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

Индивидуальное прогнозирование параметров элементов и компонентов микросборок и узлов радиоэлектронных устройств передачи информации

Диссертация: Индивидуальное прогнозирование параметров элементов и компонентов микросборок и узлов радиоэлектронных устройств передачи информации
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Поэтому достаточно актуальной является разработка методов и средств прогнозирования, обладающих относительной простотой реализации, характеризующихся относительно невысокими требованиями к ресурсам ЭВМ и, при этом, позволяющих строить достаточно точные модели многомерных нелинейных объектов и процессов. Подмножеством таких методов являются эвристические методы — методы, не имеющие строгого… Читать ещё >

Содержание

  • 1. СОСТОЯНИЕ ВОПРОСА. ЦЕЛЬ И ЗАДАЧИ ИССЛЕДОВАНИЙ. ОБЗОР МЕТОДОВ ПРОГНОЗИРОВАНИЯ
    • 1. 1. Метод прогнозирования с использованием регрессионной модели
    • 1. 2. Метод экстраполяции
    • 1. 3. Использование теории распознавания образов
      • 1. 3. 1. Основные задачи адаптивного распознавания образов
      • 1. 3. 2. Метод дискриминантных функций
      • 1. 3. 3. Метод потенциальных функций
      • 1. 3. 4. Метод классификации с оценкой значимости признаков
      • 1. 3. 5. Метод сравнения с прототипом
      • 1. 3. 6. Метод к-ближайших соседей
      • 1. 3. 7. Алгоритмы вычисления оценок («голосования»)
      • 1. 3. 8. Коллективы решающих правил
    • 1. 4. Использование принципов нейронных сетей
    • 1. 5. Сравнительный анализ методов прогнозирования
    • 1. 6. Обзор операторов прогнозирования качества ЭРИ
    • 1. 7. Обзор программных средств прогнозирования
    • 1. 8. Краткие
  • выводы и постановка задач
  • 2. УПРАВЛЕНИЕ КАЧЕСТВОМ ЭЛЕМЕНТОВ И КОМПОНЕНТОВ МИКРОСБОРОК НА ЭТАПЕ ИНДИВИДУАЛЬНОГО ПРОГНОЗИРОВАНИЯ
    • 2. 1. Структурная модель управления качеством микросборок
    • 2. 2. Критерии информативности признаков
    • 2. 3. Отбор информативных параметров
    • 2. 4. Технология проведения испытаний
    • 2. 5. Методика проведения обучающего эксперимента
  • 2. 6-Виды отказов полупроводниковых приборов
    • 2. 6. 1. Полупроводниковые диоды и стабилитроны
    • 2. 6. 2. Транзисторы биполярные
    • 2. 6. 3. Транзисторы полевые
    • 2. 7. Дефекты конденсаторов
    • 2. 8. Виды отказов резисторов
  • 3. ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ ПРОГНОЗИРОВАНИЯ
    • 3. 1. Выбор языка программирования
    • 3. 2. Выбор ЭВМ
    • 3. 3. Разработка алгоритма программы
    • 3. 4. Состав модулей программы
    • 3. 5. Описание работы с программой
  • 4. ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ И ИХ АНАЛИЗ
    • 4. 1. Программа экспериментальных исследований
    • 4. 2. Методика экспериментальных исследований
    • 4. 3. Разработка операторов прогнозирования качества ЭРИ
      • 4. 3. 1. Исследование выборки конденсаторов
      • 4. 3. 2. Исследование выборки стабилитронов
      • 4. 3. 3. Исследование выборки резисторов
    • 4. 4. Выводы

Индивидуальное прогнозирование параметров элементов и компонентов микросборок и узлов радиоэлектронных устройств передачи информации (реферат, курсовая, диплом, контрольная)

Радиоэлектронная аппаратура (РЭА), являющаяся важнейшей составной частью сложных и разнообразных радиотехнических систем, должна в процессе эксплуатации выполнять возложенные на нее задачи формирования, усиления, преобразования, передачи и запоминания сигналов, несущих полезную информацию. Увеличение роли информации в жизни современного общества, рост потребностей в передаче, обработке, накоплении информации обусловливает широкое использование РЭА во всех областях народного хозяйства. Поэтому на РЭА возлагаются все более ответственные функции, что приводит к ее непрерывному усложнению. В связи с требованиями к повышению качества приборов и механизмов и все возрастающим значением сложных и дорогостоящих систем весьма актуальной в настоящее время становится задача оценки состояния сложной аппаратуры и ее элементов в процессе их изготовления и эксплуатации.

