Интеллектуальная система моделирования и оценки вероятностных характеристик временных рядов тема диссертации и автореферата по ВАК РФ 05.13.16, кандидат технических наук Дмитриева, Елена Вильевна

• Дмитриева, Елена Вильевна
• кандидат технических наук
• 1999

Оглавление диссертации кандидат технических наук Дмитриева, Елена Вильевна

СПИСОК УСЛОВНЫХ ОБОЗНАЧЕНИЙ, ЕДИНИЦ И ТЕРМИНОВ

ВВЕДЕНИЕ

ГЛАВА 1. АНАЛИЗ СОВРЕМЕННЫХ МЕТОДОВ И СРЕДСТВ 23 МОДЕЛИРОВАНИЯ И ОЦЕНКИ ВЕРОЯТНОСТНЫХ ХАРАКТЕРИСТИК ВРЕМЕННЫХ РЯДОВ

1.1. Объекты исследования

1.2. Модели случайных процессов

1.3. Модели потоков событий

1.4. Вероятностные характеристики процессов и потоков

1.4.1. Основные виды нормированных корреляционных 34 функций

1.4.2. Законы распределения интервалов и их моментные 35 характеристики

1.4.3. Законы распределения сумм интервалов

1.4.4. Интервальная корреляционная функция

1.4.5. Интенсивность потока

1.5. Методы и алгоритмы моделирования временных рядов с 41 заданными свойствами

1.6. Методы и алгоритмы оценивания вероятностных 45 характеристик временных рядов

1.7. Проблемы интеллектуализации программных средств АСНИ 48 Выводы по первой главе и основные результаты

ГЛАВА 2. МЕТОДЫ ФОРМАЛЬНОГО ПРЕДСТАВЛЕНИЯ 53 ЗНАНИЙ ПРЕДМЕТНОЙ ОБЛАСТИ ДЛЯ ЗАДАЧИ АВТОМАТИЧЕСКОЙ ГЕНЕРАЦИИ ИСПОЛНЯЕМОГО МОДУЛЯ ПО ЕЯ-ОПИСАНИЮ

2.1. Основные виды логико-лингвистических моделей

2.2. Разработка структуры описания предметной области

2.3. Естественно-языковое описание задач и объектов предметной 60 области

2.3.1. Анализ синтаксической структуры предложения

2.3.2. Исследование формальных методов определения части

2.3.3. Анализ семантической структуры предложения

2.3.4. Анализ прагматической структуры предложения

2.4. Анализ процесса генерации программных модулей

2.5. Методика решения задачи автоматической генерации исполняемого модуля по естественно-языковому описанию

Выводы по второй главе и основные результаты

ГЛАВА 3. РЕАЛИЗАЦИЯ ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ 92 МОДЕЛИРОВАНИЯ И ОЦЕНКИ ВЕРОЯТНОСТНЫХ ХАРАКТЕРИСТИК ВРЕМЕННЫХ РЯДОВ

3.1. Назначение, возможности и структура системы

3.2. Функциональное назначение элементов системы

3.2.1. Лингвистический процессор и его подсистемы

3.2.2. База знаний и фактов ЮЗ

3.2.3. Словарь базовых модулей

3.2.4. Подсистема генерации текста управляющей программы на 107 языке Си

3.3. Основные характеристики интеллектуальной системы

3.4. Технические характеристики инструментального и П1 программного обеспечения

Выводы по третьей главе и основные результаты ИЗ

Введение диссертации (часть автореферата) на тему «Интеллектуальная система моделирования и оценки вероятностных характеристик временных рядов»

Широко признанными методами научных исследований являются моделирование и идентификация, поскольку они позволяют решать задачи анализа, синтеза и оптимизации сложных технических объектов, прежде всего в автоматизированных системах научных исследований (АСНИ) (см. рис. 1).

При этом задачи моделирования и идентификации являются взаимообратными, т.к. центральным элементом и той и другой служит совокупность моделей предметной области (рис. 2). Действительно, при моделировании исследователь должен получить данные, соответствующие одной из заданных моделей, а при идентификации - установить искомую модель.

Имея набор решений модельных задач, можно с наибольшей эффективностью применять средства вычислительной техники, автоматизируя как процесс задания исходных данных, так и получение результатов не только в числовой форме, но и в виде осмысленного текста на языке исследователя.

Кроме множества моделей общей частью этих задач является блок оценки характеристик ОИ, качества исследования и интерпретации полученных результатов.

АСНИ дают возможность измерять информативные параметры изучаемого явления, строить, уточнять модель объекта исследования (ОИ), оценивать его характеристики.

