WWW.NEW.Z-PDF.RU
БИБЛИОТЕКА  БЕСПЛАТНЫХ  МАТЕРИАЛОВ - Онлайн ресурсы
 

«ФОРМИРОВАНИЕ ПЛАНА ВОССТАНОВЛЕНИЯ СЕТИ ПЕРЕДАЧИ ДАННЫХ В ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЕ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ С ИСПОЛЬЗОВАНИЕМ МЕТОДА ВЫВОДА, ОСНОВАННОГО НА ПРЕЦЕДЕНТАХ Дата ...»

УДК 62-503.56

А. К. Канаев, М. А. Сахарова, М. М. Лукичев

ФОРМИРОВАНИЕ ПЛАНА ВОССТАНОВЛЕНИЯ СЕТИ

ПЕРЕДАЧИ ДАННЫХ В ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЕ

ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ С ИСПОЛЬЗОВАНИЕМ

МЕТОДА ВЫВОДА, ОСНОВАННОГО НА ПРЕЦЕДЕНТАХ

Дата поступления: 29.01.2016

Решение о публикации: 29.01.2016

Цель: Обеспечить оперативное и обоснованное формирование детализированного плана мероприятий по управлению и восстановлению работоспособного состояния сети передачи данных. Методы: В работе использован метод вывода, основанный на прецедентах .

Результаты: Представлен способ повышения оперативности и обоснованности принимаемых решений по управлению и восстановлению сети передачи данных с помощью метода вывода, основанного на прецедентах. Практическая значимость: Предлагаемый метод позволит сократить длительность цикла управления сетью передачи данных .

Сеть передачи данных, интеллектуальная система, поддержка принятия решений, система управления, восстановление, прецедент .

A. K. Kanaev, Dr. Sci. (Eng.), assistant professor, department chair, kanaevak@mail.ru; *M. A. Sakharova, assistant lecturer, zuvakamariya@mail.ru; M. M. Lukichev, post-graduate student, mixailspbpy@mail.ru (Petersburg State Transport University) DEVELOPING OF THE PLAN OF

RESTORATION OF DATA COMMUNICATION NETWORK WITHIN THE DECISION SUPPORT

INTELLIGENT SYSTEM BY USING THE PRECEDENT-BASED RECOVERY METHOD

Objective: To define the reasons, that prevent the implementation of electrical brake for multiple unit rolling stock (MVPS) with asynchronous traction drive as an automatic brake (emergency brakes). To find the method for eliminating of found reasons. To determine, using mathematical simulation, the time indexes of traction drive readiness to the electrical braking in case of no voltage in catenary system. Methods: Mathematical model of traction drive is built in Matlab Simulink software. By using this model the empirical relations of the time from the moment of command input, made by the control system, to start an emergency braking, to the moment of charging of input capacitors to nominal voltage (in case of no voltage in catenary system) from the train speed and equivalent resistance of stator circuit were obtained. Results: The problems, preventing the implementation of electrical brake for MVPS as an automatic brakes, are examined. The methods of solving these problems are suggested. By using the mathematical model the principal possibility of suggested methods is presented, as well as the estimation of the time of traction drive preparing for readiness for braking, depending on the train speed and equivalent resistance of stator circuit. Also, the engineering solutions, are found, that allow to implement

the electrical brake for multiple unit rolling stock as an automatic one. Practical importance:

Electrical for brake multiple unit rolling stock with asynchronous traction drive has several benefits in comparison with the pneumatic brake. It provides smaller braking distance, not influenced by low temperatures and provides better resistance for sliding and skidding. Implementation of electrical brakes for multiple unit rolling stock in the function of automatic brake will positively influence on the safety of operation and will allow to increase the operating speed of multiple unit rolling stock .

Automatic brake, emergency braking, asynchronous traction drive, multiple unit rolling stock, electrical brake .

Основная цель функционирования системы управления (СУ) сетью передачи данных (СПД) заключается в обеспечении требуемого состояния СПД в условиях ограниченности вычислительных и временных ресурсов на принятие решений .

