Вероятностные графические модели и алгоритмы обработки нечисловой, неточной и неполной информации для оценки кумулятивного риска тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат наук Пащенко, Антон Евгеньевич

• Пащенко, Антон Евгеньевич
• кандидат наук
• 2013

Оглавление диссертации кандидат наук Пащенко, Антон Евгеньевич

Оглавление

Оглавление

Введение

Глава 1. Современное состояние исследуемой области

Введение

§ 1.1. Способы измерения рисков заражения в эпидемиологии

§ 1.2. Методы косвенной оценки интенсивности рискованного поведения и вероятности заражения ВИЧ-инфекцией

§ 1.3. Модель Белла-Тревино

§ 1.4. Оценивание показателей скрытых от непосредственного наблюдения процессов

Глава 2. Получение исходной информации

Введение

§ 2.1. Практическая апробация метода сбора и хранения информации, полученной на естественном языке

§ 2.2. Классы ответов респондентов

§ 2.3. Обобщенная классификация ответов

§ 2.4. Инструкция по экспертной классификации ответов респондентов о последних эпизодах их участия в рискованном поведении

§ 2.5. Новый инструментарий для получения информации

Глава 3. Обработка информации

Введение

§ 3.1. Гранулярность исходных данных

§ 3.2. Рандомизация величины временного интервала

§ 3.3. Оценка методом максимального правдоподобия

§ 3.4. Арифметизация неопределенности

§ 3.5. Вычислительные процедуры для практической реализации гранулярности исходных данных

§ 3.6. Модель на основе байесовской сети доверия. Байесовские сети доверия и отношение рисков

Глава 4. Компоненты прототипа комплекса программ

Введение

§ 4.1. Структура базы данных

§ 4.2. JSP-сервер удаленного доступа к системе для оценки параметров процессов

§ 4.3. Автоматизированное рабочее место эксперта для внесения сведений о параметрах процесса

§ 4.4. Интеллектуальная система для поддержки принятия решений экспертов

Заключение

Список литературы

Приложение А. Свидетельства о регистрации программ для ЭВМ

Приложение В. Акты о внедрении

Введение диссертации (часть автореферата) на тему «Вероятностные графические модели и алгоритмы обработки нечисловой, неточной и неполной информации для оценки кумулятивного риска»

Введение

В настоящее время междисциплинарные многосторонние проблемы получения и обработки информации с различными видами и степенями неполноты, несовершенства и недоопределенности для последующего построения с помощью компьютерных технологий оценок показателей существенных для предметной области процессов являются одними из самых значимых, наличествуют и остаются нерешенными в широком спектре отраслей научных исследований, в том числе таких, как общественное здоровье (public health), эпидемиология, анализ социальных сетей, психология поведения, психология труда, маркетинг и информационная безопасность.

Общий принцип решения таких проблем — построение (зачастую с использованием гибридного подхода), исследование и обработка данных и знаний с неопределенностью с помощью комбинированных методов теории вероятности, статистического анализа данных, компьютерного моделирования, искусственного интеллекта. Существующие способы построения агрегированных показателей, характеристик и индексов на основе рандомизации, необходимой для учета неопределенности доступной информации, с последующим исследованием их свойств методами теории вероятности и математической статистики нуждаются в уточнении и адаптации практически в случае каждого конкретного класса задач предметной области при всех возможных сочетаниях элементов исходной информации.

Не является исключением из этого вывода и задача оценивания показателей скрытых от непосредственного наблюдения процессов (например, таких показателей как кумулятивный риск и относительная частота), о которых доступны в различных сочетаниях лишь сведения об интервалах между небольшим числом последних событий и моментом их регистрации, наблюдения, опроса, а также сведения о некоторых видах интервалов (между последовательными событиями), связанных с особыми порядковыми статистиками: максимальной, минимальной, медианной или другими. Причем такие сведения отличаются нечеткостью, либо, скорее, гранулярностью, поскольку содержатся в совокупности высказываний на естественном языке.

Настоящая диссертационная работа концентрируется на оценке (при указанных видах информационного дефицита) показателей процессов, события которых распределены согласно пуассоновской модели случайного процесса. В классическом подходе ключевым искомым показателем такого процесса вполне обоснованно выступает его интенсивность. Однако интерес представляют также такие производные показатели, как кумулятивный риск, ассоциированный с этим процессом, а также относительные показатели частоты событий процесса и кумулятивного риска в заданный интервал времени.

Вместе с тем, такие задачи как получение, анализ и обработка описанных выше сведений, усовершенствование инструментария для приобретения информации, представление гранулярности исходных элементов информации, учет влияния этой гранулярности на агрегированную оценку показателей, а также разработка метода, основанного на синтезе случайных элементов, обработки неопределенности исходной информации за счет рандомизации этой неопределенности, решены именно в работах соискателя и обусловили, таким образом, теоретическую составляющую актуальности темы данного исследования.

Практический же аспект актуальности темы диссертации состоит в том, что полученные результаты будут непосредственно востребованы в подготовке и организации процедуры и в самой процедуре получения и обработки информации, в том числе и экспертной информации, приобретаемой в ходе интервью и опросов респондентов по поводу их рискованного, угрозообразующего или просто значимого поведения, а также в ходе интервьюирования экспертов-исследователей указанных видов поведения. Важным частным случаем, а также ключевым мотивирующим и иллюстрирующим примером такого поведения в настоящей работе выступает поведение респондентов, ассоциированное с риском приобретения и (или) передачи ВИЧ-инфекции, акцентирующим собой непосредственную практическую значимость и актуальность настоящего диссертационного исследования.

Степень разработанности.

Исследование нечетких временных рядов является смежной, наиболее близкой областью по отношению к тематике настоящей диссертации. Подходы к исследованию таких рядов развиваются Н.Г. Ярушкиной, С.М. Ковалевым. Но при этом существует ряд принципиальных отличий, заключающихся в неприспособленности

методов анализа нечетких временных рядов к сверхкоротким временным рядам, а также к добавлению к классической модели дополнительных элементов информации и учету их влияния на классическую модель и формирующиеся на ее основе оценки. Следует отметить, что обрабатываемые (получаемые) данные и знания обладают неопределенностью, причем эта неопределенность может быть представлена с помощью вероятностных моделей, а в такой постановке изучаемая проблема близка к тематике, посвященной приложениям логико-вероятностных моделей к задачам теории надежности структурных сложных систем, рассматриваемых, в частности, в работах И.А. Рябинина, Е.Д. Соложенцева, A.C. Можаева. Кроме того, вопросам обработки и представления неопределенности данных и знаний посвящены работы таких зарубежных и российских авторов, как J. Fagin, К. Korb, L. Zadeh, Д.А. Поспелов, В.Б. Тарасов, В.Н. Вагин, А.С.Нариньяни и др. Рассматриваемая проблема относится, в том числе и к задачам разработки интеллектуальных систем принятия решений, решаемым в работах H.H. Моисеева, Г.В. Рыбиной, Г.С. Осипова, B.JI. Стефанюка. Предлагаемые алгоритмы используют адаптированные к предметной области принципы, близкие к тем, на которых основаны метод синтеза агрегированных показателей в условиях дефицита информации (Н.В. Хованова), теория количественной важности критериев в многокритериальных задачах принятия решений (В.В. Подиновский), а также используют аппарат вероятностных графических моделей (J. Pearl, В.И. Городецкий).

Кроме того, ряд исследований по близким тематикам ведется в лаборатории, где выполнялась диссертация. В работах Суворовой A.B. предложена модель, учитывающая особенности обработки информации об интервалах между последним эпизодом и моментом интервью; для данной модели предложен подход к обработке особой систематической ошибки (length bias) при анализе данных о последнем эпизоде; разработана и специфицирована байесовская сеть доверия, позволяющая формировать апостериорную оценку распределения случайного элемента, характеризующего абсолютную интенсивность исследуемого процесса. В работах Т.В. Ту-лупьевой сведения о последних эпизодах и рекордных интервалах использовались в прикладных задачах психологических исследований, нацеленных на выявление норм интенсивности различного вида поведения, связей показателей поведения как процесса со степенью выраженности психологических особенностей личности. В

работах A.A. Азарова модель используется в задаче анализа поведения пользователей с точки зрения реализации угроз при социоинженерных атаках.

Объект диссертационного исследования— представление и обработка информации с различными видами и степенями неполноты, несовершенства и недо-определенности о скрытых от непосредственного наблюдения процессах, ассоциированных с риском.

Предмет исследования — с одной стороны, модели для представления исходной информации, отличающейся гранулярностью, о небольшом числе последних событий пуассоновского процесса, а также об особых показателях, связанных с порядковыми статистиками: максимальной и минимальной; а с другой стороны, метод оценивания, базирующиеся на указанных моделях, агрегированных показателей процессов: абсолютной величины кумулятивного риска, относительных частот и относительного кумулятивного риска в заданный интервал времени.

Цель исследования — повысить оперативность расчета агрегированных оценок показателей скрытых от непосредственного наблюдения процессов (абсолютной величины кумулятивного риска, относительных частот и относительного кумулятивного риска в заданный интервал времени) за счет применения менее время-затратных методов получения информации и автоматизации ее обработки, используя особым образом построенные случайные элементы и байесовские сети доверия (как вид вероятностных графических моделей). При этом предполагается, что такая информация отличается гранулярностью и различными сочетаниями элементов о моменте регистрации, о небольшом числе последних эпизодов, интервалов, точек, а также некоторых видов интервалов, связанных с особыми порядковыми статистиками.

Для достижения поставленной цели в диссертационной работе поставлены и решены следующие задачи:

• Разработка инструментария для получения информации о процессе, скрытом от непосредственного наблюдения и ассоциированном с риском, в условиях ее дефицита (доступность различных сочетаний сведений в вербальной форме о небольшом числе последних событий процесса и рекордных интервалах между последовательными событиями);

• Разработка теоретико-вероятностной модели, позволяющей, с одной стороны, агрегировать вербальные оценки показателей скрытых от непосредственного наблюдения процессов, ассоциированных с риском, а с другой стороны, обрабатывать неопределенность, присущую таким оценкам;

• Разработка на основе предложенной модели метода и алгоритмов для формирования оценок интенсивности процессов, ассоциированных с риском, и характеристик разброса таких оценок, обусловленного информационным дефицитом;

• Обеспечение учета гранулярности как исходной информации, так и ожидаемых результатов ее обработки в моделях на основе байесовских сетей доверия для формирования гранулярных оценок показателей (абсолютного кумулятивных риска, относительной частоты, относительного кумулятивного риска);

• Реализация на основе компьютерных технологий полученных методов, моделей и алгоритмов визуализации и анализа различных сочетаний описанных выше элементов информации для автоматизации расчета на их основе агрегированных оценок искомых показателей процессов, ассоциированных с риском.

