Бесплатное скачивание авторефератов |
СКИДКА НА ДОСТАВКУ РАБОТ! |
Авторские отчисления 70% |
Снижение цен на доставку работ 2002-2008 годов |
Акция - новый год вместе! |
Каталог / ТЕХНИЧЕСКИЕ НАУКИ / Вычислительные машины, системы и сети
Министерство образования и науки, молодежи и спорта Украины
Харьковский национальный университет радиоэлектроники
На правах рукописи
ГОЛЯН НАТАЛЬЯ ВИКТОРОВНА
підпис
УДК 510.635:004.652.4
ПРЕДИКАТНЫЕ МОДЕЛИ НЕЯВНЫХ СВЯЗЕЙ ПРИ ПРОЦЕССНОМ
ПРЕДСТАВЛЕНИИ ЗНАНИЙ
05.13.23 – системы и средства искусственного интеллекта
Диссертация на соискание ученой степени
кандидата технических наук
Научный руководитель –
Шабанов-Кушнаренко
Юрий Петрович,
доктор технических наук,
профессор
Цей примірник дисертації ідентичний
за змістом з іншими, поданими до
спеціалізованої вченої ради.
Вчений секретар спецради Д 64.052.01 підпис Литвинова Є.І.
Гербова печатка
Харьков – 2012
СОДЕРЖАНИЕ
Введение. .......................................................................................................... . 4
Раздел 1. Состояние вопроса и постановка задач исследования ………. 11
1.1 Анализ процессных подходов к моделированию интеллекта .... . 11
1.2 Обзор моделей представления знаний в системах
искусственного интеллекта ………………………………………......
21
1.3 Обзор методов формализации знаний средствами алгебры
конечных предикатов и реляционных сетей ................................................ .
31
1.4 Постановка задачи исследования .................................................. 39
Раздел 2. Модели конструкций неявного выбора в процессном
представлении знаний………………………………………………………..
43
2.1 Процессный подход к извлечению неявных знаний……………. 44
2.2 Модели представления типовых ситуаций неявного выбора ..... . 57
2.3 Разработка алгебро-логической модели обобщенной
конструкции неявного выбора .......................................................................
71
Выводы по разделу 2 .............................................................................. 79
Раздел 3. Нахождение конструкций неявного выбора при процессном
представлении знаний .....................................................................................
81
3.1 Разработка предикатных моделей неявных связей между
действиями процесса ......................................................................................
83
3.2 Разработка предикатной модели представления непрямых
связей между событиями процесса ...............................................................
96
3.3 Способ нахождения конструкций с неявными связями .............
Выводы по разделу 3 .......................................................................................
106
112
Раздел 4 Разработка процессной базы знаний и решение практической
задачи поиска конструкций неявного выбора ..............................................
114
4.1 Реализация механизма нахождения неявных зависимостей
с помощью реляционной сети .............................................................
116
4.2 Структура процессной базы знаний .............................................. 119
4.3 Разработка модуля нахождения неявных связей,
3
экспериментальная проверка полученных теоретических результатов…. 126
Выводы по разделу 4 ........................................................................... . 131
Выводы……………………………………………………………………….. 132
Список использованных источников ............................................................ . 134
Приложение А. Акты использования и внедрения результатов
диссертационных исследований ……………………………………………
ВВЕДЕНИЕ
Актуальность темы. Современный период развития
постиндустриального общества отличается возникновением единого
многоуровневого информационного пространства, объединяющего
основанные на знаниях процессы, связанные с разнообразной обработкой
информации. В связи с этим актуальной является формализация процессных
знаний. Последние задают закономерности, определяющие
последовательности действий, описывающие порядок функционирования
объектов предметной области. Процессные знания отражают представление о
естественном интеллекте как совокупности взаимосвязанных познавательных
процессов, оперирующих знаниями [1–3].
Возникновение множества взаимосвязанных и основанных на знаниях
процессов обработки информации приводит к возрастанию уровня
сложности задач, требующих применения методов искусственного
интеллекта. Решение таких задач требует применения новых знаний, в
особенности представленных в скрытой, неявной форме [4]. В отличие от
подверженных формализации явных знаний, неявные знания отражают
скрытые различным образом зависимости. Проявления таких связей могут
быть описаны, однако выявление и формализация самих причинно-следственных зависимостей связаны с рядом трудностей, определяемых
природой неявных знаний. Неявные знания во многих случаях являются
результатом человеческого опыта, который основан на выполнении
человеком определенной последовательности действий, реализующих
заданный процесс (или процессы) обработки информации. При описании
такой последовательности часть зависимостей между действиями могут быть
пропущены как несущественные, хотя их влияние на выбор действий
процесса сохраняется. Это приводит к возникновению несоответствия между
представлением знаний в системе искусственного интеллекта и реальными
зависимостями в рассматриваемой предметной области.
5
Существующие подходы к формализации неявных знаний основаны, в
частности, на проведении интервью с экспертами и группами экспертов,
работе с фокус-группами [5], что не всегда позволяет получить однозначные
результаты. Однако такие зависимости могут быть получены на основе
анализа последовательности событий, отражающих последовательность
действий процесса с привязкой ко времени [6].
Таким образом, весьма актуальной является задача выявления скрытых
зависимостей при процессном представлении знаний на основе анализа
последовательности событий процесса. Решение данной задачи позволит
перевести такие зависимости в явную форму и дополнить существующую
модель представления знаний.
