автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.18, диссертация на тему:Математическое моделирование инновационного потенциала организации на основе гибридных экспертных систем

004603530

ТИШКОВ ОЛЕГ ИВАНОВИЧ

МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ ИННОВАЦИОННОГО ПОТЕНЦИАЛА ОРГАНИЗАЦИИ НА ОСНОВЕ ГИБРИДНЫХ ЭКСПЕРТНЫХ СИСТЕМ

05.13.18 - Математическое моделирование, численные методы и комплексы программ

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

1 О ИЮН 2010

Барнаул - 2010

004603530

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

Научный руководитель: Доктор технических наук, профессор

Пятковский Олег Иванович

Официальные оппоненты: Доктор физико-математических наук,

профессор

Минакова Наталья Николаевна

Защита диссертации состоится 25.06.10 в 16:00 на заседании диссертационного совета Д 212.005.04 при ГОУ ВПО «Алтайский государственный университет» по адресу: 656049, Барнаул, пр. Ленина, 61.

С диссертацией можно ознакомиться в библиотеке ГОУ ВПО «Алтайского государственного университета».

Автореферат разослан 25 мая 2010г.

Ученый секретарь диссертационного совета, доктор физико-математических наук,

Доктор технических наук, профессор, член корр. РАО Бобко Игорь Максимович

Ведущая организация: Институт вычислительного моделирования СО РАН (г. Красноярск)

профессор

С.А. Безносюк

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Усиление рыночной конкуренции и переход региональной экономики на инновационный путь развития требуют постановки и решения большого количества сложных и слабоформализо-ванных задач управления. Характерными особенностями таких задач являются большие массивы первичной информации, искаженность и неточность данных, нестабильность внешней среды, неопределенность внутренних взаимосвязей. Фундаментом для их решения являются разработанные модели, использующие современное математическое обеспечение и вычислительные программные комплексы.

Для осуществления инновационной деятельности необходимо наличие высокого уровня инновационного потенциала, поэтому его оценка и анализ занимают важное место в управленческой деятельности. Актуальной задачей является разработка адаптивных моделей оценки инновационного потенциала промышленных предприятий и научно-технических организаций, занимающихся НИОКР и являющихся главными генераторами инноваций.

С развитием инновационных процессов и увеличением количества участников рынка инноваций возникает необходимость в разработке моделей и методов подбора партнеров и соотнесение интересов предприятия-производителя и научно-технических организаций для объединения в кластеры.

Обзор литературных источников по проблеме использования различных методов для оценки потенциала предприятия позволяет сделать вывод о том, что на сегодняшний момент в большинстве случаев применяются экспертные оценки, которые работоспособны в стационарных условиях. Поэтому одним из главных принципов разработки моделей и комплексов программ становится возможность их быстрой адаптации к изменяющейся среде. Удовлетворить данное условие возможно, используя аналитические информационные системы с интеллектуальными компонентами, такими как нейронные сети и гибридные экспертные системы.

Степень научной проработанности темы исследования.

Тема моделирования и оценки инновационного потенциала предприятий широко обсуждается в научной литературе. Большое количество научных работ авторов посвящено экономическим аспектам данной проблемы, среди них: С.А. Агапцов, В.Р. Атоян, И.М. Бортник, O.A. Гиренко-Коцуба, О.В. Косолапое, Е.А. Лурье, H.H. Минакова, Е.А. Моностырный, С.Г. Поляков, A.B. Решетников, И. Шумпетер. Следует отметить авторов,

исследующих проблемы инновационного развития Алтайского края: С.П. Байкалов, В.А. Бородин, C.B. Новоселов и др.

В работе были использованы научные труды авторов, посвященные применению нейросетевых технологий и экспертных систем в задачах экономики, информатики и управления: И.М. Бобко, Т.А. Гаврилова, А.И. Галушкин, А.Н. Горбань, Н.Г. Загоруйко, JI.A. Заде, В.В. Круглов, Е.М. Миркес, Д.А. Россиев, Э.В. Попов, Д.А. Поспелов. Вопросы использования гибридных экспертных систем в задачах оценки и прогнозирования состояния социальных и экономических объектов были описаны в работах В.А. Силича, О.И. Пятковского.

Однако вопросы создания и применения математических моделей и комплексов программ с интеллектуальными компонентами для оценки инновационного потенциала организаций остаются малоисследованными и не проработанными.

Цель исследования. Целью диссертационной работы является разработка математических моделей и комплексов программ для оценки инновационного потенциала организации на основе гибридных экспертных систем.

Задачи исследования:

- изучить возможности технологии гибридных экспертных систем для создания адаптивных моделей оценки инновационного потенциала организации;

- разработать модели оценки инновационного потенциала промышленного предприятия, научно-технической организации на основе технологии гибридных экспертных систем;

- разработать технологию соотнесения показателей инновационного потенциала промышленного предприятия с показателями научно-технической организации;

- спроектировать и реализовать вычислительный программный комплекс для оценки инновационного потенциала организации;

- настроить вычислительный комплекс и провести эксперименты по решению задач оценки инновационного потенциала предприятий, научно-технических организаций.

Объектом исследования являются промышленные предприятия и научно-технические организации Алтайского края.

Методы исследования. Поставленные в диссертационной работе задачи решались с применением методов системного анализа, математического моделирования и статистики, искусственного интеллекта и нейро-информатики, экспертных продукционных систем и экспертных оценок. Разработка информационной системы осуществлялась на основе приме-

нения высокоуровневых языков и технологии объектно-ориентированного программирования.

Научной новизной в диссертационной работе обладают следующие результаты:

- разработаны математические модели оценки инновационного потенциала промышленного предприятия и научно-технической организации на основе гибридных экспертных систем и нейросетевых методов;

- предложена технология соотнесения показателей инновационного потенциала промышленного предприятия и научно-технической организации с использованием адаптивной гибридной экспертной системы;

- создан комплекс программ для реализации разработанных моделей и алгоритмов в виде \УеЬ-приложения с возможностью адаптации к предметной области.

Основные положения диссертации, выносимые на защиту:

- модель оценки инновационного потенциала организации на основе гибридных экспертных систем;

- технология соотнесения показателей инновационных потенциалов промышленного предприятия и научно-технической организации;

- архитектура комплекса программ для реализации разработанных моделей с применением \¥еЬ-технологий;

- результаты вычислительного эксперимента по оценке инновационного потенциала предприятий отрасли дизелестроения Алтайского края и подразделений технического университета.

Достоверность результатов работы основана на корректности постановок задач и адекватности построенных математических моделей, подтвержденных экспертными оценками.

Практическая значимость результатов диссертационной работы заключается в том, что разработанные модели и комплексы программ могут быть применены для эффективного решения задач оценки инновационного потенциала и его мониторинга в крупных научно-технических организациях и промышленных предприятиях. Также перечисленные в работе модели и методы могут быть использованы для более детального изучения процессов управления инновационной деятельностью.

Научные результаты работы были использованы при построении моделей оценки инновационного потенциала АлтГТУ и предприятий отрасли дизелестроения Алтайского края. Разработанная аналитическая информационная система используется при проведении оценки инновационного потенциала вуза, деятельности кафедр АлтГТУ. Также разработанные методы и модели были использованы для решения задач оценки инвестиционных проектов в администрации г. Барнаула.

Основные результаты исследования нашли отражение и применены в научно-исследовательских, опытно-конструкторских и хоздоговорных работах с Алтайским государственным техническим университетом имени И.И. Ползунова, Кемеровским технологическим институте пищевой промышленности, администрацией г. Барнаула, в которых автор является непосредственным исполнителем.

Исследования проводились в рамках государственного контракта РИ-16/006, единого заказ-наряда по теме «Разработка модели интеллектуальной системы для решения задач оценки и прогнозирования состояния экономических и социальных объектов с использованием методов нейро-информатики и гибридных экспертных систем», единого заказ-наряда по теме «Фундаментальные исследования в области разработки моделей представления знаний на основе гибридных экспертных систем для решения неформализованных задач управления в социальных и экономических системах».

Результаты работы автора были заслушаны и получили положительные отзывы в финальной части конкурса инновационных проектов студентов и аспирантов, проводимым НИИ «Информика» (г. Москва). Проект был рекомендован для участия в программе «Старт». Данная научная работа автора поддержана государственным фондом содействию развитию малых научных предприятий по программе «УМНИК» в 2008-2010 годах.

Апробация результатов работы. Основные положения и результаты работы докладывались и обсуждались на всероссийском конкурсе инновационных проектов студентов и аспирантов при НИИ «Информика» (Москва) в 2006 году; на всероссийском семинаре «Нейроинформатика и ее приложения» (Институт вычислительного моделирования СО РАН, г. Красноярск) в 2006, 2007, 2009 годах; на научно-технической конференции «Виртуальные и интеллектуальные системы» (АлтГТУ им. И.И. Ползунова, Барнаул) в 2006, 2007, 2008 годах.

Публикации. По теме диссертации опубликовано 13 работ, в том числе две статьи в изданиях, рекомендованных ВАК Министерства образования и науки Российской Федерации.

Структура диссертации. Диссертационная работа состоит из введения, трех глав, заключения, приложений и библиографии. Общий объем диссертации составляет 170 страниц, 56 рисунков и 24 таблицы. Список использованной литературы включает 201 наименование.

ОБЩЕЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность диссертационного исследования, сформулированы 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 определены основные понятия инноваций, рассмотрена структура инновационного потенциала и специфика управления инновациями.

В контексте данной работы под инновациями понимаются новые или улучшенные виды продукции, услуг, производственных процессов и технологии. Определяющими для инноваций являются следующие признаки:

- они всегда связаны с хозяйственным (практическим) использованием оригинальных решений;

- дают конкретную хозяйственную и/или социальную выгоду для пользователя;

- означают первое использование новшества на предприятии независимо от того, применялось ли оно где-либо ранее;

- нуждаются в творческом научном подходе и связаны с рисками.

