Помощь в учёбе, очень быстро...
Работаем вместе до победы

Разработка методов и средств обработки лингвистических структурно-функциональных моделей цифровых аппаратных средств на основе нейро-семантических сетей

Диссертация: Разработка методов и средств обработки лингвистических структурно-функциональных моделей цифровых аппаратных средств на основе нейро-семантических сетей
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Подсистемы хранения СФМ (БД), которая позволяет хранить в унифицированном виде модели на различных языках описания. Наличие данной подсистемы позволяет сократить время на поиск необходимых при проектировании новых моделей элементарных объектов, входящих в ее структуру, с требуемыми параметрами и восстановить хранимые описания моделей или объектов на требуемом языке описания. Система хранения ЛСФМ… Читать ещё >

Содержание

  • Глава 1. Анализ методов и средств синтеза моделей проектных решений в системах проектировния
    • 1. 1. Процесс проектирования, системы моделирования и проектирования аппаратных средств
      • 1. 1. 1. Структура процесса проектирования
      • 1. 1. 2. Типовые маршруты и процедуры проектирования
      • 1. 1. 3. Анализ систем проектирования и моделирования аппаратуры
    • 1. 2. Методы автоматизации функционально-логического проектирования
      • 1. 2. 1. Методы и средства, применяемые в функционально-логическом проектировании
      • 1. 2. 2. Уровни и языки моделирования функциональных схем
    • 1. 3. Анализ систем синтеза структурно-функциональных моделей с применением искусственного интеллекта
      • 1. 3. 1. Методы и средства, применяемые в интеллектуальных сапр
      • 1. 3. 2. Методика описания объектов проектирования в интеллектуальных САПР
      • 1. 3. 3. Методы автоматизации синтеза проектных решений с применением ИИ
    • 1. 4. Анализ моделей представлений знаний в системах искусственного интеллекта, применяемых в САПР
      • 1. 4. 1. Модели представлений знаний в системах ИИ
      • 1. 4. 2. Сетевые модели знаний. Нейронные, семантические сети в системах ИИ
    • 1. 5. Методы классификации
    • 1. 6. Анализ недостатков применяемых средств представления и обработки проектных решений САПР
    • 1. 7. Постановка задачи
  • Глава 2. Разработка нейро-семантического подхода обработки лингвистических структурно-функциональных моделей
    • 2. 1. Разработка структуры и определение требований к системе анализа ЛСФМ на базе НСП
    • 2. 2. Разработка метода анализа и обработки ЯО на базе НСП
    • 2. 3. Разработка языка описания с классификационным признаком для описания структурно-функциональных моделей
    • 2. 4. Система лексического анализа ЯО (CJIA ЯО) на базе нейронной сети
    • 2. 5. Система синтаксического анализа ЯО (ССА ЯО)
    • 2. 6. Классификация ЛСФМ на базе сетей кохонена
    • 2. 7. Разработка метода хранения ЛСФМ
    • 2. 8. Выводы
  • ГЛАВА 3. Разработка метода синтеза артефактов ЛСФМ с применением НСП.94 3.1. Разработка метода преобразования описания артефакта СФМ на БОА в шаблон
    • 3. 1. 1. Выявление зависимостей между входными ячейками и ячейками памяти и выходами
    • 3. 1. 2. Анализ зависимостей в СФМ на БОА
    • 3. 1. 3. Выводы
    • 3. 2. Разработка элементов алгебры разбора описания ЛСФМ
    • 3. 2. 1. Определение алгебры разбора СФМ
    • 3. 2. 2. Операции алгебры разбора СФМ
    • 3. 2. 3. Тождественные преобразования в алгебре разбора СФМ
    • 3. 2. 4. Описание синтаксиса алгебры разбора описания СФМ на БОА в БНФ-грамматике
    • 3. 3. Структурно-функциональное проектирование в
  • САПП ЛСФМ
    • 3. 3. 1. Технология процесса проектирования СФМ в САПП
    • 3. 3. 2. Разработка метода автоматизации процессов проектирования СФМ с применением НСП
    • 3. 3. 3. Система информационного поиска артефактов в БД
    • 3. 3. 4. Разработка языка запросов для информационного поиска
    • 3. 4. Применение сао в реинжиниренге ЛСФМ
    • 3. 5. Оценка эффективности обработки
  • ЛСФМ НСП
    • 3. 6. Выводы
  • Глава 4. Инструментальная среда проектирования структурно-функциональных моделей
    • 4. 1. Архитектура системы структурно-функционального моделирования
    • 4. 2. Система анализа сфм построенная на базе НСП
    • 4. 3. Подсистема преобразования описания в унифицированную форму
    • 4. 4. Подсистема классификации описания
    • 4. 5. Хранение СФМ (БД)
    • 4. 6. Преобразование описания на БОА в ПБОА
    • 4. 7. Блок интерфейса с проектировщиком
    • 4. 8. Выводы

Разработка методов и средств обработки лингвистических структурно-функциональных моделей цифровых аппаратных средств на основе нейро-семантических сетей (реферат, курсовая, диплом, контрольная)

Актуальность проблемы.

