WWW.DISS.SELUK.RU

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

 

На правах рукописи

ЛИТВИНОВ МАКСИМ ИГОРЕВИЧ

МЕТОДЫ АВТОМАТИЧЕСКОЙ ПРЕДОБРАБОТКИ ТЕКСТА

ПРОЕКТНОЙ ДОКУМЕНТАЦИИ С ИСПОЛЬЗОВАНИЕМ

ИНФОРМАЦИИ О СОЧЕТАЕМОСТИ СЛОВ

Специальность - 05.13.12 «Системы автоматизации проектирования

(информатика) (технические наук

и)».

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук Москва 2012

Работа выполнена на кафедре «Информационные технологии и автоматизированные системы» Московского института электроники и математики (технического университета).

Научный руководитель: кандидат технических наук, доцент Клышинский Эдуард Станиславович.

Официальные оппоненты:

Хорошилов Александр Алексеевич, д.т.н., ИПИ РАН, ведущий научный сотрудник.

Дроздов Вячеслав Вадимович, к.т.н., ООО "Телеформ ИС", инженер-программист.

Ведущая организация: Федеральное государственное бюджетное учреждение науки Институт прикладной математики им. М.В. Келдыша РАН, г. Москва.

Защита состоится « 24 » апреля 2012 г. в 12:00 часов на заседании диссертационного совета Д 212.133.03 Московского государственного института электроники и математики (технического университета) по адресу:

109028 Москва, Б. Трехсвятительский пер., д. 3.

С диссертацией можно ознакомиться в библиотеке МИЭМ

Автореферат разослан «_» _ 2012 г.

Ученый секретарь диссертационного совета, доктор технических наук, доцент Ю.Л. Леохин

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы.

На различных этапах разработки изделий, особенно в процессе проектирования, предприятия накапливают большие объемы документации, которая может быть: техническим заданием, эскизом проекта, чертежами, протоколами информационного обмена, отчетами, приказами, служебными записками и даже электронной перепиской.





Эффективным и действенным средством контроля информационных потоков на предприятии выступают следующие технологии: ILM (Information Lifecycle Management) и PLM (Product Lifecycle Management).

Под этими технологиями понимается комплекс аппаратных и программных средств, обеспечивающих доступ к различным информационным ресурсам в процессе разработки продукта и выпуска сопутствующей документации по нему.

Жизненный цикл продукта можно описать следующими пятью основными этапами: разработка продукта; начало реализации продукта потребителям; совершенствование продукта; прекращение совершенствования продукта, но с продолжением его реализации конечному потребителю; прекращение производства продукта.

Рисунок 1 Общий вид системы, описывающей жизненный цикл продукта.

В задачи PLM и ILM систем входит анализ содержимого документов и обеспечение доступа к ним со стороны внешних программ, не касаясь напрямую того вопроса, какими средствами эти документы были созданы. Такие технологии позволяют отказаться от бумажных хранилищ текстовых документов. Развитие информационных технологий позволяет обеспечивать качественно новый подход по обработке интеллектуализация обработки текстовой информации среди таких задач:

выделение требований к изделию; поиск прецедентных документов;

контроль структурной и информационной целостности документации;

автогенерация документации; автоматический подбор компонентов изделия. Перечисленный круг задач далеко неполный и, до недавнего автоматизации.

Методы по обработке проектной документации проходят через этап морфологического анализа и предсинтаксического, на котором происходит устранение морфологической неоднозначности в тексте на естественном языке. Имеющиеся современные методы по снятию омонимии требует существенных затрат на составление эталонных корпусов, по которым будет происходит обучение систем. Зачастую корпуса свободно не доступны широкому кругу разработчиков и исследователей, и не охватывают узкоспециализированных предметных областей, для которых не выгодно производить разметку эталонных дорожек.

Целью диссертационной работы является разработка методов, позволяющих снизить затраты на разработку систем автоматической предобработки проектной документации за счёт использования более доступных средств, которые обеспечат качество на уровне уже имеющихся методов.

Для достижения цели данной диссертационной работы были поставлены и решены следующие задачи:

морфологической неоднозначности;

сочетаемости слов по неразмеченным базам проектной документации;

морфологической неоднозначности с использованием статистики совместного употребления слов и вероятностных правил, содержащих морфологические параметры;

• Разработка структуры программы и её реализация на языке программирования C++.

использовалась теоретическая база вычислительной лингвистики, теория вероятностей и математическая статистика, машинное обучение, методы принятия решений, алгоритмы и методы обработки данных, объектноориентированное программирование.

Основные научные результаты, выносимые на защиту.