Инновационный потенциал (ИП) предприятия рассматривается как

совокупность различных ресурсов предприятия К" (интеллектуальных, производственных, финансовых и др.), а также совокупность внешних факторов , обуславливающих возможность организации реализовы-вать инновации: Щ =< Я'", Щ'" >, где ? - период, в котором производится измерение.

В заключительной части первой главы рассмотрены вопросы принятия решения в условиях неопределенности, дано определение неформализованной задачи. Также проведен анализ применения интеллектуальных методов обработки данных в задачах оценки и мониторинга предприятий.

Во второй главе описана подробно описана структура гибридномй экспертной системы и модели оценки инновационного потенциала промышленного предприятия, научно-технической организации с использованием гибридных экспертных систем. Также приведена оригинальная технология соотнесения показателей по двум созданным моделям инновационного потенциала.

Планирование инновационной деятельности в организации начинается с анализа ситуации и возможностей организации. Анализ (оценка) производится по определенным заранее моделям решения задач

(Task_l,Task_2,...,Task_N). В соответствии с концепцией гибридных экспертных систем (ГЭС) представим модель оценки инновационного потенциала TaskJP в виде иерархической структуры (ориентированного графа-связей), узлами которой являются промежуточные подзадачи, решаемые с помощью определенных методов решения. Математически гибридную модель данной задачи можно представить в следующем виде: Task1P = {Expert, Н, Z, Meth, X, S,9,Str), (1)

где Expert - множество экспертов, участвующих в оценке; Z - множество целей, подзадач, узлов дерева (интегральные показатели верхних уровней); Н - множество шкал оценивания интегральных показателей, Meth - совокупность доступных алгоритмов и методов оценивания; X -множество входных, измеряемых показателей нижнего уровня;

S = {ij},/ = l,Nt - множество настроенных решателей (механизмов

вывода) для каждого элемента из Z;; 3 - совокупность правил текстовой интерпретации значений показателей модели; Sir - структура элементов модели:

Str = {A,PA), (2)

где А - множество взаимосвязей элементов модели, А - {д.} , i=l,2, ...,77 j=l,2,..., V (i - номер уровня элемента по иерархии, j - порядковый номер элемента на уровне); РА = (Н)} - множество индикаторов оценки

элементов системы, определенных по шкале из множества Н.

Для одного узла допускается настройка нескольких решателей, таким образом под j-м решателем /-го узла понимается следующее:

Sj(z,) = (zt,Pz. ,Meth(Sj),f(Pz. IKBiSjlKSjlPDiSj)), (3)

где Pz, - индикаторы оценки узла z. , в соответствии со структурой

модели Str\ Meth = {Ner,Prod,Form} - метод решения задачи; Ner -нейронная сеть; Prod - правила продукции; Form - формализованная зависимость (аналитическая формула); /(Рц) - математическая функция

вычисления значения узла zi ; база знаний KB{sj) решателя. В качестве

базы знаний может использоваться существующая статистика значений используемых показателей, а также мнения экспертов по данной задаче для формирования весовых коэффициентов, правил или результирующего фактора нейронной сети; Л(г;)бЯ - шкала измерения результатов расчетов; PD(Sj) - параметры предобработки исходных данных X.

База знаний KB(Sj) хранит аналитические формулы, правила

продукции экспертной системы и обучающие выборки нейронных сетей, описывающих область решений задачи. Правила продукции представляются в следующем виде: Pr:E->Decisionc, где (Е —>Decisionc) - знания эксперта, отражающие причинное отношение предпосылки и заключения по поводу задачи С.

Обучающие выборки нейронной сети (массив примеров) представлены

в виде вектора prim = ((xl,...,xN),o), где - множество

входных данных; N - количество факторов в примере; о - значение выходного фактора. При эксплуатации нейросетевого решателя накапливаются новые примеры входных значений {х*} , которые позволяют проверить адекватность решателя, {у} - результаты решения примеров нейронной сетью.

При проверке модели и ее решателей устанавливаются экспертные и фактические значения исследуемых показателей o'(zf) в дереве, которые сравниваются с полученными в результате решения y(sj(z,)). Если получаемые погрешности р (sj (г.)) =| У (Sj) - о* (z(.)) | /о* (zi) фактора z, при

решении задачи увеличиваются и превышают допустимый уровень L, то считается, что модель данного решателя теряет свою способность правильно решать задачу и требуется ее переобучение, т.е. модификация решателя Sj .

На рисунке 1 представлен пример, когда при решении задачи нейросетевой решатель дает результат с ошибкой превышающей допустимый уровень, однако переобучение сети позволяет учесть новые особенности в выборке и нормализовать ошибку.

дан- ю%

ХМ1» ХМ2> »*MN' УМ> °М ^ * * * *

Х11> Х12> •■• ^lN ' УI

Нов. ►дан- г* ные о*

е%

обучения

3

номер _ nptiMej <а

ХК1' ХК2> г*!KN ¡Ук

Рисунок 1 - Проверка новых данных и дообучение нейросетевого решателя

Таким образом, условиями адекватности нейросетевого решателя в ходе эксплуатации модели являются:

тах(р*(*у))^£, (4)

ау8{р\з]))<и, (5)

где V- значение допустимой предельной средней ошибки, у - номер решателя узла. В задачах оценки инновационного потенциала обозначим Ь = 0,12(12%) и V = 0,06(6%).

Момент проверки адекватности решателя может определяться экспертом, а также при предобработке поступающих примеров. Второй вариант возможен только в случае, если в базе знаний решателя накоплено достаточное количество представительных примеров М: > М', позволяющих описать область решений. В гибридных моделях оценки инновационного потенциала данный вариант применяется в нейросетевых решателях. При этом используется проверка на аномальные значения каждого фактора в новом примере:

где к[ - параметр, регулирующий размер доверительного интервала; М -количество примеров в базе знаний КВ(г1); х^ - значение с1-го фактора из

проверяемого примера, (1 = 1,Ы, Ы- количество факторов в примере.

В гибридной модели для каждого узла модели может быть произведена настройка правил интерпретации числового значения узла г, в текстовую переменную у, описывающую п -состояний г,. >1.2/б [д,^],

(7)

где О = / = 1 ,п - граничные числовые значения показателя.

Адаптивность гибридной модели достигается за счет применения интеллектуальных методов в составе программных средств, способных «подстраивать» модель на предметную область, а также за счет гибкости самой модели, позволяющей учитывать произвольное количество факторов в узлах и использовать наиболее «подходящие» методы решения.

Проведенные исследования позволили выделить ряд факторов, позволяющих охарактеризовать инновационный потенциал предприятия,

на основе которых был сформирован массив входных данных X (74 показателя). Данная задача структурирована в виде иерархической модели (графа-связей), в верхнем уровне которой определены 9 интегральных показателей, а также выделено 11 других промежуточных узлов. Для построения гибридной модели оценки ИП и формирования базы знаний решателей была привлечена экспертная комиссия. Компетентность экспертов подтверждена значительным опытом в данной области, а коэффициенты компетентности определены методом взаимных рекомендаций.

Исходя из характеристик доступных методов решения, описанных в диссертационной работе, была разработана и применена продукционная экспертная система для выбора наиболее подходящих методов решения в узлах модели. В таблице 1 представлены методы решения в основных узлах модели оценки инновационного потенциала промышленного предприятия.

Таблица 1 - Методы решения для узлов дерева оценки инновационного потенциала промышленного предприятия_

Ном.в иерар. Название показателя (2) Мет.реш. \ieth Функция решения Шкала Н

Оценка инновационного потенциала Ф Р» о 0-10

1 Оценка финансового потенциала НС 0-10

2 Оценка интеллектуального потенциала НС лг'о 0-10

2.1 Кадровый потенциал НС ы** о 0-10

2.1.4 Подготовленность специалистов ЭС д^О 0-3

2.1.5 Остепененность сотрудников ЭС 0-1

2.1.6 Стаж сотрудников ИТР (конструкторы, технологи, проектировщики) Ф 0-3

2.5 Взаимодействие с научными организациями НС ДГк""Л0 0-10

3 Организационно-управленческий потенциал ЭС л"*0 0-3

3.4 Оценка численности отделов (укомплектованность) ЭС ^котр1 0 0-3

4 Маркетинговый потенциал НС 0-10

4.1 Оценка влияния организации ЭС Г() 0-3

4.3 Оценка устойчивости сотрудничества с другими организациями ЭС /Г*о 0-3

4.5 Оценка воздействия конкурентной среды ЭС 0-3

5 Информационно-методическое обеспечение НС /г'О 0-10

Ном.в ясрар. Названий показателя (¿) Мет.реш, МеЙ1 Функция решения ; Шкала Н

5.3 Автоматизация служб и подразделений ЭС я^О 0-3

6 Опыт реализации инновационных проектов НС №р'() 0-10

7 Внешний инновационный климат ЭС якШ0 0-3

8 Потенциал материально-технической базы НС 0-10

В большинстве узлов используются нейросетевые решатели, в виде многослойных персептронов. Их работу можно представить следующим образом. На каждый нейрон поступают сигналы от входных данных х = (х1г х2,..., ха ), предварительно нормированные в интервал [-1;1], а

также от других нейронов п = {пх,п2,..., п р), образующие в совокупности вектор у-{х,п) размерности а + р . Под воздействием сигнала у на нейроне устанавливается потенциал РИ в соответствии с формулой:

РЬ » = /(Е V,,*, + £ ~ ¿»¡), (8)

/=1 ;=1

где - синаптические коэффициенты передачи сигналов на г'-ый нейрон; 6, - начальное смещение потенциала невозбужденного г'-го нейрона; /О - функция активации, представленная в виде сигмоидальной кривой с областью значений [-1;1].