Для оперативного принятия решений все пространство состояний СПД можно разбить на классы и присвоить каждому классу свое типовое решение (или несколько типовых решений) по восстановлению требуемого состояния СПД, а также сформировать детализированный план восстановления (ПВ) СПД .

В статье представлен подход к формированию ПВ СПД с помощью модели, основанной на прецедентах, который позволит лицу, принимающему решение, оперативно и эффективно определять детализированный план мероприятий по управлению и восстановлению СПД .

Решение задачи классификации состояния СПД

Для обеспечения требуемого состояния сети передачи данных (СПД) путем своевременного и обоснованного формирования решений в условиях ограниченности вычислительных и временных ресурсов на принятие решений определим в качестве исходных данных текущее состояния СПД, полученное в форме его оценки .

Управление СПД заключается в принятии обоснованных решений о состоянии СПД и в формировании соответствующих управляющих воздействия для преобразования текущего состояния СПД в требуемое [5, 7]. Взаимодействие элементов системы управления (СУ) СПД при решении задачи классификации состояния СПД представлено на рис. 1 [4] .

Тогда при формальной постановке задачи классификации состояния

СПД [4] определим:

– множество объектов для классификации (пространство образов);

: – объект (образ);

g(): M, M = {1,2,..., m} – индикаторная функция, разбивающая пространство образов на множестве на m непересекающихся классов 1, 2,..., m, при этом g() неизвестна наблюдателю;

Рис. 1. Взаимодействие элементов СУ СПД при решении задачи классификации состояния СПД

V – пространство наблюдений, воспринимаемых наблюдателем; v():

V – функция, ставящая в соответствие каждому объекту w точку v() в пространстве признаков. Вектор v () является образом объекта, воспринимаемым наблюдателем. В пространстве признаков определены непересекающиеся множества точек KiV, i = 1,2 …, m, соответствующих образам одного класса;

(v): V M – решающее правило – оценка для g() на основании v(), т. е. () = (v()) .

Пусть vj = v(j), j = 1,2 …, N – доступная наблюдателю информация о функциях g() и v(), но сами эти функции наблюдателю неизвестны. Тогда (gj, vj), j = 1,2 …, N есть множество прецедентов .

Задача заключается в построении такого решающего правила (v), чтобы классификация проводилась с минимальным числом ошибок [4, 5] .

Можно считать пространство признаков евклидовым, т. е. V = R. Качество решающего правила измеряют частотой появления правильных решений .

Тогда задача записывается в виде minP{(v()) g()} [4, 5] .

Таким образом, для проведения классификации состояний и определения текущей ситуации СПД необходимо составить их описание, задать меру их близости и определить правило классификации, выполнение которого позволит соотнести текущую ситуацию состояния с определённым классом состояний .

Применение интеллектуальной системы поддержкипринятия решений

Следует отметить, что современные СПД относятся к большим и сложным системам, следовательно, при большом количестве разнородного оборудования СПД пространство состояний, в которых может находиться СПД, существенно увеличивается. В связи с этим для оперативности принятия решений можно разбить все пространство состояний СПД на классы и присвоить каждому классу свое типовое решение по восстановлению требуемого состояния СПД. Такое решение поставленной задачи принято называть ситуационным управлением [5, 6]. Применение метода ситуационного управления целесообразно в случаях, описанных в [2, 5, 8] .

Следовательно, можно разделить множество всех ситуаций на подмножества, причем каждому подмножеству (классу) состояний можно определить единственное типовое решение (или несколько типовых решений) [5, 8] .

Под принятием решения понимается выбор одного решения из множества альтернативных вариантов, причем каждое альтернативное решение определяет некоторый результат, допускающий количественную оценку [5, 6] .

Рис. 2. Элементы формирования решений ИСППР по управлению СПД В структуре СУ СПД принятие решений выполняется в интеллектуальной системе поддержки принятия решений (ИСППР), которая обладает способностью к адаптации существующей базы знаний в соответствии с изменениями, происходящими в СПД [5, 6]. Приобретение новых знаний (данных и правил) и модификация уже существующих происходят с применением специальных процедур, которые направлены не на объекты, а на классы объектов .