При разработке, изготовлении и эксплуатации объекта принимаются разнообразные меры, направленные на обеспечение его безотказности. Однако полностью устранить возможность появления отказов не удается. Поэтому задача поддержания работоспособного состояния объекта заключается, прежде всего, в своевременном прогнозировании отказов и устранении причин их появления. Прогнозирование отказов необходимо и для того, чтобы предупредить аварийные ситуации, которые могут повлечь за собой тяжелые последствия.

Наиболее действенными методами оценки состояния объектов и прогнозирования его изменения во времени являются методы технической диагностики, которая решает задачи распознавания состояний системы, определения причин нарушения работоспособности, а также установления вида и места дефекта.

Поэтому достаточно актуальной является разработка методов и средств прогнозирования, обладающих относительной простотой реализации, характеризующихся относительно невысокими требованиями к ресурсам ЭВМ и, при этом, позволяющих строить достаточно точные модели многомерных нелинейных объектов и процессов. Подмножеством таких методов являются эвристические методы — методы, не имеющие строгого теоретического обоснования, основанные на опыте и интуиции разработчика.

В настоящее время разработан большой арсенал методов технической диагностики, включающий статистические, вероятностные, логические [48- 50- 97- 111- 112- 3], нечеткие и нейросетевые методы [54- 56- 57].

Статистические, вероятностные и логические методы характеризуются относительной простотой реализации, однако требуют достаточно большого объема экспериментальных данных и не позволяют получать высокоточные модели многомерных объектов и процессов.

В свою очередь нейросетевые методы и методы нечеткой логики позволяют строить более точные модели в условиях ограниченного набора обучающих данных, но при этом характеризуются относительной сложностью практической реализации и высокими требованиями к ресурсам ЭВМ.

В настоящей работе для решения задач прогнозирования предлагается использовать комплексный подход к индивидуальному прогнозированию: комбинацию методов распознавания образов и экстраполяции. Это позволит сочетать достоинства обоих методов (используя ЭВМ и разработанный в рамках работы программный комплекс «Прогнозирование»), а также сократить временные и материальные затраты на индивидуальное прогнозирование, что имеет важное научное и промышленное значение.

Настоящая работа выполнена на основе тематического плана НИР, утвержденного ученым советом Самарского государственного аэрокосмического университета в 2000 году по теме «Индивидуальное прогнозирование параметров элементов и компонентов микросборок».

На основании выполненных исследований на защиту выносится: новая методика определения информативных параметров и выявления наилучших операторов прогнозирования. В ходе работы были доработаны алгоритмы существующих методов прогнозирования применительно к их реализации на ЭВМ. В работе также представлены следующие научные положения:

• Методика определения информативных параметров и выявления наилучших операторов прогнозирования.

• Математическое, алгоритмическое и программное обеспечение комплексной реализации методов экстраполяции, метода дискриминантных функций (МДФ), метода потенциальных функций (МПФ) и регрессионных моделей.

• Результаты теоретических исследований процессов прогнозирования методами экстраполяции, МДФ, МПФ и регрессионных моделей.

• Полученные данные лабораторных исследований по изучению влияния различных операторов прогнозирования на качество прогнозирования.

• Результаты производственных испытаний экспериментального программного комплекса для прогнозирования параметров элементов и узлов РЭА.

Диссертационная работа выполнена на кафедре «Конструирование и производство РЭС» и НИЛ-39 Самарского государственного аэрокосмического университета в 2000.2005 годах.

ОБЩИЕ ВЫВОДЫ.

1. Применение комплексных методов прогнозирования позволяет уменьшить объем выборки, а также сократить время и стоимость испытаний.

2. Показана эффективность комплексного, совместного использования различных методов прогнозирования с применением вычислительных средств.

3. Разработаны универсальные алгоритмы МДФ и МПФ для большого количества информативных параметров.

4. Построены операторы ИП различными методами для исследованных типов ЭРИ.

5. Сформулированы основные требования к программно-аппаратному обеспечению процесса прогнозирования, выбраны критерии оценки эффективности для каждого из методов.

6. Создан программный комплекс для проведения предварительной обработки данных и последующего прогнозирования с использованием суперпозиции методов экстраполяции, регрессионных моделей, МПФ и МДФ, который позволяет автоматизировать большинство рутинных этапов прогнозирования.

