Государственное образовательное учреждение высшего профессионального

образования Московской области

«Международный университет природы, общества и человека «Дубна»

(университет «Дубна»)

УТВЕРЖДАЮ

проректор по учебной работе

С.В. Моржухина «_»_20 г.

ПРОГРАММА ДИСЦИПЛИНЫ

СОВРЕМЕННЫЕ МЕТОДЫ ОБРАБОТКИ ДАННЫХ В ЗАДАЧАХ

АВТОМАТИЧЕСКОГО УПРАВЛЕНИЯ

_ (наименование дисциплины) по направлению (специальности) 553000 - Системный анализ и управление (№, наименование направления, специальности)

220101 "ТЕОРИЯ И МАТЕМАТИЧЕСКИЕ МЕТОДЫ СИСТЕМНОГО АНАЛИЗА И

УПРАВЛЕНИЯ В ТЕХНИЧЕСКИХ СИСТЕМАХ"

Форма обучения: очная Уровень подготовки: магистр Курс (семестр): 6 (XI) г. Дубна, 2009 г.

Программа дисциплины «СОВРЕМЕННЫЕ МЕТОДЫ ОБРАБОТКИ ДАННЫХ В ЗАДАЧАХ АВТОМАТИЧЕСКОГО УПРАВЛЕНИЯ» по направлению (специальности) «553000 - Системный анализ и управление»: Учебная программа. – Дубна:

Университет «Дубна», 2009.

Автор программы: Ососков Геннадий Алексеевич д.ф.-м.н., профессор, кафедра САУ_ (подпись) Программа составлена в соответствии с Государственным образовательным стандартом высшего профессионального образования и учебным планом по направлению подготовки (специальности) 553000 - системный анализ и управление (указывается номер ОКСО, код и наименование направления подготовки (специальности)) Программа рассмотрена на заседании кафедры САУ_ (название кафедры) Протокол заседания № _ от «» 200 г.

Заведующий кафедрой /Черемисина Е.Н. / (ученое звание) (подпись) (фамилия, имя, отчество)

СОГЛАСОВАНО

заведующий выпускающей кафедрой1 /_ / (ученое звание) (подпись) (фамилия, имя, отчество) «» _ 20 г.

Рецензент: Никонов Эдуард Германович, д.ф.-м.н., снс, профессор, кафедра САУ _ (ученая степень, ученое звание, Ф.И.О., место работы, должность)

ОДОБРЕНО

декан факультета (директор института, филиала) _ /Черемисина Е.Н./ (ученое звание, степень) (подпись) (ФИО) «» _ 20 г.

Руководитель библиотечной системы _ /_Черепанова В.Г./ (подпись) (ФИО) 1. Выписка из ГОС ВПО Рабочая программа дисциплины «Информационные системы и технологии»

является общей профессиональной дисциплиной федеральной компоненты и составлена на основе требований ГОС ВПО по специальности " 14 "042000 г Регистрационный номер_343 тех/маг_

ЧАСОВ ПРИМЕРНОЕ

ДМН.Ф..Ф.01 проблемы системного.Ф.02 методология науки и.Ф.03 технологии в науке.Р.00 устанавливаемые вузом(факультетом).В.00 выбору студента 00 дисциплины специальных дисциплин определяется требованиями специи т.д.

В.00 выбору студента М.00 исследовательская М.01 исследовательская Примечание: Э - экзамен, З – зачет Составлен в соответствии с государственным образовательным стандартом высшего профессионального образования подготовки магистра по направлению 553000 Системный анализ и управление

СОСТАВИТЕЛИ:

Учебно-методическое объединение по образованию в области машиностроения и приборостроения Председатель Совета УМО Ю.С. Васильев Заместитель Председателя Совета УМО В.Н. Козлов Создание любой системы автоматического управления (САУ) требует значительных затрат на разработку технических средств и программного обеспечения системы. Оптимизация этих затрат должна выполняться еще на стадии проектирования САУ путем компьютерного моделирования как управляемого объекта, так и процессов, происходящих в ходе управления. Сложность иерархической структуры САУ, схем управления, зависящих обычно от ряда стохастических факторов не позволяют, как правило, применять аналитические методы для описания САУ, а требуют использования методов имитационного моделирования. Появление современных методов обработки данных, таких как вейвлет-анализ или нейросетевые методы принятия решений, позволяет успешно применять их для последующей проверки адекватности модели, а также анализа данных, получаемых в процессе управления.

