WWW.DISS.SELUK.RU

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

 

ОТЧЕТ ЗА 2010 ГОД ПО ПРОЕКТУ РФФИ 09-07-12087-офи_м

Статус отчета: подписан

Дата последнего изменения: 14.01.2011

Отчт создал: Шокин Юрий Иванович

Отчет распечатан: 14.01.2011

Форма 501. КРАТКИЙ НАУЧНЫЙ ОТЧЕТ

1.1. Номер проекта

09-07-12087

1.2. Руководитель проекта Шокин Юрий Иванович 1.3. Название проекта Разработка и интеграция в сервис-ориентированную геоинформационную систему инструментария для совместного анализа спутниковых и натурных данных в рамках логиковероятностного подхода 1.4. Вид конкурса офи_м - Ориентированные фундаментальные исследования по междисциплинарным темам 1.5. Год представления отчета 1.6. Вид отчета итоговый (2009-2010) 1.7. Аннотация В ходе выполнения проекта исполнителями полностью выполнена заявленная программа работ. Получены следующие основные результаты.

Разработан метод обнаружения логических закономерностей в многомерных разнотипных временных рядах и построения логической решающей функции распознавания, основанный на адаптивном поиске глобального экстремума на многомерном симплексе. Предложен метод согласования вероятностных экспертных логических высказываний с последующим их использованием для решения задач прогнозирования. Разработан и исследован теоретически, а также с использованием статистического моделирования алгоритм кластерного анализа, основанный на коллективе древовидных решающих правил. Разработан и теоретически обоснован сеточный ансамблевый алгоритм кластеризации спутниковых изображений.

Разработан алгоритм классификации многоспектральных спутниковых изображений с полуобучением (semi-supervised). Разработан непараметрический иерархический классификатор для обработки больших массивов данных, обеспечивающий высокое качество результатов как в двухклассовом, так и в многоклассовом случае. Разработан полигон тестовых задач статистического моделирования, в котором проводится автоматическая генерация таблиц данных, обладающих заданными статистическими свойствами, с последующим усреднением результатов (частоты правильной классификации).

Создано алгоритмическое и программное обеспечение, реализующее методы анализа коротких нестационарных многомерных временных рядов; построения ансамблей логических моделей в кластерном анализе; ансамблевого кластерного анализа спутниковых данных в рамках сеточного подхода; классификации с полуобучением для обработки многоспектральных спутниковых изображений; согласования логико-вероятностных высказываний экспертов в задачах распознавания и прогнозирования.





Предложена технология публикации алгоритмов обработки пространственно скоординированных данных в виде веб-сервисов (WPS-процессов).

Создан прототип сервис-ориентированной геоинформационной системы, обеспечивающей доступ к алгоритмическому и программному инструментарию, а также информационным и вычислительным ресурсам для поддержки междисциплинарных исследований.

Разработанный инструментарий применялся для анализа экологических факторов, влияющих на заболеваемость клещевым энцефалитом в эндемичных районах России; совместного анализа спутниковых и натурных данных с целью разработки и исследования моделей динамики биосферы; анализа археологических данных; согласования экспертных высказываний в задаче координации действий бригад скорой помощи.

1.8. Полное название организации, где выполняется проект Институт вычислительных технологий СО РАН Институт математики им. С.Л.Соболева Сибирского отделения Российской академии наук "Исполнители проекта согласны с опубликованием (в печатной и электронной формах) научных отчетов и перечня публикаций по проекту" Подпись руководителя проекта Форма 502. КРАТКИЙ НАУЧНЫЙ ОТЧЕТ НА АНГЛИЙСКОМ ЯЗЫКЕ 2.1. Номер проекта 09-07- 2.2. Руководитель проекта Shokin Yurii Ivanovich 2.3. Название проекта Toolkit for the joint analysis of the satellite and field data under the logical-and-likelihood approach and it's integration into service-oriented geographic information system 2.4. Год представления отчета 2.5. Вид отчета итоговый (2009-2010) 2.6. Аннотация The project tasks are fully completed. Following results are obtained.

The method for discovering of logical regularities in multidimensional heterogeneous time series and for building of logical decision recognition function is suggested. The method is based on the adaptive search of global extremum on multidimensional simplex.The method for coordination of probabilistic expert logical statements and its usage for the decision making in forecasting problems is offered. The algorithm of cluster analysis, based on the collective of decision trees is developed and investigated theoretically, as well as with use of statistical modeling.The grid-based ensemble clustering algorithm for satellite images analysis is developed and theoretically substantiated. The semi-supervised classification algorithm for multispectral satellite images processing is suggested.

The nonparametric hierarchical classifier for massive data sets processing is developed. It provides high quality results both in two- and multiclass classification tasks. The test problems polygon for statistical modeling is developed. It automatically generates data tables with given statistical properties and subsequent average the results (frequency of correct classification).

Algorithms and programs are proposed for realizing methods for the analysis of short nonstationary multidimensional time series, constructing ensembles of logical models in cluster analysis, building ensembles for grid-based clustering of satellite data, semi-supervised clustering for multispectral satellite images processing, experts logical statements coordination for recognition and forecasting tasks.





The technology for spatial data processing algorithms publication as web services (WPS processes) is proposed. It allows to create a software toolkit based on suggested algorithms.

The prototype of service-oriented GIS for accessing algorithmic and program tools, information and computational resources is created for interdisciplinary research support.

The toolkit was used for the following applications: analysis of environmental factors influencing the incidence of tick-borne encephalitis in endemic regions of Russia; joint analysis of satellite and field data for biosphere dynamics models research and development; archaeological data analysis;

harmonization of expert knowledge for ambulance action coordination.

2.7. Полное название организации, где выполняется проект Institute of Computational Technologies SB RAS Sobolev Institute for Mathematics RAS (Sib. Div.) Форма 550. РАЗВЕРНУТЫЙ НАУЧНЫЙ ОТЧЕТ ЗА ПРОШЕДШИЕ 12 МЕСЯЦЕВ РАБОТЫ ПО ПРОЕКТУ "ОФИ_М" 50.1.1. Номер проекта 50.1.2. Название проекта Разработка и интеграция в сервис-ориентированную геоинформационную систему инструментария для совместного анализа спутниковых и натурных данных в рамках логиковероятностного подхода 50.1.3. Вид конкурса офи_м - Ориентированные фундаментальные исследования по междисциплинарным темам 50.2.1. Тема исследований 0014 - Развитие фундаментальных основ, алгоритмического обеспечения и вычислительных методов для информационных систем нового поколения 50.2.2. Направление исследований 0014.4 - Вычислительные алгоритмы интеллектуального анализа данных (data mining).