7. Проведен анализ влияния способа предварительного преобразования выборок на качество прогнозирования.

8. Показана возможность значительно ускорить процесс прогнозирования за счет применения программного комплекса «Прогнозирование». Это позволяет просчитывать одни и те же выборки одновременно несколькими методами, выбирая для дальнейшей оптимизации ту модель, которая дает наибольшее качество.

9. Обоснованы и проверены на практике методы выявления наиболее информативных параметров для прогнозирования и выявления наилучших операторов прогнозирования, а также изучено влияние различных факторов на качество прогнозирования (вид предварительного преобразования, метод прогнозирования, тип прогнозируемого параметра).

10. Выбраны, обоснованы и проверены экспериментальным путем численные критерии оценки качества прогнозирования различными методами.

Показать весь текст

Список литературы

  1. Doug Grant and Scott Wurcer AVOIDING PASSIVE-COMPONENT PITFALLS Analog Devices, Application Note, AN-348. -12 c.
  2. DubnerP.N. Statistical tests for feature selection in KORA recognition algorithms. Pattern Recognition And Image Analysis (http://infoscope.ws/AI/pattrec/featsel/index.html), 1994, v.4, No. 4, p.396.
  3. М.А., Бравеман Э. М., Розоноэр JI.H. Проблема обучения машин распознаванию внешних ситуаций В сб.: Самообучающиеся автоматические системы. — М.:Наука, 1966. — С. 121−125.
  4. М.А., Браверманн Э. М., Розоноэр Л. И. Метод потенциальных функций в теории обучения машин. — М.: Наука, 1970. 384 с.
  5. Т. Введение в многомерный статистический анализ. — М.: 1963.-500 с.
  6. А.И., ЖадновВ.В., Кофанов Ю. Н. Виды и причины отказов радиоэлектронных средств. — М.:МГИЭМ, 1995. — 64 с.
  7. В.В., Пиганов М. Н., Алиев M.JI. Индивидуальноепрогнозирование экстраполяцией стабильности тонкопленочных конденсаторов//Устройства, элементы и методы комплексной микроминиатюризации РЭА: Межвуз. сб. — Казань: КАИ, 1982. — С.87−90.
  8. В.В., Пиганов М. Н., Беляков А. И. Индивидуальное прогнозирование экстраполяцией стабильности тонкопленочных резисторов//Микроминиатюризация радиоэлектронных устройств: Межвуз. сб. —Рязань: РРТИ, 1981. Вып.4. —С.123−127.
  9. В.В., Пиганов М. Н., Скоморохов Г. Ю. Индивидуальное прогнозирование стабильности прецизионных тонкопленочных конденсаторов//Микроминиатюризация радиоэлектронных устройств: Межвуз. сб. —Рязань: РРТИ, 1980. Вып.З. — С.72−76.
  10. Ю.Л. Коллективные статистические решения при распознавании. — М.:Радио и связь, 1983. — 224 с.
  11. Е.И., Паршин В. В. Нейронные сети в системах автоматического распознавания речи //Зарубежная радиоэлектроника. 1998. № 4. С. 50−57.
  12. М.М. Проблема узнавания. — М.:Наука, 1967. 320 с.
  13. Боровиков В.П. Statistica: искусство анализа данных на компьютере. Для профессионалов. — СПб.: Питер, 2001.— 656 с.
  14. В.П., Ивченко Г. И. Прогнозирование в системе Statistica в среде WINDOWS. — М.: Финансы и статистика, 1999.— 382 с.
  15. С.М., Латышев В. Г., Петров К.А Исследование эффективности методов индивидуального прогнозирования состояния РЭС с использованием информативных параметров. — Бел.гос.ун-тинформатики и радиоэлектроники, 1996. — 102 с.
  16. С.М., СтасюкД.М., Зорин Д. В. Эффективность методов индивидуального прогнозирования в управлении качеством радиоаппаратуры. Сб. Ы Научной сессии, посвященной Дню радио, 4.1. — М.: РНТО РЭС им. А. С. Попова, 1996. С. 53−56.
  17. М.Н. Алгоритм обучению распознаванию образов «Кора» // Алгоритмы обучению распознаванию образов. — М.: Сов. радио, 1973. — С. 82−91.