Теоретическая и практическая значимость работы. Теоретическая значимость диссертационного исследования заключается в разработке математического и программного обеспечения нового метода получения оценок показателей скрытых от непосредственного наблюдения процессов по исходной, отличающейся гранулярностью и различными сочетаниями элементов информации о моменте регистрации, небольшом числе последних эпизодов, интервалах, точек и некоторых видов интервалов, связанных с особыми порядковыми статистиками.

Данный метод необходим для разработки программного обеспечения, позволяющего обеспечить преобразование информации с описанным выше составом и особенностями и ее последующую обработку с помощью компьютерных технологий во многих отраслях научных исследований, в том числе таких, как общественное здоровье (public health), эпидемиология, анализ социальных сетей, психология поведения, психология труда, маркетинг и информационная безопасность.

Практическая значимость результатов настоящей диссертационной работы в маркетинговых исследованиях заключается в применении разработанного в диссертации метода к решению задач выделения группы потребителей, существенно различающихся интенсивностью потребления продуктов, товаров или услуг. Практическая значимость для медицины заключается в разработке инструментария, позволяющего оценивать частоту отклонения пациента от предписанного режима лечения. Практическая значимость в области информационной безопасности заключается в использование данного подхода для составления профиля уязвимостей пользователя для количественной оценки вероятности совершения пользователем информационной системы угрозообразующих действий при социоинженерной атаке.

Практическая значимость результатов работы в области эпидемиологии заключается в разработке альтернативного метода обработки информации при ее дефиците для оценок показателей процессов, ассоциированных с риском заразится, который в сравнении с эталонным методом когортного исследования, характеризующегося а) стоимостью 3-5 миллионов долларов, б) минимальной выборкой в тысячу человек, в) временными затратами в 2-3 года, г) чувствительностью к потерям (не более 10%), д) тем, что полученные результаты характеризуют ситуацию на момент начала исследования. Применение предложенного подхода ожидаемо даст следующий положительный эффект: а) затраты на уровне 10-15 тысяч долларов, б) минимальная выборка от 100 человек в) результаты применимы сразу после получения данных, г) нет потерь во время исследования, д) полученные результаты характеризуют текущее положение в отношении рассматриваемых показателей.

Кроме того, создан прототип комплекса программ, позволяющий специалистам из предметной области в простой и удобной форме получать сведения об интенсивности рискованного поведения, что, в свою очередь, позволяет им давать прогностические оценки кумулятивного риска, связанного с различными видами рискованного поведения, а также наблюдать динамику изменения рассматриваемых показателей.

Обоснованность и достоверность представленных в диссертационной работе научных положений обеспечивается за счет тщательного анализа состояния исследований в области оценки рискованного поведения и в смежных областях, кор-

рекгность математических выкладок, подтверждается работоспособностью прототипа комплекса программ, реализующего алгоритмы, основанные на теоретических результатах, полученных в диссертационном исследовании.

Апробация результатов. Основные положения и результаты диссертационной работы докладывались на следующих научных и научно-практических конференциях:

• Всероссийская научная конференция по нечетким системам и мягким вычислениям НСМВ-2006;

• X Санкт-Петербургская международная конференция «Региональная информатика - 2006 (РИ-2006);

• Всероссийская научно-практическая конференция "Социальное партнерство психологии, культуры, бизнеса и духовное возрождение России". Москва 2006;

• Международная научно-практической конференции «Интегрированные модели и мягкие вычисления в искусственном интеллекте». Коломна, 28-30 мая 2007 г.;

• Научная конференция МИФИ-2007;

• V Санкт-Петербургская региональная конференция «Информационная безопасность регионов России (ИБРР-2007)». Санкт-Петербург, 2007 г;

• Всероссийская научная конференция по нечетким системам и мягким вычислениям (НСМВ-2008);

• XI Санкт-Петербургская международная конференция «Региональная информатика -2008 (РИ-2008);

• Научная конференция МИФИ-2008;

• Научно-практическая конференция студентов, аспирантов, молодых ученых и специалистов «Интегрированные модели, мягкие вычисления, вероятностные системы и комплексы программ в искусственном интеллекте». Коломна. 2009 г.;

• Международная конференция по мягким вычислениям и измерениям. (НСМВ-2009);

• У-я Международная научно-практическая конференция. «Интегрированные модели и мягкие вычисления в искусственном интеллекте. » 2009;

• Научная конференция МИФИ-2010;

• Международная конференция «Моделирование и анализ массовых событий в экономике и социуме», 2010;

• Научная конференция МИФИ-2011;

• VII Санкт-Петербургская межрегиональная конференция «Информационная безопасность регионов России (ИБРР-2011)», г. Санкт-Петербург, 2011г.;

• 1-й Международный симпозиум «Гибридные и синергетические интеллектуальные системы: теория и практика», Калининградская обл, г. Светлогорск, 2012 г.;

• С.П.И.С.О.К. - 2012: Материалы всероссийской научной конференции по проблемам информатики, г. Санкт-Петербург, 2012 г.;

• VI Международная научно-техническая конференция молодых специалистов, аспирантов и студентов «Математическое и компьютерное моделирование естественнонаучных и социальных проблем», г. Пенза, 2012 г.;

• XV Международная конференция по мягким вычислениям и измерениям. 8СМ-2012, г. Санкт-Петербург, 2012 г.;

• Вторая Международная научно-практическая конференция "Социальный компьютинг, технологии развития, социально-гуманитарные эффекты" (18С-13), г. Москва, 2013 г.

Кроме того, результаты диссертационного исследования докладывались на Санкт-Петербургском городском научном семинаре «Информатика и компьютерные технологии» в феврале 2006 года.

Исследования по тематике выполнялись в рамках проектов, поддержанных следующими грантами:

1) грант РФФИ на 2009-2011 гг., проект № 09-01-00861-а «Методология построения интеллектуальных систем поддержки принятия решений на основе баз фрагментов знаний с вероятностной неопределенностью»;

2) грант РФФИ на 2012-2014 гг., проект № 12-01-00945-а «Развитие теории алгебраических байесовских сетей и родственных им логико-вероятностных графических моделей систем знаний с неопределенностью»;

3) грантом РГНФ «Взаимосвязь адаптивных стилей ВИЧ-инфицированных и степени рискованности их поведения» №07-06-0073 8а;

4) госконтрактом № 2.442.11.7489, шифр 2006-РИ-19.0/001/209, на НИР «Психологическая защита и копинг-стратегии ВИЧ-инфицированных с точки зрения опасности для общественного здоровья» в рамках ФЦНТП «Исследования и разработки по приоритетным направлениям развития науки и техники на 20022006 годы»;

5) грантом СПбНЦ РАН на 2007 год «Моделирование и измерение количественных характеристик ВИЧ-рискованного поведения на основе обработки ответов респондентов» № 2-199;

а также следующими проектами, по которым соискатель выступил в качестве руководителя:

6) грантом РФФИ на 2012 г., проект № 12-01-16031-моб_з_рос «Научный проект "Вероятностно-нечеткостная модель социально-значимого поведения в случае неточных данных о его эпизодах, предшествующих интервью" для представления на научном мероприятии 1-й Международный симпозиум "Гибридные и синерге-тические интеллектуальные системы: теория и практика (ГИСИС'2012)"»;

7) грантом №02/2.1/17-03/48 (в 2007 году) Конкурса для студентов и аспирантов вузов и академических институтов, расположенных на территории Санкт-Петербурга «Оценка вероятности заражения ВИЧ-инфекцией на основе сведений о последних N эпизодах рискованного поведения, а также статистическое моделирование ограниченных указанных серий эпизодов»;

8) грантом для молодых ученых и кандидатов наук от Правительства Санкт-Петербурга в 2009 №25.05/027/27 «Разработка математических моделей, вычислительных алгоритмов и комплекса программ для оценки интенсивности рискованного поведения в условиях дефицита информации»;

9) грантом для молодых ученых и кандидатов наук от Правительства Санкт-Петербурга в 2010 № 10526 «Разработка математических моделей, алгоритмов и распределенного комплекса программ для косвенной оценки рисков, связанных с угрозообразующим поведением»;

10) грантом для молодых ученых и кандидатов наук от Правительства Санкт-Петербурга в 2011 № 11421 «Разработка математических моделей и алгоритмов для

идентификации интенсивности рискованного поведения на основе данных, содержащих систематическую ошибку, связанную с длительностью наблюдений»;

11) грантом для молодых ученых и кандидатов наук от Правительства Санкт-Петербурга в 2012 «Разработка программного комплекса для идентификации интенсивности и производных параметров стохастических моделей рискованного поведения на основе неполных и неточных данных».

Публикации. По теме диссертации было сделано 52 публикации и приравненные к ним научные работы. Из них 11 статей (из которых 2 единоличных) в изданиях из «Перечня рецензируемых научных журналов и изданий для опубликования основных научных результатов», утвержденного ВАК, 1 монография в соавторстве, 29 статей и докладов на научных конференциях (из которых 3 единоличных), 16 тезисов научных конференций, 11 зарегистрированных программ ЭВМ и алгоритмов (5 — в РОСПАТЕНТе и 6 в ОФЭРНиО/ЦИТиСе). В дополнение к перечисленному материалы диссертационного исследования вошли в 5 прошедших госрегистрацию в ЦИТиС научных отчетов.

Личный вклад А.Е. Пащенко в основных публикациях с соавторами характеризуется следующим образом: в публикациях [51, 60, 64, 65, 117-119] ему принадлежит подход, для получения информации о процессе, скрытом от непосредственного наблюдения, ассоциированном с риском, в условиях ее дефицита; в [11, 115] предложена практическая реализация предложенного метода к социо-инженерным атакам; в статьях [23, 49, 58, 113, 114, 118] рассмотрены подходы к агрегированию вербальные оценки показателей, и с другой стороны, подходы к обработке неопределенности, присущей таким оценкам; в [37, 54, 61, 62, 65, 85, 86, 89, 112] автору принадлежит обзор методов косвенной оценки параметров процесса и представления неопределенности; в [24, 25, 59, 90] предложен и описан подход характеризующий гранулярность исходных данных; в [38, 94] предложено развитие модели представления моделей скрытых от непосредственного наблюдения в виде байесовских сетей доверия; в статьях [55, 56, 63, 116, 118] — описание программного комплекса реализующего методы, модели и алгоритмы для визуализации и анализа информации, обладающей гранулярностью, неполнотой, несовершенством и недо-определенностью.

