ri2014_materials

290	РЕГИОНАЛЬНАЯ ИНФОРМАТИКА – 2014

ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ В НАУЧНЫХ ИССЛЕДОВАНИЯХ

Абрамян Г.В.

Россия, Санкт-Петербург, Российский государственный педагогический университет им. А.И. Герцена СИСТЕМА МЕЖДУНАРОДНОГО НАУЧНОГО СОТРУДНИЧЕСТВА И МОДЕЛИ ГЛОБАЛИЗАЦИИ

ПРОФЕССИОНАЛЬНОГООБРАЗОВАНИЯИНАУКИВИНФОРМАЦИОННОЙСРЕДЕСТРАНБРИКС

Развитие российского общества, науки и образования в начале третьего тысячелетия сопровождается глобальными и необратимыми изменениями в мире. На фоне продолжающегося финансово-экономического и политического кризиса, экономических санкций европейских государств и США экономическая и социальная политика правительства России последовательно выводят нашу страну на утраченные в 90-е годы геополитические позиции.

Этот процесс ориентирует региональную (Северо-Западную) экономику, промышленность, культуру, науку и систему образования на разработку и внедрение инноваций, качественную переоценку и оптимизацию технологий работы, перепрофилирование кадров и ресурсов.

Вэтих условиях необходим: 1) анализ и переосмысление целесообразности дальнейшего развития существующих связей и моделей совместной деятельности Северо-Западных научных центров и вузов России с европейскими и американскими научными и образовательными учреждениями, 2) новый подход и принципы организации системы научного сотрудничества с международными научными центрами и образовательными системами (МНЦиОС) государств группы БРИКС, защищенные от вмешательства и влияния стран Европы и США, которые позволят выработать самостоятельные стратегии последовательного инновационного развития совместных производств, науки и образования, экономических и финансовых механизмов взаимодействия в БРИКС.

Встатье предлагается система международного научного сотрудничества (СМНС) и модели глобализации профессионального образования (МГПО) в информационной среде (ИС) стран БРИКС, базовым элементом которых может стать потенциал научных центров и вузов СевероЗапада РФ, ориентированный на: 1) современную информационно-образовательную среду, 2) современные подходы, принципы, методологии и опыт управления научными, образовательными и производственными системами в условиях глобализации экономик, культур, науки и образования стран БРИКС:

1. Нормативно-правовая модель сотрудничества юридических и физических лиц (СЮиФЛ) на основе СМНС и МГПО в ИС предполагает разработку, внедрение и развитие нормативно-правовой базы совместных исследований и использования информационных ресурсов СМНС группы БРИКС.

2. Инновационно-исследовательская модель СЮиФЛ на основе СМНС и МГПО в ИС предполагает разработку, внедрение и развитие инновационных научно-исследовательских концепций, методологий, патентов, изобретений, сервисов и систем управления которые позволят повысить качество и инновационный потенциал научных исследований, систем образования и совместных производств.

3. Ресурсно-технологическая модель СЮиФЛ на основе СМНС и МГПО в ИС предполагает разработку, внедрение и развитие глобальных инновационно-исследовательских ресурсов, средств, методик и технологий научно-образовательной деятельности (ГИИРСМиТНОД) юридических и физических лиц с использованием современных принципов и методов научной организации труда и управления, повышающих эффективность совместных производств, научных исследований и систем образования (СПНИиСО) в странах группы БРИКС.

4. Конкурентно-рейтинговая модель СЮиФЛ на основе СМНС и МГПО в ИС предполагает: 1) непрерывный анализ, маркетинг и отбор конкурентноспособных ГИИРСМиТНОД и СЮиФЛ на межмуниципальном и межрегиональном уровнях, 2) возможность поддержания и развития перспективных научных центров и вузов на межмуниципальном и межрегиональном уровнях конкуренции, при условии их эффективной работы на 1, 2, 3 уровнях модели СЮиФЛ и достаточного объема материально-технических, трудовых, финансовых ресурсов и средств для развития СПНИиСО на их основе.

5. Бренд-корпоративная модель инновационной научно-образовательной политики (ИНОП) СЮиФЛ на основе СМНС и МГПО в ИС предполагает непрерывное поддержание и развитие брендкорпоративной уникальности ГИИРСМиТНОД и СЮиФЛ на межрегиональном и межфедеральном уровнях на основе внедрения и развития тактических ИНОП-технологий бренд-уникальности научных результатов, процессов и технологий деятельности, эффективности и активности СЮиФЛ

http://spoisu.ru

ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ В НАУЧНЫХ ИССЛЕДОВАНИЯХ	291

с учетом потребностей заказчиков-потребителей ИНОП-услуг, ориентированных не столько на качество и стоимость ГИИРСМиТНОД, сколько на имидж и репутацию ИНОП-модели в странах группы БРИКС.

6.Образно-кодовая информационная модель инновационной научно-образовательной политики (ИНОП) СЮиФЛ на основе СМНС и МГПО в ИС предполагает непрерывное поддержание

иразвитие образно-кодовых ГИИРСМиТНОД и СЮиФЛ на межфедеральном и межгосударственном уровнях сотрудничества на основе развития стратегических ИНОП-технологий бренд-уникальности СЮиФЛ как результата и процесса научно-исследовательской деятельности по разработке, внедрению и развитию образ-кодов результатов, процессов и технологий научно-образовательной деятельности субъектов БРИКС.

