И.Г. Сидоркина Системы инженерии знаний

Save this PDF as:
 WORD  PNG  TXT  JPG

Размер: px
Начинать показ со страницы:

Download "И.Г. Сидоркина Системы инженерии знаний"

Транскрипт

1 И.Г. Сидоркина Системы инженерии знаний Разрабатываемое информационное приложение соответствует технологии инженерии знаний, если решаемая с его помощью задача имеет следующие характеристики: 1) Задача должна решаться посредством манипуляции символами (т.е. с помощью символических рассуждений). 2) Задача должна иметь не алгоритмическую, а эвристическую природу, т.е. с помощью эвристик. Задачи, которые могут быть гарантировано, решены с помощью набора формальных процедур, не подходят для применения ЭС. 3) Задача должна быть достаточно сложной, чтобы ЭС могла ее решить (решение эксперта занимает часы, а не недели). 4) Задача должна быть достаточно узкой и практически значимой для решения ее по технологии инженерии знаний. Экспертная система (ЭС) - система, предназначенная для решения плохо формализуемых задач, для задач, у которых отсутствует алгоритм решения, для задач, алгоритм решения которых не известен; или обладает достаточно большой размерностью и используемых для работы в агрессивных средах. Система, в которой заложен опыт специалистов в заданной предметной области, представленный знаниями, которые сформулированы на естественном языке или легко взаимодействуют с естественным языком и реализованы с помощью правил. Экспертная система разрабатывается в том случае, если ее разработка, во-первых, необходима, во-вторых, оправдана и неоценима. Экспертные системы решают задачи из области NP. Основные назначения экспертных систем 1) Интерпретация процесс определения смысла данных, результаты которого должны быть согласованными и корректными. 2) Планирование заранее намеченный порядок, последовательность осуществления какойлибо программы, работы, проведения мероприятий. 3) Прогнозирование обоснованное описание последовательности событий, с возможностью обнаружения новых факторов. 4) Мониторинг - непрерывное оповещение о состоянии системы, приложения или процесса. 5) Проектирование процесс создания новой информации об объекте, системе (имеется возможность исключения профессионала из процесса проектирования). 6) Диагностика процесс распознавания состояния на основе имеющихся факторов 7) Обучение - обучение пользователя, а так же самообучение системы, как на этапе приобретения знаний, так и в процессе работы ЭС (пополнение базы знаний (БЗ) ЭС новыми цепочками вывода). 1. Приобретение знаний. Этапы разработки ЭС Приобретение знаний для системы представления знаний осуществляется от эксперта в заданной прикладной области, когнитологом (когнитолог - инженер по знаниям). Существует следующие способы приобретения знаний: Скачано с 1

2 Коммуникативные пассивные: наблюдение за работой эксперта; "мысли вслух", лекции. Коммуникативные активные: "Мозговой штурм", круглый стол, ролевые игры, опрос эксперта, интервьюирование, диалог. Текстологические: анализ учебников, литературы, документов. 2. Представление знаний. Формализация знаний о проблемной области 1) Описание проблемной информации. 2) Выделение фактов, правил, отношений для заданной проблемной области; 3) Идентификация знаний; 4) Разработка моделей представления знаний. 5)Определение неопределенности: вычисление коэффициентов неопределенности; использование вероятностных характеристик событий; учет логической необходимости и логической достаточности события и использование формулы Байеса; применение лингвистической переменной и переменной неопределенности; и др. 6) Разработка управляющей структуры ЭС Построение цепочки логических рассуждений, интерпретация фактов предметной области; определение стратегии поиска решений. 3. Реализация Практическая разработка ЭС с использованием выбранных инструментальных средств: традиционных языков программирования, языков обработки списков и процедурных языков, языка логического программирования, с использованием пустых оболочек и сред. Объединение технологии ЭС с технологией традиционного программирования добавляет новые качества к программным продуктам за счет: обеспечения динамичной модификации приложений пользователем, а не программистом, лучшей графики, интерфейса и организации взаимодействия. Различают два вида экспертных систем: 1) статические; Оценивается информация на основе постоянных и неизменных данных в базе данных и правил в базе знаний (знания могут добавляться, но не в процессе функционирования ЭС). 2) динамические; Ориентированы на работу с постоянно меняющейся информацией в информационной базе и в базе знаний системы (компонентом базы знаний является база данных). Архитектура экспертных систем 1. Статистическая эксплуатация системы (см. Рис. 1) 1- рабочая область памяти виртуальный блок 2- блок логического вывода - осуществляется сопоставление данных и знаний, но только тех, которые требуются в заданном промежутке времени; Скачано с 2

3 3- база знаний - правила логического вывода, не меняющиеся в заданном промежутке времени (для статических систем), представлены в установленных для системы формализмах (фреймах, семантических сетях, предикатах первого порядка). БЕЗ ДАННЫХ ЗНАНИЙ НЕ БЫВАЕТ! 4- база данных - содержит постоянные, не меняющиеся в заданном промежутке времени данные системы для активизации знаний из базы знаний; 5- блок приобретения знаний - предназначен для работы с экспертом и когнитологом при пополнении и приобретении знаний; 6- блок рекомендаций и комментариев; 7- интерфейс пользователя - для взаимодействия с пользователем, отображает состояние рабочей памяти; 8- блок проверки знаний на корректность и противоречивость. Рис. 1. Архитектура ЭС 9- автоматизированный режим работы информационного приложения; 10- интерактивный режим работы информационного приложения; 11- прикладное информационное приложение система; 2. Для динамической ЭС 12- система датчиков взаимодействия с естественной средой; 13- информационная база; Скачано с 3

4 Формализация знаний о проблемной области Описание проблемной информации начинается с представления всех объектов, классов, объединенных объектов и понятий, их определяющих. Для представления всей этой информации используется таксономия - таксономическая классификационная схема (Рис.2). В корне таксономической схемы лежит основное понятие, описывающее проблемную область. Основное понятие таксономической схемы не должно иметь предшествующих понятий. Моделирование узла S S S обозначение процессы отношения ds ds ds ds ds ds Определение Место работы должность ds ds E E E И Ф О de de Рис. 2. Таксономия Таксономическая схема (таксономия) определяет совокупность узлов подсетей и элементов. Дуги таксономической схемы имеют заданные значения S/E - определяют назначение текущего узла, как «является множеством»/«состоит из элементов». ds/de - определяют назначение узла «является подмножеством»/ «является элементом». Направление стрелок к корню. Каждая ветвь таксономической схемы может представлять собой самостоятельную таксономию в зависимости от детализации области представления информации. При этом в корень нового образующего дерева выбираются участвующие в экспертизе понятия. Скачано с 4

5 Модели представления знаний Основные модели: Фреймы; семантические сети, логические модели Основные виды отношений, используемых в моделях представления знаний: 1) каузальные: а) причина и следствие (в прямой цепочке логических рассуждений); б) следствие и причина (в обратной цепочке логических рассуждений); 2) логико-арифметические: а) арифметические; б) логические; 3) теоретико-множественные: а) отношение принадлежности - это часть целого или целое части; б) классификационные вид род быть подмножеством род вид супермножество 4) характеристические (присущие всем БД): а) атрибутивные иметь свойство быть свойством б) идентифицирующие быть именем иметь имя 5) квантифицирующие: а) иметь количественное значение; б) иметь лингвистическое значение; 6) динамические: а) изменить положение; б) изменить ориентацию (на 90 0 ); 7) временные: Фреймы Фрейм - структура данных для представления стереотипной ситуации. Фрейм определяется имением и совокупностью слотов. Слоты могут иметь различные значения и могут оставаться незаполненными для конкретной ситуации. Слоты определяют объекты, классы и утверждения. Значением слота может быть имя другого фрейма. Таким образом, фрейм может определять исходные состояния, например, состояние А и переход в новое состояние В на основе исходного описания с помощью фрейма А в новое состояние, описываемое фреймом В. Слоты фрейма, кроме декларативного и процедурного назначения, могут определяться принудительно следующим образом: слоты, которые приводят к выполнению действий в зависимости от полученных фреймом значений при сопоставлении, называются слотами -слугами; слоты, которые активизируются вне зависимости от значений других слотов, называются слотами-дьяволами. При использовании фреймового представления предполагается, что значения некоторых слотов фрейма заданы, а значения других слотов фрейма заполняются в соответствии с ситуацией. Использование фреймов можно сравнить с использованием процедур в традиционных языках программирования. Описание процедуры в программе представляет Скачано с 5