С учетом обозначений в таблице 1 математическую модель инновационного потенциала в общем виде можно представить в виде следующей формулы:

F (х4>7, Х43), Я^"8 (х4 9, Х4 ! о, Х4 11)), > х2,6' х2,1'

Мтагк (Я*1 (х3 15,Х3 16,х$ н), Я™1г (х3 ¡7 ,...,Хз 2\),Кк°"к (Х3,22>ХХ23>ХЗЛ4)> х2,1их2,12>х2№<х2,14)>мт1(кт'(хх25>—>х3,20)'х2,\5>—>х2,\9')<

N Р (х2,20>~->х2,2«)>Кк1т(х2,29>---'Х2,гг)>М"""(Х234,...,Х22$),Хц) ,

где И() - нейросетевые функции в модели; - продукционные экспертные системы; Р() - функции аналитических формул; {хц} -исходные показатели модели, где / - номер уровня показателя в иерархии, г = 1,4;у — порядковый номер показателя на одном уровне ГЭС, у = 1,Уг ; V,- - число факторов на 1-ом уровне модели.

Точность и адекватность модели оценивается ошибкой, выдаваемой в результате решения задачи. Оптимальной считается модель, если в результате расчетов она показывает минимальное отклонение от мнения

экспертов: р (У''') =] у4' - о1р) | /о'1' —> гшп, где у'р - значения, рассчитанные

с помощью ГЭС; о'р - экспертные оценки.

В составе модели оценки инновационного потенциала наиболее сложным, с точки зрения степени неопределенности связей входных и выходных параметров, является оценка интеллектуального потенциала. Модель данной подзадачи представлена на рисунке 2.

Оценка инновационного потенциала

Взэимодействи в с научными организациями

Рисунок 2 - Модель оценки интеллектуального потенциала предприятия в структуре модели оценки ИП

Для оценки инновационного потенциала НТО используется несколько другая модель TaskIP NTO , имеющая тот же принцип конструирования

и расчета. На рисунке 3 представлены основные узлы модели оценки инновационного потенциала научно-технической организации, в названии узлов в скобках указаны рекомендуемые методы решения: НС - нейронная сеть; ЭС - экспертная система; Ф - формула.

Рисунок 3 - Интегральные показатели модели оценки ИП НТО

Вопрос о сотрудничестве и сопряжении инновационных потенциалов НТО и предприятия встает в начале реализации какого-либо инновационного проекта. В концепции гибридных экспертных систем соотнесение потенциалов осуществляется по узлам построенных графов-связей решения задач. Соотнесение можно производить между любыми узлами исходя из их характеристик и поставленных целей. В рамках данной работы качестве целей соотнесения рассматриваются:

31 - создание регионального тематического кластера для реализации инновационных проектов (в этом случае необходимо отобрать наиболее сильных участников с учетом особенностей отрасли и проектов);

32 - подбор НТО для усиления слабых мест на предприятии (например, при низком интеллектуальном потенциале предприятия необходимо подобрать НТО для проведения НИОКР по инновационному проекту).

Для решения первой задачи создана модель на основе гибридной экспертной системы Та$ктв1п для соотнесения НТО и промышленного

предприятия для реализации инновационных проектов.

Пусть и, Т -соответственно множество показателей оценки ИП предприятия и НТО, где и ^хрге*г] и Т ={р"'°,Хпю), Ррг1х1рг,Р"'° -

множество интегральных показателей модели оценки ИП, Хрг"'рг, X"'" -множество исходных показателей модели оценки. (5 - множество показателей-характеристик проекта, оцениваемых экспертно. Тогда функция подбора выглядит следующим образом:

^=^(ВД,а)->тах, (10)

где г - номер предприятия, / - номер НТО, к - номер проекта.

Для достижения второй цели 32 процедура соотнесения потенциалов несколько проще. Достаточно определить список значимых факторов U' е U,T' е Г, по которым предприятие подбирает партнера и граничные условия Е":

Г0=Р;т6(и;,т;,Е")^тах. (11)

Для решения данной задачи подойдет обычная продукционная экспертная система, примеры базы правил которой приведены в диссертационной работе.

Представим технологию соотнесения потенциалов предприятия и НТО для реализации цели 3,:

1) формирование экспертной группы Expert ={er), г = l,iVexp ;

2) сбор данных об инновационном проекте, формирование массива

Qproect = {(Jк = 1> . гДе jV4 - количество показателей, характеризующих инновационный проект;

3) предварительная оценка экспертами целесообразности проекта;

4) отбор Npredpr предприятий и N"'0 по отрасли Otrasl выбранного проекта;

5) оценка инновационного потенциала предприятий УГ"рг = fTasklF (XpredprJ),i = 1 ,Npredpr, где fTaskip -функция расчета ИП предприятия в соответствие с моделью TaskIP;

6) оценка инновационного потенциала научно-технических

организаций = fTaskip_mo где /М;/,_лта - функ-

ция расчета ИП НТО в соответствие с моделью TaskIP NTO ;

7) цикл по соотнесению каждого предприятия с каждым НТО в соответствии с моделью TaskS00ln, формирование результатов оценки

S,es = {с,;}' с,у = F[IOJl6(U,,Tj,Qpr{,ec,);

8) выбор наиболее лучших пар SmaK = {Ctj | С;7 > Li0"'"}, где Lso<"n -

пороговое значение допустимого уровня соотнесения потенциалов для реализации инновационного проекта по шкале [0;10];

9) окончательное определение участников кластера и создание бизнес-плана реализации проекта;

10) оценка адекватности модели и ее адаптация.

В третьей главе рассматриваются вопросы разработки комплекса программ для управления инновационной деятельностью организации, а

также настройка и реализация моделей на примере решения задач оценки инновационного потенциала научно-технических организаций АлтГТУ и промышленных предприятий отрасли дизелестроения Алтайского края.

В структуре комплекса программ выделено две основных подсистемы:

- система ввода-вывода данных (\уеЬ-портал);

- интеллектуальная система (аналитическая подсистема).

Первая система представляет собой клиентскую часть комплекса, реализованную в виде Интернет-приложения, данные из которого поступают в аналитическую подсистему.

Аналитический блок (рисунок 4) позволяет настраивать модели для решения задач («обучать» систему) и производить расчеты с помощью интеллектуальных компонентов на основе механизма гибридных экспертных систем.

Рисунок 4 - Структура аналитической подсистемы

Принцип работы аналитической информационной системы таков, что автоматизированные компоненты, выполняющие функции решателей гибридной экспертной системы, реализованы в виде отдельных подключаемых модулей (библиотек DLL), таким образом достигается масштабируемость системы.

Итоговая модель решения задачи оценки инновационного потенциала была получена в результате многочисленных экспериментов. При этом бы-

ли подвержены изменению как методы решения (т.е. применены другие решатели S) в узлах графа, так и сама структура модели Str.

Оптимальные структуры нейросетевых решателей в моделях определялись методом последовательного контрастирования нейронов в заведомо избыточной сети. В большинстве решателей оптимальной оказались структуры с 4-6 нейронами, при этом ошибки обобщения не превышали заданный уровень 6%. Апробация разработанных моделей проводились на примере 7 предприятий отрасли дизелестроения Алтайского края П1,...,П7 (рисунок 5).

Конечные результаты эксперимента представлены в таблице 2. Лучшие результаты были достигнуты после дообучения решателей в узлах «Оценка интеллектуального потенциала» и «Опыт реализации инновацион-

_ _ ных проектов».

Рисунок 5 - Оценка инновационного

потенциала предприятий

Таблица 2 - Сравнение ошибок при оценке ИП предприятия

Предпр. Эксперт ГЭС (первоначальная) Откл. ГЭС (после дообучения) Откл.

П1 8,21 7,735 6% 7,896 4%

П2 7,7 7,64 1% 7,9802 4%

ПЗ 6,12 6,1398 0% 6,1882 1%

П4 6,05 5,8912 3% 5,9024 2%

П5 5,65 5,8101 3% 5,8673 4%

П6 5,34 5,756 8% 5,5961 5%

П7 4,18 3,1713 шт 3,939 6%

В диссертации представлен результат соотнесения НТО и предприятий для создания кластеров для реализации инновационных проектов на основе разработанной технологии. Были проведены исследования по реализации инновационных проектов «Разработка двигателей на основе рапсового масла» на базе предприятия ООО «Сибэнергопром» и «Производство двигателей на водороде» на базе предприятия ОАО «Барнаултрансмаш». В таблице 3 отображены результаты соотнесения кафедр технического университета с предприятиями и проектами с помощью модели Тазк^Ып. К1,К2,...,К20 -

кафедры университета; П1,П2 - предприятия; ПР1, ПР2 - инновационные проекты. В колонке «оценка» указано числовое значение результата соотнесения по шкале [0;10]. Пороговое значение I?00"1 = 7.

