Система принятия решений по результатам тестирования на основе марковских моделей

 

Полезная модель относится к области устройств для научного и математического моделирования и принятия решений для психологического и педагогического тестирования. Преимущественная область применения устройства - моделирование для реализации принятия решений при проведении психологического и педагогического тестирования. Предлагается устройство принятия решений по результатам тестирования на основе марковских моделей, содержащее блок фактографическая база данных, блок принятия решения, вход запроса, вход порога, отличающееся тем, что в него введены блок анализа, блок сортировки, блок вывода данных, блок индикации, вход числа состояний, вход траектории испытуемого, вход режима, вход номера задачи, вход названий моделей, вход моделей, выход устройства, при этом вход запроса соединен с первым входом блока анализа и с первым входом блока фактографическая база данных, вход числа состояний является четвертым входом блока анализа, вход траектории испытуемого является третьим входом блока анализа, вход порога является вторым входом блока принятия решения, вход режима является вторым входом блока фактографическая база данных, вход номера задачи является третьим входом блока фактографическая база данных, вход названий моделей является четвертым входом блока фактографическая база данных, вход моделей является пятым входом блока фактографическая база данных, выход блока сортировки соединен с первым входом блока вывода данных, выход блока анализа соединен со вторым входом блока вывода данных и с первым входом блока принятия решения, выход которого соединен со входом блока сортировки и с четвертым входом блока вывода данных, второй выход которого соединен со входом блока индикации, первый выход блока фактографическая база данных соединен со вторым входом блока анализа, второй выход блока фактографическая база данных соединен с третьим входом блока вывода данных, первый выход которого является выходом устройства.

Полезная модель относится к области устройств для научного и математического моделирования и принятия решений для психологического и педагогического тестирования. Преимущественная область применения устройства - моделирование для реализации принятия решений при проведении психологического и педагогического тестирования.

Предлагается устройство, позволяющее выполнять моделирование, принятие решений для психологического и педагогического тестирования и получать заявленным устройством необходимый выход Q (то есть сигнал, содержащий данные Q). То есть с одной стороны можно выполнять принятие решений для психологического и педагогического тестирования на основе марковских моделей. С другой стороны, изменяя входные данные можно получать соответствующие им сигналы, содержащие данные - значения показателей и тем самым выполнять необходимое моделирование для исследования различных процедур психологического и педагогического тестирования. При этом необходимые данные для моделирования и принятия решений хранятся в устройстве - фактографической базе данных (ФБД). Результаты этого моделирования могут быть далее использованы при работе заявленного устройства.

Основная идея работы предлагаемого авторами устройства состоит в следующем. По сути предлагаемое устройство позволяет путем моделирования и принятия решения реализовать необходимый сигнал - выход Q для психологического и педагогического тестирования на основе марковских моделей. Это достигается за счет моделирования (применения марковских моделей) и принятия решения (с применением распознавания образов [64-69]) путем использования заявленного устройства. При этом определение наиболее вероятной модели в блоке заявленного устройства соответственно повышает надежность принятия решений.

В случае психологического и педагогического тестирования на практике имеют место ряд проблем. Перспективы преодоления многих этих практических проблем, связаны с включением в процесс тестирования методов современной экспериментальной психологии и, в частности, средств анализа глазодвигательной активности. Среди разработанных в этой области общих подходов следует отметить [37]:

- анализ традиционных параметров траекторий движений глаз (общего времени чтения, усредненных характеристик фиксаций, прогрессивных и регрессивных саккад и т.д.), - анализ специальных показателей траекторий (соотношений времен пребывания взора в различных зонах стимула, частот посещений различных зон стимула и переходов от одной зоны к другой, степени следования испытуемыми различным пространственным стратегиям и т.д.),

- анализ символьных последовательностей с использованием метрики различий,

- методы, основанные на исследовании структуры и различных манипуляциях с матрицами переходных вероятностей цепей Маркова [37],

- методы, построенные на использовании скрытых марковских моделей [37].

Наиболее перспективными для анализа глазодвигательной активности испытуемых при прохождении тестовых процедур представляются так называемые матрицы представления преемника (SR-матрицы), вычисляемые как пределы сумм степенных последовательностей матриц переходных вероятностей цепей Маркова [37].

Пусть имеется какая-то практическая задача B и есть набор моделей M соответствующий этой задачи. Известна реакция испытуемого на стимул (стимульный материал) в виде вектора T. В случае анализа глазодвигательной активности испытуемых при прохождении тестовых процедур этот вектор содержит сведения о номерах просматриваемых испытуемым зон для i-го состояния данной траектории испытуемого. Запись движений глаз испытуемого (траектории Т) на практике проводится, например, с помощью стационарного устройства регистрации движений глаз SMI High Speed [37]. Далее оценивается вероятность соответствия траектории Т текущей модели i для задачи В. После этого выполняется анализ и дается ответ о модели, по которой принято решение о ее наиболее вероятном соответствии траектории Т для задачи В, т.е. выполняется распознавание [64-69]. Это позволяет на практике относить испытуемого к одному из наиболее вероятных классов (каждый такой класс соответствует одной из моделей, т.е. выполняется классификации с помощью распознавания образов), что позволяет повысить надежность принятия решения.

Теоретической основой заявленного устройства послужили следующие научно-технические результаты авторов [37].

Будем полагать, что испытуемым предъявляется плоский стимул прямоугольной формы, представляющий содержательную информацию по определенной тематике. Испытуемые разделены на несколько заранее известных категорий, отражающих уровень знаний или компетенции по данной тематике. Считая, что для каждой из этих категорий имеется идентифицированная по результатам наблюдений оценка распределения вероятностей пребывания взора на поверхности стимула, поставим задачу распознавания категории , к которой принадлежит испытуемый, по данным о движении его взора по поверхности стимула.

Классификация в указанной постановке обеспечивается решением рассмотренных далее следующих подзадач:

- выбора математического представления движения взора испытуемого по поверхности стимула;

- идентификации распределения вероятностей пребывания взора на поверхности стимула по результатам наблюдений для всех рассматриваемых категорий испытуемых;

- оценки вероятности наблюдаемой траектории движения взора по поверхности стимула при условии принадлежности к каждой из заданных категорий испытуемых.

Пусть движение взора по поверхности стимула описывается векторной непрерывной случайной функцией времени U(t)=(U1(t), U2(t)), где tТ. Плотность вероятности p(u,t), характеризующая распределение значений функции U(t), определяется при этом как

p(u,t)du=P{uU(t)<u+du},

где u=(u1, u 2)=(x, y), а du - элемент площади в R2 (R - множество действительных чисел).

Далее будем опираться на работы [39, 40].

