WWW.DISS.SELUK.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА
(Авторефераты, диссертации, методички, учебные программы, монографии)

 

Pages:     | 1 |   ...   | 7 | 8 || 10 | 11 |

«Создание наукоемкой экономики – это, прежде всего повышение потенциала казахстанской науки Из Послания Главы государства – Лидера нации Н.А. Назарбаева народу Казахстана. Казахстанский путь -2050: Единая цель, единые ...»

-- [ Страница 9 ] --

Закладка «Сформированные документы». После успешного создания документов табличное поле будет содержать документы, созданные программой автоматически, которые допустимо просматривать, изменять и выполнять прочие операции, доступные в меню табличного поля.

Созданные документы представлены на рисунке 4.

После закрытия обработки «Помощник планирования» готовые документы планирования можно найти, перейдя к спискам документов «Планы продаж» или «Планы закупок» (меню «Планирование» «План продаж» или «План закупок»).

Документы «План продаж» и «План закупок» также могут быть заполнены пользователем самостоятельно (вручную).

При планировании возможен переход от планов с более длительным периодом к планам, с более коротким периодом планирования. Для детализации имеющихся планов по периодам необходимо при составлении конечных планов (в обработке «Помощник планирования») заполнить профиль распределения (на закладке «Конечные планы»). Значение в поле выбирается из справочника «Профили распределения по периодам» (меню «Планирование» «Профили распределения по периодам» см. рисунок 5) Справочник "Профили распределения по интервалам" хранит информацию о разных профилях, по которым перераспределяются плановые данные во времени, например, для распределения плановых параметров (оборотов) заполненных за больший промежуток в параметры (обороты) по более коротким составляющим интервалам.

Рисунок 5 – Справочник «Профили распределения по периодам»

Каждый профиль имеет собственное название и два параметра: «Период» и «Подпериод».

«Период» - параметр, определяющий больший промежуток, параметры которого будут распределяться. «Подпериод» задает малый (составляющий) подпериод, в котором выполняется распределение.

Помимо этого, в табличной части хранится информация о том, с каким весом входит в больший промежуток каждый подпериод. «Доля подпериода» задает вес вхождения. «Номер подпериода» задает номер составляющего подпериода, для которого выбирается вес.

Занесение выполняется выбирая значения из формы элемента. Добавочных денежных средств контроля не содержится. Последовательность ввода: отражаются промежуток и подпериод, после заносится таблица весов подпериодов в периоде [5].

Объемно-календарное планирование. Процесс объемно-календарного планирования закупок состоит из двух стадий:

выбор источников потребности, на основе которых формируются общий объем потребностей;

распределение полученного объема потребностей в заказах поставщикам;

Для формирования общего объема потребностей в товарах предназначен документ «Формирование потребностей» (меню «Планирование» «Формирование потребностей».

С помощью данного документа формируется график материальных потребностей по датам.

Документ «Формирование потребностей» может быть заполнен автоматически по данным документов «Планы продаж», «Планы закупок», «Заказы покупателей» и «Внутренние заказы».

Форма документа «Формирование потребностей» содержит несколько закладок, показанных на рисунке 6.

Исходные данные для оперативного планирования указываются на первых шести закладках.

Результат оперативного планирования автоматически формируется на седьмой закладке Потребности».

В табличной части первой закладки («Планы продаж») указываются параметры отбора данных из одноименных документов: сценарий и период. Дополнительно можно указать проект и подразделение.

Аналогичным образом заполняются вторая закладка «Планы закупок».

На закладках «Внутренние заказы» и «Заказы покупателей» вводится перечень заказов покупателей с указанием дат потребностей. Для автоматического включения в список всех неисполненных заказов можно использовать механизм автозаполнения.

На закладке «Дополнительно» вводится информация, определяющая режим соединения данных из разных источников — сложение или объединение.

Для окончательного формирования потребностей следует нажать на кнопку «Заполнить потребности» на закладке «Потребности» и программа автоматически сформирует список товаров, которые необходимо заказать [6].

В данной конфигурации предусмотрена возможность планирования закупа по точке заказа.

Метод не определяет объемы поставок товаров по планируемым объемам продаж. Поставки планируются только по данным об остатках на складах предприятия.

В этом методе планирования главными параметрами являются: точка заказа и страховой запас (см. рисунок 7) Рисунок 7 – График поставки запасов на склад с учетом точки заказа и страхового запаса В этом варианте измеряется темп расхода товаров, а заказ на новую поставку делается не тогда, когда запасы совсем закончились, а когда уровень запасов упал до так называемой точки заказа.

Точка заказа - это такой уровень запасов, которого хватит ровно на время новой поставки товаров при среднем темпе их продаж.

Также в этом варианте учитываются случайные изменения темпов потребления. Поэтому в случае непредсказуемого увеличения темпов потребления возможен период отсутствия запасов на складе. Чтобы обезопасить предприятие от таких ситуаций, величину точки заказа повышают на некоторую величину - страховой запас.

В результате использования страхового запаса при определении момента поставки уровень запасов повышается [7].

Для управления значениями точки заказа в конфигурации «Управление торговым предприятием» предназначен документ «Установка значений точки заказа». Форма документа «Установка точки заказа» представлена на рисунке 8.

При заполнении табличной части документа для каждой позиции номенклатуры можно использовать один из трех способов формирования значения точки заказа (выбирается в графе «Способ определения»), фиксированная. Размер точки заказа и страхового запаса рассчитывается пользователем.

Результаты расчета вводятся вручную в реквизиты «Значение точки заказа» и «Страховой запас».

средний размер партии. Данный способ устанавливает правило расчета точки заказа и страхового запаса. Значения будут определяться автоматически как пропорциональные среднему размеру партии закупки. Пропорции указываются в полях «% значения точки заказа» и «% страхового запаса». Средний размер партии будет определяться за период, ограниченный значениями полей «Дата нач.» и «Дата кон.». Данный способ целесообразно использовать, если сложившуюся в выбранном периоде времени тактику закупок можно считать образцовой. А пропорции позволяют учесть планируемые изменения объемов потребления номенклатуры.

оптимальный размер заказа. Информация о точке заказа рассчитывается на основании данных о продажах товаров за анализируемый период (графы «Дата нач.» и «Дата кон.»). В полях «% значения точки заказа» и «% страхового запаса» вносятся поправочные коэффициенты учета фактического объема отпуска номенклатуры со склада (в процентах), в графе «Склад» можно указать конкретный склад. Таким образом, с помощью граф «% значения точки заказа» и «% страхового запаса» можно учесть тенденцию увеличения или уменьшения потребления комплектующей, если она известна.

Конфигурация автоматически рассчитывает максимальное ежедневное потребление, среднее ежедневное потребление и срок доставки (время доставки от основного поставщика номенклатуры).

Размер точки заказа рассчитывается как среднее потребление, умноженное на время доставки.

Страховой запас исчисляется как разница максимального и среднего потребления, умноженная на время доставки.

Размещение потребностей в существующих заказах поставщикам формирование новых заказов на неудовлетворенные позиции сформированные потребности выполняются при помощи обработки «Календарный план закупок» (меню «Планирование» «Календарный план закупок» см. рисунок 9).

Формирование потребностей в товарах при помощи обработки «Календарный план закупок»

возможно:

при проведении АВС и XYZ анализа;

когда известна информация о товарах на складах;

когда известны сроки доставки товаров.

В полном объеме воспользоваться обработкой «Календарный план закупок» можно в конфигурации «Управление торговлей», так как в ней возможно проведение АВС и XYZ анализа запасов. В программе «Управление торговым предприятием» реализована функциональная возможность проведения только АВС анализа покупателей [8].

Исходя из вышеперечисленного, можно сделать вывод, что в конфигурации «Управление торговым предприятием» автоматизирован достаточный функционал в области процедур прогнозирования потребностей в запасах, который позволяет определить оптимальный объем запаса.

А это способствует снижению издержек, связанных с содержанием и хранением запасов и повышению прибыли предприятий.

ЛИТЕРАТУРА

1. Лукинский В.В. Актуальные проблемы формирования теории управления запасами: Монография. СПб.: СПбГИЭУ, - 2008.

2. Стерлигова А.Н.Управление запасами в цепях поставок. - М.: ИНФРА-М, 3. Радченко М.Г. 1С:Предприятие 8.2. Практическое пособие разработчика. Примеры и типовые приемы / М.Г. Радченко, Е.Ю. Хрусталева. – М.: ООО «1С-Паблишнг», 2009.

http://v8.1c.ru/trade/purchase/generate.htm?printversion= 5. Методические материалы 1С: Предприятие 8. Управление торговлей для Казахстана/Практическое применение типовой конфигурации. – Редакция 4.- Внедренческий центр 1С-Рейтинг, 2009. – 360 с.

6. Методические материалы 1С: Предприятие 8. Управление торговлей. -Описание. - Редакция 11.- М.:

Фирма «1С», 2010. - 763 с.

7. Богачева Т.Г. «1С:Предприятие 8. Управление торговыми операциями в вопросах и ответах:

практическое пособие», издание 5,М.: ООО «1С-Паблишинг», 2012.

8. Гартвич А. В. Планирование закупок, производства и продаж в 1С: Предприятии 8. -СПб.: Питер, 2007.

- 160 с.

REFERENCES

1. Lukinskiy V.V. Aktualnyye problemy formirovaniya teorii upravleniya zapasami: Monografiya. - SPb.:

SPbGIEU, - 2008.

2. Sterligova A.N.Upravleniye zapasami v tsepyakh postavok. - M.: INFRA-M, 3. Radchenko M.G. 1S:Predpriyatiye 8.2. Prakticheskoye posobiye razrabotchika. Primery i tipovyye priyemy / M.G. Radchenko, Ye.Yu. Khrustaleva. – M.: OOO «1S-Pablishng», 2009.

http://v8.1c.ru/trade/purchase/generate.htm?printversion= 5. Metodicheskiye materialy 1S: Predpriyatiye 8. Upravleniye torgovley dlya Kazakhstana/Prakticheskoye primeneniye tipovoy konfiguratsii. – Redaktsiya 4.- Vnedrencheskiy tsentr 1S-Reyting, 2009. – 360 s.

6. Metodicheskiye materialy 1S: Predpriyatiye 8. Upravleniye torgovley. -Opisaniye. - Redaktsiya 11.- M.:

Firma «1S», 2010. - 763 s.

7. Bogacheva T.G. «1S:Predpriyatiye 8. Upravleniye torgovymi operatsiyami v voprosakh i otvetakh:

prakticheskoye posobiye», izdaniye 5,M.: OOO «1S-Pablishing», 2012.

«1С:Предприятие 8» базасында орлара деген ажеттілікті болжамдау процесінде компьютерлік технологияларды олдануды жетілдіру жне практикасы Тйіндеме. Мааланы таырыбы логистика саласында орларды басарумен байланысты зекті проблемаларды шешілуіне кешенді тсілді орындылыы жадайында маызды жне ндірістік ксіпорындар, сауда компаниялары шін, сондай-а автоматтандырылан басару жйесіні кмегімен орлара деген ажеттіліктерді жоспарлау жне оларды сатып алу процестерін тиімді етуді ажет ететін ксіпорындар шін ызыушылы тудыруы ммкін.

Тйін сздер: ажеттілікті болжамдау процесінде «1С:Сауда ксіпорнын басару», тапсырысты нктесі, жоспарла- кмекшісі, кнтізбелік сатып алу жоспары.

Improvement and practical usage of computer technology in inventory demand Summary. Theme of the article is relevant in case of comprehensive approach towards solution of key problems in logistics, and it can be of interest to manufacturing or trading companies, and any other organizations that need to optimize their inventory management processes using automated management systems.

Key words: demand forecasting process, “1S: Trading Company Management”, point of order, assistant planning, procurement schedule.

УДК: 519.7; 519.66; 57.087.1, 612.087. Ахметов Б.С1., Иванов А.И.2, Малыгин А.Ю.3, Качалин С.В.3, Сейлова Н.А. Казахский национальный технический университет имени К.И. Сатпаева Пензенский научно-исследовательский электротехнический институт

МОРФИНГ-РАЗМНОЖЕНИЕМ ПРИМЕРОВ РОДИТЕЛЕЙ В НЕСКОЛЬКИХ

ПОКОЛЕНИЯХ ПРИМЕРОВ ПОТОМКОВ

Аннотация. Рассматривается задача создания специальных математических приемов, позволяющих корректно увеличивать размеры обучающей выборки, используемых для обучения искусственных нейронных сетей. Для заполнения пробелов в гистограмме биометрических данных применяются генетические алгоритмы размножения примеров, реализованные по ГОСТ Р 52633.2-2010. Показано, что можно отказаться от использования «мутаций» данных, заменив их более понятной процедурой морфинг-экстраполяции. Даны условия, при которых применение генетического алгоритма не приводит к сжатию или расширению многообразия размножаемых биометрических данных.

Ключевые слова: выборка биометрических данных, искусственные нейронные сети, генетические алгоритмы, морфинг-размножение.

Практика показывает, что маленькие нейронные сети хорошо учатся, но бесполезны, так как принимаемые ими решения оказываются много хуже, чем решения человека. Большие нейронные сети очень плохо учатся. Необходимы специальные меры [1,2], делающие алгоритмы обучения быстрыми и устойчивыми.

