WWW.LIB.KNIGI-X.RU
БЕСПЛАТНАЯ  ИНТЕРНЕТ  БИБЛИОТЕКА - Электронные материалы
 

Pages:   || 2 | 3 | 4 | 5 |   ...   | 6 |

«XL Неделя науки СПбГПУ : материалы международной научно-практической конференции. Ч. XVIII. – СПб.: Изд-во Политехн. ун-та, 2011. – 218 с. В сборнике публикуются материалы докладов ...»

-- [ Страница 1 ] --

XL Неделя наук

и СПбГПУ : материалы международной научно-практической

конференции. Ч. XVIII. – СПб.: Изд-во Политехн. ун-та, 2011. – 218 с.

В сборнике публикуются материалы докладов студентов, аспирантов, молодых

ученых и сотрудников Политехнического университета, вузов Санкт-Петербурга,

России, СНГ, а также учреждений РАН, представленные на научно-практическую

конференцию, проводимую в рамках ежегодной XL Недели науки СанктПетербургского государственного политехнического университета. Доклады отражают современный уровень научно-исследовательской работы участников конференции в области фундаментальных, технических, экономических, социальных и гуманитарных наук.

Представляет интерес для специалистов в различных областях знаний, учащихся и работников системы высшего образования и Российской академии наук.

Печатается по решению редакционно-издательского совета Санкт-Петербургского государственного политехнического университета.

Редакционная коллегия факультета управления и информационных технологий:

К.В.Швецов (декан факультета), А.Д.Сергеева (отв. ред.), А.В.Щукин, Н.М.Вербова, С.В.Калмыкова, Е.И.Литвинов © Санкт-Петербургский государственный политехнический университет, 2011

СЕКЦИЯ "РЕШЕНИЕ СЛОЖНЫХ ЗАДАЧ В ОБЛАСТИ СОВРЕМЕННЫХ

ИНФОРМАЦИОННЫХ И КОМПЬЮТЕРНЫХ ТЕХНОЛОГИЙ".

УДК 004.655.3 А. С. Ахрамейко (5 курс, каф. ФУИТ), О. Ю. Сабинин, к.т.н., доц.



СИСТЕМА ТЕСТИРОВАНИЯ СТУДЕНТОВ ПО ЯЗЫКУ ORACLE DML/SQL

Цель работы - разработка и создание системы тестирования, учитывающей особенности проверки знаний студентов по языку Oracle DML/SQL.

Для реализации поставленной задачи в качестве инструмента был выбран Oracle Application Express, позволяющий разрабатывать веб приложения для баз данных Oracle [1].

Несмотря на то, что есть много примеров хорошо продуманных учебных сред, кроме того, порталом дистанционного обучения, построенным на одной из систем управления обучением (moodle), пользуются многие студенты, та функциональность, которая должна предоставляться системой тестирования, не может быть реализована теми средствами, которые предоставляют системы управления обучением. Система тестирования должна позволять преподавателю проверять знания студентов, основываясь на тестах, предлагающих тестируемому написать операторы, изменяющие или возвращающие данные.

При этом пользователю необходимо самостоятельно создать запрос и проверить его работу, а не выбрать один или несколько вариантов ответа. В случае неверного ответа пользователь должен иметь возможность узнать, какие данные должны возвращаться правильным запросом, а также какие данные возвращает созданный им запрос. Результат запроса, который не является верным, может совпадать с правильными результатами, но при этом запрос может оказаться неверным – поэтому проверка должна осуществляться не только на тех данных, которые доступны пользователю. Все поставленные задачи действительно могут быть решены с помощью APEX [1].

Сначала была разработана архитектура системы тестирования. Были выдвинуты требования к приложению, на основании которых были выделены основные компоненты системы и их взаимодействие, а также описана организация приложения.

1)В системе были выделены пользователи и преподаватель, который имеет возможность увидеть результаты прохождения тестов и заданий студентами. При этом он может видеть не только результаты проверки, проведенной автоматически, как по доступным пользователю данным, так и по данным скрытым от пользователя, но и запросы, созданные студентами.





2)Преподаватель имеет возможность редактировать тесты и задания, предлагаемые студентам.

3)Ввиду того, что тестируются знания по Oracle DML, предусматривается, что у каждого из пользователей есть свои таблицы для выполнения задания.

Далее разрабатывался пользовательский интерфейс, предусматривающий удобную навигацию по заданиям теста, а также возможность возврата к ещё не выполненным правильно заданиям теста. При этом пользователю будет предложено отредактировать свой ответ – запрос, который не оказался правильным при последней попытке выполнения тестируемым задания.

Далее разрабатывается интерфейс для удобной работы преподавателя с приложением, редактирования тестов, заданий теста, просмотра результатов выполнения тестов пользователями.

Таким образом, в результате работы была спроектирована система тестирования, которая позволяет получить преподавателю более полное представление о владении материалом студентами. В свою очередь, студенты имеют возможность в процессе прохождения теста получить навыки в создании запросов, а не только проверить свои знания путем выбора ответа из предложенных вариантов.

–  –  –

РАЗРАБОТКА ПЛАТФОРМЫ ДЛЯ УСОВЕРШЕНСТВОВАННОЙ

АВТОМАТИЗАЦИИ И РАСШИРЕНИЯ ПРИЛОЖЕНИЙ

При разработке больших программных комплексов зачастую возникают задачи, связанные с поддержкой плагинов или скриптов, расширяющих и дополняющих возможности приложения, а также возможность конфигурировать, настраивать и переопределять поведение приложения конечным пользователем. Среди существующих подходов можно выделить следующие:

• Автоматическое обновление ПО. Заключается в том, что программный продукт периодически проверяет наличие обновлений с использованием сети Интернет. Чаще всего таким образом производитель ПО выпускает пакеты обновлений, исправляющие существующие ошибки. Реже добавляется новый функционал.

• Поддержка плагинов сторонних производителей. Позволяет расширять функционал приложения за счёт дополнений, разработанных как производителем ПО, так и сторонними разработчиками.

• Наличие SDK для разработки плагинов. Позволяет добавить новые возможности в приложение за счёт самостоятельной разработки дополнения.

• Поддержка скриптов. Позволяет конечному пользователю настраивать поведение приложения, а также реализовывать новые функции, за счёт написания кода скрипта.

С точки зрения числа предоставляемых возможностей и гибкости наибольший интерес представляет четвёртый вариант.

В зависимости от специфики разрабатываемого ПО могут быть различные сценарии использования скриптов:

• Простейшее конфигурирование приложения конечным пользователем (при этом конечный пользователь вовсе не должен быть профессиональным разработчиком)

• Разработка дополнений, расширяющих возможности приложения и переопределяющих текущее поведение ПО

• Распространение разработанных скриптов сторонними разработчиками В настоящее время многие разработчики предоставляют возможность использовать скрипты в своих приложениях. Многообразие ПО с поддержкой расширений очень велико:

это различные офисные пакеты, среды разработки, графические редакторы, среды трехмерного моделирования, видеоигры, САПР, CAD и многие другие программные продукты. Для удобства и унификации подхода разработаны различные технологии и программные платформы, позволяющие упростить и ускорить внедрение поддержки скриптов в программный продукт:

• VBA

• VSTA, VSTO

• IronPython

• AutoLISP

• Game Maker Language, и другие.

При более детальном изучении существующих решений становится понятно, что все они решают лишь частные случаи задачи и их возможностей может оказаться недостаточно для использования в крупных программных комплексах. Таким образом, было принято решение разработать универсальных подход для решения поставленной задачи, который объединял бы преимущества существующих решений, а также обеспечивал возможность быстрой интеграции поддержки расширений в существующее ПО. Кроме того, существенное преимущество предлагаемого подхода состоит в том, что расширение сочетает в себе преимущества как плагина (компилируемость, и как следствие более высокая скорость работы, глубокая интеграция в приложение, полный доступ ко всем ресурсам платформы), так и скрипта (стабильность, простота использования, возможность отладки).

Итак, необходимо сформулировать основные требования, которым должна отвечать платформа поддержки расширений:

• Простота использования. Не требует SDK и другого ПО для создания расширений.

Вся работа происходит во встроенной среде разработки (IDE).

• Возможность работы как под x86, так и под x64 архитектурами.

• Возможность отладки расширения.

• Доступ расширения к объектам расширяемого приложения, реакция на его события.

• Поддержка большого числа расширений и взаимодействие их друг с другом. В том числе возможность разрешения зависимостей между расширениями.

• Удобные инструменты для написания кода (Аналогичных IntelliSense в MS Visual Studio).

• Возможность удобного хранения расширений

• Компиляция и перезагрузка расширения «на лету».

Согласно этим требованиям разработана и внедрена в реальное приложение первая версия платформы. В качестве встроенной среды разработки была выбрана IDE с открытым исходным кодом SharpDevelop. Выбор обусловлен тем, что эта IDE имеет возможность внешнего программного управления и поддерживает настройку поведения и внешнего вида при помощи технологии SDA (SharpDevelop for Applications). На рис. 1 показаны основные архитектурные модули платформы и их взаимодействие.

Рис. 1 Архитектура платформы.

Дальнейшим развитием данной работы может быть разработка инструментов для визуального программирования расширений и автоматической генерации их программного кода. Таким образом, создание расширения станет более наглядным, и не будет представлять труда для любого, даже неподготовленного пользователя.

–  –  –

РАЗРАБОТКА ХРАНИЛИЩА ДАННЫХ ДЛЯ ФОРМИРОВАНИЯ АНАЛИТИЧЕСКОЙ

ОТЧЕТНОСТИ В БАНКОВСКОЙ ИНФОРМАЦИОННОЙ СИСТЕМЕ

Целью данной исследовательской работы являлась разработка решения по оптимизации процессов формирования отчетности в back-office системе банка с помощью создания единого хранилища данных.

Данная задача решалась в системе процессирования сделок по банковским картам на OLTP базе данных Oracle процессингового центра. Основное назначение OLTP-базы данных

- решение задачи сбора, хранения и поиска информации в бесперебойном режиме 24/7, что предполагает постоянные операции вставки/обновления таблиц, наиболее быстрый отклик на простейшие запросы и возможность работы в реальном времени с большим потоком небольших по объему транзакций. Однако при сопровождении столь важных компонент внутренней банковской деятельности - отчетности и систем принятия решений (в дальнейшем OLAP) - использование OLTP базы данных было неудобным и неэффективным:

приходилось создавать сложные запросы с большим уровнем вложенности и форматирования данных, требующих значительное время на выполнение, массу вспомогательных таблиц с результатами промежуточных вычислений и пр. Причиной этого является противоречивость требований, предъявляемых к этим системам[1]:

–  –  –

требования к ранению данных и загрузке процессоров При регулярной архивации место может Место для хранения больших объемов быть относительно невелико, загрузка процессора данных. Загрузка процессора нерегулярна, но должна быть постоянной и невысокой максимальна В связи с этим было принято решение о построении хранилища данных для рассматриваемой банковской системы. Архитектурой для данного решения послужила схема данных по технологии «звезды»: таблица фактов и связанные с ней таблицы-измерения:

словари данных, содержащие детальную информацию по наборам атрибутов. Каждое измерение отвечает за отдельное поле в таблице фактов и связано с ней по внешнему ключу.

Таким образом, таблица фактов имеет следующую структуру:

• уникальный номер транзации (id) –первичный ключ

• множество полей-ссылок на уникальные id в измерениях Таблица фактов имеет наибольшее число строк (более 100000 за один день), и содержит информацию по финансовым операциям с использованием банковских карт, изданным в банке(одна операция – одна строка). Измерения содержат:

• уникальное поле-ключ, по которому связываются с таблицей фактов

• поля с детальной информацией по данному атрибуту.

В процессе построения архитектуры хранилища было создано 32 измерения: карты, торговцы, филиалы, типы транзакций, банки, валютные курсы и т.д. Решение о создании каждого измерения производилось на основе матрицы шины данных: таблицы, отражающей согласованность бизнес-процессов (конкретных отчетов) и сущностей (которые в дальнейшем преобразовывались в измерения)[2].

Далее представлена часть данной таблицы:

Рисунок 1. Пример построения матрицы шины данных (в ячейках отмечено участие сущности в формировании отчета)   Следующим этапом работы стала реализация выбранной архитектуры хранилища с использованием средств СУБД Oracle и возможностей языков SQL и PL/SQL.

Были созданы необходимые объекты БД: таблицы, индексы и т.д., разработан программный пакет, реализующий функционал ETL (Extract, Transform, Load) – извлечения, преобразования и загрузки данных в хранилище. Параллельно осуществлялись работы по написанию первых отчетов, работающих через хранилище данных, оптимизации структуры хранилища.

Сейчас хранилище данных находится в стадии доработки и тестирования.

Анализируются и переписываются отчеты, запускаются на прежней и новой системе, сравниваются по результатам и времени выполнения, вводятся новые объекты и опции:

партиции, преобразования запросов по типу «звезды». Система уже на данном этапе позволяет сократить время формирования отчетности в несколько раз, что и доказывает эффективность ее использования. Как уже было упомянуто выше, хранилище данных является основой для систем принятия решений, поэтому реализованную систему планируется использовать для дальнейших разработках в области бизнес-аналитики, в том числе для реализации data-mining и OLAP-анализа.

ЛИТЕРАТУРА:

1.Барсегян А.А., Куприянов М.С., Степаненко В.В., Холод И.И. - Технологии анализа данных. Data Mining, Visual Mining, Text Mining, OLAP, Изд. БХВ-Петербург, с. 13.

2.Ralph Kimball Associates. Bus Architecture Foundation For Analytic Application www.kimballgroup.com/html/designtipsPDF/DesignTips2002/KimballDT39BusArchitecture.pdf.

–  –  –

АНАЛИЗ ВОЗМОЖНОСТЕЙ ВЫСОКОПРОИЗВОДИТЕЛЬНЫХ БАЗ ДАННЫХ НА

ПРИМЕРЕ СУБД ORACLE TIMESTEN

В современном мире информационной технологий все чаще появляются задачи, связанные с повышенными требованиями к производительности. Это могут быть телекоммуникации, рынки ценных бумаг, системы обороны и т. п.

С помощью Oracle TimesTen для существующих приложений становится возможным считывать и обновлять информацию во много раз быстрее обычных реляционных СУБД.