6 собой (соответствует) фрейм-прототип. Действие, выполняемое процедурой, соответствует понятию фрейма-реализация. Использование фреймов предполагает реализацию в информационной системе на основе объектно-ориентированного подхода, где классы объединяют в совокупности однотипных объектов. Объекты имеют свойства, характерные для данного класса. При построении иерархии классов устанавливается соответствие между классами и фреймами и характеристиками объектов со слотами. Родственные свойства объектов наследуются, то есть объект, находящийся на нижнем уровне классификации, имеет все свойства, присущие данному классу объектов. Свойства объектно-ориентированной технологии: 1) инкапсуляция - скрытие информации, то есть доступ к определенным значениям слотов осуществляется при появлении или отсутствии значений данных в слотахслугах и слотах-дьяволах; 2) полиморфизм - использование объектно-ориентированной технологии с определенно заданными методами, то есть методы доступа к информации определяются дополнительно; 3) наследование. В отличие от описания процедур в традиционных языках программирования использование фреймов осуществляется не только по имени, но и по состоянию фрейма, описывающему ситуацию. Что это дает? Мы можем получить модель состояния В, имея только часть информации о состоянии А. Все модели представления данных предназначены для воплощения в правилах логического вывода. Этот основное назначение модели. Модели в правилах реализуются утверждениями. Пример: Допустим, имеется фрейм А. ОПИСАНИЕ Нахождение в токсичной зоне. Описание для жизни. ЕСЛИ<потенц-я релев-ть> Запах ядовитого вещества. ЕСЛИ<истинная релев-ть> Нахождение в зоне источника токсичности. ТО<сообщение пользов-лю> <Не дышать>/<покинуть зону>. ТО включить в агенду <действия, указанные в экспертной системе>. Частота использования фрейма В : включение в агенту 945 использование при выводе 4 Фрейм-прототип при реализации утверждения включает понятие пространства утверждения. фрейм-реализация - это внешние ссылки пространства и настройка на конкретную ситуацию. Семантическая сеть 1. В традиционном понимании семантическая сеть - это конструкция двух основных компонентов- узлов и дуг. Скачано с 6

7 Узлы моделируют понятия предметной области, дуги - отношения между парой понятий. Пример: Петр работает Отдел (узел) (дуга) (узел) С помощью семантической сети можно промоделировать достаточно сложные отношения между различного рода понятиями, описывающими достаточно много состояний проблемной области. Пример семантической сети : имеет руководи является гараж Петр 1 т Петр 2 служащие работае т администрация находится является имеет возраст не имеет стоянка для машины имеет Таб. адрес имеет «Петрова 5» Рис. 3. Фрагмент семантической сети Отношения между объектами в семантической сети можно установить как «все со всеми», то есть каждый узел семантической сети может иметь отношение с каждым ее узлом. 2. Семантическую сеть можно представить в виде бинарного предиката, или в виде отношения с двумя аргументами ( работает(петр, отдел), в общем виде - работает(х,т)). Представить эту информацию можно в списковой структуре. 3. Кроме того, описание семантической сети можно представить в виде n - аргументного отношения между понятиями. При условии, что имя отношения будет иметь одно и то же значение. При реализации семантической сети в базе данных (БД) информация описывается в виде троек: объект, атрибут, значение (то, что присуще БД). Недостатки использования семантической сети: трудно реализуется свойство наследования между понятиями; сложность в реализации временных отношений между понятиями. Семантические сети используются в основном для представления декларативной информации. Основные компоненты данной модели Логические модели 1. Обработка фактов. Факт является основной единицей модели представления знаний. Скачано с 7

8 Факт - это отношение, которое представляет объект и совокупность свойств объекта или процедур, которые определяются аргументами. Отношение - это предикат. Аргументы в предикатах задаются константами или переменными. Пример: является (Петр, Х) живет (У, Новгород, Т) где Х, У, Т - переменные, которые определяют интерпретацию факта в утверждении. Аналогом утверждения в исчислении предикатов является понятие «высказывание». Высказывание - это элементарное утверждение для использования в сложном предложении. Правила формирования предикатов: каждый предикат имеет имя; каждый предикат обязательно имеет аргументы; количество аргументов предиката не ограниченно; последовательность аргументов в задании предиката определяется последовательностью их интерпретаций в заданной проблемной области, и последовательность заранее известна программисту и не меняется на протяжении всей программы. 2. Правила Простейшим видом утверждений в модели представления знаний являются правила. В общем смысле, правила - это сложные умозаключения или высказывания, которые формируются из простых с помощью соответствующих связок &(and), Ú (or), ~(not), (импликация). Связка импликация ( ) предназначена для формирования каузального отношения. Пример: 1) работает (Петр, IBM) оператор (Петр); 2) разработал (Петр. программа) ~ работает (программист) исправить (Петр, программа, вечером) Ú передать (программа, У). 3. Сложные правила Используют для утверждения истинности на основе фактов, заданных в исходных данных или на основе интерпретации значений переменных при доказательстве. Мерой истинности переменных, используемых при доказательстве правила или сложного высказывания являются кванторы. Замечание: между кванторами не допустимо использование связок. Связки используются только между высказываниями. 4.Утверждения На языке логики предикатов утверждения могут быть представлены: 1)правилами, используемыми для доказательства; 2)правилами вывода. Скачано с 8

9 Правила вывода - это сложные предложения, которые определяют новые правила и факты. Правила вывода предназначены для задания новых стратегий с использованием новых фактов. Различия между просто правилами и правилами вывода: Основные недостатки модели исчисления предикатов. Доказательство на языке логики предикатов происходит монотонно и аддитивно, то есть рассуждения с помощью описания их предикатами не соответствует мыслительной деятельности эксперта, например, аддитивность заключается в следующем, что добавление новых фактов, предназначенных для получения новых целей или вывода С не меняется (А С А,В С ) В языке логики предикатов монотонность определяет последовательное применение всех правил. В результате чего, какое-то из правил приведет к результату. Недостатки: Имеется возможность комбинаторного взрыва; отсутствует операционное варьирование правилами, то есть, какое правило должно использоваться в данный момент не зафиксировано. Организация логического вывода в экспертных системах Блок логического вывода в архитектуре экспертной системы предполагает наличие механизма использования правил для получения решений. Механизм применения правил - это управляющая структура. Процесс интерпретации фактов из рабочей области в правилах определяет логический вывод. На практике используются две цепочки логических рассуждений или их комбинация: 1) прямое доказательство или прямая цепочка логического вывода; Пример: Если $ (А), то $ (В); Если $ (В), то $ (С);... и так далее до получения К, где К цель (решение). 2) обратная цепочка логического рассуждения ; Пример: Требуется подтвердить факт D. $ (D), если $ (С) $ (С), если $ (В) $ (В), если $ (А) Скачано с 9

10 Стратегии поиска решений Стратегия поиска решений задается цепочкой логического вывода и управляющей структурой. Организация логического вывода в экспертной системе, опираясь на управляющую структуру, используют соответствующий механизм вывода. Механизм вывода в экспертной системе называют интерпретатором. Работа интерпретатора осуществляется на основе данных, описывающих ситуацию, и знаний в виде правил, которые предполагают при объединении получение решения. Используются правила для систем, основанных на правилах, модули для систем, основанных на сопоставлении с образцом. Этап выполнения интерпретации заключается в выполнении следующих действий: выборка, сопоставление, разрешение конфликтов, выполнение. Выборка осуществляется двумя фазами: 1) синтаксическая фаза выборки; 2) семантическая фаза выборки. Результат выборки - совокупность активных правил из базы знаний. Синтаксическая выборка - это грубое определение правила по состоянию рабочей области памяти и переход к семантической выборке, то есть к конкретизации правил. Семантическая выборка определяет соответствие выбранных правил, текущей цели или подцели для заданной предметной области. Отобранные правила переходят на стадию сопоставления, результатом которой является конфликтная совокупность правил. На этапе сопоставления выполняется означивание выбранных правил текущими данными. Получили совокупность конфликтных данных, которые означены данными и готовы к выполнению. Разрешение конфликтов - это этап интерпретации, которые в зависимости от принятой стратегии используемого метода или цепочки логического вывода(прямой/обратной) формирует агенду - список активных правил. После выбора агенды начинаем ее выполнять. Выполнение предполагает реализацию правил из последовательности правил или модуля при сопоставлении с образцом. Результатом выполнения является изменение состояния рабочей области, выполнения операций ввода/вывода, изменение состояния рабочей области памяти системы (рис.4). Рабочая область выборка сопоставление Разрешение конфликтов Выполнение 1.синтатич. 2.семантич => совокупность правил из Б.З. Конфликтная совокупность правил агенда Правила (последовательности правил) модули Рис.4 Скачано с 10

11 Память системы содержит сведения о всех сеансах интерпретации при поиске решения. Данная последовательность шагов (рис.4) может быть реализована в экспертных системах, реализованных в двух архитектурах: первая архитектура основана на управлении правилами; в ней рабочая область - это рабочая область(текущее состояние памяти), источник знаний - данные, агенда - совокупность конфликтующих в текущей ситуации правил, правила- все активные правила; вторая архитектура: правила- модули, источник знаний - классная доска, агенда - список конфликтующих правил, политические правила- правила для выполнения. В системах с архитектурой второго состояния рабочей области памяти сравнивается: 1) с данными, представленными на классной доске( в базе данных или информационной базе); 2) с сопоставленными образцами, представленными также в базе данных. В архитектуре второго состояния кроме правил, которые определяют принятие решений, используются общие правила (метаправила), которые позволяют увеличить эффективность функционирования системы в десятки раз. Если в первой архитектуре сформулированные правила могут быть прочитаны экспертом, даже не являющимся программистом, то во второй архитектуре метаправила могут быть прочитаны и использованы только программистом. Метаправила - это правила работы с правилами. Выбранный механизм обработки и структура метаправил являются наиболее общими и позволяют охватить при обработке больший объем данных, а последовательное применение частных правил в первой архитектуре может привести к росту базы знаний и из-за путаницы в частных правилах увеличивается база знаний, что приведет к неадекватным решениям. В традиционных языках программирования при вызове модуля или процедуры используется имя процедуры. При разработке экспертных систем выбор модуля (образца или правила) осуществляется на основе текущих правил. Классификация стратегий принятия решений при поиске в экспертной системе. 1. Локальная и глобальная классификации; локальная стратегия используется для частных правил, глобальная стратегия - для общих правил; 2. Скрытая и открытая; открытая стратегия позволяет вмешиваться в процесс поиска принятия решения, стратегия закрытая является жестко заданной для предметной области; 3. По форме принятия решения(рис.5): стратегия поиска принятия решения вглубь и поиска принятия решения вширь: Скачано с 11

