Новости

05.11.2022: Итоги Восьмой Всероссийской научно-практической конференции «Искусственный интеллект в решении актуальных социальных и экономических проблем XXI века»... [Подробнее]

06.11.2021: Итоги Седьмой Всероссийской научно-практической конференции «Искусственный интеллект в решении актуальных социальных и экономических проблем XXI века»... [Подробнее]

12.01.2021: Итоги Шестой Всероссийской научно-практической конференции «Искусственный интеллект в решении актуальных социальных и экономических проблем XXI века»... [Подробнее]

06.06.2019: Итоги Четвертой Всероссийской научно-практической конференции «Искусственный интеллект в решении актуальных социальных и экономических проблем XXI века»... [Подробнее]

26.05.2018: Итоги Третьей Всероссийской научно-практической конференции «Искусственный интеллект в решении актуальных социальных и экономических проблем XXI века»... [Подробнее]

12.06.2017: Итоги конференции «Искусственный интеллект в решении актуальных социальных и экономических проблем XXI века» [Подробнее]

08.05.2017: ВТОРАЯ ВСЕРОССИЙСКАЯ НАУЧНО-ПРАКТИЧЕСКАЯ КОНФЕРЕНЦИЯ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В РЕШЕНИИ АКТУАЛЬНЫХ СОЦИАЛЬНЫХ И ЭКОНОМИЧЕСКИХ ПРОБЛЕМ ХХI ВЕКА». [Подробнее]

16.04.2017: XV ВСЕРОССИЙСКАЯ НАУЧНАЯ КОНФЕРЕНЦИЯ «НЕЙРОКОМПЬЮТЕРЫ И ИХ ПРИМЕНЕНИЕ». [Подробнее]

20.05.2016: Всероссийская научно-практическая конференция «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В РЕШЕНИИ АКТУАЛЬНЫХ СОЦИАЛЬНЫХ И ЭКОНОМИЧЕСКИХ ПРОБЛЕМ ХХI ВЕКА» [Подробнее]

10.04.2014: В Перми на одного доктора наук стало больше! [Подробнее]

19.03.2014: Успешно прошла защита кандидатской диссертации З.И.Сичинавы [Подробнее]

06.03.2014: Прогноз ученых ПГНИУ оказался верным [Подробнее]

02.12.2013: Пермяки создали компьютер, спрогнозировавший результат Сочи–2014 [Подробнее]

16.11.2013: VII ВСЕРОССИЙСКАЯ КОНФЕРЕНЦИЯ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ: ФИЛОСОФИЯ, МЕТОДОЛОГИЯ ИННОВАЦИИ» [Подробнее]

25.04.2013: Победа в конкурсе У.М.Н.И.К. [Подробнее]

15.03.2013: Cовместный научный семинар ПГГПУ и ПГНИУ [Подробнее]

11.10.2012: На сайте Издательства БИНОМ выложена популярная видеолекция Л.Н.Ясницкого "Искусственный интеллект для учителей и школьников"" [Внешний ресурс] (регистрация свободная)

18.09.2012: Прошло совещание на тему "Технология генерации нестандартных научных идей и проектов" [Подробнее]

03.07.2012: В сентябре в Перми пройдет открытое совещание, посвященное нестандартным научным проектам. [Подробнее]

04.05.2012: Победа на конкурсе УМНИК. [Подробнее]

03.05.2012: X конференция в Москве. [Подробнее]

22.08.2011: Промежуточные результаты Пермского проекта создания интеллектуальной компьютерной системы меддиагностики получили одобрение у авторитетных московских ученых-кардиологов! [Подробнее]

27.01.2011: Роботы в Пермском государственном университете. [Подробнее]

17.10.2010: Выпущено 3-е издание книги Л.Н.Ясницкого «Введение в искусственный интеллект. [Подробнее]

01.07.2010: Пермяки на Селигере

20.02.2010: Моделирование эмоций. [Подробнее]

15.05.2010: Интервью профессора Л.Н. Ясницкого об Искусственном интеллекте. [Подробнее]

15.11.2009: Всероссийская конференция «Искусственный интеллект: философия, методология, инновации»

25.10.2009: Прошел Первый Пермский молодёжный конвент

10.10.2009: Книга профессора Л.Н.Ясницкого “Введение в искусственный интеллект», Москва: Академия, 2008 г. стала лауреатом Конкурса на лучшую научную книгу 2008 года.

10.01.2009: Выпущена монография: ПЕРМСКАЯ НАУЧНАЯ ШКОЛА ИСКУССТВЕННОГО ИНТЕЛЛЕКТА И ЕЕ ИННОВАЦИОННЫЕ ПРОЕКТЫ [Подробнее]

09.01.2009: Вышла в свет книга "Современные проблемы науки: Учеб. пособие для студ. высш. учеб. заведений" [Подробнее]

12.06.2017

[Возврат к списку новостей]

Итоги конференции «Искусственный интеллект в решении актуальных социальных и экономических проблем XXI века»

В Перми с 16 по 18 мая 2017 года прошла Вторая всероссийская научно-практическая конференция «Искусственный интеллект в решении актуальных социальных и экономических проблем XXI века». Конференция была проведена в рамках Естественнонаучного форума «Наука и глобальные вызовы XXI века», собравшего в Перми ученых из 15 стран Европы и Азии. Все прозвучавшие на конференции доклады были посвящены развитию и применению методов искусственного интеллекта в различных областях знаний. По материалам докладов выпущен сборник (скачать), в котором статьи размещены по следующим разделам: «Экономика и устойчивое развитие», «Медицина», «Психология», «Криминалистика и безопасность», «Педагогика», «Спорт», «Интеллектуальные и эмоциональные роботы», «Математическая физика и промышленность», «Методы и инструменты создания интеллектуальных систем».

Центральное место на конференции заняли доклады, посвященные разработке и применению интеллектуальных систем в области медицины. Зачитывались и обсуждались доклады, посвященные вопросам разработки методов и алгоритмов искусственного интеллекта, предназначенных для анализа и интерпретации медицинских данных, получаемых с помощью микроволновой радиотермометрии (А.Г.Лосев, В.В.Левшинский), реализации алгоритма диагностики молочных желез по данным комбинированной термометрии (В.И.Гребнев, А.В.Зенович), классификации рентгенограмм грудной клетки (П.С.Кудрявцев, И.А.Малютина, Р.А.Томакова), прогнозированию профессиональных заболеваний (А.О.Позин, С.А.Филист), нейросетевой диагностики онкологических заболеваний молочных желез (Ф.Г.Примаченко), разработке и применению нейросетевой системы предварительной диагностики заболеваний желудочно-кишечного тракта (О.В.Хлынова, И.Н.Скачкова), нейросетевому моделированию диагностики и развития сердечно-сосудистых заболеваний (А.А.Думлер, С.В.Чугайнов, Ф.М.Черепанов, Л.Н.Ясницкий), разработке нейросетевых методов диагностики в области хирургии (В.А.Гаврилов).

Особый интерес вызвал мастер-класс, проведенный Л.Н.Ясницким и Ф.М.Черепановым. С помощью нейро-экспертной системы для нескольких добровольцев из числа участников конференции были созданы нейросетевые математические модели их сердечно-сосудистой системы, и над этими математическими моделями выполнена серия виртуальных компьютерных экспериментов. Результаты диагностики каждого обследуемого добровольца наглядно изображались в графическом виде и за их динамикой можно было наблюдать на экране монитора. Участники конференции наблюдали за тем, как будут в ближайшие 5, 10, 15 и 20 лет развиваться диагностируемые системой заболевания, если обследуемые пациенты поменяют свой образ жизни, бросят курить, ограничат физические нагрузки, или наоборот будут делать физзарядку, прибавят или убавят в весе, будут следить за артериальным давлением, соблюдать или нарушать гипохолестериновую диету и т.д. Более подробно информация о проведенном мастер-классе размещена на страницах Медвестника: www.medvestnik.ru

В ходе обсуждений за «круглым столом» участники конференции сошлись во мнении, что метод математического моделирования, широко и плодотворно применяемый в технических науках, долгое время был практически недоступен для применения в медицине ввиду исключительной сложности самого объекта моделирования – человека. Но, благодаря новым методам искусственного интеллекта стало возможным преодолеть этот барьер. Теперь можно строить нейросетевые математические модели пациентов и выполнять над ними компьютерные эксперименты – виртуально увеличивать возраст пациента, менять его образ жизни, пробовать различные курсы лечения, подбирать лекарственные препараты в зависимости от индивидуальных особенностей организма, наблюдая на экране компьютера, к чему это приведет со временем. Было высказано предположение, что будущее медицины неразрывно связано с применением методов искусственного интеллекта, которые позволят отказаться от экспериментирования на животных и людях, заменив их экспериментами над математическими моделями.

08.05.2017

[Возврат к списку новостей]

16-18 мая 2017 года в Перми пройдет ВТОРАЯ ВСЕРОССИЙСКАЯ НАУЧНО-ПРАКТИЧЕСКАЯ КОНФЕРЕНЦИЯ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В РЕШЕНИИ АКТУАЛЬНЫХ СОЦИАЛЬНЫХ И ЭКОНОМИЧЕСКИХ ПРОБЛЕМ ХХI ВЕКА».

ПРОГРАММА КОНФЕРЕНЦИИ:

16 мая 2017 года, вторник
Корпус №1, Конференц-зал ПГНИУ

• 09:00 – 18:00 Регистрация участников Форума
• 09:30 – 11:00 Конференц-зал ПГНИУ, Корпус №1

Пленарное заседание:

• ● открытие симпозиума «Исследование биологической активности гетероциклов с целью создания инновационных лекарственных препаратов»;
• ● открытие конференций «Цифровая гуманитаристика: ресурсы, методы, исследова-ния», «Искусственный интеллект в решении актуальных социальных и экономических проблем XXI века», «Преподавание математики и компьютерных наук»;
• ● открытие Второй всероссийской научно-практической конференции «Искусственный интеллект в решении актуальных социальных и экономических проблем XX века»;
• ● открытие Всероссийской научно-методической конференции «Преподавание математики и компьютерных наук»;
• ● открытие IV Молодежной школы-конференции «Современные аспекты химии»;
• ● пленарные доклады:
• - «Таблетка от всех болезней». Виктор Петрович Котегов, д.м.н., ПГНИУ.
• - «Social Linking and the Humanities Networked Infrastructure». Артур Пол Уильям Лонгли (Arthur Paul William Longley) - PhD, Школа искусств и гуманитарных наук Университета Эдит Коуэн (Deakin University) (г. Перт, Австралия)

Корпус №8, ауд. 303

• 11:05 – 11:45 Нейросетевой подход как путь дальнейшего развития системных идей в теории интегральной индивидуальности В.С.Мерлина (Вяткин Б.А., Калугин А.Ю., Попова В.В.)
• 11:45 – 12:00 Обсуждение доклада
• 12:00 – 12:20 Кофе-брейк. Холл 2-го этажа
• 12:30 – 13:15 О возможности создания нейро-экспертной системы поддержки принятия решений в сфере продаж (Заречная О.Ю., Сичинава З.И., Черепанов Ф.М., Ясицкий Л.Н.)
• 13:15 – 14:00 Круглый стол: Перспективы применения нейросетевых технологий в психологии (Вяткин Б.А., Левченко Е.В., Заречная Е.Ю. Ясницкий Л.Н. и др.)
• 14:00 – 15:00 Обед
• 15:00 – 16:00 Нейросетевое моделирование диагностики и прогнозирования развития сердечно-сосудистых заболеваний. Демонстрация работы программы на желающих. Отчет о конференции в Тюмени. (Думлер А.А., Чугайнов С.В., Черепанов Ф.М., Ясницкий Л.Н.)
• 16:00 – 16:20 Кофе-брейк. Холл 2-го этажа
• 16:20 – 17:00 Разработка нейросетевой системы предварительной диагностики заболеваний желудочно-кишечного тракта (Хлынова О.В., Скачкова И.Н.)
• 17:00 – 17:40 Интеллектуальный анализ термометрических данных в диагностике рака молочной железы (Лосев А.Г., Левшинский В.В.)
• 17:40 – 18:00 Круглый стол: Перспективы применения нейросетевых технологий в медицине (Лосев А.Г., Думлер А.А., Хлынова О.В., Чугайнов С.В., Ясницкий Л.Н. и др.)

17 мая 2017 года, среда
Корпус №1, Конференц-зал ПГНИУ
09:00 – 18:00 Регистрация участников Форума
Корпус №8, ауд. 303

• 10:30 – 10:45 Математические модели воспитания группы роботов с неабсолютной памятью (Пенский О.Г., Ощепкова Н.В., Бахтин В.В.)
• 10:45 – 11:00 Обсуждение доклада
• 11:00 – 11:40 Об одном подходе к построению структуры базы знаний экспертной системы (Игошин В.А., Игошин М.В.)
• 11:40 – 12:00 Обсуждение доклада. О стратегиях создания интеллектуальных систем
• 12:00 – 12:20 Кофе-брейк. Холл 2-го этажа
• 12:20 – 13:10 Построение «успешной» прогнозирующей нейросети (Гусев А.Л., Окунев А.А.)
• 13:10 – 13:45 Перспективы интеллектуального моделирования физических проблем на супер-компьютерах (Гладкий С.Л.)
• 13:45 – 14:00 Обсуждение докладов
• 14:00 – 15:00 Обед
• 15:00 – 15:20 Разработка модели обнаружения сетевых атак на основе искусственной нейронной сети. (Суворова В.А.)
• 15:20 – 16:00 О приоритете Советской науки в области нейроинформатики (Ясниций Л.Н.)
• 16:00 – 16:20 Кофе-брейк. Холл 2-го этажа
• 16:20 – 18:00 В рабочем порядке составляется программа выступлений преподавателей и студентов Пермских вузов на оставшееся время 17 мая, а также на 18 мая:
• • Возможности определения годности к военной службе методом нейросетевого моделирования (Молчанов Е.В.)
• • Использование методов искусственного интеллекта в прогнозировании пола будущего ребенка (Зверева Ю.В.)
• • Система прогнозирования типа осадков на основе погодных явлений (Константинов Д.А.)
• • Нейросетевая система прогнозирования зарплаты веб-разработчика в Москве (Мальцев А.А.)
• • Прогнозирование объема продаж сока в продуктовой розничной сети посредством нейронных сетей (Бондаренко А.С.)
• • Управление рынком недвижимости с помощью сценарного прогнозирования рыночной стоимости на базе нейросетевого моделирования (Алексеев А.О., Харитонов В.А., Ясницкий В.Л.)
• • Использование методов искусственного интеллекта в прогнозировании стоимости аренды жилья в городе Пермь (Шеломова К.Д.)
• • Построение нейросетевой модели для прогнозирования вероятности расположения к себе людей (Лапин А.А., Дерябин А.И.)
• • Обнаружение девиантного поведения людей на основе анализа траекторий движения (Янгуразов А.О.)
• • Прогнозирование продолжительности браков (Пономарева Ю.В.)
• • Прогнозирование городских пожаров в пакете Statistica (Пономарева О.А.)
• • Разработка нейросетевой системы для определения вменяемости серийных убийц (Чернышева Е.С.)
• • Система рекомендаций факультетов абитуриентам Национального исследовательского университета «высшая школа экономики – Пермь» (Коклемина Ю.Д., Горбунова М.А., Судоргина В.А.)
• • Применение нейросетевых технологий для анализа метапредметных образовательных результатов обучения на уровне основного общего образования (Худякова А.В., Топольский В.В.)
• • Построение нейросетевой модели для прогнозирования результатов национальной хоккейной лиги (Мамаева В.С., Филипсон С.К.)
• • Оценка прохождения баскетбольных команд в финал национальной баскетбольной лиги методом нейросетевого моделирования (Скворцов Р.О.)
• • Нейросетевое прогнозирование статистики стрельбы в соревнованиях по биатлону (Зеленский А.В., Лесникова Ю.Ю.)
• • Основные положения математической теории амбивалентных псевдоэмоций роботов (Шафер А.Е.)

С полными тезисами докладов конференции можно ознакомиться здесь.

Скачать программу конференции в формате PDF можно здесь.

16.04.2017

[Возврат к списку новостей]

14 марта 2017 года в Москве состоялась XV ВСЕРОССИЙСКАЯ НАУЧНАЯ КОНФЕРЕНЦИЯ «НЕЙРОКОМПЬЮТЕРЫ И ИХ ПРИМЕНЕНИЕ».

От Пермского отделения Научного Совета РАН с докладами выступили:

• Л.Н.Ясницкий: «О приоритете советской науки в области нейроинформатики».
• Ф.М.Черепанов: «Способ настройки чувствительности к ошибкам первого и второго рода для алгоритмов обучения нейронных сетей».
• А.Л.Гусев и А.А.Окунев: «Методы сжатия информационного пространства при прогнозировании в условиях неполноты информации».
• А.Л.Гусев и А.А.Окунев: «Метод экстраполирования ошибки нейросети при прогнозе».
• В.В.Бахтин, В.А.Суворова: «Разработка алгоритмов обнаружения и классификации многословных научных терминов на основе искусственных нейронных сетей».
• В.А.Суворова: «Опыт разработки и исследования модели обнаружения сетевых атак на основе искусственных нейронных сетей».
• Д.А.Борисенко: «Исследование зависимости продолжительности жизни населения в регионах России от доли русского населения».
• Е.В.Овчинникова: «Возможности выявления способности людей к художественной деятельности методами искусственного интеллекта».
• А.О.Алексеев, В.А.Харитонов, В.Л.Ясницкий: «Разработка и исследование нейросетевых моделей массовой оценки и прогнозирования рыночной стоимости объектов жилой недвижимости».
• А.В.Худякова: «Информационная система мониторинга метапредметных результатов обучения».
• Л.Н.Ясницкий, Ф.М.Черепанов: «Гибридная нейро-экспертная система моделирования диагностики и развития сердечно-сосудистых заболеваний».
• И.Н.Скачкова: «Опыт разработки и исследования нейросетевой модели предварительной диагностики заболеваний желудочно-кишечного тракта».

С полными тезисами докладов конференции можно ознакомиться здесь.

20.05.2016

[Возврат к списку новостей]

Всероссийская научно-практическая конференция «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В РЕШЕНИИ АКТУАЛЬНЫХ СОЦИАЛЬНЫХ И ЭКОНОМИЧЕСКИХ ПРОБЛЕМ ХХI ВЕКА»

Конференция была посвящена 100-летию Пермского университета и проходила на его территории. На ней были заслушаны доклады и проведено обсуждение актуальных проблема развития и применения методов искусственного интеллекта в области естественных, технических и гуманитарных наук.