Структура диссертации. Диссертация состоит из введения, четырех глав, заключения, списка литературы из более, чем 200 наименований. Объем диссертации— 128 страниц. Глоссарий и свидетельства о регистрации программных продуктов и баз данных приведены в приложении.

Положения, выносимые на защиту

1. Классификация ответов, содержащих информацию в различных сочетаниях о небольшом числе последних событий процесса; выделены два особых класса, сформирована методика обработки ответов респондентов, предложен новый инструментарий, поддерживающий получение информации, со шкалой значений, учитывающей возможные варианты ответов.

2. Способ построения случайного элемента, агрегирующего исходную гранулярную информацию, который, таким образом, является представлением полученной информации, одновременно учитывающим ее дефицит за счет использования рандомизации.

3. Модель для расчета оценок показателей процессов, ассоциированных с риском, на основе указанного выше случайного элемента.

4. Метод и алгоритмы синтеза байесовской сети доверия, агрегирующей полученную информацию и позволяющей вывести гранулярную оценку искомых показателей.

5. Прототип комплекса программ, реализующий предложенные в диссертации алгоритмы, поддерживающие обработку полученной информации и вычисление искомых оценок абсолютного кумулятивного риска, относительной частоты, относительного кумулятивного риска, и обеспечивающий проведение вычислительных экспериментов.

Глава 1. Современное состояние исследуемой области

Введение

Проблемы обработки и получения информации с различными степенями и вилами неопределенности для последующего построения оценок показателей существенных для предметной области процессов, являются одними из наиболее актуальных. Такие задачи стоят во множестве научных исследованиях, оставаясь не решенными. Общий принцип решения таких проблем состоит использование методов теории вероятности статистического анализа данных и искусственного интеллекта.

В первой главе содержится обоснование целей и задач исследования, приведено описание современного состояния исследований в области получения и обработки информации с различными видами степеней неполноты, несовершенства, недоопределенности для дальнейшего построения оценок показателей, значимых для предметной области разработки компьютерных систем поддержки принятия решений в эпидемиологии.

В отдельном параграфе рассмотрены математические модели, которые могут помочь для решения поставленных задач.

§ 1.1. Способы измерения рисков заражения в эпидемиологии

В последние годы в России неуклонно распространяется эпидемия инфекции, вызванной вирусом иммунодефицита человека (ВИЧ). В силу особенностей ВИЧ-инфекции (неизлечимость, высокая социальная и социально-эпидемиологическая опасность) она превратилась в одну из наиболее серьезных проблем здравоохранения в Российской Федерации. В настоящее время антиретровирусную терапию (APT) получают более 30 тыс. человек, лечение одного больного в год обходится в 1500-15000 долларов. Если распространение ВИЧ продолжится, то затраты на лечение пациентов будут поглощать значительную часть ресурсов российского здравоохранения [68].

Вакцины против ВИЧ пока не существует, поэтому единственным методом профилактики распространения эпидемии ВИЧ/СПИДа во всем мире являются превентивные программы, направленные в первую очередь на модификацию поведения людей. Очевидно, что меры, предпринимаемые в России с целью профилактики распространения ВИЧ в популяции, недостаточно эффективны. На обучение населения, направленное на изменение поведения в сторону менее рискованного, расходуется в 25 раз меньше средств, чем на лечение (200 млн. руб. против 5.1 млрд. на лекарства), то есть деньги тратятся на борьбу с последствиями эпидемии, а не на борьбу с эпидемией. Да и деньги, выделенные на профилактику, тратятся зачастую неэффективно [68].

Существующие масштабы эпидемии ВИЧ и связанные с ней угрозы ставят ряд новых междисциплинарных задач. Среди них:

Список литературы диссертационного исследования кандидат наук Пащенко, Антон Евгеньевич, 2013 год

Список литературы

1. Аверкин А.Н., Аграфонова Т.В., Титова Н.В. Системы поддержки принятия решений на основе нечетких моделей // Известия РАН: Теория и системы управления. 2009. №1. С.89-100.

2. Азаров A.A., Тулупьева Т.В., Тулупьев A.JI. Агентоориентированный подход к моделированию комплекса «Информационная Система -Персонал - Злоумышленник» в задачах оценки защищенности от социо-инженерных атак // Список-2012: Материалы всероссийской научной конференции по проблемам информатики (25-27 апреля 2012 г., Санкт-Петербург). СПб.: ВВМ, 2012. С. 374-377.

3. Азаров A.A., Тулупьева Т.В., Фильченков A.A., Тулупьев A.JI. Вероятностно-реляционный подход к представлению модели комплекса «информационная система -персонал - критичные документы» // Труды СПИИРАН. 2012. Вып. 1(20). С. 57-71.

4. Анфилатов B.C., Емельянов A.A., Кукушкин A.A. Системный анализ в управлении. М.: Финансы и статистика, 2002. 368 с.

5. Артюхов C.B., Королёв В.Ю. Неоднородные рекуррентные модели изменения надежности модифицируемых систем, непрерывное время Информатика и ее применения. 2008. Т. 2. № 4. С. 57-65.

6. Афанасьев И.В. Возможности математического моделирования поведения аудитории с помощью динамических математических моделей // Актуальные проблемы современной науки. 2006. № 4. С. 212-218.

7. Афанасьева Т.В., Ярушкина Н.Г. Интеллектуальный анализ временных рядов и анализ нечетких тенденций. Ульяновск: УлГТУ, 2009.

8. Бокс Дж., Дженкинс Т. Анализ временных рядов. Прогноз и управление. М.: Мир, 1974.406 с.

9. Боровков A.A. Математическая статистика. Новосибирск: Наука; Издательство института информатики, 1997. 772 с.

10. Былкова Н.К., Посвалюк Н.Э., Савин С.З., Юсупова М.В. Информационное моделирование медико-социальных аспектов поведения потребителей психоактивных веществ // Успехи современного естествознания № 11 2004. С. 88-89.

11. Ванюшичева О.Ю., Тулупьева Т.В., Пащенко А.Е., Тулупьев А.Л., Азаров A.A. Количественные измерения поведенческих проявлений уязвимостей пользователя, ассоциированных с социоинженерными атаками. // Труды СПИИРАН. 2011. Вып. 19. С. 34-47.

Вентцель Е.С. Теория вероятностей. 4-е изд. М.: Наука, 1969. 576 с.

13. Виноградов А.Н., Жилякова Л.Ю., Осипов Г.С. Динамические интеллектуальные системы. Моделирование целенаправленного поведения // Известия Российской академии наук. Теория и системы управления. 2003. № 1. С. 87-94.

14. Галочкин И.В. Социальные предпочтения в экономическом поведении: методы измерения и моделирования // Экономика и математические методы. 2010. Т. 46. № 3. С. 82-92.

15. Городецкий В.И. Теория, модели, инфраструктуры и языки спецификации командного поведения автономных агентов. Обзор (часть 1) // Искусственный интеллект и принятие решений. 2011. № 2. С. 19-30.

16. Городецкий В.И. Теория, модели, инфраструктуры и языки спецификации командного поведения автономных агентов. Обзор (часть 2) // Искусственный интеллект и принятие решений. 2011. № 3. С. 34-47.

17. Городецкий В.И., Карсаев О.В., Самойлов В.В., Серебряков C.B. Открытые сети агентов // Труды СПИИРАН. 2007. № 4. С. 11-35.

18. Гребенников Р.В. Разработка индивидуальных характеров поведения при моделировании толпы // Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии. 2008. № 2. С. 107-110.

19. Губанов Д.А., Новиков Д.А., Чхартишвили А.Г. Социальные сети: модели информационного влияния, управления и противоборства. М.: Физматлит, 2010. 228 с.

20. Ежов A.A., Шумский С.А. Нейрокомпьютинг и его применения в экономике и бизнесе. М.: МИФИ, 2002. 306 с.

21. Емельянов В.В., Ясиновский С.И. Имитационное моделирование систем: Учебн. пособие. - М.: Издательство МГТУ им. Н.Э. Баумана, 2009. - 584 с.

22. Заде JI. Роль мягких вычислений и нечеткой логики в понимании, конструи-ровании и развитии информационных/интеллектуальных систем // Новости искусственного интеллекта. 2001. № 2-3(44-45). С. 7-11.

23. Зельтерман Д., Суворова A.B., Пащенко А.Е., Мусина В.Ф., Тулупьев A.JL, Тулупьева Т.В., Гро JI., Хаймер Р. Оценка интенсивности социально-значимого поведения по смещенной выборке длин интервалов между наблюдением и последним эпизодом в условиях дефицита информации // Vl-й Международная научно-практическая конференция «Интегрированные модели и мягкие вычисления в искусственном интеллекте». (16-19 мая 2011 г., Коломна.) Сборник научных трудов. В 2 т. Т. 1. М.: Физмат, 2011. С. 980-991.

24. Зельтерман Д., Суворова A.B., Пащенко А.Е., Мусина В.Ф., Тулупьев A.JL, Тулупьева Т.В., Гро Л.Е., Хаймер Р. Диагностика регрессионных уравнений в анализе интенсивности рискованного поведения по его последним эпизодам // Труды СПИИРАН. 2011. Вып. 17. С. 33-46.

25. Зельтерман Д., Тулупьев АЛ., Суворова A.B., Пащенко А.Е., Мусина В.Ф., Тулупьева Т.В., Красносельских Т.В., Гро Л., Хаймер Р. Обработка систематической ошибки, связанной с длиной временных интервалов между интервью и последним эпизодом в гамма-пуассоновской модели поведения // Труды СПИИРАН. 2011. Вып. 16. С. 160185.

26. Зуева Л. П., Яфаев P. X., Еремин С. Р. Эпидемиологическая диагностика. СПб: ГОУВ-ПО СПбГМА им. И. И. Мечникова Минздрава России, 2003. 264 с.

27. Иващенко A.B., Карсаев О.В., Скобелев П.О., Царев A.B., Юсупов P.M. Мультиагент-ные технологии для разработки сетецентрических систем управления // Известия Южного федерального университета. Технические науки. 2011. Т. 116. № 3. С. 11-23.