шкапа ощнки

чт

Ш ГЦ га ГЦ ГТ5 JS Г.7

_ грйдпришия

Таблица 3 - Результаты соотнесения промышленных предприятий и

кафедр университета для реализации инновационных проектов

Группа Оценка Группа Оценка Группа Оценка Группа Оценка

К1-П1-ПР1 2,46 К1-П2-ПР1 1,16 К1-П1-ПР2 1,14 К1-П2-ПР2 0,73

К2-П1-ПР1 2,32 К2-П2-ПР1 1,14 К2-П1-ПР2 1,19 К2-П2-ПР2 0,88

КЗ-П1-ПР1 2,46 КЗ-П2-ПР1 1,39 КЗ-П1-ПР2 2,5 КЗ-П2-ПР2 2,78

К4-П1-ПР1 3,02 К4-П2-ПР1 2,66 К4-П1-ПР2 2,74 К4-П2-ПР2 3,33

К5-П1-ПР1 1,14 К5-П2-ПР1 1,14 К5-П1-ПР2 0,93 К5-П2-ПР2 1,14

К6-П1-ПР1 6,98 К6-П2-ПР1 6,34 К6-П1-ПР2 6,72 К6-П2-ПР2 6,56

К7-П1-ПР1 7.78 К7-П2-ПР1 7,38 К7-П1-ПР2 6,48 К7-П2-П Р2 7,149

К8-П1-ПР1 7.02 К8-П2-ПР1 6,08 К8-П1-ПР2 6,15 К8-П2-ПР2 6,72

К9-П1-ПР1 2,46 К9-П2-ПР1 2,53 К9-П1-ПР2 2,46 К9-П2-ПР2 3,27

К10-П1-ПР1 3,15 К10-П2-ПР1 2,88 К10-П1-ПР2 2,05 К10-П2-ПР2 0,88

К11-П1-ПР1 3,04 К11-П2-ПР1 2,92 К11-П1-ПР2 3,38 К11-П2-ПР2 2,16

К12-П1-ПР1 0,88 К12-П2-ПР1 0,31 К12-П1-ПР2 1,15 К12-П2-ПР2 1,05

К13-П1-ПР1 6,18 К13-П2-ПР1 5,77 К13-П1-ПР2 3,88 К13-П2-ПР2 4,14

К14-П1-ПР1 5,22 К14-П2-ПР1 5,95 К14-П1-ПР2 4,29 К14-П2-ПР2 5,16

К15-П1-ПР1 0,85 К15-П2-ПР1 0,33 К15-П1-ПР2 1,66 К15-П2-ПР2 0,88

К16-П1-ПР1 5,67 К16-П2-ПР1 4,19 К16-П1-ПР2 4,67 К16-П2-ПР2 5,18

К17-П1-ПР1 0,25 К17-П2-ПР1 0,11 К17-П1-ПР2 1,16 К17-П2-ПР2 0,72

К18-П1-ПР1 2,46 К18-П2-ПР1 0,88 К18-П1-ПР2 2,44 К18-П2-ПР2 1,14

К19-П1-ПР1 0,69 К19-П2-ПР1 0,66 К19-П1-ПР2 1,16 К19-П2-ПР2 0,72

К20-П1-ПР1 0,16 К20-П2-ПР1 0,16 К20-П1-ПР2 0,33 К20-П2-ПР2 0,27

Результат анализа можно интерпретировать следующим образом: и в первом и во втором случаях предприятия и НТО, К7 и П1 в большей степени подходят друг другу для совместной реализации инновационных проектов ПР1 и ПР2. Данное исследование подтверждено выводами экспертов. В заключении третьей главы выдвинуты предложения по развитию системы, в том числе предлагается создание многофункционального Интернет-портала под держки инновационной деятельности в регионе.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

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

1. Изучены возможности технологии гибридных экспертных систем для создания адаптивных моделей оценки инновационного потенциала организации.

2. Проанализированы существующие модели и современные комплексы программ для оценки инновационного потенциала организации.

3. Разработаны математические модели оценки инновационного потенциала предприятия, научно-технической организации на основе технологии гибридных экспертных систем.

4. Разработана технология соотнесения показателей потенциала предприятия с показателями НТО с целью формирования регионального кластера для реализации инновационных проектов.

5. Спроектирован и разработан вычислительный программный комплекс с интеллектуальными компонентами для реализации разработанных моделей и произведена его настройка.

6. Проведены вычислительные эксперименты по оценке инновационного потенциала на примере промышленных предприятий отрасли ди-зелестроения, подразделений АлтГТУ, малых научно-технических организаций.

Основные результаты диссертации опубликованы в следующих работах:

Работы, опубликованные автором в ведущих рецензируемых научных журналах, рекомендованных ВАК Министерства образования и науки Российской Федерации:

1. Тишков О.И., Демчик Д.С., Евстигнеев А.Н. Разработка системы оценки инновационного потенциала вуза // Ползуновский вестник. - Барнаул, 2006. - №1. _ с. 78-86.

2. Тишков О.И., Пятковский О.И. Оценка инновационного потенциала организаций региона на основе гибридных экспертных систем // Программные продукты и системы. - Тверь, 2010. - №2. - С. 104-109.

Другие публикации:

3. Пятковский О.И., Новоселов C.B., Тишков О.И., Евстигнеев А.Н. Система оценки инновационного потенциала подразделений университета с использованием методов нейроинформатики // Нейроинформатика и ее приложения : материалы XIV Всероссийского семинара / ИВМ СО РАН. -Красноярск, 2006. - С. 82-83.

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

5. Пятковский О.И., Новоселов C.B., Тишков, О.И. Разработка интеллектуальной системы оценки инновационного потенциала предприятия // Информационно-телекоммуникационные системы: сборник материалов Всероссийского конкурса инновационных проектов аспирантов и студентов по приоритетному направлению развития науки и техники / под ред. А.О. Сергеева. - М.: ГНИИ ИТТ «Информика», 2006. - С. 28-29.

6. Тишков О.И., Холодков К.Ю., Ерошенко C.B. Разработка методики оценки инновационного потенциала предприятия // Сборник 3-й Всероссийской научно-технической конференции студентов, аспирантов и молодых ученых "Наука и молодежь". АлтГТУ. - Барнаул: Изд-во АлтГТУ, 2006.-с. 17-20.

7. Тишков О.И., Пятковский О.И., Новоселов C.B. Структура нейросете-вой компоненты в системе управления инновационной деятельностью региона // Нейроинформатика и ее приложения: материалы XV Всероссийского семинара / ИВМ СО РАН. - Красноярск, 2007. - С. 150-152.

8. Тишков О.И., Авдеев A.C. Прикладное использование нейросете-вых технологий в составе информационно-аналитических систем // Пол-зуновский альманах № 3. Выпуск посвящен Международной научно-технической конференции ВИС-2007, АлтГТУ им. И.И. Ползунова. -Барнаул, 2007,-С. 110-112.

9. Тишков О.И., Пятковский О.И. Нейросетевые методы в управлении инновационной деятельностью организации // Нейроинформатика, ее приложения и анализ данных: XVII Всероссийский семинар. - Красноярск, 2009.-С. 156-157.

10. Титова Т.Н., Пятковский О.И., Тишков О.И. Оценка инновационного потенциала предприятий и поиск партнеров на основе Интернет-технологий // Сборник 6-й Всероссийской научно-технической конференции студентов, аспирантов и молодых ученых "Наука и молодежь". АлтГТУ. - Барнаул: изд-во АлтГТУ, 2009. - с. 30-32.

11. Свидетельство об официальной регистрации программы для ЭВМ №2005612344. - 1 с. Аналитическая информационная система оценки инновационного потенциала научных организаций («Инновация»), Авторы: Евстигнеев А.Н., Новоселов C.B., Пятковский О.И., Тишков О.И.

12. Свидетельство об официальной регистрации программы для ЭВМ №2005611449. - 1 с. Бизнес Аналитик 1.0. Авторы: Пятковский О.И., Ивкин Ю.Н., Тишков О.И., Краснюков И.А., Тютина М.В., Авдеев A.C., Пятковский А.О., Пятковский И.О., Демчик Д.С.

13. Свидетельство об официальной регистрации программы для ЭВМ №2006610376. - 1 с. Интеллектуальная система оценки и прогнозирования показателей (Нейро-Аналитик). Авторы: Тишков О.И., Пятковский О.И., Авдеев A.C.

Подписано в печать 20.05.2010. Печать - цифровая. Усл. п.л. 1,16. Тираж - 100. Заказ 2010-251. Отпечатано в типографии АлтГТУ, 656038, г.Барнаул, пр-т Ленина, 46 тел.: (8-3852) 36-84-61

ВВЕДЕНИЕ

1 АНАЛИЗ СОВРЕМЕННЫХ ПОДХОДОВ И МОДЕЛЕЙ В УПРАВЛЕНИИ ИННОВАЦИОННОЙ ДЕЯТЕЛЬНОСТЬЮ ОРГАНИЗАЦИИ

1.1 Основные подходы к определению инновационного потенциала

1.2 Анализ существующих методов решения задач оценки потенциала организаций

1.3 Анализ применения интеллектуальных методов и моделей в задачах управления инновациями

2 РАЗРАБОТКА МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ ДЛЯ ОЦЕНКИ ИННОВАЦИОННОГО ПОТЕНЦИАЛА ПРЕДПРИЯТИЯ, НАУЧНО-ТЕХНИЧЕСКОЙ ОРГАНИЗАЦИИ И ТЕХНОЛОГИЯ ИХ СООТНЕСЕНИЯ

2.1 Структура гибридной экспертной системы в моделях управления инновационной деятельностью организации

2.2 Математическая модель оценки инновационного потенциала промышленного предприятия

2.3 Разработка моделей для решения задач оценки инновационного потенциала и активности НТО

2.4 Технология соотнесения потенциалов промышленных предприятий и НТО для реализации инновационных проектов

3 РАЗРАБОТКА И НАСТРОЙКА КОМПЛЕКСА ПРОГРАММ ДЛЯ РЕАЛИЗАЦИИ МОДЕЛЕЙ ОЦЕНКИ ИННОВАЦИОННОГО ПОТЕНЦИАЛА ПРОМЫШЛЕННОГО ПРЕДПРИЯТИЯ И НАУЧНО-ТЕХНИЧКОЙ ОРГАНИЗАЦИИ

3.1 Структура и функции аналитической системы оценки инновационного потенциала

3.2 Структура блока нейронных сетей и предобработки данных

3.3 Формирование базы знаний и настройка моделей решения задач оценки инновационного потенциала с помощью разработанного комплекса программ

3.4 Анализ полученных результатов и оценка адекватности разработанных моделей

Актуальность темы. Усиление рыночной конкуренции и переход региональной экономики на инновационный путь развития требуют постановки и решения большого количества сложных и слабоформализованных задач управления. Характерными особенностями таких задач являются большие массивы первичной информации, искаженность и неточность данных, нестабильность внешней среды, неопределенность внутренних взаимосвязей. Фундаментом для их решения являются разработанные модели, использующие современное математическое обеспечение и вычислительные программные комплексы.

