Томашевская И.А. НОУ ВПО «Ессентукский институт управления, бизнеса и права»

Томашевская И.А.

НОУ ВПО «Ессентукский институт управления, бизнеса и права»

г. Ессентуки

САМОПРЕЗЕНТАЦИЯ - ПОДТВЕРЖДЕНИЕ ПРОФЕССИОНАЛИЗМА

В целом по вашему отношению к имиджелогии можно судить о вашей нравственной ответственности как профессионального управленца, деловые успехи которого напрямую связаны с поддержкой и уважением тех, с кем вы работаете.

Технология самопрезентации — это классический пример органического синтеза духовной и материальной технологий.

Прежде чем приступить к освоению технологии самопрезентации, необходимо первоначально осуществить ряд действий:

• разработку «Я — концепции» как субъективной основы самонастроя на создание личного имиджа;

• создание начального наброска собственного имиджа;

• консультирование с имиджмейкером и подготовку проекта собственного имиджа;

• подготовку необходимых условий для реализации технологий по воспроизводству имиджа;

• реализацию и «обкатку» созданного имиджа в реальных условиях;

• сбор информации по оценке эффективности своего имиджа.

Прежде чем приступить к вышеописанным действиям, необходимо строго учитывать, что создание эффекта личного обаяния, а это конечная цель технологии самопрезентации, предполагает взвешенный и объективный подход к оценке своих личностных данных. Фактом является то, что люди с недостатками внешности имеют заниженное чувство самоуважения. Многие судят о себе, только наблюдая за реакцией других. Нередко возникает проблема вывести себя из психологического состояния «гадкого утенка», изменить свою «Я-концепцию».

Чем объективнее будет составлен анализ внешних характеристик и внутренних качеств, тем реальнее создать результативную технологию достижения «эффекта личного обаяния». По каким критериям необходимо собирать информацию для такого анализа? Внутренние данные: профессионализм, доброжелательность или душевность, воля, нравственная зрелость, умственные преуспевания.

Внешний образ: физиогномические характеристики, соматические данные, кинестетические особенности, стиль одежды, состояние волос, предпочтения при выборе прически.

Особо следует подчеркнуть желательность наличия следующих психологических качеств: коммуникабельность, терпимость, интуитивность, рефлективность. Их актуализацию мы выделяем преднамеренно. Даже при наличии перечисленных характеристик внешнего образа и внутренних данных, но при отсутствии или недостатке названных психологических качеств, усилия по реализации технологий самопрезентации не дадут полноценного результата. В конструировании имиджа не менее важную роль играет и нравственная зрелость. Гуманность, справедливость, бескорыстность, совестливость — эти понятия всегда остаются вечными. Таким образом, можно сказать, что ни в коей мере не отрицая большого значения в создании «эффекта личного обаяния» внешней яркости личности, следует признать, решающее значение все равно остается за внутренними достоинствами.

Для того чтобы решать задачу по конструированию личного имиджа, необходимо основательное понимание восприятия как сложного механизма принятия человека человеком. Общеизвестен тот факт, что из десяти человек, которых мы видим, восемь нами запоминаются по каким-то внешним признакам. Актуально в данном вопросе высказывание Д. И. Менделеева: «Естествознание учит, как форма, внешность отвечает внутренности... Мы постигаем только внешность, а затем и сущность на основе этого...» Таково первое условие включения механизма восприятия в деятельность.

Вторым условием является то, что благодаря ему начинается процесс образования впечатления с последующей его закладкой в памяти.

Третьим и самым важным условием для самопрезентации является то, что благодаря интенсивному восприятию включаются механизмы личного и социального взаимопритяжения. Их преднамеренное включение и направленное задействование составляют главный смысл усилий по созданию личного имиджа вообще и менеджера особенно. Имидж профессионального менеджера — не самоцель, а мощное оружие воздействия на людей ради совместного достижения решающих проблем. Чем эффективнее задействованы механизмы взаимопритяжения, тем успешнее преодолеваются эти проблемы, тем выше индекс удовлетворенности, как менеджера, так и его клиентов от совместной работы.

Механизмы взаимопритяжения можно разделить на две группы: личностные — привязанность, симпатия, любовь; социальные — популярность, авторитет, преклонение или почитание.

