автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.10, диссертация на тему:Аналитическая информационная система оценки инновационного потенциала технического вуза на основе нейросетевых технологий

На правах рукописи

ЕВСТИГНЕЕВ АНТОН НИКОЛАЕВИЧ

АНАЛИТИЧЕСКАЯ ИНФОРМАЦИОННАЯ СИСТЕМА ОЦЕНКИ ИННОВАЦИОННОГО ПОТЕНЦИАЛА ТЕХНИЧЕСКОГО ВУЗА НА ОСНОВЕ

НЕЙРОСЕТЕВЫХ ТЕХНОЛОГИЙ (на примере АлтГТУ имени И.И. Ползунова)

05.13.10 —управление в социальных и экономических системах

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Барнаул - 2006

Работа выполнена в ГОУ ВПО «Алтайский государственный технический университет им. И.И. Ползунова» на кафедре «Информационные системы в экономике».

Научный руководитель: Доктор технических наук, профессор

Пятковский Олег Иванович

Официальные оппоненты: Доктор технических наук, профессор

Байкалов Семен Петрович

Кандидат физико-математических наук, старший научный сотрудник Зиновьев Александр Тимофеевич

Ведущая организация: Институт электронных программно-

методических средств обучения РАО

Защита диссертации состоится 29 декабря 2006 года в 10м часов на заседании регионального диссертационного совета КМ212.004.01 в ГОУ ВПО «Алтайский государственный технический университет им. И.И. Ползунова» по адресу; 656038, г. Барнаул, пр. Ленина, 46.

С диссертацией можно ознакомиться в библиотеке ГОУ ВПО «Алтайского государственного технического университета им. И.И. Ползунова».

Автореферат разослан 27 ноября 2006 г.

Ученый секретарь регионального —

диссертационного совета К.Э.Н., доцент А.Г. Блем

(

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. В настоящее время рынок наукоемких технологий является одним из наиболее динамично развивающихся сегментов мирового рынка, что актуализирует роль университета как разработчика и поставщика инновационных продуктов и технологий,

В новых условиях технический университет становится учебно-научно-инновационным комплексом, его инновационная деятельность определяется научной направленностью и потребностями региона, которые необходимо оценивать и анализировать.

Таким образом, оценка инновационного потенциала крупного технического университета является важным элементом системы управления научно-инновационной деятельностью не только в самом университете, но и в регионе. Наиболее актуальной проблемой является организация эффективного взаимодействия прикладной науки с производственной сферой, развитие и распространение наукоемких технологий.

В данном вопросе достаточно сложным и наиболее противоречивым элементом остается методическое обеспечение системы оценки. инновационного потенциала университета, , т.е. перечень исходных показателей, критериев оценки, метода их обобщения и граничные условия.

■ В современных условиях, когда большая доля научных исследований и разработок наукоемкой продукции сосредоточена в университете органическим элементом названной системы, становится и образование как подготовка квалифициров ашшх кадров, без которых невозможно эффективное воплощение научных достижений в производстве.

Развитие инновационной деятельности университета направлено на создание условий для развития экономики, основанной на знаниях, для создания новых знаний. Эффективность экономики определяется степенью развития инновационных процессов, которые включают как получение новых знаний, так и передачу их в производственный сектор экономики и в социальную сферу.

Учитывая вышесказанное, очевидпа актуальность оценки шшова-цио иного потенциала университета и его подразделений с целью стимулирования развития инновационной активности и ориентации научных разработок на конечных потребителей. ,

В стратегии-экономики, основанной. на знаниях, региональные особенности определяют цели, задачи и темпы инновационных процессов. Территориальные и отраслевые особенности развития инновационной деятельности каждого региона, в том числе Алтайского края, значительно зависят от местных научных организаций, университетов. При этом технический университет в условиях техноэволюции призван быть

основой активизации инновационной деятельности в отраслях жизнедеятельности региона.

АлтГТУ имени И.И. Ползунова является региональным центром развития инновационной деятельности в условиях переходной экономики к рыночным формам хозяйствования.

Научные исследования проблем развития инновационной деятельности находят отражение в отечественной литературе. В обширном перечне известных научных работ можно выделить следующих авторов:

B.Е. Шукшунов, В.Р, Атоян, И.М. Бортник, С.Г. Поляков, Н.В. Казакова, ГО .В. Шленов, A.B. Суворинов, Н.Д. Рогалев, A.A. Харин,

C.А.Митрофанов, В.Г. Зинов, А.Д. Викторов, Л.В. Черненькая, В.М.Кутузов, Е.А. Лурье, В.А. Бородин, Т.Б. Маркина, Е.А. Моностыр-ный, А.М.Гринь и многие другие. <■.,-...

Характерными особенностями задач оценки инновационного потенциала являются их сложность и неформ ализованность, большие массивы первичной информации, искаженность и неточность данных, нестабильность внешней среды, неопределенность внутренних взаимосвязей.

Дня решения различных задач оценки российскими авторами предлагались разнообразные методы. Э.В. Попов, Б.Е. Одинцов и ряд других авторов проводили исследования по применению продукционных экспертных систем для решения сложных, в т.ч. экономических, задач. Целым рядом авторов (А.Н. Горбань, Д.А. Россиев, Е.М. Миркес) был описан нейросетевой подход к решению неформализованных задач. Однако наилучшие результаты дает применение гибридных экспертных систем, описанных в работах В.А. Силича, О.И. Пятковского. Гибкость настройки,- возможность сочетания различных методов искусственного интеллекта позволяют гибридным экспертным системам занять лидирующее положение среди'методов решения неформализованных задач.

Цель исследования. Разработка модели и информационной системы опенки инновационного потенциала технического университета с применением нейросетевых технологий. ■

Задачи исследования:

- На основе методов системного анализа исследовать процесс оценки инновационного потенциала технического университета.

- Провести анализ существующих подходов к оценке инновационного потенциала вуза. ■ '

- Провести анализ использования нейросетевых технологий и информационных систем для оценки инновационного потенциала.

— Определить структуру модели оценки инновационного потенциала.

— Выделить интеллектуальные блоки и определить методы решения задач оценки инновационного потенциала. •

— Разработать информационную систему оценки-инновационного потенциала.

— Провести вычислительный эксперимент по использованию разработанной системы и проанализировать полученные результаты.

Объектом исследования является инновационная деятельность технического университета.

Предметом исследования является разработка методов .и алгоритмов решения задач оценки инновационного потенциала технического университета.

Методы исследования. Поставленные в диссертационной работе задачи решались с применением методов системного анализа, проектирования информационных систем, методов искусственного интеллекта и нейроинформатики, экспертных оценок..

Научной новизной в диссертационной работе обладают следующие результаты:

1.Разработана модель оценки инновационного потенциала технического вуза на основе нейросетевых технологий.

2. Предложен метод решения задачи оценки инновационного потенциала, включающий создание структуры и обучение нейросетевых компонентов гибридной экспертной системы.

3. Разработана аналитическая информационная система, обеспечивающая решение задачи оценки инновационного потенциала научно-технических организаций на основе нейросетевых методов.

Защищаемые положения:

1. Модель системы оценки инновационного потенциала на основе нейросетевых технологий.

2. Технология, алгоритм и метод настройки гибрддной экспертной системы и нейросетевых решателей.

3.Результаты вычислительного эксперимента оценки инновационного потенциала.

— Практическая значимость результатов диссертационной работы заключается в том, что разработанная модель и информационные технологии будут примепены для эффективного решения задач оценки инновационного потенциала технического университета.

Полученные результаты имеют практическое значение:-

— Спроектирована аналитическая информационная система «Инновация». Свидетельство об официальной регистрации программы для ЭВМ Ха2005612344.

— Разработанная аналитическая информационная система внедрена в учебном процессе кафедры «Информационные системы в экономике» в Алтайском государственном техническом университете.

— Разработанная аналитическая информационная система внедрена в Алтайском государственном техническом университете, Томском политехническом университете, Саратовском государственном техническом университете

Полученные результаты позволят руководству вуза решил, сразу несколько управленческих задач таких, как получение достаточно полной информации об инновациогаюй деятельности его подразделений,-что позволяет принимать направленные и эффективные решения; выявление «слабых мест» в научной организации, причин, затрудняющих ее развитие, и принятие мер по исправлению положения; выставление рейтинговой оценки подразделений и стимулирование «лидеров».

Реализация результатов. Научные результаты работы были использованы при построении модели оценки инновационного потенциала. Разработанная аналитическая информационная система используется при проведении оценки инновационного потенциала вуза, деятельности кафедр АлтГТУ, что подтверждено актами о внедрении и использовании.

Основные результаты исследования нашли отражение и применены в научно-исследовательских и опытно-конструкторских хоздоговорных работах, в которых автор является непосредственным исполнителем, в их числе хоздоговора с АлтгТУ, ТПУ, СГТУ.

Исследование проводилось в рамках государственного контракта по теме РИ-16/006 «Научно-организационное, методическое и техническое обеспечение организации и поддержки научно-образовательных центров в области информационных технологий и осуществление на основе комплексного использования материально-технических и кадровых возможностей совместных исследований и разработок».

Апробация результатов работы. Основные положения и результаты работы докладывались и обсуждались на всероссийской межвузовской научно-практической конференции аспирантов и преподавателей с международным участием «Решение глобальных и региональных проблем в экономике» (АлтГТУ им. ИЛ. Ползунова, Барнаул) в 2004 году, на всероссийском семинаре «Нейроинформатика н ее приложения» (Институт вычислительного моделирования СО РАН, г. Красноярск) в 2006 году, на научно-технической конференции «Виртуальные и

интеллектуальные системы» (АлтГТУ им. И.И.Ползуиова, Барнаул) в 2006 году.