Методы оценивания характеристик ОИ делятся на экспериментальные, теоретические и с использованием имитационного моделирования [62]. Экспериментальные исследования, обладая высокой точностью и достоверностью, требуют, как правило, больших материальных затрат на полную или частичную реализацию объекта. Теоретические методы,

Воздействие внешних факторов

ОБЪЕКТ исследования явление, процесс)

Априорная информация обОИ

БАЗА МОДЕЛЕЙ ОИ

Модель ОИ

Структура АСНИ

Выбор модели ОИ

Параметры модели ОИ пользователь

АСНИ1

УСД Интер

• фейс

ЭВМ

Интерфейс пользователя

Система статистической обработки

С-, 1 "- ■ X : л \ Виды обеспечения АСНИ : ;

Информационное: Алгоритмическое Программное Методическое Метрологической Техническое

Апостериорная информация

Уточнение модели ОИ рис. 1 о

Компоненты задач моделирования и идентификации

Модель и ее характеристики / у

ЗАДАЧА МОДЕЛИРОВАНИЯ <=>

Совокупность моделей

Реальные данные предметной области у

ЗАДАЧА <=> ИДЕНТИФИКАЦИИ

Данные моделирования

Оценка качества полученных решений / ^ с у

Постановка задачи и интерпретация полученных результатов: описание на естественном языке * V

Модель и ее характеристики рис. 2 предоставляющие исследователю математические модели изучаемого явления, наоборот, связаны с невысокими материальными затратами, но применимы к небольшому числу практических задач из-за налагаемых на начальные условия ограничений теоретической разрешимости. Поэтому наиболее часто используют метод имитационного моделирования, т.к. он дает возможность решения задач оценивания высокой сложности и эффективен при применении средств вычислительной техники.

На современном этапе развития вычислительной техники программное обеспечение позволяет представить изучаемую предметную область (ПО) в виде отдельных модулей, описывающих объекты и взаимодействующих между собой по данным и управлению. При этом размер модуля (количество входных, выходных и модифицируемых данных, а также алгоритмов обработки) может быть определен исследователем самостоятельно в рамках достаточного приближения к реальному объекту и необходимой точности исследования.

Реализация триады "модель-* алгоритм -» программа" [31] приводит к созданию библиотек, включающих в себя программы обработки данных предметной области, а также вспомогательные сервисные программы.

При появлении новых алгоритмов обработки число модулей увеличивается, расширяя тем самым информационное, алгоритмическое и программное обеспечение АСНИ, а, значит, и пространство решений задач пользователя.

Однако иногда рост числа модулей влечет за собой потерю для пользователя смысловой связи между модулем и ПО. Даже специалисту как в программировании, так и в данной предметной области, становится трудно ориентироваться в многообразии существующих программ и строить на их основе новые. Интерпретация описания, подразумевающая понимание как внешних связей (семантики) между математическими моделями, так и внутренних связей (прагматики), часто известна только профессионалу в данной ПО. Кроме того, в силу очевидности для специалиста некоторых понятий, он при описании моделей может о них умалчивать. Тогда, если предложить пользователю математические формулы (либо их программную реализацию) без объяснения, не всегда понятно, какие процессы или явления эти формулы описывают и как нужно связывать модули для получения новой программы обработки данных.

Все эти факторы являются сдерживающими при реализации модульного принципа построения программного обеспечения АСНИ, т.к. предъявляют высокие требования к исследователю:

- наличие навыков программирования;

- знание внешних и внутренних межмодульных связей;

- знание о соответствии программных модулей определенным моделям задач ПО, объектам и их атрибутам и т.д.

Необходимость снятия вышеозначенных требований к квалификации пользователя, предоставления ему средств описания постановки задачи на профессиональном (предметно-ориентированном) языке, реализации "прозрачности" связей между модулями, определяет проблему создания интеллектуального интерфейса для решения задачи автоматической генерации исполняемого модуля в АСНИ.

Таким образом, объектом исследования в диссертационной работе является интеллектуальная система АСНИ.

Интеллектуальная система должна обеспечивать такой язык взаимодействия, который создавал бы максимальный комфорт пользователю при общении с системой [26].

В зависимости от уровня абстракции и задач предметной области существует несколько основных способов взаимодействия пользователя с компьютером:

- язык меню;

- язык шаблонов;

- язык типа "вопрос - ответ";

- язык запросов к базам данных (БД);

- графические интерфейсы;

- естественный язык (ЕЯ).

Языки типа меню определяют процесс взаимодействия с системой как последовательный выбор одного из альтернативных вариантов на каждом этапе решения задачи. Количество вариантов ответа пользователя (опций меню), как правило, невелико и известно заранее. При этом пользователь должен знать алгоритм прохода по дереву меню для достижения поставленной цели.

Язык шаблонов является частным случаем языков типа меню, когда предполагается заполнение пользователем некоторых стандартных для определенной предметной области инструкций. Дерево шаблонов также определено заранее.

Формальные языки типа "вопрос - ответ" исторически происходят от информационно-поисковых процедур [102]. Для большинства систем, использующих такие языки характерна жесткая структура диалога, при которой каждое последующее высказывание (возможно, не связанное с предыдущим) воспринимается как очередной запрос [38].

Языки запросов к базам данных предоставляют для обеспечения взаимодействия с пользователем специальные формализованные языки. При этом пользователь должен знать синтаксис этих языков, логическую структуру БД, обладать навыками программирования. По возможностям практического использования системы общения с БД значительно опережают системы типа "вопрос - ответ" [38].

Графические интерфейсы дают пользователю возможность создания на экране компьютера графического образа решаемой задачи в виде совокупности связанных между собой пиктограмм. Такой язык общения рассчитан, как правило, на программирующего пользователя, обладающего, кроме того, еще и знаниями о связях между пиктограммами и порядке их соединения.

Естественный язык, обладая наивысшим уровнем абстракции, позволяет описывать ПО, ставить задачи в форме, наиболее близкой к уровню человеческого мышления. Вследствие этого ЕЯ трудно формализуем и неоднозначен. Тем не менее, при решении широкого круга научно-исследовательских задач, использование ЕЯ было бы эффективным и оправданным, например, при организации естественно-языкового интерфейса непрограммирующего пользователя с библиотеками модулей для разработки новых программ.