употребления слов на неразмеченных базах проектных документов произвольной предметной области;

неоднозначности, включающий в себя применение статистики совместного употребления слов и вероятностных правил, содержащих морфологические параметры.

При решении задач, поставленных в диссертационной работе, получены следующие новые научные результаты:

употребления слов на неразмеченных базах проектных документов соответствующей предметной области;

неоднозначности, включающий в себя применение статистики совместного словоупотребления и вероятностных правил, содержащих морфологические параметры.

программное решение, позволяющее в полностью автоматическом режиме обучаться на неразмеченных корпусах любой направленности, эффективно снимать морфологическую неоднозначность, даже в случае отсутствия статистики употребления слов, а также строить частичные и поверхностные синтаксические связи между словами в предложении.

Данный подход позволяет свести к минимуму участие человека при наполнении лингвистических баз данных и, тем самым, значительно сократить экономические затраты на разработку систем автоматической обработки текстов.

Полученные в рамках данной диссертационной работы алгоритмы вошли в состав машинного переводчика «Кросслейтор», который разрабатывается в ИПМ им. М.В. Келдыша РАН и при выполнении гос.

контракта П-261 в рамках ФЦП «Научные и научно-педагогические кадры инновационной России» на 2009-2013 гг., заключенного между Министерством образования и науки и МИЭМ. Работа была поддержана эксперименты показали практическую эффективность предложенных подходов.

Реализация и внедрение результатов. Описанные в данной работе алгоритмы и методы реализованы автором в виде компьютерной подпрограммы, что позволяет подтверждать теоретические исследования в области моделирования естественного языка, а также использовать в машинном переводчике «Кросслейтор», разрабатываемом в ИПМ им.

М.В. Келдыша РАН.

диссертационной работы докладывались и обсуждались на следующих конференциях и семинарах:

«Ежегодная научно-техническая конференция студентов, аспирантов и молодых специалистов МИЭМ», Москва, «Новые информационные технологии в автоматизированных Компьютерная лингвистика и интеллектуальные технологии ежегодная Международная конференция «Диалог» (2010).

интеллекту с международным участием.

«Ежегодная научно-техническая конференция студентов, аспирантов и молодых специалистов МИЭМ», Москва, «Автоматическая обработка естественного языка», СпбГУ, Санкт-Петербург, 26-ое марта 2011.

Основное содержание диссертационной работы и ее результатов отражено в 6 научных работах, из них 2 в журнале из перечня ВАК.

Объем и структура диссертации. Диссертационная работа содержит введение, четыре главы с выводами, заключение, список литературы и приложения, включающие в себя акты внедрения и результаты расчетов.

Основная часть работы изложена на 121 страницах машинописного текста, содержит 18 таблиц и 8 рисунков. Список литературы включает 103 наименования.

СОДЕРЖАНИЕ РАБОТЫ

В первой главе делается обзор методов предсинтаксической обработки текста. Приводится анализ прикладных систем автоматической обработки текста.

Построение формального представления текста, прежде всего, осложняется наличием неоднозначных слов в естественном языке, которые человек, зачастую, может и не замечать.

Синтаксический анализ на данный момент является одним из наиболее развитых направлений в вычислительной лингвистике, как правило, занимающий центральное место в системе автоматической обработки текста. Есть ряд задач, в которых не требуется построения полного дерева синтаксических зависимостей между словами в предложении, например, в поисковых запросах к проектным документам в ILM и PLM системах, а требуется лишь знать их однозначные морфологические интерпретации.

устранить неоднозначность более вычислительно эффективными средствами. В зависимости от конечных задач, предсинтаксический анализ может быть последним или промежуточным этапом при обработке текста на естественном языке. Сам процесс указания однозначной морфологической интерпретации (снятие омонимии) для слов в тексте на естественном языке называется тэггингом (от англ. tagging) или морфологической разметкой. При разметке текста, есть задачи, для которых необходимо определить часть речи, от которой образовано слово, так называемый POS-тэггинг (частеречная разметка). Есть задачи, для которых необходимо знать нормальную форму слова со всем набором грамматических параметров, так называемый Lemma-тэггинг (лексическая разметка).

Методы предсинтаксического анализа могут иметь в своей основе корпусной подход, правила в их той или иной интерпретации или же, что бывает в большинстве случаев, сочетать в себе достоинства обоих подходов. Непосредственно правила, деревья принятия решений, списки трансформаций относятся к подходу, основанному на правилах. К статистическому подходу, или другими словами, к корпуснооснованному подходу, относятся наивный классификатор Байеса и различные виды Nграммных моделей, а также другие статистические классификаторы.

