Нейросетевые рейтинговые системы в задачах контроля качества подготовки кадров тема диссертации и автореферата по ВАК РФ 05.13.17, кандидат технических наук Шурупов, Андрей Николаевич

• Шурупов, Андрей Николаевич
• кандидат технических наук
• 1998

Оглавление диссертации кандидат технических наук Шурупов, Андрей Николаевич

ОГЛАВЛЕНИЕ

Введение

Глава 1. Проблемы и направления развития рейтинговых систем

управления учебным процессом

1.1. Проблемы информатизации и управления учебным процессом в высших государственных образовательных учреждениях

1.2. Сравнительный анализ рейтинговых систем непрерывного контроля, применяемых в отечественных и зарубежных высших учебных заведениях

1.3. Информационно-технологическая модель управления учебным процессом

1.4. Постановка задачи разработки математического обеспечения подсистемы поддержки принятия решений

на основе интегральных рейтинговых показателей

Выводы

' лава 2. Методы анализа и синтеза иерархических схем принятия

решений на основе взвешенного голосования

2.1. Функциональное строение иерархических схем принятия решений на основе взвешенного голосования

2.1.1. Основные понятия

2.1.2. Общие теоремы о функциональной разделимости

2.1.3. Описание декомпозиций для булевых пороговых функций

2.1.4. Описание декомпозиций для к-значных пороговых функций

2.1.5. Сложность определения декомпозиционной

структуры пороговых функций

2.2. Методы синтеза иерархических схем принятия решений

на основе взвешенного голосования

2.3. Применение методов системного анализа и искусственного интеллекта для синтеза решающей

функции и настройки ее весовых коэффициентов

2.3.1. Экспертные методы определения весов решающей функции и формирования обучающей выборки

2.3.2. Аналитические методы восстановления частично определенных пороговых функций

2.3.3. Адаптивные методы настройки весов многослойной нейронной сети 1

2.4. Математические методы анализа тенденций и выработки прогнозов качества обучения на основе рейтинговых показателей

2.4.1. Методы проверки адекватности интерполяции

и прогнозирования рейтинговых рядов

2.4.2. Методы восстановления пропущенных измерений рейтинга

2.4.3. Методы прогнозирования рейтинговых рядов 130 Выводы

Глава 3. Практическая разработка рейтинговой системы контроля

3.1. Формирование математических моделей рейтингов и построение иерархической процедуры вычисления интегрального рейтинга студентов

3.2. Методики анализа рейтингов и выработки рекомендаций

по корректировке учебного процесса

3.3. Оценка положительного эффекта внедрения рейтинговой системы

Выводы

Заключение

Литература

Приложение 1

Приложение 2

Приложение 3

Приложение 4

Введение диссертации (часть автореферата) на тему «Нейросетевые рейтинговые системы в задачах контроля качества подготовки кадров»

ВВЕДЕНИЕ

Актуальность темы. Система высшего образования России переживает период реформ. Многопрофильность, изменение структуры системы целевой подготовки кадров в сочетании с сокращением государственных субсидий и другие объективные причины приводят к чеобходимости вводить гибкие схемы подготовки специалистов, характеризующиеся интенсификацией и информатизацией обучения, возможностью динамической коррекции учебных планов, дистанционными формами обучения. В условиях внедрения интенсивных и дистанционных технологий обучения повышается роль систем непрерывного контроля за качеством обучения.

Первые работы в этой области появились достаточно давно (см. [1], [2]). В них отмечались недостатки применяемых шкал измерения степени обученности студентов, предлагались приемы повышения интенсивности обучения и использование рейтингов для диагностики учебного процесса.

Последние пять лег отмечены большим количеством публикаций по теме использования рейтингов в учебном процессе (см. [3], [4], [5], [6], 17]> [81, [9], [10], [11], [12] и др.). В качестве типичных представителей рейтинговых систем можно отметить АРСУОС «Тимирязевец» ([12]), "РИТМ" ([3]), модульно-рейтинговые системы (|8|). Для всех работ характерны такие черты, как: системное осмысление процесса подготовки специалистов, компьютерное моделирование деятельности вуза, использование новых квалиметрических технологий, математическое моделирование процессов обучения, применение интегральных показателей обученности - рейтингов.

В то же время работа по исследованию и практической реализации методов непрерывного контроля не носит комплексного

характера. Практические и теоретические разработки, как правило, имеют дело с отдельными составляющими учебного процесса и не образуют системной целостности. Уровень математического моделирования представляется достаточно поверхностным. На сегодняшний день остается далеко не полной научная и методическая база моделирования и использования современных информационных технологий обучения в вузах.

Несмотря на указанные выше проблемы практическое внедрение рейтинговых технологий сопровождается положительным педагогическим эффектом. На наш взгляд, это явление связано с введением в учебный процесс интегрального показателя обученности студентов - рейтинга. Определим это понятие. Эффективность учебного процесса есть качественная категория, имеющая сложную структуру, в частности, учитывающая обученпость студентов, уровень преподавания и др. Для измерения эффективности учебного процесса в рамках квалиметрического1 подхода вводят меры этого качества и условные шкалы измерения. В силу указанной сложной внутренней структуры эффективности учебного процесса принято измерять обученпость студента относительно каждой компоненты учебного процесса, т.е. строить частные меры. Под рейтингом студента понимается скалярная мера эффективности учебного процесса, являющаяся функционалом всех частных мер. При этом способы формирования рейтинга различны, существуют варианты развернутых педагогических определений этого понятия. Однако, обобщающих работ, содержащих сравнительный анализ различных рейтинговых схем, равно как и научное обоснование выбора значений параметров процедур вычисления рейтинга в доступной литературе нет. Предлагаемые технологические схемы

Кналимстрия - наука и практика количественного измерения педагогическою качества ([ 1 11)

вычисления рейтинга в полной мере не учитывают специфику учебного процесса в вузе, не допускают обработки слабоформализуемых данных, характсризизующих качество обучения. В силу этого данные проблемы представляют самостоятельный научный и практический интерес.