Одной из причин неустойчивости множества существующих алгоритмов обучения искусственных нейронных сетей [1] является ошибка дискретизации непрерывных (континуальных) биометрических данных, возникающая из-за их представления малым числом примеров в обучающей выборке. Практика показывает, что стандартный алгоритм обучения [5] начинает хорошо работать при наличии 20-30 примеров биометрического образа «Свой» в обучающей выборке. В этом отношении стандартный обучающий автомат [1, 2] работает много хуже, чем учится человек.

Человеку для эффективного обучения достаточно предъявить 2-3 примера одного и того же биометрического образа «Свой». В этом отношении нейросетевой искусственный интеллект имеет существенные резервы по снижению размеров обучающей выборки.

В связи с вышеизложенным возникает задача создания специальных математических приемов, позволяющих корректно увеличивать размеры обучающей выборки, например, скрещиванием примеров-родителей и получения примеров-потоков по российскому национальному стандарту [2]. В режиме обучения нейросетевого преобразователя биометрия-код пользователь должен предъявить пример биометрического образа «Свой», из которых затем были извлечены 416 биометрических параметров 1, 2.

Для морфинг-размножения примеров разобьем динамический диапазон первого биометрического параметра – v1 на 10 интервалов, исходя из усредненного 2-кратного попадания контролируемых значений в каждый из интервалов. Пример одной из получившихся гистограмм распределения биометрических данных приведен на рисунке 1.

Из данных рисунка 1 видно, что второй и третий интервалы гистограммы оказались пустыми (не содержат отсчетов). Необходимо получить новый пример-потомок-22 для которого параметр - v попадет в центр пустующего интервала гистограммы. На рисунке 1 положение синтезированного примера-потомока-22 отображено квадратом с темной заливкой.

далеких примера-родителя-14 и примера-родителя-18 биометрического образа «Свой»

Российский национальный стандарт 2 рекомендует скрещивать наиболее разнесенные (не похожие) данные. Для первого биометрического параметра наибольшее значение дает 18-пример, наименьшее значение параметра v1 дает пример -14. Легко можно вычислить расстояние между крайними примерами (v1,18-v1,14), а так же расстояния между примером-потомком-22 и примерами-родителями. То есть можно вычислить коэффициент похожести потомка-22 на первого и второго родителя:

Одним из требований к синтезируемым примерам-потомкам является то, что добавление новых (синтетических) образов должно сохранять характерные для данных образа «Свой» корреляционные связи 1 – 7. Этого удается добиться, если синтезировать все данные одного примера с расстояниями пропорциональными расстояниям по первому параметру – v1. Это удается сделать, если образ потомок всегда располагать между данными примеров-родителей на расстояниях пропорциональных коэффициентам подобия (1). Пример работы алгоритма такого получения данных для второго параметра – v2 приведен на рисунке 2.

Рисунок 2 – Получение примера-потомка от примера-родителя-14 и примера-родителя-18 биометрического образа «Свой» при наследовании расстояний до родителей от биометрического параметра v Расстояние по i-му параметру – vi до образа потомка легко вычислимо. Если минимальным оказывается значениеi-го параметров первого родителя, то для примера-потомка-22 следует задать значение:

Если минимальным оказывается значение i-го параметров второго родителя, то для примерапотомка-22 следует задать значение:

Очевидно, что подобные вычисления можно проделать для каждого из оставшихся параметров примера-потомка-22. Затем мы можем повторить процедуру, синтезировав морфингом 23-тий пример-потомок. При этом нужно построить новые гистограммы для уже имеющихся примеров и ориентироваться на заполнение пустот в любой из гистограмм, исключая первую гистограмму. Каждый новый искусственный пример-потомок следует создавать, заполняя пробел в одной из 416 гистограмм. Пользуясь этой тактикой, можно создать дополнительных 416 примеровпотомков, каждый раз заполняя пробел в какой-то из гистограмм распределения 416-ти параметров.

Практика показала, что пробелы в практически гистограммах исчезают при 30-50 примерах образа «Свой».

Описанную выше процедуру размножения биометрических данных следует рассматривать как один из вариантов бутстрап предобработки [8] или многомерную морфинг интерполяцию. Именно интерполяцию, так как новые данные всегда размещаются между данными примеров-родителей.

ЛИТЕРАТУРА

1. Волчихин В.И., Иванов А.И., Фунтиков В.А., Назаров И.Г., Язов Ю.К. Нейросетевая защита персональных биометрических данных. // М.: Радиотехника, 2012., 157 с., ISBN 978-5-88070-044-8.

2. ГОСТ Р 52633.5-2011 «Защита информации. Техника защиты информации. Автоматическое обучение нейросетевых преобразователей биометрия-код доступа».

3. ГОСТ Р 52633.2-2010 «Защита информации. Техника защиты информации. Требования к формированию синтетических биометрических образов, предназначенных для тестирования средств высоконадежной биометрической аутентификации»

4. B. Akhmetov, A. Ivanov, V. Funtikov, I. Urnev Evaluation of Multidimensional Entropy on Short Strings of Biometric Codes with Dependent Bits. «Progress in Electromagnetics Research Symposium» PIERS Proceedings, August 19-23, Moscow, RUSSIA 2012, p.66-69.

5. B. Akhmetov, A. Doszhanova, A. Ivanov, T. Kartbaev and A. Malygin “Biometric Technology in Securing the Internet Using Large Neural Network Technology. World Academy of Science, Engineering and Technology. Issue 79, July, 2013, Singapore, p. 129-138, pISSN 2010-376X, eISSN 2010-3778, www.waset.org.

6. Ахметов Б.С., Надеев Д.Н., Урнев И.В. Сериков И.В. Аппроксимация биномиального зависимого закона композициями нормального, равномерного, арксинусного распределения значений М.: Радиотехника, «Нейрокомпьютеры: разработка, применение», №3, 2012. С. 17-20.

7. Ахметов Б.С., Иванов А.И., Урнев И.В., Сериков И.В., Газин А.И. Оценка значений числа степеней свободы статистик описания выходного кода преобразователя биометрия-код при использовании распределения 2, Алматы: Изд-во КазНТУ имени К.И. Сатпаева, http://portal.kazntu.kz/files/publicate/2013-04elbib.pdf 8. Болл Р.М., КоннелДж.Х., Панканти Ш., Ратха Н.К., Сеньор Э.У. Руководство по биометрии. Москва:

Техносфера, 2007. -368 с., ISBN 978-594836-109-

REFERENCES

1. Volchihin V.I., Ivanov A.I., Funtikov V.A., Nazarov I.G., Jazov Ju.K. Nejrosetevaja zashhita personal'nyh biometricheskih dannyh. // M.: Radiotehnika, 2012., 157 s., ISBN 978-5-88070-044-8.

2. GOST R 52633.5-2011 «Zashhita informacii. Tehnika zashhity informacii. Avtomaticheskoe obuchenie nejrosetevyh preobrazovatelej biometrija-kod dostupa»

3. GOST R 52633.2-2010 «Zashhita informacii. Tehnika zashhity informacii. Trebovanija k formirovaniju sinteticheskih biometricheskih obrazov, prednaznachennyh dlja testirovanija sredstv vysokonadezhnoj biometricheskoj autentifikacii»

4. B. Akhmetov, A. Ivanov, V. Funtikov, I. Urnev Evaluation of Multidimensional Entropy on Short Strings of Biometric Codes with Dependent Bits. «Progress in Electromagnetics Research Symposium» PIERS Proceedings, August 19-23, Moscow, RUSSIA 2012, p.66-69.

5. B. Akhmetov, A. Doszhanova, A. Ivanov, T. Kartbaev and A. Malygin “Biometric Technology in Securing the Internet Using Large Neural Network Technology. World Academy of Science, Engineering and Technology. Issue 79, July, 2013, Singapore, p. 129-138, pISSN 2010-376X, eISSN 2010-3778, www.waset.org.

6. Ahmetov B.S., Nadeev D.N., Urnev I.V. Serikov I.V. Approksimacija binomial'nogo zavisimogo zakona kompozicijami normal'nogo, ravnomernogo, arksinusnogo raspredelenija znachenij. M.: Radiotehnika, «Nejrokomp'jutery: razrabotka, primenenie», №3, 2012. S. 17-20.

7. Ahmetov B.S., Ivanov A.I., Urnev I.V., Serikov I.V., Gazin A.I. Ocenka znachenij chisla stepenej svobody statistik opisanija vyhodnogo koda preobrazovatelja biometrija-kod pri ispol'zovanii raspredelenija 2. Almaty: Izd-vo KazNTU imeni K.I. Satpaeva, http://portal.kazntu.kz/files/publicate/2013-04-05-elbib.pdf 8. Boll R.M., Konnel Dzh.H., Pankanti Sh., Ratha N.K., Sen'or Je.U. Rukovodstvo po biometrii. Moskva:

Tehnosfera, 2007. -368 s., ISBN 978-594836-109- Б.С. Ахметов1, А.И. Иванов2, Малыгин А.Ю.3, С.В. Качалин2, Сейлова Н.А. Бірнеше буын рпатар мысалдарында ке-шешені мысалдарын морфинг-кбейту Тйіндеме. Жасанды нейрон желілеріні тлім-трбиелері шін пайдаланатын биометриялы деректерді талдау клеміні ауматауыны сратары арастырылан.

Негізгі сздер: биометриалы деректерді тадауы, жасанды нейронды желілер, генетикалы алгоритмдер, морфинг-экстраполяция.

B.S.Akhmetov1, Ivanov A.I.2, Malygin A.Yu.3, S.B. Kachalin2, N.A. Seilova Morph-populating the example of parents in several generations examples of descendants Summary. The problem of increasing sample biometric data used for training artificial neural networks.

Key words: biometrics, artificial neural networks, genetic algorithms, morph-extrapolation УДК Ахметов Б.С.1, Ахметова С.Т.1, Иванов А.И.2, Картбаев Т.С.1, Малыгин А.Ю. Казахский национальный технический университет имени К.И.Сатпаева, ОАО «Пензенский научно-исследовательский электротехнический институт»,

ОПИСАНИЕ НЕ ИТЕРАЦИОННОГО АЛГОРИТМА ОБУЧЕНИЯ

ИСКУССТВЕННОГО НЕЙРОНА

Аннотация. В статье рассматривается вопросы обучения сети искусственных нейронов. Приводится описание не итерационного алгоритма обучения искусственного нейрона.

Ключевые слова: биометрия, искусственный нейрон, биометрические приложения, не итерационный алгоритм, обучение нейрона Проблема обучения сети искусственных нейронов в биометрических приложениях состоит в том, что этот процесс должен быть полностью автоматическим, т.е. человек-оператор не должен участвовать в нем. Поэтому необходимо иметь абсолютно устойчивый автомат обучения, который гарантированно мог бы обучить нейрон. Российский национальный стандарт 1 рекомендует использовать не итерационные алгоритмы обучения. В данных алгоритмах нет необходимости вычислять частные производные и полностью размыкается петля обратной связи по ним. Этот тип алгоритмов построен на «угадывании» ожидаемого решения через угадывание наиболее вероятных знаков при весовых коэффициентах и предсказании значений весовых коэффициентов 2.

Естественно, что при этом происходит определенное снижение качества обучения (нет оптимизации качества), однако возникает эффект высокой устойчивости вычислений. При этом устойчивость вычислений будет тем выше, чем больше входов у обучаемого нейрона. В результате вместо «проклятия» размерности появляется противоположный эффект «благодати» высоких и сверхвысоких размерностей 2 – 6.

Автомат угадывания знака весовых коэффициентов нейрона может быть построен на гипотезе вырождения сумматора до одного входа. Перед этим автомат обучения должен принять решение, в какую сторону он будет выталкивать образ «Свой» (вправо – R или влево – L). Будем считать, что нас интересует R-выталкивание образа «Свой» из множества образов «все Чужие». Данная ситуация отображена на рисунке 1 стрелкой.

Рисунок 1 – Решение о R выталкивании образов «Свой» из центра множества Из данных, приведенных на рисунке 1 видно, что заведомый отказ от решения многомерной задачи (у сумматора нейрона имеется только один вход) делает задачу выбора знака весового коэффициента одного входа тривиальной. Так, в верхней части рисунка знак весового коэффициента должен быть положительным, потому что математическое ожидание – E(v1) положительно. В нижней части рисунка отображена обратная ситуация, математическое ожидание – E(v2) отрицательно. Для эффективного R-выталкивания образа «Свой» необходимо сменить знак весового коэффициента второго входа сумматора. В итоге для R выталкивания получается некоторая процедура предсказания знака весовых коэффициентов у обучаемого нейрона:

Очевидно, что если задаться обратной задачей выталкивания образа «Свой» в левую сторону из множества образов «все Чужие», то получится инверсия R правила (1):

На самом деле сложно точно указать тот или иной знак весового коэффициента обучаемого нейрона с множеством входов. Точно вычислить этот знак невозможно, и он в процессе итерационного обучения может несколько раз измениться, однако, примерное предсказание знака весового коэффициента нейрона через использование выражений (1) и (2) вполне возможно.

Очевидно, что чем выше будет вероятность верного предсказания знака весового коэффициента нейрона, тем устойчивее будем обучение нейрона 3.

Оценку эффективности предсказания знака весового коэффициента можно осуществить, сравнивая знаки весовых коэффициентов обученного нейрона и знаки, полученные в результате вычислений по формулам (1) и (2). Численный эксперимент показывает, что вероятность ошибочного прогноза знака составляет от 0.11 до 0.27. То есть процедуры прогноза знака весового коэффициента дают верный результат минимум в 73% случаев, максимум в 89% случаев. Именно это обстоятельство и является предпосылкой для создания быстрых неитерационных алгоритмов обучения линейной части искусственных нейронов.

