Классификация основных сетевых протоколов физического уровня модели




НазваниеКлассификация основных сетевых протоколов физического уровня модели
страница1/7
Дата31.08.2012
Размер0.87 Mb.
ТипДокументы
  1   2   3   4   5   6   7
Секція 1. Алгоритмічне та програмне забезпечення інформаційних систем.


Савельев О.О.

Шушура А.Н. к.т.н. доц.

ДонГИИИ


КЛАССИФИКАЦИЯ ОСНОВНЫХ СЕТЕВЫХ ПРОТОКОЛОВ ФИЗИЧЕСКОГО УРОВНЯ МОДЕЛИ OSI


Теоретической основой всех сетевых взаимодействий является сетевая модель OSI (Open Systems Interconnection Reference Model — модель взаимодействия открытых систем) – абстрактная модель для сетевых коммуникаций и разработки сетевых протоколов. Сегодня используется только некоторое подмножество модели OSI. Модель состоит из 7-ми уровней, расположенных вертикально друг над другом. Каждый уровень может взаимодействовать только со своими соседями и выполнять отведённые только ему функции. Уровни модели (сверху вниз): прикладной, представления, сеансовый, транспортный, сетевой, канальный, физический. Физический, самый нижний уровень модели, предназначен непосредственно для передачи потока данных, осуществляет передачу электрических или оптических сигналов в носитель и соответственно их приём и преобразование в биты данных в соответствии с методами кодирования цифровых сигналов. На этом уровне работают концентраторы, повторители (ретрансляторы) сигнала и сетевые адаптеры. В рамках данной работы невозможно рассмотреть все протоколы физического уровня, а тем более всей модели OSI, поэтому будет проведена классификация лишь основных протоколов физического уровня, так как он является базовым, а соответственно и наиболее значимым.

Основные классифицирующие критерии приведены на рисунке 1. Используя данную схему, можно провести строгую классификацию всех протоколов. Рассмотрим классификацию по используемому типу носителя. Механические и электрические/оптические свойства носителя определяют: полосу пропускания, скорость передачи сигналов, алгоритмы кодирования. Основными носителями для проводных протоколов являются: витая пара, коаксиальный кабель и оптоволокно, а для беспроводных – радиочастотный ресурс.




Рисунок 1 – Классифицирующие критерии протоколов

К классу проводных относятся: протоколы RS-232, RS-449, RS-423-А, RS-422-А и RS-485, Token Ring, ATM, FE, xDSL, 10BASE-T, 100BASE-T, 1000BASE-T/TX/SX (использующие витую пару); 10BASE2, 10BASE5 (использующие коаксиальный кабель); 100BaseFX, 1000BaseSX/LX (использующие оптоволокно). К классу беспроводных протоколов относятся: NMT, AMPS, D-AMPS, GSM800/900, GSM1800/1900, IS-95A/B/С, UMTS, IEEE 802.11/a/b/g, BlueTooth.

Классификация по алгоритму разделения носителя существенна в основном для беспроводных протоколов, в виду их специфики. Все проводные протоколы группы RS, семейства Ethernet, Token Ring, ATM, FE относятся к классу без разделения носителя, за исключением xDSL (осуществляется передача аналоговых и цифровых сигналов одновременно). К классу с использованием FDMA (Frequency Division Multiple Access – множественный доступ с разделением каналов по частоте) относятся AMPS, NMT; к классу с использованием TDMA (Time Division Multiple Access - множественный доступ с разделением по времени) – GSM, D-AMPS; к классу с использованием СDMA (Code Division Multiple Access – множественный доступ с кодовым разделением) – IS-95A/B/C и UMTS.

Классификация по используемому диапазону частот выглядит следующим образом: класс 16/20 МГц содержит протоколы Ethernet, Token Ring; класс 100 МГц – Ethernet, Token Ring, ATM, FE; класс 200/250 МГц – Ethernet, Token Ring, ATM, GigaEthernet; класс 450 - 500 МГц – NMT; класс 600 МГц – GigaEthernet; класс 800 – 900 МГц – AMPS, D-AMPS, GSM800/900, IS-95A/B; класс 1710 – 1880 МГц – GSM1800/1900, IS-95C, UMTS; класс 2.4 ГГц – IEEE 802.11/b/g, BlueTooth; класс 5 ГГц – IEEE 802.11a. Четких границ для IS-95C и UMTS не существует, а частотный ресурс выделяется в каждой стране соответствующими государственными организациями.

Дополнительная классификация может быть проведена по специфическим параметрам протоколов. Например, для проводных – это тип кабеля, разводка и типы разъемов, длина физического сегмента, а для беспроводных – расстояние до базовой станции, мощность передатчика, чувствительность приемника. В реализации каждого протокола используются свои, уникальные алгоритмы кодирования. Диапазон используемых частот и алгоритмы кодирования в наибольшей степени определяют скорость передачи информации.

Данная классификация может быть полезной при базовом ознакомлении с моделью OSI, сетевыми протоколами, а также при подборе сетевого оборудования в соответствии с проектными требованиями.

Федоров М.А.

Шушура А.Н. к.т.н. доц.

ДонГИИИ

ПРЕИМУЩЕСТВА И НЕДОСТАТКИ ПРОГРАММИРОВАНИЯ С ИСПОЛЬЗОВАНИЕМ ТЕХНОЛОГИИ .NET


По данным из различных источников информации компания Microsoft потратила около 70-80% своего бюджета на разработку технологии .NET. В итоге эта технология получила обширное распространение в среде разработчиков программного обеспечения, вызвав намного большее количество положительных отзывов, чем отрицательных. Одной из главных причин такого распространения является то, что .NET широко используется для программирования web-сервисов/web-служб.