Рейтинги используются не только в качестве новой прогрессивной шкалы измерения эффективности учебного процесса. Методологически грамотно спроектированная система управления должна вырабатывать рекомендации по коррекции учебного процесса на основе научно обоснованных прогнозов качества обучения и основных тенденций в развитии учебного процесса. Вопросы теоретической и практической разработки прогнозов качества обучения в исследованной литературе представлены слабо. Поэтому задача теоретического исследования и практической реализации рейтинговых технологий непрерывного контроля для систем поддержки принятия решений по управлению учебным процессом является актуальной.

Цель исследования. Цель диссертационного исследования состоит в том, чтобы на основе анализа существующих рейтинговых технологий разработать теоретические основы проектирования иерархических процедур вычисления интегральных показателей учебного процесса -рейтингов и предложить методики рационального проектирования указанных процедур и анализа тенденций и прогнозирования качества обучения. Применение таких методик позволит интенсифицировать и динамически корректировать учебный процесс.

Объект исследования. Объектом исследования являются информационные процессы, возникающие в ходе обучения студентов в высших государственных учебных заведениях. При этом выделяются два вида процессов: восходящие от объектов к субъектам управления, образующие потоки квалиметрической и иной информации, и

командные процессы, образующие каналы обратной связи по у п ра вл е н п ю о бъе кта м и.

Предмет исследования. Предметом исследования являются математические методы моделирования, анализа и проектирования иерархических информационных структур и процессов, возникающих при управлении учебным процессом в высших государственных учебных заведениях, на основе рейтинговых процедур скаляризации векторных показателей учебного процесса.

Задач и исследования. Для достижения поставленной цели в диссертации осуществляется решение следующих основных задач.

1. Формализация информационно-технологической схемы учебного процесса.

2. Систематизация накопленного опыта разработки рейтинговых технологий контроля за учебным процессом на базе системного исследования предметной области.

3. Построение математических моделей скаляризации векторной информации о состоянии учебного процесса.

4. Разработка научно обоснованных методов анализа и проектирования многоуровневых иерархических процедур вычисления рейтингов на основе бионического подхода к моделированию сложных систем.

5. Разработка методов выбора параметров математической модели рейтинга, сводящихся к разработке методов обучения многозначных многослойных искусственных нейронных сетей.

6. Практическая реализация рейтинговой системы контроля за учебным процессом на уровне базовой выпускающей кафедры вуза.

Методы исследования. Для решения поставленных задач в работе использованы методы системного анализа, пороговой логики и теории д-значных функций, теории экспертного оценивания, теории интерполяции, анализа временных рядов, аппарат теории принятия

решений, теории сложных систем, теории линейного и целочисленного программирования, теории искусственных нейронных сетей.

Научная новизна. Научная новизна полученных результатов заключается в следующем. Впервые в качестве формальной модели рейтинга использована многослойная искусственная нейронная сеть па базе многозначных пороговых функций. Доказаны теоремы о декомпозиционной структуре булевых и многозначных пороговых функций, позволяющие строить иерархические схемы принятия решений, реализуемые на одной пороговой функции. В отличие от известных результатов о декомпозиционной структуре при доказательстве теорем существенно использовалась специфика рассматриваемого функционального класса. Разработаны методы обучения многозначных ИЫС: эвристический на основе обобщения классического алгоритма обучения булевого перцептрона и приближенный - на основе нелинейного регрессионного анализа. Разработаны методики использования экспертного оценивания для настройки весовых коэффициентов функции вычисления рейтингов, а также применения методов анализа временных рядов с учетом специфики рядов оценок и рейтингов.

Положения, выносимые на защиту.

1. Разработана математическая модель вычисления рейтинга на основе многозначных искусственных нейронных сетей, позволяющая эффективно решать оптимизационные задачи управления учебным процессом.

2. Доказано, что при построении и/или исследовании многослойных ИЫС вопросы реализуемости последних на одном многозначном пороговом элементе решаются с помощью анализа декомпозиционной структуры. При этом получены эффективные алгоритмы решения таких задач и критерии функциональной

разделимости пороговых функций, существенно использующие специфичные способы задания последних.

3. Разработаны методы обучения ИНС на базе многозначного перцептропа. В случае обучения с учителем построены эвристический алгоритм настройки весов, обобщающий известный метод для булевого случая, а также алгоритм определения параметров многозначной пороговой функции с помощью приближенного метода нелинейного регрессионного анализа. При обучении без учителя, а также для решения задачи формирования обучающих выборок разработана методика проведения экспертного оценивания.

4. Построена функциональная модель системы поддержки принятия решений по управлению учебным процессам, для которой реализованы подсистемы сбора и хранения квалиметрических данных, получения рейтингов с помощью многозначной многослойной искусственной нейронной сети, коррекции весов нейросети, анализа тенденций и формирования прогнозов качества обучения на основе рейтингов.

Практическая значимость. Практическая значимость работы заключается в использовании полученных результатов при проектировании и эксплуатации рейтинговых систем контроля за учебным процессом па базовой кафедре Системного анализа и программного обеспечения АСУ МГИРЭА (ТУ). Кроме того, научные результаты использованы в материалах трех научно-исследовательских работ. Практическая ценность работы подтверждается актами внедрения и использования ее результатов.

Реализация результатов работы. Реализация результатов диссертационной работы проведена в МГИРЭА (ТУ).

Апробация работы. Основные результаты работы прошли апробацию на Межвузовской научно-технической конференции "Микроэлектроника и информатика - 97", конференции "Нейрокомпьютеры и их применение" (14-16 февраля 1996 г.), IV Всероссийская конференции "Нейрокомпьютеры и их применение" (18-20 февраля 1998 г.), Международной конференции «Региональная информатика - 98»..

