Вы здесь ▸ Начало ▸
Вы здесь ▸ Начало ▸ Публикации
Иванов В.К., Палюх Б.В.
Демонстратор программной платформы для совместного использования алгоритмов теории свидетельств и нейронных сетей в нечетких системах Journal Article
In: Программные продукты и системы (Software & Systems), vol. 34, no. 4, pp. 511-523, 2021.
Abstract | Links | BibTeX | Метки: demonstrator, diagnostics, evidence theory, fuzzy system, incident, malfunction, neural network, technological chain, technology, демонстратор, диагностика, инцидент, неисправность, нейронная сеть, нечеткая система, теория свидетельств, технологическая цепь, технологический процесс
@article{nokey,
title = {Демонстратор программной платформы для совместного использования алгоритмов теории свидетельств и нейронных сетей в нечетких системах},
author = {Иванов В.К. and Палюх Б.В.},
url = {https://disk.yandex.ru/i/tEP6WYvT7sp7Tg
http://www.swsys.ru/files/2021-4/511-523.pdf
},
doi = {10.15827/0236-235X.136.511-523},
year = {2021},
date = {2021-12-31},
urldate = {2021-12-31},
journal = {Программные продукты и системы (Software & Systems)},
volume = {34},
number = {4},
pages = {511-523},
abstract = {Диагностика состояния сложного многостадийного технологического процесса предполагает совместную обработку первичных данных для получения вероятностных характеристик аномальных критических событий или инцидентов в условиях неопределенности. В статье представлен исследовательский демонстратор «Статус-4» – прототип программной платформы для совместного использования методов алгоритмов теории свидетельств и нейронных сетей в нечетких диагностических системах. Цель разработки демонстратора – создание научно-технического задела для передачи готовых к внедрению решений на следующие этапы проекта. Демонстратор дает возможность показать основные функциональные компоненты платформы, оценить уровень их системной готовности, провести исследовательские испытания платформы, выполнить в различных режимах тестирование программных реализаций выбранных и теоретически подтвержденных методов, быстро проверить работоспособность и эффективность функционирования при различных значениях параметров и их сочетаниях. С помощью демонстратора могут быть показаны варианты совместного применения методов нейронных сетей и теории свидетельств в гибридной экспертной системе для диагностики технологического процесса, получены экспериментальные подтверждения эффективности совместного применения этих методов в части уменьшения уровня неопределенности и увеличения уровня доверия к данным при принятии решений. В статье приводятся краткие сведения о функциональных возможностях демонстратора, включая описание технологического процесса и предположений о влиянии диагностических переменных на его работоспособность, загрузку описаний инцидентов в технологическую БД, формирование гипотез о причинах инцидентов, генерацию продукционных правил, адаптацию параметров алгоритмов оценки состояния технологического процесса с помощью нейронной сети и нечеткого вывода. Рассматриваются основные параметры хранилища данных и объектной модели, приводятся сведения о программной реализации и пользовательском интерфейсе, которые иллюстрируются примерами. Выделены особенности используемых технологий, позволяющие надеяться на эффективность их совместного использования в диагностических системах. Использование демонстратора способствует минимизации ключевых рисков создания полнофункциональной программной платформы для диагностики и оценки состояния сложного многостадийного технологического процесса.
The diagnostics of a complex multi-stage technical process involves the joint primary data processing to obtain probabilistic characteristics of abnormal critical events or incidents under uncertainty. The paper presents the research demonstrator Status-4 that is a software platform prototype for joint using the evidence theory and neural network methods in fuzzy diagnostic systems. The purpose of the demonstrator development is to create a scientific and technical reserve for readyto-implement solutions transfer to the next project stages. The demonstrator makes it possible to show the main platform functional components, assess their system readiness level, conduct the platform research tests, perform software implementations testing of the selected and theoretically confirmed methods in various modes, check the functioning operability and efficiency at various parameter values and their combinations quickly. The demonstrator shows the options for the joint application of neural network and evidence theory methods in a hybrid expert system for diagnostics process. In addition, these methods joint application effectiveness is experimentally confirmed in terms of reducing the uncertainty level and increasing the confidence in data level when making decisions. The demonstrator enables minimizing the key risks of creating a full-featured software platform for diagnosing and evaluating the complex multi-stage technologies state. The paper provides brief information about the demonstrator functionality, including the technology description and the suppositions description about diagnostic variables influence on processing performance, loading incident descriptions into the technological database, forming hypotheses about the incidents causes, generating production rules, adapting the parameters of the technology state assessing algorithms using neural network and fuzzy inference. The paper considers the main data warehouse and object model parameters, provides the software implementation and user interface information and illustrates it by examples. It also highlights the used methods features, which allow us to hope for the effectiveness of their joint use in diagnostic systems.
