Российская академия наук институт проблем управления им. В. А. Трапезникова
 Скачать 1.88 Mb.
|
|
НЕЙРОСЕТИ В РЕАЛИЗАЦИИ СИСТЕМЫ ПОЛИВАРИАНТНЫХ ОБРАЗОВАТЕЛЬНЫХ ПРОГРАММ Петрова С.Ю., Гудзовский А.А., Кузьмин А.В. (Новгородский государственный университет им. Яросла- ва Мудрого, Великий Новгород) svetayp@list.ru, sasha_gud@mail.ru, andreivk@gmail.com Ключевые слова: индивидуальное обучение, поливариант- ные образовательные программы, нейросети. Введение Потребности общества с каждым днём всё настойчивее под- вигают вузы переходить от массового стандартного образования к индивидуализированному обучению, которое бы максимально отвечало потребностям отдельной обучающейся личности. Одним из возможных подходов для такого перехода является использова- ние логически согласованной и связанной структуры учебных модулей, предназначенных для освоения элементарной единицы учебной деятельности, реализованной в виде эквиконтентной модульной психотипологической траектории (ЭМПТ). Из множества ЭМПТ реализуемых для слушателей форми- руется система поливариантных образовательных программ (СПВОП) конкретного вуза. 1. Теоретическое обоснование реализации поливари- антных образовательных программ 1.1. Система поливариантных образовательных программ СПВОП представляет собой многоуровневую систему инте- гративного взаимодействия разных дисциплин, представленных в виде взаимосвязанных между собой учебных модулей, кото- рые отражают обязательный минимум содержания высшего профессионального образования для всех специальностей. Отсутствие резкой грани между отдельными дисциплинами, 170 позволяет установить связи между модулями принципиально разных дисциплин, получив целостную систему поливариант- ных образовательных программ. 1.2. Дуальность формирования эвиконтентных модульных псохотипологических траекторий и системы поливариантных образовательных программ. Важно отметить, что вместе с процессом сборки СПВОП из ЭМПТ идет процесс формирования ЭМПТ на основе СПВОП. Эти два процесса взаимосвязаны, и один процесс порождает другой в виде петель дуального управления и изменения обу- славливаются последовательностью причинно-следственных связей. СПВОП формирует исходные условия, а ЭМПТ задает дополнительные условия для более точной сборки СПВОП. То есть решение при формировании ЭМПТ зависит от того, каким планируется будущее системы поливариантных образователь- ных программ и от того, на какой базе происходит планирова- ние – замкнутая цепочка воздействий, которая связывает исход- ное действие с результатом, изменяющим характеристики окружающих условий, и которые в свою очередь являются источником, вызывающим дальнейшие изменения. 1.3. Проблема реализации индивидуальных потребностей в образовательных программах При реализации современного индивидуального обучения важно учитывать множество качественных параметров, слабо поддающихся или совсем не поддающихся формализации, таких как цели, стимулы, психотипы и т.п. Иначе созданная эквикон- тентная модульная психотипологическая траектория не будет отличаться от простого индивидуального плана обучения. Необходимость учитывать индивидуальные потребности каждой обучающейся личности представляет собой наибольшую сложность при формировании ЭМТТ. Это связано с неопреде- лённостью индивидуальных потребностей (целей) каждой от- дельной личности и сложности формирования кластеров из этих потребностей. 171 1.4. Формальное описание Математическое описание системы имеет следующий вид. Субъект слушатель L, имеющий n возможных состояний , i ϕ ϕ ∈ 1, i n = , ( ϕ - алфавит состояний) находится в среде поливари- антных образовательных программ P, обладающую одним из r свойств j Ψ ∈Ψ , (Ψ - алфавит свойств), изменяющихся по некоторому закону. Для формирования ЭМПТ траектории используют некото- рые правила активации. Каждый элемент траектории характери- зуется некоторым правилом вычисления выходного сигнала на основе полученных данных (ввода). Это правило называют функцией активности (активации), а выходное значение элемен- та принято называть активностью элемента. Каждой ситуации { , } i j ϕ ψ , возникающей в моменты t = 0,1,2,…m, соответствует действие f ij , результатом которого явля- ется активация или консервация модуля. Последующее состояние модуля зависит от предыдущего и результатов действия: (1) 1, , ( ) ( ( ), ( )) 0, , S активация S f t F t t S консервация θ ϕ θ > − ⎧ = = Ψ ⎨ < − ⎩ , где Ψ – операторы формирования состояния; F – оператор фор- мирования