Для исследования свойств объектов проектирования используется моделирование. С точки зрения описания объекта проектирования, системы моделирования делятся на системы с графическим вводом и системы, использующие языки описания (ЯО). Системы с графическим вводом являются более наглядными, но не обладают теми преимуществами, которые имеют системы на ЯО (создание систем любой сложности, возможность удобной отладки и верификации, возможность повторного использования кода и т. д.).

Современное состояние в области САПР можно охарактеризовать следующими положениями:

Появилось множество проектов, выполненных с применением различных языков описания. Проектные решения часто хранятся не в должном объеме и форме. Этот недостаток проявляется при передаче проекта из одной среды в другую или при попытке использовать готовое решение другими проектировщиками.

Современные САПР должны не только сохранять результаты проектной деятельности, но и обладать средствами интеграции с другими системами проектирования, средствами обработки полученного опыта с последующим использованием различными проектировщиками. Из-за увеличения количества языков описания аппаратуры средства моделирования должны иметь возможность адаптации под различные формы описания объекта проектирования, иметь единую базу данных проектов.

Этап проектирования, связанный с построением структурно-функциональной модели на языке описания, на данный момент слабо автоматизирован. Это связано, в частности, со сложностью обработки описания моделей. Большинство операций синтеза в системах моделирования проектировщик выполняет вручную.

Автоматизация синтеза лингвистических структурно-функциональных моделей (ЛСФМ) в большинстве систем проектирования реализуется за счет использования шаблонов. Для описания шаблонов используются специальные 5 функции и языки. Зачастую шаблон представляет собой описание интерфейса структурного элемента, подготовленного для внесения в него описания архитектуры. Одним из требований к системам проектирования является наличие средств генерация нового шаблона по результатам разбора модели на языке описания.

Существующие коммерческие системы проектирования реализуют синтез ЛСФМ за счет встроенных фирменных алгоритмов, но являются закрытыми системами. Поддерживаемые средства проектирования заставляют пользователя действовать в рамках применяемых класса устройств и языков. Настройка системы проектирования на новый язык описания, без внесения изменений в программный код, не доступна.

Таким образом, в области САПР актуальной и имеющей большое практическое значение задачей, является разработка методов и средств обработки ЛСФМ, позволяющих проводить анализ, классификацию, хранение в единой базе данных и преобразование описания моделей в форму шаблона для реализации процедур синтеза. Разрабатываемые методы должны реализовывать в системе проектирования возможность адаптации под требуемое описание модели, без внесения изменений в программный код.

Целью работы является сокращение сроков проектирования за счет исследования и разработки методов и средств обработки лингвистических структурно-функциональных моделей цифровых аппаратных средств (ЦАС).

В соответствии с поставленной целью в работе формулируются и решаются следующие задачи исследований.

1. Разработка языка описания структурно-функциональных моделей на базе расширения языка моделирования VHDL.

2. Разработка нейро-семантической сети (НСС) для анализа и классификации лингвистических структурно-функциональных моделей.

3. Разработка единой унифицированной формы хранения лингвистических структурно-функциональных моделей.

4. Разработка способа преобразования описания ЛСФМ в форму шаблона, позволяющую осуществить автоматический синтез. 6.

5. Разработка средств интеллектуального поиска в БД ЛСФМ ЦАС.

Объектом исследования является автоматизация процесса обработки ЛСФМ ЦАС.

Предметом исследования являются разработка комплекса методов на основе НСС и программных средств, обеспечивающих автоматизацию обработки ЛСФМ ЦАС.

Методы исследования основаны на использовании положений и методов теории алгоритмов, теории множеств, теории алгоритмических алгебр, теории графов, теории параллельного программирования и параллельных сетевых схем алгоритмов, теории построения систем искусственного интеллекта, а также использовании основ системотехники и теории автоматизированного проектирования.

Научная новизна определяется разработанным подходом обработки лингвистических структурно-функциональных моделей. Предложенный подход позволяет автоматизировать процесс обработки лингвистических структурно-функциональных моделей со следующими возможностями: 1) настраивать систему проектирования под требуемую форму языкового описания, без изменения программного кода системы проектирования, 2) унифицировать форму хранения артефактов ЛСФМ, 3) классифицировать описание модели, с возможностью обучения системы под новые классы объектов, 4) автоматизировать процесс построения шаблонов артефактов ЛСФМ.

В результате проведенных исследований получены следующие результаты:

1) Разработан язык описания структурно-функциональных моделей проектных решений (БОА — базовый язык аппаратуры), отличающийся от известных наличием классификационных меток используемых объектов, что позволяет проводить анализ и классификацию артефактов ЛСФМ в системах проектирования, созданных на базе НСС.