28. Каледин O.E. Математическое моделирование управляемых процессов на основе статистических данных: дисс. канд. ф.-м. наук: 05.13.18. Саранск, 2011. 127 с.

29. Касьянов В. Н., Евстигнеев В. А. Графы в программировании: обработка, визуализация и применение. СПб.: БХВ- Петербург, 2003. 1104 с.

30. Касьянов В. Н., Касьянова Е. В. Визуализация графов и графовых моделей. Новосибирск: Сибирское Научное Издательство, 2010. 123 с.

31. Корниенко A.A., Корниенко A.B. Логико-лингвистическое моделирование поведения социально-экономических субъектов // Известия Томского политехнического университета. 2005. Т. 308. № 3. С. 173-177.

32. Коробейников А.Г., Гатчин Ю.А., Ашевский Д.Ю., Святкина М.Н. Мониторинг объектов железнодорожной инфраструктуры с помощью интеллектуальных агентов магнитных измерений// Интегрированные модели и мягкие вычисления в искусственном интеллекте. Сборник научных трудов VII-й международной научно-практической конференции (ИММВ-2013, Коломна, 20-22 мая 2013 г.). М.: Физматлит, 2013. Т.2. С.686-694.

33. Котенко И.В. Многоагентное моделирование для исследования механизмов защиты информации в сети Интернет // Имитационное моделирование. Теория и практика (ИММОД). Сборник докладов. СПб., 2009. С. 38-Ф7.

34. Кузнецов О. П. Однородные ресурсные сети I. Полные графы. // Автоматика и телемеханика. 2009. № 11. С. 136-147.

35. Кузнецов О.П. Интеллектуализация поддержки управляющих решений и создание интеллектуальных систем // Проблемы управления. 2009. № 3. С. 64-72.

36. Кузнецов О.П. Моделирование конфликтов, рефлексивные процессы, понятийные структуры и многое другое // Сборник трудов 8-й Международной конференции «Интеллектуальный анализ информации ИАИ-2007» (Киев, 14-17 мая 2008 г.). Киев: Про-свита, 2008. С. 4-42.

37. Лавренов A.B., Суворова A.B., Пащенко А.Е., Тулупьев А.Л. Особенности обработки данных и знаний об эпизодах социально-значимого поведения в окрестности интервью // Труды СПИИРАН. 2010. Вып. 15. С. 246-262.

38. Лавренов A.B., Суворова A.B., Пащенко А.Е., Тулупьева Т.В., Тулупьев А.Л. Вероят-ностно-нечеткостная модель социально-значимого поведения в случае неточных данных об его эпизодах, предшествующих интервью // Гибридные и синергетические интеллектуальные системы: теория и практика. Материалы 1-го международного симпозиума. Т. 2. Калининград: Изд-во БФУ им. И.Канта, 2012. С. 19-29.

39. Леоненков A.B. Нечеткое моделирование в среде MATLAB и fuzzyTECH. СПб: БХВ-Петербург, 2003. 736 с.

40. Лушин В.Б., Мусина В.Ф., Тулупьева Т.В., Суворова A.B., Тулупьев А.Л. Анализ латентных классов в социально-эпидемиологических исследованиях при дефиците информации // Гибридные и синергетические интеллектуальные системы: теория и практика. Материалы 1-го международного симпозиума. Т. 2. Калининград: Изд-во БФУ им. И.Канта, 2012. С. 263-269.

41. Методы и модели анализа временных рядов : метод, указания к лаб. работам / сост. С.И. Татаренко. Тамбов: Изд-во Тамб. гос. техн. ун-та, 2008. 32 с.

Микони С. В. Теория и практика рационального выбора. М.: Маршрут, 2004. 462 с.

43. Можаев А. С. Общий логико-вероятностный метод анализа надежности сложных систем//Л.: BMA. - 1988.

44. Можаев А. С. Универсальный графоаналитический метод, алгоритм и программный модуль построения монотонных и немонотонных логических функций работоспособности систем //Труды Международной научной школы:" Моделирование и анализ безопасности, риска в сложных системах"(МА БР-2003). СПб.: СПбГУАП. -2003. - С. 101-110.

45. Можаев A.C. Логико-вероятностный подход к оценке надежности автоматизированных систем управления. СПб.: BMA им. Гречко A.A. Депонирована п/я А-1420 № Д047550, 1982.-24 С.

46. Можаев A.C., Громов В.Н. Теоретические основы общего логико-вероятностного метода автоматизированного моделирования систем. СПб. ВИТУ, 2000. -145 с.

47. Мусина В.Ф. Байесовские сети доверия как вероятностная графическая модель для оценки медицинских рисков // Труды СПИИРАН. 2013. № 24. С. 135—151.

48. Мусина В.Ф. Байесовские сети доверия как вероятностная графическая модель для оценки экономических рисков // Труды СПИИРАН. 2013. № 25. С. 235—254.

49. Мусина В.Ф., Лях A.A., Пащенко А.Е., Тулупьева Т.В. Кластеризация по адаптивным стилям групп респондентов и оценка их склонности к рискованному поведению // Интегрированные модели, мягкие вычисления, вероятностные системы и комплексы программ в искусственном интеллекте. Научно-практическая конференция студентов, аспирантов, молодых ученых и специалистов (Коломна, 26-27 мая 2009 г.). Научные доклады. В 2-х т. Т. 1. М.: Физматлит, 2009. С. 185-191.

50. Нечеткие множества в моделях управления и искусственного интеллекта / Под ред. Д.А. Поспелова. М.: Наука, 1986. 312 с.

51. Николенко С.И., Пащенко А.Е., Тулупьев А.Л. Косвенная оценка вероятности заразиться ВИЧ-инфекцией на основе нечетких ответов о последних эпизодах рискованного поведения // Всероссийская научная конференция по нечетким системам и мягким вычислениям НСМВ-2006 (20 - 22 сентября 2006 г.). Труды. Тверь,2006. С. 358-374.

52. Осипов Г.С. Планирование и моделирование целенаправленного поведения в интеллектуальных системах // Вестник Российского университета дружбы народов. Серия: Прикладная и компьютерная математика. 2002. № 1. С. 51-61.

53. Основные понятия проблемы ВИЧ-инфекции [Электронный ресурс] // <http://www.infospid.ru/index.php?cat=saaa> (по состоянию на 10.05.2006).

54. Пащенко А.Е. Косвенные измерения интенсивности рискованного поведения на основе ответов респондентов // Региональная информатика-2008 (РИ-2008). XI Санкт-Петербургская международная конференция. Санкт-Петербург, 22-24 октября, 2008 г.: Материалы конференции / СПОИСУ. СПб., 2009. С. 281-284.

55. Пащенко А.Е. Математические модели и алгоритмы для комплекса программ по идентификации интенсивности рискованного поведения в условиях дефицита информации // Международная конференция по мягким вычислениям и измерениям. Сборник докладов. 2009. Т. 2. СПб.: Изд-во СПбГЭТУ «ЛЭТИ», 2009. С. 105-109.

56. Пащенко А.Е., Суворова A.B. Программный комплекс для экспертного оценивания интенсивности поведения респондента в условиях дефицита информации // Интегрированные модели, мягкие вычисления, вероятностные системы и комплексы программ в искусственном интеллекте. Научно-практическая конференция студентов, аспирантов, молодых ученых и специалистов (Коломна, 26-27 мая 2009 г.). Научные доклады. В 2-х т. Т. 2. М.: Физматлит, 2009. С. 220-241.

57. Пащенко А.Е., Суворова A.B., Тулупьев АЛ. Программа для расчёта нечётких оценок интенсивности угрозообразующего поведения и риска, с ним связанного, Fuzzy Risk-&-Rate Calculator (F.R.-&-R.C.). Роспатент. Свид. о гос. регистрации программы для ЭВМ № 2009614649 от 31.08.2009.

58. Пащенко А.Е., Суворова A.B., Тулупьева Т.В. Тулупьев A.JI. Вероятностные распределения порядковых статистик в анализе сверхкоротких нечетких и неполных временных рядов // Труды СПИИРАН. 2009. Вып. 10. СПб.: Наука, 2009. С. 184-207.

59. Пащенко А.Е., Тулупьев A.JL, Суворова A.B., Тулупьева Т.В. Сравнение параметров угрозообразующего поведения в разных группах на основе неполных и неточных данных // Труды СПИИРАН. 2009. Вып. 9. СПб.: Наука, 2009. С. 252-261.

60. Пащенко А.Е., Тулупьев A.JL, Тулупьева Т.В. Апробация блока вопросов и обработка ответов о последних эпизодах рискованного поведения ВИЧ-инфицированных // X Санкт-Петербургская международная конференция «Региональная информатика-2006 (РИ-2006)»: Труды. СПб., 2007. С. 323-326.

61. Пащенко А.Е., Тулупьев A.JL, Тулупьева Т.В., Красносельских Т.В., Соколовский Е.В. Косвенная оценка вероятности заражения ВИЧ-инфекцией на основе данных о последних эпизодах рискованного поведения // Здравоохранение Российской Федерации. 2010. №2. С. 32-35.

62. Пащенко А.Е., Тулупьева Т.В. Применение процедуры рандомизации для оценки интенсивности поведения респондента в условиях информационного дефицита // Интегрированные модели и мягкие вычисления в искусственном интеллекте. V-я Международная научно-практическая конференция. Сборник научных трудов. В 2-х т. Т. 1. С. 743-751.

63. Пащенко А.Е., Тулупьева Т.В., Суворова A.B., Тулупьев АЛ. Интеллектуальная система для экспертного оценивания интенсивности рискованного поведения в условиях информационного дефицита // Региональная информатика-2008 (РИ-2008). XI Санкт-Петербургская международная конференция. Санкт-Петербург, 22-24 октября, 2008 г.: Материалы конференции / СПОИСУ. СПб., 2009. С. 285-291.

64. Пащенко А.Е., Тулупьев A.JL, Николенко С.И. Моделирование заражения ВИЧ-инфекцией на основе данных о последних эпизодах рискованного поведения. // Известия высших учебных заведений: Приборостроение. 2006. №8. С. 33-34.

65. Пащенко А.Е., Тулупьев A.JT., Николенко С.И. Статистическая оценка вероятности заражения ВИЧ-инфекцией на основе данных о последних эпизодах рискованного поведения // Труды СПИИРАН. Вып. 3, т. 2. СПб.: Наука, 2006. С. 257-268.

