Geum.ru

Реферат по предмету Компьютеры, программирование

  • 441. Теория чисел (программа-калькулятор на Pascal)
    Рефераты Компьютеры, программирование
  • 442. Теория чисел (программа-калькулятор) - формирование заданного подмножества натурального ряда с помощью общего делителя
    Рефераты Компьютеры, программирование
  • 443. Терминология теории систем (автоматизированные и автоматические системы)
    Рефераты Компьютеры, программирование

    Структуру часто представляют в виде иерархии. Иерархия - это упорядоченность компонентов по степени важности (многоступенчатость, служебная лестница). Между уровнями иерархической структуры могут существовать взаимоотношения строгого подчинения компонентов (узлов) нижележащего уровня одному из компонентов вышележащего уровня, т. е. отношения так называемого древовидного порядка. Такие иерархии называют сильными или иерархиями типа «дерева». Они имеют ряд особенностей, делающих их удобным средством представления систем управления. Однако могут быть связи и в пределах одного уровня иерархии. Один и тот же узел нижележащего уровня может быть одновременно подчинен нескольким узлам вышележащего уровня. Такие структуры называют иерархическими структурами со слабыми связями. Между уровнями иерархической структуры могут существовать и более сложные взаимоотношения, например, типа «страт», «слоев», «эшелонов», которые детально рассмотрены в . Примеры иерархических структур: энергетические системы, АСУ, государственный аппарат.

  • 444. Терминология теории систем. Классификация систем. Закономерности систем
    Рефераты Компьютеры, программирование

    Системный анализ. В настоящее время системный анализ является наиболее конструктивным направлением. Этот термин применяется неоднозначно. В одних источниках он определяется как «приложение системных концепций к функциям управления, связанным с планированием» [5]. В других - как синоним термина «анализ систем» (Э. Квейд) или термина «системные исследования» (С. Янг). Однако независимо от того, применяется он только к определению структуры целей системы, к планированию или к исследованию системы в целом, включая и функциональную и обеспечивающую части, работы по системному анализу существенно отличаются от рассмотренных выше тем, что в них всегда предлагается методология проведения исследований, делается попытка выделить этапы исследования и предложить методику выполнения этих этапов в конкретных условиях. В этих работах всегда уделяется особое внимание определению целей системы, вопросам формализации представления целей. Некоторые авторы даже подчеркивают это в определении: системный анализ - это методология исследования целенаправленных систем (Д. Киланд, В. Кинг).

  • 445. Технические средства обучения
    Рефераты Компьютеры, программирование
  • 446. Технический анализ рынка ценных бумаг на примере акций РАО "ЕЭС Россия" 2001-2002 гг.
    Рефераты Компьютеры, программирование
  • 447. Технологии поиска документальной информации в INTERNET
    Рефераты Компьютеры, программирование

    Ñëåäóþùåå ñîîáðàæåíèå ãîâîðèò â ïîëüçó òîãî, ÷òî ñîâïàäåíèÿ íå ñëèøêîì âåðîÿòíû. Ïóñòü ÷èñëî p ôèêñèðîâàíî è ê òîìó æå ïðîñòîå, à X è Y - äâà ðàçëè÷íûõ ñëîâà äëèíû n. Òîãäà èì ñîîòâåòñòâóþò ðàçëè÷íûå ìíîãî÷ëåíû (ìû ïðåäïîëàãàåì, ÷òî êîäû âñåõ áóêâ ðàçëè÷íû - ýòî âîçìîæíî, åñëè p áîëüøå ÷èñëà áóêâ àëôàâèòà). Ñîâïàäåíèå çíà÷åíèé ôóíêöèè îçíà÷àåò, ÷òî â òî÷êå x ýòè äâà ðàçëè÷íûõ ìíîãî÷ëåíà ñîâïàäàþò, òî åñòü èõ ðàçíîñòü îáðàùàåòñÿ â 0. Ðàçíîñòü åñòü ìíîãî÷ëåí ñòåïåíè n-1 è èìååò íå áîëåå n-1 êîðíåé. Òàêèì îáðàçîì, åñëè è ìíîãî ìåíüøå p, òî ñëó÷àéíîìó x ìàëî øàíñîâ ïîïàñòü â íåóäà÷íóþ òî÷êó.

