АВТОМАТИЗАЦИЯ ПОСТРОЕНИЯ И ОБРАБОТКИ ПРОДУКЦИОННЫХ ПРАВИЛ ДЛЯ ДИАГНОСТИКИ КОМПЬЮТЕРНЫХ СИСТЕМ : АВТОМАТИЗАЦІЯ ПОБУДОВИ ТА ОБРОБКИ ПРОДУКЦІЙНИХ ПРАВИЛ ДЛЯ ДІАГНОСТИКИ КОМП'ЮТЕРНИХ СИСТЕМ

Краткое описание

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ УКРАИНЫ 

ХАРЬКОВСКИЙ НАЦИОНАЛЬНЫЙ УНИВЕРСИТЕТ 

РАДИОЭЛЕКТРОНИКИ 

На правах рукописи 

ДАВЫДОВ АНДРЕЙ АНДРЕЕВИЧ 

УДК 681.32:519.713 

АВТОМАТИЗАЦИЯ ПОСТРОЕНИЯ И ОБРАБОТКИ 

ПРОДУКЦИОННЫХ ПРАВИЛ ДЛЯ ДИАГНОСТИКИ 

КОМПЬЮТЕРНЫХ СИСТЕМ  

05.13.05 – компьютерные системы и компоненты 

Диссертация на соискание ученой степени кандидата технических наук 

Этот образец диссертации идентичен по  

содержанию с другими поданными в  

специализированный ученый совет Д 64.052.01 

Ученый секретарь спецсовета        

 Е. И. Литвинова 

Научный руководитель  

доктор технических наук, 

профессор  

Кривуля Геннадий Федорович 

Харьков – 2013 

СОДЕРЖАНИЕ   

СПИСОК УСЛОВНЫХ ОБОЗНАЧЕНИЙ ………………….……..……  4 

ВВЕДЕНИЕ ……………………………………………………..…..……..  5 

РАЗДЕЛ 1. АНАЛИЗ ПРЕДМЕТНОЙ ОБЛАСТИ И ПОСТАНОВКА 

ЗАДАЧ ИССЛЕДОВАНИЯ ………………………………………………  12 

1.1 Классификация диагностируемых состояний и  отказов 

компьютерной системы ……………………………………………..…..  12 

1.2 Показатели для оценки состояний и диагностируемости 

компьютерной системы …………………………………………........…  17 

1.3 Применение продукционных экспертных систем для 

диагностирования  компьютерных систем …………………......…..….  24 

1.3.1 Продукционные  модели представления знаний в экспертных 

системах………………………………………………................................ 

1.3.2 Основные дефекты продукционных баз знаний …………….….... 

36 

40 

1.4 Постановка задач исследований диссертационной работы ……......  44 

1.5 Выводы по первому разделу……………………………….………....  46 

РАЗДЕЛ 2. ФОРМИРОВАНИЕ И АНАЛИЗ ПРОДУКЦИОННЫХ 

ПРАВИЛ НА ОСНОВЕ БИНАРНЫХ ОТНОШЕНИЙ ДЛЯ 

ДИАГНОСТИРОВАНИЯ КОМПЬЮТЕРНЫХ СИСТЕМ …….……....  48 

2.1 Формирование и анализ базы знаний с одним диагностическим 

параметром …………………………………………….………….………  48 

2.2 Формирование и анализ базы знаний с двумя диагностическими 

параметрами……………………………………………………………….  58 

2.3 Формирование и анализ базы знаний с тремя диагностическими 

параметрами…………………………………………………….………....  76 

2.4 Формирование и анализ базы знаний со многими 

диагностическими параметрами……………………………….……..….  86 

2.5 Выводы по второму разделу ………...…………………….………....  90 

  3

РАЗДЕЛ 3. ФОРМИРОВАНИЕ И МИНИМИЗАЦИЯ 

ПРОДУКЦИОННЫХ ПРАВИЛ С ИСПОЛЬЗОВАНИЕМ ТЕОРИИ 

ПЕРЕКЛЮЧАТЕЛЬНЫХ ФУНКЦИЙ ……………………………...…. 

91 

3.1 Представление интеллектуального словаря неисправностей  

в виде логических продукционных правил………………….………….  91 

3.2 Оптимизация деревьев решений с помощью теории ПФ……….....  97 

3.3 Поиск противоречий в продукционных правилах с 

использованием булевых производных…………………………….…...  107 

3.4 Формирование продукционных правил для моделей КС в виде 

конечного автомата………………………………..………………....…...  115 

3.5 Выводы по третьему разделу …………….……………..………...…  120 

РАЗДЕЛ 4. ПРАКТИЧЕСКАЯ РЕАЛИЗАЦИЯ РАЗРАБОТАННЫХ 

МЕТОДОВ В ДИАГНОСТИЧЕСКОЙ ЭКСПЕРТНОЙ СИСТЕМЕ ….  121 

4.1 Использование бинарных отношений в продукционных 

 правилах диагностической экспертной системы ……………………...  121 

4.2  Применение  нечетких  ЭС  для  диагностики  компьютерных 

систем……………………………………………………….…….…….....  131 

4.3 Диагностические модели состояний компьютерных систем на 

основе нечеткой логики…………………………………………….……..  134 

4.4 Выбор инструментального средства реализации ДЭС …………..... 

4.5  Оценки  надежности  деятельности  оператора  (эксперта  – 

диагноста) при восстановлении работоспособности КС………...…….. 

137 

140 

4.6 Выводы по четвертому разделу……..……………………….….…...  147 

ВЫВОДЫ………………………………………………………….…..…..  149 

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ…………….…….....  151 

Приложение А. Материалы по внедрению результатов диссертационной 

работы………………………………………………………………………...  165 

Приложение Б.  Диагностирование ПК с использованием 

продукционных  правил  168 

СПИСОК УСЛОВНЫХ СОКРАЩЕНИЙ 

БД – база данных 

БЗ – база знаний 

ГКС – глобальная компьютерная сеть 

ДЭС – диагностическая экспертная система 

ДО – диагностическое обеспечение 

ЗУ – запоминающее устройство 

ИС – интеллектуальная система 

КС – компьютерная система 

КСС – компьютерная система и сеть 

ЛВС – локальная вычислительная сеть 

ЛФ –  логическая функция  

ПО –  программное обеспечение 

СУБД – система управления базами данных 

ОД – объект диагностирования 

ОЗУ – оперативное запоминающее устройство 

ОУ – объект управления 

П – процессор  

ПБЗ – продукционная база знаний 

ПДЭС – продукционная диагностическая экспертная система 

ПК – персональный  компьютер 

ПО – программное обеспечение  

ПФ – переключательная функция 

ПС – продукционная система  

УСО – устройство связи с объектом 

ЭС – экспертная система 

ВВЕДЕНИЕ 

Актуальность  темы.  Широкое  использование  компьютерных 

систем  и  конкуренция  на  рынке  компьютерных  средств  обусловливают 

рост требований к их производительности и надежности. С точки зрения 

надежности  компьютерная  система  представляет  собой  возобновляемый 

технический  объект,  процесс  функционирования  которого  можно 

представить  как  последовательность  периодов  работоспособности  и 

восстановления  (простоя).  Для  характеристики  надежности 

восстанавливаемой  технической  системы  используют  коэффициент 

готовности, который одновременно оценивает свойства работоспособности 

и восстановления объекта. Этот показатель может быть повышен за счет 

увеличения  надежности  технической  системы  и  уменьшения  среднего 

времени восстановления. Несмотря на  высокую надежность технических 

средств  и  высокий  коэффициент  готовности,  на  этапе  эксплуатации 

компьютерные  системы  подвержены  сбоям  и  остановкам  в  их  работе. 