66. Пащенко А.Е., Тулупьев A.JL, Тулупьева Т.В. Оценка интенсивности рискованного поведения на основе нечетких ответов респондентов // Нечеткие системы и мягкие вычисления (НСМВ-2008): Сборник научных трудов Второй Всероссийской научной конференции с международным участием (г. Ульяновск, 27-29 октября 2008 г.). В 2 т. Т. 2. Ульяновск: УлГТУ, 2008. С. 167-175.

67. Пегат А. Нечеткое моделирование и управление. М.: БИНОМ. Лаборатория знаний, 2011.798 с.

68. Покровский В. В. Выступление на пресс-конференции, приуроченной к Всемирному Дню Борьбы со СПИДом, 29 ноября 2007 г. [Электронный ресурс] // <http://www.hivrussia.org/news/index.shtml> (по состоянию на 13.02.2008).

69. Прохоров С.А. Математическое описание и моделирование случайных процессов. Самара: Самарский гос. аэрокосм, ун-т, 2001. 209 с.

70. Рассел С., Норвиг П. Искусственный интеллект: современный подход, 2-е изд. М.: Издательский дом «Вильяме», 2006. 1408 с.

71. Рыбина Г.В. Основы построения интеллектуальных систем. М.: Финансы и статистика, 2010.432 е.;

72. Рыбина Г.В., Паронджанов С.С. Моделирование процессов взаимодействия интеллектуальных агентов в многоагентных системах // Искусственный интеллект и принятие решений. 2008. №3. С. 3-15

73. Рябинин И.А., Парфенов Ю.М. Надежность, живучесть и безопасность корабельных электроэнергетических систем. Учебник. СПб. BMA, 1997. - 432 с.

74. Рябинин И.А., Черкесов Г.Н. Логико-вероятностные методы исследования надежности структурно-сложных систем. М.: Радио и связь, 1981.

75. Самарский A.A., Михайлов А.П. Математическое моделирование: Идеи, методы, примеры. М.: ФИЗМАТЛИТ, 2005. 320 с.

76. Соколов С.Н. Моделирование поведения пользователей интернет-ресурсов на основе смеси цепей Маркова // Естественные и технические науки. 2009. № 5. С. 302-305.

77. Соложенцев Е. Д. Сценарное логико-вероятностное управление риском в бизнесе и технике.—СПб.: Издательский дом «Бизнес-пресса», 2006.—530 с.

78. Соложенцев Е. Д. Особенности логико-вероятностной теории риска с группами несовместных событий //Автоматика и телемеханика. - 2003. - №. 7. - С. 187-203

79. Соложенцев Е. Д. Сценарное логико-вероятностное управление риском и эффективностью в экономике //СПб.: СПбГУАП. - 2008.

80. Стефанюк В.Л., Жожикашвили A.B. Наследование свойств категории при переходе от статических систем, использующих знания, к динамическим // Искусственный интеллект и принятие решений. 2008. № 1. С. 4-14.;

81. Суворова A.B. Анализ данных о рекордных интервалах между эпизодами социально-значимого поведения в рамках модели, построенной на основе байесовских сетей доверия // Научная сессия НИЯУ МИФИ-2013. Аннотации докладов. В 3 т. Т.2 Проблемы фундаментальной науки. Стратегические информационные технологии. М.: НИЯУ МИФИ, 2013. С. 329.

82. Суворова A.B. Моделирование социально-значимого поведения по сверхмалой неполной совокупности наблюдений // Информационно-измерительные и управляющие системы. 2013. №9, т. 11. С. 34-38.

83. Суворова A.B. Подходы к представлению и обработке неопределенности данных и знаний о поведении индивидов // Труды СПИИРАН. 2012. Вып. 23. С. 206-222.

84. Суворова A.B. Представление пуассоновской модели социально-значимого поведения в виде байесовской сети доверия // Современные проблемы математики. Тезисы Международной (44-я Всероссийской) молодежной школы-конференции . Екатеринбург: Институт математики и механики УрО РАН, 2013. С. 333-335.

85. Суворова A.B., Лавренов A.B., Тулупьева Т.В., Тулупьев А.Л., Пащенко А.Е. Моделирование социально-значимого поведения респондентов: аналитическая и численная оценки интенсивности в окрестности интервью при информационном дефиците // Труды СПИИРАН. 2012. Вып. 1 (20). С. 101-115.

86. Суворова A.B., Пащенко А.Е. Построение математической модели социально-значимого поведения по данным о последних эпизодах // VI Международная научно-практическая конференция молодых специалистов, аспирантов и студентов «Математическое и компьютерное моделирование естественнонаучных и социальных проблем» (22-23 мая 2012 г. Пенза). Сборник статей. Пенза: Приволжский дом знаний, 2012. С. 114-117.

87. Суворова A.B., Пащенко А.Е., Тулупьева Т.В. Методика мониторинга угрозообразую-щего поведения для управления социально-эпидемиологическими рисками в условиях неполноты информации // Информационные технологии в управлении (ИТУ-2012). Материалы конференции. СПб.: ОАО «Концерн «ЦНИИ «Электроприбор», 2012. С. 119-123.

88. Суворова A.B., Пащенко А.Е., Тулупьева Т.В. Оценка характеристик сверхкороткого временного ряда по гранулярным данным о рекордных интервалах между событиями //Труды СПИИРАН. 2010. Вып. 12. С. 170-181.

89. Суворова A.B., Пащенко А.Е., Тулупьева Т.В. Тулупьев АЛ. Построение доверительных интервалов оценок интенсивности рискованного поведения на основе неравенства Чебышева // Труды СПИИРАН. 2009. Вып. 10. СПб.: Наука, 2009. С. 107-120;

90. Суворова A.B., Тулупьев АЛ., Пащенко А.Е., Тулупьева Т.В., Красносельских Т.В. Анализ гранулярных данных и знаний в задачах исследования социально значимых видов поведения // Компьютерные инструменты в образовании. №4. 2010. С. 30-38.

91. Суворова A.B., Тулупьева Т.В., Сироткин A.B. Построение вероятностных графических моделей социально-значимого поведения с учетом особенностей гранулярных данных о рекордных интервалах между его эпизодами // Интегрированные модели и мягкие вычисления в искусственном интеллекте. Сборник научных трудов VII-й Международной научно-технической конференции (Коломна, 20-22 мая 2013 г.). М.: Физ-матлит. Т.З.С. 1376-1385

92. Суворова A.B., Тулупьева Т.В., Тулупьев A.JI. Обобщенная линейная регрессионная модель для прогноза временного интервала между последним эпизодом рискованного поведения и моментом интервью на основе социально-демографических и психологических особенностей // Труды СПИИРАН. 2012. Вып. 2 (21). С. 80-94.

93. Суворова A.B., Тулупьева Т.В., Тулупьев A.JL, Сироткин A.B. Применение байесовских сетей доверия для моделирования угрозообразующего поведения индивида по неполным и неточным данным // Тринадцатая национальная конференция по искусственному интеллекту с международным участием КИИ-2012 (16-20 октября 2012 г., г. Белгород). Труды конференции. Т. 3. Белгород: Изд-во БГТУ, 2012. С. 292-299

94. Суворова A.B., Тулупьева Т.В., Тулупьев АЛ., Сироткин A.B., Пащенко А.Е. Вероятностные графические модели социально-значимого поведения индивида, учитывающие неполноту информации // Труды СПИИРАН. 2012. Вып. 3 (22). С. 101-112.

95. Тарасов В.Б. Грануляция информации, нестандартные и гибридные нечеткие множества // Интегрированные модели и мягкие вычисления в искусственном интеллекте. Сборник трудов VI-й Международной научно-практической конференции (Коломна, 16-19 мая 2011 г.). М.: Физматлит, 2011. Т.1. С.35-49

96. Тарасов В.Б. От логических к диалогическим решеткам и бирешеткам: использование в теории агентов // Вестник Ростовского государственного университета путей сообщения. 2011. № 3. С. 129-141

97. Тарасов В.Б. От многоагентных систем к интеллектуальным организациям. М.: Эдито-риал УРСС, 2002. 352 е.;

98. Тарасов В.Б., Афонин П.В., Картежников Д. Модель формирования структур объединений виртуальных предприятий на основе популяции эволюционирующих агентов // Известия Южного федерального университета. Технические науки. 2007. Т. 73. № 1. С. 55-58.

99. Теория и практика нечетких гибридных систем / Под ред. Н.Г. Ярушкиной. М.: ФИЗ-МАТЛИТ, 2007. 208 е.;

100. Тулупьев А.Л., Азаров A.A., Пащенко А.Е. Информационные модели компонент комплекса «Информационная система - персонал», находящегося под угрозой социоин-женерных атак//Труды СПИИРАН. 2010. Вып. 3 (14). С. 50-57.

101. Тулупьев А.Л., Николенко С.И., Сироткин A.B. Байесовские сети: логико-вероятностный подход. Спб.: Наука, 2006. 607 с.

102. Тулупьев А.Л., Пащенко А.Е., Чурикова Ю.А. Система моделирования выборки респондентов с заданным соотношением психологических и социо-демографических особенностей (информационная карта, свидетельство). № госуд. регистрации 50200900873 от 05.08.2009 (информационная карта алгоритмов и программ ЦИТиС).. Свид. об отраслевой регистрации электронного ресурса, отвечающего требованиям новизны и приоритетности, (ОФЭРНиО ИИО ГАН РАО) № 00100 от 16.07.2009.

103. Тулупьев А.Л., Сироткин A.B., Николенко С.И. Байесовские сети доверия: логико-вероятностный вывод в ациклических направленных графах. Спб.: Изд-во С.-Петербургского ун-та, 2009. 400 с.

104. Тулупьев А.Л., Суворова A.B., Пащенко А.Е. База данных неточных ответов респондентов об участии в угрозообразующем поведении Fuzzy Answers on Risky Behavior Data Base, Version 1 (F.A.R.B./DB v. 1) // Роспатент. Свид. о гос. per. прогр. для ЭВМ № 2010620275 от 14.05.2010.

105. Тулупьев А.Л., Суворова A.B., Пащенко А.Е. Программа для учёта неточных сведений об угрозообразующем поведении Fuzzy Data Register for Risky Behavior, Version 1 (F.D.R.R.B. v. 1) // Роспатент. Свид. о гос. per. прогр. для ЭВМ № 2010613161 от 14.05.2010.