12 Вглубь Вширь - факт Рис. 5 Классические стратегии Инструментальные средства разработки ЭС Классификация оболочек разработки ЭС [Э.В. Попов]. Тип 1. Статическая оболочка, то есть, предназначена для решения статических задач. Используемая технология - поверхностная; типы использования правил - только общие; поиск решения от цели к данным; для принятия решений используется индуктивный подход на основе текущих данных; решаемые задачи - только задачи анализа. Пример: 1-st Clas Элис Решения получаются на основе правил, заданных по имеющемся в системе шаблону. Тип 2. Статические оболочки, предназначенные для решения задач анализа и синтеза с разделением времени. Используемые технологии - поверхностная, глубинная, структурный подход; поиск решений - на основе правил, представленных в среде оболочки. Для работы с правилами используются функции; поиск решений - от цели к данным, а так же от данных к цели; поиск решений вглубь и вширь, выборочная, оценка лучших решений и др. Пример: KAPPA; Clips Nexpert; ADC; Тип 3. Оболочки для проектирования динамических систем. Используемая технология - поверхностный подход. Отсутствие системы моделирования; принятие решения - на основе правил общего вида. Возможность использования для статических задач. Скачано с 12

13 Пример: Frame work, NExpert. Тип 4. Оболочки для разработки динамических систем. Решение задач анализа и синтеза в реальном времени; тип технологии - смешанный; используемые правила общего и частного вида; наличие системы моделирования, приближенной к имитационному моделированию. Наличие планировщика решений, который повышает эффективность работы системы за счет совокупности имеющихся на текущий момент известных решений. Много включающих инструментальных средств. Пример: G2; Rethink (на основе G2); RkWorks; Традиционные языки программирования высокого уровня Язык обработки списков LISP. Работа формализма ориентирована на обработку функций. Управляющая структура языка LISP находит среди аргументов списка описание состояния объекта или ситуации и выполняет процедуру, включенную в этот список. Если процедура содержит список, то он сопоставляется с текущей ситуацией. Управляющая структура языка LISP ориентирована на сопоставление с образцом, а модель на исчисление предикатов. Управляющая структура - это механизм приложения правил в заданной модели с целью получения решений. Язык логического программирования PROLOG. Prolog реализует управляющую структуру в виде обратной цепочки логического вывода, то есть доказательство от противного. Этим частично исключается монотонность. Язык FORLOG. Глоссарий ЭС класс информационных систем, ориентированный на тиражирование опыта высококвалифицированных специалистов [Т.А. Гаврилова] БЗ совокупность структур данных (объекты, их классы, отношения, параметры, списки, массивы, рабочие пространства) и исполняемых утверждений (правила, процедуры, функции). Эвристика неформализованная процедура, сокращающая количество шагов поиска решений Когнитолог- инженер по знаниям Неопределенность информационная энтропия (физическая неопределенность, лингвистическая неопределенность, семантическая, синтаксическая, смысл слов, фраз и т.д) Таксономия- структура взаимосвязанных понятий проблемной области. Факт это отношение, которое представляет объект и совокупность свойств объекта или процедур, которые определяются аргументами Правила вывода это сложные предложения, которые определяют новые правила и факты. Правила вывода предназначены для задания новых стратегий с использованием новых фактов Скачано с 13

14 Агенда упорядоченный список правил, готовый к выполнению Управляющая структура механизм приложения правил Метаправила правила работы с правилами, используются для обнаружения ошибок в предметных правилах, настраивают предметных правил и функций Структурный подход часть задачи решается с помощью поиска. Целесообразно сочетать с поверхностной и (или) глубинной технологиями. Поверхностная технология заключается в приобретении от эксперта фрагментов знаний в виде эвристик. При этом не предполагается глубинного изучения проблемной области. Глубинная технология технология, позволяющая реализовать моделирующие возможности. Утверждения знания, задающие процедуры обработки Библиографический список Т.А. Гаврилова, В.Ф. Хорошевский Базы знаний интеллектуальных систем. Санкт-Петербург,-Питер г. Э.В. Попов, И.Б. Фоминых, Е.Б. Кисель, М.Д. Шапот Статические и динамические экспертные системы.- Москва, Финансы и статистика г. А.И. Башмаков, И.А.Башмаков Интеллектуальные информационные технологии. М.:МГТУ им. Н.Э. Баумана г. Скачано с 14

ТЕХНОЛОГИИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

ТЕХНОЛОГИИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ТЕХНОЛОГИИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА Лекция 5. Экспертные системы Продолжение Технологии ИИ 1 СЕМИОТИЧЕСКИЕ МОДЕЛИ Классические задачи управления. В их фундаменте лежит тезис о том, что нам известны: назначение

Подробнее

Построение экспертных систем.

Построение экспертных систем. Построение экспертных систем. Лекция 7. Специальности : 230105, 010501 Назначение экспертных систем. Под Экспертной Системой (ЭС) понимается программа (комплекс программ), моделирующая в некоторой степени

Подробнее

Аннотация к дисциплине «интелектуальные информационные системы»

Аннотация к дисциплине «интелектуальные информационные системы» Аннотация к дисциплине «интелектуальные информационные системы» 1. ЦЕЛИ И ЗАДАЧИ ДИСЦИПЛИНЫ 1.1. Цели дисциплины Цель преподавания дисциплины состоит в содействии формированию у обучающихся способности

Подробнее

Курс лекций «Введение в ИИ.». Часть I. От психофизиологической проблемы до экспертных систем. Лекция 8. Экспертные системы. Часть I.

Курс лекций «Введение в ИИ.». Часть I. От психофизиологической проблемы до экспертных систем. Лекция 8. Экспертные системы. Часть I. Курс лекций «Введение в ИИ.». Часть I. От психофизиологической проблемы до экспертных систем. Лекция 8. Экспертные системы. Часть I. О.Г. Чанышев Содержание 1 Введение 1 1.1 Назначение экспертных систем.............................

Подробнее

Экспертные системы. АХТП Лекция 13

Экспертные системы. АХТП Лекция 13 Экспертные системы АХТП Лекция 13 Экспертная система система для решения определенных задач, сводящихся к задаче выбора, для узкой предметной области, и основанная на использовании формализованных знаний

Подробнее

Интеллектуальные системы и технологии. Лекция 6 Представление знаний в виде правил-продукций

Интеллектуальные системы и технологии. Лекция 6 Представление знаний в виде правил-продукций Интеллектуальные системы и технологии Лекция 6 Представление знаний в виде правил-продукций Экспертные системы Правила (rules) для представления знаний появились с появлением экспертных систем (1969).

Подробнее

Интеллектуальные системы машиностроении

Интеллектуальные системы машиностроении Интеллектуальные системы машиностроении Лекция 2.1. Методы представления знаний. 1 Представление знаний в системах искусственного интеллекта Основной особенностью интеллектуальных систем является то, что

Подробнее

Модели данных. Старший преподаватель Каф. Процессов управления и информационной безопасности Пермского государственного университета Неверов А.В.

Модели данных. Старший преподаватель Каф. Процессов управления и информационной безопасности Пермского государственного университета Неверов А.В. Модели данных Старший преподаватель Каф. Процессов управления и информационной безопасности Пермского государственного университета Неверов А.В. Понятие модели данных Модель данных это абстрактное, самодостаточное,

Подробнее

Система моделирования и интеллектуализации задач принятия решений

Система моделирования и интеллектуализации задач принятия решений УДК 681.3.07 Система моделирования и интеллектуализации задач принятия решений З. Н. Русакова 1 1 МГТУ им. Н.Э. Баумана, Москва, 105005, Россия Рассмотрен программный инструментарий системы поддержки принятия

Подробнее

МОДЕЛИ РЕШЕНИЯ ФУНКЦИОНАЛЬНЫХ И ВЫЧИСЛИТЕЛЬНЫХ ЗАДАЧ Л Е К Т О Р А З А Р Ч Е Н К О В А. А.

