CC BY
18
"в t„
1 PLA 1
2 2
3 3
4
5 4
6
7
8 KC 1
PLA
KC ,
clock
У i У 2 У 3
D 1
D2
RG
x
x
2
X
X
4
x
T
T
2
T
T
Рисунок 4 - Функциональная схема TYI-автомата
ЗАКЛЮЧЕНИЕ
Пусть S, t - соответственно число входов и выходов ПЛУ, используемых для синтеза схем KCl и КС2. Как показали исследования, применение предложенной методики целесообразно при выполнении условий
N + R + Q < S, (8)
N + Q < t, (9)
N + R > t, (10)
L + R > S. (11)
Если (8) не выполняется, то применение предложенного метода приводит к многоуровневой схеме КС2, что равно увеличивает аппаратурные затраты. При выполнении условий (9) и (10) в одноуровневой схеме требуется расширение ПЛМ по выходам, что не требуется в ТУ1-ав-томате. Если (9) не выполняется, то выигрыш от предложенного метода уменьшается и необходимо синтезировать оба автомата для выбора лучшей структуры. Если (10) не выполняется, то одноуровневая схема обладает лучшими характеристиками. Если (11) не выполняется, то аппара-
турные затраты в одноуровневой схеме будут не более, чем в ТУ1-автомате. Если условия (5)-(11) выполняются, то аппаратурные затраты в ТУ1-автомате на 25-32% меньше, чем в одноуровневой схеме. Выигрыш растёт по мере увеличения числа логических условий исходной граф-схемы алгоритма.
Высокая результативность предложенного метода свидетельствует о целесообразности продолжения исследований в этом направлении. При этом исследованию подлежит возможность применения предложенной методики при синтезе микропрограммных автоматов Мура и композиционных микропрограммных устройств управления.
ПЕРЕЧЕНЬ ССЫЛОК
1. Грушвицкий Р.И., Мурсаев А.Х., Угрюмов Е.П. Проектирование систем на микросхемах программируемой логики. - СПб.: БХВ-Петербург, 2002. - 608с.
2. Баркалов А.А Палагин А.В. Синтез микропрограммных устройств управления. - Киев: ИК НАН Украины, 1997. -156 с.
3. Соловьёв В.В. Проектирование цифровых систем на основе программируемых логических интегральных схем. - М.: Горячая линия - Телеком, 2001. - 636 с.
4. Баркалов А.А. Синтез устройств управления на программируемых логических устройствах. - Донецк: ДонНТУ, 2002. - 262 с.
5. Баранов С.И. Синтез микропрограммных автоматов. - Л.: Энергия, 1979. - 232 с.
УДК 004.681.32
КОМПЬЮТЕРНАЯ ПСИХОДИАГНОСТИЧЕСКАЯ СИСТЕМА ДЛЯ ОЦЕНКИ ПРОФПРИГОДНОСТИ ПЕРСОНАЛА РАЗДЕЛИТЕЛЬНЫХ ПРОИЗВОДСТВ
О.Г.Берестнева, В.А.Власов, А.А.Орлов
Предлагается система компьютерных психодиагностических тестов для оценки профпригодности персонала разделительных производств. Разработаны гибкая система оценки профессиональной пригодности, а также оригинальная методика тестирования и удобная для пользователя компьютерная программа оценки индивидуальных особенностей и
правильности выбора будущей профессии школьников и абитуриентов.
The computer system of psychodiagnostics tests for an evaluation of occupational aptitude of staff of separating productions is offered. The flexible system of an evaluation of professional
suitability is developed. The original technique of testing and computer program, for evaluation of individual features and regularities of choice of the future trade of the schoolboys and entrants is developed.
ВВЕДЕНИЕ
Современные производства по разделению изотопов представляют собой сложные технические и технологические комплексы, оснащенные дорогостоящим, точным, наукоемким оборудованием. Эти производства характеризуются высокой энергонапряженностью всех элементов технологической схемы, режимом работы оборудования на номинальных параметрах, взаимодействием специалистов различного профессионального уровня, высокой централизацией управления, повышенными требованиями к надежности оборудования и ядерной безопасности производства. Наличие таких особенностей требует проведения проверки профессиональной пригодности принимаемых на работу специалистов, периодической оценки подготовки работающего технологического персонала разделительных производств, и в случае необходимости, прохождения курсов переподготовки.