Будем полагать, что рассматриваемая случайная функция принадлежит к достаточно общему классу марковских процессов или процессов без последействия, для которых в любые моменты времени

t0<t1 <<tm

выполняется условие p(u m,tm|um-1, tm-1; ; u0,t0)=p(um,tm |um-1,tm-1). Такие процессы полностью определяются начальным распределением p(u0, t0) и распределением переходных вероятностей p(u,t|u0,t0). Это распределение в случае непрерывных процессов удовлетворяет уравнению Фоккера-Планка-Колмогорова:

с начальным (то есть при Ф=t0 ) условием p(u,t|u0,t0)|t=Ф=(u-u0), где (u-u0) обозначает дельта-функцию Дирака. Интенсивности рассматриваемых марковских процессов aj(u,t) и b jk(u,t), называются, соответственно, коэффициентами сноса и диффузии.

Опуская для удобства записи знак суммы при наличии повторяющихся индексов в суммируемых выражениях, перепишем последнее уравнение в следующем виде:

.

Обозначив как Ji, это уравнение можно представить в более удобной форме:

где J=(J1, J2)=(J x, Jy) есть плотность потока вероятностей.

Можно показать, что составляющие плотности потока вероятностей представляются следующими выражениями:

,

.

Следует отметить, что, в общем случае, bxybyx.

Введя обозначения

,

,

компоненты плотности потока вероятностей можно представить в виде:

Jx=xp, Jy=yp.

Заметим, что, учитывая медленный характер изменения логарифмической функции, на практике для оценки x и y можно использовать упрощенные формулы, позволяющие в первом приближении считать эти величины не зависящими от p:

,

.

Для вычисления приближенного решения приведенного выше уравнения Фоккера-Планка-Колмогорова проведем дискретизацию замкнутой области стимула (0xa, 0yb) прямоугольной сеткой, равномерной вдоль каждой из осей (см. фиг.8).

На границе (см. фиг.9) произвольной внутренней ячейки прямоугольной сетки выполняются следующие условия (верхние индексы обозначают номера ячеек):

, y0yy1;

, y0yy1;

, x0xx1;

, x0xx1.

Усредним правую и левую части уравнения непрерывности (1) по площади произвольной внутренней ячейки (величины, полученные путем усреднения, далее обозначены чертой сверху):

,

где

.

Полученное уравнение после интегрирования принимает вид:

где, согласно формуле среднего значения,

Аналогично: , x0x*x1, l=0, 2, 4.

Подставляя выражения (3) в уравнение (2) и вводя обозначения

, ,

, ,

, ,

, ,

, ,

, ,

, ,

, ,

получим обыкновенное дифференциальное уравнение для произвольной внутренней ячейки прямоугольной сетки (см. фиг.9):

.

Уравнения для граничных ячеек сетки получаются путем удаления из данного уравнения слагаемых, относящихся к отсутствующим элементам.

Таким образом, поиск приближенного решения уравнения Фоккера-Планка-Колмогорова сводится к решению задачи Коши для системы приведенных выше обыкновенных дифференциальных уравнений относительно плотности вероятности пребывания взора по поверхности стимула, усредненной по площади ячеек. Если, умножив каждую усредненную плотность вероятности на площадь ячейки, рассматривать каждую ячейку прямоугольной сетки размерностью l×q как отдельное дискретное состояние случайного процесса с непрерывным временем, то данная система уравнений превратится в систему уравнений Колмогорова, описывающую динамику изменения вероятностей пребывания взора испытуемого в указанных состояниях. Каждому состоянию с номером n при этом ставится в соответствие уравнение

где и - вероятности пребывания в n-м и i-м состояниях; G - площадь ячейки прямоугольной сетки; n, i=1, , M; M=lq; ni - интенсивность переходов из состояния n в состояние i; in - интенсивность переходов из состояния i в состояние n.

Дискретизации области, приведенной на фиг.8, при этом соответствует граф дискретных состояний, представленный на фиг.10. Интенсивности переходов между несмежными состояниями полагаются равными нулю.

Для интегрирования указанной выше системы уравнений необходимо задать начальные условия , где М - число состояний.

В любой момент времени t выполняется нормализующее условие:

.

Следуя представленному выше способу решения задачи классификации, необходимо, используя данные наблюдений, идентифицировать распределения вероятностей пребывания взора на поверхности стимула для всех категорий испытуемых. Аппроксимация этих распределений с учетом проведенной дискретизации сводится к оценке интенсивностей переходов между состояниями рассматриваемого случайного процесса {ij}i,j=1,,M, которые являются свободными параметрами системы уравнений Колмогорова. Эти оценки могут быть определены, опираясь на критерий соответствия наблюдаемых и прогнозируемых гистограмм, описывающих распределения частот пребывания в состояниях процесса. В качестве такого критерия далее используется статистика Пирсона

.

В приведенном выше выражении прогнозируемая частота попадания в i-е состояние равна , где N - число элементов в выборке, а вероятностные функции получаются путем численного интегрирования систем уравнений Колмогорова. Соответствующие наблюдаемые частоты Fi определяются по выборочным распределениям пребывания в состояниях процесса в заданные моменты времени.

Величина X2 является мерой соответствия в том смысле, что ее большие значения означают плохое согласование прогнозируемых и наблюдаемых результатов, а малые значения - хорошее согласование. Соответственно, решение задачи идентификации сводится к вычислению тех интенсивностей переходов ij, которые обеспечивают минимальное значение суммы статистик Пирсона в те моменты времени, для которых имеются результаты наблюдений.

Способ идентификации свободных параметров, построенный на применении указанной меры соответствия, называется методом минимума 2 [38]. Как показано в работе [38, с.461-462], он дает решения, практически совпадающие с оценками, полученными методом максимального правдоподобия.

Согласно теореме Г. Крамера [38, с.462-470], при выполнении условий

1) адекватности модели случайного процесса наблюдениям;

2) равенства единице суммы вероятностей пребывания в состояниях;

3) отделимости указанных вероятностей от нуля ( при всех i);

4) существования непрерывных частных производных первого и второго порядков по идентифицируемым свободным параметрам от всех вероятностей пребывания в состояниях;

5) равенства числу свободных параметров ранга матрицы Якоби, составленной из частных производных первого порядка от вероятностей пребывания в состояниях по свободным параметрам;

рассмотренная задача идентификации при заданном объеме наблюдений имеет единственное решение, которое при неограниченном увеличении объема наблюдений сходится по вероятности к искомому решению, а значения статистики X2, определяемые найденными значениями свободных параметров, асимптотически описываются распределением 2 с M--1 степенями свободы, где - число определяемых значений свободных параметров.

Знание распределения позволяет использовать приведенную выше статистику для проверки гипотезы о том, что полученные прогнозируемые частоты попадания в состояния согласуются с результатами наблюдений. Очевидно, что использование этой статистики корректно только при выполнении указанных условий теоремы.

Если условия теоремы не выполнены, то вычисление приближений к оценкам максимального правдоподобия с использованием критерия X2 остается возможным, однако полученное решение может быть не единственным, а значения соответствующей статистики не обязаны быть распределены как 2. Следует отметить, что одним из признаков нарушения условий теоремы является невыполнение неравенства

M>-1.

