«НАУКА И МОЛОДЕЖЬ 2-я Всероссийская научно-техническая конференция студентов, аспирантов и молодых ученых СЕКЦИЯ ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ Барнаул – 2005 ББК 784.584(2 Рос 537)638.1 2-я Всероссийская научно-техническая ...»

Министерство образования и наук

и Российской Федерации

Алтайский государственный технический

университет им.И.И.Ползунова

НАУКА И МОЛОДЕЖЬ

2-я Всероссийская научно-техническая конференция

студентов, аспирантов и молодых ученых

СЕКЦИЯ

ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ

Барнаул – 2005 ББК 784.584(2 Рос 537)638.1 2-я Всероссийская научно-техническая конференция студентов, аспирантов и молодых ученых "Наука и молодежь". Секция «Информационные технологии». / Алт.гос.техн.ун-т им.

И.И.Ползунова. – Барнаул: изд-во АлтГТУ, 2005. – 116 с.

В сборнике представлены работы научно-технической конференции студентов, аспирантов и молодых ученых, проходившей в апреле 2005 г.

Ответственный редактор к.ф.–м.н., доцент Н.В.Бразовская © Алтайский государственный технический университет им.И.И.Ползунова

ПОДСЕКЦИЯ «ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ

ВЫЧИСЛИТЕЛЬНОЙ ТЕХНИКИ И АВТОМАТИЗИРОВАННЫХ

СИСТЕМ»

СИСТЕМА ОПЕРАТИВНОГО УПРАВЛЕНИЯ АКТИВНЫМИ КОМПОНЕНТАМИ СЕТИ С

ИСПОЛЬЗОВАНИЕМ ПРОТОКОЛА SNMP

Гулин А.Ю. - cтудент гр. ПОВТ- Боровцов Е.Г. - к.т.н., доцент каф. ПМ С развитием сетевых технологий и увеличением, как количества, так и сложности сетевых устройств (управляемые коммутаторы, маршрутизаторы второго и третьего уровня, различные серверы) остро встает вопрос о возможностях оперативного удаленного управления подобными устройствами.

Для данных целей был разработан, и в настоящее время широко применяется протокол SNMP (Simple Network Management Protocol). Протокол SNMP работает на базе протокола UDP и предназначен для использования сетевыми управляющими станциями. Он позволяет управляющим станциям собирать информацию о состоянии активных сетевых устройств и манипулировать их параметрами. При работе протокол SNMP использует управляющую базу данных MIB (Management Information Base, RFC-1213, RFC-1212). Алгоритмы управления в Internet обычно описывают в нотации ASN.1 (

Abstract

Syntax Notation).

Для реализации функций сетевого администрирования с использованием протокола SNMP существует ряд программных продуктов, например: MRTG, 3Com Network Supervisor, HP Open View, Cisco Works.

MRTG (Multi Router Traffic Grapher) - собирает информацию с сетевых устройств, поддерживающих обмен информацией по протоколу SNMP. Результатом работы программы являются html-страницы, характеризующие загрузку сети. Программный продукт является бесплатным, но поддерживает ограниченное количество ОС, и не имеет широких возможностей по управлению сетевыми устройствами.

3Com Network Supervisor позволяет решать все основные задачи управления сетью: обнаруживать устройства и каналы связи, составлять карту сети, контролировать загрузку с составлением настраиваемых отчетов и отправкой предупредительных сообщений, наблюдать за сетевыми событиями, создавать отчеты, запускать программы настройки оборудования.

Обеспечивает удобный пользовательский интерфейс, графическое отображение устройств и соединений, настраиваемые отчеты, легко регулируемые пороговые величины и предупредительные сигналы, а также «интеллектуальную» систему обработки событий, позволяющую сосредоточить внимание на самых важных проблемах и быстро их разрешить.

Недостатками является высокая цена данного коммерческого продукта, и поддержка только OС семейства Windows.

HP Open View - это пакет программных решений, реализующий следующий набор функций: единое централизованное управление IT-услугами и бизнес-процессами; управление серверами и приложениями; управление интернет-технологиями; управление сетями;

управление телекоммуникациями.

Данный программный продукт является коммерческим, имеет высокую стоимость. Недостатком является то, что комплекс представлен отдельными программными продуктами, что не всегда является полезным.

Cisco Works - это полномасштабное программное средство для управления сетями, которое содержит все необходимые функции, позволяющие управлять сетью малого предприятия, предприятия средних размеров или рабочей группы. С помощью этого средства можно получить всю информацию о динамическом состоянии систем, статистические данные и все данные о конфигурации маршрутизаторов, коммутаторов, концентраторов и серверов доступа Cisco. Продукт имеет простой графический интерфейс для управления сетями предприятий или рабочих групп. Продукт является коммерческим и ориентирован на управляющие станции, функционирующие в среде Microsoft Windows.

Из вышеприведенного краткого обзора можно заметить, что подавляющее большинство программных продуктов либо являются коммерческими, либо базируются на единственной программной платформе, либо обеспечивают ограниченные возможности по реализации функций управления и сбора информации. В связи с этим возникает задача разработки собственного программного продукта для управления компонентами сети университета, ориентированного на функционирование в различной операционной среде и обеспечивающего широкий спектр функций по администрированию широкого класса SNMP-управляемых устройств.

Разрабатываемое прикладное программное обеспечение ориентировано на выполнение следующих функций:

• обеспечение подключения и обмена информацией с SNMP агентами;

• формирование управляющих дейтаграмм;

• возможность добавления и корректировки описания MIB-переменных в базе;

• поддержка устройств разных производителей;

• обнаруживать устройств и каналов связи;

• построение карты сети;

• наблюдение и фиксация сетевых событий;

• генерация отчетов;

• графический вывод информации о структуре локальной сети.

Разрабатываемый программный комплекс имеет модульную структуру и ориентирован на работу в среде операционных систем семейства UNIX(Linux, FreeBSD) и Windows (Windows NT/2000/XP).

ОРГАНИЗАЦИЯ ПРИЕМА ДОКУМЕНТОВ ОТ АБИТУРИЕНТОВ, ПОСТУПАЮЩИХ НА

ДИСТАНЦИОННОЕ ОБУЧЕНИЕ

Дистанционное обучение — одно из наиболее быстро развивающихся направлений системы образования. Это качественно новый прогрессивный вид обучения, базирующийся на современных информационных технологиях и использующий современные средства коммуникаций (телевидение, видео и аудио средства обучения, компьютерные глобальные и локальные сети).

Одним из преимуществ дистанционного обучения является то, что студент может выбрать удобное место и время для обучения.

Система дистанционного обучения создается в рамках имеющегося учебно-научнопроизводственного комплекса института и является организационной и учебно-методической формой взаимодействия его структурных подразделений.

Центр дистанционного обучения (ЦДО) выполняет функции учебно-методического управления системой дистанционного обучения. Одной из таких функций является организация набора и регистрация студентов и слушателей дистанционной формы обучения.

В настоящее время во многих городах и селах Алтайского края работают отделения центра дистанционного обучения Алтайского Государственного Технического Университета. В этих отделения осуществляется прием документов от абитуриентов, поступающих на дистанционное обучение.

Существующая система приема документов от абитуриентов обладает рядом недостатков, из которых можно выделить следующие:

1) Информация об абитуриентах из отделений в центр передается на печатных бланках, и происходит это с запаздыванием;

2) Передается только сводная информация. Полная информация передается только при поступлении абитуриента в университет.

Исходя из вышесказанного, существовала необходимость разработки программного обеспечения, позволяющего организовать ввод информации об абитуриентах в отделениях центра дистанционного обучения таким образом, чтобы обеспечить быстрый и удобный способ доступа работников приемной комиссии к анкетам абитуриентов.

При разработке программного обеспечения учитывалось то, что различные отделения будут иметь различный доступ к Интернету, или вообще не иметь его. Поэтому разработанный комплекс обеспечивает ввод информации об абитуриенте двумя способами:

1) Через Интернет, с помощью Web – сайта 2) Через клиент-серверное приложение, обеспечивающее локальное кэширование данных.

Первый способ будет использоваться при постоянно хорошем доступе в Интернет, второй же способ наоборот будет использоваться при плохой связи с сервером.

Если использовать первый способ, то на компьютере, находящемся в отделении ЦДО, необходимо лишь наличие Web – браузера, с помощью которого сотрудник отделения сможет зайти на сайт приемной комиссии и, пройдя необходимую авторизацию, сможет вводить информацию об абитуриенте.

Авторизация необходима в связи с тем, что анкеты содержат персональную информацию, работа с которой регламентируется законами РФ и доступ к которой должен быть ограничен. Кроме того анкеты абитуриентов могут вводить разные пользователи в различных отделениях, и поэтому было реализовано разграничение прав пользователей на ввод анкет для различных факультетов.

Если же использовать второй способ, то на компьютере необходимо установить клиентское программное обеспечение, которое позволяет вводить анкеты на локальном компьютере и отправлять их на сервер, который располагается в университете. Отправка данных может производиться двумя способами:

2) По электронной почте В разработанном программном обеспечении поддерживается периодичность при ведении справочной информации и при вводе анкет абитуриентов.

В заключение можно сказать, что разработанное программное обеспечение полностью решает поставленные задачи, то есть автоматизирует прием документов от абитуриентов, поступающих на дистанционное обучение.

РАЗРАБОТКА АРМ МЕНЕДЖЕРА ПО РАБОТЕ С ПЕРСОНАЛОМ ДЛЯ ФИРМЫ,

СПЕЦИАЛИЗИРУЮЩЕЙСЯ В ОБЛАСТИ IT-ТЕХНОЛОГИЙ

Менеджер по персоналу, или, как их называют заграницей, HR-менеджер (HR расшифровывается как human resourses, "человеческие ресурсы") – это новая для России профессия, которая пришла к нам с запада. В советские времена таких специалистов называли кадровиками, а круг их обязанностей был гораздо меньше. Так, среди основных их функций можно перечислить следующие: заполнение трудовых книжек и отправке людей на отдых согласно КЗОТу (“Кодексу законов о труде”), ведение личных дел работников фирмы, составление должностных инструкций, выдача пропусков, подпор кадров на вакантные места предприятия.

Как говорят эксперты, компании обычно заводят своего менеджера по персоналу, когда их штат приближается к сотне человек. Если штатное расписание увеличивается до 150 сотрудников, менеджеру по персоналу выделяют помощников. В самых крупных компаниях в отделе по персоналу может числиться до 10-15 человек, причем большинство из них специализируется на решении каких-то конкретных задач (найме, обучении персонала и т.д.).