Цель конференции: объединение специалистов, работающих в различных сферах применения нейросетевых алгоритмов и интеллектуальных систем, обсуждение и обобщение опыта их теоретических и практических разработок, обсуждение проблем развития и применения методов искусственного интеллекта для решения задач извлечения знаний, распознавания образов, оптимизации, прогнозирования и управления объектами, процессами, явлениями.

По материалам конференции выпущен сборник: [Сборник статей по материалам конференции]

10.04.2014

[Возврат к списку новостей]

В Перми на одного доктора наук стало больше!

28 марта 2014 года на заседании диссертационного совета Юго-Западного государственного университета состоялась защита диссертации на соискание ученой степени доктора технических наук Гусева Андрея Леонидовича «Теоретические основы, методы и алгоритмы принятия решений при каскадном управлении рисками одной из нескольких одновременно управляющих организаций».

Результат голосования – единогласно!

По словам профессора Л.Н.Ясницкого, научного консультанта диссертационной работы, диссертация А.Л.Гусева явилась результатом творческого сотрудничества Пермского государственного гуманитарно-педагогического университета (ПГГПУ), Пермского государственного национального исследовательского университета (ПГНИУ), Группы компаний «Информационно-вычислительные системы» (ГК ИВС) и Федерального научного центра (ФНЦ) медико-профилактических технологий управления рисками здоровью населения. В работе удалось развить и удачно применить традиционные методы математической статистики и программно-математический аппарат Пермского отделения Научного Совета РАН по методологии искусственного интеллекта для решения актуальных задач государственного значения.

Как авторитетно подтвердила директор ФНЦ медико-профилактических технологий управления рисками здоровью населения», заведующая кафедрой экологии человека и безопасности жизнедеятельности ПГНИУ, академик РАН, д.м.н., профессор Н.В.Зайцева, результаты исследований, полученные в диссертационной работе, явились частью разработки ведомственных целевых программ «Гигиена и здоровье» и «Социально-гигиенический мониторинг» и внедрены Управлениями Роспотребнадзора по Пермскому и Алтайскому краю и по Свердловской области для информационно-аналитического обеспечения социально-гигиенического мониторинга и управления рисками здоровью населения России.

С авторефератом диссертации можно познакомится по следующей ссылке: скачать

19.03.2014

[Возврат к списку новостей]

Успешно прошла защита кандидатской диссертации З.И.Сичинавы

Психофизиологические исследования с использованием полиграфа в правоохранительных органах, а также в ряде других организаций проводятся в России с 1976 года, в мире – с 1950-х гг. При этом постоянно возникает вопрос об адекватной оценке результатов, полученных в ходе этих исследований. Существующие полиграфные аппараты не отличаются высокой точностью. Так, система экспертной оценки (диагностики) полиграмм широко применяемого в органах МВД России полиграфного аппарата ЭПОС-7 имеет погрешность 30%, вследствие чего в судебно-следственной практике случаются ошибки.

Автору диссертационной работы З.И.Сичинаве удалось показать, что умелое использование нейросетевых алгоритмов позволяет снизить эту погрешность до 10 и менее процентов. Защита его диссертации, состоявшаяся в Пензенском государственном университете, получила высокую оценку и одобрение специалистов. Немалую роль при вынесении положительного решения сыграла поддержка крупнейшего мирового лидера в области производства детекторов лжи – ООО «Поликониус» (Москва), применившему разработки пермских ученых в своей практической деятельности.

С авторефератом диссертации можно познакомится по следующей ссылке: скачать

25.04.2013

[Возврат к списку новостей]

Поздравляем Фёдора Черепанова с победой в VII Студенческом краевом конкурсе инновационных проектов по программе У.М.Н.И.К. (весна 2013 г.)! Его проект «Сервис облачной универсальной нейросетевой системы поддержки принятия решений» победил в номинации «Информационные технологии».

15.03.2013

[Возврат к списку новостей]

Прошли первые заседания совместного научного семинара кафедры прикладной информатики Пермского государственного гуманитарно-педагогического университета, кафедры математического обеспечения вычислительных систем и кафедры процессов управления и информационной безопасности Пермского государственного национального исследовательского университета. Соруководителями научного семинара являются профессор Пенский О.Г., профессор Ясницкий Л.Н., и доцент Чуприна С.И.

Целью семинара является не только заслушивание докладов, касающихся научных исследований сотрудников и аспирантов кафедр, но и обучение молодежи технологии научных исследований и налаживание сотрудничества двух вузов в родственных областях научных исследований. В работе семинара также принимают участие представители Группы компаний «Информационные и вычислительные сети».

На последнем заседании семинара для аспирантов была продемонстрирована видеозапись защиты кандидатской диссертации на соискание ученой степени кандидата технических наук старшего преподавателя кафедры ПУиИБ ПГНИУ Черникова А.В. Целью демонстрации фильма являлось обучение аспирантов построению научного доклада и ознакомление с процессом защиты диссертаций. В дальнейшем предполагается заслушивание всех научных докладов участников семинара в форме защит диссертаций. По мнению соруководителей семинара, это будет способствовать качественному анализу результатов исследований молодежи и тренировке будущих защит кандидатских диссертаций.

18.09.2012

[Возврат к списку новостей]

18 сентября 2012 года в конференц-зале Пермской областной публичной библиотеки им. А.М.Горького состоялось совещание "Технология генерации нестандартных научных идей и проектов". В совещании приняли участие ведущие ученые пермских университетов (психологи, философы, педагоги, математики, программисты), студенты-победители и участники конкурса У.М.Н.И.К., пермские резиденты СКОЛКОВО, представители бизнеса, Правительства Пермского края и Администрации г. Пермь, студенты пермских вузов.

На совещании обсуждались вопросы, связанные с психологическими и математическими основами творчества, проблемы моделирования творческих процессов с помощью ЭВМ, ставился вопрос о необходимости вербализации нейросетевых знаний, обсуждались значения терминов «креативность» и «интеллект». Было высказано мнение, что эти качества часто бывают несовместимы в одной личности.

Профессор Л.Н. Ясницкий презентовал компьютерные программы, позволяющие выявлять склонность людей к научной и к предпринимательской деятельности. В докладе он обратил внимание на то, что способность людей успешно заниматься наукой и способность к коммерциализации научных разработок редко сочетаются в одном человеке. Это подтверждается статистическими исследованиями с помощью компьютерных программ. Л.Н. Ясницкий рассказал о возможности получения новых научных знаний методами искусственного интеллекта. В частности, был отмечен факт получения новых медицинских знаний с помощью нейросетевой прогностико-диагностической системы, разрабатываемой при поддержке Правительства Пермского края Группой компаний ИВС совместно с Пермским отделением Научного Совета РАН, Пермским государственным гуманитарно-педагогическом университетом и Пермской государственной медицинской академией им. акад. Е.А.Вагнера.

Полная видеозапись совещания размещена на сайте http://www.psu.ru/news/7510

03.07.2012

[Возврат к списку новостей]

Тема совещания, которое будет проходить на базе Пермского государственного национального исследовательского университета (ПГНИУ), звучит так: "Технология генерации нестандартных научных идей и проектов".



Идея проведения совещания возникла в ПГНИУ и поддержана Общественной палатой Пермского края, Министерством образования Пермского края, Ассоциацией научных и инновационных учреждений и предприятий Пермского края, Пермским отделением Научного Совета РАН по методологии искусственного интеллекта, Интернет-аудиожурналом ПГНИУ «Цифровой университет».

Целью совещания является выработка конкретных рекомендаций по технологии генерации нестандартных научных идей и проектов.

Активное участие в совещании примут ученые Пермского государственного педагогического университета и Пермское отделение Научного Совета РАН по методологии искусственного интеллекта.



В совещании примут участие ведущие ученые пермских вузов, студенты-победители и участники конкурса У.М.Н.И.К., пермские резиденты СКОЛОКОВО, представители бизнеса, Правительства Пермского края и Администрации г. Пермь.



В ходе совещания будут рассмотрены вопросы:
1. Психологические особенности человека, способного для научной деятельности.

2. Объективные и субъективные предпосылки постановки новых научных задач.

3. Определение адекватности постановки инновационных задач.

4. О математической формализации и алгоритмизации творческого мышления человека.

5. Теория решения изобретательских задач в аспекте генерации и нестандартных научных идей и проектов.

6. Алгоритмы генерации нестандартных научных идей и проектов.

7. Управление генерацией нестандартных научных идей и проектов.

8. Принципы генерации нестандартных научных идей и проектов за рубежом.

9. Рассказ ведущих ученых пермских университетов об их индивидуальных особенностях мышления в аспекте постановки нестандартных научных задач.

10. О роли научных наставников молодежи и методы работы ведущих ученых с молодежью.



Планируется краткая презентация компьютерных программ, разработанных Пермским отделением Научного Совета РАН по методологии искусственного интеллекта и применяемых для определения склонности молодого человека для работы в бизнесе или научной деятельности.



Ход совещания будет освещаться СМИ Пермского края, транслироваться в режиме on-line в сети Интернет, видеозапись совещания и его итоги будут размещены в сети Интернет.

04.05.2012

[Возврат к списку новостей]

Проект «Нейросетевая система поддержки принятия решения при выявлении сердечно-сосудистых паталогий» победил в номинации «Информационные технологии» в V Студенческом краевом конкурсе инновационных проектов по программе У.М.Н.И.К.

Команду исполнителей проекта на конкурсе представлял аспирант Пермского государственного педагогического университета Кирилл Богданов. Месяцем раньше Кирилл докладывал этот проект на X Всероссийской научной конференции «Нейрокомпьютеры и их применение» http://it.mgppu.ru/confnc2012/ и был отмечен дипломом «За лучшую научную работу». Напомним, что около года назад этот же проект докладывался в Научном центре сердечно-сосудистой хирургии им. А.Н.Бакулева РАМН и получил высокую оценку авторитетных московских ученых-кардиологов (новость от 22.08.2011 на сайте https://www.permai.ru/). Так что победа на конкурсе У.М.Н.И.К. не была случайностью, а явилась очередным успехом коллектива разработчиков, объединяющих:

- Группу компаний ИВС;

- Пермский государственный педагогический университет;

- Пермский государственный национальный исследовательский университет;

- Пермскую государственную медицинскую академию им. акад. Е.А.Вагнера.

03.05.2012

[Возврат к списку новостей]

В Москве состоялась X Всероссийская научная конференция «Нейро-компьютеры и их применение» http://it.mgppu.ru/confnc2012/. Конференция была посвящена актуальным проблемам применения нейронных сетей для решения задач в области естественных, технических и гуманитарных наук. Ее целью является объединение специалистов, работающих в различных сферах применения нейросетевых алгоритмов, обсуждение и обобщение опыта их теоретических и практических разработок, определение пер-спектив развития обучаемых структур.

В конференции, проведённой на базе Московского городского психо-лого-педагогического университета, приняли участие специалисты из 11 регионов Российской Федерации, а также из Украины, Вьетнама и Узбекистана. Для участия в конференции зарегистрировались 211 специалистов из 71 учреждения и организации.



Пермяки привезли домой три диплома «За лучшие научные работы»:

• Аспирант Пермского государственного педагогического университета Кирилл Богданов за доклад «Нейросетевая система диагностики и прогнозирования развития заболеваний сердечно-сосудистой системы».

• Аспирант Пермского государственного национального исследовательского университета Сергей Кирилловых за доклад «Возможности учета социального фактора в работе генетических алгоритмов при проектировании и обучении нейронных сетей».

• Старший преподаватель Пермского государственного педагогического университета Федор Черепанов за доклад «Исследовательский симулятор нейронных сетей».

На конференции состоялся традиционный «Круглый стол», на котором с докладом «О приоритете советских ученых в области нейроинформатики» выступил профессор Л.Н.Ясницкий.



Докладчик обратил внимание на исключительно важную роль, которую сыграло в истории развития нейроинформатики изобретение алгоритма обратного распространения ошибки, как метода обучения многослойных персептронов. C середины XX века вплоть до конца 80-х годов мировая нейронаука пребывала в научном тупике и практически не развивалась. Существовавшие в то время однослойные персептроны не смогли преодолеть проблему «Исключающего ИЛИ», не справились с поставленными перед учеными задачами распознавания стратегически важных объектов, дискредитировав новое научное направление.

Открытие алгоритма обратного распространения ошибки явилось поворотным событием в истории нейроинформатики. Наука вышла из тупика. В СССР были построены первые в мире промышленно применяемые нейрокомпьютеры, чем был обеспечен приоритет Советского Союза в области искусственного интеллекта. Благодаря этим событиям началась эра триумфального шествия нейрокомпьютерных и нейросетевых технологий во всем мире. В настоящее время по количеству практических приложений нейроинформатика побила все мыслимые рекорды.



Однако, как отметил докладчик, в мировой литературе распространено несправедливое мнение о том, что первооткрывателями алгоритма обратного распространения ошибки являются зарубежные ученые: P.Werbos (1974г.), D.E.Rummelhart, G.E.Hilton, R.J.Williams (1986.). Далее, проф. Ясницкий привел факты, свидетельствующие о том, что алгоритм обучения многослойных персептронов, позволивший создать промышленно применяемые нейрокомпьютеры, был изобретен и опубликован гораздо раньше (1970-1973гг) коллективом советских ученых: В.А.Ванюшиным, А.И.Галушкиным, А.С.Заком, Б.П.Тюховым.

В связи со значительным вкладом указанных ученых в развитие мировой науки, а также в целях восстановления исторической справедливости, проф. Л.Н.Ясницкий предложил обратиться в Нобелевский комитет.

Предложение Л.Н.Ясницкого было поддержано и принято решение:

С целью экспертизы материалов, необходимых для представления в Нобелевский комитет назначить комиссию в составе: проф. Галушкин А.И., проф. Татузов А.Л., проф. Чечкин А.В.

Промежуточные результаты Пермского проекта создания интеллектуальной компьютерной системы меддиагностики получили одобрение у авторитетных московских ученых-кардиологов!

[Возврат к списку новостей]

22 августа 2011 года в Научном центре сердечно-сосудистой хирургии им. А.Н.Бакулева РАМН в Отделении хирургического лечения аритмий сердца состоялся семинар на тему: «Возможности применения методов искусственного интеллекта для диагностики и прогнозирования развития сердечно-сосудис-тых заболеваний».

Докладчик: профессор Л.Н.Ясницкий. Руководитель семинара: член-корреспондент РАМН, доктор медицинских наук, лауреат Государственной премии, президент Всероссийского научного общества аритмологов, профессор А.Ш.Ревишвили. Продолжительность доклада 35 минут. Продолжительность обсуждений 35 минут.

Содержание доклада.

1. Пермская научная школа искусственного интеллекта и краткая характеристика ее наиболее ярких инновационных проектов.
2. Краткая история искусственного интеллекта, принцип действия нейрокомпьютера и нейронной сети.
3. Подробное изложение этапов создания и возможностей демонстрационного прототипа нейросетевой системы диагностики и прогнозирования развития заболеваний сердечно-сосудистой системы.
4. Предложения по созданию аналогичной диагностико-прогностической системы на базе Научного центра сердечно-сосудистой хирургии им. А.Н.Бакулева РАМН.

С самого начала и до конца материал доклада был воспринят с большим вниманием. Особый интерес вызвала демонстрация возможностей нейросетевой системы диагностики и прогнозирования развития сердечно-сосудистых заболеваний и возможностей влияния на эти прогнозы за счет изменения образа жизни пациента. Дело в том, что в современной традиционной медицине сложилась практика давать одни и те же рекомендации в отношении образа их жизни всем без исключения кардиологическим больным: соблюдать гипохолестериновую диету, отказаться от «вредных привычек», ограничить употребление кофе, спиртных напитков, похудеть, ограничить умственную и физическую нагрузку и т.д. Серия же компьютерных экспериментов, выполненных с помощью демонстрационного прототипа нашей диагностико-прогностической системы показала, что данная медицинская практика нуждается в пересмотре. Необходимо дифференцированно подходить к каждому пациенту: рекомендации в изменении образа жизни должны быть сугубо индивидуальны. Например, для одних пациентов злоупотребление кофе и спиртными напитками противопоказано, тогда как для других – наоборот, полезно. То же самое выяснилось с соблюдением гипохолестериновой диеты, занятиями физической культурой, снижением веса, умственных и физических нагрузок и пр. Заключение о пользе или вреде подобных рекомендаций зависит от сочетания большого комплекса входных параметров системы, характеризующих конкретного пациента и его состояние здоровья.

В ходе обсуждений и дискуссии участники семинара в своем большинстве согласились, что нейросетевая система, обученная на реальном медицинском опыте (без при-влечения традиционных академических медицинских знаний) смогла выявить неизвестные медицинской науке закономерности и учитывать эти закономерности в практическом применении, а потому превзошла по своим возможностям и качеству известные диагностические системы, построенные на принципах экспертных систем.

Сложилось впечатление, что пермяки занимаются чрезвычайно перспективным научным направлением, что может позволить в ближайшем будущем по-иному подойти к проблеме получения новых медицинских знаний. Эффективным инструментом получения новых знаний станут диагностико-прогностические системы, построенные на нейронных сетях и нейрокомпьютерах.

В своем заключительном выступлении руководитель семинара профессор А.Ш.Ревишвили признался, что «докладчику удалось разрушить первоначально существовавший скепсис в отношении разработок Пермской научной школы и что он (А.Ш.Ревишвили) готов подписать любую рецензию о пермском проекте, которую пермяки положат ему на стол!».

В ходе обсуждений были заданы некоторые провокационные вопросы, ответы на которые вызвали затруднения, и которые следует учесть в последующей работе коллектива:

1. В каких международных журналах публикуются результаты деятельности Пермской научной школы?
2. Почему формат постановки диагнозов не соответствует международным стандартам?
3. Является ли авторский коллектив единственным в мире, или у него есть конкуренты?

Автор заметки выражает благодарность своим коллегам, прямо или косвенно участво-вавшим в создании демонстрационного прототипа нейросетевой диагностико-прогностической системы:К.В.Богданову, А.Дворяниновой, А.А.Думлеру, Т.Макуриной, А.Маматовой, А.Н.Полещуку, И.Ф.Федорищеву, Е.Ю.Черемных, Ф.М.Черепанову.