Перечень курсов, на которых базируется дисциплина Дисциплина «Современные методы обработки данных в задачах управления» базируется на дисциплинах: «Математический анализ», разделы «Производная функции», «Неопределенный и определенный интегралы», «Функции нескольких переменных», дисциплина «Линейная алгебра», разделы «Матрицы и определители», «Системы линейных алгебраических уравнений», дисциплина «Теория вероятностей и математическая статистика», разделы «Случайная величина, ее функция распределения, математическое ожидание и дисперсия», «Закон больших чисел и центральная предельная теорема», «Точечные и интервальные оценки случайных величин», «Критерии проверки гипотез о законах распределения случайных величин».

Методы обучения Методы обучения на лекционных занятиях включают использование средств мультимедийного представления информации (презентации, ролики, схемы, иллюстрации). Семинарские занятия проходят в компьютерной аудитории, оснащенной необходимым программным обеспечением.

Требования к студентам Исходный уровень знаний студентов включает основы информатики, Студенты должны владеть навыками работы в системе EXCEL с использованием модуля «Анализ данных», умение программировать на алгоритмических языках: pascal или C#.

Полученные в ходе изучения дисциплины знания, студенты смогут применить в процессе разработки совокупности средств, способов и методов человеческой деятельности, направленных на создание и применение:

Моделирование на ЭВМ сигналов в САУ с учетом случайных факторов.

Методы статистической оценки качества моделирования.

Методы подгонки зависимостей по данным измерений.

Применение метода Монте-Карло для численного интегрирования.

Применение непрерывных и дискретных вейвлет-преобразований для обработки сигналов САУ: сглаживание, выделение периодичностей и устранение шумов.

Применение в задачах управления искусственных нейронных сетей (ИНС) и клеточных автоматов.

Методы компьютерного моделирование систем массового обслуживания и их оптимизации.

Виды контроля и формы работ Формы работы студентов предусматривают освоение дисциплины в рамках лекционных занятий (1 час в неделю) и семинарских занятий (2 часа в неделю).

Предусмотрены задания для домашней работы.

Данная дисциплина предусматривает выполнение заданий на семинарских занятиях Итоговый контроль – зачет.

3. Цели и задачи дисциплины Целью изучения настоящей дисциплины является получение студентами знаний об основных понятиях, этапах и компьютерных средствах имитационного моделирования САУ, методах статистического анализа данных с оценкой точности и достоверности результатов, основах вейвлет-анализа, методах работы с прямоточными нейронными сетями и математического моделирования систем массового обслуживания.

4. Требования к уровню освоения содержания дисциплины Требования к уровню освоения содержания дисциплины включают знания студентов основных понятий дисциплины, умение применять полученные знания для решения прикладных задач в использовании их в профессиональной деятельности.

Студенты должны освоить навыки имитационного моделирования, научиться работать в таких пакетах программ прикладной статистики как SPSS, STATISTICA, и др. и применять современные информационные технологии (мультимедиа, web-технологии, и др.) В результате изучения дисциплины «Современные методы обработки данных в задачах управления» студенты должны:

1) знать:

Определения и свойства методов моделирования, вейвлет-анализа в информационно-технологических системах автоматического управления и их роль в развитии экономики и общества;

этапы процессов имитационного моделирования, обработки и анализа 2) уметь:

– использовать современные средства и методы статистической обработки и анализа информации;