Можно выделить следующие типы метапроцедур, которые могут быть реализованы в ИСППР для выработки управляющих воздействий [2]: обоснованный выбор из множества альтернатив, аргументация, формирование и обоснование гипотез, формирование многошаговых решений. Элементы формирования решений ИСППР по управлению СПД представлены на рис. 2 .

Обоснованность выбора решений

Обоснованный выбор из множества альтернатив применяется в случае выбора одного наиболее рационального варианта управляющего воздействия из множества альтернативных вариантов по некоторому критерию с учётом условий и приоритетов, устанавливаемых лицом, принимающим решения (ЛПР) .

Процедура обоснованного выбора в общем случае сводится к такой последовательности действий [3, 6]:

1) сформировать множество альтернативных решений в соответствии с конкретной решаемой задачей;

2) найти доводы «за» и «против» для каждой альтернативы;

3) сформировать множество выбранных альтернатив;

4) если во множестве выбранных альтернатив один элемент, то выбор совершен;

5) если в этом множестве не один элемент, то повторить второй шаг данной процедуры .

Аргументация необходима для пояснения ЛПР выбора конкретного управляющего воздействия. Механизм процедуры логического вывода при формировании и обосновании гипотез является основой выработки стратегий по восстановлению СПД и обучения ИСППР СУ СПД, когда из поступающих правил и данных образуются новые знания [2, 5, 6] .

Часто ЛПР интересуется не единичным (типичным) решением, а перечнем операций по восстановлению СПД. Качество результата при этом зависит от всей последовательности принятых решений, которые создаются с помощью блока формирования многошаговых решений [4, 5] .

Следует отметить, что решение может быть не единственным, поскольку ЛПР может быть ограничено в ресурсах или во времени на восстановление СПД. Формирование обоснованного выбора решения из множества альтернативных проводится по некоторому критерию с учётом условий и приоритетов, устанавливаемых ЛПР [5, 6] .

Формирование решений на основе модели вывода,основанной на прецедентах

Алгоритм формирования решений может включать следующие этапы [2, 5, 6]:

1) формирование цели управления, определение условий принятия решений, определение и сбор исходных данных, определение средств управления;

2) выбор критерия оценки признака классификации, определение степени близости состояний СПД;

3) формирование множества состояний-признаков объекта. Описание текущего состояния в виде совокупности признаков ситуации RT{i} с СПД поступает на устройство оценки признаков, где устраняются случайные отклонения из-за конечности интервала наблюдения и воздействия помех [2, 5, 6];

4) определение отношения состояния СПД к одному или нескольким классам. Данный этап реализуется на технологическом уровне управления СПД концептуальной модели СУ СПД;

5) выбор типового решения восстановления с последующим формированием ПВ и управляющего воздействия на объект управления, если параметры СПД позволяют выбрать только один класс состояний. В результате путем сравнения определяется номер ситуации i, имеющей максимальную степень близости к одному из образцов Ki = max, если при этом Ki превысит некоторый допустимый порог Ki Kпор, то выявленному состоянию СПД соответствует единственный класс, а ЛПР при необходимости выбирает соответствующее решение Ui о состоянии СПД, на основе которого вырабатываются необходимые управляющие воздействия RH{Ui} для перевода текущего состояния СПД в требуемое [2, 5, 6]. Если сложившаяся ситуация не похожа ни на один из образов Ki Kпор [6], то ищут оптимальное решение в ИСППР, а именно формируют альтернативные решения Bal, аргументируют принятые альтернативы Bar, формируют решение Ui [1, 2, 5];

6) формирование ПВ и управляющего воздействия на СПД для восстановления требуемого состояния СПД VСПД за время tv .

Каждое состояние СПД зависит от множества параметров СПД и ее элементов. Таким образом, для каждого варианта состояний необходимо сформировать свой ПВ СПД. Список вариантов определяется предметной областью, в которой принимается решение [2, 5] .

Обычно под выбранным вариантом подразумевается наилучшее относительно поставленной цели решение. Однако принятие решений не всегда ограничивается поиском наилучших вариантов. ЛПР может интересовать любой оцениваемый вариант из множества X как функция его предпочтения .

В общем случае требуется установить отношение предпочтения между всеми вариантами, а не только выделить из них наилучший или наихудший вариант .