Значительное  количество  вероятных  причин  прекращения  правильного 

функционирования  компьютерной  системы  или  сети  затрудняет 

автоматизацию  процесса  диагностирования  возможных  неисправностей. 

Отсутствие  или  относительная  высокая  стоимость  диагностических 

программ и аппаратных средств диагностирования компьютерных систем 

также  приводят  к  усложнению  процесса  диагностирования.  Технические 

методы  диагностики  компьютерных  систем  и  сетей  успешно  применяют 

только  тогда,  когда  можно  построить  формальную  модель  составных 

частей  компьютера  или  сети.  Но  в  процессе  диагностирования  часто 

приходится  прибегать  к  услугам  экспертов,  знающих  те  или  иные 

особенности  компьютерных  систем  и  сетей,  которые  трудно 

формализовать. 

  6

Таким  образом,  перспективным  направлением  повышения 

эффективности  использования  компьютерных  систем  путем  повышения 

коэффициента  готовности  является  применение  интеллектуальных 

средств, в частности экспертных систем реального времени, позволяющих 

в значительной степени решить задачу диагностирования компьютерных 

систем  и  сетей.  При  этом  для  эффективного  поиска  неисправностей  в 

таких системах используют накопленный опыт диагностов-экспертов. 

Теоретические  основы  технической  диагностики  вычислительных 

устройств,  систем,  сетей  и  программных  продуктов  разработали 

J. A. Abraham, J. P. Hayes, S. M. Thatte, D. S. Suk, Van de Goor, S. M. Reddy, 

П. П. Пархоменко,  В. А. Гуляев,  Г. Ф. Кривуля,  В. Н. Локазюк, 

Е. С. Сагомонян,  Ю. А. Скобцов,  Д. В. Сперанский,  В. Г. Тоценко, 

В. И. Хаханов, В. П. Чипулис. 

Центральным  вопросом  построения  экспертных  систем  является 

выбор  формы  представления  знаний  и  способа  формального  выражения 

знаний о предметной области. Форма представления знаний существенно 

влияет  на  характеристики  и  свойства  экспертных  систем,  поэтому 

представление  знаний  является  одной  из  наиболее  важных  проблем, 

которые  характерны для экспертных систем. Таким образом, актуальной 

задачей является развитие методов диагностики КС и сетей, направленных 

на  повышение  эффективности  процесса  диагностирования  за  счет 

усовершенствования  способов  представления  знаний  в  экспертных 

системах и их реализации, которые обеспечат увеличение коэффициента 

готовности  за  счет  уменьшения  временных  затрат  на  поиск  возможных 

неисправностей в компьютерных системах. 

Связь  работы  с  научными  программами,  планами,  темами. 

Диссертационная  работа  выполнялась  в  соответствии  с  планами  научно-исследовательских  работ  кафедры  «Автоматизация  проектирования 

вычислительной  техники»  (АПВТ)  Харьковского  национального 

  7

университета  радиоэлектроники  в  течение  2005-2010  годов. 

Диссертационная  работа  непосредственно  связана  с  госбюджетным  НИР 

«Использование новых информационных технологий для проектирования 

компьютерных  систем»,  №  ДР  0103U007150,  «Исследование 

распределенных  компьютерных  систем  с  неполным  управлением»,  № 

ДР 0103U004025,  «Разработка  методологических  основ  и 

инструментальных средств создание пространственных систем поддержки 

принятия  решений»,  №  ДР  0103U001566,  как  исполнитель  отдельных 

разделов.  При  выполнении  НИР  автором  предложены  методы 

минимизации  продукционных  правил  с  использованием  бинарных 

деревьев  решений,  а  также  методы  поддержки  принятия  решений  на 

основе нечеткой логики. 

Цель и задачи исследования – развитие методов функциональной 

диагностики  компьютерных  систем  и  сетей  с  использованием 

структурного  уровня  моделирования,  направленных  на  повышение 

эффективности  процесса  диагностирования  за  счет  совершенствования 

интеллектуальных  средств  формирования  знаний  экспертов,  и  их 

реализация в нечетких экспертных системах.  

Для достижения поставленной цели необходимо решить следующие 

задачи исследования: 

 анализ существующих интеллектуальных экспертных средств для 

диагностирования неисправных состояний компьютерных систем; 

 разработка методов анализа и синтеза логических продукционных 

диагностических  систем  на  основе  описания  неисправностей 

компьютерных систем в виде интеллектуальных словарей; 

 анализ влияния логических продукционных правил на способность 

постановки диагноза произвольному состоянию компьютерной системы с 

использованием  бинарных  отношений  признаков  в  диагностической 

экспертной системе; 

  8

  разработка  методов  минимизации  логических  продукционных 

правил для диагностической экспертной системы с применением бинарных 

деревьев решений и теории переключательных функций; 

  разработка  функциональных  диагностических  моделей 

компьютерных  систем  на  структурном  уровне  описания  с  применением 

методов нечеткой логики; 

  разработка  структуры,  инструментальных  средств  и  функций 

диагностической  экспертной  системы  реального  времени  с 

использованием  базы  знаний  на  основе  минимальной  логической 

продукционной системы; 

 практическая реализация нечеткой экспертной системы реального 

времени  для  диагностирования  неисправностей  компьютерных  систем  с 

использованием разработанных интеллектуальных методов и средств. 

Объектом  исследования  являются  процессы  функционального 

диагностирования неисправных состояний компьютерных систем и сетей. 

Предметом  исследования  являются  методы  автоматизации  и 

построения  продукционных  правил  для  интеллектуального 

диагностирования неисправных состояний компьютерных систем. 

Методы  исследования:  теория  множеств,  теория  графов  и  теория 

конечных  автоматов  –  для  моделирования  состояний  компьютерных 

систем и минимизации продукционных правил; техническая диагностика 

цифровых  систем  и  нечеткая  логика  –  для  разработки  методов  поиска 

неисправностей. 

Научная  новизна  полученных  результатов.  В  ходе  решения 

поставленных  задач  автором  лично  были  получены  следующие 

результаты. 

1.  Впервые  предложен  метод  преобразования  произвольного 

вербального  описания  дефектов  компьютерных  систем  в  виде 

интеллектуальных словарей неисправностей в логические продукционные 

  9

правила с применением теории исчисления высказываний, что позволило 

формализовать  описание  неисправных  состояний  КС  в  виде  деревьев 

решений. 

2.  Впервые  с  использованием  деревьев  решений  и  теории 

переключательных  функций  предложен  метод  синтеза  диагностических 

продукционных  правил,  предусматривающий  этапы  анализа 

ограниченного  числа  диагностических  параметров  и  принятие  решений 

при  наличии  неполной  и  противоречивой  информации,  позволяющей 

диагностировать неисправное состояние КС с большим быстродействием в 

реальном времени. 