Помимо рассмотрения статистических методов и правил, далее будут рассмотрены способы сокращения вычислений при проведении морфологической разметки, а также способ выбора оптимальной модели по снятию омонимии.

Во второй главе приведено описание модели морфологического анализа «Кросслятор», приведен метод наполнения базы данных, приведено теоретическое обоснование разработанного метода вероятностных правил и итерационного применения вероятностных правил для устранения неоднозначности в тексте проектной документации на естественном языке.

Подсистема морфологического анализа является важной частью большинства систем автоматической обработки проектной документации, разумеется, наша система не стала исключением. Собственно морфологический анализ слов естественного языка заключается в том, что без учета контекста выделяется нормальная форма слова, образованные от неё словоформы, каждая со своим набором морфологических параметров.

Для фиксированной части речи параметры можно разбить на неизменяемые и изменяемые. Под неизменяемым понимается параметр слова, который не изменяет своего значения при изменении формы слова.

Изменяемые параметры, наоборот, меняют свое значение при смене словоформы. Все словоформы данного слова образуют лексему. Заметим, что на практике бывает удобно объединить в одну лексему словоформы с различной частью речи. Причастие и деепричастие считается формами глагола. При этом словоформы, принадлежащие лексеме, разобьются на несколько подмножеств, объединенных одной частью речи.

Снятие неоднозначности слова с помощью слов окружения и их параметров основывается на выдвинутой гипотезе о дистрибутивности текста. Эта гипотеза говорит о том, что одинаковые параметры из контекста, окружающего слово, должно однозначно определять значение слова в данном контексте.

Размеченные корпуса, необходимые для обучения N-граммных моделей содержат определенный процент ошибок, обусловленный человеческим фактором, и обычно не доступны широкому кругу исследователей и разработчиков. Например, в проекте Национальный корпус русского языка по различным оценкам процент ошибок колеблется от 3 до 5. Кроме того, приходится соглашаться с тем, что невозможно создать эталонные корпуса на все случаи жизни, особенно для узкоспециализированных предметных областей.

Еще один существенный недостаток N-граммных моделей – это большое количество сочетаний, даже при использовании триграммных моделей. Ввиду этого, отказ от обучения по вручную размеченному корпусу выглядит наиболее перспективным направлением развития систем автоматической обработки текста. Использование свойства синтаксического подчинения слов в предложении позволит избавиться от затрат, необходимых для создания эталонных корпусов, а также быстро получать статистику словоупотребления и тем самым ускорить процесс разработки систем.

группой Чешских исследователей было решено разработать метод устранения морфологической неоднозначности, использующий базу данных синтаксического подчинения и вероятностные правила, правилами понимается упорядоченная тройка vi, vi+1, vi+2, где vi = pw, {pr} – краткое описание слова, pw – часть речи слова, а {pr} – множество морфологических параметров слова. Таким образом, в правиле не учитывается лексема слова, однако учитываются его морфологические параметры. Правило может трактоваться произвольным образом и может быть записано как вхождение vi с учетом его правых соседей, как вхождение vi+2 с учетом его левых соседей или vi+1 с учетом вхождения его соседей с двух сторон.

Эксперименты показали, что в текстах на русском языке встречается порядка 40-50% однозначных словоупотреблений. В связи с этим вероятность встретить группу из двух неомонимичных слов достаточно велика, более того, она растет с длиной предложения. При отсутствии таких групп при поиске глобального оптимума первое слово в предложении косвенно влияет и на последнее слово. При наличии таких групп подобная связь разрывается, и поиск глобального критерия можно существенно повысить скорость работы алгоритма.

Таким образом, удаётся уйти от решения задачи вида Psent = argmax( P(vi | vi-1, vi-2) ), где ns - число слов в предложении. Вместо этого критерий для предложения в целом формулируется следующим образом:

где Pfragm i = argmax( P(vi | vi-1, vi-2) ) – вероятность встретить i-й фрагмент предложения с данным набором тэгов, nf – количество фрагментов в предложении, nfi – количество слов в i-м фрагменте. При этом используется информация не только о правых соседях, но и о левых правых и неизвестное слово в центре, позволит улучшить локальный оптимум грамматических признаков слов в предложении, приводя в лучшем случае к глобальному оптимуму.

В третьей главе представлен метод автоматического сбора статистики словоупотребления и разработка комплексного метода снятия морфологической неоднозначности в текстах проектной документации.

Для автоматического определения связей между словами в предложении прежде всего необходимо решить проблему лексической и синтаксической неоднозначностей и автоматически определить связи в предложении. Как было сказано выше, в текстах на русском языке встречается порядка 40-50% слов с однозначно определенной частью речи и, как следствие, вероятность встретить однозначную группу достаточно велика. Для этих целей были выдвинуты две гипотезы.