  18. В.Н. Восстановление зависимостей по эмпирическим данным. — М.:Наука, 1979.-447 с.
  19. В.Н., Червоненкис А. Я. Теория распознавания образов. Стохастические проблемы обучения. — М.:Наука, 1974. 416 с.
  20. Ю.М., БычковЕ.Д. Автоматизированные системы контроля и диагностики РЭС: Учеб. пособие. — Омск Изд-во ОмГТУ 2001 — 100 с.
  21. Ю.Н., Дубровин В. И. Методики прогнозирования с использованием теории статистических оценок и статистической классификации //Высокие технологии в машиностроении /Материалы VI международного науч.-тех. семинара. — Харьков: ХГПУ, 1996.— С. 2627.
  22. Ю.Н., Дубровин В. И. Алгоритм классификации с использованием дискриминантных функций // Высокие технологии в машиностроении. /Сборник научных трудов ХГПУ. — Харьков, 1998. — С. 64−66.
  23. Г. Я. Методы распознавания образов (конспект лекций) // Библиотека диссертаций. — http://disser.hlO.ru/rasrazdell.html.
  24. Г. Я., Шибанов Г. П. Распознавание в системах автоконтроля. — М.:Машиностроение, 1973. 125 с.
  25. Вопросы статистической теории распознавания. Ю. Л. Барабаш,
  26. Б.В. Барский, В. Т. Зиновьев и др.- Под ред.Б. В. Барского. — М.: Советское радио, 1967. — 400 с.
  27. О.П., Обичкин Ю. Г., Блохин В. Г. Статистические методы в технологии производства радиоэлектронной аппаратуры /Под общ.ред. В. Н. Черняева. — М.: Энергия, 1977. 296 с.
  28. В.Г., ФлиорентГ.И. Теоретические основы инженерного прогнозирования. — М.: Наука, 1977. — 209 с.
  29. Ф.М. Физический эксперимент и статистические выводы.— Л.: изд. ЛГУ, 1982. — 190 с.
  30. А.Л., Гуревич И. Б., Скрипкин В. А. Современное состояние проблемы распознавания: Некоторые аспекты. — М.: Радио и связь (Кибернетика), 1985.- 160 с.
  31. А.Л., Скрипкин В. А. Методы распознавания. — М.: Высшая школа, 1989. —232 с.
  32. М.И., Королев С. Ю. Физические основы надежности интегральных микросхем: Учебное пособие. — Воронеж: Издательство Воронежского университета, 1995. — 200 с.
  33. ГОСТ 11 630–84. Приборы полупроводниковые. Общие технические условия. (Взамен ГОСТ 11 630–70) .— М.: Издательство стандартов, 1985.
  34. ГОСТ 21 342.0−75. Резисторы. Общие требования при измерении электрических параметров. Взамен ГОСТ 11 199–65 в части разд. 1, ГОСТ 3223–67 в части разд. 1. —М.: Издательство стандартов, 1994.
  35. ГОСТ 21 342.13−78. Резисторы. Метод измерения сопротивления изоляции. Взамен ГОСТ 3223–67 в части метода измерения сопротивления изоляции, ГОСТ 11 199–65 в части метода измерения сопротивления изоляции. — М.: Издательство стандартов, 1994.
  36. ГОСТ 21 342.14−86. Резисторы. Метод испытания импульсной нагрузки. -Взамен ГОСТ 21 342.14−78. — М.: Издательство стандартов, 1994.
  37. ГОСТ 21 342.15−78. Резисторы. Метод определения температурной зависимости сопротивления. Взамен ГОСТ 15 478–70.— М.: Издательство стандартов, 1994.
  38. ГОСТ 21 342.16−78. Резисторы. Метод измерения нелинейности сопротивления. —М.: Издательство стандартов, 1994.
  39. ГОСТ 21 342.17−78. Резисторы. Метод определения изменения сопротивления от изменения напряжения. Взамен ГОСТ 3223–67 в части метода определения изменения сопротивления от напряжения. — М.: Издательство стандартов, 1994.
  40. ГОСТ 21 342.19−78. Резисторы. Методы измерения уровня шумов. -Взамен ГОСТ 3223–67 в части метода проверки ЭДС собственных шумов, ГОСТ 11 199–65 в части метода проверки ЭДС собственных шумов. — М.: Издательство стандартов, 1994.
  41. ГОСТ 21 342.20−78. Резисторы. Метод измерения сопротивления. -Взамен ГОСТ 3223–67 в части метода измерения сопротивления, ГОСТ 11 199–65 в части метода измерения сопротивления.— М.: Издательство стандартов, 1994.
