Разработка методов синтеза интеллектуальных тренажеров для обучения работников железнодорожного транспорта тема диссертации и автореферата по ВАК РФ 05.13.06, кандидат технических наук Ларин, Александр Александрович

• Ларин, Александр Александрович
• кандидат технических наук
• 2006

Оглавление диссертации кандидат технических наук Ларин, Александр Александрович

Введение.

Глава 1. Значение тренажерных комплексов в системе управления техническими процессами на железнодорожном транспорте.

1.1. Обзор современных тренажерных комплексов.

1.2. Предпосылки перехода от тренажерного комплекса к интеллектуальному обучающему комплексу (ИОК).

1.3. Построение систем управления ИОК

1.3.1. Классификация элементов ИОК по решаемым задачам.

1.3.2. Системы тестирования как инструмент формирования модели пользователя.

Глава 2. Программная реализация алгоритмов принятия решения ИОК 2.1. Электронные генераторы задач

2.1.1. Постановка задачи автоматического генерирования задач.

2.1.2. Построение математической модели модуля и ее реализация.

2.2. Система управления ИОК

2.2.1. Модель системы управления комплекса.

2.2.2. Функционирование системы на основе нечеткой модели пользователя.

Глава 3. Реализация и перспективы применения ИОК

3.1 Построение пользовательского интерфейса.

3.2 Преимущества применения интеллектуального обучающего комплекса.

Введение диссертации (часть автореферата) на тему «Разработка методов синтеза интеллектуальных тренажеров для обучения работников железнодорожного транспорта»

Первым этапом реформирования железнодорожного транспорта России 18 сентября 2003 г. стало создание новой корпоративной компании -Открытого акционерного общества «Российские железные дороги».

На втором этапе реформирования (2003 - 2005 гг.) намечено организовать дочерние акционерные общества во вспомогательных сферах отрасли - в частности, в строительном комплексе, на предприятиях по ремонту вагонов и локомотивов, выпуску запасных частей; на третьем этапе (2006 - 2010 гг.) предстоит создать дочерние компании с частным и акционерным капиталом, которые будут участвовать в контейнерных, рефрижераторных и транзитных перевозках, в ремонте подвижного состава.

В настоящий период особенно актуальной является проблема качества подготовки кадрового потенциала для железнодорожного транспорта. Отрасль должна развиваться и активно адаптироваться к рыночной среде, приобретать все новые и новые качества субъекта рыночной экономики, а для этого нужны новые знания, новые профессиональные навыки и способности управленцев по всей вертикали - от линейного предприятия до высшего руководства. Возникает потребность в молодых и опытных специалистах, способных к эффективной работе в условиях корпоративного управления. В результате реформирования железнодорожный транспорт превращается в рыночную сферу в полном смысле этого слова. Наряду с ОАО «РЖД» на железнодорожном транспорте существует целый ряд частных независимых перевозочных компаний, компаний-операторов, экспедиторских компаний, которые работают в условиях конкуренции.

Необходимым условием решения проблем реформирования отрасли является грамотное управление и квалифицированное исполнение, а это, прежде всего, - кадры. Нужно в первую очередь добиться, чтобы на каждом рабочем месте находился специалист высочайшей квалификации.

Качественная профессиональная подготовка кадров для железнодорожного транспорта определяет не только возможность грамотно эксплуатировать современную технику, в том числе и активно внедряющиеся на транспорте компьютерные технологии. От квалификации сотрудников всех уровней зависят и огромные материальные ценности и тысячи человеческих жизней. В современных условиях, когда система управления перевозками все более усложняется, обеспечение безопасности функционирования приобретает первостепенное значение. Техногенные аварии и катастрофы на железнодорожном транспорте зачастую бывают связаны именно с несоответствующим уровнем подготовки персонала и специалистов, как в чисто профессиональном плане, так и в области соблюдения правил эксплуатации новых технических систем. Техника безопасности, охрана труда на железнодорожном транспорте всегда имели огромное значение, а на современном этапе динамичного технического и технологического развития отрасли приобретают еще большее значение.

Динамичное развитие технических и организационных систем управления на железнодорожном транспорте заставляет оперативно изменять и повышать требования к профессиональной подготовке сотрудников. Данное требование затрагивает и весь процесс обучения в высшем учебном заведении, а также приводит к необходимости грамотной и современной организации повышения квалификации сотрудников.

Ключевую роль в решении поставленной задачи играют высшие учебные заведения, имеющие многолетний опыт подготовки кадров для отрасли. Однако в современных условиях традиционные образовательные технологии не смогут эффективно и качественно обеспечить обучение. Повышенные требования к профессиональному уровню практически на всех уровнях определяют огромный контингент проходящих обучение сотрудников, в том числе и повышающих квалификацию.