Публикации. По теме диссертации опубликовано 7 работ.

Структура и объем работы. Диссертация состоит из введения, трех глав, заключения, списка литературы, четырех приложений. Диссертация содержит 191 страницу, 6 таблиц, 18 рисунков. Список литературы состоит из 83 наименований.

Во введении обосновывается актуальность выбранной темы, цель и содержание поставленных задач, формулируется объект и предмет исследования, указываются методы исследования, сообщается, в чем заключается теоретическая значимость и прикладная ценность полученных результатов, а также отмечаются положения, которые выносятся на защиту.

Первая глава посвящена анализу представлений на современные системы управления учебным процессом на основе рейтингов. В первом параграфе первой главы перечислены обстоятельства, способствующие переходу к системам управления учебным процессом, обеспечивающим оперативную реакцию на динамично меняющиеся представления о качествах выпускника, осуществлящим динамическую коррекцию учебных планов, повышающих интенсивность и качество обучения. Сформулированы проблемы в управлении учебным процессом, которые делают актуальной задачу разработки математических моделей и методов управления обучением студентов. Во втором параграфе первой главы произведен сравнительный анализ представленных в литературе

рейтинговых систем и сделан вывод об эмпирическом характере математизации существующих рейтинговых технологий. В третьем параграфе первой главы на основе системного подхода разработана информационно-технологическая модель управления учебным процессом, содержащая систему поддержки принятия решений (СППР). Описано функциональное строение системы поддержки принятия решений па основе рейтингов. В четвертом, последнем, параграфе первой главы обоснована математическая модель рейтинга на основе многозначных искусственных нейронных сетей, базовым элементом которых является пейроподобпый элемент, принимающий решения с помощью взвешенного голосования сигналов на своих входах. В этом же параграфе поставлены математические задачи разработки подсистем СППР, решению которых посвящено диссертационное исследование. Основные результаты первой главы опубликованы в [13], [14], [15].

Во второй главе разработан математический аппарат анализа и синтеза иерархических схем принятия решений на основе взвешенного голосования. В первом параграфе второй главы определены необходимые понятия, доказаны как общие теоремы о функциональной разделимости пороговых функций, так и теоремы, дающие необходимые и достаточные условия функциональной разделимости булевых и многозначных пороговых функций. На основе математического аппарата анализа декомпозиционной структуры пороговых функций, разработанного в первом параграфе, во втором параграфе второй главы построены методы синтеза иерархических схем принятия решений па основе взвешенного голосования и указаны условия, при которых иерархическая схема реализуется с помощью пороговой функции. В третьем параграфе второй главы решена задача выбора весовых коэффициентов решающей функции. Рассмотрены случаи как наличия, так и отсутствия обучающих выборок. В качестве математического

аппарата решения этих задач использовались методы экспертного оценивания, методы регрессионного анализа и методы обучения искусственных нейронных сетей. В четвертом параграфе второй главы приведены методы анализа тенденций и выработки прогнозов качества обучения на основе рейтингов. Решены задачи проверки адекватности прогнозов, восстановления пропущенных измерений рейтинга. В этом параграфе в качестве основного математического аппарата использовались теория интерполяции и анализ временных рядов. Основные результаты второй главы опубликованы в [16], [17], [18], [19].

Третья глава посвящена практической разработке рейтинговой системы контроля за учебным процессом на базовой кафедре Системного анализа и программного обеспечения АСУ МГИРЭА (ТУ). В первом параграфе третьей главы построены многослойные нейросетевые модели рейтингов на основе модульной организации дисциплин учебного плана. Во втором параграфе проведен сравнительный анализ различных моделей рейтингов, разработаны методики анализа рейтингов и выработки рекомендаций по корректировке учебного процесса. В третьем параграфе описана программная реализация и приведены результаты внедрения рейтинговой системы в учебный процесс.

В заключении приведена итоговая характеристика проделанной работы, а также сформулированы нерешенные проблемы и перспективы дальнейших исследований.

Приложения содержат организованные фактические данные, послужившие базой экспериментальных исследований а также объемные иллюстративные материалы.

Автор выражает глубокую признательность доктору технических наук, академику МАИ, академику РАЕН, доценту НиконовуВ.Г. за постановку задач и постоянное внимание к работе над диссертацией.

Заключение диссертации по теме «Теоретические основы информатики», Шурупов, Андрей Николаевич

ВЫВОДЫ ПО ГЛАВЕ 3.

1. Осуществлена практическая разработка нейросетевой рейтинговой системы и проведена ее опытная эксплуатация. Для этого на основе анализа учебного плана произведено разбиение дисциплин на модули, выделены качественные показатели, подлежащие учету в общем рейтинге студента, построена многослойная многозначная нейронная сеть вычисления рейтинга, определена значность рейтинга.

2. Проведен сравнительный анализ линейного, взвешенного линейного и порогового рейтингов. Показано, что пороговый рейтинг непосредственно отражает динамику изменения уровня подготовки, в отличие от других видов рейтингов, требующих для своего анализа применения математических методов обработки временных рядов.

3. Разработана методика динамической автокоррекции приоритетов в процессе обучения студентов на основе модификации весов нейронной сети вычисления рейтинга.

4. Нейросетевая рейтинговая система реализована в виде гетерогенного программного комплекса, функционирующего на ПЭВМ типа IBM PC AT под управлением операционной системы Windows 3.1.

ЗАКЛЮЧЕНИЕ

Итоги диссертацштиых исследований

1. Проведен анализ используемых в государственных вузах России рейтинговых систем, что позволило систематизировать накопленный опыт разработки рейтинговых технологий контроля за учебным процессом. Обоснован вывод об эмпирическом характере математизации существующих рейтинговых технологий. Сформулированы перспективные направления исследований.