7.Виртуально-сетевая информационно-персонифицированная модель глобальной инновационной научно-образовательной политики СЮиФЛ на основе СМНС и МГПО в ИС предполагает непрерывное поддержание и развитие персонифицированных ГИИРСМиТНОД, виртуальных средств и методик СЮиФЛ на межгосударственном уровне взаимодействия на основе развития виртуальных ИНОП-технологий бренд-уникальности СЮиФЛ как результата разработки, внедрения и развития виртуальных образ-кодов реальных персонифицированных результатов, процессов и технологий научно-образовательной деятельности субъектов сообщества стран группы БРИКС.

Бодарев Д.А.

Украина, г. Одесса, Одесский национальный морской университет НЕЧЕТКАЯ ОПТИМИЗАЦИЯ КОГЕНЕРАЦИОННЫХ СИСТЕМ

Когенерационные установки (когенераторы) широко используются в малой энергетике и обладают рядом преимуществ:

Теплота используется непосредственно в месте получения, а это обходится гораздо дешевле, чем строительство и эксплуатация многокилометровых теплотрасс;

Электричество используется большей частью в месте получения, в результате, без накладных расходов поставщиков энергии, его стоимость для потребителя может быть до 5 раз меньше, чем у энергии из сети.

Потребитель приобретает энергетическую независимость от сбоев в электроснабжении и аварий в системах теплоснабжения.

Оценка энергетической эффективности когенерационных систем по литературным данным показывает снижение цены вырабатываемой энергии до 50%. Большинство целевых функций используют такие характеристики как эксергия, термоэкономический или экологический критерии.

Рассмотрим расширенную двухагентную модель когенерационной системы, предложенную Toffollo и Lazzaretto, с двумя критериями, которые необходимо минимизировать: термодинамический критерий как отклонение эксергетической эффективности от идеального значения и экономический критерий как общие затраты.

Существует несколько методов нахождения “хороших” решений вышеуказанной проблемы. Однако, попытки нахождения оптимального решения для определения эффективности двухцелевых

систем – одновременного производства теплоты и электроэнергии с помощью сведения двухкритериальной задачи к однокритериальной лишь иллюстрируют конфликт среди различных подходов и отсутствие консенсуса. Формальные математические средства для разрешения многокритериальной проблемы отсутствуют и необходима дополнительная экзогенная информация.

В данной работе предлагается следующая последовательность шагов принятия решения в условиях неопределенности в многокритериальном анализе энергопреобразующих систем.

Определение области оптимальности по Парето, в которой достигается согласованное решение конфликта между критериями с противоположными интересами;

Представление критериев и ограничений в форме нечетких множеств для отображения неструктурированных ситуаций;

Неформальный выбор схемы свертки для перехода от векторного критерия к скалярной комбинации критериев;

Оценка окончательного вектора, минимизирующего нечеткие источники неопределенности. Сочетание представлений об оптимальности по Парето и концепция нечетких множеств

позволяют принимающему решения вести всеобъемлющее исследование энергопреобразующих систем, принимая во внимание разнообразные комбинации экономических целей и термодинамических ограничений.

В данном подходе сделана одна из первых попыток применения концепции нечетких множеств для выбора компромисса между термодинамическими и экономическими показателями применительно к двухцелевой системе генерации энергии.

http://spoisu.ru

292	РЕГИОНАЛЬНАЯ ИНФОРМАТИКА – 2014

Богданов Т.Р.

Россия, Санкт-Петербург, Санкт-Петербургский государственный электротехнический университет «ЛЭТИ» им. В.И. Ульянова (Ленина)

РЕДАКТОР СТРУКТУР ДАННЫХ СИСТЕМЫ МОНИТОРИНГА НАУЧНОГО И ИННОВАЦИОННОГО ПОТЕНЦИАЛА ОРГАНИЗАЦИЙ

Ежегодно, начиная с 2007 года, по заказу правительства Санкт-Петербурга проводится мониторинг научного и инновационного потенциала научных организаций города Санкт-Петербурга. Задача отслеживания актуальных данных выполняется в несколько этапов, выполнение каждого из которых обеспечивается соответствующими модулями специализированного программного комплекса. В их число входят организация структуры собираемой информации и непосредственное предоставление этой информации конечному потребителю. Необходимость развития указанных этапов связана с ежегодно возникающими изменениями требований к накапливаемым данным.

Первостепенной задачей модуля создания и редактирования структуры собираемой информации является возможность автоматизировать большую часть работы по преобразованию организованной администратором структуры в табличный вид баз данных. Такое преобразование позволяет, во-первых, полноценно действовать, не имея знаний в области организации баз данных, а во-вторых, не только значительно сэкономить время администратора, но и избежать проявления человеческого фактора, сохранив тем самым целостность базы данных.

Второй, не менее важной, задачей является обеспечение пользователей удобным редактором, дающим возможность работать со структурами данных в проектах. Для каждого проекта определены операции создания (в том числе и на основе другого существующего проекта), редактирования, сохранения и удаления.

Основной частью каждого проекта является описание структуры собираемых данных, представленной в виде многоуровневого дерева, узлы которого интерпретируются полями в таблицах базы данных и имеют соответствующие параметры, доступные для редактирования пользователем. Интуитивно понятный интерфейс программы позволяет добавлять и удалять узлы в дереве, производить их копирование и перемещение как в пределах одного, так и между разными проектами. Система генерирует уникальные названия для создаваемых полей, но так же оставляет пользователю возможность самостоятельно выбирать имена, автоматически совершая необходимые проверки. Кроме того, реализовано средство произведения тонких настроек модуля, призванных максимально упростить процесс разработки каждой конкретной структуры.

За формирование запросов к базе данных, сортировку данных по отдельным полям или по сочетаниям полей, фильтрацию данных по критериям, печать и экспорт отобранных данных, и непосредственное предоставление информации на основе годовых отчетов в удобном формате отвечает отдельный программный модуль комплекса. Он обеспечивает автоматическую интерпретацию описания структуры данных в виде табличных форм с запрошенными из базы данными.