Именно на железнодорожном транспорте отчетливо проявляются те особенности, которые определяют необходимость создания информационных обучающих систем, в том числе дистанционных. Кроме того, что контингент потенциальных потребителей образовательных услуг достаточно велик, он еще и территориально разрознен. По данным официального сайта ОАО "Российские железные дороги" в 2004 году численность работников основной деятельности составила 1 млн. 204 тыс. 200 человек.

Для качественной организации подготовки персонала требуется применение новых информационных технологий.

Задача подготовки такого специалиста в условиях все повышающихся требований к профессиональному уровню требует модернизации системы подготовки кадров для железнодорожного транспорта. Являясь частью общей системы управления на железнодорожном транспорте, система подготовки кадров функционирует в соответствии с развитием и реформированием этой общей системы. Поэтому задача модернизации системы подготовки кадров не ограничивается только повышением эффективности подготовки кадров. На современном этапе подготовка кадров, соответствующих предъявляемым требованиям невозможна без полномасштабного использования новых информационных технологий на всех этапах обучения. Начиная от проведения занятий на компьютерах, использования обучающих программ и учебно-методических материалов на электронных носителях, заканчивая применением целых информационно-обучающих комплексов, объединяющих в себе все составляющие процесса обучения.

Первоначально применение новых информационных технологий в обучении сводилось лишь к частичному использованию вычислительной техники в некоторых изолированных направлениях учебного процесса. Технические средства использовались в основном либо для автоматизации расчетов, либо для визуализации учебного процесса. Дальнейшее развитие средств вычислительной техники, а также прикладного программного обеспечения обусловило расширение сферы применения информационных технологий. В обучении используются тестирующие программы, реализации электронных учебных пособий, интерактивные программы и др.

Особое значение стала приобретать задача разработки единой концепции и единой системы, как построения программ, так и принципов такого построения.

Отдельные разработки создавались на основе различных алгоритмов, использующих разное представление данных, различные модели пользователя (а зачастую и вовсе не использующие таких моделей), различные типы представления результатов и т.п. Для устранения этих недостатков стали предприниматься попытки объединения разработок на разных уровнях - от передачи данных, интерфейса, до комплексирования в рамках единой управляющей системы. Объединение отдельных программных и концептуальных разработок в единую систему позволяет говорить о системной информатизации учебного процесса.

Под системной информатизацией понимается целенаправленное и взаимосвязанное применение самых различных форм информационных технологий, их объединение с устоявшимися образовательными технологиями.

Само понятие информационных технологий в обучении не подразумевает только изучение программирования или работы с существующими программными комплексами. Это понятие намного шире. Использование информационных технологий подразумевает использование информации как конечного продукта, реализацию методов получения и управления информацией. Данная постановка вопроса предъявляет более обширные требования как к самим разработкам (составляющим информационной обучающей системы), так и принципам построения такой системы. Даже не рассматривая только непосредственные функции обучающих и тестирующих программ, для полноценного их применения в обучающем процессе ВУЗа необходимо решение множества сопутствующих задач. Это и обмен данными, управление информацией о результатах обучения, назначение учебных планов, контрольных работ, тестирования, своего рода автоматизированный деканат и т.п. Все множество задач, направленных на полноценное обеспечение реального учебного процесса, приводит к необходимости создания достаточно объемных, полнофункциональных комплексов, достаточно мощных и хорошо организованных.

На сегодняшний день к необходимости создания таких комплексов пришло большинство ВУЗов, развивающих направление информатизации учебного процесса. Соответственно, велико и число перспективных программных продуктов, в разной степени реализующих функции таких комплексов. Однако, несмотря на разнообразие таких продуктов, на настоящий момент не создана система, полностью и качественно решающая все поставленные задачи. Зачастую отсутствуют четкие математически просчитанные модели функционирования таких систем, особенно в части оценивания результатов, представления модели пользователя (обучаемого), математическое обоснование адекватности этой модели, а, следовательно, и адекватности функционирования системы управления.