2) Разработан нейро-семантический подход обработки ЛСФМ, сущность которого определяется хранением формы и правил описания объектов в нейроподобных структурах, связанных с семантической сетью, хранящей правила 7 обработки описания, что позволяет проектировщику индивидуально настраивать среду проектирования.

3) Разработана нейро-сетевая модель классификации объектов проектирования на базе карт Кохонена, что позволяет классифицировать артефакты лингвистических структурно-функциональных моделей проектных решений, созданных на разных языках описания.

4) Разработан метод построения шаблонов, который заключается в выявлении зависимостей переменных, составляющих структуру объектов ЛСФМ ЦАС. Это позволяет сократить время создания шаблонов для автоматизации синтеза моделей.

5) Предложены элементы алгебры преобразования описания модели на языке БОА в шаблон, которые позволяют задавать правила преобразования описания ЛСФМ.

Практическая ценность.

1) Разработана форма хранения артефактов ЛСФМ ЦАС, которая позволяет хранить в единой базе модели, описываемые на различных языках описания.

2) Разработана методика и алгоритм преобразования структурно-функциональных моделей на БОА в форму шаблона, что позволяет использовать разработанные артефакты моделей при автоматическом синтезе новых ЛСФМ.

3) Разработан язык запросов к БД моделей, который позволяет задать в запросе проектировщика структурные и функциональные вариации параметров, хранимых артефактов моделей, с различным коэффициентом (уровнем) совпадения.

4) Разработана архитектура и реализованы компоненты системы проектирования SMAPU SMAPU — система структурно-функционального проектирования с использованием НСС для обработки лингвистических структурно-функциональных моделей. Использование НСС позволяет сократить сроки разработки модели объектов проектирования, унифицировать форму хранения артефактов, настраивать форму описания моделей под индивидуальные требования проектировщиков.

Компоненты SMAPU позволяют:

— разрабатывать структурно-функциональную модель на ЯО;

— транслировать модель на ЯО, осуществлять ее отладку и верификацию;

— визуализировать процесс функционирования модели в текстовом и графическом виде;

— разрабатывать графическое представление объектов структурно-функциональной моделиразрабатывать графическое представление структурно-функциональной модели в целом;

— использовать для проектирования библиотеку графических и языковых описаний объектов ЛСФМ ЦАС;

— генерировать описание процессоров управления на языке БОА на основе представленных данных функционирования устройства;

— настраивать систему под требуемое описание модели. Редактировать, добавлять в графическом виде лексические и синтаксические конструкции языка. Производить настройку нейро-семантической сети для профилирования и классификации моделей;

— преобразовывать описание артефактов ЛСФМ ЦАС на БОА в форму шаблона на ПБОА (ПБОА — промежуточный язык, язык описания шаблонов);

— классифицировать, преобразовывать и добавлять описание новых моделей в БД;

— обновлять из архива или через сеть Internet библиотеку элементов.

На систему моделирования SMAPU получено три СВИДЕТЕЛЬСТВА (РОСПАТЕНТ) об официальной регистрации программы для ЭВМ № 2 004 611 286, 2 004 611 289, 2 004 611 290.

Реализация и внедрение результатов работы.

Разработанная система проектирования SMAPU и методика построения шаблонов внедрены в учебный процесс Ульяновского государственного технического университета (г. Ульяновск), в проектную деятельность научно9 технического центра «МЕТА» (г. Тольятти), общества с ограниченной ответственностью «Микро» (г. Ульяновск).

Апробация работы.

Основные положения диссертационной работы докладывались и обсуждались на следующих конференциях: 5-ой Международной научно-технической конференции: «Интерактивные системы: проблемы человеко-компьютерного взаимодействия», г. Ульяновск, 2004; Международной конференции «Континуальные алгебраические логики, исчисления и нейроинформатика в науке и технике» (КЛИН-2005), г. Ульяновск, 2005; 6-ой Международной научно-технической конференции: «Интерактивные системы: проблемы человеко-компьютерного взаимодействия», г. Ульяновск, 2005; на заседании кафедры «Вычислительная техника» (Ульяновск, 2006). Ежегодных внутривузовских конференциях профессорско-преподавательского состава, г. Ульяновск, 2004, 2005, 2006.

Публикации.

По материалам диссертации опубликовано 11 печатных работ. Получено три СВИДЕТЕЛЬСТВА (РОСПАТЕНТ) об официальной регистрации программы для ЭВМ№ 2 004 611 286, 2 004 611 289, 2 004 611 290.

Структура и объем работы.

Диссертационная работа состоит из введения, четырех глав с выводами, заключения, библиографического списка использованной литературы, изложенных на 187 страницах машинописного текста, а также приложения, на 72 страницах машинописного текста, содержит 32 рисунка и 5 таблиц.

4.8. ВЫВОДЫ.

Разработана система проектирования SMAPU, в которой реализованы методы и средства на основе НСП.

