МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ профессионального образования

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ
Федеральное государственное бюджетное образовательное учреждение высшего
профессионального образования
«ТОМСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ СИСТЕМ УПРАВЛЕНИЯ
И РАДИОЭЛЕКТРОНИКИ» (ТУСУР)
УТВЕРЖДАЮ
Первый проректор –
Проректор по учебной работе
_____________________ Л. А. Боков
«___» ____________________ 2012 г.
РАБОЧАЯ ПРОГРАММА
По дисциплине __«Обработка экспериментальных данных на ЭВМ»_
(наименование дисциплины)
Для специальности __ Программное обеспечение вычислительной техники и
автоматизированных систем 230105 _
(номер и наименование специальности)
Факультет __систем управления_____________________________________________
(наименование)
Профилирующая кафедра ___ автоматизированных систем управления __________
(наименование)
Курс _________________4__________________
Семестр ______________7__________________
Учебный план набора __2008__ года
Распределение учебного времени
Лекции
Лабораторные занятия
Практические занятия
Курсовой проект (ауд)
Курсовая работа (ауд)
Всего ауд. занятий
Самостоятельная работа
Общая трудоёмкость
Всего часов
54 часа
18 часов
72 часа
28 часов
100 часов
Экзамен _____7_______ семестр
Зачёт _______________ семестр
Диф.зачёт ____________ семестр
2012
Рабочая программа составлена на основании ГОС ВПО для специальности 230105.65
"Программное обеспечение вычислительной техники и автоматизированных систем"
(код и наименование специальности)
утверждённого _27 марта 2000 г._ , рассмотрена и утверждена на заседании
кафедры « _27_ » _июня_ 2012 г. , протокол № _15_
Разработчик
__д.т.н., профессор___________
(должность, кафедра)
Зав. обеспечивающей кафедрой _АСУ_
__________________ _Катаев М.Ю._
(подпись)
(ФИО)
_________________ _ Кориков А.М._
(подпись)
(ФИО)
Рабочая программа согласована с факультетом, профилирующей и выпускающей
кафедрами специальности
Декан __ФСУ_________
(факультет)
Зав. профилирующей кафедрой
______________ __Сенченко П.В._
(подпись)
_______________ _ Кориков А.М._
(подпись)
Зав. выпускающей кафедрой
(ФИО)
(ФИО)
______________ ____ Кориков А.М._
(подпись)
(ФИО)
1. ЦЕЛИ И ЗАДАЧИ ДИСЦИПЛИНЫ И ЕЕ МЕСТО В УЧЕБНОМ ПРОЦЕССЕ
1.1 ЦЕЛИ ПРЕПОДАВАНИЯ ДИСЦИПЛИНЫ - ознакомить студентов с Обработкой
Экспериментальных Данных на ЭВМ (далее ОЭД). Для этого необходимо уделить внимание
изучению
различных
моделей
представления
экспериментальных
данных
(линейные
и
нелинейные), классификации задач обработки ((прямые и обратные) и (качественные и
количественные)) и методов их решения (МНК, регрессия, некорректные задачи, интерполяция и
др.). Подготовить к решению различных практических задач с использованием ОЭД.
1.2 ЗАДАЧИ ИЗУЧЕНИЯ ДИСЦИПЛИНЫ состоят в том, что в результате ее изучения студенты
должны:

знать основы теории и общие методологические принципы ОЭД;

знать
основные
источники
ошибок
возникающих
при
измерениях,
характеристики
распределения ошибок и определения параметров распределений;

знать типы данных (наука, экономика, медицина ...), представление их и типичные
(стандартные) методы первичной обработки;

знать
задачи
методы
обработки
(интерполяция,
экстраполяция,
сглаживание,
дифференцирование, интегрирование и др.)

уметь ставить задачи на разработку программного обеспечения с использованием методов
ОЭД и решать их.