Результатом установления предпочтений на множестве вариантов X является бинарное отношение Rpr X X [2, 5] .

Сложившуюся ситуацию и найденное для нее решение заносят в базу данных СУ СПД. Таким образом происходит процедура самообучения ИСППР, пополняющая базу знаний (БЗ) СУ СПД новыми знаниями .

Стратегии по управлению СПД являются неотъемлемой частью БЗ ИСППР. По мере формирования и заполнения БЗ ИСППР СУ СПД возможно выделение дополнительных стратегий восстановления СПД [1] .

Представим класс обобщенных моделей формирования ПВ СПД Mp на основе вывода по прецедентам [2, 7] в виде Mp = BDp, Mup, Mcp, где BDp – представление базы прецедентов; Mup – модели вывода на отдельных уровнях процессов восстановления СПД; Mcp – комплексные модели вывода процессов восстановления СПД. Прецедент определяет пару, задаваемую сформированным вариантом решения и (или) последовательностью действий при формировании ПВ СПД для получения требуемого состояния СПД [1, 6] .

Каждый прецедент идентифицируем посредством множества элементов S = Ц, Cp, Pp, E, Уm, Уг, D, где Ц – цель восстановления, для реализации которой используется прецедент; Ср – описание предпосылки его применения, Рр – подпроцесс планирования, которую он может детализировать; Е – возможные расширения, которые определяются связываемыми прецедентами смежных уровней; Ут – ограничения, которые должны быть удовлетворены для каждого расширения; Уг – ограничения, которые генерируются при выборе расширения; D – вторичная информация индексирования, которая включает знания об отказах и запрещенных расширениях [2] .

Используемые методы вывода по прецедентам при формировании ПВ СПД должны представлять собой автоматизированные методы генерации вариантов решений, базирующиеся на использовании полученных ранее вариантов решений посредством аналогии или ассоциации для решения текущих задач .

Формирование плана восстановления сети передачи данных

Для представления прецедентов при формировании ПВ СПД используем подход, основанный на применении теории динамической памяти, представленной в работах Р. Шенка [2, 10] .

Алгоритм формирования ПВ СПД в ИСППР с помощью метода вывода, основанного на прецедентах, представлен на рис. 3 .

Пусть база прецедентов BDp ИСППР содержит знания о цели планирования и предметной области в форме прецедентов, представленных динамическими структурами данных, фиксирующими предварительно зафиксированные цели, условия и последовательности выполнения процессов и решения задач восстановления СПД. Базу прецедентов СППР зададим в виде BDp = PDD, L, где PDD = {ASi, BSi, U, T} – прецеденты различного уровня абстракции (ASi – сцены, BSi – сценарии, U – управляющие элементы, Т – тематические элементы); L – связи между прецедентами [2, 7, 9, 11] .

Сцены ASi представляют собой структуры данных, содержащие общее описание последовательности задач и операций при формировании ПВ СПД, необходимых для получения требуемого состояния СПД .

Сценарии BSi являются экземплярами сцен и задают полностью конкретизированные последовательности задач и операций восстановления СПД, а также условия их реализации [2] .

Управляющие элементы U содержат сведения об условиях формирования ПВ СПД, описания всех задач и операций формировании ПВ СПД, а также обеспечивают структуризацию ASi, упорядочивая выполнение сцен во времени и поддерживая динамическое формирование BSi [2, 6] .

Тематические элементы Т представляют собой структуры данных, ответственные за сохранение и учет неверных вариантов решений и путей их получения, обучение в новых ситуациях, предсказание результатов и т. п. [2, 6] .