МОДЕЛИ РЕШЕНИЯ ФУНКЦИОНАЛЬНЫХ И ВЫЧИСЛИТЕЛЬНЫХ ЗАДАЧ Л Е К Т О Р А З А Р Ч Е Н К О В А. А. МОДЕЛИ РЕШЕНИЯ ФУНКЦИОНАЛЬНЫХ И ВЫЧИСЛИТЕЛЬНЫХ ЗАДАЧ Л Е К Т О Р А З А Р Ч Е Н К О В А. А. ОСНОВНЫЕ ПОНЯТИЯ Задачи: вычислительные задачи - определение некоторой величины, функциональные задачи - создания

Подробнее

Инженерия знаний. Е.А.Богданова. Учебное пособие

Инженерия знаний. Е.А.Богданова. Учебное пособие ФЕДЕРАЛЬНОЕ АГЕНСТВО СВЯЗИ Федеральное государственное бюджетное образовательное учреждение высшего образования «ПОВОЛЖСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ТЕЛЕКОММУНИКАЦИЙ И ИНФОРМАТИКИ» Кафедра Экономических

Подробнее

Применение фреймовой модели знаний в системе поддержки принятия решений в чрезвычайных ситуациях «ЭСПЛА-ПРО»

Применение фреймовой модели знаний в системе поддержки принятия решений в чрезвычайных ситуациях «ЭСПЛА-ПРО» Применение фреймовой модели знаний в системе поддержки принятия решений в чрезвычайных ситуациях «ЭСПЛА-ПРО» Морозов Роман Институт вычислительного моделирования СО РАН (Красноярск), Россия e-mail: frozzen@krasn.ru

Подробнее

Глава 1. Информационные технологии и информационные процессы

Глава 1. Информационные технологии и информационные процессы Королькова А. В., Кулябов Д. С. Моделирование информационных процессов 3 Глава 1. Информационные технологии и информационные процессы В данном разделе изучается понятие технологии (в частности, информационной

Подробнее

/2000 СТРУКТУРНЫЙ МЕТОД АНАЛИЗА ИНФОРМАЦИОННЫХ СИСТЕМ ОБУЧЕНИЯ С НЕЧЕТКО ЗАДАННОЙ ЦЕЛЕВОЙ ФУНКЦИЕЙ

/2000 СТРУКТУРНЫЙ МЕТОД АНАЛИЗА ИНФОРМАЦИОННЫХ СИСТЕМ ОБУЧЕНИЯ С НЕЧЕТКО ЗАДАННОЙ ЦЕЛЕВОЙ ФУНКЦИЕЙ 102 1-2/2000 УДК 621.372-501.12.001 В.П.Шибнцкий СТРУКТУРНЫЙ МЕТОД АНАЛИЗА ИНФОРМАЦИОННЫХ СИСТЕМ ОБУЧЕНИЯ С НЕЧЕТКО ЗАДАННОЙ ЦЕЛЕВОЙ ФУНКЦИЕЙ Рассмотрены проблемные вопросы структурного анализа информационных

Подробнее

АВТОМАТИЗАЦИЯ АНАЛИЗА ФУНКЦИОНАЛЬНОЙ СТАБИЛЬНОСТИ КРИТИЧНЫХ ИНФОРМАЦИОННЫХ СИСТЕМ. Сундеев П.В. к. т. н. Краснодарский военный институт

АВТОМАТИЗАЦИЯ АНАЛИЗА ФУНКЦИОНАЛЬНОЙ СТАБИЛЬНОСТИ КРИТИЧНЫХ ИНФОРМАЦИОННЫХ СИСТЕМ. Сундеев П.В. к. т. н. Краснодарский военный институт УДК 681.3 АВТОМАТИЗАЦИЯ АНАЛИЗА ФУНКЦИОНАЛЬНОЙ СТАБИЛЬНОСТИ КРИТИЧНЫХ ИНФОРМАЦИОННЫХ СИСТЕМ Сундеев П.В. к. т. н. Краснодарский военный институт При создании и реконфигурации информационных систем, используемых

Подробнее

Карта курса «Методы и системы искусственного интеллекта» Данный курс посвящен рассмотрению базовых понятий методов и систем искусственного

Карта курса «Методы и системы искусственного интеллекта» Данный курс посвящен рассмотрению базовых понятий методов и систем искусственного Карта курса «Методы и системы искусственного интеллекта» Данный курс посвящен рассмотрению базовых понятий методов и систем искусственного интеллекта. В рамках курса рассматриваются основные понятия систем

Подробнее

Московский государственный технический университет имени Н.Э. Баумана. Факультет «Фундаментальные науки» Кафедра «Математическое моделирование»

Московский государственный технический университет имени Н.Э. Баумана. Факультет «Фундаментальные науки» Кафедра «Математическое моделирование» ÌÃÒÓ ÌÃÒÓ ÌÃÒÓ ÌÃÒÓ ÌÃÒÓ ÌÃÒÓ ÌÃÒÓ ÌÃÒÓ ÌÃÒÓ Московский государственный технический университет имени Н.Э. Баумана Факультет «Фундаментальные науки» Кафедра «Математическое моделирование» À.Í. Êàíàòíèêîâ

Подробнее

Информационные технологии. Лекция 2

Информационные технологии. Лекция 2 Информационные технологии Лекция 2 Информация, данные, знания информация есть отражение окружающего мира в человеческом сознании знания отличаются от сведений концептуальной направленностью, пониманием

Подробнее

Модели представления знаний в Интеллектуальных Системах. Лекция 11 (Часть 2). Представление знаний семантическими сетями.

Модели представления знаний в Интеллектуальных Системах. Лекция 11 (Часть 2). Представление знаний семантическими сетями. Модели представления знаний в Интеллектуальных Системах. Лекция 11 (Часть 2). Представление знаний семантическими сетями. Специальности : 230105, 010501 Понятие семантической сети. Определение. Под семантической

Подробнее

Ю.Ю. Якунин, А.А. Городилов. Алгоритмы расчета комплексных показателей в динамических структурах представления данных

Ю.Ю. Якунин, А.А. Городилов. Алгоритмы расчета комплексных показателей в динамических структурах представления данных УДК 519174, 519178, 51987 ЮЮ Якунин, АА Городилов Алгоритмы расчета комплексных показателей в динамических структурах представления данных В статье описываются алгоритмы расчета комплексных показателей

Подробнее

Тема 3. Возможности применения нечетких методов управления технологическими объектами. Основные термины. Архитектура нечеткого управления.

Тема 3. Возможности применения нечетких методов управления технологическими объектами. Основные термины. Архитектура нечеткого управления. Тема 3. Возможности применения нечетких методов управления технологическими объектами. Основные термины. Архитектура нечеткого управления. Нечеткая логика в задачах управления. Основы нечеткой логики:

Подробнее

О разработке инструментальных систем, ориентированных на решение информационно-логических задач

О разработке инструментальных систем, ориентированных на решение информационно-логических задач О разработке инструментальных систем, ориентированных на решение информационно-логических задач Р. Г. Бухараев, А. И. Еникеев, И. И. Макаров Практика использования вычислительных машин для автоматизации

Подробнее

Системы искусственного интеллекта

Системы искусственного интеллекта И. Г. Сидоркина Системы искусственного интеллекта Допущено УМО вузов по университетскому политехническому образованию в качестве учебного пособия для студентов высших учебных заведений, обучающихся по

Подробнее

2. Основные понятия информатики и информационно-коммуникационных технологий

2. Основные понятия информатики и информационно-коммуникационных технологий 1. Основные положения Настоящая программа состоит из двух разделов. В первом разделе перечислены основные понятия информатики и информационно-коммуникационных технологий, которыми должен владеть поступающий.

Подробнее

2. Основы имитационного моделирования модель субъективна гомоморфна, множества моделей адекватной материальные и идеальные

2. Основы имитационного моделирования модель субъективна гомоморфна, множества моделей адекватной материальные и идеальные 2. Основы имитационного моделирования 2.1. Понятие модели В настоящее время нельзя назвать область человеческой деятельности, в которой в той или иной степени не использовались бы методы моделирования.

Подробнее

Проблемы автоматизации образовательной деятельности

Проблемы автоматизации образовательной деятельности Educational Technology & Society7 (4) 2004 ISSN 1436-4522 Проблемы создания информационно обучающей среды С.М. Каратун 1, Н.А. Мосягина 2 1 Тюменский государственный нефтегазовый университет, Тюмень, Россия

Подробнее

«МОСКОВСКИЙ ИНФОРМАЦИОННО-ТЕХНОЛОГИЧЕСКИЙ УНИВЕРСИТЕТ МОСКОВСКИЙ АРХИТЕКТУРНО-СТРОИТЕЛЬНЫЙ ИНСТИТУТ»

«МОСКОВСКИЙ ИНФОРМАЦИОННО-ТЕХНОЛОГИЧЕСКИЙ УНИВЕРСИТЕТ МОСКОВСКИЙ АРХИТЕКТУРНО-СТРОИТЕЛЬНЫЙ ИНСТИТУТ» УТВЕРЖДАЮ 2016 г. Программа общеобразовательного вступительного испытания по ИНФОРМАТИКЕ и ИКТ для поступающих по направлениям подготовки высшего образования программам бакалавриата, программам специалитета

Подробнее

РАБОЧАЯ УЧЕБНАЯ ПРОГРАММА

РАБОЧАЯ УЧЕБНАЯ ПРОГРАММА МИНИСТЕРСТВО ЗДРАВООХРАНЕНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ Государственное бюджетное образовательное учреждение высшего профессионального образования «СЕВЕРНЫЙ ГОСУДАРСТВЕННЫЙ МЕДИЦИНСКИЙ УНИВЕРСИТЕТ» Министерства