Настоящая работа посвящена разработке моделей представления
процессных знаний с неявными зависимостями, а также средств нахождения
таких зависимостей на основе анализа соответствующих наборов событий.
Решение данной задачи требует рассмотрения вопросов формально-логического представления неявных связей как элемента представления
знаний.
Вопросы представления знаний рассматривались в работах таких
ученых, как Лорьер Ж.-Л., X. Уено, М. Іспдзука, Sowa JF, Brewka G.,
Stuart J. Russell, Peter Norvig, Alexander Osterwalder, Michael E. Porter, Филип
Котлер, Роланд Бергер, Нильс Бикхофф. В их работах показано, что
развитием фреймового представления знаний является скриптовое
представление, на основе которого и формируются процессные знания.
Для описания различной формализуемой информации, а также
моделирования деятельности человека эффективен и удобен аппарат алгебры
конечных предикатов и предикатных операций. В рамках логического
описания знаний в системах искусственного интеллекта, в частности при
создании мозгоподобных ЭВМ на базе реляционных сетей, большой вклад
был внесен такими учеными, как Ю.П. Шабанов-Кушнаренко и
М.Ф. Бондаренко. Реляционные сети представляют собой такую схемную
6
реализацию формул алгебры конечных предикатов, которая параллельно
обрабатывает символьную информацию.
Несмотря на существенное развитие исследований в данной области,
проблема нахождения неявных знаний, в частности неявных зависимостей
между действиями процесса, влияющих на выбор действий, требует
дальнейшего рассмотрения.
Связь работы с научными программами, планами, темами. Работа
выполнена на кафедре программной инженерии Харьковского
национального университета радиоэлектроники и соответствует
проблематике научно-исследовательской работы по госбюджетной теме
№ 232-2 «Разработка теории и принципов построения мозгоподобных ЭВМ с
реляционными сетями» (№ ДР 0109U001646).
Цель и задачи исследования. Целью работы является разработка
моделей представления скрытых зависимостей между событиями при
процессном представлении знаний, с тем, чтобы обеспечить возможность
обоснованного выбора действий процесса представления знаний на основе
анализа соответствующих наборов событий информационного процесса.
Основные задачи исследования:
проанализировать основные модели представления знаний в
системах искусственного интеллекта;
построить модели типовых ситуаций неявного выбора как элемента
процессного представления знаний;
разработать алгебро-логическую модель представления обобщенной
конструкции неявного выбора;
разработать предикатные модели неявных связей между действиями
в процессном представлении знаний;
разработать предикатную модель непрямых связей между
событиями, отражающими действия в процессном представлении знаний;
построить реляционную сеть для нахождения неявных зависимостей
при процессном представлении знаний;
7
разработать структуру процессной базы знаний и выполнить
экспериментальную проверку теоретических результатов.
Объект исследования – процессы представления знаний в системах
искусственного интеллекта.
Предмет исследования – предикатные модели неявных связей при
процессном представлении знаний.
Методы исследования. В качестве методов исследования
используются методы логического анализа, алгебры конечных предикатов и
предикатных операций для построения реляционных сетей и предикатных
моделей неявных связей в процессном представлении знаний; методы
представления и манипулирования знаниями в системах искусственного
интеллекта и методы интеллектуального анализа процессов для
моделирования процессного представления знаний.
Научная новизна полученных результатов.
1. Впервые предложена алгебро-логическая модель обобщенной конструкции
неявного выбора при процессном представлении знаний, которая базируется
на предикатной модели неявной связи между событиями. Это дает
возможность сделать явным скрытый выбор между событиями и повысить
точность модели.
2. Впервые предложены предикатные модели неявных связей по входу и
выходу между процессом и внешним подпроцессом при процессном
представлении знаний, которые связывают параллельные фрагменты
представления знаний и характеризуются множествами необходимых и
достаточных условий существования параллельных связей. Модели
обеспечивают возможность их обнаружения и устранения противоречий в
процессном представлении знаний.
3. Усовершенствована предикатная модель непрямых связей между
событиями, которые отражают действия в процессном представлении знаний.
Модель, в отличие от существующих, учитывает последовательное
8
возникновение событий и отсутствие циклов событий, что повышает
точность и адекватность модели.
4. Получили дальнейшее развитие модели типовых ситуаций неявного
выбора при процессном представлении знаний в виде реляционных сетей,
что позволило найти неявные связи путем сравнения состояний реляционной
сети с последовательностью событий процесса.
Практическое значение полученных результатов. Разработанные в
диссертационной работе модели представления конструкций неявного
выбора и неявных связей доведены до программной реализации, что
позволило построить реляционные сети поиска неявных связей,
предназначенные для реализации в мозгоподобных компьютерах.
Предложена структура процессной базы знаний, которая обеспечивает
возможность манипулирования знаниями на двух уровнях – системы
процессов и отдельных процессов.
Теоретические результаты работы могут быть использованы в системах
искусственного интеллекта при нахождении неявных зависимостей для
процессов различной природы (информационных, социальных,
экономических), а также при моделировании обработки скрытых знаний
естественным интеллектом.
Результаты диссертационной работы внедрены в сфере разработки
программного обеспечения. Разработанный программный модуль
нахождения скрытых связей был использован для выявления скрытых
зависимостей в процессах тестирования программного обеспечения.
