Инструментальное средство создания интеллектуальных систем идентификации технических состояний конструкций тема диссертации и автореферата по ВАК РФ 05.13.11, кандидат технических наук Юрин, Александр Юрьевич

• Юрин, Александр Юрьевич
• кандидат технических наук
• 2005

Оглавление диссертации кандидат технических наук Юрин, Александр Юрьевич

перечень сокращений. введение.

1. АНАЛИТИЧЕСКИЙ ОБЗОР.

1.1. Состояние исследований в области информационных технологий и систем.

1.2. Состояние исследований в области надежности деталей машин и конструкций.

1.3. Современные подходы к процедурам поддержки принятия решений, структуре СППР и способам их создания.

Выводы.

2. РАЗРАБОТКА КОНЦЕПЦИИ И МЕТОДОЛОГИИ ИССЛЕДОВАНИЯ.

2.1. Методика автоматизированного решения задачи идентификации технического состояния деталей машин и конструкций.

2.2. Концепция проблемно-ориентированного инструментального средства.

2.3. Методика создания проблемно-ориентированного инструментального средства.

Выводы.

3. МОДЕЛИРОВАНИЕ И ПРОЕКТИРОВАНИЕ ПРОБЛЕМНО-ОРИЕНТИРОВАННОГО ИНСТРУМЕНТАЛЬНОГО СРЕДСТВА.

3.1. Анализ требований к функциональности.

3.1.1. Пользователи.

3.1.2. Функции интеллектуальных систем.

3.1.3. Функции проблемно-ориентированного инструментального средства.

3.2. Концептуализация данных и знаний.

3.2.1. Объект.

3.2.2. Техническое состояние.

3.2.3. Параметры технического состояния.

3.2.4. Процесс деградации и его параметры.

3.2.5. Причины процесса деградации.

3.2.6. Мероприятия и последствия.

3.3. Формализация данных и знаний.

3.3.1. Прецедентная модель представления знаний.

3.3.2. Продукционная модель представления знаний.

3.4. Проектирование программного средства для работы с данными и знаниями предметной области.

3.4.1. Алгоритмическое обеспечение.

3.4.2. Графический интерфейс пользователя.

3.4.3. Управляющие классы.

3.4.4. База данных прецедентов.

3.4.5. База знаний.

3.4.6. Архитектура.

Выводы.

4. ПРОГРАММНАЯ РЕАЛИЗАЦИЯ ПРОБЛЕМНО-ОРИЕНТИРОВАННОГО ИНСТРУМЕНТАЛЬНОГО СРЕДСТВА.

4.1. Прецедентная экспертная система.

4.2. Продукционная экспертная система.

4.3. Модуль генерации отчетов.

4.4. Интерфейс.

Выводы.

5. СОЗДАНИЕ И ПРИМЕНЕНИЕ ПРИКЛАДНОЙ ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ (ИС ППР).

5.1. Методика создания ИС ППР при помощи инструментального средства.

5.2. Создание ИС ППР при помощи разработанного инструментального средства.

5.3. Применение ИС ППР для решения предметных задач.

5.3.1. Определение причин изменения технического состояния деталей (причины инцидента).

5.3.2. Прогнозирование технического состояния деталей.

5.3.3. Обоснование и/или выбор мероприятий по предотвращению технического состояния деталей, приводящего к отказам механических систем.

Выводы.

Введение диссертации (часть автореферата) на тему «Инструментальное средство создания интеллектуальных систем идентификации технических состояний конструкций»

Актуальность темы исследований. Проблема повышения эффективности и качества разработки прикладных программных систем все еще является актуальной и решается в различных направлениях: от совершенствования методики (методологии) разработки до создания специализированного инструментария, автоматизирующего данный процесс.

Совершенствование процесса разработки прикладных программ, за счет использования специализированного инструментария, связано с необходимостью создания такого инструментария применительно к различным предметным или проблемным областям. При этом наибольшая эффективность решения проблемы достигается тогда, когда программный инструментарий моделируется, проектируется и реализуется путем применения, релевантных к решаемым задачам и этапам создания, набора новых информационных технологий и инструментальных систем.

Одной из прикладных задач, требующей для своего эффективного решения создания прикладных программных систем, в том числе использующих знания и накопленный опыт предметных специалистов, является задача автоматизированной идентификации технического состояния деталей машин и конструкций. Причем машины и конструкции могут принадлежать к различным видам и типам. Точная и своевременная идентификация технического состояния деталей машин и конструкций позволит обеспечить систематическое и эффективное исследование и повышение надежности машин и конструкций на любой стадии их существования. Особенно это важно, когда рассматриваются детали, отказы которых нарушают безопасность и создают угрозу для обслуживающего персонала, населения и окружающей среды. В связи с этим актуальным является разработка специализированных (проблемно-ориентированных) инструментальных средств создания интеллектуальных систем (систем поддержки принятия решений), автоматизирующих процесс решения прикладных задач, направленных на повышение надежности и безопасности машин и конструкций.

Вопросы повышения эффективности управления, обеспечения качества разрабатываемых прикладных систем, автоматизации и поддержки принятия решений, в том числе с использованием методов искусственного интеллекта и информационных технологий, рассмотрены в трудах Башлыкова

A.А., Васильева С.Н., Гавриловой Т.А., Геловани В.А., Глушкова В.М., Вагина В.Н., Вендрова A.M., Воронина Ю.А., Емельянова Н.Е., Еремеева А.П., Ларичева О.И., Лескина А.А., Липаева В.В., Любарского Ю.Я., Мешалкина

B.П., Ноженковой Л.Ф., Осипова Г.С., Попова Э.В., Поспелова Г.С., Поспелова Д.А., Рыбиной Г.В., Рубашкина В.Ш., Сосинской С.С., Трахтенгерца Э.А., Тятюшкина А.И., Хорошевского В.Ф., Черноруцкого И.Г., Черняховской Л.Р. , Уразбахтиной Л.Б., Юсупова P.M. и др., а так же зарубежных ученых Джексона П., Люггера Д., Уотермена Д., Осуга С. и др.

Вопросам эффективного исследования и повышения надежности и безопасности машин и конструкций посвящены работы Алымова В.Т., Бермана А.Ф., Болотина В.В., Васильченко Г.С., Когаева В.П., Лепихина A.M., Маху-това Н.А., Мешалкина В.П., Москвичева В.В., Рембезы А.И., Рябинина И.А., Северцева Н.А., Тимашева С.А и др.

Связь работы с научными планами института и программами РАН. Исследование выполнялось в соответствии с планом фундаментальных исследований ИДСТУ СО РАН по проекту «Методы системного анализа и оптимального управления с приложениями к техническим, природно-производственным и социальным системам» и по Программе 16 Отделения энергетики, машиностроения, механики и процессов управления РАН «Динамика и устойчивость многокомпонентных машиностроительных систем с учетом техногенной безопасности» (координаторы - ак. РАН Матросов В.М., чл.-корр. РАН Махутов Н.А.), проект № 3.16. «Разработка основ моделирования и обеспечения устойчивости многокомпонентных машиностроительных систем при экстремальных условиях функционирования» (рук. д.т.н. А.Ф.Берман).