3. Усовершенствована процедура синтеза продукционных правил на 

способность  определения  неисправного  произвольного  функционального 

состояния  компьютерной  системы,  которая  использует,  в  отличие  от 

существующих  таблиц  функций  неисправностей,  бинарные  отношения 

значений признаков диагностических параметров, что позволяет сократить 

количество диагностических продукционных правил. 

4.  Получил  дальнейшее  развитие  метод  диагностирования 

компьютерных систем с использованием нечеткой логики путем описания 

состояния  и  классификационных  диагностических  признаков  в  виде 

нечетких переменных, что позволило значительно уменьшить количество 

продукционных  правил  и  увеличить  быстродействие  экспертной 

диагностической системы. 

Практическое  значение  полученных  результатов.  Модели 

неисправных состояний КС и методы поиска неисправностей доведены до 

программной  реализации  в  виде  нечеткой  экспертной  диагностической 

системы  реального  времени,  которая  позволила  ставить  диагноз  любому 

функциональному  состоянию  компьютера  или  сети  практически  без 

использования  дополнительных  процедур  диагностики.  Разработанная  в 

работе  диагностическая  экспертная  система  реального  времени  с 

  10

использованием  минимальной  логической  продукционной  системы 

обладает  большим  быстродействием  и  меньшими  аппаратно-программными расходами по сравнению с существующими экспертными 

системами.  Разработанные  методы  и  инструментальные  средства 

позволяют  реализовать  экспертную  диагностическую  систему  как 

встроенное  аппаратное  средство  КС  с  меньшими  аппаратурно-программными расходами. 

Научные и практические результаты диссертации использованы 

в  ЗАО  «Северодонецкое  НПО  Импульс»  (справка  о  внедрении  от 

23.11.2012г.).  При  этом  было  достигнуто  снижение  трудоемкости, 

сокращение  временных  затрат  на  поиск  неисправности  в  компьютерном 

кластере,  а  также  повышение  эффективности  процедуры  постановки 

диагноза с обеспечением соответствующей глубины поиска неисправности 

за счет использования интеллектуальных средств диагностирования. 

Научные  положения  и  результаты  диссертации  использованы  в 

учебных курсах по проектированию и диагностики компьютерных систем 

кафедры  АПВТ  Харьковского  национального  университета 

радиоэлектроники (справка о внедрении от 1.12.2012г.). 

Личный  вклад  соискателя.  Все  основные  результаты 

диссертационного исследования, выносимые на защиту, получены лично 

автором.  В  печатных  работах,  опубликованных  в  соавторстве,  автору 

принадлежит:  [1]  –  метод  диагностики  компьютерных  систем  и  сетей  с 

использованием экспертной системы реального времени, [2] – разработана 

модель  состояний  компьютерной  системы  в  виде  графа  конечного 

автомата,  [3]  –  предложены  показатели  для  оценки  надежности  и 

диагностики  компьютерных  систем,  [4]  –  разработана  классификация 

отказов компьютерных систем и сетей, [5] – разработана классификация 

основных  показателей  для  оценки  надежности  и  диагностики 

компьютерных  систем,  [6]  –  рассмотрено  использование 

  11

интеллектуальных  словарей  неисправностей  для  диагностики 

компьютерных систем, [7] – предложены новые методы диагностирования 

неисправностей  в  компьютерных  системах  на  основе  деревьев  решений, 

теории переключательных функций и нечеткой логики, [9] – предложены 

методы  оптимизации  диагностических  бинарных  деревьев,  [10]  – 

разработана  классификация  отказов  в  компьютерных  системах  для 

построения экспертных диагностических систем, [11] – разработаны новые 

интеллектуальные методы для диагностики неисправностей в КС. 

Апробация  результатов  диссертационного  исследования. 

Основные  результаты  работы  были  представлены  и  обсуждены  на 

конференциях:  1-й  международной  конференции  «Глобальные 

информационные системы», ХНУРЭ, Харьков, 2006; 2-й международной 

научно-технической  конференции  «Информатика  и  компьютерные 

технологии», ДонНТУ, Донецк, 2006; 11-м Международном молодежном 

форуме  «Радиоэлектроника  и  молодежь  в  XXI  век»,  Харьков,  ХНУРЭ, 

2007;  3-м  Международном  радиоэлектронном  форуме  «Прикладная 

радиоэлектроника», Харьков, ХНУРЭ, 2008; 11-й международной научно-технической  конференции  «Информатика  и  компьютерные  технологии», 

ДонНТУ,  Донецк,  2011;  8-й  научной  конференции  ХУВС 

имени И. Кожедуба  «Новейшие  технологии  для  защиты  воздушного 

пространства», Харьков, 2012. 

Публикации.  Основные  положения  и  результаты  диссертации 

опубликованы  в  13  печатных  научных  работах:  7  статей  в  научно-технических журналах, 6 материалов научных конференций. 

Структура и объем диссертации. Диссертация состоит из введения, 

4  глав,  заключения,  списка  использованных  источников,  приложения. 

Полный  объем  работы  –  150  страниц.  Диссертация  содержит  55 

иллюстраций на 14 страницах, 25 таблиц на 10 страницах, 2 приложения 

(17 с.), список использованных источников из 149 наименований (16 с.).

Список литературы

ВЫВОДЫ 

В  диссертационной  работе  решена  актуальная  научно-практическая 

задача развития методов диагностики компьютерных систем, направленных на 

повышение  эффективности  процесса  диагностирования  за  счет 

усовершенствования  способов  представления  знаний  в  экспертных  системах, 

что обеспечивает увеличение коэффициента готовности компьютерной системы 

и  уменьшение  временных  затрат  на  поиск  возможных  неисправностей  в 

компьютерных системах. 

При решении поставленной задачи получены следующие результаты. 

1.  Новый  метод  преобразования  интеллектуальных  словарей  с 

произвольным  вербальным  описанием  дефектов  компьютерных  систем  в 

логические продукционные правила, который дает возможность использовать 

теорию переключающих функций для анализа продукционных правил в виде 

логических функций. 

2.  Новый  метод  синтеза  диагностических  продукционных  правил  с 

применением  бинарных  деревьев  решений  и  теории  переключательных 

функций,  что  дает  возможность  минимизировать  число  логических  правил  и 

ускорить  анализ  продукционных  систем  при  ограниченном  количестве 

диагностических  параметров  и  наличия  неполной  и  противоречивой 

информации. 

3.  Усовершенствованный  метод  анализа  продукционных  правил 

экспертных  систем  с  использованием  бинарных  отношений  характерности 

значений  признаков  параметров,  который  дает  возможность  постановки 

диагноза произвольному функциональному состоянию компьютерной системы 

и сократить количество продукций. 

4. Получил дальнейшее развитие метод диагностирования компьютерных 

систем  на  основе  нечеткой  экспертной  системы  с  качественным  описанием 

классификационных  диагностических  признаков  и  дефектных  состояний 

компьютерной системы в виде нечетких переменных, что позволяет увеличить 

быстродействие экспертной диагностической системы. 