– применять нейросетевые технологи для решения прикладных задач в различных 3) владеть:

– методами стохастического моделирования (Монте-Карло), а также методами нейросетевого анализа и моделирования систем массового обслуживания, для их применении в создании и верификации моделей информационно-технологических и вычислительных систем 5. Объём дисциплины и виды учебной работы (час):

Общая трудоемкость Аудиторные занятия:

Практические занятия (ПЗ) Лабораторные работы (ЛР) Самостоятельная работа:

Курсовой проект (работа) Расчетно-графические работы Реферат Вид итогового контроля (зачет, экзамен) 6. Содержание дисциплины Разделы дисциплины на ЭВМ и оценки качества моделирования методов их статистической обработки на компьютере массового обслуживания.

Содержание разделов дисциплины 1. Моделирование на ЭВМ сигналов в САУ с учетом случайных факторов: общие методы, генерация функций от случайных величин;

2. Представление статистических данных САУ на ЭВМ. Методы оценки качества моделирования по группированной выборке и вариационному ряду.

3. Методы подгонки зависимостей по данным измерений. Робастные методы подгонки.

Применение метода Монте-Карло для численного интегрирования.

4. Способы практической реализации моделей и методов их статистической обработки с использованием программных систем EXEL и STATISTICA.

5. Вейвлет-анализ и его применение для обработки сигналов САУ. Непрерывные и дискретные вейвлет-преобразования. Выделение периодичностей и устранение шумов с помощью программного пакета WFILTR. Применение дискретных вейвлетпреобразований для сглаживания функций с помощью программных пакетов SHRINK и LIFTING.

6. Искусственные нейронные сети (ИНС) и их применение в САУ. Многослойные ИНС прямого распространения их применение в задачах управления. Клеточные автоматы и их реализация на компьютере. Применение клеточных автоматов для генерации случайных чисел.

7. Моделирование систем массового обслуживания. Типы систем массового обслуживания (СМО) и методы их аналитического анализа. Методы компьютерного моделирование СМО. Оптимизация СМО при ограничениях на пребывание в системе обслуживания.

График выполнения самостоятельных работ студентами расчет ВЗ – выдача задания на самостоятельную работу, СЗ – сдача и защита задания 7. Учебно-методическое обеспечение дисциплины Рекомендуемая литература Основная литература 1. Ясницкий Л.Н., Введение в искусственный интеллект : Учебное пособие для студентов вузов / Ясницкий Леонид Нахимович. - М. : Академия, 2005. - 176с. : ил.

- (Высшее профессиональное образование: Информатика и вычислительная техника).:с.170. - ISBN 5-7695-1958-4.

2. Алгазинов Э.К., Анализ и компьютерное моделирование информационных процессов и систем : Учебное пособие для вузов / Алгазинов Эдуард Константинович, Сирота Александр Анатольевич ; Под общ.ред. А.А.Сироты. - М.

: ДИАЛОГ-МИФИ, 2009. - 416с. - ISBN 978-5-86404-233-5.

3. Блаттер, К., Вейвлет-анализ. Основы теории : Учебное пособие для вузов / К.

Блаттер ; Пер.с нем. Т.Э.Кренкеля; Под ред. А.Г.Кюркчана. - М. : Техносфера, cерия: Мир математики, 2006. - 272с. -ISBN: 5-94836-033-4, 1-56881-095- Дополнительная литература 1. Емельянов А.А. Имитационное моделирование экономических процессов :

Учебное пособие / Емельянов А. А., Власова Е. А., Дума Р. В. ; Под ред.

А.А.Емельянова; - 2-е изд.,перераб.и доп. - : ИНФРА-М : Финансы и статистика, 2009. – 416 с. -ISBN 978-5-279-02947-1.

2. Гмурман В.Е., Теория вероятностей и математическая статистика, М.: Высш. шк.

