Аннотация: Целью работы является разработка машино-читаемого словаря (онтологии) для описания области применения и особенностей реализации программных систем, использующих элементы крауд-вычислений (систем обработки информации, включающих операции, выполняемые людьми, взаимодействие с которыми происходит посредством Интернет). Онтология позволит применять элементы семантического поиска для работы с научно-технической информацией в этой относительно новой, но активно развивающейся области исследований, что, в конечном счете, должно способствовать повышению уровня организации исследований в ней. Построение онтологии производится методом «сверху-вниз» на основе анализа существующих концептуализаций в области человеко-машинных вычислений, описанных в наиболее часто цитируемых обзорных публикациях, проиндексированных в библиографической базе данных Scopus. В результате сформирована онтология CROSS-ODF, позволяющая описать четыре основные характеристики приложений, использующих элементы крауд-вычислений: 1) особенности задачи, для решения которой создано приложение; 2) характеристики заданий, формируемых системой участникам; 3) свойства вклада участников; 4) специфические механизмы по привлечению участников и обработке результатов. Сформированная онтология записана на языке OWL 2 и опубликована в открытом доступе. Разработанная онтология может быть использована в системах поддержки научных исследований для упрощения поиска систем крауд-вычислений, обладающих определенными характеристиками и экспериментальных результатов использования таких систем.

Ключевые слова: Крауд-вычисления, Краудсорсинг, Онтологии, Семантические технологии, Человеко-машинные системы, Автоматизация исследований, Семантический Веб, OWL, Коллективный интеллект, Семантический поиск

Библиография:
Wechsler D. Crowdsourcing as a method of transdisciplinary research-Tapping the full potential of participants // Futures. Elsevier Ltd, 2014. Vol. 60. P. 14–22.
Baev V., Sablok G., Minkov I. Next generation sequencing crowd sourcing at BIOCOMP: What promises it holds for us in future? // J. Comput. Sci. Elsevier B.V., 2014. Vol. 5, №
P. 325–326. 3.Ye H. (Jonathan), Kankanhalli A. Investigating the antecedents of organizational task crowdsourcing // Inf. Manag. Elsevier B.V., 2015. Vol. 52, № 1. P. 98–110.
Fraternali P. et al. Putting humans in the loop: Social computing for Water Resources Management // Environ. Model. Softw. Elsevier Ltd, 2012. Vol. 37. P. 68–77.
Nunes A. a., Galvão T., Cunha J.F.E. Urban Public Transport Service Co-creation: Leveraging Passenger’s Knowledge to Enhance Travel Experience // Procedia-Soc. Behav. Sci. Elsevier B.V., 2014. Vol. 111. P. 577–585.
Hetmank L. A Lightweight Ontology for Enterprise Crowdsourcing // Ecis. 2014. № section 4. P. Paper 886.
Thuan

Аннотация: Цель исследования состоит в предложении метода и прикладных технологий, позволяющих уменьшить время адаптации конкретных баз знаний и экспертных систем друг к другу. Дана оценка текущей архитектурной реализации связи экспертных систем и баз знаний, рассмотрены недостатки — основным недостатком является необходимость переписывать слой сопряжения экспертной системы и базы знаний при любом изменении в протоколе обмена данными между ними, поставлена цель — снизить связность экспертной системы и базы знаний. Архитектура, основанная на слабой связи модулей в системе обширно применяется в других областях. Методами исследования являются методы программной инженерии, дескрипционной логики, инженерии знаний и численные методы. Реализация обслуживающего слоя проводится, исходя из требований к реализации клиент-серверных приложений. Сделано предположение о возможности использования слоя-посредника (обслуживающего слоя), обоснована новизна и эффективность данного подхода. Проведён анализ технологий, позволяющих абстрагироваться от формата данных, предоставляемых базой знаний. Принято решение использовать технологию GraphQL для обмена данными, а промежуточный слой реализовать в виде сервера (в терминах клиент-серверной архитектуры). Отмечается конкретное применение предложенного решения для экспертной системы экологической нагрузки города Волгограда. Внедрение обслуживающего слоя позволило облегчить взаимную адаптацию экспертных систем и баз знаний, уменьшило связность компонентов. В качестве работы на будущее предлагается внедрить в обслуживающий слой компонент для управления доступом и компонент для обслуживания неограниченного круга лиц, например, для предоставления данных об экологической нагрузке населению.

Ключевые слова: онтология, экспертная система, база знаний, архитектура слабосвязанных модулей, клиент-серверная архитектура, GraphQL, REST API, SOAP, OWL-обёртки, Пролог

Библиография:
Санжапов Б.Х. Разработка процесса унификации представления данных результатов экологического мониторинга атмосферного воздуха // Санжапов Б.Х., Молодцова С.В., Рашевский Н.М., Синицын А.А // Известия ВолгГТУ. Сер. Актуальные проблемы управления, вычислительной техники и информатики в технических системах. 2017. № 8 (203). C. 78-81.
Adamusiak T. et al. OntoCAT — simple ontology search and integration in Java, R and REST/JavaScript. BMC Bioinformatics journal. 2011. №12. С. 218-230.
Санжапов Б. Х. Разработка онтологической модели экологической нагрузки города Волгограда [Электронный ресурс] // Санжапов Б. Х., Рясков А.С. // Интернет-вестник ВолгГАСУ. Сер.: Строительная информатика. 2014. Вып. 12(36). Ст. 3. URL: http://vestnik.vgasu.ru/attachments/3SanzhapovRyaskov-2014_12(36).pdf (дата обращения 6.03.2018)
Grévisse C., Botev J., Rothkugel S. An Extensible and Lightweight Modular Ontology for Programming Education. Advances in Computing. Materials of the Colombian Conference on Computing. Cali, C

Аннотация: Пользовательский интерфейс - это неотъемлемая часть программного обеспечения. Чтобы сделать его использование проще для пользователя при работе с текущей задачей, его необходимо постоянно оптимизировать и упрощать.
Эта статья посвящена разработке адаптивных пользовательских интерфейсов. Целью которых является облегчение взаимодействия оператора с системой. Знания о пользователе, контексте ситуации и возможностях устройства позволяют таким системам подстраиваться под нужды каждого индивидуума, чтобы сделать взаимодействие более простым, удобным, индивидуальным для каждого пользователя. Данные о различных характеристиках пользователя имеют жизненно важное значение для достижения основных целей таких систем. Для поиска подходящего решения были применены методы системного анализа, синтеза и абстрагирования. В результате введения дополнительного метауровня при оперировании данными был синтезирован новый алгоритм построения адаптивных интерфейсов. Для того, чтобы собрать знания, были разработаны несколько формальных моделей, необходимых для организации и осмысления собранной информации. Эта статья анализирует несколько решений, представленных в литературе, о моделировании пользователей, контекста и знаний с учетом различных подходов. В статье определяются их преимущества и недостатки, наконец предложена собственная онтологическая модель, которая обходит описанные ограничения.

Ключевые слова: онтологии, свойства пользователей, остроение модели пользователя, метауровень данных, ластеризация пользователей, адаптация иерархичных интерфейсов, адаптивные интерфейсы, определение контекста, адаптивный интерфейс, стереотипная адаптация

Библиография:
Kobsa, A., & Pohl, W. (1994). The user modeling shell system BGP-MS. User Modeling and User-Adapted Interaction, 4, p 59–106.
Шумкина, В. В. АЛГОРИТМ АВТОМАТИЧЕСКОЙ АДАПТАЦИИ ДРЕВОВИДНЫХ ПОЛЬЗОВАТЕЛЬСКИХ ИНТЕРФЕЙСОВ.// Альманах современной науки и образования 2013. № 6 (73). C. 194-196
Морозов И. С. Алгоритм автоматической адаптации интерфейса мобильных USSD-сервисов // Альманах современной науки и образования. 2015. №8 (98). C. 82-85
Gauch, S., Chaffee, J., & Pretschner, A. (2003). Ontology-based personalized search and browsing. Web Intelligence and Agent Systems, 1, p. 219–234.
Razmerita, L., Angehrn, A., & Maedche, A. (2003). Ontology-based user modeling for knowledge management systems. In User modeling 2003 (pp. 213–217). Berlin, Germany: Springer.
Golemati, M., Katifori, A., Vassilakis, C., Lepouras, G., & Halatsis, C. (2007, April). Creating an ontology for the user profile: Method and applications. Proceedings of the First RCIS Conference, p. 407–412
McAvoy, L. M., Chen, L., & Donn

Аннотация: Объектом исследования данной работы является предметная область, представляющая собой прецедентную зависимость между объектами и их характеристиками используемую при решения задач распознавания образов.
Интеллектуальный анализ данных является одним из необходимых этапов решения плохо формализованных задач, поэтому во многих случаях от метода построения баз знаний, их анализа и минимизации зависит точность решения поставленной задачи. Разработка общих формальных методов для выявления логических закономерностей в любой заданной предметной области представляется весьма актуальной проблемой, так как предоставляет возможность формирования оптимальных баз знаний, что существенно упрощает решение и улучшает его качество. В данной работе для анализа и минимизации баз знаний используется аппарат дифференцирования булевых функций, который являются направлениями современной дискретной математики и находят свое применение в задачах динамического анализа и синтеза дискретных цифровых структур. Основными результатами проведенного исследования являются построенная логическая функция, анализирующая зависимость между объектами и характеризующими их признаками, представляющая возможность выявить все закономерности данной предметной области; а также метод минимизации баз знаний, полученных на основе логического анализа данных, выявляющий минимальный набор решающих правил, достаточным для решения поставленной задачи.

Ключевые слова: булева функция, логическая операция, база знаний, решающее правило, предметная область, булева производная, аксиомы, конъюкция, дизъюнкция, сложная функция

Библиография:
Лютикова Л. А., Шматова Е. В. Анализ и синтез алгоритмов распознавания образов с использованием переменно-значной логики // "Информационные технологии". Том 22. №4. 2016. С. 292—297.
Бохманн Д., Станкович Р.С., Тошич Ж., Шмерко В.П., Янушкевич С.Н. Логическое дифференциальное исчисление: достижения, тенденции и приложения Автоматика и телемеханика, 2000, № 6, С. 156–170; Autom. Remote Control, 61:6 (2000), Р. 1033–1047.
Дюкова Е.В., Журавлев Ю.И., Прокофьев П.А. Методы повышения эффективности логических корректоров // Машинное обучение и анализ данных. 2015. Т. 1. № 11. С. 1555-1583.
Лютикова Л. А. Исследование систем булевых функций логическими интегро-дифференциальными методами // Материали за 6 Международна научна практична конференция «Найновите постижения на европейской наука-2011». София. Т. 37. С. 31-38.
Чернов А. В. Развитие аппарата логического дифференциального исчисления в применении к задачам проектирования и диагностики телекоммуникационных систем // Научно-технические ведомости СпБГ

Аннотация: В настоящей работе предметом исследования являются логические алгоритмы распознавания и диагностики, предназначенные для функционирования в слабоформализуемых областях знаний. К подобным алгоритмам можно отнести деревья направленного поиска и логические нейронные сети. Предлагаемая реализация логического алгоритма поиска объектов в рамках заданной предметной области, наиболее полно отвечающих некоторому множеству свойств, основана на применении логических функций, построенных при помощи переменнозначных предикатов. Представление обучающей выборки в виде переменнозначной логической функции позволяет не только устранить избыточность в описании объектов, но и построить все возможные классы объектов по всем признакам, а также, при помощи построенных функций выявить скрытые закономерности в рассматриваемой предметной области.
Основой для построения переменнозначных логических функций является совокупность продукционных правил, каждое из которых содержит как набор свойств, так и определяемый ими объект. Объединение и оптимизация правил производится при помощи логических операций. Научная новизна настоящей работы заключается в следующем:
предложен подход извлечения знаний из начальных баз данных, содержащих информацию о свойствах анализируемых объектов при помощи переменнозначных предикатов; предложен метод получения всевозможных классов структур телекоммуникационных сетей, позволяющий выявить дополнительные свойства и осуществить интеллектуальный выбор искомой топологии.