Круг обязанностей менеджера по персоналу в разных организациях сильно различается.

В одних компаниях это бывший инспектор отдела кадров, переименованный для солидности в 'менеджера по персоналу', в других – управляющий персоналом с прямым подчинением Генеральному директору или директору по персоналу и влияющий на кадровую политику. Менеджеру по персоналу может быть подчинен собственный отдел, или же он может быть в компании единственным носителем знаний и навыков в этой области и управлять в основном собственной персоной. Довольно часто можно встретить ситуацию, когда круг обязанностей менеджера по персоналу не ясен до конца ни руководителю компании, ни самому HR.

Фактически менеджер по персоналу должен найти возможности, чтобы каждый сотрудник работал, максимально эффективно, решая порученные ему задачи. Самое главное – это результаты, а чтобы были результаты, нужна серьезная мотивация. Как ее добиться – премиями, грамотными должностными инструкциями, штрафами за оплошности, помещением фотографий на доску "Лучший работник месяца" - менеджер по персоналу решает, исходя из своих представлений об эффективности этих методов и обстановки в компании. Например, устраивается конкурс, какое подразделение (магазин, филиал и пр.) реализует больше продукции. Призами могут быть бонусы, опционы, проценты, премии, страховые полисы, льготный проезд, путёвки и даже собственная продукция (например, менеджеры табачной компании Philip Morris в России ежемесячно получают несколько блоков сигарет фирмы).

Сотрудникам отделов по персоналу обычно вменяется в обязанность способствовать росту профессионального уровня штатных работников фирмы. Для определения квалификации используются аттестации, проводимые в форме письменного теста или собеседования.

Соответственно, для повышения уровня применяются различные тренинги и учебные программы. Например, командный дух хорошо воспитывает так называемый "веревочный тренинг" – многочасовое упражнение, в ходе которого группа людей совместно преодолевает препятствия, учась лучше взаимодействовать друг с другом.

Учитывая специфику фирм, для которых разрабатывается данный программный продукт (фирмы, специализирующиеся в области IT-технологий), можно предложить проводить оценку вклада сотрудников в разработку проектов и успешности выполнения своих обязанностей при выполнении этих проектов.

В борьбе за эффективность не стоит забывать, что сотрудник обязан проводить линию компании и соответствовать предъявляемым к нему требованиям. В некоторых банках, например, принято приходить к девяти утра и носить костюм, галстук и белую сорочку. Менеджер по персоналу должен найти способы добиться того, чтобы каждый так и делал. Поэтому обязанностью специалистов по персоналу является разработка и поддержание корпоративной культуры компании. Вместе с руководством HR-менеджер должен сформулировать цели и миссию организации, довести их до сотрудников, проводить мероприятия, которые способствовали бы укреплению внутренней культуры и духа компании (например, вечеринки по случаю дня рождения компании, совместные выезды на природу).

Иногда частью корпоративной культуры становится стратегия работы с персоналом, которая включает в себя перспективный план отбора сотрудников с определенными качествами и квалификацией, намечает источники, откуда можно взять соответствующих людей. В разработке стратегии опять-таки участвует менеджер по персоналу или начальник HR-отдела. К примеру, в известной компании Procter&Gamble принято набирать сотрудников только на низовые позиции и двигать их снизу вверх по карьерной лестнице.

Если говорить о других важных функциях менеджера по персоналу, нельзя не упомянуть о подборе кандидатов на вакантные места. Когда фирма переживает период роста, ей требуется все больше специалистов различного профиля, которых трудно разыскивать по знакомым. Тогда переходят на поиск с помощью объявлений в прессе или специальных рекрутинговых агентств. На менеджера по персоналу в этом случае ложится задача формулирования и согласования с руководством базовых требований к кандидатам, проведения предварительного отбора (по резюме, с помощью собеседований или стандартных психологических тестов).

Поскольку мы рассматриваем фирмы, которые специализируется в области ITтехнологий, то это накладывает определенные требование на форму анкеты, которая заполняется для отбора кандидатов. В настоящее время в области компьютерных технологий существует очень большое количество технологий создания, тестирования, проектирования и управления программным обеспечением. Знать все технологии одному человеком просто невозможно. Поэтому среди кандидатов примерно одинаковой квалификации необходимо выбрать именно тех, которые обладают необходимыми знаниями по необходимым технологиям.

Чтобы принять на работу только лучших претендентов, существует вопросник для кандидата.

Данный вопросник является стандартной формой подачи заявки на соискание вакантной должности в компании “Enterra”. К данному вопроснику необходимо приложить свое резюме, а также заполнить корпоративную анкету.

Вопросник состоит из двух разделов: «Общая информация о кандидате» и «Технические навыки кандидата». «Общая информация о кандидате» содержит следующую информацию о кандидате: ФИО, дата рождения, стаж, фотографию, его квалификацию и специализацию.

«Технические навыки кандидата» содержит перечень технологий актуальных на текущий момент времени. Для более удобного заполнения данной части вопросника, все технологии группируются по некоторым признакам, тем самым, образуя дерево технических навыков. По каждой технологии кандидат оценивает свои знания в соответствии с системой оценок (для примера можно привести следующую систему оценок: 0 – нет знаний по технологии; 1 – только общие сведения; 2 – небольшие теоретические знания; 3 – знание технологии и опыт работы с ней (небольшие); 4 – глубокое знание технологии, но небольшой опыт работы с ней;

5 – глубокие знания технологии и большой опыт работы с ней). Именно эта часть вопросника предназначена для отбора кандидатов, которые наиболее подходят для выполнения текущих задач фирмы, поскольку позволяет актуально оценить знания кандидата и выбрать среди них тех, которые обладают требуемыми знаниями в необходимых технологиях.

В настоящие время на рынке программного обеспечения существует множество программных продуктов, которые позволяют автоматизировать часть деятельности менеджеров по персоналу. Данные продукты различаются как по специфики фирм, на которые они ориентированы, так и по масштабам этих фирм (крупные, средние и т.д.). Одним из наиболее важным недостатком указанных программных продуктов является то, что они не ориентированы на фирмы, специализирующие в области IT-технологий.

Разработанный программный продукт позволяет обеспечить ведение необходимой документации по кадрам предприятия (приказа о приеме на работу, увольнении, переводе на другую работу; личные карточки сотрудников и т.д.), а так же позволяет обрабатывать вопросники кандидатов, которые описаны выше. Программа позволяет производить поиск наиболее подходящих кандидатов в соответствии со знаниями кандидатами интересующих фирму технологиям.

РАЗРАБОТКА РАСПРЕДЕЛЕННОЙ ИНФОРМАЦИОННОЙ СИСТЕМЫ

АВТОМАТИЗАЦИИ ПРОЦЕССА ПОДГОТОВКИ НАУЧНО-ТЕХНИЧЕСКОЙ

КОНФЕРЕНЦИИ С ИСПОЛЬЗОВАНИЕМ INTERNET-ТЕХНОЛОГИЙ

Кафедрой “Медицинской кибернетики” Алтайского государственного технического университета, ежегодно проводится научно-техническая конференция “Измерение, контроль, информатизация”. Целью конференции является консолидация знаний в области разработки и исследований систем автоматического контроля, управления и регулирования и их компонент (как аппаратных, так и программных).

Проведение научно-технической конференции связано с определенными трудностями, т.к. необходимо в достаточно сжатые сроки обработать большой объем информации. Организация конференции начинается с рассылки информационных писем. На этом этапе требуется проинформировать организации и частных лиц, которые могли бы принять участие в проводимой конференции, о тематике разделов, условиях участия, сроках проведения, правилах оформления заявок на участие и тезисов докладов. Второй этап включает прием и обработку заявок и тезисов докладов. На этом этапе авторы пересылают в оргкомитет по электронной почте заявки на участие и тезисы своих докладов. Организаторам же требуется обработать и сохранить информацию о теме доклада, его названии и авторах, количестве страниц и т.п., а затем принять решение о включении доклада в состав сборника, который печатается для участников конференции и заинтересованных лиц. На этом же этапе предварительно определяется количество экземпляров сборника, которое требуется заказать в типографии. Третий этап связан с оргвзносами. Оргкомитет конференции извещает авторов о получении их докладов и включении (или не включении) докладов в сборник, и о сумме организационных взносов, требующейся для верстки и печати сборников. Информация об оплате оргвзносов должна быть учтена, и должны быть разосланы уведомления участникам о получении оргкомитетом их оргвзносов. На последнем этапе осуществляется верстка и печать сборника с учетом информации, полученной на предыдущих этапах. После того, как сборники отпечатаны, необходимо разослать их участникам конференции.

Часть функций, выполняемых оргкомитетом, возможно автоматизировать. Поставленная задача решается путем разработки базы данных и работающего с ней клиент-серверного программного обеспечения, состоящего из 3-х частей:

1. Клиентская часть. Это программа, обеспечивающая формирование сведений об участниках конференции в виде файла определенной структуры. Дистрибутив программы доступен на сайте конференции и инсталлируется на компьютере участника. Программа помогает в интерактивном режиме указать всю информацию, необходимую оргкомитету. Предусмотрены функции для изменения, добавления и удаления данных. Результатом работы программы является файл специальной структуры, содержащий информацию об участнике и предоставляемых им материалах. Данный файл посредством e-mail доставляется оргкомитету.

2. Internet-сайт. Обеспечивает информирование участников о тематических разделах конференции, о сроках и месте ее проведения, о правилах расчета оргвзносов в зависимости от количества страниц тезисов доклада, и правилах оформления предоставляемых материалов.

Помимо этого реализован механизм обмена сообщениями между участниками конференции и оргкомитетом с применением PHP. Информация для сайта формируется при обработке реляционной базы данных, физически размещенной на компьютере председателя оргкомитета.

Предусмотрено получение информации о конференциях, проводимых в предшествующие годы (тематика, содержание сборника, сведения об участниках).

3. Администраторская часть. Программное обеспечение администратора предназначено для ведения БД конференции, обработки информации, получаемой от клиентской части, и обновления сайта. Помимо этого в программе должен быть реализован набор функций, связанных с автоматизацией подготовки конвертов для рассылки извещений и сборников, формирования содержания сборника. База данных включает в себя следующий набор таблиц: справочники ученых степеней, званий, стран, городов, разделов конференции, таблица сведений о докладах (название, номер секции, номер конференции, авторы, количество страниц), таблица сведений об авторах (фамилия, имя, отчество, место работы, должность, ученая степень, ученое звание, адрес, телефон, e-mail), таблица учета платежей (начисленная сумма оргвзноса, фактически полученная сумма, даты перечисления и получения оргвзноса).

