автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Экспертная система анализа, учета и подготовки кадров для предприятий железнодорожного транспорта

Введение.

1. Обзор технологий обучения.

1.1. Технологии обучения специалистов железнодорожного транспорта.

1.2. Информационные технологии обучения на примере специальности «Автоматика и телемеханика на железнодорожном транспорте».

1.3. Виды управляющих систем обучения.

1.4 Системный подход оперативной обработки и анализа кадровой подготовки на железнодорожном транспорте.

1.5. Постановка задачи исследования.

2. Систематизация этапов информационной технологии обучения.

2.1. Основы теории ассоциативно-рефлекторного формирования умственных действий.

2.2. Эффективность использования информационных технологий обучения.

2.3. Системный анализ информационной технологии обучения.

2.4. Проблемы эффективного использования- информационной технологии обучения.

2.5. Выводы по главе.

3. Математическое моделирование обучающих систем.

3.1. Принципы математического моделирования обучающих систем.

3.1.1. Измерения в психологии и педагогике.

3.1.2. Виды измерений.

3.2. Типы математических моделей.

3.3. Математические методы моделирования обучающих систем.

3.3.1. Модель нечетких знаний.

3.4. Структура модели обучения.

3.4.1. Основные понятия.

3.4.2. Количественные критерии оценки знания.

3.4.3. Информационная карта и карта состояний.

3.5 Выводы по главе.

4. Разработка модели автоматизированной системы обучения специалистов железнодорожного транспорта.

4.3. Алгоритмы функционирования систем.

4.4. Выводы по главе.

5. Экспертная система анализа и подготовки кадров для предприятий железнодорожного транспорта.

5.1 Базис экспертной системы.

5.2 Структура и этапы разработки экспертной системы анализа и подготовки кадров для предприятий железнодорожного транспорта.

5.3. Проблемы при разработке экспертной системы для анализа и подготовки кадров для предприятий железнодорожного транспорта.

5.4. Разработка используемых в экспертной системе моделей.

5.5. Выводы по главе.

Подготовка специалистов для железнодорожного транспорта в настоящее время ведется по двум основным направлениям: в ВУЗах и в учебных заведениях среднего профессионального образования. К работникам этой отрасли предъявляются определенные требования, поскольку именно от их профессионализма зависят обеспечение безопасности движения поездов, своевременные доставка грузов и прибытие пассажиров [1,2].

Устройства железнодорожной автоматики и телемеханики, отработав определенный технологический ресурс, требуют своей замены. Начиная с 90-х годов, на дорогах России началась техническая реконструкция в части замены устаревших систем автоматики и телемеханики. Осуществляется внедрение более технологичных в эксплуатации систем автоматики и телемеханики, на новой элементной базе, и потому эксплуатационникам приходится заниматься не только техническим обслуживанием и ремонтом существующих систем, но и осваивать технические и технологические особенности вновь вводимых.

Анализ причин случаев брака и отказов свидетельствует о том, что большая часть из них происходит вследствие нарушения правил производства работ по техническому обслуживанию и из-за низкого уровня знаний эксплуатационников. Снижение случаев брака достигается за счет повышения качества ремонта и регулировки аппаратуры, применения техники «невмешательства» и повышения квалификации технического персонала. Организованы и успешно работают курсы подготовки специалистов и повышения квалификации почти при всех учебных заведениях отрасли [3]. Повсеместно на сети дорог России проводилась аттестация работников железнодорожного транспорта. Данные этого анализа свидетельствуют о том, что значительный процент нарушений приходится на долю тех работников, у которых нет соответствующего профильного образования. Вообще, уровень квалификации работников дистанций СЦБ является одним из определяющих факторов, непосредственно влияющих на безопасность движения поездов, уровень квалификации механика и диспетчерского аппарата дистанции -общеизвестная проблема.

В настоящее время в условиях перехода на новые методы обслуживания, сопровождающиеся сокращением штата, эта проблема усугубляется повышением меры ответственности каждого работника и требований к его квалификации. Кроме того, существует проблема недостаточной подготовленности выпускников вузов и техникумов к практической деятельности. Требуется достаточно много времени, чтобы они адаптировались к реальному производству и получили профессиональные навыки. В условиях текучести кадров это создает значительные трудности [4, 5].

