Дипломы, курсовые, рефераты, контрольные...
Срочная помощь в учёбе

Автоматизация многокритериального оценивания в слабоструктурированных предметных областях на основе е-портфолио

Диссертация: Автоматизация многокритериального оценивания в слабоструктурированных предметных областях на основе е-портфолио
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Разработан многокритериальный метод к оцениванию учебных достижений, в соответствии с которым на первом этапе формируются векторные оценки учебных достижений, основанные на вербальных шкалах, а на втором этапе эти частные оценки подвергаются классификации и упорядочению объектов по их близости к центру класса. Этот подход позволил интегрировать количественные и качественные показатели учебных… Читать ещё >

Содержание

  • I. ОПИСАНИЕ ПРОБЛЕМЫ И ОБЗОР МЕТОДОВ ПРИНЯТИЯ РЕШЕНИЙ В ЗАДАЧАХ МНОГОКРИТЕРИАЛЬНОГО ОЦЕНИВАНИЯ В СЛАБОСТРУКТУРИРОВАННЫХ ПРЕДМЕТНЫХ ОБЛАСТЯХ
    • 1. 1. Современные требования к системе оценки результатов обучения в условиях модернизации высшего образования
    • 1. 2. Особенности автоматизированного оценивания уровня подготовки студентов в слабоструктурированных предметных областях
    • 1. 3. Оценка обучающихся методом е-портфолио
    • 1. 4. Обзор существующих методов принятия решений слабоформализованных задач в условиях неопределенности
  • ВЫВОДЫ ПО ГЛАВЕ I
  • II. НАУЧНО-МЕТОДИЧЕСКОЕ ОБЕСПЕЧЕНИЕ АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ МНОГОКРИТЕРИАЛЬНОГО ОЦЕНИВАНИЯ В СЛАБОСТРУКТУРИРОВАННЫХ ПРЕДМЕТНЫХ ОБЛАСТЯХ
    • 2. 1. Разработка модели системы многокритериального оценивания результатов обучения в слабоструктурированных предметных областях
    • 2. 2. Управление процессом обучения в слабоструктурированных предметных областях на основе методов и средств многокритериального оценивания уровня подготовки студентов
      • 2. 2. 1. Метод генерации альтернатив (е-портфолио)
      • 2. 2. 2. Методы экспертной оценки и классификации альтернатив
      • 2. 2. 3. Методы оценки качества учебного процесса
    • 2. 3. Разработка алгоритма решения задачи многокритериального оценивания результатов обучения в слабоструктурированных предметных областях
  • ВЫВОДЫ ПО ГЛАВЕ II
  • III. СИСТЕМА МНОГОКРИТЕРИАЛЬНОГО ОЦЕНИВАНИЯ В СЛАБОСТРУКТУРИРОВАННЫХ ПРЕДМЕТНЫХ ОБЛАСТЯХ НА ОСНОВЕ Е-ПОРТФОЛИО
    • 3. 1. Информационная система многокритериального оценивания в слабоструктурированных предметных областях на основе е-портфолио
    • 3. 2. Программные средства реализации проекта
    • 3. 3. Методика применения средств многокритериального оценивания в учебном процессе вуза
    • 3. 4. Экспериментальная проверка системы многокритериального оценивания в слабоструктурированных предметных областях и статистическая обработка результатов эксперимента
  • ВЫВОДЫ ПО ГЛАВЕ III

Автоматизация многокритериального оценивания в слабоструктурированных предметных областях на основе е-портфолио (реферат, курсовая, диплом, контрольная)

К задачам управления оцениванием относится определение образовательных достижений учащихся для целей аттестации и коррекции индивидуальных результатов обучения, а также оценка уровня образовательных достижений группы с целью оценки качества учебного процесса (успеваемость студентов, успеваемость группы, ограничения на показатели выставленных оценок). Во многих случаях задача оценивания учебных достижений может быть представлена как задача классификации, при этом недостаточным х являются традиционные подходы к педагогическому контролю, основанные на раздельном однокритериальном оценивании. Дополнительные трудности появляются в случае слабоструктурируемых проблем, сочетающих количественные и качественные зависимости. Проблематика оценивания эффективности профессионального образования исследуется и развивается в работах И. А. Морева, A.M. Новикова, С. Д. Смирнова, A.B. Соловова, Ю. Г. Татура и др. Различные аспекты построения и функционирования автоматизированных систем управления (АСУ) рассматриваются в работах B.JI. Зудина, В. Е. Коржакова, Е. В. Луценко, О. В. Токмаковой, М. Ю. Шевелева и т. д.