Автор заметки: профессор Л.Н.Ясницкий

27.01.2011

[Возврат к списку новостей]

В Пермском государственном университете ведутся разработки по созданию математических моделей эмоциональных роботов с неабсолютной памятью. Руководителем исследований является доктор технических наук, профессор кафедры процессов управления и информационной безопасности, почетный работник высшего профессионального образования Российской Федерации Пенский Олег Геннадьевич. Желающие ознакомиться с результатами исследований ученых ПГУ могут скопировать монографию «Основы математической теории эмоциональных роботов», размещенную на нашем сайте в разделе «Публикации» или прослушать передачу «Мехматовские мечтатели».

[Скачать передачу «Мехматовские мечтатели»] (14 Мб)

17.10.2010

[Возврат к списку новостей]

Издательским Центром «Академия» (г.Москва) выпущено 3-е издание книги Л.Н.Ясницкого «Введение в искусственный интеллект» . На сайте отмечается, что «Учебное пособие награждено Дипломом Фонда развития отечественного образования как лучшая научная книга 2008 год.»

2009 год 9 января

[Возврат к списку новостей]

Вышла в свет книга Современные проблемы науки: Учеб. пособие для студ. высш. учеб. заведений / Л.Н. Ясницкий, Т.В. Данилевич,. – Москва.: БИНОМ. Лаборатория знаний, 2008. - 294с.

Рекомендовано Учебно-методическим советом по математике и механике УМО по классическому университетскому образованию РФ в качестве учебного пособия для студентов высших учебных заведений, обучающихся по группе математических и механических специальностей.

А Н Н О Т А Ц И Я

Книга состоит из двух частей. В первой части в простой и сжатой форме прослеживается путь развития науки со времени ее возникновения до наших дней. Подчеркивается роль образования, как главенствующего фактора в становлении науки, обеспечивающего преемственность и накопление знаний. В книге рассматривается феномен творческих поисков ученых и их открытий. Затрагивается тема существования различного рода знаний, которые не могут быть названы научными, но которые нельзя отвергать. Особое внимание обращается на негативные последствия для человека триумфа науки и технологий, на необходимость решения этой проблемы Человеком и Наукой будущего.

Вторая часть книги посвящена современным методам получения научных знаний, среди которых лидирующие позиции занимает математика. Однако сухой язык цифр не защищает человека от случайных трагических событий в его жизни. Подтверждение тому – перепоручение компьютеру решения краевых задач, в которых могут содержаться погрешности, выходящие за рамки допустимых. Только человек, его интуиция, интеллект и знания способны гарантировать правильное решение. Но мощность интеллекта человека ограничена и нестабильна. Решение этой проблемы видится в создании «искусственного разума», на пути к которому уже достигнуты определенные успехи. В книге дается исчерпывающий материал для освоения основных идей и методов искусственного интеллекта, являющихся самым современным инструментом, пригодным не только для получения новых научных знаний, но и для решения многих проблем в жизни и деятельности человека.

2009 год 10 января

[Возврат к списку новостей]

Издательством НИЦ «Регулярная и хаотическая динамика», 2008 (Москва-Ижевск) выпущена монография:

ПЕРМСКАЯ НАУЧНАЯ ШКОЛА ИСКУССТВЕННОГО ИНТЕЛЛЕКТА И ЕЕ ИННОВАЦИОННЫЕ ПРОЕКТЫ

Под редакцией Л.Н.Ясницкого

2-е издание, дополненное

Коллектив авторов: Л.Н.Ясницкий, В.В.Бондарь, С.Н.Бурдин, Е.В.Волегова, С.Л.Гладкий, А.А.Зверева, М.О.Караваева, Д.Ф.Латыпов, Т.Г.Логинова, М.В.Лукина, К.А.Лупало, Н.А.Малинин, И.Ф.Мальцева, Д.И.Мурашов, А.М.Петров, А.Н.Полещук, И.А.Полещук, И.А.Путко, Е.В.Расторгуева, М.Г.Семукова, О.А.Сидорова, П.Н.Старков, М.А.Таначева, Т.А.Убиенных, И.Ф.Федорищев, Н.П.Федосеева, Ф.М.Черепанов, П.А.Шипицын

Приводится описание некоторых разработок Пермской научной школы искусственного интеллекта, представляющих интерес для инновационного бизнеса. Все разработки имеют единую теоретическую базу – методы искусственного интеллекта, популярное изложение которых чередуется с описанием принципа действия и возможностей разрабатываемых интеллектуальных систем.

Область применения предлагаемых программных продуктов чрезвычайно широка – промышленность, экономика, финансы, банковское дело, бизнес, криминалистика, социология, педагогика, медицина и мн. др.

Для бизнесменов, менеджеров, руководителей частных и государственных предприятий, бизнес-инкубаторов, технопарков, инвестиционных компаний.

20.02.2010

[Возврат к списку новостей]

Вышла из печати монография «Гипотезы и алгоритмы математической теории исчисления эмоций»

Вышла из печати монография «Гипотезы и алгоритмы математической теории исчисления эмоций». В числе соавторов книги сотрудники и студенты механико-математического факультета Пермского государственного университета. Монография написана под редакцией доктора технических наук, профессора кафедры процессов управления и информационной безопасности Пенского Олега Геннадьевича. Книга выпущена типографией Пермского государственного университета. В монографии впервые предложена гипотеза о том, что эмоциональные действия человека обусловливаются не эмоциями, а воспитанием, котрые влекут эмоции; предложены и изучены математические модели воспитания, учитывающие память субъекта; описаны алгоритмы поведения эмоциональных роботов. На монографию получены положительные отзывы из некоторых вузов России и ученых Калифорнийчкого университета (США).

Завершена подготовка к печати рукописи книги «Математические модели эмоциональных роботов»

Автором книги является доктор технических наук, профессор кафедры процессов управления и информационной безопасности Пермского государственного университета Пенский Олег Геннадьевич. В книге предложены алгоритмы эмоционального поведения роботов, основанные на вычислении их элементарных воспитаний; изучены свойства воспитываемых роботов; введены математические определения силы воли, способностей и эмоциональной работы роботов; предложены математические способы прогнозирования результатов их воспитания; описаны пути диагностики психических заболеваний роботов и поведение роботов в зависимости от характеристик памяти. Книга будет издана в типографии Пермского государственного университета в конце марта 2010 года и будет носить билингвальный характер (русский и английский язык).

На механико-математическом факультете Пермского государственного университета начата разработка программного обеспечения, моделирующего эмоцональное поведение группы роботов.

Магистрантом первого года обучения Черниковым Кириллом Викторовичем начата разработка программного обеспечения, моделирующего эмоциональное поведение группы роботов. Теоретической основой программ является статья Черникова К.В., Пенского О.Г., опубликованная в электронном научном журнале «Университетские исследования» : www.uresearch.psu.ru . В настоящее время магистрантом разработана программа, имитирующая поведение простейшего робота при общении с ним одного человека.

15.05.2010

[Возврат к списку новостей]

На сайте Пермского государственного университета появилась аудиозапись-интервью профессора Л.Н. Ясницкого об Искусственном интеллекте и Пермской научной школе искусственного интеллекта.

[Скачать]

Проекты Пермской научной школы искусственного интеллекта

Учебник по искусственному интеллекту для школьников

[Возврат к списку проектов]

«ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ» – УЧЕБНО-МЕТОДИЧЕСКИЙ КОМПЛЕКС ДЛЯ ШКОЛЬНИКОВ И УЧИТЕЛЕЙ

Черепанов Ф.М., Ясницкий Л.Н. Пермский государственный педагогический университет

В издательстве БИНОМ (г.Москва) готовится к выпуску учебно-методический комплекс «Искусственный интеллект». Учебно-методический комплекс включает учебник для школьников, пособие по преподаванию для учителей и лабораторный практикум. Прототипом школьного учебника явилось учебное пособие для вузов [1], завоевавшее популярность среди студентов и ставшее лауреатом конкурса на лучшую научную книгу 2008 года, проводимого Фондом развития отечественного образования. Характерными особенностями учебно-методического комплекса являются:

1. Предельная ясность изложения материала, что делает его доступным для понимания и использования учителями и школьниками практически любого уровня.
2. Подробнейшая детализация учебного процесса с множеством советов и рекомендаций по проведению уроков и лабораторных работ.
3. Решение широкого круга практических задач с применением полученных теоретических знаний.

Основная цель, которую преследуют авторы комплекса, – показать, что искусственный интеллект – это совсем не что-то фантастическое, а вполне конкретная и нужная дисциплина, что моделировать человеческий мозг – это совсем несложно, что это может делать каждый школьник, причем для решения реальных практических проблем, встречающихся в повседневной жизни:

• Какую профессию выбрать и куда пойти учиться?
• Сколько процентов билетов выучить, чтобы получить хорошую оценку за экзамен?
• Кого выбрать себе в спутники (спутницы) жизни, чтобы не ошибиться?
• Когда обратиться к родителям с просьбой, чтобы не получить отказ?
• Определить, правду ли говорит собеседник, или он лжет?
• Какая команда победит в спортивных состязаниях?
• Какие шаги следует предпринять, чтоб улучшить свои спортивные результаты?
• Каким завтра и в ближайшую неделю будет курс доллара?
• Кто победит на выборах, и как повлиять на их результат?
• И многое, многое другое.

Цель курса – научить школьников, как сделать из своего компьютера доброго советчика, помогающего принимать правильные решения, строить прогнозы развития различных событий и ситуаций.

Изучение предмета включает выполнение серии лабораторных работ, помещенных на сайте http://www.LbAI.ru. В основу лабораторных работ заложена идея азартной компьютерной игры так, что их выполнение обходится практически без вмешательства преподавателя или лаборанта. Между учащимися и компьютерами завязывается активный диалог, в ходе которого учащиеся последовательно осваивают одну идею искусственного интеллекта за другой, иногда наталкиваясь на подводные камни и попадая в «ловушки», в которых порой оказывались ученые-создатели науки «Искусственный интеллект». Такой способ освоения материала способствует глубокому проникновению в суть проблем, и не позволит в будущем повторять вошедшие в историю заблуждения и ошибки.

В ходе выполнения лабораторных работ учащиеся осваивают специально созданный для них программный инструмент – симулятор нейронных сетей «Нейросимулятор» [2]. С помощью этого инструмента они могут создавать любые структуры нейронных сетей, подбирать их параметры, обучать решению множества практических задач, например, в области медицины, политологии, социологии, спорта, туризма, криминалистики, педагогики, экономики, промышленности и др.

Школьникам также предоставляется возможность самим придумывать задачи и самим их решать методами искусственного интеллекта. Это задачи прогнозирования, диагностики, оптимизации, классификации и распознавания образов. В ходе выполнения самостоятельных работ школьники сами формулируют задачу, сами находят или подбирают обучающие примеры, создают, оптимизируют, обучают, тестируют нейронную сеть, создают на ее основе нейросетевую математическую модель предметной области, затем исследуют эту модель, получают полезные для практического применения результаты.

Новый школьный учебник заканчивается следующими словами:

«Можно сказать, что человек, осваивающий методы искусственного интеллекта, поднимается на качественно новый уровень своего развития.

Можно сказать, что у него появляется дар предвидения.

Он может предсказывать будущие события.

И он знает, как повлиять на эти события.

Он знает, что нужно сделать, чтобы события развивались в нужном направлении.

Раньше таких людей называли волшебниками и колдунами.

Поэтому можно почти без преувеличения сказать, что изучаемый Вами предмет учит Вас искусству колдовства.

Изучив этот предмет Вы можете свободно пользоваться основными нейросетевыми технологиями и даже использовать их в своих личных целях. Как и каким образом? Это зависит от Вашей собственной фантазии и от того, насколько глубоко Вы поняли идеи и освоили методы искусственного интеллекта».

Литература

1. Ясницкий Л.Н. Введение в искусственный интеллект. Издание 2. – М.: Издательский центр «Академия», 2008. – 176с.
2. Черепанов Ф.М., Ясницкий Л.Н. Симулятор нейронных сетей «Нейросимулятор 1.0». // Свидетельство об отраслевой регистрации разработки №8756. Зарегистрировано в Отраслевом фонде алгоритмов и программ 12.07.2007.

Система оценки кредитоспособности заемщика банк

[Возврат к списку проектов]