Ключевые слова: машинное обучения, предметная область, анализ данных, логические алгоритмы, обучающая выборка, импликация, конъюнкция, дизъюнкция, переменнозначный предикат, логическая функция

Библиография:
Мальшаков Г.В., Мальшаков В.Д. Методика нормализации алфавита поиска для повышения качества идентификации сущностей по частотным характеристикам их данных // Программные системы и вычислительные методы. - 2015. - 4. - C. 407 - 413. DOI: 10.7256/2305-6061.2015.4.17813.
Лютикова Л.А., Тимофеев А.В., Сгурев В.В., Йоцов В.И Развитие и применение многозначных логик и сетевых потоков в интеллектуальных системах// Труды СПИИРАН, вып. 2, 2005. С. 114–126.
Лютикова Л.А. Моделирование и минимизация баз знаний в терминах многозначной логики предикатов. Нальчик. Препринт, 2006. 33 с.
Димитриченко Д.П., Тимофеев А.В. Многокритериальная оценка сетевых топологических структур для моделирования и проектирования GRID-СИСТЕМ // Труды СПИИРАН. Н 10. СПБ.: Наука. 2009. С. 193-212.
В.В. Голенков, Д.В. Шушкевич, И.Т. Давыденко Cемантическая технология проектирования интеллектуальных решателей задач на основе агентно-ориентированного подхода // Программные системы и вычислительные методы. - 2013. - 1. - C. 82 - 94. DO

Аннотация: Предметом обзора являются проблемные вопросы и современное состояние исследований в области когнитивных биоинспирированных алгоритмов оптимизации. Среди множества проблем, которые возникают перед исследователями, как в области теории, так и в многочисленных практических приложениях значительную долю составляют оптимизационные проблемы. Для некоторых из них решение невозможно найти без полного перебора вариантов. Однако размерности этих задач таковы, что реализация перебора вариантов практически невозможна из-за чрезвычайно больших временных затрат. Альтернативным походом к решению этих задач является применение методов, базирующихся на методологии когнитивных биоинспирированных алгоритмов. После того как компьютерные системы стали достаточно быстродействующими и недорогими, биоинспирированные алгоритмы превратились в важный инструмент поиска близких к оптимальным решений задач, которые до этого считались неразрешимыми. Методологической и теоретической основой обзорного исследования являлись положения теории искусственного интеллекта и биоинспирированных вычислений, теории принятия решений и методов оптимизации. Обзор содержит перечень мировых научных школ и ученых, внесших значительный вклад в разработку когнитивных биоинспирированных алгоритмов, а также краткое описание классификации, терминологии и библиотек биоинспирированных алгоритмов. Представлен классический результат в теории когнитивных биоинспирированных алгоритмов – теорема Холланда и NFL-теорема. Анализируются закономерности, основные элементы и структура когнитивных биоинспирированных вычислений, вопросы представления (кодирования) решений, базовый цикл биоинспирированных алгоритмов, расширение когнитивных возможностей операторов биоинспирированных алгоритмов, а также перспективное направление в анализе времени работы когнитивных биоинспирированных алгоритмов - анализ дрейфа.

Ключевые слова: когнитивный биоинспирированный алгоритм, метаэвристика, оптимизация, эволюционные вычисления, эволюционный оператор, NFL-теорема, анализ дрейфа, функция приспособленности, моделирование, программирование

Библиография:
Wall M. GAlib – A C++ library of genetic algorithm components [электронный ресурс]: информационный портал – режим доступа http://lancet.mit.edu/ga/
Blum C., Roli A. Metaheuristics in combinatorial optimization: overview and conceptual comparison // ACM computing surveys. – 2003. – No. 35 (3). – P. 268–308.
Dorigo M., et. A survey on metaheuristics for stochastic combinatorial optimization // Int. jour. natural computing. – 2009. – No. 8 (2). – P. 239–287.
Rodzin S. Smart dispatching and metaheuristic swarm flow algorithm // Jour. of computer and systems sciences international. – 2014. – vol. 53. – No. 1. – P. 109–115.
Ergezer M., Sikder I. Survey of oppositional algorithms // Proc. of int. conf. on computer and information technology, Dhaka, Bangladesh, 2011. – Р. 623–628.
Курейчик В.В., Курейчик В.М., Родзин С.И. Теория эволюционных вычислений. – М.: Физматлит, 2012. – 260 с.
Qin A.K., Forbes F. Dynamic regional harmony search with opposition and local learning // Proc. of 13th annual conf.

Аннотация: Предметом исследования являются нечетко-логические многокритериальные методы и алгоритмы систем поддержки принятия решений. Объектом исследования является системы поддержки принятия решений оценки общей надежности оборудования технических систем в условиях нечеткой входной информации. Целью работы является методическое обеспечение разработки прикладных нечетких систем для традиционных исследований получения приоритета на множестве объектов по многомерному набору количественных и качественных показателей на основе лингвистических высказываний экспертов. В статье представлена методология разработки системы поддержки принятия решений в условиях нечеткой информации с использованием нечеткой теории множеств и нечеткого метода анализа иерархий. Автор подробно рассматривает такие аспекты темы как применение методов принятия решений при многокритериальном анализе альтернатив, к которым относятся нечеткий логический вывод (НЛВ) и метод анализа иерархий (МАИ) в нечетком приближении. Представлена методика ранжирования альтернатив по многомерному набору факторов и критериев в условиях нечетких входных данных. Методика исследования основывается на построении модели системы поддержки принятия решения, формализации методов обработки нечеткой информации, разработке алгоритмов и проведении вычислительного эксперимента при различных значениях управляющих параметров модели. Изложенная методология реализована на примере системы поддержки принятия решений экспертной процедуры оценивания общей надежности химико-технологических систем. Реализация нечетко-логических процедур по управлению комплексом показателей надежности выполнена по результатам экспертного оценивания надежности четырех отдельных производственных объектов единой сложной организационно-технической системы нефтегазохимического производства по пяти показателям надежности. На примере иерархической структуры показателей надежности нефтехимического оборудования предложена модель и алгоритм оценки весов показателей с использованием нечеткой матрицы парных сравнений (НМПС) и на основе модели нечеткого логического вывода (НЛВ). По результатам вычислительных экспериментов показано, что методика НМПС эффективна при увеличении степени нечеткости приоритетов от 50 до 75%. Эффективность НЛВ определяется заданием приближенных оценок или лингвистических значений на входе, однако полностью зависит от правильной формализации входных данных путем построения функций принадлежности, а также от построения нечетких баз правил.
Нечетко-логические алгоритмы поддержки принятия решений по управлению комплексом показателей надежности нефтегазохимического оборудования являются неформализованной частью комплексных систем управления и обеспечения надежности промышленного производства. Такие подсистемы позволяют на основе экспертной информации проводить предварительную оценку общего состояния надежности оборудования.

Ключевые слова: нечеткий анализ иерархий, матрица парных сравнений, триангулярное нечеткое число, нечеткие матрицы сравнений, ранжирование альтернатив, оценка весов, нечеткий логический вывод, процесс принятия решений, имитационное моделирование, надёжность оборудования

Библиография:
Мешалкин В.П. Экспертные системы в химической технологии. – М.: Химия, 1995. – 367 с.
ГОСТ 27.301-95. Надежность в технике. Расчет надежности. Основные положения.
Кафаров В.В., Мешалкин В.П. Надежность оборудования и технологических схем химических и нефтехимических производств. – М.: Химия, 1979. – 167 с.
Годовой отчет о деятельности Федеральной службы по экологическому, технологическому и атомному надзору в 2014 году // Федеральная служба по экологическому, технологическому и атомному надзору. М.: 2014. – 442 с.
ГОСТ 27.002-89. Надежность в технике. Основные понятия. Термины и определения. М.: МНТК "Надежность машин". 1988. – 58 с.
Российский статистический ежегодник. 2015: Стат.сб./Росстат. – Р76. М.: 2015. – 728 с.
Wang T.-C., Chang T.-H. Application of TOPSIS in evaluating initial training aircraft under a fuzzy environment // Expert Systems with Applications. – 2007. – V. 33. – P. 870-880.
Hwang C.-L., & Yoon K. Multiple attribute decision making: methods and applications. In L

Аннотация: В данной статье объектом исследования являются информационные процессы в асинхронных дискретно-событийных системах. Примерами таких систем могут быть организационно-экономические, производственные и вычислительные системы. Предметом исследования является методология формализации и анализа асинхронных дискретно-событийных систем на основе интеграции методов искусственного интеллекта и поведенческого дискретно-событийного моделирования. В качестве примера подходящей предметной области в настоящей работе рассматривается участок гибкого автоматизированного производства, сокращенно ГАП (FMS – Flexible Manufacturing Systems). Методология исследования базируется на логике предикатов первого и второго порядков, формализме сетей абстрактных машин, моделях искусственного интеллекта и на впервые предлагаемых концептуальных сетях Петри. Новизна исследования состоит в получении в конечном итоге на основе концептуальной и поведенческой модели асинхронной дискретно-событийной системы формализованных непосредственно исполнимых спецификаций, например, пригодных для последующей реализации сетевого программного обеспечения беспроводной вычислительной сети, управляющей гибким автоматизированным производством изделий.
В части II статьи показано, что семантические сети с событиями, ролевыми и каузальными связями между объектами (сценарные сети) могут в достаточно полной степени представлять не только декларативные, но и процедурные знания о предметной области. В целях построения поведенческой дискретно-событийной модели реализован переход от семантической сети с событиями, описывающей участок гибкого автоматизированного производства, к сети Петри и далее к сети абстрактных машин, описанной логико-алгебраическими выражениями. Для сохранения информативности модели предложены некоторые разновидности сетей Петри, а также определен новый класс сетей Петри – концептуальные сети Петри. Предложены формализованные исполнимые спецификации, учитывающие роли всех объектов-участников реализации событий и управление со стороны беспроводной сети. Использование языка сетей абстрактных машин упрощает дальнейшую реализацию интеллектуальной поведенческой модели системы на базе известных языков типа C, C++, C# и др. Предложен принцип построения логико-алгебраической операционной (исполнимой) модели, предназначенной для построения на ее основе распределенного сетевого приложения для беспроводной сети, управляющей роботизированным производством.