1.3 ПЕРЕЧЕНЬ ДИСЦИПЛИН И РАЗДЕЛОВ (ТЕМ), НЕОБХОДИМЫХ СТУДЕНТАМ ДЛЯ
ИЗУЧЕНИЯ ДАННОЙ ДИСЦИПЛИНЫ
Для понимания курса «ОЭД на ЭВМ» необходимо прослушать дисциплины: СД.Ф.1 Структуры и
алгоритмы обработки данных, ЕН.Ф.1.6 Теория вероятностей, математическая статистика и
случайные процессы, ЕН.Ф.1.4 Математическая логика и теория алгоритмов, ЕН.Ф.1.2
Математический
анализ,
ЕН.Ф.1.5
Вычислительная
математика,
СД.Ф.3
Объектно-
ориентированное программирование, СД.Ф.5 Теория вычислительных процессов, ДС.Ф.3 Системы
цифровой обработки сигналов.
2. СОДЕРЖАНИЕ ДИСЦИПЛИНЫ
КРАТКАЯ ИНФОРМАЦИЯ О ПРЕДМЕТЕ КУРСА
Почти каждому современному работнику, где бы он не работал (в науке, в банке и др.), в
процессе производственной деятельности необходимо производить различного рода измерения и
обрабатывать их. При небольших объемах данных и несложных моделях изучаемого объекта
можно проводить обработку вручную. Однако современные потоки данных, их объем и скорость
поступления заставляют разрабатывать не только технику, но и методы обработки и
соответствующее программное обеспечение. И во всех этих случаях человек, обрабатывающий
измерения должен располагать соответствующими знаниями, которые позволили бы получит
оптимальный результат.
Как правило, основным подходом в решении многих задач является Метод Наименьших
Квадратов (МНК) в его различных модификациях. МНК зарекомендовал себя хорошо с точки
зрения точности получаемых результатов и простоты реализации. К тому же создано немало
стандартных программ решения различных задач при помощи МНК. Однако МНК эффективно
работает только для линейных моделей, а на практике встречаются ситуации, когда связь
искомого параметра с измеряемой величиной сугубо нелинейная. В этом случае применяют
Нелинейный МНК или другие методы обработки. Знакомство со всеми этими методами расширяет
арсенал средств, находящихся в распоряжении обработчика, что особенно важно в сложных
случаях, например, когда измерения производятся при воздействии большого числа факторов,
мешающих их проведению.
При работе со случайными измерениями (а таковыми являются все без исключения
эксперименты) исследователь должен знать стандартные методы оценки погрешности как для
линейных, так и для нелинейных моделей. Оценивать тип плотности вероятности распределения
ошибок и проводить экспертную оценку результатов измерений на полноту и достоверность
(соответствие некоторой теоретической модели). В настоящее время достаточно много
разработано готовых программ и пакетов научных программ. Поэтому исследователь должен
ориентироваться в различных версиях и модификациях этих изделий, а также уметь тестировать
их на надежность и точность.
Огромное значение для исследователя играет визуализация как результатов обработки, так
и самих данных измерений в 2D или в 3D областях. Не смотря на то, что разработано множество
готовой продукции, исследователь может столкнуться с такими задачами, где эти изделия не
позволяют получать ожидаемый результат. Поэтому, одной из самых главных частей курса,
является создание справочника алгоритмов решения типичных задач ОЭД. С помощью этого
справочника можно проводить дальнейшую доработку и модификацию существующих
алгоритмов с целью достижения необходимого результата.
2.1 НАИМЕНОВАНИЕ ТЕМ, СОДЕРЖАНИЕ ЛЕКЦИОННЫХ ЗАНЯТИЙ
ТЕМА -1- (2 часа) Введение в основные понятия ОЭД
1. Введение в курс Обработки Экспериментальных Данных на ЭВМ (ОЭД)
2. Определение круга задач решаемых с помощью ОЭД
3. Классификация задач: Прямые, Обратные задачи, Линейные, Нелинейные и др.
4. Прямые и Косвенные эксперименты
5. Модели данных и их классификация
ТЕМА -2- (2 часа) Определение понятия ошибка эксперимента
1. Основные источники погрешности измерений (случайные и систематические)
2. Классификация типов ошибок (личные, приборные, ошибки модели и др.)