Применение НСП позволило расширить возможности системы проектирования за счет организации функций автоматизации обработки описаний моделей, накопления артефактов и построения шаблонов.

Отличительными особенностями системы проеткирования SMAPU с НСП является наличие в ее структуре следующих блоков:

1. Системы анализа СФМ, построенная на базе НСП. Позволяет проводить профилирование, классификацию представленных описаний, настраивать систему проектирования на новый язык описания без внесений изменений в программный код.

2. Подсистемы хранения СФМ (БД), которая позволяет хранить в унифицированном виде модели на различных языках описания. Наличие данной подсистемы позволяет сократить время на поиск необходимых при проектировании новых моделей элементарных объектов, входящих в ее структуру, с требуемыми параметрами и восстановить хранимые описания моделей или объектов на требуемом языке описания. Система хранения ЛСФМ представляет собой совокупность структур, которые отражают основные особенности хранимых моделей. Параметры моделей хранятся в нейронных структурах, что позволяет использовать накопленные модели для классификации новых моделей.

3. Блока преобразования описания на БОА в ПБОА, который позволяет за счет использования разработанного метода построения шаблонов сократить количество функций, которые необходимо задавать пользователю для генерации шаблона ЛСФМ ЦАС.

ЗАКЛЮЧЕНИЕ

.

В ходе проведенных исследований были решены поставленные задачи и получены следующие результаты:

1. Разработан язык описания структурно-функциональных моделей проектных решений (БОА — базовый язык аппаратуры), отличающийся от известных наличием классификационных меток используемых объектов, что позволяет проводить анализ и классификацию артефактов ЛСФМ в системах проектирования, созданных на базе НСС.

2. Разработан нейро-семантический подход обработки ЛСФМ. Применение данного подхода позволяет реализовать в системе проектирования обучение распознаванию подаваемых на вход образов описаний без использования программирования, что дает возможность настраивать систему проектирования на заданное описание самим проектировщикам. Использование для хранения правил описания и составления слов сетевой формы, позволяет представить лексический и синтаксический анализатор в удобном для восприятия виде, что дает возможность реализовать в системе проектирования настройку редактора под требуемый лексический и синтаксический вид описания.

Анализатор, построенный на базе нейро-семантической сети, позволяет перевести описание во внутреннее унифицированное представление, которое может быть использовано для проектирования новых моделей, провести профилирование ЛСФМ ЦАС. Унифицированная форма позволяет представлять ранее разработанные проекты в требуемом проектировщиком виде, отображать структуру и параметры моделей, что дает возможность упростить процесс реинжиниринга.

3. Разработана модель классификации объектов проектирования на базе карт Кохонена, что позволяет автоматически классифицировать артефакты моделей проектных решений по типам, хранить параметры уже обработанных артефактов.

4. Разработана методика и алгоритм преобразования структурно-функциональных моделей на БОА в форму шаблона, что позволяет использовать разработанные артефакты моделей при автоматическом синтезе новых ЛСФМ.

Шаблонная форма описания модели на ПБОА позволяет:

— в автоматическом режиме генерировать структурно-функциональную модель нового устройства на основе заданных входных данных.

— сократить время на разработку структурно-функциональных моделей проектирования за счет широкого варьирования функциональными и структурными особенностями.

5. Предложены элементы алгебры преобразования описания модели на языке БОА в шаблон. Применение алгебры позволяет вносить изменения в процесс преобразования описания ЛСФМ в шаблон и определять собственный алгоритм преобразования.

6. Разработана форма хранения артефактов ЛСФМ ЦАС, которая позволяет хранить в единой базе модели, описываемые на различных языках описания.

7. Разработан язык запросов системы поиска в БД, позволяющий пользователю определять системе, какие параметры ему более предпочтительны.

8. Разработана система проектирования SMAPU, эксперименты с которой, позволили добиться снижения времени описания и преобразования моделей в 1,4 — 2,8 раза за счет применения разработанных методов обработки ЛСФМ ЦАС.