Иванов В.К., Палюх Б.В. Демонстратор программной платформы для совместного использования алгоритмов теории свидетельств и нейронных сетей в нечетких системах / DOI: 10.15827/0236-235X.136.511-523 // Программные продукты и системы (Software & Systems). — Тверь, 2021. — Т.34. — № 4. — С. 511-523. — URL: http://www.swsys.ru/files/2021-4/511-523.pdf (ВАК)
},
keywords = {demonstrator, diagnostics, evidence theory, fuzzy system, incident, malfunction, neural network, technological chain, technology, демонстратор, диагностика, инцидент, неисправность, нейронная сеть, нечеткая система, теория свидетельств, технологическая цепь, технологический процесс},
pubstate = {published},
tppubtype = {article}
}
Иванов В.К., Палюх Б.В.
Совместное использование моделей и методов нейронных сетей и теории свидетельств в нечетких системах управления и диагностики Journal Article
In: Искусственный интеллект и принятие решений, no. 4, pp. 75-88, 2021.
Abstract | Links | BibTeX | Метки: belief function, Dempster-Schafer theory, diagnostics, evidence theory, fuzzy system, hybrid expert system, manufacturing process, network training, neural network, technology, гибридная экспертная система, диагностика, нейронная сеть, нечеткая система, обучение сети, теория свидетельств, технологический процесс, функция доверия
@article{nokey,
title = {Совместное использование моделей и методов нейронных сетей и теории свидетельств в нечетких системах управления и диагностики},
author = {Иванов В.К. and Палюх Б.В.},
url = {https://disk.yandex.ru/i/-HuBQb-k7qH58g
https://elib.tstu.tver.ru/MegaPro/Download/MObject/34329/001-000143914-000000000-0000-0000-01.pdf},
doi = {10.14357/20718594210407},
year = {2021},
date = {2021-12-31},
urldate = {2021-12-31},
journal = {Искусственный интеллект и принятие решений},
number = {4},
pages = {75-88},
abstract = {В статье описываются результаты исследования совместного использования методов интеллектуальной обработки данных, таких как нейронные сети и алгоритмы теории свидетельств. Исследование включает анализ описаний современных разработок, опубликованных за последнее время. Рассмотрены описания состава, структуры и функционирования основных алгоритмов систем, разработанных для проектов в различных областях. Определены варианты совместного применения нейронных сетей и алгоритмов теории свидетельств, включая особенности их архитектур и реализации. Получено подтверждение эффективности совместного применения указанных методов в части уменьшения уровня неопределенности и увеличения уровня доверия к данным, используемым для принятия решений. Областью применения результатов настоящего исследования является проектирование архитектурных решений гибридной экспертной системы для диагностики состояния технологических процессов и обнаружения аномалий в них.
The article describes the study results of various intelligent data processing methods, such as neural networks and algorithms of the theory of evidence, joint use. The study was conducted on the development of diagnostic systems examples. These methods hybridization is one of the general approaches to reduce uncertainty in the data used and increase the degree of confidence in them. The data uncertainty is of an objective nature when they are obtained from the sensors of technological equipment, from technical regulations, as well as from expert specialists. The study includes an analysis of modern developments descriptions presented at significant international conferences and published recently. Several dozen descriptions of the systems composition, structure and main algorithms functioning developed for projects in various fields were reviewed. As a result, the joint application modes of neural networks and theory of evidence algorithms including the features of architectures and their implementation are determined. We also summarized information about the effectiveness of these methods’ joint application in terms of the uncertainty level reducing and confidence level increasing in the decision-making data. The scope of this study results application is the architectural solutions design of a hybrid expert system for diagnosing the technology processes state and detecting anomalies in them.