Подробнее

М. А. Камынина, А. К. Канаев, Е. В. Опарин

М. А. Камынина, А. К. Канаев, Е. В. Опарин УДК 621.39 М. А. Камынина, А. К. Канаев, Е. В. Опарин ПОСТРОЕНИЕ ФРЕЙМОВОЙ МОДЕЛИ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ В ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЕ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ СИСТЕМЫ УПРАВЛЕНИЯ СЕТЬЮ ТАКТОВОЙ СЕТЕВОЙ СИНХРОНИЗАЦИИ

Подробнее

Занятие 1. ВВЕДЕНИЕ. ОСНОВНЫЕ ПОНЯТИЯ ТЕОРИИ МОДЕЛИРОВАНИЯ СИСТЕМ

Занятие 1. ВВЕДЕНИЕ. ОСНОВНЫЕ ПОНЯТИЯ ТЕОРИИ МОДЕЛИРОВАНИЯ СИСТЕМ Занятие 1. ВВЕДЕНИЕ. ОСНОВНЫЕ ПОНЯТИЯ ТЕОРИИ МОДЕЛИРОВАНИЯ СИСТЕМ МОДЕЛИРОВАНИЕ КАК МЕТОД НАУЧНОГО ПОЗНАНИЯ Методологическая основа моделирования. Все то, на что направлена человеческая деятельность, называется

Подробнее

8. ФОНД ОЦЕНОЧНЫХ СРЕДСТВ ДЛЯ ПРОВЕДЕНИЯ ПРОМЕЖУТОЧНОЙ АТТЕСТАЦИИ ОБУЧАЮЩИХСЯ ПО ДИСЦИПЛИНЕ (МОДУЛЮ)

8. ФОНД ОЦЕНОЧНЫХ СРЕДСТВ ДЛЯ ПРОВЕДЕНИЯ ПРОМЕЖУТОЧНОЙ АТТЕСТАЦИИ ОБУЧАЮЩИХСЯ ПО ДИСЦИПЛИНЕ (МОДУЛЮ) 8. ФОНД ОЦЕНОЧНЫХ СРЕДСТВ ДЛЯ ПРОВЕДЕНИЯ ПРОМЕЖУТОЧНОЙ АТТЕСТАЦИИ ОБУЧАЮЩИХСЯ ПО ДИСЦИПЛИНЕ (МОДУЛЮ) Информатики, вычислительной техники и 1. Кафедра информационной безопасности 09.03.02 «Информационные

Подробнее

1. Цели и задачи дисциплины

1. Цели и задачи дисциплины 1. Цели и задачи дисциплины 1.1. Цель дисциплины Дисциплина «Интеллектуальные информационные системы» относится к циклу «Специальные дисциплины». Целью данного курса является ознакомление студентов с основными

Подробнее

ИНФОРМАТИКА. Базовый уровень

ИНФОРМАТИКА. Базовый уровень ИНФОРМАТИКА Базовый уровень Изучение информатики и информационно-коммуникационных технологий на базовом уровне среднего (полного) общего образования направлено на достижение следующих целей : --------------------------------

Подробнее

Лекция 17 МЕТОДЫ ОБЕСПЕЧЕНИЯ ЦЕЛОСТНОСТИ БАЗ ДАННЫХ

Лекция 17 МЕТОДЫ ОБЕСПЕЧЕНИЯ ЦЕЛОСТНОСТИ БАЗ ДАННЫХ Учебная дисциплина «Базы данных и управление ими» для студентов специальности 050501.65 «Профессиональное обучение» Лекция 17 МЕТОДЫ ОБЕСПЕЧЕНИЯ ЦЕЛОСТНОСТИ БАЗ ДАННЫХ Учебные вопросы: 1. Понятие и классификация

Подробнее

ПРОГРАММА ВСТУПИТЕЛЬНОГО ИСПЫТАНИЯ ПО ИНФОРМАТИКЕ

ПРОГРАММА ВСТУПИТЕЛЬНОГО ИСПЫТАНИЯ ПО ИНФОРМАТИКЕ На вступительном испытании по информатике проверяется уровень подготовки абитуриентов. Программа экзамена составлена с учетом сформулированных в образовательном стандарте целей изучения предмета, а также

Подробнее

ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ГОРОДА МОСКВЫ СРЕДНЯЯ ОБЩЕОБРАЗОВАТЕЛЬНАЯ ШКОЛА 382 РАБОЧАЯ ПРОГРАММА ПО ИНФОРМАТИКЕ И ИКТ

ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ГОРОДА МОСКВЫ СРЕДНЯЯ ОБЩЕОБРАЗОВАТЕЛЬНАЯ ШКОЛА 382 РАБОЧАЯ ПРОГРАММА ПО ИНФОРМАТИКЕ И ИКТ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ГОРОДА МОСКВЫ СРЕДНЯЯ ОБЩЕОБРАЗОВАТЕЛЬНАЯ ШКОЛА 382 Рассмотрено на заседании МО Руководитель МО Н.В. Павленко Протокол от 2014г. СОГЛАСОВАНО Заместитель

Подробнее

МОДЕЛИРОВАНИЕ И ПРОЕКТИРОВАНИЕ ТЕХНОЛОГИЧЕСКИХ ПРОЦЕССОВ В СРЕДЕ PDM-СИСТЕМЫ В.В. Богданов, Д.Д. Куликов

МОДЕЛИРОВАНИЕ И ПРОЕКТИРОВАНИЕ ТЕХНОЛОГИЧЕСКИХ ПРОЦЕССОВ В СРЕДЕ PDM-СИСТЕМЫ В.В. Богданов, Д.Д. Куликов МОДЕЛИРОВАНИЕ И ПРОЕКТИРОВАНИЕ ТЕХНОЛОГИЧЕСКИХ ПРОЦЕССОВ В СРЕДЕ PDM-СИСТЕМЫ В.В. Богданов, Д.Д. Куликов В данной статье рассматриваются предложения по созданию методологии моделирования технологических

Подробнее

Кафедра: Информационные системы и радиотехника УП: _R.pli Стр. 1 МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РФ ФЕДЕРАЛЬНОЕ АГЕНСТВО ПО ОБРАЗОВАНИЮ

Кафедра: Информационные системы и радиотехника УП: _R.pli Стр. 1 МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РФ ФЕДЕРАЛЬНОЕ АГЕНСТВО ПО ОБРАЗОВАНИЮ Кафедра: Информационные системы и радиотехника УП:35100-5-5_R.pli Стр. 1 МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РФ ФЕДЕРАЛЬНОЕ АГЕНСТВО ПО ОБРАЗОВАНИЮ Южно-Российский государственный университет экономики и

Подробнее

Теория вычислительных процессов и структур. Лекция 4. Неразрешимые свойства стандартных схема

Теория вычислительных процессов и структур. Лекция 4. Неразрешимые свойства стандартных схема Теория вычислительных процессов и структур Лекция 4. Неразрешимые свойства стандартных схема Содержание лекции Предварительные сведения Функция и вычислимая функция Некоторые сведения о машине Тьюринга

Подробнее

ПРОГРАММНЫЙ МОДУЛЬ ПРЕДВАРИТЕЛЬНОЙ ОБРАБОТКИ ДАННЫХ ДЛЯ СИСТЕМ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ А. А. Мусаев, И. А. Барласов (Санкт-Петербург)

ПРОГРАММНЫЙ МОДУЛЬ ПРЕДВАРИТЕЛЬНОЙ ОБРАБОТКИ ДАННЫХ ДЛЯ СИСТЕМ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ А. А. Мусаев, И. А. Барласов (Санкт-Петербург) ПРОГРАММНЫЙ МОДУЛЬ ПРЕДВАРИТЕЛЬНОЙ ОБРАБОТКИ ДАННЫХ ДЛЯ СИСТЕМ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ А. А. Мусаев, И. А. Барласов (Санкт-Петербург) Применение средств оптимизации управления сложными динамическими

Подробнее

ПРОГРАММИРОВАНИЕ ВИРТУАЛЬНЫХ АРХИТЕКТУР И ОРГАНИЗАЦИЯ СТРУКТУРНО- ПРОЦЕДУРНЫХ ВЫЧИСЛЕНИЙ В МНОГОПРОЦЕССОРНЫХ СИСТЕМАХ С МАССОВЫМ ПАРАЛЛЕЛИЗМОМ 1

ПРОГРАММИРОВАНИЕ ВИРТУАЛЬНЫХ АРХИТЕКТУР И ОРГАНИЗАЦИЯ СТРУКТУРНО- ПРОЦЕДУРНЫХ ВЫЧИСЛЕНИЙ В МНОГОПРОЦЕССОРНЫХ СИСТЕМАХ С МАССОВЫМ ПАРАЛЛЕЛИЗМОМ 1 Каляев А.В. ПРОГРАММИРОВАНИЕ ВИРТУАЛЬНЫХ АРХИТЕКТУР И ОРГАНИЗАЦИЯ СТРУКТУРНО- ПРОЦЕДУРНЫХ ВЫЧИСЛЕНИЙ В МНОГОПРОЦЕССОРНЫХ СИСТЕМАХ С МАССОВЫМ ПАРАЛЛЕЛИЗМОМ 1 Аннотация НИИ многопроцессорных вычислительных