Список работ Пермской научной школы искусственного интеллекта

1. Ясницкий Л.Н. Возможности и перспективы применения методов искусственного интеллекта в механике сплошных сред // Динамика и прочность машин. Вестник ПГТУ. №3. Пермь: Изд-во ПГТУ, 2001. С.150-164.
2. Ясницкий Л.Н. Принципы построения экспертной системы для аналитического решения краевых задач // Математика программных систем. Межвузовский сборник научных трудов. Пермь: Изд-во ПГУ, 2001. С.105-114.
3. Ясницкий Л.Н. Интуиция цифры // Новый компаньон. 2004. №37(330). Вторник, 12 окрября. (Пермская деловая и политическая газета). С.5.
4. Ясницкий Л.Н. Возможности и перспективы применения нейросетевых технологий в нелинейных проблемах механики сплошных сред. Зимняя школа по механике сплошных сред (четырнадцатая) / Тезисы докладов. Пермь. 2005. С.313.
5. Тимошенков А.С., Христолюбов С.А., Ясницкий Л.Н. Применение сетей Хопфилда в системах распознавания зашумленных образов. Научная сессия МИФИ. Сборник научных трудов. Том 14. Москва. 2005. С.112-116.
6. Интеллектуальное компьютерное математическое моделирование / С.Л.Гладкий, Н.А.Степанов, Л.Н.Ясницкий; Под ред. Л.Н.Ясницкого; Перм. ун-т. – Пермь, 2005. – 159с.
7. Бондарь В.В., Малинин Н.А. Ясницкий Л.Н. Нейросетевой прогноз потребления электроэнергии предприятиями бюджетной сферы. Вестник Пермского университета. Математика. Информатика. Механика. Вып.2. Пермь: Изд. Пермского ун-та, 2005. С.23-27.
8. Петров А.М., Ясницкий Л.Н. Возможности создания нейросетевого полиграфа. Вестник Пермского университета. Математика. Информатика. Механика. Вып.2. Пермь: Изд. Пермского ун-та, 2005. с.43-47.
9. Конев С.В., Сичинава З.И. Ясницкий Л.Н. Применение нейросетевых технологий для диагностики неисправностей авиационных двигателей. Вестник Пермского университета. Математика. Информатика. Механика. Вып.2. Пермь: Изд. Пермского ун-та, 2005. с.43-47.
10. Конев С.В., Сичинава З.И. Халлиулин В.Ф. Ясницкий Л.Н. Возможности применения нейросетевых технологий для прогнозирования неисправностей авиационных двигателей. Аэрокосмическая техника и высокие технологии – 2005. Материалы VIII Всероссийской научно-технической конференции – Пермь: ПГТУ, 2005. – 174 с.
11. Ясницкий Л.Н. Искусственный интеллект и новые возможности компьютерного моделирования // Вестник Пермского университета. Информационные системы и технологии. Вып.4. Пермь: Изд. Пермского ун-та, 2005. С.81-86.
12. Ясницкий Л.Н. Введение в искусственный интеллект. Рекомендовано учебно-методическим советом по математике и механике УМО по классическому университетскому образованию в качестве учебного пособия для студентов высших учебных заведений, обучающихся по специальности 010100 «Математика». М.: Издательский центр «Академия», 2005. – 176с.
13. Актуальные проблемы математики, механики, информатики: материалы Международной научно-методической конференции, посвященной 90-летию высшего математического образования на Урале / Перм. гос. ун-т; под ред. Л.Н.Лядовой, В.И.Яковлева, Л.Н.Ясницкого. – Пермь, 2006. – 300с.
14. Гладкий С.Л., Степанов Н.А., Ясницкий Л.Н. Интеллектуальное моделирование физических проблем / Под ред. Л.Н.Ясницкого – М.-Ижевск: НИЦ Регулярная и хаотическая динамика, 2006 – 200 с. (Заказать).
15. Зибатова А.Н., Петров А.М., Сичинава З.И., Сошников А.П., Ясницкий Л.Н. Интеллектуальный полиграф // Российский полиграф. – 2006. - № 1. – С.76-83. (Скачать).
16. Мурашов Д.И., Ясницкий Л.Н. Социальный генетический алгоритм // Вестник Пермского университета. Математика. Механика. Информатика. – Пермь: Изд. Пермского ун-та, 2006. – С.53-60. (Скачать).
17. Бондарь В.В., Малинин Н.А., Ясницкий Л.Н. Нейросетевой прогноз потребления электроэнергии, анализ значащих факторов и разработка полезных рекомендаций // Вестник Пермского университета. Математика. Механика. Информатика. – Пермь: Изд. Пермского ун-та, 2006. – С.10-17.
18. Мурашов Д.И., Ясницкий Л.Н. Генетические алгоритмы и социальный фактор // Искусственный интеллект: философия, методология, инновации. Материалы Первой Всероссийской конференции студентов, аспирантов и молодых ученых, г.Москва, МИРЭА, 6-8 апреля 2006г. – М.: ИИнтеЛЛ, 2006. с.377-379.
19. Гладкий С.Л., Ясницкий Л.Н. Экспертная система для точного решения краевых задач механики // IX Всероссийский съезд по теоретической и прикладной механике. Том III. Нижний Новгород, 22-28 августа 2006г. С.67.
20. Галкина Е.В., Зиянгиров Р.Ф., Ясницкий Л.Н. Применение нейросетевых технологий в социологических исследованиях: прогнозирование перспективности создания семьи и состояния семейных отношений // Актуальные проблемы математики, механики, информатики: Международная научно-методическая конференция, посвященная 90-летию высшего математического образования на Урале / Перм. Гос. Ун-т; под ред. Л.И.Лядовой, В.И.Яковлева, Л.Н.Ясницкого. – Пермь, 2006. – С.108-109.
21. Гладкий С.Л., Ясницкий Л.Н. Аналитическое решение краевых задач // Актуальные проблемы математики, механики, информатики: Международная научно-методическая конференция, посвященная 90-летию высшего математического образования на Урале / Перм. Гос. Ун-т; под ред. Л.И.Лядовой, В.И.Яковлева, Л.Н.Ясницкого. – Пермь, 2006. – С.114-117.
22. Зибатова А.Н., Петров А.М., Сичинава З.И., Ясницкий Л.Н. Этапы создания интеллектуального детектора лжи // Актуальные проблемы математики, механики, информатики: Международная научно-методическая конференция, посвященная 90-летию высшего математического образования на Урале / Перм. Гос. Ун-т; под ред. Л.И.Лядовой, В.И.Яковлева, Л.Н.Ясницкого. – Пермь, 2006. – С.125-126.
23. Мурашов Д.И., Ясницкий Л.Н. Обобщенный градиентно-генетический алгоритм // Актуальные проблемы математики, механики, информатики: Международная научно-методическая конференция, посвященная 90-летию высшего математического образования на Урале / Перм. Гос. Ун-т; под ред. Л.И.Лядовой, В.И.Яковлева, Л.Н.Ясницкого. – Пермь, 2006. – С.136-138.
24. Ясницкий Л.Н. Искусственный интеллект как лидирующая научная область // Актуальные проблемы математики, механики, информатики: Международная научно-методическая конференция, посвященная 90-летию высшего математического образования на Урале / Перм. Гос. Ун-т; под ред. Л.И.Лядовой, В.И.Яковлева, Л.Н.Ясницкого. – Пермь, 2006. – С.108-161.
25. Ясницкий Л.Н. Современный кризис прикладной математики и искусственный интеллект // Актуальные проблемы математики, механики, информатики: Международная научно-методическая конференция, посвященная 90-летию высшего математического образования на Урале / Перм. Гос. Ун-т; под ред. Л.И.Лядовой, В.И.Яковлева, Л.Н.Ясницкого. – Пермь, 2006. – С.161-162.
26. Ясницкий Л.Н. Пермская школа искусственного интеллекта и новые возможности метода математического моделирования // Философско-методологические проблемы искусственного интеллекта: материалы постоянно действующего теоретического междисциплинарного семинара. – Пермь: Изд-во Перм. гос. техн. ун-та, 2007. – с.171-204. (Скачать).
27. Ясницкий Л.Н. Современный искусственный интеллект и задачи его философского осмысления // Философско-методологические проблемы искусственного интеллекта: Материалы постоянно действующего теоретического междисциплинарного семинара. – Пермь: Изд-во Перм. гос. техн. ун-та, 2007. – с.171-204. (Скачать).
28. Ясницкий Л.Н. Пермская научная школа искусственного интеллекта и ее инновационные разработки. - Пермь: Перм. пед. гос. ун-т; Перм. техн. гос. ун-т; Перм. гос. ун-т, 2007. – 36 с.
29. Ясницкий Л.Н. «Искусственный математик» поможет выйти из кризиса ! // ТехСовет. – 2007. - №1-2(44). – С.19.
30. Ясницкий Л.Н. Современный кризис прикладной математики и перспективы его преодоления // Вестник Пермского университета. Математика. Механика. Информатика. – Пермь: Изд. Пермского ун-та, 2007. – Вып.7 (12). – С.192-197. (Скачать).
31. Черепанов Ф.М., Ясницкий Л.Н. Симулятор нейронных сетей «Нейросимулятор 1.0». // Свидетельство об отраслевой регистрации разработки №8756. Зарегистрировано в Отраслевом фонде алгоритмов и программ 12.07.2007.
32. Черепанов Ф.М., Ясницкий Л.Н. Формирование компетентности в области искусственного интеллекта // Проблемы формирования информационно-коммуникационной компетентности выпускника университета начала XXI века: Материалы Всероссийской научно-практической конференции (Пермь, Перм. ун-т, 13-15 ноября 2007 г.) / Перм. ун-т. – Пермь, 2007. С.482-486.
33. Ясницкий Л.Н. Интеллектуальные информационные технологии и системы: учеб.-метод. пособие / Перм.ун-т. – Пермь, 2007. – 271с.
34. Таначева М.А., Ясницкий Л.Н. Практикум по многослойным нейронным сетям для школьников // Свидетельство об отраслевой регистрации разработки №8757. Зарегистрировано в Отраслевом фонде алгоритмов и программ 12.07.2007.
35. Ясницкий Л.Н. Гильберт, Колмогоров, Арнольд, нейроинформатика, математический анализ и современный кризис прикладной математики (К 70-летию В.И.Арнольда) // Живая математика. – Журнал для молодежи и юношества. – 2008. – №1. – С.24-25.
36. Ясницкий Л.Н. Пермская научная школа искусственного интеллекта и ее инновационные проекты / Л.Н.Ясницкий, В.В.Бондарь, С.Н.Бурдин и др.; под ред. Л.Н.Ясницкого. – 2-е изд. – Москва-Ижевск: НИЦ «Регулярная и хаотическая динамика», 2008. – 75 с. (Заказать) (Скачать)
37. Ясницкий Л.Н., Мишланов В.Ю., Полещук А.Н., Федорищев И.Ф. Приоритетные задачи и условия развития интеллектуальных медицинских систем // Пермский медицинский журнал. Приложение. – 2008. – т.25. – №1. – С.170-174.
38. Ясницкий Л.Н. Удержаться «на плечах гигантов» (вводная статья) // Труды семинара «Компьютерные методы в механике сплошной среды». 2006 – 2007 гг. – СПб.: Изд-во С.-Петерб. Ун-та, 2008. – С. 3 – 15. (Скачать).
39. Черепанов Ф.М., Ясницкий Л.Н. Нейросетевой фильтр для исключения выбросов в статистической информации // Вестник Пермского университета. Математика. Механика. Информатика. – Пермь: Изд. Пермского ун-та, 2008. – Вып.4 (20). – С.151-155. (Скачать).
40. Патырбаева К.А., Ясницкий Л.Н. Искусственный интеллект как современное воплощение идеала рационалистической философии нового времени // Философско-методологические проблемы искусственного интеллекта: Материалы Всероссийского междисциплинарного семинара. – Пермь: Изд-во Перм. гос. техн. ун-та, 2008. – с.74-80.
41. Ясницкий Л.Н. Гильберт, Колмогоров, Арнольд, искусственный интеллект и современный кризис прикладной математики (К 70-летию со дня рождения В.И.Арнольда) // Вопросы искусственного интеллекта. – 2008. – №1. – С.77-80.
42. Черепанов Ф.М., Ясницкий Л.Н. Лабораторный практикум по нейросетевым технологиям // Перспективные технологии искусственного интеллекта: Сборник трудов Международной научно-практической конференции (Пенза, Пензенский ун-т, Научный Совет РАН по методологии искусственного интеллекта, 1-6 июля 2008 г.) / Пенз. ун-т. – Пенза, 2008. С.128-130.
43. Сичинава З.И., Ясницкий Л.Н. Нейросетевой детектор лжи // Перспективные технологии искусственного интеллекта: Сборник трудов Международной научно-практической конференции (Пенза, Пензенский ун-т, Научный Совет РАН по методологии искусственного интеллекта, 1-6 июля 2008 г.) / Пенз. ун-т. – Пенза, 2008. С.81-84.
44. Полещук И.А., Федорищев И.Ф., Ясницкий Л.Н. Интеллектуальная система распознавания текстов штампов конструкторской документации // Перспективные технологии искусственного интеллекта: Сборник трудов Международной научно-практической конференции (Пенза, Пензенский ун-т, Научный Совет РАН по методологии искусственного интеллекта, 1-6 июля 2008 г.) / Пенз. ун-т. – Пенза, 2008. С.179-181.
45. Ясницкий Л.Н. О пользе научной безграмотности (Ответ автора на критическое письмо в редакцию) // Живая математика. – Журнал для молодежи и юношества. – 2008. – №2. – С.29-32.
46. Ясницкий Л.Н., Данилевич Т.В. Современные проблемы науки. Рекомендовано НМС по математике и механике УМО по классическому университетскому образованию РФ в качестве учебного пособия для студентов высших учебных заведений, обучающихся по группе математических и механических специальностей. – М.: БИНОМ. Лаборатория знаний, 2008. – 294c.
47. Черепанов Ф.М., Ясницкий Л.Н. Комплекс программ «Лабораторный практикум по нейросетевым технологиям // Свидетельство об отраслевой регистрации разработки №11088. Зарегистрировано в Отраслевом фонде алгоритмов и программ 01.07.2008.
48. Ясницкий Л.Н. Введение в искусственный интеллект. Издание 2. Рекомендовано учебно-методическим советом по математике и механике УМО по классическому университетскому образованию в качестве учебного пособия для студентов высших учебных заведений, обучающихся по специальности 010100 «Математика». М.: Издательский центр «Академия», 2008. – 176с.
49. Ясницкий Л.Н. О возможностях применения методов искусственного интеллекта в политологии // Вестник Пермского университета. Политология. – Пермь: Изд. Пермского ун-та, 2008. – Вып.2 (4). – С.147-155.
50. Ясниций Л.Н., Гладкий С.Л. Компьютерная программа для высокоточных расчетов инженерных конструкций // Законченные научно-исследовательские и опытно-конструкторские работы (НИОКР). Перечень-выпуск 6. – Пермь: Пермский научный центр УрО РАН, 2008. – С.64-65.
51. Корниенко С.И.,Черепанов Ф.М.,Ясницкий Л.Н. Современные информационные технологии и письменное наследие: от древних текстов к электронным библиотекам : Материалы Междунар. науч. конф. (Казань, 26-30 августа 2008 г.) / отв. ред. В.Д. Соловьев, В.А. Баранов.
52. Черепанов Ф.М., Ясницкий Л.Н. Лабораторный практикум по нейросетевым технологиям. Свидетельство о государственной регистрации программы для ЭВМ № 2009611544. Заявка № 2009610226. Зарегистрировано в Реестре программ для ЭВМ 12 марта 2009г. – М: Федеральная служба по интеллектуальной собственности, патентам и товарным знакам (РОСПАТЕНТ), 2009.
53. Айдаров Ю.Р., Волгирева Г.П., Гагарина Д.А., Корниенко С.И., Черепанов Ф.М., Ясницкий Л.Н. Интеллектуальная система распознавания рукописных и старопечатных текстов исторических источников // Искусственный интеллект: философия, методология, инновации. Материалы III Всероссийской конференции студентов, аспирантов и молодых ученых, г.Москва, МИРЭА, 11-13 ноября 2009 г. – М.: «Связь-Принт», 2009. – с.271-274.
54. Осколкова М.А., Паршаков П.А., Ясницкий Л.Н. Методы искусственного интеллекта и традиционные технологии в прогнозировании динамики фондового индекса S&P5000 // Искусственный интеллект: философия, методология, инновации. Материалы III Всероссийской конференции студентов, аспирантов и молодых ученых, г.Москва, МИРЭА, 11-13 ноября 2009 г. – М.: «Связь-Принт», 2009. – с.299-302.
55. Переведенцева Н.В., Ясницкий Л.Н. Применение генетических алгоритмов для структурной и параметрической идентификации экономико-математических моделей // Искусственный интеллект: философия, методология, инновации. Материалы III Всероссийской конференции студентов, аспирантов и молодых ученых, г.Москва, МИРЭА, 11-13 ноября 2009 г. – М.: «Связь-Принт», 2009. – с.302-304.
56. Полежаева Ю.И., Чупина Г.Н., Ясницкий Л.Н. Интеллектуальная система прогнозирования прочности будущих супружеских отношений при вступлении в брак // Искусственный интеллект: философия, методология, инновации. Материалы III Всероссийской конференции студентов, аспирантов и молодых ученых, г.Москва, МИРЭА, 11-13 ноября 2009 г. – М.: «Связь-Принт», 2009. – с.304-306.
57. Порошина А.М., Тавафиев А.Ф., Ясницкий Л.Н. Прогнозирование успешности бизнеса с использованием нейросетевых технологий // Искусственный интеллект: философия, методология, инновации. Материалы III Всероссийской конференции студентов, аспирантов и молодых ученых, г.Москва, МИРЭА, 11-13 ноября 2009 г. – М.: «Связь-Принт», 2009. – с.310-312.
58. Сидорова О.А., Ясницкий Л.Н. Интеллектуальная система прогнозирования пола будущего ребенка // Искусственный интеллект: философия, методология, инновации. Материалы III Всероссийской конференции студентов, аспирантов и молодых ученых, г.Москва, МИРЭА, 11-13 ноября 2009 г. – М.: «Связь-Принт», 2009. – с.315-317.
59. Сичинава З.И., Ясницкий Л.Н. Анкетный способ построения нейросетевого детектора лжи // Искусственный интеллект: философия, методология, инновации. Материалы III Всероссийской конференции студентов, аспирантов и молодых ученых, г.Москва, МИРЭА, 11-13 ноября 2009 г. – М.: «Связь-Принт», 2009. – с.318-320.
60. Гладкий С.Л., Никитенко И.И., Тарасов М.А., Ясницкий Л.Н. Применение методов искусственного интеллекта в краевых задачах проектной инженерии // Искусственный интеллект: философия, методология, инновации. Материалы III Всероссийской конференции студентов, аспирантов и молодых ученых, г.Москва, МИРЭА, 11-13 ноября 2009 г. – М.: «Связь-Принт», 2009. – с.352-354.
61. Думлер А.А., Полещук А.Н., Федорищев И.Ф., Ясницкий Л.Н. Нейросетевая система медицинской диагностики сердечно-сосудистых заболеваний // Искусственный интеллект: философия, методология, инновации. Материалы III Всероссийской конференции студентов, аспирантов и молодых ученых, г.Москва, МИРЭА, 11-13 ноября 2009 г. – М.: «Связь-Принт», 2009. – с.357-362.
62. Ясницкий Л.Н. Искусственный интеллект: Популярное введение для учителей и школьников // Информатика: Методическая газета для учителей информатики. – 2009. – №16. – С. 2-8.
63. Ясницкий Л.Н. Искусственный интеллект: Популярное введение для учителей и школьников. Продолжение // Информатика: Методическая газета для учителей информатики. – 2009. – №17. – С.16-25.
64. Ясницкий Л.Н. Искусственный интеллект: Популярное введение для учителей и школьников. Продолжение // Информатика: Методическая газета для учителей информатики. – 2009. – №18. – С.25-31.
65. Ясницкий Л.Н. Искусственный интеллект: Популярное введение для учителей и школьников. Продолжение // Информатика: Методическая газета для учителей информатики. – 2009. – №20. – С.26-34.
66. Ясницкий Л.Н. Искусственный интеллект: Популярное введение для учителей и школьников. Продолжение // Информатика: Методическая газета для учителей информатики. – 2009. – №21. – С.16-24.