Разработанная авторами компьютерная система тестирования предназначена для оценки профессиональной пригодности различных категорий технологического персонала разделительных производств (инженеров-исследователей, инженеров-технологов, аппаратчиков и т.д.).
1 ПОСТАНОВКА ЗАДАЧИ
Профессиональная пригодность - это вероятностная характеристика, отражающая возможности человека в овладении какой-либо профессиональной деятельностью. Она может оцениваться по нескольким критериям:
- медицинским показателям (в том числе по показателям физической подготовленности);
- по данным образовательного ценза или конкурсным экзаменам;
- с помощью психологического обследования (психологический отбор);
- с учетом достигнутого уровня профессиональной адаптации и др.
В нашем случае все оцениваемые качества были объединены в три основных блока:
- личностные (психологические);
- психофизиологические;
- навыки и умения, необходимые для успешной профессиональной деятельности.
Как известно, задача профотбора решается в несколько этапов.
1. Психологическое изучение профессии с целью выявления требований к человеку. При этом должна быть раскрыта внутренняя структура деятельности и дан не просто перечень психических и психомоторных процессов, находящихся под наибольшей нагрузкой, а целостная картина их взаимосвязи и воплощения в профессиональной эффективности. Такое изучение (профессиография) завершается подробной характеристикой профессии -профессиограммой и психограммой.
2. Выбор психодиагностических методов исследования (тестов), в наибольшей мере характеризующих те психические процессы и профессиональные действия, в отношении которых надлежит оценивать профессиональную пригодность .
3. Психодиагностика - психологическое изучение обследуемых, оценка их общего развития, направленности на овладение профессией, степени развития у них качеств, наиболее важных для успехов в овладении профессией, и оценка способности выполнения ими элементов целостной деятельности в различных условиях.
4. Психологический прогноз успешности профессиональной деятельности на основе сопоставления сведений о требованиях к профессии и полученных психодиагностических данных, с акцентом на оценку личностных характеристик. Заключение о возможности целенаправленного совершенствования и компенсации профессионально значимых качеств.
Исходным пунктом для исследования профессиональной пригодности является, построение профессиограммы и, в частности, ее психологической части - психограммы. Психограмма определяет "центр тяжести" профессии в отношении нагрузки на психофизические функции и требования к личностным чертам работника-специалиста в данной профессии. Перечень таких требований для специальностей разделительных производств был составлен авторами на основе анализа литературных источников [1-3] с учетом мнения экспертов [4]. В качестве экспертов выступали ведущие специалисты разделителительных производств и профессорско-преподавательский состав физико-технического факультета Томского политехнического университета, осуществляющий подготовку специалистов данного профиля.
При выборе методик для компьютерного тестирования авторы исходили из того, что, с одной стороны, набор тестов должен быть достаточно полным, позволяющим оценить не только каждое качество в отдельности, но и индивидуальный стиль деятельности в целом, а с другой стороны, выбранные методики должны представлять собой экспресс-методы психодиагностики.
2 ИНФОРМАЦИОННОЕ ОБЕСПЕЧЕНИЕ
СИСТЕМЫ
В разработанной авторами компьютерной системе психодиагностического профессионального тестирования реализована схема, приведенная на рис. 1.
Выбор опросника Кеттелла для решения нашей задачи обусловлен тем, что все определяемые в нем факторы личности входят в число профессионально значимых качеств персонала разделительных прозводств. В компьютерную систему профотбора был включен адаптированный вариант опросника Кеттела, разработанный сотрудниками Института психологии академии наук [5].
С целью повышения качества оценки профессионально значимых психологических качеств в компьютерную систему был включен также тест для определения социотипа личности.
Установлено, что существует тесная взаимосвязь между социотипом человека и его профессиональной успеш-
ностью в той или иной сфере деятельности [6]. Нами разработаны диагностические таблицы, содержащие данные о том, при каких социотипах можно прогнозировать успешную профессиональную деятельность по интересующим нас категориям персонала, а при каких нет [4].
Многие из профессионально значимых качеств являются одинаковыми для разных профессий. Поэтому при решении задачи оценки профессиональной пригодности необходимо определять также диагностические коэффициенты ("веса") данных качеств (либо пороговые значения исследуемых характеристик для каждой профессии [7]).
