С. Д. Кулик – д.т.н., ст. науч. сотрудник, профессор, Национальный исследовательский ядерный университет «МИФИ», Московский государственный психолого-педагогический университет «МГППУ»

E-mail: sedmik@mail.ru

Представлены сведения о нейросетевых средствах системного анализа. Основной упор сделан на элементы системного анализа (показатели эффективности, для которых используются нейронные сети) и программные средства системного анализа с применением нейронных сетей.

Проанализировано содержимое базы данных о зарегистрированных программах и базах данных Федеральной службы по интеллектуальной собственности (Российского агентства по патентам и товарным знакам). Поиск проведен по названиям программ (баз данных) и по содержимому рефератов с описанием программ (баз данных). Выявлено, что имеется менее 250 программ и менее 50 баз данных, посвященных системному анализу. Установлено, что при этом имеется только одна программа, посвященная и нейронным сетям и системному анализу одновременно, что явно недостаточно для обеспечения учебного процесса вуза. В связи с этим в статье сделан вывод, что необходимо для учебного процесса разрабатывать подобные программные средства.

Кратко рассмотрены возможные свертки частных показателей эффективности системы, включая и нейросетевой подход. В качестве примеров рассмотрены два показателя эффективности для учебного процесса, которые возможно представить с помощью подходящей нейронной сети. Один пример – показатель конкурентоспособности кафедры, а другой пример – показатель для функции успеха основной однопараметрической дихотомической логистической модели Г. Раша. Показаны возможные интерпретации этой модели для учебного процесса, включая и нейросетевую интерпретацию. Приведена лемма о нейросетевой интерпретации для этой модели, которая может быть применена для динамического тестирования учащихся. Полученные результаты могут быть использованы для обеспечения учебного процесса университета при обучении студентов бакалавров, магистров и аспирантов по дисциплинам, связанным с системным анализом.

