Математическое, программное и информационное обеспечение распределенной телекоммуникационной системы динамического тестирования

• Автор: Таннинг Жиогап Фирмэн
• Шифр специальности: 05.12.13
• Научная степень: Кандидатская
• Год защиты: 2003
• Место защиты: Владимир
• Количество страниц: 229 с. : ил

СПИСОК ПРИНЯТЫХ СОКРАЩЕНИЙ
ВВЕДЕНИЕ
ГЛАВА 1. ОБЗОР МЕТОДОВ, МОДЕЛЕЙ И АЛГОРИТМОВ ПОСТРОЕНИЯ РАСПРЕДЕЛЕННЫХ ИНФОРМАЦИОННЫХ СИСТЕМ
1.1. Программная поддержка информационных обучающих
систем
1.1.1. Системные и инструментальные программные средства поддержки ИОС
1.1.2. Специальные программные средства ИОС для
дистанционного обучения и основные типы организационных структур
1.1.3. Защита информации в телекоммуникационной обучающей среде
1.2. Средства искусственного интеллекта в ИОС
1.2.1. Развитие информационных обучающих систем
1.2.2. Интеллектуальные программы средства поддержки

1.2.3. Модели построения интеллектуальных
систем
1.2.4. Применение интеллектуальных систем в обучении
1.3. Методы обучения при использовании ИОС
1.4. Цель и постановка задачи исследований
Выводы по главе
ГЛАВА 2. РАЗРАБОТКА СТРУКТУРЫ И МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ РАСПРЕДЕЛЕННОЙ ТЕЛЕКОММУИКАЦИОННОЙ
ОБУЧАЮЩЕЙ СИСТЕМЫ
2.1. Процессы доставки и обработки пакетов информационных
сообщений в телекоммуникационной среде распределенной

системе
2.1.1. Системы обработки “запрос-ответ”
2.1.2. Основные показатели эффективности информацион-
ных процессов в телекоммуникационной обучающей среде
2.2. Принципы построения обучающего программного обеспечения распределенной системы
2.3. Модель и технология обучения в ИОС
2.3.1. Информационные технологии в ДО
2.3.2. Модель обработки данных в ИОС
2.4. Разработка методики динамического тестирования
2.5. Разработка математической модели динамического тестирования
2.5.1. Определение минимального значения функции
2.5.2. Определение общей оценки Т
Выводы по главе
ГЛАВА 3. РАЗРАБОТКА МОДЕЛЕЙ ИНТЕЛЛЕКТУАЛЬНОЙ ОБРАБОТКИ ДАННЫХ ТЕСТИРУЮЩЕЙ СИСТЕМЫ ДЛЯ ИОС
3.1. Учет временных параметров принятия решений при динамическом тестировании
3.2. Автоматизация принятия решений тестирования с включением степени строгости
3.2.1. Определение минимального значения а
3.2.2. Определение максимального значения а
Выводы по главе
ГЛАВА 4. СТРУКТУРА И АЛГОРИТМЫ ТЕЛЕКОММУНИКАЦИОННОЙ СРЕДЫ ОБУЧАЮЩЕЙ СИСТЕМЫ; ИССЛЕДОВАНИЕ
СИСТЕМЫ
4.1. Общая структура информационной обучающей системы

4.2. Описание и структурная схема системы
4.3. Примеры функционирования системы ФШевЩепіш
4.4. Расчет математической сетевой модели для оценки системы ЮЬ'ТеяК^етш
4.4.1. Распределение времени для эксперимента
(обработки “запрос-ответ”)
4.4.2. Определение показателей использования каждого прибора в системе
4.4.3. Определение быстродействия системы при увеличении числа одновременно обрабатываемых
заявок
4.4.4. Основные аналитические параметры зависимости системы
4.5. Оценка эффективности и сравнительные характеристики ПО
ФШЪь^етш
Выводы по главе
ЗАКЛЮЧЕНИЕ
ЛИТЕРАТУРА
ПРИЛОЖЕНИЕ

приблизительными, т.к. не требуют исчерпывающей исходной информации, и существует определенная степень уверенности (или неуверенности) в том, что предлагаемое решение является верным.
- Одной из основных характеристик экспертной системы является ее производительность, т.е. скорость получения результата и его достоверность (надежность).
- Экспертная система обладает способностью объяснить, почему предложено именно такое решение, и доказать его обоснованность.
Отличие интеллектуальной системы от других программных средств — это наличие базы знаний (БЗ), в которой знания хранятся в форме, понятной специалистам предметной области, и могут быть изменены и дополнены [12,22,128].
При построении ИОС используется описание программ в виде множества объектов и системы отношений на этих объектах, то есть в стиле “не-фон-неймановского” программирования (например, в стиле логического программирования и традиционного математического мышления, основанных на теоретико-множественном и логическом исчисленьях).
Принятие стиля логического программирования ведет к определенному пониманию организации инструментальных экспертных систем, предназначенных для автоматизации конструирования интеллектуальных обучающих систем. Привлекательное качество экспертных систем возможность фиксации и использования индивидуального опыта экспертов, накопления и обобщения эвристических стратегий решения профессиональных задач, что позволяет возлагать большие надежды на их применение в обучении. Дело в том, что задачи, решаемые в обучающих системах, имеет большую степень неопределенности. Это вызывается как внешними факторами (природными, социальными, техническими и др.), так и факторами, свойственными процессу обучения (индивидуальные характеристики субъекта