Иванов В.К., Палюх Б.В. Совместное использование моделей и методов нейронных сетей и теории свидетельств в нечетких системах управления и диагностики / DOI: 10.14357/20718594210407 // Искусственный интеллект и принятие решений. — Москва, 2021. — № 4. — С. 75-88. — URL: https://elib.tstu.tver.ru/MegaPro/Download/MObject/34329/001-000143914-000000000-0000-0000-01.pdf (WoS, Scopus)},
keywords = {belief function, Dempster-Schafer theory, diagnostics, evidence theory, fuzzy system, hybrid expert system, manufacturing process, network training, neural network, technology, гибридная экспертная система, диагностика, нейронная сеть, нечеткая система, обучение сети, теория свидетельств, технологический процесс, функция доверия},
pubstate = {published},
tppubtype = {article}
}
Ivanov V.K., Palyukh B.V., Sotnikov A.N.
Additive Criterion to Evaluate Object Innovation Journal Article
In: Lobachevskii Journal of Mathematics, vol. 42, no. 11, pp. 2537-2544, 2021.
Abstract | Links | BibTeX | Метки: additive criterion, additive independence, demand, implementability, innovation, Novelty, partial criterion, utility function
@article{nokey,
title = {Additive Criterion to Evaluate Object Innovation},
author = {Ivanov V.K. and Palyukh B.V. and Sotnikov A.N.},
url = {https://disk.yandex.ru/i/__dm4aVE9Xk9Mw
https://link.springer.com/10.1134/S1995080221110111},
doi = {10.1134/S1995080221110111},
year = {2021},
date = {2021-12-31},
urldate = {2021-12-31},
journal = {Lobachevskii Journal of Mathematics},
volume = {42},
number = {11},
pages = {2537-2544},
abstract = {The article discusses some aspects of the object descriptions having significant innovation potential. The procedure for selecting such descriptions consists of two consecutive phases. The first phase involves generating effective search queries with a special genetic algorithm. In the second phase, the model developed determines the likely innovativeness of the object. Meanwhile the values of additive selection criteria are calculated. In the latter case, the criterion is the index of innovativeness. The purpose of the article is to justify the additive criterion applicability for calculating the value of the object innovativeness. The article describes general conditions of applying additive evaluation criteria and shows how these conditions are met in the case in question. The analysis of the partial criteria gives grounds to assert their additive independence and, therefore, the correct use of additive n-dimensional utility function. Some additional reasons for applying additive criterion are also given. In general, the article proposes a unified approach to generating global assessment criteria and the relevance of their unified formal structure is shown. Note that earlier the authors proposed a similar approach to the fitness function formation of the genetic algorithm used. Despite the different physical meaning and purpose of the criteria, their relevance to common formal structure is proved.
Ivanov, V.K., Palyukh, B.V. & Sotnikov, A.N. Additive Criterion to Evaluate Object Innovation. Lobachevskii J Math 42, 2537–2544 (2021). https://doi.org/10.1134/S1995080221110111 (WoS, Scopus)},
keywords = {additive criterion, additive independence, demand, implementability, innovation, Novelty, partial criterion, utility function},
pubstate = {published},
tppubtype = {article}
}
Иванов В.К.
2021.