В рамках данной работы был произведен анализ основных особенностей данной технологии, среди которых выделены как положительные, так и отрицательные характеристики технологии .NET, изображенные в виде схемы на рисунке 1.


Основные характеристики технологии .NET

Высокий уровень создания приложений влечет за собой снижение скорости их работы

Положительные

Необходимость наличия пакета .NET Framework для работы .NET-приложений

Упрощение разработки

Обеспечение взаимодействия приложений

Мощная библиотека классов

Потенциальная кроссплатформенность

Мощное средство ASP .NET

Мультиязычность

Отрицательные



Рисунок 1 – Основные характеристики технологии .NET

Перейдем к более детальному описанию этих характеристик.

Мультиязычность dotNET заключается в том, что приложения можно писать на любом из нескольких десятков CLS-совместимых языков. Ниже приведена часть списка таких языков программирования: Microsoft VB .NET, Microsoft VC++ .NET, Microsoft C#, Microsoft J#, Microsoft Jscript, APL, Perl, Python.

Упрощение разработки приложений достигается благодаря среде разработки Visual Studio .NET, которая предоставляет очень удобные и мощные средства разработки приложений, такие как IntelliSense (своеобразный помощник в написании кода). Также присутствуют различного рода «мастера», которые точно так же облегчают работу с данными.

Мощная библиотека классов .Net Framework Class Library содержит самые разные средства, которые могут понадобиться при разработке программ, такие как доступ к БД, создание интерфейса, работа с графикой (GDI+), XML (в том числе XPath, XSLT, XQuery), файловая система, криптография (шифрование, хэширование, цифровые подписи), сеть и многое другое.

Потенциальная кроссплатформенность заключается в том, что DotNET-приложения первоначально компилируются в так называемый промежуточный код (MSIL - Microsoft Intermediate Language), который никак не зависит от "платформы", то есть от процессора и операционной системы. А компиляция в машинный код, зависимый от процессора (JIT-компиляция, Just-in-time - компиляция), происходит уже на машине конечного пользователя при первом запуске программы. Это позволяет (в теории) создавать кроссплатформенные приложения, т.е. такие, которые могут запуститься и под PC, и под Macintosh. Сейчас ведутся разработки вариантов .NET FW под Linux, FreeBSD и Macintosh.

Благодаря компоненту ASP .NET разработка web-приложений сравнима с программированием под Windows. Реализован визуальный дизайн страниц, система событий и т.д.

Обеспечение взаимодействия приложений организовывается с помощью двух технологий: .NET XML Web Services и .NET Remoting. Web Services уже сейчас очень активно используются на крупных предприятиях.

Для улучшения взаимодействия между языками в Microsoft .NET Framework введен языковый стандарт, Common Language Specification (CLS). CLS – это поднабор свойств языка, поддерживаемых CLR, включающий свойства, общие для большинства объектно-ориентированных языков программирования. Если необходимо, чтобы компоненты и элементы управления можно было заимствовать из других языков программирования, нужно создавать их на CLR-совместимом языке и обеспечить совместимость всех общих и частных членов с CLR.

Что же касается недостатков .NET, то основным и достаточно весомым (во всех смыслах) аргументом против данной технологии является размер пакета .NET Framework, который необходим для работы .NET-приложений. Программа, разработанная на базе DotNET, может занимать объем дискового пространства в 100 Кб, но она не будет работать без установки вышеназванного пакета. Его последний релиз составляет объем памяти в 24 Мб, что заметно затрудняет распространение приложений через сеть Интернет.

С применением .NET невозможно создавать такие же быстрые и компактные приложения, какие делают, например, в C++ или Assembler. Однако низкая скорость работы программ компенсируется высокой скоростью их разработки. Если потенциальный заказчик разработки программного обеспечения потребует разработки приложения за рекордно короткое время, то необходимо обратиться к .NET.

Таким образом, можно сделать вывод, что платформа .NET, разработанная компанией Microsoft, является очень мощным средством для программирования. Результаты данной работы могут быть полезны как при общем ознакомлении с данной технологией, так и при выборе программного инструментария для решения практических задач.

Розов Е.Ю.

Маслова Е.А. ст.преп.

ДонГИИИ


СИСТЕМА КОМПЬЮТЕРНОЙ ОБРАБОТКИ АНГЛОЯЗЫЧНЫХ ТЕКСТОВ


1 Описание проблемы


В современном мире человек сталкивается с проблемой обработки очень больших объемов информации в течение короткого интервала времени. Для упрощения этой обработки можно применить сжатие текста. Сжатие текста можно производить на уровне выделения основных предложений текста, идеи текста.

2 Обоснование актуальности


Очевидно, что сейчас поиск данных в локальной сети или интернете производится на огромном объеме информации, для обработки которого используется не один десяток высокопроизводительных серверов. При использовании полного объема информации (например, при индексировании сайтов), есть возможность ответа на конкретный запрос. Неконкретные запросы (например, запрос «описание города Донецка») встречаются не реже чем конкретные. Для поиска неконкретной информации можно задействовать меньшие вычислительные мощности, если информация сжата. Если поиском информации занимается сам человек, то ему намного проще анализировать сжатые тексты, читаемые в несколько раз быстрее полных.