1. Galushkin A.I. Neural networks theory. Springer Berlin Heidelberg New York. 2007.
2. Haykin S. Neural networks – A comprehensive foundation. 2nd Ed. Pearson Education, Inc. 1999. Reprint. 2005.
3. Кулик С.Д. Последовательный анализ и нейронные сети в фактографических информационных системах // Нейрокомпьютеры: разработка, применение. 2018. № 9. С. 53–60.
4. Кулик С.Д. Метод последовательного анализа для тестирования человека-оператора // Прикладная информатика. 2015. Т. 10. № 3 (57). С. 100–108.
5. Волкова В.Н. Системный анализ информационных комплексов. СПб.: Лань. 2016.
6. Артюхин Г.А. Теория систем и системный анализ. Практикум принятия решений. Казань: КГАСУ. 2016.
7. Качала В.В. Основы теории систем и системного анализа. М.: Горячая линия – Телеком. 2012.
8. Кулик С.Д. Элементы теории принятия решений (критерии и задачи). Учеб. пособие. Изд. 2-е, испр. М.: НИЯУ МИФИ. 2018.
9. Кулик С.Д. Теория принятия решений (элементы теории проверки вероятных гипотез). Учеб. пособие. Изд. 2-е, испр. М.: НИЯУ МИФИ. 2018.
10. Кулик С.Д. Элементы системного анализа для студентов старших курсов университета // Естественные и технические науки. 2018. № 11 (125). С. 373–377.
11. Кулик С.Д. Элементы системного анализа для студентов младших курсов университета // Естественные и технические науки. 2018. № 12 (126). С. 357–360.
12. Кулик С.Д. Учет человека-оператора, работающего вне контура АФИПС // Безопасность информационных технологий. 2002. № 4. С. 79–86.
13. Кулик С.Д. Фактографические системы (методы построения, модели, стратегии поиска и программное обеспечение). М.: Радиотехника. 2003.
14. Кулик С.Д. Исследование фактографических систем и баз данных // Научно-техническая информация. 2003. Сер. 2. № 4. С. 33–41.
15. Кулик С.Д. Обеспечение информационной безопасности и фактографические системы // Безопасность информационных технологий. 2015. № 1. С. 99–101.
16. Кулик С.Д. Эффективный фактографический поиск с учетом требований информационной безопасности // Безопасность информационных технологий. 2015. № 3. С. 85–90.
17. Кулик С.Д. Нейросетевые алгоритмы и автоматизированные фактографические информационные системы // Нейрокомпьютеры: разработка, применение. 2015. № 12. С. 58–65.
18. Кулик С.Д. Разработка и исследование модели АФИПС // Безопасность информационных технологий. 2004. № 2. С. 65–73.
19. Кулик С.Д. Программы для работы с ценными бумагами и учет человеческого фактора в АФИПС – основа защиты от мошенничества // Безопасность информационных технологий. 2002. № 3. С. 65–71.
20. Кулик С.Д. Проектирование АФИПС криминалистического назначения // Безопасность информационных технологий. 2002. № 1. С. 78–81.
21. Кулик С.Д. Специальные средства для обеспечения информационной безопасности // Безопасность информационных технологий. 2015. № 2. С. 36–40.
22. Кулик С.Д. О нейронных сетях и плагиате // Сб. тезисов докл. XV Всеросс. науч. конф. «Нейрокомпьютеры и их применение» (НКП–2017). М.: МГППУ. 2017. С. 19–21.
23. Кулик С.Д. О блокчейне, майнинге и нейронных сетях // Сб. тезисов докл. XVI Всеросс. науч. конф. «Нейрокомпьютеры и их применение» (НКП–2018). М.: МГППУ. 2018. С. 21–23.
24. Kulik S., Nikonets D. Forensic handwriting examination and human factors: Improving the practice through automation and expert training // Proc. of 2016 Third International Conference on Digital Information Processing, Data Mining, and Wireless Communications (DIPDMWC). P. 221–226.
25. Kulik S.D. Model for evaluating the effectiveness of search operations // Journal of ICT Research and Applications (ITB Journal of Information and Communication Technology). 2015. V. 9. № 2. P. 177–196.
26. Kulik S., Tkachenko K. Effective strategy for competences forming // Proc. of 2016 Third International Conference on Digital Information Processing, Data Mining, and Wireless Communications (DIPDMWC). P. 239–244.
27. Kulik S. Factographic information retrieval for communication in multicultural society // Procedia – Social and Behavioral Sciences (International Conference on Communication in Multicultural Society CMSC–2015, 6–8 December 2015, Moscow, Russian Federation). 2016. V. 236. P. 29–33.
28. Kulik S. Factographic information retrieval for competences forming // 2106 Third International Conference on Digital Information Processing, Data Mining, and Wireless Communications (DIPDMWC). 2016. P. 245–250.
29. Kulik S.D., Belov A.N., Matveeva K.I. Development of generation special short articles for the given topic // International Journal of Engineering & Technology. 2018. V. 7. № 2.23 (Special Issue 23). P. 171–174.
30. Кулик С.Д., Ткаченко К.И. Формирование фактографических данных (криминалистика, обучение, инновация). М.: Радиотехника. 2016.
31. Кулик С.Д. Элементы системного анализа (эффективность систем). Учеб. пособие. М.: НИЯУ МИФИ. 2018.
32. Петрусь А.В. Эффективность документальных ИПС с позиции теории статистических решений // НТИ. Сер. 2. 1987. № 4. С. 6–14.
33. Абчук В.А., Суздаль В.Г. Поиск объектов. М.: Сов. радио. 1977.
34. Вентцель Е.С., Овчаров Л.А. Теория вероятностей и ее инженерные приложения. М.: Наука. 1988.
35. Rasch G. Probabilistic models for some intelligence and attainment tests (Series: Studies in Mathematical Psychology I). Copenhagen, Denmark: Danmarks Paedogogiske Institute, Danish Institute for Educational Research. 1960.
36. Кулик С.Д., Ткаченко К.И., Сергеев М.С. Специализированная интеллектуальная подсистема и возможность нейросетевой интерпретации для модели Георга Раша // Нейрокомпьютеры: разработка, применение. 2012. № 9. С. 35–46.
37. Вентцель Е.С. Исследование операций: задачи, принципы, методология. М.: Высшая школа. 2001.
38. Абрамов И.В., Александрова Н.А., Ценёв А.В. Искусственные нейронные сети в вычислении конкурентоспособного потенциала кафедры ВУЗа // Вестник ИжГТУ. 2008. № 4. С. 131–134.
39. Черноруцкий И.Г. Методы принятия решений. СПб.: БХВ-Петербург. 2005.