственный университет, Россия, Санкт-Петербург

Григорьева Н.С., Германова И.Е Санкт-Петербургский государственный университет, Россия, Санкт-Петербург УДК 519.854 Задача построения цикла минимальной длины в ориентированном графе Григорьева Н.С., Германова И.Е Санкт-Петербургский государственный университет, Россия, Санкт-Петербург gns@interzet.ru, urka.6@mail.ru

Подробнее

Материалы VII Международной научно-технической конференции, ноября 2010 г.

Материалы VII Международной научно-технической конференции, ноября 2010 г. Материалы VII Международной научно-технической конференции, 23 27 ноября 21 г. МОСКВА INTERMATIC 2 1, часть 3 МИРЭА ОПЕРАТИВНЫЕ ХАРАКТЕРИСТИКИ ВЫБОРОЧНОГО КОНТРОЛЯ КАЧЕСТВА В ПРОИЗВОДСТВЕ РАДИОЭЛЕКТРОННЫХ

Подробнее

Контрольная 2 Геометрия-1. Матфак ВШЭ, осень Если в условии не оговорено обратное, то система координат предполагается прямоугольной декартовой.

Контрольная 2 Геометрия-1. Матфак ВШЭ, осень Если в условии не оговорено обратное, то система координат предполагается прямоугольной декартовой. Вариант 1 Задача 1. Является ли векторным пространством множество многочленов P (x) степени не выше 2, удовлетворяющих условию P (1) = 0? Если да, постройте какой-нибудь базис и найдите размерность этого

Подробнее

СТРУКТУРА И ПАРАМЕТРЫ МАШИННОГО КАТАЛОГА СТЕКЛА

СТРУКТУРА И ПАРАМЕТРЫ МАШИННОГО КАТАЛОГА СТЕКЛА В Г Резник, СА Родионов Структура и параметры машинного каталога стекла СТРУКТУРА И ПАРАМЕТРЫ МАШИННОГО КАТАЛОГА СТЕКЛА В Г РЕЗНИК, С А РОДИОНОВ Рассматриваются вопросы организации и использования каталога

Подробнее

Численное решение смешанной краевой задачи явным методом сеток. Методическая разработка по курсу Численные методы

Численное решение смешанной краевой задачи явным методом сеток. Методическая разработка по курсу Численные методы Численное решение смешанной краевой задачи явным методом сеток Методическая разработка по курсу Численные методы. Постановка задачи Г.К. Измайлов Решить методом сеток смешанную краевую задачу для дифференциального

Подробнее

МЕТОДЫ РАБОТЫ С ГРАФОВОЙ МОДЕЛЬЮ ТРАНСПОРТНОЙ СЕТИ В ГЕОИНФОРМАЦИОННОЙ СИСТЕМЕ ITSGIS

МЕТОДЫ РАБОТЫ С ГРАФОВОЙ МОДЕЛЬЮ ТРАНСПОРТНОЙ СЕТИ В ГЕОИНФОРМАЦИОННОЙ СИСТЕМЕ ITSGIS ПИТ 205 А.В. Золотовицкий, Т.И. Михеева, А.В. Сидоров МЕТОДЫ РАБОТЫ С ГРАФОВОЙ МОДЕЛЬЮ ТРАНСПОРТНОЙ СЕТИ В ГЕОИНФОРМАЦИОННОЙ СИСТЕМЕ ITSGIS (Самарский государственный аэрокосмический университет имени

Подробнее

Теория решеток для интеллектуального анализа данных

Теория решеток для интеллектуального анализа данных Теория решеток для интеллектуального анализа данных С.О. Кузнецов Тема 2. Порядки и графы ТРИАД 2 p. 1 Квазипорядки Квазипорядок - рефлексивное и транзитивное бинарное отношение. Квазипорядок задает отношение,

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

Проблема согласования ранжирований

Проблема согласования ранжирований 2 Индивидуальный выбор Выбор заключается в определении элемента множества, который обладает некоторыми наилучшими с нашей точки зрения характеристиками Элементы такого множества рассматриваются как альтернативы