Исследования в области "обработки естественного языка" (Natural Language Processing) оформились в самостоятельное направление искусственного интеллекта в конце 60-х годов. Задачей этого направления стала разработка методов, алгоритмов и программных средств реализации процесса общения на естественном языке. Сложность создания средств ЕЯ-взаимодействия с компьютером обусловлена отсутствием универсальной формальной базы, поэтому при разработке систем ЕЯ-общения для различных прикладных задач приходиться налагать ограничения на предметную область и на модель языка. Исследованиям в области ЕЯ-общения посвящены работы многочисленных отечественных и зарубежных авторов - Апресяна Ю.Д. [5], Поспелова Г.С. [64-66], Поспелова Д.А. [26, 51, 66, 67], Попова Э.В., Преображенского А.Б. [27], Уотермана Д., Winograd Т. [102], Grosz B.J., Haas N. [98] и др.

Актуальность систем, способных понимать постановку задачи, давать объяснения в процессе решения и вести диалог на естественном языке, обусловливается спецификой некоторых предметных областей, небольшим количеством специалистов-экспертов, а также большим числом программ, реализующих алгоритмы обработки данных.

Центральным элементом интеллектуального интерфейса таких систем является лингвистический процессор (ЛП), обеспечивающий корректную постановку задачи пользователем и преобразование ее в информационный образ.

• Под лингвистическим процессором, как правило, понимаются автоматизированные средства обработки текстовой информации на естественном языке, в том числе и не рассчитанные на работу с ЕЯ в полном объеме [5].

Обзор литературных источников показывает, что в направлении создания лингвистических процессоров ведутся многочисленные работы - [5, 54, 59, 95]. При этом ЛП строятся с учетом ограничений на предметную область и на модель языка. В [15] приводится классификация существующих ЛП по трем типам:

-ЛП естественно-языкового диалога автоматизированной системы с пользователем (системы понимания естественного языка);

- ЛП ЕЯ-запросов к БД;

- ЛП обработки ЕЯ-текстов в соответствии с определенной моделью ЕЯ.

В этой классификации отсутствуют инструментальные средства автоматической генерации исполняемого модуля по естественно-языковому описанию, хотя работы по их созданию ведутся с середины 60-х годов (ФИХАР, АССА, СИРИУС, ПРИЗ, СПОРА [69, 70]). Эти системы способны решать задачи не только текстовой, но и математической обработки (например, система МАВР [64, 65] автоматизированного проектирования технической модели в области теплотехники); ориентированы на конечного пользователя; включают в себя библиотеки программных модулей и носят название интеллектуальных пакетов прикладных программ (ИППП). Однако и они избегают разбора связного текста и сводят общение пользователя с компьютером к вопросам и ответам с целью выяснения исходных характеристик задачи.

Поскольку создание универсального ЛП является неэффективным в силу отсутствия универсальной формальной базы, то необходимо строить лингвистический процессор, ориентированный на конкретную предметную область.

Примером ПО, которая нуждалась бы в интеллектуализации программных средств, может служить область моделирования и идентификации (оценивания вероятностных характеристик (ВХ)) временных рядов.

Современные системы обработки статистической информации в АСНИ ориентированы, как правило, на обработку данных, поступающих с источника (датчика, генератора) через равные интервалы времени. Однако привязка данных к регулярным временным меткам является, по большей части, некоторым допуском, приближающим реальную задачу к идеальным условиям. Когда значения (отсчеты) исследуемого случайного процесса (СП) находятся друг от друга на произвольном расстоянии, то считается, что СП представлен неэквидистантным (неравномерным) временным рядом (НВР). К задачам формирования НВР относятся, например, статистические измерения с применением адаптивных систем сбора и обработки информации, учет "дрожания", неточность кодирования в многоканальных системах, дискретизация с пропусками и т.д. В ряде случаев нерегулярность вносится в процесс неумышленно. Поэтому моделирование и оценка характеристик НВР является актуальной задачей статистической обработки. Количество моделей данной предметной области, алгоритмов обработки, методов моделирования и разработанного программного обеспечения настолько велико, что появилась необходимость в интеллектуализации процесса общения пользователя для решения задачи создания новых программ без непосредственного программирования процесса решения.

Поэтому целью диссертационной работы является разработка методов, алгоритмов и инструментальных средств автоматической генерации исполняемой программы по связному естественно-языковому описанию задач моделирования и идентификации временных рядов (ВР).

В соответствии с поставленной целью в диссертационной работе решаются следующие задачи исследования.

1. Анализ современных методов и средств моделирования и оценки вероятностных характеристик временных рядов в целью выявления структуры ПО;

2. Построение формальной модели описания предметной области для задачи автоматической генерации исполняемой программы из базовых модулей по ЕЯ-описанию;

3. Построение формальной модели языка представления знаний (ЯПЗ) предметной области;

4. Разработка спецификаций к лингвистическому процессору и модульному программному обеспечению в соответствии с формальной моделью описания предметной области и формальной моделью ЯПЗ;

5. Разработка алгоритма функционирования предметно-ориентированного лингвистического процессора;

6. Создание программного обеспечения интеллектуальной системы генерации исполняемого модуля по естественно-языковому описанию.