Разработанное программное обеспечение может быть использовано для организации не только научно-технической конференции «Измерение, контроль, информатизация», но и для проведения любых других симпозиумов и конференций, в том числе дистанционно, за счет размещения на сайте докладов участников.

РАЗРАБОТКА АВТОМАТИЗИРОВАННОГО КУРСА «ОСНОВЫ ИНЖЕНЕРНОГО

Начиная с середины 20-го века наблюдается ускорение темпов развития техники и технологий, быстрый рост количества сложности изделий и технологий, рост разнообразия самих систем, сокращение времени их создания и морального старения.

Появилось большое число типовых решений, а часто возникает необходимость получать новые нетрадиционные решения быстрым способом и по возможности широкому кругу специалистов, что возможно только с помощью методов инженерного творчества, которые позволяют разбить стереотипы инженера и расширить возможность решения изобретательских задач.

Основой методов служат законы развития техники и психологические особенности творческого процесса. Под каждую задачу ищется свой метод решения, состоящий из набора известных методов и неизвестных, так как в процессе жизнедеятельности человека постоянно меняются условия, цели, а, следовательно, и задачи.

Основной проблемой в поиске решения задачи является выход на «поле поиска», в котором находится решение или на возможность посмотреть на объект с совершенно другой (для исследователя) стороны. Каждый из методов, собственно, и «охватывает» свое поле поиска.

Но любые методы не могут гарантировать получения оптимального варианта решения. Это и понятно, т.к. в получении решения включен человек (субъективный фактор), поэтому целесообразно подключить компьютер в поиск этого решения.

Таким образом, решение задачи зависит от её характера, от степени полноты и достоверности исходной информации, и от личных качеств разработчика: от его способности умело ориентироваться в информационной среде, от степени владения методологией познания и творчества.

В поиске решения помимо прямого продукта творческой деятельности, отвечающего поставленной цели, возникает и побочный опыт или методология. В удачный момент этот побочный продукт может проявиться в виде подсказки, ведущей к конструктивному решению.

В связи с необходимостью работы с большими объемами данных для решения конкретной изобретательской задачи, используя методы инженерного творчества, возникает потребность реализации нескольких, наиболее распространенных методов на компьютере, который выступает в роли советчика. Реализуемые методы:

o метод гирлянд-ассоциаций;

o морфологический анализ;

o метод эвристических приёмов;

o метод мозговой атаки.

Данные методы в комплексе позволяют подойти к решению проблемы в целом и разносторонне. На самых ранних стадиях разработки, когда для изобретателя существует только цель ему необходимо определиться: что это за объект, как его следует решать и т.д., рекомендуется использовать метод мозговой атаки, т.к. принципиальное решение обычно возникает в коллективе. Когда объект проектирования уже условно разбит на части необходимо заняться проработкой деталей, а для того, чтобы более полно рассмотреть варианты решения деталей используются остальные методы.

Предлагаемая система в комплексном применении помогает пользователю получать новые нетрадиционные объекты и решать изобретательские задачи за более короткое время и с большей продуктивностью.

Обработка информации с помощью данного продукта обеспечивает высокую эффективность использования методов инженерного творчества, просмотр и выбор всех полученных комбинаций и вариантов решения задачи. Кроме того, данный продукт позволит применять эти методы в комплексе.

Задача системы: создать как можно благоприятную атмосферу для творческой работы, а также, используя различные способы, расшевелить мыслительные способности изобретателя.

Важным элементом творчества является грамотно сформулированная постановка задачи, что часто не делается и опытными изобретателями. Поэтому в данный комплекс введён специальный раздел «С чего начать», помогающий качественно выполнить постановку задачи. В связи с простым, интеллектуально понятным интерфейсом работа с системой не вызывает трудностей. Первоначально предлагается меню для выбора метода.

Работа с каждым из них автономна, но осуществляется в едином стиле. Результатом работы каждого метода и системы в целом является отчёт в виде текстового документа, в котором могут храниться все пришедшие в голову идеи или мысли (для дальнейшей проработки), конкретные альтернативные варианты решений или окончательно сформированный объект. Отчёт может редактироваться как системой, так и стандартными средствами типа MS Word с последующей распечаткой. Новизной данного исследования является оригинальная реализация метода мозговой атаки. В связи с широким распространением сети Internet по всему миру, появилось поколение людей, для которых общение через сеть эквивалентна простому человеческому общению, поэтому у разработчиков родилась идея реализовать метод мозговой атаки с использованием сети Internet.

Так же новизной является использование эффекта 25-го кадра. Как известно воздействие на подсознание имеет 25-й кадр. Реализовав эту идею на компьютере, разработчики добиваются интенсификации мышления пользователя, путём кратковременного отображения слов и рисунков из рассматриваемой области.

В системе предусмотрена развернутая «Помощь», консультирующая по системе в целом, по конкретным методам, по этапам работы с методами.

Данная система опробована в курсе «Основы инженерного творчества» для специальностей МАХП и ПО.

ПРОЕКТИРОВАНИЕ И РАЗРАБОТКА АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ СБОРА

ОТЧЕТНОСТИ

ОАО «Сибирьтелеком» региональный филиал «Алтайтелеком» имеет 18 структурных подразделений. Структурные подразделения обязаны ежемесячно и ежеквартально по установленным формам составлять отчетность о своей работе и представлять отчеты в управление. Управление проверяет правильность составления отчётности структурными подразделениями и на основании представленных отчётов составляет сводную (консолидированную) отчетность. Консолидированная отчетность управления затем представляется в вышестоящую организацию в Новосибирск.

Отчетные формы являются документами регламентированной отчётности. Формы и содержание этих документов разрабатываются вышестоящей организацией. Характерной особенностью ОАО «Сибирьтелеком» региональный филиал «Алтайтелеком» является то, что набор отчётов, которые необходимо заполнять структурным подразделениям, изменяется от периода к периоду.

Консолидированные отчёты формируются с той же периодичностью, что и отчёты структурных подразделений. Фактически, консолидированная отчётность является отчетностью о работе регионального филиала перед вышестоящей организацией.

Иллюстрация процесса приёма и формирования консолидированной отчётности В связи с тем, что количество структурных подразделений велико, и они расположены по всему Алтайскому краю, сам процесс сбора отчётности представляет собой непростую задачу.

В связи с необходимостью составления консолидированной отчётности становится очевидной актуальность автоматизации процесса сбора отчётности и дальнейшей её консолидации.

Процесс консолидации возможно автоматизировать, поскольку формы консолидированных отчетов абсолютно идентичны формам отчётов, заполняемых структурными подразделениями, разница лишь в том, что в них суммируются значения показателей всех структурных подразделений.

Несмотря на то, что в настоящее время существуют профессиональные программы для сбора регламентированной отчетности, проектирование и разработка автоматизированной системы сбора отчетности является обоснованной. Имеющимися профессиональными программными продуктами для сбора отчётности являются серии конфигураций «Свод отчетов»

для платформы «1С:Предприятие 7.7». В первую очередь, следует отметить высокую стоимость этих программных продуктов. Они обладают достаточно широкими возможностями, но им присущи и недостатки. Во-первых, возможность обмена данными непосредственно через Internet не предусмотрена. Во-вторых, в них отсутствует обратная связь между распорядителем и подведомственными учреждениями. В третьих, система ориентирована на бухгалтерскую и налоговую отчётность. В связи с этим, необходим большой объем доработки конфигураций «Свод отчетов», а также необходима разработка самих отчётных форм и контрольных соотношений для них, что представляет собой достаточно сложную задачу.

Проектируемая автоматизированная система отчётности лишена вышеописанных недостатков, поскольку она изначально проектировалась как web – система.

В качестве СУБД для проектируемой системы используется свободно распространяемая СУБД MySQL. Система реализована средствами языка PHP.

Система будет функционировать под управлением web-сервера Apache, и не требует наличия на компьютерах пользователей никакого дополнительного программного обеспечения, поскольку необходимый для её функционирования web-браузер Internet Explorer входит в состав операционной системы.

Разрабатываемая система позволит автоматизировать процесс сбора, приёма и формирования консолидированной отчётности. Система позволит работникам структурных подразделений заполнять все необходимые отчётные формы на своих рабочих местах. Управление будет иметь возможность в любой момент времени просмотреть отчётность структурных подразделений и осуществлять приём и проверку их отчетности на своих рабочих местах.

Внедрение данной системы гарантирует отсутствие ошибок в консолидированных отчётах, неизбежных при ручном их составлении. Кроме того, её использование позволит существенно сэкономить рабочее время сотрудников управления и структурных подразделений.

ИСПОЛЬЗОВАНИЕ ПРИНЦИПОВ ГИБРИДНОГО МОДЕЛИРОВАНИЯ ДЛЯ ОПИСАНИЯ

ФИЗИЧЕСКИХ ЯВЛЕНИЙ И ИХ ПРИМЕНЕНИЕ В ОБРАЗОВАНИИ

Последнее десятилетие отметилось бурным ростом числа рабочих групп, занимающихся исследованиями и внедрением современных подходов в области моделирования. Вместе с тем можно, достаточно четко выделить направления, по которым работа ведется наиболее интенсивно:

1. Моделирование бизнес – процессов, 2. «Научное» моделирование;

Первое направление - моделирование процессов, описываемых аппаратом системной динамики - это методология изучения и моделирования систем, характеризующихся циклами обратных связей в сложных взаимных причинных зависимостях их параметров. Эти пакеты применяются для корпоративного планирования и анализа эффективности стратегий управления экономическими и социальными системами. Методологические принципы системной динамики были заложены в 60х годах ХХ столетия Джеем Форрестером.

Второе направление – разработка и использование комплексов, в процессе подготовки и ходе проведения научных исследований, как в больших научных объединениях, так и в малых исследовательских группах. В этой области популярна идея перевода на компьютерное управление всей физической, лаборатории, что сделает ее потенциально доступной большому числу пользователей через вычислительные сети и увеличит эффективность обработки данных эксперимента.

Таким образом, ситуация с ролью и местом моделирования в бизнесе и науке более чем ясна, в то же время, ситуация с применением компьютерного моделирования в учебном процессе далеко не так однозначна. Главная причина, на мой взгляд, в отсутствии единых требований со стороны преподавателей в отношении средств, в частности, физического моделирования.