  150

5. Структура инструментальных средств диагностической экспертной 

системы  реального  времени  с  использованием  базы  знаний  на  основе 

минимальной  логической  продукционной  системы,  позволяющей 

диагностировать  неисправное  состояние  компьютерной  системы  с  большим 

быстродействием и с меньшими аппаратно-программными затратами. 

6.  Программная  реализация  нечеткой  экспертной  диагностической 

системы  реального  времени  подтвердила  ее  эффективность.  Предложенную 

экспертную  систему  целесообразно  реализовать  как  дополнительное 

встроенное аппаратно-программное средство в составе компьютерной системы, 

что  позволит  пользователю  увеличить  оперативность  диагностирования 

неисправных состояний при меньших затратах. 

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 

1. Davidov, A. A.  Classification  of  the  basic  parameters  for  estimation  of 

reliability  and  diagnosability  of  computers  systems  [text]  /  A. A. Davidov, 

A. I. Lipchansky // Радіоелектронні і комп’ютерні системи. – 2007. – № 6 (25). – 

С. 206-209. 

2. Липчанский, А. И.  Классификация  основных  показателей  для  оценки 

надежности  и  диагностируемости  компьютерных  систем  [текст]  / 

А. И. Липчанский, А. А. Давыдов// Радіоелектроніка. Інформатика. Управління. 

– 2007. – №2 (18). – С. 76-79. 

3. Давидов, А. А.  Інтелектуальні  словники  несправностей  у 

діагностуванні комп’ютерних систем [текст] / А. А. Давыдов // Радіоелектроннi 

і комп’ютерні системи.– 2009. – № 5 (39). – С. 121-126. 

4. Давыдов, А. А.  Диагностирование  компьютерных  систем  на  основе 

частотных  словарей  несправностей  [текст]  /  А. А. Давыдов  //  Інформаційно-керуючі системи на залізничному транспорті. – 2009. – № 4 (77). – С.47. 

5. Кривуля, Г. Ф.  Оптимізація  бінарних  вирішальних  дерев  при 

інтелектуальній  діагностиці  комп’ютерних  систем  [текст]  /  Г. Ф. Кривуля, 

А. А. Давидов // Радіоелектронні і комп’ютерні системи. – 2010. – № 6 (47). – С. 

260-265. 

6. Давыдов, А. А.  Оптимизация  бинарных  деревьев  решений  в 

экспертной  диагностической  системе  реального  времени  [текст]  / 

А. А. Давыдов // Інформаційно-керуючі системи на залізничному транспорті. – 

2010. – №4 (83). – С.40-41. 

7. Кривуля, Г. Ф.  Диагностирование  отказов  компьютерных  систем  с 

использованием  интеллектуальных  средств  [текст]  /  Г. Ф. Кривуля, 

Д. Е. Кучеренко, А. А. Давыдов // Вестник ХНТУ. – 2010. – №2(18). – C. 266 -271. 

8. Кривуля, Г. Ф.  Діагностика  комп’ютерних  систем  с  використанням 

експертних  систем  реального  часу  [текст]  /  Г. Ф. Кривуля,  А. І. Липчанський, 

  152

А. А.   Давидов  //  1-а  міжнародна  конференція  «Глобальні  інформаційні 

системи»: Зб. матеріалів. – Харьков: ХНУРЕ, 2006.  C. 95-96. 

9. Лаптев, М. А.  Построение  модели  компьютерной  системы  в  виде 

конечного  автомата  с  использованием  характеристик  технического  состояния 

объекта  [текст]  /  М. А. Лаптев,  Г. Ф. Кривуля,  А. А. Давыдов  //  II 

международная студенческая научно-техническая конференция «Информатика 

и компьютерные технологии»: Сб. трудов. – Донецк: ДонНТУ, 2006. – С. 363-364. 

10.  Давидов, А. А.  Классифікація  відмов  в  комп’ютерних  системах  / 

А. А. Давыдов,  М. А. Лаптев  [текст]  //  11-й  міжнародний  форум 

«Радіоелектроніка і молодь в 21 ст.»: Зб. Матеріалів форуму. – Харків: ХНУРЕ, 

2007. – C. 243. 

11.  Кривуля,   Г. Ф.  Интеллектуальные  средства  диагностики 

компьютерных  систем  [текст]  /  Г. Ф. Кривуля,  А. А. Давыдов  //  3-ий 

Международний  радиоэлектронный  форум  «Прикладная  радиоэлектроника. 

Состояние и перспективы»: Сб. научных трудов. – Харьков: ХНУРЭ, 2008. – C. 

296. 

12.  Давыдов, А. А.  Интеллектуальные  словари  неисправностей  и 

методы их оптимизации в задачах диагностики компьютерных систем [текст] / 

А. А. Давыдов  //  VII  міжнародна  науково-технічна  конференція  молодих 

науковців  «Информатика и компьютерные технологи»: Зб. праць.  Донецьк: 

ДонНТУ, 2011. – С. 218-222. 

13.  Давыдов,  А.А.  Оптимизация  диагностической  информации  в 

компьютерных системах [текст] / Г. Ф. Кривуля, А. А. Давыдов // 8-а наукова 

конференція  ХУПС  імені І. Кожедуба  «Новітні  технології  для  захисту 

повітряного простору»: Тези доповідей. – Харків: ХУПС, 2012. – C. 186. 

14.  Алишов, Н. И.  Базовые  технологии  системной  интеграции  в 

интеллектуальных корпоративных сетях [текст] / Н. И. Алишов // Управляющие 

системы и машины. – 2000. – № 5(6). – С. 25-35. 

15.  Гаврилов, Т. А.  Базы  знаний  интеллектуальных  систем  [текст]  / 

Т. А. Гаврилов, В. Ф. Хорошевский. – СПб: Питер, 2000. – 384 с. 

  153

16.  Бакаев, А. А.  Экспертные  системы  и  логическое 

программирование / А. А. Бакаев, В .И. Гриценко, Д. Н. Козлов. – Киев: Наук. 

думка, 1992. – 220 с. 

17.  Белова, Н. В.  Концепция  буферизации  в  вычислительных 

устройствах  и  системах  [текст]  /  Н. В. Белова,  Механна  Сами  Саади, 

Д. В. Петросов  //  «Радиоэлектроника  и  молодежь  в  XXI  веке»:  6-й 

международный молодежный форум, 23-25 апреля 2002 г., Харьков, Украина: 

материалы конф. – Харьков: ХНУРЭ, 2002. – С. 37–37. 

18.  Бондарев, В. Н. Искусственный интеллект [текст] / В. Н. Бондарев, 

Ф. Г. Аде.– Севастополь: Изд-во СевНТУ, 2002. – 615 с. 

19.  Кривуля, Г. Ф. Компьютерная диагностика сложных систем [текст] / 

Г. Ф. Кривуля  //Информационно-управляющие  системы  на  железнодорожном 

транспорте. – 1996. – №3(4). – С. 24-29. 

20.  Кривуля, Г. Ф.  Классификационные  признаки  для  диагностики 

компьютерных неисправностей с использованием нечетких экспертных систем 

[текст]  /  Г. Ф. Кривуля,  Д. Е. Кучеренко,  Механна  Сами.  //  Радіоелектронні  і 

комп’ютерні системи. – 2009. – №5. – С.127-131. 