Ключевые слова: логико-алгебраические операционные модели, роботизированное производство, концептуальные сети Петри, казуальные отношения, концептуальные графы, сценарии, семантические сети, интеллектуальные системы, сети абстрактных машин, беспроводные промышленные сети

Библиография:
Mustafa Sadeq Jaafar, Sawant H. K. Design and Development of ACK-Based Scheme Using FSA for Ad-hoc Networks // International Journal of Modern Engi-neering Research, (IJMER). Vol. 2, Issue. 2, Mar-Apr 2012, pp. 102-106.
Mustafa Sadeq Jaafar, Sawant H. K. ACK Based Scheme for Performance Im-provement of Ad-hoc Network // International Journal of Advances in Engineering & Technology, (IJAET). Vol. 3, Issue 2, May 2012.
Yu, J. Y., Chong, P. H. J. An Efficient Clustering Scheme for Large and Dense Mo-bile Ad Hoc Networks (MANETs) // Computer Communications, 30, 2006, pp. 5-16.
About PIPE2. URL: http://pipe2.sourceforge.net/about.html
Chiu-Ching Tuan, Yi-Chao Wu. Grid Header Election by Predetermining in Mobile Ad-Hoc Networks // Journal of Applied Science and Engineering, vol. 15, no. 1, 2012, pp. 69-78.
CharGer Manual v3.5b1 2005-11-30, pp. 1–58. URL: http://charger.sourceforge.net/
Complete Overview of Petri Nets Tools Database. URL: http://www.informatik.uni-hamburg.de/TGI/PetriNets/tools/c

Аннотация: Объектом исследования является процесс автоматизированного проектирования систем искусственного освещения, исследование произведено на предмет возможности повышения его эффективности за счет применения изложенных в статье концепций методов: автоматизации выбора режимов работы осветительных приборов с управляемым спектром излучения, а также методов оптимизации расстановки осветительных приборов, в частности за счет применения специализированных роботизированных комплектов. В статье рассматриваются задачи, решение которых обусловлено развитием технического прогресса в области светотехники и систем автоматизации. Появление светодиодных ламп с возможность автоматизированного управления параметрами освещения, а также доступность современных средств автоматизации и робототехники ставит перед специалистами в области проектирования новые задачи и одновременно открывает новые возможности по уменьшению объема ручного труда в процессе проектирования. В ходе исследования был произведен анализ существующих решений в области автоматизированного проектирования систем внутреннего искусственного освещения и синтезировано системное решение, направленное на облегчение и повышение эффективности процессов строительного проектирования. Результатами проведенного исследования является концептуальное описание трех новых методов, направленных на повышение эффективности САПР в строительстве. В качестве первого метода представлена концепция автоматизации процедуры подготовки проектных решений, в части выбора режимов работы систем «умного» освещения, в зависимости от критериев специфики производства работ в помещении, физиологического воздействия и заданных показателей энергоэффективности системы освещения. Второй метод – оптимизация процедуры автоматизированной расстановки осветительных приборов при разработке соответствующих проектных решений. Третий метод – концепция автоматического обследования помещений и передача данных в САПР, для формирования исходных данных для соответствующих проектных решений. В заключительной части статьи рассмотрен способ объединения указанных решений в рамках системного подхода и сделано предположение об актуальности более детальной проработки указанных решений.

Ключевые слова: САПР, проектирование, искусственное освещение, автоматизация, робототехника, спектр излучения, оптимизация, расстановка, программно-аппаратный комплекс, энергоэффективность

Библиография:
Бондарева Н.Н. Состояние и перспективы развития роботизации: в мире и России // МИР (Модернизация. Инновации. Развитие). 2016. № 3(27) С. 49-57.
Завьялов В.А. Ульянов Р.С., Шиколенко И.А. Чернов Р.О. Перспективы применения автоматизированного комплекса управления и диагностики систем управляемого освещения // Научное обозрение. 2016. № 1. С. 37–41.
Системы автоматизации проектирования в строительстве: уч. пособие / А.В. Гинзбург [и др.]; под ред. А.В. Гинзбурга; М-во образования и науки Рос. Федерации, Моск. гос. строит, ун-т. М.: МГСУ, 2014. 664 с.
Соболев Е.В., Подденежный Е.Н. Многофакторный метод расчета электрического освещения с применением светодиодных источников света // Вестник Гомельского государственного технического университета им. П. О. Сухого. 2010. С. 49-56.
Евдасеев И. Коэффициент использования светового потока / И. Евдасев // Современная светотехника. Применение источников света. 2010. № 1. С. 24-27.
Федосов П.В. Использование САПР при создании «Умных домов» // Научно-техничес

Аннотация: В статье раскрываются вопросы, связанные с задачей автоматизированного рефакторинга UML-диаграмм классов, которая важна для разработки инструментальных средств трансформации UML-моделей в рамках подхода MDA. Формулируется формальная постановка задачи автоматизированного рефакторинга UML-диаграмм классов. Предлагается абстрактная структура данных, удобная для анализа и трансформации UML-диаграмм классов. Приводятся алгоритмы поиска элементов диаграммы классов, применение к которым трансформаций «Стратегия» и «Введение интерфейса» снижает значение целевой функции. В качестве примера целевой функции предложена метрика структурной сложности UML-диаграмм классов. В ходе вычислительного эксперимента вычислительная сложность предложенных алгоритмов в зависимости от размеров UML-диаграммы классов определена как O(n). Предложенные алгоритмы легли в основу представленного в статье инструментального средства автоматизированного рефакторинга UML-диаграмм классов UML Refactoring. Данное инструментальное средство позволяет пользователю импортировать UML-диаграммы классов, представленные в XMI-формате, анализировать их (рассчитывать метрики, получать рекомендации по трансформациям), трансформировать, а затем экспортировать в XMI-формат.

Ключевые слова: UML, UML-диаграммы классов, рефакторинг UML-диаграмм, MDA, проектирование программного обеспечения, архитектура программного обеспечения, MDE, рефакторинг моделей, UML Refactoring, XMI

Библиография:
OMG Model Driven Architecture [Электронный ресурс] Режим доступа URL: http://www.omg.org/mda - Свободный.
OMG Meta Object Facility Core Specification. Version 2.5.1. [Электронный ресурс] Режим доступа URL: http://www.omg.org/spec/MOF/2.5.1 - Свободный.
OMG Unified Modelling Language UML. Version 2.5 [Электронный ресурс] Режим доступа http://www.omg.org/spec/UML/2.5 - Свободный.
XML Metadata Interchange (XMI) Specification. Version 2.4.2 [Электронный ресурс] Режим доступа URL: http://www.omg.org/spec/XMI/2.4.2 - Свободный.
Harman M., Mansouri S., Zhang Y., Search-based software engineering: Trends, techniques and applications // ACM Computing Surveys. 2012. Vol. 45. No. 1.
Amoui M., Mirarab S., Ansari S., Lucas C. A genetic algorithm approach to design evolution using design pattern transformation // International Journal of Information Technology and Intelligent Computing. 2006. Vol. 1. P. 235 – 245.
Bowman M., Briand L.C., Labiche Y. Solving the class responsibility assignment problem in ob

Аннотация: В данной статье объектом исследования являются информационные процессы в асинхронных дискретно-событийных системах. Примерами таких систем могут быть организационно-экономические, производственные и вычислительные системы. Предметом исследования является методология формализации и анализа асинхронных дискретно-событийных систем на основе интеграции методов искусственного интеллекта и поведенческого дискретно-событийного моделирования. В качестве примера подходящей предметной области в настоящей работе рассматривается участок гибкого автоматизированного производства, сокращенно ГАП (FMS – Flexible Manufacturing Systems). Методология исследования базируется на логике предикатов первого и второго порядков, формализме сетей абстрактных машин, моделях искусственного интеллекта и на впервые предлагаемых концептуальных сетях Петри. Новизна исследования состоит в получении в конечном итоге на основе концептуальной и поведенческой модели асинхронной дискретно-событийной системы формализованных непосредственно исполнимых спецификаций, например, пригодных для последующей реализации сетевого программного обеспечения беспроводной вычислительной сети, управляющей гибким автоматизированным производством изделий.
В части I статьи показано, что семантические сети с событиями, ролевыми и каузальными связями между объектами (сценарные сети) могут в достаточно полной степени представлять логическую, структурную и процедурную парадигмы интеллектуальных систем, в том числе систем ситуационного управления. Формализован процесс построения сценарных моделей на основе концептуальных графов, что позволяет использовать указанные модели в составе экспертно-имитационных моделей систем ситуационного управления. Показано, что концептуальное представление сценариев позволяет естественным образом автоматизировать переход к построению базы знаний на основе реляционного подхода, что обеспечивает повышение оперативности внесения изменений в концептуальную модель и базу знаний (например, при изменениях в предметной области). Запросы к базе знаний, построенной на основе концептуального графа, могут быть формализованы на языке сетей абстрактных машин, что упрощает дальнейшее проектирование человеко-машинного интерфейса интеллектуальной системы на базе известных языков типа C++, C#, SQL, Visual Prolog и др.

Ключевые слова: интеллектуальные системы, семантические сети, сценарии, концептуальные графы, ролевые отношения, казуальные отношения, роботизированное производство, реляционная база данных, запросы, абстрактные машины

Библиография:
Гордеев Л. В. Модель Концептуальная/ Статья в Энциклопедическом Фонде. [Электронный ресурс]. URL: http://www.russika.ru/ef.php?s=5143.
Сидоркина И. Г. Системы искусственного интеллекта. – М.: КноРус, 2015. – 245 с.
Искусственный интеллект. – В 3-х кн. Кн. 2. Модели и методы: Справочник/ Под ред. Д. А. Поспелова. – М.: Радио и связь, 1990. – 304 с.
Литвинцева Л. В. Сценарии // В кн: Искусственный интеллект. – В 3-х кн. Кн. 2. Модели и методы: Справочник/ Под ред. Д. А. Поспелова. – М.: Радио и связь, 1990. – С. 56-59.
Кандрашина Е. Ю., Литвинцева Л. В., Поспелов Д. А. Представление знаний о времени и пространстве в интеллектуальных системах. – М.: Наука, 1989. – 328 с.
Поспелов Д. А. Ситуационное управление: теория и практика. – М.: Наука, 1986. – 288 с.
Зинкин С.А. Сети абстрактных машин высших порядков в проектировании систем и сетей хранения и обработки данных (базовый формализм и его расширения) // Известия высших учебных заведений. Поволжский регион. Технические науки. – 2007. – № 3. –

Аннотация: В данной работе предметом исследования является разработка и практическое использование интеллектуальной системы поддержки принятия решений по распределению заданий по ведению реестра операторов персональных. Объектом исследования является задача рационального выбора исполнителей заданий в системе электронного документооборота территориального органа Роскомнадзора. Авторы подробно рассматривают задачи по защите прав субъектов персональных данных, схему обработки и распределения заданий по ведению реестра операторов персональных данных, анализируют проблему ручного распределения заданий, ставят задачу автоматизации эффективного распределения заданий по исполнителям. Для решения поставленной задачи предлагается специально разработанная нечетко-продукционная модель. Данная модель позволяет на основе экспертной оценки квалификации, работоспособности и загруженности исполнителей рационально распределять задания различных уровней сложности. Приводится описание системы поддержки принятия решений и алгоритм ее использования при распределении заданий. Научная новизна предложенного подхода к решению поставленной задачи заключается в автоматизации распределения заданий по исполнителям на основе разработки и практического использования нечетко-продукционной модели. Предлагается оригинальный вид нечетко-продукционных правил для формализации экспертных знаний по рациональному выбору исполнителей заданий с учетом их квалификации, работоспособности и текущего уровня загруженности. Оценка адекватности нечетко-продукционной модели, а также эффективности решения поставленной задачи на базе разработанной системы показала возможность существенного снижения интеллектуальной нагрузки на эксперта при распределении заданий, а также повышение средней скорости принятия решений на 80,3%.