3 Компьютерная модель системы автореферирования


Модель системы автореферирования представлена на рисунке 1.





текст


упрощенный

текст


Рисунок 1 – Схема системы автореферирования


Модуль удаления вводных слов удаляет вводные слова вида «for example» и начальные конструкции предложений вида «there is». Предложение вида «There are many interesting things there, for example, programs » после обработки преобразуется к виду «many interesting things there programs».

В модуле замены местоимений замена происходит только для предложения, следующего за предложением со словом-заменителем. Выражение «People will live. They need peace, because war is dangerous. They will live in harmony» преобразуется в «People will live. People need peace, because war is dangerous. They will live in harmony». Замена происходит если местоимение является субъектом для этого предложение и найден субъект предыдущего предложения. Замены в пределах одного предложения не происходит.

В модуле замены синонимов берется слово и по всему оставшемуся тексту происходит поиск этого слова и его синонимов с подсчетом частоты встречаемости. Слово с максимальной встречаемостью становится словом-заменителем. Найденные слова заменяются на слово-заменитель, что позволяет учитывать то, что синонимы могут нести разные смысловые оттенки.

Модуль определения глагольных структур предложения использует форматы глагольных структур. Например, формат «were not -ing» соответствует структуре «were not living», а формат «has just 3» структуре вида «has just arisen». В формате учитывается суффикс правильного глагола («ing» или «ed») и время past participle неправильных глаголов.

Модуль определения субъекта предложения базируется на модуле определения глагольных структур. Сложное предложение вида «It will be funny if the recipient will receive a letter tomorrow» имеет глагольные структуры «will be» и «will receive». Слева от глагольных структур находится субъект, ограниченный слева знаками препинания («:», «;»), союзами, предлогами.

Задача модуля частотного анализа заключается в определении частоты встречаемости слов текста и корней слов. Для этого проводится структурный анализ каждого слова с определением корня, префиксов, суффиксов. Название текста и первое предложение каждого абзаца очень важны, поэтому частота встречаемости этих слов увеличивается на 4 и 2 соответственно.

В результате работы модуля частотного анализа, модуля определения глагольных структур предложения и модуля определения субъекта предложения можно провести грубую оценку предложений, которые могут участвовать в дальнейшей обработке. Естественно, что главным критерием при отборе предложений будет частота слов, входящих в эти предложения. Основной упор делается на частоту встречаемости субъектов предложений в тексте (как потенциальных носителей главной идеи текста).


4 Перспективы


В дальнейшем важно построение семантического поля анализируемого текста, т.к. вышеописанные модули не определяют смысл текста напрямую. Они не позволяют определить контекст использования слов. Для решения этой проблемы необходимо использовать словари сочетаемости слов (которые можно строить автоматически), словари синонимов, толковые словари.

Гайворонская А.И.

Маслова Е.А. ст.преп.

ДонГИИИ


РАЗРАБОТКА СИСТЕМЫ «АБИТУРИЕНТ»


Разрабатываемая система предназначена для осуществления и контроля процессов регистрации абитуриентов, организации проведения вступительных экзаменов с учетом наличия сертификатов, подготовки необходимой документации для зачисления.

В системе реализованы следующие функции:

  • ведение информационной базы об абитуриентах;

  • формирование документов для «Личного дела абитуриента»;

  • ведение журнала личных дел абитуриентов;

  • формирование документов для зачисления;

  • оперативный мониторинг по результатам подачи заявлений, вступительных экзаменов и зачисления;

  • формирование и печать отчетных форм;

  • ведение журнала сотрудников приемной комиссии;

  • оперативный мониторинг приема документов;

  • формирование проекта протокола про допуск к вступительным экзаменам;

  • формирование документов для вступительных экзаменов;

  • введение результатов вступительных экзаменов;

  • формирование рекомендаций для зачисления;

  • формирование проекта протокола о зачислении;

  • формирование проекта приказа о зачислении;

  • введение справочников: города, школы и др.;

  • экспорт данных в информационные базы деканатов.

Система «Абитуриент» реализована в СУБД Access.

База состоит из 12 таблиц-справочников, связанных с главной таблицей «Абитуриент» (рис. 1). База разбита на 2 файла в одном хранятся таблицы с информацией, в другой запросы, отчеты, формы. Таким образом, при работе с данными отсекается возможность случайного изменения структуры самой базы.

Для учета оценок абитуриентов, полученных в результате проведения независимого тестирования, в базе «Абитуриент» предусматривается возможность по желанию студента автоматически выставить соответствующую оценку по сдаваемому экзамену.

Для получения оперативной информации по льготным группам абитуриентов (сирота, инвалид и т.д.) предусмотрен справочник «Льготы».



Рисунок 1 – Схема данных базы «Абитуриент»


Система «Абитуриент» предусматривает пять уровней доступа. Самый расширенный уровень доступа Администратор, который обслуживает базу, занимается ведением справочников и экспортом данных. Старший технический секретарь ведет журналы личных дел абитуриентов и сотрудников приемной комиссии. Технический секретарь занимается формированием документов для личных дел, вступительных экзаменов, для зачисления. Ответственный секретарь приемной комиссии формирует отчеты про допуск к экзаменам, по рекомендациям к зачислению, осуществляет оперативный мониторинг приема документов и вступительных экзаменов. Оператор введения данных осуществляет только ввод информации об абитуриентах.

Схема функционирования системы «Абитуриент» приведена на рис.2.