Первая из них состоит в том, что в тексте достаточно большого объема группы из однозначных с точки зрения морфологического анализа слов будут встречаться достаточно часто, чтобы собрать статистически значимые результаты. Под однозначностью здесь понимаем случай, когда в результате морфологического анализа слова возвращается единственная строка его нормальной формы. В связи с тем, что в русском языке для большинства слов имеется большое количество форм, вероятность обнаружить однозначное слово относительно велика. A priori основной вопрос заключался в том, насколько часто в тексте будут встречаться группы подобных слов. Вторая гипотеза состояла в том, что некоторые группы слов могут быть синтаксически однозначно подчинены другим словам даже без проведения синтаксического анализа. В соответствии со сформулированными гипотезами для генерации базы сочетаемости были использованы следующие простые положения.

1. Следующая за единственным в предложении глаголом группа существительного синтаксически подчиняется данному глаголу.

2. Единственная группа существительного, расположенная в начале предложения перед единственным глаголом, синтаксически подчиняется данному глаголу.

3. Прилагательные, расположенные перед первым в предложении существительным или между глаголом и существительным, синтаксически подчиняются данному существительному.

4. Положения 1-3 могут быть применены к деепричастиям и причастиям.

5. В тексте на русском языке должно быть представлено достаточно большое количество неомонимичных групп, попадающих под положения 1-4.

Таким образом, на основании вышеприведенных гипотез удалось получить 6 достаточно простых правил:

I. verb + noun* ( глагол + существительное ) II. adj + noun* ( прилагательное + существительное ) III. deepr + noun* ( деепричастие + существительное ) IV. participle + noun* ( причастие + существительное ) VI. adv + deepr ( деепричастие + наречие ) * Возможно наличие предлога (prep).

автоматического обучения были получены базы сочетаемости глаголов и существительных, деепричастий и существительных, существительных и прилагательных, существительных и причастий.

Вероятность сочетаемости слова с неизвестной частью речи с тем словом, у которого часть речи уже известна, выражается следующей биграммной моделью:

, где l означает расстояние, на котором может быть неизвестное слово от известного. Обычно величина l варьируется в пределах 5-7 слов слева и справа. Использование собранной статистики позволило отказаться от применения N-граммного подхода, учитывать локальные и дальнодействующие связи между словами, значительно сократить число возможных комбинаций, по сравнению с триграммами, обеспечить должную производительность модуля снятия морфологической неоднозначности.

Чтобы позволить системе принимать решения в условиях неполной информации (при отсутствии статистики словоупотребления) используются вероятностные правила, определяющие морфологические параметры неизвестного слова по морфологическим параметрам 2-х слов слева, 2-х слов справа или по правому и левому соседу.

После устранения неоднозначности с помощью базы сочетаемости и вероятностных правил в текстах проектных документов может остаться процент неизвестных слов, особенно если обрабатывать тексты неизвестной системе предметной области. Эту проблему можно решать на следующем уровне обработки текста, т.е. во время синтаксического анализа, но ценой большой вычислительной сложности. Чтобы повысить производительность всей системы, был предложен метод, ищущий комбинацию морфологических признаков слов в предложении, которая будет синтаксически корректна.

Границы фрагментов выбираются так, чтобы левой и правой границей были однозначные слова. Но, если предложение оканчивается или начинается с неизвестного слова, то приходится отступать от этого правила. В любом случае нахождение подходящего значения идёт от периферии фрагмента к центру. Такая процедура даёт относительно большой прирост процента разбора слов в предложении, но в сравнении с проверкой на сочетаемость слов и даже вероятностными правилами при детерминированных соседях имеет более низкое качество.

В рамках данного диссертационного исследования предлагается комбинированный трёхэтапный метод устранения морфологической неоднозначности в тексте проектной документации на естественном языке. На первом этапе применяется база синтаксического подчинения слов, которая позволяет определить часть речи и нормальную форму, от которой образована данная словоформа. На втором уровне применяются вероятностные триграммные правила при детерминированных соседях, содержащие вероятностные морфологические параметры. На третьем уровне происходит итерационное применение вероятностных триграммных правил при недетерминированных соседях.

В четвертой главе представлены результаты практической реализации разработанных методов. Написанная подпрограмма была интегрирована в машинный переводчик «Кросслейтор». Разработанный комплексный метод устранения морфологической неоднозначности позволил значительно сократить число гипотез при проведении синтаксического анализа и тем самым ускорить сам анализ в 2..10 раз.

Данная программа автоматической предобработки текстов принимала участие в соревновании морфологических парсеров международной конференции Диалог 2010, где заняла 3 место в конкурсе программ по снятию частеречной неоднозначности (см. Рисунок 1).