Для осуществления инновационной деятельности необходимо наличие высокого уровня инновационного потенциала, поэтому его оценка и анализ занимают важное место в управленческой деятельности. Актуальной задачей является разработка адаптивных моделей оценки инновационного потенциала промышленных предприятий и научно-технических организаций, занимающихся НИОКР и являющихся главными генераторами инноваций.

С развитием инновационных процессов и увеличением количества участников рынка инноваций возникает необходимость в разработке моделей и методов подбора партнеров и соотнесение интересов предприятия-производителя и научно-технических организаций для объединения в кластеры.

Обзор литературных источников по проблеме использования различных методов для оценки потенциала предприятия позволяет сделать вывод о том, что на сегодняшний момент в большинстве случаев применяются экспертные оценки, которые работоспособны в стационарных условиях. Поэтому одним из главных принципов разработки моделей и комплексов программ становится возможность их быстрой адаптации к изменяющейся среде. Удовлетворить данное условие возможно, используя аналитические информационные системы с интеллектуальными компонентами, такими как нейронные сети и гибридные экспертные системы.

Степень научной проработанности темы исследования.

Тема моделирования и оценки инновационного потенциала предприятий широко обсуждается в научной литературе. Большое количество научных работ авторов посвящено экономическим аспектам данной проблемы, среди них: С.А. Агапцов, В.Р. Атоян, И.М. Бортник, O.A. Гиренко-Коцуба, О.В. Косолапое, Е.А. Лурье, H.H. Минакова, Е.А. Моностырный, С.Г. Поляков, A.B. Решетников, И. Шумпетер. Следует отметить авторов, исследующих проблемы инновационного развития Алтайского края: С.П. Байкалов, В.А. Бородин, C.B. Новоселов и др.

В работе были использованы научные труды авторов, посвященные применению нейросетевых технологий!и экспертных систем в задачах экономики, информатики и управления: И.М. Бобко, Т.А. Гаврилова, А.И. Галушкин, А.Н. Горбань, Н.Г. Загоруйко, JI.A. Заде, В.В. Круглов, Е.М. Мир-кес, Д.А. Россиев, Э.В. Попов, Д.А. Поспелов. Вопросы использования гибридных экспертных систем в задачах оценки и прогнозирования состояния социальных и экономических объектов были описаны в работах В.А. Силича, О.И. Пятковского. Однако вопросы создания и применения математических моделей и комплексов программ с интеллектуальными компонентами для оценки инновационного потенциала организаций остаются малоисследованными и не проработанными.

Цель исследования. Целью диссертационной работы является разработка математических моделей и комплексов программ для оценки инновационного потенциала организации на основе гибридных экспертных систем.

Задачи исследования:

- изучить возможности технологии гибридных экспертных систем для создания адаптивных моделей. оценки инновационного потенциала организации;

- разработать модели' оценки инновационного потенциала промышлен- > ного предприятия, научно-технической: организации на основе технологии гиб-, ридных экспертных систем;

- разработать технологию соотнесения показателей инновационного потенциала промышленного предприятия с показателями научно-технической; организации; •

- спроектировать и реализовать вычислительный программный комплекс для оценки инновационного потенциала организации;

- настроить вычислительный, комплекс и провести эксперименты по решению задач оценки инновационного потенциала предприятий, научно-технических организаций. .

Объектом исследования являются промышленные предприятия и научно-технические организации: Алтайского края.

Методы исследования. Поставленные в диссертационной работе задачи решались с применением; методов: системного анализа; математического моделирования; и статистики, искусственного интеллекта и, нейроинформати-ки, экспертных продукционных, систем и экспертных оценок. Разработка информационной системы осуществлялась на основе применения высокоуровневых языков и технологии объектно-ориентированного программирования.

Научной, новизной в диссертационной работе обладают следующие результаты:

- разработаны математические модели оценки, инновационного потенциала промышленного предприятия и научно-технической организации на основе гибридных экспертных систем и нейросетевых методов;

- предложена" технология соотнесения; показателей инновационного потенциала промышленного предприятия и научно-технической организации с использованием адаптивной гибридной экспертной'системы;

- создан комплекс программ для реализации разработанных; моделей и алгоритмов в виде Л\^еЬ-приложения с возможностью адаптации к предметной области.

Основные положения диссертации, выносимые на защиту:

- модель оценки инновационного потенциала организации на основе гибридных экспертных систем;

- технология соотнесения показателей инновационных потенциалов промышленного предприятия и научно-технической организации;

- архитектура комплекса программ для реализации разработанных моделей с применением ЛУеЬ-технологий;

- результаты вычислительного эксперимента по оценке инновационного потенциала предприятий отрасли дизелестроения Алтайского края и подразделений технического университета.

Достоверность результатов работы основана на корректности постановок задач и адекватности построенных математических моделей, подтвержденных экспертными оценками.

Практическая значимость результатов диссертационной работы заключается в том, что разработанные модели и комплексы программ могут быть применены для эффективного решения задач оценки инновационного потенциала и его мониторинга в крупных научно-технических организациях и промышленных предприятиях. Также перечисленные в работе модели и методы могут быть использованы для более детального изучения процессов управления инновационной деятельностью.

Научные результаты работы были использованы при построении моделей оценки инновационного потенциала АлтГТУ и предприятий отрасли дизелестроения Алтайского края. Разработанная аналитическая информационная система используется при проведении оценки инновационного потенциала вуза, деятельности кафедр АлтГТУ. Также разработанные методы и модели были использованы для решения задач оценки инвестиционных проектов в администрации г. Барнаула.

Основные результаты исследования нашли отражение и применены в научно-исследовательских, опытно-конструкторских и хоздоговорных работах с Алтайским государственным техническим университетом имени И.И. 7

Ползунова, Кемеровским технологическим институтом пищевой промышленности, администрацией г. Барнаула, в которых автор является непосредственным исполнителем.

Исследования проводились в рамках государственного контракта РИ-16/006, единого заказ-наряда по теме «Разработка модели интеллектуальной системы для решения задач оценки и прогнозирования состояния экономических и социальных объектов с использованием методов нейроинформатики и гибридных экспертных систем», единого заказ-наряда по теме «Фундаментальные исследования в области разработки моделей представления знаний на основе гибридных экспертных систем для решения неформализованных задач управления в социальных и экономических системах».

Результаты работы автора были заслушаны и получили положительные отзывы в финальной части конкурса инновационных проектов студентов и аспирантов, проводимым НИИ «Информика» (г. Москва). Проект был рекомендован для участия в программе «Старт». Данная научная работа автора поддержана государственным фондом содействию развитию малых научных предприятий по программе «УМНИК» в 2008-2010 годах.

Апробация результатов работы. Основные положения и результаты работы докладывались и обсуждались на всероссийском конкурсе инновационных проектов студентов и аспирантов при НИИ «Информика» (Москва) в 2006 году; на всероссийском семинаре «Нейроинформатика и ее приложения» (Институт вычислительного моделирования СО РАН, г. Красноярск) в 2006, 2007, 2009 годах; на научно-технической конференции «Виртуальные и интеллектуальные системы» (АлтГТУ им. И.И.Ползунова, Барнаул) в 2006, 2007, 2008 годах.

Публикации. По теме диссертации опубликовано 13 работ, в том числе две статьи в изданиях, рекомендованных ВАК Министерства образования и науки Российской Федерации.

Структура диссертации. Диссертационная работа состоит из введения, трех глав, заключения, приложений и библиографии. Общий объем дис

Выводы

Для управления инновационной деятельностью был спроектирован и разработан аналитический информационный комплекс, в структуру которого вошли две подсистемы: сайт, аналитическая подсистема.

Комплекс поддерживает удаленный режим работы пользователей с банком данных, и представляет собой «площадку» для соотнесения интересов промышленности, инвесторов и научно-технических инновационных организаций. В третье главе большое внимание уделено структуре нейросетевого блока аналитической подсистемы, так как он является основным звеном при решении поставленных задач. Определены основные элементы и функции блока, рассмотрены используемые методы предобработки данных.

В третьем параграфе описан процесс формирования базы знаний для решения задач оценки инновационного потенциала промышленного предприятия, оценки инновационного потенциала и активности НТО, а также приведена база правил продукционной экспертной системы для соотнесения интересов предприятий и НТО.

В экспериментальной части исследования приведены результаты оценки инновационного потенциала промышленных предприятий отрасли дизеле-строения Алтайского края, а также 401 подразделений Алтайского технического университета. На примере некоторых кафедр осуществлена оценка инновационной активности.

С помощью гибридной экспертной системы было произведено соотнесения потенциала НТО и предприятий для создания тематических кластеров для совместной реализации инновационных проектов. В результате часть кафедр были «отсеяны».

Полученные результаты были проанализированы и получили положительные отзывы экспертной комиссии.

ЗАКЛЮЧЕНИЕ

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

• Изучены возможности технологии гибридных экспертных систем для создания адаптивных моделей оценки инновационного потенциала организации.

• Проанализированы существующие модели и современные комплексы программ для оценки инновационного потенциала организации.

• Разработаны математические модели оценки инновационного потенциала предприятия, научно-технической организации на основе технологии гибридных экспертных систем.

• Разработана технология соотнесения показателей потенциала предприятия с показателями НТО с целью формирования регионального кластера для реализации инновационных проектов.

• Спроектирован и разработан вычислительный программный комплекс с интеллектуальными компонентами для реализации разработанных моделей и произведена его настройка. '

• Проведены вычислительные эксперименты по оценке инновационного потенциала на примере промышленных предприятий отрасли дизеле-строения, подразделений АлтГТУ, малых научно-технических организаций.

1. Агапцов, С. А. Предпринимательская система хозяйствования: монография / С.А. Агапцов, А.И. Мордвинцев, А.М. Полонский. Волгоград: ТОО «Принт», 1998. - 145с

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

3. Абраменкова, И. В. Мультимодельный метод прогнозирования процессов с переменной структурой / И.В. Абраменова И.В., Круглов В.В., М.И. Дли. М.: Физматилит, 2003.-113 с.