Публикации. По теме диссертации опубликовано 10 работ, на аналитическую информационную систему «Инновация» получено свидетельство о регистрации.

Структура диссертации. Диссертационная работа состоит из введения, трех глав, заключения и библиографии. Общий объем диссертации составляет 139 страниц. Список использованной литературы включает 146 наименований.

ОБЩЕЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность диссертационного исследования, сформулирована цель и задачи для ее достижения, определены объект и предмет работы, методы исследования, научная новизна и положения, выносимые на защиту, теоретическая и практическая значимость, апробация результатов работы. .

В первой главе диссертационной работы «Научная основа оценки инновационного потенциала технического университета» проведен анализ инновационной деятельности технического университета, рассмотрены ее особенности и связь с научной и производственной деятельностью. Проведена систематизация и анализ существующих моделей оценки. Рассмотрены методологические подходы к оценке объектов инновационного потенциала и сформирована концепция построения модели оценки инновационного потенциала на основе гибридных экспертных систем и нейросетевых технологий.

В первом параграфе главы приведено описание развития инновационной деятельности Алтайского государственного технического университета им. ИЛ. Ползунова. Представлены и рассмотрены четыре основных направления развития научно-инновационной деятельности АлтГТУ, которые определяют его инновационный потенциал и активизацию инновационной деятельности в решении региональных задач.

Основные направления развития научио-шгаовационной деятельности АлтГТУ в условиях Алтайского края:

— трансформация университетского комплекса в инновационной стратегии развития региона;

— технология подготовки специалистов для инновационной сферы на основе программы «Студешы и аспиранты малому наукоемкому бизнесу» - «Ползуновские гранты»;

— программа «СТАРТ» на Алтае — финансирование инновационных проектов, находящихся на начальной стадии развития;

- инновационно-технологический центр (ИТЦ) - трансфер, наукоемкие производства, интеллектуальные ресурсы в составе ИТЦ России.

Во втором параграфе главы приведено описание анализа па гдеед-мет существования и использования информационных систем в оценке инновационного потенциала. На сегодняшний момент применяются наиболее простые методы подсчета рейтинга (подсчет средневзвешенного, суммирование баллов), которые зачастую не способны учесть большое количество факторов и сложных взаимосвязей между ними. Также в России не наблюдается особых достижений, в программном обеспечении данного процесса.

Практически в каждом российском университете ведутся работы по разработке системы оценки инновационного потенциала. Однако наибольшее внимание при этом уделяется критериям оценки, а не программному и математическому обеспечепию. Поэтому зачастую в данных методиках используются формализованные зависимости.

В некоторых работах авторами описываются попытки применения нейросетевых технологий, однако о практических результатах применения 1П1чего не упоминается. Наибольших успехов достигли специалисты томского университета, которые разработали достаточно подроб-, цую и универсальную систему показателей инновационного потенциала и методику расчета.

В третьем параграфе главы проведен анализ существующих методов решения задач оценки применительно к объектам инновационного потенциала. Рассмотрено решение неформализованных задач путем построения аналитических зависимостей, продукционных экспертных систем и нейронных сетей. Проанализированы достоинства и недостатки.

Основное преимущество аналитических формул — простота использования. Недостатком являются серьезные затруднения при обработке качественных показателей, которые содержаться среди входных параметров. Требуется наличие представленных в виде математических зависимостей экспертных знаний, что не всегда возможно; кроме того, применение формул приводит иногда к недопустимому упрощению.

Преимуществом продукционных экспертных систем является возможность использования экспертных знаний в явном виде и обработка качественных и количественных показателей. Логическая прозрачность и возможность пополнения экспертной системы знашгями в процессе эксплуатации. Недостатки - не все знания можно представить в четком виде правил продукции, поэтому для качественного анализа необходимо кроме-продукционных правил использовать дополнительные методы; ие обладают достаточной гибкостью.

V нейронных сетей преимуществом является возможность использования опыта; обработка и запоминание эмпирических данных о деятельности объекта, а также возможность оперативного дообучения; определение значимости входных показателей и работа с зашумленными и неполными данными. Примепеиие нейронных сетей для оценки объектов также сопряжено с некоторыми трудностями, главная из которых логическая непрозрачность получаемых результатов. Как следствие, получаемые результаты заведомо содержат ошибку.

В контексте данной работы под нейросетью понимается сложная вектор-функция:

= Е ' К (■•(■>№, * V, х»))>), (1)

где р - номер компоненты выходного вектора, а - вектор параметров или весов связей, х - вектор входных данных или переменных, ¡с -число слоев сети, т*. — число нейронов в к-м слое, — функция

поведения нейрона:

/ V -

где с>0 — характеристика пологоста функции, г = 1..к — номер слоя сети, | — номер нейрона, 1. Технология функционирования неЙросете-вого блока представлена на рисунке 1.

Особенностью нейросетевых моделей являются их внутренние ретуляризирутощие свойства, позволяющие получать малые ошибки обобщения. Полезность регуляризирующих свойств нейронных сетей проявляется в ситуациях, когда экспериментальные данные о системе содержат внутреннюю избыточность. Избыточность позволяет представить совокупность данных в виде модели, с числом параметров меньшим, чем имеется категорий данных. Таким образом, нейросетевая модель сжимает экспериментальную информацию, устраняя шумовые компоненты и подчеркивая непрерывные гладкие зависимости.

Метод экспертных оценок применяется для решения сложных неформализованных задач оценки. Кроме того, для построения продукционных и нейросетевых решателей требуется применение экспертных знаний, которые можно получить с помощью экспертизы. В продукционных системах они необходимы для составления базы знаний, в нейронных сетях — для составления обучающих выборок.'

Экспертное оценивание - это процесс измерения и сравнения объектов по выбранным показателям. ■

с +

гп,-1

(=0

(2)

Формирование обучающей выборки

V . ;

Рисуиок 1 - Механизм формирования нейросетевой модели

В заключении главы приведено, обоснование использования гибридных экспертных систем для решения задач оценки инновационного потенциала, выделены нерешенные проблемы, возникающие при их настройке н обоснованна эффективность системы мониторинга.

В первом параграфе второй главы работы «Интеллектуальная информационная система оценки инновационного потенциала технического университета» описана структура гибридной экспертной системы оценки инновационного потенциала технического университета.

При оценке инновационного потенциала достаточно сложно определить критерии и методы расчета целевой и промежуточных вершин. Методика оценки должна быть максимально направлена на соответствие следующим требованиям, таким как полнота охвата предметной об-

ласти; неизбыточность (отсутствие повторений) и непротиворечивость критериев; использование простых, легко проверяемых и количественно оцениваемых первичных показателей; относительность. оценок, обеспечивающая правомерность сопоставления различных организаций; различная значимость критериев; возможность их группировки по принципу семантической близости.

Предлагаемая методика оценки инновационного потенциала складывается из множества факторов, характеризующих объект исследования с различных сторон. Эти факторы можно обобщить в следующих показателях:

1.1 Задел научно-технических собственных и приобретенных разработок и изобретений. Данный показатель учитывает также возможность и способность организации найти и приобрести права на использование необходимых ему разработок, а также заказать новые научно-исследовательские и опытно-конструкторские работы по интересующей их тематике.

1.2 Инфраструктурные возможности НТО дня обеспечения основных этапов инновационного процесса.

1.3 Внешние и внутренние факторы, отражающие взаимодействие инновационного потенциала с другими частями совокупного потенциала научно-технической организации и влияющие на успешность осуществления инновационного цикла.

1.4 Уровень инновационной культуры, характеризующий степень восприимчивости новшеств персоналом предприятия, организации, его готовности и способности к реализации новшеств в виде ттоваций.

Факторы являются промежуточными вершинами (узлами) в графе (дереве) решения задачи.

Задел научно-технических собственных и приобретенных разработок и изобретений включает в себя оценку видов завершения собственных НИОКР, оценку руководителями деловых связей между производством и наукой, оценку влияния задела научно-технических разработок и изобретений в НТО, а также техническое состояние оборудования.

Инфраструктурные возможности определяются наличием доступа к необходимым ресурсам для обеспечения полного цикла создания инновационного продукта.

Внешние и внутренние факторы характеризуются востребовашю-стью продукции рынком, наличием госзаказа, подготовленностью специалистов в различных областях, уровнем мотивации сотрудников ор-: ганизации.

Неотъемлемой частью инновационного потенциала является инновационная культура, то есть состояние восприимчивости новшеств личностью, группой, обществом в целом, их готовности и способности

к реализации новшеств в качестве инноваций. Тема инновационной культуры относительно нова и требует тщательного анализа структуры данного понятия.

Таким образом, схема анализа оценки инновационного потенциала технического университета представляет собой иерархическую модель (рисунок 2, 3). При таком представлении решения задачи эффективно применение гибридных экспертных систем, то есть общая задача представляется как совокупность подзадач образующих иерархию. При этом решение осуществляется через последовательное решение всех подзадач, из которых она состоит (снизу вверх).

Оценка инновационного потенциала

Г

Злдеп научно-техническими приобретен»«* разработан изобретений

Инфраструктурные возыошносш КТО для обеспечения оснаеньк | этапов инновационного } лрвцесса

Внешние и внутренние факторы, влияющие на

успешность тновадоомого цикла

Уровень инновационной гулкуры, характеризующий

степень восприимчивости

Рисунок 2 - Вершины дерева оценки инновационного потенциала

Е

31,

С

.....» "1

| 1,1,1.1

I "'•• ¡1

ПТ7Г}.