Выводы по работе

В диссертационной работе, на основе теоретического обобщения, автором предложена система моделирования учебного процесса для обучения специалистов железнодорожного транспорта в интеллектуальных информационных структурах, разработаны модели и алгоритмы, учитывающие многомерность и разнородность информационного пространства управления, на основе которых разработана и реализована интегрированная экспертная система для анализа и подготовки специалистов железнодорожного транспорта специальности «Автоматика и телемеханика» с повышенными требованиями к безопасности движения поездов, обеспечивающая накопление и коммуникацию профессиональных знаний, что является решением важной народнохозяйственной проблемы. В рамках решения этой задачи автором получены следующие результаты:

1. В информационном и технологическом аспектах рассмотрена и обоснована задача структурного синтеза математического описания процесса обучения для специалистов железнодорожного транспорта как ресурсоемкой отрасли, с использованием информационной технологии обучения. Показано, что объективная сложность создания интеллектуальных высокоэффективных обучающих систем профессиональной подготовки эксплуатационно-технического персонала для железнодорожной отрасли обусловлена её специфическими особенностями: структурной сложностью, недостаточной изученностью, многообразием состояний и высокой динамикой их изменения, неполной наблюдаемостью, определяющей ролью объективного человеческого фактора в управлении процессом обучения и существенным объемом использования наблюдаемых характеристик в процессе принятия решений.

2. Разработаны методики и модели компьютерной интерпретации состояния не полностью наблюдаемого процесса обучения, представленного разнородной информацией: числовыми и лингвистическими характеристиками объекта управления, в виде легко модифицируемых моделей, позволяющих аккумулировать знания и опыт лучших специалистов в процессе функционирования системы.

3. Разработана интегрированная модель экспертной системы анализа и подготовки кадров специалистов железнодорожного транспорта на примере специальности «Автоматика и телемеханика» с учетом повышенных требований к безопасности движения поездов.

4. С позиции системного анализа разработана методика и адаптированы алгоритмы идентификации сложных, комбинированных математических моделей, включающих в себя экспертно-аналитические компоненты, с ограниченной обучающей выборкой, оперирующих разнородными параметрами в разнородной информационной среде, что существенно расширяет возможности применения методов искусственного интеллекта для решения новых практических задач сложного процесса обучения по другим специальностям.

5. Апробированы и практически реализованы разработанные в диссертации принципы, методы, модели и алгоритмы в виде программного обеспечения экспертной системы обучения анализа и подготовки кадров для предприятий железнодорожного транспорта на примере специальности «Автоматика и телемеханика».

1. Лобанов А. Н. Системный подход к развитию образования// Материалы IV региональной научно-практической конференции «Интеллектуальные и материальные ресурсы Сибири» / Иркутское региональное отделение АНВШ России. Иркутск, 2001. С.38-46

2. Лобанов А. Н., Гобзенко В. Е. Оценка качества подготовки слушателей курсов повышения квалификации // Железнодорожный транспорт в Сибири: проблемы и перспективы Новосибирск, 1998. С. 2.

3. Лобанов А. Н. Тестовая оценка качественной подготовки специалистов// Международная конференция «Повышение эффективности познавательной деятельности обучающихся» / Иркутск, 1995. С. 13-15

4. Кубатин К. В. Проектирование учебного процесса при использовании информационной технологии обучения // Тезисы докладов XXXVII Международной научной студенческой конференции / Новосибирский государственный университет. Новосибирск, 1999. С.76-78

5. Беспалько В. П. Опыт разработки и использования критерия качества усвоения знаний // Советская педагогика. 1968. №4. С.25-31.

6. Кубатин К. В., Лобанов А. Н. Почему необходимо использовать информационные технологии обучения по специальности «Автоматика и телемеханика» // Межвуз. сб. / Под. ред. Ю. И. Слюзова; Омский университет ж.-д. транспорта. Омск, 2002. С.38-39

7. Актуальные вопросы развития познавательных интересов и технического творчества учащихся училищ профтехобразования / Под. ред. проф. Е.М. Ильченко. Челябинск, 1999. 133 с.

8. Бабанский Ю. К. Проблемное обучение как средство повышения эффективности обучения. Ростов-на-Дону, 1990. 288 с.

9. Ю.Вопросы повышения эффективности урока / Под. ред. Г.Г. Дивняк. М., 1993.201 с.

10. П.Лобанов А. Н. Научно-технический прогресс формирования образовательной концепции // Вестник Русско-азиатского института, 2000. №2, С.45-50

11. Беспалько В. П. Элементы теории управления процессом обучения // Знание. 1971. 4.1-3.