На сегодняшний день в среде преподавателей доминирует мнение о том, что компьютерное моделирование ни в коем случае не должно вытеснить натурный эксперимент, одновременно, совершенно без внимания остается вопрос мотивации учащихся к изучению дисциплины. С этой точки зрения очевидное, лежащее на поверхности достоинство компьютерного моделирования заключается в возможности создавать впечатляющие и запоминающиеся зрительные образы. Такие наглядные образы способствуют пониманию изучаемого явления и запоминанию важных деталей в гораздо большей степени, нежели соответствующие математические уравнения, и, что более важно, эффектная демонстрация имеет куда больше шансов на внимание аудитории, чем «захватывающий» рассказ о математической составляющей процессов. Моделирование, придавая наглядность абстрактным законам и концепциям, привлекает внимание учащихся к тонким деталям изучаемого явления, ускользающим при непосредственном наблюдении, а внесение в процесс моделирования интерактивной составляющей гарантирует не просто внимание, но интерес даже к самой скучной теме.

Таким образом, два основных требования к комплексу моделирования, ориентированному на учебный процесс – зрелищность и простота в работе.

Рассмотрим современную классификацию моделей и определим тип, который в наибольшей степени удовлетворяет нашим требованиям.

Современная классификация моделей основана как на подходах к моделированию:

• Гибридный, • Агентный, • Пакетный, • «Аналоговый»

• распределенное моделирование Так и на анализе свойств изучаемой системы:

• однокомпонентная, • многокомпонентная, • непрерывная, • дискретная, • дискретно-непрерывная.

На сегодняшний день принято выделять следующие типы моделей:

1. Изолированная однокомпонентная динамическая система Примером простейшей изолированной непрерывной системы может служить математический маятник, поведение которого изучают, например, при наличии или отсутствия трения.

Строгая трактовка изолированной системы не позволяет проводить с ней никаких активных экспериментов.

2. Изолированная однокомпонентная гибридная система В изолированных однокомпонентных гибридных системах смена поведения зависит исключительно от внутренних событий. Например, в уравнении математического маятника коэффициенты могут меняться периодически, или при достижении маятником заданного положения.

3. Открытая однокомпонентная гибридная система Примером такой системы является, маятник, у которого длина стержня непрерывно меняется. Такие модели становятся интерактивными: пользователь может с помощью ползунков, круговых регуляторов, кнопок и тумблеров активно воздействовать на модель во время эксперимента.

4.Структурная многокомпонентная система с ориентированными блоками Модели этого класса наиболее приспособлены для изучения и проектирования технических объектов, собираемых из типовых блоков. Такой способ проектирования принят во многих пакетах — Simulink, Dymola, Model Vision Studium, Anylogic. Примером простейшей из таких систем может служить маятник в падающем Лифте.

5.Структурная многокомпонентная система с неориентированными блоками.

Реализация этой схемы позволила бы строить сколь угодно сложные модели, объединяющие объекты различной физической природы.

6. Многокомпонентная гибридная система переменной структуры Модели этого наиболее сложного типа не реализованы в полном объеме ни в одном из известных пакетов. Речь идет о событийно–управляемых многокомпонентных иерархических моделях переменной структуры.

Очевидно, что наиболее оптимальным с точки зрения образования вариантом является многокомпонентная гибридная система переменной структуры.

Таким образом, в основе подхода будет лежать гибридный автомат, формализованный для достаточно общего случая рассматриваемой системы.

Под гибридными системами мы понимаем динамические системы, имеющие различное поведение в различных областях фазового пространства. Их фазовая траектория, в зависимости от происходящих событий, оказывается то в одной области, то в другой. Таким образом, к гибридным можно отнести классические динамические системы, чье фазовое пространство разбивается на ячейки с различным поведением, системы с разрывными правыми частями, и системы, у которых меняется размерность в различных областях фазового пространства. Достижение фазовой траекторией границы областей будем называть событием, приводящим к смене поведения. Каждой области можно поставить в соответствие вершину некоторого графа, а его направленные дуги трактовать как возможные пути смены текущего локального поведения. Границы областей обычно задают с помощью предикатов, которые приписываются соответствующим дугам графа. Таким образом, гибридная система может быть представлена в виде графа, вершинам которого поставлены в соответствие классические динамические системы, и одна из вершин помечена как начальная, а дугам — условия смены поведения и мгновенные действия, выполняемые при смене поведения. Такая формализация и называется гибридным автоматом. Глобальное поведение гибридной системы определяется всеми возможными путями, которые можно построить из начальной вершины. По мере движения модельного времени, фазовая траектория пересекает границы областей, и меняется вид решаемых уравнений. Можно также представить себе ситуацию, когда какая–либо из областей будет покидаться системой немедленно, как только система туда попадет. В этом случае гибридная система будет демонстрировать как длительные, «непрерывные» поведения, так и мгновенные, «дискретные». Но такая формализация гибридного автомата не подходит для произвольной модели, так как в процессе моделирования, мы не обладаем схемой гибридного автомата, а значит, не имеем условий перехода фазовых траекторий объектов из одной ячейки фазового пространства в другую, кроме того, на основе классического гибридного автомата довольно трудно определить взаимодействия объектов между собой в такой системе. Выходом может стать опора дискретно-непрерывной схемы гибридного автомата на агентный подход, то есть глобальная «линия жизни» системы определяется логикой гибридного автомата, но на основе текущего поведения объектов. Вместе с тем, агентная модель не является определяющей в схеме: в каждый момент времени объект считает, что он один в системе, а сама система состоит из единственной ячейки фазового пространства – той, в которой он сейчас находится.

Для достижения эффектности демонстрации будет использована «съемка» эксперимента с нескольких точек, и, конечно, 3D – графика на базе OpenGL или DirectX.

ПРИНЦИПЫ ОРГАНИЗАЦИИ ПОИСКОВЫХ СИСТЕМ НА ОСНОВЕ АССОЦИАТИВНЫХ

МОДЕЛЕЙ

Проблема семантического поиска информации привлекает сегодня многих. Основная сложность семантического поиска заключается в определении формальных правил и критериев, позволяющих установить соответствие между поисковым запросом и участком знаний.

В данной работе рассматривается структура естественно-языковой поисковой системы, основанной на понятиях ассоциативного ряда и области ассоциации.

Базовая модель знаний рассматриваемой системы основывается на предположении, что текст на естественном языке может быть представлен в виде суперпозиции f(x1,x2,…,xn), где f – имя функции – это слово естественного языка, описывающее смысл функции; xi – аргументы функции: либо функции того же вида, либо слова естественного языка, описывающие объекты над которыми выполняется функция - понятия. В связи с этим элементарными единицами знаний являются функции и понятия.

Исходя из такой организации знаний очевидно, что элементарной связью между функциями и между понятиями является контекстная связь, которая численно может быть выражена величиной повторности, определяемой как количество суперпозиций, в которых рассматриваемые объекты связаны контекстом. Однако контекстная связь выражает скорее статистическую составляющую и не несёт в себе напрямую семантической нагрузки. Выберем в качестве элементарной семантической связи – связь ассоциации. Ассоциативные связи можно разделить на контекстные ассоциации и связи ассоциативного подобия. В данной работе рассматриваются контекстные ассоциации как основа для построения ассоциативных рядов.

Практически от любого слова русского языка, выражающего некоторую сущность или процесс можно построить ассоциативный ряд, и именно понятия и процессы из такого ассоциативного ряда с некоторым приближением описывают ту область, к которой относится рассматриваемая сущность. Ассоциативные ряды позволяют строить области ассоциаций, которые в свою очередь являются фундаментальными элементами для построения модели сопоставления знаний и кластеризации.

Эксперименты показали, что наиболее достоверным и эффективным является отдельное рассмотрение ассоциативных рядов вокруг понятий (назовём их объектными ассоциативными рядами) и вокруг функций.

Дадим строгое определение объектного ассоциативного ряда.

Пусть с – понятие, для которого необходимо получить ассоциативный ряд.

превышает заданный лимит – параметр системы. Здесь - множество аргументов функции f, F и F - множества функция, в который c и c встречаются в качестве аргументов соответственно.

Другими словами, для заданного понятия строится область функций, в которых данное понятие употребляется в качестве аргумента. Из всех понятий, являющихся аргументами данных функций берутся те, которые перекрывают как можно большее число функций из данной области.

Такой подход к определению ассоциативного ряда соответствует реальности. Например, если для двух близких понятий построить ассоциативные ряды и каждое из них попадёт в ассоциативный ряд другого, то сами ассоциативные ряды могут различаться. Эта особенность обеспечивается обозначенным способом определения ассоциативного ряда.

Для функционального ассоциативного ряда, следуя по аналогии, мы получим следующее.

вращаемых понятий одной функции является аргументом другой функции.

Однако по поводу данной записи стоит сделать несколько замечаний.

1) Данная запись должна быть обратимой, то есть в ассоциативный ряд данной функции входят не только функции, возвращаемые понятия которых являются аргументами данной, но и для которых возвращаемые понятия данной функции являются аргументами;

2) Если наличие понятия в аргументе показывает существование соответствующего контекста, где заданное понятие встречалось с заданной функцией, то в данном случае, наличие возвращаемого понятия одной функции в аргументе другой не свидетельствует, что контекст, когда одна функция встречалась в суперпозиции внутри другой, существовал и будет существовать. Однако, для ассоциации это достаточно существенный фактор.

Учитывая данные замечания дадим новое определение, а для этого введём следующее понятие.

Пусть повторность Ri(f1,f2) определяет количество суперпозиций входного текста, в которых качестве i-го аргумента функции f1 стоит функция f2.

Для удобства далее будем называть повторностью Ассоциативный ряд это ещё не область знаний, а лишь первое приближение вокруг некоторого понятия или функции. Введём понятие области ассоциации и рассмотрим её свойства.

Пусть необходимо определить область ассоциации вокруг понятия с.

Назовём областью ассоциации первого уровня S c ассоциативный ряд понятия с Очевидно, данное определение является рекурсивным и означает, что область ассоциации следующего уровня является объединением понятий из области ассоциации предыдущего уровня и их ассоциативных рядов.

Эксперименты показывают, что основным и самым важным свойством области ассоциации является её преимущественная замкнутость. Другими словами, через некоторое количество уровней очередной уровень области ассоциации практически не даёт новых понятий.