  42. ГОСТ 25 359–82. Изделия электронной техники. Общие требования к надежности и методы испытаний. — М.: Издательство стандартов, 1983.
  43. ГОСТ 25 360–82 Изделия электронной техники. Правила приемки. — М.: Издательство стандартов, 1994.
  44. ГОСТ Р 50 296−92. Конденсаторы постоянной емкости для электронной аппаратуры. Часть 10. Групповые технические условия на многослойные керамические конденсаторы-чипы постоянной емкости. — М.:
  45. Издательство стандартов, 1993.
  46. В.Т. Интегрированная система управления качеством в производстве бытовой радиоэлектронной аппаратуры: Дис.канд. техн. наук: 05.13.07. — Воронеж, 1996.- 143 с.
  47. И.Б., Журавлев Ю. И. Минимизация булевых функций и эффективные алгоритмы распознавания. — Кибернетика, 1974, № 3. — С. 16−20.
  48. С.В. Основы теории распознавания образов: Учеб. пособие./С.В. Дегтярев, Е. И. Духнич, Н. А. Кореневский и др.- М-во общ. и проф. образования Рос. Федерации. Кур. гос. техн. ун-т, 1999. — 152 с.
  49. Э. Методы анализа данных. (Перевод с французского С. А. Айвазяна, В. Д. Конакова, С. Ю. Адамова. Под редакцией С. А. Айвазяна и
  50. B.М. Бухштабера). — М.: Финансы и статистика, 1985. — 238 с.
  51. В.И. Алгоритмы обучения, основанные на построении решающих деревьев // Журнал вычислит, математики и математич. физики, 1982, т. 22, № 4. С. 963−974.
  52. А.А., Лумельский В. Я. Реализация алгоритмов обучения распознаванию образов без учителя на ЭВМ // Алгоритмы обучения распознаванию образов / Под ред. Вапника В. Н. — М.: Сов. радио, 1973,1. C. 181−198.
  53. В.И., Субботин С. А. Алгоритм классификации с оценкой значимости признаков. 3-я Международная конференция и выставка. — М. РНТОРЭС им. А. С. Попова, 2000. — С. 40−45.
  54. В.И., Субботин С. А. Эвристический алгоритм классификации и его нейросетевая интерпретация // Радюелектронжа. 1нформатика. Управлшня, 2000, № 1. — С. 72−76.
  55. Р., Харт П. Распознавание образов и анализ сцен /Пер.с англ. — М.: Мир, 1978. —510 с.
  56. В .П. Справочник по MathCAD PLUS 7.0 PRO.— М.: СК Пресс, 1998.-352 с.
  57. Дэн Оузьер и др. Delphi 3. Освой самостоятельно. Пер. с англ.— М.: «Издательство БИНОМ», 1998. 560 с.
  58. Дюк В. Data Mining — состояние, проблемы, новые решения (http://on.wplus.net/sparm/science/Datamining.html), 1999.
  59. Е.В. Алгоритмы распознавания типа «Кора»: сложность реализации и метрические свойства // Распознавание, классификация, прогноз. Математические методы и их применение. Вып. 2. — М.: Наука, 1989.-С. 99−125.
  60. ., Одел П. Кластерный анализ: Пер. с англ. — М.: Статистика, 1977.- 125 с.
  61. И.В., Карпов О. В., Пиганов М. Н. Анализ отказов конденсаторов // Радиоэлектроника, электротехника и энергетика: Тез. докл. XI междунар. науч.-техн. конф. студентов и аспирантов. — М: МЭИ, 2005. —С. 217−218.
  62. Ю.И. Избранные научные труды. — Изд. Магистр, 1999. -420 с.
  63. Ю.И. Об алгебраических методах в задачах распознавания и классификации // Распознавание. Классификация. Прогноз. Математические методы и их применение. Вып. 1. — М.: Наука. 1989. — С. 9−16.
  64. Ю.И., Гуревич И. Б. Распознавание образов и распознавание изображений // Распознавание, классификация, прогноз. Математические методы и их применение. Вып. 2. — М.: Наука, 1989. — С.5−72.
  65. Н.Г. Методы распознавания и их применение. — М.: Сов. радио, 1972. — 206 с.
  66. Ю.П., Кучерук С. Ю. Основы проектирования интеллектуальных систем.— Ьйр://1аза.о^.иаЛрг.рЬр?1ап§=икг&сЬ=1, 2002−2004.