Результаты, полученные в ходе представленной диссертационной
работы нашли свое практическое применение в ПАО «Харьковский
машиностроительный завод «Свет шахтера» для улучшения качества
обработки информации в задачах моделирования бизнес-процессов;
уменьшая объем ручной работы и времени формирования пакетов учебных
материалов для компьютеризированных учебных систем и переподготовки
кадров организации (акт внедрения от 25.11.2012 г.).
9
Полученные теоретические результаты используются в учебном
процессе на кафедре программной инженерии Харьковского национального
университета радиоэлектроники при подготовке курсов «Теория интеллекта»
и «Алгебраическая логика» для специальности «Программная инженерия»
(акт внедрения от 25.09.2012 г.).
Личный вклад соискателя. Все результаты, представленные в
диссертационной работе, получены автором самостоятельно. В совместно
опубликованных работах соискателю принадлежат следующие результаты:
[1] проведен анализ типичных ситуаций неявного выбора в бизнес-процессах
и показано, что возникновение таких ситуаций связано с использованием
знаний, выходящих за рамки описания последовательности процедур бизнес-процесса; [2] для формализации реального поведения бизнес-процесса
проведен анализ извлеченной информации из журналов регистрации
событий; неявные связи между процедурами бизнес-процесса
формализованы в виде предикатов; [3] получена алгебро-логическая модель
обобщенной конструкции неявного выбора, которая формализует на основе
предикатов явные связи между процедурами, независимое выполнение
процедур, а также основные элементы неявных связей в виде
последовательного, параллельного, циклического выполнения; [4] получена
предикатная модель представления косвенной связи между процедурами в
журнале регистрации событий бизнес-процесса; [5] разработаны модели
типовых ситуаций неявного выбора в виде реляционных сетей; [6] предложен
способ формирования продукций для заполнения базы знаний, для
последующей генерации фактов и целей из дерева синтаксического разбора;
[7] получены формальные модели основных типов неявных связей в бизнес-процессах.
Апробация результатов диссертации. Основные результаты
диссертационной работы докладывались и обсуждались на следующих
научных конференциях [8-10]: 1) 16-й Международный молодежный форум
«Радиоэлектроника и молодежь в XXI веке», Харьков - 2012; 2) 16-й
10
Международный молодежный форум «Радиоэлектроника и молодежь в XXI
веке», Харьков - 2012; 3) Вторая Международная техническая конференция
«Современные направления развития информационно-коммуникационных
технологий и средств управления», Киев-Харьков - 2011.
Публикации. Результаты научных исследований отражены в 10
печатных работах: 7 статьях, опубликованных в научных изданиях Украины,
а также 3 материалах научных конференций.
ВЫВОДЫ
Проведенные в рамках диссертационной работы исследования
характеризуются решением актуальной научно-практической задачи
выявления и формализации неявных знаний, которые при процессном
представлении имеют вид неявных связей, влияющих на выбор
последовательности действий процесса.
Автором получены следующие научные и практические результаты:
1. Новая алгебро-логическая модель обобщенной конструкции
неявного выбора при процессном представлении знаний, которая
формализует в виде предикатов неявную связь, вызванную взаимным
влиянием текущего фрагмента процесса на внешнюю его часть, что
позволяет сделать явным скрытый выбор между событиями процесса.
2. Новые предикатные модели неявных связей при процессном
представлении знаний, которые охватывают четыре типа связей по входу-выходу при параллельном выполнении рассматриваемого фрагмента
процесса и его подпроцессов, что обеспечивает возможность обнаружения
неявных связей и дальнейшего дополнения модели процесса.
3. Усовершенствована предикатная модель непрямых связей между
событиями, отражающая действия в процессном представлении знаний,
которая, в отличие от существующих, базируется на структуризации
основных видов взаимосвязей между событиями: последовательные события,
отсутствие циклов, отсутствие общих входных и выходных событий. Модель
позволяет выявить косвенные связи между событиями как необходимое
условие неявных связей процесса.
4. Получили дальнейшее развитые модели типовых ситуаций неявного
выбора при представлении знаний в виде логических сетей. Предложенные
модели детализируют причинно-следственные связи между событиями при
реализации неявного выбора. Выполнение действия в ситуациях неявного
выбора отображается в логических сетях в виде последовательности
133
изменения их состояний, что позволяет соотнести их с последовательностью
состояний в журнале регистрации событий процесса.
5. Набор логических сетей выявления неявных зависимостей при
процессном представлении знаний, который реализует предложенный способ
нахождения конструкций с неявными связями в процессном представлении
знаний и позволяет выявить косвенные связи на основе списка событий
процесса, а также неявные зависимости четырех рассмотренных типов на
основе выявленных косвенных связей.
6. Структура двухуровневой процессной базы знаний, которая
включает уровни описания совокупности процессов, а также отдельных
процессов, что позволяет реализовать двухуровневую структуру логического
вывода, сочетая преимущества традиционного вывода и моделирование
процессов.
7. Программный модуль нахождения неявных связей, благодаря
которому экспериментальная проверка полученных теоретических
результатов показала, как дополнить модель процесса.
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
1. Hunt E. Intelligence as an information processing concept / E. Hunt //
British Journal of Psychology. – 1980. – № 71. – Р. 449–474.