Поскольку для решения рассматриваемой задачи важны не сами оценки свободных параметров, а вычисляемые с их помощью функции , то неединственность таких оценок не создает никаких проблем, если разные наборы значений этих параметров приводят к вычислению одних и тех же вероятностных функций. Что касается невыполнения второго следствия теоремы, то для оценки степени соответствия результатов решения наблюдениям следует подобрать критерий, отличный от указанного выше.

Такой критерий строится далее на основе анализа регрессионной зависимости между наблюдаемыми и прогнозируемыми частотами пребывания в состояниях исследуемого случайного процесса в контрольные моменты времени. Для этого предположим, что наблюдаемые частоты выражаются через соответствующие прогнозируемые вероятности по упрощенной формуле гауссовской простой линейной регрессии:

,

где - наблюдаемая частота пребывания в i-м состоянии в k-й контрольный момент времени (k=1, , K), и - соответствующие прогнозируемые вероятности и случайные ошибки, i - неизвестные параметры регрессии. Полагается, что случайные ошибки независимы и распределены по нормальному закону с нулевым средним значением и одинаковой для всех моментов времени k дисперсией. Оценки степени соответствия результатов решения наблюдениям обеспечиваются с помощью стандартных критериев, которые используются для проверки статистической значимости используемой регрессионной модели, а именно: критерия Стьюдента для проверки гипотез i=0 и F-критерия для проверки значимости уравнения регрессии. Кроме того, в ряде случаев можно дополнительно проверить, входит ли единица в 95%-й доверительный интервал для величины i/N. Если рассмотренная регрессионная модель статистически значима при заданном уровне , а единица входит в указанный доверительный интервал, то можно говорить о приемлемой степени соответствия результатов решения наблюдениям.

Процедура вычисления оценок свободных параметров состоит из двух этапов. На подготовительном этапе с помощью электронной таблицы для рассматриваемой системы обыкновенных дифференциальных уравнений кодируется численная схема интегрирования, позволяющая вычислять вероятностные функции [37] с некоторым заданным временным шагом. Для вычисления решений с приемлемой точностью оказались достаточными методы Рунге-Кутта или их эквиваленты. Для решения задачи важно, что электронная таблица поддерживает динамические связи между содержимым ячеек. Если поместить свободные параметры и временной шаг в отдельные ячейки, на которые ссылаются как ячейки, содержащие формулы для вычисления производных в системе дифференциальных уравнений, так и начальные вероятности нахождения в различных состояниях системы, то все решение будет автоматически модифицироваться по мере изменения значений свободных параметров.

На заключительном этапе запускается численная процедура многомерной нелинейной оптимизации [37]. Значения параметров, полученные с ее помощью, рассматриваются как характеристики математической модели, выявленные в результате наблюдений. Следует отметить, что рассмотренная процедура обеспечивает решение обратной задачи, при котором вычисляются параметры системы дифференциальных уравнений, определяющей решение с заданными характеристиками.

Как правило, идентификация свободных параметров случайных процессов со структурой связей между состояниями, представленной на фиг.10, является сложной вычислительной задачей. Однако имеется эффективный прием, позволяющий упростить эту работу.

Для этого строки и столбцы состояний исходной сети могут быть объединены в сгруппированные состояния, а именно: нахождение в состоянии Vj (j=1, 2, , q) равносильно нахождению в одном из состояний s j, sj+q, , sj+(l-1)q, а нахождение в состоянии H i (i=1, 2, , l) равносильно нахождению в одном из состояний s (i-1)q+1, s(i-1)q+2, , siq (см. фиг.11).

Получаемые при этом графы состояний представлены на фиг.12 и фиг.13.

Поскольку вероятность пребывания в каждом из сгруппированных состояний равна сумме вероятностей пребывания в составляющих его состояниях исходного случайного процесса, уравнения Колмогорова для вероятностей нахождения взора в сгруппированных состояниях получаются путем согласованного суммирования левых и правых частей всех уравнений (4), которые соответствуют ячейкам, формирующим данные состояния:

где

(j=1, , q),

(j=1, , l),

(j=1, , q-1),

(j=1, , q-1),

(j=1, , l-1),

(j=1, , l-1).

Таким образом, исследование исходного случайного процесса, структура связей состояний которого определяется прямоугольной сеткой размерностью l×q (см. фиг.10), сводится к анализу двух процессов со сгруппированными состояниями, имеющих меньшую размерность (l или q) и упрощенную структуру связей (фиг.12 и фиг.13). Интенсивности переходов между сгруппированными состояниями могут быть идентифицированы, как указано выше. Возврат к исходному процессу прост: поскольку вероятности пребывания в вертикально и горизонтально расположенных группах состояний независимы, то вероятность нахождения в состоянии, одновременно принадлежащего группам Hi и Vj, вычисляется как произведение вероятностей и пребывания в этих группах. Представленный простой способ декомпозиции существенно упрощает анализ рассматриваемых систем.

Получив, как показано выше, аппроксимации распределений вероятностей пребывания взора на поверхности стимулов для различных категорий испытуемых , можно определять вероятностные оценки принадлежности к заданным категориям ранее неидентифицированных лиц. Чтобы решить эту задачу, для каждого такого лица следует зарегистрировать траекторию движения взора по поверхности рабочего стимула U(t), tT, и, используя заранее известные аппроксимации указанных распределений, определить вероятностные оценки P прохождения наблюдаемых траекторий. В общем случае для каждой категории вычисляется криволинейный интеграл 1-го рода:

,

где du - бесконечно малый элемент длины траектории U(t). Испытуемый относится к категории max с наибольшей вероятностной оценкой:

.

На практике приведенные выше интегралы для вычисления Pзаменяются своими численными оценками.

Таким образом, опираясь на [39, 40] разработан (см. [37]) новый подход к построению интеллектуальных и компетентностных тестов, основанный на представлении движения взора испытуемого по поверхности стимулов с помощью марковского случайного процесса, распределение переходных вероятностей которого удовлетворяет уравнению Фоккера-Планка-Колмогорова, и диагностической процедуре, которая обеспечивается идентификацией распределения вероятностей пребывания взора на поверхности стимула по результатам наблюдений для всех рассматриваемых категорий испытуемых и оценкой вероятности наблюдаемой траектории движения взора при условии принадлежности к каждой из заданных категорий испытуемых. Разработан (см. [37]) метод приближенного решения уравнения Фоккера-Планка-Колмогорова, сводящий исходную задачу к решению задачи Коши для системы обыкновенных дифференциальных уравнений Колмогорова относительно плотностей вероятности пребывания взора по поверхности стимула, усредненных по площади ячеек его дискретизованной области. Разработан (см. [37]) метод идентификации интенсивностей переходов между ячейками дискретизованной области, входящих в качестве свободных параметров в систему дифференциальных уравнений Колмогорова. Этот метод обеспечивает построение приближений к оценкам максимального правдоподобия и опирается на численную процедуру многомерной нелинейной оптимизации, что обеспечивает решение обратной задачи для указанной системы уравнений. Предложен (см. [37]) статистический критерий для оценки степени соответствия наблюдаемых и прогнозируемых частот пребывания в ячейках дискретизованной области стимула в контрольные моменты времени, построенный на основе анализа регрессионной зависимости этих частот. Рассмотрим предлагаемое устройство более подробно. Далее будем опираться также на работы [1-15, 16, 17, 18-40].