Умелое сочетание вышеописанных механизмов взаимопритяжения позволяет добиваться наибольших успехов в общении. Есть личности, от природы обладающие харизмой, то есть даром расположения к себе людей. Как правило, таких личностей очень мало, по статистике, примерно из ста только пять обладают подобным, ярко выраженным талантом. Поэтому многим приходится обращаться к имиджелогии, в которой можно почерпнуть полезные практические рекомендации, как овладеть умением «светиться людям».

Чтобы активно задействовать названные механизмы, необходимо решить главную проблему — войти в «психическое пространство» личности. Это можно представить схематично в виде следующих позиций:

• включить анализаторы ощущений;

• задействовать эмоциональный регистр;

• вызвать адресное внимание;

• актуализировать интерес;

• стимулировать коммуникативное взаимодействие.

Все это можно выразить следующей фразой: «Если хочешь понравиться людям, обращайся к чувствам: умей ослепить взглядом, усладить и смягчить слух, привлечь сердце, и пусть тогда разум их попробует что-нибудь сделать тебе во вред» (Ф. Честерфилд).

Ознакомление с технологическими позициями самопрезентации имеет несколько практических целей.

Во-первых, помогает понять, как складывается технологическая цепочка самопрезентации, а потому грамотно выстраивать свой личностный имидж, обходясь без советов специалистов.

Во-вторых, обезопасить себя от недоброкачественных исполнений функций приглашенных специалистов по созданию имиджа, которые, используя стандартные варианты, иногда неоправданно завышают цену своих услуг.

В-третьих, благодаря изучению реакции окружающих людей на свой имидж можно осуществлять самоконтроль за своим поведением и принимать меры по его совершенствованию.

Проблема качества результата самопрезентации является проблемой номер один. Важно не оперативное создание имиджа, главное — наиболее визуально выделить лучшие личностно-деловые качества. Вот почему необходимо помнить всегда и везде слова, сказанные Леонардо да Винчи: «Не столь важно знание фактов, сколько знание связи между ними».

1. Михайлова Е.М. Обучение самопрезентации. – М.: Издательство: ГУ ВШЭ, 2006 г.

2. Михайлова Е.М. Самопрезентация. Теории. Исследования. Тренинг. – М.: Издательство: Речь, 2007 г.


Ратушная Е.А., Лизгин В.А.

Филиал ГОУ ВПО «Ростовский государственный экономический университет (РИНХ)

г.Черкесск
ПРОФЕССИОНАЛЬНАЯ ПРАКТИКА И ПРОФЕССИОНАЛИЗМ В СЕГОДНЯШНЕМ ОБРАЗОВАНИИ
Для подготовки высококвалифицированного специалиста, отвечающего современным требованиям, необходимо, чтобы информационно-образовательная среда была, прежде всего, профессионально-ориентированной, направленной на формирование у выпускника вуза осознанного позитивного отношения к своей профессии, творческого подхода к решению профессиональных задач, навыков использования инновационного потенциала информационно-коммуникационных технологий.
Облик современной экономики, как во всем мире, так и в России все больше изменяется под влиянием информационных технологий. О постоянном росте значимости соответствующих отраслей свидетельствует и статистика.

По оценкам экономистов, вклад информационных технологий (далее - ИТ ) в рост ВВП развитых стран в середине 2000-х годов составлял порядка 20-40%, причем ИТ определяют до 70-80% в положительной динамике совокупной факторной производительности. Расходы на информационные технологии достигают 9-10% совокупной выручки компаний и 5% их капитала. Доля расходов на ИТ в ВВП составляет, к примеру, в Новой Зеландии 10,3%, в Швеции - 8,8%, в Великобритании - 8,0%, в США - 7,8%, в Канаде - 7,7%, в Японии - 7,1%. В развивающихся странах эти цифры скромнее: в Чили - 5,5%, в Бразилии - 5,4%, в Словении - 3,7%, в Мексике - 3,5%, в Болгарии - 3,1%, в Индии - 2,7%, в Индонезии - 2,1%, в Румынии - 1,5%. В России соответствующий показатель составляет пока довольно скромные 2,9%.

Ежегодно расходы на ИТ во всем мире увеличиваются на 5 - 6%. И даже в период кризиса, в 2009 г., ожидается рост этих затрат на 2,6%. Основной прирост в области ИТ приходится на развивающиеся страны: до кризиса они демонстрировали прирост порядка 9-10% в год по сравнению с 1% в развитых странах. В России до кризиса расходы на ИТ увеличивались высокими темпами - 18-20% в год [1].