106. Тулупьев А.Л., Суворова A.B., Пащенко А.Е. JSP-сервер удаленного доступа к системе для оценки интенсивности поведения респондента на основе неточных и неполных сведений о его последних эпиходах // Свид. о регистрации электронного ресурса, отвечающего требованиям новизны и приоритетности, (ОФЭРНиО ИИО ГАН РАО) № 15762 от 20.05.2010.

107. Тулупьев А.Л., Суворова A.B., Пащенко А.Е. Автоматизированное рабочее место эксперта для внесения сведений о поведении респондентов и расчета оценок его интенсивности (с локальным доступом к базе данных) // Свид. о регистрации электронного ресурса, отвечающего требованиям новизны и приоритетности, (ОФЭРНиО ИИО ГАН РАО) № 15764 от 20.05.2010.

108. Тулупьев А.Л., Суворова A.B., Пащенко А.Е. База данных для хранения оценок интенсивности и сведений о последних эпизодах поведения респондентов // Свид. о регистрации электронного ресурса, отвечающего требованиям новизны и приоритетности, (ОФЭРНиО ИИО ГАН РАО) № 15763 от 20.05.2010.

109. Тулупьев A.JL, Суворова А.В., Пащенко А.Е. Интеллектуальная система для поддержки принятия решений экспертов по оценке интенсивности поведения респондентов на основе неполных и неточных сведений о его последних эпизодах. Свид. об отраслевой регистрации разработки, отвечающей требованиям новизны, приоритетности и научности (ОФАП Госкоорцентр Минобрауки РФ) № 12176 от 20.01.2009. № госуд. регистрации 50200900180 от 22.01.2009.

110. Тулупьев A.JL, Суворова А.В., Пащенко А.Е. Программа для идентификации параметров интенсивности и риска в условиях неопределенности на основе рекордных порядковых статистик в моделях угрозообразующего поведения Record-Based Uncertain Risk-&-Rate Calculator (R.B.U.R.-&-R.C.) // Роспатент. Свид. о гос. per. прогр. для ЭВМ № 2010614266 от 30.06.2010.

111. Тулупьев A.JL, Суворова А.В., Пащенко А.Е. Программа для расчёта нечётких оценок интенсивности угрозообразующего поведения и риска, с ним связанного, Fuzzy Risk-&-Rate Calculator, Version 2(F.R.-&-R.C. v.2) // Роспатент. Свид. о гос. per. прогр. для ЭВМ № 2010614267 от 30.06.2010.

112. Тулупьев A.J1., Суворова А.В., Тулупьева Т.В., Пащенко А.Е. Косвенные оценки и сравнение параметров угрозообразующего поведения в разных группах по неполным и неточным данным // Международная конференция по мягким вычислениям и измерениям. Сборник докладов. 2009. Т. 2. СПб.: Изд-во СПбГЭТУ «ЛЭТИ», 2009. С. 110— 114.

113. Тулупьев А.Л., Пащенко А.Е. He-факторы в оценке рискованного поведения ВИЧ-инфицированных // Сборник трудов IV-я Международной научно-практической конференции «Интегрированные модели и мягкие вычисления в искусственном интеллекте» (Коломна, 28-30 мая 2007 г.). В 2-х т. Т. 2. М.: Физматлит, 2007. С. 513-520.

114. Тулупьева Т.В., Пащенко А.Е., Тулупьев А.Л., Голянич В.М. Модели ВИЧ-рискованного поведения в контексте психологической защиты и адаптации // Вестник СПбГУ. 2010. Серия 12. Вып. 1. С. 95-104.

115. Тулупьева Т.В., Тулупьев А.Л., Азаров А.А., Пащенко А.Е. Особенности личности, лежащие в основе уязвимостей пользователей к социоинженерным атакам // Материалы Второй Международной научно-практической конференции "Социальный компьютинг, технологии развития, социально-гуманитарные эффекты" (ISC-13): сборник статей и тезисов. М.: Изд-во, 2013. С. 186-197.

116. Тулупьева Т.В., Тулупьев А.Л., Пащенко А.Е., Сироткин А.В., Столярова Е.В., Лама-нова Е.Б., Бадосова Н.В., Никитин П.В. Психологическая защита и копинг-стратегии ВИЧ-инфицированных с позиции опасности для общественного здоровья: автоматизация сбора данных и итоги исследования // Труды СПИИРАН. 2007. Вып. 4. СПб.: Наука, 2007. С. 357-387.

117. Тулупьева Т.В., Тулупьев А.Л., Столярова Е.В., Пащенко А.Е. Анализ особенностей рискованного поведения в модели адаптивных стилей ВИЧ-инфицированных (на основе результатов опроса пациентов Санкт-Петербургского СПИД-Центра) // Труды СПИИРАН. 2007. Вып. 5. СПб.: Наука, 2007. С. 117-150.

118. Тулупьева Т.В., Пащенко А.Е., Тулупьев А.Л., Красносельских Т.В., Казакова О.С. Модели ВИЧ-рискованного поведения в контексте психологической защиты и других адаптивных стилей. СПб.: Наука, 2008.140 с.

119.

120.

121,

122,

123,

124,

125.

126.

127.

128.

129.

130.

135

136

137

138

139,

Тулупьева Т.В., Тулупьев АЛ., Пащенко А.Е., Красносельских Т.В. Приверженность ВААРТ и рискованное поведение среди пациентов Санкт-Петербургского Центра-СПИД: статистические модели, психологические и социо-демографические факторы // Труды СПИИРАН. 2008. Вып. 6. СПб.: Наука, 2008. С. 207-237.

Феллер В. Введение в теорию вероятностей и её приложения. В 2-х томах. Т. 2. М.: Мир, 1984. 738 с.

Фильченков А.А. Алгебраическая байесовская сеть как основа для медицинской диагностической модели // «Математическое и компьютерное моделирование в биологии и химии. Перспективы развития». Сборник трудов I Международной интернет-конференции. Казань: Из-во «Казанский университет». 2012.С. 162-166.

Хованов Н. В. Анализ и синтез показателей при информационном дефиците // СПб.: Изд-во СПбГУ, 1996. 196 с.

Ширяев Н. Основы стохастической финансовой математики В 2-х т.-М.: ФАЗИС, 1998.

Шугай Ю.С. Разработка нейросетевых алгоритмов анализа многомерных временных рядов и их применение при исследовании солнечно-земных связей: дисс... к.ф.-м.н.: 05.13.18. М., 2006. 137 с.

Юсупов Р.М., Соколов Б.В. Имитационное моделирование и его применение в науке и промышленности // Вестник Российской академии наук. 2008. Т. 78. № 5. С. 471-472.

Ядгарова Ю.В. Поиск сообществ в социальных сетях с использованием нечеткого подхода // Интегрированные модели и мягкие вычисления в искусственном интеллекте. Сборник научных трудов VII-й международной научно-практической конференции (ИММВ-2013, Коломна, 20-22 мая 2013 г.). М.: Физматлит, 2013. Т.2. С.721-729.

Ярушкина Н. Г., Афанасьева Т. В., Перфильева И. Г. Интеллектуальный анализ временных рядов: Учебное пособие. Ульяновск: УлГТУ, 2010. 320 с.

Ярушкина Н.Г. Грануляция - базовое направление развития нечетких систем // Гибридные и синергетические интеллектуальные системы: теория и практика. Материалы 1-го международного симпозиума (29 июня- 2 июля 2012 г., Светлогорск). - Калининград: Изд-во БФУ им. Иммануила Канта, 2012. Т. 1. С.55-68.

Ярушкина Н.Г. Основы теории нечетких и гибридных систем: учеб. пособие. М.: Финансы и статистика, 2009. 320 с.

Ярушкина Н.Г. Современный интеллектуальный анализ нечетких временных рядов // Интегрированные модели и мягкие вычисления в искусственном интеллекте. V-я Международная научно-практическая конференция. Сборник научных трудов. В 2-х т. Т. 1.С. 19-29.

Averkin A.N., Tarassov V.B. The Fuzzy Modelling Relation and Its Application in Psychology and Artificial Intelligence // Fuzzy Sets and Systems. 1987. Vol.22. №1/2. P.3-24.;

Axelrod R., Tesfatsion L. On-Line Guide for Newcomers to Agent-Based Modeling in the Social Sciences URL: http://www2.econ.iastate.edu/tesfatsi/abmread.htm

Bearman P., Moody J., Stovel K. Chains of affection: The structure of adolescent romantic and sexual networks // American Journal of Sociology. 2004.110(1). P. 44-91.

Bell D. C, Trevino R. A. Modeling HIV Risk [Epidemiology] // JAIDS. 1999. Vol. 22(3). P. 280-287.

Bell D. C., Atkinson J. S., MosierV., RileyM., Brown V. L. The HIV Transmission Gradient: Relationship Patterns of Protection. AIDS Behav. 2007. T. 11, N. 6. P. 789-811.

140. Bezruchko В., Smirnov D. Extracting Knowledge From Time Series: An Introduction to Nonlinear Empirical Modeling. Berlin: Springer, 2010. 407 p. Также доступно URL: http://link.springer.eom/book/10.1007/978-3-642-12601-7/page/l (дата обращения 15.01.2013

141. Di Battista G., Eades P., Tamassia R., Tollis I.G. Graph Drawing: Algorithms for Vizualization of Graphs. Prentice Hall, 1999. 397 p.;

142. Domanska D., Wojtylak M. Application of fuzzy time series models for forecasting pollution concentrations // Expert Systems with Applications, 2012, 39. P. 7673-7679.

Drawing Graphs. Methods and Models. Berlin: Springer, 2001. 312 p.

144. Duan S. et al. Estimation of HIV-1 incidence among five focal populations in Dehong, Yunnan: a hard hit area along a major drug trafficking route //BMC Public Health. - 2010. -T. 10.-№. l.-C. 180.

145. Dwyer-Lindgren L., Gakidou E., Flaxman A., Wang H. Error and bias in under-5 mortality estimates derived from birth histories with small sample sizes // Population Health Metrics. 2013. Vol. 11, No. 13. DOLlO.l186/1478-7954-11-13

146. Eagena В., Caron R., Abdul-Kader W. An Agent-Based Modelling Tool (ABMT) for scheduling diagnostic imaging machines // Technology & Health Care. 2010. Vol. 18. Issue 6. P. 409—415.