Ключевые слова: поддержка принятия решений, система электронного документооборота, единая информационная система, прикладная подсистема, распределение заданий, нечетко-продукционная модель, программный комплекс, оператор персональных данных, алгоритм логического вывода, интеллектуальная система

Библиография:
Ченцов П.А. О задаче распределения заданий между участниками с ограничениями на выбор заданий // Вестник компьютерных и информационных технологий. – 2007. – № 7. – С. 52-56.
Ивченко В.Д., Корнеев А.А. Анализ методов распределения заданий в задаче управления коллективом роботов // Мехатроника, автоматизация, управление. – 2009. – № 7. – С. 36-42.
Аникин И.В., Кирпичников А.П., Талипов Н.Г. Оценка эффективности деятельности уполномоченного органа по защите прав субъектов персональных данных // Вестник Казанского технологического университета. – 2015. – Т. 18. – № 1. – С. 279-281.
Трегубов В.М., Катасёв А.С., Кириллов А.Е., Алексеев А.А. Информационная технология анализа и классификации электронных документов / Поиск эффективных решений в процессе создания и реализации научных разработок в российской авиационной и ракетно-космической промышленности. Международная научно-практическая конференция. Казань. – 2014. – С. 345-348.
Катасёв А.С., Катасёва Д.В. Разработка нейросетевой системы классификации э

Аннотация: Предметом исследования является оценка рисков разработки месторождений углеводородного сырья. В статье предложена модель экспертной системы для автоматизированной оценки рисков разработки. В состав экспертной системы входят база данных, содержащая информацию о состоянии разработки ряда месторождений Томской области, развернутая классификация рисков, возникающих в процессе проектирования разработки и эксплуатации месторождений углеводородов, и вызывающих их факторов. Взаимосвязи рисков и факторов и закономерности их возникновения установлены на основе экспертных оценок. Для оценки рисков разработки предлагается использовать комплексную характеристику риска. Оценка осуществляется на основе нечеткой логики. Комплексная характеристика рисков позволяет выработать оптимальную стратегию с учетом текущего состояния разработки месторождения. Экспертная система комплексной оценки рисков разработки объединяет знания экспертов из различных областей и предоставляет общую картину – комплексную оценку рисков, вероятности и характеристики рисков – руководителям и непрофильным специалистам.

Ключевые слова: Месторождения углеводородов, Моделирование месторождений, Проектирование разработки месторождений, Разработка месторождений углеводородов, Риски разработки месторождений, Оценка рисков разработки, Классификация рисков разработки, Экспертная система, Нечеткая логика, Комплексная оценка рисков

Библиография:
Тасмуханова А.Е. Оценка рисков при планировании деятельности нефтегазодобывающих предприятий (на примере республики Казахстан): дис. ... канд. экон. наук: 08.00.05.-Уфа, 2006. 145 с.
Антоненко Д.А. Системные подходы к снижению рисков при моделировании разработки нефтегазовых месторождений: дис. ... канд. техн. наук: 25.00.17. М., 2010. 121 с.
Бикетов А.Н., Глебова О.В., Мельникова О.Ю. Система оценки рисков, основанная на применении нечеткой логики // Приволжский научный вестник. 2014. № 12-3 (40). С. 105-108.
Котляров И.Д., Петров С.В., Алексеев И.А. Учет рисков неопределенности запасов при геолого-экономической и стоимостной оценке месторождений // Разведка и охрана недр.-2014.-№11.-С. 46-51.
Пивкин К.В. Методические подходы к оценке рисков в нефтедобыче // Вестник Самарского государственного экономического университета. 2011. № 8 (82). С. 70-74.
Кожухова О.С. Исследование рисков, влияющих на деятельность Российских нефтегазовых компаний // Управление экономическими системами: электронный нау

Аннотация: Объектом исследования является модель искусственной иммунной системы. Предмет исследования — разработка способа построения нечеткого декодера. В качестве декодеров предложено использовать нечеткие функции принадлежности, описывающие соответствие контролируемого параметра критической ситуации. Использование такого подхода на основе нечетких декодеров, позволило избавиться от бинарной количественной классификации и перейти к расплывчатым и качественным оценкам. Приведен пример построения декодера для нечеткого условия «длина полупериметра L, описывающего фрагмент проектируемого изделия, должна быть не более 0,7 nm». На основе функции CON(μ1(L)), описывающей соответствие нечеткому условию «очень близко к 0,7 nm», построена функция μ5(L), описывающая соответствие нечеткому условию «очень меньше 0,7 nm». Расплывчатый декодер для оценки соответствия интервалу, строится на основе функции принадлежности данному интервалу. Приведен пример графика зависимости функции μ7 декодера от длинны полупериметра L, описывающей принадлежность к условию «желательная длина полупериметра от 0,55 до 0,7 nm». По аналогии с условиями «очень близко к 0,7 nm» и «слегка близко к 0,7 nm»можно определить функции принадлежности «очень в диапазоне от 0,55 до 0,7 nm» и «слегка в диапазоне от 0,55 до 0,7 nm». Метод исследования базируется на построении нечетких декодеров, описывающих нежелательные состояния вычислительного процесса. Нечеткость описывается при помощи функции принадлежности. Новизна исследования состоит в получении расплывчатых декодеров восприимчивых к нечетким командам. Используя соответствующие нечеткие функции принадлежности μ декодера, можно корректировать процесс оценивания степени близости контролируемого параметра к критической ситуации. Применение функций CON и DIL к функциям принадлежности декодеров позволяет менять их восприимчивость на тестовых данных от 20-30% до 200%-300%

Ключевые слова: Искусственная иммунная система, отрицательный отбор, декодер, принятие решений, нечеткий подход, функция принадлежности, адаптация, экспертные системы, полупериметр, нечеткое условие

Библиография:
Чернышев Ю.О., Венцов Н.Н., Мухтаров С.А. Применение логик Лукасевича и Заде при реализации метода отрицательного отбора // Известия ЮФУ. Технические науки. 2013. № 7 (144). С. 91-97.
Искусственные иммунные системы и их применение /Под ред. Д. Дасгупты. Пер. с англ. под ред А.А. Романюхи. — М.: ФИЗМАТЛИТ, 2006. — 344 с.-ISBN 5-9221-0706-2.
D. Dasgupta, S. Forrest. Novelty Detection in Time Series Data using Ideas from Immunology. Fifth International Conference on Intelligent Systems. Reno, Nevada: June, 1996.
Чернышев Ю.О., Григорьев Г.В., Венцов Н.Н. Искусственные иммунные системы: обзор и современное состояние// Программные продукты и системы. 2014. № 108. С. 136-142.
Золотарев А.А. Методы оптимизации распределительных процессов. М.: Издательство «Инфра-Инженерия», 2014. 160 с.
Чернышев Ю.О., Венцов Н.Н., Мухтаров С.А. К вопросу об интеллектуальной поддержке процесса доводки СБИС // Известия ЮФУ. Технические науки. 2012. № 7 (132). С. 63-69.
Чернышев Ю.О., Венцов Н.Н., Мухтаров С.А. Разраб

Аннотация: Сахарный диабет - это метаболическое заболевание, вызванное абсолютным дефицитом секреции инсулина и характеризующееся неспособностью организма поддерживать уровень глюкозы в крови. Оптимальные типы и дозы искусственного инсулина зависят от многих факторов. В данной работе предлагается модель нейросетевого прогнозирования уровня глюкозы в крови, позволяющая заблаговременно предупреждать о приближающемся критическом состоянии больного диабетом. Использование прогнозирующей системы, совместно с инсулиновой помпой, открывает возможности построения системы автоматического управления уровнем глюкозы в крови пациента. Моделирование проводилось посредством инструментария Neural Network Toolbox из среды Matlab 2015b, ввиду широких возможностей данной системы, удобства разработки сложных приложений, развитых средств визуализации результатов исследования. Результаты обучения и проверки работоспособности предлагаемой модели прогнозирования показывают, что искусственные нейронные сети прямого распространения могут обеспечить удовлетворительное качество прогноза уровня глюкозы в крови на всех рассмотренном интервале прогнозирования. Средняя квадратичная погрешность прогноза в условиях исследовании не превышала 0,3.

Ключевые слова: сахарный диабет, уровень глюкозы, искусственная нейронная сеть, многослойный персептрон, обратное распространение ошибки, прогнозирование, классификация данных, сеть прямого распространения, обучение с учителем, постоянный мониторинг глюкозы

Библиография:
Andreassen S., Benn. J., Hovorka R., Olesen K. G., Carson E. R. A probabilistic approach to glucose prediction and insulin dose adjustment: Description of metabolic model and pilot evaluation study. Computer Methods and Programs in Biomedicine, vol. 41, pp. 153–165, 1994.
Мустафаев А.Г. Применение искусственных нейронных сетей для ранней диагностики заболевания сахарным диабетом // Кибернетика и программирование. DOI: 10.7256/2306-4196.0.0.17904. URL: http://e-notabene.ru/kp/article_17904.html
Эндокринология. Национальное руководство. Краткое издание. Под ред. Дедова И.И., Мельниченко Г.А.ГЭОТАР-Медиа, 2016, с.752.
Аравин О.И. Применение искусственных нейронных сетей для анализа патологий в кровеносных сосудах. Российский журнал биомеханики. - 2011. - Т.5, №3 (53). С. 34.
Pappada S.M., Cameron B.D., Rosman P.M. Development of a Neural Network for Prediction of Glucose Concentration in Type 1 Diabetes Patients. Journal of Diabetes Science and Technology, 2008, №2(5), pp.792-801.
Фадеев П. А. Сах

Аннотация: Сахарный диабет — хроническое заболевание, в патогенезе которого лежит недостаток инсулина в организме человека, вызывающий нарушение обмена веществ и патологические изменения в различных органах и тканях, зачастую приводящие к высокому риску инфаркта и почечной недостаточности. Сделана попытка разработать систему ранней диагностики сахарного диабета обследуемого пациента использующая аппарат искусственных нейронных сетей. Разработана модель нейронной сети на основе многослойного персептрона обученная на основе алгоритма обратного распространения ошибки. Для проектирования нейронной сети был использован пакет Neural Network Toolbox из MATLAB 8.6 (R2015b) являющийся мощным и гибким инструментом работы с нейронными сетями. Результаты обучения и проверки работоспособности спроектированной нейронной сети показывают её успешное применение для решения поставленных задач и способность находить сложные закономерности и взаимосвязи между различными характеристиками объекта. Чувствительность разработанной нейросетевой модели составила 89.5%, специфичность 87.2%. После того как сеть обучена, она становится надежным и недорогим диагностическим инструментом.

Ключевые слова: сахарный диабет, искусственная нейронная сеть, компьютерная диагностика, специфичность, чувствительность, классификация данных, многослойный персептрон, обратное распространение ошибки, сеть прямого распространения, обучение с учителем

Библиография:
Gil D., Johnsson M. Diagnosing Parkinson by using artificial neural networks and support vector machines. Global Journal of Computer Science and Technology, 2009, №9(4). pp.63-71.
фактов о диабете. [Электронный ресурс] Официальный сайт Всемирной организации здравоохранения http://www.who.int/features/factfiles/diabetes/ru/ (дата обращения: 13.01.2016)
Беребин М.A., Пашков С.В. Опыт применения искусственных нейронных сетей для целей дифференциальной диагностики и прогноза нарушений психической адаптации. Вестник Южно-Уральского государственного университета, 2006, №14, с.41-45.
Singh M., Singh M., Singh P. Artificial Neural Network based classification of Neuro-Degenerative diseases using Gait features. International Journal of Information Technology and Knowledge Management, 2013, Vol. 7, №1, pp. 27-30.
Basit A., Sarim M., Raffat K., etc. Artificial Neural Network: A Tool for Diagnosing Osteoporosis. Research Journal of Recent Sciences, 2014, Vol. 3(2), pp.87-91.
Mahesh C., Suresh V. G., Babu

Аннотация: Предметом исследования является проблема автоматизация вычисления генетического сходства и дистанций популяций, построение филогенетических деревьев. Объектом исследования является последовательность дисков (аллелей) в плечах политенных хромосом. Автор подробно рассматривает хромосомные особенности видов с семью хромосомными плечами на примере комаров-звонцов рода Chironomus. В данной статье представлен программный продукт Chironomus 1.0, с простым, интуитивно понятным интерфейсом, позволяющий легко и быстро вычислять генетическое сходство и дистанции между популяциями. При реализации программного продукта на языке С# использовался метод Неи для вычисления генетического сходства и генетической дистанции. Особым вкладом автора в исследование темы является существенное упрощение генетических исследований, связанных с вычислением генетического сходства и генетических дистанций по методу Неи. Новизна исследование заключается в создании программного продукта, позволяющего легко и быстро вычислять генетическое сходство и дистанции для всех видов популяций с семью хромосомными плечами.