Подробнее

Тестовые задания по дисциплине ИИС Тема: 1. Искусственный интеллект

Тестовые задания по дисциплине ИИС Тема: 1. Искусственный интеллект Тестовые задания по дисциплине ИИС Тема: 1. Искусственный интеллект 1 вопрос: Искусственный интеллект это - [ ] направление, которое позволяет решать сложные математические задачи на языках программирования;

Подробнее

Аннотация программы учебной дисциплины «Методы исследования и моделирования информационных процессов и технологий»

Аннотация программы учебной дисциплины «Методы исследования и моделирования информационных процессов и технологий» Аннотация программы учебной дисциплины «Методы исследования и моделирования информационных процессов и технологий» Цель дисциплины: 1. ЦЕЛИ И ЗАДАЧИ ДИСЦИПЛИНЫ Дисциплина «Методы исследования и моделирования

Подробнее

УДК г. Л.Ю. Дейнега, Р.В. Дейнега, В.И. Дубровин, канд. техн. наук (Запорожский национальный технический университет)

УДК г. Л.Ю. Дейнега, Р.В. Дейнега, В.И. Дубровин, канд. техн. наук (Запорожский национальный технический университет) Интеллектуальные системы 2003. 2(6) УДК 681.518.5 2003 г. Л.Ю. Дейнега, Р.В. Дейнега, В.И. Дубровин, канд. техн. наук (Запорожский национальный технический университет) ВИЗУАЛИЗАЦИЯ ЗНАНИЙ В ЭКСПЕРТНЫХ

Подробнее

МІНІСТЕРСТВО ОСВІТИ І НАУКИ УКРАЇНИ ДЕРЖАВНИЙ ВИЩИЙ НАВЧАЛЬНИЙ ЗАКЛАД «ЗАПОРІЗЬКИЙ НАЦІОНАЛЬНИЙ УНІВЕРСИТЕТ»

МІНІСТЕРСТВО ОСВІТИ І НАУКИ УКРАЇНИ ДЕРЖАВНИЙ ВИЩИЙ НАВЧАЛЬНИЙ ЗАКЛАД «ЗАПОРІЗЬКИЙ НАЦІОНАЛЬНИЙ УНІВЕРСИТЕТ» ВАРІАНТ 1 1. Операторы описания типов данных, констант и пользовательских типов данных в системах программирования на языке BASIC и FORTRAN. 2. Написать программу поиска среднего значения элементов заданного

Подробнее

Рабочая программа учебного предмета «Информатика и ИКТ» 9 класс

Рабочая программа учебного предмета «Информатика и ИКТ» 9 класс Муниципальное бюджетное общеобразовательное учреждение средняя общеобразовательная школа 4 г. Балтийска Рабочая программа учебного предмета «Информатика и ИКТ» 9 класс Балтийск 2017 год 1. Пояснительная

Подробнее

УДК ДЕМЕНТЬЕВ Ю. М., ХАНИН Л. Б., ХАСИН Я. С. РАЗРАБОТКА ПРОТОТИПА ЭКСПЕРТНОЙ ОБУЧАЮЩЕЙ СИСТЕМЫ ПОДГОТОВКИ ОПЕРАТОРОВ ПУЛЬТОВЫХ ПРИБОРОВ

УДК ДЕМЕНТЬЕВ Ю. М., ХАНИН Л. Б., ХАСИН Я. С. РАЗРАБОТКА ПРОТОТИПА ЭКСПЕРТНОЙ ОБУЧАЮЩЕЙ СИСТЕМЫ ПОДГОТОВКИ ОПЕРАТОРОВ ПУЛЬТОВЫХ ПРИБОРОВ УДК 004.891 ДЕМЕНТЬЕВ Ю. М., ХАНИН Л. Б., ХАСИН Я. С. РАЗРАБОТКА ПРОТОТИПА ЭКСПЕРТНОЙ ОБУЧАЮЩЕЙ СИСТЕМЫ ПОДГОТОВКИ ОПЕРАТОРОВ ПУЛЬТОВЫХ ПРИБОРОВ Структурные изменения системы военного образования России

Подробнее

Основы математической логики и логического программирования. ЛЕКТОР: В.А. Захаров

Основы математической логики и логического программирования. ЛЕКТОР: В.А. Захаров Основы математической логики и логического программирования ЛЕКТОР: В.А. Захаров Лекция 17. Отрицание в логическом программировании. Оператор not. Встроенные предикаты и функции. Оператор вычисления значений.

Подробнее

Подсистема управления процессами и вычислениями ОГЛАВЛЕНИЕ

Подсистема управления процессами и вычислениями ОГЛАВЛЕНИЕ Приложение 4 Подсистема управления процессами и вычислениями ОГЛАВЛЕНИЕ 1. Общие сведения... 2 2. Моделирование состояний и рабочих процессов... 2 2.1. Управление списком групп состояний... 2 2.2. Создание

Подробнее

РАЗВИТИЕ АБСТРАКТНО-ЛОГИЧЕСКОГО МЫШЛЕНИЯ БУДУЩИХ УЧИТЕЛЕЙ ИНФОРМАТИКИ ПРИ ОБУЧЕНИИ ПРОГРАММИРОВАНИЮ НА ОСНОВЕ ИНТЕГРАЦИИ РАЗЛИЧНЫХ ПАРАДИГМ

РАЗВИТИЕ АБСТРАКТНО-ЛОГИЧЕСКОГО МЫШЛЕНИЯ БУДУЩИХ УЧИТЕЛЕЙ ИНФОРМАТИКИ ПРИ ОБУЧЕНИИ ПРОГРАММИРОВАНИЮ НА ОСНОВЕ ИНТЕГРАЦИИ РАЗЛИЧНЫХ ПАРАДИГМ ФИЛОЛОГИЯ И КУЛЬТУРА. PHILOLOGY AND CULTURE. 2012. 1(27) УДК 378.147 РАЗВИТИЕ АБСТРАКТНО-ЛОГИЧЕСКОГО МЫШЛЕНИЯ БУДУЩИХ УЧИТЕЛЕЙ ИНФОРМАТИКИ ПРИ ОБУЧЕНИИ ПРОГРАММИРОВАНИЮ НА ОСНОВЕ ИНТЕГРАЦИИ РАЗЛИЧНЫХ ПАРАДИГМ

Подробнее

ОДОБРЕНА Предметной (цикловой) комиссией по спец.дисциплинам. /Е.М.Грибкова/ Подпись Ф.И.О.

ОДОБРЕНА Предметной (цикловой) комиссией по спец.дисциплинам. /Е.М.Грибкова/ Подпись Ф.И.О. 1 ОДОБРЕНА Предметной (цикловой) комиссией по спец.дисциплинам Разработана на основе Федерального государственного образовательного стандарта по специальности среднего профессионального образования 3001

Подробнее

Основы математической логики и логического программирования

Основы математической логики и логического программирования Основы математической логики и логического программирования ЛЕКТОР: В.А. Захаров zakh@cs.msu.su http://mathcyb.cs.msu.su/courses/logprog.html Лекция 5. Полнота табличного вывода. Теорема Левенгейма-Сколема.

Подробнее

Программа вступительных испытаний. по информатике и информационно-коммуникационным технологиям

Программа вступительных испытаний. по информатике и информационно-коммуникационным технологиям Программа вступительных испытаний по информатике и информационно-коммуникационным технологиям САНКТ-ПЕТЕРБУРГ Раздел 1. Информатика и информация Информатика как наука и вид практической деятельности. Роль

Подробнее

Практическая работа 2 Таблицы истинности логических высказываний.

Практическая работа 2 Таблицы истинности логических высказываний. Практическая работа 2 Таблицы истинности логических высказываний. Цель работы: Построение таблиц истинности логических высказываний. Содержание работы: Основные понятия. 1 Логика наука о законах и формах

Подробнее

СОВРЕМЕННЫЕ МОДЕЛИ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ В ОБУЧАЮЩИХ СИСТЕМАХ

СОВРЕМЕННЫЕ МОДЕЛИ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ В ОБУЧАЮЩИХ СИСТЕМАХ УДК 004.424 СОВРЕМЕННЫЕ МОДЕЛИ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ В ОБУЧАЮЩИХ СИСТЕМАХ 2010 Е. С. Белоус 1, В. А. Кудинов 2, М. Э. Желнин 3 1 аспирант каф. программного обеспечения и администрирования информационных

Подробнее

Кафедра автоматизированных систем управления (АСУ) Структуры и алгоритмы обработки данных на ЭВМ

Кафедра автоматизированных систем управления (АСУ) Структуры и алгоритмы обработки данных на ЭВМ МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РФ Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «Томский государственный университет систем управления и радиоэлектроники»

Подробнее

Руководство администратора сайта поддержки образовательного процесса

Руководство администратора сайта поддержки образовательного процесса Лаборатория мониторинга и автоматизации образовательного процесса. Руководство администратора сайта поддержки образовательного процесса Редакция 3 от 18.12.15. Коротков Д.С., Жучок И.О. Включение/отключение

Подробнее

Федеральное агентство по образованию. Факультет информационных технологий Кафедра Систем информатики ПРОГРАММА

Федеральное агентство по образованию. Факультет информационных технологий Кафедра Систем информатики ПРОГРАММА Федеральное агентство по образованию Государственное образовательное учреждение высшего профессионального образования «Новосибирский государственный университет» (НГУ) Факультет информационных технологий

Подробнее

АННОТАЦИЯ. к рабочей программе дисциплины «Математические основы принятия решений»

АННОТАЦИЯ. к рабочей программе дисциплины «Математические основы принятия решений» АННОТАЦИЯ к рабочей программе дисциплины «Математические основы принятия решений» Направление подготовки (специальность) 38.03.04 Государственное и муниципальное управление 1. ЦЕЛИ И ЗАДАЧИ ДИСЦИПЛИНЫ

Подробнее

IDEF0-МОДЕЛЬ ПРОЦЕССОВ ФУНКЦИОНИРОВАНИЯ ТЕХНИЧЕСКОЙ СИСТЕМЫ Н. П. Кириллов (Санкт-Петербург)

IDEF0-МОДЕЛЬ ПРОЦЕССОВ ФУНКЦИОНИРОВАНИЯ ТЕХНИЧЕСКОЙ СИСТЕМЫ Н. П. Кириллов (Санкт-Петербург) IDEF0-МОДЕЛЬ ПРОЦЕССОВ ФУНКЦИОНИРОВАНИЯ ТЕХНИЧЕСКОЙ СИСТЕМЫ Н. П. Кириллов (Санкт-Петербург) Управление состояниями технических систем (ТС) невозможно без знания правил их функционирования (использования

Подробнее

Лекция 1 Введение в экспертные системы. Основные понятия.