1

{¿¿В} [^Э

£

ЩЭ

э

Зг Ц

Я

Ш.

а г

□г

I,'*" и

г

353?

|

[ ^JJ!Г'

I ЦДЛ

1 удлд"

| 'Ми

1 1 aj.fi

Рисунок 3 — Дерево оценки инновационного потенциала' технического университета

Из рисунка 3 видпо, что на вход блока 1.1.1 «Оценка видов завершения собственных НИОКР» поступает вектор текущих значений показателей Х)Шт*1ш>_____влияющих на данный критерий Ящ. В каче-

стве выходного значения блока оценки служит оценка значения критерия В., „.

В общем случае модель оценки инновационного потенциала вуза можно представить в виде следующей формулы:

Я = ^К-^н (^111(^1111—^1115 >-^1114 0*1114! 1*111« ))>

■^т (^пи —хп2б% ^ ю пз1 ****1134 (-^11321»х1игг ))' -"тк )' ^

■^12 (Х121 > ^125 (,Х:1251 ' Х12Я ))'

^13 (ЛГШ (^1311 "'^ШЮ )> -^132 (А~Ш1) *132_н))> -^14 )>

где Я - результат оценки (итоговое значение), х - исходные показатели, Р() — функция формализованной зависимости, N0 — нейросетевая функция. .

Формула нейронной сети на примере узла 1.1.1 «Оценка видов завершения собственных НИОКР» выглядит следующем образом:

(4)

/-1 ¡'1

при этом структура сети: 1 слой (М нейронов) и 1 скрытый слой (1 нейрон), N — количество входных показателей, Р — сигмошщая функция, синоптический вес_/-го нейрона для /-го входного параметра, V,— вес >го нейрона на первом слоерсш/ — значение /-го входного параметра.

Формализованные зависимости для узлов дерева представлены в виде средневзвешенных значений. Например, для узла 1.1.1.4 «Использование изобретений» формулу можно записать в следующем виде:

лг

= (5)

¿«•,=1. (б) (.1

где 7?11И — значение узла 1.1.1.4, лШ4— значения входных показателей для расчета данного узла, щ - вес ¡-го фактора, сумма весов равна 1, N — количество входных показателей.

Во втором параграфе второй главы рассмотрено формирование методов и алгоритмов решения локальных задач с использованием ней-росетевых методов, систем обработки знаний и аналитических зависимостей. ,. .

Одним из основных этапов разработки поля знаний является формализация задач в узлах графа связей, получены в ходе структуризации. Система является открытой для применения тех или иных методов формализации. Исследования, проведенные в диссертации, показали,

что наиболее приемлемыми для решения слабоформализуемых задач оценки инновационного потенциала являются следующие методы: аналитические формулы и методы, основанные на искусственных нейронных сетях (индуктивное представление знаний).

Выбор метода решения в узлах дерева зависит от целого ряда факторов, которые делятся на две группы. Во-первых, это характеристики решаемой задачи, во-вторых, это характеристики возможных методов решения, в том числе продукционных экспертных систем и нейронных сетей, и предпочтения пользователя, решающего задачу.

Наиболее универсальным методом являются нейронные сети, так как для их применения нет необходимости выявлять и доказывать формулы, строить сложную базу правил. Необходимо лишь сформировать достаточную обучающую выборку-задачник и обучить сеть. Впоследствии для улучшения результатов ее можно дообучать и переобучать.

В третьем параграфе второй главы описана структура аналитической информационной системы оценки инновационного потенциала технического университета (рисунок 4) и основные принципы ее построения.

Рисунок 4 — Структура системы оценки инновационного потенциала

В качестве интеллектуального блока аналитического комплекса использована гибридная экспертная информационная система «Бизнес-Аналитик», позволяющая решать как формализованные, так и неформализованные задачи.'Конфигурация системы в данном исполнении настроена на решение узких задач мониторинга инновационной деятельности университета.

Гибридная модель при решении задач оценки дает определенные преимущества. Во-первых, для разных подзадач можно использовать разные методы решения.

Во-вторых, при изменении в механизме решения одной подзадачи не возникает необходимости в корректировке остальных.

В-третьих, можно применить различные методы решения к одной подзадаче и сравнить результаты решения. В-четвертых, агрегирование информации в рамках гибридной модели не приводит к ее потере, все данные вплоть до первичных показателей могут быть восстановлены.

В состав гибридной экспертной системы входят основные блоки, представленные на рисунке 5.

Этапами решения аналитической задачи являются: структуризация, формализация, конкретизация. Цель процесса структуризации — формирование графа решения задачи без циклов и петель.

Блок сбора статистических данных с кафедр технического университета

Блок построения дерева задачи оценки инновационного потенциала

Управляющий блок

Интерфейс вывода

Блок формализованных зависимостей

Рисунок 5 - Структура гибридной экспертной системы

Для этого используется системный подход к описанию проблемной области неформ ализовашюй задачи на основе алгоритма структурирования задачи оценки "сверху - вниз" с раскрытием вершин в глубину и технология извлечения знаний на основе методов экспертных оценок.

В четвертом параграфе описана технология проведения вычислительного эксперимента с целью принятия рациональных управленческих решений.

Техпология включает в себя разработку анкеты; определение экспертной комиссии;. расчет компетентности, компетентность каждого эксперта определена весовыми коэффициентами. Расчет коэффициентов компетентности экспертов производился методом взаимооценки. Коэффициент компетентности i-ro эксперта рассчитывается по следующей формуле:

L .

2>„

«.-Vt—. С7)

XIX i-l 1

где числитель — общая сумма баллов /-го эксперта по оценкам всех экспертов, знаменатель — итоговая сумма всех баллов по всем экспертам, L - количество экспертов, ри, р^ - мнение 1-го эксперта о компетентности у-ro и А-го эксперта соответственно. Следует отметить, что формула уместна только в данном случае, (данные экспертов нормированы в интервал (0-10)), иначе необходимо было бы дополнительно проводить нормировку мнений экспертов.

Следующим этапом является сбор статистической информации. Данные собирались на основе анкетирования среди руководителей ка-

фелр- "

После сбора и обработки анкет научно-инновационного потенциала была сформирована база знаний. Для определения обучающего параметра применялся метод экспертных оценок.

Следующим шагом было деление общей выборки на обучающую и тестовую. Примеры тестовой выборки формировались случайным образом. Обучающая выборка состоит из примеров, каждый пример представляет собой ряд показателей и обобщенную интегральную оценку этих показателей. Интегральная оценка выставлена на основе мнений экспертов, с учетом их компетентности.

После загрузки обучающей выборки в систему из заранее подготовленного файла (формата XSL, DBF) применяются методы поиска и ' устранения аномалий (если это необходимо). -,

Далее происходил подбор структуры нейронной сети; обучение нейронной сети, что включает в себя выбор метода обучения, упрощение структуры. После обучения сеть сохраняется и подвергается тести-ровашпо. Анализируется ошибка обучения и обобщения. Если ошибка обобщения находится в установленных экспертами допустимых пределах, нейронную сеть можно использовать для решения задачи оценки.

В третьей главе работы содержится описание настройки гибридной экспертной системы на решение задачи оценки инновационного потенциала технического университета и результаты вычислительного

эксперимента оценки инновационного потенциала технического университета, а также программная реализация аналитической информационной системы.

Разработанная программа АИС «Инновация», состоит из клиентской и общей часта. Клиентская часть отвечает за сбор исходных данных об инновационной деятельности кафедр и университета, выполнена в виде электронной анкеты, а общая часть осуществляет комплексный расчет с использованием интеллектуальных компонентов и анализ результатов (рисунок б).

В качестве общей части в программном комплексе используются интеллектуальная система «Бизнес-Аналитик», функциональными блоками которой являются:

— блок настройки решения задачи;

о настройка, обучение нейронных сетей; о настройка формализованных зависимостей;

— блок расчета;

Рисунок 6 — Клиентская часть программы АИС «Инновация»

В первом параграфе третей главы рассмотрен процесс настройки нейронных сетей и формализованных зависимостей в узлах дерева знаний. В шести узлах в качестве метода решения был определен аппарат нейронных сетей. В результате многочисленных экспериментов по обу-

чению сетей, позволило выявить оптимальную структуру для каждого узла (таблица 1).

- . Под оптимальной структурой в работе понимается такое строение нейронной сети, при котором ошибка обобщения будет иметь устойчивый и удовлетворительный результат. Экспертами установлена приемлемая ошибка обобщения не более 6%.

При обучении использовались различные методы. Наилучший результат показали методы СОВ, БСв, ВРОБ. При обучении данными методами ошибка обучения через 3-4 итераций быстро уменьшалась. Надо отметить, что при слишком пюкой ошибке обучения, нейронная сеть переобучалась.

Устранение аномалий значительно уменьшило дисперсию рассматриваемых факторов, однако. результаты тестирования оказались значительно хуже при тех же структурах сети.

Таблица 1 — Результаты обучения нейронных сетей.