  • 448. Технологические особенности обработки текстовой информации. Основные программные средства. Отличие т...
    Рефераты Компьютеры, программирование

    Разберём технологические особенности обработки текстовой информации в программе Microsoft Word. Microsoft Word мощный текстовый процессор, предназначенный для выполнения всех процессов обработки текста: от набора и верстки, до проверки орфографии, вставки в текст графики в стандарте *.pcx или *.bmp, распечатки текста. Он работает с многими шрифтами, как с русским, так и с любым из двадцати одного языка мира. В одно из многих полезных свойств Word входит автоматическая коррекция текста по границам, автоматический перенос слов и правка правописи слов, сохранение текста в определенный устанавливаемый промежуток времени, наличие макетов текстов и шаблонов, позволяющих в считанные минуты создать деловое письмо, факс, автобиографию, расписание, календарь и многое другое. Word обеспечивает поиск заданного слова или фрагмента текста, замену его на указанный фрагмент, удаление, копирование во внутренний буфер или замену по шрифту, гарнитуре или размеру шрифта, а так же по надстрочным или по подстрочным символам. Наличие закладки в тексте позволяет быстро перейти к заложенному месту в тексте. Можно так же автоматически включать в текст дату, время создания, обратный адрес и имя написавшего текст. При помощи макрокоманд Word позволяет включать в текст базы данных или объекты графики, музыкальные модули в формате *.wav. Для ограничения доступа к документу можно установить пароль на текст, который Word будет спрашивать при загрузке текста для выполнения с ним каких-либо действий. Word позволяет открывать много окон для одновременной работы с несколькими текстами, а также разбить одно активное окно по горизонтали на два и выровнять их.

  • 449. Технология PLC (Power Line Communication)
    Рефераты Компьютеры, программирование

    При использовании предыдущего метода система может не успеть адаптироваться к быстро изменившимся условиям, в результате часть битов будет разрушена и утеряна. Для решения этой проблемы используется двухступенчатое (каскадное) помехоустойчивое кодирование битовых потоков перед тем, как они будут промодулированы и поступят в канал передачи данных. Суть помехоустойчивого кодирования состоит в добавлении в исходный информационный поток по определенным алгоритмам избыточных ("защитных") битов, которые используются декодером на приемном конце для обнаружения и исправления ошибок. Каскадирование блочного кода Рида-Соломона и простого сверточного кода, декодируемого по алгоритму Витерби, позволяет исправлять не только одиночные ошибки, но и пакеты ошибок, обеспечивая тем самым практически 100% гарантию целостности передаваемых данных. Кроме того, помехоустойчивое кодирование является и способом технического закрытия, обеспечивающего относительную безопасность передаваемой информации в общей среде передачи.
    Ещё одним проблемным моментом является то, что сеть бытового электропитания служит общей средой передачи данных, то есть в один момент времени передачу могут осуществлять сразу несколько устройств. В такой ситуации для разрешения конфликтов столкновения трафика необходим регулирующий механизм - протокол доступа к среде. В качестве такого протокола был выбран хорошо известный Ethernet, который в технологии Powerline был расширен путем добавления дополнительных полей приоритезации. Такая модификация вызвана необходимостью гарантированной полосы пропускания для передачи голоса и видео через IP, когда величина задержки является критичным параметром. Пакеты, содержащие голос или видео в этом случае помечаются как "timing critical", т. е. имеют самый высокий приоритет при обработке и доступе к среде передачи.
    Практическая реализация и использование PowerLine
    Итак, мы рассмотрели основные принципы технологии Powerline. К сожалению, доступ к полной версии стандарта HomePlug 1.0 specification ограничен (только члены HomePlug Alliance), и за кадром остались такие интересные вопросы как требования к электропроводке, дальности передачи и структура построения. Приблизительно оценить отдельные параметры можно на примере некоторых производителей. Так фирма Phonex предлагает устройство Phonex Broadband QX-201 NeverWire 14 (рис.10) с максимальной скоростью до 14 Мб/с.