Кроме того, необходимо расширение разнообразных измерений в системе оценивания и фиксация образовательных результатов в длительном периоде времени адекватным инструментарием. Портфолио является формой аутентичного оценивания образовательных результатов по продукту, созданному учащимся в ходе учебной, творческой, социальной и других видов деятельности. Электронный портфолио (е-портфолио) использует цифровые технологии, позволяющий собирать и организовывать результаты учебных достижений с помощью разных медиа-форматов (аудио, видео, графика, текст). Идеи организации педагогического процесса подобными средствами исследуются в работах Н. Barrett, Г. Б. Голуб, Т. Г. Новиковой, Т. А. Полиловой, О. Г. Смоляниновой и др.

Сравнительный анализ и многокритериальное оценивание характеризуется высокой вычислительной сложностью (А.Б. Петровский,.

0.И. Ларичев, A.B. Лотов, И. И. Поспелов, A.C. Пономарев и др.). По этой причине многокритериальное оценивание учебных достижений должно осуществляться в системе управления в рамках АСУ учебным процессом. Следовательно, приобретает особую актуальность разработка математического, алгоритмического и методического обеспечения автоматизированного многокритериального оценивания результатов обучения в слабоструктурированных предметных областях на основе е-портфолио.

Цель исследования — автоматизация многокритериального оценивания в слабоструктурированных предметных областях на основе е-портфолио.

Объект исследования — процедура оценивания результатов обучения в ' слабоструктурированных предметных областях в образовательных учреждениях высшего профессионального образования.

Предмет исследования — модели, методы и алгоритмы, обеспечивающие автоматическое оценивание учебных достижений студентов на основе е-портфолио.

Для достижения поставленной цели были сформулированы и решены следующие задачи:

1. Анализ современных методов принятия решений в слабоструктурированных предметных областях и особенностей их применения в задачах многокритериального оценивания результатов обучения.

2. Построение модели автоматизированного многокритериального оценивания как обобщения однокритериальных моделей оценивания и многопараметрических методов принятия решений.

3. Разработка методов комплексной оценки результатов обучения в слабоструктурированных предметных областях на основе е-портфолио.

4. Разработка алгоритма решения задачи автоматизированного многокритериального оценивания в слабоструктурированных предметных областях на основе е-портфолио.

5. Разработка методики автоматизированного многокритериального оценивания результатов обучения в слабоструктурированных предметных областях с целью оценки качества учебного процесса.

6. Разработка программных средств, реализующих предложенные методы и алгоритмы.

Методы исследования. Для решения поставленных задач исследования в диссертации использовались: системный анализ, теория управления, теория алгоритмов, теория принятия решений, теория нечетких множеств, математическое моделирование, а также методы анализа статистических данных.

Результаты, выносимые на защиту:

1. Модель автоматизированного оценивания результатов обучения в слабоструктурированных предметных областях на основе е-портфолио, реализующая вычисление частных оценок учебных достижений и их интеграцию в комплексную оценку качества учебного процесса.

2. Метод многокритериального оценивания учебных достижений, генерирующий векторные оценки, основанные на вербальных шкалах и предусматривающий экспертную оценку, классификацию и количественную интерпретацию полученных результатов.

3. Алгоритм решения задачи автоматизированного многокритериального оценивания в слабоструктурированных предметных областях, реализующий эффективное оценивание результатов обучения в условиях нечетких исходных данных.

Научная новизна и теоретическая значимость заключается в следующем:

1. Создана модель автоматизированного решения задачи многокритериального оценивания в слабоструктурированных предметных областях, в соответствии с которой на первом этапе генерируются векторные оценки учебных достижений на основе е-портфолио, на втором — экспертная оценка и классификация на основе вербальных шкал оценивания, на третьем — оценка качества учебного процесса средствами нечеткого регулирования.