Таким образом, описанные инструменты, используемые на начальных и конечных этапах работы системы мониторинга, значительно повышают её надежность, создают условия для быстрой и простой в использовании процедуры создания структур, и построения на их основе удобного средства для просмотра собираемых данных.

Программный комплекс мониторинга разрабатывается в программной среде Delphi с использованием СУБД Microsoft Access.

Голоскоков Д.П.

Россия, Санкт-Петербург, Государственный университет морского и речного флота имени адмирала С.О. Макарова СИСТЕМЫ СИМВОЛЬНЫХ ВЫЧИСЛЕНИЙ В НАУЧНЫХ ИССЛЕДОВАНИЯХ

При решении краевых задач математической физики для ограниченных областей мы сталкиваемся с проблемой строгого удовлетворения граничным условиям. Трудность получения точного решения даже простых по постановке задач заставляет искать эффективных методов их приближенного решения. Известны приближенные классические методы решения краевых задач — Бубнова – Галеркина, Л. В. Канторовича, Ритца, Треффтца, наименьших квадратов и другие.

Следует заметить, что применение этих методов для решения краевых задач, в частности, задач бигармонического типа, до последнего времени сдерживалось трудностью выбора координатных (базисных) функций при построении решения, а также трудностью решения систем обыкновенных дифференциальных уравнений, к которым сводится задача при применении, например, метода Л.В. Канторовича.

Ситуация резко изменилась с появлением систем аналитических вычислений, которые в последнее время получают все большее распространение в среде инженеров. Однако следует отметить некоторую "инерцию" мышления инженеров относительно применения аналитических методов, связанную с тем обстоятельством, что на протяжении десятилетий использования

http://spoisu.ru

ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ В НАУЧНЫХ ИССЛЕДОВАНИЯХ	293

вычислительной техники численные методы фактически вытеснили из практики аналитические методы решения технических задач. Это можно объяснить тем, что реализация многих аналитических методов на цифровых компьютерах приводит к вычислительной неустойчивости, связанной с накоплением ошибок округления, возникающих при работе на множестве действительных чисел с ограниченным числом значащих цифр в мантиссе, реализуемом на цифровых компьютерах. Простейший выход из подобной ситуации — увеличение количества значащих цифр в представлении чисел на компьютере.

Выход из такого затруднительного положения представляется в использовании для расчетов систем аналитических вычислений, в которых проблемы с ограниченным количеством значащих цифр в мантиссе действительного числа не существует. Например, в системе аналитических вычислений Maple можно осуществлять расчеты на множестве действительных чисел, имеющих практически неограниченную мантиссу (например, 5000). Это естественно скажется на скорости вычислений, но для многих аналитических алгоритмов, учитывая их простоту, увеличение времени расчета не играет роли: порядок разрешающей алгебраической системы уравнений (как правило — линейной) в большинстве случаев не превышает 100, позволяя получить удовлетворительный (с точки зрения точности получаемых решений) для практики результат.

Горбунова И.Б., Чибирёв С.В.

Россия, Санкт-Петербург, Российский государственный педагогический университет им. А.И. Герцена МУЗЫКАЛЬНО-КОМПЬЮТЕРНЫЕ ТЕХНОЛОГИИ ИПРОБЛЕМА МОДЕЛИРОВАНИЯ ПРОЦЕССА МУЗЫКАЛЬНОГО ТВОРЧЕСТВА

Во второй половине XX в. появилось новое направление в музыкальном искусстве и моделировании закономерностей музыкального творчества, обусловленное быстрым развитием электронных музыкальных инструментов (от простейших синтезаторов до мощных музыкальных компьютеров). Возникла новая междисциплинарная сфера профессиональной деятельности, связанная с созданием и применением специализированных музыкальных программно-аппаратных средств, требующая знаний и умений как в музыкальной сфере, так и в области информатики — музыкально-компьютерные технологии (далее — МКТ). Это послужило действенной основой для построения модели музыкального творчества, позволяющей производить анализ и синтез музыкальных текстов на основании вероятностных параметров фрагментов музыкальных произведений.

Для изучения закономерностей в исследуемой звуковой последовательности (музыкальном тексте) необходимы инструмент представления записи звуковых событий в виде набора статистических параметров и модель, которая позволяла бы осуществлять синтез текста (звукового фрагмента), удовлетворяющего заданным статистическим параметрам. Такой инструмент исследования дает возможность получить конкретные результаты в следующих теоретических и практических областях: построение моделей звуковых последовательностей, удовлетворяющих заданным условиям; изучение особенностей восприятия звуковых сигналов как информационного потока; установление принадлежности различных звуковых фрагментов к определенным типам; установление авторства звуковых записей; восстановление утраченных фрагментов звуковых записей; имитации звуковых сигналов заданного характера и т.п.

Врассматриваемой нами модели намеренно не использовались различного рода готовые микрофрагменты, фрагменты, «заготовки» и «шаблоны». Они могут «появляться» в процессе генерации, но время жизни их ограничено временем сочинения одного музыкального фрагмента. Такой подход обеспечивает более непосредственное изучение «чистого», интуитивного процесса творчества, приближает нас к разгадке тайн самого творчества, предохраняя от практики комбинирования и тиражирования готовых штампов.

Музыкальные фрагменты в формате MIDI рассматриваются как абстрактный текст. Основное внимание уделяется обработке и структуризации статистической информации, полученной при анализе текста стандартными методами. Исследования именно на этом этапе позволяют выделить большее количество закономерностей, по сравнению со стандартным подходом, сделать возможными моделирование и интерактивные эксперименты и в перспективе обеспечить возможность проведения семантического анализа.