Эта задача может быть решена двумя путями:
- величина диагностических коэффициентов (или пороговых значений) задается эмпирически, если имеется большой опыт профотбора на данные специальности или на основе анализа литературных источников;
- диагностические коэффициенты (или пороговые значения) определяются на основе результатов статистических исследований, заключающихся в сопоставлении тестовых показателей с показателями внешних критериев профессиональной эффективности.
На данном этапе работы был реализован первый подход к решению данной задачи. На основе анализа литературных источников [1] и результатов экспертного оцени-ванивания нами пороговые значения личностных качеств (определяемых по тесту Кеттелла) для специальностей, включенных в компьютерную систему тестирования. Пороговые значения взяты из литературного источника и скорректирован с привлечением экспертов [4].
Для повышения надежности результатов тестирования в состав программного обеспечения системы включена методика, построенная на основе метода независимых характеристик К.К. Платонова. Метод независимых характеристик заключается в том, что в соответствии с разработанной программой опрашиваются коллеги по работе, непосредственное начальство, другие работники, в силу тех или иных обстоятельств хорошо знающие изучаемого специалиста, - всего 5-6 человек. Предложена шкала, по которой оценивается та или иная черта личности [8]: 5 -названная в карте черта личности развита очень хорошо, ярко выражена и проявляется часто и в различных видах деятельности; 4 - заметно выражена, но проявляется не постоянно, хотя противоположная ей черта проявляется крайне редко; 3 - как и противоположная ей черта личности, выражена не резко, и в проявлениях они уравновешивают одна другую, хотя обе проявляются нечасто; 2 -заметно более выражена, и чаще проявляется противоположная названной черта личности; 1 - противоположная названной черта личности проявляется часто и в различных видах деятельности. Оценка каждой черты личности должна опираться на знание "жизненных показателей", т.е. типичных случаев из жизни оцениваемого человека и его деятельности (действий, поступков), в которых проявляется оцениваемое качество.
В состав нашей компьютерной системы, включен блок, реализующий методику независимых характеристик и представляющий собой модификацию методик Платонова [7], Фукуямы [3], Борейши [2]. Уровень владения тем или иным качеством оценивается следующим образом: 5 -очень высокий; 4 - высокий; 3 - средний; 2 - низкий; 1 -
очень низкий; 0 - данное качество отсутствует.
На первом этапе тестирования испытуемый сам оценивает себя по всем профессионально значимым качествам. Кроме того, для каждого из этих качеств он указывает, необходимо ли оно для успешной профессиональной деятельности по выбранной специальности. Эти данные необходимы для определения того, насколько полными являются представления испытуемого о требованиях, предъявляемых к данной специальности. Результатом данного теста является средний балл по всем качествам, а также средний балл отдельно по психологическим (личностным) и психофизиологическим качествам, а также по группе качеств, представляющих собой профессиональные навыки и умения. В выходном документе указывается на развитие каких качеств испытуемому следует обратить внимание (это качества, по которым испытуемый оценил себя ниже трех баллов).
На следующем этапе тестирования испытуемого по этим же качествам оценивают эксперты (работники хорошо знающие данного специалиста). Оптимальное количество экспертов 5-6 человек, минимальное 2-3 человека. Затем подсчитывается усредненная экспертная оценка по каждому качеству и выдается заключение о степени соответствия испытуемого данной специальности (как по всем качествам в целом, так и отдельно по трем группам качеств: психологическим, психофизиологическим и профессиональным).
Если средний балл 5, то выдается заключение: "очень высокая степень соответствия специальности", если средний балл от 4 до 5 - "высокая степень", если от 3 до 4 -"средняя степень", если от 2 до 3 - "низкая степень", если меньше 2 - "очень низкая".
В качестве приемов исследования и оценки психофизиологических функций используются методики субъективной и объективной оценки личности [7-11]. Первые основаны на получении сведений о тех или иных свойствах человека, проявляющихся в различных в жизненных или экспериментальных ситуациях, либо от самого индивида (самонаблюдение и самоанализ), либо непосредственно экспериментатором (анализ внешних проявлений этих свойств у конкретного человека или данных, полученных от него). В нашем случае это методика независимых характеристик, описанная выше.
Объективная оценка личности проводится на основании анализа результатов выполнения определенных (как правило, стандартных) заданий или функциональных проб, направленных на изучение основных познавательных психических процессов и состояний различных психофизиологических функций индивида.