TimesTen оптимизирована для работы с оперативной памятью и обеспечивает приложениям возможность мгновенного реагирования и очень высокую скорость обработки данных, необходимых современным предприятиям и отраслям, работающим в реальном времени [1].

Хорошим примером приложения, которое может многое выиграть от применения Oracle TimesTen, является диспетчерская система реагирования на чрезвычайные ситуации, типа системы, к которой в США можно подключиться, набирая номер 911. (Фактически, БД Oracle TimesTen уже развернута, по крайней мере, в одном из приложений, связанных со службой 911.) Время ответа в таких системах является более чем критическим; это – вопрос жизни и смерти.

Цель работы – обзор возможностей Oracle TimesTen и сравнительный анализ скорости его работы и скорости работы обычный реляционной СУБД (Oracle Database 11G). Для решения поставленной задачи на языке C# будет разработано тестовое приложение, выполняющее чтение и запись в базу данных.

Перечень подлежащих разработке вопросов:

• Разработке программного продукта, реализующего подключение и работу с СУБД Oracle TimesTen и Oracle Database;

• Разработка графического пользовательского интерфейса, позволяющего задавать параметры работы программы и отслеживать скорость выполнения операций с базой данных;

• Проведение тестирования готового программного продукта и анализ эффективности.

Тестирование скорости будет проводиться в двух режимах фиксации транзакций:

1. «Надежный» Commit (приложение фиксирует транзакцию, транзакция передается в Oracle TimesTen, данные записываются в файл и только после этого управление передается приложению). Данный режим отрицательно сказывается на производительности, однако улучшается надежность и сохранность данных.

2. «Асинхронный» Commit (данные записываются в файл фоновым процессом, т.е.

приложение не ждет подтверждения успешности записи и работает дальше). Этот режим дает наилучшую производительность ценою риска потери части данных в случае внештатных ситуаций (отключение электроэнергии, поломка хранилища данных и т.д.).

Подобные работы по анализу производительности выбранного продукта необходимы, в том числе для того, чтобы обосновать свой выбор хранилища данных для предприятий.

Несмотря на то, что Oracle TimesTen поддерживает основные возможности Oracle Database (DML, DDL-операции, транзакции, процедурный язык PL/SQL), все еще есть некоторые ограничения (нельзя создавать триггеры, типы данных и т.д.), которые могут создать дополнительные трудности при разработке или переносе существующего приложения из среды обычной реляционной СУБД [2].

В результате проделанной работы предполагается 10-кратное ускорение работы с СУБД (для более точных результатов необходимо соответствующее тестирование).

ЛИТЕРАТУРА:

1. Д. Саша, Ф. Боннет. «Database Tuning: Principles, Experimentrs, and Troubleshooting Techniques».

Morgan Kaufman Publishers, 2003 г., 203 с.

2. Oracle TimesTen In-Memory Database SQL Reference Guide, 2007 г., 350 с.

–  –  –

ПРИМЕНЕНИЕ ТЕХНОЛОГИЙ XML БАЗ ДАННЫХ ДЛЯ СОЗДАНИЯ ХРАНИЛИЩА

НЕСТРУКТУРИРОВАННОГО МНОЖЕСТВА ЭЛЕМЕНТОВ

Цель работы - проектирование XML базы данных. Проектирование и разработка клиентской части приложения. Оптимизация клиент-серверного взаимодействия в приложении.

При разработке хранилища для не структурированного множества объектов, была обнаружена проблема: если использовать реляционную модель, для хранения данных, в виду разнородности сохраняемых объектов и их свойств, необходимо создавать новые элементы схемы (таблицы). Ввиду данного замечания (для увеличения универсальности и уменьшение затрат на обслуживание) было принято решение использовать XML. Oracle - это реляционная СУБД и изначально не предполагает использования XML, но с версии 10 был добавлен тип данных XMLType. Было решено создать таблицу, которая содержит 2 столбца: ID уникальный идентификатор объекта, использующийся как первичный ключ, и поле Object типа XMLType, содержащее в себе информацию по объекту, в формате XML. Таким образом, для хранения информации о двух, абсолютно разнородных, объектах можно использовать одну таблицу, а так как Oracle поддерживает поиск по XPath, возможна реализация поиска и организация выборок.

Следующий этап разработки заключался в проектировании и реализации заготовок специальных XML запросов к базе данных(столбцу типа XMLType), которые используют возможности Oracle XML и совместно с процедурами PL/SQL являются основой для обмена информацией между базой данных и клиентской частью приложения.

При хранении информации о объекте в формате XML, результатами действия запроса будет XML файл, при этом объем информации передающейся через сеть(из-за особенностей синтаксиса XML) возрастает многократно, поэтому для сетей с низкой пропускной способностью было принято решение использовать нотацию JSON. При запросе к базе данных внутренняя хранимая процедура будет получать XML дерево отображающее объект, далее будет происходить парсинг и затем собираться строчка JSON объекта. Данное решение получит уменьшить нагрузку на сеть(пересылаемая информация уменьшается в объёме в 2-3 раза), но при этом появляется задержка на стороне сервера. Поэтому данная опция реализована как дополнение, и не является единственным способом получения данных об объекте.

Клиентскую часть приложения было решено реализовывать в виде программы на C#(для администрирования) и веб интерфейса, предполагается(для выяснения лучшего варианта необходимо тестирование), что программа будет получать данные путем запроса XML данных, и далее воспроизводить их. Веб интерфейс, однако, данные получать будет в формате JSON, что позволяет быстро и эффективно на языке JavaScript реализовывать их и передавать на воспроизведение (без лишнего разбора на стороне клиента). Была разработана программа, включающая в себя форму для администрирования с соответствующим функционалом (добавление категорий, редактирование категорий, изменение текущих данных), веб-интерфейс так же содержит в себе функционал для добавления новой категории товаров, их характеристик и тд. Но при этом веб-интерфейс предназначен не для администрирования, соответственно в нем вырезана возможность редактирования и изменения уже существующих записей. Также клиентская часть приложения содержит основной функционал для просмотра и визуализации данных (data grid, image, навигацию).

Таким образом у нас получается хранилище данных, с реализацией поиска и выборки, для разнородных объектов. В котором отсутствует необходимость в создании новых элементов схемы для объекта с отличными(новыми) параметрами. В качестве рабочего примера и площадки для тестирования был выбран склад киноинвентаря.

–  –  –

СРАВНИТЕЛЬНОЕ ИССЛЕДОВАНИЕ МЕТОДОВ АВТОМАТИЧЕСКОГО

ЛОГИЧЕСКОГО ВЫВОДА ДЛЯ ЛОГИКИ ПРЕДИКАТОВ

Автоматический логический вывод (автоматическое доказательство теорем) - это область математической логики и искусственного интеллекта, в которой исследуются теоретические основы машинного доказательства утверждений в некоторой аксиоматической теории и практические проблемы создания компьютерных программ, предназначенных для решения подобных задач. Несмотря на изначальную теоретическую направленность, автоматическое доказательство теорем (АДТ) успешно применяется для решения многих практических проблем (см.[1]). Основные области применения АДТ изображены на рис. 1.

Рис. 1. Области применения автоматического доказательства теорем.

Цель данной работы – сравнение эффективности известных методов автоматического логического вывода (АЛВ) для логики предикатов первого порядка и определение критериев выбора того или иного метода в зависимости от класса (вида) решаемой задачи.

Для достижения поставленной цели планируется написать программу АЛВ для логики предикатов первого порядка, сочетающую в себе различные методы АЛВ. Данная программа позволит объективно сравнить эффективность методов АЛВ и выявить зависимость этой эффективности от вида и структуры доказываемых формул. Для написания логической части программы был выбран язык C++, для написания графического интерфейса будет использоваться язык C#. В качестве среды разработки взята Microsoft Visual Studio 2008.

На первом этапе работы был проведён аналитический обзор существующих методов и средств АЛВ, на основе которого были выбраны два метода АЛВ для построения их программной реализации: метод резолюций и обратный метод Маслова. Выбранные методы используют противоположные подходы к построению доказательств: в методе резолюций вывод строится в направлении от формулы к аксиомам заданного исчисления (прямой вывод), а в методе Маслова – от аксиом к доказываемой формуле (обратный вывод).

Обратный метод Маслова не нашёл такого широкого применения в АДТ, как метод резолюций, поэтому на данный момент остаётся недостаточно изученным. Тем не менее, по теоретическим оценкам, метод Маслова является не менее эффективным методом АДТ (подробную аргументацию см. в [2] и [3]).

Обратный метод Маслова обладает несколькими важными преимуществами [2]:

• применим к произвольным формулам логики предикатов первого порядка, а не только к стандартизованным;

• применим для других логических исчислений (логика предикатов с равенством, конструктивная логика);

• позволяет расщепить вывод доказательства на более простые процессы;

• позволяет реализовать алгоритм установления выводимости широких классов формул (т.е. алгоритм, определяющий для любой формулы из некоторого класса, выводима она из множества аксиом данной теории или нет).

На втором этапе работы было решено сравнить эффективность выбранных методов АЛВ для случая более простого исчисления – логики высказываний. Была написана программа АДТ в области логики высказываний, использующая оба исследуемых метода, с её помощью было проведено сравнение эффективности этих методов. Результаты сравнения (см. [4]) показали, что для логики высказываний метод Маслова не уступает по эффективности методу резолюций. Полученные результаты подтвердили теоретические оценки С.Ю. Маслова и позволили продолжить исследовательскую работу по сравнению эффективности этих двух методов в применении к логике предикатов.

На третьем этапе работы планируется построить программную реализацию исследуемых методов АЛВ в области логики предикатов первого порядка. Реализация двух методов в рамках единой программы позволит провести объективное сравнение их эффективности за счёт использования общих структур данных и вспомогательных процедур (таких как интерпретация введённых пользователем формул, преобразование формул в стандартизованную форму).

Таким образом, в работе получены предварительные результаты для дальнейших исследований по сравнению эффективности методов АЛВ и выявления возможностей по повышению эффективности существующих средств АДТ, реализованы метод резолюций и метод Маслова в наиболее общем виде (доказательство общезначимости формулы логики высказываний).

В дальнейшем предполагается использование результатов данного исследования для построения эффективной системы АДТ в области логики предикатов. Также предполагается применение разрабатываемой системы АДТ для решения конкретных задач теории графов.

ЛИТЕРАТУРА:

1.Geoff Sutcliffe. Evaluating General Purpose Automated Theorem Proving Systems. “Artificial intelligence”, 2001, vol. 131.

2.С. Ю. Маслов. «Обратный метод установления выводимости для логических исчислений», Логические и логико-математические исчисления. I, Тр. МИАН СССР, 98, 1968, с. 26–87.

3.С. Ю. Маслов, «Связь между тактиками обратного метода и метода резолюций», Исследования по конструктивной математике и математической логике. III, Зап. научн. сем. ЛОМИ, 16, Изд-во «Наука», Ленинград. отд., 1969, с. 137–146.

4.В.А. Павлов, В.Г. Пак. «Сравнение эффективности методов автоматического доказательства теорем». XXXIX международная научно-практическая конференция «Неделя науки СПбГПУ»:

материалы докладов. – СПб: Изд-во СПбГПУ, 2011, с. 62-65.

–  –  –

ИССЛЕДОВАНИЕ ОБЪЕКТНО-ОРИЕНТИРОВАННЫХ ВОЗМОЖНОСТЕЙ

СОВРЕМЕННЫХ СУБД НА ПРИМЕРЕ CACH И ORACLE

Объектно-ориентированная технология уже много лет успешно используется в различных сферах информационной деятельности человека. На рынке баз данных, однако, доминирующей по-прежнему остается реляционная технология.

В сложившейся ситуации становится особенно актуальным вопрос о взаимодействии объектных приложений и реляционных баз данных. В данной работе рассматриваются вопросы создания объектно-ориентированных баз данных, а так же использование объектных надстроек над реляционными базами, как один из способов организации такого взаимодействия.

Целью работы является анализ эффективности применения альтернативных методов разработки баз данных.

Для достижения поставленной цели в работе решаются следующие задачи:

• анализ современного состояния объектных и объектно-реляционных баз данных;

–  –  –

вводится понятие объектного типа, который делает возможным моделирование объектов реального мира в качестве объектов базы данных.

На четвертом этапе было создано две базы данных – объектно-ориентированная база данных в СУБД Cach и объектно-реляционная база данных в СУБД Oracle. После ознакомления с документацией соответствующих систем, реализация баз данных не вызвала особых затруднений [3,4]. В СУБД Cach использовался встроенный язык Cach Object Script (COS), в СУБД Oracle объектные типы и методы написаны на языке PL/SQL.

На этапе анализа объектных возможностей СУБД Oracle и Cach можно сделать выводы:

• применение объектно-ориентированных баз данных оправдано в случае, когда описываемая область состоит из сложных объектов, которые трудно разложить на таблицы.

• объектно-ориентированная технология, не сможет полностью вытеснить реляционную технологию с рынка баз данных в силу нескольких причин: слабой развитости ООСУБД, отсутствие универсальной СУБД, которая могла бы составить конкуренцию на рынке реляционным СУБД, а также огромный опыт использования реляционных технологий;

Таким образом, объектно-ориентированная технология управления базами данных эффективна не во всех областях, и перед тем как выбрать необходимую СУБД или сменить ее, необходимо проанализировать все преимущества и недостатки объектного и реляционного подходов, проанализировать область, с которой предстоит работать, понять, возможно ли разложение данной области в таблицы или необходимо построение объектов для точного отображения реальных сущностей.

ЛИТЕРАТУРА:

1.Malcolm Atkinson, Francois Bancilhon, David DeWitt, Klaus Dittrich, David Maier, Stanley Zdonik. The Object-Oriented Database System Manifesto. Proc. 1st International Conference on Deductive and ObjectOriented Databases, Kyoto, Japan (1989). New York, N.Y.: Elsevier Science (1990)

2.M. Stonebraker, L. Rowe, B. Lindsay, J. Gray, M. Carey, M. Brodie, Ph. Bernstein, D. Beech. “ThirdGeneration Data Base System Manifesto”

3.Oracle Database Object-Relational Developer's Guide 11g Release 2 (11.2): [Электронный документ]. – (http://download.oracle.com/docs/cd/E14072_01/appdev.112/e11822/toc.htm).