2. Величковский Б.М. Функциональная организация познавательных
процессов / Б. М. Величковский // Автореф. докт. дисс. – М., 1987. – 34 с.
3. Ackerman P.L. Knowledge, intelligence, and related traits assessing
individual differences in knowledge / P.L. Ackerman, E.L. Rolfhus // Journal of
Educational Psychology. – 1999. – 91( 3). – Р. 511–526.
4. Brewka G. Principles of knowledge Representation CSLI Publication /
G. Brewka. – город: изд-во, 1997. – 133 p.
5. Nonaka I. A theory of the firmâ™s knowledge-creation dynamics /
I. Nonaka, H. Takeuchi // The Dynamic Firm, The Role of Technology, Strategy,
Organization, and Regions. – 1998. – № 1. – Р. 214–241.
6. Tiwari A. A review of business process mining: state-of-the-art and
future trends / A. Tiwari, C.J. Turner, B. Majeed // Business Process Management
Journal. – 2008. – Vol. 14 Iss: 1. – РР. 5–22.
7. Брукс Ф. Мифический человеко-месяц или как создаются
программные системы / Ф. Брукс. – СПб.: Символ-Плюс, 1999. – 304 с.
8. Холодная М.А. Интегральные структуры понятийного мышления /
М.А. Холодная. − Томск: Томский государственный университет, 1983. −
189 с.
9. Холодная М.А. Психология интеллекта. Парадоксы исследования /
М.А. Холодная. − СПб.: Питер, 2002. − 272 с.
10. Guilford J.P. The nature of human intelligence / J.P. Guilford. – New
York: McGraw- Hill, 1967.
11. Vernon P.E. (1950). The structure human abilities / P.E. Vernon. – New
York: Wiley, 1950.
12. Vernon P.E. Intelligence: Heredity and environment / P.E. Vernon. –
San Francisco: W. H. Freeman, 1979.
135
13. Wechsler D. The measurement and appraisal of adult intelligence /
D. Wechsler . – Baltimore, M.D.: Williams & Wilkins, 1958.
14. Айзенк Г.Ю. Интеллект: новый взгляд / Г.Ю. Айзенк // Вопросы
психологии. – 1995. − № 1. – С. 111−131.
15. Вертгеймер М. Продуктивное мышление / М. Вертгеймер М. – М.:
Прогресс, 1987. – 336 с.
16. Human Intelligence as Adaptation: An Ethological Approach. /
Charlesworth W. R. // In L. B. Resnick (Ed), The Nature of intelligence. Hillsdale,
NJ: Erlbaum, 1976.
17. Лурия А.Р. Об историческом развитии познавательных процессов /
А.Р. Лурия. – М.: Наука, 1974. − 172 с.
18. The theory of structure cognitive modifiability / Feuerstein, M. // In
Presseisen B. Z. (Ed). Lerning and thinking styles: Classroom interaction (pp. 68–
134). Washington, D. S.: National Education Association, 1990.
19. Thurstone L.L. The Nature of Intelligence. London: Routledge,
1924/1973.
20. Sternberg R.J. Beyond IQ: A triarchic theory of human intelligence /
R.J. Sternberg. – New York: Cambridge University Press, 1985.
21. Cattell R.B. Abilities: Their structure, growth and action / R.B. Cattell. –
Boston: Houghton, 1971.
22. Ackerman P.L. Self-Report knowledge: At the crossroads of ability,
interest, and personality / P.L. Ackerman, E.L. & Rolfhus // Journal of Educational
Psychology. – 1996.-, 88, 1, 174–188.
23. Ackerman P.L. The Locus of adult intelligence. Knowledge, abilities, and
nonability traits / P.L. Ackerman, E.L. & Rolfhus // Journal of Educational
Psychology. – 1999. - , 14, 2, 314–330.
24. Шабанов-Кушнаренко Ю.П. Теория интеллекта. Математические
средства / Ю.П. Шабанов-Кушнаренко. – Харьков: Вища шк., изд-во при
Харьк. ун-те, 1984. – 144 с.
25. Бондаренко М.Ф. Об алгебре предикатов / М.Ф. Бондаренко,
136
Ю.П. Шабанов-Кушнаренко // Бионика интеллекта. – 2004. – № 1(61). –
С. 15–26.
26. Бондаренко М.Ф., Дударь З.В., Лещинский В.А., Лещинская И.А.,
Шабанов-Кушнаренко С.Ю. О мозгоподобных ЭВМ. / // Радиоэлектроника и
информатика. – 2004. – № 2. – С. 89–105.
27. Han. J. Data Mining: Concepts and Techniques / J. Han, M. Kamber. –
Morgan Kaufmann, 2000.
28. Aalst, W.M.P. van der Process mining in web services : the websphere
case / Aalst, W.M.P. van der, Verbeek, // Bulletin of the IEEE Computer Society
Technical Committee on Data Engineering. – 2008. – № 31(3). Р. 45–48.
29. Представление и использование знаний / Под ред. X. Уэно, М.
Испдзука, [пер. с япон.]. – М.: Мио, 1989. – 220 е., ил.
30. Ackoff R.L. From Data to Wisdom / R.L. Ackoff / Journal of Applies
Systems Analysis. – 1989. – Volume 16. – Р. 3–9.
31. Gene Bellinger Systems Thinking, Knowledge Management - Emerging
Perspectives http://www.systems-thinking.org/index.htm.