Рисунок 2 - Схема функционирования системы Абитуриент»


Инновационные характеристики системы «Абитуриент»:

  • повышение продуктивности управляющей работы на 30 %;

  • возможность решения задач анализа, прогнозирования и оптимизации для повышения эффективности процессов управления;

  • возможность заполнения информационной базы об абитуриентах с нескольких терминалов;

  • обеспечение оперативности и достоверности информации;

  • современная архитектура, построенная на основе платформы «клиент-сервер», что предусматривает в дальнейшем переходить к перспективной Web – технологии;

  • открытость системы (возможность интеграции с другими системами);

  • использование интеллектуального интерфейса, который предназначен для конечного пользователя.

Стояльцев А.В.

Маслова Е.А. ст.преп.

ДонГИИИ


КОМПЬЮТЕРНАЯ ОБРАБОТКА АНГЛОЯЗЫЧНЫХ ТЕКСТОВ


1 Описание проблемы


В современной жизни мы наблюдаем бурный рост информационных потоков. В связи с чем, возникает необходимость обработки большого количества текстовой информации. Сжатие текстовой информации можно производить и на уровне выделения главной идеи текста, а не только архивирования. Возникает задача, в ходе которой очень важно представить лаконичный вариант большого объема текста, сохранив смысловую составляющую. В этом случае происходит, естественно, ее деконкретизация, что в некоторых случаях не сильно важно, например, для модулей автореферирования (составление рефератов по готовым текстам). Представив каждый абзац текста одним-двумя предложениями, выражающими идею этого абзаца, можно сократить текст в несколько раз.

Более 90% модулей автореферирования используют комбинацию двух подходов: статистика и ключевые слова, термины. На основе статистики выделяют наиболее часто встречаемые слова, предложения с которыми (с учетом терминов) и представляют автореферат. Достоинство заключается в простоте реализации, а недостаток – автореферат может не передавать основную идею текста, так как нет упора на идею.

Мы предлагаем исследовать подход, заключающийся в поиске основной идеи каждого абзаца, а на их основе и текста. Как было замечено выше, в результате этого подхода можно сильно сжать текст, упростить его. Очевидно, что в результате такого сжатия большинство конкретных деталей будет потеряно (хоть этот параметр и можно несколько настраивать выбором соответствующих критериев).

2 Обоснование актуальности


Сейчас поиск данных в локальной сети или Internet производится на огромном объеме информации. Достоинство подхода, опирающегося на использовании полного объема информации, как, например, при индексировании сайтов, заключается в возможности ответа на конкретный запрос. Но с другой стороны, неконкретные запросы встречаются не реже чем очень конкретные. Очевидно, что для поиска неконкретной информации можно задействовать меньшие вычислительные мощности, если информацию сжать.


3 Пути решения проблемы


Испошльзуются следующие подходы:

  1. удаление всех вводных слов («for example», «of course», «in fact»);

  2. статистика встречаемости слов с упором на существительные, глаголы;

  3. замена местоимений на заменяемые ими существительные;

  4. разбиение сложных предложений на набор простых;

  5. учет того, что первое предложение нового абзаца очень часто участвует в формировании идеи абзаца;

  6. использование, как существующих словарей, так и автоматическое создание новых (и дополнение старых новыми данными).

  7. замена всех синонимов конкретного слова (если они есть) на само слово;

  8. выделение глагольных структур каждого предложения;

  9. определение субъекта действия;

  10. использование толковых словарей для построения семантических полей.


4 Компьютерная модель системы, решающей данную проблему


Система, комбинирующая некоторые из этих подходов может иметь структуру, представленную на рисунке 1.




Рисунок 1 – Схема системы автореферирования


Модули удаления, замены и разбиения позволяют очистить текст от некоторого набора лишних структур, не несущих смысла, что позволяет упростить дальнейший анализ. Замена синонинов также упрощают текст, однако, возможно искажение смысла. Упрощенный текст поступает в модуль частотного анализа, модуль выделения глагольных структур и модуль определения объекта/субъекта предложения. Данный модуль помогает выявить предложения текста, которые могут нести главную идею. Также учитывается то, что первое предложение абзаца очень часто участвует в формировании идеи абзаца.

К сожалению, без учета семантического поля текста сложно говорить о том, что выделенный набор предложений будет обязательно содержать основную идею текста.

Т.о. использование всех вышеперечисленных подходов позволит выделить компоненты текста из семантического поля, формирующие основную мысль текста. Благодаря этому возможна замена целых блоков текста на краткие предложения, содержащие основную идею заменяемого блока текста. Это позволит сильно сжать исходный текст за счет уменьшения его конкретизации, что повысит продуктивность работы человека с таким текстом.

Гамазин Д.Н.

Маслова Е.А. ст.преп.

ДонГИИИ


КРИТЕРИЙ ВЫБОРА СУБД ПРИ СОЗДАНИИ БАЗЫ ДАННЫХ «АБИТУРИЕНТ»


В данной работе по результатам анализа различных источников, делается попытка сформулировать требования и критерии для решения конкретной задачи - выборе СУБД для создания базы данных «Абитуриент», приводится классификация требований и критериев.

  1. Моделирование данных:

  • используемая модель данных - реляционная модель;

  • триггеры и хранимые процедуры - проверка корректности данных после их обработки (выполнения запросов, ввода данных и т. д.);

  • средства поиска - поиск по отдельному значению, слову, полю;

  • предусмотренные типы данных - стандартные и пользовательские типы;

  • реализация языка запросов - ANSI SQL и Microsoft JET SQL 4.0.