Подробнее

9. Линейные пространства

9. Линейные пространства 9 Линейные пространства 3 Нам часто приходится рассматривать некоторые множества объектов, для которых установлены так называемые линейные операции: сложение элементов множества и умножение элемента множества

Подробнее

Система линейных уравнений. Система m уравнений с n неизвестными: 8 a 11 x 1 + a 12 x a 1n x n =b 1 a 21 x 1 + a 22 x a 2n x n =b 2

Система линейных уравнений. Система m уравнений с n неизвестными: 8 a 11 x 1 + a 12 x a 1n x n =b 1 a 21 x 1 + a 22 x a 2n x n =b 2 Раздел VI. Глоссарий Матрица. Совокупность чисел, расположенных в виде прямоугольной таблицы, содержащей n строк и m столбцов называется матрицей размерности Определитель матрицы. Определителем квадратной

Подробнее

ИССЛЕДОВАНИЕ НАДЕЖНОСТИ АВТОМОБИЛЬНЫХ ШИН

ИССЛЕДОВАНИЕ НАДЕЖНОСТИ АВТОМОБИЛЬНЫХ ШИН Структурная надежность. Теория и практика Дамзен В.А., Елистратов С.В. ИССЛЕДОВАНИЕ НАДЕЖНОСТИ АВТОМОБИЛЬНЫХ ШИН Рассматриваются основные причины, определяющие надежность автомобильных шин. На основании

Подробнее

Интеграция экспертных оценок

Интеграция экспертных оценок Интеграция экспертных оценок Методы экспертных оценок Методы экспертных оценок - это методы организации работы со специалистами-экспертами и обработки мнений экспертов с целью подготовки информации для

Подробнее

Репозиторий БНТУ МЕТОД КОРРЕЛЯЦИОННЫХ ПЛЕЯД. Методические указания МИНИСТЕРСТВО ОБРАЗОВАНИЯ РЕСПУБЛИКИ БЕЛАРУСЬ

Репозиторий БНТУ МЕТОД КОРРЕЛЯЦИОННЫХ ПЛЕЯД. Методические указания МИНИСТЕРСТВО ОБРАЗОВАНИЯ РЕСПУБЛИКИ БЕЛАРУСЬ МИНИСТЕРСТВО ОБРАЗОВАНИЯ РЕСПУБЛИКИ БЕЛАРУСЬ Белорусский национальный технический университет Кафедра «Системы автоматизированного проектирования» МЕТОД КОРРЕЛЯЦИОННЫХ ПЛЕЯД Методические указания Минск

Подробнее

Системы поддержки принятия решений

Системы поддержки принятия решений Гораздо труднее увидеть проблему, чем найти ее решение. Для первого требуется воображение, а для второго только умение. Джон Десмонд Бернал, английский физик и социолог науки Системы поддержки принятия

Подробнее

КИНЕМАТИЧЕСКИЙ АНАЛИЗ ГРУПП АССУРА В СВЯЗИ С ИХ СТРУКТУРНЫМИ СВОЙСТВАМИ. Н.Н. Крохмаль е mail:

КИНЕМАТИЧЕСКИЙ АНАЛИЗ ГРУПП АССУРА В СВЯЗИ С ИХ СТРУКТУРНЫМИ СВОЙСТВАМИ. Н.Н. Крохмаль е mail: Известия Челябинского научного центра, вып. 1 (18), 2003 ПРОБЛЕМЫ МАШИНОСТРОЕНИЯ УДК 621.01 КИНЕМАТИЧЕСКИЙ АНАЛИЗ ГРУПП АССУРА В СВЯЗИ С ИХ СТРУКТУРНЫМИ СВОЙСТВАМИ е mail: longeron@pp.kurgan.ru Курганский

Подробнее

Теория систем линейных уравнений

Теория систем линейных уравнений Глава Теория систем линейных уравнений Ранг матрицы Пусть A F m n Рассмотрим столбцы a,,a n матрицы A = (a,,a n ) как векторы пространства F m, а строки ã,,ã m как векторы пространства F n Базу (соответственно

