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

Методы и модели нейро-нечеткого прогнозирования в системе поддержки управленческих решений промышленных предприятий

Диссертация: Методы и модели нейро-нечеткого прогнозирования в системе поддержки управленческих решений промышленных предприятий
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Во второй главе разработаны методы и модели нейро-нечеткого прогнозированияв рамках системы поддержки управленческих решений. Реализации практически каждого управляемого процесса предшествует фаза подготовки. Во время подготовки /-го процесса достижения цели рассматриваются различные, возможные ситуации и формируются промежуточные этапные цели, определяются управляемые параметры процесса… Читать ещё >

Содержание

  • 1. АНАЛИЗ СИСТЕМНЫЙ АНАЛИЗ МОДЕЛЕЙ ПОДДЕРЖКИ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ И НЕЙРО-НЕЧЕТКИХ МЕТОДОВ ПРОГНОЗИРОВАНИЯ
    • 1. 1. Методы анализа и оптимизации управленческих решений
    • 1. 2. Гибридные системы и их классификации
    • 1. 3. Статистические методы прогнозирования временных рядов
    • 1. 4. Прогнозирование финансовых временных рядов методом технического анализа
    • 1. 5. Сравнительный анализ методов прогнозирования
    • 1. 6. Нечёткие продукционные модели
    • 1. 7. Нейронные сети
    • 1. 8. Принципы формирование управленческих решений по выбору стратегии развития промышленных предприятий
    • 1. 9. Анализ нейро и нейро-нечетких систем прогнозирования
    • 1. 10. Системный анализ проблем интеграции данных и
  • приложений
  • Выводы по главе 1
  • 2. РАЗРАБОТКА НЕЙРОСЕТЕВЫХ МОДЕЛЕЙ ПРОГНОЗИРОВАНИЯ ВРЕМЕННЫХ РЯДОВ
    • 2. 1. Разработка принципов формирования системы поддержки управленческой деятельностью на основе процессного описания
    • 2. 2. Нечеткая параметризация моделей формирования управленческих решений
      • 2. 2. 1. Задача оптимизации при нечетких ограничениях
      • 2. 2. 2. Прообраз нечеткого множества при нечетком отображении
      • 2. 2. 3. Нечеткие отношения предпочтения.'
      • 2. 2. 4. Множество недоменируемых альтернатив
    • 2. 3. Оценка эффективности нейронных и нейро-нечетких продукционных сетей в задаче прогнозирования
    • 2. 4. Алгоритм прогнозирования на основе гибридной нейро-нечеткой системы. анализа
      • 2. 4. 2. Оптимизация топологии нейро-нечеткой сети
  • Выводы по главе 2
  • 3. МЕТОДЫ И МЕХАНИЗМЫ ФОРМИРОВАНИЯ СЦЕНАРИЯ ПОДДЕРЖКИ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ НА ОСНОВЕ АЛГОРИТМОВ НЕЙРО-НЕЧЕТКОГО ПРОГНОЗИРОВАНИЯ
  • 3. 1. Нечеткий метод оценки схемы выбора альтернативных решений
    • 3. 2. Построение оптимальной: функции*штрафов
    • 3. 3. Формализация системыподготовки управленческих решенийнаоснове нечетких оценок стратегий развития
    • 3. 4. Схемы описаний элементарного
  • приложения, структуры и сценария поддержки управленческих решений-.129 «
  • Выводы по главе 3
  • 4. РАЗРАБОТКА ПРОГРАММНЫХ КОМПОНЕНТОВ И АПРОБАЦИЯ СИСТЕМЬГНЕЙРО-НЕЧТКОГО ПРОГНОЗИРОВАНИЯ
    • 4. 1. Реализация алгоритмов нейро-нечеткого прогнозирования
    • 4. 2. Асйуе-Х компоненты интерфейсного взаимодействия
    • 4. 3. Функциональное назначение и область применения программы
  • Выводыпоглаве4'.-.-.153'

Методы и модели нейро-нечеткого прогнозирования в системе поддержки управленческих решений промышленных предприятий (реферат, курсовая, диплом, контрольная)

Современные условия развития малого и среднего бизнеса в нашей стране делают особенно важными знания и умения спланировать развитие своего собственного предприятия, оценить достигнутые результаты в сравнении с первоначальным планом, проанализировать и сделать соответствующие выводы для принятия правильных управленческих решений на всех этапах производственной деятельности. Одной из основных проблем в задаче анализа и прогнозирования является построение модели, адекватно отражающей динамику финансовых временных рядов, связанных с непосредственной деятельность предприятия. Рыночный механизм, характеризующийся огромным количеством постоянно меняющихся связей, зависит от множества внешних факторов, способных существенно повлиять на всю структуру его зависимостей, причем воздействие может оказаться разнообразным.