Наименование узла Структура сети Ошибка обучения Ошибка обобщения

Оценка видов завершения собственных НИОКР 2-1 3,95 . 5,30

Оценка руководителями деловых связей между производством н наукой 5-5-1 1,65 2,83

Оценка влияния на инновационный потенциал задела научно-технических разработок и изобретений в НТО 4-1 1,97 3,15

Задел научно-технических собственных и приобретенных разработок и изобретений. 5-1 1,67 5,63

Инфраструктурные возможности НТО для обеспечения основных этапов инновационного процесса 5-5-5-5-5 0,07 3,47

Внешние факторы . 4-1 . 2,21 1,90

В некоторых узлах рассматриваемого дерева в качестве метода решения определены формализованные зависимости (формулы). В данном случае формулы составлены экспертным путем с помощью определения весов каждого показателя в итоговом результате. То есть итоговое значение показателя определяется по следующей формуле:

Д = (8)

1-1

где К - результат расчета по формуле, к, - весовой коэффициент 1-го фактора, значение 1-го фактора.

Ниже представлен список узлов, в которых используется формула:

— инновационный потенциал;

— использование изобретений;

— информационное обеспечение инновационных разработок;

— внешние и внутренние факторы.

В ходе проведенного эксперимента были получены следующие результаты оценки инновационного потенциала (рисунок 7)

Сравнительный анализ инновационного потенциала структурных подразделений АлтГТУ им. И.И. Ползунова показывает, что имеются кафедры, приоритетно развивающиеся и требующие планирования мероприятий для их развития в университете. Таким образом, имеется возможность систематизации кафедр по признакам, характеризующим инновационный потенциал.

Разработанная методика является экспериментальной попыткой оценить сложный, но очень важный для университета показатель. Проведена работа по выявлению критериев оценки и построено дерево решений. Работоспособность дерева действительно решать поставленные задачи, продолжает проверяться специалистами и экспертами в данной области.

Полученпые с помощью аналитической информационной системы результаты позволят руководству университета решить сразу несколько управленческих задач:

— получение руководством университета достаточно полной информации об инновационной деятельности его подразделений, что позволяет принимать направленные и эффективные решения;

— выявление «слабых мест» в научной организации, причин, затрудняющих ее развитие, и принятие мер по исправлению положения;

— выставление рейтинговой оценки подразделений и стимулирование «лидеров»;

— накопление статистической информации, которую можно использовать для определения различных закономерностей, в единой базе данных университета.

Центральной проблемой в решении подобных задач является выбор критериев — исходных показателей и промежуточных вершин. Существенны проблемы сбора исходных данных, проверки достоверности, контроля и полноты информации.

Рисунок 7 ~ Диаграмма оценки инновационного потенциала подразделений АлтГТУ

■ Одним из вариантов решения проблемы сбора исходных данных может стать создание шеЬ-интер фейса, что позволит существенно сократить временные затраты па сбор первичной информации.

. Работа по оценке инновационного потенциала и отладке разработанной методики продолжается. Данное направление является перспективным и востребованным. В конечном итоге система может оценивать не только потенциал учебного подразделения, но и любой организации, выпускающей наукоемкую иродукцшо} и даже города или региона. В заключение диссертации формулируются основные выводы, приводятся важнейшие результаты работы.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ В ходе проведенного исследования решены поставленные задачи и достигнуты следующие результаты:

1. На основе методов системного анализа исследован процесс оценки инновационного потенциал технического университета. Проведен анализ существующих подходов и систем оценки инновационного потенциала университета. Проведен анализ инновационного потенциала университета как объекта исследования на примере АлтГТУ им И.И. Пол-зунова.

2. Проведен анализ использования нейросетевых технологий в оценке инновационного потенциала. Определена структура модели и системы оценки инновационного потенциала. Выделены интеллектуальные блоки и определены методы решения задач оценки инновационного потенциала в узлах графах связи.

3. Показано, что настройка гибридной модели па решение задач оценки включает в себя ее структуризацию, выбор и настройку метода решения всех внутренних подзадач.

4. Выработаны критерии н алгоритмы выбора методов решения для вершин иерархического дерева.

5. Описан процесс проведения экспертизы с целью получения экспертных знаний для настройки методов формализации в узлах графа. Предложен алгоритм оценки компетентности экспертов на основе аппроксимации их мнений нейросетевьшн решателями.

6. Разработана аналитическая информационная система оценки инновационного потенциала научно-технических организаций «Инновация».

7. Проведена серия вычислительных экспериментов по использованию разработанной системы, подтверждающих эффективность использования выбранных методов и алгоритмов, а также разработанного программного продукта. Проанализированы полученные результаты.

Основные результаты диссертации опубликованы в следующих работах:

1. Евстигнеев А.Н. Инновации: Что мешает прорыву? Решение глобальных и региональных проблем в экономике : сборник докладов на Всероссийской межвузовской научно-практической конференции аспирантов и преподавателей с международным участием / АлтГТУ им. И.И. Ползунова.-Барнаул : Изд-во АлтГТУ, 2004.-С. 138-141.

2. Евстигнеев АЛ. Факторы, влияющие на развитие инновационной деятельности региона. Повышение экологической безопасности автотракторной техники : сборник статей / под ред. д.т.н., проф., академика PAT A.JI. Новоселова / Российская академия транспорта, АлтГТУ им.

. И.И. Ползунова. -Барнаул : Изд-во АлтГТУ, 2003. - С. 125-127.

3. Новоселов C.B. Системная трансформация университетского комплекса, как особая миссия в стратегии регионального развития экономики, основанной на знаниях / C.B. Новоселов, А.Н. Евстигнеев // Ползуновский вестник : Экономика. - Барнаул : Изд-во АлтГТУ, 2005, -№1.-С. 164-169.

4. Евстигнеев А.Н. Инновационное образование в стратегии развития учебно-научно-инновационного комплекса АлтГТУ им, И.И. Ползунова / А.Н. Евстигнеев, A.A. Максименко, C.B. Новоселов, В.В. Евстигнеев // Известия Международной Академии наук Высшей школы. —

' Барнаул : Изд-во АлтГТУ, 2003. - Ла2 (24). - С. 22-27.

5. Евстигнеев В.В. Основы стратегии научно-инновационного развития регионального технического университета / В.В. Евстигнеев, A.A. Максименко, В.Д. Гончаров, C.B. Новоселов, А.Н. Евстигнеев // Инженерное образование : журнал ассоциации инженерного образования России. - Томск, 2004. - Х°2. - С. 52-59.

6. Евстигнеев А.Н. Научно-образовательные инновационные программы АлтГТУ им. И.И. Ползунова в Ползуновских традициях / А.Н. Евстигнеев, A.A. Максименко, C.B. Новоселов // Ползуновский альманах: наука — образование — экономика — производство — бизнес — культура. - Барнаул : Изд-во АлтГТУ, 2005. - №3 - С. 6-10.

7. Демчик Д.С. Разработка системы оценки инновационного потенциала вуза / Д.С. Демчик, А.Н. Евстигнеев, О.И. Типгков // Ползуновский вестник: управление в социальных и экономических системах. - Барнаул : Изд-во АлтГТУ, 2006. - №1.-С. 7&-8б.

8. Пятковский О.И. Система оценки инновационного потенциала подразделений университета с использовшшем методов нейропнформа-тикн /О.И. Пятковский, C.B. Новоселов, О.И. Тишков, А.Н. Евстигнеев И Нейроинформатика и ее приложения : XIV Всероссийский семинар, — Красноярск, 2006. - С. 82-83.

9. Свидетельство об официальной регистрации программы для ЭВМ №2005612344, Аналитическая информационная система оценки инновационного потенциала научных организаций (Инновация), Правообладатель Государственное образовательное учреждение высшего профессионального образования «Алтайский государственный технический университет им. И.И, Ползунова» (АлгГТУ) (R.U). Авторы: Евстигнеев А.Н., Новоселов C.B., Пятковский О.И., Тшпков О.И. Зарегистрировано в Реестре программ для ЭВМ 09 сентября 2005 года.

10. О.И. Пятковский. Применение нейросетевых технологий в системе оценки инновационного потенциала подразделений университета / О.И. Пятковский, C.B. Новоселов, О.И. Тишков, АЛ. Евстигнеев // Ползуновский Альманах : тезисы научно-технической конференции «Виртуальные и интеллектуальные системы». — Барнаул : Изд-во АлтГ-ТУ, 2006. — №4. — С. 21-22.

Подписано в печать 01.11.2006. Формат 60x84 1/16. Печать - ризография. Усл.п.л. 1,39. Тираж 100 экз. Заказ 128/2006. Издательство Алтайского государственного технического университета им. И.И. Ползунова, 656038, г. Барнаул, пр-т Ленина, 46. Лицензии: ЛР № 020822 от 21.09.98 года, ПЛД № 28-35 от 15.07.97 Отпечатано в ЦОП АлтГТУ 656038, г. Барнаул, пр-т Ленина, 46

Введение.

1. Научная оенова оценки инновационного потенциала техническою университета.

1.1 Инновационная деятельность технического университета.

1.2 Систематизация и анализ модели оценки инновационною потенциала технического >нпверсите га.

1.3 Методологические подходы к оценке объектов инновационною потенциала.32 1 4 Концепция построения модели оценки ИП '1У на основе гибридных экспертных систем, нейросегевых технологий.

2 Аналитическая информационная система оценки инновационного потенциала техническою вуза.

2.1 Структура гибридной экспертной системы оценки инновационного потенциала.

2.2 Формирование методов и алгоритмов решения локальных задач в узлах фафоевязи с использованием нейросетевых методов, систем обработки знаний и аналитических зависимостей.

2.3. Структура аналитической информационной системы оценки инновационного нотепциала на>чно-техпической ор1анизации.

2.4 Ге\ноло1 ия проведения вычислительного эксперимента с целью принятия рациональных управленческих решений.