Так как описания целей формирования ПВ СПД и состояний, в которых может находиться СПД, могут различаться по уровням представления базы прецедентов, то разные прецеденты должны задаваться как альтернативные Рис. 3. Алгоритм формирования ПВ СПД в ИСППР

ASi, BSi, U, T [2]. Для реализации предлагаемого подхода ИСППР должен обеспечивать [2, 6]:

• выявление неполного соответствия символьной информации, характеризующей текущий случай организации связи и процессов планирования, с данными из базы прецедентов;

• динамическое добавление к базе прецедентов новых случаев;

• манипулирование отдельными прецедентами;

• управление процессом выбора случаев на основе специальных схем выбора алгоритма поиска и метрик подобия, назначенных описывающим прецеденты атрибутам;

• кластеризацию связанных случаев и устранение избыточных прецедентов;

• определение, фиксацию и (или) удаление прецедентов, ведущих к неблагоприятным последствиям;

• индуктивное обучение на основе накопленных прецедентов, порождающее структуры знаний в виде правил и т. п .

Таким образом, когда механизму вывода дается описание некоторой задачи формирования ПВ СПД, он выбирает прецедент, который лучше всего подходит к ситуации, соответствующей текущему состоянию СПД .

Выбранный прецедент содержит полный ПВ СПД, причем каждый этап ПВ СПД расширяется посредством замены более детальных операций .

Детализация ПВ СПД продолжается до тех пор, пока ПВ не будет состоять из простых операций. На каждом шаге расширения плана определяется наиболее подходящий прецедент, соответствующий цели расширения заданной операции восстановления СПД .

Заключение

Такой подход отличается от классических тем, что расширения ПВ СПД основываются на зафиксированном в виде прецедентов опыте ЛПР по реализации восстановления СПД .

Прецеденты могут содержать множество вариантов решений и расширений ПВ СПД, упорядоченных в соответствии со значениями ограничений Уг. В процессе расширения плана механизм вывода всегда выбирает наиболее предпочтительное расширение, но сохраняет также и другие, связывая их с текущим шагом планирования .

После того, как результирующий план выбран, ЛПР может потребовать возврата к определенному шагу восстановления СПД и выбрать другой вариант реализации ПВ СПД. Таким способом можно формировать множество альтернативных ПВ СПД, которым отдается предпочтение ЛПР .

Способность производить выбор между альтернативными планами, а затем изменять значения Уг ПВ СПД может быть классифицирована как обучение посредством фиксации объяснений ЛПР [2, 9, 11], при этом ЛПР указывает, как следует реорганизовать предпочтения вариантов ПВ СПД. Таким образом, ИСППР трансформирует этот вариант в новую внутреннюю организацию прецедентов .

Результирующий ПВ СПД создается посредством детализации и расширения прецедентов, описывающих процессы планирования верхних уровней (U и ASi), на подпроцессы и подзадачи, пока общий процесс восстановления не сводится к нерасширяемым прецедентам задач и операций (сценариям) .

Данные процедуры могут выполняться как автоматически, так и автоматизированно: ЛПР может принять вариант, сгенерированный автоматически;

выбрать прецедент из множества прецедентов, удовлетворяющих ограничениям; модифицировать прецедент, изменив условия его применения и ограничения, предложить свой вариант, инициировать возврат на другой уровень иерархии и т. п .

Предлагаемый подход к формированию ПВ СПД позволит ЛПР оперативно и эффективно определять детализированный план мероприятий по управлению и восстановлению СПД .

Библиографический список

1. Канаев А. К. Основные положения формирования методики принятия решений в интеллектуальной системе поддержки принятия решений системы управления сетью передачи данных / А. К. Канаев, М. А. Сахарова // Труды 70-й межвуз. науч.-техн. конф .

СПбНТОРЭС им. А. С. Попова, посвященной Дню радио, 21–29 апр. 2015 г. – СПб., 2015. – С. 283–284

2. Котенко И. В. Интеллектуальные системы для управления связью : учеб. пособие / И. В. Котенко, Г. А. Рябов, И. Б. Саенко. – СПб. : ВАС, 1996. – 150 с .

3. Котенко И. В. Методы вывода в экспертных системах по неполной и противоречивой информации : текст лекций / И. В. Котенко. – СПб. : ВАС, 1992. – 78 с .

4. Местецкий Л. М. Математические методы распознавания образов / Л. М. Местецкий. – М. : МГУ, 2004. – 86 с .

5. Микони С. В. Многокритериальный выбор на конечном множестве альтернатив :

учеб. пособие / С. В. Микони. – СПб. : Лань, 2009. – 272 с .