32. Moore R.C. A formal theory of knowledge and action / R.C. Moore. –
In Formal Theories of the Commonsense World. – 1985.
33. Sowa J.F. Knowledge Representation: Logical, Philosophical, and
Computational Foundations / J.F. Sowa . – Brooks-Cole, 2000.
34. Геловани В.А. Интеллектуальные системы поддержки принятия
решений в нештатных ситуациях с использованием информации о состоянии
природной среды / В.А. Геловани, А.А. Башлыков, В.Б. Бритков,
Е.Д. Вязилов. – М.: Эдитори-алУРСС, 2001. – 304 с.
35. Лорьер Ж.-Л. Системы искусственного интеллекта / Ж.-Л. Лорьер:
– пер. с фр., под ред. В.Л. Стефанюка. – М: Мир, 1991. – 568 с.
36. Минский М.Л. Фреймы для представления знаний / М.Л. Минский.
– М.: Энергия, 1979.
37. Шенк Р. К интеграции семантики и прагматики / Р. Шенк,
Л. Бирнбаум, Дж. Мей. - Новое в зарубежной лингвистике: Вып. XXIV.
137
Компьютерная лингвистика. -М.: Прогресс, 1989.
38. Artificial Intelligence: Structures and Strategies for Complex Problem
Solving. Editions 1. George Luger & William Stubblefield. Addison Wesley, 1989.
39. Artificial Intelligence: Structures and Strategies for Complex Problem
Solving. Editions 2. George Luger & William Stubblefield. Addison Wesley, 1993.
40. Artificial Intelligence: Structures and Strategies for Complex Problem
Solving. Editions 3. George Luger & William Stubblefield. Addison Wesley, 1998.
41. Guo W.S. A Process Knowledge Acquiring Method Based on Business
Process in Corporation / W.S. Guo, Y.Z. Dang / Chinese Journal of Management
Science. – 2003. – December. – РР. 53–58.
42. Liang J. The Research and Application of Process Knowledge Map
Constructing Method / J. Liang, Z.H. Jiang // Journal of the Chinese Institute of
Industrial Engineers. –2007. – January. – РР. 30–41.
43. Белоногов Г.Г. Системы фразеологического машинного перевода
политематических текстов с русского языка на английский и с английского
на русский (системы RETRANS и ER-TRANS) / Г.Г. Белоногов,
ЮГ. Зеленков, Б.А. Кузнецов // МФИД. – 1995. – Т. 20. – № 2. – С. 20–24.
44. Виноград Т. Программа, понимающая естественный язык /
Т. Виноград. – М.: Мир, 1976. – 294 с.
45. I.A. Mel'čuk. Aspects of the Theory of Morphology. Berlin; New York:
Mouton de Gruyter, 2006.
46. I.A. Mel‘čuk. Actants in Semantics and Syntax. I,II, Linguistics, 2004,
42:1, 1-66; 42:2, 247—291.
47. Хопкрофт Дж. Введение в теорию автоматов, языков и вычислений
/ Дж. Хопкрофт, Р. Мотвани, Дж. Ульман. – М.: Вильямс, 2002. – ?? с. – (пер.
издания Addison Wesley).
48. Гильберт Д., Бернайс П., Основания математики. Логические
исчисления и формализация арифметики, пер. с нем., М., 1979.
49. Катречко С.Л. Обратный метод С.Ю. Маслова / С.Л. Катречко //
Логика и компьютер (вып.2): логические языки, содержательные
138
рассуждения и методы поиска доказательства. – М.: Наука, 1995. – С. 62–75.
50. Капишин А.Е. «Генеративная лингвистика» Н. Хомского /
А.Е. Капишин // Иностранный язык в школе. – 2002. – № 2. – С. 81–86.
50. Холоденко А.Б. О построении статистических языковых моделей
для систем распознавания русской речи / А.Б. Холоденко //
Интеллектуальные системы. – 2001. – Т. 6. – Вып. 1–4. – С. 381–394.
51. Дьяконов В.П. Основы искусственного интеллекта / В.П. Дьяконов,
А.В. Борисов. – Смоленск: из-во, 2007.
52. Leontieva An. The Module of Morphophonetic Word Processing for
Composing a Vocabulary for Russian Continuous Speech Recognizer /
An. Leontieva // Scientific-theoretical journal «Artificial intelligence». – Donetsk,
Ukraine, 2007. – Vol. 3. – РР. 319–327.
53. Гаврилова Т.А. Базы знаний интеллектуальных систем: учебник /
Т.А. Гаврилова, В.Ф. Хорошевский. – СПб.: Питер, 2000. Cox David A. What
Is the Role of Algebra in Applied Mathematics? / David A. Cox // Notices of the
AMS 52. – 2005. – November, No. 10. – РР. 1193–1198.
54. Заде Л. Понятие лингвистической переменной и его применение к
принятию приближенных решений / Л. Заде. – М.: Мир, 1976. – 166 c.
55. Налимов В.В. Вероятностная модель языка / В.В. Налимов. – М.:
Наука, 1974. – 272 с. – (второе издание: 1979. – 303 с).
56. Бондаренко М.Ф. Теория интеллекта: учебник / М.Ф. Бондаренко,
Ю.П. Шабанов-Кушнаренко. – Харьков: СМИТ, 2007. – 576 с.