4. Андреев, Г. Г. Составление бизнес-планов для инновационных научно-технических проектов: методические рекомендации / Г. Г. Андреев и др.; под общ. ред. А. В. Сувори-нова. Минобразования РФ. - М., 2001.-49 с.

5. Анышин, В. М. Менеджмент инвестиций и инноваций в малом и венчурном бизнесе: учебное пособие /В. М. Анышин, С. А. Филин. М.: Анкил, 2003.-360 с.

6. Астапов, К. Инновации промышленных предприятий и экономический рост / К. Астапов // Экономист. 2002. - № 6. - С. 44-51.

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

8. Байкалов, С. П. Исследование системных связей и закономерностей функционирования хозяйственного комплекса региона при разработке промышленной политики: дисс. д.т.н.: / С. П. Байкалов Новосибирск, 2003. - 277 с.

9. Байкалов, С. П. Системный анализ проблем промышленного развития региона: монография. Барнаул: Изд-во АГУ, 2000. - 290 с.

10. Байкалов, С. П. Системный анализ проблем промышленного развития Алтайского края: монография / С. П. Байкалов. Барнаул: Изд-во АГУ, 2002. — 105 с.

11. Бешелев, С. Д. Математико-статистические методы экспертных оценок / С. Д. Байкалов, Ф. Г. Гурвич. 2-е изд., перераб. и доп. - М.: Статистика, 1980. - 263 с.

12. Бобко, И. М. О технологиях информационного обеспечения принятия решений / И. М. Бобко // Организационно экономические и технологические АСУ: - Новосибирск: ВЦ СО РАН СССР, 1988. - С. 3-6.

13. Бобко, И. М. Автоматизированные системы управления и их адаптация / И. М. Бобко. Новосибирск: Наука, СО РАН, 1978. -287'с.

14. Бородин, В. А. Промышленность Алтая: на рубеже веков / В. А. Бородин; Алт. гос. техн. ун-т им. И.И. Ползунова; Ин-т проблем промышленного развития, г. Барнаул. Барнаул: Изд-во АлтГТУ, 2007. - 233 с.

15. Бородин, В. А. Стратегия управления инновационной фирмой / В. А. Бородин; отв. ред. В.В. Титов. Новосибирск: ЭКО, 1996. - 64 с.

16. Беляева, Е. С. Совершенствование управления инновационной деятельностью промышленного предприятия на основе оценки инновационного потенциала : дисс. . кандидата экономических наук : 08.00.05 / Е.С. Беляева, Рубцовск, 2007. 165 с.

17. Бородин, В. А. Стратегия управления инновационной научно-технической фирмой: дисс. д.э.н.: / В. А. Бородин. 1998.-296 с.

18. Бизнес-планы малых инновационных предприятий научно-технологических парков. Зарубежный опыт. «Научно-технологические парки, инновационные бизнес-центры и инкубаторы», Ассоциация «Технопарк», Тверской Инноцентр, Тверь, 1994. 123 с.

19. Бусленко, Н. П. Моделирование сложных систем / Н.П. Бусленко. М.: Наука, 1988. -355 с.

20. Валдайцев, С. В. Оценка бизнеса и инновации / C.B. Валдайцев. М.: Филинъ, 1997. -211 с.

21. Воронов, А. А. Теоретические основы построения автоматизированных систем управления / A.A. Воронов, Г.А. Кондратьев, Ю.В. Чистяков. М.: Наука, 1977 - 232 с.

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

23. Экономика и организация управления вузом. Учебник / Ю.С. Васильев и др. Серия «Учебники для вузов. Специальная литература». Изд-во «Лань», 1999.-448 с.

24. Виленский, П. JI. Оценка эффективности инвестиционных проектов: теория и практика: учеб.-практ. пособие / П.Л. Виленский., В.Н. Лившиц, С.А. Смоляк. М.: Дело, 2001. - 832 с.

25. Васильев, В. И. Интеллектуальные системы управления с использованием нечеткой логики: учебное пособие / В.И. Васильев, Б.Г. Ильясов. Уфа: УГАТУ, 1995 — 169 с.

26. Галушкин, А. Современные направления развития нейрокомпьютерных технологий в России / А. Галушкин // Открытые системы. 1997. - №4. - С. 4-10.

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

28. Гаврилова, Т. А. Базы знаний интеллектуальных систем / Т.А. Гаврилов, В.Ф. Хорошевский. СПб.: Питер, 2001.-384 с.

29. Горбань, А. Н. Нейронные сети на персональном компьютере / АН. Горбань, Д. А. Россиев. -Н.: Наука, 1996.-276 с.

30. Горбань, А. Н. Обучение нейронных сетей / А.Н. Гобань. М. : Изд-во СССР-США СП "ParaGraph", 1990. - 160 с.

31. Горбань, А. Н. Логически прозрачные нейронные сети для производства знаний из данных / А. Н. Горбань, Е. М. Миркес.- Красноярск: ВЦ СО РАН, 1997.- 12 е.- (Рукопись деп. в ВИНИТИ 17.07.97, № 2434-В97) •

32. Гохберг, Л. Национальная инновационная система России в условиях «новой экономики» / Л. Гохберг // Вопросы экономики. 2003,- № 3. - С. 26-44.

33. Уиггинс, Д. Обзор инкубаторов США и опыта Остинского технологического инкубатора / Д. Уиггинс, Д. Гибсон // Инновации. 2005. - № 2. - С. 86-91.

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

35. Девятков, В. В. Системы искусственного интеллекта / В.В. Девятков. М.: МГТУ им. Н. Э. Баумана, 2001. - С. 30-37.

36. Дунин-Барковский, В. Л. Информационные процессы в нейронных структурах / В. Л. Дунин-Барковскпй. М. : Наука, 1978. - 65 с.

37. Евланов, Л. Г. Экспертные оценки в управлении / Л.Г. Евланов, В.А. Кутузов. М. : Экономика, 1978. — 133 с.

38. Евстигнеев, В. В. Научно-образовательные инновационные программы АлтГТУ им. И.И. Ползунова в Ползуновских традициях / В.В. Евстигнеев, A.A. Максименко, C.B. Новоселов. Ползуновский альманах. Барнаул: Изд. АлтГТУ, 2005. - № 3. - С. 6-10.

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

40. Ежов, А. А. Нейрокомпьютинг и его применения в экономике и бизнесе / А. А. Ежов, С.А. Шумский. М.: МИФИ, 1998. - 224 с.

41. Ершов, С. Н. Программа «Старт» — первые итоги по Приволжскому федеральному округу / С. Н. Ершов, А. С. Ершов // Инновации. 2004. - №8. - С. 22-32.

42. Загоруйко Н. Г. Прикладные методы анализа данных и значений / Н.Г. Загоруйко. — Новосибирск: Изд-во Ин-та математики, 1999 — 228 с.

43. Заде, Л. Понятие лингвистической переменной и его применение к принятию приближенных решений / Л. Заде. М.: Мир, 1976 - 23 с.

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

45. Пакет прикладных программ ОТЭКС. М.: Финансы и статистика, 1986.

46. Загоруйко, Н. Г. Алгоритмы обнаружения эмпирических закономерностей / Н.Г. Загоруйко, В.Н. Елкина, Г.С. Лбов. Новосибирск: Наука, 1985. 176 с.

47. Злоба, Е. Статистические методы восстановления пропущенных данных / Е. Злоба, И. Яцкив . Рига: Институт транспорта и связи, Рига, 2002. - 45 с.

48. Информационные системы для руководителей / Ф.И. Перегудов и др.; под ред. Ф. И. Перегудова. М.: Финансы и статистика, 1989. - 176 с.

49. Интеллектуальные технологии управления. Искусственные нейронные сети и нечеткая логика. / А. А. Усков, А. В. Кузьмин. М.: Горячая Линия - Телеком. 2004. - 143 с.

50. 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.

51. Инвестиции и инновации : словарь-справочник от А до Я I авт. : Л.В. Артемова и др.; под ред. М.З. Бора, А Ю. Денисова. М.: ДИС, 1998. - 208 с.

52. Инновационный менеджмент : учебник для ВУЗов / под ред. С.Д. Ильенковой М. : Банки и биржи : ЮНИТИД997. - 327 с.

53. Инновационность хозяйственных систем / В.И. Кушлин, А.Н. Фоломьев, А.З. Селезнев, Е. К. Смирницкий. М.: Эдиториал УРСС, 2000. - 205 с.

54. Инновационный менеджмент : учебное пособие // под ред. П.Н. Завлина, А.К. Казанцева, Л.Э. Мендели. СПб.: Наука, 2000. - 106 с.

55. Инновационный процесс в странах развитого капитализма (Формы, методы, механизмы). / под. ред. И.Е. Рудаковой. М.: МГУ, 1991. - 56 с.

56. Иванов, В. А., Теория оптимальных систем автоматического управления / В.А. Р1ва-нов, Н.В. Фалдин. М.: Наука, 1981. - 318 с.

57. Инновационная политика высшего учебного заведения / М.А. Девяткина и др.; под ред. Р.Н. Федосовой. М.: ЗАО «Изд - во Экономика», 2006. - 178 с.

58. Интеллектуальные ресурсы, интеллектуальная собственность, интеллектуальный капитал / общ. ред. В.Г. Зинов. М.: АНХ, 2001. - 424 с.

59. Искусственный интеллект : в 3-х кн.: Справочник / под ред. Д.А. Поспелова. М. : Радио и связь, 1990. - кн. 1.: Системы общения и экспертные системы, 1990. - 464 с.

60. Искусственный интеллект : в 3-х кн.: Справочник / под ред. Д.А. Поспелова. М. : Радио и связь, 1990. - кн. 2.: Модели и методы, 1990. - 304 с.

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

62. Кендалл, М. Ранговые корреляции / М. Кендалл- М. : Статистика, 1975. 246 с.

63. Коломейцева, М. Б. Адаптивные системы управления динамическими объектами на базе нечетких регуляторов / М.Б. Коломейцева, Д.Л. Хо. М.: Компания Спутник +, 2002.