Учитывая это, критерием остановки при поиске области ассоциации может служить условие Это важное свойство области ассоциации доказывает возможность проведения кластеризации знаний таким образом, что пересечение кластеров знаний будет незначительным и семантически обоснованным. Как правило, в кластере можно рассматривать определяющую функцию/понятие, задающую основную семантику кластера и функции/понятия, её/их окружающие. Исходя из этого будем считать, что кластеризованные знания – это знания, для которых выделены определяющие функции и понятия. Области ассоциаций вокруг данных функций и понятий являются кластерами системы. А сами определяющие функции и понятия составляют классификатор знаний.

Классификатор знаний является дополнительным слоем базы знаний и играет важную роль в организации поиска. Если представить все знания и классификатор как два слоя с вертикальными связями, то исходя из построенной модели ассоциативного ряда и области ассоциации, алгоритм поиска представляет собой последовательное выполнение следующих шагов:

1) Построить области ассоциации вокруг функций и понятий поискового запроса.

2) Выполнить отображение области ассоциации на классификатор. Отображением является области пересечения кластеров и области ассоциации.

3) Локаторы ресурсов, соответствующие кластерам, пересечение с которыми максимально, являются результатом поиска.

Программная реализация и тестирование алгоритмов построения ассоциативных рядов и областей ассоциаций показали высокую адекватность построенных моделей, что на текущем этапе развития системы позволяет говорить о возможности дальнейшего расширения модели знаний и алгоритмов на знаниях, основываясь на ассоциативных моделях.

ФОРМИРОВАНИЕ ФУНКЦИОНАЛЬНОЙ ФОРМЫ ПРЕДЛОЖЕНИЙ ЕСТЕСТВЕННОГО

В настоящее время особенно актуальной стала задача анализа предложений естественного языка (ЕЯ). Решение данной проблемы способствовало бы созданию искусственного интеллекта или разработки поисковых систем, анализирующих семантическую составляющую предложений на ЕЯ.

Для решения поставленной задачи была разработана система, состоящая из двух подсистем: лексической и синтаксической.

В задачу лексической подсистемы входит формирование потока лексем из текста. Одной лексемой является основа слова с морфологическими характеристиками. Таким образом, лексический анализатор должен разбить предложение на ЕЯ на отдельные слова, а затем из каждого слова сформировать одну лексему. Для формирования лексемы в слове необходимо выделить морфологические характеристики такие, как падеж, род, число. Изменение морфологических параметров слова в русском языке достигается за счет смены окончаний, например, рук-а, рук-и, рук-е..., рук-и; бел-ый, бел-ая, бел-ое, бел-ые; нес-у, нес-ёшь, нес-ёт, нес-ём… Таким образом, для морфологического анализа необходимо для каждого слова знать, какое окончание приводит к тем или иным морфологическим параметрам. Те слова, которые для приобретения одних и тех же параметров используют одинаковые окончания, объединяются в группы, эти группы называются флективными типами. Каждый такой флективный тип имеет набор окончаний, с которыми связаны морфологические параметры слова. Так, для морфологического анализа необходимо определить для каждого слова, к какому флективному типу оно принадлежит. Такая информация накапливается в процессе самообучения системы, которое происходит в два этапа. На первом этапе системе предоставляется лексически корректный текст на естественном языке. Этот текст разбивается на слова, и в каждом слове отделяются все возможные окончания и суффикс максимальной длины. Оставшуюся часть слова без суффикса и окончания будем называть основой. Таким образом, главной задачей первого этапа самообучения системы является накопление статистической информации о встретившихся системе парах основа-окончание. На втором этапе происходит определение для каждой основы тех флективных типов, к которым может принадлежать данная основа. Так как одна основа может принадлежать не одному флективному типу, то вводится понятие флективной группы. Флективная группа состоит из одного или нескольких флективных типов. Таким образом, задачей второго этапа самообучения системы является определение для каждой, найденной в тексте на первом этапе, основы её флективной группы. Для этого определяется набор тех окончаний, которые встречались с основой, при этом учитываются только те окончания, которые использовались более N раз, где N – подбирается экспериментально. Это сделано, для того, чтобы избежать занесения ошибочной в тексте информации в базу. После этого для основы формируется флективная группа, в которую входят те флективные типы, к которым может принадлежать данная основа. Определяются эти флективные типы по количеству их окончаний, встретившихся с данной основой. Так, например, если из 24 окончаний флективного типа с основой использовались 23 окончания, то этот флективный тип можно вносить во флективную группу основы. Количество окончаний необходимых для этого определяется экспериментально. Такое самообучение было реализовано для 96 флективных типов. В результате самообучения получилось 49491 основа, из них 16058 существительных, 30505 прилагательных и 13338 глаголов. Как видно из результатов в системе имеется около 10000, во флективные группы которых входят флективные типы, относящиеся к разным частям речи.

Алгоритм формирования лексемы после самообучения системы становится очень простым. У анализируемого слова отделяются всевозможные окончания и максимальный суффикс. Затем отсеченная основа ищется в базе основ. Если основа найдена, то определяется её флективная группа. Затем каждое отсеченное окончание ищется во флективных типах, входящих в состав этой флективной группы. И для каждого найденного окончания определяются морфологические характеристики слова. Стоит отметить, что данные разбор не является однозначным.

Подсистема синтаксического анализа была реализована в виде LL(1)-анализатора. Так как естественный язык является достаточно сложным, то его не представляется возможным описать одной LL(1)-грамматикой. Поэтому в данной работе предлагается использовать несколько LL(1)-грамматик, каждая из которых реализует некоторые аспекты синтаксиса русского языка, в том числе возможно и неверные конструкции. При этом синтаксический анализатор пытается провести разбор последовательно по всем грамматикам. Если входные данные (поток лексем поступивших с лексического уровня) удовлетворяют условиям хотя бы одной LL(1)-грамматики, то синтаксический анализ признается успешным. Для формирования функциональной формы из списка лексем в правила грамматики встраиваются специальные команды, которые указывают связи между лексемами. Таким образом, при применении какого-нибудь правила во время разбора, согласно имеющимся командам, из лексем, к которым применилось правило, формируется функциональная форма. Так рекурсивная природа самих правил, может формировать бесконечную вложенность сентенциальных форм.

КОНСТРУКЦИЯ КОРПОРАТИВНОЙ ТЕСТИРУЮЩЕЙ СИСТЕМЫ НА БАЗЕ

В наше время тестирование начинает преобладать над обычными собеседованиями или экзаменами. Особенно широко применение тестирования практикуется при повышении квалификации, например, при сертификации ИТ-специалиста или при повышении квалификации работников образования.

В связи с этим появилась масса различных тестирующих систем, которые имеют разные возможности, разный интерфейс и т.д. Это является неудобным для участников тестирования (т.к. им нужно постоянно отвлекаться на особенности той или иной системы, а не думать над самим тестом) и для организаторов тестирования (т.к. им нужно помнить все особенности каждой системы, что повышает вероятность ошибки при подготовке тестов).

Возникает необходимость построения единой универсальной системы тестирования.

Основной особенностью этой системы будет ее модульность, т.е. система будет состоять из набора блоков, заменяя которые можно использовать систему для различных видов и областей тестов.

Предлагаемая система построена на базе многозвенной архитектуры. В системе присутствуют три звена:

2) Сервер приложений;

3) Клиентское приложение.

В базе данных хранятся данные, необходимые для работы самой системы, т.е. это пользователи, группы тестов, сами тесты и все модули системы с необходимой информацией для их взаимодействия. Информация, необходимая для работы конкретных модулей, может храниться в другой базе данных или даже на другом сервере.

Сервер приложений осуществляет взаимодействие с клиентскими приложениями на основе описаний и конфигураций модулей.

Клиентские приложения это Desktop-приложения, которые делятся на два типа. Первый тип - это терминал для отправки ответов и просмотра результатов тестирования. Второй тип – это тестер, т.е. программа, непосредственно проверяющая ответы от пользователя. Тестер позволяет разгрузить сервер приложений от проверки ответов, позволяет повысить гибкость и масштабируемость системы.

Предлагается построить систему на базе платформы.NET, как наиболее развивающейся платформе разработки. Это дает реализовать следующие возможности:

- сократить время на разработку (т.к. можно будет применить самые современные разработки в области программирования, такие как библиотека персистентных объектов, технология DataBinding и т.д.);

- при этом повысить качество разработки без затраты дополнительного времени (т.к.

компилятор C# еще на этапе компиляции проверяет не только на правильность программы но и на наиболее часто встречающиеся логические ошибки, такие как отсутствие инициализации переменной, платформа.NET использует сборщик мусора, что позволяет меньше отвлекаться на проблемы освобождения памяти, а также можно воспользоваться уже готовой системой модульного тестирования NUnit);

- достичь работы системы под управлением многих Операционных Систем (при использовании Mono в качестве платформы выполнения, Mono уже сейчас работает под управлением Windows, Linux и MacOS).

В качестве протокола обмена информацией между сервером приложений и клиентским приложением был выбран протокол SOAP, т.к. он позволяет легко построить удаленный интерфейс функций и без труда их вызывать на стороне клиента, а также SOAP в качестве транспортного протокола использует HTTP, т.е. клиентам нужно лишь иметь выход в Интернет (если система находится не в Интранет) с использованием 80 порта, что уже есть в большинстве организаций, а следовательно, это снижает затраты на внедрение системы.

Для связи сервера приложений с базой данных используется библиотека Nhibernate, которая является портированной версией библиотеки персистентных объектов для языка Java Hibernate. Для использования этой библиотеки персистентных объектов программист просто описывает классы, которые будут содержать данные, и определяет их отображение на базу данных, а библиотека сама считывает, записывает и удаляет записи.

В качестве пользовательского интерфейса на стороне клиента используется GTK# - это управляемая обертка интерфейса GTK+ (этот пользовательский интерфейс хорошо поддерживается многими операционными системами). Для связи элементов управления с данными используется библиотека XDataBinding.

Т.к. в качестве среды выполнения выбран.NET, то и модули - это сборки.NET с классами, реализующими определенный интерфейс.

Рассмотрим подробнее модули системы и их назначение. В данный момент некоторые модули находятся в стадии разработки. Стандартно предполагается два набора модулей. Первый - для проведения обычного тестирования, второй - для проведения олимпиад по программированию по правилам ACM.

1) Модуль отображения вопроса на клиенте. Задачей этого модуля является отобразить сам вопрос. Стандартный модуль представляет из себя обычный Web Браузер, который загружает HTML, полученный с серверного модуля вопросов. При этом картинки для задач могут хранится в Базе Данных и выдаваться Сервером приложений по протоколу HTTP.