Существует много задач, при решении которых с использованием нейросетевых технологий, встает вопрос о выборе топологии нейро-нечеткой сети. Зачастую ограничиваются вариантом с регулярной топологией, который не является оптимальным с точки зрения используемых ресурсов, компьютера. Кроме этого настройка топологии требует от пользователя достаточно глубокой компетенции в области нейронных сетей. Автоматический выбор оптимальной * топологии нейро-нечеткой сети позволил бы существенно упростить эту проблему.

Для решения задачи прогнозирования в данной работе за основу модели берется гибридная нейро-нечеткая сеть, что достаточно актуально.

Целью работы является повышение эффективности работы промышленных предприятий за счет использования нейро-нечетких моделей прогнозирования технико-экономических показателей промышленных предприятий.

Для достижения данной цели в работе решены следующие задачи:

1. Системный анализ моделей прогнозирования финансовых временных рядов, методов поддержки управленческих решений и средств интеллектуального анализа данных;

2. Разработка нейро-нечетких моделей прогнозирования технико-экономических показателей, развития промышленных предприятий.

3. Разработка общей структуры системы поддержки принятия решений по анализу финансовой деятельности промышленных предприятий.

4. Разработка сценария5 системы поддержки принятия решений по анализу финансовой деятельности.

5. Разработка моделей информационного обмена в системе поддержки управленческих решений.

6. Разработка принципов интеграции аналитико-имитационных моделей в системе поддержки управленческих решений.

7. Реализация программно-моделирующего комплекса распределенной информационной системы мониторинга.

Научную новизну работы составляют методы и модели прогнозирования финансовых показателей в системе поддержки управленческих решений промышленных предприятий.

На защиту выносятся следующие основные научные результаты:

• фрактальная модель предварительной подготовки прогнозных решений;

• нейросетевая модель прогноза финансовых показателей;

• методика интеграции программных приложений анализа;

• программно-моделирующий комплекс системы мониторинга показателей эффективности реализации.

Диссертация состоит из четырех глав, в которых приводится решение поставленных задач.

Во введении показана актуальность решаемой проблемы, сформулирована цель и задачи исследования, приводится краткое описание содержания глав диссертации.

В первой главе проведен системный анализ методов и моделей поддержки управленческих решений, и прогнозирования временных рядов. Нечеткое моделирование не является альтернативой различным подходам к моделированию сложных систем и процессов, а, прежде всего, предоставляет эффективные методы и средства для их изучения в следующих основных сферах применения. В нечёткой логике для получения решения используются нечёткие базы правил и нечёткий вывод. Нечеткие правила могут оперировать неопределенными, искаженными и противоречивыми данными и знаниями, полученными из различных источников или на основе анализа экспериментальных данных, из опыта многих исследователей, работающих в конкретной прикладной области. Основная цель использования нечеткой логики — это моделирование аспектов человеческого мышления. Нечеткая модель более приближена к человеческому опыту принятия решений, но бывает менее точная, чем экспертная система. Проведен анализ методов прогнозирования временных рядов, а именно, метода скользящих средних, прогнозирование на основе средних показателей динамики, метода экспоненциальных средних, на основе экстраполяции тренда, экспертных методов прогнозирования и ряда других.

Во второй главе разработаны методы и модели нейро-нечеткого прогнозированияв рамках системы поддержки управленческих решений. Реализации практически каждого управляемого процесса предшествует фаза подготовки. Во время подготовки /-го процесса достижения цели рассматриваются различные, возможные ситуации и формируются промежуточные этапные цели, определяются управляемые параметры процесса, ограничения на переменные состояния процесса, критерии оценки состояния процесса, создается ресурсное обеспечение процесса, разрабатывается календарный план процесса и т. д. Все результаты, проработки сводятся в комплексный' план. Поэтому основной задачей, которая решается на фазе подготовки, можно считать разработку комплексного плана процесса с датой начала.