  67. Испытания элементов радиоэлектронной аппаратуры (Физические методы надежности). Некрасов М. М., Платонов В. В., Дадеко Л. И. — Киев: Вища школа, 1981. 304 с.
  68. Х.А. Оптимизация обучения в математических моделях распознавания образов. Сборник научных трудов БирГПИ «Вопросы математического моделирования и механики сплошных сред». Выпуск 1. — Бирск, 1996. —С. 122−132.
  69. О.В. Индивидуальное прогнозирование параметров элементов и компонентов микросборок // Актуальные проблемы радиоэлектроники и телекоммуникаций: Материалы Всероссийской науч.-техн. конф. — Самара: СГАУ, 2004. — С. 52−53.
  70. О.В. Операторы прогнозирования качества бескорпусных стабилитронов // Актуальные проблемы радиоэлектроники ителекоммуникаций: материалы всероссийской НТК. — Самара: СГАУ, 2005, —С. 96−101.
  71. О.В. Операторы прогнозирования качества электрорадиоэлементов // Актуальные проблемы радиоэлектроники и телекоммуникаций: Материалы всероссийской НТК. — Самара: СГАУ, 2005.— С. 103−110.
  72. О.В. Реализация алгоритма прогнозирования по нескольким признакам для метода дискриминантных функций на ЭВМ // Вестник СГАУ. Серия «Актуальные проблемы радиоэлектроники». — Самара: СГАУ, 2004. Вып. 9. — С. 106−109.
  73. О.В. Алгоритмические особенности реализации метода экстраполяции при прогнозировании надежности микросборок // Вестник СГАУ. Серия «Актуальные проблемы радиоэлектроники».— Самара: СГАУ, 2003. Вып. 8. — С. 79−82.
  74. О.В. Индивидуальное прогнозирование стабильности элементов микросборок // Надежность и качество: Труды международного симпозиума. — Пенза: ПГУ, 2001. — С. 334−337.
  75. О.В. Использование нелинейных моделей при прогнозировании состояния РЭА методами экстраполяции // Прикладная математика: Труды конференции. — Самара: СГАУ, 2001. — С. 111−115.
  76. О.В. Определение объема выборки при индивидуальном прогнозировании различными методами // XXIX Гагаринские чтения: Труды Международной конференции. — М: МАТИ, 2004. — С. 117−119.
  77. О.В. Прогнозирование стабильности параметров тонкопленочных резисторов // Техническая кибернетика, радиоэлектроника и системы управления: Тезисы докладов VI Всероссийской науч. конф. студ. и аспир. — Таганрог: ТРТУ, 2002. — С. 196.
  78. О.В. Прогнозирование стабильности тонкопленочныхконденсаторов // VI Королевские чтения: Тез. докл. всеросс. научн. конференции. — Самара: СГАУ, 2001. — С. 72.
  79. О.В. Программная реализация алгоритмов прогнозирования // Королевские чтения: Труды конференции, СГАУ, 2001. — С.233−235.
  80. О.В., Еремина И. Н. Индивидуальное прогнозирование показателей качества микросборок методом экстраполяции // Надежность и Качество: Труды международного симпозиума. — Пенза: ПГУ, 2005. — С.354.
  81. О.В., Пиганов М. Н. Индивидуальное прогнозирование параметров элементов и компонентов микросборок // Надежность и Качество: Труды международного симпозиума. — Пенза: ПГУ, 2004. — С. 357.
  82. О.В., Пиганов М. Н. Структурная модель управления качеством микросборок на этапе индивидуального прогнозирования // Вестник СГАУ. Серия «Актуальные проблемы радиоэлектроники». — Самара:
  83. СГАУ, 2004. Вып. 9. — С. 101−105.
  84. Классификация и кластер / Под ред. Дж. Вэн Райвин- Пер. с англ. под ред. Ю. И. Журавлева. М.: Мир, 1978. 390 с.
  85. Н.Х., Дубровин В. И. Прогнозирование надежности элементов РЭС на основе информативных параметров // Теория и практика обеспечения надежности и качества радиоэлектронных средств. -Киев:УМК ВО, 1992. — С. 90−95.