Методы исследования. Результаты исследований базируются на использовании методов инженерии знаний и имитационного моделирования, системного анализа, аппарата теории вероятностей, математической логики, теории случайных функций.

Научная новизна. В результате проведенных исследований был получен ряд научных результатов, к которым можно отнести:

1. Формальную модель описания ПО для задачи генерации исполняемого модуля по естественно-языковому описанию;

2. Контекстно-свободную грамматику предметно-ориентированного подмножества ЕЯ;

3. Определение понятия прагматического контроля задач статистической обработки временных рядов, формируемых по ЕЯ-описанию;

4. Методы семантического и прагматического контроля корректности постановки задачи пользователя (отдельных предложений и связного текста) с точки зрения агентов и реципиентов действия в предложениях русского языка.

Практическая ценность работы:

Практическое использование разработанных методов и инструментальных средств позволяет:

1. Создавать новые программы обработки данных без непосредственного программирования процесса решения;

2. Проводить в соответствии с разработанной структурой знаний ПО комплексную оценку характеристик случайных процессов и потоков различного вида;

3. Протоколировать результаты вывода при формировании исполняемых модулей;

4. Обеспечивать графическую интерпретацию полученных результатов;

5. Формировать и корректировать модели временных рядов по описанию на естественном языке.

Автор являлся ответственным исполнителем научно-исследовательской работы, выполняемой в 1995 году по договору И-74 ПР-20 с институтом моделирования и интеллектуализации сложных систем (ИМИСС, г. Санкт-Петербург) в рамках Межвузовской научно-технической программы "Перспективные информационные технологии в высшей школе".

Результаты диссертационной работы рекомендуется использовать в учебном процессе по специальностям 22.02.00, 01.02.00, 01.03.00, 01.04.00, 21.03.00, а также по смежным специальностям.

Результаты работы внедрены в учебном процессе кафедры информационных систем и технологий Самарского государственного аэрокосмического университета и кафедры робототехнических систем Самарского технического университета.

Апробация работы. Результаты диссертационной работы докладывались и обсуждались на следующих научно-технических и научно-методических конференциях: Всероссийской молодежной научно-технической конференции «Информационные и кибернетические системы управления и их элементы» (Уфа, 1995); IV Российской научно-методической конференции «Пути и методы совершенствования учебного процесса» (Самара, 1995); I Поволжской научно-технической конференции «Научно-исследовательские разработки и высокие технологии двойного применения» (Самара, 1995); Молодежной научной конференции «XXII Гагаринские чтения» (Москва, 1996); Научно-методической конференции «Интенсивные технологии обучения в подготовке специалистов» (Самара, 1996); Международной научно-методической конференции «Новые информационные технологии в университетском образовании», Новосибирск, 1996); Международной конференции «Математика. Компьютер. Образование» (Дубна, 1996); Научно-методической конференции «Развитие и совершенствование учебного процесса для подготовки специалистов XXI века» (Самара, 1998).

Публикации. Всего по теме диссертации опубликовано 9 печатных работ, материалы вошли в 2 научно-технических отчета, выполненных по договору с институтом моделирования и интеллектуализации сложных систем (ИМИСС, г. Санкт-Петербург). Список опубликованных работ приведен в заключении.

Структура и краткое содержание диссертации:

Диссертация состоит из основной части и приложений.

Основная часть содержит введение, три раздела, заключение, список использованных источников. Приложения содержат параметры формирующих алгоритмов, словари предметной области, пакеты прикладных программ имитационного моделирования и оценки вероятностных характеристик временных рядов, акты внедрения.

Во введении показана актуальность темы диссертации, дана общая характеристика работы, определены цель и задачи исследования, приведены структура и краткое содержание диссертации, основные положения, выносимые на защиту.

В первом разделе проводится анализ предметной области: приводится классификация объектов моделирования и идентификации, основанная на анализе литературных источников; определяются характеристики объектов и структура знаний ПО; выбираются алгоритмы моделирования и оценки вероятностных характеристик временных рядов; рассматриваются проблемы интеллектуализации программных продуктов; предлагается общий подход к описанию предметных областей, в которых процессы или явления имеют четкую структуру и для которых предполагается разработка ШИШ; на основе проанализированных данных обосновывается применение методов инженерии знаний к статистическому анализу временных рядов.

Во втором разделе предлагается описание ПО в виде упорядоченного множества из десяти элементов; рассматриваются основные принципы понимания высказываний на ЕЯ, производится декомпозиция ЕЯ-спецификации задачи пользователя на три уровня в соответствии с синтаксисом, семантикой и прагматикой отдельных предложений и всего текста; синтезируется КС-грамматика предметно-ориентированного подмножества ЕЯ (ЯПЗ); разрабатываются спецификации к модульному программному обеспечению в соответствии с формальной моделью описания ПО и формальной моделью ЯПЗ; синтезируются алгоритмы автоматической генерации исполняемых модулей по описанию на ЕЯ; приведена методика создания интеллектуальных пакетов прикладных программ для предметных областей, имеющих относительно строгую структуру знаний, основанная на предложенной автором модели описания предметной области.

