Методические указания по выполнению курсовой работы по дисциплине




Скачать 225.46 Kb.
НазваниеМетодические указания по выполнению курсовой работы по дисциплине
Дата01.02.2013
Размер225.46 Kb.
ТипМетодические указания
МИНОБРНАУКИ РОССИИ

Федеральное государственное бюджетное образовательное учреждение

высшего профессионального образования

«Тульский государственный университет»


Кафедра электронных вычислительных машин


методические указания

по выполнению курсовоЙ Работы


по дисциплине


БАЗЫ ЗНАНИЙ И ЭКСПЕРТНЫЕ СИСТЕМЫ


Направление подготовки: 230100 “Информатика и вычислительная техника”

Специальность: 230101 “Вычислительные машины, комплексы, системы и сети”

Формы обучения: очная, очно-заочная


Тула 2012


Методические указания по выполнению курсовой работы составлены доцентом кафедры ЭВМ Г.Б. Берсеневым и обсуждены на заседании кафедры ЭВМ факультета кибернетики

протокол №_15_ от "_18_"_мая__ 2010 г.

Зав. кафедрой________________В.С. Карпов


Методические указания по выполнению курсовой работы пересмотрены и утверждены на заседании кафедры ЭВМ факультета кибернетики

протокол №___ от "___"____________ 20___ г.

Зав. кафедрой________________И.О. Фамилия


Содержание


стр.

Введение . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

1. Цель и задачи выполнения ККР. . . . . . . . . . . . . . . . . . . . . . . . . . . 4

2. Основные требования к ККР. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

2.1. Тематика ККР . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .4

2.2. Исходные данные к ККР . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .7

2.3. Задание на ККР . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

2.4. Объем и содержание ККР . . . . . . . . . . . . . . . . . . . . . . . . . . 9

2.5. Защита ККР . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

2.6. Оформление ККР . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

Список литературы . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10


  1. Введение


Исследования по искусственному интеллекту начали бурно развиваться 40 лет назад. В последние десятилетия в области искусственного интеллекта особенно успешно создаются и развиваются экспертные системы или системы, основанные на знаниях, которые способны принимать и аргументировать логические решения в широком круге предметном областей. Разработчиками самых первых экспертных систем (DENDRAL и MYCIN) были Фейгенбаум, Шортлиф и Букхенен. Они создали оригинальные механизмы логического вывода и показали, что базу знаний экспертной системы можно изменять и заменять полностью, не нарушая целостности системы. Так возникла EMYCIN (Empty MYCIN) – пустая MYCIN или первая экспертная оболочка, которая стала высокоуровневой инструментальной средой для построения экспертных систем различного назначения. Российские ученые (Попов, Хорошевский и др.) также внесли большой вклад (как теоретический, так и практический) в создание экспертных систем.

Знания в экспертных системах (ЭС) традиционно делят на процедурные и декларативные. Исторически первичными были процедурные знания, т.е. знания, растворенные в алгоритмах. Они управляли данными. Для их изменения требовалось изменять текст программ. Однако с развитием информатики и программного обеспечения все большая часть знаний сосредотачивалась в структурах данных (таблицы, списки, абстрактные типы данных), т.е. увеличивалась роль декларативных знаний.

Все системы, основанные на знаниях, можно подразделить на системы, решающие задачи анализа и системы, решающие задачи синтеза. В задачах анализа множество решений может быть перечислено и включено в систему. В задачах синтеза множество решений потенциально не ограничено и строится из решений компонентов или подпроблем. Задачами анализа, решаемыми экспертными системами, являются: интерпретация данных, диагностика, поддержка принятия решения. К задачам синтеза относятся проектирование, планирование, управление. Комбинированными задачами являются: обучение, мониторинг, прогнозирование.

Разработка экспертной системы начинается с создания прототипа ЭС, называемого также демонстрационным прототипом. Прототип ЭС является усеченной версией ЭС, спроектированной для проверки правильности кодирования фактов, связей и стратегий рассуждения эксперта. Объем базы знаний прототипа – несколько десятков правил, фреймов или примеров. В дальнейшем за счет усложнения и повышения эффективности реализации ЭС проходит стадии исследовательского прототипа, действующего прототипа, промышленной системы и коммерческой ЭС.