Информационные технологии выступают в настоящее время главной движущей силой рыночной экономики, позволяя реализовать сложные производственные решения, контролировать прозрачность финансовых и товарных потоков, управлять затратами на персонал, оптимизировать взаимоотношения с поставщиками и т.д.

Потребность российской экономики в специалистах данного направления составляет на сегодняшний момент 150-200 тысяч человек. Но российский рынок труда испытывает некоторые трудности с кадрами по разным причинам, одной из которых является несоответствие результатов высшего образования требованиям рынка. Работодатель ищет сотрудника, обладающего определенными профессиональными и личными качествами, высшие учебные заведения же выпускают специалистов, в лучшем случае обладающих знаниями.

Задача подготовки профессионала нового типа, сочетающего в себе высокие нравственные качества и культуру предметных знаний, способность эффективно работать на стыке наук, умение управлять сложными антропо-технодеятельностными системами, должна стать безусловным приоритетом для педагогической науки и практики ХХI века. Актуальная сверхзадача профессионального образования ближайшего будущего – совместить (а не отбросить) в рамках единой педагогической практики несколько важнейших ориентаций современного образования, которые до сих пор разделялись: усвоение знаний и развитие мышления, получение информации и генезис практических навыков, обучение и воспитание.

Компетентностный подход в эпоху информационных технологий однозначно более выигрышен по сравнению с подходом, ориентированным на знания, умения и навыки, поскольку требования к умениям и навыкам меняются очень быстро, а знания обновляются еще быстрее. Необходимость переориентации высшего образования с количественных характеристик на формирование качеств личности вполне очевидна.

Тема компетентностей пришла в образование из сферы производства и была инспирирована недовольством, прежде всего западных работодателей, результатом современной образовательной практики, ее продуктом – выпускником. В этом контексте введение языка компетенций может рассматриваться как попытка налаживания диалога позиций, стоящих по разные стороны образовательного процесса, как возможность встречи преподавателя и работодателя в общем пространстве проектирования образовательных реалий. То есть речь идет о повышении чувствительности образования к запросу заказчика. Во многом смысл этого диалога определяется необходимостью преодоления разрыва между образованием и требованиями жизни, что, по мнению многих экспертов, собственно и является первопричиной недовольства, высказываемого работодателями. Введение понятия компетентности как умения мобилизовать в конкретной ситуации полученные знания и опыт может рассматриваться как попытка снятия проблемы разрыва, фиксируемого в смене целевой установки к образованию.

Идея компетентности «стягивает в себе» достаточно большое количество актуальных на сегодняшний день проблем в образовании (смены содержания образования, технологии, метода обучения и в целом качества образования), ключевой из которых, на взгляд автора, является проблема качества результата образования и отношение самого образования к этому результату.

Сегодня общепризнанным является тот факт, что практически любому современному специалисту приходится не просто совершенствовать свою квалификацию, но и качественно изменять ее. Не случайно, конкурентоспособность выпускника (свойство работника успешно выдерживать конкуренцию на рынке труда), как одна из базовых характеристик результата образования, описывается через параметр гибкости, который, в свою очередь, подразумевает не только умение быстро адаптироваться на рабочем месте в соответствии со своей специальностью, но и возможность без значительных затрат времени освоить некоторое количество смежных специальностей. Сегодня речь идет не только о радикальных изменениях в уже существующих профессиях, но и о появлении новых профессий, характер которых предсказать трудно, а иногда и невозможно. Такое положение дел уже получило свое оформление в виде одного из лозунгов современной образовательной политики: обучение через всю жизнь (непрерывное образование).

Сегодня, находясь в XXI веке, необходимо сделать обучение профессиональному подходу к специальностям, связанным с информационно-коммуникационными технологиями равноправной задачей учебной программы. Понимание важности профессионализма критично для большинства студентов, так как основная часть выпускников реализовывает себя в индустрии ИКТ. Необходимость введения профессионализма в программу обучения основывается на потребностях реального мира, таких как растущий спрос на высококачественные программные продукты, увеличивающийся уровень ответственности разработчиков ПО и необходимость в постоянном повышении квалификации по окончании учебного заведения. Чем больше профессиональной практики получают студенты, тем привлекательнее становится для них учеба и реальнее будущая работа. Соответственно, профессиональная практика в учебной программе может служить своеобразным катализатором пробуждения и поддержания интереса студентов к дисциплинам информатики, программирования и ИКТ.