Если известно, что итерационные алгоритмы обучения нейрона неустойчивы и могут приводить как к переобучению нейрона, так и к его недообучению, то необходимо научиться предсказывать значения весовых коэффициентов нейрона, опираясь на статистики входных данных «Свой» и «все Чужие» 2. Самым простым способом предсказания возможных значений весовых коэффициентов является учет нестабильности (с.к.о.) данных образа «Свой». Идея формирования такого прогноза состоит в ослаблении влияния нестабильных биометрических параметров через коэффициенты их влияния:

При выборе коэффициентов по формуле (3) нестабильные коэффициенты с большим значение б(vi) оказывают примерно в 2–3 раза меньшее влияние на результат по отношению к более стабильным коэффициентам с меньшей дисперсией.

Еще более эффективного выталкивания образа «Свой» из образов «Все Чужие» удается достичь, если усилить влияние биометрических параметров, обладающих высокой уникальностью.

То есть весовые коэффициенты должны вычисляться по формуле:

Практика показывает, что вычисление весовых коэффициентов по формуле (4) позволяет достаточно быстро вытолкнуть образы «Свой» на периферию образов «все Чужие» 4, 6.

Теоретически за счет увеличения числа учитываемых биометрических параметров n можно как угодно далеко вытолкнуть образ «Свой» на выходе обученного сумматора. Однако слишком сильное выталкивание образа «Свой» за пределы образов «все Чужие» недопустимо из-за возможности осуществления атаки «Поиска биометрических близнецов».

ЛИТЕРАТУРА

1. ГОСТ Р 52633.5 – 2011 «Защита информации. Техника защиты информации. Автоматическое обучение нейросетевых преобразователей биометрия-код доступа».

2. Волчихин В.И., Иванов А.И., Фунтиков В.А. Быстрые алгоритмы обучения нейросетевых механизмов биометрико-криптографической защиты информации. /Монография. //Пенза: Изд-во Пензенского гос. ун-та, 2005.- 273 с.

3. B. Akhmetov, A. Ivanov, V. Funtikov, I. Urnev Evaluation of Multidimensional Entropy on Short Strings of Biometric Codes with Dependent Bits. «Progress in Electromagnetics Research Symposium» PIERS Proceedings, August 19-23, Moscow, RUSSIA 2012, p.66-69.

4. Ахметов Б.С., Волчихин В.И., Куликов С.В., Малыгина Е.А. Моделирование длинных биометрических кодов, воспроизводящих корреляционные связи выходных данных нейросетевого преобразователя. М.: Радиотехника, «Нейрокомпьютеры: разработка, применение» №3, 2012. - с. 40-43.

5. Ахметов Б.С., Иванов А.И., Малыгин А.Ю., Картбаев Т.С. Оценка вероятностей появления ошибок нейросетевых преобразователей биометрия-код на основе малых выборок.// В сб. мат. ІІ Международной научной конференции «Высокие технологии – залог устойчивого развития», Республика Казахстан, Алматы:

Изд-во Казахского национального технического ун-та, 2013. – С.234-237.

6. Ахметов Б.С., Волчихин В.И., Иванов А.И., Малыгин А.Ю. Алгоритмы тестирования биометриконейросетевых механизмов защиты информации. Казахстан, Алматы, КазНТУ им. Сатпаева, 2013. - 152 с. ISBN 978-101-228-586-4, http://portal.kazntu.kz/files/publicate/2014-01-04-11940.pdf

REFERENCES

1. GOST R 52633.5 – 2011 «Zashita informatsii. Tehnika zashity informatsii. Avtomaticheskoe obuchenie neyrosetevyh preobrazovateley biometriya-kod dostupa».

2. Volchihin V.I., Ivanov A.I., Funtikov V.A. Bystrye algoritmy obucheniya neyrosetevyh mehanizmov biometriko-kriptograficheskoy zashity informatsii. /Monorgafiya. //Penza: Izd-vo Penzenskogo gos. un-ta, 2005.- 273 s.

3. B. Akhmetov, A. Ivanov, V. Funtikov, I. Urnev Evaluation of Multidimensional Entropy on Short Strings of Biometric Codes with Dependent Bits. «Progress in Electromagnetics Research Symposium» PIERS Proceedings, August 19-23, Moscow, RUSSIA 2012, p.66-69.

4. Akhmetov B.S., Volchihin V.I., Kulikov S.V., Malygina E.A. Modelirovanie dlinnyh biometricheskih kodov, vosproizvodyashchih korrelyatsionnye svyazi vyhodnyh dannyh neyrosetevogo preobrozovatelya. M.: Radiotechnika, «Neyrokompyutery: razrabotka, primenenie» №3, 2012. - S. 40-43.

5. Akhmetov B.S., Ivanov A.I., Malygin A.Yu. Kartbayev T.S. Otsenka veroyatnostey poyavleniya oshibok neyrosetevyh preobrazovateley biometriya-kod na osnove malyh vyborok // V sb. mat. ІІ Mezhdunarodnoy nauchnoy konferentsii «Vysokie tehnologii – zalog ustoychivogo razvitiya», Kazakhstan, Almaty: Izd-vo KazNTU, 2013. – S.234-237.

6. Akhmetov B.S., Volchihin V.I., Ivanov A.I., Malygin A.Yu. Algoritmy testirovaniya biometriko-neyrosetevyh mehanizmov zashchity informatsii. Kazakhstan, KazNTU, 2013. - 152 s. ISBN 978-101-228-586-4, http://portal.kazntu.kz/files/publicate/2014-01-04-11940.pdf Ахметов Б.С., Ахметова С.Т., Иванов А.И., Картбаев Т.С., Малыгин А.Ю.

Жасанды нейронды йретуді итерациялы емес алгоритміні сипаттамасы Тйіндеме. В статье рассматривается вопросы обучения сети искусственных нейронов. Приводится описание не итерационного алгоритма обучения искусственного нейрона.

Тйін сздер: биометрия, жасанды нейрон, биометриялы осымша, итерациялы емес алгоритм, нейронды йрету Akhmetov B.S., Akhmetova S.T., Ivanov A.I., Kartbayev T.S., Maligyn A.Yu.

The description of the non- iterative learning algorithm of artificial neuron Summary. The article considers the issues of training the network of artificial neurons. The description of the non- iterative algorithm of artificial neuron learning.

Key words: biometrics, artifical neuron, biometrical applications, non-iterative algorithm, learning of neuron обучение нейрона УДК 004. Ахметов Б.С., Балгабаева Л.Ш., Киселева О.В., Харитонов П.Т.

Казахский национальный технический университет имени К.И.Сатпаева,

ИНТЕГРИРОВАННАЯ ON-LINE ИНФОРМАЦИОННАЯ СИСТЕМА КОЛЛЕКТИВНОГО

ПОЛЬЗОВАНИЯ ВОЗОБНОВЛЯЕМЫМИ ИСТОЧНИКАМИ ЭНЕРГИИ

Аннотация. В настоящее время наблюдается тотальная информатизация всех сфер жизнедеятельности, благодаря интернет-технологиям, сетям мобильной связи и передачи информации. Стали практически общедоступными в любом месте пользователям мобильного средства связи информационные ресурсы самого разного уровня и тематики. Созданы инфраструктура, технические средства и технологии для построения интегрированных информационных ON-LINE систем. В данной работе представлена разработка структуры интегрированнойON-LINEинформационной системы коллективного пользования возобновляемыми источниками энергии.

Ключевые слова. Информационная система, интегрированные системы, электрогенератор, аккумулятор, электроэнергия, ветроагрегат, возобновляемые источники энергии.

В современной техногенной сфере наблюдается интенсивное развитие двух крайне важных для общего технического прогресса направлений.

Первое направление – тотальная информатизация всех сфер жизнедеятельности благодаря интернет-технологиям, сетям мобильной связи и передачи информации. Стали практически общедоступными в любом месте пользователя мобильного средства связи информационные ресурсы самого разного уровня и тематики. Создана инфраструктура, технические средства и технологии для построения интегрированных информационных ON-LINE систем:

- контроля состояния окружающей среды [1-3];

- контроля загрязнения среды обитания выбросами от техногенных объектов [4-5];

- хранения медицинской истории болезни пациентов и обращения граждан в медицинские учреждения через интернет [6-7];

- мониторинга и оценки селевой обстановки в селеопасных местностях;

- контроля и прогнозирования землетрясений.

Возможно и происходит создание и других аналогичных интегрированных ON-LINE информационных систем коллективного пользования.

Второе направление – постоянно растущее число генераторов электрической энергии от автономных возобновляемых источников энергии (ВИЭ) – водных и воздушных потоков, солнечной, геотермальной и механических вибраций окружающей среды (7-10). Специфическими особенностями автономных ВИЭ, ограничивающими их широкое применение, являются:

- сезонные, суточные и погодные колебания (от нулевого до максимального) энергетического потока на входе ВИЭ;

- изменения (от нулевых до максимальных значений) выходного напряжения и вырабатываемой мощности электрогенератора ВИЭ;

- непригодность традиционных ВИЭ для электрического питания потребителя мощностью, превышающей фактическую электрическую выходную мощность ВИЕ;

- низкий коэффициент использования потребителями электрической энергии, вырабатываемой ВИЭ.

Радикальными средствами, снижающими негативный эффект этих особенностей ВИЭ, являются оснащение ВИЭ электрическими аккумуляторами и обеспечение работы электрического генератора ВИЭ в режиме максимального отбора мощности возобновляемого источника, воздействующей на вход ВИЭ [11-13]. За счет разделения процессов накопления и потребления электрической энергии в ВИЭ, оснащенных этими средствами, независимо от реальной мощности возобновляемого источника на входе ВИЭ обеспечена бесперебойность электрического питания потребителя. Причем мощность, отбираемая от электрического аккумулятора, может многократно превышать реальную мощность возобновляемого источника в пределах истощения заряда электрического аккумулятора. Нормированное выходное напряжение, отличное от номинального напряжения электрического аккумулятора, получают с помощью общедоступных инверторов постоянного напряжения в сетевое.

При всех полученных преимуществах ВИЭ с электрическими аккумуляторами и техническими решениями [11-13] остается нерешенной проблема повышения коэффициента использования электрической энергии, выработанной соответствующим ВИЭ. Дело в том, что при длительных перерывах в потреблении, при полном заряде электрического аккумулятора, в нем будет накоплена только часть электрической энергии, вырабатываемой ВИЭ. Например при среднем выходном токе электрического генератора ВИЭ Iв = 2А и емкости полностью разряженного электрического аккумулятора Еа= 125 А/ч его полный заряд произойдет за время 65 часов. Поскольку, как правило на практике, аккумулятор находится в частично заряженном состоянии, то фактически накопление энергии в аккумуляторе до полного его заряда произойдет за 1-2 суток. После этого вырабатываемая ВИЭ энергия не будет утилизована и коэффициент ее использования не превысит (15-30)%.

Существенное повышение коэффициента использования энергии, вырабатываемой автономными ВИЭ возможно путем создания интегрированной ON-LINE информационной системы коллективного пользования ВИЭ [10]. Общая структура этой системы в части передачи информации приведена на рисунке 1.

Рисунок 1 – Общая структура интегрированной ON-LINE информационной Множество абонентов через мобильные средства связи А1….АN и провайдер мобильной сети связи (МСС) могут запрашивать и получать информацию о местонахождении, наличии и ресурсе электрической энергии у некоторых из ВИЭ1…ВИЭm, находящихся поблизости от соответствующего абонента. Для обеспечения этих функций все ВИЭ, входящие в систему, должны быть оснащены объектовыми модулями ОМ1…ОМm.

Общая структура объектового модуля, установленного на каждом ВИЭ, приведена на рисунке 2.

Объектовый модуль содержит приемопередатчик мобильной связи с функцией GPRS, микропроцессор АУ с клавиатурой КЛ и дисплеем Д, а также порт абонента ПА и розетку XS для подключения вилки электропитания абонента. Подача питания для абонента на розетку XS разрешается при наличии доступа соответствующего абонента,формируемого при вложении карты доступа КД абонента в порт ПА. При вложении карты доступа КД абонента в порт ПА и во время отбора электрической энергии от ВИА в микропроцессоре АУ производится расчет потребленной абонентом энергии. Оплата потребленной абонентом энергии может производиться автоматически и безналично, если в системе заложена информация о номерах банковских счетов абонента (в карте доступа КД) и собственника соответствующего ВИА (в памяти микропроцессора АУ). Владелец ВИА может с клавиатуры зарезервировать определенное количество энергии на определенное время. В этом случае микропроцессор при запросе того или иного абонента о выдаст лимит электрической энергии в соответствующем ВИА во временной развертке с учетом зарезервированного собственником объема электрической энергии. В результате этого абонент примет решение о целесообразности движения к тому или иному ВИА для получения нужного ему количества энергии в нужное время.

На рисунке 3 показана структура ВИЭ, адаптированного к работе в составе системы.

За счет преобразователя ПЭ возобновляемая энергия воздушного или водного потока, преобразуется в механическую энергию вращения ротора электрического генератора ЭГ.