  1. Особенности архитектуры и функциональные возможности:

  • мобильность – возможность хранения БД на смартфонах и КПК;

  • масштабируемость - увеличение количества пользователей, использующих БД на основе этой СУБД и количества запросов для обработки данных;

  • распределенность - хранение данных на нескольких серверах;

  • сетевые возможности - обработка данных на нескольких компьютерах одновременно, обеспечение сетевых возможностей в полном объеме.

  1. Контроль работы системы

  • контроль использования памяти компьютера - автоматическое управление объемом используемой оперативной памяти и памяти на дисковом пространстве самой СУБД;

  • автонастройка - настраиваемые параметры уменьшают узкие места и повышают производительность всей базы данных.

  1. Особенности разработки приложений.

  • средства разработки приложений - пакет Microsoft Visual Studio;

  • средства проектирования - совместное использование Microsoft SQL Server и Microsoft Access, который позволяет разрабатывать формы, отчеты, модули макросы и другие средства для обработки используемых данных;

  • возможности разработки Web-приложений – использование среды .NET и технологий Active Server Page для доступа к БД;

  • поддерживаемые языки программирования - Visual Basic for Application с возможностью подключаться через драйвер ODBC приложениям, написанных на других языках программирования.

  1. Производительность.

  • рейтинг TPC (Transactions per Cent) - удовлетворение условий, необходимых для обработки запроса за единицу времени по отношению к стоимости всей системы;

  • возможности параллельной архитектуры - распарралеливание выполнения обработки данных на нескольких компьютерах или выполнение разных запросов на нескольких обрабатывающих серверах.

  1. Надежность.

  • восстановление после сбоев – частичная отмена транзакции при сбое и повтор транзакции с исходной точки;

  • резервное копирование – копирование копии БД без отключения ее функционирования;

  • откат изменений – отмена последних 5 изменений, при выполнении обработки базы данных;

  • многоуровневая система защиты – система защиты на уровне входа в базу данных, доступа пользователей к таблице и ее полям.

  1. Требования к рабочей среде.

  • поддерживаемые аппаратные платформы – от коммуникационных устройст до больших терабайтных хранилищ информации;

  • минимальные требования к оборудованию – работа с СУБД на современных персональных компьютерах;

  • максимальный размер адресуемой памяти - адресация памяти в несколько терабайт;

  • операционные системы, под управлением которых работает СУБД - ОС Windows и другие ОС, поддерживающие данную СУБД.

  1. Смешанные критерии.

  • качество и полнота документации – документирование разработок и нововведений в СУБД на сайте разработчика;

  • локализованность – возможность в полной мере использовать украинский, русский и английские языки;

  • модель формирования стоимости – изменение стоимости СУБД в зависимости от количества пользователей и размера базы данных;

  • стабильность производителя – большой срок участия на рынке программных продуктов;

  • распространенность СУБД – используется на малых (SQL Express Server) и крупных (SQL Standart Server) предприятиях.

Если просто выполнять сравнения по данным параметрам - насколько хороши или плохи выделенные из всего множества необходимые параметры в случае каждой конкретной сетевой СУБД, то сравнение даже двух различных систем является трудоемкой задачей. Тем не менее, четкий и глубокий сравнительный анализ на основании вышеперечисленных критериев в любом случае помог рационально выбрать подходящую систему для конкретного проекта, и затраченные усилия не будут напрасными. Перечень критериев помог осознать разработчику будующей сетевой базы данных масштабность задачи и выполнить ее адекватную постановку. Использование данных критериев из всего множества доступных СУБД позволило выбрать СУБД, которые позволили решить большинство поставленных задач. Данными СУБД явились – Microsoft SQL Server и Microsoft Access.

Темник К.В.

Сорокин Р.А. асс.

ДонГИИИ


ВЫБОР ТЕХНОЛОГИИ ТРЕХМЕРНОГО

МОДЕЛИРОВАНИЯ ДЛЯ РАЗРАБОТКИ ОБУЧАЮЩЕЙ СИСТЕМЫ «DANTISTER»


Бурный рост компьютерных технологий обусловил на сегодняшний день достаточно высокую производительность даже в классе самых недорогих компьютеров. Этот факт сделал возможной реализацию приложений, основанных на использовании технологий, требующих высоких ресурсных затрат со стороны систем, их использующих. Ярким примером подобного процесса может служить возможность реализации обучающих систем с использованием трёхмерной графики. Среди прочих, такая задача достаточно актуальна в области медицины, в частности, стоматологии. В докладе рассматриваются возможности реализации системы, решающей эту задачу.

В связи со спецификой предметной области главное требование к такой системе – наглядность иллюстрируемой информации. Отсюда вытекает основная задача разработчика – реализовать систему трёхмерной визуализации для обучающей программы. Основные требования к системе таковы: возможность загрузки и визуализации моделей и материалов; наличие функций анимации статических моделей; максимальная независимость от использования различных платформ; гибкость и конфигурируемость.

Поскольку самостоятельная разработка подобной системы является чрезвычайно ресурсоёмкой, то выбор производится из существующих Open Source технологий трёхмерного моделирования (или «движков»), наиболее популярными из которых являются «OGRE», «DevLib», «CatMother» и др.

Для реализации описанной выше задачи была выбрана технология «OGRE» по следующим причинам:

  • наличие подробной и периодически обновляемой документации;

  • мультиплатформенность;

  • широкий набор реализованных функций и возможностей;

  • высокая степень соответствия исходного кода стандарту ISO C++ и требованиям к структурированию и форматированию кода;

  • отсутствие ориентированности на какой-либо конкретный тип приложений.