2) Модуль вопросов на сервере. Задачей этого модуля является предоставление данных для клиентской части модуля. Стандартный модуль просто считывает данные из базы данных и отдает их клиентской части. Однако при замене этого модуля данные могут браться из других мест.

3) Модуль сериализации ответа на вопрос (находится в терминале для отправки ответов).

Задача этого модуля превратить ответ пользователя в бинарный или XML поток. Стандартный модуль использует XML сериализатор объектов, встроенный в.NET.

4) Модуль визуализации результатов тестирования для заданного пользователя (находится в терминале для отправки ответов). Задачей этого модуля является представление данных полученных с сервера приложений о результатах тестирования ответов, отправленных пользователем.

5) Модуль десериализации ответа на вопрос (находится в тестере). Задача этого модуля превратить бинарный или XML поток в ответ, понятный для модуля тестирования. Стандартный модуль использует XML десериализатор объектов, встроенный в.NET.

6) Модуль получения данных, необходимых для тестирования ответа (находится в тестере). Задачей этого модуля является предоставление очередных данных, необходимых для проверки ответа модулем тестирования. Стандартный модуль считывает бинарный поток из базы данных и отдает его в модуль тестирования.

7) Модуль подготовки ответа к тестированию (находится в тестере). Задачей этого модуля является преобразование ответа в вид, необходимый для модуля тестирования. Стандартный модуль для проведения обычных тестов не производит преобразования ответа. Стандартный модуль для проведения олимпиады по программированию производит компиляцию ответа участника (т.к. ответ участника это его программа с решением задачи).

8) Модуль замера метрик ответа (находится в тестере). Задачей этого модуля является получение некоторых метрик решения, необходимых для модуля оценки ответа. Стандартный модуль для проведения обычных тестов ничего не делает. Стандартный модуль для проведения олимпиады по программированию запускает решение участника и замеряет время его работы и количество использованной памяти.

9) Модуль тестирования (находится в тестере). Задачей этого модуля является проведение проверки ответа на основании данных, предоставленных модулем получения данных, необходимых для тестирования ответа. Стандартный модуль для проведения обычных тестов просто сверяет ответ участника с данными, полученными от модуля получения данных, необходимых для тестирования ответа. Стандартный модуль для проведения олимпиад по программированию сверяет ответ программы участника с данными, полученными от модуля получения данных, необходимых для тестирования ответа.

10) Модуль оценки (находится в тестере). Задачей этого модуля является получение данных о метриках ответа и данных о результатах тестирования на конкретном тесте, на основании которых он либо оценивает ответ, либо решает продолжить тестирование на других тестах. Стандартный модуль для обычного тестирования передает данные, полученные от модуля тестирования на сервер. Стандартный модуль для проведения олимпиад проверяет, соответствует ли время и объем памяти заданным, если да и результат тестирования положительный, то принимает решение о дальнейшем тестировании, иначе отсылает на сервер отрицательный результат об ответе участника. Если же все тесты пройдены с положительным результатом и на всех тестах метрики удовлетворяли заданным, то отсылается на сервер положительный результат об ответе участника.

11) Модуль преобразования результатов тестирования в HTML в реальном времени (находится на сервере приложений). Стандартный модуль для обычных тестов преобразовывает результаты в таблицу сдал/не сдал. Стандартный модуль для проведения олимпиад представляет результаты тестирования в таблицы, носящей название «Монитор» в правилах ACM.

Теперь рассмотрим работу системы в целом.

1) Пользователь входит в систему, выбирая конкретный тест.

2) Терминал для отправки ответов получает необходимые модули с сервера приложение и запускает их. С помощью модуля отображения вопроса он отображает вопрос и с помощью модуля сериализации ответа сериализует ответ и отравляет его на сервер.

3) Терминал периодически опрашивает сервер на наличие данных о результатах тестирования посланных ответов и отображает их с помощью модуля визуализации результатов тестирования.

4) Тестер запрашивает у сервера приложений наличие посланных ответов и получает их.

Далее тестер запускает модуль десериализации ответа и модуль подготовки ответа к тестированию. Далее, пока модуль оценки не определился с оценкой, тестер получает данные от модуля получения данных, необходимых для тестирования, затем запускает модуль замера метрик, говорит о полученных метриках модулю оценки, если тот говорит, что необходимо продолжать, то запускает модуль тестирования и передает полученные от него данные в модуль оценки. После того, как модуль оценки определился с оценкой, тестер отправляет ее на сервер.

5) Сервер приложений, используя модуль преобразования результатов тестирования в HTML, показывает данные тестирования в реальном времени в виде обычной Web страницы.

Также возможна разработка специализированных Web приложений, заменяющих терминал для отправки ответов, что позволит пользователям эксплуатировать систему, имея лишь Web браузер (предполагается разработка двух версий Web приложений для проведения обычных тестов и для проведения олимпиад по программированию по правилам ACM). Однако, стоит помнить, что это будут специализированные приложения и они не будут иметь той гибкости, расширяемости и удобства в работе, как Desktop приложения (конечно, можно сделать Web приложение столь же удобным, что и Desktop, однако на это будет потрачено гораздо больше ресурсов). При этом, данное специализированное приложение может потребовать внесения изменений при изменениях на сервере приложений - это плата за то, что клиенту не нужно будет иметь на своем компьютере ничего кроме Web браузера.

ЛИНГВИСТИЧЕСКИЙ АНАЛИЗ В УНИФИЦИРОВАННЫХ ПОИСКОВЫХ СИСТЕМАХ

Появлению данного материала способствовал возросший за последние несколько лет спрос на крупные информационные сайты, в составе которых обязательно входит поисковая система. Существующие решения основаны на поиске среди словоформ, однако плохо (или вообще никак, например mnogoserch) обрабатывают такие моменты русского языка как чередоване, выпадение глассных и согласных, сложные слова и прочие лингвистические тонкости. Кроме того, на большинство сайтов чисто технически невозможно установить решения от Яндекс и Google.

Все это привело к необходимости создания поисковой системы, способной выполнять более качественный анализ текста и вместе с тем обладать кроссплатформенность. Далее мы опустим технические детали реализации, и рассмотрим каркас поисковой системы – лингвистический анализатор.

Чтобы каждый раз не просматривать текст поисковая система создает индексы для всех слов текста. Как правило, индекс включает в себя данные для морфологического анализатора, а также данные для анализа контекста. Полнота индексов на прямую влияет на качество поиска и на производительность системы в целом. Для начала, рассмотрим морфологическую составляющую индекса, как наиболее важную.

Для описания словоизменения слово разбивается на 4 формальных фрагмента: псевдооснова - неизменяемая графическая последовательность, псевдосуффикс - чередующаяся часть основы, окончание.

Опуская частности, морфологический разбор слова работает в такой последовательности. Сначала от предполагаемого слова отрезаются все возможные окончания и приставки.

Затем каждый гипотетический вариант основы проверяется на наличие в словаре. И, наконец, если такая основа в словаре существует, проверяется соответствие отрезанного окончания той грамматической информации, которая ассоциируется в словаре с данной основой. Данный подход был опробован на мультимедийном проекте «Исследователи Алтая», а в качестве «корректора» морфологического разбора использовался алгоритм флективных типов.

Однако такой подход не учитывает многих особенностей русского языка.

Во первых, чередования. Автором работы был предложен комплекс мер для выявления чередований. Используя словарь Зализняка построены картежи вида [основа, кластер основ], где кластер основ – совокупность видоизмененных основ для какой-либо парадигмы. Например, слова “идти” и “шел” попали в один кластер. Кроме того, как правило слова с чередованием типа гар-гор/зар-зор/лаг-лож так же попали в один кластер. Таким образом частично была решена проблема чередований и выпадений гласных и согласных. Дополнительно к этому предложен набор правил (таблица 1-4), позволяющих выявить чередования. В большинстве случаев наличие чередования и участвующая в нём гласная определяется двумя последними согласными основы. Пусть последний согласный основы X, а предпоследний – Y.

1 Если X=Y (удвоенная согласная на конце), то чередования нет: тонн 2 Если X – ть, то если основа – это основа существительного 1-го склонения, то есть чередование с гласной о. Иначе чередования нет.

3 Если X – ц, то беглая гласная – е, а Y смягчается: овец, дверец, колец, полотенец. Для слова заяц имеется орфографическая особенность – буква я вместо ожидаемой е. Чередования нет, если Y – щ или Y предшествует согласная: беглец, близнец, жрец.

4 Если X – й, то под ударением пишется е: семй, статй, а без ударения – и: гстий, певний. Исключения: сдей (также судй), ржей, лей, чрей.

5 Если X – нь, то гласная – е. При этом Y смягчается, а X в формах род.п. мн.ч. сущ. 1 и 2 склонений и отвердевает для м. р. ед.ч. краткой формы прилагательных и причастий: песен, вишен, корень, камень, древен (начальная форма – древний), господень, песенный. Исключения отвердевания X: барышень, боярышень, деревень. Исключения чередования – редкие, новые слова, имена собственные: ревень – из ревеня, Сковпень – Сковпеня.

6 Если Y – ль, то гласной нет: пальм, фольг, ольх. Исключение: валет (беглость вариативна).

7 Если Y – мягкий (кроме ль, включая й), шипящий или ц, то гласная – :

1.под ударением пишется ё (после шипящих – о): серёг, княжон, кишок 2. без ударения – е: судеб, кошек, книжек В форме Мужской род ед.ч. краткой формы прилагательных и причастий (достоин) имеется орфографическая особенность – буква и вместо ожидаемой е.

8 Если X – ль, то гласная е: кпель, корабельный, кроме форм Им.п. ед.ч. существительных 2 склонения, в которых чередования нет: корабль, журавль, а формы с е считаются просторечными или шуточными:

рубель, журавель. Исключения: стебель, комель, кегель (также кегль, И. мн. кегли).

9 В корнях слов яйцо, один гласная – и: яиц, один, яичный, единый.

Если морфологическому анализатору не удалось распознать основу, поисковая машина пытается применить вышеописанные правила ко всем вариантам псевдооснов. Для этого производится поиск «подозрительных» букв, поиск подходящего правила и выполняется замена, после чего полученная основа проверяется на наличие в словаре основ и делается вывод о правильности разбора. Для проверки правил используются списки флективных типов (для выявление морфологических данных), словарь ударений а также вспомогательный словарь для анализа выпадений.