2. На основе бионического подхода к моделированию сложных систем построена пейросетевая модель скаляризации векторной информации о состоянии учебного процесса.

3. Разработан математический аппарат для описания функционального строения иерархических схем принятия решений на основе многозначного взвешенного голосования.

4. Получены необходимые и достаточные условия функциональной разделимости многозначных пороговых функций. Построен алгоритм проверки функциональной разделимости для булевых пороговых функций, имеющий меньшую сложность, чем ранее известные алгоритмы.

5. Разработаны методы обучения искусственных нейронных сетей на базе многозначных перцептронов. Разработаны аналитические методы восстановления частично определенных многозначных пороговых функций на основе приближенных методов нелинейного регрессионного анализа. Построен эвристический алгоритм обучения многозначного перцептрона. Применена теория экспертного оценивания для настройки весов многозначных нейронных сетей и получения обучающих выборок.

6. Решены задачи анализа тенденций и выработки прогнозов качества обучения на основе применения математического аппарата экстраполяции временных рядов оценок и рейтингов.

7. Осуществлена практическая разработка нейросетевой рейтинговой системы и проведена ее опытная эксплуатация. Для этого на основе анализа учебного плана произведено разбиение дисциплин на модули, выделены качественные показатели, подлежащие учету в общем рейтинге студента, построена многослойная многозначная нейронная сеть вычисления рейтинга, определена значность рейтинга.

8. Проведен сравнительный анализ линейного, взвешенного линейного и порогового рейтингов. Показано, что пороговый рейтинг непосредственно отражает динамику изменения уровня подготовки, в отличие от других видов рейтингов, требующих для своего анализа применения математических методов обработки временных рядов.

9. Разработана методика динамической автокоррекции приоритетов в процессе обучения студентов на основе модификации весов нейронной сети вычисления рейтинга.

Направления дальнейших исследований

В теоретическом плане представляется перспективным продолжить исследования, связанные с анализом декомпозиционной структуры многозначных пороговых функций. До сих пор не получены теоретические обоснования сходимости эвристического алгоритма обучения многозначного перцептрона. Определенный интерес вызывают методы эволюционных вычислений как направление в теории обучения нейронных сетей.

В практическом плане представляется необходимым провести сравнительный анализ различных функциональных моделей рейтинг-классов. Среди целей практической разработки рейтинговой системы нам видится создание автоматизированного программного комплекса в составе СГ1ПР по управлению учебным процессом. При этом автоматизированная рейтинговая система, на наш взгляд, должна реализовывать функции выработки репрезентативных интегральных численных показателей учебного процесса, их аналитической и экспертной обработки, формирования рекомендаций по перераспределению часов, определенных учебным планом для изучения как отдельных дисциплин, так и их групп, объединенных по естественным классификационным соображениям, а также функции текущей учебной аттестации студентов, поддержки технологии непрерывного образования и дистанционного обучения.

Список литературы диссертационного исследования кандидат технических наук Шурупов, Андрей Николаевич, 1998 год

ЛИТЕРАТУРА

1. Огородников И.Г. Оптимальное усвоение учащимися знаний и сравнительная эффективность отдельных методов обучения. - М.: МГПИ им.Ленина, 1972.

2. Крутиков В. Рейтинговая система диагностики учебного процесса в ВУЗе // Высшее образование в России. - 1966. - № 2. - С. 100-103

3. Нуждин В.Н. Система развития индивидуального творческого мышления. Итоги и проблемы создания новой технологии обучения. -Иваново, 1990.

4. Малыгина О.П. Система обработки информации и управления подготовкой специалистов оборонных отраслей на основе деловой игры: Автореферат диссертации на соискание ученой степени кандидата технических паук. - М., 1993.

5. Варенова Л.И., Куклин В.Ж., НаводновВ.Г. Рейтинговая инт енсивная технология модульного обучения. - М. - 1993.

6. Модульно-рейтинговая технология обучения (Опыт применения в ВУЗе и средней школе). - Барнаул: Изд. Алт. Ун-та. - 1993.

7. Анищенко В.Г., Лейкпна О.Ю., Фокин Ю.Г. Пути совершенствования оценивания учебной деятельности студентов в высшей школе / Под ред. Ю.Г.Фокина. - М., 1994. - 40 с. (Содержание!, формы и методы обучения в высшей школе: Обзор. Информ.; Вып. 5).

8. Проблемы высшего технического образования. Нормативные и методические материалы по непрерывной аттестации студентов и опыту применения модульно-рейтинговой системы обучения. Вып.5(1). - Новосибирский государственный технический университет, 1994.

9. Касимов Р.Я., Копенкип Ю.И., Лукьянов Б.В., Лобанов Ю.И. Активизация учебно-познавательной деятельности студентов с позиций дидактической кибернетики (Новые информационные технологии в образовании. Обзор, информ. НИИВО; Вып. 3). - М., 1993.

10. Касимов Р.Я., Сафонов А.Ф., Лукьянов Б.В. и др. Рейтинговая автоматизированная система управления обучением студентов (Новые информационные технологии в образовании. Обзор, информ. НИИВО; Вып. 1). - М., 1994.

11. Касимов Р.Я. и др. Рейтинговая автоматизированная система управления обучением студентов. Часть 2: Методическая документация. (Новые информационные технологии в образовании. Обзор, информ. НИИВО; Вып. 3). - М., 1995.

12. Касимов Р.Я. и др. Рейтинговая автоматизированная система управления обучением студентов. Часть 3: Методология использования типовых СУБД. (Новые информационные технологии в образовании: Аналитические обзоры но основным направлениям развития высшего образования / НИИВО; Вып. 2). -М., 1996.