Ключевые слова: генетическая дистанция, генетическое сходство, автоматизация вычислений, программы, метод Неи, генетика, филогенетические деревья, хирономиды, политенные хромосомы, программный продукт

Библиография:
Nei, M. The genetic distance between populations / M. Nei // American Naturalist. – 1972. – Vol. 106. – P. 283–29.
Felsenstein, J. Phylogeny Inference Package (PHYLIP) / J. Felsenstein // Version 3.5. – 1993. – University of Washington, Seattle.
Tamura, K. MEGA5: molecular evolutionary genetics analysis using maximum likelihood, evolutionary distance, and maximum parsimony methods / K. Tamura, D. Peterson, N. Peterson, G. Stecher // Molecular Biology and Evolution – 2011. – Vol. 28. – P. 2731–2739.
Tamura, K. MEGA6: Molecular Evolutionary Genetics Analysis Version 6.0 / K. Tamura, G. Stecher, D. Peterson, A. Filipski // Molecular Biology and Evolution – 2013. –Vol. 30. – P. 2725 – 2729.
Kumar, S. MEGA-CC: computing core of molecular evolutionary genetics analysis program for automated and iterative data analysis / S. Kumar, G. Stecher, D. Peterson, K. Tamura // Bioinformatics – 2012. – Vol. 28. – P. 2685 – 2686.
Karmokov, M.Kh. Karyotype characteristics and polymorphism peculiarities of Chirono

Аннотация: Электрооборудованию на предприятиях нефтегазовой отрасли предъявляют повышенные требования к надежности и пожарной безопасности, так как его отказ может привести к созданию аварийной ситуации, сопровождающейся значительным экономическим и экологическим ущербом.
В работе поднимается вопрос обеспечения надежности электродвигателя машинного агрегата на основе спектрального анализа высших гармонических составляющих (ВГС) тока и напряжения.
В работе рассмотрены основные классификационные признаки систем диагностики, определено их место в общей классификации программного обеспечения и проанализированы программные средства диагностики промышленного оборудования, представленные на российском рынке. Исследование проведено с применением методов описания и сравнения, теоретических основ электромеханики, электротехники, электроники, проектирования и программирования. Авторами сформулированы основные требования, предъявляемые к программному средству диагностики электродвигателя. Результаты планируется использовать при разработке программного средства диагностики электродвигателя машинного агрегата методом спектрального анализа ВГС тока и напряжения, которое может быть применимо на предприятиях нефтегазовой отрасли для обнаружения дефектов и снижения расходов на ремонт электрооборудования.

Ключевые слова: электродвигатель, дефект, диагностика, классификация, метод диагностики, спектральный анализ, требования, экспертная система, программное средство, модуль

Библиография:
URL: http://wiki.mvtom.ru/index.php/Экспертная_система (дата обращения: 11.01.2016)
URL: http://vibrocenter.ru/demo/aurora.pdf (дата обращения: 10.11.2015)
Свидетельство о государственной регистрации программы для ЭВМ № 2012661419 «Диагностика взрывозащищенных машинных агрегатов по значениям параметров гармонических составляющих токов и напряжений электропривода», 14.12.2012.
Чурагулов Д.Г., Насыров Э.М. Анализ языков программирования для разработки комплексного программного продукта диагностики электродвигателя машинного агрегата. Т. 2 / Актуальные проблемы науки и техники: материалы VIII Международной научно-практической конф. молодых учёных: в 3-х т. / редкол.: Исмаков Р.А. и др. Уфа: Изд-во УГНТУ, 2015. С. 66-69.
Седунин А.М. Контроль технического состояния двигателей на основе спектрального анализа потребляемого тока эксплуатации / А.М. Седунин, Д.О. Афанасьев, Л.Г. Сидельников // Нефтегазовое дело [Электронный ресурс]. – URL: http://testslg.ru/images/pdf/16_kontroltoka.pdf
Миронова И.С. И

Аннотация: Предметом исследования являются методы и алгоритмы направленные на практическое решение задач распознавания образов в слабоформализованных областях знаний. К которым относятся медицинская, техническая, геолого-разведывательная диагностика, прогнозирование, построение экспертных систем. Решение таких задач ввело в обиход большое число некорректных (эвристических) алгоритмов. Авторами подробно рассматриваются такие аспекты, как необходимость развития теории корректирующих операций, синтеза корректных алгоритмов минимальной сложности, решение вопросов об их устойчивости с помощью математических методов. Особое внимание уделяется построению алгоритма, являющийся корректным на всем множестве распознаваемых объектов, на основе существующих алгоритмов и решающих правил, составленных для исследуемой области.
Логический подход может представлять собой технологию для построения теории синтеза корректных алгоритмов распознавания на базе существующих семейств алгоритмов. Так как данные методы, несмотря на отсутствие адекватных математических моделей исследуемых зависимостей между образом и его свойствами, неполноту и противоречивость данных позволяют создавать алгоритмы, реализующие определенные рассуждения эксперта. Основными выводами проведенных исследований является логический анализ заданной предметной области, в терминах переменозначной логики. Предлагаются подходы к конструированию процедур распознавания по прецедентам на основе заданных некорректных алгоритмов и построенных логических решающих правил. Основным вкладом авторов в исследование темы является предложенный алгоритм, расширяющий область получаемых решений, являющийся корректным на всей исследуемой области. Новизна исследования заключается в использование переменозначной логики, повышающей корректность кодируемой информации и повышающая выразительность сделанных выводов.

Ключевые слова: алгоритмы, обучающая выборка, набор данных, база знаний, предметная область, переменнозначная логика, дизъюнкты, решающее правило, операции переменнозначной логики, корректный алгоритм

Библиография:
Журавлёв Ю. И. Об алгебраическом подходе к решению задач распознавания или классификации // Проблемы кибернетики. 1978. Т. 33. С. 5–68.
Журавлёв Ю. И., Рудаков К. В. Об алгебраической коррекции процедур обработки (преобразования) информации // Проблемы прикладной математики и информатики. 1987. С. 187–198.
Воронцов К. В. Оптимизационные методы линейной и монотонной коррекции в алгебраическом подходе к проблеме распознавания // ЖВМ и МФ. 2000. Т. 40, № 1. С. 166–176.
Лютикова Л.А. Использование математической логики с переменной значностьюпри моделировании систем знаний // Вестник Самарского государственного университета. Естественнонаучная серия. №6(65). 2008. С. 20-27. 2008.
Лютикова Л.А. Логический подход к модели представления знаний // Естественные и технические науки. 2014. № 6 (74). С. 107-108.
Яблонский С. В. Введение в дискретную математику. М.: Наука, 2001. 384 c.
Shibzukhov Z.M. Correct Aggregation Operations with Algorithms // Pattern Recognition and Image Analysis. 2014, Vol. 24,

Аннотация: Предметом исследования является необходимость принятия решений в слабо структурированных динамических ситуациях, когда параметры, законы и закономерности развития ситуации описываются качественно. Это уникальные ситуации, в которых динамика параметров ситуации сопровождается трудно предсказуемыми изменениями ее структуры. Объектом исследования являются когнитивные карты или компьютерные системы моделирования когнитивных карт. Автор подробно рассматривает такие аспекты темы как сложности принятия решения при нехватке и неточности информации и методы оптимизации когнитивной карты для задач прогнозирования. Особое внимание уделяется алгоритмам оптимизации размерности данных и оптимизации структуры когнитивной карты. Для оптимизации размерности данных используются методы кластерного анализа, а оптимизация структуры когнитивной карты заключается в автоматической подстройке весов влияния концептов друг на друга методами машинного обучения. Основным выводом проведенного исследования является уменьшение субъективизма когнитивной карты при прогнозировании системы. Вкладом автора в исследование темы является представление когнитивной карты в виде однослойной нейронной сети и применение методов обучения таких нейронных сетей, предложенный Розенблаттом. Новизна исследования заключается в получении новой структуры когнитивной карты.

Ключевые слова: когнитивная карта, концепт, кластерный анализ, нейронная сеть, машинное обучение, обучающая выборка, нечеткие множества, размерность данных, Евклидово расстояние, параметризация

Библиография:
Авдеева, З.К. Когнитивное моделирование для решения задач управления слабоструктурированными системами (ситуациями) // З.К.Авдеева, C.B. Коврига, Д.И. Макаренко // Управление большими системами. Выпуск 16 / М.: ИПУ РАН, 2007. С.26-39.
Кулинич А. А. Компьютерные системы моделирования когнитивных карт: подходы и методы // Control sciences №3 2010 .
Kosko В. Fuzzy Cognitive Maps // International Journal of Man-Machine Studies.-1986.-Vol. 1.-P. 65-75.
Розенблатт Ф. Принципы нейродинамики (перцептрон и теория ме-ханизмов мозга). –М.: Мир, 1965.-480с.
Жилов Р. А. Применение нечетких когнитивных карт в системах принятия решении //Материалы Всероссийской научной конферен-ции молодых ученных «Современные вопросы математической фи-зики, математической биологии и информатики». Нальчик, 2014. С 54-55.
Коробейников А.Г., Алексанин С.А. Методы автоматизированной обработки изображений при решении задачи магнитной дефектоскопии // Кибернетика и программирование. - 2015. - 4. - C. 49 - 61. DOI: 10.7256/2306-4

Аннотация: Объектом исследования в статье являются компьютерные интеллектуальные информационно-управляющие системы поддержки принятия решений, использующие такие базовые принципы применения информационных технологий управления, как принципы адаптивного, сквозного, сетевого управления и управления в реальном времени, что может обеспечить руководство и сотрудников достаточно простыми по применению и емкими по внутреннему содержанию решениями основных проблем управления организацией. В статье рассмотрены разные информационные системы управления такие как: CRM (Customer Relationship Management), системы планирования ресурсов предприятия ERP (Enterprise Resource Planning), системы информационной поддержки аналитической деятельности BI (Business Intelligence), а также различные виды технологии аналитической обработки информации в реальном времени - OLAP (англ. Online Analytical Processing) системы. В статье используется сравнительный анализ различных хранилищ данных с набором инструментов для получения данных из ERP и других систем и методы последующего анализа собранных данных. С помощью систем информационной поддержки аналитической деятельности ресурсы данных любой организации могут быть преобразованы в цельную информацию и могут служить основой для принятия эффективных управленческих решений. Системы BI рассматриваются как решения на основе систем делового анализа OLAP и систем поддержки принятия решения DSS (Decision Support Systems), то есть используется интегрированный набор средств обработки информации и данных для стратегического анализа деятельности компании, полученных другими корпоративными информационными системами и разными методами обработки этих данных.