2. Разработан метод многокритериального оценивания в слабоструктурированных предметных областях, в соответствии с которым на первом этапе формируются векторные оценки учебных достижений, основанные на вербальных шкалах, а на втором этапе эти частные оценки подвергаются классификации и упорядочению. Предложен алгоритм его реализации в составе АСУ учебным процессом.

3. Предложена методика многокритериального автоматизированного оценивания, минимизирующая случайные ошибочные суждения преподавателя, состоящая в последовательном выполнении этапов оценивания: ввод начальных параметров, коэффициентов и условий оцениваниявывод частных оценокпредварительный анализ частных оценоквывод оценки качества учебного процесса.

Практическая значимость диссертационной работы заключается в том, что:

1. Предложенный формализованный подход к построению АСУ образовательного назначения позволяет обеспечить студента и преподавателя эффективным инструментарием многокритериального оценивания в слабоструктурированных предметных областях.

2. На основе предложенного алгоритмического обеспечения разработана система многокритериального оценивания результатов обучения в слабоструктурированных предметных областях, которая прошла апробацию и внедрена в учебный процесс образовательных учреждений.

Апробация результатов исследования. Основные положения диссертационной работы и результаты проведенных исследований докладывались, обсуждались и получили одобрение на международной конференции «The future of Education» (Флоренция, Италия, 2011), на двух.

Всероссийских научно-методических конференциях «Телематика» (Санкт-Петербург, 2010 и 2009), на трех Всероссийских межвузовских конференциях молодых ученых (Санкт-Петербург, 2011, 2010 и 2009), на научно-практической конференции «Наследие М. В. Ломоносова. Современные проблемы науки и техники, решаемые молодыми учеными НИУ ИТМО» (Санкт-Петербург, 2011), на XXXVIII научной и учебно-методической конференции профессорско-преподавательского состава СПбГУ ИТМО (Санкт-Петербург, 2009).

Работа была поддержана на различных этапах ее выполнения рядом научно-технических программ. В числе основных — гранты правительства Санкт-Петербурга для молодых научно-педагогических работников вузов и академических институтов в 2010, 2009 и 2008 годах.

Результаты диссертации опубликованы в 11 печатных статьях, из них 3 в изданиях, входящих в перечень российских рецензируемых научных журналов, в которых должны быть опубликованы основные научные результаты диссертаций на соискание ученых степеней доктора и кандидата наук (список ВАК).

Внедрение результатов исследования. Материалы диссертационной работы использованы при организации обучения студентов естественнонаучного факультета НИУ ИТМО специальности 230 202 «Информационные технологии в образовании» и слушателей Санкт-Петербургской академии постдипломного педагогического образования.

Структура и объем диссертации

По структуре диссертация состоит из введения, трех глав и заключения. Общий объем работы составляет 121 с.

Список литературы

включает 111 наименований. Работа содержит 24 рисунка и 16 таблиц.

ЗАКЛЮЧЕНИЕ

И ВЫВОДЫ ПО ДИССЕРТАЦИИ.

Основным результатом работы является модель многокритериального оценивания результатов обучения в слабоформализованных, слабоструктурированных предметных областях с расплывчатыми ограничениями, неполными и нечеткими данными, сильно зависящими от изменений внешней среды и субъективных предпочтений преподавателя на основе применения методов теории принятия решений, теории нечетких множеств и теории управления. В исследовании для предложенной модели разработаны новые и адаптированы существующие методы, необходимые для реализации системы.

Таким образом, при проведении исследования получены следующие значимые результаты:

1. В результате анализа существующих подходов к оцениванию результатов обучения в слабоструктурированных предметных областях построена модель автоматизированного многокритериального оценивания результатов обучения на основе е-портфолио, состоящая из трех основных частей: генерация векторных оценок учебных достижений на основе е-портфолио, экспертная оценка и классификация на основе вербальных шкал оценивания, оценка качества учебного процесса средствами нечеткого регулирования. Эта модель позволяет обоснованно выбирать методы оценивания результатов обучения и создает основу для комплексного оценивания процесса обучения средствами автоматизированной системы управления учебным процессом.