  • 450. Технология извлечения знаний из нейронных сетей: апробация, проектирование ПО, использование в психо...
    Рефераты Компьютеры, программирование

     

    1. Лорьер Ж.-Л. Системы искусственного интеллекта. М.: Мир, 1991. - 568с.
    2. Искусственный интеллект. В 3-х кн. Кн. 2. Модели и методы: Справочник / Под ред. Д.А.Поспелова. М.: Радио и связь, 1990. - 304с.
    3. Хафман И. Активная память. М.: Прогресс. 1986. - 309с.
    4. Бонгард М.М. Проблема узнавания. М.: Наука, 1967. - 320с.
    5. Загоруйко Н.Г. Методы обнаружения закономерностей. М.: Наука, 1981. - 115с.
    6. Гаек П., Гавранек Т. Автоматическое образование гипотез. М.: Наука, 1984. - 278с.
    7. Гуревич Ю.В., Журавлев Ю.И. Минимизация булевых функций и и эффективные алгоритмы распознавания // Кибернетика. - 1974, №3. - с.16-20.
    8. Искусственный интеллект. В 3-х кн. Кн. 1. Системы общения и экспертные системы: Справочник / Под ред. Э.В.Попова. М.: Радио и связь, 1990. - 464с.
    9. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика: Основы моделирования и первичная обработка данных. М.: Финансы и статистика, 1983. - 471с.
    10. Загоруйко Н.Г. Гипотезы компактности и -компактности в алгоритмах анализа данных // Сибирский журнал индустриальной математики. Январь-июнь, 1998. Т.1, №1. - с.114-126.
    11. Браверман Э.М., Мучник И.Б. Структурные методы обработки эмпирических данных. М.: Наука, 1983. - 464с.
    12. Дуда Р., Харт П. Распознавание образов и анализ сцен. М.: Мир, 1976. - 512с.
    13. Цыпкин Я.З. Информационная теория идентификации. М.: Наука, 1995. - 336с.
    14. Айзерман М.А., Браверман Э.М., Розоноер Л.И. Метод потенциальных функций в теории обучения машин. - М.: Наука, 1970. - 240с.
    15. Россиев Д.А. Самообучающиеся нейросетевые экспертные системы в медицине: теория, методология, инструментарий, внедрение. Автореф. дисс. … доктора биол. наук. Красноярск, 1996.
    16. Горбань А.Н. Обучение нейронных сетей. М.: изд. СССР-США СП "ParaGraph", 1990. - 160с. (English Translation: AMSE Transaction, Scientific Siberian, A, 1993, Vol. 6. Neurocomputing, рp.1-134).
    17. Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере. Новосибирск: Наука, 1996. - 276с.
    18. Нейроинформатика / А.Н. Горбань, В.Л. Дунин-Барковский, А.Н. Кирдин и др. Новосибирск: Наука, 1998. - 296с.
    19. Ежов А.А., Шумский С.А. Нейрокомпьютинг и его применение в финансах и бизнесе. М.: МИФИ, 1998.
    20. Миркес Е.М. Нейрокомпьютер: проект стандарта. Новосибирск, Наука, 1998.
    21. Kwon O.J., Bang S.Y. A Design Method of Fault Tolerant Neural Networks / Proc. ICNN 1994, Seoul, Korea. - Vol.1. - pp. 396-400.
    22. Горбань А.Н., Царегородцев В.Г. Методология производства явных знаний из таблиц данных при помощи обучаемых и упрощаемых искусственных нейронных сетей // Труды VI Международной конференции "Математика. Компьютер. Образование" / - М.: Прогресс-традиция, 1999. - Ч.I. - С.110-116.
    23. Царегородцев В.Г. Извлечение явных знаний из таблиц данных при помощи обучаемых и упрощаемых искусственных нейронных сетей // Материалы XII Международной конференции по нейрокибернетике. - Ростов-на-Дону. Изд-во СКНЦ ВШ. 1999.- 323с. - С.245-249.
    24. Reed R. Pruning Algorithms - a Survey / IEEE Trans. on Neural Networks, 1993, Vol.4, №5. - pp.740-747.
    25. Depenau J., Moller M. Aspects of Generalization and Pruning / Proc. WCNN'94, 1994, Vol.3. - pp.504-509.
    26. Гилев С.Е., Коченов Д.А., Миркес Е.М., Россиев Д.А. Контрастирование, оценка значимости параметров, оптимизация их значений и их интерпретация в нейронных сетях // Доклады III Всероссийского семинара “Нейроинформатика и ее приложения”. Красноярск, 1995.- С.66-78.
    27. Weigend A.S., Rumelhart D.E., Huberman B.A. Generalization by Weights-elimination with Application to Forecasting / Advances in Neural Information Processing Systems. Morgan Kaufmann, 1991. Vol.3. - pp. 875-882.
    28. Yasui S. Convergence Suppression and Divergence Facilitation for Pruning Multi-Output Backpropagation Networks / Proc. 3rd Int. Conf. on Fuzzy Logic, Neural Nets and Soft Computing, Iizuka, Japan, 1994. - pp.137-139.
    29. Yasui S. A New Method to Remove Redundant Connections in Backpropagation Neural Networks: Inproduction of 'Parametric Lateral Inhibition Fields' / Proc. IEEE INNS Int. Joint Conf. on Neural Networks, Beijing, Vol.2. - pp.360-367.
    30. Yasui S., Malinowski A., Zurada J.M. Convergence Suppression and Divergence Facilitation: New Approach to Prune Hidden Layer and Weights in Feedforward Neural Networks / Proc. IEEE Int. Symposium on Circuits and Systems 1995, Seattle, WA, USA. Vol.1. - pp.121-124.
    31. Malinowski A., Miller D.A., Zurada J.M. Reconciling Training and Weight Suppression: New Guidelines for Pruning-efficient Training / Proc. WCNN 1995, Washington, DC, USA. Vol.1. - pp.724-728.
    32. Krogh A., Hertz J. A Simple Weight Decay can Improve Generalization / Advances in Neural Infromation Processing Systems 4, 1992. - pp. 950-957.