И частный, и государственный сектор, безусловно, должны быть заинтересованы в обучении студентов профессионализму. Студенты, знакомые с реалиями профессиональной деятельности, понимают значение навыков эффективного общения с коллегами и клиентами, прилагают все усилия для того, чтобы делать свою работу качественно, стремятся к постоянному повышению своей квалификации. Каждый год Национальная ассоциация колледжей и работодателей США проводит исследования для выяснения, какие качества работников наиболее важны с точки зрения работодателей. В 2007 году список десяти основных факторов включал:

• 
  Навыки эффективного общения (как устного, так и письменного)
  
• 
  Честность
  
• 
  Навыки работы в коллективе
  
• 
  Умение налаживать межличностные отношения
  
• 
  Мотивированность и инициативность
  
• 
  Развитая профессиональная этика
  
• 
  Аналитические навыки
  
• 
  Гибкость и адаптируемость
  
• 
  Навыки работы с компьютером
  
• 
  Уверенность в себе
  

Некоторые потенциальные механизмы введения в программу дополнительного материала, развивающего профессионализм таковы:

Включение профессионализма в учебную программу должно быть осознанным и продуманным шагом, поскольку в уже существующие курсы необходимо внедрять большое количество материала. Например, вводные курсы могут содержать обсуждения и задания на тему влияния информатики на общество и важности профессионализма в практической деятельности. Достигнув уровня второго курса, студенты могут начинать делать отчеты о проделанной работе, как это должны делать профессионалы, в виде требований, проектных и тестовых документов. Проектные курсы обеспечивают естественный каркас для большей части необходимого практического материала, особенно если факультеты могут привлекать внешних заказчиков, нуждающихся в не критически важных системах. При занятости в проектах, ориентированных на предоставление услуг или работу с клиентами, студенты начинают понимать необходимость этичного поведения в различных условиях.

Таким образом, с вводом элементов профессионализма в программу обучения будет повышаться уровень подготовки специалистов в области ИКТ и программирования, что без сомнения будет способствовать развитию собственной телекоммуникационной отрасли России и ее интеграции в мировую систему инфокоммуникаций.
Литература

1. 
   Данные исследовательской компании IDC размещены на сайте журнала «Эксперт»:www.expert.ru.
   
2. 
   Рекомендации по преподаванию программной инженерии и информатики в университетах.- М: ИНТУИТ.РУ, 2007
   

Анализ проблем экстремальной робототехники и направлений исследований и разработок в области создания эффективных МЛС для работы в экстремальных условиях (затонувшие объекты, непроходимые местности, вертикальные поверхности, расщелины и пещеры, завалы, разломы и т.п.) позволяет сделать вывод о целесообразности использования в качестве их основы мультизвенных систем для осуществления манипуляций и локомоций (перемещений).

Общепризнанно, что традиционные подходы к построению СУ подобными объектами наталкиваются на трудные, и даже неразрешимые задачи различного характера, связанные как с проблемами конструктивной реализации, так и с проблемами синтеза управления.

В данной работе рассматривается круг проблем связанных с выбором подхода к созданию систем глобального управления поведением и движением МЛС, обусловленными их возможными применениями и его практической реализацией.

К ним отнесем:

• 
  проблему формирования набора элементарных поведенческих актов МЛС;
  
• 
  проблему организации процедур обучения СУ движениям на разных уровнях их построения (В, А);
  
• 
  проблему придания МЛС желаемых функционально-механических качеств (свойств);
  
• 
  проблему построения и реализации процедур обучения нейрологических подсистем на различных уровнях СУ;
  
• 
  проблему взаимодействия «сложно-подчиненных» подсистем локального управления приводами звеньев МЛС;
  
• 
  проблему обеспечения устойчивости и «апериодичности» (плавности ) движений МЛС при наличии «упругостей», люфтов и других неидеальностей;
  
• 
  проблему «слияния» разнородной сенсорной информации в синтетические информационные объекты-образы и их использования в процессах обучения и управления;
  
• 
  проблему парирования внешних возмущений (течений, сил трения о поверхности и препятствия;
  
• 
  проблему высоких размерностей, обусловленную большим количеством степеней свободы МЛС;
  
• 
  проблему обеспечения требуемых вычислительных ресурсов;
  
• 
  проблему создания интерфейса «оператор – СУ МЛС»;
  
• 
  проблему выбора оптимального системотехнического и технического базиса построения СУ МЛС.
  