12. Битинас Б. Методические проблемы выявления научной информации в педагогическом исследовании: Автореф. дис. на соискание степени д-ра пед. наук. Талин, 1989. 20 с.

13. Лобанов А. Н. Принцип обратной связи в системах обучения // Микроэлектронные системы контроля и управления на железнодорожном транспорте. Иркутск, 1996. С. 6

14. Лобанов А. Н. Алгоритмический метод построения лабораторного практикума специальных технических дисциплин // Тезисы докладов межвузовской научно-технической конференции / Ростовский институт инженеров транспорта. Ростов-на-Дону, 1998. С.32-35

15. Лобанов А. Н. Методология самоаттестации на занятиях физической культурой в ВУЗе // Повышение эффективности работы железнодорожного транспорта Сибири. Иркутск, 2000. 42 с.

16. Беспалько В. П. Программируемое обучение: Дидактические материалы. Выс. школа, 1992. 40 с.

17. Соколова И. Ю., Кабанов Г. П. Качество подготовки специалистов в техническом ВУЗе и технологии обучения: Учебное пособие Красноярск, 1996. 120с.

18. Маркина Н. Ю. Проектирование процесса обучения // Среднее профессиональное образование. 1998. № 3. С.27-33.

19. Использование ЭВМ в учебном процессе: НИР / Санкт-Петербургский универ. путей сообщен. СПб, 1988. №442. 39 е.

20. Рогачева И. Л. Использование современных педагогических технологий в подготовке специалистов железнодорожного транспорта. УМК МПС России, 1999. 189 с.

21. Белый А. Ю., Раппорт И. А. Методы определения действенности и надежности тестов в зарубежной педагогике // Советская педагогика. 1986. №4. С.7-19.

22. Бернштейн М. С. Методика составления и проверки тестов // Вопросы психологии. 1986. №1. С.23-30.

23. Лобанов А.Н., Кудреватых М.А., Кубатин К.В. Математические представления общественных отношений // Транспортные проблемы сибирского региона. Иркутск, 2001. Ч. 1. С. 126-129.

24. Лобанов А.Н., Кудреватых М.А., Кубатин К.В. Математическая модель общественных взаимосвязей в современном обществе // Транспортные проблемы сибирского региона. Иркутск, 2001. Ч. 1. С. 130-133.

25. Hartly D. Structured analysis and design technique. New York, 1988. 463 c.

26. Gupta М.М. Theory of T-norms and fuzzy inference methods. //Fuzzy Sets and Systems. 1991. V. 40. P.431 450.

27. Николаев В. И. Информационная теория контроля и управления. Л., 1973. 340 с.

28. Буровой И. А. Автоматическое управление химико-металлургическими процессами с сосредоточенными параметрами. М., 1977. 343 с.

29. Лобанов А. Н. Инженерная психология // Тезисы докладов научно -технической конференции / Ростовский институт инженеров транспорта. Ростов-на-Дону, 1998. С.46-48

30. Блинов В. М. Эффективность обучения. М., 1996. 320 с.

31. Волькман Ю. Р. Интеллектуальные технологии исследовательского проектирования. Формальные системы и семиотические модели. Киев, 1998. 245 с.

32. Математические модели технологических процессов и разработка систем автоматического регулирования с переменной структурой / Под. ред. акад. Б. Н. Петрова. М, 1964. 328 с.

33. Сургучев Г. Д., Деркачев Е. Н., Косарев В. А., Прогнозирование обезуглероживания в конвертере на основе адаптирующейся динамической модели // Черная металлургия. 1973. №5. С. 56-63.

34. Кафаров В. В. Методы кибернетики в химии и химической технологии. М., 1968.296 с.

35. Буровой И. А. Автоматическое управление процессами в кипящем слое. М., 1969. 182 с.

36. Винер Н. Кибернетика. М., 1958. 281 с.

37. Эшби Р. Введение в кибернетику. JL, 1959. 245 с.

38. Александров Г. Н. Педагогика и кибернетика. М., 1996. 263 с.

39. Уемов А. И. Информационная теория контроля и управления. Д., 1973. 413 с.

40. Вопросы логики и методологии системных исследований: Материалы к симпозиуму, 12-14 мая 1993г. Красноярск, 1993. 83 с.

41. Садовский В. Н., Юдин Э. Г. Самонастраивающиеся системы с эталонной моделью. М., 1978. 310 с.

