Ф.И.О.
Лаптев Владимир Николаевич
Ученая степень
• кандидат технических наук
Ученое звание
доцент
Почетное звание
—
Организация, должность
• Кубанский государственный аграрный университет
доцент
Научные интересы
-
Адрес веб-сайта
—
Электропочта
Текущий рейтинг (суммарный рейтинг статей)
0
TOP5 соавторов
Статей в журнале: 51 шт
Сформировать список работ, опубликованных в Научном журнале КубГАУ
-
08.00.13 Математические и инструментальные методы экономики (экономические науки)
Краткое описание
Для оценки влияния инвестиций на результаты деятельности АПК используется механизм адаптивного управления открытыми системами
-
05.13.10 Управление в социальных и экономических системах (технические науки)
Краткое описание
В статье рассматриваются общие принципы разработки программных приложений для генерирования и проверки практических заданий по математическим дисциплинам в среде разработки Visual Basic for Application. Описывается структура компьютерных программ, исследуются основные компоненты реализуемых макросов, приводятся алгоритмы основных процедур. Особое место уделяется проблемам идентификации обучающихся и защите генерируемых данных. Даны рекомендации по использованию разрабатываемых программ в учебном процессе
-
05.13.18 Математическое моделирование, численные методы и комплексы программ (технические науки)
Краткое описание
В статье рассматриваются общие принципы разработки программных приложений для генерирования и проверки практических заданий по математическим дисциплинам в среде разработки Visual Basic for Application. Описывается структура компьютерных программ, исследуются основные компоненты реализуемых макросов, приводятся алгоритмы основных процедур. Особое место уделяется проблемам идентификации обучающихся и защите генерируемых данных. Даны рекомендации по использованию разрабатываемых программ в учебном процессе
-
05.13.10 Управление в социальных и экономических системах (технические науки)
Краткое описание
В работе рассмотрены наиболее используемые методы и средства извлечения знаний с учетом оценки качества моделей в системах поддержки принятия решений. В научном и практическом плане исследованы возможности совместного эффективного использования экспертных систем, интеллектуального анализа данных (ИАД) и машинного логического вывода (МЛВ), что обеспечивает более глубокую обработку данных, учитывая существенные отличия баз данных (БД) и баз знаний (БЗ). БД является единицей информации несвязанной друг с другом сведениями, в то время как БЗ – не только связаны между собой, но и с понятиями окружающего мира, что дает возможность решать сложные многокритериальные задачи в различных предметных областях. В настоящее время все возрастающее внимание уделяется неройсетевым технологиям, обладающие способностью моделирования нелинейных процессов, работе с зашумленными данными, а также способностью к обучению и самообучению, извлекая из поступающей информации существенные особенности. В тоже время интеграция нейросетевых технологий и моделей искусственного интеллекта в единую гибридную систему вместе с методами логического вывода в виде иерархической последовательности структуры правил «Если-то» значительно улучшает понимание изучаемого процесса и качества представления получаемого результата. Тем не менее эти методы и средства извлечения знаний являются недостаточными если не использовать механизм нечеткого лингвистического вывода. Базовой характеристикой нечетких множеств является функция принадлежности, которая представляет собой обобщенную характеристику обычного множества. Для задания этой функции используются три типа форм – треугольная, трапецеидальная и гауссового типа и две основных процедуры – фазификация и дефазификация, что и рассмотрено на примере метода Мамдани. Наряду с изложенным наиболее перспективным направлением в этой области является алгоритм адаптивного усиления AdaBoost, где ограничение усиления за счет фильтрации состоит в применении подвыборки, контур которой есть обычный контур пакетного обучения, допускающий повторное использование данных обучения. Это и обеспечивает возможность работы со слабыми моделями, а в условиях гибридизации обуславливает повышение эффективности, усиливает классификаторы, объединенные в «комитет». Каждая следующая совокупность классификаторов строится по объектам неверно классифицированных предыдущими совокупностями. AdaBoost чувствителен к шуму в данных и выбросам и менее подвержен переобучению, что позволяет значительно уменьшить количество примеров и получать более качественный вывод в СППР
-
05.13.10 Управление в социальных и экономических системах (технические науки)
Краткое описание
В работе рассмотрены сложности построения инженерных теорий как в научном так и практическом направлении на основе использования нетрадиционного подхода к задачам эффективного мониторинга данных, особенно в области проблем управления системами многокомпонентного представления объектов системного анализа. Изучение сложности этого вопроса предполагает детальное рассмотрение взаимосвязей элементов этих объектов на основе известных методов, в то время как интеграция разнородных знаний полученных такими нередко независимыми методами становится весьма трудоемкой и плохо формализуемой. В настоящее время обработка информации, и ее последующее представление существенно изменились за счет использования интеллектуального анализа данных (ИАД), включающего в себя не только организацию системы знаний в различных ПрО, но и в области СППР. Это в свою очередь способствует эффективной формализации нечеткой информации и обработки ее в виде нечетких алгоритмов, что и является расширением системы поддержки принятия решений на основе нечеткой логики – СППР НЛ. Наряду с этим следует подчеркнуть особенности предложенного подхода СППР НЛ, которое заключается в том, что его можно использовать в различных ПрО, в том числе и для эффективного анализа статистической информации многокомпонентного представления объектов, что находит применение при определении статистических показателей для выявления и оценки существующих и потенциальных рисков, неблагоприятных ситуаций, а также при подготовке мотивационных оснований для принятия управленческих решений. С целью более детального установления в реальных ПрО отношения между объектами предложено осуществлять с помощью различных степеней зависимости. Так, например, типы градуируемых связей рассматриваются как нечеткие объективные связи, а использование экспертных систем и семантических связей обусловило построение гипотез анализа ситуаций и смысловую связь между ними. Существенным отличием рассматриваемой СППР НЛ является то, что каждая модель формируется на основе отдельной семантической сети, а сама система работает с несколькими моделями ПрО связанными или несвязанными между собой. На основе использования в СППР НЛ понятия отношения близости между понятиями, принадлежности ситуации, ее информационной части рекомендации ПрО группируются согласно выбранной ситуации для их последующего анализа и принятия решения. На базе принципа координирующих воздействий и построения функции, с учетом оптимального времени управляющего воздействия, рассмотрен общий алгоритм поддержки принятия решений для внештатных производственных ситуаций в ПрО малоэтажного строительства, как в городских, так и сельских районах
pdf 574.452kb
doc 574.452kb