Цель работы. Моделирование, проектирование и реализация Проблемно-Ориентированного Инструментального Средства (ПОИС), предназначенного для создания Интеллектуальных Систем Поддержки Принятия Решений (ИС ППР), автоматизирующих процесс идентификации технического состояния деталей машин и конструкций.

Основные задачи диссертационной работы:

1. Анализ современных подходов, методов и средств создания интеллектуальных информационных систем и проблемы идентификации технического состояния деталей машин и конструкций.

2. Моделирование предметной области с использованием UML и средства его реализации IBM Rational Rose.

3. Разработка методики автоматизированного решения задачи идентификации технического состояния деталей машин и конструкций.

4. Разработка концепции и методики создания инструментального средства, включающих комплексное применение информационных технологий и систем для различных задач и этапов создания.

5. Моделирование, проектирование и программная реализация Проблемно-Ориентированного Инструментального Средства (ПОИС) для создания интеллектуальных систем автоматизирующих идентификацию технического состояния деталей машин и конструкций.

6. Использование разработанного проблемно-ориентированного инструментального средства для создания интеллектуальной информационной системы поддержки принятия решений при:

• определении причин изменения технического состояния и отказов деталей;

• прогнозировании технического состояния деталей;

• обосновании и/или выборе мероприятий по предотвращению или снижению скорости деградации технического состояния деталей.

Объектом исследования являются методы и средства искусственного интеллекта и информационные технологии применительно к созданию инструментальных средств.

Предметом исследования является разработка математического и программного обеспечения для автоматизации и информатизации процесса идентификации технического состояния деталей машин и конструкций.

Методы исследования. В работе использовались современные принципы и методы системного анализа, методология объектно-ориентированного анализа, моделирования и проектирования информационных систем, методы и средства искусственного интеллекта, основы теории распознавания образов и объектных баз данных.

На защиту выносится:

1. Методика автоматизированного решения задачи идентификации технического состояния деталей машин и конструкций.

2. Концепция проблемно-ориентированного инструментального средства, автоматизирующего процесс разработки интеллектуальных систем (систем поддержки принятия решений) для автоматизированной идентификации.

3. Методика создания проблемно-ориентированного инструментального средства.

4. Формальные и объектно-ориентированные графические (визуальные) модели предметных сущностей и инструментального средства, базирующиеся на языке моделирования UML.

5. Программная реализация проблемно-ориентированного инструментального средства для непрограммирующего пользователя и интеллектуальной системы поддержки принятия решений, автоматизирующей процесс идентификации технического состояния объектов в нефтехимической промышленности.

Научная новизна работы:

1. Разработанная методика автоматизированного решения задачи идентификации технического состояния деталей машин и конструкций предложена впервые, характеризуется совместным применением системного анализа, информационных технологий и методов искусственного интеллекта и включает:

• представление процесса функционирования деталей машин и конструкций в виде непрерывно-дискретной последовательности технических состояний: исходной дефектности, поврежденности, разрушения, отказа;

• комплексное применение трех подходов, обеспечивающих решение задачи идентификации: по прецедентам, по эвристическим правилам или путем их сочетания.

2. Предложенная концепция проблемно-ориентированного инструментального средства, обеспечивает автоматизацию процесса разработки интеллектуальных информационных систем непрограммирующими пользователями, реализующих новую методику (по пункту 1) автоматизированного решения задачи идентификации технического состояния.

3. Разработанная методика создания проблемно-ориентированного инструментального средства, отличается от известных комплексным применением информационных технологий и систем, в том числе:

• языка моделирования UML и реализующего его CASE-средства Rational Rose при моделировании предметных знаний, моделировании и проектировании программной системы, включая базу знаний продукционной ЭС CLIPS;

• ООСУБД Cache для обеспечения эффективного хранения (представления) предметных знаний в виде прецедентов;

• ЭС CLIPS для обеспечения эффективного хранения (представления) предметных знаний в виде продукций и фреймов.

• RAD-технология и средство ее реализации Borland Delphi для обеспечения быстрого прототипирования;

4. Впервые построены формальные и объектно-ориентированные графические (визуальные) модели предметных сущностей (данных и знаний) для задачи идентификации технического состояния и разработанного инструментального средства.

Практическая ценность:

1. Алгоритмическое обеспечение разработанной методики автоматизированного решения задачи идентификации технического состояния деталей машин и конструкций.

2. Автоматизация разработки прикладных программных систем на основе использования набора мастеров, обеспечивающих доступность и прозрачность процесса создания ИС ППР для непрограммирующих пользователей, снижение временных затрат на освоение систем (ПОИС и ИС ППР).

3. Разработка интеллектуальной системы поддержки принятия решений для: определения причин изменения технического состояния и отказов деталей; прогнозирования технического состояния деталей; обоснования и/или выбора мероприятий по предотвращению или снижению скорости изменения технического состояния.

Практическая значимость работы подтверждается использованием программной разработки в Институте Машиноведения РАН и ИДСТУ СО РАН.

Личный вклад автора заключается в постановке и реализации задач исследования; обеспечении и формулировке основных положений научной новизны и практической значимости работы; формализации и моделировании данных и знаний; в программной реализации инструментального средства для создания интеллектуальных систем поддержки принятия решений.

Используемый в программной системе модуль построения динамического интерфейса разработан Павловым А.И. и не является предметом защиты.

Логическая модель базы данных оборудования, разработанная совместно с Павловым А.И. и Николайчук О.А., и формальные модели предметной области (за исключением модели инцидента/прецедента), полученные совместно с научными руководителями, являются неделимыми, что отражено в совместных публикациях.

Апробация работы. Результаты работы докладывались: на Всероссийской конференции «Инфокоммуникационные и вычислительные технологии и системы» (Улан-Удэ, 2003 г.); на IV Всероссийской конференции молодых ученых по математическому моделированию и информационным технологиям (Красноярск, 2003 г.); на Международной конференции «Разрушение и мониторинг свойств металлов» (Екатеринбург, 2003 г.); на школах-семинарах молодых ученых, аспирантов и студентов г. Иркутска «Математическое моделирование и информационные технологии: управление, искусственный интеллект, прикладное программное обеспечение, технологии программирования» (Иркутск, 2003-2005 гг.); на III Всероссийской конференции «Математика, информатика, управление» (Иркутск, 2004 г.); на Международной конференции «Интеллектуальные системы» (IEEE AIS'04, 2004 г.); на V Международной конференции «Искусственный интеллект-2004» (Кацивели, 2004 г.); на V Всероссийской конференции с международным участием «Новые информационные технологии в исследовании сложных структур» (Иркутск, 2004 г.); на конференциях «Ляпуновские чтения & Презентация информационных технологий» (Иркутск, 2002-2004 гг.); на научно-образовательном совместном семинаре Центра исследования устойчивости и нелинейной динамики и кафедры математической кибернетики Московского авиационного института (Москва, 2005г.).