57. Стороженко А.В. Алгебро-логические модели семантики текстов
естественного языка: Дисс. на соиск. уч. степ. канд. тех. наук. (01.05.02). –
Харьков: ХТУРЭ, 2000 – 185 с.
58. Терзиян В.Я. Теоретическое и экспериментальное исследование
проблемы семантического анализа естественно-языковых высказываний:
Дисс. на соиск. уч. степ. канд. тех. наук. (05.13.01): В 2-х томах. – Харьков:
ХИРЭ. Т.1: Диссертация. – 1984. – 208 с. Т.2: Приложения. – 1984. - 175 с.
59. Шабанов-Кушнаренко Ю.П. Компараторная идентификация
139
лингвистических объектов: монография / ЮП. Шабанов-Кушнаренко,
Н.В. Шаронова Н.В. – К.: ИСИО, 1993. – 116 с.
60. Библиотеки и ассоциации в меняющемся мире: новые технологии и
новые формы сотрудничества // Материалы 3-й международной конференции
―Крым – 96‖. – Крым, 1996. – Т. 2. – 254 с.
61. Гиляревский Р.С., Нюкша Ю.П. и др. / Под редакцией Попова В.В.
Библиотеки и библиотечное дело США: комплексный подход. – М.:
Издательская фирма ―Логос‖, 1992. – 296 с.
62. Искусственный интеллект: применение в интегрированных
производственных системах / Под ред. Э. Кьюсиака: пер. с англ. – М.: изд-во,
1991. – 544 с.
63. Кандрашина Е.Ю. Представление знаний о времени и пространстве
в интеллектуальных системах / Е.Ю. Кандрашина, Л.В. Литвинцева,
Д,А. Поспелов, [под ред. Д.А. Поспелова]. – М.: изд-во, 1989. – 328 с.
64. Цинман Л. Л., Сизов В. Г. Лингвистический процессор ЭТАП:
дескрипторное соответствие и обработка метафор // Труды Международного
семинара ―Диалог 2000 по компьютерной лингвистике и ее приложениям‖. Т.
2. Протвино 2000. С. 366-369.
65. Бондаренко М.Ф. О модифицированных категориях /
М.Ф. Бондаренко, З.В. Дударь, А.А. Иванилов [и др.] // Радиоэлектроника и
информатика. – 2005. – № 1. – С. 87–99.
66. Вечирская И.Д. Линейные логические преобразования и их
применение в искусственном интеллекте. Дисс. … канд. техн. наук: 05.13.23;
- Защищена 27.03.2008; Утв. 21.05.2008. - Харьков, 2008 – 153 с.
67. Пронюк А.В. Метод многослойной декомпозиции предикатов и его
применение в системах искусственного интеллекта: Дисс. … канд. техн.
наук: 05.13.23; - Защищена 07.07.2004; Утв. 16.09.2004. - Харьков, 2004. –
195 с.: ил. – Библиогр.: с.186-195.
68. Иванилов А.А. Реляционные алгебры и алгебры предикатов /
А.А. Иванилов, Ю.П. Шабанов-Кушнаренко // Восточно-европейский журнал
140
передовых технологий. – 2007. – № 4/2. – С. 43–48.
69. Лещинский В.А. Лингвистическая алгебра как аппарат
формализации смысла предложений естественного языка / В.А. Лещинский,
И.А. Лещинская, Л.Г. Петрова, С.Ю. Шабанов-Кушнаренко // Системи
обробки інформації. – 2011. – № 2 (92). – С. 34–38.
70. Бондаренко М.Ф. Теория цветового зрения. / М.Ф. Бондаренко,
С.Ю. Шабанов-Кушнаренко. – Харьков: Фактор-Друк, 2002. – 206 с.
71. Шаронова Н.В. Компараторная идентификация лингвистических
объектов : Дис...д-ра техн. наук: 05.25.05 / Харьковский технический ун-т
радиоэлектроники. — Х., 1994. — 271 с.
72. Петров К.Э. Компараторная структурно-параметрическая
идентификация моделей скалярного многофакторного оценивания /
К.Э. Петров, В.В. Крючковский. – Херсон: Олди-плюс, 2009. – 294 с.
73. Овезгельдыев А.О. Синтез и идентификация моделей
многофакторного оценивания и оптимизации / А.О. Овезгельдыев,
Э.Г. Петров, К.Э. Петров. – К.: Наук. думка, 2002. – 163 с.
74. Бондаренко М.Ф., Шабанов-Кушнаренко Ю.П. Мозгоподобные
структуры: Справочное пособие. Том первый. Под редакцией акад. НАН
Украины И.В. Сергиенко. – К.: Наук. думка, 2011. – 460 с.
75. Бондарев В.М. Разработка и исследование методов построения и
решения на ЭВМ лингвистических уравнений (на примере морфологии имен
существительных русского языка): Дисс. ... канд. техн. наук: 05.13.06. –
Харьков, 1982. – 195 с.
76. Бондаренко М.Ф. Математические модели морфологических
отношений и их применение для автоматизации обработки речевых
сообщений. – Дисс. ... докт. техн. наук: 05.13.01. – Харьков, 1984.– 349 с.
77. Бондаренко М.Ф. Автоматическая обработка информации на
естественном языке: учеб. пособие / М.Ф. Бондаренко, А.Ф. Осыка. – К.:
УМК ВО, 1994. – 144 с.