С учетом развития, внедрения и модернизации средств коммуникации, глобальных информационных систем, а также совершенствование соответствующего программного обеспечения, особое значение приобретает еще одна обязательная составляющая информационных обучающих комплексов - организация и поддержка дистанционного обучения. Дистанционное обучение является органическим развитием и продолжением основной концепции заочного обучения. Возникает вопрос о целесообразности перехода от уже сложившихся заочных технологий обучения к дистанционным. Дистанционное обучение позволит снизить затраты на обучение, повысить качество обучения, даст возможность организовать известные, хорошо себя зарекомендовавшие, методы организации учебного процесса на новом современном качественном уровне. Применение новейших информационных технологий позволит осуществлять обучение без отрыва от производства, без учета территориальной удаленности, оперативно, с использованием новейших средств связи и сети Интернет. Повышение качества обучения происходит за счет предоставления обучающемуся мощнейших инструментов компьютерных технологий. Использование коммуникационных средств приблизит обучаемого к преподавателю, сделает процесс обучения живым и оперативным, увеличит количество часов непосредственного общения с преподавателем, а, следовательно, повысит эффективность обучения.

Таким образом, определяются требования к информационно-обучающей системе.

• Гибкость. Слушатели в основном не посещают занятия в виде лекций и семинаров. Каждый учится по индивидуальной программе - столько, сколько лично ему нужно для освоения курса.

• Модульность. В основу программ положен модульный принцип. Каждая отдельная дисциплина, которая освоена слушателями, создает целостное представление об определенной предметной области. Это позволяет из набора независимых учебных курсов формировать учебный план, отвечающий индивидуальным потребностям.

• Параллельность. Обучение может проводиться при совмещении основной профессиональной деятельности с учебой, т.е. без отрыва от производства.

• Дальнодействие. Расстояние от места нахождения слушателя до образовательного учреждения не должно быть препятствием для образовательного процесса. Данное обстоятельство особенно важно в области подготовки кадров и повышения квалификации именно на железнодорожном транспорте, где территориальная разрозненность слушателей наиболее ярко выражена.

• Асинхронность. В процессе обучения преподаватель и слушатель могут реализовывать технологию обучения независимо во времени, т.е. по удобному для каждого из них расписанию и в удобном темпе.

• Охват. Количество слушателей не должно быть критическим параметром. Каждый слушатель должен иметь доступ к источникам учебной информации (электронным библиотекам, базам данных), а также иметь возможность общаться друг с другом и с преподавателем через сети связи или с помощью других средств информационных технологий.

• Рентабельность. За счет более эффективного использования технических средств информационных технологий, а также более концентрированного и унифицированного содержания учебных материалов и ориентированности технологий на большое количество обучаемых, стоимость обучения должна быть ниже, чем при традиционной форме обучения.

Для осуществления классических задач любой системы управления -обработки данных и принятия решения в рамках решения комплексной задачи подготовки кадров, информационно-обучающая система должна использовать интеллектуальные алгоритмы функционирования, относясь к разряду интеллектуальных систем управления.

Анализ употребления термина "интеллектуальные системы управления" (ИСУ) показывает, что под ним, в общем случае, понимается предельный по сложности класс АСУ, ориентированных на приобретение, обработку и использование некоторой дополнительной информации, понимаемой как "знание". Ясно, что такие системы предназначены для работы в условиях неопределенности (невозможности точного математического описания) информации о свойствах и характеристиках системно-сложных объектов и среды их функционирования. В условиях работы реальных систем с высоким уровнем неопределенности информации для построения СУ неизбежно применение новых информационных технологий, ориентированных на потоки контекстно-зависимой информации, то есть фактическая разработка новых принципов построения интеллектуального управления - теории ИСУ для систем высших уровней системной сложности. Фактически, мы стоим перед дилеммой выбора директивы интеллектуального управления. Традиционно принято разделять системы по сложности их описания на языке математики, выделять систему из внешнего мира как кибернетический объект с обратными связями и той или иной степенью алгоритмизированное™ управления, игнорируя или формально учитывая её связи с внешним миром, как подлежащие количественному определению возмущения. В этом случае введение эвристического или математизированного интеллекта если и не оправдано, то понятно как способ коррекции исходной модели. Теория ИСУ опирается на системный подход в том смысле, что она, ориентируясь на системную, а не на описательную сложность, оставляет систему во внешнем мире и признает существование внутренней целевой установки хотя бы на уровне поддержания стабильности своего существования. Управляемое и независимое от собственной цели существования удержание системы или перевод её в другое метастабильное состояние - цель и задача интеллектуального управления. Внутреннее и внешнее управление интеллектуальны во взаимодействии, в акте взаимной контекстной ситуационной оценки информации.

Таким образом, возможно выделение двух основных подходов к задаче. В первом случае получаем обычное директивно - критериальное или аналитико -механистическое управление и работу с описывающей систему моделью. При этом система известна с точностью до модельной структуры и передаточных характеристик. Во втором случае получаем системное руководство (системное управление) и организацию взаимодействия с управляемой системой "как с субъектом". Здесь система известна с точностью до ответной реакции на языке диалога, сообщающем о контекстном понимании заданного управления, оценке ресурсов и возможностях реализации новой целевой установки.