Рисунок 2 Рейтинг систем на дорожке с дизамбигуацией POS.

программы автоматического перевода «Кросслятор», в его текущей реализации, работает со скоростью 7500 слов/сек.

В интересах проведения сравнительной оценки различных методов был размечен небольшой корпус, содержащий предложения из проектных документов на естественном языке. Общий объем размеченной дорожки качественные показатели работы системы с различными настройками, чтобы наглядно показать какой относительный прирост даёт каждый метод.

Таблица 1 Сравнительная оценка работы различных методов устранения морфологической неоднозначности.

Precision Precision Accuracy Accuracy F-measure F-measure Пояснения к Таблице 1:

Precision – процент правильных ответов из всех ответов, который выдала система.

Accuracy – процент покрытия тех слов из предложенной дорожки, которые были размечены на уровне морфологического анализа.

F measure – интегральная оценка работы каждого метода, которая вычисляется согласно выражению 1.7, с весовым коэффициентом = 1.0.

Random – случайной выбор тэга для неизвестного слова.

First – выбор первого тэга для неизвестного слова из списка возможных вариантов.

Метод – определение значение неизвестного слова с помощью предложенного в рамках данной работы метода.

Три+ – тегирование неизвестного слова с помощью триграмм, вероятностных правил и итерационного применения вероятностных правил.

Три – тегирование слов только с помощью триграмм.

База – определение значения неизвестного слова только с помощью базы синтаксического подчинения.

Правила – разметка слов только с помощью вероятностных правил.

Итерация – разметка слов только с помощью итерационного применения вероятностных правил.

При снятии частеречной омонимии реализованный метод Триграмм и Базы Сочетаемости Слов даёт сопоставимый результат, с высоким качеством выдаваемых результатов, но в то же время и с низким процентом разбора дорожки. Добавление метода, основанного на применении вероятностных правил и итерационного применения вероятностных правил, значительно повышает процент разбора дорожки, но с несколько меньшим качеством. На основании того, что настройки системы «Триграммы + Правила + Итерация», «База+ Правила + Итерация» дают не сильно различающиеся результаты как по показателю Precision, так и по Accuracy, то можно использовать что-то одно в качестве базового метода для снятия морфологической неоднозначности. Но в то же время, по точности оценки (Precision) предложенный метод превосходит случайный выбор варианта и первый попавшийся вариант морфологических параметров. Последнее обуславливается тем, что в русском языке ( в данном случае идёт про проектную документацию на русском языке ), в среднем 1.16 части речи на слово и 2.01 леммы на слово. В конечном итоге результаты по показателю Precision отражается на F-мере, как в случае разметке по части речи, так и в случае разметки с полным набором морфологических параметров.

Заключение. Получен новый комбинированный метод устранения морфологической неоднозначности в текстах проектной документации на естественном языке. В качестве входных данных для разработанного метода используются результаты морфологической разметки, проводимой словарём «Кросслятор». В рамках данной работы, в интересах снижения стоимости разработки систем предсинтаксического анализа было предложено использовать обучение без учителя на неразмеченных коллекциях проектной документации с использованием правил синтаксического подчинения слов в предложении. Собранная статистика с использованием свойства синтаксического подчинения слов используется для устранения морфологической неоднозначности: в общем случае, можно определить нормальную форму, от которой образована данная словоформа; в частном же случае можно определить полный набор морфологических параметров слов. Такой метод сбора статистики употребления слов позволил получить значительно меньшее число сочетаний слов по сравнению с теоритической оценкой возможных сочетаний N-грамм. В случае отсутствия в базе статистики совместного употребления слов применяются вероятностные правила, содержащие морфологические параметры. Декомпозиция предложения на фрагменты позволяет применять вероятностные морфологические правила в случае наличия большого количества неоднозначных слов, идущих подряд.

Предложенный комбинированный метод предсинтаксического анализа показал свою эффективность в практической реализации и, в том числе, на соревнованиях, проводимых в рамках международной конференции Диалог 2010.

Предложенный алгоритм, реализованный в виде программного решения, позволяющий в полностью автоматическом режиме обучаться на неразмеченных корпусах проектной документации любой направленности. Данный подход позволяет свести к минимуму участие человека при наполнении лингвистических баз данных и, тем самым, значительно сократить экономические затраты на разработку интеллектуальных систем по обработке текстов проектной документации.

Комбинированный метод устранения морфологической неоднозначности позволяет эффективно снимать неоднозначность у слов, даже в случае отсутствия статистики употребления слов.