4.INTERSYSTEMS CACH: [Электронный документ]. – (http://intersystems.ru/cache/).

–  –  –

ИССЛЕДОВАНИЕ NOSQL СУБД НА ПРИМЕРЕ COUCHDB, HYPERTABLE, REDIS

Нет сомнений, что SQL устаревает. Он был разработан в начале 1970-х, IBM - в эпоху, когда компьютеры были большими централизованными машинами. Развитие Web создало растущее желание строить масштабируемые, отказоустойчивые системы. Когда Интернет, в основном, был направлен на операцию чтения, он был прост в обслуживании: одинаковые сервера баз данных с одинаковыми данными, которые вручную реплицируются на всех.

С течением времени веб-сайты мигрировали к более интерактивным моделям, создавая давление на базы данных при обработки обновлений в реальном времени.

В последние годы был разработан ряд новых систем, которые обеспечивают хорошую горизонтальную масштабируемость для простых операций чтения / записи базы данных, которые распределены по многим серверам.

Часть из таких новых систем, называются "NoSQL" хранилища данных. Определение NoSQL расшифровывается как "Not Only SQL» или «Not Rational» («Не Реляционные»). Для достижения целей данной работы были выбраны три NoSQL системы: CouchDB, Redis, HyperTable. Все они относятся к различным типам систем: документно-ориентированные, ключ/значение, колоночно-ориентированные соответственно.

Цель данной работы выявить преимущества и недостатки данных систем, а также определить круг задач, с которыми данные системы справляются лучше других, как не реляционных, так и реляционных СУБД.

На первом этапе теоретических исследований был проведен анализ характеристик систем, а также их классификация (Таблица 1).

–  –  –

На втором этапе были подробно разобраны существующие алгоритмы поддержания согласования данных, т.к. согласованность – одна из наиболее важных характеристик.

На основе полученных данных были сделаны предварительные выводы о типе задач, наиболее подходящие для выбранных СУБД:

CouchDB: для накопления, время от времени изменяющихся данных, на которых будут запущены предварительно сформированные запросы. А также важное значение имеют версии;

Redis: для быстро меняющихся данных в базе данных с заранее определенным размером (в основном должна вписываться в RAM);

HyperTable: при жесткой необходимости иметь в произвольном порядке в реальном времени доступ на чтение / запись больших данных.

На финальном этапе разрабатываются различные задачи, которые помогут измерить производительность, задержку c ростом нагрузки на сервер, уровень масштабирования, показывающий, как ведут себя системы при добавлении дополнительных серверов, и как быстро системы к ним адаптируется.

ЛИТЕРАТУРА:

1.CouchDB Documentation http://couchdb.apache.org/docs/index.html

2.HyperTable Documentation http://hypertable.org/documentation.html

3.Redis Documentation http://redis.io/documentation.

–  –  –

ПРИНЦИПЫ МОДЕЛИРОВАНИЯ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ

НА ОСНОВЕ МАТЕМАТИЧЕСКОЙ ТЕОРИИ ИГР.

Цель работы – обсуждение возможности внедрения логики математической теории игр при разработке системы поддержки принятия решений (СППР) в условиях неполноты информации.

Для достижения поставленной цели была предложена разработка СППР для службы спасения людей, а также смоделирована задача принятия решения, интерпретируемая как задача нахождения решения в игре двух сторон, одной из которых являются силы и средства службы спасения, а с другой - факторы стихийного бедствия. [1] Особенностью таких игр с является то, что стихийные бедствия (в отличие от сознательно действующего игрока) не стремятся извлечь выгоду из ошибочных действий другой стороны игры, не противодействуют ей (при проведении игр с факторами пожара исключение представляют поджоги, взрывы и другие террористические или диверсионные действия, являющиеся причинами пожаров).

Для проведения каждой игры надо знать набор стратегий (ходов) обеих сторон, результаты игры при каждой паре стратегий (выигрыш или потери) и по возможности, вероятности стратегий стихийных бедствий.

Построив матрицу выигрышей (потерь) и проанализировав ее можно заранее оценить последствия каждого решения, отбросить явно неудачные варианты действий сил и средств пожарной охраны и рекомендовать наиболее эффективные действия для всего диапазона факторов пожара. [2] Выбор игровых моделей для принятия решений целесообразно осуществлять на основе укрупненной классификации математических игр.

Прежде всего все игры делятся на 2 большие группы: дискретные, в которых множество стратегий дискретно, и непрерывные, в которых множество стратегий непрерывно.

В зависимости от форм игр они делятся на матричные, задаваемые матрицами цен (платежей), и динамические (позиционные или дифференциальные). Дискретная динамическая игра представляется в виде поэтапного многошагового процесса, задаваемого разностными (рекуррентными) уравнениями.

Эти уравнения могут иметь вид функциональных уравнений Беллмана в динамическом программировании, дифференциально-разностных уравнений Понтрягина в дискретном принципе максимума или вид соотношений задач математического программирования (нелинейного, линейного и др.). Число стратегий здесь задается множеством допустимых решений [3].

Исходя из полученных данных были составлены игровые модели эвакуации людей, а также приведен пример использования платежных матриц в управлении персоналом.

Подведены итоги оптимального использования математической теории игр в моделировании СППР.

ЛИТЕРАТУРА:

1. Топольский Н.Г., Домбровский М.Б. Основы применения теории игр в автоматизации систем пожарной безопасности. М.: ВИПТШ МВД РФ, 1996.-117 с.

2. Бешелев С.Д., Гурвич Ф.Г. Математико-статистические методы экспертных оценок. - М.:

Статистика, 1974. – 159 с.

3. Лапко А.В., Ченцов С.В. Многоуровневые непараметрические системы принятия решений. – Новосибирск: Сиб. предприятие РАН, 1997. – 192 с.

–  –  –

В последние годы разработка онтологий - формальных явных описаний терминов предметной области и отношений между ними (Gruber 1993) – переходит из мира лабораторий по искусственному интеллекту на рабочие столы экспертов по предметным областям. Онтологии представляют собой спецификации на формальном языке, в которых фиксируются договоренности группы специалистов о том, что как называется и каким свойствам (соотношениям) удовлетворяет. На логическом уровне каждой онтологии соответствует некоторая теория (сигнатура+аксиомы), а иногда и некоторая фиксированная модель (множества+операции). Вопросы к онтологии интерпретируются как запросы к соответствующей ей теории (модели). Онтологии, как правило, строятся по модульному принципу (при определении новой онтологии могут использоваться уже ранее построенные онтологии).

В области, где применяются реляционные базы данных (далее РБД) имеются следующие проблемы:

• Затруднено моделирование иерархических структур

• Затруднено моделирование сетевых структур

• РБД имеют недостаток описания семантики данных Соответственно, одно из решений данной проблемы – расширение РБД для работы с данными моделей RDF/RDFS и OWL. В частности СУБД Oracle имеет такое расширение ORACLE 11g SEMANTIC TECHNOLOGIES (далее OST).

Цель данной работы - исследование возможностей построения онтологии в СУБД ORACLE с помощью ORACLE 11g SEMANTIC TECHNOLOGIES. Выявление слабых и сильных сторон, поиск сред возможного применение данной технологии в обыденном мире для дальнейшего проектирования Информационной системы (далее ИС).

Вначале были изучены возможности OST. Структура хранения данных в ORACLE (хранение RDF документов в виде «триплетов» (subject, property, object)). Использование оператора SEM_RELATED для осуществления семантических запросов. Поддерживаемые

OWL подмножества и «правила»:

• RDFS++

• OWLSIF

• OWLPrime

• Пользовательские правила Изучены возможности OST по «логическому выводу» (inferencing: rules and rulebases), позволяющему выполнять семантическое соответствие, основанное на «значимых»

отношениях между частями данных :

• PL/SQL API

• Поддержка OWL

• Поддержка пользовательских правил Изучены возможности загрузки онтологий в СУБД, загрузки данных из RDF. Также рассмотрены имеющееся коммерческое применение, продукты.

Следующим этапом станет реализации WEB программы для тестирования возможностей OST:

1. Оценка производительности логических выводов (Inferences)

2. Оценка наиболее возможных областей применения OST

3. Анализ гибкости OST. Возможность выбора между SQL (SEM_Math) и SPARQL запросами

4. Анализ возможностей пользовательских SWRL правил Планируется. Продолжение изучения Oracle Semantic Technologies. Сопоставление возможностей построения Онтологий в Oracle в сравнениями с существующими редакторами. Анализ возможностей улучшения/дополнения OST. Будущее развитие данной технологии. Проектирование и реализация ИС (информационной системы) на основе данной технологии.

Заключение.

Несмотря на то, что на данный момент исследовательская деятельность еще не завершена, но можно уже сейчас с полной уверенностью сказать, что данная технология:

1. Основана на стандартах W3C (англ. World Wide Web Consortium, W3C)

2. Имеет родной интерфейс и RDF, что делает Oracle

• БД, с семантическим управлением данными

• БД с возможностью создания репозитория с «миллиардами триплетов»[3]

3. Делает ORACLE 11g очень актуальной в реалиях сегодняшнего времени, когда обеспечение возможности использования знаний предметной области стало занимать очень важное место в нашей действительности.

ЛИТЕРАТУРА:

1.Oracle® Database Semantic Technologies Developer's Guide (http://download.oracle.com/docs/cd/B28359_01/appdev.111/b28397/toc.htm)

2.Онтология моделирования и проектирования семантических информационных систем и порталов (Справочное пособие) составитель: проф. В.А.Мордвинов Москва, 2005 год

3.Semantic Technologies in Oracle Database 11g Release 2: Capabilities, Interfaces, Performance Xavier Lopez, Ph.D., Director Souripriya Das, Ph.D., Architect

–  –  –

РАЗРАБОТКА НАВИГАЦИОННОГО МОДУЛЯ ДЛЯ ДИСПЕТЧЕРСКОЙ ПРОГРАММЫ

ТАКСИ С ИСПОЛЬЗОВАНИЕМ ТЕХНОЛОГИИ ORACLE SPATIAL

Цель работы – разработка встроенного в существующую программу для диспетчеризации такси модуля, служащего для навигации, ориентирования по городу, расчета оптимальных (кратчайших) маршрутов для передвижения автомобилей и соответствующих расчетов стоимостей поездок с учетом специфики городской планировки.

С учетом того, что существующая диспетчерская программа представляет собой комбинацию оконного приложения на языке C# на стороне клиента и базы данных Oracle на стороне сервера, было принято решение модифицировать программу добавлением функционала по расчету маршрутов и хранения геолокационных данных с помощью встроенного модуля для баз данных Oracle Spatial, соответственно, в серверной части и разработкой новых компонент, визуализирующих эти данные для конечного пользователя на стороне клиента.

На первом этапе разработки проекта была составлена модифицированная модель уже существующей базы данных, - модификация заключалась в создании новой схемы базы данных содержащей 2 таблицы, в каждой из которых был включен столбец ID, служащий уникальным ключом каждой записи – для поддержания целостности данных БД, столбец для хранения примечаний, соответствующих данной записи и столбца типа DSYS.SDO_GEOMETRY для хранения геолокационных данных о дорогах в одной таблице и данных о зданиях в другой [1].

Следующий этап разработки заключался в создании пользовательского интерфейса работы с геолокационной картой города. К существующему клиентскому приложению была добавлена форма для визуализации файла карты города в формате.jpg и написан код, реагирующий на события кликов на площади данной карты, - в конечном итоге была разработана программная часть обеспечивающая масштабирование и смещение координат точек на.jpg карте и передача их на сервер базы данных для сохранения новых геометрических объектов в Spatial-схеме и модификаций уже существующих. Используя встроенный функционал Spatial движка в базе данных Oracle, были разработаны заготовки специальных пространственных SQL запросов к данным в столбцах SDO_GEOMETRY и PL/SQL процедур, служащих для расчета маршрута в зависимости от входных параметров (начальной и конечной точки маршрута), их протяженности и стоимости поездки [2].

На финальном этапе разработки в базу данных были внесены тестовые геолокационные данные для одного из районов Санкт-Петербурга, для проверки правильности соотношений точек на визуальной.jpg карте и соответствующих геометрических данных в базе данных.

Далее были выполнены несколько запросов, через интерфейс в программе на стороне клиента, на расчет маршрутов движения по данному району и их, маршрутов, протяженностей. Полученные данные были сверены с результатами аналогичных запросов для уже существующих систем по расчетам маршрутов, вследствие чего было установлено, что маршруты, проложенные различными программами, совпадают, а отклонения в результатах расчетов длительностей незначительны и объясняемы различиями в версиях исходных карт и координат объектов на них.

–  –  –

МНОГОМЕРНЫЕ БАЗЫ ДАННЫХ И ORACLE/HYPERION ESSBASE

Цель работы – исследование технологии анализа большого объема данных на примере OLAP-сервера Oracle/Hyperion Essbase.

В некоторых областях деятельности существует необходимость обработки большого количества информации, хранящейся в БД, с большой скоростью, например, для сбора статистических данных или количественного анализа по определенному признаку.

Традиционный реляционный подход не обеспечивает высокой скорости выполнения таких запросов. Поэтому разработчики обратились к разработанной Эдгаром Коддом в 90х годах технологии OLAP (Online analytical processing) – принципам логического построения БД в виде многомерного куба с разными значениями одного параметра по осям [1]. Выборка данных их такого куба происходит посредством срезов по определенным значениям.

На данный момент существует несколько продуктов, реализующих OLAP-подход.

Наиболее популярным считается Oracle/Hyperion Essbase.

Oracle Hyperion/Essbase предоставляет окружение для быстрой разработки сложных аналитик и работы продуктов управления эффективностью бизнеса.

Oracle Hyperion/Essbase – весьма сложно организованная система, архитектура которой на высоком уровне подразделяется на 3 слоя:

1.Слой хранилища данных – серверы Essbase, которые хранят и обрабатывают данные.