64. Краковецкая, И. В. Оценка инновационного потенциала университетского комплекса региона: автореф. дисс. к.э.н.:08.00.05 /И. В. Краковецкая, Красноярск, 2009. -24 с.

65. Конев, Д. Г. Автоматизированная информационная система организационно-экономического управления предприятием: учебное пособие / Д.Г. Конев, и др. Барнаул : Изд-во АлтГТУ, 1998. - 142 с.

66. Коммерциализация научно технических разработок: / учебно-практическое пособие / А.П. Мухин и др. - М : АМиР, 2001. - 192 с.

67. Коробейников, О. П. Роль инноваций в процессе формирования стратегии предприятия /О.П. Коробейников, A.A. Трифилова, И.А. Коршунов // Менеджмент в России и за рубежом. 2000. - №3. - 90 с.

68. Кортов, С. В. Оценка инновационной активности технического вуза / С. В. Кортов. -СПб., 2004. 83 с.

69. Основы маркетинга / Ф Котлер и др.: Пер. с англ. — 2-е европ. Изд. М.; СПб.; К. : Издательский дом «Вильяме», 2000. - 944 с. 1

70. Кофман, А. Введение в теорию нечетких множеств / А. Кофман: перевод с англ. — М.: радио и связь, 1982. — 432 с.

71. Круглов, В. В. Интеллектуальные информационные системы: компьютерная поддержка систем нечеткой логики и нечеткого вывода / A.B. Круглов, М.И. Дли. — М.: Физ-матлит, 2002. 66 с.

72. Круглов, В. В. Нечеткая логика и искусственные нейронные сети / В.В. Круглов, М.И. Дли, Р.Ю. Голунов. М.: Физматлит, 2001.- 221 с.

73. Кудрявцева, И. Ю. Подходы к оценке инновационного потенциала машиностроительного предприятия. Электронный ресурс. / И.Ю. Кудрявцева. Режим доступа: http://www.lib.csu.ru/dl/econ/2006s234.doc. - Загл. с экрана.

74. Ли, А. С. Оценка состояния инновационного потенциала промышленного предприятия / А. С. Ли // Журнал депонированных рукописей. Электронный ресурс. Режим доступа: http://www.mte-eco.ru. - Экономика и производство.

75. Литтл, Р. Дж. Статистический анализ данных с пропусками / пер. с англ. — М : Финансы и статистика, 1991 .-336 с.

76. Лорьер, Ж. Л. Системы искусственного интеллекта / Ж. Л. Лорьер.; пер. с франц.-М. : Мир, 1991.-568 с.

77. Любарский, Ю. А. Интеллектуальные информационные системы / Ю. А. Любарский. М.; Наука. Гл. ред. физ.-мат. лит., 1990. — 232 с.

78. Льюис, К. Д. Методы прогнозирования экономических показателей/ пер. с англ. и предисл. Е.З. Демиденко. М.: Финансы и статистика, 1986.-133 с.

79. Методы робастного, нейронечеткого и адаптивного управления / под общ. ред. К. А. Пулкова. М.: МГТУ им Н.Э. Баумана, 2001 - 278 с.

80. Межов, И. С. Организационное проектирование интегрированных производственных систем: монография / И.С. Межов; Алт. гос. техн. ун-т им. И.И. Ползунова. Барнаул : Изд-во АлтГУ, 2002.-231 с.

81. Менеджеры инновационной деятельности в научно-технической и промышленной сферах / под ред. Н.В. Арзамасцева, В.Г. Зинова. М. : РИНКЦЭ, 2001. - 145 с.

82. Месарович, М. Общая теория систем: математические основы / М. Месарович, Я. Такахара ; пер. с англ. Э.Л. Наппельбаума ; под ред. C.B. Емельянова. М.: Мир, 1978. - 312 с.

83. Миркес, Е.М. Нейрокомпьютер. Проект стандарта / Е.М. Миркес. Новосибирск : Наука, 1998.- 188 с.

84. Монастырный, Е. А. Методологическое обеспечение развития региональной инновационной системы в условиях современной экономики России: дисс. . д.э.н.: 08.00 05 / Мо-ностырный, Е. А. Томск, 2009.

85. Ноибауэр, X. Инновационная деятельность на малых и средних предприятиях / X. Нойбауэр // Теория и практика управления. 2002. - №3. — 59 с.

86. Наука в системе образования. Нормативная база: библиотека ректора и проректора. Научно-ишювационная деятельность. М. : Изд-во ГЕРС, 2001. - 162 с.

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

88. Научно-техническая и инновационная деятельность. Приглашение к партнерству / Информационный справочник: в 2-х частях М., 2005. Ч. 1,2.

89. Нейроинформатика / А.Н. Горбань и др.. Новосибирск : Наука, Сибирская издательская фирма РАН, 1998. - 296 с.

90. Введение в венчурный бизнес / А. И. Никконен и др. — СПб. : «Феникс», 2003. 356 с.

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

92. ЮО.Новохатский, В. В. Определение и классификация инновационных систем / В. В. Но-вохатский // Инновации. 2004. - №9. - С. 30-39.

93. Ю2.0суга, С. Обработка знаний / С. Осуга; пер. с япон. М. : Мир, 1989. - 293 с.

94. ЮЗ.Ойхман, Е. Г. Реинжиниринг бизнеса : реинжиниринг организаций и информационные технологии / Е.Г. Ойхман, Э.В. Попов. М. : Финансы и статистика, 1997. — 336 с.

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

96. Павловец, В. В. Система понижения рисков реализации инновационных проектов Высшей школы / В.В. Павловец, В.А. Юхнович. под общ. ред. A.B. Суворинова. М., 2001. -48 с.

97. Юб.Павлючук, Ю. Н. Эффективное управление инновационными проектами / Ю.Н. Пав-лючук, A.A. Козлов //Менеджмент в России и за рубежом. — 2003. № 4. - С. 22.

98. Перегудов, Ф. И. Введение в системный анализ: учеб. пособие для вузов / Ф.И. Перегудов, Ф.П. Тарасенко. — М. : Высш. шк., 1989. — 367 с.

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

100. Поляков, С. Г. Организация и регулирование инновационной деятельности : взаимодействие государства и предпринимательства : монография / С.Г. Поляков. — М. : МИЭТ, 2004. 292 с.

101. Ю.Попов, Э. В. Экспертные системы : решение неформализованных задач в диалоге с ЭВМ / Э.В. Попов. М.: Наука., 1987. - 288 с.

102. Ш.Поспелов, Д. А. Моделирование рассуждений. Опыт анализа мыслительных актов / Д. А. Поспелов. М.: Радио и связь, 1989. - 184 с.

103. Похолков, Ю.П. Опора на семь принципов / Поиск. 2006. № 1-2.-С.5-6.

104. Пригожин, А.И. Нововведения : стимулы и препятствия (Социальные проблемы ин-новатики). М.: Политиздат, 1989. - 271 С.

105. Пб.Приказ Федеральной службы по надзору в сфере образования и науки от 30.09.2005 г. №1938 ёе 2 ««Критерии государственной аккредитации, используемые при экспертизе показателей деятельности высших учебных заведений различных видов»

106. Представление и использование знаний / пер. с япон; под ред. X. Уэно, М. Исидзука. -М. :Мир, 1989.-220 с.

107. Приобретение знаний / пер. с япон; под ред. С. Осуги, Ю. Саэки. М.: Мир, 1990. -304 с.

108. Pyatkovsky, О. I. The intellectual Information system for financial analysis / О. I. Pyatkovsky, D. V. Rubtsov, S. V. Butakov // The Third Russian-Korean International Symposium on Science and Technology. 1999. - Vol. 1. -P 279.

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

110. Пятковский, О. И. Информационная система диагностики финансово-хозяйственных показателей деятельности предприятия "Аналитик" / О.И. Пятковский, Д.В. Рубцов, С.В. Бутаков // Приборы и системы управления. 1999. №11. - С. 68-70.

111. Пятковский, О.И. Интеллектуальные компоненты информационных систем диагностики хозяйственной деятельности предприятия / О.И. Пятковский и др. // Вестник СО АН ВШ 1999. - № 2 (6). - С. 13 - 21.

112. Пятковский, О. И. Интеллектуальные компоненты автоматизированных информационных систем управления предприятием: монография / О.И. Пятковский; Алт. гос. техн. унт им. И.И. Ползунова. — Барнаул: Изд-во АлтГТУ, 1999. 351 с.

113. Пятковский, О. И. Методы построения интеллектуальных информационных систем анализа хозяйственной деятельности предприятий / О.И. Пятковский, Д.В. Рубцов, С.В. Бутаков; Алт. гос. техн. ун-т им. И.И. Ползунова. Барнаул: Изд-во АлтГТУ, 1999. — 168 с.

114. Пятковский, О. И. Интеллектуальные компоненты аналитических информационных систем управления организацией: учебное пособие / О.И. Пятковский; Алт. гос. техн. ун-т им. И.И. Ползунова. Барнаул: Изд-во АлтГТУ, 2002. - 219 с.

115. Ребрин, Ю. И. Оценка эффективности НИОКР Электронный ресурс. / Ю.И. Ребрин.

116. Режим доступа: http://budgeted.narod.ru/. — Оценка эффективности НИОКР.

117. Решетников, А. В. Управление реализацией инновационного потенциала в промышленности: дис. канд. экон. наук : 08.00.05 Волгоград, 2004. - 167 с.

118. Россиев, А. А. Моделирование данных при помощи кривых для восстановления пробелов в таблицах. 660036 ', Красноярск- 36 , ИВМ СО РАН, 2002

119. Рыбина, Г. В. Проектирование систем, основанных на знаниях: учебное пособие / Г. В. Рыбина. М.: МИФИ, 1997. -104 с.

120. Самарский, А. А. Математическое моделирование: Идеи. Методы. Примеры. / A.A. Самарский, А.П. Михайлов — 2-е изд., испр. — М.: Физматлит, 2001. 320 с.