67. Ясницкий Л.Н. Искусственный интеллект: Популярное введение для учителей и школьников. Продолжение // Информатика: Методическая газета для учителей информатики. – 2009. – №22. – С.17-28.
68. Ясницкий Л.Н. Искусственный интеллект: Популярное введение для учителей и школьников. Продолжение // Информатика: Методическая газета для учителей информатики. – 2009. – №23. – С.16-30.
69. Ясницкий Л.Н. Искусственный интеллект: Популярное введение для учителей и школьников. Продолжение // Информатика: Методическая газета для учителей информатики. – 2009. – №24. – С.25-36.
70. Айдаров Ю.Р., Волгирева Г.П., Гагарина Д.А., Корниенко С.Ю., Черепанов Ф.М., Ясницкий Л.Н. Сохранение рукописных и старопечатных текстов: возможности применения технологий искусственного интеллекта // Историко-культурное наследие и информационно-коммуникационные технологии: сохранение и исследование : Материалы научной конференции (Пермь, 13-14 ноября 2009г).; Перм. гос. Ун-т. – Пермь, 2009. С.60-68.
71. Караваева М.О., Ясницкий Л.Н. Интеллектуальная система прогнозирования поступления абитуриента в вуз. Свидетельство о государственной регистрации программы для ЭВМ № 2010610468. Заявка № 2009616169. Зарегистрировано в Реестре программ для ЭВМ 11 января 2010г. – М: Федеральная служба по интеллектуальной собственности, патентам и товарным знакам (РОСПАТЕНТ), 2010.
72. Аликин А.А., Ясницкий Л.Н. Сравнительный анализ технологий прогнозирования фондового индекса DOW JONES // Современные проблемы математики и ее прикладные аспекты: материалы всерос. науч.-практ. конф. (Пермь, Перм. ун-т, Перм. пед. ун-т, 12 марта 2010г) / Перм. ун-т, Перм. пед. ун-т. – Пермь, 2010. – С. 21.
73. Андреев В.Б., Ясницкий Л.Н. Моделирование распределения бюджета маркетинга с целью выполнения поставленных планов // Современные проблемы математики и ее прикладные аспекты: материалы всерос. науч.-практ. Конф. (Пермь, Перм. ун-т, Перм. пед. ун-т, 12 марта 2010г) / Перм. ун-т, Перм. пед. ун-т. – Пермь, 2010. – С. 22.
74. Богданов К.В., Чернопятов А.В., Ясницкий Л.Н. Медицинская система экспресс-диагностики сердечно-сосудистых заболеваний на основе нейронной сети // Современные проблемы математики и ее прикладные аспекты: материалы всерос. науч.-практ. конф. (Пермь, Перм. ун-т, Перм. пед. ун-т, 12 марта 2010г) / Перм. ун-т, Перм. пед. ун-т. – Пермь, 2010. – С. 24.
75. Борисова О.В., Ясницкий Л.Н. Создание интеллектуальной информационной системы для прогнозирования рынка подержанных автомобилей // Современные проблемы математики и ее прикладные аспекты: материалы всерос. Науч.-практ. Конф. (Пермь, Перм. ун-т, Перм. пед. ун-т, 12 марта 2010г) / Перм. ун-т, Перм. пед. ун-т. – Пермь, 2010. – С. 25.
76. Никитенко И.И., Тарасов М.А., Ясницкий Л.Н. Решение краевых задач с помощью метода ФКО и генетических алгоритмов // Современные проблемы математики и ее прикладные аспекты: материалы всерос. науч.-практ. конф. (Пермь, Перм. ун-т, Перм. пед. ун-т, 12 марта 2010г) / Перм. ун-т, Перм. пед. ун-т. – Пермь, 2010. – С. 48.
77. Носкова Т.П., Ясницкий Л.Н. Создание интеллектуальной информационной системы для прогнозирования рынка сотовых телефонов, бывших в употреблении // Современные проблемы математики и ее прикладные аспекты: материалы всерос. науч.-практ. конф. (Пермь, Перм. ун-т, Перм. пед. ун-т, 12 марта 2010г) / Перм. ун-т, Перм. пед. ун-т. – Пермь, 2010. – С. 50.
78. Порошина А.М., Тавафиев А.Ф., Ясницкий Л.Н. Нейросетевые технологии как инструмент прогнозирования успешности предпринимательской деятельности // Современные проблемы математики и ее прикладные аспекты: материалы всерос. науч.-практ. конф. (Пермь, Перм. ун-т, Перм. пед. ун-т, 12 марта 2010г) / Перм. ун-т, Перм. пед. ун-т. – Пермь, 2010. – С. 52.
79. Сичинава З.И., Ясницкий Л.Н. Анкетный способ построения нейросетевого детектора лжи // Современные проблемы математики и ее прикладные аспекты: материалы всерос. науч.-практ. конф. (Пермь, Перм. ун-т, Перм. пед. ун-т, 12 марта 2010г) / Перм. ун-т, Перм. пед. ун-т. – Пермь, 2010. – С. 58.
80. Черепанов Ф.М., Ясницкий Л.Н. Нейросимулятор // Современные проблемы математики и ее прикладные аспекты: материалы всерос. науч.-практ. конф. (Пермь, Перм. ун-т, Перм. пед. ун-т, 12 марта 2010г) / Перм. ун-т, Перм. пед. ун-т. – Пермь, 2010. – С. 66.
81. Ясницкий Л.Н., Порошина А.М., Тавафиев А.Ф. Нейросетевые технологии как инструмент для прогнозирования успешности предпринимательской деятельности // Российское предпринимательство. – 2010. – № 4(2). – с. 8 – 13.
82. Ясницкий Л.Н. Использование нейросетевых технологий в оценке кредитных рисков // Теория и практика развития банковского дела. Нучно-практическая конференция. (Пермь, Главное управление центрального банка Российской федерации по Пермскому краю, июнь 2010г.) / ГУ ЦБР по Пермскому краю. – Пермь, 2010. – С. 18–19.
83. Ясницкий Л.Н., Петров А.М., Сичинава З.И. Сравнительный анализ алгоритмов нейросетевого детектирования лжи // Известия высших учебных заведений. Поволжский регион. Технические науки. – 2010. – №1(13). – С. 64–72.
84. Ясницкий Л.Н. Введение в искусственный интеллект. Издание 3. Рекомендовано НМС по математике и механике. Книга награждена Дипломом Фонда развития отечественного образования как лучшая научная книга 2008 года. М.: Издательский центр «Академия», 2010. – 176с. (Заказать).
85. Андреев В.Б., Ясницкий Л.Н. Моделирование распределения бюджета маркетинга с целью выполнения поставленных планов // Актуальные проблемы механики, математики, информатики: Сб. тез. Всероссийской научно-практической конф. (Пермь, 12–15 октября 2010 г.) / Перм. гос.ун-т. – Пермь, 2010. – с.35.
86. Думлер А.А., Полещук А.Н., Маматова А.Ю., Муравьев Н.Г., Богданов К.В., Черепанов Ф.М., Ясницкий Л.Н. Нейросетевая система дифференциальной экспресс-диагностики сердечно-сосудистых заболеваний // Актуальные проблемы механики, математики, информатики: Сб. тез. Всероссийской научно-практической конф. (Пермь, 12–15 октября 2010 г.) / Перм. гос.ун-т. – Пермь, 2010. – с. 82.
87. Корниенко С.И., Черепанов Ф.М., Ясницкий Л.Н. Подсистема распознавания старопечатных текстов // Актуальные проблемы механики, математики, информатики: Сб. тез. Всероссийской научно-практической конф. (Пермь, 12–15 октября 2010 г.) / Перм. гос.ун-т. – Пермь, 2010. – с. 110.
88. Никитенко И.И., Тарасов М.А., Гладкий С.Л., Ясницкий Л.Н. Решение краевых задач с помощью метода ФКО и генетических алгоритмов // Актуальные проблемы механики, математики, информатики: Сб. тез. Всероссийской научно-практической конф. (Пермь, 12–15 октября 2010 г.) / Перм. гос.ун-т. – Пермь, 2010. – с. 159.
89. Порошина А.М., Ясницкий Л.Н. Оценка кредитоспособности заемщика с использованием нейросетевых технологий // Актуальные проблемы механики, математики, информатики: Сб. тез. Всероссийской научно-практической конф. (Пермь, 12–15 октября 2010 г.) / Перм. гос.ун-т. – Пермь, 2010. – с. 183.
90. Сичинава З.И., Ясницкий С.Л., Ясницкий Л.Н. Искусственный интеллект против коррупции // Актуальные проблемы механики, математики, информатики: Сб. тез. Всероссийской научно-практической конф. (Пермь, 12–15 октября 2010 г.) / Перм. гос.ун-т. – Пермь, 2010. – с. 203.
91. Старкова Ю.В., Ясницкий Л.Н. Оценка кредитоспособности заемщика с применением нейронных сетей // Актуальные проблемы механики, математики, информатики: Сб. тез. Всероссийской научно-практической конф. (Пермь, 12–15 октября 2010 г.) / Перм. гос.ун-т. – Пермь, 2010. – с. 214.
92. Черепанов Ф.М., Ясницкий Л.Н. Средства поддержки практического применения нейронных сетей // Актуальные проблемы механики, математики, информатики: Сб. тез. Всероссийской научно-практической конф. (Пермь, 12–15 октября 2010 г.) / Перм. гос.ун-т. – Пермь, 2010. – с. 242.
93. Семакин И.Г., Ясницкий Л.Н. Искусственный интеллект и школьный курс информатики // Информатика и образование. – 2010. – №9. – с.48-54.
94. Ясницкий Л.Н., Бржевская А.С., Черепанов Ф.М. О возможностях применения методов искусственного интеллекта в сфере туризма // Сервис plus. – 2010 – №4.c.111-115.
95. Ясницкий Л.Н., Петров А.М., Сичинава З.И. Технологии построения детектора лжи на основа аппарата искусственных нейронных сетей // Информационные технологии. – 2010. – № 11. – с. 66-70.
96. Ясницкий Л.Н., Черепанов Ф.М. О Возможностях применения нейросетевых технологий в политологии // Нейрокомпьютеры: разработка и применение. – 2010. – №8. – Вып. 4. – с. 47-53.
97. Чечулин В.Л., Ясницкий Л.Н. Ограничения нейронных сетей // Нейрокомпьютеры: разработка и применение. – 2010. – №12. – с. 3-11.
98. Порошина А.М., Ясницкий Л.Н. Оценка кредитоспособности заемщика с использованием нейросетевых технологий // Искусственный интеллект: философия, методология, инновации. Материалы IV Всероссийской конференции студентов, аспирантов и молодых ученых. Часть 2, г. Москва, МИРЭА, 10-12 ноября 2010 г. Под ред. Д.И. Дубровского и Е.А. Никитиной. – М.: «Радио и связь», 2010. С.30-33.
99. Мишланов В.И., Ясницкий Л.Н., Думлер А.А, Полещук А.Н., Богданов К.В., Черепанов Ф.М. Неросетевая система дифференциальной диагностики сердечно-сосудистых заболеваний // Искусственный интеллект: философия, методология, инновации. Материалы IV Всероссийской конференции студентов, аспирантов и молодых ученых. Часть 2, г. Москва, МИРЭА, 10-12 ноября 2010 г. Под ред. Д.И. Дубровского и Е.А. Никитиной. – М.: «Радио и связь», 2010. – С. 63-64.
100. Ю.Р. Айдаров, С.И. Корниенко, Л.Н. Ясницкий, Ф.М. Черепанов, Применение алгоритма параметризуемой кластеризации для распознавания рукописных и старопечатных кириллических текстов // Информационный бюллетень Ассоциации «История и компьютер», №36. Материалы XII конференции АИК. Октябрь 2010 г. – Москва: Изд-во Московского университета, 2010. – С. 49-50.
101. С.И. Корниенко, Л.Н. Ясницкий, Ю.Р. Айдаров, Г.П. Волгирева, Д.А. Гагарина, Ф.М. Черепанов, Программный комплекс для распознавания рукописных и старопечатных текстов // Информационный бюллетень Ассоциации «История и компьютер», №36. Материалы XII конференции АИК. Октябрь 2010 г. – Москва: Изд-во Московского университета, 2010. – С. 52-53
102. С.И. Корниенко, Л.Н. Ясницкий, Ю.Р. Айдаров, Г.П. Волгирева, Д.А. Гагарина, Ф.М. Черепанов, Система распознавания рукописных и старопечатных кириллических текстов: модель и программно-технологические решения // Информационные технологии и письменное наследие: материалы междунар. науч. конф. (Уфа, 28-31 октября 2010 г.) / отв. ред. В.А. Баранов. – Уфа; Ижевск : Вагант, 2010. – С. 126-129.
103. С.И. Корниенко, Ю.Р. Айдаров, Ф.М. Черепанов, Л.Н. Ясницкий, Инструмент параметризуемой кластеризации «Старопечатный кириллический символ» // Информационные технологии и письменное наследие: материалы междунар. науч. конф. (Уфа, 28-31 октября 2010 г.) / отв. ред. В.А. Баранов. – Уфа; Ижевск : Вагант, 2010. – С. 130-133
104. Айдаров Ю.Р. Применение алгоритмов интеллектуального поиска для составления модели угроз безопасности персональных данных // Современные проблемы математики и ее прикладные аспекты: сб. ст. (по материалам науч.-практ. конф. молодых ученых. Пермь, 12 марта 2010 г.) / гл. ред. А.П. Шкарапута; Перм. гос. ун-т. – Пермь, 2010. – С. 14-17.
105. Айдаров Ю.Р. Применение алгоритмов интеллектуального поиска для составления модели угроз безопасности персональных данных // Современные проблемы математики и ее прикладные аспекты: материалы всерос. науч.-практ. конф. (Пермь, Перм. ун-т, Перм. пед. ун-т, 12 марта 2010 г.) / Перм. ун-т, Перм. пед. ун-т. – Пермь, 2010. – С. 20.
106. Чернопятов А.В. Организация системы видеонаблюдения // Современные проблемы математики и ее прикладные аспекты: материалы всерос. науч.-практ. конф. (Пермь, Перм. ун-т, Перм. пед. ун-т, 12 марта 2010г) / Перм. ун-т, Перм. пед. ун-т. – Пермь, 2010. – С. 68.
107. Чернопятов А.В. Интеллект роя (swarm intelligence) и его применение // Современные проблемы математики и ее прикладные аспекты: материалы всерос. науч.-практ. конф. (Пермь, Перм. ун-т, Перм. пед. ун-т, 12 марта 2010г) / Перм. ун-т, Перм. пед. ун-т. – Пермь, 2010. – С. 69.
108. Чернопятов А.В. Использование методов выделения краев на изображении для детектирования объектов в системах видеонаблюдения // Актуальные проблемы механики, математики, информатики: сб. тез. Науч.-практ. Конф. (Пермь. 12-15 октября 2010 г.) /гл. ред. В. И. Яковлев; Перм. Гос. Ун-т. – Пермь, 2010. – С. 245.
109. Чернопятов А.В. Разработка и внедрение системы видеонаблюдения с применением искусственных нейронных сетей для распознавания образов // Искусственный интеллект: философия, методология, инновации. Материалы IV Всероссийской конференции студентов, аспирантов и молодых ученых. Часть 2, г. Москва, МИРЭА. 10-12 ноября 2010 г. Под ред. Д. И. Дубровского и Е. А. Никитиной – М.: «Радио и Связь», 2010. – С. 88-90.
110. Пенский О.Г., Черников К.В. Основы математической теории эмоциональных роботов // Монография / Перм. Гос. Ун-т. – Пермь, 2010 – 256 с. Текст парал. рус., англ. (Скачать).
111. Тимошенков А.С., Ясницкий Л.Н. Препроцессинг, построение и выбор оптимальных нейросетевых моделей в прогнозировании временных рядов // Автоматизация и современные технологии. – 2010. – № 06. – С. 16-22.
112. Ясницкий Л.Н. Искусственный интеллект. Элективный курс: Учебное пособие. – М.: БИНОМ. Лаборатория знаний, 2011. – 240c. (Заказать)
113. Ясницкий Л.Н., Черепанов Ф.М. Искусственный интеллект. Элективный курс: Методическое пособие по преподаванию. – М.: БИНОМ. Лаборатория знаний, 2012. – 216с. (Заказать)
114. Думлер А.А., Полещук А.Н., Маматова А.Ю., Богданов К.В., Черепанов Ф.М., Ясницкий Л.Н. Нейросетевая система дифференциальной диагностики сердечно-сосудистых заболеваний. – XVII Зимняя школа по механике сплошных сред. – Пермь, 2011. – С.104.
115. Думлер А.А., Полещук А.Н., Богданов К.В., Черепанов Ф.М., Ясницкий Л.Н. Опыт создания нейросетевой системы для диагностики сердечно-сосудистых заболеваний // Вестник Пермского университета. Математика. Механика. Информатика. Вып.1(5). Пермь: Изд. Пермского ун-та, 2011. – С.95-101.
116. Гладкий С.Л., Ясницкий Л.Н. Решение трехмерных задач теплопроводности методом фиктивных канонических областей // Вестник Пермского университета. Математика. Механика. Информатика. Вып.1(5). Пермь: Изд. Пермского ун-та, 2011. – С.41-45.
117. Ясницкий Л.Н., Зайцева Н.В., Гусев А.Л., Шур П.З. Нейросетевая модель региона для выбора управляющих воздействий в области обеспечения гигиенической безопасности // Информатика и системы управления. – 2011. - №3(29). – С.51-59.
118. Ясницкий Л.Н., Думлер А.А., Полещук А.Н., Богданов К.В., Черепанов Ф.М. Нейросетевая система экспресс-диагностики сердечно-сосудистых заболеваний // Пермский медицинский журнал. – 2011. – №4. – С. 77-86. (Скачать).
119. Ясницкий Л.Н., Черепанов Ф.М. «Искусственный интеллект» - презентация учебно-методического комплекса для учителей и школьников // Школьная информатика – 2011: Материалы региональной научно-практической конференции. (г.Пермь, 27-27 октября 2011 г.) . В 2 ч. / Перм. гос. пед. ун-т. – Ч. 1. – Пермь, 2011. – С. 34-35.
120. Айдаров Ю.Р., Волгирева Г.П., Гагарина Д.А., Корниенко С.И., Черепанов Ф.М., Ясницкий Л.Н. Интеллектуальная система распознавания рукописных и старопечатных текстов исторических источников // Искусственный интеллект: философия, методология, инновации. Материалы Пятой Всероссийской конференции. г. Москва, МГТУ МИРЭА, 9-11 ноября 2011 г. – М.: «Радио и Связь», 2011. – с. 115-118.
121. Гладкий С.Л., Тарасов М.А., Ясницкий Л.Н. Генетические алгоритмы в математической физике // Искусственный интеллект: философия, методология, инновации. Материалы Пятой Всероссийской конференции. г. Москва, МГТУ МИРЭА, 9-11 ноября 2011 г. – М.: «Радио и Связь», 2011. – с. 118-121.
122. Черепанов Ф.М., Ясницкий Л.Н. Исследовательский симулятор нейронных сетей // Искусственный интеллект: философия, методология, инновации. Материалы Пятой Всероссийской конференции. г. Москва, МГТУ МИРЭА, 9-11 ноября 2011 г. – М.: «Радио и Связь», 2011. – с. 137-139.
123. Богданов К.В., Думлер А.А., Полещук А.Н., Черепанов Ф.М., Ясницкий Л.Н. Возможности применения методов искусственного интеллекта для диагностики и прогнозирования сердечно-сосудистых заболеваний // Искусственный интеллект: философия, методология, инновации. Материалы Пятой Всероссийской конференции. г. Москва, МГТУ МИРЭА, 9-11 ноября 2011 г. – М.: «Радио и Связь», 2011. – с. 146-148.
124. Гусев А.Л., Зайцева Н.В., Шур П.З., Черепанов Ф.М., Ясницкий Л.Н. Возможности нейросетевого математического моделирования в задачах Роспотребнадзора // Искусственный интеллект: философия, методология, инновации. Материалы Пятой Всероссийской конференции. г. Москва, МГТУ МИРЭА, 9-11 ноября 2011 г. – М.: «Радио и Связь», 2011. – с. 151-153.
125. Ясницкий Л.Н., Данилевич Т.В. Современные проблемы науки. – М.: БИНОМ. Лаборатория знаний, 2011. – 294c. (Заказать)
126. Ясницкий Л.Н., Сичинава З.И. Нейросетевые алгоритмы поведения респондентов // Нейрокомпьютеры: разработка и применение. – 2011. – №10. – с. 59-64. (Скачать).
127. Гладкий С.Л., Тарунин Е.Л., Ясницкий Л.Н. Применение метода фиктивных канонических областей в задачах электростатики // Вестник Пермского университета. Физика. – 2011. – Вып. 3(18). – С.96-102.
128. Корниенко С.И. Айдаров Ю.Р., Гагарина Д.А., Черепанов Ф.М., Ясницкий Л.Н. Программный комплекс для распознавания рукописных и старопечатных текстов // Информационные ресурсы России. – 2011. – № 1. – С. 35-37. (Скачать).
129. Чернопятов А.В. Детекция и распознавание номерных знаков // X всероссийская научная конференция «Нейрокомпьютеры и их применение». Тезисы докладов. – М: МГППУ, 2012. – С. 33.
130. Черепанов Ф.М. Симулятор нейронных сетей для вузов // Вестник Пермского университета. Математика. Механика. Информатика. Вып.3(11). Пермь: Изд. Пермского ун-та, 2012. – С.98-105. (Скачать).
131. Баталов А.С. Методы повышения эффективности обучения нейронной сети Кохонена // Вестник Пермского университета. Математика. Механика. Информатика. Вып.3(11). Пермь: Изд. Пермского ун-та, 2012. – С.86-93.