действия; θ – пороговая активность модуля. ЭМПТ, имеющие переменную структуру, задаются стохас- тическими квадратными переходными матрицами: (2) ) ( ) ( ) ( 2 ) ( 1 ) ( 2 ) ( 22 ) ( 21 ) ( 1 ) ( 12 ) ( 11 ) ( α α α α α α α α α α α ij nn n n n n c c c c c c c c c c с = = ; n j i , 1 , = , β α , 1 = , где с ( α) – трехмерная переходная матрица, описывающая экви- контентную модульную психотипологическую траекторию. Смена структуры означает смену переходной матрицы; ) ( α ij с - вероятность перехода из i-го состояния в j-е при структуре α 172 2. Реализация эквикнтентных модульных психоти- пологических траекторий и системы поливариант- ных образовательных программ Современные методы интеллектуального анализа данных позволяют достаточно эффективно уменьшить сложность реали- зации ЭМПТ и СПВОП. Например, применение нейронной сети обратного распро- странения (back propagation) позволяет получить нахождение некой функциональной зависимости формирования ЭМПТ в зависимости от важности дисциплины. Важность дисциплины измеряется числовым значением, называемым «вес дисциплины». Первоначально вес дисциплины устанавливается экспертной комиссией. В процессе анализа нейронная сеть, основываясь на данных входного вектора, вычисляет свое значение веса дисцип- лины. По полученному значению можно судить, удовлетворяет ли важность, выставленная экспертной комиссией, значению, полу- ченному на основе статистических показателей. Счет важности дисциплины происходит по четырем группам параметров: 1. Класс дисциплины (общеобразовательная, специализиро- ванная и т.д.); 2. Количество зависимых дисциплин; 3. Показатель анкетирования; 4. Процентное соотношение оценок «удовлетворительно», «хорошо» и «отлично», т.е. успеваемость студентов по дан- ной дисциплине. Так же возможно использование нейросети для формирова- ния списка потенциальных (желательных для изучения) дисцип- лин. В этом случае задача нейросети заключается в принятии решения о наиболее удачном дальнейшем пути обучения сту- дента, по результатам уже изученных им ранее дисциплин, и статистики успеваемости других студентов по дисциплинам, по которым возможно дальнейшее обучение данного студента. Каждая подзадача решается отдельной нейросетью. Общая нейронная сеть представляет из себя комплекс нейросетевого анализа. 173 АВТОМАТИЗИРОВАННАЯ СИСТЕМА АНАЛИТИЧЕСКОГО ПРОЕКТИРОВАНИЯ В МОДЕЛИРОВАНИИ СЛОЖНЫХ ЭКОНОМИЧЕНСКИХ ПРОЦЕССОВ Толок А.В. (Институт проблем управления РАН, Москва) atol@ipu.rssi.ru Ключевые слова: аналитическое проектирование, функцио- нальная зависимость, математическая модель, компилятор, рекурсивный анализ, графический М-образ, движение по гра- диенту, концентратор функции. Введение Построение сложных многомерных моделей для последую- щего решения на их основе задач оптимизации активно приме- няется в экономике и управлении. При этом ощутимо преобла- дание принципов дискретной математики. Линейное и нелинейное программирование позволяет составлять математи- ческие модели к транспортной задаче, составлению производст- венного плана, составлению смеси, оптимального раскроя и т.п.[1]. Теория графов позволяет строить модели сложных структур с весовыми критериями оценки для поиска оптималь- ного пути. Все эти принципы достаточно доступно поддаются формулировке и программированию. Аналитическое проектирование на основе функциональных зависимостей, как правило, сталкивается с некоторыми пробле- мами, к которым можно отнести увязку единиц измерения, сомасштабность метрических систем, объединённых в единую многомерную модель, решение обратной задачи и т.п. Не менее проблематична автоматизация таких систем ана- литического проектирования. Причем проблема возникает не столько на уровне построения компилятора аналитических 174 выражений и дальнейшей визуализации модели, сколько в поис- ке программируемых методов оптимизации на такой модели. Рассмотрим один из программируемых методов оптимиза- ции в системе аналитического проектирования на основе образ- ного представления функциональных зависимостей. 1. Система РАНОК (Рекурсивный Анализ Образных Компонентов) 1.1. Метод анализа образных компонентов Метод заключается в формировании и применении специ- альной графической информации, организованной в компьютер- ном представлении. При этом, рассматриваемая сложная функ- циональная зависимость отображается в графические М-образы – образы-модели, характеризующие каждый из компонентов нормального векторного поля, ограниченного областью опреде- ления функциональной зависимости [2]. Набор таких образов является базовым для формирования полной графической образ- ной модели, содержащей М-образы основных дифференциаль- ных характеристик для рассматриваемой аналитической модели. Таким образом, дальнейшая работа в системе ведётся не с ана- литическим выражением функциональной зависимости, а с её компьютерно-графическим отображением. 