2. Разработан многокритериальный метод к оцениванию учебных достижений, в соответствии с которым на первом этапе формируются векторные оценки учебных достижений, основанные на вербальных шкалах, а на втором этапе эти частные оценки подвергаются классификации и упорядочению объектов по их близости к центру класса. Этот подход позволил интегрировать количественные и качественные показатели учебных достижений студентов в слабоструктурированных предметных областях и автоматизировать интерпретацию полученных оценок в виде классов решений и в баллах.

3. Предложен алгоритм процесса оценивания, предусматривающий генерацию альтернатив на основе е-портфолио, экспертную оценку, проверку на непротиворечивость, построение решающего правила, оценку качества учебного процесса, повышающий точность оценивания учебных достижений студента по сравнению с подходом, основанным на расчете среднего арифметического полученных оценок, что подтверждено в ходе эксперимента статистически несущественным расхождением полученных оценок с коллегиальным мнением экспертной комиссии. Разработанный алгоритм программно реализован. Сформулирована методика его применения для контроля учебных достижений студентов, состоящая в последовательном выполнении таких этапов оценивания как: ввод начальных параметров, коэффициентов и условий оцениваниявывод частных оценокпредварительный анализ частных оценоквывод оценки качества учебного процесса. Использование предложенной методики многокритериального оценивания в составе автоматизированной системы управления учебным процессом обеспечивает более объективное и достоверное оценивание учебных достижений студента, чем при их традиционном раздельном оценивании.