При этом комплексный план развития требует реализации механизмов прогнозирования финансового состояния предприятия. В диссертации предлагается последовательная процедура прогнозирования, включающая: предварительный фрактальный анализформирование структуры нейро-нечеткой сетипоследующую оптимизацию структуры сети.

В третьей главе диссертации разрабатывается формальные модели и методы интеграции приложений с целью создания единой базы данных, методов, моделей и методик в виде отдельных компонентов, согласованных по интерфейсным связям и параметрам, с возможностью формирования их алгоритмической структуры.

Для разработки эффективной и адекватной системы обеспечения эффективности необходимо провести анализ риска, определить необходимые затраты. Для проведения такого анализа необходимо классифицировать текущее состояние. Каждая из возможных схем реализации требований имеет свои положительные и отрицательные стороны. Результатом работы по оценке возможности применения этих схем должно стать некоторое общее мнение групп экспертов, учитывающее как плюсы, так и минусы разных подходов.

На основе предложенной методики формирования стратегии развития предприятия в работе решается задача формирования управленческих решений как результат реализации множества процессов управленческих мероприятий.

В четвертой главе в соответствии с предложенными методами и моделями интеграции разнородных программных приложений в диссертации разработана структура программного комплекса. Для организации открытой структуры в процессе его апробации и внедрения, система состоит из отдельных приложений, которые носят самостоятельный характер, а методы аналитической обработки данных базируются на интерфейсном взаимодействии с математическими пакетами.

Структура программных модулей разработана так, чтобы в модуле, реализующем библиотеку расчетов находились только специфические для реализуемого метода расчета подпрограммы и данные, а все вспомогательные средства размещались в других модулях. Такая структура модулей позволяет при реализации нового метода расчета в виде встраиваемой библиотеки, использовать без модификации и перекомпиляции исходного кода большинство готовых модулей что упрощает процесс разработки.

Обоснованность научных положений, рекомендаций и выводов, изложенных в работе, определена проверкой согласования результатов • аналитических моделей с эквивалентными по формализации компонентами имитационной модели. Достоверность положений и выводов диссертации подтверждена положительными результатами внедрения в ряде предприятий.

Практическая ценность и реализация результатов работы.

Научные результаты, полученные в диссертациидоведены до практического использования. Они представляют непосредственный интерес в области автоматизации системы прогноза финансовой деятельности. Разработанныеметоды и алгоритмы прошли апробацию и внедрены для практического применения в ряде предприятий, а также используются в учебном процессе в МГАКХС и МАДИ.

Содержание отдельных разделов и диссертации в целом было доложено и получило одобрение:

• на Российских, межрегиональных и международных научно-технических конференциях и семинарах (2006;2012 гг.);

• на заседании кафедры «Автоматизированные системы управления» МАДИ.

Совокупность научных положений и практических результатов исследований в области автоматизации банковской отчетности представляет актуальное направление в области теоретических и практических методов принятия решений и выбора стратегий управления промышленными предприятиями.

Структура работы соответствует списку перечисленных задач, содержит описание разработанных методов, моделей и методик.

Материалы диссертации отражены в 10 печатных работах. Диссертационная работа состоит из введения, четырех глав и заключения, изложенных на 155 страницах машинописного текста, содержит 29 рисунков, 14 таблиц, список литературы из 115 наименований и приложения.

Основные выводы и результаты работы.

1. Проведен системный анализ методов и моделей поддержки управленческих решений, направленный на формирование гибридной инструментальной среды нейро-нечеткого прогнозирования.

2. Проведен анализ методов прогнозирования временных рядов, а именно, метода скользящих средних, прогнозирование на основе средних показателей динамики и др. В процессе анализа статистических методов были сформированы классификационные признаки основных экономических прогнозов.

3. Разработана процессно-ориентированная модель управленческой деятельности. При этом в основу управляющего процесса в работе кладутся плановые управленческие мероприятия, которые назначаются руководителем для контроля состояния и организации воздействий на управляемый процесс.

4. Предложена последовательная процедура прогнозирования, включающая: предварительный фрактальный анализформирование структуры нейро-нечеткой сетипоследующую оптимизацию структуры сети.

5. Разработана методика оценки вариантов управленческих решений на основе экспертных оценок попарного сравнения альтернатив в виде лингвистических переменных.

6. Выполнена параметризация исполняемых приложений нейро-нечеткого прогнозирования на основании разработки универсального описания компонентов системы с использованием принципа «вход-выход-параметризация». При этом сценарий системы поддержки принятия представляет гибкую алгоритмическую структуру, позволяющую оперативно включать новые методы.