Именно второй подход применим к рассматриваемой задаче, когда частью управляемой системы является естественный интеллект (пользователь). Казалось бы, управление и интеллектуальные информационные технологии как методы работы со знанием, должны были встретиться еще с момента возникновения понятия "искусственный интеллект" (ИИ) или более правомерного, но так и не принятого понятия "когнология", предложенного Мак-Карти. Однако в явном виде ничего подобного не произошло. Управление, как АСУ, ныне "успешно" дополнено экспертными и эвристическими подходами. Управление же, как руководство, считается деятельностью, достаточно обеспеченной математикой и требующей только вычислительных мощностей для решения систем из многих дифференциальных уравнений, или даже просто решения задач линейного или нелинейного программирования.

Вместо построения единой теории управления, содержащей в себе "классические АСУ" как составную часть, и, например, "интеллектуальные АСУ" как системы, обеспечивающие автоматическое принятие управляющих решений на основе контекстного и ситуационного анализа потоков информации, управление для систем, не имеющих адекватного задаче математического представления, было фактически отодвинуто на обочину науки и вылилось в автоматизированные системы управления - АСУ. Автоматизация, как включение человека в процесс принятия решений, устраняла все проблемы в корне: нет функционала - есть "экспертно" полученное решение. Теоретическая несостоятельность и практическая неуспешность такого подхода давно стали очевидными.

Приведенные выше предпосылки определяют задачу концептуального построения интеллектуального обучающего комплекса (ИОК). Особое внимание уделяется качественному изменению алгоритмов функционирования системы управления ИОК, использование интеллектуальных алгоритмов принятия решений. ИОК, как автоматическая система управления, должна иметь возможность динамически менять собственные алгоритмы функционирования на основе скорректированной модели пользователя. Именно эта способность обуславливает возможность ИОК адаптироваться под конкретного пользователя, вырабатывать соответствующие управляющие воздействия и изменять их в соответствии с результатом этих воздействий.

Под адаптивностью следует понимать восприимчивость системы к уровню знаний обучаемого, их качеству, предпочтениям и целям обучаемого. Зная цели и уровень знаний обучаемого, адаптивная образовательная система может осуществлять навигационную поддержку, ограничивая "видимое" пространство, предлагая наиболее подходящие ссылки для дальнейшей навигации или обеспечивая адаптивное комментирование видимых ссылок. Также адаптивная система может предлагать для изучения материал в наиболее понятном обучаемому виде, в зависимости от того, насколько он разбирается в данной предметной области [18].

Являясь человеко-машинной системой, ИОК подразумевает структуризацию и алгоритмизацию функциональных задач и объектов управления. Важнейшей частью разработки ИОК является также имитационное моделирование функционирования, позволяющее с использованием стандартных математических методов оценить корректность работы. Для обеспечения адекватного функционирования такой системы необходимо использовать научные основы и формализованные методы математического моделирования организационно-технологических систем, к которым может быть отнесен предлагаемый ИОК. Согласно поставленным задачам элементы системы образуют взаимосвязи, обеспечивающие полноценное выполнение системой своих функций, не сводимых к функциям отдельных элементов.

На рис. 1 представлена в общем виде принципиальная схема такой системы.

Результат рис. 1

Пользователь, как элемент человеко-машинной системы ИОК априорно представляется как объект, о котором полностью отсутствует какая-либо исходная информация. В процессе функционирования ИОК посредством интерфейса (либо стандартного, либо специфического для определенного вида задач) получает от пользователя информацию, которая после обработки локальной системой управления формирует внутреннюю модель пользователя, своеобразное представление пользователя в ИОК.

Задачей локальной системы управления является формализация информации, поступающей от пользователя, ее унификация и обработка.

Полученная внутренняя модель используется глобальной системой управления. Основной функцией этого модуля является осуществление интеллектуальной функции принятия решений о выработке управляющих воздействий. В распоряжении глобальной системы управления имеются два инструмента реализации управляющих воздействий - тестирующие модули и обучающие модули. Образуя в свою очередь иерархическую структуру, тестирующие модули используются глобальной системой управления для получения информации о пользователе. Эта информация получается системой целенаправленно в соответствии с текущей моделью пользователя. Обучающие модули используются для непосредственного воздействия на объект управления (пользователя) с целью обеспечения корректировки модели к желаемой (обучения). Представляется необходимым осуществить формализованное описание каждого элемента ИОК с точки зрения решения стоящих перед этим элементом задач в рамках интеллектуальных алгоритмов функционирования комплекса, а также провести математическое и алгоритмическое моделирование его работы. Для тестирующих модулей, как основного инструмента получения информации об объекте управления, следует разработать и описать структурное построение и методику реализации.