Инварианты первого уровня. Это по своей сути желаемые физико-механические свойства МЛС:

• 
  жесткость;
  
• 
  гибкость (упругость, пластичность, податливость),
  
• 
  ломкость (изламываемость при определенных значениях усилий),
  
• 
  аморфность (бесформенность),
  
• 
  хлыстоподобность,
  
• 
  щупальцеподобность,
  
• 
  фрагментируемость (способность формировать фрагменты с различными свойствами).
  

«Бесскоростные» инварианты:

• 
  движения, заметающие максимальную площадь;
  
• 
  движения, заметающие минимальную площадь;
  
• 
  движения, требующие минимального объема используемого пространства;
  
• 
  движения, приводящие к минимальному объему, занимаемому МЛС;
  
• 
  движения, требующие минимального диаметра «трубки» произвольной формы: (проникающие, вытаскивающие);
  
• 
  движения по линиям и поверхностям.
  

• 
  движения с заданной скоростью конечной точки,
  
• 
  движения МЛС как жестко-упругой конструкции с заданной угловой скоростью.
  

• 
  максимальное усилие нажатия и втягивания;
  
• 
  движения с минимальными затратами энергии;
  
• 
  перемещения за минимум времени;
  
• 
  движения, приводящие к заданному вектору скорости в нужной точке (бросание).
  

1. 
   Выбираем набор инвариантов первого уровня.
   
2. 
   Формализуем качества (свойства) в базисе управляемых и наблюдаемых параметров приводов. Синтезируем САУ с требуемыми параметрами (традиционный подход), либо осуществляем анимационно-регистрирующую процедуру с использованием физического аналога МЛС с заданным свойством, визуальной фиксацией ее поведения и обучения нейрологической системы управления.
   
3. 
   Используя метод АКАР [2] синтезируем управление в виде обученной нейросети либо закона распределенного управления для МЛС.
   
4. 
   Повторяем п.1 - 3 для всех выбранных инвариантов. Поскольку эти процедуры итерационны и фазовое пространство в процессе синтеза может включать очень большое количество параметров, процедуры поиска финишных инвариантных многообразий целесообразно строить на основе методов генетического поиска, либо других квазистохастических процедур.
   

1. 
   Современная прикладная теория управления: Синергетический подход в теории управления / Под редакцией А.А.Колесникова. – Таганрог: Изд-во ТРТУ, 2000. Ч II – 559с.
   
2. 
   Терехов В.А. и др. Нейросетевые системы управления. – Спб: Из-во С.-Петербургского ун-та, 1999 – 265с.
   

Извлечь из такой информации полезные знания с целью оптимизировать управление какими-либо бизнес–процессами, принять более качественное решение, улучшить деятельность организации — одна из наиболее серьезных и актуальных задач, стоящих сегодня перед профессионалами в области информационных технологий. Решить проблему помогают методы и средства интеллектуального анализа данных.

Интеллектуальный анализ данных – направление в области информационных систем, ориентированное на решение задач поддержки принятия решений на основе количественных и качественных исследований сверхбольших массивов разнородных ретроспективных данных.

Для научного направления, имеющего целью извлечение полезной информации (паттернов, закономерностей, знаний) из данных (интеллектуального анализа данных) в англоязычной литературе используются два термина: «Data Mining» (DM), и «Knowledge Discovery in Databases» (KDD). Второй термин больше соответствует формированию моделей знаний на основе «заготовок», «паттернов», «фрагментов знаний», полученных в процессе DM, и обычно предполагает, что конкретная задача, для решения которой будет использоваться сформированная модель знаний, определена.

Задачи интеллектуального анализа данных находятся в центре исследований и разработок в области информационных технологий, в частности, в области искусственного интеллекта, а инструментальные средства интеллектуального анализа данных постепенно становятся неотъемлемыми инструментами бизнес–аналитиков, исследователей, менеджеров, профессионалов в области финансовой деятельности, логистики и специалистов многих других направлений.