В третьем разделе приведено описание интеллектуальной системы статистической обработки временных рядов, ее подсистем и алгоритмов их совместного функционирования; даны рекомендации по ведению диалога пользователя с ИС для решения задач и пополнения базы данных и знаний; приведены типовые задачи предметной области и примеры их решения, рассмотрены критерии качества программных продуктов, получаемых с помощью интеллектуальной системы.

В заключении приводятся основные результаты, полученные в работе, а также список опубликованных работ.

Новые научные результаты, а также результаты теоретических исследований являются основными положениями, выносимыми на защиту.

Заключение диссертации по теме «Применение вычислительной техники, математического моделирования и математических методов в научных исследованиях (по отраслям наук)», Дмитриева, Елена Вильевна

Выводы по третьей главе и основные результаты

1. Разработана интеллектуальная система моделирования и идентификации НВР.

2. Реализованы функции лингвистического процессора в соответствии с декомпозицией ЕЯ-спецификации задачи пользователя на синтаксический, семантический и прагматический уровни.

3. Разработаны структура данных предметной области и требования к модульному программному обеспечению в соответствии с формальной моделью описания ПО и формальной моделью ЯПЗ.

ЗАКЛЮЧЕНИЕ

В диссертационной работе получены следующие основные результаты:

1. Предложен обобщенный подход к разработке интеллектуальных пакетов прикладных программ для непрограммирующих пользователей, заключающийся в разделении ПО на симметричные задачи по принципу анализа-синтеза с целью сокращения пространства поиска естественноязыковых решений и представления знаний ПО в виде упорядоченного множества из десяти элементов.

2. Разработана предметно-ориентированная контекстно-свободная грамматика определения синтаксической и семантической принадлежности предложения языку и предметной области.

3. Исследованы формальные методы определения частей речи и описан метод уникальных окончаний программного различения существительных и прилагательных в рамках ограниченного предметной областью подмножества естественного языка.

4. Произведена декомпозиция ЕЯ-спецификации задачи пользователя на три уровня в соответствии с синтаксисом, семантикой и прагматикой отдельных предложений и всего текста.

5. Для задачи создания нового программного продукта из набора базовых модулей дано определение прагматической корректности выделенного предложения и связного текста.

6. Разработан обобщенный алгоритм работы лингвистического процессора для задачи автоматической генерации исполняемых модулей по описанию на ЕЯ.

7. Разработана и описана методика создания интеллектуальных пакетов прикладных програм для предметных областей, имеющих относительно строгую структуру знаний.

8. Разработана и внедрена интеллектуальная система генерации исполняемого модуля для задач моделирования и оценки вероятностных характеристик временных рядов; ИС позволяет сократить сроки разработки управляющих программ при использовании библиотеки базовых модулей непрограммирующими пользователями.

9. Полученные результаты были использованы в учебном процессе в рамках лекционных материалов и лабораторного практикума по курсам "Проектирование АСНИ", "Элементы ситуационного управления", "Машинный интеллект и обработка информации", при проведении курсового и дипломного проектирования, а также в рамках программы 1995 года "Перспективные информационные технологии" Государственного комитета РФ по высшей школе.

Основные положения, выводы и результаты диссертационной работы опубликованы в следующих работах:

1. Прохоров С.А., Солдатова О.П., Зеленко Л.С., Дмитриева Е.В. Автоматизированный комплекс для моделирования и оценки сигналов //1 Поволжская научно-техн. конференция "Научно-исследовательские разработки и высокие технологии двойного применения"/ Тез. докл. -Самара, 1995, ч. 1, С. 96-97.

2. Прохоров С.А., Солдатова О.П., Зеленко Л.С., Дмитриева Е.В. Компьютерная поддержка учебных курсов при подготовке инженеров-системотехников // IV Российская научно-методич. конференция "Пути и методы совершенствования учебного процесса"/ Тез. докл. - Самара, ПИИРС, 1995, С. 53-54.

3. Дмитриева Е.В. Экспертная система оценивания вероятностных характеристик временных рядов // Всероссийская молодежная научно-техн. конференция "Информационные и кибернетические системы управления и их элементы" // Тез. докл. - Уфа, 1995, ч. 1, С. 20.

4. Дмитриева Е.В. Использование экспертных систем при анализе вероятностных характеристик временных рядов // Молодежная научная конференция "XXII Всероссийские Гагаринские чтения"/ Тез. докл. -Москва, 1996, ч. 7, С. 109-110.

5. Дмитриева Е.В., Зеленко Л.С. Обучение инженеров-системотехников: от АСНИ к экспертным системам // Международная научно-методич. конференция "Новые информационные технологии в университетском образовании"/ Тез. докл. - Новосибирск, 1996, С. 48-49.

6. Дмитриева Е.В., Прохоров С.А. Использование экспертной системы при подготовке инженеров-системотехников // Международная конференция "Математика, компьютер, образование" - М., 1996, С. 119-124.

7. Дмитриева Е.В., Прохоров С.А. Применение экспертной системы при подготовке инженеров-системотехников // Международная конференция "Математика, компьютер, образование" - Тез. докл.- М., 1996, С. 40.

8. Прохоров С.А., Зеленко Л.С., Дмитриева Е.В. Программные средства анализа вероятностных характеристик временных рядов // Сб. "Информационные системы и технологии", Самара, "Авиатор", 1996, С. 126-129.