    33. Kamimura R., Nakanishi S. Weight-decay as a Process of Redundancy Reduction / Proc. WCNN, 1994, Vol.3. - pp.486-489.
    34. Karnin E.D. A Simple Procedure for Pruning Back-propagation Trained Network / IEEE Trans. on Neural Networks, June 1990. Vol. 1, No.2. - pp.239-242.
    35. Le Cun Y., Denker J.S., Solla S.A. Optimal Brain Damage / Advances in Neural Information Processing Systems 2. - Morgan Kaufmann, 1990. - pp.598-605.
    36. Hassibi B., Stork D.G., Wolff G. Optimal Brain Surgeon: Extensions and Performance Comparisions / Advances in Neural Information Processing Systems 6, 1994. pp.263-270.
    37. Гилев С.Е. Алгоритм сокращения нейронных сетей, основанный на разностной оценке вторых производных целевой функции // Нейроинформатика и ее приложения : Тезисы докладов V Всеросс. семинара, 1997. Красноярск. КГТУ. 1997. - 190с. - C.45-46.
    38. Tanpraset C., Tanpraset T., Lursinsap C. Neuron and Dendrite Pruning by Synaptic Weight Shifting in Polynomial Time / Proc. IEEE ICNN 1996, Washington, DC, USA. Vol.2. - pp.822-827.
    39. Kamimura R. Principal Hidden Unit Analysis: Generation of Simple Networks by Minimum Entropy Method / Proc. IJCNN 1993, Nagoya, Japan. - Vol.1. - pp.317-320.
    40. Mozer M.C., Smolensky P. Using Relevance to Reduce Network Size Automatically / Connection Science. 1989. Vol.1. - pp.3-16.
    41. Mozer M.C., Smolensky P. Skeletonization: A Technique for Trimming the Fat from a Network via Relevance Assessment / Advances in Neural Network Information Processing Systems 1, Morgan Kaufmann, 1989. - pp.107-115.
    42. Watanabe E., Shimizu H. Algorithm for Pruning Hidden Units in Multi Layered Neural Network for Binary Pattern Classification Problem / Proc. IJCNN 1993, Nagoya, Japan. - Vol.1. - pp.327-330.
    43. Yoshimura A., Nagano T. A New Measure for the Estimation of the Effectiveness of Hidden Units / Proc. Annual Conf. JNNS, 1992. - pp.82-83.
    44. Murase K., Matsunaga Y., Nakade Y. A Back-propagation Algorithm which Automatically Determines the Number of Association Units / Proc. IJCNN, Singapore, 1991. - Vol.1. - pp.783-788.
    45. Matsunaga Y., Nakade Y., Yamakawa O., Murase K, A Back-propagation Algorithm with Automatic Reduction of Association Units in Multi-layered Neural Network / Trans. on IEICE, 1991. Vol. J74-DII, №8. - pp.1118-1121.
    46. Hagiwara M. Removal of Hidden Units and Weights for Back Propagation Networks / Proc. IJCNN 1993, Nagoya, Japan. - Vol.1. - pp.351-354.
    47. Majima N., Watanabe A., Yoshimura A., Nagano T. A New Criterion "Effectiveness Factor" for Pruning Hidden Units / Proc. ICNN 1994, Seoul, Korea. - Vol.1. - pp. 382-385.
    48. Царегородцев В.Г. Производство полуэмпирических знаний из таблиц данных с помощью обучаемых искусственных нейронных сетей // Методы нейроинформатики. Красноярск: Изд-во КГТУ, 1998. - 205c. - C.176-198.
    49. Sietsma J., Dow R.J.F. Neural Net Pruning - Why and How / Proc. IEEE IJCNN 1988, San Diego, CA. Vol.1. - pp. 325-333.
    50. Sietsma J., Dow R.J.F. Creating Artificial Neural Network that Generalize / Neural Networks, 1991. Vol.4, No.1. - pp.67-79.
    51. Yamamoto S., Oshino T., Mori T., Hashizume A., Motoike J. Gradual Reduction of Hidden Units in the Back Propagation Algorithm, and its Application to Blood Cell Classification / Proc. IJCNN 1993, Nagoya, Japan. - Vol.3. - pp.2085-2088.
    52. Sarle W.S. How to measure importance of inputs? SAS Institute Inc., Cary, NC, USA, 1999. ftp://ftp.sas.com/pub/neural/importance.html
    53. Goh T.-H. Semantic Extraction Using Neural Network Modelling and Sensitivity Analisys / Proc. IJCNN 1993, Nagoya, Japan. - Vol.1. - pp.1031-1034.
    54. Howlan S.J., Hinton G.E. Simplifying Neural Network by Soft Weight Sharing / Neural Computations, 1992. Vol.4. №4. - pp.473-493.
    55. Keegstra H., Jansen W.J., Nijhuis J.A.G., Spaanenburg L., Stevens H., Udding J.T. Exploiting Network Redundancy for Low-Cost Neural Network Realizations / Proc. IEEE ICNN 1996, Washington, DC, USA. Vol.2. - pp.951-955.
    56. Chen A.M., Lu H.-M., Hecht-Nielsen R. On the Geometry of Feedforward Neural Network Error Surfaces // Neural Computations, 1993. - 5. pp. 910-927.
    57. Гордиенко П. Стратегии контрастирования // Нейроинформатика и ее приложения : Тезисы докладов V Всероссийского семинара, 1997 / Под ред. А.Н.Горбаня. Красноярск. КГТУ. 1997. - 190с. - C.69.
    58. Gorban A.N., Mirkes Ye.M., Tsaregorodtsev V.G. Generation of explicit knowledge from empirical data through pruning of trainable neural networks / Int. Joint Conf. on Neural Networks, Washington, DC, USA, 1999.
    59. Ishibuchi H., Nii M. Generating Fuzzy If-Then Rules from Trained Neural Networks: Linguistic Analysis of Neural Networks / Proc. 1996 IEEE ICNN, Washington, DC, USA. Vol.2. - pp.1133-1138.