Лекция 1 Введение в экспертные системы. Основные понятия. Лекция 1 Введение в экспертные системы. Основные понятия. 1 1. Понятие ЭС. 2. Базовые функции ЕС 3. История разработки экспертных систем 4 Состав и взаимодействие участников построения и эксплуатации экспертных

Подробнее

ПРИМЕРНАЯ ПРОГРАММА СРЕДНЕГО (ПОЛНОГО) ОБЩЕГО ОБРАЗОВАНИЯ ПО ИНФОРМАТИКЕ И ИНФОРМАЦИОННЫМ ТЕХНОЛОГИЯМ

ПРИМЕРНАЯ ПРОГРАММА СРЕДНЕГО (ПОЛНОГО) ОБЩЕГО ОБРАЗОВАНИЯ ПО ИНФОРМАТИКЕ И ИНФОРМАЦИОННЫМ ТЕХНОЛОГИЯМ ПРИМЕРНАЯ ПРОГРАММА СРЕДНЕГО (ПОЛНОГО) ОБЩЕГО ОБРАЗОВАНИЯ ПО ИНФОРМАТИКЕ И ИНФОРМАЦИОННЫМ ТЕХНОЛОГИЯМ Информация и информационные процессы Дискретизация и кодирование Дискретное (цифровое) представление

Подробнее

1 Цели и задачи дисциплины 2 Место дисциплины в структуре ООП

1 Цели и задачи дисциплины 2 Место дисциплины в структуре ООП 2 1 Цели и задачи дисциплины Дисциплина «Математическая логика и теория алгоритмов» раскрывает основные понятия и законы логики высказываний, логики предикатов, неклассических логик, необходимые для освоения

Подробнее

АВТОМАТИЗИРОВАННОЕ ИЗВЛЕЧЕНИЕ ЗНАНИЙ ИЗ РЕЛЯЦИОННЫХ БАЗ ДАННЫХ

АВТОМАТИЗИРОВАННОЕ ИЗВЛЕЧЕНИЕ ЗНАНИЙ ИЗ РЕЛЯЦИОННЫХ БАЗ ДАННЫХ Секция 7. Технологии и системы искусственного интеллекта 405 УДК 004.853 И.В. Бибиков, Р.Ю. Черевко, О.И.Федяев, И.Ю.Бондаренко Донецкий национальный технический университет, г. Донецк Кафедра прикладной

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

«Программирование (Pascal, Delphi)» 2

«Программирование (Pascal, Delphi)» 2 «Программирование (Pascal, Delphi)» 2 ПОЯСНИТЕЛЬНАЯ ЗАПИСКА Предлагаемая программа базируется на идеях системного анализа и использования для их реализации компьютерных технологий. Делается акцент на развитие

Подробнее

ПРОГРАММА ПРОФЕССИОНАЛЬНОЙ ПЕРЕПОДГОТОВКИ. Укрупненная группа специальностей Информатика и вычислительная техника

ПРОГРАММА ПРОФЕССИОНАЛЬНОЙ ПЕРЕПОДГОТОВКИ. Укрупненная группа специальностей Информатика и вычислительная техника МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ федеральное государственное автономное образовательное учреждение высшего профессионального образования НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ ЯДЕРНЫЙ УНИВЕРСИТЕТ

Подробнее

Рабочая программа по алгебре 7 класс

Рабочая программа по алгебре 7 класс Рабочая программа по алгебре 7 класс Рабочая программа по алгебре для 7 класса составлена в соответствии с положениями Федерального государственного образовательного стандарта основного общего образования

Подробнее

Математика. Алгебра. Геометрия

Математика. Алгебра. Геометрия Математика. Алгебра. Геометрия Изучение математики на ступени основного общего образования направлено на достижение следующих целей: Изучение математики на ступени основного общего образования направлено

Подробнее

ПРИЛОЖЕНИЕ 1 К ООП СОО МБОУ «КСОШ 5» РАБОЧАЯ ПРОГРАММА ПО ИНФОРМАТИКЕ классы год

ПРИЛОЖЕНИЕ 1 К ООП СОО МБОУ «КСОШ 5» РАБОЧАЯ ПРОГРАММА ПО ИНФОРМАТИКЕ классы год ПРИЛОЖЕНИЕ 1 К ООП СОО МБОУ «КСОШ 5» РАБОЧАЯ ПРОГРАММА ПО ИНФОРМАТИКЕ 10-11 классы 2016 год Рабочая программа по ИНФОРМАТИКЕ для 10-11 классов составлена на основе Федерального компонента государственного

Подробнее

ФОНД ОЦЕНОЧНЫХ СРЕДСТВ ДЛЯ ПРОВЕДЕНИЯ ПРОМЕЖУТОЧНОЙ АТТЕСТАЦИИ ОБУЧАЮЩИХСЯ ПО ДИСЦИПЛИНЕ (МОДУЛЮ)

ФОНД ОЦЕНОЧНЫХ СРЕДСТВ ДЛЯ ПРОВЕДЕНИЯ ПРОМЕЖУТОЧНОЙ АТТЕСТАЦИИ ОБУЧАЮЩИХСЯ ПО ДИСЦИПЛИНЕ (МОДУЛЮ) ФОНД ОЦЕНОЧНЫХ СРЕДСТВ ДЛЯ ПРОВЕДЕНИЯ ПРОМЕЖУТОЧНОЙ АТТЕСТАЦИИ ОБУЧАЮЩИХСЯ ПО ДИСЦИПЛИНЕ (МОДУЛЮ) Общие сведения 1. Кафедра 2. Направление подготовки 3. Дисциплина (модуль) Информатики, вычислительной

Подробнее

Алгебра. Программа. 9 класс

Алгебра. Программа. 9 класс Алгебра. Программа. 9 класс Пояснительная записка. Изучение математики на ступени основного общего образования направлено на достижение следующих целей: овладение системой математических знаний и умений,

Подробнее

Системы автоматизированного и дистанционного обучения

Системы автоматизированного и дистанционного обучения Системы автоматизированного и дистанционного обучения 119 Системы автоматизированного и дистанционного обучения УДК 656.25+681.5.09 Использование технологии гибридных экспертных систем и имитационных моделей

Подробнее

Направление подготовки (специальность) «Информационные системы и технологии» Профиль Информационные системы и технологии в строительстве

Направление подготовки (специальность) «Информационные системы и технологии» Профиль Информационные системы и технологии в строительстве Аннотация к дисциплине «Основы программирования и алгоритмизации» Направление подготовки (специальность) 09.03.02 «Информационные системы и технологии» Профиль Информационные системы и технологии в строительстве

Подробнее

ИМИТАЦИОННОЕ ТЕСТИРОВАНИЕ ЗНАНИЙ ПО ДИСЦИПЛИНАМ ВЫСШЕЙ МАТЕМАТИКИ

ИМИТАЦИОННОЕ ТЕСТИРОВАНИЕ ЗНАНИЙ ПО ДИСЦИПЛИНАМ ВЫСШЕЙ МАТЕМАТИКИ Г.Б. Сологуб ИМИТАЦИОННОЕ ТЕСТИРОВАНИЕ ЗНАНИЙ ПО ДИСЦИПЛИНАМ ВЫСШЕЙ МАТЕМАТИКИ В инженерном образовании, в том числе, при подготовке специалистов для аэрокосмической отрасли, осуществляется переход на

Подробнее

Дискретная математика. Конспект лекций. Оглавление. 2. Алгебра множеств.

Дискретная математика. Конспект лекций. Оглавление. 2. Алгебра множеств. Доля П.Г. Харьковский Национальный Университет механико математический факультет 014 г. Дискретная математика. Конспект лекций. Оглавление. Алгебра множеств..1 Понятие множества... 1. Операции над множествами...