Анализ чередования согласных выполняется на стыке корня и суффикса. Учитываются следующие случаи: ч/к (печёшь – пеку), ж/г (бережёшь – берегу), д/ж (ходишь – хожу), с/ш (носишь – ношу), з/ж (возишь – вожу), т/ч (летишь – лечу), б/бл (любишь – люблю), в/вл (любишь – люблю), ф/фл (графишь – графлю), м/мл (кормишь – кормлю), п/пл.

Еще одним камнем преткновения для поисковых машин являются составные слова.

Предлагаемый метод довольно прост и учитывает 4 случая сложных слов:

Стыковочная гласная “о” или “е”. Системы выдвигает гипотезу о том, что слово состоит из двух основ и выполняет проверку (рекурсивный вызов) на корректность обеих основ.

Учитывается, что от первой основы не следует отделять отрезать постфиксы (хотя, существует очень низкая вероятность встретить суффикс), а от второй - префиксы. При этом, в случае успешного разбора обоих частей слова морфологическая информация берется из последней.

Кроме того, система смотрит, не относится ли стыковочная к какому либо из слов (т.е. проверяется три гипотезы).

1. Числительные – предполагается реализация специального алгоритма для интерпретации составных числительных.

2. Используются приставки имеющие собственное семантическое значение: «супер», «ультра», «экстра». В системе хранится словарь таких приставок.

3. Дефисное описание. Такие слова разбиваются на два еще на этапе выделения слов из текста.

Рассмотренные методы позволяют значительно улучшить качество анализа текста на этапе его индексирования. В настоящий момент до конца не ясно, в какой мере.

ПРОГРАММНАЯ СИСТЕМА ПОСТРОЕНИЯ И АНАЛИЗА ГРАФА ВЕБ

В исследованиях, связанных с разработкой и анализом алгоритмов работы поисковых систем Интернета, часто требуется использовать тестовые наборы данных html-страниц. Такие наборы данных либо берутся из архивов поисковых систем, либо создаются на основе тематических запросов к поисковым системам. Один из часто используемых исследователями алгоритмов построения тестовых наборов данных заключается в следующем [1]:

1. На первом шаге выполняется запрос по заданным ключевым словам к поисковой системе, на который она возвращает 200-500 ссылок. По этим ссылкам формируется множество html-страниц, которое принято называть корневым множеством.

2. На втором шаге проводится анализ всех страниц корневого множества. Определяются исходящие ссылки. К корневому множеству страниц добавляются все страницы, на которые есть ссылки со страниц корневого множества.

3. На третьем шаге полученное множество страниц расширяется до базового множества за счет страниц, которые ссылаются на страницы корневого множества. Построение множества входящих ссылок представляет собой достаточно нетривиальную и ресурсоемкую задачу в силу самой однонаправленности ссылок. Размер базового множества может достигать нескольких тысяч страниц.

На основе базового множества страниц строится граф ссылок (граф Веб), который в дальнейшем используется для решения задач ранжирования страниц базового множества по степени их значимости, кластеризации страниц и других задач информационного поиска.

Автором работы создана программная система, строящая базовое множество htmlстраниц на основе заданного пользовательского запроса по описанному алгоритму. Для реализации системы использовался язык программирования Perl, идеально подходящий для работы с текстом html-страниц. C помощью этого языка программирования легко получать содержимое html-страниц из сети Интернет, а также производить запросы к поисковым системам.

Для построения базового множества страниц можно использовать практически любую поисковую систему Интернета. Выбор был сделан в пользу системы AltaVista в силу ряда причин:

1. Необходимо было использовать такую поисковую систему, которая собирает страницы в автоматическом режиме, а не является каталогом, информация в котором собирается группой экспертов.

2. Поисковая система по возможности не должна ранжировать или каким-то образом фильтровать страницы, выдаваемые в ответ на запрос пользователя.

3. Система должна обладать достаточно большим числом документов в своей коллекции.

4. По возможности, хотелось иметь некий программный интерфейс, предлагаемый разработчиками самой поисковой системы или третьими лицами для упрощения автоматической работы с ней.

5. Поисковая система должна иметь возможность находить ссылки на заданный URL (для реализации 3-го шага алгоритма).

Анализ научных публикаций показывает, что большинство исследователей выбирает для построения тестовых наборов данных систему AltaVista. В предлагаемой программной системе могут быть использованы и другие поисковые серверы, если это будет необходимо для экспериментов.

При разработке приложения использовались модули WWW::Search и LWP::UserAgent для обращения к поисковым системам и получения страницы из сети Интернет соответственно.

Программная система используется в пакетном режиме вследствие большого объема обрабатываемых данных и медленных каналов связи, графический пользовательский интерфейс не разрабатывался.

Изменение параметров работы программы, а также задание запросов (одного или нескольких), по которым необходимо собрать коллекции документов, задаются в файле конфигурации, представляющим собой простой текстовый файл. Программа имеет возможность работы через прокси-сервер.

Отдельным образом обрабатываются фреймы – производится рекурсивный анализ содержимого каждого фрейма на странице, таким образом, корректно обрабатываются все htmlстраницы. Другой особенностью является отсеивание ссылок на тот же домен, поскольку эти ссылки не относятся непосредственно к структуре графа Веб, а являются лишь показателем величины сайта.

Выходными данными являются наборы файлов, представляющие содержимое htmlстраниц, отдельные индексные файлы, содержащие номер страницы, ее URL и описание.

Кроме непосредственно сбора коллекции документов, программная система позволяет строить граф Веб по собранным данным. Результатом работы этой подсистемы является набор из двух файлов – index.txt и matrix.txt. Файл index.txt представляет собой соответствие между номером вершины графа и URL, а файл matrix.txt содержит матрицу смежности графа.

Файл вершин графа (index.txt) состоит из строк:

Файл матрицы смежности (matrix.txt) содержит строки:

pid: pid1,pid2,.....,pidN,- Это означает, что страница с идентификатором pid ссылается на страницы с идентификаторами pid1, pid2,....., pidN.

Непосредственно анализ графа Веб проводился с помощью системы научных и инженерных расчетов MATLAB. В системе MATLAB реализованы эффективные алгоритмы работы с разреженными матрицами.

Данный программный комплекс применялся автором работы при разработке и исследовании новых алгоритмов анализа графа Веб [2, 3].

СПИСОК ЛИТЕРАТУРЫ

1. Некрестьянов И.С., Пантелеева Н.В. Системы текстового поиска для Веб // Программирование. – 2002. – Том 28. – N4 – С. 207- 2. Перепелкин Е.А., Шовкун А.В. Комбинированный алгоритм расчета рангов вершин графа Web // Автоматика и вычислительная техника. – 2005. – N1. – С. 46-53.

3. Шовкун А.В. Кластеризация вершин графа Веб на основе спектрального метода // Материалы восьмой региональной конференции по математике. – Барнаул: Изд-во АГУ, 2005. – С. 52-53.

АНАЛИЗ ДОСТОВЕРНОСТИ ОПРЕДЕЛНИЯ ПОРОГА АНАЭРОБНОГО ОБМЕНА С

ПРИМЕНЕНИЕМ АССИМЕТРИЧЕСКИХ СТАТИСТИЧЕСКИХ ОЦЕНОК

Одной из актуальных проблем на сегодняшний день в спорте и диагностической медицине является определение порога анаэробного обмена.

Многочисленными экспериментами доказано, что развитие выносливости в циклических видах спорта предполагает активное использование нагрузок аэробного воздействия. Основным показателем, разделяющим интенсивность нагрузок аэробного и аэробно-анаэробного воздействия, является порог анаэробного обмена (ПАНО). Повышение ПАНО является важным показателем тренированности организма спортсменов и позволяет выработать оптимальный индивидуальный режим физических упражнений при профилактике заболеваний сердечно-сосудистой системы.

Момент перехода от аэробной работоспособности организма к анаэробной можно зафиксировать по значительному увеличению количества молочной кислоты в крови. Однако на практике при таком методе необходимо выполнять анализ крови у обследуемого каждые 5- минут при выполнении им увеличивающейся физической нагрузке. Это создает существенные трудности, как для пациента, так и для медицинского персонала.

В данной работе рассматривается неинвазивный (без вмешательства в организм) метод определения ПАНО, основанный на измерении частоты сердечных сокращений и частоты дыхания, полученных при исследовании пациента на программно-аппаратном диагностическом комплексе со ступенчатым увеличением уровня нагрузки в течение некоторого интервала времени. Критерием достижения ПАНО служат два неивазивных показателя включения анаэробного энергообеспечения – резкое нарастание частоты дыхания (ЧД), вследствие накопления углекислого газа в крови, и стабилизация частоты пульса (ЧСС), как отражение максимальной напряженности систем кислородного обеспечения.

На рисунке приведен пример исследования, в котором измерялись ЧСС и ЧД в зависимости от мощности физической нагрузки.

с увеличением работы клеток. Однако для сердечной мышцы существует естественный предел ЧСС, выше которого происходят нарушения работы сердца.

Также из рисунка видно, что оба перехода находятся в области порога анаэробного обмена, который независимо определяется по увеличению уровня молочной кислоты в крови при переходе к безкислородным процессам окисления.

Математически такой переход можно определить, если аппроксимировать экспериментальные данные ЧСС и ЧД двумя отрезками прямых.

При этом минимизируется сумма квадратных отклонений:

параметры x и K определяются методом половинного деления, а при каждом фиксированном x и К оптимальные a1, b1, a2, b2, - путем решения системы линейных уравнений, полученной по методу условной оптимизации с использованием множителей Лагранжа.

Экспериментальные исследования алгоритма определения ПАНО по методу наименьших квадратов выявили недостаток данного метода, связанный с неточностью определения ПАНО. В связи с этим для уточнения положения ПАНО было предложено использование метода радиальных нейронных сетей. Результаты работы алгоритмов представлены на рисунке:

Метод радиальных функций позволяет аппроксимировать экспериментальные данные (x1, y1)… (xN, yN) функциями вида Обучение сети проводится по антиградиентному методу и состоит в минимизации ошибки Дифференцируя E по wj, ci и i получаем формулы для изменения параметров на каждом шаге.

Алгоритм заканчивается, когда значения параметров на текущем шаге отличаются от значений на предыдущем шаге мо модулю меньше, чем на заданную величину.

В работе были использованы четыре центра радиальных функций. Через первый и второй проведена прямая, пересекающаяся с прямой, проведенной через третий и четвертый центры. Точка пересечения прямых была принята за ПАНО.

Примеры определения ПАНО по методу наименьших квадратов и использование метода радиальных нейронных сетей приведены ниже на рисунке.