    60. Lozowski A., Cholewo T.J., Zurada J.M. Crisp Rule Extraction from Perceptron Network Classifiers / Proc. 1996 IEEE ICNN, Washington, DC, USA. Plenary, Panel and Special Sessions Volume. - pp.94-99.
    61. Lu H., Setiono R., Liu H. Effective Data Mining Using Neural Networks / IEEE Trans. on Knowledge and Data Engineering, 1996, Vol.8, №6. pp.957-961.
    62. Duch W., Adamczak R., Grabczewski K. Optimization of Logical Rules Derived by Neural Procedures / Proc. 1999 IJCNN, Washington, DC, USA, 1999.
    63. Duch W., Adamczak R., Grabczewski K. Neural Optimization of Linguistic Variables and Membership Functions / Proc. 1999 ICONIP, Perth, Australia.
    64. Ishikawa M. Rule Extraction by Successive Regularization / Proc. 1996 IEEE ICNN, Washington, DC, USA. Vol.2. - pp.1139-1143.
    65. Sun R., Peterson T. Learning in Reactive Sequential Decision Tasks: the CLARION Model / Proc. 1996 IEEE ICNN, Washington, DC, USA. Plenary, Panel and Special Sessions Volume. - pp.70-75.
    66. Gallant S.I. Connectionist Expert Systems / Communications of the ACM, 1988, №31. pp.152-169.
    67. Saito K., Nakano R. Medical Diagnostic Expert System Based on PDP Model / Proc. IEEE ICNN, 1988. pp.255-262.
    68. Fu L.M. Rule Learning by Searching on Adapted Nets / Proc. AAAI, 1991. - pp.590-595.
    69. Towell G., Shavlik J.W. Interpretation of Artificial Neural Networks: Mapping Knowledge-based Neural Networks into Rules / Advances in Neural Information Processing Systems 4 (Moody J.E., Hanson S.J., Lippmann R.P. eds.). Morgan Kaufmann, 1992. - pp. 977-984.
    70. Fu L.M. Rule Generation From Neural Networks / IEEE Trans. on Systems, Man. and Cybernetics, 1994. Vol.24, №8. - pp.1114-1124.
    71. Yi L., Hongbao S. The N-R Method of Acquiring Multi-step Reasoning Production Rules Based on NN / Proc. 1996 IEEE ICNN, Washington, DC, USA. Vol.2. - pp.1150-1155.
    72. Towell G., Shavlik J.W., Noodewier M.O. Refinement of Approximately Correct Domain Theories by Knowledge-based Neural Networks / Proc. AAAI'90, Boston, MA, USA, 1990. - pp.861-866.
    73. Towell G., Shavlik J.W. Extracting Refined Rules from Knowledge-based Neural Networks / Machine Learning, 1993. Vol.13. - pp. 71-101.
    74. Towell G., Shavlik J.W. Knowledge-based Artificial Neural Networks / Artificial Intelligence, 1994. Vol.70, №3. - pp.119-165.
    75. Opitz D., Shavlik J. Heuristically Expanding Knowledge-based Neural Networks / Proc. 13 Int. Joint Conf. on Artificial Intelligence, Chambery, France. Morgan Kaufmann, 1993. - pp.1360-1365.
    76. Opitz D., Shavlik J. Dynamically Adding Symbolically Meaningful Nodes to Knowledge-based Neural Networks / Knowledge-based Systems, 1995. - pp.301-311.
    77. Craven M., Shavlik J. Learning Symbolic Rules Using Artificial Neural Networks / Proc. 10 Int. Conf. on Machine Learning, Amherst, MA, USA. Morgan Kaufmann, 1993. - pp.73-80.
    78. Craven M., Shavlik J. Using Sampling and Queries to Extract Rules from Trained Neural Networks / Proc. 11 Int. Conf. on Machine Learning, New Brunswick, NJ, USA, 1994. - pp.37-45.
    79. Medler D.A., McCaughan D.B., Dawson M.R.W., Willson L. When Local int't Enough: Extracting Distributed Rules from Networks / Proc. 1999 IJCNN, Washington, DC, USA, 1999.
    80. Craven M.W., Shavlik J.W. Extracting Comprehensible Concept Representations from Trained Neural Networks / IJCAI Workshop on Comprehensibility in Machine Learning, Montreal, Quebec, Canada, 1995.
    81. Andrews R., Diederich J., Tickle A.B. A Survey and Critique of Techniques for Extracting Rules from Trained Artificial Neural Networks / Knowledge Based Systems, 1995, №8. - pp.373-389.
    82. Craven M.W., Shavlik J.W. Using Neural Networks for Data Mining / Future Generation Computer Systems, 1997.
    83. Craven M.W., Shavlik J.W. Rule Extraction: Where Do We Go From Here? Department of Computer Sciences, University of Wisconsin, Machine Learning Research Group Working Paper 99-1. 1999.
    84. Michalski R.S. A Theory and Methodology of Inductive Learning / Artificial Intelligence, 1983, Vol.20. pp.111-161.
    85. McMillan C., Mozer M.C., Smolensky P. The Connectionist Scientist Game: Rule Extraction and Refinement in a Neural Network / Proc. XIII Annual Conf. of the Cognitive Science Society, Hillsdale, NJ, USA, 1991. Erlbaum Press, 1991.
    86. Language, meaning and culture: the selected papers of C. E. Osgood / ed. by Charles. E. Osgood and Oliver C. S. Tzeng. New York (etc.) : Praeger, 1990 XIII, 402 S.
    87. Горбань П.А. Нейросетевая реализация метода семантического дифференциала и анализ выборов американских президентов, основанный на технологии производства явных знаний из данных // Материалы XXXVII Международной научной студенческой конференции "Cтудент и научно-технический прогресс": Информационные технологии. Новосибирск, НГУ, 1999
  • 451. Технология обработки графической информации в базовом курсе информатики
    Рефераты Компьютеры, программирование