21.  Генетические  алгоритмы,  искусственные  нейронные  сети  и 

проблемы виртуальной реальности [текст] / Г. К. Вороновский, К. В. Махотило, 

С. Н. Петрашев, С. А. Сергеев. – Харьков: ОСНОВА, 1997. – 112 с. 

22.  ГОСТ 20911-89. Техническая диагностика. Термины и определения 

[текст]. – М.: Издательство стандартов, 1990. – 13 с. 

23.  Гук, М. Ю. Аппаратные средства IBM PC. Энциклопедия. 3-е изд. 

[текст] / М. Ю. Гук. – СПб.: Питер, 2006. – 1072 с. 

24.  Джексон, П.  Введение  в  экспертные  системы  [текст]:  перевод  с 

англ. / П. Джексон. – М.: Издательский дом «Вильямс», 2001. – 624 с. 

25.  Джарратано,  Д.,  Экспертные  системы:  принципы  разработки  и 

программирование [текст]: перевод с англ. / Джозеф Джарратано, Гари Райли. – 

М.: «Вильямс», 2007. – 1152 с. 

  154

26.  Джонс, М. Т.  Программирование  искусственного  интеллекта  в 

приложениях: пер. с англ. [текст] / М. Т. Джонс. – М.: ДМК Пресс, 2004. – 312 

с. 

27.  Искусственный интеллект [текст]: в 3-х кн. Кн. 2. Модели и методы: 

Справочник / Под. ред. Д. А. Поспелова. – М.: Радио и связь, 1990. – 304 с. 

28.  Нейлор, К. Как построить свою экспертную систему [текст]: пер. с 

англ. / К. Нейлор. – М.: «Энергоатомиздат», 1991. – 286 с. 

29.  Кнышев, Д. А.,  Кузелин  М.О.  ПЛИС  фирмы  «Xilinx»:  описание 

структуры  основных  семейств  [текст]  /  Д. А. Кнышев,  М. О. Кузелин.  –  М.: 

Издательский дом «Додэка-XXI», 2001. 

30.  Базы  данных.  Интеллектуальная  обработка  информации  [текст]  / 

В. В. Корнеев, А. Ф. Гареев, С. В. Васютин, В. Райх. – М.:  «Нолидж», 2000. – 

352 с. 

31.  Кочин, Д. Ю.  Вербальный  метод  определения  эффективности 

инвестиций в строительстве [текст] / Д. Ю. Кочин, О. Ларичев, Л. Устинович // 

Computer Modell. and New Technol. – 2003. – Vol. 7, N 2. – P. 37-47. 

32.  Кочин,   Д .Ю.  Метод  классификации  заданного  множества 

многокритериальных альтернатив. [текст] / Под ред. О.И. Ларичева // Методы 

поддержки  принятия  решений:  Сб.  тр.  Ин-та  систем.  анализа  РАН.  –  М.: 

Эдиториал УРСС, 2001. – С. 4-18. 

33.  Кривуля, Г. Ф.  Автоматизированное  проектирование 

диагностического  обеспечения  ЭВА  [текст]  /  Г. Ф. Кривуля  //Арифметика, 

принципы  организации,  диагностика  и  формализованное  проектирование 

вычислительных  структур  и  устройств:  Учебное  пособие  для  вузов.  –  Киев: 

Вища школа, 1989. – С. 171-229. 

34.  Кривуля, Г. Ф. Диагностика  компьютерных сетей с  использованием 

экспертных  систем  [текст]  /  Г. Ф. Кривуля,  А. И. Липчанский,  Механна  Сами, 

Зидат Хабис // Вестник ХГТУ. – Херсон, 2004. –№1(19). – С. 11-17. 

35.  Кривуля, Г. Ф.  Применение  экспертных  систем  реального  времени 

для  диагностики  компьютерных  систем  [текст]  /  Г. Ф. Кривуля,  А. В. Бабич, 

  155

А. И. Липчанский,  А. С. Шкиль  //  Інфомаційно-керуючі  системи  на 

залізничному транспорті. – 2004. – №1. – С. 67-73. 

36.  Кривуля, Г. Ф.  Обеспечение  диагностируемости  устройств 

управления  на  структурном  уровне  моделирования  [текст]  /  Г. Ф. Кривуля, 

А. И. Липчанский // Інфомаційно-керуючі системи на залізничному транспорті. 

– 2005. – №5. – С.59-62. 

37.  Кристофидес, Н.  Теория  графов  [текст]:  перевод.  с  англ  / 

Н. Кристофидес .– М.: Мир, 1978.– 432 с. 

38.  Рутковский, Л. Методы и технологии искусственного интеллекта 

[текст] / Л. Рутковский. – М.: «Горячая линия - телеком», 2010. – 540 с. 

39.  Ларичев, О. И. Вербальный анализ решений [текст] / О. И. Ларичев. 

– М.: Наука, 2006. – 181 с. 

40.  Ларичев, О. И.  Наука  и  искусство  принятия  решений  [текст]  / 

О. И. Ларичев. – М.: Наука, 1979. – 199 с. 

41.  Ларичев, О. И.  Теория  и  методы  принятия  решений.  –  М.:  Логос, 

2002. – 392 с. 

42.  Ларичев, О. И.  Метод  ЦИКЛ  порядковой  классификации 

многокритериальных альтернатив [текст] / О. И. Ларичев, А. А. Асанов // Докл. 

РАН. – 2000. – Т. 375, №5. – С. 592-596. 

43.  Ларичев,  О.И.  Система  ДИФКЛАСС:  Построение  полных  и 

непротиворечивых  баз  экспертных  знаний  в  задачах  дифференциальной 

классификации [текст] / О. И. Ларичев, А. А. Болотов // НТИ. Сер. 2, Информ. 

процессы и системы. – 1996. – № 9. – С. 9-15. 

44.  Ларичев, О. И. Метод ЗАПРОС (Замкнутые процедуры у опорных 

ситуаций)  анализа  вариантов  сложных  решений  [текст]  /  О. И. Ларичев, 

Ю. А. Зуев, Л. С. Гнеденко; под ред. С.В. Емельянова // Многокритериальный 

выбор в слабоструктуризованных проблемах. – М.: ВНИИСИ. – 1978. – С. 83-97. 

  156

45.  Выявление экспертных знаний (процедуры и реализации) [текст] 

/  О. И. Ларичев,  А. И. Мечитов,  Е. М. Мошкович,  Е. М. Фуремс.  –  М.:  Наука, 

1989. – 128 с. 

46.  Ларичев, О. И. Задача классификации в принятии решений [текст] / 

О. И. Ларичев, Е. М. Мошкович // Докл. АН СССР. – 1986. – Т. 287, №3. – С. 

567-570. 

47.  Ларичев, О. И.  Качественные  методы  принятия  решений. 

Вербальный  анализ  решений  [текст]  /  О. И. Ларичев,  Е.М.  Мошкович.  –  М.: 

Наука. Физматлит, 1996. – 208 с. 

48.  Люгер  Д.Ф.  Искусственный  интеллект:  стратегии  и  методы 

решения  сложных  проблем  [текст]:  пер.  с  англ.  –  4-е  издание.  –  М.: 

Издательский дом «Вильямс», 2003. – 864 с. 