Ключевые слова: информационно-аналитические системы, принцип сетевого управления, OLAP системы, ERP системы, принцип адаптивного управления, BI системы, интеллектуальный анализ данных, HRM системы, OMIS системы, Ситуационный центр

Библиография:
Интервью с заместителем Генерального директора ЮНЕСКО по вопросам коммуникации и информации Янисом Карклиньш для журнала «Информационное общество» №1. 2011.-См. – URL: http://www.infosoc.iis.ru/content/2011/201101.html (дата обращения 12.04.2015)
Гидденс Э. Ускользающий мир. Как глобализация меняет нашу жизнь. М.: Весь мир, 2004.
Гидденс Э. Устроение общества: Очерк теории структуризации. М.: Академический проект, 2005.
Аникин В. И., Мельничук Д. Б., Понуждаев Э. А., Сурма И.В. Основы стратегического менеджмента.-М.: Восток-Запад, 2010. 256 с. ISBN 978-5-478-01263-2
Гапоненко А.Л. Менеджмент //В 2 частях. Часть 1. Учебники Российской академии государственной службы при Президенте РФ./ РАГС. М.:-2010, сс.292-293. ISBN: 978-5-7729-0386-5
Гаврилова Т.А. Визуальные методы работы со знаниями: попытка обзора/ Т.А.Гаврилова, Н.В.Гулякина // Искусственный интеллект и принятие решений. 2008. №1.С.15-21.
См. – URL: http://en.wikipedia.org/wiki/Knowledge_base
Барбашев С. Ситуационный центр в систем

Аннотация: В статье рассматривается методология качественного анализа для снижения брака отливок. Рассматривается место методологии в комплексе средств повышения качества литья. Подробно рассмотрены автоматизированные этапы методологии идентификации дефектов, выявления причин их возникновения и способов ликвидации. Рассматривается алгоритм методологии качественного анализа дефекта отливки. Приводятся примеры процесса идентификации дефекта с использованием визуально-логических схем. Рассматривается этапы поиска причин и способов ликвидации дефектов отливок на примере светлой газовой раковины. Рассматривается место автоматизированных систем анализа дефектов отливки в рамках комплекса систем повышения качества литья. Отдельно рассматривается автоматизированный атлас литейных дефектов, выполняющий роль справочной системы при выборе способа ликвидации дефектов. Описывается функционал атласа и структура его базы данных. Рассматривается алгоритм методологии качественного анализа дефекта отливки.Приводятся примеры процесса идентификации дефекта с использованием визуально-логических схем. Рассматривается этапы поиска причин и способов ликвидации дефектов отливок на примере светлой газовой раковины. Рассматривается место автоматизированных систем анализа дефектов отливки в рамках комплекса систем повышения качества литья.Отдельно рассматривается автоматизированный атлас литейных дефектов, выполняющий роль справочной системы при выборе способа ликвидации дефектов. Описывается функционал атласа и структура его базы данных.

Ключевые слова: математические расчеты, литейные заготовки, брак, примеры дефектов, атлас дефектов, анализ дефектов, раковины, шлаковые включения, обжим, причины

Библиография:
Воронин Ю.Ф., Камаев В.А. Экспертная оценка качества литья. Черные сплавы: монография /-М.: Машиностроение-1, 2006.-180 с.
Воронин Ю.Ф., Камаев В.А. Архитектура разновидностей светлых газовых раковин. Анализ качества промышленного литья // Оборудование. Технический альманах.-2006.-№1 (март).-C. 69-73.
Воронин Ю.Ф., Лосев А.Г., Матохина А.В., Бегма В.А. Моделирование газового режима литейной формы // Литейщик России.-2004.-№4.-C. 35-41.
Воронин Ю.Ф., Парфенов Ю.А., Шешенева А.В. Характерные особенности распознавания и устранения газовых раковин // Заготовительные производства в машиностроении. – 2003.-№ 12. – С. 7.
Воронин Ю.Ф., Камаев В.А., Матохина А.В. Определение условий возникновения дефектов отливок на примере горячей трещины // Заготовительное производство в машиностроении. – 2005.-№3. – С.
Воронин Ю.Ф., Матохина А.В. Моделирование влияния причин возникновения дефектов на качество отливок // Литейщик России. – 2004.-№ 8. – С. 33.
Камаев В.А.,

Аннотация: В статье представлен подход к управлению выводом диагностического решения в медицинской экспертной системе диагностики. Рассмотрены особенности программной реализации предложенных моделей и алгоритмов. В качестве механизма вывода решения авторами предложена комбинация из обратного и прямого вывода. При обратном выводе для запроса новых фактов у пациента необходима генерация дополнительных вопросов по ведущим симптомам. В то же время прямой вывод позволяет вычислить на выходе интегральные оценки обнаружений возможных заболеваний при проявлении симптомов. Для вывода решения в условиях неопределенности применена нечеткая модель Мамдани. Предложена RETE-сеть для получения диагностического решения за приемлемое время. Предложенный механизм вывода диагностического решения обладает следующими достоинствами: обеспечивает возможность направления рассуждений по наиболее перспективным путям получения диагноза, т.е. механизм вывода определяет правильные очередные вопросы по ведущим симптомам; позволяет ставить диагноз в условиях неопределенности информации о симптоматике, т.е. механизм вывода не останавливается, хотя диагностическое решение может и не быть точным; позволяет ставить предварительный диагноз в режиме реального времени, т.е. механизм вывода выводит решение за приемлемое время после того, как вводятся имеющиеся симптомы.

Ключевые слова: медицина, диагностика, экспертная система, база знаний, фреймы, продукционные правила, механизм вывода решения, прямой вывод, обратный вывод, RETE-сеть

Библиография:
Богомолов Д.В., Кочоян А.Л., Мартемьянова А.А. Возможности применения иммуногистохимического метода исследования в судебно-медицинской практике // Полицейская и следственная деятельность.-2014.-1.-C. 61-69. DOI: 10.7256/2306-4218.2014.1.9919. URL: http://www.e-notabene.ru/pm/article_9919.html
А.С. Катасёв, Л.Ю. Емалетдинова Нечетко-продукционная каскадная модель диагностики состояния сложного объекта // Программные системы и вычислительные методы.-2013.-1.-C. 69-81. DOI: 10.7256/2305-6061.2013.01.6.
Iancu, I. (2009a). Extended Mamdani Fuzzy Logic Controller, The 4th IASTED Int. Conf. on Computational Intelligence, ACTA Press, Honolulu, USA, pp. 143-149
Корухова, Л. С. Программные средства реализации ассоциативного планирования / Л. С. Корухова, Э. З. Любимский, В. В. Малышко // препринт ИПМ им. М. В. Келдыша РАН. – 2002. – № 10. – С. 1-29.
Ле, Нгуен Виен Модель представления знаний при создании медицинской экспертной системы дифференциальной диагностики / Ле Нгуен Виен, В. А. Камаев, Д. П. Пан

Аннотация: В данной статье рассмотрена унифицированная логико-семантическая модель машины интерпретации программ базового языка программирования, ориентированного на обработку sc-моделей баз знаний. Указанная модель основана на многоагентном подходе. Данная статья посвящена базовому языку программирования технологии проектирования интеллектуальных систем OSTIS, а конкретнее, модели его интерпретатора, основанной на многоагентом под-ходе к проектированию машин обработки знаний, лежащем в основе указанной технологии. Базовые понятия данной работы, такие как sc-агент, абстрактный sc-агент и т.д., рассмотрены в работе и на сай-те технологии. Рассматриваемый язык является базовым для технологии проектирования интеллектуальных систем OSTIS. В данной работе описываются сами sc-агенты абстрактной scp-машины, а также sc-язык их взаимодействия. В работе рассмотрены принципы интерпретации программ базового языка программирования, ориентированного на обработку sc-моделей баз знаний. Разработанная модель основана на многоагентом подходе, что позволяет эффективно использовать возможности асинхронного и параллельного программирования, а также делает разработанную мо-дель открытой, то есть присутствет возможность добавления в нее но-вых агентов.

Ключевые слова: интеллектуальная система, машина обработки знаний, база знаний, многоагентная система, язык программирования, интерпретируемый язык, OSTIS, многоагентный подход, sc-агент, sc-модель

Библиография:
Проект OSTIS [Электронный ресурс]. Минск, 2014. – Режим доступа: www/URL:http://ims.ostis.net/. – Дата доступа: 20.06.2014
Программирование в ассоциативных машинах / Голенков В. В. [и др.]; под ред. В. В. Голенкова – Минск, 2001.-412 c
Шункевич Д.В. Модели и средства компонентного проектирования машин обработки знаний на основе семантических сетей. / Д.В. Шункевич // Открытые семантические технологии проектирования интеллектуальных систем (OSTIS-2013): материалы Междунар.научн.-техн.конф. Минск, 21-23 февраля 2013 г. – Минск: БГУИР, 2013. – c. 269-280.
Шункевич Д.В. Машина обработки знаний интеллектуальной метасистемы поддержки проектирования интеллектуальных систем. / Д.В. Шункевич // От-крытые семантические технологии проектирования интеллектуальных систем (OSTIS-2014): материалы Междунар.научн.-техн.конф. Минск, 20-22 февраля 2014 г. – Минск: БГУИР, 2014. – c. 93-96.
Голенков, В.В. Представление и обработка знаний в графодинамических ассоциативных машинах / Голенков В.В. [и др.]; под ред. В.В.

Аннотация: Рассматривается задача теоретического обоснования принципов и концепций автоматизированного проектирования для когнитивного объекта, отображаемого распределенным образовательным курсом. Показана интеграция методов автоматизированного проектирования, реализующих алгоритмический синтез представленного объекта с технологиями интеллектуальной обработки информации. Предложенный метод создания образовательного ресурса открывает оригинальное направление в подготовке специалистов по САПР. Рассматриваются основные цели использования интеллектуальных обучающих технологий в САПР. Главная особенность построения интеллектуальной САПР для проектирования информационного объекта заключается в необходимости синхронизации процесса автоматической обработки проектной информации и процесса логического вывода. Предложенные формальные представления позволяют логически структурировать свойства проектных решений, определять семантические правила преобразований на основе каузальных отношений предметной области, устранять неопределенность на основе известных представленных в статье методов, используемых для реализации обучающих интеллектуальных технологий.
Представленные интеллектуальные технологии САПР предназначены для расширения возможностей и распределенных образовательных приложений. В настоящее время системы e-learning уже продемонстрировали преимущества их использования.