Описанные в данной работе алгоритмы и методы, реализованы автором в виде компьютерной подпрограммы, что позволяет подтверждать теоретические исследования в области моделирования естественного языка, а также использовать в машинном переводчике «Кросслейтор», разрабатываемом в ИПМ им. М.В. Келдыша РАН.

Проведенные вычислительные эксперименты показали практическую эффективность предложенных алгоритмов и программных решений.

В приложении к данной диссертационной работе приведен акт внедрения результатов.

1. Литвинов М.И. Метод повышения качества снятия омонимии с использованием статистики совместного употребления слов, журнал «Качество Инновации Образование», 2010 г., 11-й выпуск, с. 113-115.

2. Клышинский Э.С., Кочеткова Н.А., Литвинов М.И., Максимов В.И. Метод разрешения частеречной омонимии на основе применения корпуса синтаксической сочетаемости слов в русском языке // Научно-техническая информация, сер. 2, № 1, 2011 г. с. 31-35.

3. Литвинов М.И. «Комплексный метод снятия частеречной омонимии с использованием статистики совместного употребления слов в тексте на русском языке», по материалам XII-ой Национальной конференции по искусственному интеллекту с международным участием.

Максимов В.Ю. Автоматическое формирование базы сочетаемости слов на основе очень большого корпуса текстов // Компьютерная лингвистика и интеллектуальные технологии. Труды международного семинара Диалог’2010., 2010 г. с. 181-186.

5. Литвинов М.И. Модели управления на основе сочетаний из трёх слов и глагольное управление для поверхностного синтаксического информационные технологии в автоматизированных системах-13». М.:

МИЭМ, 2010 г. с. 107-112.

6. Литвинов М.И. Модели управления на основе сочетаний из трёх слов и глагольное управление // материалы ежегодной научнотехнической конференция студентов, аспирантов и молодых специалистов МИЭМ, 2010 г. с. 93-95.



 
Похожие работы:

«Казанцев Иван Гаврилович Численные и геометрические методы математического моделирования в многомерных задачах томографии и обработки изображений 05.13.18 – математическое моделирование, численные методы и комплексы программ Автореферат диссертации на соискание ученой степени доктора физико-математических наук Новосибирск – 2014 Работа выполнена в Федеральном государственном бюджетном учреждении науки Институте вычислительной математики и математической геофизики Сибирского...»

«Жиркова Елизавета Юрьевна СОВЕРШЕНСТВОВАНИЕ СИСТЕМЫ УПРАВЛЕНИЯ ЭФФЕКТИВНОСТЬЮ РАЗВИТИЯ ГИДРОМЕЛИОРАТИВНЫХ КОМПЛЕКСОВ 05.13.10 – Управление в социальных и экономических системах (экономические наук и) АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата экономических наук Ростов-на-Дону – 2008 Диссертационная работа выполнена в ГОУ ВПО Южно-Российский государственный технический университет (Новочеркасский политехнический институт) на кафедре Государственное и...»

«КАПЫШ АЛЕКСАНДР СЕРГЕЕВИЧ ИНТЕЛЛЕКТУАЛЬНАЯ СИСТЕМА ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ НА ОСНОВЕ РАССУЖДЕНИЙ ПО ПРЕЦЕДЕНТАМ (НА ПРИМЕРЕ ЗАДАЧИ УПРАВЛЕНИЯ ВОДОХОЗЯЙСТВЕННОЙ СИСТЕМОЙ) 05.13.01 – Системный анализ, управление и обработка информации (промышленность) АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук Волгоград – 2011 Работа выполнена в Волгоградском государственном техническом университете. Научный руководитель : доктор технических наук,...»

«УСОВ СЕРГЕЙ ВЛАДИМИРОВИЧ МЕТОДИКА ПРОВЕРКИ НАЛИЧИЯ ВОЗМОЖНОСТИ НЕСАНКЦИОНИРОВАННОГО ДОСТУПА В ОБЪЕКТНООРИЕНТИРОВАННЫХ СИСТЕМАХ Специальность: 05.13.19 – Методы и системы защиты информации, информационная безопасность АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук Омск-2012 Работа выполнена в ФГБОУ ВПО ОмГУ им. Ф.М.Достоевского. Научный руководитель : доктор физико-математических наук, доцент Белим Сергей Викторович Официальные оппоненты :...»

«Лапшин Виктор Александрович Математические модели динамики срочной структуры процентных ставок, учитывающие качественные свойства рынка 05.13.18 – Математическое моделирование, численные методы и комплексы программ АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата физико-математических наук Москва – 2010 Работа выполнена в Московском государственном...»