Наряду с субъективными были использованы также и объективные оценки, характеризующие психофизиологические функции. Из имеющегося сравнительно большого количества методик были отобраны такие, которые, по мнению большинства специалистов, считаются наиболее адекватными [7,8,10] - это время реакции на звук, время реакции на свет, теппинг-тест, тест быстроты и точности реакции на движущийся объект.
Время простой сенсомоторной реакции человека на звук и на свет характеризует возбудимость анализаторов, временные показатели нервных процессов, являющиеся
основными в управляющих действиях человека [10]. Выбор теста "время реакции на световые раздражители" для оценки функционального состояния человека в процессе адаптации-деадаптации обусловлен его информативностью как показателя функции "целостного мозга".
Кроме того, для оценки общих свойств нервной системы (силы процессов возбуждения и торможения; их уравновешенности и подвижности) в систему включен тест на определение типа темперамента. Нами разработаны таблицы "совместимости" интересующих нас специальностей и типов темперамента, полученные на основе анализа литературных источников [10] и мнения экспертов [4].
Заключение по блоку качеств "Навыки и умения, необходимые для успешной профессиональной деятельности" формируется на основе результатов тестирования и экспертной оценки по методике независимых характеристик [4].
На рисунке 1 приведена структурная схема программного обеспечения разработанной компьютерной системы. Как видно из рисунка 1, в системе наряду с формированием общего заключения об уровне профпригодности предусмотрена выдача заключения о степени соответствия той или иной специальности по каждому отдельному блоку.
3 ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ СИСТЕМЫ
Основные данные программы разделены на три больших раздела:
1. Данные о пользователе.
2. Данные о тесте.
3. Данные о специальности.
Каждый из крупных блоков данных представляет
иерархическую структуру, состоящую из базовых типов данных.
Информация о пользователе делится на две части:
1. Общие данные:
1. Фамилия, Имя и Отчество тестируемого.
2. Дата рождения.
3. Образование.
4. Название учебного заведения.
5. Название специальности.
6. Должность и дата назначения на должность.
7. Квалификация.
8. Дата приема на работу.
9. Дата поступления и окончания ВУЗа (для абитуриентов и студентов).
10. Почтовый адрес.
11. Почтовый адрес родителей (для абитуриентов и студентов).
12. Примечания.
2. Результаты тестирования.
Результаты тестирования объединяются в группы. Каждая группа состоит из даты проведения тестов, результатов тестов и результатов экспертной оценки по методике независимых характеристик.
Данные о тестах также представлены в виде иерархической структуры. Каждый тест состоит из:
1. Названия.
2. Уникального номера теста.
3. Массива категорий тестирования. Категории тестирования в свою очередь состоят из:
4. Названия категории тестирования.
5. Номера категории (выставляется автоматически).
6. Массива вопросов, относящихся к данной категории.
Рисунок 1 - Схема программного обеспечения системы профтестирования
Каждый вопрос состоит из следующих данных:
7. Номера вопроса, уникального в пределах категории тестирования.
8. Текста вопроса.
9. Массива вариантов ответов в виде:
а) текст варианта ответа;
б) количество баллов, получаемое при выборе данного варианта ответа.
10. Результата ответа на текущий вопрос (это поле используется для возврата данных в программу после тестирования).
Данные о специальности:
Название специальности.
Номер специальности (уникальное число).
Массив пороговых значений для теста Кеттелла.
Массив пороговых значений для методики независимых характеристик.
Каждая из описанных структур данных была сведена в классы, содержащие данные и методы их обработки.
Массивы данных были реализованы, используя классы массивов-шаблонов (templates). Данные массивы позволяют программисту легко оперировать данными, которые в них содержатся и обеспечивают динамическое изменение размеров массивов.
В качестве хранилища данных для баз перечисленных тестов, специальностей и пользователей применяются .ini-файлы, работа с которыми закодирована на уровне системных функций Windows.
Выбор данного типа файлов обусловлен независимостью их реализации от используемых драйверов для доступа к данным (ODBC), что позволяет использовать программу на любой машине с Microsoft Windows 9X/ Windows NTTM.
Для реализации программного обеспечения был выбран язык С++ [4], который позволяет конструировать абстрактные типы данных и реализовывать на их основе работу с требуемыми данными.
ГО- - bryjj'CT^^ -к if...-,.