1.2. Принцип работы с системой аналитического проектирова- ния «РАНОК» Система РАНОК создавалась для визуального анализа сложных аналитических выражений, и предусматривает работу в 3D-моделировании, хотя принципы, заложенные в основу «гра- фического разложения» функциональной зависимости примени- мы для n-мерного пространства. Для описания функциональных зависимостей математической модели применяется специальный компилятор проблемно-ориентированного языка FORTU, разра- ботанный для инструментальной системы решения задач мате- матической физики, поэтому содержащий фактически все мате- матические функции [3]. Далее система автоматически формирует 4-х мерный массив, содержащий базовые М-образы 175 и, в зависимости от постановки задачи, формирует решение в виде трёхмерных графических изображений. Диапазон вывода решений представляется от традиционных методов рендеринга реалистичных изображений с применением эффекта прозрачно- сти, до изображений решения градиентных задач оптимизации. 2. Пример решения оптимизационной задачи с приме- нением производственной функции Рассмотрим некоторую абстрактную функциональную ма- тематическую модель, использующую в основе производствен- ную функцию [4]. Аналитически система описывается следую- щими зависимостями: opt k i x F b b k k f b i i f b f b b → + + + = = + = = = = = ) 1 2 ( 2 3 ) ( ); 1 ( 2 ) ( ); 5 0 ( 2 ) ( ); 1 ( 3 ) ( 5 0 1 φ φ φ В данной подсистеме три функционирующих системо- образующих ресурсных пото- ка: финансовый φ , кадровый k и информационный i Результатом исследова- ния является гиперкуб, раз- мещённый одним из узлов в начале системы координат ) , , ( k i φ Рассматриваемый параметр ) (w (доход) харак- теризуется внутри куба в зависимости от заданных закономерностей: (1) 3 2 1 3 2 1 , , , w w w w g ek w di w a w c b ∧ ∧ = + = = = φ На рис.1 показана кривая градиентного развития w рас- смотренной системы, позволяющая составлять долгосрочное планирование с учётом поступательного возрастания рассматри- Рис.1. Пример решения гради- ентного развития системы k φ i w 176 ваемых потоков. При этом определимы значения трёх потоков в каждой точке градиентного движения. Пример является упрощённым, но, по мнению автора, дос- таточным для демонстрации возможностей предлагаемого мето- да в реализациях различных постановок более сложных задач в области управления и экономики. Литература 1. МОНАХОВ В.М. Методы оптимизации. Применение ма- тематических методов в экономике / Пособие для учите- лей. М.: «Просвещение», 1978. – 176 с. 2. МЫЛЬЦЕВ А.М., КОРОГОД В.Л., ТОЛОК А.В. Воксельное представление образов-моделей в системе «РАНОК» // Системы проектирования, технологической подготовки производства и управление этапами жизненного цикла про- мышленного продукта (CAD/CAM/PDM - 2006). Материалы 6-й международной конференции. Под ред. Е.И. Артамоно- ва. М.: Институт проблем управления РАН. – 2006. ISBN 5- 201-14995-2. – С.21-26. 3. ПЛОСКИЙ В.А., ТОЛОК А.В., БОНДАРЬ Е.А. Визуально- геометрическое представление потокораспределения ре- сурсов в СТС "Прикладная геометрия" // Геометрическое и компьютерное моделирование; Харьковский государствен- ный университет питания и торговли - Харьков, 2007г. - Вып. 16 - С. 162-168. 4. GOMENYUK S.I., TOLOK A.V., TOLOK V.A. Principles of a building of the instrumental system of the mechanics problems analysis “FORTU-RANOK” // 20-th CAD-FEM Users’ Meeting 2002 International Congress on FEM Technology. – 9-11 Octo- ber 2002 Friedrichshafen, Lake Constance, Germany. vol. 2. – 2.16.4 (10 p.). 177 Секция 3. ПРИКЛАДНЫЕ АСПЕКТЫ КОГНИТИВНОГО АНАЛИЗА И УПРАВЛЕНИЯ В СЛАБОСТРУКТУРИРОВАННЫХ СИТУАЦИЯХ ВОЗМОЖНОСТИ УПРАВЛЕНИЯ ПРОБЛЕМНЫМИ СИТУАЦИЯМИ В БЮДЖЕТНОМ ПРОЦЕССЕ НА ОСНОВЕ КОГНИТИВНОГО МОДЕЛИРОВАНИЯ Борисова М.