6. Опарин Е. В. Методика формирования интеллектуальной системы поддержки принятия решений по управлению сетью тактовой сетевой синхронизацией : дис. … канд. техн. наук : 05.12.13 / Е. В. Опарин. – СПб. : Изд-во СПбГУТ им. проф. М. А. БончБруевича, 2013. – 159 с .

7. Рунеев А. Ю. Основы теории управления в системах военного назначения : учеб .

пособие. Ч. 2 / А. Ю. Рунеев, И. В. Котенко. – СПб. : ВУС, 2000. – 158 с .

8. Теория управления в системах военного назначения / под ред. И. В. Котенко, А. В. Боговик. – М. : МО РФ, 2001. – 320 с .

9. Michalski R. S. Learning by analogy Formulating and generalizing plans fcrom past experience // Machine Learning : An Artif. Intell. Approach ; Eds. R. S. Michalski, J. G. Carbonell, T. M. Mitchcll. – Tioga, Palo Alto, CA, 1983. – P. 137–161 .

10. Schank R. S. Dynamic Memory : A Theory of Reminding and Learning in Computers and People / R. S. Schank. – Cambridge : Cambridge Univ. Press, 1982 .

11. Veloso M. V. Prodigy / Analogy : Analogical Reasoning in General Problem Solving / M. V. Veloso // Lecture Notes in Artif. Intell. – 1994. – Vol. 837. – P. 33–50 .

References

1. Kanaev A. K. & Sakharova M. A. Osnovnyye polozheniya formirovaniya metodiki prinyatiya resheniy v intellektual’noy sisteme podderzhki prinyatiya resheniy sistemy upravleniya set’yu peredachi dannykh [Basics of developing of technology for decision making within decision support intelligent system of data communication network control system]. Trudy 70-y mezhvuzovskoy nauchno-tekhnicheskoy konferentsii SPb NTORES im. A. S. Popova, posvyashchennoy Dnyu radio (Proceedings of 70th Interuniversity scientic and technical conference SPbNTORES of А. S. Popov, dedicated to Radio day), April 21–29. 2015 г. St. Petersburg, 2015. Pp. 283-284 .

2. Kotenko I. V., Ryabov G. A. & Saenko I. B. Intellektual’nyye sistemy dlya upravleniya svyaz’yu: uchebnoye posobiye [Intelligent systems for communication control: textbook]. St .

Petersburg, ВАС, 1996. 150 p .

3. Kotenko I. V. Metody vyvoda v ekspertnykh sistemakh po nepolnoy i protivorechivoy informatsii: tekst lektsiy [Recovery methods in expert systems, based on incomplete and inconsistent information: lecture text]. St. Petersburg, ВАС, 1992. 78 p .

4. Mestetsky L. M. Matematicheskiye metody raspoznavaniya obrazov [Mathematic methods of image identication]. Moscow, MGU [MSU], 2004. 86 p .

5. Mikoni S. V. Mnogokriterial’nyy vybor na konechnom mnozhestve al’ternativ: uchebnoye posobiye [Multiattribute selection on the nite set of alternatives: textbook]. St. Petersburg, Lan’, 2009. 272 p .

6. Oparin E. V. Metodika formirovaniya intellektual’noy sistemy podderzhki prinyatiya resheniy po upravleniyu set’yu taktovoy setevoy sinkhronizatsiyey [Technology for developing of decision support intelligent system for network control of timed network synchronization] .

St. Petersburg, Publishing house of SPbGUT of prof. M. A. Bonch-Bruyevich, 2013. 159 p .

7. Runeev A.Yu. & Kotenko I. V. Osnovy teorii upravleniya v sistemakh voyennogo

naznacheniya: uchebnoye posobiye [Basics of the management theory in military systems:

textbook]. Pt. 2. St. Petersburg, VUS, 2000. 158 p .

8. Teoriya upravleniya v sistemakh voyennogo naznacheniya [Management theory in military systems: textbook]; eds. I. V. Kotenko, A. V. Bogovik. Moscow, MO RF [Ministry of Defence of Russian Federation], 2001. 320 p .