Представляет собой неоптимизированную реляционную БД со схемой «звезда» или «снежинка»

2.Средний слой – представлен службами, обеспечивающий доступ между хранилищем данных и клиентом. Включает в себя 3 важнейших службы:

• Hyperion Provider Services – для управления запросами к БД (например, из приложения Smart View на языке MDX)

• Hyperion Administration Services – используется для администрирования пользователей и пользовательских прав, серверных опций, приложений, баз данных и объектов баз данных

• Hyperion Provider Services – отвечает за построение кубов из хранилищ данных 1. Клиентский слой – представлен довольно широким выбором графических клиентов для выполнения различных задач. Включает в себя инструменты как для пользователей (Smart View, Spreadsheet Add-in, Smart Search, Administration Services и др.), так и для разработчиков и администраторов (Essbase Administration Services Console, Essbase Studio/Intedration Services Console) [2].

Аналитики могут использовать или Smart View или Spreadsheet Add-in, позволяющие извлекать и проводить анализ данных, а также создавать оперативные отчеты в Microsoft Excel. Smart View - следующее поколение Spreadsheet Add-in, предлагающее также интеграцию в Microsoft Word и PowerPoint. Запрос из многомерной БД происходит с помощью языка MDX (Multidimensional Expressions). Версия Essbase MDX включает постоянно растущий список функций, разработанных специально для Essbase.

Essbase Administration Services Console – очень функциональное приложение, предназначенное для администрирования базы данных, управления пользователями, созданием и заполнением кубов, разработки приложений.

Отчеты можно формировать как средствами Essbase, предоставляющими удобный настраиваемый способ обзора результатов выборок (в том числе в виде графиков), так и в сторонних программах, таких как Microsoft Excel, Word, Power Point.

Хранилищем для данных, представляемых с помощью OLAP-куба, должна быть реляционная БД, реализованная, например, на Oracle. Кроме того, должна быть установлена компонента Oracle Data Provider. Передача данных между компонентами системы осуществляется по протоколам HTTP и TCP/IP, так что администратор Essbase должен позаботиться о том, чтобы соответствующие компоненты присутствовали как на сервере, так и на компьютере-клиенте. Кроме того, в случае если клиент и сервер установлены на одном компьютере, должен быть присутствовать loopback-адаптер. Для доступа к определенным приложениям соответствующие службы должны быть в состоянии “running”.

Oracle/Hyperion Essbase – очень многофункциональное средство для обработки большого количество данных, к тому же весьма актуальное в современном мире.

Дальнейшее направление работы – продолжение исследования администрирования сервера Oracle/Hyperion Essbase и языка MDX.

ЛИТЕРАТУРА:

1. Sarma Anantapantula, Joseph Sydney Gomez. Oracle Essbase 9 Implementation Guide. Birmingham – Mumbai. Изд-во: Packt Publishing, 2009 г. 36 с.

2. Michael Schrader, Dan Vlamis. Oracle Essbase & Oracle OLAP: The Guide to Oracle’s Multidimensional Solution. Изд-во: Oracle Press, 2009 г. 142 с.

–  –  –

МЕТОДИКА ПРЕПОДАВАНИЯ КОМПЬЮТЕРНЫХ ДИСЦИПЛИН В СОВРЕМЕННОМ

ОБРАЗОВАТЕЛЬНОМ ПРОЦЕССЕ

Как известно, обучение подразделяется на преподавание (деятельность педагога — учителя, преподавателя, тьютора и т.д.) и учение. Учение рассматривается как процесс (деятельность) по овладению новым опытом — привычками, умениями, навыками, знаниями [3]. Часто используется и другой термин как синоним — учебная деятельность. Если изучить этимологию термина «метод (методика) обучения», то мы обнаружим разные воззрения в педагогической среде:

• По Ю.К. Бабанскому: «Методом обучения называют способ упорядоченной взаимосвязанной деятельности преподавателя и обучаемых, направленной на решение задач образования».

• По Т.А. Ильиной: «Методом обучения - способ организации познавательной деятельности учащихся».

Стоит обратить внимание, что во втором определении преподаватель исключен из текста.

Этот факт коррелирует соответствует текущим тенденциям, которые наметились в образовательной среде в ИТ-сфере [1], [2]:

• для разделов Computer science характерны быстрые и частые изменения по структуре и содержанию;

• все большая роль отводимая ФГОС нового поколения самостоятельной работе студентов и НИРС;

• увеличивающееся количество и возрастающее качество материалов в открытом доступе для самоподготовки: учебники, лабораторные, техническая документация от вендоров, семинары и бесплатные курсы от компаний-работодателей;

• активное использование дистанционных образовательных технологий особенно в части подготовки ИТ-кадров.

Безусловно, роль преподавателя от этого не становится менее значимой, но претерпевает принципиальные изменения – современный преподаватель в computer science должен обладать новыми компетенциями, осваивать новые роли и использовать другие инструменты:

• преподаватель активно использует компьютерные инструменты для систематизации, структуризации учебных материалов, организации мобильного и эффективного доступа к ним, является проводником в огромном море информации;

• преподаватель делает акцент на компиляции и переработке документации и учебных, теоретических материалов, вместо генерации новых;

• преподаватель использует средства мобильного общения посредством интернеттехнологий, пользуется сервисами и открытыми источниками в онлайн-среде;

• преподаватель ведет «лог» своей профессиональной деятельности (например, блоги);

• преподаватель демонстрирует не только и не столько свои педагогические знания и умения, но и профессиональные, а также знает и соответствует профессиональным стандартам в ИТ-сфере;

• преподаватель в большей степени выступает в роли куратора, наставника, помощника и даже гуру, чем того «преподавателя», который классически подразумевался раньше.

В этой связи, еще Мартин Дугамас [5] сформулировал основные концепции нового подхода к обучающей методике, которые опираются на понятия конструктивизма, конструкционизма и социального конструктивизма:

1. В настоящей обучающей среде все мы одновременно являемся потенциальными учителями и учениками

2. Мы учимся особенно хорошо, когда создаем или пытаемся объяснить что-то другим людям

3. Большой вклад в обучение вносит наблюдение за деятельностью наших коллег

4. Понимание других людей позволит учить их более индивидуально

5. Учебная среда должна быть гибкой, предоставляя участникам образовательного процесса простой инструмент для реализации их учебных потребностей Если рассматривать методики преподавания с точки зрения типов приобретаемых компетенций, то можно выделить две основные категории: компетенции умозрительные, компетенции моторные. Вторые отличаются от первых в частности тем, что их освоение невозможно только по учебной литературе или КИМам, необходима реальная практическая деятельность или ее имитация. В отношении первой категории можно говорить о внедрении активных и интерактивных методик преподавания. В отношении второй категории – о тесной интеграции учебных заведений с исследовательскими центрами и компаниямиразработчиками, активно используя web-технологии для организации совместной работы, а также технологии эмуляции и виртуализации лабораторных работ.

Именно в части преподавания компьютерных дисциплин становятся актуальными перечисленные ниже подходы:

• Проблемное обучение (проблемно сформулированные задания)

• Программированное обучение (индивидуализация обучения)

• Контекстное обучение (активная деятельность субъекта)

• Игровое обучение (игровые, командные, соревновательные методы обучения)

Резюмируя изложенное выше, можно сказать, что такие слагаемые, как:

1. изменение основных принципов организации учебного процесса и оценки знаний студента;

2. изменение роли преподавателя и овладение им новыми компетенциями;

3. переориентация на новые формы обучения;

4. активное использование современных интернет и компьютерных технологий для доставки знаний, для имитации профессиональной деятельности, для организации совместных проектов в части активного и интерактивного обучения и наконец, для управления образовательным процессом.

Помогут сохранить лидирующую роль высших учебных заведений в части подготовки компетентных ИТ-специалистов.

ЛИТЕРАТУРА:

1. Ассоциация предприятий компьютерных и информационных технологий (http://www.apkit.ru/)

2. Association of Computing Machinery (http://www.acm.org/)

3. Новиков А.М., Методология образования. Издание второе. — М.: «Эг-вес», 2006. — 488 с.

4.Загвязинский В.И. Теория обучения: Современная интерпретация. — М.: Издат. центр «Академия», 2001.

5. moodle.org, About Moodle, Philosophy http://docs.moodle.org/20/en/Philosophy.

СЕКЦИЯ "НОВЫЕ НАПРАВЛЕНИЯ И ПЕРСПЕКТИВЫ РАЗВИТИЯ

КОМПЬЮТЕРНЫХ ИНТЕЛЛЕКТУАЛЬНЫХ ТЕХНОЛОГИЙ".

–  –  –

РАСПОЗНАВАНИЕ МОДЕЛИ И МАРКИ МАШИНЫ ПРИ ПОМОЩИ ПОИСКА ПО

ИЗОБРАЖЕНИЯМ.

Целью настоящей работы является разработка прототипа системы распознавания модели и марки машины методами компьютерного зрения. Компьютерное зрение является одним из разделов систем искусственного интеллекта. Применяемые здесь методы направлены на извлечение информации из изображения или серии изображений, а также последующую обработку полученной информации. Например, в современных цифровых фотоаппаратах есть система автоматического распознавания лиц с последующей автоматической настройкой кадра.

Многие существующие системы компьютерного зрения посвящены задаче определения присутствия автомобилей на изображении (видеозаписи), отслеживании перемещения и распознавания номерных табличек. Задача MMR (model-maker recognition) состоит в определении более высокоуровневой информации. А именно, в распознавании марки и модели машины, которая в дальнейшем может широко использоваться, в т.ч. в системах слежения. Подобное распознавание может быть осуществлено путём сопоставления фото или видео с большим архивом изображений автомобилей, для которых марка и модель известны. Задача сопоставления с большим архивом изображений (визуальный поиск) активно исследовалась в последнее десятилетие[1][2], однако представленные системы не применялись к задаче MMR.

Изучив методы и алгоритмы, используемые в областях компьютерного зрения и визуального поиска, произведя анализ уже существующих систем распознавания модели и марки машины[3][4], а также учтя стремительный рост интернета (следовательно и количества доступных изображений в нём) в последние годы, мы решили подойти к решению данной проблемы с новой стороны, и скомбинировать алгоритмы традиционно используемые в MMR с алгоритмами из визуального поиска, очень похожего на знакомый всем поиск по вебстраницам. В качестве данных мы используем большую коллекцию в 2,6 миллиона размеченных изображений, что даст нам новые преимущества: предыдущие методы извлечения информации о модели и марке машины имели ограничения на позицию съемки (например, фиксировано задний вид машины)[4], что существенно ограничивает область их применения в реальном мире.

Проблемы с которыми мы столкнулись: большая изменчивость условий съемки (точка съемки, освещение) а также большая зашумленность – в реальном мире фотографии делаются отнюдь не на белом фоне, в кадре может присутствовать множество посторонних объектов.

Предлагаемую систему можно разделить на две части. Первая сравнивает два произвольных изображения учитывая указанные выше проблемы и делает вывод насколько эти два изображения похожи, вторая, используя первую часть сравнивает изображение, для которого необходимо получить информацию со всей базой данных.

На данный момент исследованы и опробованы на практике существующие методы сравнения изображений, используемые в первой части, разработан план исследования для второго этапа.

ЛИТЕРАТУРА:

1.Josef Sivic, Andrew Zisserman, "Video Google: A Text Retrieval Approach to Object Matching in Videos," ICCV, vol. 2, pp.1470, Ninth IEEE International Conference on Computer Vision (ICCV'03) Volume 2, 2003

2.James Philbin, Ondrej Chum, Michael Isard, Josef Sivic, Andrew Zisserman, "Object retrieval with large vocabularies and fast spatial matching," CVPR, pp.1-8, 2007 IEEE Conference on Computer Vision and Pattern Recognition, 2007

3.L. Dlagnekov, Video-based Car Surveillance: License Plate, Make and Model Recognition, Thesis, Masters in Computer Science, University of California, San Diego, 2005.

David Anthony Torres, “More Local Structure Information for Make Model Recognition”, Dept. of Computer Science, University of California, San Diego.

–  –  –

АЛГОРИТМЫ АВТОМАТИЧЕСКОГО РАСПОЗНАВАНИЯ ИЗОБРАЖЕНИЙ

Цель работы – разработка программного обеспечения для автоматического распознавания и классификации определенного типа изображений.

Распознавание визуального изображения и определение количественных характеристик изображенных объектов относится к проблемам компьютерного зрения и искусственного интеллекта и является актуальной и широко исследуемой в настоящее время задачей, поскольку решение этой проблемы откроет огромные возможности в сферах медицины, маркетинга, бизнеса и многих других. Задачи распознавания объектов плохо алгоритмизируются, поэтому наиболее эффективным в этом случае является использование нейронной сети (НС) подход. Одной из основных областей применения нейросетевых технологий являются задачи классификации, в которых нужно отнести входные данные к одной из известных категорий. Одно из главных преимуществ нейронных сетей перед традиционными алгоритмами состоит в том, что они не программируются в привычном смысле этого слова, а самообучаются на тренировочных примерах. Благодаря этому нейронная сеть может самостоятельно научиться решать абстрактные проблемы с плохо описываемыми алгоритмами. При этом не требуется задавать ограничивающие условия и логику работы распознавания [1]. Выбор НС также обоснован тем, что распознавание с помощью сети занимает очень мало времени (O(n)), что является критическим фактором при работе, например, веб-сервиса.

Работа нейросети состоит в преобразовании входного вектора – вектора определенных параметров, полученных из анализа изображения, в выходной вектор, который определяет вероятность принадлежности изображения к определенному классу. Это преобразование определяется весами сети. При создании сети на первом этапе подбирается ее архитектура, на втором происходит выбор обучающего набора и обучение сети. Во время обучения сеть самостоятельно выбирает такие значения весов, которые обеспечат ее правильную работу с достаточно малой вероятностью ошибки распознавания при предъявлении неизвестных ей ранее данных [2].

На основе данного решения было разработано две программы. Первая предназначена для распознавания длины очереди по ее фотографии, полученной с веб-камеры. При реализации была использована трехслойная искусственная нейронная сеть (перцептрон с одним скрытым слоем) с контролируемым обучением при помощи обратного распространения ошибки. В качестве входной информации использовались значения уровней серого для сильно сжатого предварительно обработанного изображения. В результате работы приложение выдает количественную характеристику объекта (длину очереди), при этом программа должна распознать 4 состояния: очереди нет, она мала, средняя или большая. Процент верных распознаваний равен 87% и может быть увеличен за счет анализа группы последовательных изображений, сделанных с интервалом в несколько секунд. Также была разработана библиотека, позволяющая легко и удобно создавать, менять структуру и использовать трехслойные нейронные сети в других приложениях. Эта библиотека уже успешно применяется для решения других задач по распознаванию объектов на изображении.