Одним из существенных приложений рассматриваемой задачи является распознавание и идентификация музыкального текста и решение проблемы плагиата и антиплагиата в музыкальном творчестве.

Вкачестве методов исследования используются статистический анализ, теория графов, целочисленные методы решения статистических задач. Компьютерная реализация разработанных алгоритмов производилась на основе объектно-ориентированного метода.

Разработаны следующие новые подходы:

http://spoisu.ru

294	РЕГИОНАЛЬНАЯ ИНФОРМАТИКА – 2014

1.Модель, состоящая из отдельных независимых блоков, отражающих закономерности звуковой последовательности, что позволяет изучать закономерности как независимо, так и в их связи друг с другом, рассматривать как внутренние связи конкретного блока модели, так и роль каждого блока в модели самостоятельно.

2.В модели не используются различного рода жесткие шаблоны, содержащие части готовых звуковых фрагментов.

3.Модель построена таким образом, что изменение параметров в процессе ее работы не вызывает ошибок в расчете и позволяет вносить изменения в процессе работы модели, что обеспечивает проведение экспериментов в интерактивном режиме.

Указанные особенности выделяют предлагаемую модель среди аналогов и обеспечивают ее преимущества как инструмента изучения закономерностей в звуковых записях по сравнению с существующими моделями. Предлагается метод поэтапного анализа потока звуковых событий, нацеленный на выявление закономерностей в анализируемом потоке:

1)определение анализируемых параметров и типа их значений;

2)определение области допустимых значений для всех параметров;

3)предварительный частотный анализ значений параметров;

4)поиск циклов/периодов;

5)вторичный частотный анализ с учетом периодов;

6)анализ корреляции частотности с периодами;

7)анализ матриц переходных коэффициентов;

8)семантический анализ внутри периодов.

Также в качестве одного из подходов используются способы формализации музыкальной нотации, в том числе соотнесение современных форм компьютерной нотации с общей математической теорией множеств и математическими моделями, учитывающими вероятностностатистические параметры музыкальной логики.

Отметим усиление интереса отечественных учёных к проблеме моделирования процесса музыкального творчества в последние годы (работы С.А. Филатова-Бекмана, А.С. Фадеева и др.). Отдельную группу исследований составляют практические разработки, среди которых выделим работы московской компании Widisoft , в частности, программу WIDI RecognitionSystem, предназначенную для распознавания музыки с помощью компьютера и направленную на получение читаемой нотной записи в формате MIDI из музыкальной аудио-записи формата mp3 и wave.

Докучаева А.Н., Емельянов В.Ю.

Россия, Санкт-Петербург, Балтийский государственный технический университет «ВОЕНМЕХ» им. Д.Ф. Устинова ПРИМЕНЕНИЕ МЕТОДА ПОСТРОЕНИЯ КАРТЫ ВЫСОТ В ЗАДАЧАХ УПРОЩЕННОГО

СТАТИСТИЧЕСКОГО МОДЕЛИРОВАНИЯ

Невзирая на интенсивное развитие вычислительной техники, задача поиска методов сокращения трудоемкости моделирования сложных стохастических систем сохраняет свою актуальность. В первую очередь это связано с чрезмерной трудоемкостью статистического моделирования при применении классических схем, а также с чрезмерной ресурсоемкостью поиска приближенных решений для систем, результат функционирования которых зависит от большого числа случайных факторов.

К классическим методам сокращения трудоемкости можно отнести метод выделения главной части и комбинированные методы, разработанные В.Н.Пугачевым. Основная идея этих методов требует поиска упрощенной модели, по своим статистическим характеристикам схожей с исходной, но требующей для своей реализации значительно меньших ресурсов. Современный подход к решению такой задачи основан на использовании некоторого базового аналитического приближения функции отклика исходной модели с оптимизацией (настройкой) его параметров непосредственно в процессе эксперимента (адаптивные алгоритмы). При этом достигаемый эффект сокращения трудоемкости в первую очередь зависит от гибкости такого приближения и трудоемкости процедур его оптимизации.

Существуют различные способы построения приближенных решений, среди которых необходимо отметить методы интерполяции и аппроксимации, а также частный случай аппроксимации – построение регрессии. К сожалению, применение математического аппарата этих методов в задачах сокращения трудоемкости статистического моделирования часто не дает существенного эффекта для систем с большим числом случайных параметров.

В докладе рассматривается способ построения приближенных решений на основе карты высот, отличающийся от известных существенно меньшей трудоемкостью настройки параметров. Отдельное внимание уделяется вопросу применимости данного метода к задачам сокращения трудоемкости статистического моделирования при использовании схемы выделения главной части.

http://spoisu.ru

ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ В НАУЧНЫХ ИССЛЕДОВАНИЯХ	295

Емельянов А.А.

Россия, Санкт-Петербург, Санкт-Петербургский государственный экономический университет ДИАГНОСТИКА ИНДИВИДУАЛЬНЫХ ОСОБЕННОСТЕЙ ПРОГРАММИСТА В КОЛЛЕКТИВЕ РАЗРАБОТЧИКОВ

Разработка сложного комплексного программного обеспечения в современном мире нереализуема без коллективного подхода. Большая размерность и сложность объектов автоматизации предопределяет итерационный характер методов разработки, а потребность в их

промышленной	реализации	означает необходимость глубокой формализации	технологий
выполнения всех этапов проекта.
Коллективная работа имеет свои особенности. Каждый человек являет собой строго
индивидуальный	набор	эмоциональных, интеллектуальных, волевых	и прочих

психофизиологических характеристик, обуславливающих его логико-информационную и коммуникативную деятельность в коллективе.