Напряжение Uг как правило может изменяться в широких пределахи для прямого питания электрическихпотребителей непригодно. Поэтому это напряжение подается на регулятор РЗ токаIз заряда электрического аккумулятора АКК. Ток заряда аккумулятора автоматически регулируется по критерию максимального коэффициента преобразования механической энергии в электрическую [14Например, для ветроагрегатов с вертикальной осью вращения ротора максимальный коэффициент отбора энергии вращения ротора ветроагрегата на ось ротора электрического генератора имеет место при соотношении скорости ухода поверхности парусов ветроагрегата к скорости Vв воздушного потока в соответствии с зависимостью, изображенной на рисунке 4.

Рисунок 3 – Структурная схема ВИЭ, адаптированного к использованию в системе Рисунок 4 – Зависимость коэффициента отбора энергии воздушного потока Поддержание соотношения скоростей иVв в области максимума в ветроагрегате ПЭ обеспечивается регулированием тока Iз, от величины которого напрямую зависит момент торможения ротора электрического генератора и связанного с ним механически ротора ветроагрегата.

При любой скорости вращения ротора электрического генератора ЭГ фактическое значение напряжения Uг на его выходе существенно зависит от тока заряда Iз из-за наличия внутреннего сопротивления Rгэлектрического генератора. Как следствие, ЭДС Еи, индуцируемая в выходных обмотках ЭГ, распределяется между Rги сопротивлением нагрузки Rн, коей являются последовательно включенные регулятор РЗ и электрический аккумулятор АКК, внутренне сопротивление которого велико при UгUакк. Как следствие, при UгUакк. Эквивалентная схема цепи зарядной цепи аккумулятора имеет вид рисунке 5. Реальные значения внутреннего сопротивления Rгв современных низкооборотных электрических генераторах с компенсацией сил магнитного удержания ротора составляют от единиц Ом у мощных экземплярах, до сотен Ом у маломощных.

Рисунок 5 – Эквивалентная схема зарядной цепи электрического аккумулятора При Uг>Uакк изменение внутреннего сопротивления Rхрегулятора РЗ ведет к изменению скорости вращения ротораветроагрегата через момент его торможения. Эта зависимость действует в качестве отрицательной обратной связи, автоматически регулирующей ток Iз заряда электрического аккумулятора в области оптимального с точки зрения энергоэффективности соотношения скоростей иVв. Функция автоматического регулирования по критерию максимальной энергоотдачи применительно к микро ГЭС успешно реализована авторами в работе [13].

Функция GPRS в объектовых модулях необходима для идентификации каждого ВИА на местности. При обращении абонента к системе на экране его мобильного средства связи высвечивается участок земной поверхности, на котором показано местонахождение этого абонента и близлежащих ВИЭ системы. Абонент запрашивает с того или иного ВИЭ подробную информацию о лимите энергии и принимает и оценивается целесообразность движения в его сторону.

В программе работы микропроцессора АУ (см. рисунок 2) обязателен сегмент анализа заряженности электрического аккумулятора, а также заданий владельца на резервирование электрической энергии и запросов на желаемое потребление энергии соответствующими абонентами с расчетами лимита доступной абоненту электрической энергии в заданное время. На основании этого анализа объектовый модуль при запросе потенциального абонента выдает на его мобильное средство связи лимит доступной электрической энергии в желаемое абонентом время. На основании этой информации потенциальный абонент принимает решение о его целесообразности движения к соответствующему ВИЭ системы.

Картой доступа (см. КД на рисунке 2) может служить банковская карта абонента или специальный идентификационный бланк доступа в виде флеш-накопителя, например. Процедура доступа может быть организована следующим образом:

С вложенной в порт абонента ПА карты доступа КД считывается информация об абоненте и разрешается подача электрического питания через разъем XS на электрическую нагрузку потребителя. Во все время потребления в микропроцессоре производится контроль количества электрической энергии, полученной абонентом. По завершению процесса потребления электрической энергии абонентом в микропроцессоре рассчитывается стоимость потребленной энергии и формируются команды на автоматический перевод рассчитанной суммы с банковской карты абонента на банковский счет владельца соответствующего ВИЭ.

Не исключена возможность организации коммерческих сетей из значительного количества ВИЭ одним собственником с целью получения прибыли от эксплуатации этих систем. Например, вдоль трассы протяженных пешеходных, речных туристических и других маршрутов устанавливается с небольшим шагом (от 500м до 10км) включенная в информационную ON-LINE систему цепь ВИЭ для обеспечения электрической энергией групп туристов на привалах и ночлегах. Группы туристов, движущихся по маршруту, оснащенному подобной системой, будут гарантированно обеспечены электрической энергией, что существенно повысит комфортность и безопасность их жизнедеятельности на всем протяжении маршрута.

В результате полномасштабной реализации предложенной системы с большим количеством ВИЭ будут обеспечены следующие социально полезные результаты:

- возможность получения электрической энергии путешествующими абонентами;

- более полная загрузка каждого ВИЭ с компенсацией владельцу потребленной абонентами от его ВИЭ энергии;

- повышение безопасной жизнедеятельности людей во время выездов на природу, путешествий и выездных работ;

- снижение загрязнения окружающей среды продуктами сгорания углеводородного топлива вследствие общего снижения потребления электрической энергии от тепловых электростанций - стимулирование покупок ВИЭ при наличии перспективы их окупаемости за счет получения оплаты за потребленную энергию сторонними абонентами.

В результате совместного использования современных технических средств и технологий в сфере интернет, сетей мобильной связи и передачи информации [1-6], с достижениями в области ВИЭ [7-15], открывается перспектива более эффективного использования многочисленных автономных ВИЭ для повышения безопасной жизнедеятельности людей в местностях, удаленных от централизованного снабжения электрической энергией.

ЛИТЕРАТУРА

1. Харитонов П.Т., Вечкина А.В. Интегрированная система ON-LINE контроля состояния окружающей среды на основе радиопередающих флюгеров. Сборник статей VIМеждунар.НПК «Окр. среда и здоровье». Пенза, июнь 2009. с.209 - 211.

2. Ахметов Б.С., Харитонов П.Т. Концепция построения интегрированной системы ON-LINE контроля состояния окружающей среды. Труды бизнес-конференции «20 лет информатизации в РК:статус, инновации, управление развития». РК, г. Алматы,2012, с. 452-456.

3. Аналиева А.У., Харитонов П.Т. Интегрированная система ON-LINE контроля метеоусловий на основе радиопередающих флюгеров. Сб. статей XI МНПК «Экология и ресурсо энергосберегающие технологии на предприятиях народного хозяйства. Пенза, 2011, с.70-72.

4. Ахметов Б.С., Аналиева А.У., Киселева О.В., Харитонова Е. П. Автомобильный вариант объектового блока интегрированной ON-LINE системы контроля загрязнений окружающей среды. Сборник «Фундаментальные и прикладные науки сегодня». USA, NorthCharleston, 22-23 мая 2014, том 1. С. 126-130.

5. Ахметов Б.С., Айтимов М.Ж., Маликова Ф.У., Харитонов П.Т. Система контроля загрязнений окружающей среды, производимых техногенными объектами. Заявка KZ №248 от 12.04.2014 на инновационный патент РК.

6. Б.С. Ахметов, О.В. Киселева, П.Т. Харитонов. Перспективы построения интегрированной ON-LINE системы доступа к автономным техническим средствам возобновляемой энергетики. Тезисы доклада на международной конференции «ICCESEN 2014». Турция, 7. Ахметов Б.С., Балгабаева Л.Ш., Киселева О.В., Харитонов П.Т. Перспективы построения мобильных микро ГЭС с интеллектуальными системами управления.

8. Харитонов П.Т. Инвертор энергии турбулентного потока в электрический заряд. Патент RU № от 10.03.2010г. на ПМ.

9. Мобильная гидроэлектростанция для туристов и военных. Сайтфирмы Burge Energy (США).

10. Липкин В.И., Богомолов Э.С. Микрогидроэлектростанции. Пособие по применению. Бишкек, 2007, 30с.

11. Харитонов П.Т. и др. Система бесперебойного электропитания потребителей от ветроагрегатов.

Пат.RU на ПМ №104253 от 10.05. 2011 г.

12. Ахметов Б.С., Харитонов П.Т. Методы повышения энергоэффективности ВЭУ для электропитания потребителей в местностях с умеренными ветровыми потоками. Сб. тезисов V Всемирного конгресса инжиниринга и технологий WCET-2012, 1-2 июня 2012, Алматы, с. 183-184.

13. Харитонов П.Т., Ахметов Б.С., Балгабаева Л.Ш., Киселева О.В. Экстремальный регулятор отбираемой мощности от электрического генератора мобильных микро ГЭС с информационными системами. Сборник «Фундаментальные и прикладные науки сегодня». USA, NorthCharleston, 22-23 мая 2014, том 1. С. 131-133.

14. Харитонов П.Т., Вишневский С.А., Чеботарь А.Е. Система автоматического отбора энергии от ветроагрегатов. Сборник НИР финалистов конкурса в области энергосбережения в промышл. ЛИК Новочекасск, 2010, с. 15. Харитонов П.Т. и др. Система бесперебойного электропитания потребителей от ветроагрегатов.

Патент RU на ПМ №104253 от 10.05. 2011 г.

REFERENCES

1. Haritonov P.T., Vechkina A.V. Integrirovannaja sistema ON-LINE kontrolja sostojanija okruzhajuschej sredy na osnove radioperedajuschih fljugerov. Sbornik statej VIMezhdunar.NPK «Okr. sreda i zdorov'e». Penza, ijun' 2009. s.209 - 211.

2. Ahmetov B.S., Haritonov P.T. Kontseptsija postroenija integrirovannoj sistemy ON-LINE kontrolja sostojanija okruzhajuschej sredy. Trudy biznes-konferentsii «20 let informatizatsii v RK:status, innovatsii, upravlenie razvitija». RK, g. Almaty,2012, s. 452-456.

3. Analieva A.U., Haritonov P.T. Integrirovannaja sistema ON-LINE kontrolja meteouslovij na osnove radioperedajuschih fljugerov. Sb. statej XI MNPK «`Ekologija i resurso `energosberegajuschie tehnologii na predprijatijah narodnogo hozjajstva. Penza, 2011, s.70-72.

4. Ahmetov B.S., Analieva A.U., Kiseleva O.V., Haritonova E. P. Avtomobil'nyj variant ob"ektovogo bloka integrirovannoj ON-LINE sistemy kontrolja zagrjaznenij okruzhajuschej sredy. Sbornik «Fundamental'nyeiprikladnyenaukisegodnja». USA, NorthCharleston, 22-23 maja 2014, tom 1. S. 126-130.

5. Ahmetov B.S., AjtimovM.Zh., Malikova F.U., Haritonov P.T. Sistema kontrolja zagrjaznenij okruzhajuschej sredy, proizvodimyh tehnogennymi ob"ektami. Zajavka KZ №248 ot 12.04.2014 na innovatsionnyj patent RK.

6. B.S. Ahmetov, O.V. Kiseleva, P.T. Haritonov. Perspektivy postroenija integrirovannoj ON-LINE sistemy dostupa k avtonomnym tehnicheskim sredstvam vozobnovljaemoj `energetiki. Tezisy doklada na mezhdunarodnoj konferentsii «ICCESEN 2014». Turtsija, 7. Ahmetov B.S., BalgabaevaL.Sh., Kiseleva O.V., Haritonov P.T. Perspektivy postroenija mobil'nyh mikro G`ES s intellektual'nymi sistemami upravlenija.

8. Haritonov P.T. Invertor `energii turbulentnogo potoka v `elektricheskij zarjad. Patent RU №92257 ot 10.03.2010g. na PM.

9. Mobil'naja gidro`elektrostantsija dlja turistov i voennyh. Sajtfirmy Burge Energy (SShA).

10. Lipkin V.I., Bogomolov `E.S. Mikrogidro`elektrostantsii. Posobie po primeneniju. Bishkek, 2007, 30s.

11. Haritonov P.T. i dr. Sistema besperebojnogo `elektropitanija potrebitelej ot vetroagregatov. Pat.RU na PM №104253 ot 10.05. 2011 g.

12. Ahmetov B.S., Haritonov P.T. Metody povyshenija `energo`effektivnosti V`EU dlja elektropitanija potrebitelej v mestnostjah s umerennymi vetrovymi potokami. Sb. tezisov V Vsemirnogo kongressa inzhiniringa i tehnologij WCET-2012, 1-2 ijunja 2012, Almaty, s. 183-184.

13. Haritonov P.T., Ahmetov B.S., BalgabaevaL.Sh., Kiseleva O.V. `Ekstremal'nyj reguljator otbiraemoj moschnosti ot `elektricheskogo generatora mobil'nyh mikro G`ES s informatsionnymi sistemami. Sbornik «Fundamental'nye i prikladnye nauki segodnja». USA, NorthCharleston, 22-23 maja 2014, tom 1. S. 131-133.

14. Haritonov P.T., Vishnevskij S.A., Chebotar' A.E. Sistema avtomaticheskogo otbora energii ot vetroagregatov.

Sbornik NIR finalistov konkursa v oblasti `energosberezhenija v promyshl. LIK Novochekassk, 2010, s. 15. Haritonov P.T. i dr. Sistema besperebojnogo `elektropitanija potrebitelej ot vetroagregatov. Patent RU na PM №104253 ot 10.05. 2011 g.

АхметовБ.С., БалабаеваЛ.Ш., КиселеваО.В., ХаритоновП.Т.

Жаартылан энергия кздерін жымды олдану біріктірілген on-line апаратты жйесі Адатпа. Бгінгі кні интернет-технологиялар, мобильді байланыс желісі жне апаратты жеткізу арылы тіршілік леміні барлыын дерлік тгелдей апараттандыру байалады.