42. Booch G. Object Oriented Design With Applications. Benjamin Cummings, 1991.346 c.

43. Brooks F. No silver bullet: Essence and accidents of software engineering. New York, 1987. 344 c.

44. Courtois P. On time and space decomposition of complex structures. New York, 1985. 596 c.

45. Simon H. The sciences of the artificial. New York, 1982. 218 c.

46. Miller G. The magical number seven, plus or minus two: some limits on our capacity for processing information. New York, 1956. 86 c.

47. Hoare C. A. R., Dahi O. Structured programming. New York, 1972. 83 c.

48. Shaw M. Abstraction techniques in modern programming languages. New York, 1984. 4.1.10 c.

49. Гуц А. К Глобальная этносоциология: Учеб. Пособие. Омск, 1997. 206с.

50. Марченко Е. К. Машины для обучения. М., 1974. 311с.

51. Маркина Н. Ю. Проектирование процесса обучения // Среднее профессиональное образование. 1998. № 3. С.47-54.

52. Семушина Л. Г. Создание новых технологий обучения как общественная, психологическая, педагогическая и методическая проблема // Среднее профессиональное образование. 1987. № 2. С. 12-26.

53. Змеев С. И. Как научится учиться (технология самостоятельного убучения). УМК МПС России, 1997. 210 с.

54. Савельев А. Я. Автоматизированные обучающие системы. // Знание. 1977. №1. С. 38 56.

55. Архангельский С. И. Лекции по теории обучения в высшей школе. М.: Высшая школа. 1974. 129 с.

56. Ульянов С. В. Нечеткие модели интеллектуальных систем управления: теоретические и прикладные аспекты (обзор) // Техническая кибернетика. 1991. №3. С. 3-27.

57. Чжао Юань Жень Математическая логика и ее применение. М., 1965. 281 с.

58. Захаров В. Н., Ульянов С. В. Нечеткие модели интеллектуальных промышленных регуляторов и систем управления. Методология проектирования//Техническая кибернетика. 1993. №5, С. 197-220.

59. Бусленко Н. П. Моделирование сложных систем. М., 1978. 399 с.

60. Красовский Н. Н. Управление динамическими системами. М., 1985. 320 с.

61. Моисеев Н. Н. Математические задачи системного анализа. М., 1998. 152с.

62. Черноусько Ф. Л. Оценивание фазового состояния динамических систем. М., 1988. 196 с.Шрейдер Ю. А., Шаров А. А. Системы и модели. М., 1982. 152 с.

63. Байдосов В.А. Дифференциальные включения с нечеткой правой частью // ДАН СССР. 1989. № 4. С. 309Шлеер С., Меллор С. Объектно-ориентированный анализ: моделирование мира в состояниях. Киев, 1993. 240 с.

64. Поспелов Д. А. Логико-лингвистические модели в системах управления. М., 1981.410 с.

65. Волькман Ю. Р. Интеллектуальные технологии исследовательского проектирования. Формальные системы и семиотические модели. Киев, 1998. 245с.

66. Поспелов Г. С. Искусственный интеллект основа новой информационной технологии. Сер. Академические чтения. М., 1988. 210 с.

67. Мешалкин В. П. Экспертные системы в химической технологии. Основы теории, опыт разработки и применения. М., 1995. 180 с.

68. Попов Э. В. Экспертные системы. Решение неформализуемых задач в диалоге с ЭВМ. М., 1987. 312 с.

69. Нильсон Н. Принципы искусственного интеллекта. М., 1985. 345 с.

70. Дмитрович А. И. Интеллектуальные информационные системы. Минск, 1997. 451 с.

71. Рожков И. М., Травин О. В., Туркенич Д. И. Математические модели конвертерного процесса. М.,1978. 182 с.

72. Дрейнер Н., Смит Г. Прикладной регрессионный анализ. М., 1973. 212 с.

73. Сургучев Г. Д., Трейстер Ю. Я., Косарев В. А. Исследование кислородно-конвертерного процесса на ЭВМ // Применение ЭВМ в металлургии: Труды I Всесоюзной конференции. М., 1973. С. 23-31.

74. Химмельблау Д. Анализ процессов статистическими методами. М., 1973. 430 с.

75. Талызина Н. Ф. Технология обучения и ее место в педагогической теории // Современная высшая школа. 1987. №1. С. 3-15.

76. Мендельсон Э. Введение в математическую логику. М., 1971. 354 с.

77. Robinson J.A. A machine-oriented logic based on resolution principle. // Journal of the ACM. V. 12. № 1. C. 23 41.

78. Попов Э. В., Фридман Г. Р. Алгоритмические основы интеллектуальных роботов и искусственного интеллекта. М., 1976. 129 с.