Интеллектуальный характер функционирования системы подразумевает не только структурные особенности построения тестирующих и обучающих модулей, но и специфические требования к алгоритмической и программной реализации функциональных схем. Особое значение имеет новое в настоящее время направление динамического моделирования тестирующих и обучающих материалов, постепенный переход от распространенных баз данных к произвольному синтезу на основе имитации деятельности естественного интеллекта. Особое внимание уделяется разработке глобальной системы управления и методам представления модели пользователя. Именно на глобальную систему управления приходится выполнение большей части интеллектуальных функций ИОК, а корректное формирование и адекватное представление модели пользователя является основой для принятия решений глобальной системой управления.

Математическая модель глобальной системы управления ИОК занимает центральное место в решении поставленных задач. Для обеспечения корректности функционирования, осуществления интеллектуальных алгоритмов работы глобальная система управления ИОК должна основываться на алгоритмах работы естественного интеллекта, использовать элементы нечеткой логики в принятии решений и формировании моделей, адаптироваться к изменяющейся модели пользователя, обладать способностью менять не только сами управляющие воздействия, но и принцип принятия решения на выработку этих воздействий. Система должна быть самоорганизующейся, адаптивной, обладать гибкой системой принятия решений. Осуществление задачи концептуального, алгоритмического и программного построения такой системы требует введения понятий, характеризующих новые закономерности процессов принятия решений с использованием интеллектуальных схем, применение новых методов, инструментов и аппарата исследования.

Целью настоящего исследования является: создание формализованного метода построения информационно-обучающей системы, алгоритмизация процесса принятия решений, математическое и имитационное моделирование функционирования интеллектуального обучающего комплекса (ИОК).

Для реализации поставленной цели решались следующие взаимосвязанные задачи:

• построение новых алгоритмов функционирования элементов комплекса и формирования управляющих воздействий на основе использования перспективных тестирующих и обучающих модулей.

• математическое, программное и имитационное моделирование системы управления и системы представления адекватной модели пользователя тренажерных комплексов, использующих интеллектуальные алгоритмы функционирования.

Объектом исследования является человеко-машинная система, центральное место в которой занимает человек (пользователь), взаимодействующий посредством интерфейса с совокупностью элементов ИОК, структурированных по решаемым задачам в соответствии с иерархическим построением системы и объединенных общей системой управления.

Предметом исследования является математическое, алгоритмическое и программное моделирование работы ИОК, его функциональных модулей и системы управления.

Методологической основой исследования явилось использование методов системного анализа, исследования операций, статистические методы, программные объектно-ориентированные методы построения адаптивных алгоритмов функционирования информационно-обучающей системы, логические методы автоматического формирования управляющих воздействий, методы проверки статистических гипотез.

Новизна и практическая ценность исследования заключается:

• в разработке математических моделей работы системы управления интеллектуального обучающего комплекса, а также его функциональных модулей

• в разработке интеллектуальных алгоритмов функционирования тестирующих и обучающих модулей на основе математических моделей

• в формировании и программной реализации представления модели пользователя в интеллектуальном обучающем комплексе и реализации функций принятия решений на основе нечеткой логики.

• в математическом обосновании адекватности полученных ИОК результатов на основе имитационного моделирования

Заключение диссертации по теме «Автоматизация и управление технологическими процессами и производствами (по отраслям)», Ларин, Александр Александрович

Заключение

Основными результатами, полученными в работе, являются следующие.

1. На основе анализа существующих тренажерных систем, использующихся на железнодорожном транспорте и тенденций развития систем автоматизации управления технологическими процессами в отрасли поставлена задача построения интеллектуального обучающего комплекса.

2. Описан круг задач, решаемых комплексом, обоснована актуальность поставленной задачи в рамках перспектив использования тренажерных систем для подготовки персонала на железнодорожном транспорте.

3. Были разработаны новые алгоритмы функционирования элементов комплекса и формирования управляющих воздействий на основе использования перспективных тестирующих и обучающих модулей.

4. На примере ряда задач показана алгоритмическая и программная реализация генерирования задач в ИОК.

5. Построена модель функционирования системы управления ИОК, способы формирования внутренней модели пользователя, обеспечивающие адаптивность и корректность принимаемых решений.

6. Проведено математическое и имитационное моделирование работы системы управления ИОК с использованием нечеткой логики. Для предложенной модели определены параметры, обеспечивающие соответствие работы комплекса поставленным требованиям.