  86. JI.T. Основы кибернетики. Основы кибернетических моделей, Т2.-Москва:Энергия, 1979. —584 с.
  87. В.Д. Комитеты систем неравенств и задача распознавания // Кибернетика, 1971, № 2. —С. 140−146.
  88. В.Д. Метод комитетов в задачах оптимизации и классификации. М.: Наука, 1990. 248 с.
  89. Г. Надежность программного обеспечения: Пер. с англ. — М.: Мир, 1980.-300 с.
  90. Математические методы распознавания образов: (ММРО-8): Тезисы докладов. 1997, Москва, ВЦ РАН. — 317 с.
  91. Математическое моделирование. Процессы в нелинейных средах/Под ред. A.A. Самарского, С. П. Курдюмова, В. А. Галактионова. М.: Наука, 1986.-312 с.
  92. В.Л., Гаджиев Т. С., Калкаманов Х. А. Корректные модели алгоритмов вычисления оценок ограниченной емкости. Сборник научных трудов молодых ученых Дагестанского пединститута. Махачкала, 1993. — С. 40−44.
  93. JI. Практика обеспечения надежности. Электроника, 1975, № 22. — С. 34−45.
  94. М., Пейперт С. Персептроны. М.: Мир, 1971. — 252 с.
  95. Дж.Г., Финк К. Д. Численные методы. Использование Matlab. -Вильяме, 2001. — 720 с.
  96. Н.Г. Планирование и обработка результатов — М.: Изд-во стандартов, 2000. — 301 с.
  97. Н.Г. Современные методы и алгоритмы обработки измерений и контроля качества продукции. -М.: Изд-во стандартов, 1995. — 167 с.
  98. Нейронные сети. Statistica Neural Networks: Пер. с англ.— М.: Горячая линия-Телеком, 2001.— 182 с.
  99. Неразрушающий контроль и диагностика: Справочник / В. В. Клюев, Ф. Р. Соснин, A.B. Ковалев и др.- Под ред. В. В. Клюева, 2-е изд., испр. и доп. М.: Машиностроение, 2003. — 656 с.
  100. Неразрушающий контроль элементов и узлов радиоэлектронной аппаратуры. Под редакцией Б. Е. Бердичевского М.: Советское радио, 1976.-296 с.
  101. ОСТ 470.012.007−71. Узлы функциональные. Метод индивидуального прогнозирования надежности.
  102. Ф.И., Тарасенко Ф. П. Введение в системный анализ -М.:Высшая школа, 1989. — 367 с.
  103. А.И., Карташов Г. Д., Цветаев К. Н. Основы ускоренных испытаний радиоэлементов на надежность. М.: Советское радио, 1968. — 224 с.
  104. В.Б., Андреева В. В. Индивидуальное прогнозирование состояния РЭА методами экстраполяции, учебное пособие — Куйбышев: КуАИ, 1981. — 92 с.
  105. В.Б., Андреева В.В. Индивидуальное прогнозирование состояния РЭА с использованием теории распознавания образов —
  106. Куйбышев: КуАИ, 1980. — 89 с.
  107. М.Н. Индивидуальное прогнозирование показателей качества элементов и компонентов микросборок. — М.: Новые технологии, 2002. — 267 с.
  108. М.Н. Индивидуальное прогнозирование стабильности резистивных элементов микросборок на основе регрессионных моделей//Надежность и качество: Труды междун. симпоз. 27.0502.06.02 — Россия, Пенза, 2002. — С. 67−69.
  109. М.Н. Прогнозирование показателей микросборок // Сертификация и управление качеством продукции: Матер. 2-й междун. НТК 21 — 23.05.02. — Брянск, Россия, 2002. — С. 83−85.
  110. М.Н. Совершенствование технологии исследовательских испытаний микросхем // Методы и средства оценки и повышения надежности приборов, устройств и систем: Тез. докл. междун. НТК. — Пенза, Россия, 1995. С. 52−53.
  111. М.Н., Плотников В. Б. Индивидуальное прогнозирование качества толстопленочных резисторов методом потенциальных функций//Сертификация и управление качеством продукции: Тез. докл. междун. НТК 13 — 15.10.99. — Брянск, Россия, 1999. — С. 416−417.
  112. А.И., Сливина H.A. Mathcad: математический практикум. М.: Финансы и Статистика, 1999. — 656 с.