Показать весь текст

Список литературы

  1. A.M. Методология учебной деятельности. М.: Эгвес, 2005. -176 с.
  2. Е. С., Бухаркина М. Ю. Современные педагогические и информационные технологии в системе образования: Учебное пособие для вузов. М.: Академия, 2007. — 368 с.
  3. С.Д. Педагогика и психология высшего образования: от деятельности к личности: Учебное пособие для вузов. М.: Академия, 2001. -304 с.
  4. Ю.Г. Высшее образование: методология и опыт проектирования: Учебное пособие. М.: Логос, 2006. — 256 с.
  5. Ю. Г. Преподавание и воспитание в высшей школе: Методология, цели и содержание, творчество: Учебное пособие для вузов. -М.: Академия, 2002. 224 с.
  6. Г. В., Лаврентьева Н. Б., Неудахина H.A. Инновационные обучающие технологии в профессиональной подготовке специалистов. -Барнаул: Изд-во Алт. ун-та, 2002. 232 с.
  7. М.В. Проектирование результатов подготовки специалистов в условиях модульной системы обучения: Методическое пособие. -М.: МИИГАиК, 2006. 58 с.
  8. В.И., Челышкова М. Б. Контроль качества обучения при аттестации: компетентностный подход: Учебное пособие. — М.: Логос, 2009. 272 с.
  9. Н.Ф. Тестовый контроль в образовании. М.: Логос, 2007. -386 с.
  10. В.Г., Ретинская И. В. Модель создания системы сертификации набора компетенций // Материалы 1-ой Всероссийской научно-практической конференции «Устройства измерения, сбора и обработки сигналов в
  11. Д.Ю. Построение баз экспертных знаний для интеллектуальных обучающих систем: Автореф. дис.. канд. техн. наук. М., 2006. — 26 с.
  12. JI.B., Дамбаева C.B. Методы и алгоритмы принятия решений в управлении учебным процессом в условиях неопределенности: Монография. Улан-Удэ: ВСГТУ, 2004. — 164 с.
  13. Г. В. Принятие решений как интеллектуальная деятельность: монография. М.: Канон, 2009. — 272 с.
  14. А.А., Титова Н. В. Модель оценки альтернатив управления слабоструктурированными динамическими ситуациями // Труды Института проблем управления. Том 28. 2007. — с. 32−45
  15. Д.П., Бутенко JI.H. Принятие решений при неоднородном качественном описании альтернатив // Фундаментальные исследования: науч. теоретич. журнал. — 2005. — № 7. — с. 37−39.
  16. П.В. Программные системы поддержки принятия социо-экономических и технических решений (опыт создания и проектирования) // Аудит и финансовый анализ. 2009. — № 3. — с. 145−161.
  17. А.Б. Теория принятия решений: Учебник для вузов. М.: Академия, 2009. — 398 с.
  18. С. Психология оценки и принятия решений. М.: Филинъ, 1998. -368 с.
  19. Д.Б. Вычислительные методы теории принятия решений. М.: Наука, 1989. — 320 с.
  20. О.И. Вербальный анализ решений. М.: Наука, 2006. — 181 с.
  21. О.И. Теория и методы принятия решений, а также Хроника событий в Волшебных странах: Учебник для вузов. — 2-е изд., перераб. и доп. -М.: Логос, 2002.-392 с.
  22. Д.П., Бутенко Л. Н. Использование иерархического подхода к декомпозиции задачи в методах вербального анализа решений // Успехи современного естествознания. — 2005. — № 9 — с. 81−82
  23. Т.Ю. Проектирование обучения информатике с использованием автоматизированных систем. — М.: Образование и Информатика, 2004. 142 с.
  24. A.A., Романенко В. В., Веретенников М. В., Щербаков А. И. Автоматизация разработки компьютерных учебных программ. Томск: М-Принт, 2005. — 383 с.
  25. М.А. Профессионально-технологическая система обучения специальным предметам: Учебное пособие. Ульяновск: УлГТУ, 2001. -199 с.
  26. A.B. Проектирование компьютерных систем учебного назначения: Учебное пособие. Самара: СГАУ, 1995. — 140 с.
  27. Е.Ю. Объектно-ориентированные и интеллектуальные технологии создания информационных систем. М.: Издательство МЭИ, 2008. — 94 с.
  28. Г. Р. От гиперкниги к гипермозгу. Информационные технологии эпохи Интернет. Эссе, диалоги, очерки. М.: Радио и связь, 2004. 208 с.
  29. А.Г. Теоретические основы автоматизированного управления. М.: Высшая школа, 1994. 489 с.
  30. К.А., Егупов Н. Д., Владимиров И. Г. Методы классической и современной теории автоматического управления: Учебник для вузов. — 2-е изд., перераб. и доп. М.: Изд-во МГТУ, 2004. — 24 см.