7. На основе предложенной методики формирования стратегии развития предприятия в работе поставлена и решена задача формирования управленческих решений как результат реализации множества процессов управленческих мероприятий.

8. Выполнена программная реализация методов и моделей нейро-нечеткого прогнозирования, которые внедрены в ряде промышленных предприятий, а также используются в учебном процессе МГАКХС и МАДИ.

Показать весь текст

Список литературы

  1. Е.В., Еремин А. Т., Норенков И. П., Песков М. И. /Под ред. Норенкова И. П. Системы автоматизированного проектирования в радиоэлектронике. — М.: Радио и связь, 1986. — 368 с.
  2. В.И., Дмитриевич Г. Д., Ежов С. Н. и др. /Под ред. Анисимова В. И. Автоматизация схемотехнического проектирования на мини ЭВМ. JL: Изд-во Ленинградского ун-та, 1983. — 200 с.
  3. А.В., Арутюнян Р.Э, Хади Р. А. Современные аспекты проблемы поиска в текстовых базах данных // Телекоммуникации. — 2003. -№ 3. С. 25−23.
  4. .П., Яковлев С. А. Интеграция распределенных баз данных. СПб.: Лань, 2001. — 461 с.
  5. М., Бансилон Ф., Девитт Д., Дитрих К., Майнер Д., Здоник С. Манифест систем объектно-ориентированных баз данных СУБД. 1995. -№ 4.
  6. Р., Горев А., Макатирипов С. Эффективная работа с СУБД. -СПб.: Питер, 1997. 704 с.
  7. А.М. Теория семантически значимых отображений и ее применение для проектирования реляционных баз данных: Дисс.. канд. техн. наук (05.13.11). М., 2005. — 182 с.
  8. А.В. Научные основы автоматизации и моделирования процессов управления на основе гибридных систем поддержки принятия решений с открытой структурой:! Дисс.. докт. техн. наук (05.13.06). М., 2006.-330 с.-д.с.п.
  9. Г. А. Система понятий для описания приложений интеллекта // Кибернетика. 1979. — № 2. — С. 109−113.
  10. С.Ф. Профессиональное программирование в Microsoft Access 2002: Пер. с англ. М.: Вильяме, 2002. — 992 с.
  11. Ю.Б., Пушкина H. В. Microsoft Access 2000. СПб.: БХВ — Петербург, 2001. — 480 с.
  12. Боровиков В .В. Microsoft Access 2002: Программирование и разработка баз данных и приложений: Mi: Солон — Р, 2002. — 560 с.13*. Бобровски С. Oracle 7: Вычисления клиент/сервер. М.: Лори, 1996. -651 с
  13. Бобровски С. Oracle8: Архитектура: Пер с англ. М.: Лори- 1988.212 с.
  14. Бобровски С. Oracle 8: Архитектура.-М-: Лори- 19 981 210 с.
  15. В. В., Савинков: В- М. Проектирование баз данных информационных систем. 2-е изд., перераб. и доп. — Mi: Финансы и статистика, 1989. -350 с.
  16. БоровицкишМЩ, Смирнов С. В^Рёализацияш исследованияшроиз-водительности объектно-ориентированной СУБД // Программирование-.- Mi, 1992.-С. 18−28.
  17. В. А., Маркин В .И. Основы логики. — Mi: Космополис, 1994. -272с. '¦V'- ' '
  18. Буре P. XML и базы данных // Открытые системы.'- М., 2000. №: 10.-С. 62−65.20- Буч. 17. Объектно-ориентированныш анализ-®- проектирование с примерамшприложений: М: Бином-200L — 560? с.
  19. Вёндров-А. М. CASE технологии. Современные методы и средства? проектирования- информационных систем- - М-: Финансы" ш статистика, 1998: — 176 с.
  20. Е.С. Теория вероятностей. М.: Высшая школа- 2001. -576 с.. ' ¦-«¦¦'
  21. Т.А., Хорошевский В’Ф- Базы знаний"интеллектуальных систем. СПб: Питер, 2000. — 384 с.
  22. Гандерлой Майк, Харкинз Сыозан Сейлз. Автоматизация Microsoft Access с помощью VBA: Пер. с англ. М.: Вильяме, 2006. — 416 с-