2003, 479, ISBN: 5-06-004214- 3. Успехи физических наук. / РАН; - М. : РАН, 2003-2011 гг.

8. Материально-техническое обеспечение дисциплины Компьютерный класс, подключенный к сети Интернет и к локальной сети университета (директория GROUPS для обучающихся), обеспечивающей доступ к программному обеспечению для проведения семинарских занятий:

Нейросетевые пакеты открытого доступа (Neural Network Wisard);

Авторские программы вейвлет-анализа WFILTER, Lifting, Shrink 9. Формы контроля и оценочные средства Перечень вопросов, выносимых на зачет по курсу «Современные методы обработки данных в задачах управления»:

1. Раздел: Методы моделирования случайных последовательностей с заданным распределением.

Тип распределения параметры № варианта Знач. параметров Порядок выполнения 1. Записать полный текст условия задачи в соответствии с параметрами распределения для данного варианта, включая формулу для закона распределения.

2. Описать алгоритм моделирования.

3. Выписать формулы оценки параметров распределений по методу максимального правдоподобия (кроме равномерного и Коши распределений, где для определения оценок использовать элементы вариационного ряда).

Написать программу в EXCEL или на C#, реализующую алгоритмы генерации N= случайных чисел, после генерации случайных чисел записать их в файл для передачи в программу STATISTICA, где оценить параметры и проверить качество случайных чисел по критериям 2 и Колмогорова.

2. Раздел: Подгонка зависимостей.

Подгонка прямой y=ax+b по методу наименьших квадратов с определением оценок параметров и среднеквадратичной ошибки подгонки.

Порядок выполнения 1. Дать вывод МНК из метода максимального правдоподобия.

2. Привести формулы для вычисления оценок a, b, 3. Написать программу в EXCEL или на C# для моделирования n=50 измерений прямой с параметрами a, b, с двумя выпадающими точками передать полученные данных в программу STATISTICA для оценки параметров..

Варианты:

7: a=-1, b=2, =0. 8: a=2, b=1, =0. 3. Раздел: Вычисление интегралов методом Монте-Карло.

Порядок выполнения Написать программу в EXCEL или на C# для вычисления определенного интеграла от функции f(x,y,z) в квадранте x>0,y>0,z>0 при N=1000 с выдачей результата на монитор. Дать теоретический расчет ошибки интегрирования для заданного N и убедиться в его справедливости для заданного примера.

Варианты:

10. вычисление числа по функции: x2+y2+z2= 4. Раздел: Вейвлет-анализ Порядок выполнения Смоделировать сигнал, состоящий из смеси высоко- и низкочастотной компонент и шума, и сохранить его в отдельном файле для последующего анализа.

Варианты анализа:

Провести фильтрацию шумов и выделение высоко- и низкочастотной фракций сигнала с помощью 11. программы Wfilter.

12. программы Shrink 13. программы Lifting 6. Раздел: Нейронные сети и клеточные автоматы Варианты:

14. Создать файл с обучающей выборкой из 1000 двумерных точек, разбитых на три класса. С помощью программы WIZARD обучить нейронную сеть для их классификации. Подсчитать эффективность классификации обученной нейросети на тестовом множестве из 10 точек.

15. Написать программу - генератор случайных чисел с помощью одномерного клеточного автомата из 31 разряда. Проверить качество чисел методом вложенных гистограмм для размерности d=3.

7. Раздел: Системы массового обслуживания Задачи на СМО с ограниченной длиной очереди tобс Порядок выполнения 1. Записать полный текст условия задачи в соответствии с параметрами СМО для данного варианта.

2. Написать формулы для предельных вероятностей системы - Рk.

3. Написать программу для вычисления следующих характеристик работы СМО:

- вероятность отказа в обслуживании - Ротк 4. Оптимизировать систему по n, m и tобс, считая целевой функцией стоимость СМО при заданной стоимости каждого канала, ячейки буферной памяти и при ограничениях на Тсис~2 и вероятность отказа