р трлі таырыптаы жне дегейдегі апаратты ресурстар мобильді байланыс ралдарын олданушылара кез келген ортада олдануа зор ммкіндік бар. ON-LINE біріктірілген апаратты жйесін ру шін инфрарылым, техникалык ралдар жне технологиялар жасалан.

Бл жумыста жаартылан энергия кздерін біріктірілген ON-LINE апаратты жымды олдану жйесін жасау крсетілген.

Тйін сз. Апаратты жйе, біріктірілген жйе, электрогенератор, аккумулятор, электроэнергия, желагрегат, жаартылан энергия кздері.

Integrated on-line information system for collective use of renewable energy sources Summary. There is currently a total computerization of all spheres of life, thanks to the Internet technologies, mobile networks and transmission of information. Became practically available to the public anywhere in the users of mobile communications information resources of different levels and subjects. Established infrastructure, technical equipment and technology for the construction of integrated information systems ON-LINE. This paper presents the development of the structure of the integrated ON-LINE information system for collective use of renewable energy.

Key words. Information system, integrated systems, generator,battery, power, wind turbine, renewable energy.

УДК 004. Казахский национальный технический университет имени К.И.Сатпаева,

ПРИНЦИПЫ ПОСТРОЕНИЯ ИНТЕГРИРОВАННЫХ ON-LINE ИНФОРМАЦИОННЫХ

СИСТЕМ КОЛЛЕКТИВНОГО ПОЛЬЗОВАНИЯ

Аннотация. В данной статье рассматриваются принципы построения интегрированных ON-LINE информационных систем коллективного пользованияавтономными источниками энергии. Их социальная значимость – в повышении коэффициента использования автономных источников возобновляемой энергии.

Представлена структура интегрированной ON-LINE информационной системы коллективного пользования.

Ключевые слова. Информационная система, интегрированныеON-LINE системы, групповой блок, объектовой блок, системы коллективного пользования.

Тотальная информатизация всех сфер жизнедеятельности благодаря интернет-технологиям, сетям мобильной связи и передачи информациисоздает условия для построения интегрированных информационных ON-LINE систем:

- контроля состояния окружающей среды [1-3];

- контроля загрязнения среды обитания выбросами от техногенных объектов [4-5];

- хранения медицинской истории болезни пациентов и обращения граждан в медицинские учреждения через интернет [6-7];

- мониторинга и оценки селевой обстановки в селеопасных местностях;

- контроля и прогнозирования землетрясений.

Открыта возможностьсоздания и других аналогичных интегрированных ON-LINE информационных систем коллективного пользования.Примером систем такого рода может служить интегрированная ON-LINE информационная система коллективного пользования автономными источниками энергии. Ее социальная значимость – в повышении коэффициента использования автономных источников возобновляемой энергии. На нашем Форуме будут представлены доклады о некоторых из этих систем.

Общей основой интегрированных ON-LINE информационных систем коллективного пользования являются, как правило, уже существующие сети мобильной связи. Они обладают отлаженной и разветвленной инфраструктурой, позволяют расширять их функциональные возможности путем дополнения этой инфраструктуры групповыми (ГБ) и объектовыми (ОБ) блоками соответствующей системы коллективного пользования. На рисунке 1 показана обобщенная структура интегрированной ON-LINE информационной системы коллективного пользования, выполняющей функции тотального контроля загрязнений окружающей среды (ЗОС) техногенными объектами (ТО).

Система состоит из группового 1 и нескольких объектовых блоков ЗОС 2-1…2-N, связанных с групповым блоком по проводному или радиоканалу. Групповой блок 1 мониторинга ЗОС содержит формирователь 3 адресов ОБ ЗОС, процессор 4 с клавиатурой 5, энергонезависимой памятью 6 и монитором 7, приемопередатчик 8 с антенной 9, порт 10 и принтер11. Число ОБ, связанных с ГБ ЗОС может достигать нескольких десятков и сотен тысяч, а система в целом может обслуживать целый город или район. Для этого в нескольких ГБ обеспечен выход в сеть мобильной связи, через которую происходит обмен информацией и управление этими ГБ со стороны системного блока высшего уровня (СБВУ), например регионального или республиканского. Возможно последующее построение глобальной иерархической структуры контроля ЗОС, позволяющей обеспечить принципиально новый, адекватный действительности, уровень планетарного контроля ЗОС в режиме ON-LINE.

Объектовые блоки контроля ЗОС установлены на все техногенные объекты контролируемой территории – автотракторную и строительную технику, котельные тепловозы, теплоходы, авиатранспортные средства и т.д.

Рисунок 1 - Структура интегрированной ON-LINE информационной системы коллективного пользования.

В зависимости от типа техногенного объекта каждый ОБ оснащен соответствующим комплектом датчиковой аппаратуры, позволяющим производить накопительный контроль ЗОС, производимых ТО, во временной и пространственной развертке. Для этого каждый ОБ имеет таймер астрономического времени и модуль системы ГЛОНАCCили GPS. С групповых блоков может быть запрошена информация с любого из имеющихся в системе ОБ в режиме ON-LINE или за тот или иной отрезок времени. После тарификации полученной информации в ГБ формируется платежный документ владельцу соответствующего ТО на оплату за произведенные ЗОС. Кроме того, за счет совместной обработки информации с соответствующих ОБ производится расчет ЗОС на той или иной местности за тот или иной интервал времени по тем или иным видам ЗОС или видам ТО. Авторы убеждены в том, что системам коллективного пользования уготован бум развития в ближайшие годы.

ЛИТЕРАТУРА

1. Богородский Я.Ю.,Вечкина А.В., Вишневский С.А., Харитонов П.Т. Интегрированная система объективного метеоконтроля для пользователей ПК и мобильных телефонов. Каталог Салона АРХИМЕД 2010, Москва, 2010, с.218.

2. Аналиева А.У., Харитонов П.Т. Интегрированная cистемаON-LINE контроля метеоусловий на основе радиопередающих флюгеров. Сб. статей XI МНПК «Экология и ресурсо-энергосберегающие технологии на предприятиях народного хозяйства. Пенза, 2011, с.70-72.

3. Мукажанов Н.К., Сауанова К.Т., Харитонов П.Т. Постановка задачи исследования, разработки мат.

аппарата и ПО для автоматизированного проектирования систем ON-LINE контроля состояния окружающей среды.Труды II Международной НПК «Информационно- инновационные технологии: инновация науки, образования бизнеса». РК. г. Алматы, КазНТУ, 1-2 дек. 2011, том 2, с.212-214.

4. Харитонов П.Т. Способ и система индивидуального учета загрязнений окружающей среды, производимых техногенными объектами. Заявка RU №2008102142 от 18.01.2008г. на изобретение.

5. Ахметов Б.С., Айтимов М., Маликова Ф.У., Харитонов П.Т. Система контроля загрязнений окружающей среды, производимых техногенными объектами. Заявка KZ № 6721 от 23.05 2014 на инновационный патент РК.

6. Ахметов Б.С. и др. Исследование вариантов реализации и разработка действующего лабораторного образца ON-LINE системы биометрического обезличивания электронных историй болехни для медицинского учреждения.Тема №753 МОН.ГФ.13.13.

7. Ахметов Б.С., Михайлов П.Г., Харитонов П.Т. Исследование вариантов реализации и разработка интеллектуальной системы для мониторинга и оценки селевой обстановки (ИСМОСО). Заявка на финансирование в 2015-2017 г.г. по конкурсу ГФНИ.

REFERENCES

1. BogorodskijJa.Ju., Vechkina A.V., Vishnevskij S.A., Haritonov P.T. Integrirovannaja sistema ob#ektivnogo meteo kontrolja dlja pol'zovatelej PK i mobil'nyh telefonov. Katalog Salona ARHIMED 2010, Moskva, 2010, s.218.

2. Analieva A.U., Haritonov P.T. Integrirovannaja cistema ON-LINE kontrolja meteo uslovij na osnove radio peredajushhihfljugerov. Sb. statej XI MNPK «Jekologija i resurso-jenergosberegajushhie tehno-logii na predprijatijah narodnogo hozjajstva. Penza, 2011, s.70-72.

3. Mukazhanov N.K., Sauanova K.T., Haritonov P.T. Postanovka zadachi issledovanija, razrabotki mat.

apparata i PO dlja avtomatizirovannogo proektirovanija sistem ON-LINE kontrolja sostojanija okruzhajushhej sredy.

Trudy II Mezhdunarodnoj NPK «Informacionno- innovacionnye tehnologii: innovacijanauki, obrazovanijabiznesa».

RK. g. Almaty, KazNTU, 1-2 dek. 2011, tom 2, s.212-214.

4. Haritonov P.T. Sposobi sistema individual'nogo ucheta zagrjaznenij okruzhajushhej sredy, proizvodimyh tehnogennymi obektami. Zajavka RU №2008102142 ot 18.01.2008g. na izobretenie 5. Ahmetov B.S., Ajtimov M.., Malikova F.U., Haritonov P.T. Sistema kontrolja zagrjaznenij okruzhajushhej sredy, proizvodimyh tehnogennymi ob#ektami. Zajavka KZ №7621 ot 23.05 2014 na innovacionnyj patent RK.

6. Ahmetov B.S. idr. Issledovanie variantov realizacii i razrabotka dejstvujushhego laboratornogo obrazca ONLINE sistemy biometricheskogo obezlichivanijaj elektronnyh istorij bolehni dlja medicinskogo uchrezhdenija.Tema №753 MON.GF.13.13.

7. Ahmetov B.S., Mihajlov P.G., Haritonov P.T. Issledovanie variantov realizacii i razrabotka intellektual'noj sistemy dlja monitoringa i ocenki selevoj obstanovki (ISMOSO). Zajavka na finansirovanie v 2015-2017 g.g.

pokonkursu GFNI.

жымды олданыстаы біріктірілген ON-LINE апаратты жйесін ру принциптері Тйіндеме. Бл жмыста автономды энергия кздерімен жымды олданыстаы біріктірілген ON-LINE апаратты жйесін ру принциптары арастырылан. Оларды элеуметтік маыздылыы-жаартылан энергия кздерін пайдалану коэффициентін арттыру болып табылады. жымды олданыстаы біріктірілген ON-LINE апараттыжйесірылымыбаяндалан.

Тйін сз. Апаратты жйе, біріктірілген ON-LINE жйелері, жымды пайдалану жйесі.

Principles of integrated ON-LINE information systems for collective use Abstract. This article discusses theprinciples ofintegratedON-LINEinformation systemsfor collective useautonomous sources ofenergy.Theirsocial significance-in increasingutilizationof autonomous sourcesof renewable energy.Shows the structure ofthe integratedON-LINEinformation systemfor collective use.

Key words. Information system, integrated ON-LINEsystem, group unitof objectblocksystemfor collective use.

УДК Ахметов Б.С.1, Ахметова С.Т.1, Иванов А.И.2, Малыгин А.Ю.2, Мукапил К. Казахский национальный технический университет имени К.И.Сатпаева,

ПРИМЕНЕНИЕ ИТЕРАЦИОННОГО АЛГОРИТМА ОБУЧЕНИЯ ОДИНОЧНОГО

НЕЙРОНА В БИОМЕТРИЧЕСКИХ ПРИЛОЖЕНИЯХ

Аннотация. В статье рассматривается применение итерационного алгоритма обучения одиночного нейрона в биометрических приложения. Приведен анализ необходимых нейронов для обогащения биометрических данных.

Ключевые слова: биометрия, биометрической идентификации, биометрические данные, биометрические технологии.

Информации, содержащейся в «плохих» биометрических параметрах, недостаточно для того, чтобы по одному биометрическому параметру принимать надежные решения. Именно в связи с этим «fuzzy extractors» рассматривают не один разряд био-кода, а весь био-код, а затем происходит исправление ошибки в нем 1.

По мнению авторов, более эффективным является иной технический прием, в соответствии с которым еще до квантования биометрических данных осуществляется нейросетевое их обогащение.

При нейросетевом обогащении используют не все био-данные, а их группы. При этом, чем хуже данные, тем больше данных должно объединяться в одну группу, обогащаемую одним нейроном.

Рисунок 1 – Примерная оценка числа нейронов, необходимых для Если подсчитать информативность анализируемых биометрических параметров, то можно приближенно оценить число нейронов, необходимых для обогащения. На рисунке 1 приведена примерная статистическая оценка числа нейронов, необходимых для обогащения биометрических данных.

Из данных рисунка 1 можно видеть, что высокие показатели информативности имеют только 17 биометрических параметров, каждый из которых может самостоятельно использоваться после его квантования. Био-параметров «удовлетворительного» качества с информативностью от 1 бита до 0. бит – 152, они могут использоваться для создания 76 нейронов с двумя входами. Столько же нейронов получается с 3 входами, при этом информативность каждого из входов находится в интервале от 0.5 бит до 0.35 бит. Био-данные с еще меньшей информативностью приходится обогащать 70 нейронами с 4 входами и примерно 23 нейронами с 8 входами. Всего получается примерно 262 нейрона с не повторяющимися входами, при этом выходы каждого из нейронов дают по одному стабильному разряду био-ключа.

Следует иметь в виду, что приведенные выше оценки являются приближенными, так как они не учитывают сильные корреляционные связи между параметрами образа «Свой». В реальных биометрических системах число входов у нейронов должно быть примерно в два-три раза больше, чем следует из приведенных выше оценок.