132. Чернопятов А.В. Использование гистограммы яркости для обработки изображений //Актуальные проблемы математики, механики, информатики: сб. тез. Научню- практ. Конф. (Пермь, 30 октября – 1 ноября 2012 г.) / Перм. Гос. Нац. Исслед. Ун-т. – Пермь, 2012. – С.149.
133. Баталов А.С. Конструктивный алгоритм обучения сети Кохонена //Актуальные проблемы математики, механики, информатики: сб. тез. Научню- практ. Конф. (Пермь, 30 октября – 1 ноября 2012 г.) / Перм. Гос. Нац. Исслед. Ун-т. – Пермь, 2012. – С.154.
134. Баталов М.С. Искусственные нейронные сети в задаче построения модели динамического объекта //Актуальные проблемы математики, механики, информатики: сб. тез. Научню- практ. Конф. (Пермь, 30 октября – 1 ноября 2012 г.) / Перм. Гос. Нац. Исслед. Ун-т. – Пермь, 2012. – С.155.
135. Кирилловых С.А. Перспективные направления развития нейроэволюционной парадигмы //Актуальные проблемы математики, механики, информатики: сб. тез. Научню- практ. Конф. (Пермь, 30 октября – 1 ноября 2012 г.) / Перм. Гос. Нац. Исслед. Ун-т. – Пермь, 2012. – С.162.
136. Мишакина М.Г. Разработка погружного виртуального расходомера // Актуальные проблемы математики, механики, информатики: сб. тез. Научно-практ. Конф. (Пермь, 30 октября – 1 ноября 2012 г.) / Перм. Гос. Нац. Исслед. Ун-т. – Пермь, 2012. – С.165.
137. Чернопятов А.В. Поиск и нейросетевое распознавание автомобильных номерных знаков // Нейрокомпьютеры: разработка, применение. – 2012. - № 7. – С. 59-63.
138. Ясницкий Л.Н., Черепанов Ф.М. Искусственный интеллект. Элективный курс: Методическое пособие по преподаванию. – М.: БИНОМ. Лаборатория знаний, 2012. – 216с. (Заказать)
139. Ясницкий Л.Н. Обзор работ по развитию и применению метода фиктивных канонических областей в научных и инженерных проблемах // Современные проблемы науки и образования. – 2012. – № 4; URL: http://www.science-education.ru/104-6786 (дата обращения: 27.07.2012) (Скачать).
140. Ясницкий Л.Н., Сичинава З.И., Черепанов Ф.М. Нейросетевой детектор лжи: принципы построения и опыт разработки. – Saarbrucken (Germany): LAP LAMBERT Academic Publishing GmbH & Co. KG., 2012. – 115p.
141. Черепанов Ф.М., Ясницкий Л.Н. Исследовательский симулятор нейронных сетей // Теория управления и математическое моделирование. Труды конференции. Ижевск, 15-18 мая 2012 г. – Ижевск : Изд-во ИжГТУ, 2012. – С. 87-88.
142. Буров А.М., Пручковский Л.О., Ясницкий Л.Н. Разработка системы оценки кредитоспособности юридических лиц с использованием нейросети // Теория управления и математическое моделирование. Труды конференции. Ижевск, 15-18 мая 2012 г. – Ижевск : Изд-во ИжГТУ, 2012. – С. 10-12.
143. Богданов К.В., Думлер А.А., Полещук А.Н., Черепанов Ф.М., Ясницкий Л.Н. // Теория управления и математическое моделирование. Труды конференции. Ижевск, 15-18 мая 2012 г. – Ижевск : Изд-во ИжГТУ, 2012. – С. 7-9.
144. Буров А.М., Пручковский Л.О., Ясницкий Л.Н. Разработка системы оценки кредитоспособности юридически лиц с использованием нейросети // X всероссийская научная конференция «Нейрокомпьютеры и их применение». Тезисы докладов. – М: МГППУ, 2012. – С. 13.
145. Гусев А.Л., Черепанов Ф.М., Ясницкий Л.Н. Функциональная предобработка входных сигналов нейронной сети // X всероссийская научная конференция «Нейрокомпьютеры и их применение». Тезисы докладов. – М: МГППУ, 2012. – С. 25.
146. Ясницкий Л.Н., Кирилловых С.А. Возможности учета социального фактора в работе генетических алгоритмов при проектировании и обучении нейронных сетей // X всероссийская научная конференция «Нейрокомпьютеры и их применение». Тезисы докладов. – М: МГППУ, 2012. – С. 26.
147. Черепанов Ф.М., Ясницкий Л.Н. Исследовательский симулятор нейронных сетей // X всероссийская научная конференция «Нейрокомпьютеры и их применение». Тезисы докладов. – М: МГППУ, 2012. – С. 31.
148. Ясницкий Л.Н., Сичинава З.И. Варианты построения нейросетевого детектора лжи // X всероссийская научная конференция «Нейрокомпьютеры и их применение». Тезисы докладов. – М: МГППУ, 2012. – С. 53-55.
149. Богданов К.В., Думлер А.А., Полещук А.Н., Черепанов Ф.М., Ясницкий Л.Н. Нейросетевая система диагностики и прогнозирования развития заболеваний сердечно-сосудистой системы // X всероссийская научная конференция «Нейрокомпьютеры и их применение». Тезисы докладов. – М: МГППУ, 2012. – С. 57-59.
150. Ясницкий Л.Н. О приеме диагонализации матриц в методе конечных элементов при решении нестационарных задач // Вестник Пермского университета. Серия: Математика. Механика. Информатика. 2012. № 3(11). С.73-79. (Скачать)
151. Байдин Д.Ю., Макурина Т.В., Черепанов Ф.М., Ясницкий Л.Н. Нейросетевая система прогнозирования склонности к научной деятельности //Актуальные проблемы математики, механики, информатики: сб. тез. Научню- практ. Конф. (Пермь, 30 октября – 1 ноября 2012 г.) / Перм. Гос. Нац. Исслед. Ун-т. – Пермь, 2012. – С.153.
152. Богданов К.В., Ясницкий Л.Н. О возможности создания гибридной нейроэкспертной системы диагностики и прогнозирования заболеваний сердечнососудистой системы //Актуальные проблемы математики, механики, информатики: сб. тез. Научню- практ. Конф. (Пермь, 30 октября – 1 ноября 2012 г.) / Перм. Гос. Нац. Исслед. Ун-т. – Пермь, 2012. – С.157.
153. Ясницкий Л.Н. Пермскому отделению Научного Совета РАН по методологии искусственного интеллекта семь // Специалист XXI века: экономическое образование в обеспечении устойчивого развития человеческого потенциала : материалы российской научно-практической конференции с международным участием, посвященной 65-летию кафедры экономики ПГГПУ (20-21 ноября 2012 г., г.Пермь); Перм. Гос. Гуманит.-пед. Ун-т. – Пермь. – С.38-40.
154. Ясницкий Л.Н., Липатова Е.В. Интеллектуальная система оценки кредитоспособности заемщиков банка // Специалист XXI века: экономическое образование в обеспечении устойчивого развития человеческого потенциала : материалы российской научно-практической конференции с международным участием, посвященной 65-летию кафедры экономики ПГГПУ (20-21 ноября 2012 г., г.Пермь); Перм. Гос. Гуманит.-пед. Ун-т. – Пермь. – С.273-278.
155. Байдин Д.Ю. Макурина Т.В., Черепанов Ф.М., Ясницкий Л.Н. Нейросетевая система прогнозирования склонности к предпринимательской и научной деятельности // Специалист XXI века: экономическое образование в обеспечении устойчивого развития человеческого потенциала : материалы российской научно-практической конференции с международным участием, посвященной 65-летию кафедры экономики ПГГПУ (20-21 ноября 2012 г., г.Пермь); Перм. Гос. Гуманит.-пед. Ун-т. – Пермь. – С.281.
156. Буров А.М., Пручковский Л.О., Черепанов Ф.М., Ясницкий Л.Н. Нейросетевая система оценки кредитоспособности юридических лиц // Специалист XXI века: экономическое образование в обеспечении устойчивого развития человеческого потенциала : материалы российской научно-практической конференции с международным участием, посвященной 65-летию кафедры экономики ПГГПУ (20-21 ноября 2012 г., г.Пермь); Перм. Гос. Гуманит.-пед. Ун-т. – Пермь. – С.284-285.
157. Ясницкий Л.Н., Черепанов Ф.М. Применение нейросетевых технологий в политологии (Вводная статья) // Нейрокомпьютерная парадигма и общество / Под ред. Ю.Ю. Петрунина. М.: Издательство Московского университета, 2012. С. 13-25.
158. Байдин Д.Ю., Макурина Т.В. Нейросетевая система прогнозирования склонности к предпринимательской и научной деятельности // XI Всероссийская научная конференция «Нейрокомпьютеры и их применение». Тезисы докладов. М.: МГППУ, 2013. С.22-23.
159. Баталов А.С. Конструктивный алгоритм обучения сети Кохонена // XI Всероссийская научная конференция «Нейрокомпьютеры и их применение». Тезисы докладов. М.: МГППУ, 2013. С.42.
160. Баталов М.С. Искусственные нейронные сети в задаче идентификации объекта // XI Всероссийская научная конференция «Нейрокомпьютеры и их применение». Тезисы докладов. М.: МГППУ, 2013. С.58.
161. Чернопятов А.В. Подготовка обучающего множества для обучения искусственной нейронной сети, которая распознает символы гсударственых номерных знаков // XI Всероссийская научная конференция «Нейрокомпьютеры и их применение». Тезисы докладов. М.: МГППУ, 2013. С.64.
162. Худякова А.В. Информационная система проектирования индивидуальной образовательной траектории учащихся // XI Всероссийская научная конференция «Нейрокомпьютеры и их применение». Тезисы докладов. М.: МГППУ, 2013. С.105.
163. Байдин Д.Ю. Определение способности к научной деятельности с помощью нейронных сетей // Искусственный интеллект: философия, методология, инновации. Сборник трудов VII Всероссийской конференции студентов, аспирантов и молодых ученых. Часть 2. г. Москва, МГТУ МИРЭА, 13-15 ноября 2013 г. – М.: «Радио и Связь», 2013. – С. 10-15.
164. Пастухова Н.А., Худякова А.В. Информационная система прогнозирования демографической ситуации в Пермском крае // Искусственный интеллект: философия, методология, инновации. Сборник трудов VII Всероссийской конференции студентов, аспирантов и молодых ученых. Часть 2. г. Москва, МГТУ МИРЭА, 13-15 ноября 2013 г. – М.: «Радио и Связь», 2013. – С. 41-47.
165. Чернопятов А.В. Искусственный интеллект и системы видеонаблюдения // Искусственный интеллект: философия, методология, инновации. Сборник трудов VII Всероссийской конференции студентов, аспирантов и молодых ученых. Часть 2. г. Москва, МГТУ МИРЭА, 13-15 ноября 2013 г. – М.: «Радио и Связь», 2013. – С. 123-128.
166. Чадова А.А. Возможности определения шансов на победу в музыкальном конкурсе «Евровидение» методами искусственного интеллекта // Искусственный интеллект: философия, методология, инновации. Сборник трудов VII Всероссийской конференции студентов, аспирантов и молодых ученых. Часть 2. г. Москва, МГТУ МИРЭА, 13-15 ноября 2013 г. – М.: «Радио и Связь», 2013. – С. 1162-168.
167. Чернопятов А.В. Нетраддиционный подход при подготовке обучающего множества для искусственных нейронных сетей // Современные проблемы математики и ее прикладные аспекты – 2013: сб. тез. Науч.-практ. Конф. (Пермь, 29-31 октября 2013 г.). Перм. Гос. Нац. Исслед. Ун-т. – Пермь, 2013. – С. 59.
168. Ясницкий Л.Н., Богданов К.В., Черепанов Ф.М. Технология нейросетевого моделирования и обзор работ Пермской научной школы искусственного интеллекта // Фундаментальные исследования. 2013. № 1-3. С. 736-740. (Скачать)
169. Гусев А.Л., Черепанов Ф.М., Ясницкий Л.Н. Функциональная предобработка входных сигналов нейронной сети // Нейрокомпьютеры: разработка, применение. 2013. № 5. С. 19 – 21.
170. Ясницкий Л.Н., Субботин К.В., Черепанов Ф.М. Нейросетевая система прогнозирования результатов гонок «Формула-1» // XI Всероссийская научная конференция «Нейрокомпьютеры и их применение». Тезисы докладов. М.: МГППУ, 2013. С.105-106.
171. Здулина Л.Ф., Ясницкий Л.Н. Прогнозирование эффективности производства животноводческого цеха с помощью интеллектуальных информационных систем // XXI век – время молодых: материалы шестой открытой науч.-практ. конф. студентов, аспирантов и молодых ученых. – Пермь: ПГГПУ, 2013.
172. Пастухова Н.А., Худякова А.В., Ясницкий Л.Н. Информационная система прогнозирования демографической ситуации в Пермском крае // XXI век – время молодых: материалы шестой открытой науч.-практ. конф. студентов, аспирантов и молодых ученых. – Пермь: ПГГПУ, 2013.
173. Ясницкий Л.Н., Думлер А.А., Богданов К.В., Полещук А.Н., Черепанов Ф.М., Макурина Т.В., Чугайнов С.В. Диагностика и прогнозирование течения заболеваний сердечно-сосудистой системы на основе нейронных сетей // Медицинская техника. 2013. № 3. с. 42-44. (Скачать)
174. Ясницкий Л.Н., Думлер А.А., Богданов К.В., Ф.М.Макурина, Полещук А.Н., Черепанов Ф.М., Чугайнов С.В. Нейросетевая система диагностики и прогнозирования течения заболеваний сердечнососудистой системы // Медико-экологические информационные технологии – 2013: сборник материалов XVI Международной научно-технической конференции; Юго-западный государственный университет. Курск, 2013. С.79-85.
175. Yasnitsky L.N., Dumler A.A., Bogdanov K.V., Poleschuk A.N., Cherepanov F.M., Makurina T.V., Chugaynov S.V. Diagnosis and Prognosis of Cardiovascular Diseases on the Basis of Neural Networks // Biomedical Engineering. 2013. Vol. 47. No 3. Pp. 160-163.
176. Ясницкий Л.Н., Павлов И.В., Черепанов Ф.М. Прогнозирование результатов олимпийских игр 2014 года в неофициальном командном зачете методами искусственного интеллекта // Современные проблемы науки и образования. – 2013. – № 6; URL: http://www.science-education.ru/113-11206.
177. Ясницкий Л.Н., Внукова О.В., Черепанов Ф.М. Прогноз результатов олимпиады-2014 в мужском одиночном фигурном катании методами искусственного интеллекта // Современные проблемы науки и образования. – 2014. – № 1; URL: http://www.science-education.ru/115-11339.
178. Ясницкий Л.Н., Черепанов Ф.М. Возможности преподавания курса «Искусственный интеллект» в школе // Информатика в школе: прошлое, настоящее и будущее: Материалы Всероссийской научно-методической конференции по вопросам применения ИКТ в образовании, 6 – 7 февраля 2014 г.; Перм. Гос. Нац. Исслед. Ун-т. Пермь, 2014. – С. 271-273.
179. Черепанов Ф.М., Ясницкий Л.Н. Нейросимулятор 4.0. Свидетельство о государственной регистрации программы для ЭВМ № 2014612546. Заявка Роспатент № 2014610341. Зарегистрировано в Реестре программ для ЭВМ 28 февраля 2014г.
180. Ясницкий Л.Н. Нейросетевые и нейрокомпьютерные технологии - инструмент для получения новых научных знаний в промышленности, в медицине, в спорте, в политологии и социологии, в экономике и бизнесе и в др. областях // XII Всероссийская научная конференция «Нейрокомпьютеры и их применение». Тезисы докладов. – М.: ГБОУ ВПО МГГПУ, 2014. – С. 112.
181. Ясницкий Л.Н., Кировоса А.В., Ратегова А.В., Черепанов Ф.М. Прогноз результатов чемпионата мира-2015 по легкой атлетике методами искусственного интеллекта // Современные проблемы науки и образования. – 2014. – № 4; URL: http://www.science-education.ru/118-14423
182. Ясницкий Л.Н., Иванов Д.В., Липатова Е.В. Нейросетевая система оценки вероятности банкротства банков // Бизнес-информатика. 2014. № 3. С. 49-56. (Скачать)
183. Ясницкий Л.Н., Киросова А.В., Ратегова А.В., Черепанов Ф.М. Методика прогнозирования результатов спортивных состязаний на примере чемпионата мира-2015 по легкой атлетике // Вестник Пермского университета. Серия: Математика. Механика. Информатика. 2014. № 3. С. 90-97. (Скачать)
184. Черепанов Ф.М., Ясницкий Л.Н. Нейросимулятор 5.0. Свидетельство о государственной регистрации программы для ЭВМ № 2014618208. Заявка Роспатент № 2014614649. Зарегистрировано в Реестре программ для ЭВМ 12 августа 2014г.
185. Ясницкий Л.Н., Михалева Ю.А., Черепанов Ф.М. Возможности методов искусственного интеллекта для выявления и использования новых знаний на примере задачи управления персоналом // International Journal of Unconventional Science. Журнал Формирующихся Направлений Науки. 2014. Вып. 6; URL: http://www.unconv-science.org/n6/yasnitsky
186. Ясницкий Л.Н., Байдин Д.Ю., Богданов К.В., Гладкий С.Л., Гусев А.Л., Думлер А.А., Зайцева Н.В., Макурина Т.В., Пенский О.Г., Петров А.М., Семакин И.Г., Сичинава З.И., Федорищев И.Ф., Халиулин В.Ф., Черепанов Ф.М. Пермское отделение Научного Совета РАН по методологии искусственного интеллекта: история и основные даты // Вестник Пермского университета. Серия: Математика. Механика. Информатика. 2014. № 1. С.56-68.
187. Ясницкий Л.Н., Кузнецов А.Г., Селезнева С.М., Солохина А.Д., Тюлькина Д.В., Черепанов Ф.М. Применение нейросетевых технологий в изучении акмеологического потенциала студентов вуза // Вестник Пермского университета. Серия: Математика. Механика. Информатика. 2014. № 4. С.120-126.
188. Гусев А.Л., Ясницкий Л.Н. Возможности нейросетевого прогнозирования продолжительности жизни социально-биологических систем // XIII Всероссийская научная конференция «Нейрокомпьютеры и их применение». Тезисы докладов. – М.: ГБОУ ВПО МГГПУ, 2015. – С. 114.
189. Ясницкий Л.Н. Методические проблемы и возможности получения новых научных знаний с помощью нейронных сетей // XIII Всероссийская научная конференция «Нейрокомпьютеры и их применение». Тезисы докладов. – М.: ГБОУ ВПО МГГПУ, 2015. – С. 115.
190. Алексеева Н.Е., Ясницкий Л.Н. Прогнозирование потенциальных возможностей гроссмейстеров завоевать титул чемпиона мира по шахматам с использованием нетрадиционных знаний // XIII Всероссийская научная конференция «Нейрокомпьютеры и их применение». Тезисы докладов. – М.: ГБОУ ВПО МГГПУ, 2015. – С. 116-117.
191. Ясницкий Л.Н., Грацилев В.И., Куляшова Ю.С., Черепанов Ф.М. Возможности моделирования предрасположенности к наркозависимости методами искусственного интеллекта. Вестник Пермского университета. Серия: Философия. Психология. Социология. 2015. № 1(21). С. 61-71. (Скачать)
192. Ясницкий Л.Н. Ответ на рецензию Ю.Ю. Петрунина «Астрология, нейронные сети и управление персоналом» // International Journal of Unconventional Science. Журнал Формирующихся Направлений Науки. 2015. Вып. 7. Том 3; URL: http://www.unconv-science.org/n7/yasnitsky/ (Скачать)
193. Ясницкий Л.Н. Нейронные сети – инструмент для получения новых знаний: успехи, проблемы, перспективы // Нейрокомпьютеры: разработка, применение. 2015. № 5. С. 48-56. (Скачать)
194. Yasnitsky L.N., Dumler A.A., Poleshchuk A.N., Bogdanov C.V., Cherepanov F.M. Artificial Neural Networks for Obtaining New Medical Knowledge: Diagnostics and Prediction of Cardiovascular Disease Progression // Biology and Medicine (Aligarh). 2015. 7(2): BM-095-15, 8 pages. (Скачать)
195. Ясницкий Л.Н., Ваулева С.В., Сафонова Д.Н., Черепанов Ф.М. Использование методов искусственного интеллекта в изучении личности серийных убийц // Криминологический журнал Байкальского государственного университета экономики и права. 2015. Т.9, №3. С. 423-430. (Скачать)
196. Кумпан Н.А. Разработка нейросетевой системы диагностики заболеваний пыльцевого и инфекционного ринитов. // XIII Всероссийская научная конференция «Нейрокомпьютеры и их применение» Тезисы докладов. – М.: ГБОУ ВПО МГГПУ, 2015. – С. 114-115.