Abstract | Links | BibTeX | Метки: demonstrator, diagnostics, evidence theory, fuzzy system, incident, neural network, демонстратор, диагностика, инцидент, неисправность, нейронная сеть, нечеткая система, теория свидетельств
@patent{В.К.2021,
title = {Свидетельство о государственной регистрации программы для ЭВМ №2021667814 «Программа-демонстратор платформы для совместного использования алгоритмов теории свидетельств и нейронных сетей в нечетких системах»},
author = {Иванов В.К.},
url = {https://disk.yandex.ru/i/rpI3YzLoGtW21w
https://elib.tstu.tver.ru/MegaPro/Download/MObject/34330/001-000143950-000000000-0000-0000-01.pdf },
year = {2021},
date = {2021-11-02},
urldate = {2021-11-02},
series = {Свидетельство о государственной регистрации программы для ЭВМ №2021667814},
abstract = {Программа представляет собой исследовательский прототип программной платформы для совместного использования моделей и методов теории свидетельств и нейронных сетей в гибридной нечеткой экспертной системе для диагностики технологического процесса. Основные функции программы: формирование описаний технологического процесса и предположений о влиянии диагностических переменных на его работоспособность, загрузка описаний инцидентов в технологическую базу данных, формирование гипотез о причинах инцидентов, генерация продукционных правил, адаптация параметров алгоритмов оценки состояния технологического процесса с помощью нейронной сети и нечеткого вывода. Демонстратор дает возможность оценить уровень системной готовности основных функциональных компонентов, провести исследовательские испытания, выполнить в различных режимах тестирование программных реализаций выбранных и теоретически подтвержденных методов для уменьшения уровня неопределенности и увеличения уровня доверия к данным при принятии решений.
Язык: Python
Объём: 5400 Kб
Свидетельство о государственной регистрации программы для ЭВМ №2021667814 «Программа-демонстратор платформы для совместного использования алгоритмов теории свидетельств и нейронных сетей в нечетких системах» : дата государственной регистрации в Реестре программ для ЭВМ 02 ноября 2021 г. / автор: В.К. Иванов. — URL: https://elib.tstu.tver.ru/MegaPro/Download/MObject/34330/001-000143950-000000000-0000-0000-01.pdf
(РИНЦ)},
keywords = {demonstrator, diagnostics, evidence theory, fuzzy system, incident, neural network, демонстратор, диагностика, инцидент, неисправность, нейронная сеть, нечеткая система, теория свидетельств},
pubstate = {published},
tppubtype = {patent}
}
Иванов В.К.
Экспериментальное обоснование критериев количественной оценки инновационности объекта Inproceedings
In: Единое цифровое пространство научных знаний: проблемы и решения: сборник научных трудов, pp. 423-438, Москва; Берлин: Директ-Медиа, 2021, ISBN: 978-54-4991-905-2.
Abstract | Links | BibTeX | Метки: additive criterion, Data warehouse, innovation, Search Query, utility function, аддитивный критерий, инновационность, поисковый запрос, функция полезности, хранилище данных
@inproceedings{V.K.Ivanov15,
title = {Экспериментальное обоснование критериев количественной оценки инновационности объекта},
author = {Иванов В.К.},
url = {https://disk.yandex.ru/i/44q944J6XsaXZA},
isbn = {978-54-4991-905-2},
year = {2021},
date = {2021-03-30},
urldate = {2021-03-30},
booktitle = {Единое цифровое пространство научных знаний: проблемы и решения: сборник научных трудов},
pages = {423-438},
publisher = {Москва; Берлин: Директ-Медиа},
abstract = {Представлены результаты экспериментов, подтверждающие основные идеи предлагаемого подхода к определению инновационности объектов. Этот подход основан на предположении об адекватности отображения жизненного цикла продуктов, описания которых размещены в различных хранилищах данных. Предложенная формальная модель позволяет вычислить количественное значение аддитивного оценочного критерия инновационности объектов. Критерий включает в себя показатели новизны, востребованности и имплементируемости продуктов и/или технологий. Их значения вычисляются на основе данных об объектах и частотных характеристик доступа к ним, взятых в ретроспективе. Представленные данные экспериментов дают возможность оценить корректность принятого подхода. Так, получены сходные тренды изменения показателей для различных объектов, нормирующих функций и источников данных. Отмечена цикличность изменения показателей в течение значимого периода. Это является отражением типичной ситуации падения спроса после достижения его максимума, следствием чего может быть улучшение конструкции, технологии использования, эксплуатационных характеристик объекта. Эксперименты показали совпадение оценки объектов с помощью вычисленных показателей с экспертными оценками тех же объектов. Использование многих источников информации об объектах для сбора исходных данных позволяет получить более адекватные значения. Предлагаемое использование таких методов, как теория свидетельств, дает возможность обоснованно выполнить комбинирование отличающихся результатов.