Целью разработки программного обеспечения является улучшение системы управления производством холдинга «Шахтинская плитка» путем внедрения в процесс планирования (с помощью новой ERP-системы) процедур интеллектуального анализа данных.

Для достижения поставленной цели были решены следующие задачи:

• 
  произведены анализ процесса управления многономенклатурным производством и функционально-структурный анализ процессов планирования при управлении многономенклатурным производством;
  
• 
  произведён выбор методов и инструментов интеллектуального анализа данных;
  

• 
  осуществлено прогнозирование на основании ретроспективных данных с помощью выбранных инструментов и методов. в ходе сравнения существующих методов и инструментариев интеллектуального анализа данных, методом ЭЛЕКТРА выбран инструмент Weka, который обладает все необходимой функциональностью и является свободно распространяемым;
  
• 
  в ходе обучения модели прогнозирования методом перекрестной проверки произведено сравнение точности классификаторов программы Weka M5P и LinearRegression, в результате которого выбран алгоритм деревьев решений M5P и с его помощью выполнено прогнозирование продаж клиентам холдинга на три месяца.
  
• 
  Результаты прогнозирования представлены в виде графиков трех типов: продажи по клиентам, продажи по городам, общий объём продаж.. Результатом разработки явится улучшение системы управления многономенклатурным производством холдинга «Шахтинская плитка», одного из лидеров стройиндустрии Южного Федерального округа.
  

Основным негативным воздействием условий разработки месторождений является истощение эксплуатационных запасов в виду чрезмерных водоотборов, существенно превышающих объемы природного фильтрационного питания горизонтов. Дисбаланс выражается в том, что в процессе эксплуатации происходит систематическое снижение динамических уровней. Управление гидролитосферными процессами – одна из актуальных проблем региона Кавказских Минеральных Вод, так как экономика КМВ базируется на использовании гидроминеральных ресурсов.

Одним из основных параметров, характеризующих гидролитосферные процессы, является уровень понижения водоносного горизонта . Это связано с тем, что при достижении критического уровня понижения происходит разрушение пласта [3]. Математическая модель процесса представлена в виде дифференциального уравнения в частных производных [3]:

, (1)

где: – уровень понижения водоносного горизонта в м; – дебит, входное воздействие на объект управления, в эксплуатационных скважинах , в контрольных скважинах ; – коэффициент упругоемкости коллектора, принимается постоянным [3]; – коэффициент фильтрации по пространственным координатам, измеряется в м/сут. Коэффициент фильтрации характеризует водопроницаемость горных пород и зависит от физических свойств породы и фильтрующейся жидкости; – скорость движения водоносного горизонта в м/сут.

Пространственная область фильтрации разбивается равномерной сеткой на элементарные сопряженные блоки с шагом по пространственным координатам , , и все физические характеристики объекта в пределах выделенного блока, относят к его центру тяжести (узловой точке). Число точек дискретизации по осям – x: ; y: ; z: . После чего вводим переменные состояния . В результате получим систему обыкновенных дифференциальных уравнений двадцатого порядка. В математическую модель входят управляющие воздействия .

Согласно методу АКАР, необходимо синтезировать законы управления , как функции координат состояния объекта, обеспечивающих минимальный уровень понижения в контрольных скважинах, равный одному метру [4]:

Развитие метода АКАР («аналитическое конструирование агрегированных регуляторов по заданным инвариантным многообразиям») получило в работах проф. А.А. Колесникова: в процессе самоорга­низации и образования диссипативных структур происходит уменьшение числа степеней свободы путем выделе­ния лишь нескольких координат, к которым подстраиваются ос­тальные. Именно эти выделенные макропеременные и определяют основные особенности динамики системы, поэтому они получили название параметров порядка. Образование обоб­щенных параметров порядка сопровождается процес­сом сжатия объемов в фазовом пространстве систем [1, 5].

В общем виде объект управления описывается системой дифференциальных уравнений в форме Коши [5]

, (3)

где х – вектор координат состояния размерности п; u – вектор уп­равляющих воздействий. Ставится задача: найти закон управ­ления

который обеспечивает перевод изображающей точки (ИТ) системы из произвольного начального состояния сначала в окрестность инвариантного многообразия

в фазовом пространстве, а затем дальнейшее асимптоти­чески устойчивое движение изображающей точки вдоль этого многообразия в желае­мое состояние. Притягивающие многообразия могут быть интерпретированы как задаваемые целевые множества, к которым неизбежно должна при­тягиваться ИТ из произвольного начального состояния [5].