Награды

Контакты

Профессор Ясницкий Леонид Нахимович

E-Mail:

История Пермской научной школы искусственного интеллекта

Своим появлением в Перми Искусственный Интеллект обязан организатору и научному руководителю первого в Перми вычислительного центра Пермского государственного университета (ПГУ, позднее переименованный в ПГНИУ), основателю кафедрой прикладной математики ПГУ Юрию Владимировичу Девингталю. В вычислительном центре им была сформирована исследовательская группа, занимавшаяся распознаванием образов. Его работы [18, 19] положили начало пермских исследований в области искусственного интеллекта, впоследствии получивших научное признание и практическое применение. На протяжении длительного времени, читая блестящие лекции по искусственному интеллекту, Юрий Владимирович зародил интерес к искусственному интеллекту не у одного поколения студентов Пермского университета.

В 2001 году издательским отделом Пермского госуниверситета выпускается книга Л.Н.Ясницкого «Введение в искусственный интеллект» [42], посвященная памяти Ю.В.Девингталя. Книга является учебно-методическим пособием и охватывает широкий круг вопросов – от проблем творчества, сочинения стихов и музыкальных произведений до решения краевых задач математической физики. В ней находят отражение научные интересы автора, предлагающего применение методов искусственного интеллекта в прочностных расчетах. Этой теме посвящены его работы [17, 37, 39-41, 44, 46, 51, 52, 58, 68, 69, 74-76], а также нашумевшая в свое время газетная статья Л.Н.Ясницкого «По ком звонит ANSYS, или Почему так часто стали падать самолеты, взрываться ракеты, рушиться здания» [63]. В этой статье поставлены под сомнение многочисленные заключения о виновности летчиков в начавшейся в то время серии авиакатастроф, подвергнуты критике широко применяемые в инженерной практике программные пакеты прочностных расчетов, реализующие численные методы, не позволяющие выполнять надежные оценки погрешностей получаемых решений. В качестве альтернативы в статьях [44, 63, 69] предлагается сочетание методов искусственного интеллекта и метода фиктивных канонических областей (ФКО) [58], приводящего к точным аналитическим решениям краевых задач.

К сожалению, статья [63] и публикации [44, 63, 69] опередили свое время. Волна техногенных аварий и катастроф еще только начиналась, и проблема выяснения и ликвидации их причин еще не стала достаточно актуальной. Тем не менее, многие сайты перекопировали эту статью на свои страницы, вызвав сотни просмотров и обсуждений, а ученые Санкт-Петербургского университета перепечатали ее как вводную статью к трудам своего семинара [69].

В 2006 году в диссертационном совете ПГУ защищает кандидатскую диссерта-цию С.Л.Гладкий [7]. Его диссертация посвящена дальнейшему развитию и применению метода ФКО. Разработанный им пакет прикладных программ REGIONS [14] является уникальным, не имеющим аналогов наукоем-ким программным продуктом, позволяющим выполнять прочностные расчеты и проектирование инженерных конструкций ответственного назначения с надежно оцениваемой точностью. Метод ФКО, предложенный Л.Н.Ясницким [57, 59] и развитый С.Л.Гладким [7, 9, 12, 13, 14], применен для проектирования и расчета многих инженерных конструкций и процессов ответственного назначения [1-4, 7-13, 15, 20-22, 31, 39-42, 55-59, 68, 76].

Новое перспективное научное направление развития и применения методов искусственного интеллекта в Перми связано с нейросетевыми технологиями. В 2001 году начинается проект создания нейросетевой системы диагностики авиационных двигателей. Работа выполняется в сотрудничестве с АО «Авиадвигатель». В ПГУ поставляются сведения о дефектах, обнаруженных при стендовых испытаниях двигателей, а также комплекс полетных параметров, характеризующих работу двигателя до его постановки на стенд. Таким образом, формируются обучающее и тестирующее множества примеров, создается нейронная сеть, на вход которой подаются полетные параметры двигателя, а с выхода снимаются сведения о его дефектах (рис. 3).

Нейронная сеть обучается и проходит тестовые испытания на примерах, которых не было в обучающем множестве. Устраиваются дополнительные проверки. Ученым предоставляется комплекс полетных параметров с вновь прибывшего на испытания авиадвигателя. Параметры подаются на вход нейронной сети, и она ставит диагнозы, совпадающие с теми, которые получены на заводе при испытаниях нового двигателя [23].

Но, возникает вопрос, связанный с тем, что нейросеть в качестве одного из диагнозов ставит: «Появление стружки в масле». Между тем, специалистам известно, что на появление стружки в масле полетные параметры двигателя (температура, давление и др.) никак не реагируют. Следовательно, нейросеть, на вход которой подаются эти параметры, принципиально не должна ставить диагноз «стружка в масле».

Но она его ставит, и оказывается права!

Это значит, что нейронная сеть принимает правильные решения, используя информацию, недостаточную, с точки зрения традиционной логики. В жизни это свойство мозга принято называть «интуицией» или «шестым чувством». Неужели нейронная сеть, выполненная «по образу и подобию» человеческого мозга, унаследовала от него и это свойство?

Впоследствии, материалистическое объяснение нейросетевой интуиции, в случае с диагностикой авиадвигателей, было найдено. По-видимому, появление стружки в маслоблоке все-таки оказывает слабое, незаметное «на глаз» воздействие, причем не на один, а сразу на несколько полетных параметров. В результате этого вектор входных параметров нейронной сети поворачивается, что и «замечает» нейросеть, выставляя правильный диагноз.

Таким образом, «чудеса» были объяснены, а термины «интуиция» и «шестое чувство» нейронных сетей, впервые введенные в книге [41], стали употребляться многими авторами.

Впоследствии мы не раз сталкивались с этим замечательным свойством нейронных сетей, причем находить объяснения обнаруживаемых явлений, оставаясь в рамках традиционных знаний, удавалось далеко не всегда.

В 2003 г появляется идея создания нейросетевого детектора лжи. Главный полиграфолог Пермского края полковник МВД Аскольд Маркович Петров любезно согласился провести экскурсию для пермских ученых. Его полиграфный аппарат системы «Эпос-7» безошибочно уличает всех желающих в попытках обмана. Ученые выражают свое восхищение, но Аскольд Маркович возражает. Оказывается, три года назад с помощью детектора лжи им было раскрыто преступление, и за убийство был посажен человек. А совсем недавно с повинной явился настоящий убийца. Оказывается, штатный детектор лжи, применяемый в МВД, может ошибаться. Причем, довольно часто. Погрешность заключений полиграфного аппарата Эпос-7 составляет 30%.

Причина низкой точности штатного детектора лжи заключается в том, что он работает по принципу экспертной системы. Ненадежность его заключений, обусловлена тем, что к разным людям, по-разному реагирующим на стрессовые ситуации, применяется одна и та же система решающих правил. Между тем известно, что у одних людей при ложном ответе дыхание учащается, а у других – наоборот замедляется. Аналогично ведут себя кровяное давление, частота сердечных сокращений и т.д.

Нейросетевые технологии позволяют по-новому подойти к проблеме построения детектора лжи. Они позволяют создать компьютерную программу, которая может настраиваться на каждого конкретного человека и учитывать индивидуальные особенности его организма. Одна из первых успешных попыток создания нейросетевого детектора лжи, обладающего указанными свойствами, была предпринята в работах [28, 61, 62, 65, 66]. Наиболее результативной оказалась схема нейронной сети с комбинированным вводом параметров респондента, представленная на рис. 4.

Здесь информация об индивидуальных особенностях организма респондента подается в нейронную сеть с заранее составленной анкеты. Погрешность нейросетевого полиграфного аппарата в разных вариантах исполнения составила от 3,5 до 19,8 % [66], что значительно ниже погрешности штатных полиграфных аппаратов, применяемых в МВД и других госструктурах.

Постепенно клеймо «буржуазной лженауки» с искусственного интеллекта снимается не только на официальном уровне, а нейронные сети перестают называть «тупиковым направлением искусственного интеллекта». Их включают в государственные образовательные стандарты вузов. В 2005 году в Пермском государственном гуманитарно-педагогическом университете создается кафедра прикладной информатики, на базе которой открывается Пермское отделение Научного Совета РАН по методологии искусственного интеллекта (рис. 5). Информация об этом событии размещена на сайте Российской Академии Наук: http://scm.aintell.info.

В план работ Пермского отделения вошли темы, уже ставшие традиционными. Это разработка систем искусственного интеллекта для решения задач диагностики сложных технических устройств, систем медицинской диагностики человека, систем распознавания признаков стресса у человека (разработка детектора лжи), систем прогнозирования фондовых рынков с учетом множества параметров, систем прогнозирования расхода электрической и тепловой энергии предприятиями бюджетной сферы и др., моделирование творческого процесса математика-профессионала, выполняющего решение краевых задач.

Уже с первых дней существования нового научного подразделения пермяки удивили научное сообщество обилием, разнообразием и качеством докладов на ежегодно проводимой в Москве Всероссийской конференции «Искусственный интеллект: философия, методология, инновации». Тринадцать дипломов «За лучшие доклады» на этой престижной конференции выставлены на сайте «Пермской научной школы искусственного интеллекта» www.permai.ru. Всего на этом сайте можно насчитать 30 дипломов, грамот, медалей и прочих наград – результат деятельности Пермского отделения Научного Совета РАН за семилетний срок.

Со временем проект создания научной школы искусственного интеллекта в Перми стал понастоящему междисциплинарным. В его выполнение вовлечены шесть пермских вузов и две научно-производственные фирмы, логотипы которых помещены на рис. 8. Отсюда и разнообразие практических применений нейросетевых технологий. Вот список книг и статей, посвященных применению методов искусственного интеллекта:

• - в промышленности: [5, 6, 9, 37, 41, 67],
• - в экономике и бизнесе: [30, 37, 41, 51, 64],
• - в политологии и социологии [41, 51, 60, 71, 72],
• - в криминалистике [61, 65, 66],
• - в экологии [45, 46, 50],
• - в педагогике [29, 32, 53, 54, 70],
• - в исторической науке [24],
• - в медицине [41, 47, 48],
• - в туризме [38],
• - в спорте [43],
• - в робототехнике [26, 27].

В настоящее время основным инструментом научных исследований Пермского отделения Научного Совета РАН являются нейросетевые технологии. Своим быстрым освоением и широким использованием в Перми эти технологии во многом обязаны программному инструментарию, созданному и постоянно совершенствуемому старшим преподавателем ПГГПУ Ф. М.Черепановым [32-34]. Именно благодаря его талантливым разработкам был зафиксирован первый в истории пермских университетов случай продажи патента – неисключительная лицензия на патенты [32, 34].

Предложенные в 1950-х гг. американскими исследователями У.Мак-Каллоком, В.Питтсем и Ф.Розенблатом и существенно развитые в начале 1970-х гг. советскими учеными В.И.Галушкиным, А.С.Заком, Б.П.Тюховым, нейронные сети реализуются по принципам построения и функционирования человеческого мозга. От него, как от своего прототипа, они наследуют полезные свойства: способность обучаться; способность извлекать знания из статистических данных; способность обобщать их в виде законов и закономерностей; свойство интуиции, как способность принимать правильные решения, выполнять верные прогнозы в тех случаях, когда обычная логика оказывается бессильной. Как убедительно показывает наш собственный опыт, хорошо спроектированные и правильно обученные нейронные сети способны строить адекватные математические модели и с помощью них выполнять высокоточные прогнозы во многих областях.

Так, в работе [51] (см. рис. 10) была спрогнозирована победа Д.Медведева за полтора года до президентских выборов 2008-го года, когда его личность как политика еще была мало известна. В работах [60, 71], опубликованных в 2008 и в 2010 гг., когда президент Д.Медведев был на вершине своей популярности, ему прогнозировалось снижение рейтинга (см. рис. 11, а), тогда как другому политику – В.Жириновскому, прогнозные кривые предсказали постепенный рост популярности (см. рис. 11, б), что и наблюдалось в последующие годы.

С удовлетворением отметим, что в 2012 году факультет государственного управления МГУ им. М.В.Ломоносова перепечатал методику и результаты сбывшихся политических прогнозов пермских ученых (рис. 10, 11) в качестве вводной статьи в своем сборнике научных трудов [72].

Особое место среди проектов Пермской научной школы искусственного интеллекта занимает экономическое направление. Вот названия выпускных студенческих работ, посвященные экономической тематике:

• - Оценка банковских рисков: разработка интеллектуальных систем определения платежеспособности физических и юридических лиц.
• - Разработка интеллектуальных систем оценки стоимости городской и загородной недвижимости, стоимости подержанных автомобилей.
• - Прогнозирование банкротств предприятий и моделирование их предотвращения.
• - Прогнозирование рецессий.
• - Прогнозирование курсов валют, котировок акций и экономических индексов.
• - Моделирование и исследование рынков сбыта предприятий.
• - Моделирование и оптимизация бизнес-процессов.
• - Прогнозирование вероятности отзыва лицензии банков.

Ряд проектов, выполняемых на эти темы, обладают солидной научной новизной. Например, рынок банковских услуг, стоимость недвижимости, прогнозирование экономической стабильности предприятий, моделирование бизнес-процессов выполняется с учетом общеэкономической обстановки в стране и в мире, цен на нефть, возможности экономических кризисов и форс-мажорных ситуаций.

Учеными Пермской научной школы искусственного проекта выполнены десятки проектов в самых различных областях. Результаты некоторых получили внедрение. Однако большинство из них являются инициативными, доведены только до демонстрационных прототипов и ждут своих потребителей. Это проекты создания интеллектуальных систем, позволяющих выявлять способности людей, например – к руководящей деятельности, к занятиям наукой и бизнесом. Это программы-тесты, выявляющие склонность человека к воровству, алкоголизму, наркомании, гомосексуализму, серийным убийствам и т.д. В отличие от широко применяемых психологических тестов, эти программы, в силу своей интеллектуальной базы, обучены на реальном жизненном опыте и используют выявленные из этого опыта закономерности, а потому объективны по своей природе и имеют более высокую точность.

Недавно в средствах массовой информации были опубликованы результаты наших прогнозов относительно Олимпиады-2014 (www.perm.aif.ru/society/people/1034930, www.poisknews.ru/theme/infosphere/8714/). По этому поду следует заметить, что спортивная тема у нас является новой и выполняется пока как инициативная, без финансовой поддержки, причем, главным образом – силами студентов пермских вузов. И то, что опубликовано в СМИ – это лишь небольшая часть всего, что можно сделать в области спортивной науки с помощью имеющихся у нас интеллектуальных инструментов.

Наиболее адекватные математические модели нам удалось получить для одиночных видов спорта, например – для фигурного катания [43]. Такие модели можно использовать не только для прогнозов результатов будущих состязаний, но и для оптимизации планов подготовки спортсменов, обеспечивающих их наилучшие результаты.

Отметим, что нейросетевыми и нейрокомпьютерными технологиями в настоящее время активно овладевают многие научные коллективы, как в России, так и за рубежом. Однако теоретическая база этих технологий пока что развита очень слабо, поэтому успех создания качественных нейросетевых математических моделей во многом зависит от опыта и интуиции их создателей. Каждая научная школа имеет свою историю, традиции, свои собственные наработки, методы, опыт, ноу-хау. И Пермская научная школа искусственного интеллекта не является исключением. Ее опыт, наработки и инструменты могут быть применены для создания интеллектуальных систем, предназначенных для оптимизации подготовки спортсменов, для разработки рекомендаций, учитывающих их индивидуальные параметры и особенности, которые человеческому глазу не заметны.

В 2013 году закончился финансированный Правительством Пермского края и Группой компаний ИВС проект создания медицинской диагностической системы, выполняемый совместно с Пермской медицинской академией им. академика Е.А.Вагнера. Обученная на 800 примерах реальных кардиологических больных, нейронная сеть с достаточно высокой точностью ставит диагнозы наиболее распространенных заболеваний сердечнососудистой системы. Применение компьютерной диагностической системы, на сегодняшний день наиболее актуально в отдаленных селах, где отсутствуют высококвалифицированные специалисты и медицинской оборудование. Кроме того, по мнению авторитетных врачей-кардиологов, выявленные в результате исследования нейросетевой системы новые медицинские знания, имеют как научное, так и практическое значение [47, 73].

К этому следует добавить, что в мире сейчас существуют сотни нейросетевых систем медицинской диагностики, однако только система, разработанная нами, помимо диагностики умеет выполнять долгосрочное прогнозирование развития заболеваний на 5, 10 и 15 лет вперед (см. рис. 12), а также подбирать оптимальный образ жизни и лечения больных, желающих улучшить свои прогнозные показатели здоровья.

Мы уже давно привыкли к тому, что интеллектуальные компьютерные программы выявляют и используют новые, неизвестные ранее научные знания, проявляют такие человеческие качества, как «интуиция» и «шестое чувство». На эту тему нами опубликованы десятки научных статей, в том числе – в авторитетных рецензируемых журналах, выпущены десятки монографий и учебных пособий.