2. Цель и задачи выполнения контрольно-курсовой работы


Контрольно-курсовая работа "Создание прототипа экспертной системы" выполняется для закрепления знаний по курсу "Базы знаний и экспертные системы" и приобретения навыков реализации основных частей ЭС (базы знаний и редактора базы знаний, механизма логического вывода, интерфейса пользователя, модуля объяснения и пояснений) в виде приложения, использующего современные технологии программирования.

Задачами контрольно-курсовой работы являются:

  • приобретение навыков формализации и представления знаний в ЭС на основе моделей знаний;

  • практическое освоение языков представления знаний и инструментальных средств создания ЭС;

  • практическое овладение методами организации логического вывода с использованием как точных, так и неточных знаний;

  • приобретение практических навыков оформления и выпуска документации.


3.Основные требования к контрольно-курсовой работе


3.1. Тематика контрольно-курсовой работы


ЭС относятся к системам, в которых вычислительная возможность определяется в первую очередь объемом базы знаний и только во вторую очередь - используемыми методами инженерии знаний.

В настоящее время разработаны десятки моделей и языков представления знаний для различных предметных областей. Основными из них являются продукционные модели, семантические сети и формальные логические модели.

Продукционная модель или модель, основанная на правилах (rule-based), позволяет представить знания в виде предложений типа «Если (условие), то (действие)». Языки представления знаний (ЯПЗ), основанные на правилах, являются наиболее распространенными и более 80% ЭС используют именно их.

В правилах под «условием» (антецедентом) понимается некоторое предложение-образец, по которому осуществляется поиск в базе знаний, а под «действием» (консеквентом) – действия, выполняемые при успешном исходе поиска (они могут быть промежуточными, выступающими далее как условия, и терминальными или целевыми, завершающими работу системы).

Вывод на продукционной базе знаний бывает прямой (от данных к поиску цели) или обратный (от цели для ее подтверждения – к данным). Данные – это исходные факты, хранящиеся в базе фактов, на основании которых запускается механизм логического вывода или интерпретатор правил, перебирающий правила из продукционной базы знаний.

Имеется большое число программных средств, реализующих продукционный подход (например, язык Lisp, языки высокого уровня CLIPS, COOL (CLIPS Object-Oriented Language) и OPS 5; «оболочки» или «пустые» ЭС – EXSYS Professional и Kappa; инструментальные системы KEE, ARTS, PIES [Хорошевский, 1993]), а также промышленых ЭС на его основе (например, ЭС, созданных средствами G2 [Попов, 1996]).

Продукционные ЭС (как и другие виды ЭС) могут быть реализованы и на любых других процедурных и декларативных языках. Однако трудоемкость такой реализации может быть очень высокой.

Существует несколько классификаций семантических сетей в зависимости от типов отношений между понятиями. Термин «семантическая» означает «смысловая», а сама семантика – это наука, устанавливающая отношения между символами и объектами, которые они обозначают, т.е наука, определяющая смысл знаков. Семантическая сеть – это ориентированный граф, вершины которого – понятия, а дуги –отношения между ними.

В качестве понятий обычно выступают абстрактные или конкретные объекты, а отношения – это связи типа:

  • «это» («АКО – A-Kind-Of», «is» или «элемент класса»);

  • «имеет частью»;

  • «принадлежит» и многие другие.

Недостатком семантической модели знаний является сложность организации процедуры вывода на семантической сети, поскольку при этом решается непростая задача поиска фрагмента сети, соответствующей семантической сети запроса. Для реализации семантических сетей могут использоваться специальные сетевые языки, например, NET [Цейтин, 1985], язык реализации систем SIMER + MIR [Осипов, 1997] и др. Широко известны ЭС, использующие семантические сети в качестве моделей знаний – PROSPECTOR, CASNET, TORUS.

Фрейм – это абстрактный образ для представления стереотипа объекта, понятия или ситуации. Различают фреймы-образцы (или прототипы), хранящиеся в базе знаний, и фреймы-экземпляры, которые создаются для отбражения реальных фактических ситуаций на основе поступающих данных. Модель фрейма позволяет отобразить все многообразие знаний о мире через фреймы-структуры, использующиеся для обозначения объектов и понятий, фреймы-роли, фреймы-сценарии, фреймы-ситуации и др. Созданы специальные языки представления знаний в сетях фреймов: FRL, KRL и др. Широко известны и фрейм-ориентированные ЭС: ANALYST, МОДИС, TRISTAN, ALTERID и др.