  23. Гарсиа-Молина Е., Ульман Д., Уидом Д- Системы баз данных. Полный курс: Пер. с англ: М-: Вильяме- 2004- - 1088 с:
  24. Э.Э. Информационно-графовая модель хранения и поискданных//Интеллектуальные системы. 1998. — Т. 3. — С. 163−192.
  25. И. Поиск информации в контексте // Информационные ресурсы России. М., 1998. — № 6. — 31 с.
  26. Гиффорд Двайн и др. Access 97. Энциклопедия пользователя: Пер. с англ. Киев: ДиаСофт, 1997. — 640 с.
  27. О.Ю., Калянов Г. Н. Современные CASE-технологии и Designer/2000 Oracle Magazine/RE. 1977. — № 1. — С. 22−25.
  28. Грабер M. M. SQL: Пер. с англ. M.: Лори, 2000. — 371 с.
  29. M. М. Справочное руководство по SQL: Пер. с англ. -/ М.: Лори, 1997. 231 с.
  30. Д. Управление данными. Прошлое, настоящее и будущее. //СУБД. 1998. — № 3. — С. 21−36.
  31. П. Логика, алгебра и базы данных: Пер. с англ. М.: Машиностроение, 1989. — 368 с.
  32. К. Дж. Введение в системы баз данных. 7-е изд.: Пер. с англ. -М.: Вильяме, 2001. 1072 с.
  33. К., Дж. Введение в системы баз данных. 8-е изд.: Пер. с англ. -М.: Вильяме, 2005. 1328 с.
  34. В., Эссиг Г., Маас С. Диалоговые системы «человек-ЭВМ». Адаптация к требованиям пользователя. М.: Мир, 1984. — 112 с.
  35. Г. Проектирование реляционных баз данных для использования в микро ЭВМ: Пер. с англ. М.: Мир, 1991. — 252 с.
  36. Л. Бирн. Microsoft SQL Server. Руководство администратора: Пер. с англ. -М.: Лори, 1998. 214 с.
  37. Л. Бирн. Microsoft SQL Server. Руководствоадминистратора: Пер. с англ. М.: Лори, 1988. — 210 с.
  38. С.М. Проектирование и использование баз данных. М.: Финансы и статистика, 1995. — 208 с.
  39. A.B. Системы программирования баз данных и знаний. -Новосибирск: Наука, 1990. 352 с.
  40. Г. С. Технология программирования. — М.: Изд-во МГТУ им. Н. Э. Баумана, 2003. 320 с.
  41. Г. С., Ничушкина Т. Н. Проектирование программного обеспечения: Методическое пособие по выполнению и оформлению курсовых, дипломных и квалификационных работ. М.: Изд-во МГТУ им. Н. Э. Баумана, 2002. — 83 с.
  42. Информационная технология. Язык баз данных SQL. ISO/МЭК 9075−93. Введ. 01.07.94. — М., 1993. — 26 с.
  43. JI.A. Метод построения коммутативных отображений моделей данных при интеграции неоднородных баз данных // Программирование. 1978. — № 6.- С. 60−71.
  44. Т.С. Базы данных: модели, разработка, реализация. — СПб.: Питер, 2001.-304 с.
  45. Ю.М. Математические основы кибернетики. М.: Энергия, 1980. — 424 с.
  46. М.Р. Абстракции и модели в системах баз данных // СУБД. М., 1998. -№ 4−5.
  47. М.Р. Энциклопедия технологий баз данных.- М.: Финансы и статистика, 2002. 800 с.
  48. М.Р. Технология баз данных на персональных ЭВМ. -М.: Финансы и статистика, 1992. 223 с.
  49. П., Дорси П. Oracle Designer. Настольная книга пользователя: Пер. с англ: М.: Лори, 1999 — 592 с.
  50. В.В. и др. Базы данных. Интеллектуальная обработка информации. М.: Нолидж, 2000. — 162 с.
  51. Д. Теория и практика построения баз данных: Пер. с англ. — СПб.: Питер, 2003. 800 с.
  52. О.П., Адельсон-Вельский Г.М, Дискретная математика для инженера. 2-е изд. перераб. и доп. — М.: Энергоатомиздат, 1988. — 480 с.
  53. С.Д. СУБД (системы управления базами данных) и файловые системы. М.: Майор, 2001. — 128 с.
  54. В. F. Базы данных в-Visual Basic и VBA. Самоучитель. -M.: Бином-Пресс, 2004. 416 с.
  55. П. и др. Разработка настольных приложений в Access 2002. Для профессионалов: Пер. с англ. СПб.: Питер, 2002. — 1008 с.