3 Исследования инновационною потенциала технического университета на основе разработанной модели оценки.

3.1 Вычислительный эксперимент, результаты и их сравнительный анализ (по кафедрам, фак>лыетам).

3.2 Описание программной системы, ее апробация и кошроль адекватности для оценки инновационною потенциала технического университета.

3.3 Методика использования разработанной модели для оценки инновационною нотепциала техничсеко1 о университета.

Актуальность темы. В настоящее время рынок наукоемких технологи является одним из наиболее динамично развивающихся cei ментов мирового рынка, что актуализирует роль университета как разработчика и поставщика инновационных продуктов и технологий.

В новых условиях технический университет становится учебно-научно-инновационным комплексом. Инновационная работа строится на основе планирования и управления систематизированными научными исследованиями в инфраструктуре университета с целью разработки и внедрения, применения инноваций в отраслях жизнедеятельности общества. В такой роли его инновационная деятельность определяется научной направленностью и потребностями peí иона, которые необходимо оценивать и анализировать.

Таким образом, оценка инновационного потенциала крупного технического университета является важным элементом системы управления научно-инновационной деятельностью не только в самом университете, но и в регионе. Наиболее актуальной проблемой является организация эффективного взаимодействия прикладной науки с производственной сферой, развитие и распространение наукоемких технологий.

В данном вопросе достаточно сложным и наиболее противоречивым элементом остается методическое обеспечение системы оценки инновационного потенциала университета, т.е. перечень исходных показателей, критериев оценки, методы их обобщения и граничные условия.

В современных условиях, когда большая доля научных исследований и разработок наукоемкой продукции сосредоточена в университете органическим элементом названной системы, становится и образование как иодю-товка квалифицированных кадров, без которых невозможно эффективное воплощение научных достижений в производстве.

Развитие инновационной деятельности университета направлено на создание условий для развития экономики, основанной на знаниях, для создания новых знаний. Эффективность экономики определяется степенью развития инновационных процессов, которые включают как получение новых знаний, так и передачу их в производственный сектор экономики и в социальную сферу.

Учитывая вышесказанное, очевидна актуальность оценки инновационною потенциала университета и его подразделений с целью стимулирования развития инновационной активности и ориентации научных разработок на конечных потребителей.

В стратегии экономики, основанной на знаниях, региональные особенности определяют цели, задачи и темпы инновационных процессов. Территориальные и отраслевые особенности развития инновационной деятельности каждою региона, в том числе Алтайского края, значительно зависят от местных научных организаций, университетов. При этом технический университет в условиях техноэволюции призван быть основой активизации инновационной деятельности в отраслях жизнедеятельности peí иона.

Алтайский государственный технический университет имени И.И. Ползунова (АлтГТУ) является региональным центром развития инновационной деятельности в условиях переходной экономики к рыночным формам хозяйствования.

Степень разработанности проблемы. Проблема оценки инновационной деятельности, инновационного потенциала находит, отражение в отечественной и зарубежной литературе. Можно отметить следующих авторов научные исследования которых посвящены проблемам развития инновационной деятельности: В.Е.Шукшунов, В.Р.Атоян, И.М.Бортник, С.Г.Поляков, П.В.Казакова, Ю.В.Шленов, А.В.Суворинов, Н.Д.Рогалев, А.А.Харин, С.А.Митрофанов, В.Г.Зинов, А.Д.Викторов, JI.В.Черненькая, В.М.Кутузов, П.А.Лурье, В.А.Бородин, Т.Б.Маркина, Е.А.Моностырный, А.М.Гринь и мно-1ие другие.

Характерными особенностями задач оценки инновационного потенциала являются их сложность и неформализованность, большие массивы первичной информации, искаженность и неточность данных, нестабильность внешней среды, неопределенность внутренних взаимосвязей.

Для решения различных задач оценки российскими авторами предлагались разнообразные методы. Э.В. Попов, Б.Е. Одинцов и ряд других авторов проводили исследования по применению продукционных экспертных систем для решения сложных, в т.ч. экономических, задач. Целым рядом авторов (А.Н.Горбань, Д.Л.Россиев, Е.М.Миркес) был описан нейросетевой подход к решению неформализованных задач. Однако наилучшие результаты дает применение 1ибридных экспертных систем, описанных в работах В.А.Силича, О.И.Пятковского. Гибкость настройки, возможность сочетания различных методов искусственного интеллекта позволяют гибридным экспертным системам запять лидирующее положение среди методов решения неформализованных задач.

Цель исследования. Разработка модели и информационной системы оценки инновационного потенциала технического университета с применением нейросетевых технологий.

Цель исследования обусловила постановку и решение следующих задач:

1. Исследовать на основе методов системною анализа инновационную деятельность и процесс оценки инновационного потенциал технического университета.

2. Провести анализ существующих подходов к оценке инновационного потенциала.

3. Провести анализ использования нейросетевых техноло1ий и информационных для оценки инновационного потенциала.

4. Определить структуру модели оценки инновационного потенциала.

5. Выделить интеллектуальные блоки и определить методы решения задач оценки инновационною потенциала.

6. Разработать информационную систему оценки инновационного потенциала.

7. Провести вычислительный эксперимент по использованию разработайной системы и проанализировать полученные результаты.

Объектом исследования является инновационная деятельность подразделений технического университета.

Предметом исследования является разработка методов и алгоритмов решения задач оценки инновационного потенциала технического университета.

Методы исследования. Поставленные в диссертационной работе задачи решались с применением методов системного анализа, проектирования информационных систем, методов искусственного интеллекта и нейроин-форматики, экспертных оценок.

Научной новизной в диссертационной работе обладают следующие результаты:

1. Разработана модель оценки инновационного потенциала технического вуза на основе нейросетевых технологий.

2. Предложен метод решения задачи оценки инновационного потенциала, включающий создание структуры и обучение нейросетевых компонентов I ибридной экспертной системы.

3. Разработана аналитическая информационная система, обеспечивающая решение задачи оценки инновационного потенциала научно-технических организаций на основе нейросетевых методов.

Защищаемые положения:

1. Модель системы оценки инновационного потенциала на основе нейросетевых технологий.

2. Технология, алюритм и метод настройки гибридной экспертной системы и нейросетевых решателей.

3. Результаты вычислительного эксперимента оценки инновационною потенциала.

Практическая значимость результатов диссертационной работы заключается в том, что разработанная модель и информационные технологии будут применены для эффективного решения задач оценки инновационного потенциала технического университета.

Полученные результаты имеют практическое значение: Спроектирована аналитическая информационная система «Инновация». Свидетельство об официальной регистрации программы для ЭВМ №2005612344.

Разработанная аналитическая информационная система внедрена в учебном процессе кафедры «Информационные системы в экономике» в Алтайском государственном техническом университете имени И.И. Ползунова

Разработанная аналитическая информационная система внедрена в Алтайском государственном техническом университете имени И.И. Ползунова, Томском политехническом университете, Саратовском государственном техническом университете

Полученные результаты позволят руководству вуза решить сразу несколько управленческих задач таких, как получение достаточно полной информации об инновационной деятельности его подразделений, что позволяет принимать направленные и эффективные решения. Выявление «слабых мест» в научной организации, причин, затрудняющих ее развитие, и принятие мер по исправлению положения; выставление рейтинговой оценки подразделений и стимулирование «лидеров».

Реализация результатов. Научные результаты работы были использованы при построении модели оценки инновационного потенциала. Разработанная аналитическая информационная система используется при проведении оценки инновационного потенциала вуза, деятельности кафедр АлтГТУ, что подтверждено актами о внедрении и использовании.

Основные результаты исследования нашли отражение и применены в научно-исследовательских и опытно-конструкторских хоздоговорных работах, в которых автор является непосредственным исполнителем, в их числе хоздоговора с АлтГТУ, ТПУ, СГТУ.

Исследование проводилось в рамках государственного контракта по теме РИ-16/006 «Научно-организационное, методическое и техническое обеспечение организации и поддержки научно-образовательных центров в области информационных технологий и осуществление на основе комплексного использования материально-технических и кадровых возможностей совместных исследований и разработок».

Апробация результатов работы. Основные положения и результаты работы докладывались и обсуждались на всероссийской межвузовской научно-практической конференции аспирантов и преподавателей с международным участием «Решение глобальных и ре1Иональных проблем в экономике» (АлтГТУ, Барнаул) в 2004 году, на всероссийском семинаре «Нейроинформа-тика и ее приложения» (Институт вычислительного моделирования СО РАН, г. Красноярск) в 2006 году, на научно-технической конференции «Виртуальные и интеллектуальные системы» (АлтГТУ, Барнаул) в 2006 году.

Публикации. По теме диссертации опубликовано 10 работ, на аналитическую информационную систему «Инновация» получено свидетельство о регистрации.

Структура диссертации. Диссертационная работа состоит из введения, трех глав, заключения и библиографии. Общий объем диссертации составляет 139 страниц. Список использованной литературы включает 146 наименований.

Выход

Ой^ашие примеры

1 1 Не р«и»«*е призеры

Решенные пр>**ры

Аюмалю и пропуск

Н;\15Е.1МРО\НИС\И>«^еащ*4\Экспер . [ Добавить из файла !

1. Предварительный аи«но.Л!

2. Устранение пропусков.Ш

Кол«ество пропуска О 3 Устранение аномалий.И!

Количество аномглий О

Метод. Средн. значение

Решить

Рис. 3.1.9- Тестирование сети Ошибка обобщения составила 7,37%. Что является достаточно хорошим результатом, но приемлемая ошибка не должна превышать 6%.