    Режимы графического редактора определяют возможные действия пользователя, а также команды, которые пользователь может отдавать редактору в данном режиме.

    1. Режим работы с рисунком (рисование). В этом режиме на рабочем поле находится изображение инструмента. Пользователь наносит рисунков, редактирует его, манипулирует его фрагментами.
    2. Режим выбора и настройки инструмента. Курсор указатель находится в области панели инструментов. Кроме того, с помощью меню можно настроить инструмент на определенный тип и ширину линии, орнамент закраски.
    3. Режим выбора рабочих цветов. Курсор находится в области панели палитры. Здесь можно установить цвет фона, цвет рисунка. Некоторые ГР дают возможность пользователю изменять палитру.
    4. Режим работы с внешними устройствами. В этом режиме можно выполнять команды записи рисунка на диск, считывания рисунка с диска, вывода рисунка на печать. Графический редактор на профессиональных компьютерах могут работать со сканером, используя его для ввода изображения с листа.
  • 452. Технология разработки программного обеспечения
    Рефераты Компьютеры, программирование
  • 453. Типовые расчеты надежности систем на персональном компьютере
    Рефераты Компьютеры, программирование
  • 454. Типы Диалоговых окон
    Рефераты Компьютеры, программирование
  • 455. Трансляция всех модификаций команд add и cmp
    Рефераты Компьютеры, программирование
  • 456. Трехмерное моделирование в AutoCAD
    Рефераты Компьютеры, программирование
  • 457. Удалённый доступ к частной сети через Интернет с помощь технологии VPN
    Рефераты Компьютеры, программирование