ГЬЫчУНЙчиМГ*!:'*
Вервдм К. Y. ■
_ -".-Л- --M.l.hr.1
f. (шиш-ihnoc ___
Рисунок 2 - Главное окно и меню программы
В основе языка С++ лежит концепция классов, которые содержат в себе как данные, так и процедуры работы с этими данными. Внешние по отношению к классам процедуры могут работать с данными классов только через четко определенные процедуры-интерфейсы. Это позволяет реализовать принцип "черного ящика", когда внешние части не знают, каким образом производится обработка данных классов, что позволяет легко менять разные части программы, не внося изменений в другие части.
Вторым важным достоинством С++ является возмож-
ность использования наследования классов от уже определенных классов. Это позволяет реализовать разную обработку данных в различающихся классах. А механизм виртуальных функций позволяет единообразно производить вызовы функций разных классов, унаследованных от одного источника. Этот механизм использовался при реализации обработки результатов тестирования. Структура разработанного программного обеспечения и направления потоков данных в программе показаны на рисунке 2.
Программа "Тест ФТ" разработана с использованием интегрированной среды разработки Sybase Power++ 2. Эта программа предназначена для проведения тестов различной сложности и размерности, с последующим сохранением результатов тестирования, а также для создания новых тестов.
Система состоит из двух основных блоков:
1. Тестирование.
2. Создание и модификация тестов.
Программа соответствует современным стандартам, основными критериями которых являются:
- Удобный пользовательский интерфейс, который представляет собой стандартные Windows-компоненты (пример интерфейса представлен на рис. 2).
- Модифицируемость блоков программы, то есть возможность изменять отдельные модули без изменения всей программы.
- Контекстно-зависимая справочная система, позволяющая получить справку о том или ином программном компоненте, независимо от работы основной программы.
Разработанный программный комплекс "Тест ФТ" представляет собой стандартное Windows-приложение, отвечающее всем современным требованиям программного продукта для операционных систем Windows 95/98/NT.
4 РЕЗУЛЬТАТЫ
Разработанная компьютерная система позволяет проводить оценку уровня профпригодности специалистов разделительных производств. При разработке программного обеспечения системы нами был предварительно сформирован набор тестов для выявления личностных, и психофизиологических качеств, характеризующих профессиональную пригодность человека для работы на разделительном производстве, а также его навыки и умения необходимые для успешной профессиональной деятельности. Определен набор качеств, которыми должны обладать различные категории персонала разделительного производства, и разработана гибкая система оценки профессиональной пригодности. Предусмотрен вариант использования компьютерной системы для решения задач профориентации .
В настоящее время система прошла апробацию в ПО "Электрохимический завод" г. Зеленогорск. В Томском политехническом университете с использованием данной системы ежегодно проводится профориентационное тестирование абитуриентов физико-технического факультета и оценка уровня профпригодности выпускников специальности "Физика кинетических явлений".
Е.Ф.Васечкина, В.Д.Ярин: ФОРМИРОВАНИЕ СТРУКТУРЫ ПОЛИНОМИАЛЬНОЙ НЕЙРОННОЙ СЕТИ С ПОМОЩЬЮ ГЕНЕТИЧЕСКОГО АЛГОРИТМА
ПЕРЕЧЕНЬ ССЫЛОК
1. Комплексная социально - психологическая методика изучения личности инженера. // Л.: Изд-во ЛГУ - 1991 - 178с.
2. Борейша В. Б. ТомПИКС - ловушка для подходящих профессий. - Томск, 1994. - 32 с.
3. Фукуяма С. Теоретические основы профессиональной ориентации. - М.: Изд-во МГУ, 1989.- 108 с.
4. Власов В. А., Орлов А. А., Тихонов Г. С., Отт А. Я., Берестнева О. Г, Еремина В. В. Компьютерная система оценки профессиональной пригодности персонала для разделительных производств // Научный отчет. Рег.№02200005350, г.Томск, ТПУ, 2000. - 92 с.
5. Русалов В. М., Гусева О. В. Сокращенный вариант личностного опросника Кэттелла (8 РР) // Психологический журнал, Том 11, №1, 1990. - С.34-48
6. Гуленко В. В., Тыщенко В. П. Соционика - межвозрастной
педагогике. - Новосибирск: Изд-во НГУ, 1998. - 269 с.