3. Методы оценки и разделения типов ошибок
ТЕМА -3- (2 часа) Виды распределений случайных величин
1. Типы Распределений Плотности Вероятностей (РПВ) случайных ошибок
2. Классификация РПВ, вид распределения, параметры, переменные, среднее и дисперсия
3 Генераторы Случайных Чисел (ГСЧ) соответствующих различным РПВ
ТЕМА -4- (4 часа) Поиск параметров распределений случайных величин
1. Методы оценки параметров РПВ (метод гистограмм, Парзеновских окон и др. методы)
2. Использование Вероятностных таблиц.
3. Алгоритмы и примеры использование методов
ТЕМА -5- (4 часа) Метод наименьших квадратов )
1. Метод Наименьших Квадратов (МНК). Модификации МНК.
2. Алгоритмы решение задач при помощи МНК
ТЕМА -6- (4 часа) Методы решения нелинейных задач
1. Методы решения нелинейных задач. Оценивание параметров.
2. Типы оценок и особенности алгоритмов в нелинейных методах
ТЕМА -7- (4 часа) Некорректные задачи и методы их решения
1. Элементы функционального анализа.
2. Корректные, условно-корректные и некорректные задачи
3. Метод Тихонова решения некорректных задач
4. Виды стабилизаторов и методов решения некорректных задач.
ТЕМА -8- (8 часов) Описание Сплайн-функций
1. Метод сплайн-функций (СФ). Типы сплайнов.
2. Алгоритмы построения сплайнов.
ТЕМА -9- (8 часов) Введение в регрессионный анализ
1. Регрессия линейная и нелинейная.
2. Вычисление погрешности оценки параметров. Остаточная дисперсия.
3. Полные данные и неполные. Учет мешающих параметров.
4. Методы обработки неполных данных. (ES-алгоритм)
ТЕМА -10- (8 часа) Введение в теорию распознавания образов
1. Распознавание образов как составная часть ОЭД.
2. Критерии качественной интерпретации данных (Максимальное правдоподобие, НейманаПирсона, Ваальда и др.)
3. Учет мешающих параметров.
4. Примеры решения некоторых задач.
ТЕМА -11- Организационные основы обработки данных (8 часов)
1. Разработка программ обработки данных. Основные этапы.
2. Автоматизированные системы научных исследований (АСНИ).
Всего 54 часа
2.2. ПРАКТИЧЕСКИЕ И СЕМИНАРСКИЕ ЗАНЯТИЯ – не предусмотрены.
2.3 ЛАБОРАТОРНЫЕ ЗАНЯТИЯ
ТЕМА -1-(4 часа) Изучение Распределений случайных величин
1. Написание программ реализующих различные РПВ
2. Программы ГСЧ, соответствующих различным РПВ
3. Оценка параметров РПВ (метод гистограмм, Парзеновских окон, ближайших соседей и др.)
4. Использование Вероятностных таблиц.
ТЕМА -2- (4 часа) Изучение методов оценивания параметров нелинейных моделей.
Метод решения некорректной задачи
1. Решение нелинейной задачи оценивание параметров нелинейной модели.
2. Оценка точности оценки.
3. Программа реализации метода Тихонова решения некорректной задачи
ТЕМА -3- (4 часа) Изучение метода сплайн-функций. Методы регрессии
1. Программы построения линейных, параболических и кубических сплайнов.
2. Программы построения линейной, квадратичной регрессии.
3. Вычисление погрешности оценки параметров. Остаточная дисперсия.
4. Линейная и квадратичная регрессия в случае неполных данных.
ТЕМА -4- (6 часов) Основы распознавания образов
1. Программа распознавания образов методом максимального правдоподобия
2. Исследование влияния мешающих параметров на качество распознавания.
2.4 КУРСОВОЙ ПРОЕКТ (РАБОТА) – не предусмотрен.
2.5 ВИДЫ САМОСТОЯТЕЛЬНОЙ РАБОТЫ
В качестве самостоятельной работы студентам предлагается написать и защитить рефераты.