147. Emirbayer M., Mische A. What is agency? // American Journal of Sociology. 1998. 103(4). P. 962-1023.

148. Erdos P., Neveu J., Renyi A. An elementary inequality between the probabilities of events // Math. Scand. 13. 1963. P. 99-104.;

149. Erdos P., Renyi A. On Random Graphs. I // Publicationes Mathematicae 6. 1959. P. 290297.; Erdos P., Renyi A. The Evolution of Random Graphsv // Magyar Tud. Akad. Mat. Kutato Int. Kozl. 5. 1960. P. 17-61.;

150. Erdos P., Renyi A. On the central limit theorem for samples from a finite population // Magyar Tud. Akad. Mat. Kutato Int. Kozl. 4. 1959. P. 49-61.;

151. Erdos P., Renyi A. Probabilistic methods in group theory // Journal Analyse Math. 14. 1965. P. 127-138.]

152. Feldblum P. J. et al. HIV incidence and prevalence among cohorts of women with higher risk behaviour in Bloemfontein and Rustenburg, South Africa: a prospective study //BMJ open. -2012.-T. 2. - №. 1.

153. Fischer C. To dwell among friends. Chicago: University of Chicago Press, 1982.; Wellman B. The community question: The intimate networks of east Yorkers // American Journal of Sociology. 1979. 84(5). P. 1201-1233.

154. Freeman L. C. Centrality in social networks conceptual clarification // Social Networks. 1979. 1(3). P. 215-239.

155. GeNIe& SMILE // Decisions systems laboratory. School of Information Sciences. University of Pittsburg. URL: http://genie.sis.pitt.edu/ (дата обращения 05.05.2013).].

156. Gorodetsky V., Liu J., Skormin V. Autonomous Intelligent Systems: Agents and Data Mining / Lecture Notes in Artificial Intelligence. Springer, 2005 (AIS-ADM). Vol. 3505. 303 p.

157. Granovetter M. S. Threshold Models of Collective Behavior // The American Journal of Sociology. 1978. 83 (6). P. 1420-1443.].

158.

159.

160.

161.

162.

163.

164.

165.

166.

167,

168,

169,

170

171

172

173

174

175

176

177

Granovetter M. The strength of weak ties // American Journal of Sociology. 1973. 78. P. 1360-1380.

Gregson S. et al. HIV decline in Zimbabwe due to reductions in risky sex? Evidence from a comprehensive epidemiological review //International Journal of Epidemiology. - 2010. - T. 39.-№. 5.-C. 1311-1323.

Hall H. I. et al. Estimation of HIV incidence in the United States //JAMA: the journal of the American Medical Association. - 2008. - T. 300. - №. 5. - C. 520-529.

Hargrove J., van Schalkwyk C., Eastwood H. BED estimates of HIV incidence: resolving the differences, making things simpler //PloS one. - 2012. - T. 7. - №. 1. - C. e29736.

Hensel D. et al. The feasibility of cell phone based electronic diaries for STI/HIV research //BMC Medical Research Methodology. - 2012. - T. 12. - №. 1. - C. 75.

Holford T.R. Multivariate Methods in Epidemiology. Oxford etc.: Oxford University Press, 2002.408 p.

Hu J., Guan C. An Emotional Agent Model Based on Granular Computing // Mathemati-cal Problems in Engineering. Volume 2012, Article ID 601295, 10 pages. DOI:l 0.1155/2012/601295

Jensen F.V. Bayesian Networks and Decision Graphs. NY.: Springer-Verlag, 2001. 268 p.

John P Scott «Social Network Analysis: A Handbook», Sage Publications Ltd, 2000

Koester S., Glanz J., Baron A. Drug sharing among heroin networks: Implications for hiv and hepatitis b and c prevention. // AIDS and Behavior. 2005. 9(1). P. 27-39.

Koller D., Friedman N. Probabilistic Graphical Models. Principles and Techniques. Cambridge, Massachusets, MIT Press, 2009. 1231 pp.

Kutner M., Neter J., Nachtsheim C., Li W. Applied Linear Statistical Models. Fifth edition. McGraw-Hill Inc., 2004.1370 pp.

Laeyendecker O. et al. Development of Methods for Cross-Sectional HIV Incidence Estimation in a Large, Community Randomized Trial //PloS one. - 2013. - T. 8. - №. 11.— C. e78818.

Lee L. M., McKenna M. T. Monitoring the incidence of HIV infection in the United States //Public health reports. - 2007. - T. 122. - №. Suppl 1. - C. 72.

Mastro T. D. et al. Estimating HIV incidence in populations using tests for recent infection: issues, challenges and the way forward //Journal of HIV AIDS surveillance & epidemiology. -2010.-T. 2. - №. l.-C. 1.

McNicholl J. M. et al. Assessment of BED HIV-1 incidence assay in seroconverter cohorts: effect of individuals with long-term infection and importance of stable incidence //PloS one. - 2011. - T. 6. - №. 3. - C. el4748.

Mizruchi M. S. The corporate board network. Thousand Oaks, CA: Sage, 1982.

Moore D., Dray A., Green R., Hudson S.L., Jenkinson R., Siokou C., Perez P., Bammer G., Maher L., Dietze P. Extending drug ethno-epidemiology using agent-based model-ling // Addiction. 2009. Vol. 104. Issue 12. P.1991-1997.

Motsa S., Sibanda P. Agent-Based Modeling and Genetic Algorithm Simulation for the Climate Game Problem // Mathematical Problems in Engineering. 2012. Vol. 2012. Special section. P. 1-14.

Neumann J., Morgenstern O. Theory of games and economic behavior. Princeton University Press, 1944. 625 p.

178.

179.

180.

181.

182

183,

184,

185,

186,

187,

188

189

190,

191

192,

193

194

195

196

Oksendal B. Stochastic Differential Equations: An Introduction with Applications. Berlin: Springer, 2003.

Pearl J. Probabilistic Reasoning in Intelligent Systems. NYC: Morgan Kaufmann, 1988. 552 pp.

Perrin D., Ruskin H.J., Crane M. Model refinement through high-performance computing: an agent-based HIV example // Immunome Research. 2010 Supplement 1, Vol. 6. P.l-9.;

Ramjee G. et al. HIV incidence among non-pregnant women living in selected rural, semi-rural and urban areas in Kwazulu-Natal, South Africa //AIDS and Behavior. - 2012. - T. 16. -№. 7.-C. 2062-2071.

Rehle T. M. et al. A decline in new HIV infections in South Africa: estimating HIV incidence from three national HIV surveys in 2002, 2005 and 2008 //PloS one. - 2010. - T. 5. -№. 6.-C. el 1094.

Robert Hanneman, Mark Riddle «Introduction to social network methods», 2005; Luis R. Izquierdo, Robert Hanneman «Introduction to the Formal Analysis of Social Networks Using Mathematica», 2006

Rogers E. Diffusion of innovations, fourth edition. New York: Free Press, 1995.

Rothman K.J. Epidemiology: An Introduction. Oxford etc.: Oxford University Press, 2002. 223 p.

Rothman K.J. Greenland S. Modern epidemiology. 2nd ed. Philadelphia etc.: Lippincott Williams & Wilkins, 1998. 738 p.

Rothman K. J. Epidemiology: An Introduction. Oxford etc.: Oxford University Press, 2002.

Rubin D.B. A Small Sample Correction for Estimating Attributable Risk in Case-Control Studies // The International Journal of Biostatistics, 2010, Vol. 6, Iss. 1, Article 32. DOI: 10.2202/1557-4679.1252.

Scheer S. et al. Estimated HIV Incidence in California, 2006-2009 //PloS one. - 2013. - T. 8. - №. 2.-C. e55002.

Schelling T. Micromotives and Macrobehavior. WW NORTON & CO, 1978.

Schelling T. The Strategy of Conflict. Harvard University Press, 1960.

Sengupta R.R., Bennett D.A. Agent-based modelling environment for spatial decision support // International Journal of Geographical Information Science. 2003. Vol. 17. Issue 2. P. 157-180.;

Solomonoff R., Rapoport A. Connectivity of random nets // The bulletin of mathematical biophysics. 1951. Volume 13, Issue 2. P 107-117.

Sun L., Shenoy P. P. Using Bayesian networks for bankruptcy prediction: Some methodological issues //European Journal of Operational Research. 2007. Vol 180 No 2. P. 738—753.

Tarassov V.B. Information Granulation by Cognitive Agents and Non-Standard Fuzzy Sets // Proceedings of the Vlth International Conference on Soft Computing, Computing with Words and Perceptions in System Analysis, Decision and Control (ICSCCW'2011, Antalya, Turkey, September 1-2, 2011)/ Ed. by R.A.Aliev, K.W.Bonfig, V.Kreinovich, I.B.Turksen. Kaufering: b-Quadrat Verlag, 2011. P.59-74.

Travers J., Milgram S. An experimental study of the small world problem // Sociometry. 1969. 32(4).

197. Wallerstein I. The modern world system: Capitalist agriculture and the origins of the european world economy in the sixteenth century. New York, NY: Academic Press, 1997.

198. Wellman B. The community question re-evaluated / Power, community and the city. New Brunswick, NJ: Transaction. 1988. P. 81-107

199. White E. W. et al. Stochastic models to demonstrate the effect of motivated testing on HIV incidence estimates using the serological testing algorithm for recent HIV seroconversion (STARHS)//Sexually transmitted infections.-2010.-T. 86.-№. 7.-C. 506-511.

200. Winter J. C. F., Dodou D., Wieringa P.A. Exploratory Factor Analysis With Small Sample Sizes // Multivariate Behavioral Research, 2009, 44:2. P. 147-181.

201. Xenitidou M., Elsenbroich C. Construct Validity and Theoretical Embeddedness of Agent-based Models of Normative Behaviour // International Journal of Interdisciplinary Social Sciences. 2010. Vol. 5. Issue 4. P. 67-79.

202. Xu J. et al. Application of the BED capture enzyme immunoassay for HIV incidence estimation among female sex workers in Kaiyuan City, China, 2006-2007 //International Journal of Infectious Diseases. - 2010. - T. 14. - №. 7. - C. e608-e612.

203. Yager R. Associating Human-Centered Concepts with Social Networks Using Fuzzy Sets // Handbook of Social Network Technologies and Applications / Ed. by B. Furth. Heidelberg: Springer, 2010. P. 467-489.