9. Дмитриева Е.В., Солдатова О.П. Применение интеллектуальных средств в научных исследованиях и обучении студентов // Научно-методич. конференция "Развитие и совершенствование учебного процесса для подготовки специалистов XXI века"/ Тез. докл. - Самара, СГАУ, 1998, С. 162-163.

Список литературы диссертационного исследования кандидат технических наук Дмитриева, Елена Вильевна, 1999 год

1. A.c. N 1022167 СССР G 06 F 15/336. Автокоррелятор / Прохоров С.А., Мартовой В.П., Белолипецкий В.Н., Сухинин В.П./CCCP/.-N 3380810/18/24, Заявлено 16.11.81; Опубл. 07.06.83, Бюл. N 21.- С.5.

2. Адаптивные телеизмерительные системы / Авдеев Б.Я., Антонюк Е.М., Долинов С.Н., Журавин Л.Г., Семенов Е.И., Фремке A.B. Под ред. A.B. Фремке.-Л.: Энергоатомиздат, 1981.- 246 с.

3. Андерсон Т. Статистический анализ временных рядов./ Пер. с англ. под ред. Ю.К.Беляева.- М.: Мри, 1976.- 755 с.

4. Анисимов С.А., Райбман Н.С. К вопросу о типовой идентификации// Доклад II Всесоюзного совещания по статистическим методам теории управления. М.: Наука, 1970. - С. 36 - 37.

5. Апресян Ю.Д., Богуславский И.М., Иомдин Л.Л. и др. Лингвистический процессор для сложных информационных систем. -М.: Наука, 1992.-256 с.

6. Артамонов Г.Т., Тюрин В.Д. Анализ информационно-управляющих систем со случайным интервалом квантования сигнала по времени.-М.: Энергия, 1977.- 122 с.

7. Бабкин В.Ф., Крюков А.Б., Штарьков Ю.М. Сжатие данных // Аппаратура для космических исследований.- М.: Наука, 1972. С. 172 -209.

8. Белоусов. В.Н., Ковтунова И.И. Краткая русская грамматика / Под ред. Н.Ю. Шведовой и В.В. Лопатина. М: Русский язык, 1989.

9. Бендат Дж., Пирсол А. Измерение и анализ случайных процессов.-М.: Мир, 1974.- 464 с.

10. Бендат Дж., Пирсол А. Прикладной анализ случайных данных / Пер. с англ.- М.: Мир, 1989.- 540 с.

11. Бокс Дж., Дженкинс Г. Анализ временных рядов. Прогноз и управление. Вып. 1 / Пер. с англ. М.: Мир, 1974. - 406 с.

12. Бокс Дж., Дженкинс Г. Анализ временных рядов. Прогноз и управление. Вып. 2 / Пер. с англ. М.: Мир, 1974. - 197 с.

13. Бриллинджер Д. Временные ряды: Обработка данных и теория:/ Пер. с англ. М.: Мир, 1980. - 536 с.

14. Брушлинский H.H. Эмпирические формулы. М., 1965.

15. Бухараев Р.Г., Сулейманов Д.Ш. Принципы построения лингвопроцессоров в вопросно-ответном контексте// Сб. научн. трудов V научной конференции с международным участием "Искусственный интеллект 96", Казань, 1996. - с. 149-155.

16. Вентцель Е.С. Теория вероятностей. М.: Наука, 1969.-576 с.

17. Виленкин С.Я. Статистическая обработка результатов исследования случайных функций. М.: Энергия, 1979. - 320 с.

18. Вучков И., Бояджиева JL, Солаков Е. Прикладной линейный регрессионный анализ.- М.: Финансы и статистика, 1987. 240 с.

19. Горелов Г.В. Нерегулярная дискретизация сигналов.- М.: Радио и связь, 1982.-256 с.

20. Гренджер К., Хатанака М. Спектральный анализ временных рядов в экономике: / Пер. с англ.- М.: Статистика, 1972. 312 с.

21. Губарев В.В. Алгоритмы статистических измерений. М.: Энергоатомиздат, 1985. - 272 с.

22. Девиссон Д. Теоретический анализ систем со сжатием данных.// ТИИЭР.-1968. -N 2. С.46-58.

23. Дейч A.M. Методы идентификации динамических объектов. М.: Энергия, 1979.

24. Дейч A.M. Некоторые оценки точности статистической методики построения адаптивных моделей существенно нелинейных объектов// Доклад II Всесоюзного совещания по статистическим методам теории управления. М.: Наука, 1970, С. 69 - 81.

25. Демиденко Е.З. Линейная и нелинейная регрессии.- М.: Финансы и статистика, 1981. 302 с.

26. Диалоговые системы в АСУ / Под ред. Д.А. Поспелова. М: Энергоатомиздат, 1983. 206 с.

27. Дракин В.И., Попов Э.В., Преображенский А.Б. Общение конечных пользователей с системами обработки данных.- М.: Радио и связь,1988.- 288 с.

28. Евстигнеев В.А. Применение теории графов в программировании. М.: Наука, 1985.-352 с.

29. Ермаков С.М., Жиглявский A.A. Математическая теория оптимального эксперимента.- М.: Наука, 1987. 320 с.

30. Зеленко Л.С. Методы, алгоритмы и программное обеспечение корреляционного анализа неэквидистантных временных рядов. Дисс. . канд. техн.наук - Самара: 1994, - 223 с.