Известна полезная модель Российской Федерации 119906. "Автоматизированная система контроля с машинной постановкой диагноза и принятием решений на основе явных формальных диагностических моделей" [1], представляющее собой устройство, содержащее, разные элементы (блоки), а так же: коммутационные блоки, функциональные блоки, содержащие генератор импульсных воздействий, генератор непрерывных сигналов произвольной формы, цифровой осциллограф, измеритель временных интервалов, измеритель постоянного напряжения и тока, блок сопряжения.

Это устройство не позволяет осуществлять необходимый ввод всех исходных данных (их передачу в предлагаемое устройство) так как отсутствуют следующие входы: вход запроса, вход числа состояний, вход траектории испытуемого, вход порога, вход режима, вход номера задачи, вход названий моделей, вход моделей.

Это устройство не позволяет осуществлять необходимый вывод всех данных из устройства (нет необходимого выхода блока вывода данных, являющейся выходом устройства) и не позволяет реализовать блок анализа, блок фактографическая база данных, блок сортировки, необходимый блок принятия решения, блок вывода данных, блок индикации, т.е. не позволяет вводить данные, выполнять необходимый анализ, выполнять необходимую сортировку, принимать необходимые решения, обращаться к необходимым фактографическим базам данных (ФБД) и осуществлять вывод результата работы предлагаемого устройства.

Таким образом, это устройство не позволяет осуществлять в полном объеме ввод исходных данных, необходимый вывод результатов, выполнять необходимый анализ и сортировку, принимать необходимое решение, выполнять хранение и выдачу фактографических данных, выполнять индикацию (отображение) необходимых данных, и как следствие этого не позволяет моделировать и выполнять принятие решений по результатам тестирования на основе марковских моделей путем формирования выходного сигнала, содержащего Q.

Известна еще одна полезная модель Российской Федерации 117669. "Типологическая система ранжирования личностных свойств индивидуума на основе трехуровневого моделирования" [2], содержащая разные элементы (блоки), а так же: блок формирования исходных типологических требований к индивидууму, блок формирования исходных типологических требований к стратегическим специальностям, блоком оценки и типирования личностных свойств индивидуума, блок интеллектуального анализа данных ранжирования личностных свойств индивидуума, блок ранжирования типологических требований к стратегическим специальностям, блок сравнения, блок тестирования на интеллект.

Это устройство позволяет решать только одну незначительную часть поставленной задачи, а именно - например, с помощью блока формирования исходных типологических требований к индивидууму, блока формирования исходных типологических требований к стратегическим специальностям реализовать фрагмент средств ввода некоторых данных, с помощью блока интеллектуального анализа данных ранжирования личностных свойств индивидуума, блок тестирования на интеллект, блока оценки и типирования личностных свойств индивидуума осуществлять частично (не в полном объеме) необходимый анализ для блока анализа.

Это устройство не позволяет осуществлять необходимый ввод всех исходных данных (их передачу в предлагаемое устройство) так как отсутствуют следующие входы: вход запроса, вход числа состояний, вход траектории испытуемого, вход порога, вход режима, вход номера задачи, вход названий моделей, вход моделей.

Это устройство не позволяет осуществлять в полном объеме необходимый вывод всех данных из устройства (нет необходимого выхода блока вывода данных, являющейся выходом устройства) и не позволяет реализовать в полном объеме блок анализа, блок фактографическая база данных, блок сортировки, необходимый блок принятия решения, блок вывода данных, блок индикации, т.е. не позволяет в полном объеме вводить данные, выполнять необходимый анализ, выполнять необходимую сортировку, принимать необходимые решения, обращаться к необходимым фактографическим базам данных (ФБД) и осуществлять вывод результата работы предлагаемого устройства.

Таким образом, это устройство не позволяет осуществлять в полном объеме ввод исходных данных, необходимый вывод результатов, выполнять в полном объеме необходимый анализ и сортировку, принимать необходимое решение, выполнять хранение и выдачу фактографических данных, выполнять индикацию (отображение) необходимых данных, и как следствие этого не позволяет моделировать и выполнять принятие решений по результатам тестирования на основе марковских моделей путем формирования выходного сигнала, содержащего Q.

Известна еще одна полезная модель Российской Федерации 39417. "Система для принятия решений" [3], содержащая разные элементы (блоки), а так же: устройства ввода данных, устройства принятия обобщенного решения, устройства детальной оценки принимаемого решения, устройства обработки и анализа данных, устройство хранения данных, устройство вывода данных.

Это устройство позволяет решать только одну незначительную часть поставленной задачи, а именно - например, с помощью устройства ввода данных реализовать фрагмент средств ввода данных, с помощью устройства хранения данных осуществлять частично (не в полном объеме) хранение и выдачу некоторых фактографических данных, с помощью устройства принятия обобщенного решения, устройства детальной оценки принимаемого решения осуществлять частично (не в полном объеме) принятие необходимых решений, с помощью устройства обработки и анализа данных выполнять частично (не в полном объеме) необходимый анализ, с помощью устройством вывода данных осуществлять частично (не в полном объеме) вывод необходимых данных.

Это устройство не позволяет осуществлять необходимый в полном объеме ввод всех исходных данных (их передачу в предлагаемое устройство) так как отсутствуют следующие входы: вход запроса, вход числа состояний, вход траектории испытуемого, вход порога, вход режима, вход номера задачи, вход названий моделей, вход моделей.

Это устройство не позволяет осуществлять в полном объеме необходимый вывод всех данных из устройства (нет необходимого выхода блока вывода данных, являющейся выходом устройства) и не позволяет реализовать в полном объеме блок анализа, в полном объеме блок фактографическая база данных, блок сортировки, в полном объеме необходимый блок принятия решения, блок вывода данных, блок индикации, т.е. не позволяет в полном объеме вводить данные, выполнять необходимый анализ, выполнять необходимую сортировку, принимать необходимые решения, обращаться к необходимым фактографическим базам данных (ФБД) и осуществлять вывод результата работы предлагаемого устройства.

Таким образом, это устройство не позволяет осуществлять в полном объеме ввод исходных данных, необходимый вывод результатов, выполнять в полном объеме необходимый анализ и сортировку, принимать необходимое решение, выполнять хранение и выдачу фактографических данных, выполнять индикацию (отображение) необходимых данных, и как следствие этого не позволяет моделировать и выполнять принятие решений по результатам тестирования на основе марковских моделей путем формирования выходного сигнала, содержащего Q.