79. Элти Дж., Кумбс М. Экспертные системы: концепции и примеры. М., 1989. 190 с.

80. Маслов С. Ю. Обратный метод установления выводимости в классическом исчислении предикатов // Доклады академии наук СССР. 1964. Т. 159. №1. С. 17-20.

81. Лозовский В. С. Семантические сети. Представление знаний в человеко-машинных и робототехнических системах. М., 1984. 120 с.

82. Питерсон Д. Теория сетей Петри и моделирование систем. М., 1984. 234 с.

83. Minsky М. A Framework for representation knowledge / Psychology computer vision. //New York., McGraw-HiU. 1975.

84. Клещев А. С. Фреймы. Представление знаний в человеко- машинных и робототехнических системах. М., 1984. 134 с.

85. Shlayer S., Mellor S.J. Object Oriented Systems Analysis: Modeling the World in Data. // John Wiley & Sons., 1988.

86. Минский М.Л. Фреймы для представления знаний. М., 1979. 234 с.

87. Newell A., Simon М.А. Human problem solving. Englewood Cliffs. // New Jersey., 1972. 314 c.

88. Аверкин A. H., Гаазе-Раппопорт M. Г., Поспелов Д. А. Толковый словарь по искусственному интеллекту. М., 1992. 657 с.

89. Талызина Н. Ф. Теоретические проблемы программированного обучения. М., 1969. 400 с.

90. Представление и использование знаний / Под ред. X. Уэно. М., 1989.120 с.

91. Васильева О. И., Ионов И. П., Кантор П. С. и др. Дуальное управление процессом искусственной вентиляции легких с использованием нечеткого регулятора в цепи обратной связи // Медицинская техника. 1989. № 1.С. 12-23.

92. Wang Y., Wu S. Fuzzy differential equations// BUSEFAL. 1986. № 28. С. 21-35

93. Sugeno M., Nishida M. Fuzzy control of model car. // Fuzzy Sets and Systems. 1985. V. 16. P. 103-113.

94. Рыков А. С., Оразбаев Б. Б. Системный анализ и исследование операций // Методы исследования систем и разработки математических моделей в нечеткой среде: Сб. науч. трудов / Московский ин-т стали и сплавов. М., 1995. С. 135-139.

95. Оразбаев Б.Б. Методы многокритериального выбора и интеллектуальные системы принятия решений для управления производственными объектами: Дис. на соискание степени д-ра техн. наук. М., 1996. 340 с.

96. Takagi Т., Sugeno M. Derivation of fuzzy control rules from human operator's actions // Proceedings IF AC Symposium on Fuzzy Information, Knowledge Representation and Decision Analysis (Marseilles, France). 1983. P.56 60.

97. Takagi T., Sugeno M. Fuzzy identification of systems and its applications to modeling and control // IEEE Transactions on Systems, Man, and Cybernetics. 1985. P. 116-132.

98. Sugeno M., Kang G. T. Fuzzy modeling and control of multiplayer incinerator // Fuzzy Sets and System. 1986. V. 18. P.329 - 346.

99. Lee C.C. Fuzzy Logic in Control Systems: Fuzzy Logic Controller, Part II // IEEE Transactions on System, Man and Cybernetics. 1990. V. 20. № 2. P.419- 435.

100. Рахматуллаев M. А., Ты Минь Фыонг. Композиционная модель соответствий для решения задач нечеткой технологической среды // Автоматика и вычислительная техника. 1993. № 6. С.ЗЗ 40.

101. Zadeh L. Outline of a new approach to the analysis of complex systems and decision process // IEEE Transactions on System, Man and Cybernetics. 1973. Y. 3. № 1. P.28-44.

102. Yager R., Zadeh L., eds., An Introduction to Fuzzy Logic Application in Intelligent Systems. Boston, MA, USA: Kluwer AcademicPublishers. 1992.

103. Mamdani E., Assilian S. An experiment in linguistic synthesis with fuzzy logic controller //International Journal of Man-Machine Studies. 1975. Y.7. №1. P.l-13.

104. Аверкин A. H., Батыршин И. 3., Блишун А. Ф. и др. Нечеткие множества в моделях управления и искусственного интеллекта / Под ред. Д. А. Поспелова. М., 1986. 321 с.