Подробнее

МОДЕЛИРОВАНИЕ СЛУЧАЙНЫХ СОБЫТИЙ И ПРОЦЕССОВ

МОДЕЛИРОВАНИЕ СЛУЧАЙНЫХ СОБЫТИЙ И ПРОЦЕССОВ Лекция 1-2 МОДЕЛИРОВАНИЕ СЛУЧАЙНЫХ СОБЫТИЙ И ПРОЦЕССОВ На этапе исследования и проектирования систем при построении и реализации машинных моделей (аналитических и имитационных) широко используется метод

Подробнее

МОДЕЛИРОВАНИЕ МНОГОМЕРНЫХ ДАННЫХ И КОМПЬЮТЕРНЫЙ ЭКСПЕРИМЕНТ

МОДЕЛИРОВАНИЕ МНОГОМЕРНЫХ ДАННЫХ И КОМПЬЮТЕРНЫЙ ЭКСПЕРИМЕНТ Мартышенко Н.С., Мартышенко С.Н., Кустов Д.А. Моделирование многомерных данных и компьютерный эксперимент // Техника и технология. 7.. С. 47 5. МОДЕЛИРОВАНИЕ МНОГОМЕРНЫХ ДАННЫХ И КОМПЬЮТЕРНЫЙ ЭКСПЕРИМЕНТ

Подробнее

Алгоритмы распознавания и определения процентного соотношения фаз в сплавах

Алгоритмы распознавания и определения процентного соотношения фаз в сплавах Алгоритмы распознавания и определения процентного соотношения фаз в сплавах A.Sh. Lyubanova Siberian Federal University e-mail: lubanova@mail.ru В.И. Аникина Сибирский федеральный университет e-mail: vanikina@sfu-kras.ru

Подробнее

Создание систем поддержки принятия решений: интеграция преимуществ отдельных подходов

Создание систем поддержки принятия решений: интеграция преимуществ отдельных подходов Создание систем поддержки принятия решений: интеграция преимуществ отдельных подходов Аннотация. В данной статье предпринята попытка интеграции преимуществ отдельных подходов к созданию систем поддержки

Подробнее

равная произведению массы этой точки и квадрата расстояния до оси ОХ (оси ОУ,

равная произведению массы этой точки и квадрата расстояния до оси ОХ (оси ОУ, 9 Вычисление статических моментов инерции и координат центра масс Определение Статическим моментом материальной точки А(х;у) в которой сосредоточена масса m относительно оси ОХ (ОУ) называется величина

Подробнее

В.А. Смирнов, ОмГУПС, г. Омск, Россия. Сравнение проектных альтернатив при нескольких критериях предпочтений

В.А. Смирнов, ОмГУПС, г. Омск, Россия. Сравнение проектных альтернатив при нескольких критериях предпочтений УДК 69.4 В.А. Смирнов, ОмГУПС, г. Омск, Россия Сравнение проектных альтернатив при нескольких критериях предпочтений Ускоренная модернизация технологической инфраструктуры является первоочередной задачей

Подробнее

Коэффициент корреляции рангов Спирмена

Коэффициент корреляции рангов Спирмена Лекция 11. Методы измерения тесноты парной корреляционной связи. Часть Признаки могут быть представлены в количественных, порядковых и номинальных шкалах. В зависимости от того, по какой шкале представлены

Подробнее

Представление знаний правилами и логический вывод.

Представление знаний правилами и логический вывод. Представление знаний правилами и логический вывод. Лекция 7. Специальность : 230105 Введение. Определение. Модель представления знаний правилами вида ЕСЛИ-ТО (явление-реакция) называется продукционной.

Подробнее

Дискретная математика

Дискретная математика Дискретная математика ЛИТЕРАТУРА. Яблонский С.В. Введение в дискретную математику. - М.: Наука, 979. 2. Кузнецов О.П., Адельсон-Вельский Г.М. Дискретная математика для инженеров. М.: Энергоатомиздат, 988.