Известна еще другая полезная модель Российской Федерации 69661. "Система удаленного доступа по принятию решений по анализу и оценке дорожно-транспортного происшествия" [4], содержащая разные элементы (блоки), а так же: устройство мониторинга, блок блокировки стартера двигателя, модуль определения пространственных координат, базу данных о страховании автомобилей.

Это устройство позволяет решать только одну незначительную часть поставленной задачи, а именно - например, с помощью базы данных о страховании автомобилей осуществлять частично (не в полном объеме) хранение и выдачу некоторых фактографических данных.

Это устройство не позволяет осуществлять необходимый ввод всех исходных данных (их передачу в предлагаемое устройство) так как отсутствуют следующие входы: вход запроса, вход числа состояний, вход траектории испытуемого, вход порога, вход режима, вход номера задачи, вход названий моделей, вход моделей.

Это устройство не позволяет осуществлять необходимый вывод всех данных из устройства (нет необходимого выхода блока вывода данных, являющейся выходом устройства) и не позволяет реализовать блок анализа, в полном объеме блок фактографическая база данных, блок сортировки, необходимый блок принятия решения, блок вывода данных, блок индикации, т.е. не позволяет вводить данные, выполнять необходимый анализ, выполнять необходимую сортировку, принимать необходимые решения, обращаться к необходимым фактографическим базам данных (ФБД) и осуществлять вывод результата работы предлагаемого устройства.

Таким образом, это устройство не позволяет осуществлять ввод исходных данных, необходимый вывод результатов, выполнять необходимый анализ и сортировку, принимать необходимое решение, выполнять хранение и выдачу фактографических данных, выполнять индикацию (отображение) необходимых данных, и как следствие этого не позволяет моделировать и выполнять принятие решений по результатам тестирования на основе марковских моделей путем формирования выходного сигнала, содержащего Q.

Известна еще другая полезная модель Российской Федерации 74226. "Система оповещения для принятия решений в автоматизированных системах управления технологическими процессами" [5], содержащая разные элементы (блоки), а так же: блок контроля отказов, блок сравнения, речевой извещатель.

Это устройство позволяет решать только одну незначительную часть поставленной задачи, а именно - например, с помощью блока контроля отказов, блок сравнения, только частично реализовать блок принятия решения, с помощью речевого извещателя осуществлять частично блок индикации.

Это устройство не позволяет осуществлять необходимый ввод всех исходных данных (их передачу в предлагаемое устройство) так как отсутствуют следующие входы: вход запроса, вход числа состояний, вход траектории испытуемого, вход порога, вход режима, вход номера задачи, вход названий моделей, вход моделей.

Это устройство не позволяет осуществлять необходимый вывод всех данных из устройства (нет необходимого выхода блока вывода данных, являющейся выходом устройства) и не позволяет реализовать блок анализа, блок фактографическая база данных, блок сортировки, в полном объеме необходимый блок принятия решения, блок вывода данных, блок индикации, т.е. не позволяет вводить данные, выполнять необходимый анализ, выполнять необходимую сортировку, принимать необходимые решения, обращаться к необходимым фактографическим базам данных (ФБД) и осуществлять вывод результата работы предлагаемого устройства.

Таким образом, это устройство не позволяет осуществлять ввод исходных данных, необходимый вывод результатов, выполнять необходимый анализ и сортировку, принимать необходимое решение, выполнять хранение и выдачу фактографических данных, выполнять требуемую индикацию (отображение) необходимых данных, и как следствие этого не позволяет моделировать и выполнять принятие решений по результатам тестирования на основе марковских моделей путем формирования выходного сигнала, содержащего Q.

Известна еще другая полезная модель Российской Федерации 84997. "Нейрокомпьютерная система автоматического принятия решения по воздушным целям" [6], содержащая разные элементы (блоки), а так же: блок предварительной обработки радиолокационного сигнала, блок обнаружения, блок индикации решения по цели.

Это устройство позволяет решать только одну незначительную часть поставленной задачи, а именно - например, с помощью блока предварительной обработки радиолокационного сигнала, блока обнаружения, частично реализовать блок анализа, с помощью блока индикации решения по цели реализовать фрагмент необходимого блока индикации.

Это устройство не позволяет осуществлять необходимый ввод всех исходных данных (их передачу в предлагаемое устройство) так как отсутствуют следующие входы: вход запроса, вход числа состояний, вход траектории испытуемого, вход порога, вход режима, вход номера задачи, вход названий моделей, вход моделей.

Это устройство не позволяет осуществлять необходимый вывод всех данных из устройства (нет необходимого выхода блока вывода данных, являющейся выходом устройства) и не позволяет реализовать в полном объеме блок анализа, блок фактографическая база данных, блок сортировки, необходимый блок принятия решения, блок вывода данных, в полном объеме блок индикации, т.е. не позволяет вводить данные, выполнять необходимый анализ, выполнять необходимую сортировку, принимать необходимые решения, обращаться к необходимым фактографическим базам данных (ФБД) и осуществлять вывод результата работы предлагаемого устройства.

Таким образом, это устройство не позволяет осуществлять ввод исходных данных, необходимый вывод результатов, выполнять в полном объеме необходимый анализ и сортировку, принимать необходимое решение, выполнять хранение и выдачу фактографических данных, выполнять требуемую индикацию (отображение) необходимых данных, и как следствие этого не позволяет моделировать и выполнять принятие решений по результатам тестирования на основе марковских моделей путем формирования выходного сигнала, содержащего Q.

Известна также полезная модель 107599. "Система оповещения для принятия решений в автоматизированных системах управления технологическими процессами" [7], содержащая разные элементы (блоки), а так же: блок сравнения, речевой извещатель.

Это устройство позволяет решать только одну незначительную часть поставленной задачи, а именно - например, с речевого извещателя реализовать только фрагмент блока индикации, с помощью блока сравнения реализовать частично (не в полном объеме) блок принятия решения.

Это устройство не позволяет осуществлять необходимый ввод всех исходных данных (их передачу в предлагаемое устройство) так как отсутствуют следующие входы: вход запроса, вход числа состояний, вход траектории испытуемого, вход порога, вход режима, вход номера задачи, вход названий моделей, вход моделей.

Это устройство не позволяет осуществлять необходимый вывод всех данных из устройства (нет необходимого выхода блока вывода данных, являющейся выходом устройства) и не позволяет реализовать блок анализа, блок фактографическая база данных, блок сортировки, в полном объеме необходимый блок принятия решения, блок вывода данных, в полном объеме блок индикации, т.е. не позволяет вводить данные, выполнять необходимый анализ, выполнять необходимую сортировку, в полном объеме принимать необходимые решения, обращаться к необходимым фактографическим базам данных (ФБД) и осуществлять вывод результата работы предлагаемого устройства.

