Метод интеллектуализации оценки научно-исследовательской деятельности высших учебных заведений на основе искусственных нейронных сетей

Метод интеллектуализации оценки научно-исследовательской деятельности высших учебных заведений на основе искусственных нейронных сетей

Автор: Талиманчук, Людмила Леонидовна

Год защиты: 2011

Место защиты: Москва

Количество страниц: 186 с. ил.

Артикул: 4971741

Автор: Талиманчук, Людмила Леонидовна

Шифр специальности: 05.13.01

Научная степень: Кандидатская

Стоимость: 250 руб.

Метод интеллектуализации оценки научно-исследовательской деятельности высших учебных заведений на основе искусственных нейронных сетей  Метод интеллектуализации оценки научно-исследовательской деятельности высших учебных заведений на основе искусственных нейронных сетей 

Содержание
Введение
1. Анализ действующей системы оценки научной деятельности высших учебных заведений
1.1 Анализ подходов и методов оценки НИД
1.2 Особенности информационных систем, используемых для поддержки принятия решений
1.3 Общие подходы к созданию систем поддержки принятия решений
1.3.1 Критерий эффективности
1.3.2 Главный критерий и взвешенная сумма
1.3.3Непосредственное назначение важностей показателей
1.3.4 Метод парных сравнений
1.3.5 Критерий эффективность стоимость
1.3.6 Метод Идеальной точки
1.3.7 Медиана Кемени
1.3.8 Метод последовательных уступок
1.3.9 Паретооптимальность
1.3. Методы группы Электра
1.4 Постановка задачи исследования
В ы воды по 1 главе
2. Метод интеллектуализации оценки НИД ВУЗов
2.1 Формирование и структурирование обобщнных индикаторов
НИД ВУЗов
2.1.1 Метод обобщенного критерия и целевого
программирование.
2.1.2 Формирование и структурирование обобщенных
индикаторов, характеризующих НИД
2.2 Основные этапы метода интеллектуализации оценки НИД
2.2.1 Структура метода интеллектуализации оценки
2.2.2 Анализ данных и определение общих закономерностей преобразования информации
2.2.3 Выбор средств интеллектуализации
2.2.4 Разработка модели нейронной сети для оценки НИД ВУЗов
2.2.5 Разработка программнометодического комплекса и
проведение экспериментальных исследований
2.3 Реализация модели нейронной сети
2.3.1 Выборка и обработка данных
2.3.2 Формирование обучающего множества
2.3.3 Формирование модели сети и обучение
2.3.4 Анализ результатов обучения сети
2.1.5 Обработка оставшихся данных и построение диаграммы 3 эффективности
2.4 Сравнительный анализ различных подходов по оценке НИД 5 ВУЗов
Выводы по 2 главе
3. Прогноз НИД ВУЗов
3.1 Приближенное изображение функциональной зависимости
3.2 Модель нейрона и архитектура сети
3.3 Аппроксимация с последующей экстраполяцией
3.4 Проверка сети
3.5 Анализ обобщнных характеристик
3.6 Сравнение эффективности НИД ВУЗов но выбранным 4 показателям
3.7 Сравнительный анализ методов прогноза
3.8 Системные требования
Выводы по 3 главе
Заключение
Список использованных источников


Разработка системы информационно-аналитической поддержки научной деятельности молодых ученых по приоритетным направлениям развития науки, технологий и техники в Российской Федерации» в рамках ФЦП «Исследования и разработки по приоритетным направлениям развития научно-технологического комплекса России на - годы»; при проведении работ в рамках исполнения ГК № ГР . Разработка материалов по методическому и нормативному обеспечению программы развития наноиндустрии в Российской Федерации»; при проведении работ в рамках ГК JV° по теме «Автоматизация процессов информационно-аналитической обработки результатов мониторинга для оперативного управления ходом реализации Федеральной целевой программы «Развитие инфраструктуры наноиндустрии в Российской Федерации на - ходы»; при проведении работ в рамках исполнения ГК № Л, №ГР 4. Аналитическое обеспечение реализации федеральной целевой программы «Научные и научно-педагогические кадры инновационной России» на - годы в - годах. Автор выражает признательность за научные консультации, проведенные в ходе диссертационных исследований, докторам наук Румянцеву Г. Гаврилову B. Метод интеллектуализации автоматизированной оценки НИД ВУЗов на основе искусственных нейронных сетей. Алгоритм построения классификатора НИД на основе самоорганизующихся карт и его реализация. Модель прогноза развития ВУЗов на основе радиально-базисной нейронной сети и реализация разработанной модели. Диссертация состоит из введения, трех глав, заключения, библиохрафического списка и приложений. Диссертация содержит 6 страниц машинописного текста, рисунка, таблиц, 9 приложений. Библиографический список содержит 5 наименований. Активизация научно-технической, инновационной и образовательной деятельности высшей школы, как на федеральном, так и региональных уровнях не возможна без оценки деятельности ВУЗов в этих направлениях. ВУЗовская наука сегодня представляет собой многоуровневую параметрическую систему, в которой число уровней, их иерархию, количество учитываемых на каждом уровне параметров, их взаимосвязей можно варьировать в зависимости от задач анализа и от объема и характера привлекаемой информации. Результаты оценки научной деятельности сегодня используют при определении перспективности научных направлений, принятии решений о продолжении (или прекращении) финансирования работ, дифференциации размеров фондов оплаты труда и заработной платы, а также аттестации научных работников[]. Следует отметить, что в соответствии с рекомендациями ЮНЕСКО научно-техническая деятельность как объект статистики охватывает научные исследования и разработки, научно-техническое образование и подготовку кадров, научно-технические услуги (рисунок 1. Информационное обеспечение, как правило, осуществляется через систему показателей, нацеленных на определение состояния и динамику изменения научно-технической и образовательной деятельности, поддержку принятия управленческих решений по ее совершенствованию. Анализ этих показателей в заданном временном интервале, их сравнение с нормативными значениями или с аналогичными показателями других ВУЗов (организаций) и регионов дает возможность выявить критические проблемные области и потенциальные точки роста. Характеризуется научная деятельность совокупностью количественных и качественных показателей (индикаторов). В российской и в зарубежной статистике науки множества качественных показателей являются гораздо менее устоявшимися, чем количественных. Постоянно идет активный поиск новых вариантов, и в регулярно издающихся статистических справочниках, то появляются, то пропадают дополнительные материалы несколько отрывочного, экспериментального характера. Рисунок 1. Система индикаторов может быть представлена двумя группами количественных показателей — абсолютными и относительными. К основным количественным показателям научной деятельности относятся показатели, которые характеризуют объемы непосредственно производимой научно-технической сферой специфичной для нее продукции — публикации монографий, публикации статей в научно-технических периодических изданиях и патентная статистика. К показателям количества публикаций время от времени присоединяются данные библиометрии -индексы цитирования и т. В российской и в зарубежной статистике науки множества качественных показателей являются гораздо менее устоявшимися, чем количественных. НИР и др.

Рекомендуемые диссертации данного раздела

28.06.2016

+ 100 бесплатных диссертаций

Дорогие друзья, в раздел "Бесплатные диссертации" добавлено 100 новых диссертаций. Желаем новых научных ...

15.02.2015

Добавлено 41611 диссертаций РГБ

В каталог сайта http://new-disser.ru добавлено новые диссертации РГБ 2013-2014 года. Желаем новых научных ...


Все новости

Время генерации: 0.235, запросов: 244