Показать весь текст

Список литературы

  1. А.Н., Батыршин И. З. и др. Нечеткие множества в моделях управления и искусственного интеллекта // Под ред. Д. А. Поспелова. -М.:Наука, 1986.-312 с.
  2. А.Н., Нгуен А. И. Использование нечеткого отношения моделирования для экспертных систем. М.: ВЦ АН СССР, 1988. — 24 с.
  3. Р.А., Абдикеев Н. М., Шахназаров М. М. Производственные системы с искусственным интеллектом. М: Радио и связь. 1990. — 264 с.
  4. Р.А., Алиев P.P. Теория интеллектуальных систем. Баку: Чашигоглу. 2001.-720 с.
  5. З.В. Теория алгоритмов. М.: Статистика, 1973. — 164 с.
  6. П.А., Ачасова С. М., Бандман О. Л. и др. Методы параллельного микропрограммирования. Новосибирск: Наука, 1981. — 184 с.
  7. А.Я. С++ Builder 6″ справочное пособие ч1, ч2, 2002 г.
  8. А.Я. Программирование в С++ Builder 5. 2000 г.
  9. А.Н., Игонин, А .Г. «Применение нейронной семантической сети в принятии решений в САПР» // Сборник статей Международной конференции «континуальные алгебраические логики, исчисления и нейроинформатика в науке и технике» (КЛИН-2005), 2005.
  10. А.Н., Игонин А. Г. «Примение нейро-семантических сетей для обработки функциональных моделей проектных решений» // Вестник УлГТУ, Ульяновск, 2006.
  11. A.H., Игонин А. Г. «Разработка метода синтеза проектных решений основе нейросетевого подхода» // Interactive Systems: The Problems of Human-Computer Interaction 2005: Proceedings of the International Conference.-Ulyanovsk: U1STU, 2005.
  12. Ахо А., Ульман Дж. Теория синтаксического анализа, перевода и компиляции: В 2-х томах. Т. 1. Синтаксический анализ. М.: Мир, 1978. — 612 с.
  13. А.И., Башмаков И. А. Интеллектуальные информационные технологии: Учеб. пособие. М.: Изд-во МГТУ им. Н. Э. Баумана, 2005. — 304 с.
  14. А.И. Метод моделирования поиска и умозаключения по аналогии. М.: МЭИ, 1993. Деп. В НИИВО 13.12.1993, № 289−93. — 220 с.
  15. В.И., Рыбина Г. В. и др. Разработка и реализация экспертных систем. М., 1991. — 31 с.
  16. Л.С. Методические рекомендации к изучению раздела <Расплывчатые гиперграфы> по курсу <Теория графов и комбинаторика>. -Таганрог: ТРТИ, 1985. 29с.
  17. Л.С., Боженюк А. В. Нечеткие модели принятия решений: дедукция, индукция, аналогия. Таганрог: ТРТУ, 2001. — 110 с.
  18. Л.С., Боженюк А. В., Малышев Н. Г. Нечеткие модели для экспертных систем САПР. М.: Энергоатомиздат, 1991. — 87 с.
  19. . В., Гастеев Ю. А., Геллер Е. С. Моделирование. М.: БСЭ, 1974 г.
  20. А.Н., Алексеев А. В., Крумберг О. А. и др. Модели принятия решений на основе лингвистической переменной. Рига: Зинатне, 1982. — 256с.
  21. А.Н., Алексеев А. В., Меркурьева Г. В. и др. Обработка нечеткойинформации в системах принятия решений. М: Радио и связь, 1989. — 304 с.180
  22. А.Н., Крумберг О. А., Федоров И. П. Принятие решений на основе нечетких моделей. Примеры использования. Рига: Зинатне, 1990. — 184 с.
  23. А.Н., Крумберг О. А., Федоров И. П. Принятие решений на основе нечетких моделей. Примеры использования. Рига:3инатне, 1990. — 184 с.
  24. В.В., Фильчаков В. В. Методика автоматизации процессов разработки проектной документации в приборостроении. // Изв. вузов, приборостроение, № 1, 2002 г.
  25. Н. Теория множеств. М.: Мир, 1965.- 450 с.
  26. Н. П. Моделирование сложных систем. Москва, 1961 г.
  27. Буч Г. Объектно-ориентированное проектирование с примерами применения: Пер. с англ. М.: Конкорд, 1992. — 519 с.
  28. В.И., Ильясов Б. Г. Интеллектуальные системы управления с использованием генетических алгоритмов. Учебное пособие. Уфа: УГАТУ, 1999. — 105 с.
  29. В.И., Ильясов Б. Г. Интеллектуальные системы управления с использованием нечеткой логики: Учебное пособие. Уфа: УГАТУ, 1995. — 80с.
  30. Вендров A.M. CASE-технологии. Современные методы и средства проектирования информационных систем. М.: Финансы и статистика, 1998. -176 с.
  31. A.M. Проектирование экономических систем. М.: Финансы и статистика, 2002. — 352с.
  32. Ю.Х. Основы автоматизации проектирования. М.: Радио и связь, 1998.-280с.
  33. Т.А., Хорошевский В. Ф. Базы знаний интеллектуальных систем.- СПб.:Питер, 2001.