7. Рассмотрена программная реализация предложенных алгоритмов.

8. Обоснована возможность применения предлагаемого комплекса в системе подготовки кадров для железнодорожного транспорта и системе дистанционного обучения.

Новизна полученных результатов заключается в следующих основных положениях.

• Разработана и программно реализована математическая модель системы управления ИОК.

• Проведено исследование корректности функционирования ИОК на основе адекватного представления модели пользователя с применением нечеткой логики и имитационного моделирования.

• Разработана математическая и программная реализация тестирующих модулей на основе алгоритмического генерирования управляющих воздействий.

• Программно реализованы отдельные функциональные модули ИОК.

Полученные результаты позволяют создавать интеллектуальные обучающие комплексы, принцип работы которых приближен к реальной интеллектуальной деятельности человека.

Увеличение роли вычислительного ядра, реализующего интеллектуальные алгоритмы принятия решений, позволяет уменьшить или вовсе отказаться от использования баз данных, что даст возможность создавать обучающие системы нового типа, более компактные и функциональные по сравнению с традиционными.

Математическая модель представления знаний в ИОК, построение адекватной модели пользователя позволяет обеспечить корректное функционирование ИОК различной структуры.

Полученные результаты являются универсальными, применимыми к созданию интеллектуальных обучающих комплексов и интеллектуальных систем управления тренажерных комплексов для подготовки широкого круга специалистов, занятых в железнодорожной отрасли.

Реализация работы. Программные продукты, построенные по разработанному принципу, внедрены и используются в Российском Государственном Открытом Техническом Университете Путей Сообщения (РГОТУПС). В учебном процессе используются более 6 тестирующих модулей, разработан и используется программный контрольно-обучающий комплекс, предназначенный для повышения квалификации сотрудников ОАО «РЖД» по охране труда.

Список литературы диссертационного исследования кандидат технических наук Ларин, Александр Александрович, 2006 год

1. Аверкии А.Н., Нгуеи X. «Использование нечеткого отношения моделирования для экспертных систем.» - М.: ВЦ АН СССР, 1988. - 24 с.

2. Аверкин А.Н., Батыршин И.З., Блишун А.Ф. и др. «Нечеткие множества в моделях управления и искусственного интеллекта» /Под ред. Д.А. Поспелова-М.: Наука, 1986.-312 с.

3. Агеев В.Н., Древе Ю.Г. «Электронные издания учебного назначения: концепции, создание, использование.» М.: МГУП, 2003.-236 с.

4. Адлер Ю.П., Маркова Е.В., Грановский Ю.В. «Планирование эксперимента при поиске оптимальных условий.» М: Наука, 1976, 280с.

5. Алиев Р.А., Абдикеев Н.М., Шахназаров М.М. «Производственные системы с искусственным интеллектом.» -М: Радио и связь. 1990. 264 с.

6. Алиев Р.А., Захарова Э.Г., Ульянов С.В. «Нечеткие регуляторы и интеллектуальные промышленные системы управления» //Итоги науки и техники. Сер. Техническая кибернетика. Т.32. -М.:ВИНИТИ АН СССР, 1991. -С. 233-313.

7. Амамия М., Танака Ю. «Архитектура ЭВМ и искусственный интеллект»: Пер. с японского. -М.: Мир, 1993. -310 с.

8. Баранов Л.А., Сидоренко В.Г. «Применение тренажеров для повышения квалификации работников службы движения» Автоматика, связь и информатика, 2003, №2, с. 17-20

9. Баранов Л.А., Ерофеев Е.В., «Принципы построения тренажеров для железнодорожного транспорта» Вестник МИИТа. 2000 . Вып. 4. С. 7-10.

10. Баранов Л.А., Сидоренко В.Г. «Тренажер поездных диспетчеров линий Московского метрополитена» Железные дороги мира, 2002, №8, с. 64-69

11. Беллман Р., Заде Л. «Принятие решений в расплывчатых условиях.»- В кн.: Вопросы анализа и процедуры принятия решений М.: Мир, 1976. - С. 172— 215.

12. Бешелев С.Д., Гурвич Ф.Г. «Экспертные оценки.» М.: Наука, 1970.

13. Бешелев С. Д., Гурвич Ф.Г. «Математико-статистические методы экспертных оценок.» М.: Статистика, 1974.

14. Борисов А.Н. и др. «Модели принятия решений на основе лингвистической переменной.» Рига: Зинатне, 1982. - 256с.

15. Борисов А.Н., Крумберг О.А., Федоров И.П. «Принятие решений на основе нечетких моделей. Примеры использования.»- Рига: Зинатне, 1990. 184 с.