Существует широкий класс параметров, которыми можно описать индивидуальные характеристики человека. Они определяются при помощи системы тестов, разрабатываемых психологами. Сложность же комплексной оценки заключается в том, что для анализа вышеуказанных параметров недостаточно просто суммировать результаты тестов, ибо каждый результат каждого теста влияет на другие, и зависимость параметров невозможно описать одной либо несколькими функциями принадлежности.

Для диагностики индивидуальных особенностей, оптимизации процесса разработки сложного программного обеспечения в условиях коллектива необходимо применение системы, основывающейся на комплексе тестов, позволяющих дать количественную оценку тем параметрам человеческой деятельности, которые способны влиять на работу индивида в группе, в контексте предметной области – деятельность участника в коллективе разработчиков программного обеспечения.

В большинстве случаев для диагностики используются методики 16PFКеттела, интерперсональные адаптации диагностики Т. Лири, тест САМОАЛ.

Опросник 16 PFР. Кеттелла.

Шестнадцати факторный личностный опросник Р. Кеттелла содержит 187 вопросов, позволяющих оценить выраженность ряда личностных черт, объединенных Р. Кеттеллом в 16 факторов, имеющих биполярную форму. Эти факторы можно отнести к нескольким сферам личности: коммуникативной, эмоционально-волевой и интеллектуальной. При интерпретации данных строится «профиль» личности, описывается степень выраженности каждого фактора, а также особенности их взаимодействия.

Тест Лири.

Личностный опросник Т. Лири, направлен на диагностику межличностных отношений и свойств личности, существенных при взаимодействии с другими людьми.

Задачей испытуемого при работе с опросником является соотнесение 128 понятий, описывающих личностные свойства, с оценкой своего «Я».

САМОАЛ (самоактуализационный тест) является русскоязычной адаптацией оригинальной версии РОI (PersonalOrientationInventory), созданный Эверетт Шостром. Тест создан на основе теории самоактуализации А. Маслоу.

Ершов С.О.

Россия, Санкт-Петербург, Балтийский государственный технический университет «ВОЕНМЕХ» им. Д.Ф. Устинова КОДИРОВАНИЕ ИНФОРМАЦИИ В СИСТЕМАХ ЗАМЕЩЕНИЯ ЗРЕНИЯ

Особое место среди систем, работающих в реальном времени, занимают так называемые человеко-машинные системы. Речь идет о тесном взаимодействии человека со сложными техническими средствами (ТС), когда человек получает от них поток данных об окружающей среде и основываясь на них, принимает решение о взаимодействии со средой или об управлении ТС. Серьезной проблемой при создании подобных систем является поиск удобного способа представления (кодирования) информации, передаваемой пользователю по различным сенсорным каналам.

Интересные свойства мозга человека, активно взаимодействующего со средой в составе человеко-машинной системы, обнаружены при передаче пространственной информации по невизуальным каналам восприятия. Такая ситуация возникает, когда слепой человек использует сложные ТС вспомогательного очувствления. Один из примеров - система vOICe (разработчик Peter Meijer, Нидерланды), преобразующая данные видеокамеры в звуковые образы, еще один вариант - прибор BrainPort (по идеологии американского нейрофизиолога Paul Bach-y-Rita), переносящий видеообразы на тактильную матрицу, накладываемую на язык. Кодирование информации, полученной от видеокамеры, в этих устройствах осуществляются совершенно по-

http://spoisu.ru

296	РЕГИОНАЛЬНАЯ ИНФОРМАТИКА – 2014

разному: vOICe передает человеку последовательный поток данных (звуковой сигнал), а BrainPort параллельно задействует многочисленные «пиксели» тактильной матрицы. Тем не менее реакция мозга в конечном счете оказывается сходной.

Исследование активности различных отделов головного мозга показывает, что если соответствующее ТС применяется регулярно, то независимо от используемого сенсорного канала и способа кодирования при высокой мотивации на решение задач пространственного ориентирования и распознавания объектов у слепого достаточно скоро (1-2 недели или 15 часов «чистого» времени) активизируются зрительные отделы мозга. Причем люди, ранее имевшие зрение, при активном взаимодействии со средой (перемещение, прикосновение) начинают воспринимать 3-мерное пространство, ощущая его перспективу.

Многие исследователи (Kevin O'Regan, Alvaro Pascual-Leone, Юрий Данилов и др.) приходят к выводу о «пластичности» мозга в том смысле, что он организован не по жестко модульному принципу, когда каждый канал очувствления поставляет информацию только в определенный отдел мозговой корки, а имеет перекрестные связи, которые в определенных условиях активизируются для эффективного решения высокоприоритетных задач.

Если так, то при кодировании информации в человеко-машинных системах следует в первую очередь ориентироваться на физиологическую пропускную способность сенсорных каналов человека с целью поставки максимально возможного объема информации в единицу времени, а вопрос ее распределения для адекватной обработки мозг может решить сам.

Всвете этого возрастает интерес к комбинированным системам. В случае слепых это может быть, например, одновременное использование слуха и осязания для передачи информации о геометрии окружающей среды.

Автор участвовал в такой разработке при попытках усовершенствовать упомянутую сисему vOICe, но тактильный канал использовался лишь как вспомогательный. Между тем объединение насыщенных потоков данных по разным каналам очувствления, например, комбинирование vOICe

иBrainPort, могло бы привести к качественно новому уровню человеко-машинной системы. Технически это вполне реализуемо.