определяет алгоритм управления. Именно уравнение (6) является тем условием, которому необходимо и достаточно удовлетворить, для того, чтобы соотношение (5) было инвариантным многообразием синтезируемой системы [2]. Структуру функции выберем идентичной структуре правых частей модели объекта управления (3).

В соответствии с числом независимых каналов управления может быть назначено пять инвариантов – стабилизация уровня понижения водоносного горизонта в точках расположения контрольных скважин .

На первом этапе декомпозиции, согласно методу АКАР и исходя из поставленной задачи (2), выбираем параллельную совокупность внешних инвариантных многообразий следующего вида [5]:

, , . (7)

инвариантные многообразия (7) должны удовлетворять решению системы функциональных уравнений АКАР [1]:

При попадании изображающей точки системы на пересечение многообразий , согласно принципу «расширения – сжатия фазового пространства» происходит декомпозиция исходной системы, и динамика описывается декомпозированной системой дифференциальных уравнений

неизвестные функции – «внутренние» управления; , , – правые части дифференциальных уравнений.

В уравнениях (10) выразим «внутренние» управления для проведения процедуры синтеза: , .

На пересечении совокупности «внутренних» инвариантных многообразий динамика системы определяется декомпозированной системой

, , , (12)

На третьем этапе декомпозиции, для поиска «внутренних» управлений, параллельно вводится вторая группа «внутренних» инвариантных многообразий по числу каналов с внутренними управлениями:

, , . (13)

Инвариантные многообразия (13) должны удовлетворять решению системы функциональных уравнений АКАР:

Для определения внешних управлений, необходимо производить указанную процедуру синтеза в обратном порядке. На первом этапе синтеза подставим правые части системы дифференциальных уравнений (12) и (13) в систему (14), определим совокупность «внутренних» управлений . На втором этапе найденные внутренние управления подставляем в систему (11). Систему (11) решаем относительно управлений . На третьем этапе, найденные управления подставляем в систему (7), а исходную систему и (7) подставляем в систему функциональных уравнений АКАР (8), откуда находим управляющие воздействия .

1. Колесников, А.А. Последовательная оптимизация нелинейных агрегированных систем управления. – М.: Энергоатомиздат, 1987.

2. Колесников, А.А. Синергетическая теория управления. – ТРТУ, М.: Энергоатомиздат, 1994.

3. Малков, А.В. Синтез распределенных регуляторов для систем управления гидролитосферными процессами. – М.: Научный мир, 2007.

4. Першин, И.М. Анализ и синтез систем с распределенными параметрами. – Пятигорск: Рекламно-информационное агентство на КМВ, 2007.

5. Современная прикладная теория управления: Синергетический подход в теории управления. Под ред. А.А. Колесникова. – Таганрог: Изд-во ТРТУ, 2000. Ч. II.

- так называемого базиса несомненности – совокупности упорядоченных очевидных фундаментальных фактов, аксиом, ситуаций;

- механизмов его наращивания путем надстраивания новых знаний

-механизмов «слияния» разномодальных представлений (образов, описаний, процессов) в процессе понимания.

• 
  Коллективное понимание. Идея использования механизма коллективного понимания в технических системах основана на общеизвестном феномене резкого (неаддитивного) усиления способности к пониманию трудных ситуаций (и творчеству) двумя и более взаимодействующими субъектами. Нам представляется, что этот феномен может быть использован для создания эффективных гетерогенных систем контроля, диагностики и управления. Здесь возможны три подхода к построению систем:
  

• 
  Иерархический подход [1,2,3]. Предполагает создание мета-агентов, обрабатывающих разнородные данные, получаемые от агентов-поставщиков и объединяющий их на основе общей онтологии.
  
• 
  Гетерархический подход. Каждый агент имеет свою уникальную базу знаний и механизм выводов и ассоциаций, способный обучаться на основе данных всех других агентов и результатов принятия коллективных решений [3] .
  
• 
  Синергетический подход. Основан на синергетической модели механизмов понимания как процессов самоорганизации.
  

• 
  Системы управления гибкими мультизвенными манипуляторами для систем экстремальной робототехники.
  