Для того, чтобы воспользоваться нейросетевым обогащением био-данных, необходимо уметь обучать одиночные искусственные нейроны. По вопросам обучения искусственных нейронов и сетей из них написано много трудов [2-7]. Существует несколько сотен алгоритмов обучения искусственных нейронов и множество вариантов исполнения функции возбуждения нейронов.

Применительно к решению задач биометрии [3-13] в основном у нейронов используется ступенчатая нечетная функция возбуждения (квантования), как у персептрона [2, 5].

Реже используется ступенчатая четная функция квантования, значительные перспективы имеют нейроны с немонотонными функциями квантования, имеющими 3 и более выходных состояний [7, 8]. Название «персептрон» закрепилось только за нейронами с простейшей функцией квантования выходных данных сумматора, в связи с этим далее по тексту термин «персептрон»

использоваться будет параллельно с более общим термином «нейрон».

Исторически сложилось так, что первыми были созданы алгоритмы обучения, построенные на итерационной минимизации среднеквадратической ошибки, принимаемых нейроном решений.

Отойдем от традиции, и не будем рассматривать критерий минимума среднеквадратической ошибки, так как он в биометрии редко используется. Применительно к биометрии гораздо более эффективным является критерий так называемого качества разделения статистических распределений «Свой» и «Все Чужие».

Основной функцией нейросетевых приложений биометрии является выталкивание распределения образа «Свой» из области распределения образов «Все Чужие». Эта ситуация показана на рисунке 2.

Рисунок 2 – Эффект выталкивания распределения данных образа «Свой» из области распределения данных «Все Чужие» на выходе сумматора нейрона Перед обучением весовые коэффициенты сумматора нейрона задаются случайно, как следствие наиболее вероятной является ситуация, когда распределение состояний образа «Свой» на выходе сумматора нейрона оказывается в центре распределения образов «Все Чужие».

Выходная функция квантования нейрона в биометрических приложениях всегда настраивается так, чтобы срабатывать в центре распределения образов «Все Чужие». Как следствие, распределение образов «Свой» на выходе не обученного нейрона оказывается нестабильным (дает примерно с равной вероятностью состояния «0» и «1»).

В том случае, когда нам нужно получить на выходе нейрона состояние «1» для образа «Свой», то необходимо обучать нейрон, выталкивая распределение образа «Свой» вправо из центра распределения образов «Все Чужие». От того, насколько далеко мы вытолкнем распределение образа «Свой», зависит качество работы нейрона. Для контроля текущего качества обучения используется следующий показатель качества:

где E(yv) – математическое ожидание примеров «Свой», E(y) – математическое ожидание примеров «Все Чужие», v - среднеквадратическое отклонение примеров «Свой», - среднеквадратическое отклонение примеров «Все Чужие».

Показатель качества тем выше, чем больше разница между математическими ожиданиями разделяемых множеств. Показатель качества также увеличивается, если при фиксированном расстоянии между центрами разделяемых множеств уменьшается среднее геометрическое среднеквадратических расстояний разделяемых множеств.

Пользуясь показателем качества (1) можно построить итерационную процедуру обучения нейрона (рисунок 3) по критерию движения в сторону повышения качества. Для этого необходимо вычислять частные производные по качеству обучения. Если производная положительна, то следует увеличивать значение регулируемого весового коэффициента - i. При отрицательной производной качества следует уменьшать регулируемый весовой коэффициент.

Казалось бы, что вычисляя частные производные по качеству обучения легко можно построить автомат итерационного обучения. Это действительно так, когда речь идет об обучении нейронов с малым числом входов при биометрических данных «хорошего» качества. Если это не так, то обучать нейроны с большим числом входных данных оказывается трудно 7. Проблема состоит во внутренних шумах процедуры обучения, которые обусловлены малым дискретным числом примеров обучения «Свой». Заранее создать очень много примеров «Все Чужие» технически не сложно.

Намного сложнее заставить пользователей прикладывать свои усилия, создавая десятки или даже сотни примеров образа «Свой» 10.

Рисунок 3 – Обучение одиночного нейрона итерационным алгоритмом поиска Вычислительная проблема обучения состоит в неустойчивости вычисления частных производных качества возникающие из-за малого числа примеров «Свой», усиливаются при вычислении производных ? и «забивает» полезную компоненту направления движения в сторону max{Q}. Возникает хаотическое блуждание по многомерной поверхности ошибок вместо направленного движения в сторону максимума качества обучения. Эта ситуация иллюстрируется рисунком 4.

Рисунок 4 – Утрата устойчивости процедуры итерационного обучения одного нейрона Из рисунка 4 видно, что при 15 входах нейрона итерационное обучение происходит почти устойчиво, однако при увеличении числа входов нейрона до 16 устойчивость итерационного обучения утрачивается. Появляется множество так называемых локальных минимумов и максимумов качества обучения, являющихся не чем иным, как усилением собственного шума вычислительных процедур, обусловленного конечным числом примеров континуума данных образа «Свой».

ЛИТЕРАТУРА

1. Y. Dodis, L. Reyzin, A. Smith Fuzzy Extractors: How to Generate Strong Keys from Biometrics and Other Noisy, Data April 13, In EUROCRYPT, pages 523-540, 2004.

2. Минский, М., Пейперт, С. Персептроны – М.: Мир, 1971. – 261 с.

3. Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы: Пер. с польского И. Д. Рудинского. М.: Горячая линия – Телеком, 2004.

4. Саймон Хайкин. Нейронные сети: полный курс. М.: «Вильямс», 2006. – С. 1104.

5. Розенблатт, Ф. Принципы нейродинамики: Перцептроны и теория механизмов мозга. – М.: Мир, 1965.

– 480 с.

6. Уоссермен Ф. Нейрокомпьютерная техника: теория и практика. М.: Мир, 1992. 240 с.

7. Волчихин В.И., Иванов А.И., Фунтиков В.А. Быстрые алгоритмы обучения нейросетевых механизмов биометрико-криптографической защиты информации. /Монография. //Пенза: Изд-во Пензенского гос. ун-та, 2005.- 273 с.

8. Куликов С.В., Секретов М.В., Захаров О.С., Иванов А.И., Майоров А.В. Учет «тяжелых» хвостов ненормального закона распределения биометрических параметров все «Чужие» при настройке нелинейного элемента нейрона с несколькими дискретными состояниями «Нейрокомпьютеры: разработка, применение» №3, 2012 с. 56-59.

9. B. Akhmetov, A. Doszhanova, A. Ivanov, T. Kartbaev and A. Malygin “Biometric Technology in Securing the Internet Using Large Neural Network Technology. World Academy of Science, Engineering and Technology. Issue 79, July, 2013, Singapore, p. 129-138, pISSN 2010-376X, eISSN 2010-3778, www.waset.org 10. B. Akhmetov, A. Ivanov, V. Funtikov, I. Urnev Evaluation of Multidimensional Entropy on Short Strings of Biometric Codes with Dependent Bits. «Progress in Electromagnetics Research Symposium» PIERS Proceedings, August 19-23, Moscow, RUSSIA 2012, p.66-69.

11. Ахметов Б.С., Волчихин В.И., Иванов А.И., Малыгин А.Ю. Алгоритмы тестирования биометриконейросетевых механизмов защиты информации. Казахстан, Алматы, КазНТУ им. Сатпаева, 2013. - 152 с. ISBN 978-101-228-586-4, http://portal.kazntu.kz/files/publicate/2014-01-04-11940.pdf 12. B. Akhmetov, A. Ivanov, V. Funtikov, I. Urnev Evaluation of Multidimensional Entropy on Short Strings of Biometric Codes with Dependent Bits. «Progress in Electromagnetics Research Symposium» PIERS Proceedings, August 19-23, Moscow, RUSSIA 2012, p.66-69.

REFERENCES

1. Y. Dodis, L. Reyzin, A. Smith Fuzzy Extractors: How to Generate Strong Keys from Biometrics and Other Noisy, Data April 13, In EUROCRYPT, pages 523-540, 2004.

2. Minskij, M., Pejpert, S. Perseptrony – M.: Mir, 1971. – 261 s.

3. Rutkovskaja D., Pilin’skij M., Rutkovskij L. Nejronnye seti, genetieskie algoritmy i neetkie sistemy: Per. s pol’skogo I. D. Rudinskogo. M.: Gorjaaja linija – Telekom, 2004.

4. Sajmon Hajkin. Nejronnye seti: polnyj kurs. M.: «Vil’jams», 2006. – S. 1104.

5. Rozenblatt, F. Principy nejrodinamiki: Perceptrony i teorija mehanizmov mozga. – M.: Mir, 1965. – 480 s.

6. Uossermen F. Nejrokomp’juternaja tehnika: teorija i praktika. M.: Mir, 1992. 240 s.

7. Volihin V.I., Ivanov A.I., Funtikov V.A. Bystrye algoritmy obuenija nejrosetevyh mehanizmov biometrikokriptografieskoj zaity informacii. /Monografija. //Penza: Izd-vo Penzenskogo gos. un-ta, 2005.- 273 s.

8. Kulikov S.V., Sekretov M.V., Zaharov O.S., Ivanov A.I., Majorov A.V. Uet «tjaelyh» hvostov nenormal’nogo zakona raspredelenija biometrieskih parametrov vse «uie» pri nastrojke nelinejnogo lementa nejrona s neskol’kimi diskretnymi sostojanijami «Nejrokomp’jutery: razrabotka, primenenie» №3, 2012 s. 56-59.

9. B. Akhmetov, A. Doszhanova, A. Ivanov, T. Kartbaev and A. Malygin “Biometric Technology in Securing the Internet Using Large Neural Network Technology. World Academy of Science, Engineering and Technology. Issue 79, July, 2013, Singapore, p. 129-138, pISSN 2010-376X, eISSN 2010-3778, www.waset.org 10. B. Akhmetov, A. Ivanov, V. Funtikov, I. Urnev Evaluation of Multidimensional Entropy on Short Strings of Biometric Codes with Dependent Bits. «Progress in Electromagnetics Research Symposium» PIERS Proceedings, August 19-23, Moscow, RUSSIA 2012, p.66-69.

11. Ahmetov B.S., Volihin V.I., Ivanov A.I., Malygin A.Ju. Algoritmy testirovanija biometriko-nejrosetevyh mehanizmov zaity informacii. Kazahstan, Almaty, KazNTU im. Satpaeva, 2013. - 152 s. ISBN 978-101-228-586-4, http://portal.kazntu.kz/files/publicate/2014-01-04-11940.pdf 12. B. Akhmetov, A. Ivanov, V. Funtikov, I. Urnev Evaluation of Multidimensional Entropy on Short Strings of Biometric Codes with Dependent Bits. «Progress in Electromagnetics Research Symposium» PIERS Proceedings, August 19-23, Moscow, RUSSIA 2012, p.66-69.

Ахметов Б.С., Ахметова С.Т., Иванов А.И., Малыгин А.Ю., Мукапил К.

Применение итерационного алгоритма обучения одиночного нейрона в биометрических приложениях Резюме. В статье рассматривается применение итерационного алгоритма обучения одиночного нейрона в биометрических приложения.

Ключевые слова: биометрия, биометрической идентификации, биометрические данные, биометрические технологии.

Ахметов Б.С., Ахметова С.Т., Иванов А.И., Малыгин А.Ю., Мукапил К.

Биометриялы осымшалара жеке нейронды итерациялы алгоритмді олданып йрену Тйіндеме. Бл маалада биометриялы осымшалара жеке нейронды итерациялы алгоритмді олданып йрену арастырылан.

Тйін сздер: биометрия, биометриялы идентификация, биометриялы мліметтер, биометриялы технология.

Akhmetov B.S., Akhmetova S.T, Ivanov A.I., Malygin A.Yu., Mukapil K.

Application of iterative learning algorithm of a single neuron in biometric applications Resume. The article discusses the use of an iterative learning algorithm of single neuron in biometric applications.

Key words: biometrics, biometric identification, biometric data, biometric technology.

УДК.330.34(574) Казахский Национальный Технический Университет им.К.И.Сатпаева,

ПЕРСПЕКТИВЫ РАЗВИТИЯ ЭФФЕКТИВНОСТИ УПРАВЛЕНИЯ

ИННОВАЦИОННЫМИ ПРОЕКТАМИ

Аннотация. В статье рассматривается перспективы развития управления инновационными проектами в Казахстане. Какую роль сыграют инновационные методы и модели в развитии и достижении экономической системы.Управление инновационными проектами является составной частью инновационной деятельности и решает вопрос планирования и реализации инновационных проектов, рассчитанных на значительный качественный прыжок в производстве, предпринимательстве, социальной сфере. Важно не только своевременно определить перспективность определенной идеи и оценить ее коммерческую выгодность, но и создать условия для оперативного внедрения новинки на предприятии.

Ключевые слова: управление; инновация; инновационные проекты; инфраструктура; бизнессообщества; институциональный профиль; инновационные институты.

Управление инновационным процессом – неотъемлемая составляющая деятельности современного предприятия, которое охватывает планирование, организацию и стимулирование инновационной деятельности, реализацию Инновационных проектов, рассчитанных на получение конкурентных преимуществ и укрепления рыночных позиций предприятия.