Подробнее

Построение рекурсивно-параллельных алгоритмов решения задач вычислительной геометрии на основе стратегии «распределяй и властвуй»

Построение рекурсивно-параллельных алгоритмов решения задач вычислительной геометрии на основе стратегии «распределяй и властвуй» Построение рекурсивно-параллельных алгоритмов решения задач вычислительной геометрии на основе стратегии «распределяй и властвуй» В.Н. Терещенко В работе рассматривается один из подходов построения эффективных

Подробнее

b) key[0...10]=[2,1,1,1,1,1,1,1,1,1], n = бит

b) key[0...10]=[2,1,1,1,1,1,1,1,1,1], n = бит Результаты тестирования генераторов псевдослучайных последовательностей, безопасных для конечного пользователя. 1. Как указано в предыдущих статьях, воздействие конечным пользователем на работу генераторов

Подробнее

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

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

Подробнее

ПРИМЕНЕНИЕ МЕТОДА КОМПЛЕКСНОЙ ОЦЕНКИ В ЗАДАЧАХ УПРАВЛЕНИЯ РАЗВИТИЕМ СИСТЕМЫ ВООРУЖЕНИЯ

ПРИМЕНЕНИЕ МЕТОДА КОМПЛЕКСНОЙ ОЦЕНКИ В ЗАДАЧАХ УПРАВЛЕНИЯ РАЗВИТИЕМ СИСТЕМЫ ВООРУЖЕНИЯ 5429 УДК 623 ПРИМЕНЕНИЕ МЕТОДА КОМПЛЕКСНОЙ ОЦЕНКИ В ЗАДАЧАХ УПРАВЛЕНИЯ РАЗВИТИЕМ СИСТЕМЫ ВООРУЖЕНИЯ А.А. Пьянков ФГБУ «46 Центральный научно-исследовательский институт» Минобороны России Россия, 129327,

Подробнее

Лабораторная работа 3 Оценки параметров распределения

Лабораторная работа 3 Оценки параметров распределения МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ ТОМСКИЙ ПОЛИТЕХНИЧЕСКИЙ

Подробнее

Задача построения расписания конфигураций с ограниченной глубиной узлов для беспроводных сенсорных сетей. Евгений Наградов

Задача построения расписания конфигураций с ограниченной глубиной узлов для беспроводных сенсорных сетей. Евгений Наградов Задача построения расписания конфигураций с ограниченной глубиной узлов для беспроводных сенсорных сетей Евгений Наградов Рассматриваемый класс беспроводных сенсорных сетей Ограничения задача сети передача

Подробнее

ПРИМЕР РЕШЕНИЯ ЗАДАЧИ ВЫБОРА ДИСЛОКАЦИИ СКЛАДА И ФОРМЫ ЕГО СОБСТВЕННОСТИ В.В. Дыбская Г.Л. Бродецкий Д.А. Гусев А.Б. Виноградов

ПРИМЕР РЕШЕНИЯ ЗАДАЧИ ВЫБОРА ДИСЛОКАЦИИ СКЛАДА И ФОРМЫ ЕГО СОБСТВЕННОСТИ В.В. Дыбская Г.Л. Бродецкий Д.А. Гусев А.Б. Виноградов ПРИМЕР РЕШЕНИЯ ЗАДАЧИ ВЫБОРА ДИСЛОКАЦИИ СКЛАДА И ФОРМЫ ЕГО СОБСТВЕННОСТИ В.В. Дыбская Г.Л. Бродецкий Д.А. Гусев А.Б. Виноградов Введение Бурное развитие логистики характерно тем, что при решении задач

Подробнее

Булеев А.И., начальник отдела ОАО «ИТКОР», к.т.н. Метод приоритетов как путь повышения качества консалтинговых услуг

Булеев А.И., начальник отдела ОАО «ИТКОР», к.т.н. Метод приоритетов как путь повышения качества консалтинговых услуг Булеев А.И., начальник отдела ОАО «ИТКОР», к.т.н. Метод приоритетов как путь повышения качества консалтинговых услуг Показана возможность использования метода приоритетов для снижения неопределенности

Подробнее

Новосибирский государственный университет, Новосибирск, Россия

Новосибирский государственный университет, Новосибирск, Россия i Лекции по Математической логике, часть 2 Профессор, член-корреспондент РАН С.С.Гончаров Новосибирский государственный университет, Новосибирск, Россия gonchar@math.nsc.ru L 1 Модели и алгебраические

Подробнее

Практическая работа 1. Тема: Графическое изображение графов.