16. Борисов А.Н., Глушков В.И. «Использование нечеткой информации в экспертных системах» //Новости искусственного интеллекта. № 3. 1991. С. 13 -41.

17. Вишняков В.Ф «Эксплуатация информационно-вычислительных ресурсов ОАО РЖД» // Ж.-д. Транспорт. Сер. Информационные технологии на железнодорожном транспорте ЭИ/ЦНИИТЭИ. - 2004. - Вып. 2, с. 1-18

18. Гладышев П.Е., Сиговцев Г.С. "Технология создания дистанционных обучающих курсов", труды рабочего совещания "Новые интернет-технологии", Петрозаводск, 25-28 июня 2000 г., 21-33

19. Гмурман В.Е. «Теория вероятностей и математическая статистика.» Учеб. пособие для вузов.-М.; Высш. шк., 1999-479 е.: ил.

20. Гусев JI.A., Смирнова И.М. «Размытые множества. Теория и приложения (обзор).» Автоматика и телемеханика, N 5, 1973, с.66-85.

21. Демченко А.Т., Ларин А. А. «Об использовании компьютерно-информационных систем в образовательном процессе.» М., "Наука и техника транспорта", №2, 2003г.

22. Делооз Ф. «Применение тренажеров на железнодорожном транспорте» Железные дороги мира, 1999, №9, с. 20-25

23. Ермоленко В.В. «Разработка нейросетевой базы знаний интеллектуальной автоматизированной системы мониторинга образовательного процесса»: Дис. канд .техн. наук. Краснодар: КубГТУ, 1996. -206 с.

24. Заде JI.A. «Понятие лингвистической переменной и его применение к принятию приближенных решений.» М: Мир, 1976, 165с.

25. Заде JI.А. «Размытые множества и их применение в распознавании образов и кластер-анализе.» В сб.: Классификация и кластер. М: Мир, 1980, с.208-247.

26. Заде JI.A. Тени нечетких множеств. Проблемы передачи информации. Т.П. Вып. 1. 1966.-С. 37-44.

27. Захаров В.Н., Ульянов С.В. «Нечеткие модели интеллектуальных промышленных регуляторов и систем управления. 2. Эволюция и принципы построения» //Известия АН РАН. Сер. Техническая кибернетика. 1993. N 4. С. 189-205.

28. Иваненко В.И., Лабковский В.А. «К вопросу о накоплении информации в адаптивных системах управления» //Адаптивные системы упавления: Сб. науч. тудов. -Киев: ИК АН УССР, 1977. С.3-12.

29. Кандель А., Байатт У.Дж. «Нечеткие множества, нечеткая алгебра, нечеткая статистика.» Труды американского общества инженеров-радиоэлектроников, т. 66, 1978, N12, с.37-61.

30. Кемени Дж., Снелл Дж. «Кибернетическое моделирование: Некоторые приложения.» М.: Советское радио, 1972. - 192 с.

31. Китаев Н.Н. «Групповые экспертные оценки.» М.: Знание, 1975. - 64 с.

32. Киселев Н.И. «Алгоритмическое и программное обеспечение прикладного статистического анализа.» М.: Наука, 1980, - С. 111-123.

33. Кофман А. «Введение в теорию нечетких множеств.» М: Радио и связь, 1982, 432с.

34. Кремер Н.Ш. «Теория вероятностей и математическая статистика.» Учебник для вузов. М.: ЮНИТИ-ДАНА, 2003 - 543 с.

35. Кузьмин В.Б., Орлов А.И. «Статистические методы анализа экспертных оценок.» М.: Наука, 1977. - С.220-227.

36. Кьюсиак Э. «Искусственный интеллект: применение в интегрированных производственных системах». -М: Машиностроение, 1991.- 544 с.

37. Ларичев О.И. «Объективные модели и субъективные решения.» М.: Наука, 1987. - 143 с.

38. Ларичев О. К., Мошкович Е. М. «Качественные методы принятия решений.» — М.: Наука. Физматлит, 1996.

39. Левин Р. и др. «Практическое введение в технологию искусственного интеллекта и экспертных систем с иллюстрациями на Бейсике.»- М., 1991.

40. Левитин Е.К„ Поспелов Д.А. «Будущее искусственного интеллекта»- М.: Наука, 1991.-302 с.

41. Лецкий Э.К., Панкратов В.И., Яковлев В.В. и др.: «Информационные технологии на железнодорожном транспорте: Учеб. для вузов ж.-д . трансп» -М.: УМК МПС России, 2001. -608 с

42. Лецкий Э.К. «Проектирование информационных систем на железнодорожном транспорте» / М:-Маршрут, 2003 г.