78. Гарбузов Б.Ю. Приближенные методы решения лингвистических
141
уравнений и их применение в информационных системах. – Дисс. ... канд.
техн. наук: 05.25.05. – Харьков,1989. – 230 с.
79. Гвоздинская Н.А. О математическом описании смысла текстов
естественного языка / Н.А. Гвоздинская, З.В. Дударь, Ю.П. Шабанов-Кушнаренко // Проблемы бионики. – 1998. – Вып. 48. – С. 52–60.
80. Дударь З.В. Математические модели флективной обработки
словоформ и их использование в системах автоматической обработки текстов
русского языка. – Дисс. ... канд. техн. наук: 05.13.01. – Харьков, 1984. – 212 с.
81. Калиниченко О.В. Алгебра идей как аппарат формализации
семантики естественного языка в системах искусственного интеллекта. –
Дисс. ... канд. техн. наук: 05.13.23. – Харьков, 2004. – 156 с.
82. Кравец О.А. Математические модели словосочетаний с
инструментальным значением и их использование в информационных
системах. Дис... канд. техн. наук: - Х. ХИРЭ. 1992. – 156 с.
83. Лихачѐва О.А. Математические модели семантики суффиксального
словообразования и их использование в автоматизированных
информационных системах: Дисс. на соиск. уч. степ. канд. тех. наук.
(05.25.05). – Харьков: ХИРЭ, 1990 – 256 с.
84. Совпель И.В. Автоматизированная переработка текста на основе
воспроизводящего моделирования лингвистических объектов и процессов:
Дисс. на соиск. уч. степ. докт. техн. наук. (05.25.05). – Минск: БГУ, 1991 –
361 с.
85. Соловьева Е.А. Исследование и моделирование процессов
морфологической классификации глагольных форм. – Канд. дисс.: Харьков,
1976, 286 с.
86. Маленченко З.Ю. О моделировании связей между звуковой и
текстовой формами речевого сообщения / З.Ю. Маленченко, Г.А. Прасол //
Проблемы бионики. – Харьков: Изд-во ХГУ, 1983. – Вып. 31. – С. 29–37.
87. Лазаренко О.В. О математическом описании именного
приставочного словообразования / О.В. Лазаренко // Проблемы бионики. –
142
Харьков: Изд-во ХГУ, 1982. – Вып. 29. – С. 23–30.
88. Захарченко П.В. Математические модели корневых структур и их
технические приложения. Дисс. … канд. техн. наук: 05.13.23; - Защищена
27.03.2008; Утв. 21.05.2008. - Харьков, 1983, 271 с.
89. Бондаренко М.Ф. Математическое описание суффиксального
словообразования глаголов / М.Ф. Бондаренко, Н.М. Буркова, Н.В. Шаронова
// Проблемы бионики. – Харьков: Изд-во ХГУ, 1982. – Вып. 28. – С. 8–13.
90. Дима З.В. Математическая модель спряжения невозвратных
глаголов русского языка / З.В. Дима, А.Ф. Осыка // – В кн.: Проблемы
бионики. – Харьков: Изд-во ХГУ, 1982. – Вып. 28. – С. 53–58.
91. Лещинский В.А. О методе построения моделей бинарных
логических сетей / В.А. Лещинский, И.А. Лещинская // Восточно-Европейский журнал передовых технологий. – 2005. – № 4. – С. 121–124.
92. Шабанов-Кушнаренко С.Ю. Логическая сеть звукового склонения
имен прилагательных / СЮ. Шабанов-Кушнаренко, К.Г. Парасунько //
Автоматизированные системы управления и приборы автоматики. – 2008. –
№ 142. – С. 103–107.
93. Бондаренко М.Ф. О мозгоподобных структурах / М.Ф. Бондаренко,
Н.Е. Русакова, Ю.П. Шабанов-Кушнаренко // Бионика интеллекта. – 2010. –
№ 2. – С. 23–30.
94. Шабанов-Кушнаренко С.Ю. Применение теории категорий для
решения логических сетей / С.Ю. Шабанов-Кушнаренко, О.В. Калиниченко,
Е.О. Корнийчук, В.В. Коряк // Автоматизированные системы управления и
приборы автоматики. – 2008. – № 142. – С. 107–115.
95. Шабанов-Кушнаренко С.Ю. Решение булевых уравнений с
помощью логических сетей / С.Ю. Шабанов-Кушнаренко, Л.Г. Ситник,
Д.В. Биленко, К.В. Силивейстров // Автоматизированные системы
управления и приборы автоматики. – 2008. – № 142. – С. 96–102.
96. Бондаренко М.Ф. О булевых реляционных сетях / М.Ф. Бондаренко,
Н.Е. Русакова, Ю.П. Шабанов-Кушнаренко, И.Ю. Шубин // Біоніка інтелекту.
143
– 2011. – № 1. – С. 3–7.
97. Bondarenko M.F. Logic networks application for computing process
organization / M.F. Bondarenko, I.V. Hahanova // Радиоэлектроника и
информатика. – 2003. – № 3. – С. 150–156.
98. Бондаренко М.Ф. Модели языка / М.Ф. Бондаренко, В.А. Чикина,
Ю.П. Шабанов-Кушнаренко // Бионика интеллекта. – 2004. – №1 (61). –
С. 27–37.