9. Michalski R. S. Learning by analogy Formulating and generalizing plans fcrom past experience. Machine Learning: An Artif. Intell. Approach; eds. R. S. Michalski, J. G. Carbonell, T. M. Mitchcll. Tioga, Palo Alto, CA, 1983. Pp. 137-161 .

10. Schank R. S. Dynamic Memory: A Theory of Reminding and Learning in Computers and People. Cambridge: Cambridge Univ. Press, 1982 .

11. Veloso M. V. Prodigy / Analogy: Analogical Reasoning in General Problem Solving .

Lecture Notes in Artif. Intell., 1994, Vol. 837, pp. 33-50 .

КАНАЕВ Андрей Константинович – д-р техн. наук, доцент, заведующий кафедрой, kanaevak@mail.ru; *САХАРОВА Мария Александровна – ассистент, zuvakamariya@mail.ru;

ЛУКИЧЕВ Михаил Михайлович – аспирант, mixailspbpy@mail.ru (Петербургский государственный университет путей сообщения Императора Александра I) .

© А. К. Канаев, М. А. Сахарова, М. М. Лукичев, 2016

Похожие работы:

«Экспериментальная психология, 2011, том 4, № 4, с. 52–61 ВЗАИМОСВЯЗЬ НАПРАВЛЕННОСТИ СУБЪЕКТНООРИЕНТИРОВАННОГО СРАВНЕНИЯ И НЕКОТОРЫХ ЛИЧНОСТНЫХ ХАРАКТЕРИСТИК1 САМОЙЛЕНКО Е. С., Институт психологии РАН, Москва КОРБУТ А. В., ГОУ Лицей 1535, Мос...»

«Происхождение и эволюция человека Обзор достижений палеоантропологии, сравнительной генетики и эволюционной психологии А. В. Марков Палеонтологический институт РАН http://paleo.ru радио "Свобода" http://svobodanews.ru/ сайт "Элементы большой науки" http:/...»

«РОССИЙСКАЯ ФЕДЕРАЦИЯ (19) (11) (13) RU 2 522 652 C1 (51) МПК B01F 3/18 (2006.01) B01F 5/00 (2006.01) B01F 5/18 (2006.01) ФЕДЕРАЛЬНАЯ СЛУЖБА ПО ИНТЕЛЛЕКТУАЛЬНОЙ СОБСТВЕННОСТИ (12) ОПИСАНИЕ ИЗОБ...»

«УДК 81-139 АССОЦИАТИВНЫЙ ЭКСПЕРИМЕНТ КАК СРЕДСТВО ВЫЯВЛЕНИЯ ПСИХОЛИНГВИСТИЧЕСКОГО ЗНАЧЕНИЯ КОНЦЕПТОВ АНГЛИЙСКИЙ ЯЗЫК И ДИСЦИПЛИНА "АНГЛИЙСКИЙ ЯЫК" Кузнецова Н. О. научный руководитель канд. филол. наук, проф. Малинович М. В. Сибирский федеральный университет Последние несколько лет в развитии Сибирского федерального у...»

«Пояснительная записка. Художественная деятельность, т.е. создание произведений графики, живописи и пластического искусства, связана с процессами восприятия, познания, с эмоциональной и общественной сторонами жизни человека, свойственной ему на различных ступенях развития, в ней находят отражение не...»

«108 УДК 332.142.6 Д. Г. Синицина, А. Е. Чунина МЕНЕДЖМЕНТ НАКОПЛЕНИЯ И СКЛАДИРОВАНИЯ БЫТОВЫХ И ПРОМЫШЛЕННЫХ ОТХОДОВ ПЕРЕД ИХ РЕКУПЕРАЦИЕЙ Проблема образования отходов заключается в том, что они являются серьезными источниками антропогенного...»

«Пояснительная записка Общее недоразвитие речи (ОНР) у детей с нормальным слухом и сохранным интеллектом представляет собой нарушение, охватывающее как фонетикофонематическую, так и лексико-грамматическую системы языка. В классической литературе выделено три уровня, характеризующи...»

















 
2018 www.new.z-pdf.ru - «Библиотека бесплатных материалов - онлайн ресурсы»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 2-3 рабочих дней удалим его.