«Портнов Игорь Сергеевич РАЗРАБОТКА ИНФОРМАЦИОННОЙ СИСТЕМЫ УПРАВЛЕНИЯ ПОТРЕБЛЕНИЕМ ТОПЛИВНОЭНЕРГЕТИЧЕСКИХ РЕСУРСОВ Специальность: 05.13.01– Системный анализ, управление и обработка информации (промышленность) АВТОРЕФЕРАТ Диссертация на соискание ученой степени кандидата технических наук Владикавказ 2009 Работа выполнена в ГОУ ВПО Северо-Кавказский горнометаллургический институт (государственный технологический университет) Научный руководитель : доктор технических наук, доцент...»

«КОРДЕНКОВ НИКОЛАЙ ВЛАДИМИРОВИЧ РАЗРАБОТКА МЕТОДОВ И МОДЕЛЕЙ ПОСТРОЕНИЯ И АНАЛИЗА РАСПРЕДЕЛЕННОЙ СИСТЕМЫ ПУНКТОВ КОЛЛЕКТИВНОГО ДОСТУПА Специальность 05.13.13 – Телекоммуникационные системы и компьютерные сети АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук Москва – 2006 Работа выполнена в Московском государственном институте электроники и математики (техническом университете) на кафедре Электронно-вычислительная аппаратура Научный руководитель :...»

«НАЗАРЕНКО КИРИЛЛ МИХАЙЛОВИЧ МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ И МЕТОДЫ ОЦЕНИВАНИЯ РИСКОВ ИНВЕСТИРОВАНИЯ В ФИНАНСОВЫЕ АКТИВЫ С ВЫСОКОЙ ВОЛАТИЛЬНОСТЬЮ Специальность 05.13.18 – математическое моделирование, численные методы и комплексы программ АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата физико-математических наук Москва – 2009 Работа выполнена в ГОУ ВПО Московском государственном технологическом университете СТАНКИН Научный руководитель : доктор...»

«Ефимов Александр Александрович МОДЕЛИ И ОРГАНИЗАЦИОННЫЕ МЕХАНИЗМЫ ПРОДВИЖЕНИЯ ПРИКЛАДНЫХ ПРОГРАММНЫХ ПРОДУКТОВ Специальность 05.13.10 — Управление в социальных и экономических системах (технические наук и) Автореферат диссертации на соискание ученой степени кандидата технических наук Новосибирск – 2011 Работа выполнена в Федеральном государственном бюджетном образовательном учреждении высшего профессионального образования Томский государственный университет систем управления...»

«ИВАЩУК ОЛЬГА АЛЕКСАНДРОВНА ТЕОРЕТИЧЕСКИЕ ОСНОВЫ ПОСТРОЕНИЯ АВТОМАТИЗИРОВАННЫХ СИСТЕМ УПРАВЛЕНИЯ ЭКОЛОГИЧЕСКОЙ БЕЗОПАСНОСТЬЮ ПРОМЫШЛЕННОТРАНСПОРТНОГО КОМПЛЕКСА Специальность: 05.13.06 – Автоматизация и управление технологическими процессами и производствами (промышленность) АВТОРЕФЕРАТ диссертации на соискание ученой степени доктора технических наук Орел 2009 2 Работа выполнена на кафедре Информационные системы Государственного образовательного учреждения высшего...»

«Авдюшенко Александр Юрьевич НОВЫЕ ЧИСЛЕННЫЕ МОДЕЛИ ГИДРОДИНАМИКИ ТУРБОМАШИН 05.13.18 — Математическое моделирование, численные методы и комплексы программ АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата физико-математических наук Новосибирск — 2014 Работа выполнена в Федеральном государственном бюджетном учреждении науки Институте вычислительных технологий Сибирского отделения Российской академии наук, г. Новосибирск. Научный руководитель : доктор...»

«Скворцова Мария Ивановна МАТЕМАТИЧЕСКИЕ МОДЕЛИ И АЛГОРИТМЫ В ИССЛЕДОВАНИЯХ СВЯЗИ МЕЖДУ СТРУКТУРОЙ И СВОЙСТВАМИ ОРГАНИЧЕСКИХ СОЕДИНЕНИЙ 05.13.18 – математическое моделирование, численные методы и комплексы программ АВТОРЕФЕРАТ диссертации на соискание ученой степени доктора физико-математических наук Москва – 2007 1 Работа выполнена в Московской государственной академии тонкой химической технологии (МИТХТ) им. М. В. Ломоносова ОФИЦИАЛЬНЫЕ ОППОНЕНТЫ: доктор...»