Помимо этого технология «OGRE» удовлетворяет требованиям, предъявляемым к разрабатываемому программному продукту вследствие наличия в ней следующих особенностей.

    1. Подсистема визуализации поддерживает основные 3DAPI (OpenGL и Direct3D) и большую часть графических настроек (разрешение экрана, глубина цвета и др.)

    2. Сама технология портируема и имеет возможности сборки под различными аппаратными платформами (Windows, MacOS и др.)

    3. Присутствует возможность импорта моделей, материалов и текстур из внешних источников (BMP, JPEG и другие файлы изображений, модели 3DStudio, Maya и др.)

    4. Присутствует подсистема, которая включает в себя различные виды анимации (скелетная, анимация узлов дерева сцены и др.)

    5. Присутствует множество дополнительных функций, призванных упростить разработку и улучшить её результат. К ним относятся функции подсистем: управляющих скриптов, использования аппаратных возможностей и некоторые другие.

Таким образом, в результате анализа, для реализации обучающей системы «Dantister» была выбрана Open Source технология трёхмерного моделирования «Object-oriented Graphics Rendering Engine».

Тырса А.А.

Ручкин К.А. к.ф.-м.н., доц.

ДонГИИИ


ПРОЕКТИРОВАНИЕ И РАЗРАБОТКА ИНТЕРФЕЙСА ДЛЯ РАБОТЫ С ТРЕХМЕРНЫМИ СЦЕНАМИ


Введение


Существуют два независимых процесса, делающие дизайн интерфейсов не профессией отдельных людей, но частью деятельности многих.

Во-первых, зарождается нормально устроенная индустрия заказной разработки программного обеспечения. Причем в требования входит качество интерфейса. Вторым процессом является развитие интернета и соответствующая разработка сайтов. Спрос родил предложение, и в стране образовалось большое количество профессиональных вебдизайнеров, совершенно не знающих принципы конструирования интерфейсов.

Таким образом, образовались две категории людей (программисты и вебдизайнеры), профессиональный успех которых напрямую связан с качеством создаваемого ими пользовательского интерфейса.


Графический интерфейс пользователя


Существует четыре основных (всеостальные – производные) критерия качества любого интерфейса, а именно: скорость работы пользователей, количество человеческих ошибок, скорость обучения и субъективное удовлетворение (подразумевается, что соответствие интерфейса задачам пользователя является неотъемлемым свойством интерфейса).

Скорость выполнения работы является важным критерием эффективности интерфейса. В чистом виде этот критерий ценят довольно редко, но почти всегда он является крайне желательной составляющей целого.

Длительность выполнения работы пользователем состоит из длительности восприятия исходной информации, длительности интеллектуальной работы (пользователь думает, что он должен сделать), длительности физических действий пользователя и длительности реакции системы. Как правило, длительность реакции системы является наименее значимым фактором.

Важным критерием эффективности интерфейса является количество человеческих ошибок. В некоторых случаях одна или две человеческих ошибки погоды не делают, но только тогда, когда эти ошибки легко исправляются. Однако часто минимальная ошибка приводит к совершенно катастрофическим последствиям.

Все знают, что значительно легче и приятнее пользоваться эстетически привлекательными объектами. Это наблюдение породило весь промышленный дизайн, включая дизайн одежды, интерьеров и так далее. В то же время в другой области промышленного дизайна, а именно в дизайне интерфейсов, это наблюдение до сих пор как следует не утвердилось: бои между пуристами (интерфейс должен быть, прежде всего, работоспособным) и маньеристами (красота – это страшная сила) никоим образом не затихают. В то же время «срединный путь» до сих пор не найден, интерфейсы, равно удобные и эстетически привлекательные, до сих пор существуют в единичных экземплярах.

Вопросы эргономики и интерактивности интерфейса


Эргономика включается в процессы разработки и тестирования программного продукта как часть системы качества. Разработка пользовательского интерфейса (ПИ) ведется параллельно дизайну программного продукта в целом и в основном предшествует его имплементации.

С точки зрения эргономики, самое важное в программе — создать такой пользовательский интерфейс, который сделает работу эффективной и производительной, а также обеспечит удовлетворенность пользователя от работы с программой.

Эффективность работы означает обеспечение точности, функциональной полноты и завершенности при выполнении производственных заданий на рабочем месте пользователя. Создание ПИ должно быть нацелено на показатели эффективности:

Точность работы определяется тем, в какой степени произведенный пользователем продукт (результат работы), соответствует предъявленным к нему требованиям. Показатель точности включает процент ошибок, которые совершил пользователь: число ошибок набора, варианты ложных путей или ответвлений, число неправильных обращений к данным, запросов и пр.

Функциональная полнота отражает степень использования первичных и обработанных данных, списка необходимых процедур обработки или отчетов, число пропущенных технологических операций или этапов при выполнении поставленной пользователю задачи. Этот показатель может определяться через процент применения отдельных функций в РМ.

Завершенность работы описывает степень исполнения производственной задачи средним пользователем за определенный срок или период, долю (или длину очереди) неудовлетворенных (необработанных) заявок, процент продукции, находящейся на промежуточной стадии готовности, а также число пользователей, которые выполнили задание в фиксированные сроки.