Experimental Justification of the Object Innovativeness Quantitative Evaluation Criteria
The paper presents the results of the experiments that were conducted to confirm the main ideas of the proposed approach to determining the objects innovativeness. This approach assumed that the product life cycle of whose descriptions are placed in different data warehouses is adequate. The proposed formal model allows us to calculate the quantitative value of the additive evaluation criterion of objects innovativeness. The criterion includes indicators of novelty, demand, and implementability of products or technologies. Their values are calculated based on data about objects and frequency characteristics of access to them taken retrospectively. The obtained experimental data make it possible to evaluate the adopted approach correctness. Thus, similar trends of changes in indicators for various objects, normalizing functions, and data sources were obtained. The cyclical nature of indicators values over a significant period is noted. This reflects a typical situation when falling demand after reaching its maximum, and then may result in an improvement in the design, technology of use, and operational characteristics of the object. Experiments have shown that evaluating objects using calculated indicators coincide with expert estimates of the same objects. Using many sources of information about objects to collect source data allows you to get more adequate values. The proposed use of evidence theory makes it possible to combine different results more reasonably.},
keywords = {additive criterion, Data warehouse, innovation, Search Query, utility function, аддитивный критерий, инновационность, поисковый запрос, функция полезности, хранилище данных},
pubstate = {published},
tppubtype = {inproceedings}
}
Иванов В.К.
Экспериментальная проверка модели оценки инновационности объекта Journal Article
In: Вестник Тверского государственного технического университета. Серия «Технические науки», vol. 8, no. 4, pp. 54-63, 2020.
Abstract | Links | BibTeX | Метки: additive criterion, Data warehouse, innovation, Search Query, utility function, аддитивный критерий, инновационность, поисковый запрос, функция полезности, хранилище данных
@article{V.K.Ivanov11,
title = {Экспериментальная проверка модели оценки инновационности объекта},
author = {Иванов В.К.},
url = {https://disk.yandex.ru/i/dLU-ISv_EMMz8w},
year = {2020},
date = {2020-11-30},
urldate = {2020-11-30},
journal = {Вестник Тверского государственного технического университета. Серия «Технические науки»},
volume = {8},
number = {4},
pages = {54-63},
publisher = {ТвГТУ},
abstract = {В статье рассматривается подход к количественной оценке инновационности продуктов и технологий. Результаты такой оценки могут быть использованы при создании хранилища данных для описаний объектов со значительным инновационным потенциалом. Модель расчета индекса инноваций основана на понятиях новизны, актуальности и имплементируемости объекта. Даны формальные определения этих показателей и описана методика их расчета. Используются нечеткие методы для обработки (неполной) информации из многочисленных источников и для получения вероятностных оценок инноваций. Представлены экспериментальные данные проверки модели, в том числе расчеты локальных критериев и глобального аддитивного оценочного критерия. Установлены цикличность динамических изменений показателей, их взаимозависимость, некоторые общие особенности продвижения продуктов. Полученные экспериментальные данные согласуются с экспертными оценками исследуемых продуктов. Анализ локальных критериев, использованных в исследовании, дает основание утверждать о правильном использовании аддитивной n-мерной функции полезности. Адекватность предположений и формальных выражений, которые используются в вычислительных алгоритмах отбора информации для размещения в хранилище данных, подтверждается.