№
Наименование работы
Число часов
Форма контроля
1
Подбор материалов исследований
4
Опрос
(Интернет, бибилиотека)
2
Изучение найденной информации
2
Опрос
3
Написание реферата
10
Защита
2
Выступление,
(темы приведены в нижеследующей
таблице)
4
Написание доклада на
конференцию ТУСУР
тезисы
Всего
18
Темы рефератов
Тема 1. «Data Mining»
Тема 9. Фракталы
Тема 2. Финансовый анализ курсов валют
Тема 10. Метод опорных векторов
Тема 3. Методы сглаживания (скользящее
Тема 11. Смеси распределений
среднее)
Тема 4. Методы дифференцирования
Тема 12. Деконволюция функций
(разностные схемы)
Тема 5. OLAP (online analytical processing )
Тема 13. Свертка функций
Тема 6.Нечеткие методы
Тема 14. Регуляризация
Тема 7. В-сплайны
Тема 15. Оценка плотности вероятности
Тема 8. Генетические алгоритмы
Тема 16. Метод случайных деревьев
3. УЧЕБНО-МЕТОДИЧЕСКИЕ МАТЕРИАЛЫ ПО ДИСЦИПЛИНЕ
3.1 ОСНОВНАЯ ЛИТЕРАТУРА
1. Письменный, Д.Т. Конспект лекций по теории вероятностей, математической статистике и
случайным процессам: / Д.Т. Письменный. - 3-е изд. - М.: Айрис-Пресс, 2008. - 287 с. (в библиотеке
ТУСУР 5 экз.)
2. Майстренко, А. В. Методы и алгоритмы цифрового дифференцирования сигналов в системах
реального времени : монография / А. В. Майстренко, А. А. Светлаков ; Федеральное агентство по
образованию, Томский государственный университет систем управления и радиоэлектроники. - Томск
: ТУСУР, 2009. - 138 с. (в библиотеке ТУСУР 5 экз.)
3.2 ДОПОЛНИТЕЛЬНАЯ ЛИТЕРАТУРА
1. Грек, В.В. Стандартизация и метрология систем обработки данных: Учебное пособие для втузов/
В.В. Грек, И.В. Максимей. - Минск: Вышэйшая школа, 1994. - 287 с. (библиотека ТУСУР 20)
2. Решетников, М.Т. Планирование эксперимента и статистическая обработка данных: Учебное
пособие для вузов/ М.Т. Решетников; Министерство образования Российской Федерации, Томский
государственный университет систем управления и радиоэлектроники. - Томск: ТУСУР, 2000. - 232 с.
(библиотека ТУСУР 38)
3. Катаев, М.Ю. Обработка экспериментальных данных на ЭВМ: Учебное пособие/ М.Ю. Катаев. Томск: ТМЦДО, 2001. - 104 с. (библиотека ТУСУР 9)
4. Катаев М.Ю., Рыбалов Б.А. Автоматизированная разработка, информационная поддержка и
регистрация программных продуктов. Вычислительный эксперимент. - Информационно-методическое
пособие. - В-Спектр, Томск, 2007. – 130 c. (библиотека ТУСУР 150)
5. Катаев, М.Ю. Обработка экспериментальных данных на ЭВМ: Учебное пособие / М.Ю. Катаев,
А.Я.Суханов;
Министерство образования Российской Федерации, Томский государственный
университет систем управления и радиоэлектроники, Кафедра автоматизированных систем
управления. - Томск: ТУСУР, 2007. - 208 с. (библиотека ТУСУР 50)
3.3 ПЕРЕЧЕНЬ МЕТОДИЧЕСКИХ УКАЗАНИЙ
1. Катаев М.Ю, Обработка экспериментальных данных на ЭВМ: методические указания по
самостоятельной и индивидуальной работе студентов для специальности "230105.65 «Программное
обеспечение вычислительной техники и автоматизированных систем" / М.Ю. Катаев. – Томск: ТУСУР,
2012. – 10 с. (http://www.asu.tusur.ru/learning/spec230105/ - электронный ресурс каф. АСУ ТУСУР)
2. Катаев М.Ю, Обработка экспериментальных данных на ЭВМ: методические указания по
лабораторным работам студентов для специальности "230105.65 «Программное обеспечение
вычислительной техники и автоматизированных систем" / М.Ю. Катаев. – Томск: ТУСУР, 2012. – 10 с.