Практическая работа 1. Тема: Графическое изображение графов. Практическая работа Тема: Графическое изображение графов. Цель: изучить основы теоретико-множественного и графического представлений графов, простейших свойств графов, получить практический навык задания

Подробнее

Лекция 6. Критерии согласия. Проверка независимости двух номинальных признаков

Лекция 6. Критерии согласия. Проверка независимости двух номинальных признаков Лекция 6. Критерии согласия. Проверка независимости двух номинальных признаков Буре В.М., Грауэр Л.В. ШАД Санкт-Петербург, 2013 Буре В.М., Грауэр Л.В. (ШАД) Критерии согласия... Санкт-Петербург, 2013 1

Подробнее

Введение в теорию расписаний

Введение в теорию расписаний Введение в теорию расписаний Рассматриваются два множества: M = {M 1, M 2,, M m } машины (станки, процессоры, бригады, ) J = {J 1, J 2,, J n } работы (задания, пакеты задач, ) Расписание указание, на каких

Подробнее

, то из теоремы 11 и определения компоненты следует, что H

, то из теоремы 11 и определения компоненты следует, что H Лекция 2 Тема: Свойства топологических пространств. Гомеоморфизм. Топологические многообразия. План лекции. Свойства топологических пространств: отделимость, компактность, связность. 2. Непрерывное отображение

Подробнее

ПРИКЛАДНАЯ ДИСКРЕТНАЯ МАТЕМАТИКА 2009 Вычислительные методы в дискретной математике 2(4) УДК 519.7, 519.17 РАЗРАБОТКА И ИССЛЕДОВАНИЕ ПАРАЛЛЕЛЬНЫХ КОМБИНАТОРНЫХ АЛГОРИТМОВ Н. Е. Тимошевская Томский государственный

Подробнее

МЕТОД ОЦЕНКИ ВЛИЯНИЯ ПРИЧИН ВОЗГОРАНИЯ НА ОБСТАНОВКУ С ПОЖАРАМИ НА ПРОМЫШЛЕННЫХ ПРЕДПРИЯТИЯХ РЕГИОНА В ИНТЕРЕСАХ ГОСУДАРСТВЕННОГО ПОЖАРНОГО НАДЗОРА

МЕТОД ОЦЕНКИ ВЛИЯНИЯ ПРИЧИН ВОЗГОРАНИЯ НА ОБСТАНОВКУ С ПОЖАРАМИ НА ПРОМЫШЛЕННЫХ ПРЕДПРИЯТИЯХ РЕГИОНА В ИНТЕРЕСАХ ГОСУДАРСТВЕННОГО ПОЖАРНОГО НАДЗОРА МЕТОД ОЦЕНКИ ВЛИЯНИЯ ПРИЧИН ВОЗГОРАНИЯ НА ОБСТАНОВКУ С ПОЖАРАМИ НА ПРОМЫШЛЕННЫХ ПРЕДПРИЯТИЯХ РЕГИОНА В ИНТЕРЕСАХ ГОСУДАРСТВЕННОГО ПОЖАРНОГО НАДЗОРА МВ Довиденко; АП Корольков; АГ Филиппов Санкт-Петербургский

Подробнее

Глава 5 РАСЧЕТ ТЕХНОЛОГИЧЕСКИХ РАЗМЕРНЫХ ЦЕПЕЙ

Глава 5 РАСЧЕТ ТЕХНОЛОГИЧЕСКИХ РАЗМЕРНЫХ ЦЕПЕЙ Глава 5 РАСЧЕТ ТЕХНОЛОГИЧЕСКИХ РАЗМЕРНЫХ ЦЕПЕЙ Существуют различные методики РАТП [8, 9]. В первой части этой главы излагаются основы размерного анализа технологических процессов по методике В.В. Матвеева