13. Шурупов А.Н. Информационно-технологическая модель управления учебным процессом на основе рейтингов. // VI Санкт-Петербургская Международная Конференция «Региональная информатика - 98» (2-4 июня 1998 года, г. Санкт-Петербург). Тезисы докладов, (в печати)

14. Шурупов А.Н. Нейросетевая рейтинговая система поддержки принятия решений но управлению учебным процессом. // VI Санкт-Петербургская Международная Конференция «Региональная информатика - 98» (2-4 июня 1998 года, г. Санкт-Петербург). Тезисы докладов, (в печати)

15. Шурупов А.Н. К вопросу об обучении многозначных перцегггронов. // VI Санкт-Петербургская Международная Конференция «Региональная информатика - 98» (2-4 июня 1998 года, г. Санкт-Петербург). Тезисы докладов, (в печати)

16. Шурупов А.Н. О математическом описании фунционалыюго строения иерархических схем принятия решений. // Безопасность информационных технологий. - 1996. - Вып.2. - С.11-18

17. Шурупов А.Н. Методы повышения достоверности выводов при обработке информации, полученной из разнородных источников на основе многозначных процедур взвешенного голосования. // Безопасность информационных технологий. - 1997. - № 1. - С.66-71

18. Шурупов А.Н. О функциональной разделимости булевых пороговых функций. // Дискретная математика. - 1997. - Том.9. - Вып.2. -С.59-73

19. Шурупов А.Н. Анализ состава информационных каналов на основе исследования декомпозиционной структуры многозначной пороговой решающей функции. // Межвузовская научно-техническая конференция «Микроэлектроника и информатика - 97» (19-21 марта 1997, г.Москва). Тезисы докладов. Часть 2. - М., 1997. -С.31

20. Ларионова С Л. Автоматизация планирования расписания занятий в образовательных учреждениях Министерства обороны и оборонных отраслях промышленности: Автореферат диссертации на соискание ученой степени кандидата технических наук. -М., 1994.

21. Жилин В.13. Технологические средства информатизации учебного процесса в вузах правоохранительных органов и Министерства обороны: Автореферат диссертации на соискание ученой степени кандидата технических наук. - М., 1995.

22. Шестаков И.Н. Квалификационная оценка специалистов но управлению воздушным движением на основе системы рейтингов: Автореферат диссертации на соискание ученой степени кандидата технических наук. - СПб, 1997. ,

23. МесаровичМ., МакоД., Такахара И. Теория иерархических многоуровневых систем. - М.: Мир. - 1973.

24. Айзерман М.А., Малишевский A.B. Некоторые аспекты общей теории выбора лучших вариантов. - М.: Ин-т проблем управления, 1980.

25. Рейтинг в учебном процессе вуза (опыт, проблемы, рекомендации)/ Под общ. ред. А.И.Барсукова. - М., 1992.

26. Зуев Ю. Д., Иванов С.К. Обучение и самообучение в процедурах взвешенного голосования. // Ж. вычисл. мат. и мат. физ. - 1995. -Т.35. - № 1. -С.104-121

27. Литвак Б.Г. Экспертная информация: методы получения и анализа. -М., 1983.

28. НаводновВ.Г. Внедрение рейтинговой интенсивной технологии модульного обучения в учебный процесс. // "Организация и методические аспекты модульного обучения и рейтингового контроля знаний студентов". (Тезисы докладов республиканской научно-методической конференции, Апчевск, 11-13 ноября 1992). -С.83-84

29. Применение рейтинговой системы контроля знаний студентов. // Материалы учебно-методической конференции. - М., МСХА. - 1992.

30. МапохинВ.А. Оценка деятельности преподавательского состава в вузах США. - М., НИИ ВО, 1992.

31. Вестник высшей школы. №2, №5, 1987.

32. Касимов Р.Я., Зинченко В.А., Грандберг И.И. Рейтинговый контроль. // Высшее образование в России. - М., 1994. - №2. -С.83-92

33. Крылов Г.О., Малыгина О.П. Функциональная модель интегрированной среды обучения.// Электронная техника. Серия 9. Экономика и системы управления. Вып. 2(79). - М.:ЦНПИ «Электроника», 1991.

34. Крылов Г.О., Малыгина О.П. Концептуальные основы непрерывного процесса моделирования профессиональной среды при обучении в ВУЗе. // Сборник научных трудов «Концептуальные вопросы развития высшего образования». -М.: НИИВО, 1991.

35. Моделирование профессиональной деятельности инженера-математика в учебном процессе базовой кафедры. // Сборник научных трудов «Методическая работа на базовой кафедре инженерного ВУЗа». --М.: НИИВО, 1993.

36. Попов Е.И. Система «РИТМ»: принципы, организация, методическое содержание. // Высшее образование в России. - 1993. -Вып.4. - С. 109-115

37. Карпов В.В., Катханов М.Н. Инвариантная модель интенсивной технологии обучения при многоступенчатой подготовке в ВУЗе. -СПб., 1992. - С. 142

38. Схрейвер А. Теория линейного и целочисленного программирования. - М.: Мир, 1991.

39. Lenstra, Jr, H.W. Integer programming with a fixed number of variables // Mathematics of Operations Research. - 1983. - V.8. - C.538-548

40. Кендалл M., Стыоарг А. Многомерный статистический анализ и временные ряды / Пер. с англ. - М.: Наука, 1976.

41. Саати Т. Принятие решений. Метод анализа иерархий. - М.: Радио и связь, 1993.

42. George F.Luger, William A.Stubblefield. Artificial Intelligence and the Design of Expert Systems. - The Benjamin/Cummings Publishing Company, Inc., 1989.

43. Балакпн L.B. Вместо предисловия: От пороговой логики к искусственному интеллекту через нейроматематику и нейрокомпьютеры. // Обозрение прикладной и промышленной математики. Сер. дискретн. матем. - 1994. - Т.1. - Вып. 3. -С.354-356

44. Уоссермен Ф. Нейрокомпыотерная техника. - М.: Мир, 1992.