    Основными компонентами туннеляявляются:
    -инициатор;
    - маршрутизируемаясеть;
    - туннельныйкоммутатор;
    - один или несколько туннельныхтерминаторов.
    Инициировать и разрывать туннель могут самые различные сетевые устройства и программное обеспечение. Например, туннель может быть инициирован ноутбуком мобильного пользователя, оборудованным модемом и соответствующим программным обеспечением для установления соединений удаленного доступа. В качестве инициатора может выступить также маршрутизатор экстрасети (локальной сети), наделенный соответствующими функциональными возможностями. Туннель обычно завершается коммутатором экстрасети или шлюзом провайдера услуг.
    Сам по себе принцип работы VPN не противоречит основным сетевым технологиям и протоколам. Например, при установлении соединения удаленного доступа клиент посылает серверу поток пакетов стандартного протокола PPP. В случае организации виртуальных выделенных линий между локальными сетями их маршрутизаторы также обмениваются пакетами PPP. Тем не менее, принципиально новым моментом является пересылка пакетов через безопасный туннель, организованный в пределах общедоступнойсети.
    Туннелирование позволяет организовать передачу пакетов одного протокола в логической среде, использующей другой протокол. В результате появляется возможность решить проблемы взаимодействия нескольких разнотипных сетей, начиная с необходимости обеспечения целостности и конфиденциальности передаваемых данных и заканчивая преодолением несоответствий внешних протоколов или схем адресации.
    Существующая сетевая инфраструктура корпорации может быть подготовлена к использованию VPN как с помощью программного, так и с помощью аппаратного обеспечения. Организацию виртуальной частной сети можно сравнить с прокладкой кабеля через глобальную сеть. Как правило, непосредственное соединение между удаленным пользователем и оконечным устройством туннеля устанавливается по протоколу PPP.
    Наиболее распространенный метод создания туннелей VPN инкапсуляция сетевых протоколов (IP, IPX,AppleTalk и т. д.) в PPP и последующая инкапсуляция образованных пакетов в протокол туннелирования. Обычно в качестве последнего выступает IP или (гораздо реже) ATM и Frame Relay. Такой подход называется туннелированием второго уровня, поскольку «пассажиром» здесь является протокол именно второгоуровня.
    Альтернативный подход инкапсуляция пакетов сетевого протокола непосредственно в протокол туннелирования (например, VTP) называется туннелированием третьегоуровня.
    Независимо от того, какие протоколы используются или какие цели преследуются при организации туннеля, основная методика остается практически неизменной. Обычно один протокол используется для установления соединения с удаленным узлом, а другой для инкапсуляции данных и служебной информации с целью передачи через туннель.
    В качестве примера использования туннеля для устранения несоответствий между протоколами и схемами адресации можно привести технологию Simple Internet Transition (SIT), которая должна появиться вместе с протоколом IPv6. Это тщательно разработанная группой инженеров (IETF) методология туннелирования, призванная облегчить переход от четвертой версии межсетевого протокола (IPv4) к шестой (IPv6). Эти версии достаточно отличаются, чтобы говорить о непосредственной совместимости сетей. Инкапсуляция же пакетов протокола IPv6 в пакеты IPv4 позволяет достичь необходимого уровня функциональной совместимости.