50.3. Коды классификатора, соответствующие содержанию фактически проделанной работы 07-540 07-545 07-595 01- 50.4. Объявленные ранее цели и основные задачи проекта на 2009 год 1. Провести теоретическое и экспериментальное исследование разработанных в рамках проекта методов совместного анализа спутниковых и натурных данных, создать алгоритмическое и программное обеспечение, реализующее эти методы, в том числе: анализа коротких нестационарных многомерных временных рядов; построения ансамблей логических моделей в кластерном анализе; ансамблевого кластерного анализа спутниковых данных в рамках сеточного подхода; классификации с полуобучением (semi-supervised) для обработки многоспектральных спутниковых изображений; согласования логико-вероятностных высказываний экспертов в задачах распознавания и прогнозирования.

2. Программно реализовать прототип сервис-ориентированной геоинформационной системы, обеспечивающей доступ к алгоритмическому и программному инструментарию для поддержки междисциплинарных исследований (разработать архитектуру системы, реализовать систему стандартизированных веб-сервисов).

3. Осуществить интеграцию предложенных методов в систему в виде веб-сервисов.

50.5. Степень выполнения поставленных в проекте задач Сформулированные в плане на 2010 г. задачи решены.

50.6. Полученные за отчетный период важнейшие научные результаты с указанием их междисциплинарности и значимости для развития междисциплинарных направлений Предложены методы и алгоритмы анализа коротких нестационарных многомерных временных рядов [Лбов Г.С., Полякова Г.Л., Пестунов И.А. Метод прогнозирования на основе анализа коротких временных рядов // Труды Конгресса по интеллектуальным системам и информационным технологиям «AIS-IT 10» - М.: Физматлит. 2010. Т. 1. С. 264Выбор наилучшего разбиения в пространстве переменных осуществляется на основе перебора, использующего идеологию метода ветвей и границ; результаты статистического анализа представляются на языке, близком к естественному языку логических суждений. В статье [Лбов Г.С., Герасимов М.К. Прогнозирование экстремальных событий на основе анализа многомерных разнотипных временных рядов // Вычислительные технологии. 2010.

Том 15, № 5. С. 81-92] разработанная методика применяется в сочетании с методикой определения расстояний между логическими высказываниями. При этом проводится поиск наилучшего отделения кластера «экстремальных событий» от кластера «обычных событий».

Предложен метод сравнения текстурных изображений, основанный на построении логико-вероятностных моделей временных рядов. Метод позволяет обнаруживать различия, которые не определяются методами, основанными на вычислении моментов для структурных Проведено теоретическое исследование разработанных методов: анализ их обобщающей способности [Неделько В.М. О максимальном смещении эмпирического риска как оценки вероятности ошибочной классификации // Интеллектуализация обработки информации, 8-я Международная конференция. Респ. Кипр, г. Пафос, 17-24 октября 2010 г.: сборник докладов.

- М: МАКС Пресс, 2010. С. 73-76]; теоретическое обобщение введенных расстояний между экспертными высказываниями в виде формул M-значной логики [Викентьев А.А., Викентьев Р.А. Об ансамбле М-значных моделей теории для оптимизации адаптивных расстояний и кластеризации знаний // Синтаксис и семантика логических систем. Материалы 3-й Российской школы-семинара, посвященного 80-летию А.И. Кокорина. Иркутск, 10-14 августа Разработаны алгоритмы построения ансамблей логических моделей в кластерном анализе [Бериков В.Б. Построение ансамбля деревьев решений в кластерном анализе // Вычислительные технологии. 2010. Т. 15. № 1. С. 40-52]. Разработана вероятностная модель кластерного ансамбля, основанная на представлении задачи автоматической классификации как задачи распознавания образов в байесовской постановке с латентными метками классов;

исследованы свойства модели: найдено выражение для ожидаемой вероятности ошибки попарной классификации для коллективного решения, а также ее дисперсии; доказано, что при определенных вполне естественных условиях вероятность ошибки при увеличении размера ансамбля стремится к минимально возможному значению. Предложен функционал качества таксономических деревьев решений, основанный на расстоянии Кульбака-Лейблера между распределениями [Бериков В.Б., Лбов Г.С. Оценивание качества таксономических деревьев решений и кластерного ансамбля // Интеллектуализация обработки информации: 8-я Международная конференция. Республика Кипр, г. Пафос, 17-24 октября 2010 г.: Сборник докладов. - М.: МАКС Пресс, 2010. С. 13-16]. С помощью моделирования подтверждена более высокая эффективность предложенного критерия по сравнению с критерием, использовавшимся ранее в алгоритме построения дерева. Получены верхние оценки вероятности ошибки попарной классификации и исследовано их поведение.

В работе [Бериков В.Б. Алгоритм адаптивного планирования ансамбля таксономических деревьев решений // Вестник Сибирского государственного аэрокосмического университета имени академика М.Ф. Решетнева. Т. 31. № 5. 2010 (в печати)] предложен алгоритм построения ансамбля таксономических деревьев решений, основанный на сочетании методик адаптивного планирования ансамбля и использования расстояний между логическими высказываниями, описывающими кластеры. Результаты статистического моделирования подтвердили эффективность разработанной процедуры.

Предложен метод построения ансамблей непараметрических алгоритмов кластеризации в рамках сеточного подхода для сегментации многоспектральных изображений; дано его теоретическое обоснование [Pestunov I.A., Berikov V.B., Kulikova E.A. Methods of constructing ensembles of clustering algorithms for large datasets // 10th International Conference “Pattern Recognition and Image Analysis: New Information Technologies” (PRIA-10-2010). St. Petersburg, December 5-12, 2010. Conference Proceedings, SPb: Politechnika, 2010. Vol. 1. P. 113-116]. В соответствии с этим методом созданы два плотностных алгоритма кластеризации спутниковых данных. Один из них основан на гистограммной оценке плотности распределения [Pestunov I.A., Berikov V.B., Kulikova E.A. Grid-based ensemble clustering algorithm using sequence of fixed grids // Proc. of the 3rd IASTED Intern. Conf. on Automation, Control, and Information Technology (ACIT`2010). 15-18 June 2010, Novosibirsk, Russia. 2010. P.

103-110], а другой алгоритм базируется на непараметрических оценках Розенблатта - Парзена [Пестунов И.А., Бериков В.Б., Синявский Ю.Н. Сегментация многоспектральных изображений на основе ансамбля непараметрических алгоритмов кластеризации // Вестник СибГАУ, 2010. Т. 31. № 5. (в печати)]. Созданные алгоритмы не требуют априорных сведений о количестве и вероятностных характеристиках классов. К их преимуществам можно отнести возможность выделения классов сложной формы и высокое быстродействие, а также простоту настройки параметров и устойчивость к незначительным их изменениям.

Разработан и исследован алгоритм классификации многоспектральных спутниковых изображений с полуобучением [Куликова Е.А. Непараметрическая классификация спутниковых данных с полуобучением // Матер. VI Междунар. научн. конгресса «ГЕОСибирь-2010» (Новосибирск, 27-29 апр. 2010 г.). Новосибирск: СГГА. 2010. Т. 1. С. 128-132].