Проведем операцию контрастирования нейронной сети (Рис. 3.1.10). В результате контрастирования сеть была упрощена до структуры 2-1-1. При этом ошибка обучения составила 3,35%.

Сообщение

Р) Сообщение

Пояснение

Контрастирование. [Удалено 7нейронов] [Удалено 2синапсов]

Закрыть

Рис. 3.1.10- Результат контрастирования При тестировании нейронной сети ошибка обобщения возросла до 9-11%.

Упрощение структуры нейронной сети до одного слоя дало несколько лучшие результаты. В таблице 3.1.4 приведены нейронные сети различных структур с ошибками обучения и обобщения.

Структура сети Ошибка обучения, % Ошибка обобщения, %

5-5-1 4,63 7,37

2,96 8,39

2,01 10,12

2-1-1 3,35 11,48

4,92 9,65

2,75 11,84

5-1 3,56 6,63

2,65 8,34

1,65 11,93

3-1 3,69 5,88

2-1 3,95 5,30

2,97 7,47

1-1 7,71 9,12

Как видно, нейронная сеть ведет себя закономерно, наилучший результат достигнут при структуре в 2-1 нейрона.

Рассмотрим вариант решения той же задачи, но с устранением аномальных наблюдений. Статистические методы обнаружения и устранения аномалий применительно к данной выборке дали следующие результаты:

Заключение

Разработанная методика является экспериментальной попыткой оценить сложный, но очень важный для университета показатель. Проделана работа но выявлению критериев оценки и построено дерево решений. Работоспособность дерева действительно решать поставленные задачи, продолжает проверяться специалистами и экспертами в данной области.

Полученные с помощью аналитической информационной системы результаты позволят руководству университета решить сразу несколько управленческих задач:

- получение руководством университета достаточно полной информации об инновационной деятельности его подразделений, что позволяет принимать направленные и эффективные решения;

- выявление «слабых мест» в научной организации, причин, затрудняющих ее развитие, и принятие мер по исправлению положения;

- выставление рейтинговой оценки подразделений и стимулирование «лидеров»;

- в единой базе данных университета накапливается статистическая информацию, которую можно использовать для определения различных закономерностей.

Центральной проблемой в решении подобных задач является выбор критериев - исходных показателей и промежуточных вершин, а также существенны проблемы сбора исходных данных, проверки достоверности, контроля и полноты. Первую проблему можно решить путем создания \veb-интерфейса, средствами которого может быть осуществлен ввод исходных данных, что позволит существенно сократить временные затраты на сбор первичной информации. Остальные задачи могут решаться как совершенствованием терминологии при определении исходных данных, так и проверкой правильности ввода.

Работа но оценке инновационного потенциала и отладке разработанной методики продолжается. Данное направление является перспективным и воетребованным. В конечном итоге система может оценивать не только потенциал учебного подразделения, но и любой организации, выпускающей наукоемкую продукцию, и даже города или региона.

Информационная поддержка - один из важнейших процессов в системе управления вузом. Качественная информационная поддержка позволяет повысить эффективность деятельности вуза, а эффективная информационная система - процессов управления, применение разработанной автором автоматизированной системы позволит значительно повысить эффективность информационной поддержки управления ресурсами и процессами жизненного цикла образовательной деятельности кафедр вуза.

В ходе проведенного исследования решены поставленные задачи и достигнуты следующие результаты:

1. На основе методов системного анализа исследован процесс оценки инновационного потенциал технического университета. Проведен анализ существующих подходов и систем оценки инновационною потенциала университета. Проведен анализ инновационного потенциала университета как объекта исследования на примере АлтГТУ им И.И. Ползунова.

2. Проведен анализ использования нейросетевых технологий в оценке инновационного потенциала. Определена структура модели и системы оценки инновационного потенциала. Выделены интеллектуальные блоки и определены методы решения задач оценки инновационного потенциала в узлах графах связи.

3. Показано, что настройка гибридной модели па решение задач оценки включает в себя ее структуризацию, выбор и настройку метода решения всех внутренних подзадач.

4. Выработаны критерии и алгоритмы выбора методов решения для вершин иерархического дерева.

5. Описан процесс проведения экспертизы с целью получения экспертных знаний для настройки методов формализации в узлах графа. Предложен алгоритм оценки компетентности экспертов на основе аппроксимации их мнений нейросетевыми решателями.

6. Разработана аналитическая информационная система оценки инновационного потенциала научно-технических организаций. «Инновация»

7. Проведена серия вычислительных экспериментов по использованию разработанной системы, подтверждающих эффективность использования выбранных методов и алгоритмов, а также разработанного программного продукта. Проанализированы полученные результаты.

Сравнительный анализ инновационного потенциала структурных подразделений АлтГТУ им. И.И. Ползунова показывает, что имеются кафедры приоритетно развивающиеся и требующие планирования мероприятий для их развития в университете. К числу кафедр имеющих сравнительный показатель более 6 относятся ИСЭ, ДВС, СМ, БЖД, САПР, ОТМ, ТПП, МБиСП. Таким образом, имеется возможность систематизации кафедр по признакам, характеризующим инновационный потенциал.

Также с целью защиты авторского права, было получено Свидетельство об официальной регистрации программы для ЭВМ №2005612344 на аналитическую информационную систему оценки инновационного потенциала научных организаций (Инновация).

Таким образом, цель и задачи диссертационного исследования были полностью выполнены.

1. Агранович Б.Л. Системный проект технического университета / Б.Л Агранович, Ю.П. Похолков, Б.В. Семкин, В.Я. Ушаков, В.Н. Чудинов//-Томск : Изд-во ТНУ, 1993.-248 С.

2. Адаптивная АСУ производством: АСУ "СИГМА" / Г.И. Марчук, А.Г. А1анбе1ян, И.М. Бобко и др. ; Под ред. Г.И. Марчука. М. : Статистика, 1981.-176 с.

3. Алешин A.B. Анализ международного опыта совершенствования инновационною процесса и механизмы повышения инновационной производительности экономики//Инновации. 2004. № 10. С. 61-68.

4. Атоян В.Р., Тюрина В.Ю., Яблонская Е.Г. Законодательное обеспечение инновационной деятельности на региональном уровне // Инновации №7 2005.- С. 22-25.

5. Байкалов С.П. Исследование системных связей и закономерностей функционирования хозяйственного комплекса региона при разработке промышленной политики / Диссертация доктора технических наук, Новосибирск, 2003. -277 С.

6. Байкалов С.П. Системный анализ проблем промышленного развития региона: Монография. Барнаул: Изд-во АГУ, 2000. -290 С.

7. Байкалов С.П. Системный анализ проблем промышленного развития

8. Алтайского края. Монография. Барнаул: Изд-во ЛГУ, 2002.

9. Боровиков A.A. Математическая статистика. Новосибирск: Наука; Изд-во Ин-та математики, 1997. - 772 С.

10. Бородин В.А. Стратегия управления инновационной фирмой / Отв. ред.

11. B.В. Титов. Новосибирск : ЭКО, 1996. - 64 С.

12. Бородин В.А. Стратегия управления инновационной научно- технической фирмой / Автореферат диссертации д.э.н., -11овосибирск 1998. 40 с.

13. Бородин В.А. Стратегия управления инновационной научно- технической фирмой / Диссертация доктора экономических наук 1998. 296 С.

14. Брукинг Э. Интеллектуальный капитал / Пер. с анг. под ред. J1.H. Кова-лик. СПб : Питер, 2001. - 288 С.

15. Бусленко Н.Г1. Моделирование сложных систем. М. : Наука, 1988. -355 С.

16. Воронов A.A., Кондратьев Г.А., Чистяков Ю.В. Теоретические основы построения автоматизированных систем управления. М. : Наука, 1977 2321. C.

17. Васильев В.Н. Модели управления вузом на основе информационных технологий. Петрозаводск : Изд-во ПетрГУ, 2000. 144 С.

18. Васильев Ю.С., Глухов В.В., Федоров М.П., Федотов A.B. Экономика и организация управления вузом. Под ред. Глухова В.В. Учебник. Серия «Учебники для вузов. Специальная литература». СПб. : Изд-во «Лань», 1999.-448 С.

19. Владовский И.М., Пятковский О.И. Имитационное моделирование производственно-сбытовых процессов в интегрированных АСУП // Интегрированные АСУ предприятиями: Тезисы докладов всесоюзной конференции.11овосибирск : ВЦ СО AI I СССР, 1985. С. 139-141.

20. Вилснский ПЛ., Лившиц В.П., Смоляк С.А. Оценка эффективности инвестиционных проектов : Теория и практика : Учеб.-практ. Пособие. М. : Дело, 2001.-832 С.

21. Викторов А.Д. Инновации в высшей школе: модной увлечение или стратегический путь развития? Современное состояние государственной высшей школы // Инновации, 2001. -№ 1-2.

22. Галушкин А. Современные направления развития нейрокомпыотерных технологий в России // Открытые системы. 1997. - №4.

23. Гринь A.M. Организационно-экономический механизм управления вузом: монография Новосибирск : Изд-во НГТУ, 2006. - 380с

24. Грешников В.А. Инновационные процессы в самоорганизации рынка образовательных услуг России.// Инновации № 7-9 (24-25), 1999. С.70-75.

25. Горбань А.Н. Обучение нейронных сетей. М. : Изд-во СССР-США СП "ParaGraph", 1990.- 160 С.

26. Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере. Новосибирск : Паука. Сибирская издательская фирма РАН, 1996. -276 С.