49.  Стоун, М. Д. Ваш PC. Проблемы и решения: практ. пособ. [текст]: 

пер. с англ. / М. Дэвид Стоун, Альфред Пур. – М.: Издательство ЭКОМ, 2002. – 

416 с. 

50.  Проектирование  и  диагностика  компьютерных  систем  и  сетей 

[текст]  /  М. Ф. Бондаренко,  Г. Ф. Кривуля,  В. Г. Рябцев  [и  др.].  –  Харьков: 

ХНУРЭ, 2000. – 306 с. 

51.  Сами  Механна.  Интеллектуальное  диагностирование  цифровых 

систем на основе моделей структурного уровня. Дисс. на соискание  уч. степени 

ктн. Харьков: ХНУРЭ, 2011. – 150 с. 

52.  Мошкович, Е. М.  Конструктивный  поиск  и  устранение 

противоречий в предпочтениях лица, принимающего решения при разбиении 

многомерных альтернатив на конечное число классов [текст] / Е. М. Мошкович; 

под ред. С. В. Емельянова, О. И. Ларичева // Проблемы и процедуры принятия 

решений при многих критериях: сборник трудов. – М.: ВНИИСИ, 1982. – № 6. – 

С. 73-80. 

53.  Нессер, Д. Дж.  Оптимизация  и  поиск  неисправностей  в  сетях 

[текст]: пер. с англ. /Д. Дж. Нессер. – К.: «Диалектика», 1996. – 384 с. 

  157

54.  Борисов, А. Н.Обработка  нечеткой  информации  в  системах 

принятия  решений  [текст]  /  А. Н. Борисов,  А. В. Алексеев,  Г В. Меркурьев.  – 

М.: Радио и связь, 1989. – 304 с. 

55.  Огнев, И. В.  Интеллектуальные  системы  ассоциативной  памяти 

[текст] / И. В. Огнев. – М.: Радио и связь, 1996. – 176 с. 

56.  Олифер,  В. Г.  Компьютерные  сети.  Принципы,  технологии, 

протоколы [текст] / В. Г. Олифер, Н. А. Олифер. – СПб.: Питер, 2002. – 672 с.  

57.  Петровский, А. Б.  Основные  понятия  теории  мультимножеств 

[текст] / А. Б. Петровский. – М.: Едиториал УРСС, 2002. – 80 с. 

58.  Петровский, А. Б.  Пространства  множеств  и  мультимножеств  / 

А. Б. Петровский. – М.: Едиториал УРСС, 2003. – 248 с. 

59.  Понтрягин, Л. С.  Принцип  максимума  в  оптимальном  управлении 

[текст] / Л. С. Понтрягин. – 2-е изд.. – М.: Едиториал, 2004. – 64 с. 

60.  Поспелов, Д. А.  Ситуационное  управление:  теория  и  практика 

[текст] / Д. А. Поспелов.– М.: Наука, 1986. – 288 с. 

61.  Приобретение знаний [текст]: пер. с япон. / под ред. С. Осуги, Ю. 

Саэки;– М.: Мир, 1990. – 304 с. 

62.  Родзин, С. И. Автоматизация поиска и диагностики неисправностей 

на  основе  экспертной  информации  [текст]  /  С. И. Родзин  //  Перспективные 

информационные технологии и интеллектуальные системы. – С.140-143. 

63.  Розен, В. В.  Цель  –  оптимальность  –  решение  (математические 

модели принятия оптимальных решений) [текст]  / В. В. Розен. – М.:  Радио и 

связь, 1982. – 168 с. 

64.  Соколов, Н. А. Об оптимальной расшифровке монотонных функций 

алгебры  логики  [текст]  /  Н. А. Соколов  //  Журн.  вычисл.  математики  и  мат. 

физики. – 1982. – Т. 22, № 2. – С. 449-461. 

65.  Соколов, Н. А.  Оптимальная  расшифровкя  монотонных  булевых 

функций  [текст] / Н. А. Соколов // Журн. вычисл. математики и мат. физики. – 

1987. – Т. 27, № 12. – С. 1878-1887. 

66.  Солсо, Р. Когнитивная психология / Р. Солсо. – СПб: Питер, 2002. – 

592 с. 

  158

67.  Уотермен, Д. Руководство по экспертным системам: пер. с англ. 

/Д. Уотерман. – М.: Мир, 1989. – 388 с. 

68.  Хаханов  В.И.  Техническая  диагностика  элементов  и  узлов 

персональных компьютеров. – К.: ИСМО, 1997. – 308 с. 

69.  Хейес-Рот Построение экспертных систем / Хейес-Рот, Д. 

Уотерман, Д. Ленат. – М.: «Мир», 1987. – 441с. 

70.  Хогдалл, Дж. С. Анализ и диагностика компьютерных сетей / Дж. 

Скотт Хогдалл. – М.: Лори, 2001. – 354 с.  

71.  Хьюбел, Д. Глаз, мозг, зрение /Д. Хъюбел. – М.: Мир, 1990. – 239 с. 

72.  Цыпкин, Я. З. Основы теории обучающихся систем / Я. З. Цыпкин. 

– М.: Наука, 1970. – 252 с. 

73.  Эволюционные вычисления и генетические алгоритмы. Обозрение 

прикладной и промышленной математики. Выпуск 5.– М.: «ТВП».– Т.3.– 1996.– 

204 с. 

74.  Addis  T.R.  Expert  systems:  an  evolution  in  information  retrieval. 

International Computers Limited (ICL) Technical Journal, May 1980. 

75.  Alexander,  J.H.,  Freiling  M.J.  Building  an  expert  system  in 

SMALLTALK-80 / J.H. Alexander, M.J. Freiling. //Technical Report. No. CR-85-06, 

Artificial  Intelligence  Dept.,  Computer  Research  Laboratory,  Tektronix,  Inc., 

November.–1984. 

76.  Alexander,  J.H.,  Troubleshooting  with  the  help  of  an  expert  system  / 

J.H. Alexander,  M.J  .Freiling  //  Technical  Report  No.  CR-85-05,  Artificial 

Intelligence Dept., Computer Research Laboratory, Tektronix, Inc., August. – 1984. 

77.  Barker, V. E.  Expert  Systems  for  configuration  at  DIGITAL  /  V.E. 

Barker  ,  O’Connor  D.E.//:  XCON  and  Beyond.  Communications  of  the  ACM.– 

32(3): 298-318, 1989. 

78.  Bennett,  J.S.,  Hollander  C.R.  DART:  an  expert  system  for  computer 

fault diagnosis. Proceedings IJCAI-81, pp. 843-845, 1981. 

79.  Brown H., Tong C., Foyster G. PALLADIO: an exploratory environment 

for circuit design. IEEE Computer, pp. 41-55, December 1983. 

  159

80.  Brown J.S., Burton R.R. and deKleer J. Pedagogical, natural language 

and knowledge engineering techniques in SOPHIE. In Sleeman D. and Brown J.S. 

Intelligent Tutoring Systems. New York: Academic Press, 1982. 