Классификаторы с полуобучением (semi-supervised) занимают промежуточное положение между алгоритмами кластеризации и классификаторами с обучением. При обработке спутниковых изображений обучающая выборка, как правило, имеется лишь для интересующих пользователя классов и является непредставительной. Это обусловлено тем, что процесс получения обучающей выборки, зачастую связан со значительными материальными и временными затратами. В то же время при классификации изображений всегда доступен большой объем непомеченных данных. В этих условиях для расширения обучающей выборки можно использовать информацию о плотности распределения, содержащуюся в непомеченных данных. Исследования показали, что применение разработанного алгоритма с полуобучением к реальным изображениям в большинстве случаев обеспечивает значительное повышение качество классификации.

Разработаны алгоритмы согласования логико-вероятностных высказываний экспертов в задачах распознавания и прогнозирования [Tolstik A.A., Lbov G.S. Co-ordination of Expert Statements in Pattern Recognition Problems // Proc. of the 3rd IASTED Intern. Conf. on Automation, Control, and Information Technology (ACIT 2010). 15-18 June 2010, Novosibirsk, Russia. 2010. Vol. 2. P. 236-240]. В данной работе предлагается новый подход к согласованию экспертных решений задачи распознавания образов. Проведена формализация таких понятий, как «экспертное высказывание», «расстояние между высказываниями», «согласование», «противоречивость», сформулирована задача согласования и рассмотрен алгоритм ее решения.

В 2010 году в рамках реализации проекта в Институте вычислительных технологий СО РАН создан прототип сервис-ориентированной геоинформационной системы для сбора, хранения и обработки спутниковых и наземных данных (рис. 1) [Молородов Ю.И., Пестунов А.И., Пестунов И.А., Смирнов В.В., Федотов А.М. Интеграция данных для разработки и анализа моделей динамики биосферы // Математическая биология и биоинформатика: III Международная конф. г. Пущино, 10-15 октября 2010 г.: Доклады / Под ред. В.Д. Лахно. М.:

OOO МАКС Пресс. C. 216-217]. Прототип системы создан на базе каталога спутниковых данных Новосибирского научного центра СО РАН (http://gis-app.ict.nsc.ru/catalogue), который с 2008 года регулярно пополняется оперативными данными SPOT 4, кроме этого он включает архивные данные со спутников серии LandSat на территорию РФ за 1982-2002 годы. С мая 2010 года система пополняется также данными MODIS/Terra+Aqua, которые доступны на FTP сервере ftp://gis-eng.ict.nsc.ru.

Рис. 1. Структурная схема прототипа сервис-ориентированной ГИС ННЦ СО РАН для сбора, хранения и обработки спутниковых и наземных данных.

Прототип создан с учетом рекомендаций OGC (Open Geospatial Consortium) на основе программных продуктов с открытым исходным кодом и работает под управлением операционной системы семейства UNIX. Подсистема картографических сервисов обеспечивает централизованный доступ к наборам векторных и растровых данных по протоколам WMS. Система позволяет публиковать пространственные данные как с локальных, так и распределенных источников. Для поиска данных по метаданным используется сервер GeoNetwork, обеспечивающий поддержку протокола Z39.50. В качестве базового инструментария для обработки и анализа данных дистанционного зондирования используются пакеты программ ESRI ENVI 4.7 и GRASS GIS с модулями расширения, созданными в ИВТ СО РАН. В настоящее время пользователями сервис-ориентированной системы являются сотрудники 26 институтов Сибирского отделения РАН.

Разработан подход к интеграции разнородных пространственно-временных данных, представленных в различных форматах. В рамках этого подхода компоненты системы реализуют интерфейс для доступа к данным по протоколам, разработанным OGC, в том числе по протоколу картографических сервисов (WMS). Подход позволит использовать имеющиеся наборы данных как с помощью интерфейсов системы, так и непосредственно из специализированных программных приложений, в том числе коммерческих. Все данные системы приводятся к единому пространственному разрешению, с использованием регулярной сетки по долготе и широте.

В систему внедрено несколько информационных ресурсов: ландшафтная карта Иркутской области; векторная карта почв бореальной зоны Западно-Сибирской равнины и соответствующая ей карта растительности, содержащая 28 различных типов растительности (М 1:7500000); база данных по содержанию органического углерода в почвах Сибири; база метеорологических данных за период с 1989 по 2009 гг. на ключевой участок с координатами: 53-70° с.ш., 59-93° в.д.

На основе WPS-сервера deegree3, распространяемого по лицензии GPL, разработан модуль для интеграции алгоритмов обработки пространственных данных в сервисориентированную геоинформационную систему. Он осуществляет интерпретацию входных и выходных данных согласно спецификации протокола WPS и выполняет функции контейнера для неограниченного числа WPS-процессов. Архитектура модуля представлена на рисунке 2.

Рис. 2. Структурная схема системы сервисов для работы с пространственными данными.

Для обработки данных с помощью WPS-процесса пользователь вводит в клиентском приложении адрес WPS-сервера, после чего ему предоставляется список доступных процессов и их описания (метаданные на естественном языке). Выбрав необходимый алгоритм, пользователь указывает значения входных параметров в соответствии со спецификацией протокола WPS. Например, для алгоритмов классификации входными параметрами являются классифицируемое растровое изображение, обучающая выборка (для обучаемых и полуобучаемых алгоритмов), а также набор параметров, специфичных для конкретного алгоритма. Значениями параметров могут быть как данные, находящиеся на компьютере пользователя, так и результаты выполнения запросов к удаленным WPS/WMSсерверам. В этом случае запрос обрабатывается распределенно, без необходимости сохранения промежуточных результатов.

Эта технология позволяет обеспечить широкому кругу потенциальных пользователей доступ к хранилищу современных наукоемких алгоритмов и вычислительным ресурсам, необходимым для оперативной обработки больших массивов разнородных данных.

На данный момент в виде WPS-процессов реализован набор эффективных непараметрических алгоритмов, которые позволяют решать широкий круг задач, связанных с распознаванием образов и анализом многоспектральных спутниковых данных [Добротворский Д.И., Куликова Е.А., Пестунов И.А., Синявский Ю.Н. Веб-сервисы для непараметрической классификации спутниковых данных // Сб. матер. VI Междунар. научн.

конгресса «ГЕО-Сибирь-2010». Новосибирск: СГГА. 2010. Т. 1, ч. 2. С. 171-175].

Разработанные в ходе реализации проекта методы и алгоритмы позволяют обрабатывать разнотипные данные (описываемые количественными, номинальными, булевыми переменными) в условиях малой априорной информации, при наличии «шумовых»

характеристик и пропусков в данных. Эти особенности приобретают особую значимость при обработке экспериментальных данных, полученных в ходе междисциплинарных исследований специалистами разных предметных областей с применением различных методик и технических средств.