Подробнее

ГЛАВА 1. Проективная геометрия

ГЛАВА 1. Проективная геометрия ГЛАВА 1. Проективная геометрия 1.1. Проективное пространство Пусть дано (n + 1)-мерное векторное пространство V ( 6.1, часть I) и непустое множество P произвольной природы. Говорят, что множество P наделено

Подробнее

ЗАДАЧА ЛИНЕЙНОЙ ОПТИМИЗАЦИИ C ЧАСТИЧНО ЗАДАННОЙ ИНФОРМАЦИЕЙ Н.Ю. Таратынова. Введение. f(x) = (c, x) max

ЗАДАЧА ЛИНЕЙНОЙ ОПТИМИЗАЦИИ C ЧАСТИЧНО ЗАДАННОЙ ИНФОРМАЦИЕЙ Н.Ю. Таратынова. Введение. f(x) = (c, x) max ЗАДАЧА ЛИНЕЙНОЙ ОПТИМИЗАЦИИ C ЧАСТИЧНО ЗАДАННОЙ ИНФОРМАЦИЕЙ Н.Ю. Таратынова Черноморский Филиал Московского Государственного Университета, отделение прикладной математики ул. Гер.Севастополя, 7, г.севастополь,

Подробнее

лекции 2 4 Лекция. Матроиды

лекции 2 4 Лекция. Матроиды Матроиды пересечение матроидов лекции 2 4 1 Системой подмножеств S = ( E, I) называется пара конечное множество E вместе с семейством I подмножеств множества E, замкнутым относительно включения, т.е. если

Подробнее

Электронный журнал «Труды МАИ». Выпуск 72 www.mai.ru/science/trudy/ УДК 621.396.6 Метод количественных оценок технических состояний сложных систем Заковряшин А.И. Московский Авиационный Институт (национальный

Подробнее

ПЕНЗЕНСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ПРОГРАММА ВСТУПИТЕЛЬНОГОЭКЗАМЕНА ПО ИНФОРМАТИКЕ И ИКТ

ПЕНЗЕНСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ПРОГРАММА ВСТУПИТЕЛЬНОГОЭКЗАМЕНА ПО ИНФОРМАТИКЕ И ИКТ ПЕНЗЕНСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ПРОГРАММА ВСТУПИТЕЛЬНОГОЭКЗАМЕНА ПО ИНФОРМАТИКЕ И ИКТ Составитель: доцент кафедры «Вычислительная техника», к.т.н. Попов К.В. Пенза 2015 ПРОГРАММАВСТУПИТЕЛЬНОГОЭКЗАМЕНА

Подробнее

Ю.А. Григорьев, д-р техн. наук (Московский государственный технический университет им. Н.Э. Баумана)

Ю.А. Григорьев, д-р техн. наук (Московский государственный технический университет им. Н.Э. Баумана) Интеллектуальные системы 2002. 2(4) УДК 004.82:16 2002 г. Ю.А. Григорьев, д-р техн. наук (Московский государственный технический университет им. Н.Э. Баумана) ОБРАБОТКА НЕНАДЕЖНЫХ ЗНАНИЙ НА ОСНОВЕ НЕЧЕТКОЙ

Подробнее

ПОСТРОЕНИЕ ИНТЕГРАЛЬНЫХ ПОКАЗАТЕЛЕЙ ОЦЕНКИ РЕЗУЛЬТАТИВНОСТИ НАУЧНЫХ ПРОЕКТОВ. Алексей Петровский, Григорий Ройзензон, Игорь Тихонов

ПОСТРОЕНИЕ ИНТЕГРАЛЬНЫХ ПОКАЗАТЕЛЕЙ ОЦЕНКИ РЕЗУЛЬТАТИВНОСТИ НАУЧНЫХ ПРОЕКТОВ. Алексей Петровский, Григорий Ройзензон, Игорь Тихонов International Book Series "Information Science and Computing" 59 ПОСТРОЕНИЕ ИНТЕГРАЛЬНЫХ ПОКАЗАТЕЛЕЙ ОЦЕНКИ РЕЗУЛЬТАТИВНОСТИ НАУЧНЫХ ПРОЕКТОВ Алексей Петровский, Григорий Ройзензон, Игорь Тихонов Аннотация:

Подробнее

Тарелина А.В., Хорев П.Б.

