В статье рассматривается преемственность элементов образовательных и производственных технологий. Отмечено, что концептуальные нововведения в науке и технике способствуют появлению в научном и техническом мире активного развития современных аналитических технологий нового типа. Опираясь на новые направления в науке, технике и технологии рассматривается одно из них, наиболее актуальное в настоящее время – нанотехнологии. Отмечено, что в научном и техническом мире появляются и активно развиваются современные аналитические технологии нового типа, теория которых базируется на положениях адаптивной логики. Затронуты вопросы важности использования искусственных нейронных сетей в решении прикладных задач. Важность подобных технологий подчеркивается тем, что они будут способствовать решению некорректно поставленных задач, часто возникающих в практической деятельности человека. Приведены практические результаты адаптации технических и технологических решений к условиям их функционирования. Дается понятие алгоритма групповой технологии производственных процессов. Отмечено, что образовательные технологии современности опираются на дихотомические методы и адаптивные системы обучения. Подчеркнута важность применения на производстве и в различных промышленных системах интеллектуальных нейросетевых контроллеров, которые смогут распознавать потенциально опасные ситуации, уведомлять о них людей и принимать адекватные и, что самое главное, своевременные меры.
адаптивная логика, дихотомический метод, образовательные технологии, производственные технологии, нанотехнологии
В последние годы появились новые направления в науке, технике и технологии, одними из наиболее заметных являются нанотехнологии. Это, безусловно, отразилось на образовательных процессах в высших учебных заведениях [14]. Грандиозность перспектив результатов развития этой области науки и техники неоспорима. Нанотехнологии, вероятно, определят развитие в настоящее время практически всех составляющих современной цивилизации: освоение космоса, совершенствование техники, медицины, и т. д.
Концептуальные нововведения в науке и технике, безусловно, способствуют появлению в научном и техническом мире активного развития современных аналитических технологий нового типа [2; 3; 13]. В их основе лежат технологии искусственного интеллекта, которые имитируют процессы природные, такие, например, как деятельность нейронов мозга. Все большее распространение в прикладных задачах находят искусственные нейронные сети (ИНС).
Искусственные нейронные сети в сфере автоматизированного управления применяются в задачах идентификации объектов, в алгоритмах прогнозирования и диагностики, и, кроме того, для синтеза оптимальных автоматических систем регулирования (АСР). Для их воплощения на основе использования искусственных нейронных сетей в настоящее время интенсивно развивается создание нейрочипов (НЧ) и нейроконтроллеров (НК).
Искусственные нейронные сети являются в определенном смысле имитатором мозга, который обладает способностью к ориентации и обучению в условиях неопределенности. ИНС имеют сходность с мозгом в двух моментах. Искусственные нейронные сети получают знания в процессе обучения, а для сохранения полученных знаний употребляют значения коэффициентов межнейронных связей, которые называют синаптическими весами.
1. Архипова Т. Н., Суч илин В. А. Метод моделирования швейных изделий по аналитическим зависимостям // Швейная промышленность. 2009. № 5.
2. Коломейцева М. Б. Синтез адаптивной системы управления на базе нечёткого регулятора для многомерного динамического объекта [Текст] / М. Б. Коломейцева, Д. Л. Хо // Приборы и системы. Управление, контроль, диагностика. 2002. № 3. С. 34–37.
3. Кукушкина В. В. Организация научно-исследовательской работы студентов (магистров): Учебное пособие. М.: ИНФРА-М, 2012. 265 с.
4. Положение об учебно-методическом комплексе дисциплин. Челябинск: ЧПИ, 1981.
5. Сазонов А. Создаем учебно-методический комплекс // Вестник высшей школы. 1978. № 4.
6. Сквирский В. Я. Учебно-методический комплекс дисциплины // Методические указания по разработке и использованию. М.: МАДИ. 1982. 80 с.
7. Сучилин В. А., Бурова Т. В., Ульянова Г. В. Метод групповой технологии при проектировании и организации работы швейных гибких производственных систем // Сб. науч. трудов «Вопросы инженерного проектирования техники и технологии сервиса с применением ЭВМ». М.: ГАСБУ, 1995. С. 31–35.
8. Сучилин В. А., Грибут И. Э., Голиков С. А. Применение магнитной жидкости в технологиях сервиса транспортных средств // Электротехнические и информационные комплексы и системы. 2011. № 4, т. 7. С. 41–46.
9. Сучилин В. А., Мисюрин Л. М., Голиков С. А. Использование магнитной жидкости для смазки и герметизации узлов технических средств бытового обслуживания // Электротехнические и информационные комплексы и системы. 2012. № 2.
10. Сучилин В. А., Грибут И. Э., Голиков С. А. Метод повышения эффективности гашения вибрации в автотранспортной технике // Электротехнические и информационные комплексы и системы. 2012. № 3, т.8.
11. Сучилин В. А. Челнок швейной машины // Патент РФ № 2070239. Опубл. 10.12.1996. Бюл. № 34.
12. Сучилин В. А., Архипова Т. Н. Манекен для примерки одежды // Патент РФ № 2387352. Опубл. 27.04.2010 Бюл. № 12.
13. Усков А. А. Эмпирический принцип синтеза нечётких логических регуляторов // Приборы и системы. Управление, контроль, диагностика. М.: Научтехлитиздат. 2004. № 1. С. 16–18.
14. Федеральный государственный образовательный стандарт высшего профессионального образования по направлению подготовки 151000 Технологические машины и оборудование (квалификация (степень) «магистр») (утв. приказом Министерства образования и науки РФ от 9 ноября 2009 г. N 539).