Публикации. По теме диссертации опубликовано 20 работ. В том числе три в изданиях рекомендованных ВАК, десять публикаций в трудах международных конференций и два Свидетельства об официальной регистрации программных продуктов.

Структура и объем работы. Диссертационная работа состоит из введения, пяти глав, заключения, списка литературы и шести приложений. Объем диссертации составляет 144 страницы, включая 55 рисунков и 10 таблиц. Список литературы содержит 221 наименование, приложение на 37 страницах.

Заключение диссертации по теме «Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей», Юрин, Александр Юрьевич

Выводы

Описана методика создания прикладных ИС ППР при помощи разработанного ПОИС. Особенностью методики является использование набора мастеров, обеспечивающих доступность и прозрачность процесса создания ИС ППР для непрограммирующих пользователей и снижение временных затрат на освоение программных систем (ПОИС и ИС ППР).

Приведены примеры, иллюстрирующие процесс создания и применения прикладных ИС ППР для решения задач: (а) определение причин изменения технического состояния деталей; (б) прогнозирование технического состояния деталей; (в) обоснование и/или выбор мероприятий по предотвращению технического состояния деталей, приводящего к отказам механических систем.

Примеры применения ИС ППР, рассмотренные выше, составляют вычислительный эксперимент, основная цель которого - проверка пригодности разработанных программных систем (ПОИС и ИС ППР) к решению прикладных задач и задачи идентификации технического состояния деталей машин и конструкций в частности. Заключение о пригодности формируется на основании оценки качества решений, полученных в процессе идентификации. Оценка качества определяется путем анализа точности подбора аналогов программной системой и учета мнения эксперта: насколько данное решение допустимо в данной ситуации.

Обще содержание эксперимента: (1) Формируются две группы по 50 инцидентов (прецедентов): группа 1 - «тестовая» и группа 2 - «базис» (инциденты, хранящиеся в базе прецедентов). Группа 1 содержит случаи, для которых априори известно о существовании аналогов в группе 2: для 45 случаев аналоги имеются, для 5 - нет; (2) ИС ППР предъявляются случаи из группы 1 для идентификации. (3) Анализируются результаты идентификации.

Для 45 случаев из группы 1 были найдены аналоги, для 5 - нет, и была произведена идентификация по правилам. Все решения, полученные в результате эксперимента, характеризуются качественным подбором аналогов и положительными экспертными оценками. Таким образом, можно говорить о пригодности ПОИС и ИС ППР для решения практических задач.

ЗАКЛЮЧЕНИЕ

В настоящее время наблюдается недостаток специализированных (проблемно-ориентированных) инструментальных средств, направленных на повышение эффективности и качества создания прикладных систем (в том числе СППР), и доступных для освоения и использования непрограммирующими пользователям-предметникам. Данная работа призвана, в какой-то мере, восполнить этот недостаток путем создания инструментального средства для разработки прикладных интеллектуальных систем, автоматизирующих процесс решения задачи идентификации технического состояния деталей машин и конструкций и использующих в процессе решения знания и накопленный опыт предметных специалистов.

К основным результатам данной работы следует отнести следующие:

Впервые предложена методика автоматизированного решения задачи идентификации технического состояния деталей машин и конструкций, отличающаяся совместным применением системного анализа, информационных технологий и методов искусственного интеллекта и включающая:

• представление процесса функционирования деталей машин и конструкций в виде непрерывно-дискретной последовательности технических состояний: исходной дефектности, поврежденности, разрушения, отказа и т.д.;

• комплексное применение трех подходов, обеспечивающих решение задачи идентификации: по прецедентам, по эвристическим правилам или путем их сочетания.

Предложена концепция проблемно-ориентированного инструментального средства, обеспечивающая автоматизацию процесса разработки интеллектуальных информационных систем непрограммирующими пользователями, применяющими новую методику (по предыдущему пункту) автоматизированного решения задачи идентификации технического состояния.

Разработана методика создания проблемно-ориентированного инструментального средства заключающаяся в комплексном применении информационных технологий и систем в том числе:

• UML и реализующего его CASE-средства Rational Rose при моделировании предметных знаний, моделировании и проектировании программной системы, включая базу знаний продукционной ЭС CLIPS;

• RAD-технологию и средство ее реализации Borland Delphi для обеспечения быстрого прототипирования;

• ООСУБД Cache для обеспечения эффективного хранения (представления) предметных знаний в виде прецедентов;

• ЭС CLIPS для обеспечения эффективного хранения (представления) предметных знаний в виде продукций и фреймов. Произведено моделирование и проектирование проблемно-ориентированного инструментального средства на основании предложенных концепции и методики с использованием объектно-ориентированного визуального моделирования и CASE-средства на всех этапах разработки. Результатом чего стало построение визуальных объектно-ориентированных моделей, в том числе:

• Моделей вариантов использования (Use Case), отражающих основных активных субъектов - пользователей разрабатываемого программного обеспечения и варианты использования пользователями проблемно-ориентированного инструментального средства и создаваемых с его помощью интеллектуальных прикладных систем.

• Моделей классов, отражающих ключевые предметные понятия (данные модели являются результатом частичной формализации процесса решения задачи идентификации технического состояния машин и конструкций), классы инструментального средства, их отношения, а так же модель базы данных прецедентов и структуру продукционной базы знаний.

• Моделей деятельности (Activity), отражающих алгоритмическое обеспечение процесса идентификации технического состояния (предложенной методики автоматизированной идентификации) и поведение, как инструментального средства, так и создаваемых с его помощью интеллектуальных прикладных систем.

• Моделей состояний (State), отражающих диалог активного субъекта с программными системами.

• Моделей компонентов, отражающих архитектуру программной системы и распределение программных классов по файлам (модулям).

У Обоснован выбор способов представления и эффективной обработки данных и знаний в программной системе в условиях частичной формализации предметной области:

• Знания представлены в виде прецедентов, продукций и объектов.

• Решение задачи осуществляется путем применения двух подходов в рамках технологии экспертных систем, основанных на прецедентах и продукциях.

Построена комбинированная система распознавания технического состояния машин и конструкций.

Описана программная реализации проблемно-ориентированного инструментального средства.

Приведены примеры, иллюстрирующие процесс создания и применения прикладных ИС ППР для решения задач:

• определение причин изменения технического состояния деталей;

• прогнозирование технического состояния деталей;

• обоснование и/или выбор мероприятий по предотвращению технического состояния деталей, приводящего к отказам механических систем.