  34. А.И. Нейрокомпьютеры. Кн. 3/ Под общ. ред. А. И. Галушкина. М.: ИПРЖР, 2000.
  35. Г., Лю Ю-Ч. Аппаратные и программные средства микро-ЭВМ / Под ред. В. В. Степашина. Пер. с англ. В. Л. Григорьева. М:. Финансы и статистика, 1983. 255с.:ил.
  36. В.М. Теория автоматов и формальные преобразования программ. // Кибернетика. 1965. — № 5.
  37. В.М., Капитонова Ю. В., Летичевский А. А. Автоматизация проектирования вычислительных машин. Киев: Наукова думка, 1975. — 231 с.
  38. В.М., Цейтлин Г. Е., Ющенко Е. Л. Алгебра. Языки программирования. Киев: Наукова думка, 1978. — 318 с.
  39. Д., Кнут Д. Математические методы анализа алгоритмов. -М.: Мир, 1987
  40. Дж., Вайнберг П. SQL: Полное руководство. Киев.:ВНУ, 1998
  41. О., Промзелева Т. Организация электронного архива на основе PartY PLUS в ФНПЦ <РПКБ>. // САПР и графика, 2004 г.
  42. М. Проектирование пользовательского интерфейса на персональных компьютерах. Вильнюс: DBS, 1992. — 186 с.
  43. Дж. Форрестер. Мировая динамика. М.: Наука, 1978 г.
  44. Дж.К. Методы проектирования. М.: Мир, 1986.
  45. А.Д., Гусельников В. Ю., Лунев С. А., Папьян Р. Л., «Применение принципа минимизации при профилировании программ», http://ict.edu.ru/fl/2 174/sb4page3 843.pdf
  46. З.В., Шуклин Д. Е. Семантическая нейронная сеть, как формальный язык описания и обработки смысла текстов на естественном языке. http://prof9.narod.ru/libraiy/lib004/doc030.html
  47. Дунаев М. BORLAND-технологии. SQL-Link. Interbase. Paradox for Windows. Delphi. M.: Диалог-МИФИ, 1996. — 288 с.
  48. А. Марка, Клемент Мак-Гоуэн. Методология структурного анализа и проектирования. Пер. с англ. Москва, 1993 г., стр. 240, иллюстрации.
  49. И.В. Можно ли построить универсальную экспертную систему? //Программные продукты и системы. 1991. № 2. с. 19−29.
  50. А.А., Поляков А. О. Интеллектуальные системы управления. -СПб: СПбГТУ, 1999.-68 с.
  51. А.П. Введение в теоретическое программирование. М.: Наука, 1978. — 287с.
  52. А.П. Введение в теоретическое программирование: беседы о методе. М, Наука, 1981.
  53. А.П. Теория схем программ: состояние дел. Проблемы кибернетики. т.27,1973.
  54. М., Шоу А., Гэнон Дж. Принципы разработки программного обеспечения / Пер. с англ. М.: Мир, 1982. — 386 с.
  55. Е.З. Новое системное проектирование: информационные технологии и бизнес-реинжениринг. // Системы управления базами данных. -1995.-№ 4.-с. 37−49.
  56. А.Д. Моделирование микропроцессорных систем / Под ред. Н. А. Медведева. М.: Энергоатомиздат, 1990. 144с.: ил.
  57. А.Г. «Система моделирования ассоциативных устройств управления». // Interactive Systems: The Problems of Human-Computer Interaction 2003: Proceedings of the International Conference.- Ulyanovsk: U1STU, 2003.
  58. Интегрированная среда разработки программного обеспечения встроенных систем Winter, http://nit.gsu.unibel.by/ru/ winter.
  59. .М., Мкртумян И. Б. Основы эксплуатации ЭВМ. М.: 1983
  60. В.Х., Селюгин А. А., Дубровский С. А. Методы обработки данных в системах с нечеткой информацией. Фрунзе: Илим, 1988. — 188 с.
  61. Э., Хэлм Р., Джонсон Р. Приемы ООП. 2001 г. 386 с.
  62. Ю.В., Летичевский А. А. Математическая теория проектирования вычислительных систем. М.: Наука, 1988
  63. Э., Хейвуд Д. Быстрая и качественная разработка программного обеспечения. М.: Вильяме.- 2003.
  64. Д. Методики искусственного интеллекта. Электронный ресурс.: статья. Сайт «^Искусственный Интеллект от Profa>. — Режим доступа: http://prof9.narod.ruyiibrary/lib010/doc016/docO 16. html, свободный. — Яз. рус.
  65. Л.Г., Максимов А. В. Нейрокомпьютеры. М.: МГТУ имени Н. Э. Баумана, 2004 г.
  66. И.Л., Методы представления знаний, /Под ред. Федченко Т.М./, Издательско-полиграфический центр Тамбовского государственного технического университета, 2003 г.
  67. В.Е. Введение в теорию схем программ. Новосибирск: Наука, 1978. — 256 с.
  68. В.Е. Параллельное программирование с типами управления. // Кибернетика. -1979. № 3.
  69. Р., Влейминк И. Интерфейс <�человек-компьютер>: Пер. с англ. -М.:Мир, 1990.-501с.