Логическая модель представления знаний основана на системе исчисления предикатов первого порядка, когда предметная область или задача описывается в виде набора аксиом (фактов или правил). Использование логики для представления знаний дает возможность перейти от процедурного способа задания информации о предметной области к спецификации отношений между объектами, которые существуют в реальном мире.

Основной недостаток логических моделей состоит в отсутствии принципов структуризации логических формул, составляющих основу базы знаний. Для больших баз знаний данное требование весьма существенно, так как без его соблюдения невозможно обеспечить цельность и непротиворечивость получаемых представлений. Поэтому модели знаний на логике широко используются в исследовательских и учебных целях и реже для создания промышленных ЭС. Основным языком ЭС на логике является язык Prolog и множество его разновидностей, например, Visio Prolog. Эти языки имеют встроенный переборный механизм, что значительно упрощает создание механизмов логического вывода.

При формировании знаний существует проблема, затрудняющая использование традиционного математического аппарата. Это проблема описания понятий, оперирующих качественными характеристиками объектов (много, мало, высокий, очень высокий и т.п.). Эти характеристики обычно размыты и не могут быть однозначно интерпретированы, однако содержат важную информацию (например, одним из возможных признаков гриппа является высокая температура).

Кроме этого, экспертным системам часто приходится пользоваться неточными знаниями, которые не могут быть интерпретированы как полностью истинные или ложные (логические true/false или 0/1). Существуют знания, достоверность которых выражается некоторой промежуточной цифрой, например 0,7. Для учета размытости и неточности знаний обычно используется формальный аппарат нечеткой (fuzzy) алгебры и нечеткой логики. Позднее это направление в ЭС получило название мягких вычислений (soft computing).


3.2. Исходные данные к контрольно-курсовой работе


В результате выполнения контрольно-курсовой работы необходимо создать демонстрационный прототип - простейший вариант экспертной системы, предназначенный для проверки правильности кодирования фактов, связей и стратегий рассуждения эксперта. Объем базы знаний прототипа – несколько десятков единичных знаний - правил, фактов, фреймов или объектов.

Контрольно-курсовая работа по дисциплине "Базы знаний и экспертные системы" выполняется либо по индивидуальному заданию, выданному преподавателем, либо по типовому заданию (табл. 1). По согласованию с преподавателем отдельные параметры типового задания могут быть изменены (например, при вместо заданной модели знаний используется ее комбинация с другой или другими моделями). Возможны модификации типовых заданий, обусловленные использованием распределенных архитектур, многоязыковых кодов и наиболее современных инструментальных средств и моделей знаний. Типовой вариант с измененными параметрами рассматривается как новый вариант.

В качестве индивидуальных заданий могут быть предложены ЭС, отличные от диагностических, а также задания, имеющие научную направленность или связанные с подготовкой новых лабораторных и курсовых работ.

В каждом варианте типового задания указывается:

  • модель знаний (продукции, логика, семантическая сеть, фреймы);

  • вид логического вывода (прямой, обратный) для продукционных ЭС;

  • вид (определенность) знаний (точные или неточные);

  • язык или инструментальная система для реализации (CLisp, YLisp, C#, Erlang, CLIPS/COOL, CLIPS, Visual Prolog, Amzi! Prolog, SWI/XPCE Prolog, Exsys Corvid, Ciao Prolog);

  • предметная область ЭС (медицинская консультация, компьютерная диагностика, покупка компьютера );

  • наличие модуля объяснений (ответы на вопросы «как» и «почему»).



Таблица 1.