  56. Мак-Федрис П. Моя первая книга о VBA: Пер. с англ. М.: Эксмо, • 2005.-352 с.
  57. Д. Теория реляционных баз данных. М.: Мир, 1987. — 608с.
  58. И.П. Разработка систем автоматизированного проектирования: Учебник для вузов. М.: Изд-во МГТУ им. Н. Э. Баумана, 1994. — 207 с.
  59. И.П. Основы автоматизированного проектирования: Учебник для вузов. 2-е изд., переработ, и доп.- М.: Изд-во МГТУ им. Н. Э. Баумана, 2002. — 336 с.
  60. И.П., Маничев В. Б. Системы автоматизированного проектирования электронной и вычислительной аппаратуры. М.: Высшая школа, 1983.-272 с.
  61. Э. Машины баз данных и управления базами данных: Пер. с англ. М.: Мир, 1989. — 695 с.
  62. Петер Пин, Шен Чен. Модель «сущность-связь» шаг к единому представлению о данных // СУБД. — 1995. — № 3. — С. 137−158.
  63. И.Ю., Лазуткина Е. А. Организация баз данных. -Астрахань: Астраханский ГТУ, 1999. 192 с.
  64. Дж. Теория сетей Петри и моделирования систем: Пер. с англ. М.: Мир, 1984. — 264 с.
  65. Пол Литвинг, Кен Гетц, Майкл Гилберт. Access 2000. Руководство разработчика. Корпоративные приложения: Пер. с англ. Киев: BHV, 2001. -Т. 2. — 912 с.
  66. Ф. Шеймос. М. Вычислительная геометрия. Введение. -М.: Мир, 1989.-478 с.
  67. В.В. Сложный анализ данных большого объема. Новые перспективы компьютеризации. // СУБД. 1996. — № 4. — С. 71−83.
  68. В.В. Новые одежды знакомых СУБД. Объектная реальность, данная нам. // СУБД. 1997. — № 4.
  69. Райан Стивене, Рональд Плю. SQL.: Пер с англ. М.: Бином, 1998. -400 с.
  70. Г. И., Самохвалов Э. Н., Чистов В. В. Базы и банки данных и знаний. М.: Высшая школа, 1992. — 392 с.
  71. Дж. Мюллер. ORACLE Developer/2000. Настольная книга пользователя: Пер. с англ. М.: Лори, 1999. — 384 с.
  72. О.Г. Основы проектирования баз данных. М.: Московский авиационный институт, 1993. — 24 с.
  73. О.И., Загорулько Ю. А. Организация эффективного поиска данных//Интеллектуальные системы. 1998. — № 3−4. — С. 163−192.
  74. А.Р. Стратегические технологии баз данных. М.: Финансы и статистика, 1999. — 479 с.
  75. Система управления базами данных. Руководство прикладного программиста. М.: Информ-Икс, 1997. — 47 с.
  76. Система управления базами данных. Руководство по проектированию структур данных. М.: Информ Икс, 1997. — 14 с.
  77. Системы автоматизированного проектирования. Кн.2: Федорук В. Г., Черненький В. М. Информационное и прикладное обеспечение. М.: Высшая школа, 1986. — 159 с.
  78. Стоунбрейкер. Объектно-реляционные системы баз данных // Открытые системы. 1994. — № 4.
  79. А. Языки запросов для XML-данных // Открытые системы. -2001.-№ 2.
  80. Т., Фрай Д. Проектирование структур баз данных: Пер. с англ. М.: Мир, 1985. — 287 с.
  81. Тихомиров Ю.В. Microsoft SQL Server 7.0. СПб.: БХВ-Петербург, 1999.-720 с.
  82. Тихомиров Ю.В. Micrjsoft SQL Server 7.0: разработка приложений.- СПб.: БХВ Петербург, 1999. — 352 с.
  83. Урман С. Oracle 8. Программирование на языке PL/SQL. М.: Лори, 1999. — 607 с.
  84. Дж. Основы систем баз данных: Пер. с англ. М. Р. Когаловского и В. В. Когутовского. М.: Финансы и статистика, 1983. — 334 с.
  85. Д., Уидом Д. Введение в системы баз данных: Пер. с англ. -М.: Лори, 2000. 319 с.
  86. В.В., Шумаков П.В. Delphi 4. Руководство разработчика баз данных. М.: Нолидж, 1999. — 560 с.