27. Джоэл Уиггинс, Дейвид Гибсон Обзор инкубаторов США и опыта Ос-тинского технологического инкубатора // Инновации № 2,2005. С.86-91.

28. Девитайкин А.Г., Попов А.Н., Смоляренко В.Д. Мониторинг за деятельностью подразделений, входящих в инновационный кластер научной организации // Инновации. №9. 2004. С.63-68.

29. Демина И.Г. Новые инструменты государственного стимулирования инновационной деятельности // Инновации. №4, 2005. С.30-37.

30. Дунин-Барковский B.JI. Информационные процессы в нейронных структурах. М.: Наука, 1978.

31. Евстигнеев В.В., Максименко А.Л., Новоселов C.B. Научно- образовательные инновационные программы АлтГТУ им. И.И. Ползунова в Ползу-новских традициях / Ползуновский альманах №3 Барнаул : АлтГТУ, 2005. -С. 6-10.

32. Ebcthi неев В.В., О.И. Пятковский О.И. Технологии искусственного интеллекта в информационных системах хозяйствующих субъектов // Ползуновский альманах. Барнаул : Изд-во АлтГТУ, 1998. - № 1. - С. 16-26.

33. Евстигнеев В.В., О.И. Пятковский О.И. Методы искусственного интеллекта в аналитической информационнй системе Ползуновский альманах. -1999, № 1.-С. 21-26.

34. Евстигнеев В.В., Пятковский О.И. Автоматизированная информационная система "Производственный менеджмент" // Информационные системы в экономике, экологии и образовании : Сборник научных трудов. Барнаул : Изд-во АлтГТУ, 1997. - С.65-72.

35. Евланов Л.Г., Кутузов В.А. Экспертные оценки в управлении. М. : Экономика, 1978. 133 С.

36. Ежов A.A., Шумский С.А. Нейрокомпьютинг и его применения в экономике и бизнесе. М. : МИФИ, 1998. - 224 С.

37. Ершов С.Н., Ершов A.C. Программа «Старт» первые итоги но Приволжскому федеральному округу // Инновации. №8, 2004. - С. 22-32.

38. Ермилов H.H. «Старт» на Северо-Западе // Инновации. №8, 2004. С. 32-34.

39. Жильцов E.H., Зуев М.М., Колосова Р.П. Коммерциализация высшего образования в России // Вестник Московского университета. Серия 6, Экономика. 1993. №6.-С. 12-30.

40. Заварзин Л.А., Монастырный Е.А. Готовность предприятия создавать конкурентоспособную продукцию // Инновации №7 2005. С. 91-94.

41. Завлин П.Н., Васильев A.B. Оценка эффективности инноваций С-Пб. : Изд. дом "Бизнес-пресса", 1998.-215 С.

42. Зинченко В.И., Минакова H.H. Коммерциализация научных разработок (теория и региональная практика). Томск : Изд-во HTJI, 2005. - 484 С.

43. Информационные системы для руководителей/Ф.И. Перегудов, В.П. Тарасенко, Ю.П. Ехлаков, И.Д. Блатт, В.П. Бондаренко, В.А. Силич; Под ред. Ф.И. Перегудова. М.: Финансы и статистика, 1989. - 176 с

44. Интеллектуальные системы принятия проектных решений / Алексеев, Борисов, Э.Р. Вилюмс, H.H. Слядзь, С.А. Фомин. Рига : Зинатне, 1997. -320 С.

45. Исследование проблем и разработка путей становления и развития академических инновационных университетов в России. Исследование и разработка системы управления инновационного университета. / Отчет о НИР, Томск, 2003.-155 С.

46. Инвестиции и инновации : Словарь-справочник от А до Я / Авт. : Ар-темова Л.В., Бор М.З., Денисов А.Ю.и др.; Под ред. М.З. Бора, АЛО. Денисова.-М.:ДИС, 1998.-208 С.

47. Инновационный менеджмент : Учебник для ВУЗов / Под ред. С.Д. Ильенковой М.: Банки и биржи : ЮНИТИ,1997. - 327 С.

48. Инновациопность хозяйственных систем / В.И. Кушлин, А.II. Фоломь-ев, А.З. Селезнев, Е.К. Смирницкий. М.: Эдиториал УРСС, 2000. - 205 С.

49. Инновационный менеджмент : Учебное пособие. // Под ред. П.Н. Зав-лина, А.К. Казанцева, Л.Э. Мендели. СПб.: Наука, 2000.

50. Инновационный процесс в странах развитого капитализма (Формы, методы, механизмы). // Под. ред. И.Е. Рудаковой. М.: МГУ, 1991.

51. Инновационная стратегия Томской области. // www.hosting.tomsknet.ru.

52. Инновационная политика высшего учебного заведения / Девяткина

53. М.А., Мирошникова Т.А., Петров Ю.И. и др.; иод ред. Р.Н. Федосовой. М. : ЗАО «Издательство Экономика», 2006. - 178 С.

54. Интеграция интеллектуальных и материальных ресурсов, научных, образовательных и производственных структур. / Материалы межрегионального научно-практического семинара / Под ред. И.М. Бобко, И.С. Межова., В.В. Новикова. Барнаул : Изд-во АлтГУ, 2004.

55. Интеллектуальные ресурсы, интеллектуальная собственность, интеллектуальный капитал / Общ. ред. В.Г. Зинов. M. : АНХ, 2001. - 424 С.

56. Искусственный интеллект : В 3-х кн. Кн. 2. Модели и методы : Справочник / под ред. Д.А. Поспелова. М. : Радио и связь, 1990 - 304 С.

57. Искусственный интеллект : В 3-х кн. Кн. 1. Системы общения и экспертные системы : Справочник / под ред. Э.В. Попова. М. : Радио и связь, 1990.-464 С.

58. Капица С.П., Курдюмов С.П., Малинецкий Г.Г. Синергетика и прогнозы будущего. / Изд-во «Эдиториал» УРСС. Москва, 2001. - 286 С.

59. Ковалев Г.Д. Инновационные коммуникации : Учебное пособие. М. : Юнити, 2000. -288 С.

60. Козырев А. Н. Оценка интеллектуальной собственности. М. : Экспертное Бюро - М, 1997. - 289 С.

61. Конев Д.Г., Блем А.Г., Пятковский О.И., Кабб И.Л. Автоматизированная информационная система организационно-экономического управления предприятием. Учебное пособие. Барнаул : Изд-во АлтГТУ, 1998. - 142 С.

62. Котлер Ф., Армстронг Г., Сондерс Д., Вонг В. Основы маркетинга : Пер. с англ. 2-е еврон. Изд. - М.; СПб.; К. : Издательский дом «Вильяме», 2000. - 944 С.

63. Коммерциализация научно технических разработок / Учебно-практическое пособие / Мухин А.П., Арзамасцев Н.В., Ващенко В.П. и др. -М: АМиР, 2001.- 192 С.

64. Кортов C.B. Оценка инновационной активности технического вуза, СПб., 2004.-83 С.

65. Коутс Р., Влеймик И. Интерфейс "человек-компьютер" : Пер. с англ. -М. :Мир, 1990.-501 С.

66. Крылов Э. И., Журавкова И.В. Анализ эффективности инвестиционной и инновационной деятельности предприятия : Учебное пособие. -М. : Финансы и статистика, 2001. 383 С.

67. Кудинов А.П., Лурье Е.А., Барсукова Н.Е. Региональные научно- технологические кластеры / Инновации, №7, 2005. С. 15-21.

68. Кутузов В.М., Шестопалов М.Ю. и др. Стратегическое партнерство (нормативно-методическое обеспечение). СПб., 2004. 62 С.

69. Литтл Р.Дж. А., Рубин Д.Б. Статистический анализ данных с пропусками / Пер. с англ. M : Финансы и статистика, 1991.-336с

70. Лорьер Ж.-Л. Системы искусственного интеллекта : Пер. с франц.-М. : Мир, 1991.-568 С.

71. Любарский Ю.А. Интеллектуальные информационные системы. М. : Наука. Гл. ред. физ.-мат. лит., 1990.-232 С.

72. Люблинский Р.Н., Оскорбин Н.М. Методы декомпозиции при оптимальном управлении непрерывными производствами. Томск : Изд-во Томского ун-та, 1979.-221 С.

73. Лыоис К.Д.Методы прогнозирования экономических показателей/ Пер. с англ. и предисл. Е.З. Демиденко.-М. : Финансы и статистика, 1986.-133 с

74. Межов И.С. Организационное проектирование интегрированных производственных систем. Монография. Барнаул : Изд-во АлтГУ, 2002.-231 С.

75. Менеджеры инновационной деятельности в научно-технической и промышленной сферах / Под ред. Н.В. Арзамасцева, В.Г. Зинова. М. : РИПКЦЭ, 2001.- 145 С.

76. Миркес Е.М. Нейрокомпьютер. Проект стандарта. Новосибирск :1. Наука, 1998.- 188 С.

77. Наука в системе образования. Нормативная база. : Библиотека ректора и проректора. Научно-инновационная деятельность 43. Минобразования РФ.-М. : Из-во ГЕРС, 2001. - 162 С.

78. Научный и промышленный потенциал Сибири : инвестиционные проекты, новые технологии и разработки / Издатель ЗАО «Новосибирский биографический центр». -Изд-во : Типография «ДЕАЛ»,Новосибирск,2004.-334 С.