В настоящее время разработанные алгоритмы применяются при выполнении междисциплинарных интеграционных проектов СО РАН № 50 «Модели изменения биосферы на основе баланса углерода (по натурным и спутниковым данным и с учетом вклада бореальных экосистем)» и № 83 «Экологические факторы устойчивости паразитарной системы клещевого энцефалита и химические способы коммуникации между е компонентами».

Разработанные в рамках проекта алгоритмы и программное обеспечение применялись для решения следующих прикладных задач:

анализ экологических факторов, влияющих на заболеваемость клещевым энцефалитом в эндемичных районах России;

обработка археологических данных;

согласование экспертных высказываний в задаче координации действий бригад Ниже кратко описаны полученные результаты.

В работе [Лбов Г.С., Полякова Г.Л., Бахвалова В.Н., Морозова О.В. Исследование влияния природных факторов на заболеваемость клещевым энцефалитом // Вестник Новосиб.

гос. ун-та. Серия: Биология, клин. Медицина. 2010. № 3. С. 31-37] проведен анализ совместного влияния 7 природных факторов (температуры воздуха, относительной влажности воздуха, температуры точки росы в приземном слое; прямой солнечной радиации на горизонтальную поверхность, прямой радиации на перпендикулярную поверхность, отраженной радиации и солнечной активности, измеряемой в числах Вольфа) на заболеваемость клещевым энцефалитом и бактериальными инфекциями, переносимыми клещами [Полякова Г.Л., Лбов Г.С., Бериков В.Б., Бахвалова В.Н., Щучинова Л.Д., Гладкий П.А., Михеев В.Н., Глупов В.В., Никитин А.Я., Маслов П.П., Морозова О.В. Анализ влияния солнечной активности на заболеваемость клещевым энцефалитом, иксодовым клещевым боррелиозом и клещевым риккетсиозом в эндемичных областях России. Научная конференция «Фундаментальные науки - медицине». Новосибирск, 7-10 сентября 2010 г. С.

78]. Получены закономерности, характерные для высокого уровня заболеваемости (выше среднего значения по периоду наблюдений). Примеры закономерностей (имеющих форму дерева решений) показаны на рисунке 3. Ошибка на обучении равна нулю. Во всех найденных закономерностях характерно некоторое устойчивое сочетание температурновлажностного и радиационного режима осенью и весной.

Предложенные алгоритмы применялись для анализа материалов антропологических находок эпохи неолита на территории Сибири. Объекты исследования описывались множеством из переменных, представляющих собой измерения линейных и угловых размеров костей скелета. Проанализирована информация о 252 антропологических объектах.

В результате анализа выявлена принадлежность находок к нескольким антропологическим типам монголоидной и европеоидной расовых ветвей. Кроме того, проводился анализ археологических данных о 102 наконечниках стрел, обнаруженных в древних памятниках культуры на территории Новосибирской области. Каждый наконечник описывался числовыми и 4 номинальными переменными (число имен варьируется от 2 до 10).

Кластерный анализ с применением ансамбля логических моделей позволил разделить указанные памятники на характерные группы (которые можно интерпретировать как основные типы культур), что позволило пополнить исторические сведения об изучаемой эпохе. Результаты опубликованы в работе [Бериков В.Б. Построение ансамбля деревьев решений в кластерном анализе // Вычислительные технологии. 2010. Т. 15. № 1. - С. 40-52].

Алгоритм согласования логико-вероятностных высказываний применялся для анализа экспертных данных в задаче согласования действий бригад скорой помощи [Tolstik A.A., Температура;

октябрь предыдущего Lbov G.S. Co-ordination of Expert Statements in Pattern Recognition Problems // Proc. of the 3rd IASTED Intern. Conf. on Automation, Control, and Information Technology (ACIT 2010). 15- June 2010, Novosibirsk, Russia. 2010. Vol. 2. P. 236-240]. Необходимо было провести анализ экспертной информации о вероятности выживания пострадавших в чрезвычайных ситуациях, в зависимости от типа и степени поражения и действий бригад. Для получения информации был сформирован опросник, который заполнялся врачами и экспертами Центра медицины катастроф г. Новосибирска. Опросник содержал информацию о семи характеристиках:

оказана ли первая помощь; время оказания доврачебной помощи (мин); время оказания врачебной помощи (час); время оказания квалифицированной помощи (час); оказана ли врачебная помощь; тип поражения; степень поражения. Всего было предложено по высказывания по каждому типу поражения. Специфика собранной информации заключалась в том, что данные были представлены непересекающимися областями малой меры. Поэтому основной целью ставилось объединение (сокращение числа) высказываний с тем, чтобы не потерять существенной информации. Результатом применения указанного подхода стал набор, состоящий из 80 высказываний на тип поражения (составляющий около 12% объема исходных высказываний, и который расходится с исходным набором всего лишь в 15% случаев).

Список публикаций по проекту за 2010 год 1. Лбов Г.С., Герасимов М.К. Прогнозирование экстремальных событий на основе анализа многомерных разнотипных временных рядов // Вычислительные технологии. 2010. Т. 15, 2. Бериков В.Б. Построение ансамбля деревьев решений в кластерном анализе // Вычислительные технологии. 2010. Т. 15, № 1. С. 40-52.

3. Пестунов И.А., Бериков В.Б., Синявский Ю.Н. Сегментация многоспектральных изображений на основе ансамбля непараметрических алгоритмов кластеризации // Вестник Сибирского государственного аэрокосмического университета имени академика М.Ф. Решетнева. 2010. Т. 31, № 5 (принята к печати).

4. Бериков В.Б. Алгоритм адаптивного планирования ансамбля таксономических деревьев решений // Вестник Сибирского государственного аэрокосмического университета имени академика М.Ф. Решетнева. 2010. Т. 31, № 5 (принято в печать).

5. Лбов Г.С., Полякова Г.Л., Бахвалова В.Н., Морозова О.В. Исследование влияния природных факторов на заболеваемость клещевым энцефалитом // Вестник Новосиб. гос.

ун-та. Серия: Биология, клин. Медицина, 2010. № 3. С. 31-37.

6. Лбов Г.С., Полякова Г.Л. Метод прогнозирования в классе логических решающих функций // Вестник Сибирского государственного аэрокосмического университета имени академика М.Ф. Решетнева. 2010. Т. 31, № 5 (принято в печать).

7. Шокин Ю.И., Добрецов Н.Н., Смирнов В.В., Лагутин А.А., Антонов А.Н., Калашников А.В. Система информационной поддержки задач оперативного мониторинга на основе данных дистанционного зондирования // Тезисы докладов Восьмой открытой Всероссийской конференции «Современные проблемы дистанционного зондирования земли из космоса». М.: ИКИ РАН, 2010. С. 99-101.