Таким образом, это устройство не позволяет осуществлять ввод исходных данных, необходимый вывод результатов, выполнять необходимый анализ и сортировку, принимать необходимое решение, выполнять хранение и выдачу фактографических данных, выполнять требуемую индикацию (отображение) необходимых данных, и как следствие этого не позволяет моделировать и выполнять принятие решений по результатам тестирования на основе марковских моделей путем формирования выходного сигнала, содержащего Q.

Известна также полезная модель 2233479. "Модель портфеля рекламы, комплексная система управления риском рекламы, использующая модель портфеля рекламы, и способ принятия инвестиционного решения с использованием портфеля рекламы" [8], содержащая разные элементы (блоки), а так же: средство для ввода условия установки, средство проверки, секции хранения данных.

Это устройство позволяет решать только одну незначительную часть поставленной задачи, а именно - например, с помощью средства для ввода условия установки, средство проверки реализовать фрагмент необходимых (не в полном объеме) средств ввода данных, с помощью секций хранения данных осуществлять частично (не в полном объеме) хранение и выдачу некоторых фактографических данных.

Это устройство не позволяет (в полном объеме) осуществлять необходимый ввод всех исходных данных (их передачу в предлагаемое устройство) так как отсутствуют следующие входы: вход запроса, вход числа состояний, вход траектории испытуемого, вход порога, вход режима, вход номера задачи, вход названий моделей, вход моделей.

Это устройство не позволяет осуществлять в полном объеме необходимый вывод всех данных из устройства (нет необходимого выхода блока вывода данных, являющейся выходом устройства) и не позволяет реализовать блок анализа, в полном объеме блок фактографическая база данных, блок сортировки, необходимый блок принятия решения, блок вывода данных, блок индикации, т.е. не позволяет в полном объеме вводить данные, выполнять необходимый анализ, выполнять необходимую сортировку, принимать необходимые решения, обращаться к необходимым фактографическим базам данных (ФБД) и осуществлять вывод результата работы предлагаемого устройства.

Таким образом, это устройство не позволяет осуществлять в полном объеме ввод исходных данных, необходимый вывод результатов, выполнять необходимый анализ и сортировку, принимать необходимое решение, выполнять хранение и выдачу фактографических данных, выполнять индикацию (отображение) необходимых данных, и как следствие этого не позволяет моделировать и выполнять принятие решений по результатам тестирования на основе марковских моделей путем формирования выходного сигнала, содержащего Q.

Известен также патент Российской Федерации 2305319. "Система принятия решений в кризисных ситуациях социальной сферы региона" [9], содержащая разные элементы (блоки), а так же: блок приема записей типовых планов, блок выдачи данных, блок формирования текущего адреса плана, сумматор.

Это устройство позволяет решать только одну незначительную часть поставленной задачи, а именно - например, с помощью блока приема записей типовых планов реализовать фрагмент необходимых (не в полном объеме) средств ввода данных, с помощью блока выдачи данных реализовать фрагмент средств ввода данных, с помощью блока формирования текущего адреса плана реализовать фрагмент необходимых (не в полном объеме) блок анализа.

Это устройство не позволяет осуществлять необходимый ввод всех исходных данных (их передачу в предлагаемое устройство) так как отсутствуют следующие входы: вход запроса, вход числа состояний, вход траектории испытуемого, вход порога, вход режима, вход номера задачи, вход названий моделей, вход моделей.

Это устройство не позволяет осуществлять в полном объеме необходимый вывод всех данных из устройства (нет необходимого выхода блока вывода данных, являющейся выходом устройства) и не позволяет реализовать в полном объеме блок анализа, блок фактографическая база данных, блок сортировки, необходимый блок принятия решения, блок вывода данных, блок индикации, т.е. не позволяет в полном объеме вводить данные, выполнять необходимый анализ, выполнять необходимую сортировку, принимать необходимые решения, обращаться к необходимым фактографическим базам данных (ФБД) и осуществлять вывод результата работы предлагаемого устройства.

Таким образом, это устройство не позволяет осуществлять в полном объеме ввод исходных данных, необходимый вывод результатов, выполнять в полном объеме необходимый анализ и сортировку, принимать необходимое решение, выполнять хранение и выдачу фактографических данных, выполнять индикацию (отображение) необходимых данных, и как следствие этого не позволяет моделировать и выполнять принятие решений по результатам тестирования на основе марковских моделей путем формирования выходного сигнала, содержащего Q.

Известен также патент Российской Федерации 2181216. "Способ принятия решений в сфере кредитования (скоринг) и система для его реализации" [10], где система содержит разные элементы (блоки), а так же: устройство ввода данных, устройство вывода данных, устройство обработки данных, устройство расчета кредитного рейтинга, устройство хранения данных, устройство сравнения.

Это устройство позволяет решать только одну незначительную часть поставленной задачи, а именно - например, с помощью устройство ввода данных реализовать фрагмент необходимых (не в полном объеме) средств ввода данных, с помощью устройства обработки данных, устройства расчета кредитного рейтинга, реализовать (не в полном объеме) фрагмент блока анализа, с помощью устройства хранения данных осуществлять частично (не в полном объеме) хранение и выдачу некоторых фактографических данных, с помощью устройства вывода данных осуществлять частично (не в полном объеме) вывод необходимых данных и реализовать частично блок вывода данных, с помощью устройство сравнения реализовать фрагмент (не в полном объеме) блок принятия решения.

Это устройство не позволяет осуществлять необходимый ввод всех исходных данных (их передачу в предлагаемое устройство) так как отсутствуют следующие входы: вход запроса, вход числа состояний, вход траектории испытуемого, вход порога, вход режима, вход номера задачи, вход названий моделей, вход моделей.

Это устройство не позволяет осуществлять в полном объеме необходимый вывод всех данных из устройства (нет необходимого выхода блока вывода данных, являющейся выходом устройства) и не позволяет реализовать в полном объеме блок анализа, в полном объеме блок фактографическая база данных, блок сортировки, в полном объеме необходимый блок принятия решения, в полном объеме блок вывода данных, блок индикации, т.е. не позволяет в полном объеме вводить данные, выполнять необходимый анализ, выполнять необходимую сортировку, принимать необходимые решения, обращаться к необходимым фактографическим базам данных (ФБД) и осуществлять необходимый вывод результата работы предлагаемого устройства.

Таким образом, это устройство не позволяет осуществлять в полном объеме ввод исходных данных, необходимый вывод результатов, выполнять в полном объеме необходимый анализ и сортировку, принимать необходимое решение, выполнять хранение и выдачу фактографических данных, выполнять индикацию (отображение) необходимых данных, и как следствие этого не позволяет моделировать и выполнять принятие решений по результатам тестирования на основе марковских моделей путем формирования выходного сигнала, содержащего Q.

Известна также полезная модель 13107. "Экспертная система" [11], содержащая разные элементы (блоки), а так же: блок ввода многокомпонентных данных, блок обработки и анализа данных, блок вывода информации.