43. Литвак Б. Г. «Экспертные оценки и принятие решений.» М.: Патент, 1996.

44. Луценко Е.В. «Синтез адаптивных систем управления индивидуальным обучением на базе интеллектуальной системы "ЭИДОС" //Организация и методологические проблемы компьютеризации учебного процесса: Сб. науч. трудов. Краснодар: КВВАУ, 1998. - С.32-37.

45. Моисеев Н.Н. «Неформальные процедуры и автоматизация проектирования.» М.: Знание, 1979. - 64 е.,

46. Моисеев Н.Н. «Математические задачи системного анализа.» М.: Наука, 1981.- 487 с.

47. Нильсон Н. «Принципы искусственного интеллекта.» М.: Радио и связь, 1985.-376 с.

48. Норвич A.M., Турксен И.Б. «Построение функций принадлежности.»- В кн.: Нечеткие множества и теория возможностей. Последние достижения /Под ред. P.P. Ягера. -М.: Радио и связь, 1986.-С. 64-71.

49. Норвич A.M., Турксен И.Б. «Фундаментальное измерение нечеткости.»- В кн.: Нечеткие множества и теория возможностей. Последние достижения /Под ред. P.P. Ягера. М.: Радио и связь, 1986 - С. 51-64.

50. Орлов А.И. «Задачи оптимизации и нечеткие переменные.» М.: Знание, 1980.-64 с.

51. Орлов А.И. «Статистические методы анализа экспертных оценок.» М.: Наука, 1977. - С.7-30.

52. Орлов А.И. «Статистические методы оценивания и проверки гипотез. Межвузовский сборник научных трудов.» Пермь: Изд-во Пермского государственного университета, 1990. - С.89-99.

53. Поспелов Д.А. «Моделирование человеческих рассуждений в интеллектуальных системах: Лекции Всесоюзной школы по основным проблемам искуственного интелекта и интелектуальным системам.» Ч. 1. -Тверь: Центр программных систем, 1990.

54. Поспелов Г.С. «Искусственный интеллект основа новой информационной технологии»: Сер. Академические чтения. -М.: Наука, 1988.— 280 с.

55. Попов Э.В., Фоминых И.Б., Кисель Е.Б., Шапот М.Д. «Статистические и динамические экспертные системы.» — М.: Финансы и статистика, 1996.

56. Райхман Э.П., Азгальдов Г.Г. «Экспертные методы в оценке качества товаров.» М.: Экономика, 1974. - 151 с.

57. Рыжов А.П. «Степень нечеткости лингвистической шкалы и ее свойства: Нечеткие системы поддержки принятия решений.»- Калинин: Изд-во КГУ, 1989.-С. 82-92.

58. Симаков B.C., Лушников Ю.К., Морозов В.А. «Автоматизация процессов принятия решений в системах управления» Аналитический обзор, 1970-1985 гг., № 4087. -М.: ЦНИИТЭИ, 1986. 42 с.

59. Сидоренко В.Г. «Система поддержки принятия решений поездного диспетчера метрополитена» Датчики и системы управления, №10, 2001, с.21-26.

60. Свириденко С.С. Современные информационные технологии. М.: Радио и связь, 1989.-303 с.

61. Стариков А.И. «Математические методы анализа и принятия решений.» Учебное пособие.- М.: МГЭИ,1998.-252с.

62. Тарасов В.Б. «Инструментальные средства разработки нечетких интеллектуальных систем» //Новости искусственного интеллекта. 1991. № 3. -С. 93-107.

63. Трахтенгерц Э.А. «Компьютерная поддержка принятия решений.» — М.: СИНТЕГ, 1998.

64. Уинстон П. «Искусственный интеллект»: Пер. с англ. -М.: Мир, 1980. -520с.

65. Форсайт Р. «Экспертные системы. Принципы работы и примеры.»— М.: Радио и связь, 1987.

66. Шеннон Р. «Имитационное моделирование систем искусство и наука.» -М.: Мир, 1978.-87 с.

67. Шалютин С.М. «Искусственный интеллект.» -М.: Мысль, 1985. 196 с.

68. Bellman R., Kalaba К., Zadeh L.A. Abstraction and pattern classification. J.Math. Anal, and Appl., v.13, Nol, Jan, 1966.

69. Gorzalczany M.B. Interval-Valued Decisional Rule in Signal Transmission Problems. "Arhiwum automatyki i telemechaniki", t.XXX, N2, 1985, p. 159-168.

70. Zimmermann H.J., Zysno P. Quantifying vagueness in decision models. "European Journal of Operational Reseach", N22, 1985, p.148-158.