Подробнее

Рабочая программа по предмету «Алгебра» 9 класс среднее общее образование (ФКГОС ООО)

Рабочая программа по предмету «Алгебра» 9 класс среднее общее образование (ФКГОС ООО) АВТОНОМНАЯ НЕКОММЕРЧЕСКАЯ ОБЩЕОБРАЗОВАТЕЛЬНАЯ ОРГАНИЗАЦИЯ «ШКОЛА СОСНЫ» УТВЕРЖДАЮ Директор И.П. Гурьянкина Приказ 8 от «29» августа 2017 г. Рабочая программа по предмету «Алгебра» 9 класс среднее общее

Подробнее

АННОТАЦИЯ РАБОЧЕЙ ПРОГРАММЫ

АННОТАЦИЯ РАБОЧЕЙ ПРОГРАММЫ МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «УФИМСКИЙ ГОСУДАРСТВЕННЫЙ АВИАЦИОННЫЙ ТЕХНИЧЕСКИЙ

Подробнее

Формирование познавательных УУД средствами УМК «Школа России» Подготовила: учитель I категории Чуева М.А. МАОУ СОШ 38 г. Томска

Формирование познавательных УУД средствами УМК «Школа России» Подготовила: учитель I категории Чуева М.А. МАОУ СОШ 38 г. Томска Формирование познавательных УУД средствами УМК «Школа России» Подготовила: учитель I категории Чуева М.А. МАОУ СОШ 38 г. Томска Познавательные универсальные учебные действия обеспечивают способность к

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 «Комсомольский-на-Амуре государственный технический университет»

Подробнее

УДК , АНАЛИЗ ВОЗМОЖНОСТЕЙ МЕТОДА ПРОГНОЗИРОВАНИЯ ПО ПРЕЦЕДЕНТАМ

УДК , АНАЛИЗ ВОЗМОЖНОСТЕЙ МЕТОДА ПРОГНОЗИРОВАНИЯ ПО ПРЕЦЕДЕНТАМ УДК 519.81, 00.8 АНАЛИЗ ВОЗМОЖНОСТЕЙ МЕТОДА ПРОГНОЗИРОВАНИЯ ПО ПРЕЦЕДЕНТАМ Свитина А.С., Иващенко А.Б. Донецкий национальный технический университет. Кафедра компьютерных систем мониторинга. E mail: svitina@inbox.ru

Подробнее

КАЗАНСКИЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ ИНСТИТУТ ВЫЧИСЛИТЕЛЬНОЙ МАТЕМАТИКИ И ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ

КАЗАНСКИЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ ИНСТИТУТ ВЫЧИСЛИТЕЛЬНОЙ МАТЕМАТИКИ И ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ КАЗАНСКИЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ ИНСТИТУТ ВЫЧИСЛИТЕЛЬНОЙ МАТЕМАТИКИ И ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ Кафедра системного анализа и информационных технологий А.М. ЮРИН ЭКСПЕРТНЫЕ СИСТЕМЫ Учебно-методическое

Подробнее

Лекция 21 Групповые системы принятия решений

Лекция 21 Групповые системы принятия решений Лекция 21 Групповые системы принятия решений Процесс принятия решения имеет тот же характер, что и процесс принятия управленческого решения. В нем можно выделить следующие этапы (рис. 4.1). I. Анализ проектной

Подробнее

анализ и фильтрация информации

анализ и фильтрация информации 6 Системный Системный анализ, поиск, анализ и фильтрация информации анализ, поиск, анализ и фильтрация информации Горохов А. В. Формальный синтез структуры имитационной модели (на примере синтеза системно-динамических

Подробнее

Рабочая программа учебного предмета «Алгебра» 9 класс, базовыйуровень

Рабочая программа учебного предмета «Алгебра» 9 класс, базовыйуровень Муниципальное бюджетное общеобразовательное учреждение средняя общеобразовательная школа 4 г. Балтийска Рабочая программа учебного предмета «Алгебра» 9 класс, базовыйуровень Балтийск 2017 год 1 1. Пояснительная

Подробнее

Планируемые результаты изучения информатики

Планируемые результаты изучения информатики Учебник: «Информатика. 8 класс» Авторы Босова Л.Л., Босова А.Ю. М.: «Бином», 2014 год Планируемые результаты изучения информатики Программа по предмету «Информатика» предназначена для изучения курса информатики

Подробнее

Лекция 1. Нечеткие множества как способы формализации нечеткости. Основные определения

Лекция 1. Нечеткие множества как способы формализации нечеткости. Основные определения Лекция 1. Нечеткие множества как способы формализации нечеткости В лекции формулируется определение нечеткого множества, описываются характеристики нечетких множеств. Приводится классификация нечетких

Подробнее

Математические методы верификации схем и программ

Математические методы верификации схем и программ Математические методы верификации схем и программ Лекторы: Захаров Владимир Анатольевич Подымов Владислав Васильевич e-mail рассказчика: valdus@yandex.ru Осень 2017 Лекция 2 Общие принципы дедуктивной

Подробнее

Оглавление Основные положения... 2 Классы одновременных событий... 7 Теорема А Теорема В Моделирующий алгоритм сканирующего типа...

Оглавление Основные положения... 2 Классы одновременных событий... 7 Теорема А Теорема В Моделирующий алгоритм сканирующего типа... Основные положения... 2 Классы одновременных событий... 7 Теорема А... 12 Теорема В... 12 Моделирующий алгоритм сканирующего типа... 12 Моделирующий алгоритм линейного типа... 18 Вопросы для самопроверки...

Подробнее

ПОСТРОЕНИЕ ЛЕКСИЧЕСКОГО И СИНТАКСИЧЕСКОГО АНАЛИЗАТОРОВ АВТОРЕФЕРАТ БАКАЛАВРСКОЙ РАБОТЫ

ПОСТРОЕНИЕ ЛЕКСИЧЕСКОГО И СИНТАКСИЧЕСКОГО АНАЛИЗАТОРОВ АВТОРЕФЕРАТ БАКАЛАВРСКОЙ РАБОТЫ Министерство образования и науки Российской Федерации ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ «САРАТОВСКИЙ НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ

Подробнее

Елизаров А.И. МЕТОДИЧЕСКИЕ РЕКОМЕНДАЦИИ К ЛАБОРТОРНЫМ ЗАНЯТИЯМ И САМОСТОЯТЕЛЬНОЙ РАБОТЕ По дисциплине «Технология разработки программного обеспечения»

Елизаров А.И. МЕТОДИЧЕСКИЕ РЕКОМЕНДАЦИИ К ЛАБОРТОРНЫМ ЗАНЯТИЯМ И САМОСТОЯТЕЛЬНОЙ РАБОТЕ По дисциплине «Технология разработки программного обеспечения» МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования Томский государственный университет систем управления

Подробнее

356 Секция 7. Технологии и системы искусственного интеллекта

356 Секция 7. Технологии и системы искусственного интеллекта 356 Секция 7. Технологии и системы искусственного интеллекта УДК 004.966 Гордеева К.В., Селякова С.М. Донецкий национальный технический университет кафедра системного анализа и моделирования E-mail: gordeeksu@yandex.ua

Подробнее

Информатика Информатика наука Предметом информатики Теоретическая информатика

Информатика Информатика наука Предметом информатики Теоретическая информатика Информатика Информатика устанавливает законы преобразования информации в условиях функционирования автоматизированных систем, разрабатывает методы еѐ алгоритмизации, формирования языковых средств общения

Подробнее

Рабочая программа базового курса «Информатика и ИКТ» для 10 классов составлена на основе следующих нормативных документов:

Рабочая программа базового курса «Информатика и ИКТ» для 10 классов составлена на основе следующих нормативных документов: Рабочая программа базового курса «Информатика и ИКТ» для 10 классов составлена на основе следующих нормативных документов: Федеральный компонент Государственного образовательного стандарта среднего (полного)

Подробнее

АЛГОРИТМИЧЕСКИЕ ПРОБЛЕМЫ ИСЧИСЛЕНИЯ ПРЕДИКАТОВ И МЕТОДИКА ИХ ИЗУЧЕНИЯ. множестве М понимается отображение ϕ: σ P М, посредством которого каж-

АЛГОРИТМИЧЕСКИЕ ПРОБЛЕМЫ ИСЧИСЛЕНИЯ ПРЕДИКАТОВ И МЕТОДИКА ИХ ИЗУЧЕНИЯ. множестве М понимается отображение ϕ: σ P М, посредством которого каж- УДК 378.46:5 Б. Н. Дроботун œ ÎÓ рòíëè ÓÒÛ рòú ÂÌÌ È ÛÌË ÂрÒËÚÂÚ ËÏ.. Óр È рó ÛÎ. ÀÓÏÓ, 64, œ ÎÓ р, 40008, Á ıòú Ì -mal: moorg psu@mal.ru АЛГОРИТМИЧЕСКИЕ ПРОБЛЕМЫ ИСЧИСЛЕНИЯ ПРЕДИКАТОВ И МЕТОДИКА ИХ ИЗУЧЕНИЯ

Подробнее

Рабочая программа учебного предмета «Алгебра» 7 класс, базовый уровень

Рабочая программа учебного предмета «Алгебра» 7 класс, базовый уровень Муниципальное бюджетное общеобразовательное учреждение средняя общеобразовательная школа 4 г. Балтийска Рабочая программа учебного предмета «Алгебра» 7 класс, базовый уровень Балтийск 2017 год 1 1. Пояснительная

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