81.  Chilukuri,  K.M.  Frontiers  of  expert  system:  reasoning  with  limited 

knowledge / K.M. Chilukuri. – Norwell: Kluwer Academic Publishes, 2000. – 297 p. 

82.  Chitta, B. Knowledge representation, reasoning and declarative problem 

solving / B.Chitta. –  Cambridge University Press, 2004. – 546 с. 

83.  Clancy W.J. Heuristic Classification. Artificial Intelligence, 27: 289-350, 

1985. 

84.  Clansey, W. Classification problem solving // Proc. of National Conf. 

Artificial Intelligence AAAI. – Austin: Univ. of Texas, 1984. – P. 49-55. 

85.  Davis, R. and Hamscher W. Model-based Reasoning: Trouble Shooting. 

In Hamscher W., Console L. and deKleer J. Readings in Model-based Diagnosis. San 

Mateo: Morgan Kaufmann, 1992. 

86.  De Jong, K.A. Genetic Algorithms: A 10 Year Perspective // In: Procs of 

the First Int. Conf. on Genetic Algorithms, 1985. – P. 167-177. 

87.  deKleer,  J.  Local  methods  for  localizing  faults  in  electronic  circuits 

(MIT AI Memo 394). Cambridge, MA: MIT, 1976. 

88.  Distributed Sniffer System: http://www.nwc.com/609/609prod3.html. 

89.  Finin,  T.,  McAdams  J.,  Kleinosky  P.  FOREST:  an  expert  system  for 

automatic  test  equipment.  Proceedings  of  the  First  Conference  on  Artificial 

Intelligence Applications, IEEE Computer Society, December 1984. 

90.  Forgy, C.L. RETE: A fast algorithm for the many pattern/many object 

pattern match problem // Artificial Intelligence. – 1982. – № 19. – P.17-37.  

91.  Krivoulya,  G.  Modeling  Computer  System  States  on  The  Structural 

Level  in  the  Form  of  Finite  State  Machine.  /  G.  Krivoulya,  M.  Laptev 

//Paдіоелектронні  і  комп’ютерні  системи.  Науково-технічний  журнал.  Харків 

“ХАІ”.– 2007.– C. 108-111. 

92.  Krivoulya, G.., // Fuzzy expert system for diagnosis of computer failures 

/ G. Krivoulya., Z. Dudar, D. Kucherenko, Mehanna Sami //Procceedings of the Xth  

International Conference CADSM».– Polyana, Ukraine.–2009.– С.225-230. 

  160

93.  G.  Rothermel,  S.  Elbaum,  “Putting  your  best  tests  toward”,  IEEE 

Software, 3:74-77, 2003. 

94.  Genesereth,  M.R.  Diagnosis  using  hierarchical  design  models. 

Proceedings AAAI-82, pp. 278-283, 1982. 

95.  Genesereth,  M.R.  The  DART  project.  The  AI  Magazine,  p.  85,  Fall 

1983. 

96.  Genesereth, M.R. The use of design descriptions in automated diagnosis. 

Artificial Intelligence, vol. 24, pp. 411-436, 1984. 

97.  Genesereth, M.R. The use of design descriptions in automated diagnosis. 

Memo  HPP-81-20, Computer Science Dept., Stanford University, Stanford, Calif., 

January 1984. 

98.  Krivoulya, Gennady, Mihail Laptev. The Diagnostic Model of Computer 

Systems  in the  Form  of  Finite State Machine.  Досвід розробки  та застосування 

приладо-технологічних САПР в мікроелектроніці : Матеріали IX Міжнародної 

науково-технічної  конференції  CADSM  2007.  –  Львів:  Видавництво 

Національного Університету “Львівська політехніка”, 2007 – С. 262-263. 

99.  Goldberg, D.E. Genetic algorithms in search, optimization and machine 

learning. – Adison Wesley, Reading, MA, 1989. – 308 p. 

100.  Griesmer, J.H., Hong S.J., Karnaugh M., Kastner J.K., Schor M.I., Ennis 

R.L., Klein D.A., Milliken K.R., Van Woerkom H.M. YES/MVS: A continuous real 

time expert system. Proceedings AAAI-84, 1984. 

101.  Gupta,  N.K.,  Seviora  R.E.  An  expert  system  approach  to  real  time 

system  debugging.  Proceedings  of  the  First  Conference  on  Artificial  Intelligence 

Applications. IEEE Computer Society, December 1984. 

102.  Hansel  G.  Sur  le  nombre  des  functions  Booleennes  monotones  de  n 

variables // C.r.Acad.sci. – 1966. – Vol. 262, N 20. – P. 1088-1090. 

103.  Hartley  R.T.  CRIB:  computer  fault-finding  through  knowledge 

engineering. Computer, vol. 17, no. 3, March 1984. 

104.  Hertz, J. Introduction to the theory of neural computation. – Redwood 

City: Addison-Wesley Publishing Company, 1996. – 327 p. 

  161

105.  Horstmann,  P.W.  Design  for  testability  using  logic  programming. 

Proceedings  of  the  1983  international  Test  Conference,  IEEE  Computer  Society 

Press, Silver Spring, Md., 1983. 

106.  Jan J., Foyster G., Brown H. An expert system for assigning mask levels 

to interconnect in integrated circuits. Report HPP-83-39, Computer Science Dept., 

Stanford University, Stanford, Calif., July 1983. 

107.  Joyce  R.  Reasoning  about  time-dependent  behavior  in  a  system  for 

diagnosing  digital  hardware  faults.  Memo  HPP-83-37,  Computer  Science  Dept., 

Stanford University, August 1983. 

108.  Kelly, V.E. The CRITTER system: automated critiquing of digital circuit 

designs. Report LCSR-TR-55, Laboratory for Computer Science Research, Rutgers 

University, May 1984. 

109.  Kelly,  V.E.,  Steinberg  L.I.  The  CRITTER  system:  analyzing  digital 

circuits by propagation behaviors and specifications. Proceedings AAAI-82, pp. 284-289, 1982. 

110.  Keravnou, E.T., Johnson L. NEOGRIB: an Expert Fault Finding System 

that  Articulates  the  Competence  of  Field  Engincers  //  3  Int.  Conf.  FTCS.  – 

Bremerhaven, Sept. 1987. – P.107-118. 

111.  Kochin,  D.,  Ustinovicius  L.  Verbal  analysis  of  the  investment  risk  in 

construction // J. Business Econ. and Manag. – 2003. – Vol. 4, N 4. – P. 228-234. 

112.  Kohonen, T. Self-organizing Maps. – Berlin: Springer-Verlag, 1995. – 

363 p. 

113.  Kornell,  J.  A  VAX  tuning  expert  built  using  automated  knowledge 

acquisition.  Proceedings  of  the  First  Conference  on  Artificial  Intelligence 

Applications, IEEE Computer Society, December 1984. 

114.  Kung, S.Y. Digital Neural Networks. – Engewood Cliffs, New Jersey: 

PTR Prentice Hall, 1994. – 418 p. 

115.  Laffey,  T.J.,  Perkins  W.A.,  Fischein  O.  LES:  a  model-based  expert 

system for electronic maintenance. Proceeding of the Joint Services Workshop on AI 

in Maintenance, October 4-6, 1984, pp. 1-17. 