8. Pestunov I.A., Berikov V.B., Kulikova E.A. Grid-based ensemble clustering algorithm using sequence of fixed grids // Proc. of the 3rd IASTED Intern. Conf. on Automation, Control, and Information Technology (ACIT 2010). 15-18 June 2010, Novosibirsk, Russia. Canada: ACTA Press. 2010. - P. 103-110.

9. Pestunov I.A., Berikov V.B., Kulikova E.A. Methods of constructing ensembles of clustering algorithms for large datasets // 10th International Conference “Pattern Recognition and Image Analysis: New Information Technologies” (PRIA-10-2010). St. Petersburg, December 5-12, 2010. Conference Proceedings. St. Petersburg: Politechnika. 2010. Vol. 1. P. 113-116.

10. Бериков В.Б., Лбов Г.С. Оценивание качества таксономических деревьев решений и кластерного ансамбля // Интеллектуализация обработки информации: 8-я международная конференция. Республика Кипр, г. Пафос, 17-24 октября 2010 г.: Сборник докладов. - М.:

МАКС Пресс. 2010. - С. 13-16.

11. Lbov G.S., Gerasimov M.K., Polyakova G.L. A Method of Interval Prediction based on Logical Regularities // Proc. of the 3rd IASTED Intern. Conf. on Automation, Control, and Information Technology (ACIT 2010). 15-18 June 2010, Novosibirsk, Russia. 2010. Vol. 2. P. 245-249.

12. Лбов Г.С., Полякова Г.Л., Пестунов И.А. Метод прогнозирования на основе анализа коротких временных рядов // Труды Конгресса по интеллектуальным системам и информационным технологиям (AIS-IT 10). М.: Физматлит, 2010, Т. 1. С. 264-271.

13. Лбов Г.С., Полякова Г.Л. Решение задачи прогнозирования в классе логических решающих функций // Доклады III Международной научной конференции «Математическая биология и биоинформатика». Пущино. 10-15 октября 2010 г. Доклады / Под ред. В.Д. Лахно. М.: OOO МАКС Пресс. С. 226-227.

14. Неделько В.М. О максимальном смещении эмпирического риска как оценки вероятности ошибочной классификации // Интеллектуализация обработки информации, 8-я международная конференция. Респ. Кипр, г. Пафос, 17-24 октября 2010 г.: Сборник докладов. - М: ООО МАКС Пресс, 2010. С. 73-76.

15. Tolstik A.A., Lbov G.S. Co-ordination of Expert Statements in Pattern Recognition Problems // Proc. of the 3rd IASTED Intern. Conf. on Automation, Control, and Information Technology (ACIT 2010). 15-18 June 2010, Novosibirsk, Russia. 2010. Canada: ACTA Press. Vol. 2. P.

16. Куликова Е.А. Непараметрическая классификация спутниковых данных с полуобучением // Матер. VI Междунар. научн. конгресса «ГЕО-Сибирь-2010» (Новосибирск, 27-29 апр.

2010 г.). Новосибирск: СГГА, 2010. Т. 1. С. 128-132.

17. Добротворский Д.И., Куликова Е.А., Пестунов И.А., Синявский Ю.Н. Веб-сервисы для непараметрической классификации спутниковых данных // Сб. матер. VI Междунар.

научн. конгресса «ГЕО-Сибирь-2010». Новосибирск: СГГА. - 2010. Т. 1, ч. 2. С. 171-175.

18. Жижимов О.Л., Молородов Ю.И., Пестунов И.А., Смирнов В.В., Федотов А.М.

Интеграция разнородных данных для задач исследования природных экосистем // Тезисы докладов XIII Российской конференции «Распределенные информационные и вычислительные ресурсы (DICR’2010)». (Новосибирск, 30 ноября - 3 декабря 2010 г.).

Новосибирск: ИВТ СО РАН. 2010. С. 28-29.

19. Пестунов И.А., Куликова Е.А., Синявский Ю.Н., Смирнов В.В. Применение ансамблей непараметрических алгоритмов кластеризации для обработки многоспектральных спутниковых изображений // Тезисы докладов Восьмой открытой Всероссийской конференции «Современные проблемы дистанционного зондирования земли из космоса.

М.: ИКИ РАН, 2010. С. 40-41.

20. Fedotov A.M., Pestunov I.A. Information support of interdisciplinary researches for development and analysis of dynamic models of biosphere Abstracts of International conference International Conference on Environmental Observations, Modeling and Information Systems (ENVIROMIS-2010). 5-11 July 2010, Tomsk, Russia. 2010. Tomsk: Tomsk Center of the scientific and technical information. P. 108.

21. Молородов Ю.И., Пестунов А.И., Пестунов И.А., Смирнов В.В., Федотов А.М.

Интеграция данных для разработки и анализа моделей динамики биосферы // Математическая биология и биоинформатика: III Международная конф. г. Пущино, 10- октября 2010 г.: Доклады / Под ред. В.Д. Лахно. М.: OOO МАКС Пресс. C. 216-217.

22. Лбов Г.С., Полякова Г.Л., Пестунов И.А. Метод анализа коротких многомерных временных рядов для совместной обработки спутниковых и натурных данных // Тезисы II-й Международной конференции “Геоинформатика: Технологии, научные проекты”. Барнаул: ООО “А.Р.Т.”. 2010. С. 63.

23. Жижимов О.Л., Молородов Ю.И., Пестунов И.А., Федотов А.М. Интеграция данных для моделей динамики биосферы // Тезисы II-й Международной конференции “Геоинформатика: Технологии, научные проекты”. Барнаул: ООО “А.Р.Т.”. 2010. С. 41.

50.7. Степень новизны полученных результатов В последние годы в мире наблюдается растущий интерес к алгоритмам анализа и классификации временных рядов (см, например, [Ye L., Keogh E. Time series shapelets: a novel technique that allows accurate, interpretable and fast classification // Data Mining and Knowledge Discovery. 2011. Vol. 22, N 1-2. P. 149-182]. В отличие от известных, разработанный в рамках проекта алгоритм дает возможность проводить анализ разнотипной информации и выдавать результаты в виде списка логических закономерностей.

В настоящее время не существует алгоритмов, аналогичных разработанным в рамках проекта адаптивным ансамблевым алгоритмам кластерного анализа, использующим древообразные логические модели. Известные ансамблевые алгоритмы предназначены для группировки в случае количественных переменных (см., например, работу [Singh V., Mukherjee L., Peng J., Xu J. Ensemble clustering using semidefinite programming with applications // Machine Learning. 2010. Vol. 79, N 1-2. P.177-200]). В отличие от существующих алгоритмов, разработанные алгоритмы позволяют проводить анализ разнотипной информации; применение ансамбля значительно повышает устойчивость группировочных решений по отношению к выбору параметров алгоритма.