  31. Я.Н. Автоматическое управление. М.: Наука, 1992. — 576 с.
  32. Г. А. Информационные технологии управления: Учебное пособие для вузов. 2-е изд., доп. — М.: ЮНИТИ-ДАНА, 2003. — 439 с.
  33. В.А., Теплышев В. Ю., Трайнёв И. В. Новые информационные коммуникационные технологии в образовании. М.: Дашков и К, 2008. — 320 с.
  34. B.JI. Педагогические программные средства и автоматизация обучения: Учебное пособие. Ярославль: Ярославский государственный технический университет, 2007. — 223 с.
  35. О.В. Управление процессом обучения: Учебное пособие. -Киров: Старая Вятка, 2005. 123 с.
  36. М.Ю., Шевелев Ю. П. Технические средства контроля знаний для систем автоматизированного обучения. Томск: В-Спектр, 2006. — 233 с.
  37. П.П. Динамические компьютерные системы управления и диагностики процесса обучения. Красноярск: ИПК КГГГУ, 2005. — 343 с.
  38. B.C. Современные информационные технологии в управлении и образовании : пятая науч.-практ. конф.: сб. тр. М.: МИРЭА, 2005. — 332 с.
  39. C.B. Алгоритмическое обеспечение автоматизированной системы управления образовательной деятельностью специалиста по эксплуатации авиационных радиотехнических средств: Автореф. дис.. канд. техн. наук. М., 2009. — 18 с.
  40. А.Г. Автоматизация процессов контроля знаний с применением заданий открытого типа (на примере предметной области «Информатика»): Автореф. дис.. канд. техн. наук. — М., 2006. — 18 с.
  41. Е.В., Коржаков В. Е., Лаптев В. Н. Теоретические основы и технология применения системно-когнитивного анализа в автоматизированных системах обработки информации и управления (АСОИУ) (на примере АСУ вузом). Майкоп: АТУ, 2009. — 536 с.
  42. З.К., Коврига C.B., Макаренко Д. И. Когнитивное моделирование для решения задач управления слабоструктурированными системами (ситуациями) // Управление большими системами. Вып. 16. — 2007. с. 26−39.
  43. C.B., Коровин С. К. Новые типы обратной связи. Управление при неопределенности. М.: Наука, 1997. — 352 с.
  44. C.B. Алгоритмическое и аппаратное обеспечение автоматизированной системы тестирования операторов сложных технологических установок: Автореф. дис.. канд. техн. наук. — М., 2010. — 19 с.
  45. Barrett H. Researching Electronic Portfolios and Learner Engagement: The REFLECT Initiative // Journal of Adolescent and Adult Literacy. 2007. — v. 50 (№ 8). — p. 436−449.
  46. Clark J.E., Bret E.B. E-portfolios at 2.0—Surveying the Field // Peer Review. -2009.-v.ll (№ l).-p. 18−23.
  47. Meyer В., Latham N. Implementing Electronic Portfolios: Benefits, Challenges, and Suggestions // EDUCAUSE Quarterly. 2008. — v. 31 (№ 1). — p. 34−41.
  48. .Б., Бринк К.ван ден. Мультимедиа в образовании: специализированный учебный курс. 2-е изд., испр. и доп. — М.: Дрофа, 2007.- 224 с.
  49. Т.Г., Пинская М. А., Прутченков А. С., Федотова Е. Е. Портфолио в зарубежной образовательной практике // Вопросы образования.- 2004. № 3. — с. 201−238.
  50. Т.А. Концепция электронного портфолио Электронный ресурс. Режим доступа: http://schools.keldysh.ru/courses/e-portfolio.htm (дата обращения 29.08.2011)
  51. Clark R.E., Feldon D.F. Five common but questionable principles of multimedia learning // Cambridge University Press. 2005. — v. 4 (№ 1). — p.97−115.
  52. Mayer R.E. The Cambridge Handbook of Multimedia Learning. NY, USA: Cambridge University Press, 2005. — 663 p.
  53. O.B. Культура мультимедиа: Учебное пособие для студентов. -М.: ФАИР-ПРЕСС, 2004. 415 с.
  54. Ф.Г. Основы системного анализа и теории принятия решений.- М.: Тесей, 2006.-318 с.
  55. В.А., Поспелова И. И. Многокритериальные задачи принятия решений: Учебное пособие. М.: МАКС Пресс, 2008. — 197 с.
  56. А.Б. Многокритериальное принятие решений по противоречивым данным: подход теории мультимножеств //
  57. Информационные технологии и вычислительные системы. 2004. — № 2. — с. 56−66.
  58. A.A. Генетический алгоритм построения экспертных решающих правил в задаче многокритериальной классификации Электронный ресурс. Режим доступа: http://zhumal.ape.relarn.ru/articles/2002/155.pdf (дата обращения 29.08.2011)