45. Маккаллок У.С., Питгс У. Логическое исчисление идей, относящихся к нервной активности // Автоматы. - М.:ИЛ, 1956. -С. 362-384

46. Дертоузос М. Пороговая логика. - М.: Мир, 1967.

47. Ashenluirst R.L. The Decomposition of Switching Functions. // Ann. of Comput. Labor, of Harv. Univ. - 1959. - V.29. - C.74-1 16

48. Зуев IO.A. Пороговые функции и пороговые представления булевых функций. // Мат. вопросы кибернетики. - 1994. - Вып.5. - С.5-61

49. Балакин Г.В., Никонов В.L. Методы сведения булевых уравнений к системам пороговых соотношений. // Обозрение прикладной и промышленной математики, сер. дискретн. матем. - 1994. - ТТ. -Вы 11.3. - С.389-401

50. Никонов B.L. Пороговые представления булевых функций. // Обозрение прикладной и промышленной математики. Сер. дискретн. матем. - 1994. - T. I. - Вып.З. - С.402-457

51. Никонов B.L. Классификация минимальных базисных представлений всех булевых функций от четырех переменных. // Обозрение прикладной и промышленной математики. Сер. дискретн. матем. 1994. - Т. 1. - Вып.З. - С.458-545

52. Яблонский C.B. Функциональные построения в /с-значиой логике. // Тр. Матем. ин-та АН СССР. - 1958. - T.5L - С.5-142

53. Shen V.Y., McKellar A.C., Weiner P. A Fast Algorytlim for Disjunctive Decomposition ol Switching Functions. // IEEE Trans. Comput. - 1971. - V.20. - C.304-309

54. Thase A. A Fast Algorytlim for the Proper Decomposition of Boolean functions. // Philips Res. Repts. - 1972. - V.27. - C. 140-150

55. Мошков М.Ю. О задаче минимизации линейной формы на конечном множестве. // Комбинаторно-алгебраические методы в прикладной математике. - Горький: Изд-во ГГУ, 1985. - С.98-119

56. СкобецТ.Я. Интегрированная модель построения многоальтернативного прогнозного графа на основе экспертных оценок. // Кибернетика и системный анализ. - 1995. - №5. - С.76-86

57. Дэвид Г. Метод парных сравнений. Пер. с англ./Пер. П. Космарской и Д. Шмерлинга. - М.: Статистика, 1978.

58 Тюрин Ю.Н., Василевич А.П., Андрукович П.Ф. Статистические модели ранжирования. // 13 кн.: Статистические методы анализа экспертных оценок. - М.: Паука, 1977.

59. Клигер С.А., Косоланов М.С., Толстова Ю.Н. Шкалирование при сборе и анализе социологической информации. - М.: Паука, 1978.

60. Фон Нейман Дж., Моргенштерн О. Теория игр и экономическое поведение. Пер. с англ./Под ред. П. Н. Воробьева. -М.: Наука, 1979.

6 1. Хуторецкий А.Б. Экспертное оценивание объектов

по неквантифицируемому критерию с помощью модели Бержа-Брука-Буркова. - Новосибирск, 1994.

62. Фишберн П.К. Измерение относительных ценностей. // Статистическое измерение качественных характеристик.

М.: Статистика, 1972.

63. Хелмер О. Анализ будущего: метод Дельфи. //Научно-техническое прогнозирование для промышленности и правительственных учреждений. Пер. с англ./Под ред. Г. М. Доброва. - М.: Прогресс,

1972.

64. ПанковаЛ.А., Шнейдерман М.В. Последовательная процедура экспертного опроса. // Автоматика и телемеханика. - 1975. - № 8.

65. ПанковаЛ. Д., Шнейдерман М.В. Модель последовательной процедуры экспертного опроса. // Информационное обеспечение в задачах управления научными подразделениями НИИ. - М.: ИПУ АН СССР, 1976.

66. Юдин Д.В., Гольштейн E.L. Задачи и методы линейного программирования. - М.: Советское радио, 1964.

67. Грешилов А.А. Прикладные задачи математического программирования: Учебное пособие.-М.: Изд-во МГТУ, 1990.

68. Кендалл М.Дж., Стыоарг А. Статистические выводы и связи. / Пер. с англ. - М., 1973.

69. Kolionen Т. 1984. Self-organization and associative memory. // Series in Information Sciencies. - Vol.8. - Berlin: Springer Verlag.

70. Rumelhart D.E., Hinton G.E., Williams R.J. Learning internal representations by error propagation. // Parallel distributed processing. -1986. - Vol.1. - PP.318-362. - Cambridge, MA: Mit Press.

71. РозепблаттФ. Принципы нейродииамики (персептрон и теория механизма мозга). - М.: Мир, 1965.

72. Минский М., Пейперт С. Перцентропы. - М.: Мир, 1971.

73. Эволюционные вычисления и генетические алгоритмы. // Обозрение прикладной и промышленной математики, сер. «Методы оптимизации». - 1996. - Т.З. - Вып.5.

74. Березин И.С., Жидков II I I Методы вычислений. - М., 1966.

75. Бахвалов Н.С. Численные методы. - М., 1975.

76. АлбергДж., Нильсон Э., Уолш Дж. Теория сплайнов и ее приложения. - М., 1972.

77. Кендалл М. Временные ряды, пер. с апгл. - М.: Финансы и статистика, 1981.

78. Кнут Д. Искусство программирования для ЭВМ. Т.2. Получисленные алгоритмы. - М.: Мир, 1977.

79. J.S.Walker. Fourier analysis and wavelet analysis. // Notices of Amer. Math. Soc. - 1997. - 44 (6). - C.658

80. Астафьев U.M. Вейвлет-анализ: основы теории и примеры применения. // Успехи физических наук. - 1996. - 166 (11). - С. 1 145

81. Бриллинджер, Девид Р. Временные ряды: Обработка данных и теория/Пер. с англ. A.B. Булинского, И.Г. Журбенко. Под ред. А.П. Колмогорова. - М.: Мир, 1980.