Управление инновационными проектами является составной частью инновационной деятельности и решает вопрос планирования и реализации инновационных проектов, рассчитанных на значительный качественный прыжок в производстве, предпринимательстве, социальной сфере. В широком понимании стратегическое управление связано с процессом предвидения глобальных изменений в экономической ситуации, поиском и реализацией крупномасштабных решений, которые обеспечивают его выживание и устойчивое развитие за счет выявления будущих факторов успеха.

В инновационных проектах излагаются научно обоснованные технические, экономические или технологические решения. Проекты могут финансироваться по линии государственной научнотехнической программы, путем получения грантов. Каждый проект оформляется с учетом определенных требований, имеет четкое название, сопровождается краткой аннотацией, в проекте указывается число исполнителей, сроки выполнения, потребность в финансировании в расчете на год, информация о руководителях и основных исполнителях.

Приоритетные направления исследований и разработок реализуют в виде крупных межотраслевых проектов. Приоритетными направлениями развитии науки и техники в Казахстане являются: информационные технологии и электроника, производственная технология, новые материалы и химические продукты, технология живых систем, транспорт, топливо и энергетика, экология и рациональное природопользование. Для управления проектом создается рабочая группа, которые определяют:

Во-первых, в традиционном процессе управления инновациями предполагает следующие этапы:

- тестирование идеи;

- разработка конструкторской документации;

- разработка технической документации;

- создание опытного образца;

- подготовка к производству;

- производство.

Инновационные задания предусматривают снижение расходов производства, улучшения качества продукции или услуг, выведения на рынок нового товара, формирования новой стратегии сбыта, которая содействует повышению интереса потребителей к новому товару. Привлечение или создание инноваций должно происходить целенаправленно, с целью формирования конкурентных преимуществ на том сегменте рынка, где работает фирма. Важно не только своевременно определить перспективность определенной идеи и оценить ее коммерческую выгодность, но и создать условия для оперативного внедрения новинки на предприятии.

Во-вторых, при управлении инновациями на предприятии включает ряд общеизвестных стадий:

1) формулировку целей инновации. На стадии формулирования целей инновации устанавливаются миссия-предназначение, миссия-ориентация и миссия-политика организации, в которых подчеркивается приверженность к инновационной деятельности и инновационным стратегиям, формулируется цель развития организации, строится и рассчитывается дерево целей;

2) анализ существующего положения (оценка инновационной позиции фирмы). На этой стадии анализируется внутренняя среда организации и оценивается инновационный потенциал, анализируется система внешней среды и дается оценка инновационного климата, определяется инновационная позиция организации;

инновационного менеджмента (устанавливаются базовые стратегии развития и их инновационные составляющие, осуществляется выбор и формулирование предпочтительной инновационной стратегии, производится подбор методов инновационного менеджмента);

4) разработку и проектирование инновации;

5) организацию работ по реализации инновационного проекта, которая включает создание или реструктуризацию органов управления, установление взаимосвязей между управленческими подразделениями и т.д.;

6) мотивацию инноваций. Рассматривается в двух аспектах:

а) стимулирование создания и продажи инновации, цель которого является получение денег от продажи новых продуктов немедленно;

б) стимулирование покупки инноваций (цель – в получении денежных средств в будущем за счет реализации новых продуктов и технологий, купленных сегодня);

7) контроль и оценку эффективности прогресса реализации проекта, который заключается в проверке и оказании помощи в организации инновационного процесса, плана создания и эффективной реализации инноваций;

8) корректировку проекта, стратегий, целей и миссии предприятия.

Для успешного функционирования фирм и дальнейшего их развития должно иметься в запасе несколько направлений, вариантов, идей по нововведениям, т.е., так называемый, «портфель»

инновационных идей, который постоянно обновляется и пополняется. Это необходимо для того, чтобы в условиях неожиданных изменений на рынке вовремя можно было бы переориентировать свое производство, с учетом уже имеющихся новых разработок, а также иметь в запасе новинки для использования их в будущем.

В третьих, при облегчении управлении инновационными проектами руководителям следует придерживаться следующих принципов управления инновационными проектами:

1. Принцип селективного (выборочного) управления. Суть в выборе приоритетных направлений. Адресная поддержка инновационных фирм и новаторов.

2. Принцип целевой ориентации проектов на обеспечение конечных целей. Предполагает установление взаимосвязей между потребностями в создании инновации и возможностями их реализации. При этом конечные цели конкретных проектов ориентируются на потребности, а промежуточные цели на конечные цели этих проектов.

3. Принцип полноты цикла управления проекта.

4. Принцип этапов инновационных процессов и процессов управления проектами.

5. Принцип иерархичности организации инновационных процессов. Все уровни деятельности согласуются друг с другом.

6. Принцип многовариантности при выборе управленческих решений.

7. Принцип системности. Разрабатывается совокупность мер, необходимых для организации проекта (организационных, административных и др.).

8. Принцип обеспеченности или сбалансированности. Все мероприятия должны быть обеспечены необходимыми ресурсами.

Этап формирования предложений по приоритетным направлениям может выглядеть приблизительно таким образом:

1. Фиксируется перечень наиболее существенных критериев достижения цели.

2. Для каждого проекта, реализующего приоритетное направление, делается оценка уровня улучшения каждого показателя по сравнению с существующим положением по шкале «низкий», «ниже среднего», «выше среднего», «высокий».

3. Технологии, которые не имеют оценок «выше среднего» или «высокий», из дальнейшего рассмотрения исключаются. Остальные включаются в предварительные предложения по приоритетным направлениям и критически важным технологиям.

4. Технологии, имеющие не ниже одной оценки «высокий» или не менее двух «выше среднего», предварительно считаются кандидатами в группу приоритетных; если более двух «высокий» или трех «выше среднего» - кандидатами в группу особо приоритетных.

В четвертых, степень приоритетности должны определяется в соответствии со следующими критериями:

1. Каждый проект (программа) нижнего уровня оценивается по двум показателям:

· Конечный результат, измеряемый приростом анализируемого показателя за фиксированный период;

· Затраты при производстве программной продукции (общие, включая инвестиции и текущие издержки).

2. Рассчитывается значение показателя эффективности, характеризующего степень приоритетности: результат делится на затраты.

3. Все проекты упорядочиваются по степени приоритетности в соответствии с уровнем эффективности (результат (эффект)/затраты).

В мировой практике анализ «затраты - результат» является обязательной процедурой любых механизмов распределения финансов. Это объясняется тем, что при всей простоте для практического применения этого решающего правила обеспечивает выбор такого портфеля проектов, который дает:

· Максимально возможную эффективность при заданном ограниченном объеме средств;

· Минимальные затраты при достижении требуемого уровня результата и эффективности.

ЛИТЕРАТУРА

1. Медынский В.Г. Скалюй Л.В. Иновационное предпринимательство: Уч.пос. – М.: ЮНИТИ-ДАНА, 2002. – 589с.

2. Морозов Ю.П. Инновационный менеджмент: Учеб. пособие для вузов. – М.: ЮНИТИ–ДАНА, 2000. – 446 с.

3. Основы инновационного менеджмента (теория и практика): Учебное пособие. / Под ред. проф. д.э.н.

П. Н. Завлина, проф. д.э.н. А. К. Казанцева, проф. д.э.н. Л. Э. Миндели. – М.: Экономика, 2000. – 390с.

4. Брижань А.В. Макроэкономические условия инновационного развития предприятий // Основные направления повышения эффективности экономики, управления и качества подготовки специалистов: сборник статей III Международной научно-практической конференции. – Пенза, 2005. – 284 с. – 0,2 п.л.

5. Шевченко И.В., Александрова Е.Н., Брижань А.В., Савченко М.И. Инновационный аспект конкурентной стратегии экономического роста России // Современная политика России в развитии экономики и образования: многосекторный аспект / Сборник материалов научно-практической конференции и заседания учебно-методического совета УМО по специальности «Мировая экономика». – Хабаровск, 2005. – 360 с. – 0, п.л. (авт. – 0,1 п.л.)

REFERENCES

1.Medynskiy VG Skalyuy LV Innovative Entrepreneurship: Uch.pos. - M.: UNITY-DANA, 2002 - 589s.

2.Morozov YP Innovation Management: Proc. manual for high schools. - M.: UNITY-DANA, 2000 - 446 p.

3. Fundamentals of Innovation Management (Theory and Practice): Textbook. / Ed. prof. PhD PN Zavlina, prof.

PhD AK Kazantsev, prof. PhD L. Mindeli. - M.: Economy, 2000 - 390s.

4. Brizhan AV Macroeconomic conditions of innovative enterprise development // main directions of improving the efficiency of the economy, governance and quality of training: a collection of articles III International scientificpractical conference. - Penza, 2005 - 284 p. - 0.2 pp 5. Shevchenko IV Aleksandrova EN, Brizhan AV, Savchenko MI The innovative aspect of the competitive strategy of economic growth in Russia // Modern Russian policy in economic development and education: a multisectoral aspect / Proceedings of the scientific-practical conference and meeting educational-methodical council UMO on "World Economy". - Khabarovsk, 2005 - 360 p. - 0.3 pp (author. - 0.1 pp).

Тйіндеме. Маалада автор коммерциялы пайданы азіргі баалануы мен оларды идеяларыны келешектігін анытады арастырып, елімізді ндірістерінде жаашыл тиімділікте инновациялы жобаларды натылы жадайда енгізуді сынды.

Тйін сздер: басару, инновация, инновациялы жобалар, инфрарылым, бизнес-бірлестіктер, институтционалды профиль, инновациялы институттар.

Summary. In the article the author considers the timeliness determine the prospects of certain ideas and their evaluation in the commercial benefits, and proposed to create an effective sound conditions for the operational implementation of the novelties of the innovative projects of the enterprises of the country.

Key words: management; innovation; innovative projects; infrastructure;the business community;

institutionalprofile; innovativeinstitutions.

УДК 004.4.

БЛТТАЫ КОРПОРАТИВТІ ДЕРЕКТЕРДІ ОРАУ

Адатпа. Блтты есептеулер технологиясы ыса уаытты ішінде, арапайым пайдалануышлар мен компаниялар шін де есептеу технологияларын олданудаы негізгі даму кезеі болып табылды. Блтты есептеуді олданудаы апаратты орау – бгінгі кнде Cloud Computing технологиясымен байланысты ккейкесті мселелерді бірі, оны шешімі компьютерлік жйелерді жаа модельдерін тарату жне атардаы пайдаланушыларды сеніміне ие болуды талап етеді.

Тйінді сздер: Блт, блтты есептеулер, блтта апараттарды орау, леументтік желі, апаратты ауіпсіздік.

Маалада Cloud Computing технологиясын олданудаы корпоративті деректерді ораудаы кілттік мселелеріне шолу беріледі, оларды шешімі блтты есептеулердегі корпоративті апаратты орау дегейін жоарлатуа ммкіндік береді. сынылан масата жету шін келесі тапсырмалар тжырымдалып шешімін тапты: технологияны жалпы сипаттамасы мен оны жеке элементтерін арастыру, корпоративті апаратты ораудаы рам саласындаы е маттарын табу, алынан нтижелерді талдау жне рылымдау мен кілттік тапсырмалар тізімін алыптастыруды шешімі, «блтта» саталынатын корпоративті апаратты орау дегейін жоарлатуа ммкіндік береді.

Блтты есептеулер, компьютерлік жйені лкен клеміне арамастан, жйе оранысын йымдастырумен байланысты артышылытарды толы спектрін сынады. Кілттік кезе, барлы дегейдегі деректерді орауды сапалы ораныс жйесін тиісті дегейде дамуын амтамасыз етуге ммкіндік береді [1, 2].

Блттаы корпоративті деректерді орау Егер сіз наты бір нормативті актілерге баынатын деректерді блтта жинап жне сатасаыз, онда кз жеткізуііз керек, блтты ызметтерді жеткізуші сізді деректерді сенімді трде ораныс жасап жргеніне. Сізді мекемені ішінде жиналан апаратта жне блтта жиналан апаратта алашы кезде андай масат шін жиналса, сол масат шін олданылуы керек. Егер пайдаланушы длме-дл деректерді олдануды тек бір ана масатын крсетсе, онда осы талапты орындалуын амтамасыз ету керек.

Жасырынды жніндегі тініште жиі айтылады, пайдаланушылар деректерге атынай алады, жоя немесе айта дей алады. Егер деректер блтты ызметті жеткізуші аясында болса, ауіпсіздік бойынша талаптар рекет ету стінде болады, егер олар локальды саталса, деректер уаытша шектеулерде атынауа болатынына сіз кз жеткізуііз керек.

Егер деректерге атынау блтты ызметті жеткізушіні ызметшісіне ана рсат етілсе, осы ызметшіні тапсырманы дрыс орындап жатанын арау керек [3].

Егер сіз блтты ызмет жеткізушісіні сынатын стандартты келісім шартын абылдасаыз, онда сізге шартты орындау ажет болады. Тіпті егер де келісім сіз шін згертілсе, блтты ызметті жеткізуші барлы келісімді унификациялауды амтамасыз ету шін, деректер баылауын шектеуге тырысады. Бл блт жеткізушісін арты шыыннан тарады жне ажет болан жадайда арнайы оытылан ызметкерлерді амтамасыз етуге ммкіндік береді. Егер деректерді толы баылауы ажет болса, онда ол жнінде алдын ала біліп, блт жеткізушісіні сынатын шарттарына келіспеу керек.



