Әлеуметтік-техникалық жүйелердегі инфоценозды зерттеудің бастапқы кезеңдері: рангтық таралуларды қолдану

Мақалада компоненттердің өзара әрекеттесуін тұрақтылық, динамика және оңтайландыруға назар аудара отырып, социотехникалық жүйелерді талдауда ценологиялық тәсілді қолданудың бастапқы зерттеу нәтижелері ұсынылады. Зерттеуде ақпараттық жүйелерді, олардың өзгермелі жағдайларға бейімділігін және сыртқы факторлардың әсерін зерттеу үшін ранговое бөлу модельдерін қолдану қарастырылады. Бұл зерттеудің нәтижелері социотехникалық жүйелерді тереңірек зерттеу және ақпараттық жүйелерді басқаруда оңтайландыру модельдері мен әдістерін әзірлеу үшін жаңа мүмкіндіктер ашады.

1. Акулин В.М. Машинное обучение: Методы и алгоритмы. - СПб.: Питер, 2018.

2. Буховец А.Г. Системный подход и ранговые распределения в задачах классификации. [Электронный ресурс]. URL: 15 (дата обращения: 07.11.2024).

3. Гнатюк В.И. Ранговый анализ техноценозов. // Электрика. - 2001. - №8. - С. 14-22.

4. Гнатюк В.И. Технология рангового анализа техноценозов. [Электронный ресурс]. URL: http://elib.spbstu.ru/dl/func/lex_5.htm (дата обращения: 07.11.2024).

5. Гурина Р.В. Ценологические методы в образовательных системах // Ползуновский вестник. - 2004. - №3. - С. 133-138.

6. Гурина Р.В. Ранговый анализ педагогических систем (ценологический подход): Методические рекомендации для работников образования. Вып. 32. «Ценологические исследования». - М.: Технетика, 2006. - 40 с.

7. Гурина Р.В. Ценологические исследования педагогических образовательных систем. [Электронный ресурс]. URL: http://kudrinbi.ru (дата обращения: 07.11.2024).

8. Дорофеев В.А., Асьянова Н.К. К вопросу о применимости параметрического рангового распределения в изучении малых групп в организации. [Электронный ресурс]. URL: https://cyberleninka.ru/article/n/k-voprosu-o-primenimosti-parametricheskogo-rangovogo-raspredeleniya-v-izuchenii-malyh-grupp-v-organizatsii (дата обращения: 07.11.2024).

9. Кудрин Б.И. Введение в технетику. 2-е изд., перераб. и доп. - Томск: Изд. Томск. гос. ун-та, 1993. - 552 с.

10. Кудрин Б.И., Жилин Б.В., Лагуткин О.Е., Ошурков М.Г. Ценологическое определение параметров электропотребления многономенклатурных производств. - Тула: Приок. кн. изд-во, 1994. - 161 с.

11. Куликов В.П., Куликова В.П. Устойчивость процесса/результата обучения как концептуальное ядро его оформления и документирования // Современные тенденции естественно-математического образования: школа – вуз. Материалы XI Всероссийской научно-практической конференции, 8–9 апреля 2022 г. - Соликамск: СГПИ; ООО «Типограф», 2022. - 103 с.

12. Леонов В.П. Современные проблемы информатики. Введение в семиотику информационных технологий: учебное пособие. - Томск: Изд-во НТЛ, 2011. - 248 с.

13. Лукашевич Н.В. Математическая статистика для экономистов. - М.: Юрайт, 2012.

14. Математическое описание ценозов и закономерности технетики. Философия и становление технетики. Вып. 1, вып. 2. «Ценологические исследования». - Абакан: Центр системных исследований, 1996. - 452 с.

15. Метод наименьших квадратов – безошибочно и быстро! [Электронный ресурс]. URL: https://mathprofi.ru/metod_naimenshih_kvadratov_bez_oshibok.html (дата обращения: 07.11.2024).

16. Метод наименьших квадратов: методические указания / сост.: Л.В. Коломиец,Н.Ю. Поникарова. - Самара: Изд-во Самарского ун-та, 2017. - 32 с.

17. Метод наименьших квадратов: формулы, код и применение. [Электронный ресурс]. URL: https://habr.com/ru/post/409201 (дата обращения: 07.11.2024).

18. Онтология моделирования и проектирования семантических информационных систем и порталов (Справочное пособие) / сост. Ильин И.В., Мордвинов В.А., Петров К.А., Трифонов Н.И., Финагин Л.А. - М.: Институт системного анализа, 2008.

19. Рябко Б.Я., Кудрин Б.И., Завалишин Н.Н., Кудрин А.И. Модель формирования статистической структуры биоценозов. // Известия Сиб. отделения АН СССР. Серия биол. наук. - 1978. - Вып. 1. - С. 17-25.

20. Goodfellow, I., Bengio, Y., & Courville, A. Deep Learning. - MIT Press, 2016.

21. Han, J., Pei, J., & Kamber, M. Data Mining: Concepts and Techniques. Morgan Kaufmann, 2011.

22. Kuhn, M., & Johnson, K. Applied Predictive Modeling. - Springer, 2013.

23. LeCun, Y., Bottou, L., Bengio, Y., & Haffner, P. Gradient-based learning applied to document recognition. // Proceedings of the IEEE. - 1998. - Vol. 86. - No. 11. - P. 2278–2324.

24. Wooldridge, J. M. Econometric Analysis of Cross Section and Panel Data. - MIT Press, 2010.