121. Силов, В. Б. Принятие стратегических решений в нечеткой обстановке / В.Б. Силов.- М.: ИНПРО РЕС, 1995.-213 с.

122. Силкина, Г. Ю. Моделирование динамики инновационных процессов : дис. . д-ра экон. наук : 08.00.13. Н. Новгород, 2000. - 365 с.

123. Словарь по экономике. / пер. с англ; под ред. П.А. Ватника. СПб.: Экономическая школа, 1998.-752 с.

124. Силич, В. А. Проектирование автоматизированных систем управления на основе иерархических семантических моделей : дисс. . д-ра техн. наук: / В.А. Силич. Томск, 1995. -348 с.

125. Статические и динамические экспертные системы : учеб. пособие / Э.В. Попов и др. -М. : Финансы и статистика, 1996. 320 с.

126. Стратегия социально-экономического развития Алтайского края до 2010 года (опыт перспективного территориального развития) : монография / под ред. В.И. Псарева; Алт. гос. техн. ун-т им. И.И. Ползунова. Барнаул : Изд-во АлтГУ, 2004. - 175 с.

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

128. Титов, В. В. Информационные технологии принятия решений' в управлении инвестициями / В.В. Титов, В.И. Машуков // Экономическое управление корпорацией: сб. науч. тр. Новосибирск : ИЭОПП СО РАН, 2004. - С. 118-123.

129. Тишков, О.И. Нейросетевые методы в управлении инновационной деятельностью организации / О.И. Тишков, О.И. Пятковский // Нейроинформатика, ее приложения и анализ данных: XVII Всероссийский семинар. Красноярск, 2009. - с. 156-157.

130. Тишков, О.И. Интеллектуальная система соотнесения инновационного потенциала научно-технической организации и промышленного предприятия / О.И. Тишков, О.И. Пятковский, C.B. Новоселов // Ползуновский альманах. Барнаул, 2008. - №2. - С. 136-139.

131. Тишков, О.И. Оценка инновационного потенциала организаций региона на основе гибридных экспертных систем / О.И. Тишков, О.И. Пятковский // Программные продукты и системы. Тверь, 2010. - №2. - с. 44-49.

132. Тишков, О. И. Система оценки инновационного потенциала подразделений университета с использованием методов нейроинформатики /О. И. Пятковский и др. // Нейроин-форматика и ее приложения : XIV Всероссийский семинар. Красноярск, 2006. - С. 82-83.

133. Тишков, О. И. Прикладное использование нейросетевых технологий в составе инфо-рационно-аналитических систем / О.И. Тишков, A.C. Авдеев // Ползуновский альманах / Алт.гос.техн.ун-т им. И.И.Ползунова. Барнаул: изд-во АлтГТУ, 2007. - № 3. - С. 110-112.

134. Тютина, М. В. Разработка методов и алгоритмов настройки гибридной экспертной системы на решение задач оценки в социальных и экономических объектах / М.В. Тютина // дисканд. техн. наук. Барнаул : Изд-во АлтГТУ, 2003. - 153 с.

135. Уоссермен, Ф. Нейрокомпьютерная техника: теория и практика / Ф. Уоссермен. — М.: Мир, 1992.-235 с.

136. Фархутдинов, Р. А. Инновационный менеджмент / Р. А. Фархутдинов СПб. : Питер, 2002.-193 с.

137. Хайкин, С. Нейронные сети: полный курс = Neural Networks A Comprehensive Foundation / С. Хайкин. 2-е изд. - М.: «Вильяме», 2006. - 1104 с.

138. Хант, Э. Искусственный интеллект / пер. с англ. J1. А. Белова, Ю. И. Крюкова ; под ред. В. Л. Стефанюка. М.: Мир, 1978. - 558 с.

139. Херберт, Нойбауэр. Инновационная деятельность на малых и средних предприятиях / Нойбауэр Херберт // Теория и практика управления. — 2002. № 3. - С. 127

140. Царегородцев, В. Г. Нейроимитатор NEUROPRO / В. Г. Царегородцев // Нейроин-форматика и ее приложения : тез. докл. VI Всероссийского семинара, 2—5 октября 1998 г. / под ред. А. Н. Горбаня.— Красноярск : КГТУ, 1998. — 207 с.

141. Шаров, В. «Ноу-хау» — объект интеллектуальной собственности / В. Шаров // Хозяйство и право. 1998. - №7. - С. 54 - 58

142. Шеремет, А.Д. Методика финансового анализа: учебное пособие / А.Д. Шеремет, Р.С. Сайфулин, Е.В.Негашев. -М.: Издательство ИНФРА-М, 2000. 208 с.

143. Шумский, С. А. Байесова регуляризация обучения / С. А. Шумский // IV всероссийская научно-техническая конференция. Нейроинформатика 2002: М. - 2002. - 45 с.

144. Шукшунов, В. Е. Инновационный потенциал высшей школы России / В. Е. Шукшу-нов и др. / Юж.-Рос. гос. техн. ун-т. Новочеркасск : ЮРГТУ (НПИ), 2002. - 55 с.

145. Шукшунов, В. Е. Технопарки и инкубаторы бизнеса / В.Е. Шукшунов, А.А. Сенин. -М.: Ассоциация «Технопарк», 1998. 81 с.

146. Шукшунов, В. Е. Российские технопарки: вчера, сегодня, завтра: доклад на 6 Международной конференции по технопаркам / В.Е. Шукшунов.: Ассоциация «Технопарк», 1995.-52 с.

147. Шумпетер, И. А. Капитализм, социализм и демократия./ И.А. Шумпетер. М.: Экономика, 1995. - 540 с.

148. Шумпетер, И. А. Теория экономического развития / И.А. Шумпетер. М.: Прогресс, 1982.-455 с.

149. Экономика предприятия: учебник / Под ред. Н.А. Сафронова. М.: «ЮристЪ», 1998. -584 с.

150. Терехов, Т. В. Нейросетевые системы управления / Т.В. Терехов, Д.В. Ефимов, И.Ю. Тюкин // Под общ. ред. А.И. Галушкина. М.: ИПРЖР, 2002. - 480 с.

151. Clark, В. R. Creating Entrepreneurial Universities : Organizational Pathways of Transformation / B.R. Clark // Published for the IAU Press Pergamon, 2001.242 p.

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

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

154. Mamdani, E. H. Application of fuzzy algorithm for simple dynamic plant / E.H. Mamdani //Proceedings IEEE, 1974.-№12.-P. 1585-1588.

155. Newell, A. Humon problem solving.-Englewood Cliffs / A. Newell, M. A. Simon. New Jersey: Prentice-Hall, 1972.

156. Ngugen, D. Neural Networks for selflearning control systems / D. Ngugen, N.B. Widrow // IEEE Control Systems Magazine, 1990. vol. 10. - p. 18-23.

157. Tin-Yau. Constructive feedforward neural networks for regression problems / Tin-Yau, Kwok, Dit-Yan Yeung. Tech. Rep. HKUST-CS95-43, University of Hong Kong, 1995,- 30 p.

158. Фонд содействия развитию малых форм предприятий в научно-технической сфере Электронный ресурс. Режим доступа: http://www.fasie.ru, свободный. — Загл. с экрана.

159. Союз инновационно-технологических центров России Электронный ресурс. — Режим доступа: http://www.unitc.ru, свободный. Загл. с экрана.

160. Портал информационной поддержки инноваций и бизнеса Электронный ресурс. -Режим доступа: http://www.innovbusiness.ru , свободный. — Загл. с экрана.

161. Ассоциация малых инновационных предприятий Подмосковья Электронный ресурс. Режим доступа: http://www.amip.ru . свободный. - Загл. с экрана.

162. Всероссийский инновационный портал Электронный ресурс. — Режим доступа: http://www.inscience.ru, свободный. Загл. с экрана.

163. Инновационный портал Московской области Электронный ресурс. Режим доступа: http://www.inmo.ru, свободный. - Загл. с экрана.

164. Инновационный портал республики Татарстан Электронный ресурс. Режим доступа: http://innov.tatcenter.ru, свободный. — Загл. с экрана.

165. Научный центр по мониторингу инновационной инфраструктуры научно-технической деятельности и региональных инновационных систем Электронный ресурс. -Режим доступа: http://www.miiris.ru, свободный. Загл. с экрана.

166. Хабаровский край, научные исследования и инновации Электронный ресурс. — Режим доступа: http://nio.klib.ru, свободный. Загл. с экрана.

167. Портал дистанционного консультирования малого предпринимательства Электронный ресурс. Режим доступа: http://www.dist-cons.ru, свободный. - Загл. с экрана.

168. Стимулирование инновационной деятельности. Экономические аспекты Электронный ресурс. / Ю. Смирнов, И. Биткова, А. Чернуха. Режим доступа: http://www.electronics.ru/pdl732004/22.pdf, свободный. - Загл. с экрана.

169. Искусственный интеллект и экспертные системы Электронный ресурс. Режим доступа: http://www.tspu.tiila.ru/ivt/oldsite/iimr/oii/lec/09es.htm, свободный. - Загл. с экрана.

170. Материалы исследований BaseGroup Labs Электронный ресурс. — Режим доступа: http://basegroup.ru, свободный. Загл. с экрана,

171. Конкурс русских инноваций Электронный ресурс. Режим доступа: http://www.inno.ru/ , свободный. - Загл. с экрана.

172. Хомутских, Д. Как измерить инновации?/ Д. Хомутских // Управление компанией Электронный ресурс. 2006. - №2. - Режим доступа: http://www.iteam.ru/publications/strategy/section27/article3330, свободный. — Загл. с экрана.

173. Ватульян, А. О. Математические модели и обратные задачи Электронный ресурс. / А.О. Ватульян. — Режим доступа: http://www.pereplet.ru/obrazovanie/stsoros/673.html, свободный. — Загл. с экрана.