«ПИРОГОВ СЕРГЕЙ ПЕТРОВИЧ МОДЕЛИРОВАНИЕ НАПРЯЖЕННО-ДЕФОРМИРОВАННОГО СОСТОЯНИЯ МАНОМЕТРИЧЕСКИХ ТРУБЧАТЫХ ПРУЖИН Специальность 05.13.18 – Математическое моделирование, численные методы и комплексы программ Автореферат диссертации на соискание ученой степени доктора технических наук Тюмень – 2010 Работа выполнена в государственном образовательном учреждении высшего профессионального образования Тюменский государственный нефтегазовый университет (ТюмГНГУ) Официальные оппоненты :...»

«ПРОХОРОВ Евгений Игоревич Адаптивная двухфазная схема решения задачи структура – свойство Специальность 05.13.17 – теоретические основы информатики АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата физико-математических наук Москва – 2014 Работа выполнена на кафедре вычислительной математики механикоматематического факультета ФГБОУ ВПО Московский государственный университет имени М.В....»

«Трифонов Сергей Владимирович ОПТИМИЗАЦИЯ РАБОТЫ МАЛОМОЩНОЙ БЕСПРОВОДНОЙ СЕНСОРНОЙ СЕТИ НА БАЗЕ ЕЁ ИМИТАЦИОННОЙ МОДЕЛИ Специальность 05.13.18 – Математическое моделирование, численные методы и комплексы программ. АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата физико-математических наук Москва – 2013 2 Работа выполнена на кафедре вычислительной математики Московского физико-технического института (государственного университета) Научный руководитель : кандидат...»

«ГУЛИН Артур Игоревич АНАЛИЗ И СИНТЕЗ ЦЕПНЫХ ТРЕХПОЛЮСНЫХ СТРУКТУР ПРЕОБРАЗОВАТЕЛЕЙ СИСТЕМ УПРАВЛЕНИЯ И УСТРОЙСТВ ВЫЧИСЛИТЕЛЬНОЙ ТЕХНИКИ МЕТОДОМ ФУНКЦИЙ ПРЕОБРАЗОВАНИЯ Специальность 05.13.05 – Элементы и устройства вычислительной техники и систем управления АВТОРЕФЕРАТ диссертации на соискание ученой степени доктора технических наук Уфа 2014 Работа выполнена на кафедре телекоммуникационных систем ФГБОУ Уфимский государственный авиационный технический университет Научный...»

«Сачкова Елена Федоровна Методы, алгоритмы и программы приближенного решения задачи управления 05.13.11 Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей 05.13.01 Системный анализ, управление и обработка информации (технические наук и) АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук Переславль-Залесский 2009 г....»

«Матвеев Юрий Николаевич ОСНОВЫ ПОСТРОЕНИЯ АВТОМАТИЗИРОВАННЫХ СИСТЕМ ОПЕРАТИВНОГО УПРАВЛЕНИЯ ТЕХНИЧЕСКОЙ БЕЗОПАСНОСТЬЮ ХИМИЧЕСКИХ ПРОИЗВОДСТВ Специальность 05.13.06 — Автоматизация и управление технологическими процессами и производствами (в промышленности) АВТОРЕФЕРАТ диссертации на соискание ученой степени доктора технических наук Тверь – 2011 Работа выполнена в Федеральном государственном бюджетном образовательном учреждении высшего профессионального образования Тверской...»

«Торгонин Евгений Юрьевич РАЗРАБОТКА МЕТОДОВ И АЛГОРИТМОВ ОБРАБОТКИ ИНФОРМАЦИИ ПРИ ВИЗУАЛИЗАЦИИ ЖИДКОСТЕЙ В СИСТЕМАХ ВИРТУАЛЬНОЙ РЕАЛЬНОСТИ Специальность 05.13.01 - Системный анализ, управление и обработка информации (в наук е и технике) АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук Белгород – 2014 Работа выполнена в Федеральном государственном бюджетном образовательном учреждении высшего профессионального образования Белгородский...»

«МОГОРАС АНДРЕЙ АЛЕКСАНДРОВИЧ УПРАВЛЕНИЕ ТРАНСПОРТНЫМИ ПОТОКАМИ МЕГАПОЛИСА НА ОСНОВЕ ПРОГНОЗИРОВАНИЯ И ПОВЕДЕНИЯ ИНТЕЛЛЕКТУАЛЬНЫХ АГЕНТОВ Специальность 05.13.01 - Системный анализ, управление и обработка информации АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук Москва 2010 Работа выполнена на кафедре: Математическое обеспечение систем обработки информации и управления (МОСОИиУ) Московского государственного института электроники и математики...»






 
© 2013 www.diss.seluk.ru - «Бесплатная электронная библиотека - Авторефераты, Диссертации, Монографии, Методички, учебные программы»

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