Немалый прогресс достигнут в разработке методики преподавания искусственного интеллекта в системе высшего образования. До 2000 года из всех пермских вузов искусственный интеллект преподавался только в одном – на механико-математическом факультете Пермского государственного университета. Теперь методы построения интеллектуальных информационных систем изучаются во многих пермских вузах, таких как ПГГПУ, ВШЭ, ПНИПУ, РГУТИС. Разработан лабораторный практикум http://lbai.ru, выпущены учебные пособия, которыми пользуются студенты и преподаватели во многих городах России. Книга Л.Н.Ясницкого «Введение в искусственный интеллект», первоначально выпущенная в 2001 году [42], трижды переизданная московским издательством центром «Академия» [39-41], пользуется популярностью среди студентов и преподавателей вузов. По данным eLIBRARY на четыре издания этой книги зафиксировано более 100 ссылок российских авторов, за что Фонд развития отечественного образования удостоил ее дипломом «Лучшей научной книги 2008 года».

Благодаря методическим разработкам Пермской научной школы студенты перестали называть предмет «Искусственный интеллект» трудным. За дисциплиной закрепилась характеристика «любимого» и «очень нужного» для будущей жизни предмета.

Цель нашего нового проекта – сделать изучение искусственного интеллекта доступным не только для студентов, но и для школьников. С этой целью совместно с Издательством «БИНОМ. Лаборатория знаний» (Москва) создан элективный учебно-методический комплекс (http://gazeta.lbz.ru/2012/1/1nomer.pdf) [54, 70].

Некогда «гадкий утенок» на наших глазах превратился в «прекрасного лебедя»!

Искусственный интеллект стал по-настоящему востребован в Перми, впрочем, как и во всем мире.

Список литературы

1. Акмалов М.Р., Симакина Н.И., Ясницкий Л.Н. Компьютерное моделирование напряженного состояния и оптимизация формы керамических запорных элементов трубопроводной арматуры // Динамика и прочность машин. Вестник Пермского государственного технического университета. 2000. С.123-129.
2. Акмалов Р.З., Ясницкий Л.Н. Задвижки с керамическими запорно-регулирующими элементами и особенности их проектирования // Известия вузов. Машиностроение. 2001. №5. С.27-34.
3. Ашманов В.Д., Ощепков В.А., Петенко В.И., Ясницкий Л.Н. Моделирование напряженно-деформированного состояния полотна пильной шины // Динамика и прочность машин. Вестник ПГТУ. №4. Пермь: Изд-во ПГТУ, 2003. С.70-78.
4. Ашманов В.Д., Ощепков В.А. Ясницкий Л.Н. Новая конструкция многослойного полотна шины цепной пилы // Известия вузов. Машиностроение. 2004. № 6. С. 28-36.
5. Бондарь В.В., Малинин Н.А., Ясницкий Л.Н. Нейросетевой прогноз потребления электроэнергии, анализ значащих факторов и разработка полезных рекомендаций // Вестник Пермского университета. Серия: Математика. Механика. Информатика. 2006. № 4 – С. 10-17.
6. Бондарь В.В., Малинин Н.А. Ясницкий Л.Н. Нейросетевой прогноз потребления электроэнергии предприятиями бюджетной сферы. Вестник Пермского университета. Серия: Математика. Механика. Информатика. 2005. № 2. С.23-27.
7. Гладкий С.Л. Развитие и применение метода фиктивных канонических областей //Диссертация на соискание ученой степени кандидата физико-математических наук. Пермь, 2007.
8. Гладкий С.Л., Семенова А.В., Степанов Н.А., Ясницкий. Компьютерное моделирование и оптимизация процесса получения искусственно-керамических покрытий // Вестник Пермского государственного технического университета. Динамика и прочность машин. Вып.5. Пермь: Изд-во ПГПУ, 2005. С.142-149.
9. Гладкий С.Л., Степанов Н.А., Ясницкий Л.Н. Интеллектуальное моделирование физических проблем / Под ред. Л.Н.Ясницкого – Москва-Ижевск: НИЦ Регулярная и хаотическая динамика, 2006 – 200 с.
10. Гладкий С.Л., Таланцев Н.Ф., Ясницкий Л.Н. Верификация численных расчетов методом фиктивных канонических областей // Вестник Пермского университета. Математика. Механика. Информатика. 2006. № 4. С.18-27.
11. Гладкий С.Л., Тарунин Е.Л., Ясницкий Л.Н. Применение метода фиктивных канонических областей в задачах электростатики // Вестник Пермского университета. Серия: Физика. 2011. № 3. С.96-102.
12. Гладкий С.Л., Ясницкий Л.Н. Об оценке погрешности метода фиктивных канонических областей // Известия Российской академии наук. Механика твердого тела. 2002. № 6. С.69-75.
13. Гладкий С.Л., Ясницкий Л.Н. Решение трехмерных задач теплопроводности методом фиктивных канонических областей // Вестник Пермского университета. Серия: Математика. Механика. Информатика. 2011. № 5. С.41-45.
14. Гладкий С.Л., Ясницкий Л.Н. REGIONS. Свидетельство об официальной регистрации программы для ЭВМ № 2006611607. Заявка Роспатент № 2006610920. Зарегистрировано в Реестре программ для ЭВМ 12 мая 2006г.
15. Горчаков А.И., Семенова А.В., Сыроватская Ю.В., Щербаков Ю.В., Ясницкий Л.Н. Влияние геометрических параметров микродугового оксидирования на равномерность покрытий, формируемых на алюминиевых сплавах // Физика и химия обработки материалов. 2004. № 1. С.43-47.
16. Гусев А.Л., Черепанов Ф.М., Ясницкий Л.Н. Функциональная предобработка входных сигналов нейронной сети // Нейрокомпьютеры: разработка, применение. 2013. № 5. С. 19 – 21.
17. Гусман С.Ч., Ясницкий Л.Н. Обоснование выбора фиктивных канонических областей. // Вестник Пермского университета. Математика, информатика, механика. 1994. № 1. С.55-65.
18. Девингталь Ю.В. Об оптимальном кодировании объектов при классификации их методами распознавания образов // Известия Российской академии наук. Техническая кибернетика. 1968. №1. С.162-168.
19. Девингталь Ю.В. Кодирование объектов при использовании разделяющей гиперпроскости для их классификации // Известия Российской академии наук. Техническая киберне-тика. 1976. Вып.1. С.68-72.
20. Добрынин Г.Ф., Ясницкий Л.Н. Прочностные расчеты изоляторов // Стекло и керамика. 1994. №7. С.40-43.
21. Кирко И.М., Терровере В.Р., Ясницкий Л.Н. Новая оптимальная форма маховичного накопителя // Доклады Академии наук. Техническая физика. 1989. Т. 307. № 6. С.1373-1375.
22. Клименко И.П., Ясницкий Л.Н. К расчету деформированного состояния втулки плунжерной пары методом фиктивных канонических областей // Известия вузов. Машиностроение. 1991. №4-6. С.32-34.
23. Конев С.В., Сичинава З.И. Ясницкий Л.Н. Применение нейросетевых технологий для диагностики неисправностей авиационных двигателей. Вестник Пермского университе-та. Серия: Математика. Механика. Информатика. 2005. № 2. С. 43-47.
24. Корниенко С.И., Айдаров Ю.Р., Гагарина Д.А., Черепанов Ф.М., Ясницкий Л.Н. Программный комплекс для распознавания рукописных и старопечатных текстов // Информационные ресурсы России. 2011. № 1. С. 35-37.
25. Мурашов Д.И., Ясницкий Л.Н. Социальный генетический алгоритм // Вестник Пермского университета. Серия: Математика. Механика. Информатика. 2006. № 4. С. 53-60.
26. Пенский О.Г., Зонова П.О., Муравьев А.Н. и др. Гипотезы и алгоритмы математической теории исчисления эмоций: монография. Пермь: Пермский государственный университет, 2009. 152 с.
27. Пенский О.Г. Математические модели эмоциональных роботов: монография. Пермь: Пермский государственный университет, 2010. 192 с.
28. Петров А.М., Ясницкий Л.Н. Возможности создания нейросетевого полиграфа. Вестник Пермского университета. Серия: Математика. Механика. Информатика. 2005. № 2. С.43-47.
29. Семакин И.Г., Ясницкий Л.Н. Искусственный интеллект и школьный курс информатики // Информатика и образование. 2010. № 9. С.48-54.
30. Тимошенков А.С., Ясницкий Л.Н. Препроцессинг, построение и выбор оптимальных нейросетевых моделей в прогнозировании временных рядов // Автоматизация и современные технологии. 2010. № 06. С. 16-22.
31. Томилов В.А., Клименко И.П., Ясницкий Л.Н. Стабилизация величины зазора плунжерной пары за счет упругих деформаций плунжера // Проблемы машиностроения и надежности машин. 1994. №4. С.109-113.
32. Черепанов Ф.М., Ясницкий Л.Н. Лабораторный практикум по нейросетевым технологиям. Свидетельство о государственной регистрации программы для ЭВМ № 2009611544. Заявка № 2009610226. Зарегистрировано в Реестре программ для ЭВМ 12 марта 2009г. – М: Федеральная служба по интеллектуальной собственности, патентам и товарным знакам (РОСПАТЕНТ), 2009.
33. Черепанов Ф.М., Ясницкий Л.Н. Нейросетевой фильтр для исключения выбросов в статистической информации // Вестник Пермского университета. Серия: Математика. Механика. Информатика. 2008. № 4. С.151-155.
34. Черепанов Ф.М., Ясницкий Л.Н. Симулятор нейронных сетей «Нейросимулятор 1.0». // Свидетельство об отраслевой регистрации разработки №8756. Зарегистрировано в Отраслевом фонде алгоритмов и программ 12.07.2007.
35. Чечулин В.Л., Ясницкий Л.Н. Некоторые ограничения алгоритмически реализуемых нейронных сетей // Нейрокомпьютеры: разработка, применение. 2010. № 12. С. 3-6.
36. Ясницкий Л.Н., Богданов К.В., Черепанов Ф.М. Технология нейросетевого моделирования и обзор работ Пермской научной школы искусственного интеллекта // Фундаментальные исследования. 2013. № 1-3. С. 736-740.
37. Ясницкий Л.Н., Бондарь В.В., Бурдин С.Н. и др. Пермская научная школа искусственного интеллекта и ее инновационные проекты. – 2-е изд. – Москва-Ижевск: НИЦ «Регулярная и хаотическая динамика», 2008. 75 с.
38. Ясницкий Л.Н., Бржевская А.С., Черепанов Ф.М. О возможностях применения методов искусственного интеллекта в сфере туризма // Сервис plus. 2010. № 4. С.111-115.
39. Ясницкий Л.Н. Введение в искусственный интеллект. Издание 2. М.: Издательский центр «Академия», 2008.176с.
40. Ясницкий Л.Н. Введение в искусственный интеллект. Издание 3. М.: Издательский центр «Академия», 2010. 176с.
41. Ясницкий Л.Н. Введение в искусственный интеллект. М.: Издательский центр «Академия», 2005. – 176 с.
42. Ясницкий Л.Н. Введение в искусственный интеллект. Пермь: Изд-во Пермского университета, 2001. 143с.
43. Ясницкий Л.Н., Внукова О.В., Черепанов Ф.М. Прогноз результатов олимпиады-2014 в мужском одиночном фигурном катании методами искусственного интеллекта // Совре-менные проблемы науки и образования. – 2014. – № 1; URL: http://www.science-education.ru/115-11339 (дата обращения: 25.12.2013).
44. Ясницкий Л.Н. Гильберт, Колмогоров, Арнольд, искусственный интеллект и современный кризис прикладной математики (К 70-летию со дня рождения В.И.Арнольда) // Во-просы искусственного интеллекта. 2008. №1. С.77-80.
45. Ясницкий Л.Н., Гусев А.Л., Шур П.З. О возможностях применения нейросетевого математического моделирования для выявления целесообразных действий Роспотребнад-зора // Вестник Пермского университета. Серия: Биология. 2010. № 3. С. 49-53.
46. Ясницкий Л.Н., Данилевич Т.В. Современные проблемы науки. М.: БИНОМ. Лаборатория знаний, 2008. 294 c.
47. Ясницкий Л.Н., Думлер А.А., Богданов К.В., Полещук А.Н., Черепанов Ф.М., Макурина Т.В., Чугайнов С.В. Диагностика и прогнозирование течения заболеваний сердечно-сосудистой системы на основе нейронных сетей // Медицинская техника. 2013. № 3. с. 42-44.
48. Ясницкий Л.Н., Думлер А.А., Полещук А.Н., Богданов К.В., Черепанов Ф.М. Нейросетевая система экспресс-диагностики сердечно-сосудистых заболеваний // Пермский меди-цинский журнал. 2011. №4. С. 77-86.
49. Ясницкий Л.Н. Задвижки с керамическими запорно-регулирующими элементами – новое направление в арматуростроении // Трубопроводная арматура и оборудование. 2003. №2(5). С.7-8.
50. Ясницкий Л.Н., Зайцева Н.В., Гусев А.Л., Шур П.З. Нейросетевая модель региона для выбора управляющих воздействий в области обеспечения гигиенической безопасности // Информатика и системы управления. 2011. №3. С.51-59.
51. Ясницкий Л.Н. Интеллектуальные информационные технологии и системы / Пермский ун-т. Пермь, 2007. 271с.
52. Ясницкий Л.Н. Искусственный интеллект и новые возможности компьютерного моделирования // Вестник Пермского университета. Серия: Информационные системы и технологии. 2005. № 4. С.81-86.
53. Ясницкий Л.Н. Искусственный интеллект: Популярное введение для учителей и школьников // Информатика: Методическая газета для учителей информатики. 2009. №16. С. 2-8.
54. Ясницкий Л.Н. Искусственный интеллект. Элективный курс: Учебное пособие. – М.: БИНОМ. Лаборатория знаний, 2011. – 240c.
55. Ясницкий Л.Н. К расчету напряженного состояния эллипсоидальной оболочки постоянной и переменной толщины на основе решений теории упругости для сферических об-ластей // Прикладная механика. 1989. Т.25. №6. С.111-114.
56. Ясницкий Л.Н. Композиция расчетной области в методе фиктивных канонических областей // Известия АН СССР. Механика твердого тела. 1990. №6. С.168-172.
57. Ясницкий Л.Н. Метод фиктивных канонических областей в механике сплошных сред. М.: Наука, ФИЗМАТЛИТ, 1992. – 128 с.
58. Ясницкий Л.Н. Обзор работ по развитию и применению метода фиктивных канонических областей в научных и инженерных проблемах // Современные проблемы науки и образования. 2012. № 4; URL: http://www.science-education.ru/104-6786 (дата обращения: 27.07.2012).
59. Ясницкий Л.Н. Об одном способе решения задач теории гармонических функций и линейной теории упругости // Прочностные и гидравлические характеристики машин и конструкций. Пермь. Изд. Пермского политехнического ин-та, 1973. С.78-83.
60. Ясницкий Л.Н. О возможностях применения методов искусственного интеллекта в политологии // Вестник Пермского университета. Серия: Политология. 2008. № 2. С. 147–155.
61. Ясницкий Л.Н., Петров А.М., Сичинава З.И. Сравнительный анализ алгоритмов нейросетевого детектирования лжи // Известия высших учебных заведений. Поволжский регион. Технические науки. 2010. №1. С. 64–72.
62. Ясницкий Л.Н., Петров А.М., Сичинава З.И. Технологии построения детектора лжи на основа аппарата искусственных нейронных сетей // Информационные технологии. 2010. № 11. С. 66-70.
63. Ясницкий Л.Н. По ком звонит ANSYS, или Почему так часто стали падать самолеты, взрываться ракеты, рушиться здания. Новый компаньон. 2005. №1(342). Вторник, 18 января. (Пермская деловая и политическая газета). С.1-5.
64. Ясницкий Л.Н., Порошина А.М., Тавафиев А.Ф. Нейросетевые технологии как инструмент для прогнозирования успешности предпринимательской деятельности // Российское предпринимательство. 2010. № 4(2). С. 8 – 13.
65. Ясницкий Л.Н., Сичинава З.И. Нейросетевые алгоритмы анализа поведения респондентов // Нейрокомпьютеры: разработка и применение. 2011. №10. С. 59-64.
66. Ясницкий Л.Н., Сичинава З.И., Черепанов Ф.М. Нейросетевой детектор лжи: принципы построения и опыт разработки. – Saarbrucken (Germany): LAP LAMBERT Academic Publishing GmbH & Co. KG., 2012. – 115p.
67. Ясницкий Л.Н. Современный кризис прикладной математики и перспективы его преодоления // Вестник Пермского университета. Серия: Математика. Механика. Информатика. 2007. № 7. С. 192-197.
68. Ясницкий Л.Н. Суперпозиция базисных решений в методах типа Треффтца // Известия АН СССР. Механика твердого тела. 1989. №2. С.95-101.
69. Ясницкий Л.Н. Удержаться «на плечах гигантов» (вводная статья) // Труды семинара «Компьютерные методы в механике сплошной среды». 2006 – 2007 гг. / Под ред. А.Л.Смирнова, Е.Ф.Жигалко. СПб.: Изд-во С.-Петерб. Ун-та, 2008. С. 3 – 15.
70. Ясницкий Л.Н., Черепанов Ф.М. Искусственный интеллект. Элективный курс: Методическое пособие по преподаванию. М.: БИНОМ. Лаборатория знаний, 2012. 216с.
71. Ясницкий Л.Н., Черепанов Ф.М. О возможностях применения нейросетевых технологий в политологии // Нейрокомпьютеры: разработка и применение. 2010. №8. Вып. 4. С. 47-53.
72. Ясницкий Л.Н., Черепанов Ф.М. Применение нейросетевых технологий в политологии (Вводная статья) // Нейрокомпьютерная парадигма и общество / Под ред. Ю.Ю. Петруни-на. М.: Издательство Московского университета, 2012. С. 13-25
73. Yasnitsky L.N., Bogdanov K.V., Cherepanov F.M., Makurina T.V., Dumler A.A., Chugaynov S.V., Poleschuk A.N. Diagnosis and Prognosis of Cardiovascular Diseases on the Basis of Neural Networks // Biomedical Engineering. 2013. T. 47. № 3. C. 160-163.
74. Yasnitsky L.N. The possibilities of error estimation in the boundary element type methods // Boundary Elements Communications. 1994. V.5. №4. P.181-182.
75. Yasnitsky L.N. Fictitious canonic regions method and boundary elements method // Boundary Elements Communications. 1995. V.6. №2. P.62-63.
76. Yasnitsky L.N. Fictitious canonic regions method. – Southampton-Boston: Computational Mechanics Publications, 1994. 120p.