Дальнейшие исследования будут посвящены развитию предложенного математического и программного обеспечения с целью его применения при решении задач идентификации не только технического состояния сборочных единиц, специфицированных изделий и технических систем в целом, но и другого рода объектов без привязки к предметной области и в режиме реального времени.

Список литературы диссертационного исследования кандидат технических наук Юрин, Александр Юрьевич, 2005 год

1. Аркадьев-71. Аркадьев А. Г., Браверман Э.М. Обучение машины классификации объектов. М.: Наука, 1971. - 192 с.

2. Архипенков-99. Архипенков С. Аналитические системы на базе Oracle Express OLAP. Проектирование, создание, сопровождение. М.: Диалог-МИФИ, 1999. - 320 с.

3. Асратян-04. Асратян Р.Э., Козлов А.Д., Лебедев В.Н., Мараканов И.Н. Распределенная интегрированная информационная система поддержки принятия решений // Проблемы управления. 2004. - № 2. - С. 14-20.

4. Астелс-02. АстелсД., Миллер Г., НовакМ. Практическое руководство по экстремальному программированию. — М.: Вильяме, 2002. — 320 е., ил.

5. Ауэр-03. Ауэр К., Миллер Р. Экстремальное программирование: постановка процесса. С первых шагов и до победного конца. СПб.: Питер, 2003. - 368 е., ил.

6. Бадд-97. Бадд, Тимоти. Объектно-ориентированное программирование в действии: Пе-рев. с англ. СПб.: Питер, 1997. - 464 е.: ил.

7. Барсегян-04. Барсегян А.А., Куприянов М. С, Степаненко В.В., Холод И.И. Методы и модели анализа данных: OLAP и Data Mining. СПб.: БХВ - Петербург, 2004. - 336 е.: ил.

8. Бахмудов-04. Бахмудов Р.М.-Р., Терелянский П.В. Концепция распределенной системы поддержки принятия решений //Известия вузов. Машиностроение. 2004. - №7 — С. 49-53.

9. Башлыков-02. Башлыков А.А., Еремеев А.П. Экспертная диагностическая система в составе интеллектуальной системы поддержки принятия решений реального времени // Новости искусственного интеллекта. 2002. -№ 3 - С.35-40.

10. Бек-02. Бек К. Экстремальное программирование. — СПб.: Питер, 2002. 224 е.: ил.

11. Бек-03. Бек К, Фаулер М. Экстремальное программирование: планирование. СПб.: Питер, 2003.-144 е., ил.

12. Баженова-01. Баженова И.Ю. Delphi 5. Самоучитель программиста.-М.: Кудиц-Образ, 2001.-336 с.

13. Бежанова-00. Бежанова М.М., Поттосин КВ. Современные понятия и методы программирования. М.: Научный мир, 2000. - 192 с.

14. Берман-94. Берман А. Ф. Формализация эмпирического смысла процесса отказа уникальных механических систем // Проблемы машиностроения и надежности машин. — 1994. -№ 3. С.89-95.

15. Берман-98. Берман А.Ф. Деградация механических систем. Новосибирск: Наука, 1998. -320 с.

16. Берман-99г. Берман А.Ф., Николайчук О.А. Формализация стадий развития чрезвычайных ситуаций //Доклады конференции «Теоретические и практические проблемы безопасности Сибири и Дальнего востока». Иркутск, 1999. - С. 182-185.

17. Берман-ОО. Берман А.Ф., Николайчук О.А. Object-oriented model of research for complex technical systems safety // Труды П Международной конференции «Проблемы управления и моделирования в сложных системах». Самара, 2000. - С.366-371.

18. Берман-04а. Берман А.Ф., Николайчук О.А., Павлов А.И., Юрин А.Ю. Онтология надежности механических систем // Искусственный интеллект. Донецк: Наука I осв1та, 2004. - № 3.- С.266-271.

19. Берман-046. Берман А.Ф., Николайчук О.А., Павлов А.И., Юрин А.Ю. Инструментальное средство идентификации состояний механических систем // Искусственный интеллект. Донецк: Наука I oceiTa, 2004. - № 4.- С.268-275.

20. Благодатских-03. Благодатских В.А, Волонин В.А, Поскакалов К.Ф. Стандартизация и разработка программных средств: Учеб. пособие. М.: Финансы и статистика, 2003. -288 е.: ил.

21. Болотии-90. Болотин В.В. Ресурс машин и конструкций. -М.: Машиностроение, 1990. -448 с.

22. Бонгард-67. Бонгард М.М. Проблема узнавания. М.: Физматгиз, 1967. - 320 с.

23. Буч-98. Буч Гради. Объектно-ориентированный анализ и проектирование с примерами приложений на С++. 2-е изд.: Пер. с англ. М.: Бином, СПб: Невский диалект, 1998. -560 е.: ил.

24. Вагин-01. Вагин В.Н., Еремеев А.П. Некоторые базовые принципы построения интеллектуальных систем поддержки принятия решений реального времени // //Изв. РАН. ТиСУ.- 2001. -№ 6. -С.114-123.

25. Вагин-02. Вагин В.Н. Знание в интеллектуальных системах // Новости искусственного интеллекта. 2002. - № 6 - С. 8-18.

26. Вагин-04. Вагин В.Н., Головина Е.Ю., Загорянская А.А., Фомина Н.В. Достоверный и правдоподобный вывод в интеллектуальных системах. / по ред. Вагина В.Н., Поспелова Д.А. М.: Физматлит, 2004. -704 с.

27. Варшавский-05. Варшавский П.Р. Метод рассуждения на основе прецедентов для интеллектуальных систем поддержки принятия решений // Сб. тр. Научной сессии МИФИ-2005. В 15т. Т. 3. - М.: МИФИ, 2005. - С.154-155.

28. Васильев-99. Васильев С.Н. К интеллектному управлению // Оптимизация, управление, интеллект. 1999. - №3. - С.4-67.

29. Васильев-00. Васильев С.Н., Жерлов А.К., Федосов Е.А., Федунов Б.Е. Интеллектное управление динамическими системами. — М.: Физматлит, 2000. 352 с.

30. Васильев-03. Васильев С.Н., Догановский С.А., Эдемский В.М. К интеллектному управлению дуговыми сталеплавильными печами //Автоматизация в промышленности. 2003. -№3.

31. Вендров-98. Вендров A.M. Case-технологии. М.: Финансы и статистика, 1998.

32. Владов-05. Владов Ю.Р. Аналитическая идентификация технического состояния и эффективность функционирования промышленных объектов // Автоматизация в промышленности. 2005. - №4. - С.9-12.

33. Вороиин-02. Воронин Ю.А., Черемисина Е.Н. О базовых задачах искусственного интеллекта в мультидисциплинарных исследованиях. Часть П. Оценивание, районирование, периодирование, предсказание и организация. Новосибирск: ИВМиМГ СО РАН, 2002.-177 с.