  70. П.С., Федоров В. В., Флеров Ю. А. Элементы математической теории принятия проектных решений. //Автоматизация проектирования. 1997. № 1.-с. 15−23.
  71. О.П., Аделъсон-Вельский Г.М. Дискретная математика для инженера. М.: Энергоатомиздат, 1988. 480 с.
  72. В.М. и др. Комбинаторные аппаратные модели и алгоритмы в САПР/В М. Курейчик, В. М. Глушань, Л. И. Щербаков. М.: <Радио и связь>, 1990.-216 с.
  73. A.M., Майоров С. А., Новиков Г. И. Вычислительные комплексы, системы и сети. /Учебник для ВУЗов. Л.: Энергоатомиздат, 1987. 288 с.
  74. Р., Миллс X., Уитт Б. Теория и практика структурного программирования: Пер. с англ. М.: Мир, 1982. 406 е., ил.
  75. Ю.Я. Интеллектуальные информационные системы. М.: Наука, 1990.-232 с.
  76. Г. Надежность программного обеспечения . М.: Мир, 1980
  77. А.В. Разработка интеллектуальной системы анализа знаний с применением методов нечетких экспертных систем. // Interactive Systems: The184
  78. Problems of Human-Computer Interaction: Proceedings of the International Conference.- Ulyanovsk: U1STU, 2001. p. 125−127.
  79. H.B., Юлдашев T.A. Интеллектуальные системы: Модели представления знаний. Электронный ресурс.: курс лекций. Режим доступа: http://synopsis.kubsu.ru/informatic/master/lecture/themes8l4.htm, свободный. -Яз. рус.
  80. М. Фреймы для представления знаний. М.: Энергия, 1979. -151с.
  81. В.Н., Средства автоматизации структурно-функционального проектирования микропроцессорных систем /Под ред. П.И. Соснина/, Ульяновский Государственный университет. Ульяновск, 2001, — 156 с.
  82. К. Как построить свою экспертную систему. М.:Энергоатомиздат, 1991.- 286 с.
  83. Н.Н. Прикладная логика. Ижевск: Издательство Уд-муртского университета, 1997. — 385 с.
  84. В.А., Рякин О. М. Прикладные методы верификации программ. М.: Радио и связь, 1988
  85. Нечеткие множества в моделях управления и искусственного интеллекта. // Под ред. Д. А. Поспелова. М.: Наука, 1986. — 312 с.
  86. И.П. Основы автоматизированного проектирования. 2-е изд., перераб. и доп. М.: Изд-во МГТУ им. Н. Э. Баумана, 2002. — 336 с.
  87. И.П., Маничев В. Б. Основы теории и проектирования САПР. -М.: Высшая школа, 1990. 335 с.
  88. И.П., Маничев В. Б. САПР электронной и вычислительной аппаратуры. М. ВШ 1983 г.
  89. Г. С. Построение моделей предметных областей. Ч. 1. Неоднородные семантические сети. // Известия РАН. Техническая кибернетика, 1990.-№ 5. С. 32−45.
  90. Г. С. Приобретение знаний интеллектуальными системами. М.: Наука, 1997.-124 с.
  91. А.И., Семенов О. И. Основы построения систем автоматизированного проектирования. Киев: Вища шк., 1985. — 294 с.
  92. В.А. Экспертно-обучающие системы, — Киев:Наукова Думка, 1992.- 180с.
  93. Э.В. Общение с ЭВМ на естественном языке. М.: Наука, 1982. -359с.
  94. Д.А. Логико-лингвистические модели в системах управления. -М.:Энергоиздат, 1981.-232 с.
  95. Построение экспертных систем. // Под ред. Ф. Хейеса-Рота М: Мир, 1987. -441 с.
  96. ЮО.Похилько А. Ф. Построение модели классов объектов и типовых методик проектирования в интегрированной интероперабельной среде САПР. // Вестник УлГТУ, № 4, 2001
  97. Ю1.Похилько А. Ф. Технология представления проектной деятельности в интегрированной среде САПР // Вестник УлГТУ, № 3, 2000
  98. А.Ф., Удовиченко А. В. Обработки и хранение проектных решений в ИИС // Вестник УлГТУ, № 2, 2004
  99. Похилько Аведьян Э. Д. Приоритеты в теории обучения многослойных нейронных сетей. // Нейрокомпьютеры: разработка, применение, № 4, 2005 г.
  100. Представление и использование знаний: Пер. с япон. // Под ред. Уэно X., Исидзука М. М.: Мир, 1989. — 220 с.
  101. Г. В. Технология проектирования прикладных экспертных систем. -М.: МИФИ, 1991.- 104 с.
  102. Рэй Э. Изучаем XML. СПб.: Символ-Плюс, 2001. — 408 с.
  103. Т. Принятие решений. Метод анализа иерархий. Пер с англ. М.: Радио и связь, 1993. — 347с.
  104. С.Г., Селиванова М. В. Тейросетевая САПР технологического перевооружения машиностроительного производства. // Нейрокомпьютеры: разработка, применение, № 9, 2005 г.
  105. В.А., Новиков С. В., Ярмолик В. Н. Автоматизация проектирования ЭВМ. Минск ВШ 1990 г.