Варианты прототипов экспертных систем диагностического типа

Вариант

Модель знаний

Логический вывод

Вид знания

Язык/Среда

реализации

Предметная область

Наличие объяснений

1

сем. сеть

прямой

точные

C#

консультация

да

2

сем. сеть

прямой

неточные

C#

диагностика




3

сем. сеть

прямой

точные

C#

покупка

да

4

фреймы

обратный

неточные

C#/XML/XSD

консультация




5

фреймы

обратный

точные

C#/XML/XSD

диагностика

да

6

фреймы

обратный

неточные

C#/XML/XSD

покупка




7

логика




точные

Erlang

консультация

да

8

логика




точные

Erlang

диагностика

да

9

логика




точные

Erlang

покупка

да

10

продукции




неточные

Amzi! Prolog

консультация




11

продукции




неточные

SWI/XPCE Prolog

диагностика




12

продукции




неточные

Visual Prolog

покупка




13

логика




точные

Visual Prolog

консультация

да

14

логика




точные

Visual Prolog

диагностика

да

15

логика




точные

Ciao Prolog

покупка

да

16

логика




неточные

Amzi! Prolog

консультация




17

логика




неточные

SWI/XPCE Prolog

диагностика




18

логика




неточные

Visual Prolog

покупка




19

продукции

прямой

точные

YLisp

консультация

да

20

продукции

прямой

точные

YLisp

диагностика

да

21

продукции

прямой

точные

YLisp

покупка

да

22

продукции




точные

CLIPS

консультация




23

продукции




точные

CLIPS

диагностика




24

продукции




точные

CLIPS

покупка




25

продукции




точные

CLIPS /COOL

консультация




26

продукции




точные

CLIPS /COOL

диагностика




27

продукции




точные

CLIPS /COOL

покупка




28

продукции




неточные

Exsys Corvid

консультация

да

29

продукции




неточные

Exsys Corvid

диагностика

да

30

продукции




неточные

Exsys Corvid

покупка

да

31

продукции

обратный

точные

CLisp

консультация

да

32

продукции

обратный

точные

CLisp

диагностика

да

33

продукции

обратный

точные

CLisp

покупка

да

34

продукции




неточные

C#/XML/XSD

консультация

да

35

продукции




неточные

C#/XML/XSD

диагностика

да

36

продукции




неточные

C#/XML/XSD

покупка

да


3.3. Задание на контрольно-курсовую работу


При выполнении контрольно-курсовой работы студент должен идентифицировать проблему, решаемую экспертной системой, определить (структурировать) знания, необходимые для решения проблемы, создать формализованное представление предметной области на основе имеющегося языка представления знаний, выполнить программную реализацию основных частей прототипа ЭС.

Задание на проектирование выдается студенту в течении первых трех недель восьмого семестра. В течение первых трех недель с момента выдачи задания исходные данные могут быть откорректированы по согласованию с руководителем работы. Индивидуальное задание должно быть согласовано с ведущим лектором курса "Базы знаний и экспертные системы".


3.4. Объем и содержание контрольно-курсовой работы


Контрольно-курсовая работа состоит из пояснительной записки объемом 15 – 20 страниц и информа­ционно-программных средств, реализующих задание на проекти­рование.

Пояснительная записка (ПЗ) оформляется согласно требованиям ЕСПД и должна содержать:

  • титульный лист;

  • введение;

  • постановку задачи;

  • основное содержание;

  • заключение;

  • библиографический список;

  • приложение, включающее исходные тексты программ и изображения входных и выходных документов, подтверждающих выполнение основных этапов контрольно-курсовой работы и отражающих ее отличия от других вариантов заданий.

Работающие варианты программ вместе с исходными текстами предоставляются преподавателю в электронном виде.

Основное содержание должно включать информацию об используемых инструментальных средствах, о структуре и особенностях реализации модулей экспертной системы. Необходимо привести подробное описание предметной области и ее представления в базе знаний. Должны быть подробно рассмотрены элементы инструментальной среды, используемые для представления базы знаний и механизма логического вывода. В случае, если инструметальная среда предоставляет вожность создания графического интерфейса пользователя (GUI), прототип экспертной системы должен иметь графический интерфейс. При использовании оболочек ЭС (например, Exsys), имеющих встроенные модули ЭС, более подробно необходимо рассмотреть возможность подключения внешних модулей, разработанных пользователем.


3.5. Защита контрольно-курсовой работы


Выполненная и оформленная полностью контрольно-курсовая работа предоставляется руководителю на проверку, который после проверки пояснительной записки и информационно-программного обеспечения подписывает ее к защите или возвращает студенту на доработку в зависимости от готовности работы.

Во время защиты студент докладывает об основных проблемах, возникших при разработке информационно-программного обеспечения и принятых им способах их решения, демонстрирует на компьютере создание и функционирование приложения, докладывает о полученных результатах и отвечает на вопросы.

Преподаватель оценивает защиту контрольно-курсовой работы как по качеству выполненной работы, так и по уровню знаний студента, проявленных им в процессе защиты.

В случае неудовлетворительной оценки студент получает новое задание и выполняет работу заново.


3.6. Оформление контрольно-курсовой работе


Пояснительная записка выполняется на листах белой бумаги формата А4 (210x297 мм) машинописным или рукописным способом в соответствии с требованиями государственных стандартов.