Основная проблема – в сложности обучения человека. Даже для самой по себе системы vOICe научно обоснованных методик на сегодня нет. Среди западных инвалидов по зрению известны несколько успешных пользователей, обучившихся самостоятельно. По России автор знаком только с одной организацией, где пытаются освоить это направление: Красноярский краевой институт повышения квалификации работников физической культуры и спорта.

ВПетербурге вопрос включения vOICe в учебный курс Центра медико-социальной реабилитации для инвалидов по зрению лишь в стадии обсуждения. Между тем серьезная организация процесса обучения в данном случае совершенно необходима, чтобы дальнейшее развитие технической стороны вопроса оказалось актуальным.

Ефанов Д.В., Дмитриев В.В.

Россия, Санкт-Петербург, Петербургский государственный университет путей сообщения К ВОПРОСУ ВЫБОРА ВАРИАНТА КОДИРОВАНИЯ ПРИ ОРГАНИЗАЦИИ СИСТЕМ ФУНКЦИОНАЛЬНОГО КОНТРОЛЯ КОМБИНАЦИОННЫХ СХЕМ С УЧЕТОМ ЭКСПЕРИМЕНТА

В системе функционального контроля выходы исходной комбинационной схемы отождествляются с информационным вектором длины <m>. Для фиксации неисправностей в структуре комбинационной схемы в режиме ее работы в систему вносится аппаратурная избыточность – блок контрольной логики и тестер. Блок контрольной логики строится по правилам образования некоторого, заранее установленного, систематического кода и вычисляет разряды контрольного вектора длины <k>. Тестер проверяет соответствие между разрядами информационного и контрольного векторов.

Известно большое количество вариантов построения систем функционального контроля (раздельная реализация блоков в системе, совместная реализация блоков в системе, использование логического дополнения и особых классов функций алгебры логики и т.д.). Системы функционального контроля, построенные по различным способам, характеризуются показателями обнаруживающей способности, аппаратурной избыточности, контролепригодности, быстродействия, энергопотребления и пр. В конечном итоге все эти показатели зависят от выбранного варианта кодирования и способа технической реализации самой системы функционального контроля.

Для оценки эффективности способов построения надежных логических устройств и их контролепригодности американскими учеными разработаны специальные системы контрольных примеров (ISCAS`85, ISCAS`89, LGSynth`89, LGSynth`91, LGSynth`93, ITC`99 и т.п.). Пользуясь контрольными примерами, можно определять основные показатели систем функционального контроля, а также сравнивать их между собой.

Контрольные примеры описываются в различных форматах, представляющих собой ту или иную форму их задания. Для схем комбинационной логики это, к примеру, таблица истинности или

http://spoisu.ru

ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ В НАУЧНЫХ ИССЛЕДОВАНИЯХ	297

дизъюнктивная совершенная нормальная форма. Используя популярный интерпретатор SIS (the Sequential Interactive System for the design of digital logic circuits), можно начитывать контрольные примеры в различных библиотеках логических элементов и получать описания их структуры. Для решения практических задач диагностики на кафедре «Автоматика и телемеханика на железных дорогах» Петербургского государственного университета путей сообщения был разработан специализированный программный модуль, который позволяет моделировать одиночные неисправности в структуре контрольных примеров, а также оценивать показатели систем функционального контроля, построенных с использованием классических, модульных и модифицированных кодов с суммированием.

Программный модуль расчета характеристик систем функционального контроля позволяет получать практическую оценку эффективности, и, соответственно, подбирать оптимальный способ организации диагностирования, исходя из особенностей структуры самого контролируемого устройства.

Федорченко Л.Н., Заболотский В.П.

Россия, Санкт-Петербург, Санкт-Петербургский институт информатики и автоматизации РАН СИНТАКСИЧЕСКАЯ ГРАФ-СХЕМА КСР-ГРАММАТИКИ КАК ОБОБЩЕНИЕ ДИАГРАММ Н.ВИРТА

Для автоматизации принятия решений в производственной сфере часто используются модели формулировок целей и проблем на основе графического представления соответствующих формализованных языков в виде различного рода диаграмм и схем.

Родоначальником таких диаграмм можно считать Никлауса Вирта, известного в мире и в России как автора языка программирования Паскаль, который используется для обучения программированию в школах и вузах нашей страны.

Вирт ввёл понятие синтаксических диаграмм, которое он применил для наглядного представления структуры языка Паскаль. Впоследствии это понятие, родственное понятию графа, поручило дальнейшие применение в качестве средства реализации систем обработки данных, управляемых синтаксисом языков.

Плодотворно ставятся на графах многие задачи программирования: исследование потока данных в программах и оптимальное распределение памяти, эквивалентные преобразования КСграмматик, автоматическая генерация тестов, задачи искусственного интеллекта (семантические сети) и другие.

ВСПИИРАН разрабатывается система SynGT (Syntax Graph Transformations) для автоматизации построения различных языковых процессоров по КСР-грамматикам. В ней используется три различных формы спецификации трансляций, одна из которых (КСР-грамматика) удобна для первоначального задания трансляций, другая (процессор) является формой реализации трансляций, а третья (синтаксическая граф-схема) – промежуточная форма между двумя первыми.

Эта форма, аналогична синтаксическим диаграммам Вирта и используется как для описания синтаксиса языков так и для спецификации трансляций непосредственно, тем более что графсхемы являются более гибким аппаратом для задания трансляций, чем грамматики.

Синтаксические граф-схемы генерируются по КСР-грамматикам, правила которых определяют терминальные порождения через регулярные выражения относительно символов алфавитов грамматики: терминалов и, вновь введённых, контекстных символов, – семантик и предикатов. С каждым семантическим символом ассоциируется некоторое преобразование среды – пространства данных, составляющих контекст, а с каждым предикатом – действие, заданное в том же пространстве.