В России разработкой ансамблевых методов классификации и кластерного анализа занимаются, например, исследователи, принадлежащие к научной школе распознавания и прогнозирования, возглавляемой академиком Ю.И. Журавлевым [Журавлев Ю.И. О логических алгоритмах распознавания // Интеллектуализация обработки информации: 8-я международная конференция. Республика Кипр, г. Пафос, 17-24 октября 2010 г.: Сборник докладов. М.: МАКС Пресс. 2010. С. 55-56; Воронцов К.В., Решетняк И.М. Точные Интеллектуализация обработки информации: 8-я международная конференция. Республика Кипр, г. Пафос, 17-24 октября 2010 г.: Сборник докладов. - М.: МАКС Пресс. 2010. - С. 24-31;

Бирюков А.С., Рязанов В. В., Шмаков А.С. Решение задач кластерного анализа коллективами алгоритмов // Журнал вычислительной математики и математической физики. 2008. Т. 48, № 1. C. 176-192]. Алгоритм классификации, основанный на коллективной решающей функции, предложен в работе [Сикулер Д.В., Фомин В.В. Интеллектуальная автоматизированная система распознавания на основе принципов коллективного принятия решений // Программные продукты и системы. 2009. № 3. С. 6-10]. Развиваемый в рамках проекта подход, в отличие от существующих отечественных разработок, ориентирован на использование древовидной логической решающей функции, как основного элемента ансамбля. Данный дает возможность не только получать разбиение заданного множества объектов на кластеры, но и строить иерархическое дерево, описывающее структуру разбиения и позволяющее относить произвольный новый объект к найденным таксонам.

Предложенные методы построения таксономических деревьев решений позволяют выявлять легко интерпретируемые логические закономерности, дают возможность группировать объекты, описываемые как числовыми, так и нечисловыми переменными, выделять наиболее информативные переменные. В настоящее время не существует алгоритмов, аналогичных разработанным в рамках проекта ансамблевым алгоритмам кластерного анализа, использующим древообразные логические модели.

Разработанная методика публикации алгоритмов обработки пространственно скоординированных данных, позволяющая обеспечить широкому кругу потенциальных пользователей доступ к современным алгоритмам обработки, не имеет аналогов в России.

Сервис-ориентированная ГИС, создаваемая в Институте вычислительных технологий СО междисциплинарных исследований.

50.8. Сопоставление полученных результатов с мировым уровнем Метод обнаружения логических закономерностей на основе анализа коротких временных рядов и метод согласования вероятностных логических высказываний экспертов для решения задач распознавания и прогнозирования не имеют аналогов. Форма представления результатов этих методов на едином языке дает возможность совместной обработки В последние годы в мире активно развивается направление, связанное с ансамблевыми методами кластеризации (см., например, работы [Jain A. K. Data Clustering: 50 Years Beyond K-Means // Pattern Recognition Letters. 2010. Vol. 31(8). P. 651-666); Kashef R., Kamel M.S.

Cooperativeclustering // Pattern Recognition. 2010. Vol. 43. Р. 2315-2329; Vega-Pons S. CorreaMorris J., Ruiz-Shulcloper J. Weighted partition consensus via kernels // Pattern Recognition. 2010.

Vol. 43. Р. 2712-2724; Hong Y., Kwong S., Wang H., Ren Q. Resampling-based selective clustering ensembles // Pattern Recognition Letters. 2009. Vol. 30. N 3. P. 298-305]. В отличие от известных методов, предложенные в рамках проекта методы позволяют получать легко интерпретируемые логические модели объектов, дают возможность группировать объекты, описываемые как числовыми, так и нечисловыми переменными, выделять наиболее информативные переменные. Применение ансамбля значительно повышает устойчивость группировочных решений по отношению к выбору параметров алгоритма. Кроме того, в отличие от других теоретических работ, посвященных обоснованию ансамблевого кластерного анализа (см., например, [Masson M, Denoeux T. Belief Functions and Cluster Ensembles // LNCS 5590. 2009. P.323-324]), предложенная в рамках проекта модель использует более простой подход, основанный на попарной классификации. Разработанная модель, в отличие от существующих, позволяет получить выражения для ожидаемой вероятности ошибки, а также ее дисперсии.

В настоящее время значительное внимание уделяется разработке эффективных алгоритмов сегментации аэрокосмических изображений [Dey V., Zhang Y., Zhong M.A. review on image segmentation techniques with remote sensing perspective // W. Wagner, B. Szkely (eds.) // ISPRS TC VII Symposium – 100 Years ISPRS, Vienna, Austria, July 5–7 2010. IAPRS, Vol.

XXXVIII, Part 7A. P. 31-42]. В отличие от существующих алгоритмов сегментации, созданные в рамках проекта ансамблевые сеточные алгоритмы более устойчивы и позволяют находить кластеры сложной формы. Предложенная методика построения ансамблевых сеточных алгоритмов допускает распараллеливание наиболее трудоемких этапов обработки и позволяет повысить быстродействие при реализации на многопроцессорных вычислительных Сервис-ориентированная геоинформационная система, создаваемая в Институте вычислительных технологий СО РАН, является уникальным программным инструментарием для поддержки междисциплинарных исследований.

Подтверждением достаточно высокого мирового уровня полученных результатов служат рецензируемые публикации в материалах Международных конференций с участием известных ученых, например 3rd IASTED Intern. Conf. on Automation, Control, and Information Technology (ACIT 2010), 8-я Международная конференция «Интеллектуализация обработки информации (ИОИ-2010)», 10-я Международная конференция «Распознавание образов и анализ изображений: Новые информационные технологии (РОАИ-10-2010)» и др.).

50.9. Методы и подходы, использованные в ходе выполнения проекта В проекте применялся комплексный подход, использующий сочетание разработанных ранее в коллективе исполнителей моделей и методов анализа данных, с новыми методиками и направлениями. В первую очередь, применялся подход, основанный на логических решающих функциях от разнотипных переменных. Новизна предлагаемых решений заключается в распространении этого подхода на задачу кластерного анализа в сочетании с ансамблевой методологией. Данная методология широко используется при решении задач распознавания образов, однако в кластерном анализе она еще не нашла широкого применения. Для исследования вероятностных свойств ансамбля применялась методика, основанная на сведении к задаче попарной классификации с латентными метками классов.

оригинальные авторские методы и алгоритмы построения древовидных решающих функций, метод адаптивного поиска для задач многоэкстремальной оптимизации, ансамблевый подход, а также непараметрические методы кластеризации и распознавания образов. Доступ к разработанным алгоритмам осуществляется по технологии Web Processing Service, являющейся перспективным направлением развития ГИС-технологий.

50.10.1. Количество научных работ, опубликованных в ходе выполнения проекта 50.10.2. Количество научных работ, подготовленных в ходе выполнения проекта и принятых к 50.10.3. Полученные в ходе выполнения проекта результаты-объекты интеллектуальной 1. Программа для сегментации многоспектральных изображений EMeanSC/2010 / Синявский Ю.Н., Пестунов И.А. (подана заявка №2010617607 от 02.12.2010 г. на государственную регистрацию программы в Федеральную службу по интеллектуальной собственности, патентам и товарным знакам).