Это устройство позволяет решать только одну незначительную часть поставленной задачи, а именно - например, с помощью блока ввода многокомпонентных данных реализовать фрагмент необходимых (не в полном объеме) средств ввода данных, с помощью блока обработки и анализа данных реализовать фрагмент блока анализа, с помощью блока вывода информации осуществлять частично (не в полном объеме) вывод необходимых данных и реализовать частично блок вывода данных.

Это устройство не позволяет осуществлять необходимый ввод всех исходных данных (их передачу в предлагаемое устройство) так как отсутствуют следующие входы: вход запроса, вход числа состояний, вход траектории испытуемого, вход порога, вход режима, вход номера задачи, вход названий моделей, вход моделей.

Это устройство не позволяет осуществлять в полном объеме необходимый вывод всех данных из устройства (нет необходимого выхода блока вывода данных, являющейся выходом устройства) и не позволяет реализовать в полном объеме блок анализа, блок фактографическая база данных, блок сортировки, необходимый блок принятия решения, в полном объеме блок вывода данных, блок индикации, т.е. не позволяет в полном объеме вводить данные, выполнять необходимый анализ, выполнять необходимую сортировку, принимать необходимые решения, обращаться к необходимым фактографическим базам данных (ФБД) и осуществлять вывод результата работы предлагаемого устройства.

Таким образом, это устройство не позволяет осуществлять в полном объеме ввод исходных данных, необходимый вывод результатов, выполнять в полном объеме необходимый анализ и сортировку, принимать необходимое решение, выполнять хранение и выдачу фактографических данных, выполнять индикацию (отображение) необходимых данных, и как следствие этого не позволяет моделировать и выполнять принятие решений по результатам тестирования на основе марковских моделей путем формирования выходного сигнала, содержащего Q.

Известна еще также полезная модель 122796 G09B 7/00, A61B 5/16, G06Q 50/20. "Система поддержки принятия решений для психологического и педагогического тестирования" [12], содержащая разные элементы (блоки), а так же: блок принятия решения, блок первая фактографическая база данных, вход запроса, блок анализа,, блок вывода данных, а также вход запроса соединен с первым входом блока первая фактографическая база данных, выход блока вывода данных, является выходом устройства

Это устройство позволяет решать только одну незначительную часть поставленной задачи, а именно - например, с помощью блока принятия решения реализовать фрагмент (не в полном объеме) необходимый блок принятия решения для заявленного устройства, с помощью блока анализа реализовать фрагмент (не в полном объеме) необходимый блок анализа для заявленного устройства, с помощью блока вывода данных реализовать фрагмент (не в полном объеме) необходимый блок вывода данных для заявленного устройства, с помощью блока первая фактографическая база данных реализовать частично (не в полном объеме) необходимый блок фактографическая база данных для заявленного устройства, с помощью соединения (связи) входа запроса с первым входом блока первая фактографическая база данных реализовать частично (не в полном объеме) аналогичную связь для заявленного устройства, с помощью выхода блока вывода данных, являющегося выходом устройства реализовать частично (не в полном объеме) аналогичный выход для заявленного устройства, с помощью вход запроса реализовать частично (не в полном объеме) аналогичный выход для заявленного устройства.

Это устройство не позволяет осуществлять необходимый ввод всех исходных данных (их передачу в предлагаемое устройство) так как отсутствуют следующие входы: вход числа состояний, вход траектории испытуемого, вход порога, вход режима, вход номера задачи, вход названий моделей, вход моделей.

Это устройство не позволяет осуществлять в полном объеме необходимый вывод всех данных из устройства и не позволяет реализовать в полном объеме блок анализа, в полном объеме блок фактографическая база данных, блок сортировки, в полном объеме необходимый блок принятия решения, в полном объеме блок вывода данных, блок индикации, т.е. не позволяет в полном объеме вводить данные, выполнять необходимый анализ, выполнять необходимую сортировку, принимать необходимые решения, обращаться к необходимым фактографическим базам данных (ФБД) и осуществлять необходимый вывод результата работы предлагаемого устройства.

Таким образом, это устройство не позволяет осуществлять в полном объеме ввод исходных данных, необходимый вывод результатов, выполнять в полном объеме необходимый анализ и сортировку, принимать необходимое решение, выполнять в полном объеме хранение и выдачу фактографических данных, выполнять требуемую индикацию (отображение) необходимых данных, и как следствие этого не позволяет моделировать и выполнять принятие решений по результатам тестирования на основе марковских моделей путем формирования выходного сигнала, содержащего Q.

Известна еще также полезная модель 2262131. "Устройство для моделирования процесса принятия решений" [13], представляющее устройство, содержащее разные элементы (блоки), а так же: регистры, компаратор, блок умножения.

Это устройство позволяет решать только одну незначительную часть поставленной задачи, а именно - например, с помощью регистров осуществлять частично (не в полном объеме) хранение и выдачу некоторых фактографических данных, с помощью блока умножения реализовать (не в полном объеме) фрагмент блока анализа, с помощью компаратора реализовать фрагмент (не в полном объеме) блок принятие решения.

Это устройство не позволяет осуществлять необходимый ввод всех исходных данных (их передачу в предлагаемое устройство) так как отсутствуют следующие входы: вход запроса, вход числа состояний, вход траектории испытуемого, вход порога, вход режима, вход номера задачи, вход названий моделей, вход моделей.

Это устройство не позволяет осуществлять в полном объеме необходимый вывод всех данных из устройства (нет необходимого выхода блока вывода данных, являющейся выходом устройства) и не позволяет реализовать в полном объеме блок анализа, в полном объеме блок фактографическая база данных, блок сортировки, в полном объеме необходимый блок принятия решения, блок вывода данных, блок индикации, т.е. не позволяет вводить данные, выполнять необходимый анализ, выполнять необходимую сортировку, принимать необходимые решения, обращаться к необходимым фактографическим базам данных (ФБД) и осуществлять вывод результата работы предлагаемого устройства.

Таким образом, это устройство не позволяет осуществлять ввод исходных данных, необходимый вывод результатов, выполнять в полном объеме необходимый анализ и сортировку, принимать необходимое решение, выполнять хранение и выдачу фактографических данных, выполнять индикацию (отображение) необходимых данных, и как следствие этого не позволяет моделировать и выполнять принятие решений по результатам тестирования на основе марковских моделей формируя выходной сигнал, содержащий Q.

Наиболее близким к предлагаемому устройству является полезная модель 110638 (прототип) "Навигационное устройство для ориентации слепых" [14], содержащее разные элементы (блоки), а так же: блок принятия решения, блок фактографическая база данных, блок звуковой индикации, а также в нем есть вход запроса, вход порога.