  59. Аскеров Э.М.оглы. Автоматизация многокритериального оценивания уровня сформированности профессиональных компетенций будущих специалистов: Автореф. дис. канд. техн. наук. — М., 2010 — 19 с.
  60. Г. В. Интерактивные методы снижения размерности признакового пространства в задачах многокритериального принятия решений: Автореф. дис.. канд. техн. наук. М., 2008. — 25 с.
  61. X. Статистические методы повышения качества. М.: Финансы и статистика, 1990. — 304 с.
  62. Д.В. Оценка качества технологического процесса // Экономика производства. 2006. — № 15. — с. 18−21.
  63. Пономарев С. В, Мищенко C.B. Управление качеством продукции. Инструменты и методы менеджмента качества. М.: Стандарты и качество, 2005. — 248 с.
  64. С.А., Бухштабер В. М., Енюков И. С., Мешалкин Л. Д. Прикладная статистика. Классификация и снижение размерности. М.: Финансы и статистика, 1989. — 607 с.
  65. A.M., Мхитарян B.C., Трошин Л. И. Многомерные статистические методы. М.: Финансы и статистика, 2003. — 352 с.
  66. О.Ю. Математическая статистика для психологов. 4-е издание испр. — М.: Московский психолого-социальный институт Флинта, 2006. — 336 с.
  67. А.Н., Северцев Н. А. Математические методы в системах поддержки принятия решений. М.: Высшая школа, 2005. — 312 с.
  68. Электронный учебник StatSoft по промышленной статистике Электронный ресурс. Режим доступа: http://www.statsoft.ru/home/portal/textbookind/default.htm (дата обращения 29.08.2011)
  69. Кузин Е. С. Информационно сложные задачи и технология их решения // Новости искусственного интеллекта. № 1. — 2003. — с.24−29.
  70. А.С. Нечеткие множества в задачах автоматизированного управления и принятия решений. — Харьков: НТУ «ХПИ», 2005 — 232 с.
  71. Д., Пилиньский М., Рутковский JL. Нейронные сети, генетические алгоритмы и нечеткие системы: Пер. с польского Рудинского И. Д. М.: Горячая линия — Телеком, 2004. — 452 с.
  72. С.Д. Введение в теорию нечетких множеств и нечеткую логику Электронный ресурс. Режим доступа: http://matlab.exponenta.ru/fuzzylogic/bookl/index.php (дата обращения 29.08.2011)
  73. В.Е. Графы и алгоритмы. Структуры данных. Модели вычислений. М.: БИНОМ. Лаборатория знаний, 2006. — 318 с.
  74. Ахо А., Хопкрофт Д., Ульман Д. Структуры данных и алгоритмы. М.: Вильяме, 2003.-384 с.
  75. В.Г. Программирование и основы алгоритмизации: Учебное пособие для вузов. 2-е изд., стер. — М.: Высшая школа, 2005. — 448 с.
  76. В.И. Математическая логика и теория алгоритмов: Учебное пособие. 2-е изд., стер. — М.: Академия, 2008. — 448 с.
  77. В.Н. Теория алгоритмов. М.: Академия, 2009. — 205 с.
  78. A.B. Алгоритмы: введение в разработку и анализ. М.: Вильяме, 2006. — 574 с.
  79. Дж. Основы современных алгоритмов. 2-е изд. — М.: Техносфера, 2004. — 368 с.
  80. Д.Ш., Поднебесова Г. Б. Теория алгоритмов. М.: БИНОМ. Лаборатория знаний, 2008. — 202 с.
  81. C.B. Создание информационных систем с AIIFusion Modeling Suite. M.: Диалог-МИФИ, 2003. — 432 с.
  82. Д., МакГоуэн К. Методология структурного анализа и проектирования SADT. М.: 1993.-231 с.
  83. Д.Э., Семенов Ю. Д., Чижик К.Н. CASE-технологии: Практикум. М.: Горячая линия — Телеком, 2005. — 160 с.
  84. C.B., Семенов И. О., Ручкин B.C. Моделирование и анализ систем. IDEF-технологии: практикум. М.: Финансы и статистика, 2006. -192 с.
  85. Поршнева C.B. MATLAB 7. Основы работы и программирования. М.: Бином. Лаборатория знаний, 2006. — 320 с.
  86. Боланте Э. Adobe After Effects 7.0. Спецэффекты и создание видеокомпозиций. М.: Триумф, 2007. — 832 с.
  87. Бурлаков М.В. Adobe Flash CS3. Самоучитель. M.: Диалектика, 2007. -624 с.
  88. Гарригус С. Sound Forge 8. Звуковая студия. М.: Триумф, 2008. — 479 с.
  89. Мак-Клелланд Д., Фуллер Л. Adobe Photoshop CS2. Библия пользователя. М.: Диалектика, 2007. — 944 с.
  90. Т.М., Анеликова Л.A. Photoshop. Творческая мастерская компьютерной графики. -М.: СОЛОН-Пресс, 2008. 165 с.
Заполнить форму текущей работой

Заказал и сдал!