Experimental check of model of object innovation evaluation
The article discusses the approach for evaluating the innovation index of the products and technologies. The evaluation results can be used to create a warehouse of the object descriptions with significant innovation potential. The model of innovation index computation is based on the concepts of novelty, relevance, and implementability of the object. Formal definitions of these indicators are given and a methodology for their calculation are described. The fuzzy methods to coprocess (incomplete) data from numerous sources and to obtain probabilistic innovation assessments are used. The experimental data of the model check including the calculations of local criteria and global additive evaluation criterion are presented. The cyclical nature of dynamic changes in indicators, their interdependence was established, some general features of the products promotion were found. The obtained experimental data are consistent with expert estimates of the products under study. The analysis of the local criteria used in the research gives grounds to assert the correct use of the additive ndimensional utility function. The adequacy of assumptions and formal expressions that are used in computational algorithms for selection information for data warehouse is confirmed. },
keywords = {additive criterion, Data warehouse, innovation, Search Query, utility function, аддитивный критерий, инновационность, поисковый запрос, функция полезности, хранилище данных},
pubstate = {published},
tppubtype = {article}
}
Ivanov V.K., Palyukh B.V., Sotnikov A.N.
Additive Criteria to Evaluate Relevance of Innovative Objects in Data Warehouse Journal Article
In: Lobachevskii Journal of Mathematics, vol. 41, no. 12, pp. 2535–2541, 2020, ISSN: 1995-0802.
Abstract | Links | BibTeX | Метки: additive criterion, additive independence, Data warehouse, Genetic algorithm, innovation, partial criterion, Search Query, utility function
@article{V.K.Ivanov12,
title = {Additive Criteria to Evaluate Relevance of Innovative Objects in Data Warehouse},
author = {Ivanov V.K. and Palyukh B.V. and Sotnikov A.N.},
url = {https://disk.yandex.ru/i/atOSEIgY7P6F_Q},
doi = {10.1134/S199508022012015X },
issn = {1995-0802},
year = {2020},
date = {2020-11-30},
urldate = {2020-11-30},
journal = {Lobachevskii Journal of Mathematics},
volume = {41},
number = {12},
pages = {2535–2541},
abstract = {The article discusses some aspects of warehousing object descriptions having significant innovation potential. The procedure for selecting such descriptions consists of two consecutive phases. The first phase involves generating effective search queries with a special genetic algorithm (GAP). In the second phase, the model developed determines the index of innovativeness of an object archetype. Meanwhile the values of additive selection criteria are calculated. In the former case, the criterion is a fitness function of GAP. In the latter case, the criterion is the index of innovativeness. The purpose of the article is to justify the additive criterion applicability for calculating the value of the GAP fitness function. The article describes general conditions of applying additive evaluation criteria and shows how these conditions are met for the GAP fitness function. The analysis of the partial criteria gives grounds to assert their additive independence and, therefore, the correct use of additive n-dimensional utility function. Some additional reasons for applying additive criterion are also given. In general, the article proposes a unified approach to generating global assessment criteria and the relevance of unified formal structure is shown. The models presented in the article are used to develop adequate computational algorithms for the developed data warehouse support system. },
keywords = {additive criterion, additive independence, Data warehouse, Genetic algorithm, innovation, partial criterion, Search Query, utility function},
pubstate = {published},
tppubtype = {article}
}
Иванов В.К.
Модель функционирования интеллектуальной системы управления персонализированным обучением в нечеткой динамической среде Inproceedings
In: Информационные технологии в образовании : сборник материалов XII Всероссийской научно-практической конференции {"}ИТО-Саратов-2020{"}, 30-31 октября 2020 г., pp. 88-93, СНИГУ, 2020.