Такая грамматика порождает язык, соответствующий процессор для которого подобен множеству конечных автоматов, каждый из которых распознает свой фрагмент входной цепочки из соответствующего регулярного языка, и обрабатывает его с учётом состояния контекста.

Известно, что структура любого предложения КС-языка может быть представлена в виде дерева вывода, отображающего его на правила грамматики.

Вописываемом методе используется другая постановка задачи синтаксического анализа: по данному предложению КС-языка выделить из леса деревьев, порождающих язык, то дерево, результат которого равен этому предложению.

Построение и оптимизация языкового процессора производится по управляющей грамматике, представленной в виде синтаксической граф-схемы с ограничениями, гарантирующими его детерминизм. Эти ограничения формулируются в терминах граф-схемы и учитываются во время его построения.

Класс языков, определяемых синтаксическими граф-схемами через порождающие маршруты (пути), есть класс LL(1) и, следовательно, имеет линейную оценку сложности анализа относительно длины входного предложения языка.

http://spoisu.ru

298	РЕГИОНАЛЬНАЯ ИНФОРМАТИКА – 2014

Игнатьев М.Б.

Россия, Санкт-Петербург, Санкт-Петербургский государственный университет аэрокосмического приборостроения ОСНОВАНИЯ ФИЗИКИ С ТОЧКИ ЗРЕНИЯ ЛИНГВО-КОМБИНАТОРНОГО МОДЕЛИРОВАНИЯ

В докладе анализируются взаимодействия между идеальными объектами теоретической физики (см. книгу - А.И.Липкин «Основания физики. Взгляд из теоретической физики» М.,2014) с помощью лингво-комбинаторного моделирования, (см. книгу - М.Б.Игнатьев «Кибернетическая картина мира. Сложные киберфизические системы» Спб, 2014).

Названия идеальных объектов используются в качестве ключевых слов и из них строится исходная фраза, что позволяет путем формального введения понятия смыслов слов как множителей в исходной фразе перейти к лингвистическому уравнению, что позволяет построить исчисление смыслов идеальных объектов.

Лингвистические уравнение разрешается либо относительно исходных ключевых слов, либо относительно смыслов с помощью введения третьей группы переменных – произвольных коэффициентов, число которых равно числу сочетаний из n по m+1, где n – число различных слов, а m – число фраз, ограничений, таким образом, получаются эквивалентные уравнения с произвольными коэффициентами, матрица которых определяет структуру взаимодействия идеальных объектов. Например, если в качестве идеальных объектов взять сложившиеся в физике понятия, ключевые слова «атом», «электрон», «позитрон», то их взаимодействие в атоме водорода будет определяться тремя эквивалентными уравнениями с матрицей из трех произвольных коэффициентов, аналогичным образом можно построить лингво-комьинаторные модели всех элементов таблицы Менделеева и модели объектов сплошной среды, например Солнца.

Лингво-комбинаторное моделирование включает все комбинации и все варианты решений и является полезным эвристическим приемом при изучении плохо формализованных систем.

Игнатьев М.Б.

Россия, Санкт-Петербург, Санкт-Петербургский государственный университет аэрокосмического приборостроения ЛИНГВО-КОМБИНАТОРОНОЕ МОДЕЛИРОВАНИЕ СОЛНЕЧНОЙ СИСТЕМЫ

Солнечная система и экзопланетные системы – это сложные системы и их моделирование требует применения различных подходов. Прямой метод моделирования предполагает известными силы, действующие на систему, в частности законы Ньютона, и вычисление последствий от действия этих сил. Именно последствия, движение по определенным орбитам, доступно астрономическому наблюдению. При обратном методе исходят из орбит, по которым движутся планеты, и имеется возможность рассмотреть множество сил, под воздействием которых может осуществляться движение по определенным орбитам. Лингво-комбинаторный подход позволяет построить генератор со структурированной неопределенностью, который может генерировать движение по орбитам при различных комбинациях сил, см.M.Ignatyev “The linguo-combinatorial simulation in modern physics” / American Journal of Modern Physics, 2012, vol.1, № 1, pp.7-11.

Впроцессе своего развития человечество создавало самые различные артефакты – здания, дороги, машины и т.д., но самым значительным артефактом, созданным человечеством, является естественный язык, который вобрал и вбирает все знания, навыки, учения, созданные людьми на сознательном и подсознательном уровне. Поэтому очевидно стремление обратиться к естественному языку для того, чтобы глубже понять, как устроена вселенная. Если обратиться к моделированию Солнечной системы, то в качестве ключевых слов можно взять : Солнце, Меркурий, Венера, Земля, Марс, Юпитер, Сатурн, Уран, Нептун, Плутон – 10 переменных, в структуре эквивалентных уравнений этой системы будет содержаться 45 произвольных коэффициентов:

E1 = U1*A2 + U2*A3 + U3*A4 + U4*A5 + U5*A6 + U6*A7 + U7*A8 + U8*A9 + U9*A10 E2 = -U1*A1+U10*A3+U11*A4+U12*A5+U13*A6+U14*A7+U15*A8+U16*A9+U17*A10 E3=-U2*A1-U10*A2+U18*A4+U19*A5+U20*A6+U21*A7+U22*A8+U23*A9+U24*A10 E4=-U3*A1-U11*A2-U18*A3+U25*A5+U26*A6+U27*A7*+U28*A8+U29*A9+U30*A10 E5=-U4*A1-U12*A2-U19*A3-U25*A4+U31*A6+U32*A7+U33*A8+U34*A9+U35*A10 E6=-U5*A1-U13*A2-U20*A3-U26*A4-U31*A5+U36*A7+U37*A8+U38*A9+U39*A10 E7=-U6*A1-U14*A2-U21*A3-U27*A4-U32*A5-U36*A6+U40*A8+U41*A9+U42*A10 E8=-U7*A1-U15*A2-U22*A3-U28*A4-U33*A5-U37*A6-U40*A7+U43*A9+U44*A10 E9=-U8*A1-U16*A2-U23*A3-U29*A4-U34*A5-U38*A6-U41*A7-U43*A8+U45*A10 E10=-U9*A1-U17*A2-U24*A3-U30*A4-U35*A5-U39*A6-U42*A7-U44*A8-U45*A9

Вэтой системе уравнений А1-характеристика Солнца, Е1изменение этой характеристики, А2характеристика Меркурия, Е2-изменение этой характеристики,…, U1,U2…U45 – произвольные коэффициенты, наличие которых определяет гипотетическую возможность управления.

http://spoisu.ru

ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ В НАУЧНЫХ ИССЛЕДОВАНИЯХ	299

Игнатьев М.Б., Соловьев В.Н., Литовкин А.А.

Россия, Санкт-Петербург, Санкт-Петербургский государственный университет аэрокосмического приборостроения

ШEСТИНОГАЯ ШАГАЮЩАЯ МАШИНА КАК ОБЪЕКТ УПРАВЛЕНИЯ

Основным назначением многоногих шагающих машин является движение по сильно пересеченной местности. Однако, следуя знаменитой фразе П.Л. Чебышева «Представим для простоты человеческое тело в форме шара», отработку алгоритмов движения шагающей машины целесообразно начинать с изучения движения по твердой ровной горизонтальной поверхности. Алгоритмы движения по пересеченной местности будут модификацией этих алгоритмов.

Во время движения машина испытывает статические и динамические нагрузки. Все эти нагрузки, так или иначе, принимаются на ноги машины. Нагрузки зависят от выполняемого маневра, скорости движения, рельефа местности. Поэтому, начинать отработку алгоритмов движения нужно с классификации маневров, выполняемых машиной. Перечень маневров можно рассматривать как техническое задание на разработку машины – набор требований самого высокого уровня. При этом появляется возможность разбить разработку на несколько этапов. На каждом этапе нужно будет реализовать один или несколько маневров. Второй составляющее технического задания будет изменение требований к проходимости машины. Однако, этапы разработки здесь также могут быть привязаны к маневрам. Маневр, отработанный на первом этапе, модифицируется для других характеристик местности.

Движение шагающей машины происходит за счет перемещения ног. Разные маневры осуществляются за счет изменения движения отдельных ног. При выполнении каждого шага, различные ноги ведут себя по-разному. Следовательно, задача управления движением может быть представлена как иерархия разных уровней управления:

Управление отдельным суставом

Управление отдельной ногой

Координация движения ног для выполнения манёвра и компенсации нагрузок

Прокладка траектории движения в зависимости от рельефа местности

Отдельной задачей является реакция на спонтанное изменение условий движения, как то внезапная потеря опоры одной или несколькими ногами, как из-за особенностей грунта, так и в результате отказов оборудования.

Современный уровень развития микроконтроллеров позволяет построить распределенную систему управления движением, в которой разные уровни управления будут реализованы на разных физических процессорах. Это, с одной стороны, позволит упростить разработку системы управления движением, а с другой стороны повысит ее надежность.

Доклад включает два основных раздела. В первом разделе рассматриваются маневры, выполняемые шагающей машиной. Во втором разделе описывается архитектура системы управления движением.

Попов Б.Н., Капков И.С.

Россия, Санкт-Петербург, Государственный университет морского и речного флота имени адмирала С.О. Макарова ИСПОЛЬЗОВАНИЕ ОБЛАЧНЫХ ТЕХНОЛОГИЙ В НАУЧНЫХ ИССЛЕДОВАНИЯХ

Несмотря на то, что облачные технологии уже давно заняли свое место в нашей жизни, они, по нашему мнению, не так широко распространены в массовых научных исследованиях. Многие научные сотрудники применяют облачные технологии непосредственно для написания своих трудов, коммуникации, для доступа к огромным библиотекам научных статей, медиаконтенту ведущих мировых конференций, различным онлайн-редакторам. Но для проведения непосредственно самой «вычислительноемкой» научной работы традиционно принято использовать суперкомпьютеры, которых мало, они дорогие, к ним сложно получить доступ и они все еще не настолько мощные.

На наш взгляд, для ресурсоемких задач, в том числе в транспортной отрасли, не используется в полной мере самая главная возможность облачных технологий, а именно – облачные вычисления. Но благодаря снижению их стоимости в наши дни, практически неограниченной горизонтальной масштабируемости и технологии MapReduce, огромные потоки данных можно начать обрабатывать почти сразу и получать результат гораздо быстрее.

Мы считаем, что причина довольно низкого проникновения облачных вычислений - в высоком пороге входа в оркестрацию вычислительных кластеров и распределенных систем, а также в недостаточной информированности о новых подходах к администрированию систем и о новейших облачных решениях, появившихся в последние годы.

Проблема хранения огромного количества необработанных данных может решаться благодаря использованию таких облачных инструментов, как Amazon S3 и Rackspace Cloud Files. После этого данные можно обработать, например, с помощью Treasure Data Hadoop, а результаты сохранять в наиболее подходящие базы данных. Обратим внимание, что технологии на основе Hadoop и NoSQL-

http://spoisu.ru