  113. Прикладаная статистика: Классификация и снижение размерности: Справ, изд. / С. А. Айвазян, В. М. Бухштабер, И. С. Енюков, Л.Д. Мешалкин- Под ред. С. А. Айвазяна.-М.: Финансы и статистика, 1989. -607 с.
  114. B.C. Прогнозирование отказов полупроводниковых приборов. М.:Энергия, 1978. 112 с.
  115. К.В. О числе гиперплоскостей, разделяющих конечные множества точек // ДАН СССР, 1976, т. 231, № 6. С. 1296−1299.
  116. В.В. Надежность технических систем и ее прогнозирование. Часть 1. Надежность технических систем. Издание 2-е, исправленное. Пенза: ПТИ, 2001. — 100 с.
  117. В.В. Надежность технических систем и ее прогнозирование. Часть 2. Прогнозирование надежности технических систем. Издание 2-е, исправленное. Пенза: ПТИ, 2000. 95 с.
  118. В.В. О построении оптимальных алгоритмов распознавания и таксономии (классификации) при решении прикладных задач // Распознавание. Классификация. Прогноз. Математические методы и их применение. Вып. 1. М.: Наука, 1989. — С. 229−279.
  119. Г. С. Процессы принятия решений при распознавании образов. Киев: Техника, 1965. 312 с.
  120. В.Г. Технология микроэлектронных устройств : Учеб. пособие / Сергиев В. Г., Колмакова Н. С., Смыслова Р. В. — Челяб. гос. техн. ун-т, Каф. «Технология приборостроения», 1996. — 93 с.
  121. B.C., Луценко Е. В. Адаптивное управление сложными системами на основе теории распознавания образов: Монография (научное издание) / Техн. ун-т Кубан. гос. технол. ун-та. — Краснодар, 1999. —318 с.
  122. Ю.Ю. Решение прикладных задач на MathCAD. Методическое пособие по курсу «Математические модели и методы врасчетах на ЭВМ». Астрахань: Изд-во АГТУ, 1995. 40 с.
  123. Ю.Ю. Численные методы на Mathcad’e http://wvAv.exponenta.ru/educat/systemat/tarasevich/default.asp.
  124. А.Б. Практика применения методов прогнозирования показателей качества на промышленных предприятиях. — JL: ЛДНТП, 1977. —32 с.
  125. Ф.Е. Теоретические основы информационной техники. -М.: Энергия, 1979.-511 с.
  126. Технологическое обеспечение качества R и С элементов интегральных схем методом контроля информативных параметров / И. Н. Воженин, В. Е. Власова, Т. П. Власова и др. — Электронная техника. Серия 10. Микроэлектронные устройства, 1977, вып.5. — С. 106−110.
  127. Тренировка РЭА в форсированном режиме. Радиоэлектроника за рубежом, 1985, вып. 1(2). — С. 11−14.
  128. Ту Дж., Гонсалес Р. Принципы распознавания образов / Пер. с англ. -М.: Мир, 1978.-410 с.
  129. П. Искусственный интеллект / Пер. с англ., -М.: Мир, 1980.— 520 с.
  130. H.H., Михайлов С. К., Белякова Е. И. Прогнозирование качества продукции/Под ред. Л.С. Бляхмана- Л.:Наука, 1980. 127 с.
  131. В.В., Шумаков П.В. Delphi4. Руководство разработчика баз данных. — М.: «Нолидж», 1999. — 560 с.
  132. Физические основы надежности интегральных схем. Под редакцией Ю. Г. Миллера. М.: Советское радио, 1976 — 320с.
  133. В.Н. Математическая теория обучаемых опознающих систем. Л.: ЛГУ, 1976.-294 с.
  134. Я.А., Тарловский Г. Р. Статистическая теория распознавания образов. — М.: Радио и связь, 1986. — 264 с.
  135. Фу К. Структурные методы в распознавании образов / Пер. с англ. — М.:1. Мир, 1977. — 320 с.
  136. Я.З. Основы информационной теории идентификации.— М.: Наука, 1984.-520 с.
  137. Д.И., Кутолин С. А. Научные принципы прогнозирования перспективности материалов для целей микроэлектроники. — Электронная техника. Серия 6. Материалы, 1977, вып.4. — С. 48−56.
  138. Ю.В., Михайлов Ю. Б., Кузьмин В. И. Прогнозирование количественных характеристик процессов. — М.: Сов. радио, 1975. — 400 с.
Заполнить форму текущей работой

Заказал и сдал!