79. Научно-техническая и инновационная деятельность. Приглашение к партнерству / Информационный справочник 4.1., 4.2., Российский НИИ экономики, политики и права в научно-технической сфере, Минобрнауки РФ. -Москва, 2005.-581 С.

80. Нейроинформатика / А.Н. Горбань, В.Л. Дунин-Барковский, А.II. Кирдин, Е.М. Миркес, А.Ю. Новоходько, Д.А. Россиев, С.А. Терехов, М.Ю. Сенашова, В.Г. Царегородцев. Новосибирск : Наука, Сибирская издательская фирма РАН, 1998. - 296 с.

81. Новосельцев О.В. Аудит интеллектуальной собственности при оценке нематериальных активов. // Хозяйство и право. 1997. №4. -144 С.

82. Новохатский В.В. Определение и классификация инновационных систем / Инновации №9. 2004. С.30-39.

83. Никконен А.И., Белякова Е.Б., Бобровский Д.М., Мельникова П.С. Введение в венчурный бизнес. СПб. : «Феникс», 2003. - 356 С.

84. Осуга С. Обработка знаний : Пер. с япон. М. : Мир, 1989. - 293 с

85. Ойхман Е.Г., Попов Э.В. Реинжиниринг бизнеса : Реинжиниринг организаций и информационные технологии. М. : Финансы и статистика, 1997.-336 С.

86. Основные направления политики Российской Федерации в области развития инновационной системы на период до 2010 года / Инновации №7 2005.-С. 3-6.

87. Павловец В.В., Юхнович В.А. Система понижения рисков реализации инновационных проектов Высшей школы / Под общ. ред. А.В. Суворинова, (методические рекомендации). Минобразования РФ. М., 2001. - 48 С.

88. Перегудов Ф.И., Тарасенко Ф.П. Введение в системный анализ : Учеб. пособие для вузов. М.: Высш. шк., 1989. - 367 С.

89. Переходов В.Н. Инновационный путь развития и малые инновационные предприятия //Наука Москвы и регионов. № 2. М., 2002. С.43-46.

90. Поляков С.Г. Организация и регулирование инновационной деятельности : взаимодействие государства и предпринимательства : Монография. -М.:МИЭТ, 2004.-292 С.

91. Попов Э.В. Экспертные системы : Решение неформализованных задач в диалоге с ЭВМ. М.: Наука. Гл.ред. физ.-мат.лит., 1987. - 288 С.

92. Поспелов Д.А. Моделирование рассуждений. Опыт анализа мыслительных актов. М.: Радио и связь, 1989. - 184 С.

93. Похолков Ю.П. Опора на семь принципов / Поиск. 2006. № 1-2.-С.56.

94. Приюжин А.И. Нововведения : стимулы и препятствия (Социальные проблемы инноватики). М.: Политиздат, 1989.-271 С.

95. Представление и использование знаний : Пер. с ягтон./ Под ред. X. Уэно, М. Исидзука.-М.: Мир, 1989. -220 С.

96. Приобретение знаний : Пер. с япон. / Под ред. С. Осуги, 10. Саэки-М. :Мир, 1990.-304 С.

97. Pyatkovsky O.I., Rubtsov D.V., Butakov S.V. The intellectual information system for financial analysis // The Third Russian-Korean International Symposium on Science and Technology, Vol. 1,1999. -p.279.

98. Пятковский О.И., Рубцов Д.В., Бутаков C.B. Система анализа финансово-хозяйственных показателей деятельности предприятия // Информационные технологии. 1999 - №8. - С. 31-34.

99. Пятковский О.И., Рубцов Д.В., Бутаков С.В. Информационная система диагностики финансово-хозяйственных показателей деятельности предприятия "Аналитик". Приборы и системы управления. 1999. №11. - С. 6870.

100. Пятковский О.И. Интеллектуальные компоненты автоматизированных информационных систем управления предприятием : Монография. -Барнаул": АлтГТУ. 1999. - 351 С.

101. Пятковский О.И., Бутаков С.В., Рубцов Д.В. Методы построения интеллектуальных информационных систем анализа хозяйственной деятельности предприятий. Барнаул : АлтГТУ. - 1999. - 168 с.

102. Пятковский О.И. Интеллектуальные компоненты аналитических информационных систем управления организацией. Учебное пособие г. Барнаул : АлтГТУ-2002. - 219 С.

103. Рогалев П.Д. Технологические инновации в техническом университете. М.: Издательство МЭИ, 1997. -316 С.

104. Региональная инновационная политика высшей школы. : Сборник аннотированных материалов, Авторский коллектив под руководством д.э.н.проф. В.Р. Атояна, Минобразование РФ., Саратов, 2001. 30 С.

105. Соловьева O.JI. Формирование рынка инновационных ресурсов. М.: Интерконтакт Наука, 2006. - 120 С.

106. Система управления качеством в политехническом университете / Ю.С. Васильев, М.П. Федоров, В.Н. Козлов, В.Е. Магер, В.И. Никифоров, А.И. Сурыгин, JI.B. Черненькая. СПб.: Изд-во СПбГПУ, 2003. 90 С.

107. Силич В.А. Проектирование автоматизированных систем управления на основе иерархических семантических моделей : Дисс. . д-ра техн. наук. -Томск, 1995.-348 С.

108. Статические и динамические экспертные системы : Учеб. Пособие / Э.В. Попов, И.Б. Фоминых, Е.Б. Кисель, М.Д. Шапот. М. : Финансы и статистика, 1996.-320 С.

109. Стратегия социально-экономического развития Алтайского края до 2010 года (опыт перспективного территориального развития) : Коллективная монография // Под ред. В.И. Псарева Барнаул : Изд-во АлтГУ, 2004. - 175 С.

110. Стратегия инноваций / Ю.С. Васильев, В.Г. Кинелев, В.Г. Колосов. СПбГТУ, 1997.- 128 С.

111. Трансформация российских университетов в учебно-научно- инновационные комплексы / В.Р. Атоян, Ю.В. Чеботаревский, Н.В. Казакова и др.; Под общ. ред. В.Р. Атояна. Саратов : Сарат.гос.техн.ун-т, 2001.-416 С.

112. Терминологический словарь по вопросам управления инновационными проектами. / Сост. : И.А. Липанова, И.С. Терентьева; Минобразования РФ.-М., 2001.-53 С.

113. Тихомиров С.А. Инновационное направление регионального развития // Инновации №7 2005. С. 31-36.

114. Управление инновациями. Становление и развитие малой технологической фирмы : Сб.ст. -М. : Академия нар. хоз-ва : Центр коммерциализации технологий, 1999.-248 С.

115. Уоссермен Ф. Нейрокомпьютерная техника. -М.: Мир, 1992.

116. Фархутдинов P.A. Инновационный менеджмент. СПб.: Питер, 2002.

117. Хаметов Р. Корпоративная борьба с нарушением авторских и смежных прав. // Хозяйство и право. 1997. №10.

118. Хант Э. Искусственный интеллект : Пер. с англ. Белова JI.A., Крюкова Ю.И. / Под ред. В.Л. Стефанюка. М.: Мир, 1978. - 558 С.

119. Царегородцев В.Г. 11ейроимитатор NEUROPRO // Нейроинформатика и ее приложения : Тез. докл. VI Всероссийского семинара, 2-5 октября 1998 г. / Под ред. А.П.Горбаня- Красноярск : КГТУ, 1998. 207 С.

120. Шаров В. «Ноу-хау» объект интеллектуальной собственности. // Хозяйство и право, 1998, №7. - 54 С.

121. Шубин М.В. О ходе выполнения программы «Старт» в 2004-2005 гг. / Бюллетень союза инновационных центров России № 14, 2006. С.4-10.

122. Шукшунов В.Е., Ленченко В.В., Третьяк А.Я., Ткачев А.Н., Нырков Е.А. Основы создания университетских комплексов / Юж.-Рос. гос. техн. унт. -11овочеркасск : ЮРГТУ (НПИ), 2002. 72 С.

123. Шукшунов В.Е., Нырков Е.А., Варюха А.М. Инновационный потенциал высшей школы России / Юж.-Рос. гос. техн. ун-т. Новочеркасск : ЮРГТУ (НПИ), 2002.-72 С.

124. Шукшунов В.Е., Сенин A.A. Технопарки и инкубаторы бизнеса. М.: Ассоциация «Технопарк», 1998.-81 С.

125. Шукшунов В.Е. Российские технопарки : вчера, сеюдня, завтра. Доклад на 6 Международной конференции по технопаркам. Санкт-Петербург. :

126. Ассоциация «Технопарк», 1995. 52 С.

127. Clark B.R. Creating Entrepreneurial Universities : Organizational Pathways of Transformation. Published for the IAU Press Pergamon, 2001. 242 p.

128. Goals and Purposes of Education in the 21st Century. Edited by A. Burgen. Higher Education Policy Series 32. Jessica Kingsley Publishers 1998, 192 p.

129. Kohonen Т., "Self-organized formation of topologically correct feature maps", Biological Cybernetics, Vol. 43, 1982.-pp.59-69,

130. O'Learly T.J., Brian K. Williams Computers and information systems, second edition, The Benjamin/Cummings publishing company, inc.-687p.

131. Bishop C.M. Theoretical foundation of neural networks. Aston Univ., UK Tech.Rep.NCRG-96-024, Neural computing research group, 1996 8p.

132. Hristev R.M. I he ANN Book. 1998. - 374 p.

133. Кендалл M. Ранговые корреляции- M.: Статистика, 1975.-246 с

134. Кортова С.В. «Инновационный потенциал и инновационная активность вузов УрФО»