82. Бокс, Дж. и Дженкинс, Гвилим. Анализ временных рядов. Прогноз и управление. / Пер. с англ. A.J1. Левитина. Под ред. В.Ф. Писаренко. Вып. 1. - М.: Мир, 1974.

83. Турин Л.Г. Методы и модели совместного использования вероятностных методов и экспертного оценивания в прогнозировании. - М., 1994.

ПРИЛОЖЕНИЕ 1. ВЫДЕРЖКИ ИЗ УЧЕБНЫХ ПЛАНОВ ПО СПЕЦИАЛЬНОСТИ 010200 «ПРИКЛАДНАЯ МАТЕМАТИКА».

Набор 1989 года.

№№ — Томер для к< мм а семестров энтрольных оприятий Аудиторные занятия !_!.! Индивидуальные занятия £ X м ф Го V- г" К О О 1£ 1- го О сь о 5 го о 1? 100 ...

Т1азвание дисциплины т. ф 2 ГО г) ь; О Н- ф т го ет Курсовой проект о и. Ф О сп I Всего аудиторных з; X 3" ^ ф с; Лабораторные работы о. го I £ 5 ф О

2 3 4 5 6 7 8 9 10

1 2 Политическая история XX века 2 4 1 220 105 45 60 15

Философия 3 170 90 30 60 12

3 4 5 Политическая экономия 6 5 250 120 60 60 12 118 20

Советское право 7 50 30 60

Теория социализма 9 8 140 70 32 38 12 58

6 7 8 ~ 9 Иностранный язык 4 1 2 3 380 180 180 200

Физическое воспитание 1 2 3 4 5 6 7 8 480 480 20 150 15 То 30 5

Математические модели природных и экономических систем 4 5 80 45 30 15 15

Военная подготовка 4 6 8 6 5 7 9 600 360 360 90

10 11 12 ! 3 Автоматизация экспериментальных исследований 5 6 60 30 30 15

Гражданская оборона 60 50 50 -----

Основа экологии и охраны труда 80 50 44

Основы эргономики 3 35 30 30

14 Спец.курс 8 8 35 30 30 6 .......40

15 Экономика отрасли 110 45 45 25 46

16 Организация и планирование производства и управления 10 9 10 180 62 62 15 57

17 Математические основы информатики 1 2 1 2 240 90 90 30 60 30 30 45

18 ПК-1 3 3 135 30 30 30 30

19 Системный анализ и исследование операций 5 6 7 I 3 5 4 105 60 60 45 38 45

20 21 ' 1 Системное моделирование прогноз и управление развитием систем 7 68 30 15 15 45 15

Системное автоматизирование и проектирование 6 7 ---------- 195 105 60 75

Алгебра и геометрия 15С 9С 6С зс 45 ... ^

2 4 5 6 7 8 9 10 11

23 Математический и функциональный анализ 2 3 1 4 495 300 180 120 60 135

24 Дифференциальные уравнения и уравнения математической физики 2 120 75 45 30 15 30

25 Теория вероятностей, математическая статистика и случайные процессы 4 3 180 90 60 30 30 60

26 Дополнительные главы математики 5 6 150 90 60 30 60

27 ПК-4 7 6 7 105 45 45 23 37

28 ПК-7 9 8 9 9 188 98 60 30 60

29 Физика 1 2 3 1 23 4 500 315 150 105 105 80

30 Основы электротехники и электромагнитных элементов ВТ 34 198 60 6 45 85

31 ЭВМ ПЭВМ и микропроцессорная техника 5 4 5 195 135 90 45 30 30 30 30

32 ПК-2 6 105 30 30 45

33 ПК-5 8 7 8 202 135 60 75 37

34 Теория и проектирование АСУ 9 10 9 10 10 158 83 45 38 30 45

35 Основы программирования 1 2 2 225 120 60 60 75 30

36 Языки программирования 3 4 3 4 210 90 90 90 75 45

37 Технология создания программного продукта 5 5 150 90 60 30 60 45

38 ПК-3 6 6 105 30 30 30 30

39 Системное программирование и проектирование операционных систем 7 6 7 300 210 90 120 45 45

40 ПК-6 7 8 8 8 165 120 60 60 45

41 Теория и проектирование РИСК 8 9 8 9 9 120 98 60 8 30 37 45

42 Системные основы НИОКР 10 1 7 9 10 1 442 135 90 45 210 97

Набор 1990 года.

№№ Номер ДЛЯ КС мер а семестров энтрольных оприятий Аудиторные занятия Индивидуальные занятия Самостоятельная работа

Название дисциплины X ф 2 га о ь^ О & X го т Курсовой проект 2 ш о со Всего I аудиторных 5 з: гг ы <ц с; Лабораторные работы Семинары

1 2 3 4 5 6 7 8 9 10 11 12

1 "2 "з 4 Политическая история XX века 2 1 220 105 45 60 15 100

Философия 4 3 170 90 30 60 12 68

Экономическая теория 6 5 250 120 60 60 12 118 20 58

Правоведение 7 50 30 30

5 Теория социально-политических процессов 9 8 140 70 32 38 12

6 7 Иностранный язык 4 1 2 3 380 180 180 480 200

Физическое воспитание ----------- 1 2 3 4 5 6 7 8 480

8 9 Математические модели природных и экономических систем 4 5 80 45 30 15 15 20

Военная подготовка 4 6 8 5 7 9 600 360 360 90 15 150 15

10 Автоматизация экспериментальных исследований .... ... . 5 6 60 30 30

Гражданская оборона 6 60 50 50 10

12 ~Тз 14 Основы экологии и охраны груда 6 80 50 44 30 5

Основы эргономики 3 35 30 30

Спец.курс 8 35 30 30 6

15 16 17 _Т8 Экономика отрасли 8 10 110 45 45 25 40 57

Организация и планирование производства и управления 9 10 180 62 62 46 15

Математические основы информатики 1 2 1 2 240 90 90 30 60 30 30

ПК-1 3 3 135 30 30 30 30 45

19 20 21 Системный анализ и исследование операций 4 4 105 60 60 45 38 45

Системное моделирование прогноз и управление развитием систем 5 6 5 7 158 120 45 75