2. Программа для кластеризации больших массивов данных ECCA/2010 / Пестунов И.А., Куликова Е.А., Рылов С.А. (подана заявка №2010617608 от 02.12.2010 г. на государственную регистрацию программы в Федеральную службу по интеллектуальной собственности, патентам и товарным знакам).

3. Программа для построения таксономического решающего дерева TAX-DT / Бериков В.Б. (подана заявка №2011610167 от 12.01.2011 г. на государственную регистрацию программы в Федеральную службу по интеллектуальной собственности, патентам и

Похожие работы:

«Государственное бюджетное образовательное учреждение высшего профессионального образования У р а л ь с к и й г о с у д а р с т в е н н ы й м е д и ц и н с к и й У н и в е р с и т е т Министерства здравоохранения и социального развития Российской Федерации Кафедра лучевой диагностики ФПК и ПП Утверждаю Проректор по учебной работе Н.С.Давыдова _ 20_г. Рабочая программа дисциплины Лучевая диагностика (наименование дисциплины согласно УП) Образовательная программа подготовки в ординатуре по...»

«Управление образования администрации Нытвенского муниципального района Муниципальное бюджетное общеобразовательное учреждение Сергинская основная общеобразовательная школа УТВЕРЖДАЮ Директор МБОУ Сергинская ООШ М.А. Безматерных 20 июня 2013 г. Основная ОБРАЗОВАТЕЛЬНАЯ ПРОГРАММА начального общего образования МБОУ Сергинской основной общеобразовательной школы Авторы: М.А. Безматерных – директор Т.В. Косенко – заместитель директора по учебно-воспитательной работе с.Сергино, 2013г. Содержание 1....»

«Синхронный турнир ЛУК по Что? Где? Когда?, сезон 2011-2012, 2-й этап Вердикты апелляционного жюри Апелляционное жюри: Вадим Данько, Павел Еремин, Дмитрий Кукленко (все - Харьков). 2. В передаче Ветеринары в Африке рассказывается о корове, которая выкармливала детёнышей животных, оставшихся без мам. Назовите подданную Камбоджи, в честь которой корова получила свое имя. Ответ: Анджелина Джоли. Зачет: Джоли, А. Джоли. Комментарий: Корову звали Анджелина; В августе 2005 года актриса получила...»

«Наша программа 1 Сокращение опасности синдрома внезапной смерти младенца и консультации специалистов Сокращение опасности синдрома внезапной смерти младенца и консультации специалистов (Sudden Infant Death Risk Reduction and Counseling) – это программа по решению проблем общественного здравоохранения. Целью этой программы является исключение в г. Нью-Йорке случаев внезапной и неожиданной смерти младенцев и детей в возрасте до 3-х лет. Наша программа сотрудничает со многими специалистами в...»

«56 Working Papers of the Finnish Forest Research Institute http://www.metla.fi/julkaisut/workingpapers/2007/mwp056.htm ISBN 978-951-40-2051-3 (PDF) ISSN 1795-150X Анализ ограничений лесопользования на особо охраняемых природных территориях и в малонарушенных лесах Архангельской области The Analysis of Wood Harvesting Restrictions in Conservation Areas and Old-growth Forests of the Arkhangelsk Oblast Ю.Ю. Герасимов, А.В. Марковский, О.В. Ильина, Д.А. Добрынин Yuri Gerasimov, Alexander Markovsky,...»

«В НОМЕРЕ Новости 4 событие Секреты успешного барбекю 10 Столичный Повар 2013 года 12 КРитиКА Окно в Европу 13 НовиНКи 14 Новый РестоРАН Дом, который построил шеф 16 Новое бистро короля 18 темА НомеРА Еда на дом 20 ФишКА Три кита G.Graf 26 тРеНд Когда рынок говорит надо. Новинки технологического оборудования США Часть 2 28 ПеРсоНАЛ Как оценить шеф-повара на собеседовании? 31 ФРио Американские записки 32 меНедЖмеНт Неоднозначный вопрос Сетевой бизнес — принципы построения...»

«Евразийское B1 015327 (19) (11) (13) патентное ведомство ОПИСАНИЕ ИЗОБРЕТЕНИЯ К ЕВРАЗИЙСКОМУ ПАТЕНТУ (12) (45) (51) Int. Cl. C10B 49/00 (2006.01) Дата публикации 2011.06.30 и выдачи патента: F22B 33/18 (2006.01) (21) 200900611 Номер заявки: (22) 2009.02. Дата подачи: (54) КОМПЛЕКС ЭНЕРГОТЕХНОЛОГИЧЕСКИЙ ДЛЯ ПЕРЕРАБОТКИ БУРЫХ УГЛЕЙ (43) 2010.08.30 (56) RU-C1- (96) 2009000013 (RU) 2009.02.11 RU-C1- (71)(73) Заявитель и патентовладелец: EP-A2- СПЕЦИАЛЬНОЕ КОНСТРУКТОРСКОТЕХНОЛОГИЧЕСКОЕ БЮРО НАУКА...»

«Электронный учебник с применением мультимедийных технологий. По дисциплинам: Мультимедиатехнологии, Компьютерная графика и геометрия Анисимов С. Гр ИСГ-108 В настоящее время к учебникам предъявляются следующие требования: структурированность, удобство в обращении, наглядность изложенного материала. Чтобы удовлетворить вышеперечисленные требования, целесообразно использование гипертекстовой технологии. Электронный вариант учебника вмещает в себе и средства контроля, так как контроль знаний...»

«М ОСКОВСКОЕ ОБЩ ЕСТВО ИСПЫ ТАТЕЛЕЙ ПРИРОДЫ СЕКЦИЯ ПАЛЕОНТОЛОГИИ М ОСКОВСКОЕ ОТДЕЛЕНИЕ ПАЛЕОНТОЛОГИЧЕСКОГО ОБЩ ЕСТВА ПАЛЕОНТОЛОГИЧЕСКИЙ ИНСТИТУТ им. А.А. БОРИСЯКА РАН ПАЛЕОСТР АТ-2012 ГОДИЧНОЕ СОБРАНИЕ (НАУЧНАЯ КОНФЕРЕНЦИЯ) СЕКЦИИ ПАЛЕОНТОЛОГИИ МОИП И МОСКОВСКОГО ОТДЕЛЕНИЯ П АЛЕОНТОЛОГИЧЕСКОГО ОБЩ ЕСТВА МОСКВА, 30 января— февраля 2012 г. 1 ПРОГРАММА И ТЕЗИСЫ ДОКЛАДОВ Под редакцией А.С. Алексеева М осква ПАЛЕОСТРАТ-2012. Годичное собрание (научная конференция) секции палеонтологии МОИП и...»