105. Берштейн Л. С., Коровин С. Я., Мелихов А. Н. Средства обработки нечеткой информации // Искусственный интеллект: Справочник / Под. ред. В. Н. Захарова, В. Ф. Хорошевского. М., 1990. Т. 3. 510 с.

106. Алиев Р. А., Захарова Э. Г., Ульянов С. В. Нечеткие регуляторы и интеллектуальные промышленные системы управления // Итоги науки и техники. Техническая кибернетика / ВИНИТИ АН СССР. М., 1990. Т. 29. 200 с.

107. Mamdani Е. Н. Application of fuzzy algorithms for control of simple dynamic plant//Proceedings IEEE. 1974. Y. 121. P.1585 1588.

108. Алиев P. А. Интеллектуальные роботы с нечеткими базами знаний. М., 1994.310 с.

109. Baldwin J. F., Pilsworth В. W. Axiomatic approach to implication for approximate reasoning with fuzzy logic // Fuzzy Sets and Systems. 1980. V.3. P. 193-219.

110. Zadeh L.A. Fuzzy Logic and Approximate Reasoning // Synthese. 1975. V. 80. P.407-428.

111. Sugeno M., Yasukawa T. A Fuzzy Logic - Based Approach to Qualitative Modeling // IEEE Transactions on Fuzzy Systems. 1993. V. 1. № 1. P.7-31.

112. Yager R. R. On a hierarchical structure for fuzzy modeling and control. IEEE Transactions on Systems, Man, and Cybernetics. 1993. Vol. 23. N. 4. P. 11891197.

113. Dubois D., Prade H. Fuzzy sets and systems: theory and applications // Mathematics in science and engineering. New York: Academic Press. 1980.

114. Yager R. R., Filev D. P. Unified structure and parameter identification of fuzzy models // IEEE Transactions on Systems, Man and Cybernetics. 1993. V. 23. N. 4. P.198-1205.

115. Норвич A. M., Турксен И. Б. Фундаментальное измерение нечеткости // Нечеткие множества и теория возможностей. Последние достижения / Под ред. Р. Р. Ягера. М., 1986. 234 с.

116. Larsen P. М. Industrial application of fuzzy logic control // International Journal of Man-Machine Studies. 1980. V. 12(1). P.3-10.

117. Ларичев О. И., Мечитов А. И., Мошкович Е. М., Фуремс Е. М. Выявление экспертных знаний. М., 1989. 289 с.

118. Рыков А. С., Оразбаев Б. Б. Системный анализ и исследование операций // Экспертные оценки. Методы и применение. / Московский ин-т стали и сплавов. М., 1995.

119. Беспалко Б. П. Программированное обучение. М.: / Высшая школа, 1970. 345 с.

120. Ланда Л. Н. Алгоритмизация обучения. М.: / Просвещение, 1966. 566 с.

121. Братко А. А., Волков П. П. и др. Моделирование психической деятельности. / Мысль. 1969. 420 с.

122. Рогов Е. И. Настольная книга практического психолога в образовании. Владивосток: ВЛАДОС. 1996. 322 с.

123. Нейлор К. Как построить свою экспертную систему. М., 1991. 288 с.

124. Свиридов А. П., Шалобина И. А. Сетевые модели динамики знаний. М., 1992. 87 с.

125. Свиридов А. П. Введение в статистическую теорию обучения и контроля знаний. М., 1974. 152 с.

126. МО.Жожикашвили В. А., Вишневский В. М. Сети массового обслуживания. Теория и применение к сетям ЭВМ. М., 1988. 191 с.

127. Свиридов А. П. Основы статистической теории обучения и контроля знаний. М., 1981.262 с.

128. Платонов Г. А. Эргономика на железнодорожном транспорте. М.: Транспорт, 1997. 231 с.

129. Котик М. А. Курс инженерной психологии. Таллин, 1978. 187 с.

130. Васильева О. И., Ионов И. П., Кантор П. С. и др. Дуальное управление процессом искусственной вентиляции легких с использованием нечеткого регулятора в цепи обратной связи // Медицинская техника. 1989. № 1. С. 12-23.

131. Гаврилова А. Т., Червинская К. В. Извлечение и структурирование знаний для экспертных систем. М.,1992. 200 с.

132. Метрологическое обеспечения безопасности труда: Справочник. М., 1987.510 с.

133. Шрейдер Ю. А., Шаров А. А. Системы и модели. М., 1982. 152 с.

134. Шлеер С., Меллор С. Объектно-ориентированный анализ: моделирование мира в состояниях. Киев, 1993. 240 с.