Приложение А. Свидетельства о регистрации программ для ЭВМ

ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ

ФГНУ «ГОСУДАРСТВЕННЫЙ КООРДИНАЦИОННЫЙ ЦКНТР ИНФОРМАЦИОННЫХ ТЕХНОЖЛ IUI

ОТРАСЛЕВОЙ ФОНД АЛГОРИТМОВ И ПРОГРАММ

СВИДЕТЕЛЬСТВО ОБ ОТРАСЛЕВОЙ РЕГИСТРАЦИИ РАЗРАБОТКИ,

отвечающей требованиям повиты, приоритетнос ти и научности

№ / 2/76

Настоящее свидетельство выдано на разработку:

И ИГС.Ы с к" I a.i ь н а я система для поячержкн припиши решений женертов по оценке интенсивности повеления респондентов на основе неполных п неточных сведений о его последних нпподах

зарегистрированную в Отраслевом фонде a.iгори i мов и про рамм.

Дата регистрации: 20 январи 20(19 года

Авторы: Туд\иьен АЛ.. Суворова А.В., Пащенко Д.Г..

Организация-разработчик Учреждение Российской академии наук

Санкт-Петсрбур| екни ииоуит> i информатики и aHioMiijrti iaiiiin РАН

Г.Г. Ки.шиы ннч Га.1К1Шя

Дир1'КТО| Руководи кмь ОФ.

/

Дага выдачи

02.02.2001>

штшШтАш фщщращшш

i» ш га га

S

га га га

га

Е2

га

ЕЗ

га

ЕЯ

га га га т га га га га га га

СВИДЕТЕЛЬСТВО

о государственной регистрации программы для ЭВМ

№2009614649

Программа для расчёта нечётких оценок интенсивности угрозообразующего поведения и риска, с ним связанного, Fuzzy Risk-&-Ratc Calculator (F.R.-&-R.C.)

Правообладатсль(ли): Пащенко Антон Евгеньевич (Ш1), Суворова Алёна Владимировна (Ш)), Тулупьев Александр Львович (1111)

Автор(ы): Пащенко Антон Евгеньевич,

Суворова Алёна Владимировна, Тулупьев Александр Львович (ШТ)

Заявка № 2009613386

Дата поступления 2 ИЮЛЯ 2009 Г. Зарегистрировано в Реестре программ для ЭВМ

31 августа 2009 г.

Руководитель Федеральной службы по интеллектуальной собственности, патентам и товарным знакам

Б.П. Симонов

гашгагагагагагагагагагагага

СВИДЕТЕЛЬСТВО

о государственной регистрации базы данных

№2010620275

База данных неточных ответов респондентов об участии в yipoao образующем поведении Fuzzy Answers on Risky Behavior Data Base, Version i (F.A.R.B./DB v. 1)

Правообладатсль(ли): Пащенко Антон Евгеньевич (IIV), Суворова Алёна Владимировна (Ш/), Тулупьев Александр Львович (Н1/)

Лнтор(ы): Пащенко Антон Евгеньевич,

Суворова Алёна Владимирова, Тулупьев Александр Львович (Я11)

Заявка 2010620100

Дата поступления 16 марта 2010 Г. Зарегистрировано в Реестре баз данных

14 мая 2010 г.

Руководитель Федегныьной службы по интеллектуальной собственности, патента* и товарным знакам

Б.П. Симонов

PDC CliilC^ii

E3 53 Si SS S£ rS,

M $

СВИДЕТЕЛЬСТВО

о государственной регистрации npoiрачмы для ЭВМ

№2010613161

Программа для учёта неточных сведений об угрозообразующем поведении Fuzzy Data Register for Risky Behavior, Version 1

(F.D.R.R.B. v. 1)

Прав*х»6ладател1»(ли): Пащенко Антон Евгеньевич (Ни), Суворова Алёна Владимировна (Я11), Тулупьев Александр Львович (Ни)

Автор(ы): Пащенко Антон Евгеньевич,

Суворова Алаш Владимировна, Тулупьев Александр Львович (RU)

Заявка^ 2010611184

Дата поступления 16 марта 2010 Г. Зарегистрировано в Реестре программ для ЭВМ

14 мая 2010 г.

Руководитель Федеральной службы по ннгпел.чектуальной собственности, патентам и товарным знакам

Б.П. Симонов

1Р©С0€Ш1Й€ЖАШ ФВД1№А1Щ11Ш

sg за ш вши ikm^bLmJ ОгЕСж? -1 ййййй

СВИДЕТЕЛЬСТВО

о государственной регистрации программы для ЭВМ

№ 2010614266

Программа для идентификации параметров интенсивности и риска

в условиях неопределенности на основе рекордных порядковых статистик в моделях угрозообразующего поведения Record-Based Uncertain Risk-&-Rate Calculator (R.B.U.R.-&-R.C.)

Правообладателей): Суворова Алёна Владимировна (Ш1), Тулупьев Александр Львович (Ки), Пащенко Антон Евгеньевич (КЦ)

Аптор(ы): Суворова Алёна Владимировна, Тулупьев Александр Львович, Пащенко Антон Евгеньевич (И11)

Заявка № 2010612729

Дата поступления 20 мая 2010 Г. Зарегистрировано в Реестре программ для ЭВМ 30 июня 2010 г.

Руководитель Федеральной службы по интеллектуальной собственности, патентам и товарным знакам

Л/1 _ , ,, // В.П. Си.»онов

ЩИ ЕЖЖЖЖЖЖЖЖЖЖЖЖЙЖШЖЖЖЖЖЖЖЖЖЖЖЖЙ Ш Щ]

ЖЖЖЖЖЕ ШШ^Мяж^ ^тдодаЯодь ЙЙЙЙЙ

ш

СВИДЕТЕЛЬСТВО

о государственной регистрации программы для ЭВМ

№ 2010614267

Программа для расчёта нечётких оценок интенсивности угрозообразующего поведения и риска, с ним связанного, Fuzzy Risk-&-Rate Calculator, Version 2 (F.R.-&-R.C. v. 2)

Правообладатель(ли): Суворова Алёна Владимировна (Ш1), Тулупьев Александр Львович (НУ), Пащенко Антон Евгеньевич (ЯП)

Автор(ы): Суворова Алёна Владимировна, Тулупьев Александр Львович, Пащенко Антон Евгеньевич (RU)

Заявка № 2010612730

Дата поступления 20 мая 2010 Г. Зарегистрировано и Реестре программ для ЭВМ

30 июня 2010 г.

Руководитель Федеральной службы по интеллектуальной собственности, патентам и товарным знакам

^гл 1 . . , , /у Б.11. Симонов

ЩИ ййййййййййй й й й й й й й й й й й й й 8Ш й й й й<

{ ГОСУДАРСТВЕННАЯ АКАДЕМИЯ НАУК >

РОССИЙСКАЯ АКАДЕМИЯ образования

ИНСТИТУТ НАУЧНОЙ ИНФОРМАЦИИ И МОНИТОРИНГА ОБЪЕДИНЕННЫЙ ФОНД ЭЛЕКТРОННЫХ РЕСУРСОВ "НАУКА И ОБРАЗОВАНИЕ

СВИДЕТЕЛЬСТВО О РЕГИСТРАЦИИ ЭЛЕКТРОННОГО РЕСУРСА

№ 15762

Настоящее свидетельство выдано на электронный ресурс, отвечающий требованиям новизны и приоритетности:

^Р-сервер удаленного доступа к системе для оценки интенсишюсгн поведения респондента на основе неточных и неполных сведений о его последних эпизодах

'1дта регистрации: 20 май 2010 годя

.вторы: Тулупьсв АЛ., Пащенко А.Е., Суворов* A.B.

|рганизация-разработчяк: Учреждение Российской академии наук

Санкт-Пстсрбургскнй институт информатики i автоматизации РАН

Директор И НИМ РАО, чл.'КОрр. РАО, д.ю.и., проф.

Руководопель ОФЭРНиО. начет!« работник пауки и

А.И. Галкина

ГОСУДАРСТВЕННАЯ АКАДЕМИЯ НАУК Р О С С И Й С К А Я А К Л Д Е М И Я ОКРА I О В А Н И >1

ИНСТИТУТ НАУЧНОЙ ИНФОРМАЦИИ И МОНИТОРИНГА ОБЪЕДИНЕННЫЙ ФОНД ЭЛЕКТРОННЫХ РЕСУРСОВ "НАУКА И ОБРАЗОВАНИЕ

СВИДЕТЕЛЬСТВО О РЕГИСТРАЦИИ ЭЛЕКТРОННОГО РЕСУРСА

№15763

Настоящее свидетельство выдано иа электронный ресурс, отвечающий требованиям новизны и приоритетности;

Баш данных для хранения оценок интенсивности н сведений о последних эпизодах поведения респондент»

1 Дача регистрации: 20 ман 2010 года

.вторы: Тулупьев АЛ., Пащенко А.Е., Суворова А.В,

»рганнзация-разработчик: Упрощение Российской академии наук

Санкт-Петербургский институт информатики автоматизации РАН

Директор ИНИМ РАО, чл.-корр, РАО, д.ю.н.. проф.

В.Е. Усаноп

Руководитель ОФЭРНиО, почетны] работник" науки и тсхникн^Рф^т .

И. Галкина

/ ГОСУДАРСТВЕННАЯ АКАДЕМИЯ НАУК >

РОССИЙСКАЯ АКАДЕМИЯ ОБРАЗОВАНИЯ

ИНСТИТУТ НАУЧНОЙ ИНФОРМАЦИИ и МОНИТОРИНГА ОБЪЕДИНЕННЫЙ ФОНД ЭЛЕКТРОННЫХ РЕСУРСОВ "НАУКА И ОБРАЗОВАНИЕ

СВИДЕТЕЛЬСТВО О РЕГИСТРАЦИИ ЭЛЕКТРОННОГО РЕСУРСА

М15764 ЩШ

Ш&

11асгоя[цее свидетельство выдано на электронный ресурс, отвечающий требованиям новизны и приоритетности:

Автоматизированное рабочее место эксперта дли внесения сведений поведении респонден тов и расчета оценок его интенсивности (с локальным доступом к базе данных)

|Дата регистрации: 20 май 2010 года

\вторы: Тулупьев АЛ., Пащенко А.Е., Суворова A.B.

Организация-разработчик: Учреждение Российской академии наук

Санкт-Петербур! ский институт информатики н автоматизации РАН

Директор ИНПМ РАО, чл.-корр. РАО, д.ю.н., проф.

_Р Е. Усанов

Руководитель ОФЭРНиО, почетнь работник иаукн и темшкн.-Ьх^'