Выводы


Без использования специальных методов дизайна интерфейса есть больший риск получить если не опасный для психики и здоровья, то громоздкий и неудобный для пользователя продукт. Эту работу должен выполнять профессионал, который с одной стороны, знает особенности поведения человека, его трудовой (или иной) деятельности, а с другой стороны возможности программных платформ и интерфейсных библиотек.

Мирошниченко М.А.

Ручкин К.А. к.ф.-м.н., доц.

ДонГИИИ


ПРОЕКТИРОВАНИЕ И РАЗРАБОТКА ИНТЕЛЛЕКТУАЛЬНОГО ИНТЕРФЕЙСА


В работе проведен детальный анализ области проектирования и разработки интеллектуальных пользовательских интерфейсов. Подробно изучены основные направления развития интеллектуальных интерфейсов, проведенные исследователями за последние 10 лет. Особое внимание уделено описанию структуры интеллектуального пользовательского интерфейса, его видов, возможности дальнейшего развития и применения для решения прикладных задач.

В связи с бурным развитием компьютерной техники и усложнением разрабатываемого программного обеспечения задача проектирования и использования интеллектуального интерфейса является в настоящий момент очень актуальной. Поскольку такое средство, как интеллектуальный пользовательский интерфейс, позволяет упростить и повысить эффективность общения человека с компьютером.

Исследование интеллектуальных интерфейсов проводятся в различных направлениях. Исследования в области интеллектуальных интерфейсов дополняют знания о человеко-компьютерном взаимодействии. В докладе рассмотрены цели разработчиков, которые они преследуют в исследовании интеллектуальных интерфейсов. Большое внимание уделено разработке смешанно-инициативным пользовательским интерфейсам.

Основные методы, которые используются в интеллектуальных интерфейсах:

  • приспособляемость к пользователю (User Adaptivity);

  • пользовательское моделирование (User Modelling);

  • технология естественного языка (Natural Language Technology);

  • моделирование диалога (Dialogue Modelling);

  • генерация объяснений (Explanation Generation).

Детальное рассмотрение каждого из методов приведено в докладе.

Особое место занимают технологии естественного языка. В данном случае на первый план выходит задача обеспечения корректной обработки сообщений на естественном языке. Для этого используются семантическая и синтаксическая грамматики.

Следует выделить нечеткий интерфейс как один из видов интеллектуальных интерфейсов. Нечеткий интерфейс использует динамические свойства взаимодействий между пользователями и информацией. Нечеткий интеллектуальный интерфейс реализован в приложениях пакета MS Office 2007. Он более удобен в работе, потому что все особенности приложения более доступны.

Интеллектуальные интерфейсы делают человеко-компьютерное взаимодействия более эффективным, пробуя решить проблемы, которые не могут интерфейсы прямой манипуляция. Поэтому для интеллектуальных интерфейсов было найдено достаточно широкое применение. Они используются в системах обучения и помощи, для реализации информационного фильтрования.


Использованные источники:

  1. Ehlert, P.A.M. (2003) "Intelligent user interfaces: introduction and survey", Research Report DKS03-01 / ICE 01, Delft University of Technology, The Netherlands

  2. Annika Wærn. What is an Intelligent Interface? // http://www.sics.se/~annika/papers/intint.html.

  3. Eric Horvitz, Jack Breese, David Heckerman, David Hovel, Koos Rommelse The Lumière Project: Bayesian User Modeling for Inferring the Goals and Needs of Software Users // ftp://ftp.research.microsoft.com/pub/ejh/lum.pdf

  4. Charalampos Karagiannidis, Adamantios Koumpis, Constantine Stephanidis Supporting Adaptivity in Intelligent User Interfaces: The case of Media and Modalities Allocation // http://ui4all.ics.forth.gr/UI4ALL-95/karagiannidis.pdf

  5. Horvitz, E (1999) “Principles of mixed-initative user interfaces”, in Proceedings of the ACM SIGCHI Conference on Human Factors in Computing Systems (CHI.99), pp. 159-166, Pittsburgh, PA, USA, May 1999.

  6. Developer Overview of the User Interface for the 2007 Microsoft Office System // http://msdn2.microsoft.com/en-us/library/aa338198.aspx

  7. А.А. Красилов Информатика в семи томах: в 7 т. Том 2: Информатика смысла (Машинная лингвистика)// http://www.intellsyst.ru/publications/ _text/TOM2.shtml

  8. Блувштейн Д. В. К вопросу о создании интеллектуального интерфейса с организацией обработки запроса на естественном языке // http://www.dialog-21.ru/Archive/2004/Bluvshtein.htm

  9. Ермаков А.Е. Неполный синтаксический анализ текста в информационно-поисковых системах. // Компьютерная лингвистика и интеллектуальные технологии: труды Международного семинара Диалог’2002. В двух томах. Т.2. “Прикладные проблемы”. – Москва, Наука, 2002. - С. 180-185.


Секція 2. Інтелектуальні технології прийняття рішень.


Вильчинская И.Л.

Витько А.В. доц.

Харьковский национальный

университет радиоэлектроники


ОБУЧЕНИЕ ДЕРЕВЬЕВ РЕШЕНИЙ В УСЛОВИЯХ ЗАШУМЛЕННЫХ ДАННЫХ


В последнее время стали стремительно развиваться информационные технологии. В частности, произошел прогресс в методах сбора, хранения и обработки данных, что позволило многим организациям собирать огромные массивы данных, которые необходимо анализировать. Объемы получаемых данных постоянно увеличиваются и в настоящее время стали настолько велики, что возможностей экспертов уже не хватает. Эта проблема и породила спрос на методы автоматического исследования (анализа) данных.