Второе приложение предназначено для распознавания изображения еды на фотографии, сделанной пользователем. Его структура аналогична первому приложению, однако на это раз использовались три сети с результатами RGB, HSV и текстурного анализа. На выходе результат каждой сети корректировался весом значимости ответа данной сети. Процент верного распознавания объектов составляет 70% и может быть улучшен за счет разбиения изображения блюда на компоненты и покомпонентного анализа с применением разработанной НС.

При разработке приложений использовались следующие технологии: C# /.NET 4.0;

WCF; Windows Service; Windows Forms; Multithreading; SVN.

ЛИТЕРАТУРА:

1.Philip D. Wasserman. Neural Computing: Theory and Practice. (1989).

2.Steven W. Smith. Chapter 26: Neural Networks (and more!). http://www.dspguide.com/ch26.htm.

–  –  –

ВЕБОМЕТРИКА, АНАЛИЗ СОЦИАЛЬНЫХ СЕТЕЙ И ТЕОРИЯ ГРАФОВ. ОБЗОР.

Понятие «вебометрика» (webometrics) характеризует область, в рамках которой исследуются различные количественные аспекты конструирования и использования информационных ресурсов в World Wide Web (далее – Веб). Сегодня в вебометрике можно выделить четыре основных направления[9]:

• Веб-индикаторы (например, индексы цитирования и наблюдаемость сайтов, [10][2]);

• социальные феномены в Веб (например, социальные сети, сообщества сайтов[6]);

• сбор данных о Веб (например, роботы, краулеры, поисковые машины, информационный поиск[2][15]);

• анализ гиперссылок (в частности, связей между сайтами вузов и научных организаций [1][4]).

Основной способ взаимодействия сайтов в Вебе – гиперссылки. Множество ресурсов Веба и ссылок между ними могут быть представлены в виде графа, вершины- ресурсы, дуги

– ссылки: [14].Используя данный граф и анализируя связи в нём можно оценить рейтинг ресурса. Винституте прикладных математических исследований Карельского научного центра РАН (далее КарНЦ РАН) проводятся исследования по изучению структуры академического Веба. По данной ссылке можно найти набор публикаций и презентаций подготовленных по результатам исследований [8]. В данных работах освещается важность таких задач как ранжирование сайтов академического Веба, создание коммуникаторов или распределение затрат на создание сайта коммуникатора. В работе [4] приводится и поясняется интересная информация о ранжировании академических сайтов Веба различными поисковыми системами (Google, Yandex, Yahoo).В рамках исследований в КарНЦ РАН разработан комплекс программ WebSciRes (Webomerics, Science и Research) предназначенный для сбора, хранения и обработки информации [3]. WebSciRes состоит из двух основных компонент: поискового робота для сбора исходящих с сайтов гиперссылок и базы данных, предназначенных для их хранения и обработки данных DB OL (Data Base of OutLink). База может быть использована для построения графа ссылок между сайтами и будет полезна во время разработки и тестирования алгоритмов анализа ресурсов Веб.

Самым известным алгоритмом вебометрики считается алгоритм PageRank (далее PR)[5][1]. Основным принципом данного алгоритма при определении важности вебстраницы является анализ ссылок и важности ссылок, указывающих на эту страницу. Один из недостатков данного метода заключается в том, что не все ссылки «хорошие». Ресурс может подвергаться широкой критике и на нее будет много ссылок. Другая проблема – «инерционность» интернета. Что бы ни случилось с ресурсом, как бы ни ухудшилось качество, ссылки на ресурс редко исчезают. Это причина не считать PR мерой качества.

На сегодняшний день появилось новое направление, использующее методы вебометрики – анализ социальных сетей. Принцип «социальной сети» воплощают такие сервисы как Facebook, Twitter, Google+, LinkedIn, LiveJournal и многие другие. Хороший обзорный материал по использованию графовых моделей при работе с социальными сетями дан в лекции «Основы концепции Complex Networks и ее применений»[11]. В лекции рассматриваются модели графового представления социальных сетей, основные понятия и алгоритмы. Рассматриваются такие параметры сетей, как кластеризация, посредничество и уязвимость, анализ изменения сети, анализ сетевой плотности, анализ степени центральности, анализ элитарности. Основные задачи

, решаемые при исследовании таких сетей: определение клик, компонент связности, нахождение перемычек, решение задачи кластеризации по некоторому признаку, определение функции распределения степеней узлов.

В реальной жизни человек стремиться к приобретению новых знаний или опыта в интересующей его области. Для этого он обращается к новым людям. Для облегчения этого процесса в социальных сетях существует «Граф интересов» [12]. К проектам, в которых реализована концепция «графа интересов» относится проект Quora.[13] Каждый участник Quora описывает круг своих интересов, подписываясь (follow) на некоторые темы. Каждый публикуемый вопрос привязывается к тем темам, к которым он имеет отношение. Если указанные пользователем темы совпадают с темами вопроса, пользователь видит этот вопрос в своей ленте. Так реализуется передача информации через каналы связей с одними и теми же интересами. Недостатком Quora является узкая направленность на темы вопросов и ответов, ограничивая взаимодействия пользователей.

Задачи представления ресурсов Веба и социальных сетей удобно решать в терминах теории графов. При этом возникают следующие вопросы: используя какие алгоритмы теории графов проводить анализ? Какие алгоритмы брать и как их интерпретировать? Как их возможно оптимизировать, учитывая что работать приходится на очень больших наборах входных данных. Отдельная интересная задача – представление результатов – как возможно визуализировать полученные графы связей, учитывая их большую сложность и размерность.

ЛИТЕРАТУРА:

1. Клименко О.А., Петров И.С. Исследование строения и динамики развития научного вебпространства на примере СО РАН, Институт вычислительных технологий СО РАН, Новосибирск, 10.2011

2.Лившиц Ю., Введение в поисковые системы, 2005 [http://yury.name/modern/05modernnote.pdf], 10.2011

3.Луговая Н.Б., Печников А.А., Разработка инструментов для вебометрических исследований, XVI Всероссийская научно-методическая конференция Телематика 2009 [http://tm.ifmo.ru/tm2009/db/doc/get_thes.php?id=19], 10.2011

4. Печников А. А.,Илюкевич О.Г., Сравнительный анализ, 10.2011

5. Brin S., Page L., The anatomy of a large-scale hypertextual web search engine. In Computer network and isdn systems, 1998, pages 107–117. Elsevier Science Publishers B. V., 10.2011

6. Kirchhoff L., Stanoevska-Slabeva K, Thomas Nicolai & Matthes Fleck, Using social network analysis to enhance information retrieval systems, 10.2011 7.[http://webometrics.krc.karelia.ru/]10.2011 8. [http://webometrics.krc.karelia.ru/section.php?id=4] 10.2011 9.[http://webometrics.krc.karelia.ru/doc/Webometrics__Ten_Years_of_Expansion.pdf] 10.2011 10.[ http://www.webindicators.org/]10.2011

11. Летняя школа Компьютерной лингвистики 5-11 июля 2011 г. МИЭМ, материалы школы.

[http://clschool.miem.edu.ru/%D0%93%D0%BB%D0%B0%D0%B2%D0%BD%D0%B0%D1%8F.html] 10.2011 12.[ http://habrahabr.ru/blogs/social_networks/129488/]10.2011 13.[http://www.quora.com/]10.2011 14. [http://ideafor.info/?p=2357] 10.2011 15. [http://your-hosting.ru/terms/w/wc/]10.2011.

–  –  –

UML является языком широкопрофильным, используемым для моделированием программного обеспечения, бизнес-процессов, системного проектирования и отображения организационных структур. Продукты компании IBM поддерживают полный цикл разработки ПО и широко используются в индустрии ИТ. Поэтому представляется полезным исследовать возможности языка, реализованные в продуктах этой компании.

Целью работы является исследование возможностей создания UML-моделей и дальнейшей работы с ними, реализованных в продуктах компании IBM. Для достижения заданной цели необходимо выполнить следующие задачи: найти продукты IBM, предназначенные для моделирования предметной области c использованием языка UML, провести сравнительный анализ по таким критериям как: наличие возможностей импорта и экспорта моделей между продуктами IBM, поддерживаемые диаграммы и версия языка UML, по результатам сравнительного анализа дать рекомендации по выбору продуктов для дальнейшего использования в научной и учебной деятельности.

Линейка продуктов Rational ADC (Architecture, Design, and Construction) изначально создавалась для аналитиков, архитекторов и разработчиков программного обеспечения как инструменты управления изменениями в архитектуре, поддержки ее согласованности и обеспечения соответствия текущим требованиям. Семейство ADC включает в себя следующие продукты: Rational Rhapsody, Rational Rose, Rational Systems Developer, Rational Software Architect, Rational Statemate, Rational Tau.

–  –  –

По результатам исследования изученные продукты можно разделить по двум направлениям:

• Продукты предназначенные более для научной деятельности: Rational Statemate, Rational Rhapsody, Rational Tau, Rational Systems Developer

• Продукты предназначенные более для учебной деятельности: Rational Rose, Rational Software Architect Первая группа продуктов позволяет поддерживать полный цикл разработки программного обеспечения систем любой сложности, но они требуют большого багажа знаний. Вторая же группа позволяет конструировать системы без особых усилий, также в них присутствуют возможность кодогенерации и большое количество поддерживаемых типов диаграмм. Rational Rose лучше использовать для начального этапа изучения, после чего переходить на Rational Software Architect, возможности которого гораздо больше по сравнению с Rational Rose.

ЛИТЕРАТУРА:

1.IBM Rational products and UML. Automate the practice of applying the UML.

http://www-01.ibm.com/software/rational/uml/products.html

2.Введение в IBM Rational Software Architect. http://www.ibm.com/developerworks/ru/library/kunal/

–  –  –

ОРГАНИЗАЦИЯ ПРОЦЕССА ВЫПОЛНЕНИЯ ДОРАБОТОК КОРПОРАТИВНОЙ

ИНФОРМАЦИОННОЙ СИСТЕМЫ (КИС)

Цель работы – описать процессы взаимодействия пользователей, консультантов и разработчиков, на основании чего построить диаграммы бизнес-процессов.

Для достижения поставленной цели было предоставлено описание бизнес-процессов компании OSC Distribution, описание текущего процесса выполнения доработок КИС и перечень недостатков существующего механизма.

На основании полученных данных была построена диаграмма текущего состояния КИС (“as-is”) в программе Еnterprise Architect. Обследование процессов является обязательной частью любого проекта создания или развития системы. Построение функциональной модели AS-IS позволило четко зафиксировать, какие процессы осуществляются на предприятии, какие информационные объекты используются при выполнении функций различного уровня детализации. На основе модели AS-IS достигается консенсус между различными этапами процесса по тому, «кто что сделал» и что каждый этап добавляет в процесс. Функциональная модель AS-IS является отправной точкой для анализа потребностей предприятия, выявления проблем и “узких” мест и разработки проекта совершенствования деловых процессов. Модель AS-IS позволяет выяснить, «что и как мы делаем сейчас» перед тем, как определить то, «что и как будет делаться завтра».

[http://www.itstan.ru/funk-strukt-analiz/funkcionalnaja-model-as-is.html] Следующим шагом научной работы являлось проведение SWOT-анализа. Данный метод используется для оценки факторов, влияющих на систему. Все факторы деляться на четыре раздела:

1. Сильные стороны (strengths)

2. Слабые стороны (weaknesses)

3. Возможности (opportunities)

4. Угрозы (threats) Проведенный анализ позволил наиболее глубоко и объемно понять проблемы и пути доработок КИС.

Завершающим шагом являлось построение диаграммы доработанной КИС (“to-be”) для последующего внедрения данной модели в предприятии. Применение функциональной модели TO-BE позволяет не только сократить сроки внедрения информационной системы, но также снизить риски, связанные с невосприимчивостью персонала к информационным технологиям. Модель ТО-ВЕ нужна для анализа альтернативных (лучших) путей выполнения функции и документирования того, как компания будет делать бизнес в будущем.

Функциональная модель TO-BE позволит четко определить распределение ресурсов между операциями делового процесса, что дает возможность оценить эффективность использования ресурсов после предлагаемого реинжиниринга. [http://www.itstan.ru/funk-struktanaliz/funkcionalnaja-model-to-be.html] На основании контраста между моделями as-is и to-be был составлен перечень изменений. Для наглядности хода выполнения работ была составлена временная шкала в MS Visio.

Таким образом, в ходе работы была доработана существующая КИС, что в свою очередь повышает трудоемкость и производительность компании.

–  –  –

ИССЛЕДОВАНИЕ ВОЗМОЖНОСТЕЙ МЕТОДОВ ORACLE DATA MINING

Data Mining — это процесс обнаружения в сырых данных ранее неизвестных, нетривиальных, практически полезных и доступных интерпретации знаний, необходимых для принятия решений в различных сферах человеческой деятельности [2].

Цель работы – изучение предоставляемых Oracle методов для решения задач Data Mining, и анализ областей применения этих методов.

В основу технологии Data Mining положена концепция шаблонов (patterns), которые представляют собой закономерности, свойственные подвыборкам данных, кои могут быть выражены в форме, понятной человеку. Поиск шаблонов производится методами, которые не ограничиваются рамками априорных предположений о структуре, выборке и виде распределений значений анализируемых показателей.

Сфера применения Data Mining ничем не ограничена — эта технология может применяться везде, где имеются какие-либо данные. Data Mining представляет большую ценность для руководителей и аналитиков в их повседневной деятельности. Деловые люди осознали, что с помощью методов Data Mining можно получить ощутимые преимущества в конкурентной борьбе.

Для выявления методов Data Mining выделяют пять стандартных типов закономерностей: ассоциация, последовательность, классификация, кластеризация и прогнозирование [2].