34. Гаврилов-01. Гаврилов А.В. Системы искусственного интеллекта: Учеб. пособие: в 2-х ч. Новосибирск: Изд-во НГТУ, 2001. -Ч. 1. - 67 с.

35. Гаврилова-00. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний и интеллектуальные системы. СПб.: Питер, 2000. - 384 е.: ил.

36. Гаврилова-02. Гаврилова Т.А. Логико-лингвистическое управление как введение в управление знаниями // Новости искусственного интеллекта. — 2002. № 6. - С.36-40.

37. Геловани-01. Геловани В.А., Башлыков А.А., Бришков В.Б., Вязилов Е.Д. Интеллектуальные системы поддержки принятия решений в нештатных ситуациях с использованием информации о состоянии природной среды. М.: Эдиториал УРСС, 2001. - 304 с.

38. Головина-02. Головина Е.Ю. Программные инструментальные средства для создания интеллектуальных систем поддержки принятия решений на базе логико-семиотического аппарата // Новости искусственного интеллекта. 2002. - № 3. - С.41-47.

39. Горев-97. Горев А., Ахаян Р., Макашарипов С. Эффективная работа с СУБД. СПб.: Питер, 1997.-704 е., ил.

40. Горелик-04. Горелик A.JI., Скрипкин В.А. Методы распознавания: Учеб. пособие для вузов. 4-е изд., испр. - М.: ВШ., 2004. - 261 е.: ил.

41. Городецкий-02а. Городецкий В.И., Самойлов В.В., Малое А. О. Современное состояние технологии извлечения знаний из баз и хранилищ данных (часть 1) // Новости искусственного интеллекта. 2002. - № 3. - С.3-12.

42. Городецкий-026. Городецкий В.И., Самойлов В.В., Малое А О. Современное состояние технологии извлечения знаний из баз и хранилищ данных (часть 2) // Новости искусственного интеллекта. 2002. - № 4. - С.3-9.

43. ГОСТ 27.002-89. ГОСТ 27.002-89. Надежность в технике. Основные понятия. Термины и определения.

44. Грязиов-00. Грязное А.В. Основные требования к системам поддержки принятия решений // Банковские Технологии. 2000. - № 3.

45. Гупал-05. Гупал В.М., Крупский М.А. Байесовская процедура распознавания, как метод диагностики технических систем //Приборы и системы. Управление, контроль, диагностика. 2005.-№ 3.

46. Даптемаип-95. Даптемапп Джефф, МишелДжим, Тейлор Дон. Программирование в среде Delphi: Пер.с англ . К.: НИПФ «ДиаСофт ЛТД», 1995. - 608 с.

47. Дворянкин-ОЗа. Дворянкин A.M., Кизим А.В., Жукова И.Г., Сипливая М.Б. Искусственный интеллект. Базы знаний и экспертные системы. Учеб.пособие — Волгоград: Изд-во ВГТУ, 2003. -140 с.

48. Дворянкин-ОЗб. Дворянкин AM., Сипливая М.Б., Жукова И.Г. Искусственный интеллект. Моделирование рассуждений и формальные системы. Учеб.пособие Волгоград: Изд-во ВГТУ, 2003.-140 с.

49. Девятков-01. Девятков В.В. Системы искусственного интеллекта: Учеб. пособие для вузов. М.: Изд-во МГТУ им. Н.Э. Баумана, 2001. - 352 е., ил.

50. Дейт-04. Дейт К. Дж., Дарвен X. Основы будущих систем баз данных. Третий манифест. Изд. 2-е. /Пер. с англ. М.: Янус-К, 2004. - 656 е., ил.

51. Джексон-01. Джексон, Питер. Введение в экспертные системы.: Пер. с англ.: Учеб. пособие. М.: Вильяме, 2001. - 624 е.: ил.

52. Дюк-94. Дюк В.А. Компьютерная психодиагностика. СПб.: Братство, 1994. - 364с.

53. Еремеев-02. Еремеев А.П., Денисенко JI.C. Прототип интеллектуальной системы поддержки принятия решений для управления энергообьектом // Программные продукты и системы. 2002. -№ 3.- С.38-41.

54. Еремеев-ОЗа. Еремеев А.П. Об интеграции моделей представления и оперирования знаниями в интеллектуальных системах поддержки принятия решений // Сб. тр. Научной сессии МИФИ-2003. В 14 т. Т. 3. - М.: МИФИ, 2003. - С.18-19.

55. Жоголев-04. Жоголев Е.А. Технология программирования. М.: Научный мир, 2004. — 216с.

56. Захаров-04. Захаров Н.А. Интеллектуальные системы в промышленности. //Автоматизация в промышленности. 2004. -№ 12. - С.49-51.

57. Зашихин-04. Зашихин А.С., Зашихин П.А., Зашихин В.А., Лысенко Е.Е. Объектноориентированная СУБД Jasmine. Jasmine Studio. М.: Бином-Пресс, 2004. - 320 е.: ил.

58. Иванова-02. ИвановаГ.С. Технология программирования: Учебник для вузов. М.: Изд-во МГТУ им. Н.Э. Баумана, 2002. - 320.: ил.

59. Информатика-01. Информатика: Учебник. 3-е перераб. Изд. /Под ред. Проф. Н.В. Макаровой. - М.: Финансы и статистика, 2001. - 768 е.: ил.

60. ИИ-90. Искусственный интеллект. В 3-х кн. Кн. 2. Модели и методы: Справочник / Под ред. Поспелова Д.А. - М.: Радио и связь, 1990. - 304 е.: ил.

61. Ионин-94. Ионин С.В., Лизъко Ю.В., Хрущев B.C., Лисинская ЛИ. Анализ путей автоматизации и интеллектуализации систем управления комплексов специального назначения // Вестник МГТУ. Приборостроение. -1994. №1. - С.62-75.

62. Иордон-99. Йордон Эдвард, Аргила Карл Структурные модели в объектноориентированном анализе и проектировании.: Пер. с англ. — М.: Лори, 1999. — 264 е.: ил.

63. Казанцев-04. Казанцев A.M. Искусственный интеллект есть выход из тупика и разброда идей. - Новосибирск: Изд. НГТУ, 2004. - 76 с.

64. Калянов-96. Каляное Г.Н. CASE структурный системный анализ. М.: Лори. 1996. - 242 с.

65. Кватрани-03. Кватрани Терри. Визуальное моделирование с помощью Rational Rose 2002 и UML.: Пер. с англ. М.: Вильяме, 2003. - 192 е.: ил.

66. Кирстен-01. Кирстен В., Ирингер М., Рериг Б., Шульте П. СУБД Cache: объектноориентированная разработка приложений. Учебный курс. — СПб.: Питер, 2001. — 384 е.: ил.

67. Колесников-05а. Колесников А.А., Топчиев Б.В. Синергетический подход к проблеме формирования искусственной самоорганизации управляемых систем. Часть 1. // Меха-троника, автоматизация, управление. 2005. - № 1. - С.2-6.