31. Идентификация и аппаратура для статистических исследований // Труды I Всесоюзного симпозиума по статистическим проблемам в технической кибернетике. -М.: Наука, 1970. 421 с.

32. Идентификация и оптимизация управляемых технологических процессов // Межвузовский сборник научных трудов. Куйбышев, КПИ,1989.- 123 с.

33. Идентификация и управление в системах с неполной информацией// Сборник научных трудов.- Фрунзе: "Илим", 1970.- 87 с.

34. Идентификация и управление технологическими процессами // Сборник научных трудов. М.: Энергоиздат, 1982. - 40 с.

35. Идентификация, автоматический контроль и моделирование сложных процессов и объектов управления// Сборник научных трудов.-Днепропетровск: ДГУ, 1985.-172 с.

36. Имитационное моделирование производственных систем / Под общ. ред. чл.-кор. АН СССР A.A. Вавилова. -М.: Машиностроение, Берлин: Техника, 1983.-416 с.

37. Искусственный интеллект: в 3 кн. Кн.1. Системы общения и экспертные системы: Справочник/Под ред. Э.В.Попова.-М.: Радио и связь, 1990.- 464 с.

38. Калашников И.Д., Степанов B.C., Чуркин A.B. Адаптивные системы сбора и передачи информации. М.: Энергия, 1975.- 240 с.

39. Карлин С. Основы теории случайных процессов. М.: Мир, 1971. -536 с.

40. Кашьяп P.JL, Pao А.Р. Построение динамических стохастических моделей по экспериментальным данным.- М.: Наука, 1983. 384 с.

41. Кендалл М.Дж. Временные ряды:/ Пер. с англ. М.: Финансы и статистика, 1981. - 199 с.

42. Кендалл М.Дж., Стюарт А. Многомерный статистический анализ и временные ряды:/ Пер. с англ. М.: Наука, 1976. - 736 с.

43. Кендалл М.Дж., Стюарт А. Теория распределений:/ Пер. с англ. М.: Наука, 1966. - 587 с.

44. Кокс Д., Хинкли Д. Задачи по теоретической статистике/ Пер. с англ.-М.: Мир, 1981.

45. Кокс Д., Хинкли Д. Теоретическая статистика/ Пер. с англ.- М.: Мир, 1978.

46. Котюк А.Ф., Ольшевский В.В., Цветков Э.И. Методы и аппаратура для анализа характеристик случайных процессов. М.: Энергия, 1967. -24 с.

47. Котюк А.Ф., Цветков Э.И. Спектральный и корреляционный анализ нестационарных случайных процессов. М.: Изд-во стандартов, 1970 -104 с.

48. Крамер Г. Математические методы статистики./ Пер. с англ. Под ред. А.Н.Колмогорова. М.: Мир, 1975. - 548 с.

49. Крамер Г., Лидбеттер М. Стационарные случайные процессы. М.: Мир, 1969. - 400 с.

50. Логика рассуждений и ее моделирование / Под. ред. Д.А. Поспелова. Вопр. кибернетики. М.: Науч. совет по комплекс, пробл. "Кибернетика" АН СССР, 1983.- 180 с.

51. Липаев В.В. Качество программного обеспечения. М.: Финансы и статистика, 1983.

52. Липаев В.В. Отладка сложных программ: Методы, средства, технология. М.: Энергоатомиздат, 1993. - 384 с.

53. Мажаров Л.Г. Разработка методов и средств построения предметно-ориентированных лингвистических процессоров для автоматизированных систем научных исследований. Дисс. . канд.техн.наук - Самара: 1997, - 204 с.

54. Маленво Э. Статические методы эконометрии: / Пер. с франц. М.: Статистика, вып. 1, 1975. - 423 с.

55. Маленво Э. Статистические методы эконометрии: /Пер. с франц. М.: Статистика, вып. 2, 1976. - 325 с.

56. Мановцев А.П. Основы теории радиотелеметрии. М.: Энергия, 1973. -592 с.

57. Марселлус Д. Программирование экспертных систем на Турбо Прологе. М.: Финансы и статистика, 1994.

58. Мельчук И.А. Опыт теории лингвистических моделей "Смысл О Текст". М.: Наука, 1974. 314 с.

59. Минский М. Фреймы для представления знаний: Пер. с англ. М.: Энергия, 1979. 151 с.

60. Мирский Г.Я. Аппаратурное определение характеристик случайных процессов.- М.: Энергия, 1972. 456 е., ил.

61. Попов Э.В. Общение с ЭВМ на естественном языке. М.: Наука, 1982.360 с.

62. Поспелов Г.С. Искусственный интеллект основа новой информационной технологии/ АН СССР - М.: Наука, 1988. - 278 с.

63. Поспелов Г.С., Поспелов Д.А. Искусственный интеллект прикладные системы // Математика. Кибернетика. Вып. 9.- М.: Знание, 1985. - 48 с.

64. Поспелов Д.А. Логико-лингвистические модели. М.: Энергоиздат, 1981.-231 с.

65. Представление знаний в человеко-машинных и робототехнических системах. Т. А. Фундаментальные исследования в области представления знаний. М: ВЦ АН СССР; ВИНИТИ, 1984. 262 с.

66. Представление знаний в человеко-машинных и робототехнических системах. Т. В. Инструментальные средства систем, ориентированных на знания. М: ВЦ АН СССР; ВИНИТИ, 1984. 236 с.