Pages:     | 1 |   ...   | 7 | 8 || 10 | 11 |
Похожие работы:

«Главные новости дня 28 августа 2013 Мониторинг СМИ | 28 августа 2013 года Содержание СОДЕРЖАНИЕ ЭКСПОЦЕНТР 26.08.2013 Coffeetea.ru. Новости Московская кофейня на паяхъ выступила Генеральным спонсором United Coffee&Tea Industry Event и Командного Чемпионата Кофейных Энтузиастов United Coffee&Tea Industry Event (UCTIE) – главное индустриальной событие в России и других странах СНГ. Состоится 12-14 сентября в Москве, ЦВК Экспоцентр,. 7  27.08.2013 PublisherNews.ru. Новости предприятий и...»

«7 ФОРУМ В форуме Теоретические и прикладные исследования приняли участие: Юрий Евгеньевич Березкин (Музей антропологии и этнографии им. Петра Великого (Кунсткамера) РАН / Европейский университет в Санкт-Петербурге) Николай Борисович Вахтин (Европейский университет в СанктПетербурге) Виктор Семенович Вахштайн (Государственный университет — Высшая школа экономики, Москва) Борис Ефимович Винер (Социологический институт РАН, СанктПетербург) Владимир Яковлевич Гельман (Европейский университет в...»

«OFFSHORE MARINTEC RUSSIA _ СПРАВОЧНИК УЧАСТНИКА (Часть 2. Формы заявок) Offshore Marintec Russia 07 – 10 октября 2014 г. ЦВК ЭКСПОФОРУМ г. Санкт-Петербург Организатор мероприятия: Настоящий Справочник содержит всю информацию, необходимую для успешной подготовки к участию в выставке. Пожалуйста, найдите время прочесть его внимательно. Это позволит Вам избежать осложнений и дополнительных расходов на выставочной площадке. _ 1 07- 10 октября 2014 года, КВЦ Экспофорум г. Санкт-Петербург OFFSHORE...»

«Техника и технология разведки месторождений полезных ископаемых 1 Форум студентов - буровиков, 2010 trrkk.nmu.org.ua Техника и технология разведки месторождений полезных ископаемых 2 Форум студентов - буровиков, 2010 trrkk.nmu.org.ua Техника и технология разведки месторождений полезных ископаемых УДК 622.24 РАЗРАБОТКА МАЛОГАБАРИТНОГО ТРУБОРЕЗА Кортуков А.С., группа БС-09с Донецкий национальный технический университет, Украина Научные руководители – проф., к.т.н. Юшков А.С., доц., к.т.н. Юшков...»

«ОБЩЕСТВЕННАЯ АКАДЕМИЯ НАУК ГЕОЭКОНОМИКИ И ГЛОБАЛИСТИКИ ПОСТОЯННО ДЕЙСТВУЮЩИЙ ЭКОНОМИЧЕСКИЙ ФОРУМ ДИАЛОГ ЗАПАД—ВОСТОК: ИНТЕГРАЦИЯ И РАЗВИТИЕ РАБОЧАЯ ГРУППА РАЗВИТИЕ ТРАНСПОРТНОЙ СИСТЕМЫ И ГЕОЭКОНОМИЧЕСКИЕ ИНТЕРЕСЫ РОССИИ ГОСУДАРСТВЕННОЙ ДУМЫ ФЕДЕРАЛЬНОГО СОБРАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ Москва 2010 А в т о р ы: Э.Г. Кочетов — доктор экономических наук, президент Общественной академии наук геоэкономики и глобалистики, заведующий Центром стратегических исследований геоэкономики НИИВС ГУ ВШЭ, академик...»

«ДАЙДЖЕСТ НОВОСТЕЙ РФ (экономика, инвестиции) за 08-11 мая 2014 г. г. Белгород Дайджест новостей СОДЕРЖАНИЕ 1. Экономический рост — не указ 2. Владимир Путин поручил Правительству развить логистические центры для сбыта сельхозпродукции 3. Правительство России приняло постановление о внесении изменений в ФЦП Устойчивое развитие сельских территорий на 2014–2017 годы и на период до 2020 года. 4. Минэкономразвития РФ ожидает в 2014 году 40 новых резидентов в особых экономических зонах (ОЭЗ) 5....»

«Ученье - свет, а неученье - тьма народная мудрость. Да будет Свет! - сказал Господь божественная мудрость NataHaus - Знание без границ: Скромное воплощение народной и божественной мудрости.:-) библиотека форум каталог Евтушенко В.Г. ЭНЦИКЛОПЕДИЯ ГИПНОТИЧЕСКИХТЕХНИК ББК88 УДК 159.9.072 Е 27 Евтушенко В.Г. Е 27 ЭНЦИКЛОПЕДИЯ ГИПНОТИЧЕСКИХТЕХНИК. - М.: Издательство Института психотерапии, 2005. - 400 с. В книге собраны многочисленные техники гипнотизирования, применявшиеся разными школами гипноза в...»

«декабрь 2006 ИНФОРМАЦИОННОЕ ИЗДАНИЕ АГРОХОЛДИНГА РОДНОЕ ПОЛЕ АГРОФИРМА ФЕДЮКОВО ОТЧЕТ 2003 – 2006 2 АГРОФИРМА ФЕДЮКОВО ОТЧЕТ 2003–2006 Большой капитал наконец-то пришел на землю. Первая ласточка – банк Платина, вложивший средства в освоение подмосковных земель и ставший основателем агрохолдинга Родное поле. Закуплено более 500 единиц техники. Что из этого получилось, судите сами. Губернатор Московской области Борис Громов. Активное развитие агропромышленного комплекса страны невозможно без...»

«Игорь Игоревич Николаев Александр Владимирович Столбиков Новый Мир 1 С ПРИЗНАТЕЛЬНОСТЬЮ И БЛАГОДАРНОСТЬЮ: Галине за ее наиполезнейшее колдовство; Дмитрию Чернышевскому и Наркому иностранных дел Кириллу за неоценимую помощь в оформлении общей концепции, а так же за разъяснение ключевых политических вопросов; хcb, Сергею Русову, Игорю Радюкову и Дяде Мише, пришедшим на помощь в самый тяжелый момент и тем весьма способствовавшим; Камрадам с форума www.twow.ru, принявшим на себя тяжкий и...»

«Министерство культуры, по делам национальностей, информационной политики и архивного дела Чувашской Республики Национальная библиотека Чувашской Республики Отдел отраслевой литературы Центр поддержки технологий и инноваций Охрана окружающей среды Очистка сточных вод Библиографический список литературы Вып. 4 Чебоксары 2013 ББК 38.761.2;я1 О 95 Редакционный совет: Андрюшкина М. В. Аверкиева А. В. Егорова Н. Т. Николаева Т. А. Федотова Е. Н. Очистка сточных вод : библиографический список...»

«ПРАВА БЕЗДОМНЫХ КТО СЧИТАЕТСЯ БЕЗДОМНЫМ В Израиле, как и во все мире, не существует четкой и однозначной формулы, позволяющей определить, при каких условиях человек может считаться “бездомным”. Тем не менее, можно определить понятие “дом” как место жительства, отвечающее трем условиям: оно физически подходит для жизни человека; в нем у его обитателя есть возможность частной жизни; и, наконец, человек живет там на законых основаниях. Отсутствие одного или более из этих условий означает...»

«Список полезных русскоязычных ресурсов Интернет Особая благодарность за работу по составлению сборника: Абдрахманова Жулдыз, Асильбекова Анара, Бордашев Андрей, Ворохта Юрий, Дубиков Александр, Гуляев Павел, Ибрагимова Ирина, Иващенко Владимир, Кожабекова Сауле, Мартынихин Андрей, Муравьевская Юлия, Некрасов Алексей, Парсаданян Армен, Пучкина Наталья, Сегреева Галина, Чернокан Ион, Шевченко Сергей, Шумилова Ирина, Тяпухин Петр, Якимович Марина Содержание 7.17. ПЕДИАТРИЯ 1. МЕДИЦИНСКАЯ...»

«№ 15 ONLINE 650 А Н Т Р О П О Л О Г И Ч Е С К И Й ФОРУМ Игорь Семенович Кон (1928–2011) И нет уже свидетелей событий, И не с кем плакать, не с кем вспоминать. Анна Ахматова Ушел из жизни выдающийся ученый и общественный деятель, один из корифеев российской науки второй половины XX — начала XXI в. Игорь Семенович Кон. Мне, ровеснику покойного, довелось познакомиться с ним в 1946 г. и затем наблюдать его восхождение на научный Олимп. Долгое время мы виделись нечасто, но контакты не прерывались:...»

«Приложение № 1 к постановлению Губернатора области от 25.09.2013 № 1074 КОНЦЕПЦИЯ ЭКОНОМИЧЕСКОЙ ПОЛИТИКИ ВЛАДИМИРСКОЙ ОБЛАСТИ, ОРИЕНТИРОВАННОЙ НА ПОВЫШЕНИЕ КОНКУРЕНТНЫХ ПРЕИМУЩЕСТВ ПРОИЗВОДИМЫХ ТОВАРОВ, РАБОТ И УСЛУГ г. Владимир, 2013 г. СОДЕРЖАНИЕ ВВЕДЕНИЕ 3 Раздел I ОЦЕНКА ВОСТРЕБОВАННОСТИ ТОВАРОВ И УСЛУГ, ПРОИЗВОДИМЫХ НА ТЕРРИТОРИИ ВЛАДИМИРСКОЙ ОБЛАСТИ 5 Раздел II ХАРАКТЕРИСТИКА ОСНОВНЫХ ПРОБЛЕМ И СДЕРЖИВАЮЩИХ ФАКТОРОВ РАЗВИТИЯ КОНКУРЕНТНЫХ ПРЕИМУЩЕСТВ ВЛАДИМИРСКОЙ ОБЛАСТИ Раздел III...»

«, № 3(17) 2011 Культурно-просветительсКий и литературно-художественный журнал Главный редактор издается ежеквартально при участии: Андрей РЕБРОВ союза писателей россии; Зам. главного редактора Валентина ЕФИМОВСКАЯ санкт-петербургского отделения ответственный секретарь союза писателей россии; Владимир МАРУХИН Шеф-редактор собора православной интеллигенции санкт-петербурга; электронной версии журнала Николай СТАНКЕВИЧ руководитель Зао утро редакционно-издательского отдела Татьяна МАКАРОВА...»

«в номере АкАдемик СкулАчев w w w.ek smo.ru АриАднА бориСовА издАтельСтво ЭкСмо — утверждАет: новый Автор в извеСтной победитель конкурСА Серии. душевное тепло продлить молодоСть — ревизор-2013 гАрАнтировАно возможно уже СейчАС 10 ок тябрь 2013 10 октябрь журна л распр ос траняется бесплатно АдреСА регионАльных СодержАние диСтрибуционных центров Новос ти изд ательс тва т орговый д ом ЭкСмо Фи ли А л ЭкСмо Ведущие проек ты изд ательс тва в роС т ове-н А-д он у 142701, Московская область, г....»

«Выводы и резюме Четвертое заседание Рабочей группы ЮНВТО по Шелковому пути Отель Radisson Blu Iveria, Тбилиси, Грузия 7-8 июля 2014 г. С 7 по 8 июля в Тбилиси (Грузия) прошло Четвертое заседание Рабочей группы ЮНВТО по Шелковому пути, организованное ЮНВТО и Национальной администрацией туризма Грузии. Заседание проходило одновременно с первым авиационным форумом по развитию авиамаршрутов на Шелковом пути Routes Silk Road, организованным Routes Online (UBM) и Объединенными аэропортами Грузии....»

«г. Белгород Дайджест новостей СОДЕРЖАНИЕ 1. Путин рассмотрит доступность российских товаров на зарубежных рынках 2. Офшоризация экономик стала мировой эпидемией, заявил Путин 3. Интернет-бизнес в России сейчас дает 8,5% ВВП, заявил Путин 4. Мегапроекты получат еще 300 млрд руб. из ФНБ 5. Соседи России: основная палитра 6. Российские компании готовятся перейти с доллара на юань 7. Законодательный шторм тормозит экономику 8. Инфляция в России может побить исторический минимум 9. В Крыму создали...»

«СПЕЦИАЛИЗИРОВАННАЯ ВЫСТАВКА И НАУЧНЫЙ ФОРУМ РАДИОЛОГИЯ 2005 РОССИЙСКИЙ НАУЧНЫЙ ФОРУМ РАДИОЛОГИЯ 2005 31 мая - 3 июня МОСКВА Центр международной торговли ОРГАНИЗАТОРЫ ЗАО МЕДИ Экспо СОВМЕСТНО С Министерством здравоохранения и социального развития России Российской академией медицинских наук Российским научным центром рентгенрадиологии Росздрава Российской ассоциацией рентгенрадиологов Российской ассоциацией СПЕЦИАЛИЗИРОВАННАЯ ВЫСТАВКА специалистов УЗ диагностики в медицине И НАУЧНЫЙ ФОРУМ...»

«междугородняя безлимит междугородняя безлимитнaя связь междугородняя безлимитная междугородняя безлимитная связь междугородняя быстрая почта междугородняя в винительном пaдеже междугородняя в винительном падеже междугородняя витебск междугородняя вязь в оренбурге междугородняя гaзель для гтa сaн aндреaс междугородняя газель для гта сан андреас междугородняя гарантия междугородняя городскaя aвтобуснaя стaнция тушино междугородняя городская автобусная станция тушино междугородняя грузоперевозкa...»








 
2014 www.av.disus.ru - «Бесплатная электронная библиотека - Авторефераты, Диссертации, Монографии, Программы»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.