68. Колесников-056. Колесников А.А., Топчиев Б.В. Синергетический подход к проблеме формирования искусственной самоорганизации управляемых систем. Часть 2. // Меха-троника, автоматизация, управление. 2005. - № 2. - С.2-10.

69. Комарцова-03. Комарцова Л.Г. Синергетический подход к построению гибридных интеллектуальных систем // Сб. тр. Научной сессии МИФИ-2003. В 14 т. Т. 3. - М.: МИФИ, 2003. - С.54-55.

70. Корнеев-ОО. Корнеев В.В., ГареевА.Ф., Васютин С.В., Райх В.В. Базы данных. Интеллектуальная обработка информации. М.: Нолидж, 2000. - 352 е., ил.

71. Коуд-99. Коуд Петер, Норт Дэвид, Мейфилд Марк Объектные модели. Стратегии, шаблоны и приложения.: Пер. с англ. М.: Лори, 1999. - 432 е.: ил.

72. Крачтен-02. Крачтен Филипп Введение в Rational Unified Process. 2-е изд.: Пер. с англ. -М.: Вильяме, 2002. -^->240 е.: ил.

73. Криницкий-77. Кринищий Н.А. Алгоритмы вокруг нас. М.: Наука, 1977. - 224 с.

74. Кубарев-89. Кубарев А.И. Надежность в машиностроении. 2-е изд. - М.: Издательство стандартов, 1989. - 224 с.

75. Кулида-99. Кулида Е. Л., Лебедев В. Г., Чесноков А. М. Проектирование интеллектуальных систем поддержки операторов сложных объектов //Автоматизация проектирования. -1999.- №1. fhttp://www.osp.ru/ap/l 999/01 /47.html

76. Кулида-05. Кулида Е. Л., Лебедев В. Г. Особенности разработки базы знаний в интегрированной инструментальной среде G2 // Приборы и системы. Управление, контроль, диагностика. 2005. - № 3. - С.20-25.

77. Ларичев-90. Ларичев О.И. Некоторые проблемы искусственного интеллекта. // Сборник трудов ВНИИСИ. 1990. - № 10. - С.3-9.

78. Ларичев-96. Ларичев О.И., Мошкович Е.М. Качественные методы принятия решений. -М.: Наука, 1996.

79. Ларичев-ОЗа. Ларичев О.И., Ашихмин ИВ., Ройзензон Г.В., Фуремс Е.М. Поддержка выбора лучшего объекта на основе независимости критериев по предпочтениям и транзитивности // Новости искусственного интеллекта. 2003. - № 4. - С.13-20.

80. Ларман-01. Ларман К. Применение UML и шаблонов проектирования.: Пер. с англ. М.: Вильяме, 2001.-496 с.

81. Левин-05. Левин В.И. Интервальная логика и сверхнечеткие множества // Проблемы управления. 2005. - № 2.- С.40-43.

82. Лепихин-03. Лепихин A.M., Maxymoe Н.А., Москвичев В.В., Черняев А.П. Вероятностный риск-анализ конструкций технических систем. Новосибирск: Наука, 2003. - 174 с.

83. Лескин-90. Лескин А.А., Мальцев В.Н. Системы поддержки управленческих и проектных решений. — Л.: Машиностроение. Ленингр. отд-ние, 1990. 167 с. ил.

84. Липаев-93. Липаев В.В. Управление разработкой программных средств: Методы, стандарты, технология. — М.: Финансы и статистика, 1993. 160 е., ил.

85. Липаев-02. Липаев В.В. Системное проектирование сложных программных средств для информационных систем. 2-е изд. М.: СИНТЕГ, 2002. - 268 с.

86. Литвак-04. Литвак Б.Г. Экспертные технологии в управлении: Учебное пособие. 2-е изд. - М.: Дело, 2004. - 400 с.

87. Люгер-03. Люгер, Джордж, Ф, Искусственный интеллект: стратегии и методы решения сложных проблем, 4-е издание.: Пер. с англ. М.: Вильяме, 2003. - 864 е.: ил.

88. Львов-97. Львов В. Создание систем поддержки принятия решений на основе хранилищ данных. //Системы управления базами данных. — 1997. № 3.

89. Мартин-04. Мартин, Роберт С. Быстрая разработка программ: принципы, примеры, практика.: Пер. с англ. М.: Вильяме, 2004. - 752 е.: ил.

90. Мацяшек-02. Мацяшек Лешек А. Анализ требований и проектирование систем. Разработка информационных систем с использованием UML.: Пер. с англ. М.: Вильяме, 2002. - 432 е.: ил.

91. Мешалкин-95. Мешалкин В.П. Экспертные системы в химической технологии. Основы теории, опыт разработки и применения. М.: Химия, 1995. - 368 с.

92. Мишулина-01. Мишулина О.А. Простота нейросетевых технологий: миф или реальность? // Приборы и системы. Управление, контроль, диагностика. 2001. - №8. - С.36-38.

93. Москвичев-02. Москвичев В.В. Основы конструкционной прочности технических систем и инженерных сооружений: в 3 ч. Новосибирск: Наука, 2002. - 4.1: Постановка задач и анализ предельных состояний. — 106 с.

94. Мюллер-02. Мюллер Роберт Дж.Базы данных и UML. Проектирование.: Пер. с англ. -М.: Лори, 2002. 420 е.: ил.

95. Нейбург-02. Нейбург ЭрикДж., Максимчук Роберт А. Проектирование баз данных с помощью UML.: Пер. с англ. М.: Вильяме, 2002. - 228 е.: ил.

96. Ничипоренко-03. Нечипоренко О. А. Использование технологии Case-Based Reasoning в проектировании программных систем //Перспективные информационные технологии и интеллектуальные системы. 2003. - № 1. - С.27-32. (http://pitis.tsure.rU/filesl3/6.pdn

97. Осуга-89. Осуга С. Обработка знаний / Пер. с японского. М.: Мир. 1989. - 293 е., ил.

98. Петровский-03. Петровский А.Б. Упорядочение и классификация объектов с противоречивыми признаками // Новости искусственного интеллекта. 2003. -№4. - С.35-44.

99. Попов-95. Попов Э.В. Экспертные системы реального времени // Открытые системы. -1995.- №2. (http://www.osp.ru/os/1995/02/66.htm).

100. Попов-96. Попов Э.В., Фоминых И.Б., Кисель Е.Б., Шапот МД. Статические и динамические экспертные системы: Учеб. пособие. М.: Финансы и статистика, 1996. - 320 е.: ил.

101. Поспелов-88. Поспелов Г. С. Искусственный интеллект основа новой информационной технологии. - М.: Наука, 1988. - 280 е.: ил.