Abstract | Links | BibTeX | Метки: агент, индивидуальная образовательная траектория, инновация, хранилище данных, электронное обучение, электронные образовательные ресурсы
@inproceedings{V.K.Ivanov17,
title = {Модель функционирования интеллектуальной системы управления персонализированным обучением в нечеткой динамической среде},
author = {Иванов В.К.},
url = {https://disk.yandex.ru/i/lDZL3NqfCnxweQ},
year = {2020},
date = {2020-10-31},
urldate = {2020-10-31},
booktitle = {Информационные технологии в образовании : сборник материалов XII Всероссийской научно-практической конференции {"}ИТО-Саратов-2020{"}, 30-31 октября 2020 г.},
issuetitle = {Информационные технологии в образовании : сборник материалов XII Всероссийской научно-практической конференции {"}ИТО-Саратов-2020{"}, 30-31 октября 2020 г.},
pages = {88-93},
publisher = {СНИГУ},
abstract = {Трансформация парадигмы образовательного процесса в сторону индивидуализации обучения в соответствии с когнитивными особенностями личности обучающегося является одной из актуальных тем. Предлагаются и обосновываются компоненты модели управления образовательным процессом, которая может позволить адаптивно учитывать полноту и достоверность источников образовательного контента, желаемые компетенции обучающихся и генерировать индивидуальные образовательные методики с использованием интеллектуальных агентов. Ожидаемые результаты применения модели: для студентов – персонифицированные план, контент, методика и инструменты обучения; для преподавателей – инновационные технологии анализа контента и результатов обучения.},
keywords = {агент, индивидуальная образовательная траектория, инновация, хранилище данных, электронное обучение, электронные образовательные ресурсы},
pubstate = {published},
tppubtype = {inproceedings}
}
Иванов В.К., Образцов И.В.
2020.
Abstract | Links | BibTeX | Метки: нечёткая логика, показатель инновационности, теория свидетельств, экспертная система
@patent{V.K.Ivanov18,
title = {Свидетельство о государственной регистрации программы для ЭВМ №2020663081 «Программа для решения задачи групповой обработки результатов измерений и интервальных оценок нечётких и неполных значений показателей инновационности объектов в соответствии с теорией свидетельств»},
author = {Иванов В.К. and Образцов И.В.},
url = {https://disk.yandex.ru/i/LH9PP9cMURhMzQ},
year = {2020},
date = {2020-10-22},
urldate = {2020-08-09},
abstract = {Программа предназначена для групповой обработки результатов измерений и оценок значений показателей инновационности объектов – продуктов или технологий. Используются интервальные оценки в соответствии с теорией свидетельств Демпстера-Шафера и осуществляется агрегация больших объёмов нечётких и неполных данных различной структуры. Реализован алгоритм для расчета вероятностных значений показателей инновационности объектов на основе исходных данных, полученных из нескольких источников с учетом их надежности, включая вычисление функций доверия и правдоподобия. Исходные данные программы могут иметь различную природу и быть получены опросом экспертов, из поисковой системы или измерительного устройства. Программа может использоваться при анализе сложных многокомпонентных систем.
Язык: SpiderBasic
ОС: Microsoft Windows
Объём программы: 7966 Kб },
keywords = {нечёткая логика, показатель инновационности, теория свидетельств, экспертная система},
pubstate = {published},
tppubtype = {patent}
}
Иванов В.К., Мескин П.И.
2020.
Abstract | Links | BibTeX | Метки: востребованность, имплементируемость, индекс, инновационность, новизна
@patent{V.K.Ivanov19,
title = {Свидетельство о государственной регистрации программы для ЭВМ №2020663082 «Программа для решения задачи вычисления индекса инновационности объекта с учетом его новизны, востребованности и имплементируемости»},
author = {Иванов В.К. and Мескин П.И. },
url = {https://disk.yandex.ru/i/MNJW9Bz797fm5g},
year = {2020},
date = {2020-10-22},
urldate = {2022-08-09},
abstract = {Программа предназначена для вычисления индекса инновационности объекта, который является аддитивным оценочным критерием, задаваемым взвешенной суммой нормируемых значений индикаторов новизны, востребованности и имплементируемости объекта. Значения индикаторов вычисляются с использованием информации об объекте и частоте ее использования из доступных гетерогенных хранилищ данных. Вычисления производятся на основе лингвистической модели объекта - множества архетипов, определяющих структуру, условия применения и результаты функционирования объекта. Программа обеспечивает создание и хранение лингвистической модели, генерацию и выполнение поисковых запросов, подготовку исходных данных и вычисление индекса инновационности, сохранение и обновление результатов вычислений.
Язык: Python, C#
ОС: Microsoft Windows
Объём программы: 200 Kб },
keywords = {востребованность, имплементируемость, индекс, инновационность, новизна},
pubstate = {published},
tppubtype = {patent}
}