7. Марищук В. Л. Критерии профессиональной пригодности в отборе // Методология исследований по инженерной психологии и психологии труда. - Л., 1974. - 4.1.
8. Дмитриева М. А., Крылов А. А., Нафтульев А. И. Психология труда и инженерная психология. - Л.: Изд-во Ленингр.ун-та, 1979.-224с.
9. Ольхов О.Г. Опросник психофизиологического состояния рабочих горячих цехов металлургической промышленности.// Психологический журнал, Том 11, № 5, 1990. - С.44
10. Психофизиологические функции человека и операторский труд.-Киев: Наук. Думка, 1991. - 216 с.
11. Белоус В. В. К исследованию влияния типов темперамента на эффективность индивидуальной и совместной деятельности.// Вопросы психологии, № 3, 1986.- С.113-120.
УДК 519.7:556
ФОРМИРОВАНИЕ СТРУКТУРЫ ПОЛИНОМИАЛЬНОЙ НЕЙРОННОЙ СЕТИ С ПОМОЩЬЮ ГЕНЕТИЧЕСКОГО АЛГОРИТМА
Е.Ф.Васечкина, В.Д.Ярин
Пропонуеться новий метод побудови архгтектури одно-спрямованог полгномгальног нейронной мережг з одночасною iдентифтащею вагових коефщ1ент1в. Алгоритм базуеться на сполучент Методу групового облту аргументгв i гене-тичного алгоритму. Метод застосовуеться для рШення задач математичного моделювання параметргв водного середо-вища. Результати поргвнюються з отриманими гншими методами на тих же даних.
Предлагается новый метод построения архитектуры однонаправленной полиномиальной нейронной сети с одновременной идентификацией весовых коэффициентов. Алгоритм базируется на сочетании метода группового учета аргументов и генетического алгоритма. Метод применяется для решения задач математического моделирования параметров водной среды. Результаты сравниваются с полученными другими методами на тех же данных.
The new method of evolving a structure of feed-forward polynomial neural network with simultaneous weights identification is proposed. The algorithm is based on combination of Group Method of Data Handling and Genetic Algorithm. The method is applied to tasks of mathematical simulation of marine environment. Results of practical application of the method are compared with those obtained by other methods on the same data.
ВВЕДЕНИЕ
Разработка фундаментальных основ морской экологии в настоящее время еще далека от завершения в связи с тем, что объект исследования является так называемой "большой системой" и для его сколько-нибудь полного описания не существует готового математического аппарата. Между тем прогрессирующее ухудшение экологической ситуации требует разработки моделей, способных при существующем уровне знаний оценивать текущую ситуацию и осуществлять прогнозы, на основе которых можно принимать те или иные решения в области хозяйственных и природоохранных мероприятий [1]. В таких задачах, по нашему мнению, может с успехом
применяться технология нейронных сетей (НС) [2,3], поскольку их универсальность позволяет строить модели без требования полного понимания и математического описания взаимодействий в системе.
Целью настоящей работы является разработка алгоритма построения функциональной зависимости между компонентами вектора состояния произвольной системы. Эта задача при отсутствии четкого представления о структуре связей в системе лучше поддаётся решению с помощью многослойных НС, чем классическими методами. При этом определение архитектуры НС имеет первостепенное значение, поскольку она влияет на эффективность процесса обучения и производительность сети при решении конкретных задач. В последнее время появилось большое количество работ, в которых предлагались различные способы построения структуры НС. Для этого в основном применяются различные модификации генетических алгоритмов (ГА), и проблема построения архитектуры сети рассматривается как задача поиска экстремума в многомерном пространстве, в котором каждая точка представляет собой некоторую сетевую архитектуру [4,5,6]. Применение этих методов предполагает обучение сети как отдельный процесс, который необходимо осуществить для всех вариантов структуры сети, чтобы оценить их производительность. Для обучения сети чаще всего применяется метод обратного распространения ошибки. При использовании этого метода весовые коэффициенты и пороговые значения узлов сети отыскиваются с помощью алгоритма градиентного спуска, но структура связей между узлами должна при этом быть задана априори. Такие расчеты требуют значительных вычислительных затрат.
Представляется более перспективным одновременное определение структуры связей НС и соответствующих весовых коэффициентов. Такие алгоритмы были рассмотрены в ряде работ, где предлагалось расширение генотипа путем включения в него весовых коэффициентов тем или