102. Поспелов-99. Поспелов ДА., Осипов Г.С. Прикладная семиотика // Новости искусственного интеллекта. 1999. -№ 1. (htto://www.raai.orgflibrary/ainews/1999/l/OSPOS.ZIP).

103. Прангишвили-04. Прангишвили КВ., Потоцкий В.А., Гинсберг К.С., Смолянинов В.В. Идентификация систем и задачи управления: на пути к современным системным методологиям // Проблемы управления. 2004. - № 4. - С.2-15.

104. Растригин-77. Растригин Л.А., Маджаров Н.Е. Введение в идентификацию объектов управления. М.: Энергия, 1977. - 216 е.: ил.

105. Розенберг-02. Розенберг Д., Скотт К. Применение объектного моделирования с использованием UML и анализ прецедентов.: Пер. с англ. М.: ДМК Пресс, 2002. -160 е.: ил.

106. Романовский-04. Романовский А.С., Чухров С.Ю. Организация интеллектуальных комплексов технической диагностики // Вестник МГТУ. 2004. - №1.- С.74-87.

107. Рыбина-01а. Рыбина Г.В. Современные экспертные системы: тенденции к интеграции и гибридизации. //Приборы и Системы. Управление, Контроль, Диагностика. 2001. — № 8. - С.18-21.

108. Рыбина-01б. Рыбина Г.В., Пышагин С.В., Смирнов ВВ., Левин ДЕ„ Душкин Р.В. Инструментальный комплекс АТ-ТЕХНОЛОГИЯ для поддержки разработки интегрированных экспертных систем: Учеб пособие. М.: МИФИ, 2001. - 100 с.

109. Рыбина-02. Рыбина Г.В. Архитектура интегрированных экспертных систем: современное состояние и тенденции // Новости искусственного интеллекта. 2002. - № 4. - С.10-17.

110. Рыжиков-00.Рыж^тов Ю.И. Информатика. Лекции и практикум. СПб.: КОРОНА принт, 2000.-256 с.

111. Синтес-02. Синтес, Антонии. Освой самостоятельно объектно-ориентированное программирование за 21 день.: Пер.с англ. М.: Вильяме, 2002. - 672 е.: ил.

112. Системный анализ-04. Системный анализ и принятие решений: Словарь-справочник: Учеб. пособие для Вузов / по ред. Волковой В.Н., Козлова В.Н. М.: ВШ, 2004. - 616 с.

113. Стогний-04. Стогний А.А., Рыбаков JI.A. Роль и место структурного анализа при создании систем информационно-аналитической поддержки организаций // УСиМ. 2004. -№ 5. - С.3-10.

114. Сугак-01. Сугак Е.В., Василенко Н.В., Назаров Г.Г., Панъшин А.Б., Каркарин А.П. Надежность технических систем: Учебное пособие. 2-е изд.- Красноярск: НИИ СУВПТ, 2001.-608с.

115. Сураджит-02. Сураджит Чаудхури, Умешвар Дайал, Венкатеш Ганти. Технология баз данных в системах поддержки принятия решений. //Открытые системы. 2002. - № 1.

116. Тельнов-02. Тельное Ю.Ф. Проектирование систем управления знаниями // Новости искусственного интеллекта. 2002. - № 4 - С.29-34.

117. Торрес-02. Торрес, Роберт, Дж. Практическое руководство по проектированию и разработке пользовательского интерфейса.: Пер. с англ. М.: Вильяме, 2002. - 400 е.: ил.

118. Трахтенгерц-95. Трахтенгерц Э.А. Методы генерации, оценки и согласования решений в распределенных системах поддержки принятия решений. //АиТ. 1995. - № 4. - С.3-52.

119. Трахтенгерц-98. Трахтенгерц Э.А. Компьютерная поддержка принятия решений. М.: СИНТЕГ, 1998.-376 с.

120. Трахтенгерц-02. Трахтенгерц Э.А. Неопределенность в моделях компьютерных систем поддержки принятия решений (часть 3) // Новости искусственного интеллекта. 2002. -№ 3. - С.13-21.

121. Трахтенгерц-03. Трахтенгерц Э.А. Компьютерные системы поддержки принятия управленческих решений // Проблемы управления. 2003. - № 1.

122. Трахтенгерц-04. Трахтенгерц Э.А., Шершаков В.М., Камаев ДА. Компьютерная поддержка управления ликвидацией последствий радиационного воздействия. М.: СИНТЕГ, 2004. - 460 с.

123. Ту-78. Ту Дж., Гонсалес Р. Принципы распознавания образов.: Пер. с англ. М.: Мир, 1978.-411 с.

124. Тятюшкин-92. Тятюшкин А.И. Численные методы и программные средства оптимизации управляемых систем. Новосибирск: Наука, 1992.

125. Тятюшкин-99. Тятюшкин А.И. Многометодная технология поиска оптимального управления // Тезисы докладов международной конференции «Нелинейные науки на рубеже тысячелетий», Санкт-Петербург, 22 24 июня, 1999 г. — Санкт-Петербург, 1999.

126. Тятюшкин-03. Тятюшкин А.И. Многометодная технология для расчета оптимального управления // Известия РАН. Теория и системы управления. 2003. - №3.

127. Уотермен-89. Уотермен Д. Руководство по экспертным системам: Пер. с англ. М.: Мир, 1989.-388 с.

128. Фаронов-01. Фаронов В.В. Delphi 5. Учебный курс. М.: Нолидж, 2001. - 608 с.

129. Фаулер-99. Фаулер М., Скотт К. UML в кратком изложении. Применение стандартного языка объектного моделирования: Пер. с англ. М.: Мир, 1999. - 191 е., ил.

130. Филлипович-94. Филиппович Ю.Н., Малыгин А.Г. Инструментальные средства поддержки интеллектуальных технологий и систем взаимодействия человека с ЭВМ // Вестник МГТУ. Приборостроение. 1994. -№1. - С. 105-110.

131. Фридман-00. Фридман A.JI. Основы объектно-ориентированной разработки программных систем. М.: Финансы и статистика, 2000. - 192 е.: ил.

132. Хейес-Рот-87. Построение экспертных систем: Пер. с англ./ Под ред. Хейеса-Рота Ф., Уо-термана Д., Лената Д. — М.: Мир, 1987. 441 е., ил.

133. Холингвэрт-01а. Холингвэрт Д., Баттерфилд Д., Сворт Б. С++ Builder 5. Руководство разработчика, том 1. Основы: Пер. с англ.: Уч. пос. М.: Вильяме, 2001. - 880 е.: ил.

134. Холингвэрт-016. Холингвэрт Д., Баттерфилд Д., Сворт Б. С++Builder 5. Руководство разработчика, том 2. Сложные вопросы программирования: Пер. с англ.: Уч. пос. М.: Вильяме, 2001. - 832 е.: ил.

135. Хомоненко-03. Хомоненко АД. и др. Delphi 7. СПб.: БХВ - Петербург, 2003. - 1216 е.: ил.