• 
  Системы контроля и диагностики качества высокотехнологичных изделий (ферромагнитные, углеграфитные и др.).
  
• 
  Системы распознавания образов (ландшафты, подписи, лица и т.п.)..
  
• 
  Системы, реализующие технологии «Data Mining», «Knowledge Discovery» и «Data Fusion» в самых различных областях (экономика, антикризисное управление, базы данных и знаний).
  
• 
  системы мониторинга окружающей среды и антитеррористические системы.
  

1. 
   I.Goodman, R.Haliler, and H.Nquen. Mathematis of Data Fuson. Kluwer Academic Publishers, 1997 г.
   
2. 
   J.Gama and P.Brazdil. Cascade geueralization. Machine Learning, 41 (3), 315-342, 2000г.
   
3. 
   Городецкий В.И., Карасев О.В., Самойлов В.В. Многоагентная система слияния данных: особенности технологий обучения и архитектуры. // Труды международных конференций IEEE AIS’02 и CAD – 2002. Научное издание – М.: Издательство физико-математической литературы, 2002 г.
   
4. 
   Тушканов Н.Б., Гриднева О.С. Понимание, как результат и средство эффективного обучения. // Материалы научно-методического семинара вузов Северного Кавказа «Инновационные аспекты учебного и воспитательного процессов в технических вузах», 14 – 15 октября, 1999 г., ЮРГТУ, 1999 г.
   
5. 
   Колесников А.А. Синергетическая теория управления. – М.: Энергоатомиздат, 1994 г.
   
6. 
   Терехов В.А. и др. Нейросетевые системы управления. – Спб.: Издательство Санкт-Петербургского университета, 1999 г.
   
7. 
   Пригожин И., Стенгерс И. Порядок из хаоса. Новый диалог человека с природой. – М.: Эдиториал УРСС, 2002г.
   

Тем учащимся, которые не могут позволить себе учиться за рубежом, Интернет предоставляет доступный путь для получения знаний о культурных особенностях других стран, что особенно важно в современных условия, когда раздвигаются границы общения людей. Помимо профессиональной подготовки, онлайновые приложения также расширяют возможности доступа к ресурсам университетов, давая возможность распространять качественный контент среди сообществ во всем мире. Благодаря онлайновому обучению университет Ховарда демонстрирует неограниченные возможности, предоставляемые «дистанционным образованием» для развития сообществ во всем мире.

Виртуальные университеты по мере совершенствования информационных технологий получают все большее распространение. Департамент образования США учредил проект создания виртуальной высшей школы. Созданы виртуальные университеты в Германии, Франции, Японии и других странах. С сожалением следует отметить, что в России виртуальные колледжи и университеты в настоящее время получили малое распространение, что можно объяснить следующими причинами:

• 
  отсутствием необходимой поддержки со стороны государственных органов управления образованием;
  
• 
  необходимостью значительных затрат на начальном этапе;
  
• 
  отсутствием специалистов и педагогов, обладающих профессиональными навыками организации обучения в виртуальных учебных заведениях;
  
• 
  отсутствием в России необходимого технического оснащения для организации обучения в виртуальном учебном заведении;
  
• 
  отсутствием механизмов стимулирования создания и развития системы виртуальных учебных заведений.
  

Дистанционное образование – это наиболее быстрый и эффективный путь к повышению интеллектуального потенциала общества, к ускорению процесса перехода России к информационному обществу. Важным достоинством дистанционного образования является то, что оно позволяет на базе информационных технологий осуществлять адаптацию обучения к уровню базовой подготовки конкретного обучаемого, к месту его проживания, к здоровью, к материальному положению и, как следствие, открывает возможность существенно повышать качество обучения. Например, как утверждают психологи, принятый в традиционных системах образования жестко регламентированный график учебного процесса в лучшем случае удовлетворяет только 15-30% обучаемых, а для других он либо слишком напряжен, либо недостаточно интенсивен. Результатом является неэффективное использование интеллектуальных ресурсов и учителя, и учеников. В дистанционном образовании на базе информационных компьютерных технологий нет жесткого календарного плана учебного процесса, студент может его реализовывать, адаптируясь к своим способностям и возможностям. Это повышает качество обучения и дает дополнительный эмоциональный и интеллектуальный стимул для образования.