  87. В. Г. Математическое и программное обеспечение анализа БИС: Дисс.. канд. техн. наук (05.13.12). -М., 1983.-200 с. д.с.п.
  88. И.А., Михеева В.Д. Microsoft Access 2000. СПб.: БХВ-Петербург, 2001. — 819 с.
  89. Дж., Мичтом Дж. Структурный подход к программированию.- М.: Мир, 1980.-278 с.
  90. М., Следж О. Руководство администратора баз данных Microsoft SQL Server 2000: Пер. с англ. М.: Вильяме, 2001. — 928 с.
  91. Энциклопедия пользователя. Огас1е8.: Пер. с англ. /Компания Advanced Information Systems и др. Киев: ДиаСофт, 1999. — 864 с.
  92. Buff H.W. Why Codd’s Rule № 6 Must Be Reformulated // ACM SIGMOD. December 1988. — 17, № 4.
  93. Cattell R.G.G. Object data management.- Addison- Wesley: Reading, MA, 1994.
  94. Celko J. SQL for Smarties: Advanced SQL Programming. San Francisco, Calif.: Morgan Kaufmann, 1995.
  95. Chamberlin D.D. et. al. Support for Repetitive Transactions and Ad Hoc Queries in System R // ACM TODS. March 1981. — 6, № 1.
  96. Chamberlin D.D. et. al. A History and Evaluation of System R // CACM. -October 1981.-24, № 10.
  97. Codd E.F. A relational- model data for larger shared data banks // Comm- ACM.- 1970. V.13.- № 6.- P. 377−387.
  98. Codd E.F. The Relational Model For Database Management Version 2. Reading, Mass.: Addison-Wesley^ 1990.
  99. Darwen H. Relation-Valued Attributes // Date C. J. and Hugh Darwen. Relational Database Writings 1989 1991. — Reading, Mass.: Addison-Wesley, 1992.
  100. Darwen H. Without Check Option // Date C. J. and Darwen H. Relational Database Writings 1989 1991. — Reading, Mass.: Addison-Wesley, 1992.
  101. Darwen H. The Role of Functional Dependes in Query Decomposition//Date C.J., Darwen H. Relation Writing 1989−1991.-Reding, Mass.: Addison-Wesley, 1992.
  102. Date C. J. Why Quantifier Order Is Important // Date C. J. and Hugh Darwen. Relational Database Writings 1989 1991. — Reading, Mass.: Addison-Wesley, 1992.
  103. Date C. J. What’s Wrong with SQL? // Date C. J. Relational Database Writings 1985 1989. — Reading, Mass.: Addison-Wesley, 1990.
  104. Date C. J. How We Missed the Relational Boat // Date C. J. Relational Database Writings 1991 1994. — Reading, Mass.: Addison-Wesley, 1995.
  105. Date C. J. Why Relational? // C J. Date. Relational Database Writings 1985 1989. — Reading, Mass.: Addison-Wesley, 1990.
  106. Date C. J. What Not How: The Business Rules Approach to Application Devolopment.-Reading, Mass.: Addison-Wesley, 2000
  107. Eisenberg A., Melton J/ SQL: 1999, Formerly Known as SQL3 // ACM SIGMOD Record. March 1999. — 28, № 4.
  108. Halpin T. Information Modeling and Relational Databases: From Conceptual Analusis to Logical Design. San Francisco, Calif.: Morgan Kaufmann, 2001.
  109. Klug A. Equivalence of Relational Algebra and Relational Calculus Query Languages Having Aggregate Functions // JACM 29. July 1982. — № 3.
  110. Mediators in the architecture of future information systems // IEEE Computer.-1999.- V.25.-№ 3.- P. 38−49.
  111. Yannis Kotidis and Nick Roussopoulos. DynaMat: A Dynamic ViewManagement System for Data Warehouses. In Proc. of ACM SIGMOD Conference, 1999 June.
  112. Yemeni R., Papakonstantinou Y., Abiteboul S., and Garcia-Molina H. Fusion queries over internet databases // In proc. of the conf. on extending database technology (EDBT). Valencia: Spain, 1998.- P. 57−71.
Заполнить форму текущей работой

Заказал и сдал!