136. Частиков-03. Частиков А.П., Гаврилова Т.А., Белов ДЛ. Разработка экспертных систем. Среда CLIPS. СПб.: БХВ-Петербург, 2003. - 608 с: ил.

137. Черноруцкий-01. Черноруцкий ИГ. Методы оптимизации и принятия решений: Учеб.пособие. СПб.: Лань, 2001. - 384 с.

138. Черноруцкий-05. Черноруцкий ИГ. Методы принятия решений: Учеб.пособие. СПб.: БХВ-Петербург, 2005. - 416 е.: ил.

139. Черняховская-04. Черняховская Л.Р. Поддержка принятия решений при управлении сложными объектами в критических ситуациях на основе инженерии знаний: Автореферат диссертации на соискание ученой степени доктора технических наук. Уфа, 2004.-31 с.

140. Шапот-98. Шапот М.Д. Интеллектуальный анализ данных в системах поддержки принятия решений. //Открытые системы. 1998. - № 1.

141. Шаша-04. ШашаД., Бонне Ф. Оптимизация баз данных: принципы, практика, решение проблем /Пер. с англ. М.: Кудиц-Образ, 2004. - 432 с.

142. Щавелев-98. Щавелев Л. В. Способы аналитической обработки данных для поддержки принятия решений. //Системы управления базами данных. 1998. -№4-5.

143. Эбнер-00. Эбнер Михаэль Delphi 5. Руководство разработчика: Пер.с нем. — К.: Издательская группа В НУ, 2000. 480 е., ил.

144. Эрлих-94. ЭрлихА.И. Проблемы моделирования в интеллектуальных системах // Вестник МГТУ. Приборостроение. -1994. №1. - С.29-33.

145. Эталон. Описание прецедентных экспертных систем НПО «Эталон» http://www.npo-etalon.ru/index.htm .

146. Юсуиов-00. Юсупов P.M., Заболоцкий В.П. Научно-методологические основы информатизации. СПб.: Наука, 2000. - 455 е., ил.

147. Якобсон-02. Якобсон А., Буч Г., РамбоДж. Унифицированный процесс разработки программного обеспечения. СПб.: Питер, 2002. - 496 е.: ил.

148. Aamodt-94. Aamodt A., Plaza E. Case-Based reasoning: Foundational issues, methodological variations, and system approaches. AI Communications, vol.7(1994), no.l, pp.39-59.

149. Aha-01. Aha D. W., Breslow L. A., Munoz-Avila H. Conversational Case-Based Reasoning. Applied Intelligence, vol.14 (2001), no.l, pp.9-32.

150. Cache. Сайт Cache http://www.intersvstems.ru

151. Changchien-05. Changchien S. W., Lin M.C. Design and implementation of a case-based reasoning system for marketing plans. Expert Systems with Applications, vol. 28 (2005), pp.43-53.

152. CLIPS. Официальный сайт CLIPS, http://www.ghg.net/clips/CLIPS.html.

153. CLIPS-DLL. Сайт динамической библиотеки CLIPS,http://ourworld.compuserve.com/homepages/marktoml/clipsuf.htm.

154. CLIPS-R2. Описание экспертных систем CLIPS/R2, OPSJ, OPS/R2, http://www.pst.com/.

155. EsWin. Описание экспертной системы EsWin, http://www.insycom.ru/html/prods.php.

156. ESD. Описание Expert System Designer (редактор баз знаний CLIPS/Jess) http://optsol.at/site en/products/esd/.

157. FastObjects. Описание ООБД FastObjects http://www.fastobiects.com

158. Feret-97. Feret M.P., Glasgow J.I. Combining Case-Based and Model-Based Reasoning for the Diagnosis of Complex Devices. Applied Intelligence vol.7 (1997), pp.57-78.

159. Gray-04. Gray J. The Revolution in Database Architecture. Microsoft Research, March 2004, Technical Report MSR-TR-2004-31 (ftp://ftp.research.microsoft.com/pub/tr/TR-2004-31.pdf).

160. Golding-96. Golding A.R., Rosenbloom P.S. Improving accuracy by combining rule-based and case-based reasoning. Artificial Intelligence, vol.87 (1996), no.1-2, pp.215-254.

161. Hertkorn-98. Hertkorn P., Rudolph S. Dimensional Analysis in Case-Based Reasoning, in Proceedings International Workshop on Similarity Methods, University of Stuttgart, Germany, Nov. 26th and 27th, 1998, pp.163-178.

162. M-RR. Сайт IBM Rational Rose http://www-306.ibm.com/software/rational/.

163. NMD. Сайт MagicDraw UML http://www.magicdraw.com/.

164. ODB-Jupiter. Описание ООБД ODB-Jupiter http://www.inteltec.ru

165. OMG. Introduction to OMG's Unified Modeling Language™ (UML®) http://www.omg.org/gettingstarted/what is uml.htm

166. Payne-98. Payne R. Т., Edwards P. Implicit Feature Selection with the Value Difference Metric, in Proceedings of European Conference on Artificial Intelligence(ECAI-98), 1998, pp.450454.

167. Pernkopf-05. PernkopfF. Bayesian network classifiers versus selective k-NN classifier. Pattern Recognition, vol.38 (2005), pp.1-10.

168. PIaza-02. Plaza E., Arcos J.L. Constructive Adaptation, in S. Craw and A. Preece (Eds.), Advances in Case-Based Reasoning. Proc. 6th ECCBR 2002, Lecture Notes on Artificial Intelligence, no.2416, pp.306-320. Springer-Verlag, 2002.

169. Poseidon. Сайт Poseidon http://www.gentleware.com/index.php?id=products.

170. Portinale-04. Portinale L., Magro D., Torasso P. Multi-modal diagnosis combining case-based and model-based reasoning: a formal and experimental analysis. Artificial Intelligence, vol.158 (2004), no.2, pp.109-154.

171. San-04. San O.M., Huynh V., Nakamori Y. An alternative extension of the k-means algorithm for clustering categorical data. Applied mathematics and computer science, vol. 14 (2004), no.2, pp.241-247.

172. Selic-98. Selic В., Rumbaugh J. Using UML for Modeling Complex Real-Time Systems. Ob-jecTime. http://www.objectime.on.ca/. 1998, 22 p.

173. Sbalfield-05a. ShalfieldR. VisiRule User Guide http://www.lpa.co.uk/dow doc.htm 2005, 86 P

174. ShalfieId-056. ShalfieldR. Case-Based Reasoning Toolkit User Guide http://www.lpa.co.uk/dow doc.htm 2005, 74 p.

175. UML. Selic B. UML 2.0: Exploiting Abstraction and Automation http://www.sdtimes.com/opinions/guestview 098.htm

176. VP. Описание CASE-средства Visual Paradigm for UML http://www.visual-paradigm.com/product/vpuml/