Ключевые слова: САПР, интеллектуальные обучающие технологии, автоматизированное проектирование, распределенный образовательный курс, технология, процесс логического вывода, проектное решение, каузальные отношения, e-learning, анализ

Библиография:
В.В. Голенков, Д.В. Шункевич, И.Т. Давыденко Cемантическая технология проектирования интеллектуальных решателей задач на основе агентно-ориентированного подхода // Программные системы и вычислительные методы.-2013.-1.-C. 82-94. DOI: 10.7256/2305-6061.2013.01.7.
Арзамасцев С.В., Коновалов А.В., Муйземнек О.Ю., Канюков С.И. Свойства, методы и события объектов интегрированной интеллектуальной САПР ТП ковки на молотах // Программные системы и вычислительные методы.-2013.-3.-C. 245-249. DOI: 10.7256/2305-6061.2013.3.10542.
Сидоркина, И. Г. Моделирование подсистемы навигации в системах обучения стандарта SCORM/ И. Г. Сидоркина, А. Е. Рыбаков // Программные продукты и системы. – 2009. – № 1. – С. 11-15.
Кофман А. Введение в теорию нечетких множеств / Пер. с англ. М.: Радио и связь, 1982
Анисимов В.И., Стрельников Ю.Н. Экспертные САПР радиоэлектроники // Изв. Вузов Сер. Радиоэлектроника, Том 30, № 6 , 1987
Нечеткие множества в моделях управления и искусственного интеллекта / Под ред. Поспелова Д

Аннотация: В статье рассматривается работа программного агента в процессе проведения интернет олимпиад, связанные с этим процессом возможности мошенничества, способы контролирования участников и обеспечения соблюдения условий проведения олимпиады. Предлагается использовать программу агент для организации удаленного участия в олимпиаде и способе контроля в процессе ее проведения используя для этого интеграцию с операционной системой для отслеживания аппаратной конфигурации компьютера, состоянием запущенных программ, устройств ввода-вывода и взаимодействие с сетью Интернет. Предусматривается использование стандартов асимметрического криптографического шифрования для безопасной передачи данных, наблюдения и удаленного контроля за участниками. При работе агента учитываются особенности процесса проведения удаленных соревнования в том числе: различные часовые пояса участников, отличия в аппаратно-программном обеспечении и низкая пропускная способность канала для связи с сервером на протяжении всего турнира. Результаты работы могут быть использованы при проведении различный интернет турниров с удаленным участием.

Ключевые слова: интернет олимпиада, программный агент, обеспечение удаленного контроля, регламент олимпиады, сетевой мониторинг, удаленный контроль, устройства ввода-вывода, интеграция с ОС, алгоритмы шифрования, аппаратно-программные характеристики

Библиография:
ГОСТ 28147-89. Системы обработки информации. Защита криптографическая. Алгоритм криптографического преобразования.
IP-адрес, уникальный сетевой адрес узла в компьютерной сети сетей [Электронный ресурс] – URL: http://www.iana.org
Система управления соревнованиями EJudge [Электронный ресурс] –URL: http://ejudge.ru/
MAC-адрес, уникальные идентификатор, присваиваемый каждой единице активного оборудования компьютерных сетей [Электронный ресурс] – URL: http://standards.ieee.org/

Аннотация: В данной статье приведена многоуровневая модель представления знаний для оценки состояния документооборота организации. Предложены сетевые модели представление знаний, применение которых обеспечивает возможность качественной оценки состояния документооборота на основе разнородных текущих количественных и качественных показателей. Говорится, что эффективный анализ документопотоков включает в себя не только оценку количественных показателей, но и требует объединения в единой многоуровневой модели показателей эффективности документооборота и бизнес-процессов. В статье приводится общая сравнительная характеристика нейронной и семантической сети. Делается вывод, что для анализа документооборота наилучшим выбором будет семантическая сеть. Рассматривается процесс анализа и оценки состояния документооборота с применением семантических сетей на примере предприятия ООО «ИВА-ТРАНС». В заключении говорится, что семантическая сеть прогнозирования состоит из семантических утверждений, которые в свою очередь представлены семантическими конструкциями, узлами которых являются подграфы семантической сети понятий.

Ключевые слова: модель представления знаний, документооборот, показатели, бизнес-процессы, анализ, экспертная система, инженерия знаний, база знаний, нейронные сети, семантические сети

Библиография:
Нейлор, К. Как построить свою экспертную систему / Нейлор К.-Москва, 1991. – 189 с.
Уоссермен, Ф. Нейрокомпьютерная техника: Теория и практика/ Уоссермен Ф.-М: Мир, 1992. – 240 с.
Горбань, А. Н. Нейроинформатика / А.Н.Горбань, В.Л.Дунин-Барковский, А.Н.Кирдин и др.-Новосибирск: Наука. Сибирское предприятие РАН, 1998. – 296 с.
Круглов, В. В. Искусственные нейронные сети. Теория и практика/ В.В. Круглов, В.В. Борисов – М.: Горячая линия-Телеком, 2001. – 382 с.
Вороновский, К. В. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности / Г.К.Вороновский, К.В. Махотило, С.Н. Петрашев, С. А. Сергеев.— М.: ОСНОВА, 1997.— 112 с.
Уотермен, Д. Руководство по экспертным системам/ Уотермен Д-Пер. с англ. – М.: Мир, 1989. – 174 с.
Усманова, И. В. Сетевые модели представления знаний для решения задачи анализа документооборота организации. – Известия ПГПУ им. В.Г. Белинского.-№ 26. – 2011.-С. 412-417.
Усманова, И. В. Взаимодействие интеллектуальных компонентов информацион

Аннотация: Рассматривается задача принятия решения о составе системы физической защиты потенциально-опасных объектов. Определяется этап задачи, использующий знания экспертов – концептуальное проектирование, включающий в себя анализ защищенности объекта, разработку практических рекомендаций по созданию системы физической защиты, выбор варианта и состава инженерно – технических средств охраны. Формулируется задача синтеза системы физической защиты. Приводятся различные методы решения задачи, выделяется проблема оценки показателя защищенности объекта инженерно-техническими средствами охраны, заключающаяся в неточности и неоднозначности определения экспертами требуемых данных при проведении анализа защищенности объекта. Целью статьи является разработка моделей для методик оценки защищенности объектов. Основа разрабатываемого метода - представление объекта защиты в виде графа. Рассмотрены общие свойства графа объекта. Введено определение меры структурной защищенности. Мера позволяет оценить эффективность средств защиты расположенных на пути нарушителя, при попытке проникновения на объект и перемещении по территории объекта с целью совершения противоправных действий. Оценивается возможность нарушителя добраться до одного из критических элементов объекта без обнаружения техническими средствами защиты и без задержки физическими барьерами. Мера структурной защищенности показывает вероятность обнаружения и задержки нарушителя на самом уязвимом пути до критического элемента. Оценивается возможность применения алгоритма Дейкстры для поиска наименее защищенного пути, и разрабатывается модифицированный алгоритм для поиска меры структурной защищенности. Описываются способы обработки экспертной информации в виде нечетких чисел. Предложена методика оптимального размещения точек контроля на объекте с помощью стандартного генетического алгоритма. Показан пример поиска меры структурной защищенности с помощью программы.

Ключевые слова: дефаззификация, лингвистическая переменная, нечеткое значение, алгоритм Дейкстры, граф, система физической защиты, инженерно-технические средства охраны, метод Саати, генетический алгоритм, неточность, неопределенность

Библиография:
Скурихин А. Генетические алгоритмы/ Новости искусственного интеллекта, №.4., 1995, с. 6-17.
Штовба С.Д. Введение в теорию нечетких множеств и нечеткую логику. Вин-ница: Изд-во Винницкого гос. тех. ун-та, 2001. 198 с.
Томас Х. Кормен, Чарльз И. Лейзерсон, Рональд Л. Ривест, Клиффорд Штайн Алгоритмы: построение и анализ = Introduction to Algorithms.-2-е изд.-М.: «Вильямс», 2006. – 1296 с.
А. С. Боровский, А. Д. Тарасов Метод обработки экспертной информации на ос-нове нечетких гиперграфов для проектирования систем физической защиты / Информационные технологии, теоретический и прикладной научно-технический журнал, №2(186), 2012 г., с. 67-73.
Беллман Р., Заде Л. Принятие решений в расплывчатых условиях. В кн.: Вопросы анализа и процедуры принятия решений. — М.: Мир, 1976. — с. 172–215.
Ротштейн А. П., Штовба С. Д. Нечеткий многокритериальный анализ вариантов с применением парных сравнений // Известия РАН. Теория и системы управления.-2001.-№3.-с. 150–154.
Радаев Н.Н. Методические аспекты задания

Аннотация: В данной работе предлагается применение интеллектуальной как гибридного мета-агента для задачи интеллектуализация управления и информационного обеспечения на железнодорожном транспорте. Для обеспечения гарантированного уровня безопасности и управления рисками возникновения негативных природно-техногенных ситуаций на железнодорожном транспорте предлагается использовать интеллектуальное управление и информационное обеспечение. Рассматривается общая архитектура интеллектуальной среды как гибридного когнитивного агента, включающая четыре основных компонента. Основными препятствиями на пути создания систем интеллектуального мониторинга являются: недофинансирование, отсутствие базы знаний о предаварийных состояниях объектов, отсутствие специализированных программного и аппаратного обеспечения. Необходимыми характеристиками обладают современные сенсорные сети объединенные в многоагентную систему, где каждый отдельный сенсор представляет собой отдельного агента, со своей локальной базой знаний. Многоагентная система, образованная несколькими взаимодействующими интеллектуальными агентами, может быть использована для решения таких проблем, которые сложно или невозможно решить с помощью одного агента. Предлагаются варианты построения логических моделей взаимодействия между сенсорами с использованием аппарата многозначных логик и бирешеток.

Ключевые слова: интеллектуальный агент, магнитные измерения, мониторинг, железнодорожная инфраструктура, информационное обеспечение, безопасность, управление, сенсорные сети, многоагентная система, база знаний

Библиография:
Dunn, J. M. Intuitive semantics for first-degree entailment and ‘coupled trees’/ J.M. Dunn// Philosophical Studies. 1976. Vol. 29. P. 149-168.
Белнап, Н., Логика вопросов и ответов. Перевод с английского Г. Е. Крейдлина/Н. Белнап, T. Стил // М.: Прогресс, 1981. – 133 с.
Scott, D. Models for various type-free calculi/D. Scott//Logic, Methodology and Philosophy of Science. Vol. IV. Amsterdam: North-Holland, 1973. P. 157-187.
Целуйко А.В. К вопросу о генезисе инфраструктуры Московского метрополитена и правоохранительных органов, осуществляющих его охрану // NB: Российское полицейское право. - 2013. - 2. - C. 50 - 61. URL: http://www.e-notabene.ru/pm/article_803.html

Аннотация: Работа посвящена основным принципам, лежащим в основе комплексной методики проектирования семантических моделей баз знаний интеллектуальных справочных систем. База знаний является одним из ключевых компонентов интеллектуальных систем различного назначения. При разработке баз знаний важно обеспечить не только возможность хранения знаний и навигации по ней, но и возможность работы над созданием и изменением базы знаний распределенным коллективом разработчиков. В статье предлагается технология компонентного проектирования баз знаний, основанная на унифицированных семантических сетях с базовой теоретико-множественной интерпретацией. Данная технология представляет собой комплекс моделей, инструментальных средств и методов проектирования баз знаний. Семантическая модель базы знаний интеллектуальной системы представляет собой формальную трактовку семантического пространства, которое известно интеллектуальной системе в текущий момент времени. Данная модель входит в технологию компонентного проектирования баз знаний интеллектуальных систем, основанную на семантических сетях.