С. (ТТИ ЮФУ, г. Таганрог) mari9I@rambler.ru Ключевые слова:бюджетная система, когнитивное моделиро- вание, совершенствование В бюджетной системе страны, являющейся главной финан- совой базой деятельности государственных органов власти и органов местного самоуправления в сфере экономического и социального развития соответствующих территорий, местные бюджеты - самые многочисленные. Так как местные бюджеты имеют большое значение в осу- ществлении общегосударственных экономических и социаль- ных задач, то от качественного исполнения бюджетного процес- са на муниципальном уровне зависит прочность и надежность всей бюджетной системы Российской Федерации. В процессе разработки методики совершенствования бюд- жетного процесса в муниципальном образовании город «Таган- рог» был разработан алгоритм совершенствования исполнения бюджетного процесса (рис. 1), а так же сделаны следующие вы- воды и предложения. В коротком временном интервале используется метод регу- лирования местных бюджетов посредством ежегодного уста- новления нормативов отчислений по регулирующим доходам, отвечает интересам большинства муниципальных образований, являющихся дотационными, т. к. позволяет обеспечить местные бюджеты необходимыми средствами независимо от производи- 178 тельности местных источников. Но вместе с тем в этой области продолжают иметь место и определенные нерешенные вопросы и проблемы. Главная проблема — это продолжающееся сужение собственной финансовой базы местных бюджетов. За ними за- креплено всего два налога: земельный налог и налог на имуще- ство физических лиц. Ликвидировано зачисление в местный бюджет налога на прибыль по ставке 2 процента, а так же налог на рекламу теперь отчисляется в региональный бюджет. Таким образом, собственные доходы не являются основными источни- ками формирования местных бюджетов, основную часть со- ставляет финансовая помощь из вышестоящих бюджетов [3]. Рис. 1 Алгоритм совершенствования исполнения бюджета Сбор, систематизирова- ние, анализ статистиче- ской информации об исполнении бюджета Выявление проблем в процессе исполнения бюджета Определение взаимосвязи между пробле- мами Ситуационный анализ Построение когнитив- ной карты влияния проблем на бюджетный процесс Ранжирование проблем испол- нения бюджета Определение первоочередной проблемы Решение первоочередной проблемы Анализ возможных вариантов решения проблемы Выбор вариантов, способов, средств решения проблемы Анализ эф- фективности решения проблемы Оценка сложившейся ситуации, после решения проблемы Наличие не решенных проблем Бюджетный процесс Все существующие проблемы решены Цель достигнута Оценка проделанной работы 1 э т а п 2 э т а п 3 э т а п 4 э т а п Во звр ат к эта пу 2 179 Алгоритм совершенствования исполнения бюджета вклю- чает в себя 4 последовательных этапа, причем существует воз- можность повторения определенных этапов до тех пор, пока все проблемы не будут решены (рис 1). На основе собранной, систематизированной, проанализиро- ванной статистической информации, при использовании гори- зонтального, вертикального, трендового и причинно- следственного анализов были выявлены проблемы в процессе исполнения бюджета. С построением когнитивной карты (рис. 2), в рамках при- чинно-следственного подхода, становится возможным обозна- чить характер и структуру проблемной ситуации [1]. Рис. 2 Когнитивная карта взаимосвязи проблем с бюджетным процессом Кроме того, можно проследить последующие изменения в результате воздействия на одну из вершин когнитивной карты (то есть решение или воздействие тем или иным способом на проблему). 2 3 1 4 5 B D F E A C Бюджетный процесс + - - - - - - - + + + + + + + + + + - - + - 180 Вершинами когнитивной карты являются реальные про- блемные ситуации: A – Несовершенство налогового и бюджет- ного законодательств; B – Уклонение от уплаты налогов; C – Совмещение и дублирование функций; В–Отсутствие долго- срочного и среднесрочного планирования; У – Самопроизволь- ное урезание бюджетных средств; F – Не целевое расходование бюджетных средств. А так же составляющие процесса исполне- ния бюджета: 1. Стабильное закрепление доходных источников; 2. Получение денежных средств в полном объеме; 3. Четкое раз- деление расходных полномочий; 4. Грамотное распределение денежных средств между распорядителями бюджетных средств; 5. Контроль расходования полученных бюджетных средств рас- порядителями. Проблемные ситуации качественно влияют на процесс ис- полнения бюджета, так же как и составляющие бюджетного процесса качественно влияют на проблемы. Результаты прове- денного когнитивного моделирования и внедрения разработан- ного алгоритма в процесс исполнения бюджета позволили быст- ро и оперативно решать возникающие проблемы при наимень- ших затратах и расходов бюджетов всех уровней бюджетной системы |