Экспериментально было показано, что метод радиальных функций дает лучшую оценку ПАНО, чем МНК для двух отрезков. Это означает, что при оценке ПАНО с использованием метода радиальных нейронных сетей величина погрешности меньше, чем при использовании МНК.

Дальнейший анализ модели определения ПАНО с использованием радиальных нейронных связан с анализом погрешности с целью проверки адекватности модели. Выяснилось, что симметричные методы оценки погрешности не дают в данном случае необходимый уровень точности. Поэтому необходимо применить ассиметричный метод оценки погрешности.

При оценке доверительного интервала измерений обычно предполагают, что ошибка распределена по нормальному закону с нулевым средним и некоторым стандартным отклонением, то есть имеет место соотношение u = x +, где x – «истинные значения», величины u – результаты измерений, – Гауссова помеха. В результате доверительный интервал записывается в виде M ± m. Вместе с тем в ряде случаев оказывается, что ошибка несимметрична, тогда доверительный интервал записывается в виде.

При построении подобных интервалов рассматриваются обычно 2 модели.

1. Помеха представляется в виде двух отрезков прямых величина с нулевым средним и единичной дисперсией, и - - параметры.

2. Помеха является квадратичной функцией от нормированной гауссовской величины (u) = au + bu2. Если a = 0, получаем обычную симметричную ошибку. Также можно рассматривать и последующие члены в разложении (u)= au + bu2 + сu3+…, но на практике это не делают, поскольку они даже не повышают качества статистического анализа.

Параметры + и - для первой модели и a, b, с по второй оценивают методом наименьших квадратов по экспериментальным данным. По среднеквадратичной ошибке вторая моP = 140+2. дель более адекватна и для приведенного графика дает значение ПАНО:

Таким образом, применение ассиметричных ошибок позволяет точнее оценить границы применимости построенной модели.

ПЛОСКИЕ И МНОГОМЕРНЫЕ МОДЕЛИ ФИЛЬТРАЦИИ ЗНАНИЙ В СИСТЕМАХ

ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

В настоящее время все большее распространение получают интеллектуальные системы, основанные на знаниях и реализующие функции от поиска до принятия решений.

В подобных системах крайне важны контроль текущего состояния базы знаний и оценка возможных путей ее развития. Данная работа предлагает подход к решению этих проблем.

Рассмотрим интеллектуальную систему, которая создавалась в предположении, что все множество фраз естественного языка представимо в виде суперпозиции функций и понятий.

Элементарными структурными единицами знаний в этой системе являются понятия C, объединяющие в себе слова, схожие по смыслу. Между понятиями возможны связи двух видов:

Иерархические;

Ассоциативные.

Более крупной структурной единицей является функция F, задаваемая понятием — названием функции, определяющим семантическое значение функции, группой возвращаемых понятий и конечным множеством аргументов, каждый элемент которого определяется порядковым номером и множеством понятий, участвующих в аргументе.

Однако знания не существуют обособленно, они объединены в некие блоки, представляющие собой те или иные знания о мире. Как правило, в блоке знаний — кластере — можно рассматривать определяющую функцию, задающую основную семантику блока, и функции, её окружающие.

Оценка качества и структурированности знаний системы может проводиться как человеком, так и с использованием специального программного обеспечения, сообщающего специалисту некоторые первоначальные выводы.

То, что обычно базы знаний хранятся в табличном виде, обычном для баз данных, создает большие трудности в восприятии человеком всего массива знаний. В связи с этим возникает необходимость представить базу системы в каком-либо интуитивно понятном виде с сохранением пространственной структуры знаний. Одним из наиболее наглядных способов изображения информации является ее графическое представление. Сложность при реализации такого подхода представляет то, что знания часто существуют в многомерном пространстве, при отображении которого на двумерное, более удобное для человека, неизбежно происходит наложение друг на друга отдельных не связанных между собой частей базы. В связи с этим появляется необходимость в возможности наложения различных фильтров на отображаемую часть знаний. Использование фильтров позволяет специалисту увидеть только ту часть базы и только в том разрезе, которая необходима в данный момент.

Но даже при использовании фильтров объем подлежащих отображению знаний остается велик, поэтому человеку очень сложно сделать выводы о структуре всей базы. По этой причине возникает необходимость автоматизации анализа базы знаний системы. Такой анализ в общем случае должен включать в себя:

Определение вида, к которому относится каждый кластер;

Определение степени и характера связности кластеров;

Определение дальнейшего направления развития кластеров;

Выявление подобных блоков знаний и т.п.

Для решения этих задач в данной работе предлагается использовать муравьиные алгоритмы и нейронные сети.

Муравьиный алгоритм применяется следующим образом. В начальный момент времени в каждой функции базы знаний находится количество муравьев, равное числу кластеров, в которые входит эта функция. При этом каждый муравей имеет строгую принадлежность тому кластеру, из которого он начал свое движение. Принадлежность кластеру проявляется в том, что муравей более восприимчив к феромону, оставленному муравьями из «своего» кластера.

Перемещение из функции i в функцию j для муравья зависит от следующих показателей:

Видимости ij — величине, обратной расстоянию между функциями;

Виртуального следа феромона ij(t) — количества феромона, оставленного на связи ранее другими муравьями и сохранившегося к итерации алгоритма t.

Вероятность перехода k-го муравья на t-й итерации из функции i в функцию j определяется следующим стохастическим правилом:

где и — два регулируемых параметра, задающие веса феромона и видимости при выборе маршрута, self — коэффициент доверия «своему» феромону, alien — коэффициент доверия «чужому» феромону.

При переходе из одной функции в другую муравей оставляет на связи, соединяющей эти функции определенное количество феромона. Для того чтобы избежать схождения маршрута движения всех муравьев к одному циклу, используется испарение феромона.

Муравьиный алгоритм применяется на двух этапах анализа знаний системы. В начале он запускается на пространственной (многомерной) модели базы, после чего на основании его работы делаются первоначальные выводы. Затем модель упрощается: удаляются некоторые связи между функциями, отдельные функции объединяются в более крупные структурные единицы, структура знаний отображается на двумерное пространство. После этого алгоритм запускается на упрощенной плоской модели знаний.

Результаты работы муравьиного алгоритма обрабатывает нейронная сеть, определяющая характеристики каждого кластера. На вход ей подаются следующие параметры:

Количество функций в кластере;

Количество связей между функциями кластера;

Количество связей, ведущих за пределы кластера;

Число «своих» муравьев, закончивших движение в кластере;

Число «чужих» муравьев, закончивших движение в кластере;

Суммарное количество «своего» феромона на связях в конце алгоритма;

Суммарное количество «чужого» феромона на связях в конце алгоритма.

Результатом работы нейронной сети являются выводы о:

Типе кластера;

Степени полноты кластера;

Степени и характере связности с другими кластерами.

Большое значение в процессе обучения интеллектуальной системы имеет обучение по аналогии, когда знания с более обученной части базы переносятся на менее обученную часть схожей структуры. Основополагающей частью такого переноса знаний является поиск в базе знаний системы подобных блоков. Эти блоки могут быть как отдельными кластерами, так и более крупными структурными образованиями. В данной работе предлагается производить поиск таких блоков на основании остаточных следов феромона после работы муравьиного алгоритма.

Очевидно, что более обученная часть базы будет иметь большее количество феромона на единицу длины связей между функциями. Установим для блока, способного стать учителем, предел в Fmin феромона на единицу длины связей. Таким образом становится возможным найти все хорошо обученные блоки знаний, причем для каждого блока будет известно, из каких кластеров он состоит. На основании результатов работы нейронной сети можно определить общие структурные характеристики полного блока знаний:

Количество и типы составляющих его кластеров;

Характер связности кластеров в блоке;

Взаимное расположение кластеров блока.

Будем считать, что блок-учитель и блок-ученик найдены, если для них выполняется одно из следующих условий:

1. Структурные связи одинаково соединяют равное количество кластеров, виды которых на соответствующих позициях совпадают.

2. В более обученном блоке содержится меньшее число более крупных кластеров, при этом в менее обученном блоке есть тесно связанные небольшие кластеры, в случае объединения которых в один, блоки попадут под первое условие.

3. Ситуация обратная второму типу: более обученный блок содержит большее количество кластеров, а менее обученный имеет кластеры, способные в будущем разделиться на меньшие.

4. Объединение второго и третьего случаев: если часть кластеров в менее обученном блоке знаний объединить, а часть разделить, то получится первый тип условия.

В результате выявления подобных блоков знаний можно с достаточно большой долей уверенности говорить о дальнейшем развитии менее обученных блоков знаний как с применением алгоритмов обучения по аналогии, так и без их использования.

Полученная в результате анализа знаний системы информация (типы кластеров, подобные блоки знаний, вероятные пути развития системы) помогает специалисту следить за состоянием базы интеллектуальной системы, выявлять и своевременно устранять ошибки в алгоритмах обучения, определять области, в которых система должна получать больше данных для равномерного обучения и т.д.

Литература:

1. Лорьер Ж.-Л. Системы искусственного интеллекта. — М.: Мир, 1991. — 568 с.

2. Сотник С.Л. Основы проектирования систем искусственного интеллекта: Курс лекций, 1997-1998.

3. Exponenta Pro №4 (4) / 2003 // Муравьиные алгоритмы, С.Д. Штовба.

4. Уинстон П. Искусственный интеллект. – М.: Мир, 1980. – 520 с.

5. Щуревич Е.В., Крючкова Е.Н. Проблема визуализации и фильтрации знаний в системах искусственного интеллекта / Материалы конференции-конкурса «Технологии Microsoft в информатике и программировании». — Новосибирск, 2005. — с. 147-149.

ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ ДЛЯ МОБИЛЬНЫХ УСТРОЙСТВ В СИСТЕМЕ

ДИСТАНЦИОННОГО ОБРАЗОВАНИЯ

Дистанционное образование значительно расширяет возможности вуза по обучению студентов. В АлтГТУ ведется активное внедрение новейших информационных технологий в процесс дистанционного обучения.

В настоящее время рынок высокоинтеллектуальных мобильных устройств расширяется с наибольшей скоростью, цены на устройства постоянно снижаются, а функциональность существенно увеличивается.

На данный момент существует множество вариантов построения автоматизированных систем дистанционного образования на базе ПК, а аналоги систем на базе мобильных устройств не обнаружены или находятся в стадии первоначального проектирования.

Взаимодействие компонентов системы ДО АлтГТУ представлено на рисунке.