99. Shabanov-Kushnarenko Yu. Brainlike computing / Shabanov-Kushnarenko Yu., Klimushev V., Lukashenko O., Nabatova S., Obrizan V.,
Protsay N. // Proceedings of the East-West Design and Test Workshop, September
15–19, 2005: тезисы. – Odessa, Ukraine, 2005. – Р. 274– 279.
100. Козяев Л.Л. Методы формализации и модели морфологических
структур и их применение в системах искусственного интеллекта: Дисс. …
канд. техн. наук: 05.13.23; - Защищена 12.04.2006; Утв. 8.06.2006. - Харьков,
2006. – 153 с.: ил. – Библиогр.: с. 139-153.
101. Лещинский В.А. Модели бинарных логических сетей и их
применение в искусственном интеллекте: Дисс. … канд. техн. наук: 05.13.23;
- Защищена 17.01.2007; Утв. 15.03.2007. - Харьков, 2007. – 160 с.: ил. –
Библиогр.: с. 136-160.
102. Вечирская И.Д. Линейные логические преобразования и их
применение в искусственном интеллекте. Дисс. … канд. техн. наук: 05.13.23;
- Защищена 27.03.2008; Утв. 21.05.2008. - Харьков, 2008 – 153 с.
103. Иванилов А.А. Реляционные средства построения моделей
логических сетей и их применение в искусственном интеллекте. Дисс. …
канд. техн. наук: 05.13.23; - Защищена 22.05.2009; Утв. 21.08.2009. - Харьков,
2009. – 194 с.
104. Бондаренко М.Ф. О реляционных сетях / М.Ф. Бондаренко,
Н.П. Кругликова, И.А. Лещинская, Н.Е. Русакова, Ю.П. Шабанов-Кушнаренко // Бионика интеллекта. – 2010. № 3 (74). – С. 8–13.
105. Vernon, P. E. (1950). The structure human abilities. New York: Wiley.
144
Vernon, P. E. (1979). Intelligence: Heredity and environment. San Francisco: W.H.
Freeman.
106. Wechsler D. The measurement and appraisal of adult intelligence /
D. Wechsler. – Baltimore, M.D.: Williams & Wilkins, 1985. – pp. 49-98.
107. Holsapple, C.W. and Joshi, K.D. (2002), ‗‗A knowledge management
ontology‘‘, in Holsapple, C.W. (Ed.), Handbook on Knowledge Management, Vol.
1, Springer-Verlag, Berlin, pp. 89-128.
108. Hunt E. Intelligence as an information processing concept / E. Hunt //
British Journal of Psychology. – 1980. –71. – Р. 449–474.
109. Микешина Л.А. Неявное знание как феномен сознания и
познания / Л.А. Микешина // Теория познания. – М.: Мысль, 1991. – В 4-х т.,
Т. 2. – С. 226–244.
110. Junnarkar B. (1997), ‗Re-assessing the enabling role of information
technology in KM / B. Junnarkar, C.V. Brown // Journal of Knowledge
Management. – 1997. – Vol. 1 No. 2. – РР. 142-8.
111. Polanyi, M. (1958), Personal Knowledge, University of Chicago
Press, Chicago, IL.
112. Polanyi, M. (1966), Tacit Dimension, Doubleday, New York, NY.
113. Nonaka I. The Knowledge-Creating Company: How Japanese
Companies Create the Dynamics of Innovation / I. Nonaka, H. Takeuchi. – Oxford:
Oxford University Press, 1995. – 148 р.
114. Winston, P. H. (1992). Artificial Intelligence. Third Addition.
Addison-Wesley.
115. J. Desel and J. Esparza. Free Choice Petri Nets, volume 40 of
Cambridge Tracts in Theoretical Computer Science. Cambridge University Press,
Cambridge, UK, 1995.-256 p.
116. Wen, L. Detecting Implicit Dependencies Between Tasks from Event
Logs. L. Wen, J. Wang, and J. Sun\ In Proceedings of APWeb. 2006, 591-603.
117. Wen, L. Detecting Implicit Dependencies Between Tasks from Event
Logs. L. Wen, J. Wang, and J. Sun\ In Proceedings of APWeb. 2006, 591-603.
145
118. Nikovski Daniel Workflow Trees for Representation and Mining of
Implicitly Concurrent Business Processes./ Daniel Nikovski // In: ICEIS 3-2
(2008) , p. 30-36.
119. Wen, L. Detecting Implicit Dependencies Between Tasks from Event
Logs. L. Wen, J. Wang, and J. Sun\ In Proceedings of APWeb. 2006, 591-603.
120. Бондаренко М.Ф., Шабанов-Кушнаренко Ю.П. Об алгебре
предикатов // Проблемы бионики, 2004. - Вып. 1. – С. 00-00.
121. Бондаренко М.Ф., Чикина В.А., Шабанов-Кушнаренко Ю.П.
Модели языка // Проблемы бионики, 2004. - Вып. 1. – С. 00-00.
122. Бондаренко М.Ф. Дудар З.В., Єфімова І.О., Лещинський В.О.,
Шабанов-Кушнаренко С.Ю. О мозгоподобных ЭВМ // Радіоелектроніка та
інформатика. 2004. № 2. С. 00-00.
123. Charles L. Forgy, 1979. ун-т Карнеги –Меллона Чарльз Л Форги.