  162

116.  Larichev O., Brown R. Numerical and verbal decision analysis used 

for the problems of resources allocation in Arctic // J. Multi-Criteria Decision Anal. – 

2000. – Vol. 9, N 6. – P. 263-274. 

117.  Larichev O.I. Ranking multicriteria alternatives: The method ZAPROS 

III // Europ. J. Operat. Res. – 2001. – Vol. 131, N 3. – P. 550-558. 

118.  Larichev, O.I., Kochin D.Yu., Ustinovicius L.L. Multicriteria method for 

choosing the best object for investments // DSS in the Uncertainty of the Internet age. 

– Katowice: The Karol Adamiecki Univ. of Econ., 2003. – P. 255-270. 

119.  Larichev, O.I., Kortnev A.V., Kochin D.Yu. Decision support system for 

classification of a finite set of multicriteria alternatives // Decision Support Systems. 

– 2002. – Vol. 33, N 1. – P. 13-21. 

120.  Larichev O.I., Moshkovich H.M. ZAPROS-LM: A method and a system 

for ordering multiattribute alternatives // Europ. J. Operat. Res. – 1995. – Vol. 82, 

N3. – P. 503-521. 

121.  LI Xiao-zhong Knowledge representation and reasoning based on fuzzy 

Petri nets, Tianjin University of Science and Technology 

122.  Lin C.T. Neural fuzzy systems: a neuro-fuzzy synergism to intelligent 

systems. – Upper Saddle Rever, New Jersey: Prentice Hall PTR, 1997. – 786 p. 

123.  Marco  Dorigo,  Vittorio  Maniezzo,  Alberto  Colorni.  The  Ant  System: 

Optimization by a colony of cooperating agents. // IEEE Transactions on Systems, 

Man and Cybernetics – Part B, Vol. 26, No.1, 1996. – P. 1-13. 

124.  McDermott J. R1, The formative years. AI Magazine (summer 1981). 

125.  McDermott  J.  R1:  A  rule  based  configurer  of  computer  systems. 

Artificial Intelligence, 19, 1982. 

126.  Morris Rosenthal Computer Repair with Diagnostic Flowcharts: 

Troubleshooting PC Hardware Problems from Boot Failure to Poor Performance – 

Foner Books. – 120 с. 

127.  Morris  Rosenthal  Computer  Repair  with  Diagnostic  Flowcharts: 

Troubleshooting PC Hardware Problems from Boot Failure to Poor Performance – 

Foner Books. – 120 с. 

  163

128.  OptiView Protocol Expert: http://www.fluke-networks.ru/program/opv_pe.htm 

129.  Pulsed neural networks / by W. Maas and C.M. Bishop eds. – MIT Press. 

– 1999. – 408 p. 

130.  S. Russell, P. Norvig, “Artificial intelligence a modern approach”, Prentice 

hall, Upper saddle river, NJ,1995. 

131.  Schor  M.I.  Using  declarative  knowledge  representation  techniques: 

implementing truth maintenance in OPS 5. Proceedings of the First Conference on 

Artificial Intelligence Applications. IEEE Computer Society, December 1984. 

132.  Shubin H., Ulrich J.W. IDT: an intelligent diagnostic tool. Proceedings 

AAAI-82, pp. 290-295, 1982. 

133.  Sjoholm S. and Lindh L. (1997). “VHDL for Designers”, Prentice-Hall, 

1997, ISBN 0-13-473414-9 

134.  Skinner J.M. and Luger G.F. An architecture for integrating reasoning 

paradigms.  Principles  of  Knowledge  Representation  and  Reasoning.  B.  Nobel,  C. 

Rich and W. Swartout, ed. San Mateo, CA: Morgan Kaufmann, 1992. 

135.  Soloway  E.,  Bachant  J.,  Jensen  K.  Assessing  the  maintainability  of 

XCON-in-RIME: Coping with the problems of a very large rule base. Proceedings 

AAAI-87. Los Altos, CA: Morgan Kaufmann, 1987. 

136.  Stallman R.M., Sussman G.J. Problem solving about electrical circuits. 

In P. Winston, R. Brown (eds) Artificial Intelligence: An MIT Perspective, Vol. 1, 

MIT Press, pp. 30-91, 1979. 

137.  Stefik  M.,  Bobrow  D.,  Bell  A.,  Brown  H.,  Conway  L.,  Tong  C.  The 

partitioning of concerns in digital system design. Proceedings of the Conference on 

Advanced Research in VLSI, MIT, 1982. 

138.  Stefik,  M. J.  Towards  the  principled  engineering  of  knowledge.  / 

M. J. Stefik, L. Conway //The AI Magazine. – 1982. – pp. 4-16. 

139.  Stern,  C.R.  Abduction  and  abstraction  in  diagnosis:  a  schema-based 

account, Situated Cognition: Expertise in Context : C.R. Stern, G.F. Luger Ford et al. 

ed. Cambridge, MA: MIT Press, 1997. 

  164

140.  Sussman,  G. J.  Computer  aided  evolutionary  design  for  digital 

integrated systems / G. J. Sussman, J. Holloway, T. Knight // Proceedings of the 1980 

AISB Conference, 1980. 

141.  Sussman, G. J., Stallman R.M. Heuristic techniques in computer-aided 

circuit analysis. IEEE Transactions on Circuits and Systems, vol. CAS-22, no. 11, pp. 

857-865, November 1975. 

142.  Sycara, P. K.  Multiagent  Systems  /P. K. Sycara  //  AI  MAGAZINE.  – 

1998. – V. 19. – № 2. – P. 79-93. 

143.  Syrevitch , Y.  Functional  verification  quality  metrics  at  HDL-models 

verification  /  Y.  Syrevitch,  A.Karasyov,  S.S.  Mehanna  //Радіоелектронні    і 

комп’ютерні системи. – 2006. – № 6. – С. 153-157. 

144.  Tong, C. A framework for circuit design /С. Tong /Report HPP-83-45, 

Computer Science Dept., Stanford University, Stanford, Calif., December 1983. 

145.  Pavliska,  V.  Petri  nets  as  fuzzy  modeling  tool  /Victor  Pavliska  // 

University of Ostrava research: report № 112. 

146.  Williams, T. L.  Isolating  multiple  faults  in  NDS./  T. L.  Williams  // 

Technical  Report  010,  Smart  Systems  Technology,  7700  Leesburg  Pike,  Falls 

Church, Va., 1982. 

147.  William,  T.L.  Diagnosis  of  multiple  faults  in  a  nationwide 

communications  network  /  T.L.  Williams  P.J,  Orgren.,  Smith  C.L.  //Proceedings 

IJCAI-83, 1983.–P. 179-181. 

148.  Xu,  Z.  Application  of  fuzzy  expert  system  in  test  case  selection  for 

system regression test / Z. Xu, K. Gao, Taghi M. Khoshgoftaar //Information reuse 

and integration: 2005 IEEE International conference Conf.– p. 120-125. 

149.  Zhongmin, Cai, A rough set theory based method for anomaly intrusion 

detection in computer network systems / Cai Zhongmin, Guan Xiaohong, Shao Ping, 

Peng Qinke, Sun Guoji // Expert Systems. November 2003. – Vol. 20, No.5. – P 251-259.