(http://www.asu.tusur.ru/learning/spec230105/ - электронный ресурс каф. АСУ ТУСУР)
4 РЕЙТИНГОВАЯ СИСТЕМА ОЦЕНКИ КАЧЕСТВА
4.1 Балльная раскладка отдельных элементов контроля по видам занятий
Курс 4, семестр 7, Контроль обучения – Экзамен.
Максимальный семестровый рейтинг – 100 баллов.
По дисциплине «ОЭД на ЭВМ» проведение экзамена является обязательным. При этом
балльная оценка в соотношении 70/30 распределяется на две составляющие: семестровую и
экзаменационную. Т.е. 70 баллов можно получить за текущую работу в семестре, а 30 баллов –
за ответы на экзамене. На протяжении всего семестра текущая успеваемость оценивается только
в баллах нарастающим итогом, в том числе и результаты контрольных точек. Текущий контроль
изучения дисциплины состоит из контроля за усвоением теоретического материала и проведением
3 тестов. В таблице 4.1 содержится распределение баллов в течение семестра для дисциплины
«ОЭД на ЭВМ», завершающейся экзаменом и содержащей 11 лекций (54 часа), 4 лабораторных
работ (18 часов), проводимых в течение семестра и 3 итоговых теста (опрос) во время проведения
двух контрольных точек.
Таблица 4.1 – Дисциплина «Информационные системы» (экзамен, лекции, практические работы,
тесты)
Элементы учебной
Максимальный
Максималь-
Максималь-
Всего за
деятельности
балл на 1-ую
ный балл за
ный балл за
семестр
контрольную
период
период между
точку с начала
между 1КТ и
2КТ и на конец
семестра
2КТ
семестра
4
4
4
12
10
10
10
30
Тестовый контроль
5
5
5
15
Компонент своевременности
4
4
5
13
Итого максимум за период:
23
23
24
70
Нарастающим итогом
23
46
70
Посещение занятий
Выполнение практических
работ
Экзамен
ИТОГО
30
30
100
По результатам текущего контроля формируется допуск студента к итоговому контролю –
экзамену по дисциплине. Экзамен осуществляется в форме опроса по теоретической части
дисциплины. В составе суммы баллов, полученной студентом по дисциплине, заканчивающейся
экзаменом, экзаменационная составляющая должна быть не менее 10 баллов. В противном случае
экзамен считается не сданным, студент в установленном в ТУСУРе порядке обязан его пересдать.
Методика выставления баллов за ответы на экзамене определяется, например, из расчета до 3
баллов за каждый из 10 вопросов в билете.
Неудовлетворительной сдачей экзамена считается экзаменационная составляющая менее 10
баллов. При неудовлетворительной сдаче экзамена (<10 баллов) или неявке на экзамен
экзаменационная составляющая приравнивается к нулю (0).
4.2 Методика формирования пятибалльных оценок в контрольные точки
В таблице 4.2 представлен пересчет суммы баллов по 1 и 2
контрольной точке в
традиционную оценку.
Таблица 4.2 – Пересчет баллов в оценки за контрольные точки
Баллы на дату контрольной точки
Оценка
 90 % от максимальной суммы баллов на дату КТ
5
От 70% до 89% от максимальной суммы баллов на дату КТ
4
От 60% до 69% от максимальной суммы баллов на дату КТ
3
< 60 % от максимальной суммы баллов на дату КТ
2
4.3 Методика формирования итоговой оценки по дисциплине
В таблице 4.3 – представлен пересчет итоговой суммы баллов в традиционную и
международную оценку.
Таблица 4.3 – Пересчет суммы баллов в традиционную и международную оценку
Итоговая сумма баллов,
Оценка (ГОС)
учитывает успешно сданный
Оценка (ECTS)
экзамен
5 (отлично)
4 (хорошо)
90 - 100
А (отлично)
85 – 89
В (очень хорошо)
75 – 84
С (хорошо)
70 - 74
3 (удовлетворительно)
2 (неудовлетворительно),
(не зачтено)
65 – 69
60 - 64
Ниже 60 баллов
D (удовлетворительно)
E (посредственно)
F (неудовлетворительно)