Для выявления этих закономерностей в арсенале Data Mining имеется множество методов и подходов, в Oracle реализованы следующие из них [3]:

Поиск ассоциаций • Априорный алгоритм o Классификационные и прогностические модели • Деревья решений o Наивный Байесовский классификатор o Адаптивная Байесовская сеть o Метод опорных векторов o Кластеризация • Иерархический алгоритм k-средних o Иерархический алгоритм с неизвестным числом кластеров o Поиск существенных атрибутов • Метод минимальной длины описания o Целью поиска ассоциативных правил является нахождение закономерностей между связанными событиями в базе данных.

Методы данного типа закономерностей находят широкое применение в розничной торговле, сегментации клиентов, анализе Web-логов и др [1].

Методы, реализующие классификационные и прогностические модели используются для распределения репрезентативных данных по априорно известным категориям с возможностью последующего анализа полученных результатов для предсказания категории, к которой относится очередной элемент данных. Данные методы применяются в случае, когда возможно последовательно разделить данные на некоторое количество непересекающихся классов для облегчения работы аналитика с данными.

Кластеризация применяется в том случае, когда категории, на которые необходимо разбить набор репрезентативных данных, заранее не известны. Цель кластеризации - поиск существующих структур в данных.

Область применения кластерных методов очень широка:

медицина и психология, маркетинг и менеджмент, археология и социология.

Основная задача поиска существенных атрибутов - выявление атрибутов, наиболее важных для прогнозирования целевых значений. Используется для ускорения процесса построения классификационной модели.

ЛИТЕРАТУРА:

1.Чубукова И.А., Data Mining, БИНОМ. Лаборатория знаний, 2008 г. – 384 с.

2.В. Дюк, Data Mining – интеллектуальный анализ данных, Санкт-Петербургский институт информатики и автоматизации РАН.

3.А. Шмаков, Комментарии к статье Ч. Бергера «Data Mining от Oracle: настоящее и будущее», Oracle Magazine/Русское Издание, 2008 г.

–  –  –

ОБЗОР ПО ТЕМЕ: КЛАСТЕРИЗАЦИЯ ТЕКСТОВ КОРОТКОЙ ДЛИНЫ

Большое исследование по задачи кластеризации узко-тематических коллекций коротких текстов было проведено в рамках диссертационной работы Дэвида Пинто [6][7]. В работах [6][7], приведён результат кластеризации коллекций научных статей и показано, что результат кластеризации на основе аннотаций существенно превышает результат кластеризации по ключевым словам. В работах [6][7] описан результат исследования задачи кластеризации коротких узко-тематических текстов: рассмотрены комбинации различных алгоритмов кластеризации, мер определения подобия текстов, техник отбора терминов.

Основные алгоритмы, для которых приводятся результаты кластеризации: Single Link Clustering (SLC), Complete Link Clustering (CLC), K-Nearest Neighbour (KNN), K-Star и модифицированный вариант K-Star (NN1). Во всех алгоритмах используется векторная модель представления текстов коллекции [4]. Размерность пространства, в котором представлены тексты, определяется размером словаря коллекции. Уменьшить размерность данного пространства возможно с использованием техники отбора терминов: для представления текстов используется не весь словарь коллекции, а только его часть. Иначе говоря, в словаре коллекции остаётся только часть исходных слов. В работе [6] рассмотрены техники отбора терминов: Document Frequency, Term Strength, Transition Point, Transition

Point и Pointwise Mutual Information (TPMI). Используемые меры подобия между текстами:

коэффициент Jaccard, мера подобия, основанная на Kullback-Leibler distance (KLD), мера, основанная TF-IDF и вычислении косинуса угла между векторами. Д. Пинто исследовал, как влияет использование техники self-term expansion method (техника взаимной замены терминов) на результат кластеризации [6]. В результате исследований был сделан ряд выводов:

• использование мер подобия Jaccard и KLD дают сравнимые результаты, но KLD в вычислительном плане дороже коэффициента Jaccard, поэтому использование последнего более оправдано;

• наиболее высокие результаты кластеризации достигаются при использовании техник отбора терминов TP, TPMI, но пока нет метода определяющего, какое число терминов должно быть отобрано для проведения кластеризации, а результаты, представленные в работе [6] показывают, что изменения в числе отбираемых терминов сильно сказывается на результате кластеризации;

• показано, что возможно улучшить результат кластеризации, используя self-term expansion до применения техники отбора терминов.

Идея использования self-term expansion получила дальнейшее развитие [8]. В работе [5] задача кластеризации сообщений Веб-блога решается путём выделения различных тем внутри документов, а затем на основании этой информации происходит кластеризация. В данной работе также предварительно используется техника self-term expansion.

Наиболее высокие результаты кластеризации узко-тематических коллекций коротких текстов были получены в работах [1][2][3]. В работе [1].предлагается алгоритм CLUDIPSO.

В этом алгоритме задача кластеризации представлена как задача оптимизации. Данный алгоритм требует информацию о точном числе кластеров. В случае фиксированных параметров, при различных прогонах алгоритма качество результата кластеризации изменяется. В работе [2] представлен алгоритм AntTree-Silhouette-Attraction (AntSA) основанный на алгоритме AntTree и использующий на входе результаты кластеризации, полученные с помощью CLUDIPSO (AntSA-CLU). Алгоритм AntSA-CLU даёт более высокое качество кластеризации по сравнению с результатами, полученными для CLUDIPSO. Однако для этого алгоритма требуется задание большого числа входных параметров, включая информацию о числе кластеров. Качество кластеризации последним алгоритмом изменяется от прогона к прогону. В работе [3] предложен алгоритм Iterative Method for Short-Text Clustering Tasks (ITSA), который, однако, не является самостоятельным алгоритмом кластеризации, а только улучшает результаты кластеризации, полученные другими алгоритмами. В работах [1][2][3] также приведены результаты кластеризации узкотематических коллекций коротких текстов алгоритмами. K-means, MajorClust, CHAMELEON, DBSCAN. Перечисленные алгоритмы дают низкий результат кластеризации для рассматриваемых коллекций.

В наших экспериментах мы используем те же тестовые коллекции, что использовались в работах [6][7][1][2][3]. Данные коллекции находятся в открытом доступе [12]. В работе [10] нами предложен алгоритм кластеризации узко-тематических коллекций документов, на основе модифицированного алгоритма k-means [4] и специальной технике отбора терминов.

На этапе отбора терминов из словаря коллекции оставляется всего порядка 1 -2% слов. Число кластеров алгоритм определяет автоматически. Однако результаты кластеризации оказываются ниже, чем при использовании CLUDIPSO. В работе [9] нами предложен алгоритм кластеризации на основе иерархической кластеризации [13], корреляции Пирсона и техники отбора терминов, отбрасывающей 90 % терминов из словаря коллекции. Алгоритм требует задания точного числа кластеров, но при фиксированном числе кластеров, результат кластеризации при разных прогонах один и тот же, а качество кластеризации сравнимо и превышает результаты для CLUDIPSO и AntSA-CLU (для одинаковых коллекций). В работах [9][11] нами предложены алгоритмы, выделяющие ключевые слова и словосочетания для узко-тематических коллекций коротких текстов. Результаты, полученные в работах [9][11] мы оцениваем как весьма интересные, но, к сожалению, у нас нет формальной методики оценки качества. Нам также неизвестны другие попытки выделения ключевых слов и словосочетаний для используемых коллекций.

ЛИТЕРАТУРА:

1. L. Cagnina, M. Errecalde, D. Ingaramo, and P. Rosso, “A discrete particle swarm optimizer for clustering short text corpora,” BIOMA08, 2008, pp. 93–103

2. D. Ingaramo, M. Errecalde, and P. Rosso, “A new anttree-based algorithm for clustering Short-text corpora,” Journal of CS&T, 2010.

3. M. Errecalde., D. Ingaramo, and P. Rosso, “ITSA*: An Effective Iterative Method for Short-Text Clustering Tasks,” In Proc. 23rd Int. Conf. on Industrial, Engineering & Other Applications of Applied Intelligent Systems, IEA-AIE-2010, Springer-Verlag, LNAI(6096), 2011, pp. 550-559

4. C. D. Manning, P. Raghavan, and H. Schtze, “Introduction to Information Retrieval,” Cambridge University Press, doi:10.2011/nlp.stanford.edu/IR-book/information-retrieval-book.html

5. F. Perez-Tellez, D. Pinto, J. Cardiff, and P. Rosso “Clustering weblogs on basis of topic detection method,” doi: 10.2011/users.dsic.upv.es/~prosso/resources/PerezEtAl_MCPR10.pdf

6. D. Pinto, “On Clustering and Evaluation of Narrow Domain Short-Text Corpora» PhD doi:10.2011/users.dsic.upv.es/~prosso/resources/PintoPhD.pdf

7. D. Pinto, “Analysis of narrow-domain short texts clustering. Research report for «Diploma de Estudios Avanzados (DEA)»,” Department of Information Systems and Computation, UPV, 2007, doi:10.2011/users.dsic.upv.es/~prosso/resources/PintoDEA.pdf

8. D. Pinto, P. Rosso, and H. Jimnez, “A Self-Enriching Methodology for Clustering Narrow Domain Short Texts,” Comput. J. 54(7): 1148-1165, 2011.

9. Popova S. V., Khodyrev I. A., “Local theme detection and annotation with key words for narrow and wide domain short text collections,”, SEMAPRO 2011, in press. (2011)

10. Popova S. V., Khodyrev I. A., “Narrow-domain short texts clustering algorithm,” компьютерные инструменты в образовании, № 2. С. 8-15, (2011)

11. Попова С.В., Ходырев И.А. “Выделение ключевых словосочетаний для узко-тематических коллекций коротких текстов,” KESW-2011, in press. (2011)

12. doi:10.2011/sites.google.com/site/merrecalde/resources

13. doi: 10.2011/www.adelaide.edu.au/acad/events/workshop/LockhartUPGMA&NJ_calculation.pdf.

УДК 004.05 Ю. И. Стародубцев, д.в.н., проф. (Военная академия связи им. Маршала С.М. Буденного), В. В. Бухарин, к.т.н., докторант (Военная академия связи им. Маршала С.М. Буденного), А. В. Кирьянов, адъюнкт (Военная академия связи им. Маршала С.М. Буденного)

ЗАЩИТА ИНФОРМАЦИОННО-ВЫЧИСЛИТЕЛЬНЫХ СЕТЕЙ ОТ КОМПЬЮТЕРНЫХ

АТАК В системах защиты от компьютерных атак для оперативного выявления и блокирования пакетов сообщений, поступающих в информационно-вычислительную сеть необходимо осуществлять соответствующую проверку их по определенным параметрам. Недостатком существующих подходов является низкая оперативность обнаружения компьютерной атаки, обусловленная выполнением соответствующих действий по обнаружению уже в процессе осуществления компьютерной атаки, что может привести к несанкционированному воздействию на информационно-вычислительную сеть.

Для решения рассматриваемой проблемы может использоваться метод, заключающийся в том, формируют массив для запоминания фрагментированных пакетов сообщения и массивы для запоминания параметров, выделенных из запомненных пакетов сообщений, принимают очередной пакет сообщения из канала связи, запоминают его, анализируют запомненный пакет на обнаружение факта наличия или отсутствия компьютерной атаки, и при отсутствии компьютерной атаки передают очередной пакет сообщения в информационно-вычислительную сеть, а в случае обнаружения компьютерной атаки принимают решение о запрещении передачи пакета в информационно-вычислительную сеть и удаляют ранее запомненные значения пакетов сообщения из массивов, дополнительно в качестве выделенных полей из запомненных пакетов сообщений используют поля данных:

«Время жизни пакета» {T}, «Опции» {O}, «IP адрес назначения» {D}, «IP адрес источника»

{I}, которые запоминают в сформированных для них массивах.

В данном методе используются функции протокола IP применяемые при передаче пакетов по сети. Заголовок протокола IP содержит множество полей. В полях «IP адрес назначения» и «IP адрес источника» будут находиться 32 битные последовательности, определяющие логические адреса назначения и источника пакета сообщения необходимые для передачи его по информационно-вычислительную сети. Поле «Время жизни пакета»

определяет максимальное время существования дейтаграммы в сети. Поле «Опции» является необязательным и имеет переменную длину. Поддержка опций должна реализоваться во всех модулях IP (узлах и маршрутизаторах). Стандартом определены 8 опций в том числе опция «запись маршрута».

Дополнительно формируют список доверенных адресов получателя и отправителя пакетов сообщений, которые запоминают в массивах эталонных параметров значений полей данных: «IP адрес назначения» {Dэт} и «IP адрес источника» {Iэт}. Затем адаптируют информационно-вычислительную сеть для чего в тестовом режиме, измеряют значения полей данных пакета «Время жизни пакета» и «Опции» для всех маршрутов между доверенными получателями и отправителем пакетов сообщений (рис. 1). Запоминают измеренные значения параметров в соответствующих массивах эталонных параметров значений полей данных: «Время жизни пакета» Tэт, «Опции» Oэт. После запоминания принятого пакета сообщения, для обнаружения факта атаки или ее отсутствия выделяют из заголовка данного пакета значения полей данных: «Время жизни пакета» T, «Опции» O, «IP адрес назначения» D и «IP адрес источника» I и запоминают их в соответствующих массивах {T}, {O}, {D} и {I}. Сравнивают эталонные значения полей данных «Время жизни пакета», «Опции», «IP адрес назначения» и «IP адрес источника» со значениями полей данных из полученного пакета. Причем устанавливают факт отсутствия атаки, если эталонные значения полей данных: «Время жизни пакета», «Опции», «IP адрес назначения» и «IP адрес источника» совпадают со значениями полей данных из полученного пакета, а факт наличия атаки устанавливают, если эталонные значения полей данных: «Время жизни пакета», «Опции», «IP адрес назначения» и «IP адрес источника» не совпадают со значениями полей данных из полученного пакета.

Рисунок 1 – Схема формирования маршрута передачи пакетов сообщений

Таким образом, рассмотренный метод за счет определения информации о подготовке компьютерной атаки путем использования трассировки маршрутов передачи пакетов по определенным доверенным маршрутам, поступающим в информационно-вычислительную сеть из каналов связи позволяет обеспечить повышение оперативности обнаружения компьютерной атаки на информационно-вычислительную сеть.