Список литературы


1. Ин Д., Соломон Д. Использование Турбо Пролога: пер с англ. М: Мир, 1993. - 540с.

2. Марселлус Д. Программирование экспертных систем на Турбо Прологе: Пер. с англ. - М.: Финансы и статистика, 1994. - 144 с.

3. Стерлинг Л., Шапиро Э. Искусство программирования на языке Пролог: Пер. с англ. - М.: Мир, 1990. - 560 с.

4. Васенев Ю.Б. и др. Экспертные системы в GURU: справочное пособие/ Васенев Ю.Б., Бабанин А.Т., Бессонов М.Б., Блинов М.Н. - СПб: Санкт-Петербургский государственный университет, 1993. -112 с.

5. Частиков А.П., Гаврилова Т.А., Белов Д.Л. Разработка экспертных систем. Среда CLIPS.- СПб.: БХВ-Петербург, 2003. – 608 с.

6. Адаменко А.Н., Кучуков А.М. Логическое программирование и Visual Prolog. – СПб.: БХВ-Петербург, 2003.- 992 с.

7. Э. Коста. Visual Prolog 7.1 для начинающих. М., 2008. – 210 с.

8. Джарратано Дж., Райли  Г. Экспертные системы: принципы разработки и программирование. – М.: Вильямс, 2007. - 1152с.

9. Armstrong J. Programming Erlang: Software for a Concurrent World. – Pragmatic Bookshelf, 2007. – 440c.

10. Братко И. Язык PROLOG (Пролог): Алгоритмы искусственного интеллекта. – М. : «Вильямс», 2004. – 640 с.

11. Башмаков А.И., Башмаков И.А. Интеллектуальные информационные технологии: Учеб. пособие. – М.: Изд-во МГТУ им. Н.Э. Баумана, 2005. – 304 с.

12. Андрейчиков А.В., Андрейчикова О.Н. Интеллектуальные информационные системы : Учебник. – М.: Финансы и статистика, 2004. – 424 с.

13. Гаскаров Д.В. Интеллектуальные информационные системы. Учеб. для вузов. – М.: Высш. шк., 2003. – 431 с.

14. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. – СПб.: Питер, 2000. – 384 с.

15. Джексон, П. Введение в экспертные системы /П. Джексон. – 3-е изд. – М., 2007.

16. Ревунков Г.И. и др. Базы банки данных и знаний: Учебн. для вузов/Под ред. В.Н. Четверикова. - М.: Высш. школа, 1992. - 367 с.

17 Малпас Дж. Реляционный язык Пролог и его применение: Пер. с англ. - М.: Наука, 1990. - 464 с.

18. Янсон А. Турбо Пролог в сжатом изложении: Пер С нем. - М.: Мир, 1991. - 94 с.

19. Попов Э.В. Экспертные системы: Решение неформализованных задач в диалоге с ЭВМ. - М.: Наука, 1987. - 288 с.

20. Грей П. Логика, алгебра и базы данных: Пер. с англ. - М.: Машиностроение, 1989. - 368 с.

21. Искусственный интеллект: В 3 кн. Кн. 1. Системы обучения и экспертные системы: Справочник/ Под. ред. Э.В.Попова. - М.: Радио и связь, 1990. - 464 с.

22. Осуга С. Обработка знаний: Пер. с япон. - М.: Мир, 1989. - 293с.

23. Логический подход к искусственному интеллекту: от классической логики к логическому программированию: Пер. с франц./ Тейа А., Грибоман П., Луи Ж. и др. - М.: Мир, 1990.- 432 с.

24. Робототехника и гибкие автоматизированные производства. В 9-ти кн. Кн. 6. Техническая имитация интеллекта: Учеб. пособие для втузов/ В.Н. Назаров, Д.П. Ким; Под. ред. И.М. Макарова. - М.: Высш. шк., 1986. - 144 с.

25. Представление и использование знаний: Пер. с япон./ Под ред. Х. Уэно, М. Исидзука. - М.: Мир, 1989. - 220 с.

26. Доорс Дж. и др. Пролог - язык программирования будущего/ Дж. Доорс, А.Р. Рейблейн, С. Вадера: Пер. с англ. - М.: Финансы и статистика, 1990. - 144 с.