Ключевые слова: проектирование, семантическая модель, базы знаний, семантическое пространство, интеллектуальная система, семантические сети, систематизация, структуризация, технология, верификация

Библиография:
Гаврилова Т. А., Хорошевский, В. Ф. Базы знаний интеллектуальных систем. Учебник / Гаврилова Т.А.. [и др.]; – СПб.: Изд-во «Питер», 2001.
Гаврилова, Т. А., Гулякина, Н.А. Визуальные методы работы со знаниями: попытка обзора / Т. А. Гаврилова, Н. А. Гулякина // Искусственный интеллект и принятие решений, 2008, № 1, С. 15-21
Голенков, В. В., Гулякина Н. А. Графодинамические модели параллельной обработки знаний: принципы построения, реализации и проектирования. – В кн Междунар. научн.-техн. конф. . «Открытые семантические технологии проектирования интеллектуальных систем» (OSTIS-2012). Материалы конф. [Минск, 16-18 февр. 2012 г.]. – Минск: БГУИР, 2012.
Ефименко, И. В., Хорошевский, В. Ф. Онтологическое моделирование экономики предприятий и отраслей современной России: Часть 1. Онтологическое моделирование: подходы, модели, методы, средства, решения: препринт WP7/2011/08 (ч. 1) / И. В. Ефименко, В. Ф. Хорошевский; Нац. исслед. ун-т «Высшая школа экономики». – М.: Изд. дом Высшей школы экономики, 2011. –

Аннотация: В статье описан метод принятия технических решений с использованием теории многоагентных систем. Разработана структура системы принятия решений, а также описаны возможные вариации входящих в нее компонент. Многоагентные системы являются результатом пересечения теорий систем с системами распределенного искусственного интеллекта. В кооперативных многоагентных системах решение принимается в результате совместной работы, а в конкурирующих – отдельных действий агентов. У корпоративных структур многоагентных систем имеется свойство самоорганизации. Задача принятия решения - это задача выбора наилучшего варианта из многих, осуществляемая в условиях неопределенности. В функции поведения агента выделяются три части: первая закладывается проектировщиком агента, вторая вычисляется в результате работы агента по выработке действий, и третья – формируется в результате обучения агента по мере накопления опыта. Работа агента в частично наблюдаемой, стохастической, последовательной, динамической, непрерывной и мультиагентной среде считается наиболее сложной.

Ключевые слова: мультиагентная среда, технические решения, структура, искусственный интеллект, интерфейс, интеллектуальный агент, база знаний, алгоритм, система распределения, принятие решений

Библиография:
Таранников, Н. А. Разработка многоагентной системы для поддержки принятия решений в экономике и управлении: диссертация ... кандидата экономических наук: 08.00.13 Волгоград, 2007. – 98 с.
Люгер Джордж Ф. Искусственный интеллект: стратегии и методы решения сложных проблем/Джордж Ф. Люгер, 4-е издание.: Пер. с англ.–М.: Издательский дом "Вильямс", 2003.–864с.
Шампандар Алекс Дж. Искусственный интеллект в компьютерных играх: как обучить виртуальные персонажи реагировать на внешние воздействия/ Алекс Дж. Шампандар: Пер. с англ. – М.: ООО "И.Д. Вильямс", 2007. – 768с.
Рассел, С. Дж. Искусственный интеллект: современный подход/ С.Дж. Рассел, Норвиг П. Норвиг, 2-е изд.: Пер. с англ. – М.: Издательский дом "Вильямс", 2006. – 1408с.

Аннотация: База знаний является одним из ключевых компонентов интеллектуальной справочной системы. Разработка этого компонента является трудоемким и продолжительным процессом, а поэтому важным аспектом проектирования базы знаний является организация коллективного проектирования.
Основываясь на аспекте коллективного проектирования комплексной методики проектирования интеллектуальных справочных систем, проектирование семантической модели базы знаний заключается в детальной структуризации базы знаний, т.е. предложено рассматривать структуру базы знаний, как иерархическую систему взаимосвязанных друг с другом предметных областей, представляемых в базе знаний. При таком рассмотрении процесса проектирования модели базы знаний можно выделить отдельные направления работ в создании модели. Семантическая структура базы знаний представляет собой иерархическую систему описываемых ею предметных областей, надстраиваемых над заданной основной предметной областью. В работе приведена комплексная методика проектирования интеллектуальных справочных систем, основанная на массовой семантической технологии проектирования компьютерных систем различного уровня интеллекта OSTIS. Результаты, приведенные в работе, апробируются в рамках открытого проекта OSTIS.

Ключевые слова: семантика, база знаний, интеллектуальные системы, коллективное проектирование, предметная область, SC-код, структуризация, семантическая модель, проектирование, модель

Библиография:
Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. Учебник / Гаврилова Т.А.. [и др.]; – СПб. : Изд-во «Питер», 2001.
Хорошевский, В.Ф. Пространства знаний в сети Интернет и Semantic Web (Часть 1) / В. Ф. Хорошевский // Искусственный интеллект и принятие решений.-2008.-№ 1.-С.80-97.
Давыденко И. Т. Интеллектуальная справочная система по геометрии / И. Т. Давыденко, В. А. Житко, С. С. Заливако, Д. Н. Корончик, С. Г. Мошенко, О. Ю. Савельева, С. С. Старцев, Д. В. Шункевич //Материалы международной научно-технической конференции OSTIS-2011, стр. Минск БГУИР
Интеллектуальные обучающие системы и виртуальные учебные организации / Голенков В.В. [и др.]; под ред. В.В. Голенкова – Минск, 2001. – 488с.
Проект OSTIS [Электронный ресурс]. Минск, 2011. – Режим доступа: http://ostis.net/. – Дата доступа: 11.12.2011.

Аннотация: Пользовательский интерфейс является единственным способом взаимодействия пользователя с программной системой. Поэтому он должен быть достаточно простыми, понятным и легкими в освоении. Проектируемые с помощью современных технологий пользовательские интерфейсы в большинстве своем представляют собой достаточно сложные системы. Основной проблемой в таких интерфейсах является то, что пользователю, имеющему низкий уровень квалификации, сложно работать с ними. Это в свою очередь уменьшает количество пользователей и снижает эффективность эксплуатации ПО. Проектирование пользовательских интерфейсов интеллектуальных систем является более сложной задачей по ряду причин, что делает разработку технологии для их проектирования более актуальной. В данной статье описаны принципы и приемы, позволяющие проектировать интеллектуальные пользовательские интерфейсы для интеллектуальных систем, которые легко интегрируются в них и строятся на основе уже имеющихся компонентов. На основе предлагаемой технологии уже проектируются пользовательские интерфейсы некоторых прикладных систем, что дает возможность говорить о работоспособности предлагаемого подхода.

Ключевые слова: пользовательский интерфейс, интерфейс интеллектуальной системы, знания, семантика предметной области, семантическая технология, пользователь, количество задач, сложность интерфейса, человеко-машинное взаимодействие, юзабилити

Библиография:
Поспелов Д.А. Интеллектуальные интерфейсы для ЭВМ новых поколений// Электронная вычислительная техника. Сборник статей. Вып.3.-М.: Радио и связь, 1989.-С.4-20.
Открытая семантическая технология проектирования интеллектуальных систем [Электронный ресурс]. – 2011.-Режим доступа: http://ostis.net. – Дата доступа: 14.03.2012
Голенков, В. В. Графодинамические модели параллельной обработки знаний: принципы построения, реализации и проектирования / В. В. Голенков, Н. А. Гулякина // Материалы международной научно-технической конференции “Открытые семантические технологии проектирования интеллектуальных систем” – 2012. – с. 23-52
Представление и обработка знаний в графодинамических ассоциативных машинах / В. В. Голенков, [и др]; – Мн. : БГУИР, 2001
Коробейников А. Г., Кудрин П. А., Сидоркина И. Г. Алгоритм распознавания трехмерных изображений с высокой детализацией./ Вестник Марийского государственного технического университета. Серия: Радиотехнические и инфокоммуникационные системы, 2010 №2, с. 91-98.

Аннотация: Системы управления проектами широко используются в настоящее время. Они предназначены для сопровождения и контроля всего жизненного цикла проекта. Проект представляет собой временный объем работ труда единовременного события, который соответствует следующими признаками:
• наличие начальной и конечно даты;
• наличие перечня затрат и условий качества;
• существование уникальной деятельности, включающей в себя риски;
• наличие определённых границ, которые необходимо соблюдать.
Для проекта жизненно важным является контроль всех его фаз развития. Подход, предлагаемый в данной работе, направлен на решения проблем контроля во всех фазах развития проекта путем интеграции системы управления проектами с системой, управление которой необходимо автоматизировать. Необходимо отметить также, что подход не является универсальным в том смысле, что его использование ограничено узким кругом задач. К таким задачам можно отнести: задачу управления совместной разработкой документации, задачу организации массового мероприятия (например, научной конференции), задачу разработки базы знаний и ряд других.

Ключевые слова: управление проектами, жизненный цикл, база знаний, интеллектуальная система, семантическая модель, онтология, агенты, машина обработки знаний, автоматизация, управление разработкой

Библиография:
Charvat, Jason P. Project management methodologies : selecting, implementing, and supporting methodologies and processes for projects / Jason P. Charvat-John Wiley & Sons, 2003.
Голенков, В.В. Интеллектуальные обучающие системы и виртуальные учебные организации: Монография / В.В.Голенков, В.Б. Тарасов, О.Е. Елисеева и др.; Под ред. В.В. Голенкова, В.Б. Тарасова – Мн.: БГУИР, 2001. – 488 с.
Хорошевский, В.Ф. Пространства знаний в сети Интернет и Semantic Web (Часть 1) / В. Ф. Хорошевский // Искусственный интеллект и принятие решений.-2008.-№ 1.-С.80-97.
Бениаминов, Е.М. О построении Web-сервера в стиле Semantic Wiki с открытым контекстным языком представления и запросов/Е. М. Бениаминов// КИИ-2008. Труды конференции. Т 2, С. 15-21
Проект MediaWiki [Электронный ресурс]. – Режим доступа: http://mediawiki.org/.
Проект OSTIS [Электронный ресурс]. Минск, 2011. – Режим доступа: http://ostis.net/.

Аннотация: В связи с динамичным развитием и распространением компьютерных систем в различных сферах деятельности человека актуальным является снижение затрат на подготовку новых и адаптацию уже активных пользователей к новым версиям систем. В наибольшей степени это относиться к сфере информационно-справочных систем. Это обуславливается большим разнообразием сфер применения, начиная от систем автоматического заказа билетов до систем информационной поддержки клиентов. Разнообразие подобных систем и принципов взаимодействия с ними, применяемых на практике, затрудняет их свободное использование. Перспективным в этом случае представляется использование привычного для пользователя естественного языка для организации диалога с компьютерными системами. Использование привычного для пользователя естественного языка для организации диалога с компьютерными системами реализуется средствами естественно-языкового и речевого пользовательского интерфейса, обладающего рядом преимуществ: минимальной подготовкой пользователя для работы с системой (во многом зависит от конкретной реализации системы и ее операционных возможностей), простотой и высокой скоростью задания произвольных запросов к системе и высоким уровнем модели предметной области (является как одним из преимуществ, так и необходимым условием успешного внедрения подобных систем).

Ключевые слова: естественно-языкового пользовательский интерфейс, вопрос-ответные системы, компонентное проектирование, семантика, интеллектуальные системы, морфологический анализ, база знаний, машина вывода, интерфейс, обучение

Библиография:
Проект OSTIS [Электронный ресурс]. Минск, 2011. – Режим доступа: http://ostis.net/. – Дата доступа: 11.12.2011.
Byron Long, Natural Language as an Interface Style / Byron Long // Dynamic Graphics Project Department of Computer Science University of Toronto, 1994.
Сулейманов Д.Ш. Двухуровневый лингвистический процессор ответных текстов на естественном языке языке / Сулейманов Д.Ш. // сборник трудов Международной научно-технической конференции OSTIS-2011, Минск, 2011 / БГУИР – Минск, 2011
Апресян, Ю. Д. Избранные труды, том II. Интегральное описание языка и системная лексикография / Ю. Д. Апресян – Москва: Школа «Языки русской культуры», 1995.
Попов, Э.В. Общение с ЭВМ на естественном языке / Э.В. Попов. – Москва: Наука, 1982.
Алгоритмы порождения предложений естественного языка (обзор и анализ) / Т.П. Карпилович. – Минск, 1977.