–  –  –

ОСОБЕННОСТИ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ СЕТЕЙ СВЯЗИ РАЗЛИЧНЫХ

ОПЕРАТОРОВ ЕДИНОЙ СЕТИ ЭЛЕКТРОСВЯЗИ РОССИЙСКОЙ ФЕДЕРАЦИИ

На этапах проектирования, внедрения, функционирования и взаимодействия сетей связи, которые принадлежат различным операторам единой сети электросвязи Российской Федерации, широко используется имитационное моделирование, основанное на методе статистических испытаний.

При построении модели сетей связи различного назначения неизбежно встают вопросы формирования последовательности псевдослучайных чисел, распределенных по заданному закону распределения случайных величин, определения числа испытаний, обеспечивающих заданную точность и надежность, а также построения алгоритмов, реализующих детерминированные процессы [1].

Предварительным этапом для моделирования неопределенности является прогноз значений исследуемого показателя в будущих периодах, получаемый применением математических методов прогнозирования или экспертных оценок [2].

Для моделирования неопределенности предлагается использовать аппарат теории вероятностей и математической статистики, центральными категориями которого являются:

случайная величина, вероятность, закон распределения случайной величины.

Случайной величиной называют числовую функцию от события, могущего носить как количественный, так и качественный характер. Вероятность – это числовая функция, определенная на множестве событий. Закон распределения случайной величины ставит в соответствие каждому ее возможному значению определенную вероятность наступления.

Из этого следует, что каждый неточно определенный показатель исследуемой системы связи должен быть представим в виде случайной величины, иначе числовое моделирование невозможно, и для каждого значения случайной величины должна быть определена вероятность, чтобы было возможно рассчитать числовое значение.

Аналитический способ задания вероятности на множестве элементарных событий является наиболее предпочтительным. Его достоинством является абсолютная формализация и упорядоченность вероятностей определенных значений случайной величины в зависимости от рассеяния ее возможных значений от ожидаемого значения и удаления определенного значения случайной величины от ожидаемого значения. Кроме того, при выборе конкретной формы кривой распределения, при наличии результатов прогнозирования значений определенного параметра исследуемой системы, в будущих периодах или состоятельных экспертных оценок, представление его в виде случайной величины является единственным, что повышает объективность метода анализа в целом.

При задании вероятности аналитическим способом решающим является выбор закона распределения случайной величины. При задании вероятности аналитическим способом, на выбор закона распределения в наиболее значимой степени влияют физическая природа анализируемого показателя, а также набор факторов, влияющих на значения, принимаемые показателем. Доминирование какого-либо фактора выражается через смещение ожидаемого значения исследуемого показателя в сторону одной из границ его доверительного интервала, а также через значение асимметрии и эксцесса эмпирического распределения.

С помощью известных статистических выводов и практических навыков, полученных при решении конкретных задач в области моделирования сетей связи, из множества существующих законов распределения случайной величины, были определены некоторые их варианты [3]. Отметим, что предложенные законы распределения далеко не полностью исчерпывают все возможные их виды. Для решения конкретной задачи могут быть использованы особые, проблемно ориентированные формы представления неопределенности. Мощным подспорьем являются также эмпирические данные о «поведении» исследуемого показателя, для обработки которых может быть применим аппарат кривых Пирсона, получивший солидное теоретическое обоснование в трудах отечественных и зарубежных специалистов в области теории вероятностей.

В большинстве практических случаев непрерывные законы распределения могут быть легко дискретизированы. Преимущество применения типовых законов распределения состоит в их хорошей изученности и возможности получения состоятельных, несмещенных и относительно высокоэффективных оценок параметров. При допущениях весьма общего характера, можно моделировать неопределенность исследуемых параметров сетей связи различного назначения во всех практически значимых случаях.

Задача определения числа испытаний может решаться на основе предельной теоремы, согласно которой отклонение среднего значения случайной величины от его математического ожидания распределено по нормальному закону. Оценка требуемого параметра, полученного в результате имитационного моделирования, отличается от истинного значения. Отличие определяется точностью и достоверностью оценки. Для произвольного распределения случайных величин число испытаний определяется на основании неравенства Чебышева, согласно которому, для достижения одинаковой точности, объем выборки, зависящий от уровня задаваемой достоверности, должен быть больше, чем при нормальном распределении.

Оценку качества имитационной модели целесообразно проводить после проведении предварительных исследований по таким направлениям, как оценка адекватности, устойчивости и чувствительности.

Для построения и реализации моделирующего алгоритма более рациональным, по сравнению с языками программирования общего применения, является использование специализированных языков имитационного моделирования, таких как GPSS, AnyLogic и др., а так же языки объектно-ориентированного класса (Delphi, C++ и др.).

Таким образом, универсальность имитационного моделирования позволяет исследовать иерархические, организационно-технические и динамичные информационные системы открытого типа, сложность которых изменяется в широких пределах.

ЛИТЕРАТУРА:

1.Е. В. Иванов. Имитационное моделирование средств и комплексов связи и автоматизации. СПб.:

ВАС, 1992. – 206 с.

2.Бокс Дж., Дженкинс Г. Анализ временных рядов. Прогноз и управление. Вып. 1. М.: Мир, 1974, С 144-175.

3.Вадзинский Р.Н. Справочник по вероятностным распределениям. – СПб.: Наука, 2001. – 295 с., ил. 116.

УДК 004.423.26 С.Б. Мухамедходжаев (аспирант, ПГУПС), П.Е. Булавский, к.т.н., доц. (ПГУПС)

ОПИСАНИЯ СХЕМАТИЧЕСКОГО ПЛАНА СТАНЦИИ С ПОМОЩЬЮ АТРИБУТНОЙ

КОНТЕКСТНО-СВОБОДНОЙ ГРАММАТИКИ

Цель работы – формализованное описание схематического плана станции с помощью атрибутной контекстно-свободной грамматики.

За последнее время роль технической документации как информационного ресурса в разработке проектов железнодорожной автоматики и телемеханики значительно возросла.

Важность качественного документирования всех процедур в тех областях, где безопасность является ключевым понятием, в частности, в железнодорожной отрасли, невозможно переоценить, поскольку надежность работы устройств СЦБ зависит не только от совершенства технических решений, но и от корректности проектной документации.

Формализация описания технической документации электронного документооборота с помощью контекстно-свободной грамматики (КС-грамматики) позволяет получать четкая и понятная техническая документация. Кроме того, проверяет корректность всех типов технической документации, участвующих в электронном документообороте.

В случае КС-грамматики язык определяется просто как набор конечных последовательностей (цепочек) символов некоторого произвольного алфавита, выведенных из одного начального символа. Алфавит – это набор символов, которые используются при написании программ, и каждая законченная программа представляет собой их последовательность [1]. Мы можем говорить о множестве набора символов, генерируемых грамматикой (то есть цепочек терминальных символов, выведенных из начального символа), или наоборот, что грамматика распознает набор символов (то есть по некоторой цепочке всегда можно построить дерево синтаксического разбора и вернуться к исходному начальному символу).

Схематический план станции является основным документом для проектирования электрической централизации стрелок и сигналов (ЭЦ). Топология плана станции состоит из основных базовых элементов, как стрелка, светофор, изолирующий стык, участок пути, тупик или любая нецентрализованная зона, переезд. Условно обозначим каждый основной базовый элемент заглавной буквой латинского алфавита. Например, стрелка – S, светофор – F, изолирующий стык

– C, участок пути – L, тупик или любая нецентрализованная зона – T и переезд – P.

Каждый элемент имеет список присущих ему атрибутов. Атрибуты соответствующего элемента могут быть наследуемыми и синтезируемыми. Наследуемые и синтезируемые атрибуты определяется по семантическим правилам [2]. Атрибутные грамматики создавались путем добавления функций (атрибутов) к каждому правилу грамматики.

Атрибуты позволяют легче понять документ и могут способствовать повышению качества технической документации.

Определение атрибутных грамматик строится следующим образом [3]. Пусть G – КСграмматика: G = (Т, N, P, Z), где Т, N, P, Z – соответственно, множество терминальных символов, нетерминальных символов, множество правил вывода и аксиома грамматики.

Правила вывода КС-грамматики записываются в виде при этом G – редуцированная КС-грамматика, то есть, в ней нет нетерминальных символов, для которых не существует полного дерева вывода, в которое входит этот нетерминал.

С каждым символом связано множество A(X) атрибутов символа X.

Некоторые из множеств A(x) могут быть пусты.

Запись a(X) означает, что.С каждым правилом вывода свяжем множество F семантических правил, имеющих следующую форму:

, где – номер символа правила р, а ak(ik) – атрибут символа Xik, то есть.

В таком случае будем говорить, что a0i0 "зависит" от a1(i1),..., aj(ij) или что a0(i0) "вычисляется по" a1(i1),..., aj(ij). В частном случае j может быть равно нулю, тогда будем говорить, что атрибут ao(io) "получает в качестве значения константу".

Учитывая выше представленные данные, рассмотрим пример составления цепочек символов из основных элементов схематического плана станции. Для этого выбирается любой маршрут и составляются слова из набора букв соответствующих элементов. Слова, составленные с помощью букв алфавита, повторяются в некоторых маршрутах. Поэтому для упрощения задач условно преобразуем некоторые слова в макросы. Например, L-F-C=M1 – часть маршрута до первого попутного светофора. Слова, обозначенные макросами выглядеть следующим образом: L-F-C-L-C-S=M2; F-C-L=M3; L-C-F-L-C-F=M4; S(-)-C-S(-)=M5; S(+)-CS(+)=M6.

Если дана атрибутная грамматика AG и цепочка, принадлежащая языку, определяемому G, то можно построить дерево разбора этой цепочки в грамматике G. В этом дереве каждая вершина помечена символом грамматики G. Атрибуты, сопоставленные вхождениям символов в дерево разбора, называются вхождениями атрибутов в дерево разбора, а дерево с сопоставленными каждой вершине атрибутами – атрибутированным деревом разбора [3].

Основным формализмом, использующимся при описании схематического плана, является аппарат атрибутных грамматик. Результатом является атрибутированное дерево программы. Информация об элементах может быть, как рассредоточена в самом дереве, так и сосредоточена в отдельных таблицах элементов. В процессе контекстного анализа также могут быть обнаружены ошибки, связанные с неправильным использованием элементов.

Такое формализованное описание схематических планов станции с помощью атрибутной грамматики позволяет уменьшить дополнительную трудоемкость разработки проектной документации связанную с необходимостью исправления несоответствий, снижает появления ошибок в схематических планах станции, проходящей итоговые виды контроля.

ЛИТЕРАТУРА:

1.Т. Пратт, М. Зелковиц. Языки программирования: разработка и реализация. – Под общей ред. А.

Матросова – СПб.: Питер, 2002. – 144 с.

2.П.Е. Булавский, С.Б. Мухамедходжаев. Проверка корректности схематических планов станций с помощью атрибутной грамматики – Известия ПГУПС, 2011. Вып. №2. С. 63-71.

3.В.А. Серебряков, М.П. Галочкин, Д.Р. Гончар, М.Г. Фуругян. Теория и реализация языков программирования – М.: МЗ-Пресс, 2006. –165, 357 с.

СЕКЦИЯ «СОВЕРШЕНСТВОВАНИЕ СИСТЕМЫ ГОСУДАРСТВЕННОГО И

МУНИЦИПАЛЬНОГО УПРАВЛЕНИЯ В РФ НА СОВРЕМЕННОМ ЭТАПЕ»

–  –  –

АНАЛИЗ И ПУТИ СОВЕРШЕНСТВОВАНИЯ СИСТЕМЫ ЗАНЯТОСТИ

СТУДЕНТОВ НА ПРИМЕРЕ УЧАЩИХСЯ ИЗ СПБГПУ И ЛЭТИ

Феномен работающего студента в современной России становится весьма обыкновенным явлением. Большинство студентов когда-либо на протяжении своей учебной деятельности имели работу: временную или постоянную. Но возникает множество вопросов:

А всегда ли студент удовлетворен своей работой? А получает ли он достойную заработную плату? А какова роль государства в содействии поиска работы для студентов?

Говоря о государственных программах, необходимо сказать, что в Российском законодательстве отражены вопросы содействия занятости молодежи. В соответствии с Федеральным законом Российской Федерации от 25 декабря 2008 г. N 287-ФЗ "О занятости населения в Российской Федерации" органы государственной службы занятости населения субъектов РФ проводят мероприятия, направленные на содействие трудоустройству молодежи. Среди них: организация ярмарок вакансий и учебных рабочих мест, а также организация психологической поддержки, профессиональной подготовки, переподготовки и повышения квалификации; организация временного трудоустройство безработных граждан в возрасте от 18 до 20 лет, ищущих работу впервые.[1] Также существует Федеральная целевая программа «Молодежь России 2006-2010 гг.» и программа «РСО» - развитие студенческих строительных отрядов. Это не только строительные отряды, это и педагогические, и железнодорожные, и сельскохозяйственные.

Эта программа решает, с одной стороны, проблему трудоустройства и занятости, с другой стороны, это воспитательная мера. [2] Если говорить о минусах государственной политики в данной сфере, то можно выделить три ключевые проблемы. Во-первых, это неудовлетворительная работа служб занятости населения (постоянные очереди, неудобный график работы, отсутствие оперативной работы сотрудников). Во-вторых, отсутствие программ по трудоустройству при высших образовательных учреждениях, которые бы способствовали росту студенческой занятости и давали бы возможность карьерного роста в будущем. В-третьих, слабая социальная защита со стороны государства в случае обмана студентов работодателями (необходимость жесткого государственного контроля каждого учреждения, предоставляющего вакантные места).

Целью данного исследования является выявление факторов, влияющих на состояние занятости и безработицы среди студентов, а также составление рекомендаций для работодателей с целью повысить занятость студентов. Для того чтобы выявить ряд проблем в исследуемой сфере, были собраны и систематизированы личные данные студентов, а также проведен первичный анализ. Для определения связей между признаками были применены статистические методы (корреляционный анализ, проверка гипотез, факторный анализ, кластерный анализ) с использованием пакетов SPSS и MS Excel.