27. Клоксин У., Меллиш К. Програмирование на языке Пролог: Пер. с англ. - М.: Мир, 1987. - 236 с.

28. Экспертные системы. Принципы работы и примеры: Пер. с англ./ Под. ред. Р. Форосайта. - М.: Радио и связь, 1987. - 224 с.

29. Таунсенд К., Фохт Д. Проектирование и программная реализация экспертных систем на персональных ЭВМ: Пер. с англ. - М.: Финансы и статистика, 1990. - 320 с.

30. Элти Дж., Кумбс М. Экспертные системы: концепции и примеры/ Пер. с англ. - М.: Финансы и статистика, 1987. - 191 с.

31. Братко, И.М. Алгоритмы искусственного интеллекта на языке PROLOG / И.М. Братко. – М., 2005.

32. Крюков А.П. и др. Программирование на языке R-Лисп. – М.: Радио и связь, 1991. – 192 с.

33. Хювенен Э., Сеппянен Й. Мир Лиспа. В 2-х т. Т1: Введение в язык Лисп и функциональное программирование. – М.: Мир, 1990. – 447 с.

34. Хювенен Э., Сеппянен Й. Мир Лиспа. В 2-х т. Т2: Методы и системы программирования. – М.: Мир, 1990. – 319 с.

35. Порываев, А. М. Учебник по инструментальной оболочке создания экспертной системы Clips : учебник/ А. М. Порываев, 2002 .

Похожие:

Методические указания по выполнению курсовой работы по дисциплине iconМетодические указания к выполнению курсовой работы Методические указания к выполнению контрольной работы
Информатика: учебно-методический комплекс (блок контроля освоения дисциплины: методические указания к выполнению курсовой работы;...
Методические указания по выполнению курсовой работы по дисциплине iconМетодические указания по выполнению курсовой работы для студентов 2 курса всех специальностей Кафедра автоматизированной обработки экономической информации
Методические указания по выполнению курсовой работы по дисциплине "Информатика" подготовили: Безрядина Г. П., Дулькин В. Н., Коноплева...
Методические указания по выполнению курсовой работы по дисциплине iconМетодические указания по выполнению курсовой работы по дисциплине «Организационное поведение»
Методические указания по выполнению курсовой работы по дисциплине «Организационное поведение» для студентов специальностей 080507...
Методические указания по выполнению курсовой работы по дисциплине iconМетодические указания к выполнению курсовой работы по дисциплине «Международное предпринимательство»
Методические указания к выполнению курсовой работы по дисциплине «Международное предпринимательство» для студентов, обучающихся по...
Методические указания по выполнению курсовой работы по дисциплине iconМетодические указания к выполнению курсовой работы по дисциплине «Основы научных исследований»
«Прикладная биотехнология» Наумовой Н. Л. Методические указания к выполнению курсовой работы предназначены для студентов 2 курса...
Методические указания по выполнению курсовой работы по дисциплине iconМетодические указания по выполнению курсовой работы для студентов у курса специальности 06. 04
Методические указания предназначены для оказания помощи студентам при подготовке курсовой работы. Методические указания включают...
Методические указания по выполнению курсовой работы по дисциплине iconМетодические указания к выполнению курсовой работы по дисциплине «насосы и компрессоры»
Методические указания к выполнению курсовой работы по дисциплине «Насосы и компрессоры» / Самар гос тех у-т; Сост. А. А. Уютов. Самара,...
Методические указания по выполнению курсовой работы по дисциплине iconКурсовая работа по дисциплине «теория и методика обучения изобразительному искусству»
Методические указания содержат структуру, содержание каждого элемента курсовой работы, темы самостоятельной научной работы, методические...
Методические указания по выполнению курсовой работы по дисциплине iconМетодические указания по выполнению курсовой работы по дисциплине “Космическая навигация” Новосибирск 2009
Г465 Построение опорных геодезических сетей космическими методами. Методические указания по выполнению курсовой работы по дисциплине...
Методические указания по выполнению курсовой работы по дисциплине iconМетодические указания к выполнению курсовой работы для всех форм обучения Специальность 080504 Государственное и муниципальное управление
Настоящие методические указания имеют целью дать краткие рекомендации по основным вопросам выполнения курсовой работы по дисциплине...
Разместите кнопку на своём сайте:
Библиотека


База данных защищена авторским правом ©lib.znate.ru 2014
обратиться к администрации
Библиотека
Главная страница