67. Представление знаний в человеко-машинных и робототехнических системах. Т. С. Прикладные человеко-машинные системы, ориентированные на знания. М: ВЦ АН СССР; ВИНИТИ, 1984. 380 с.

68. Прохоров С.А. Измерение вероятностных характеристик при неравномерной дискретизации. Дисс. . докт.техн.наук - Куйбышев: 1987.-409 с.

69. Прохоров С.А., Коварцев А.Н. и др. Применение ГП-технологии в статистических измерениях и моделировании случайных сигналов // Тез. докл. нучн.-тех. конф. "Измерение характеристик и имитация случайных сигналов", Новосибирск, 1994. - С. 13-14.

70. Прохоров С.А., Коварцев А.Н., Кудрин К.А. Система автоматизации программирования GRAJF // Тез. докл. нучн.-тех. конф. "Научно-исследовательские разработки и высокие технологии двойного применения", Самара, 1995. - С. 97-98.

71. Прохоров С.А., Сухинин В.П. Аппроксимативная корреляционная ИИС на базе ИВК // Статистические измерения и применение микромашинных средств в измерениях: Тез. докл. Всесоюзн. симп., секция 4, Л.: 1982. - С. 133-137.

72. Пугачев B.C. Теория случайных функций. М.: Физматгиз, 1962. -884 с.

73. Pao С.Р. Линейные статистические методы.- М.: Наука, 1968. 546 с.

74. Ревунков Г.И., Самохвалов Э.Н., Чистов В.В. Базы и банки данных и знаний: Учеб. для вузов по спец. "Автоматизирован, системы обраб.информ. и упр."/Под ред. В.Н.Четверикова.- М.: Высш. шк., 1992. -367 с.

75. Романеико А.Ф., Сергеев Г.А. Аппроксимативные алгоритмы анализа случайных процессов. М.: Энергия, 1974. - 176 с.

76. Романенко А.Ф., Сергеев Г.А. Вопросы прикладного анализа случайных процессов. М.: Сов. радио, 1968.- 256 с.

77. Саульев В.К. Математическая теория и прикладные вопросы идентификации. М.: МАИ, 1978. - 51 с.

78. Себер Дж. Линейный регрессионный анализ.-М.: Мир, 1980.- 456 с.

79. Семушин И.В. Адаптивные схемы идентификации и контроля при обработке случайных сигналов. Саратов: Изд-во Сарат. ун-та, 1985.180 с.

80. Сухинин В.П., Прохоров С.А. Идентификация стационарных случайных процессов по виду корреляционной функции// Идентификация и автоматизация технологических процессов и промышленных установок.: Куйбышев. 1982. - С. 25 - 29.

81. Фишер Ф.М. Проблема идентификации в эконометрии: / Пер. с англ.-М.: Статистика, 1978. 223 с.

82. Фомин В.Н. Рекуррентное оценивание и адаптивная фильтрация.-М.: Наука, 1984. 288 с.

83. Фомин В.Н., Фрадков А.Л., Якубович В.А. Адаптивное управление динамическими объектами.- М.: 448 с.

84. Хеннан Э. Дж. Анализ временных рядов: / Пер. с англ. М.: Наука, 1964.-215 с.

85. Хеннан Э.Дж. Многомерные временные ряды:/ Пер. с англ. М.: Мир, 1974.- 575 с.

86. Хеннеккен П.Л., Тортра А. Теория вероятностей и некоторые ее приложения.- М.: Наука, 1974. 472 с.

87. Цветков Э.И. Нестационарные случайные процессы и их анализ. М. -Энергия, 1973.- 128 с.

88. Цветков Э.И. Основы теории статистических измерений.-2-е изд., перераб. и доп.- Л.: Энергоатомиздат, Ленингр. отд-ние, 1982.- 256 с.

89. Цыпкин Я.3. Основы информационной теории идентификации. М.: Наука. Главная редакция физико - математической литературы, 1984. -320 с.

90. Чеснокова Л.Д. Русский язык. Трудные случаи морфологического разбора: Учеб. Пособие для студентов-филологов. М.: Высш. шк., 1991.

91. Шенк Р.К. Обработка концептуальной информации.-М.: Мир,1980.-361 с.

92. Штернберг Л.Ф. Теория формальных грамматик. Куйбышев: КуАИ, 1979.

93. Эйкхофф П. Основы идентификации систем управления. / Пер. с англ.-М.:Мир, 1975. 685 с.

94. Grosz B.J., Haas N., Hendrix G.G. vol.32.- Dialogic: a Core Natural -Language Processing System // Proc. 9 th Int.Conf. Computational Linguistics, Prague, Chechoslovakia, 1982.

95. Riseman E. M., Hanson A.R. A Contextual Postprocessing System for Error Correction Using Binary n-Grams // IEEE Trans.-1977. Vol. Сотр. - 23, N5.-P. 480 -493.

96. Soucek В., Carlson A.D. Computer in Neurobilogy and Behavior.-John Wiely.- New York.- 1976.

97. Soucek В., Prokhorov S. Event Train Correlator Based on Small Computers.- Proceedings of the IV International Simposium "Mimi-80".-Budupest, 1980.

98. Winograd T. Language as Cognitive Process. Vol. 1: Syntax.-Addison-Wesley Publishing Co.- 1983. P. 357 - 401.