Итак, выделим основные проблемы безработицы среди студентов, выявленные в ходе анализа:

• Влияние занятости на показатели успеваемости (частичная занятость студентов очного отделения имеет как отрицательные (пропуск занятий, снижение успеваемости, занятия пропускаются, срываются сроки сдачи работ и пр.), так и положительные (приобретение навыков, коммерческих знаний, рост уверенности в себе) последствия).

• Отсутствие интереса к выполняемой работе.

• Низкая заработная плата (важно правильно сопоставлять затраченные усилия с результатом для оценки заработной платой в денежном эквиваленте).

• Стремление получить работу за границей (важно не допустить утечки большого потока студентов в другие страны (outsourcing), чтобы избежать кризиса и возможной нехватки рабочей силы в стране).

• Недоверие к организациям (низкая надежность) (студенты сознательно не идут работать в организации, которые гарантируют выплату заработной платы «на честном слове», в то же время другие организации составляют договора и требуют от студентов очень большого количества времени для работы).

• Невозможность найти подходящую вакансию в Интернете, газетах и других источниках.

Сформулируем предложения и рекомендации для работодателей:

1. Составление и проектирование специальных мероприятий, которые бы учитывали время, потраченное на выполнение работы и оценку проделанной работы в денежном эквиваленте.

a. Фиксирование рабочего времени с определенной ставкой, подсчет каждую неделю накопленной суммы;

b. Выплата заработной платы в соответствии с выполненными нормами (объем продукции, выдача материала).

c. Вознаграждение определяется индивидуальным вкладом работника в экономический результат организации.

2. Выплата премий особо активным студентам, то есть повышающим экономический результат предприятия (прибыль);

3. Предоставление комфортных условий работы (эргономичность труда);

4. Предоставление социальных пакетов, то есть оплата проезда студентов до места работы за счет предприятия, предоставление отпусков на законной основе;

5. Предоставление возможности студентам обучаться новым знаниям и навыкам, которые необходимы для выполнения работы и повышения в должности (карьерный рост);

6. Организация неформального общения (выезды сотрудников, корпоративы, праздники повышают мотивацию к труду).

Список рекомендаций по оперативному поиску вакансий как для работодателей, так и для государства в целом:

• Организация выставок по трудоустройству (опыт Великобритании), в которой принимают участие работодатели и студенты. На данной выставке имеется возможность презентации себя как ценного сотрудника, а также проводятся семинары от работодателей.

На данных выставках предоставляется помощь в составлении резюме и бесплатные консультации специалистов.

• Принятие программы «Молодежные гарантии» (опыт Норвегии). Это означает, что работающий студент в возрасте от 21 года имеет право претендовать на выдачу специальных пособий и грантов как на обучение, так и на приобретение недвижимого имущества.

• Долгосрочное трудоустройство молодежи (опыт Франции). Возможность компаний устраивать студентов на перспективу работы в данной организации в будущем. В данном варианте должно присутствовать постоянное обучение своего сотрудника со стороны компании. [3] Итак, с одной стороны, выполнение данных рекомендаций работодателями может повысить занятость студентов в стране. С другой стороны, необходима реформа образовательного рынка, которая позволит университетам адаптироваться к росту студенческой занятости, сохраняя при этом образование как основную цель учебных заведений.

ЛИТЕРАТУРА:



Pages:   || 2 | 3 | 4 | 5 |   ...   | 6 |
Похожие работы:

«руО ОТКРЫТОЕАКЦИОНЕРНОЕ ОБЩЕСТВО "РОССИЙСКИЕ ЖЕЛЕЗНЫЕДОРОГИ" (ОАО "РЖД") РАСПОРЯЖЕНИЕ " 1 " апреля 2014г. №814р Москва Обутверждении Технологической инструкции Техническое обслуживание э...»

«МИНИСТЕРСТВО ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ СИБИРСКОЕ ОТДЕЛЕНИЕ РОССИЙСКОЙ АКАДЕМИИ НАУК НОВОСИБИРСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ МАТЕРИАЛЫ XLI МЕЖДУНАРОДНОЙ НАУЧНОЙ СТУДЕНЧЕСКОЙ КОНФЕРЕНЦИИ "Студент и научно-технический прогресс" ЯЗЫКОЗНАНИЕ Новосибирск УДК 410 ББК Шя 431 Материалы XLI Международной научной студенческой конфере...»

«НОВОСТРОЙКИ И ВТОРИЧНЫЙ РЫНОК ЖИЛЬЯ ЗАО ПЕРЕСВЕТ-ИНВЕСТ КРАСНОДАР РОССИЯ ЯНВАРЬ-ДЕКАБРЬ 2008 115088 МОСКВА 1-Я ДУБРОВСКАЯ, Д.14, КОРПУС 1 ТЕЛ./ФАКС +7(495)789-88-88 WWW.PERESVET.RU ГОДОВОЙ ОБЗОР НОВОСТРОЙКИ И ВТОРИЧНЫЙ РЫНОК ЖИЛЬЯ КРАСНОДАРА ПОЛНОЕ ИЛИ КРАТКОЕ ИСПОЛЬЗОВАНИЕ АНАЛИТИЧЕСКОГО ОБЗОРА ДОПУСКАЕТСЯ ТОЛЬКО С ПОЛУЧЕНИ...»

«РАЗРАБОТКА ТЕХНИЧЕСКИХ УСЛОВИЙ НА АРМАТУРНЫЙ ПРОКАТ ДЛЯ СОВРЕМЕННОГО МИНИЗАВОДА Наливайко А.В. АКХ " ВНИИМЕТМАШ" Разработка нормативной документации для аттестации и отгрузки металлопроката на основе изучения результатов статистического анализа механи...»

«НЕКРАСОВ ВЯЧЕСЛАВ ЛАЗАРЕВИЧ ЭНЕРГЕТИЧЕСКАЯ ПОЛИТИКА СССР В 1961-1974 гг. Специальность 07.00.02 – Отечественная история Автореферат диссертации на соискание ученой степени кандидата исторических наук Сургут – 2007 Работа выполнена на кафедре истории ГОУ ВПО "Сургутский государственный педагогический университет" Научный руководитель: доктор исторических наук, профессор...»

«А.А. Мархотин, А.В. Кривошейкин, Г.Г. Рогозинский, Р Уолш. НАУЧНО-ТЕХНИЧЕСКИЙ ВЕСТНИК ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ, МЕХАНИКИ И ОПТИКИ нотябрь–декабрь 2016 Том 16 № 6 ISSN 2226-1494 http://ntv.ifmo.ru/ SCIENTIFIC AND TECHNICAL JOURNAL OF INFORMATION TECHNOLOGIES, MECHANICS AND OPTI...»

«  ФЕДЕРАЛЬНОЕ АГЕНТСТВО   ПО ТЕХНИЧЕСКОМУ РЕГУЛИРОВАНИЮ И МЕТРОЛОГИИ     НАЦИОНАЛЬНЫЙ ГОСТ Р   СТАНДАРТ   РОССИЙСКОЙ ФЕДЕРАЦИИ       Интегрированная логистическая поддержка экспортируемой продукции военного назначения ПЛАНИРОВАНИЕ МАТЕРИАЛЬНО-ТЕХНИЧЕСКОГО ОБЕСПЕЧЕНИЯ Основные положения   Издание официальное Пичев Сергей Владимирович (495) 955-51-...»

«МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ Государственное образовательное учреждение высшего образования "УРАЛЬСКИЙ ГОСУДАРСТВЕННЫЙ ЛЕСОТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ" Факультет туризма и сервиса Кафед...»

«Государственный комитет Российской Федерации по строительству и жилищнокоммунальному комплексу (Госстрой России) Государственное унитарное предприятие "Ростовский научноисследовательский институт ордена Труд...»

«Выпуск 1 2013 (499) 755 50 99 http://mir-nauki.com УДК 331 Павлов Анатолий Павлович НОУ ВПО "Институт государственного управления, права и инновационных технологий" Россия, Москва Кандидат технических наук, профессор E–mail: 24pap@mail.ru Интеллектуальный труд: проблемы капит...»

«Вестник Тюменского государственного университета. Гуманитарные исследования. Humanitates. 2016. Том 2. № 2. C. 35-44 Марина Витальевна ВЛАВАЦКАЯ1 Анастасия Вячеславовна КОРШУНОВА2 УДК 81'373.42 +37+367 ФУ...»

«НОРМЫ НАКОПЛЕНИЯ ТВЕРДЫХ БЫТОВЫХ ОТХОДОВ Чухлебов А.А., И.А. Иванова Воронежский государственный архитектурно-строительный университет Воронеж, Россия THE RATE OF ACCUMULATION...»

«ФЕДЕРАЛЬНОЕ АГЕНСТВО ЖЕЛЕЗНОДОРОЖНОГО ТРАНСПОРТА ТОМСКИЙ ТЕХНИКУМ ЖЕЛЕЗНОДОРОЖНОГО ТРАНСПОРТА – ФИЛИАЛ СГУПС МДК 02.02 Технология диагностики и измерение параметров радиоэлектронного оборудования и сетей связи КОНСПЕКТ ЛЕКЦИЙ по теме: 2.1.Измерения в технике связи по специальности 11.02.06 Техн...»

«ЦЕНТРАЛЬНАЯ ИЗБИРАТЕЛЬНАЯ КОМИССИЯ РЕСПУБЛИКИ СЕВЕРНАЯ ОСЕТИЯ АЛАНИЯ ПОСТАНОВЛЕНИЕ от 22 июня 2016 г. № 158/851-5 г. Владикавказ О подготовке к использованию на выборах депутатов Государственной Думы Федерального Собрания Российской Федерации седьмого созыва и совмещенных с ними выборов в органы мест...»

«ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ТЕХНИЧЕСКОМУ РЕГУЛИРОВАНИЮ И МЕТРОЛОГИИ ГОСТ Р НАЦИОНАЛЬНЫЙ – СТАНДАРТ РОССИЙСКОЙ ФЕДЕРАЦИИ Проект, первая редакция Интегрированная логистическая поддер...»

«ПРАВИТЕЛЬСТВО МОСКВЫ ПОСТАНОВЛЕНИЕ от 10 сентября 2002 г. N 743-ПП ОБ УТВЕРЖДЕНИИ ПРАВИЛ СОЗДАНИЯ, СОДЕРЖАНИЯ И ОХРАНЫ ЗЕЛЕНЫХ НАСАЖДЕНИЙ ГОРОДА МОСКВЫ (в ред. постановлений Правительства Москвы от 08.07.2003 N 527-ПП, от 24.02.2004 N 103-ПП, от 21.09.2004 N 644-ПП, от 28.12.2004 N 928-ПП, от 3...»

«УДК 621.039.5 Жемков Игорь Юрьевич НАУЧНО-МЕТОДИЧЕСКОЕ СОПРОВОЖДЕНИЕ ЭКСПЛУАТАЦИИ ИССЛЕДОВАТЕЛЬСКОГО РЕАКТОРА НА БЫСТРЫХ НЕЙТРОНАХ Специальность: 05.14.03. Ядерные энергетические установки, вк...»

«  Процессы и аппараты химических и других производств. Химия УДК 66. 047 ОСОБЕННОСТИ МЕХАНИЗМА И КИНЕТИКИ СУШКИ КАПЕЛЬ ДИСПЕРСИЙ (на примере сушки послеспиртовой барды) Ю.В. Пахомова, В.И. Коновалов, А.Н. Пахомов Кафедра "Техно...»

«Сибирское отделение РАН Государственная публичная научно-техническая библиотека КАДРОВЫЙ ПОТЕНЦИАЛ БИБЛИОТЕК Сборник научных трудов Новосибирск УДК 021.7 ББК Ч 73р7 К13...»

«ЭКЗОГЕННОЕ СОЦИОКУЛЬТУРНОЕ ВОЗДЕЙСТВИЕ (сравнительно-исторический анализ) ВАРДГЕС ПОГОСЯН История без социологии слепа, социология без истории пуста. Норман Готвальд В конце ХХ в. проблемы взаимоотношения цивилизаций выдвинулись в гуманитарных науках на ведущие позиции. В фокусе внимания...»

«УПРАВЛЕНИЕ АРХИВАМИ СВЕРДЛОВСКОЙ ОБЛАСТИ ГОСУДАРСТВЕННОЕ КАЗЕННОЕ УЧРЕЖДЕНИЕ СВЕРДЛОВСКОЙ ОБЛАСТИ "ГОСУДАРСТВЕННЫЙ АРХИВ АДМИНИСТРАТИВНЫХ ОРГАНОВ СВЕРДЛОВСКОЙ ОБЛАСТИ" (ГКУСО "ГААОСО") Инструк...»

«ISSN 0202-3205 МИНИСТЕРСТВО ПУТЕЙ СООБЩЕНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ПУТЕЙ СООБЩЕНИЯ (МИИТ) Кафедра "Организация, технология и управление строительством" А.Ф. АКУРАТОВ, К.В. СИМОНОВ КОНЦЕПТУАЛЬНЫЕ ОСНОВЫ ПР...»

«Министерство образования Республики Беларусь Учреждение образования "БЕЛОРУССКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ИНФОРМАТИКИ И РАДИОЭЛЕКТРОНИКИ" Кафедра инженерной графики ВЫШИНСКИЙ Н. В. ТЕХНИЧЕСКАЯ МЕХАНИКА. СБОРНИК ЗАДАЧ Минск 2015 Введение Раздел 1. Статика твердого тела Определение реакций в опорах при дейс...»

«Пояснительная записка Игры, которые представлены в данной программе, направлены на формирование восприятия ребенка младшего дошкольного возраста. Программа разработана с учетом закономерностей формирования восприятия в дошкольном возрасте...»

«УТВЕРЖДАЮ Технический директор ОАО "ХК "Лугансктепловоз" Басов Г.Г. "" 2006 г. ЭЛЕКТРОПОЕЗД ЭПЛ2Т АВТОМАТИЧЕСКАЯ ЛОКОМОТИВНАЯ СИГНАЛИЗАЦИЯ АЛС-МУ НАСТРОЙКА И КОНТРОЛЬ. Подп. и дата ИНСТРУКЦИЯ 1115.00.00.000 И9 Инв. № дубл. Взам. инв. № Главный конструктор ОАО "ХК "Луганскт...»








 
2017 www.lib.knigi-x.ru - «Бесплатная электронная библиотека - электронные материалы»

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.