Системное автоматизирование и проектирование 7 1 6 7 195 105 60 75 45

22 Алгебра и геометрия 1 4 150 90 60 30 15 45 135

23 24 Математический и функциональный анализ 2 3 495 ЗОС 180 120 60

Дифференциальные уравнения и уравнения математической физики 2 12С 75 45 ЗС 1Е 30

1 2 3 4 5 6 7 8 9 10 11 12

25 Теория вероятностей, математическая статистика и случайные процессы 4 3 180 90 60 30 30 60

26 Дополнительные главы математики 5 6 150 90 60 30 60

27 28 ПК-4 7 6 7 105 45 45 23 37

ПК-7 9 8 9 9 188 98 60 30 60

29 Физика 1 2 3 1 2 3 4 500 315 150 105 105 80

30 Основы электротехники и электромагнитных элементов ВТ 3 4 198 60 6 45 85

31 ЭВМ ПЭВМ и микропроцессорная техника 5 4 5 195 135 90 45 30 30

32 ПК-2 5 6 165 60 60 30 45

33 ПК-5 8 7 8 202 135 60 75 30 37

34 Теория и проектирование АСУ 9 10 9 10 10 158 83 45 38 30 45

35 36 Основы программирования 1 2 2 3 4 225 120 60 60 75 30 45

Языки программирования 3 4 210 90 90 90 75

37 Технология создания программного продукта 4 120 30 30 30 30 60

38 ПК-3 6 6 105 30 30 30 60 45

39 Системное программирование и проектирование операционных систем 7 6 7 300 210 90 120 45 45

40 ПК-6 7 8 8 8 165 120 60 60 45

41 Теория и проектирование РИСК 8 9 8 9 9 120 98 60 8 30 37 45

42 Системные основы НИОКР 10 1 7 9 10 1 442 135 90 45 | 210 97

Набор 1991 года.

№№ т~ " 1 Номера семестров для контрольных мероприятий Аудиторные занятия Индивидуальные занятия I Самостоятельная | работа ! I

Название дисциплины со | Экзамен & т га со 4 Курсовой | проект о 0) о сп Всего аудиторных Лекции Лабораторные работы I Семинары

2 5 6 7 8 9 10 11 12

Политическая история России 2 1 220 105 45 60 15 100

2 Философия 4 3 170 90 30 60 12 68

3 Экономическая теория 6 5 250 120 60 60 12 118

4 5 6 Правоведение 7 50 30 30 20

Теория социально-политических процессов 9 8 140 70 32 38 12 58

Иностранный язык 4 1 2 3 380 180 180 200

7 8 Физическое воспитание 1 2 3 4 5 6 7 8 480 15 480

Математические модели природных и экономических систем 4 5 80 45 30 15 20

9 Военная подготовка 4 6 8 5 7 9 600 360 360 90 150

10 Ни Автоматизация экспериментальных исследований 5 6 60 30 30 15 15

Гражданская оборона 6 60 50 50 10

12 Основы экологии и охраны груда 6 80 50 44 30

13 Основы эргономики 3 35 30 30 5

14 Спец.курс 8 35 30 30 6

15 Экономика отрасли 8 110 45 45 25 15 30 40 57

16 Организация и планирование производства и управления 10 9 10 180 62 62 46

17 Математические основы информатики 1 2 1 2 240 90 90 30 60 30

18 Системный анализ и исследование операций 3 3 135 30 30 30 30 45

19 ПК-1 4 4 105 60 60 45

20 Системное моделирование прогноз и управление развитием систем 5 6 5 7 158 120 45 75 38

21 Системное автоматизирование и проектирование 7 6 7 195 105 60 75 45 45

22 Алгебра и геометрия 1 15С 9С 60 30 15 45

23 Математический и функциональный анализ 2 3 1 4 495 ЗОС 180 120 60 135

24 Дифференциальные уравнения и уравнения математической физики 2 12С 75 45 зс 15 30

1 2 3 4 5 6 7 8 9 10 11 12

25 Теория вероятностей, математическая статистика и случайные процессы 4 3 180 90 60 30 30 60

26 Дополнительные главы математики 5 6 150 90 60 30 60

27 ПК-4 7 6 105 45 45 23 37

28 ПК-7 9 8 9 9 188 98 60 30 60

29 Физика 1 2 3 1 2 3 4 500 315 150 105 105 80

30 Основы электротехники и электромагнитной электроники 3 4 198 60 6 45 85

31 ЭВМ ПЭВМ и микропроцессорная техника 5 4 5 195 135 90 45 30 30

32 ПК-2 6 105 30 30 60 45

33 ПК-5 8 7 8 202 135 60 75 30 37

34 Теория и проектирование АСУ 9 10 9 10 10 158 83 45 38 30 45

35 Основы программирования 1 2 2 225 120 60 60 75 30

36 Языки программирования 3 4 34 210 90 90 90 75 45

37 Технология создания программного продукта 5 5 150 90 60 30 60

38 ПК-3 6 6 105 30 30 30 30 45

39 Системное программирование и проектирование операционных систем 7 6 7 300 210 90 120 45 45

40 41 ПК-6 7 8 8 8 165 120 60 60 45

Теория и проектирование РИСК 8 9 8 9 9 120 98 60 8 30 37 45

42 Системные основы НИОКР 10 1 7 9 10 1 442 135 90 45 210 97