Интеллектуальный анализ данных (Data Mining) – это технология выявления скрытых взаимосвязей внутри больших баз данных. В основе большинства инструментов интеллектуального анализа данных лежит машинное обучение.

Машинное обучение предполагает использование различных методов, например: деревьев решений, ассоциативных правил (классификация данных на основе набора правил), генетических алгоритмов (применяются для оптимизации), нейронных сетей (модель, которую можно применять к новым данным с целью прогнозирования).

Деревья решений – это способ представления правил в иерархической, последовательной структуре.

Деревья решений предназначены для классификации данных, они используют весовые коэффициенты для распределения элементов данных на все более и более мелкие группы.

Деревья решений, помимо удобного представления решающих правил, обеспечивают мощный аппарат для обучения. Удобство применения деревьев решений для обучения объясняется простотой интерпретации человеком. Существует значительное число алгоритмов, реализующих деревья решений: CART, C4.5, ID3, NewID, Itrule, CHAID, CN2 и т.д.

Обучение деревьев решений – это метод аппроксимации целевой функции дискретных значений, в котором обучающая функция представляется в виде дерева решений.

Целью обучения деревьям решений является построение наименьшего дерева, которое будет классифицировать новые примеры.

При применении деревьев к реальным данным возникает серьезная проблема: как не дать алгоритму подогнать шум, а не истинную зависимость. Под зашумленными данными понимаются данные, содержащие прямые ошибки в исходных данных (например, содержащие пропущенные данные, выбросы, ошибки и противоречивые данные). В литературе данная проблема обсуждается в контексте использования нейронных сетей и деревьев классификаций и называется проблемой «переобучения» или «излишней подгонки».

В работе исследован подход к избежанию излишней подгонки деревьев решений в процессе обучения и влияние данного метода на точность классификации новых примеров.

Существует несколько методов предотвращения «излишней подгонки»:

  1. Методы, которые прекращают строить дерево, когда разделение примеров по значению атрибута становится статически незначимым.

  2. Метод последующего отсечения ветвей на основе полученного дерева.

  3. Метод последующего отсечения правил на основе полученного дерева. Рассмотрим данный метод подробнее.

Под правилом понимается логическая конструкция, представленная в виде «если … то …».

Для извлечения правил необходимо исследовать все пути от корня до каждого листа дерева. Каждый такой путь даст правило, где условиями будут являться проверки из узлов, встретившихся на пути.

В работе был исследован описанный выше подход последующего отсечения правил. Для этого был программно реализован алгоритм построения деревьев решений ID3 и алгоритм последующего отсечения правил.

Почему деревья решений превращают в правила? Есть несколько преимуществ.

  1. Преобразование к набору правил улучшает читабельность и понимание деревьев решений.

  2. Переход к набору правил позволяет удалить корневой атрибут, в случае если он ухудшает точность правила.
  1   2   3   4   5   6   7

Похожие:

Классификация основных сетевых протоколов физического уровня модели iconКраткое содержание «Техника сетевых атак»
Излагаемый материал рассчитан на неподготовленного читателя, и значительную часть книги занимает описание базовых принципов функционирования...
Классификация основных сетевых протоколов физического уровня модели iconТехнологии физического уровня беспроводных сетей
Дисциплина «Технологии физического уровня беспроводных сетей» включает в себя разделы, которые могут быть отнесены к вариативной...
Классификация основных сетевых протоколов физического уровня модели iconКурс лекций В. А. Капустин Содержание Описания протоколов уровня приложения 3 Введение в Abstract Syntax Notation 1 asn. 1 4
Использование asn. 1 при разработке программного/аппаратного обеспечения, реализующего протокол уровня приложения 6
Классификация основных сетевых протоколов физического уровня модели iconМетодические указания по проведению лабораторных работ «Распределение ресурсов в сетевых канонических структурах» по курсу
Математическая модель, ставятся многокритериальные задачи принятия решений, проводится исследование математической модели, предлагаются...
Классификация основных сетевых протоколов физического уровня модели iconСерия "Энергетическая физика" Основные теоремы физико-математической модели комплексного энергетического пространства
От вида деформации оболочек фоновых объектов зависит тип физического взаимодействия. Из данной модели следует
Классификация основных сетевых протоколов физического уровня модели iconМетодические указания к лабораторному практикуму по дисциплине
К таким сервисам следует отнести службу доменных имён dns, службу конфигурирования сетевых интерфейсов dhcp, ряд служб для рабочих...
Классификация основных сетевых протоколов физического уровня модели iconПрограмма дисциплины по кафедре Автоматика и системотехника
Целями данной дисциплины является ознакомление студентов с основными принципами построения современных информационных сетей и систем...
Классификация основных сетевых протоколов физического уровня модели iconТические модели и методы в экономике
В данном курсе предусмотрено изучение основных классов моделей и зависимостей, применяемых в экономике. К ним относятся модели межотраслевого...
Классификация основных сетевых протоколов физического уровня модели iconСетевая модель osi
В 1980 году ieee опубликовал спецификацию 802, детально описавшую механизмы взаимодействия физических устройств на канальном и физическом...
Классификация основных сетевых протоколов физического уровня модели iconЛабораторная работа № Основы администрирования домена Windows
В консоли управления Virtual pc 2007 в свойствах виртуальной машины Networking и выберите для использования один из сетевых адаптеров...
Разместите кнопку на своём сайте:
Библиотека


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