  • 458. Управление потоками данных в параллельных алгоритмах вычислительной линейной алгебры
    Рефераты Компьютеры, программирование

    Управление потоками данных в параллельных алгоритмах ____________

  • 459. Управление системой "Интеллектуальный дом" через Интернет. Аппаратно-программные решения внутренней ...
    Рефераты Компьютеры, программирование

    Макет интегрированной системы создавался на основе платформы Java при использовании средства создания распределенных приложений CORBA. Данное сочетание позволило быстро и с наименьшими затратами создать макет, отвечающий требованиям, предъявляемым к интергрированным системам в концепции интеллектуального дома. Технология CORBA представляет собой среду для функционирования и взаимодействия некоторых CORBA-объектов, предоставляющих друг другу сервисы. Использование механизма CORBA позволяет автоматически получить в создаваемой системе наличие следующих возможностей:

    1. независимость от аппаратной платформы и коммуникационных протоколов, что позволяет имитировать единство и прозрачность коммуникационной среды интегрированой системы управления;
    2. служба Имен и Поиска позволяет регистрировать и находить в единой, возможно распределенной базе данных все объекты системы; при этом она также обеспечивает перенос устройств и реконфигурацию сети без дополнительного ручного настраивания системы;
    3. поддержка транзакций дает возможность поддержки надежной среды взаимодействия между модулями системы
    4. служба сохранения состояния объектов позволяет в случае потери связи устройства с системой продолжать функционирование по алгоритмам, заложенным в самом устройстве и, при восстановлении связи, корректно возобновлять работу в составе системы;
    5. служба времени позволяет всем объектам системы синхронизировать свое время и получать реальные временные параметры, происходящих в системе событий;
    6. служба событий дает возможность различным объектам генерировать и рассылать в системе события, о которых должны быть извещены другие объекты, и получать события от других объектов для возможного изменения режима работы этих объектов
  • 460. Управление техническими системами
    Рефераты Компьютеры, программирование

    Прибор для управления процессом по временной программе, установленный на щите (командный пневматический прибор, многоцепное реле времени и т.д.).Прибор для измерения влажности регистрирующий, установленный на щите (вторичный прибор влагомера и т.д.).Первичный преобразователь для измерения качества продукта, установленный по месту (датчик рН-метра и т.д.).Прибор для измерения качества продукта показывающий, установленный по месту (газоанализатор на кислород и т.д.).Прибор для измерения качества продукта регистрирующий регулирующий, установленный на щите (вторичный самопишущий прибор регулятора концентрации серной кислоты в растворе и т.д.).Прибор для измерения радиоактивности показывающий с контактным устройством, установленный по месту (прибор для показаний и сигнализации предельно допустимых значений и -излучений).Прибор для измерения частоты вращения привода регистрирующий, установленный на щите (вторичный прибор тахогенератора).Прибор для измерения нескольких разнородных величин регистрирующий, установленный по месту (самопишущий дифманометр-расходомер с дополнительной записью давления и температуры).Прибор для измерения вязкости раствора показывающий, установленный по месту (вискозиметр показывающий).Прибор для измерения массы продукта показывающий с контактным устройством, установленный по месту (устройство электронно-тензометрическое сигнализирующее и т.д.).Прибор для контроля погасания факела печи бесшкальный с контактным устройством, установленный на щите (вторичный прибор запально-защитного устройства; применение резервной буквы В должно быть оговорено на поле схемы).