Тарелина А.В., Хорев П.Б. Тарелина А.В., Хорев П.Б. УДК 519.767.4(075.8) МЕТОД ФИЛЬТРАЦИИ СПАМА НА ОСНОВЕ НЕЙРОСЕТЕВЫХ АЛГОРИТМОВ SOM И LVQ Аннотация. Исследуются возможности нейросетевых алгоритмов SOM и LVQ для задач фильтрации

Подробнее

ЛИТЕРАТУРА. Статья представлена к публикации членом редколлегии Е.Л. Ереминым.

ЛИТЕРАТУРА. Статья представлена к публикации членом редколлегии Е.Л. Ереминым. Техническая диагностика 00. (3 ЛИТЕРАТУРА. Биргер И.А. Техническая диагностика. М.: Машиностроение, 978.. Адаменко В.А., Дубровин В.И., Жеманюк П.Д., Субботин С.А. Диагностика лопаток авиадвигателей по

Подробнее

Рекомендуемая форма библиографической ссылки: Мошков М. Ю. Оценки сложности и алгоритмы

Рекомендуемая форма библиографической ссылки: Мошков М. Ю. Оценки сложности и алгоритмы ИПМ им. М.В. Келдыша РАН Электронная библиотека Математические вопросы кибернетики Выпуск 16 М. Ю. Мошков Оценки сложности и алгоритмы построения детерминированных условных тестов Рекомендуемая форма библиографической

Подробнее

СТРУКТУРНЫЙ СИНТЕЗ СИСТЕМ АВТОМАТИЗАЦИИ НА ОСНОВЕ ШАБЛОННЫХ СХЕМ

СТРУКТУРНЫЙ СИНТЕЗ СИСТЕМ АВТОМАТИЗАЦИИ НА ОСНОВЕ ШАБЛОННЫХ СХЕМ УДК 004.896 Н.Н. Филатова, А.Г. Требухин СТРУКТУРНЫЙ СИНТЕЗ СИСТЕМ АВТОМАТИЗАЦИИ НА ОСНОВЕ ШАБЛОННЫХ СХЕМ На современном этапе развития систем автоматизированного проектирования встает вопрос о необходимости

Подробнее

Искусственные нейронные сети

Искусственные нейронные сети Искусственные нейронные сети Искусственный нейрон Искусственный нейрон имитирует свойства биологического нейрона. x 1 x 2 w 1 u w Σ f(u) 2 y x n 1 w n w 0 блок суммирования входные сигналы веса функция

Подробнее

Электронный журнал «Труды МАИ». Выпуск 71 www.mai.ru/science/trudy/ УДК 05.13.12 Определение тандемной модели как базовой формы представления многоуровневых математических моделей при проектировании аэрокосмической

Подробнее

ПРИКЛАДНАЯ ДИСКРЕТНАЯ МАТЕМАТИКА. АЛГОРИТМ ТОЧНОГО РЕШЕНИЯ ДИСКРЕТНОЙ ЗАДАЧИ ВЕБЕРА ДЛЯ ПРОСТОГО ЦИКЛА Р. Э. Шангин

ПРИКЛАДНАЯ ДИСКРЕТНАЯ МАТЕМАТИКА. АЛГОРИТМ ТОЧНОГО РЕШЕНИЯ ДИСКРЕТНОЙ ЗАДАЧИ ВЕБЕРА ДЛЯ ПРОСТОГО ЦИКЛА Р. Э. Шангин ПРИКЛАДНАЯ ДИСКРЕТНАЯ МАТЕМАТИКА 2013 Вычислительные методы в дискретной математике 4(22) УДК 519.863 АЛГОРИТМ ТОЧНОГО РЕШЕНИЯ ДИСКРЕТНОЙ ЗАДАЧИ ВЕБЕРА ДЛЯ ПРОСТОГО ЦИКЛА Р. Э. Шангин Южно-Уральский государственный

Подробнее