  106. С. JI. Основы проектирования систем с искусственным интеллектом, http://aqua.cs.msu.su г. Днепродзержинск, 2000 г.,
  107. Е.М., Златопольский А. Н. и др. Технико-экономический анализ и обоснование решений при проектировании информационных технологий. -М.: Изд-во МЭИ, 1997.-51 с.
  108. ПЗ.Таунсенд К., Фохт Д. Проектирование и программная реализация экспертных систем на персональных ЭВМ. М.: Финансы и статистика, 1999. -312с.
  109. В.П., Морозов В. П., Хрусталев Е. Ю. Основы гипертекстовой информационной технологии. М.: МЭСИ, 1993. — 122 с.
  110. Ф. Нейрокомпьютерная техника: Теория и практика http://cs.mipt.ru/docs/comp/rus/develop/neuro/neurocomputing/index.html.
  111. В.А. Интеллектуальный анализ данных: методы и средства.- М.: Едиториал, 2001. 52с.
  112. Фридман A. J1. Основы объектно-ориентированной разработки программных систем. М.: Финансы и статистика, 2000. — 192 с.
  113. В.Ф. Автоматизация программирования экспертных систем. М.: МИФИ, 1988.-64 с.
  114. В.Ф. Механизмы вывода решений в экспертных системах. -М.: МИФИ, 1988.-44 с.
  115. В.Г. Оптимизация предобработки признаков выборки данных: критерии оптимальности. // Нейрокомпьютеры: разработка, применение, № 4, 2005 г.
  116. Школа разработки аппаратуры цифровой обработки сигналов на ПЛИС Язык описания аппаратуры AHDL: http://www.chipnews.ru/html.cgi/arhiv/0003/ stat-1 l.htm.
  117. Школа разработки аппаратуры цифровой обработки сигналов на ПЛИС: http://www.uran.donetsk.ua/~masters/2002/fvti/rytov/lib/fpgaart/lesson2.htm.
  118. Д.Е. Модели семантических нейронных сетей их применение в системах искусственного интеллекта, http://prof9.narod.ru/doc/doc017.html
  119. Э.В. Попов, И. Б. Фоминых и др. Статические и динамические экспертные системы. М.: Финансы и статистика, 1996. — 320 с.
  120. Экспертные системы для персонального компьютера: методы, средства, реализации: Справочное пособие. М.: Высшая школа, 1990. — 197 с.
  121. Экспертные системы. Принципы работы и примеры. // Под ред. Р. Форсайта. М.: Радио и связь, 1987. — 224 с.
  122. А. Принципы объектно-ориентированной разработки программ. -М.:Вильямс, 2002. с. 496.
  123. Дж., Кумбс М. Экспертные системы: концепции и примеры. М.: Финансы и статистика, 1987. — 191 с.
  124. Язык описания аппаратуры VHDL: http://www.kv.by/ indexl997280501.htm.
  125. Языки описания аппаратуры. Язык описания аппаратуры Verilog HDL: http://www.compitech.ru/html.cgi/arhiv/0106/statl 10.htm.
  126. Ярушкина Н. Г. Методы нечетких экспертных систем в интеллектуальных САПР
  127. Н.Г. Основы теории нечетких и гибридных систем: Учеб. Пособие. М.: Финансы и статистика, 2004. — 320 е.: ил.
  128. CADinfo. Электронный ресурс.: база данных содержит сведения о зарубеж. и отечеств, разработках в обл. САПР. Режим доступа: http://www.cadinfo.net/scatalog.htm, свободный. — Яз. англ.
  129. Chapman B.L. Accelerating the Design Process: A Tool for Instructional Designers // CBT Solutions. 1995. № 9.
  130. Chapman B.L. Enchancing Interactivity and Productivity Through Object-Oriented Authoring: An Instructional Designer’s Perspective // Journal of Interactive Instruction Development. 1994. № 7(2). pp. 3−11.
  131. Krista Lagus, Samuel Kaski, and Teuvo Kohonen. «Mining massive document collections by the WEBSOM method». Information Sciences, Vol 163/1−3, pp. 135 156, 2004, http://websom.hut.fi/websom/doc/ps/ Lagus04Infosci. pdf
  132. Kleppe A., Warmer J., Bast W. MDA Explained: The Model Driven Architecture Practice and Promise. — Addison-Wesley, 2003. — 192 p.
  133. VHDL язык синтеза дискретных систем: http://aldec.com.ua/press /?show=lang.
  134. VHDL язык описания средств вычислительной техники: http://aldec.com.ua/kiev/study/71esson 1 &design=no
  135. Workman D.A. Language design using decompilation. Technical report / University of Central Florida, December 1978.
  136. Ming-Hsuan Yang, David Kriegman, and Narendra Ahuja, «Detecting Faces in Images: A Survey», IEEE Transactions on Pattern Analysis and Machine Intelligence (PAMI), vol. 24, no. 1, pp. 34−58, 2002
Заполнить форму текущей работой

Пора сдавать?