«Мой личный экземпляр Имя Адрес 1 Об издании Издательство: EJT2009 Dsseldorf GmbH Solfstr. 14 (Зольфштр. 14) 40593 Дюссельдорф Тел: +49 231 57700-0 Факс: +49 231 57700-38 Руководство: Prof. Dr. Frank Zisowski (проф. Франк Цизовски) Dr. Franz-Wilhelm Otten (др. Франц-Вильхельм Оттен) В торговом реестре: Amtsgericht Dsseldorf, HRB 56534 ИНН: DE254132273 Ответственный за содержание: Rdiger Krause (Рюдигер Краузе), EJT-Projektgruppe Kommunikation Концепция и макет: www.de-vico.de 4 Содержание...»

«ПРАВИТЕЛЬСТВО РЕСПУБЛИКИ КОМИ РАСПОРЯЖЕНИЕ от 27 ноября 2009 г. № 436-р г. Сыктывкар 1. Утвердить Программу мер по развитию конкуренции в Республике Коми (2010-2012 годы) (далее – Программа мер) согласно приложению. 2. Органам исполнительной власти Республики Коми, ответственным за исполнение мероприятий Программы мер: осуществить необходимую организационную работу по выполнению мероприятий Программы мер; представлять в Министерство экономического развития Республики Коми информацию о...»

«Ускорение осуществления целей ИУВР в Центральной Азии Опыт Республики Казахстан в разработке Национального плана ИУВР и водосбережения. 29-30 ноября 2006 Николаенко Александр, Менеджер проекта ПРООН Разработка Национального Плана по Интегрированному Управлению Водными Ресурсами и Водосбережению в Казахстане Проекты по ИУВР в Казахстане Проект FASEP Программа действий по улучшению качества воды бассейна реки Иртыш. Проект FFEM Трансграничное управление водными ресурсами бассейна реки Иртыш....»

«РОССИЙСКАЯ ФЕДЕРАЦИЯ Московский государственный университет имени М.В.Ломоносова Высшая школа государственного администрирования (факультет) УТВЕРЖДАЮ Директор ВШГА МГУ В.Л.Макаров 26января 2012 г. Программа профессиональной практики _ Направление подготовки 080200 Менеджмент Профиль подготовки Государственное администрирование Квалификация (степень) выпускника Магистр Форма обучения очная Москва 1. Цели профессиональной практики Целями профессиональной практики магистрантов Высшей школы...»

«НАЦИОНАЛЬНАЯ БИБЛИОТЕКА УДМУРТСКОЙ РЕСПУБЛИКИ БУКЛЕТ о т д из а йн а до верстки Ижевск 2011 Форма буклета широко используется в библиотеках для пред ставления  рекламноинформационных  материалов.  Идея  со ставить  краткое  пособие,  посвященное  этому  виду  издания,  возникла  после  встречи  с  коллегами  из  сельских  библиотек,  поскольку  в  представленных  ими  образцах  были  явно  видны  недочеты дизайна и верстки.    Настоящее  пособие  –  это  не  свод  строгих  правил  и  законов, ...»

«Рабочая программа кафедры гистологии для педиатрического факультета 2012-2016 г.г. 1 2 3 Содержание 5. Пояснительная записка 5.1. Цель и задачи гистологии, эмбриологии, цитологии и её место в учебном процессе.5 5.1.1 Цель преподавания 5.1.2 Задачи изучения 5.2. Место дисциплины в структуре ООП. 5.3. Междисциплинарные связи 5.4. Требования к уровню освоения содержания дисциплины..7 5.5. Матрица компетенции дисциплины 5.6.Формы организации обучения студентов..9 5.7. Виды контроля. Формы текущего...»

«МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования ИРКУТСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ УТВЕРЖДАЮ ПРОГРАММА общеобразовательного вступительного испытания по ГЕОГРАФИИ Иркутск 2014 Готовясь к экзамену по географии, поступающий в высшее учебное заведение должен знать и уметь: теоретические основы географии, понятийный аппарат; фактический материал по материкам, океанам, странам мира, России,...»

«Томская областная детско-юношеская библиотека ОБСЛУЖИВАНИЕ ДЕТЕЙ И ЮНОШЕСТВА В МУНИЦИПАЛЬНЫХ БИБЛИОТЕКАХ ТОМСКОЙ ОБЛАСТИ В 2010 ГОДУ Томск Томская областная детско-юношеская библиотека Организационно-методический отдел УТВЕРЖДАЮ: _ Директор ТОДЮБ В.П. Разумнова _2011 год ОБСЛУЖИВАНИЕ ДЕТЕЙ И ЮНОШЕСТВА В МУНИЦИПАЛЬНЫХ БИБЛИОТЕКАХ ТОМСКОЙ ОБЛАСТИ в 2010 году Информационно-аналитический обзор Томск Составитель: Небаева В.А. - зав. организационно-методическим отделом ТОДЮБ Набор текста: Небаева...»

«СЕВЕРО-ВОСТОЧНОЕ ОКРУЖНОЕ УПРАВЛЕНИЕ ОБРАЗОВАНИЯ ДЕПАРТАМЕНТА ОБРАЗОВАНИЯ ГОРОДА МОСКВЫ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ГОРОДА МОСКВЫ ГИМНАЗИЯ №1539 129626, г. Москва, ул. Староалексеевская, дом 1, E-mail: gimnazia1539@yandex.ru телефон/факс: (495) 687-44-06 ОКПО 26443568, ОГРН 1027739445645, ИНН/КПП 7717082680/771701001 РАБОЧАЯ ПРОГРАММА ПО АЛГЕБРЕ 8 КЛАСС на 2013-2014 учебный год Автор-составитель: Морозова Тамара Викторовна учитель математики высшая квалификационная...»

«Утверждена Приказом Министерства образования и науки Российской Федерации от 3 сентября 2009 г. N 323 (в ред. Приказа Минобрнауки РФ от 07.06.2010 N 588) СПРАВКА о наличии учебной, учебно-методической литературы и иных библиотечно-информационных ресурсов и средств обеспечения образовательного процесса, необходимых для реализации заявленных к лицензированию образовательных программ Раздел 2. Обеспечение образовательного процесса учебной и учебно-методической литературой по заявленным к...»

«119048, Россия, Москва, Ул. Усачева, 64, Тел.: +7 (495) 796-94-24/44 Факс: +7 (495) 956-64-38 E-Mail: booking@inalex.ru Web: http://www.inalex.ru Великолепные замки, первозданная природа, чарующий звук волынки, настоящий виски и Лох Несское чудовище. Может ли это сочетаться в одной стране????? Может, если это ШОТЛАНДИЯ!!!!!! ИЮНЬ 2008 Москва, 2007г. СОДЕРЖАНИЕ: Карта... Общая информация о стране.. Кухня... Визовые формальности.. Возможные перелеты.. Предлагаемая программа.. Карта Шотландии (в...»






 
© 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.