Это устройство позволяет решать только одну незначительную часть поставленной задачи, а именно - например, с помощью входа запроса реализовать входа запроса, с помощью вход порога реализовать входа порога, с помощью блока принятия решения реализовать фрагмент (не в полном объеме) блок принятия решения, с помощью блока фактографическая база данных реализовать фрагмент (не в полном объеме) для заявленного устройства необходимый блок фактографическая база данных, с помощью блока звуковой индикации реализовать только фрагмент (не в полном объеме) для заявленного устройства необходимый блок индикации.

Это устройство не позволяет осуществлять необходимый ввод всех исходных данных (их передачу в предлагаемое устройство) так как отсутствуют следующие входы: вход числа состояний, вход траектории испытуемого, вход режима, вход номера задачи, вход названий моделей, вход моделей.

Это устройство не позволяет осуществлять в полном объеме необходимый вывод всех данных из устройства (нет необходимого в полном объеме выхода блока вывода данных, являющейся выходом устройства) и не позволяет реализовать блок анализа, в полном объеме блок фактографическая база данных, блок сортировки, в полном объеме необходимый блок принятия решения, блок вывода данных, в полном объеме блок индикации, т.е. не позволяет в полном объеме вводить данные, выполнять необходимый анализ, выполнять необходимую сортировку, принимать полном объеме необходимые решения (распознавание образов), обращаться в полном объеме к необходимым фактографическим данным и осуществлять в полном объеме вывод результата работы предлагаемого устройства.

Таким образом, это устройство не позволяет осуществлять в полном объеме ввод исходных данных, необходимый вывод результатов, выполнять необходимый анализ и сортировку, в полном объеме принимать необходимое решение (распознавание образов), выполнять в полном объеме хранение и выдачу фактографических данных, выполнять в полном объеме индикацию (отображение) необходимых данных, и как следствие этого не позволяет моделировать и выполнять принятие решений по результатам тестирования на основе марковских моделей формируя выходной сигнал, содержащий Q.

Предлагаемой полезной моделью решается задача принятия решения с помощью моделирования и распознавания образов по итогам, которых формируется выходной сигнал, содержащий Q как итоговый показатель моделирования и принятия решения. И как следствие этого повышается надежность принятия решения, при этом расширяется арсенал технических средств.

Технический результат.

Один из технических результатов, заявленного устройства, состоит том, что при создании полезной модели решалась задача расширения арсенала технических средств (т.е. расширения арсенала устройств принятия решений и получения таких средств впервые в виде устройства принятия решений по результатам тестирования на основе марковских моделей).

Анализ близких аналогов (представленный выше) убедительно показал, что в арсенале технических средств отсутствует аналогичное устройство, а значит, заявленное устройство расширяет арсенал аналогичных технических средств, а именно расширяет арсенал устройств принятия решений. Кроме этого такое заявленное средство получено впервые в виде устройства принятия решений по результатам тестирования на основе марковских моделей. Таким образом, заявленное устройство обеспечивает первый технический результат - расширение арсенала технических средств.

Другой из технических результатов, заявленного устройства, состоит том, что повышается надежность принятия решения. В технике под надежностью принятия решения принято понимать, например, вероятность правильного принятия решения. Для заявленного устройства эта вероятность соответствует тому, что в результате работы заявленного устройства будет правильно принято решение о классе, т.е. определен класс (в данном случае номер или идентификатор модели) к которому принадлежит испытуемый, траектория, (например, глазодвигательной активности) которая (от внешнего устройства по отношению к заявленному) поступает на вход траектории испытуемого, третьего входа блока 1 анализа. При этом модели и их идентификаторы поступают на вход моделей и на вход названий моделей соответственно пятого входа и четвертого входа блока 2 фактографическая база данных. Блок 4 сортировки позволяет отсортировать модели по вероятности правильного отнесения испытуемого к каждой модели, что позволяет в итоге определить самую вероятную модель, то есть модель, к которой вероятность отнесения (то есть классификация или иными словами распознавание) испытуемого является наибольшей. Таким образом, заявленным устройством принимается решение, по результатам которого этим устройством всегда определяется (или иными словами распознается) наиболее вероятный класс (или иными словами определяется марковская модель) к которому принадлежит испытуемый и тем самым повышается надежность принятия решения. Итоговый показатель q 2 принятия решения (q2 идентификатор марковской модели, по которой принято решение о ее наиболее вероятном соответствии траектории Т глазодвигательной активности испытуемого) передается в составе выходного сигнала, содержащего Q на выход заявленного устройства. Таким образом, заявленное устройство обеспечивает второй технический результат - повышении надежности принятия решения.

Для достижения названных технических результатов полезной моделью (как технического решения), содержащей блок фактографическая база данных, блок принятия решения, вход запроса, вход порога, введены блок анализа, блок сортировки, блок вывода данных, блок индикации, вход числа состояний, вход траектории испытуемого, вход режима, вход номера задачи, вход названий моделей, вход моделей, выход устройства, при этом

вход запроса соединен с первым входом блока анализа и с первым входом блока фактографическая база данных,

вход числа состояний является четвертым входом блока анализа,

вход траектории испытуемого является третьим входом блока анализа,

вход порога является вторым входом блока принятия решения,

вход режима является вторым входом блока фактографическая база данных,

вход номера задачи является третьим входом блока фактографическая база данных,

вход названий моделей является четвертым входом блока фактографическая база данных,

вход моделей является пятым входом блока фактографическая база данных,

выход блока сортировки соединен с первым входом блока вывода данных,

выход блока анализа соединен со вторым входом блока вывода данных и с первым входом блока принятия решения, выход которого соединен со входом блока сортировки и с четвертым входом блока вывода данных, второй выход которого соединен со входом блока индикации,

первый выход блока фактографическая база данных соединен со вторым входом блока анализа,

второй выход блока фактографическая база данных соединен с третьим входом блока вывода данных, первый выход которого является выходом устройства.

Признаки, отличающие предлагаемое устройство от наиболее близкого к нему известного по свидетельству (патенту) Российской Федерации 110638 (прототип) [14], характеризуют наличие следующих блоков, входов, выходов и соединений (связей) между ними: блок анализа, блок сортировки, блок вывода данных, блок индикации, вход числа состояний, вход траектории испытуемого, вход режима, вход номера задачи, вход названий моделей, вход моделей, выход устройства, при этом

вход запроса соединен с первым входом блока анализа и с первым входом блока фактографическая база данных,

вход числа состояний является четвертым входом блока анализа,

вход траектории испытуемого является третьим входом блока анализа,

вход порога является вторым входом блока принятия решения,

вход режима является вторым входом блока фактографическая база данных,

вход номера задачи является третьим входом блока фактографическая база данных,

вход названий моделей является четвертым входом блока фактографическая база данных,

вход моделей является пятым входом блока фактографическая база данных,

выход блока сортировки соединен с первым входом блока вывода данных,

выход блока анализа соединен со вторым входом блока вывода данных и с первым входом блока принятия решения, выход которого соединен со входом блока сортировки и с четвертым входом блока вывода данных, второй выход которого соединен со входом блока индикации,

первый выход блока фактографическая база данных соединен со вторым входом блока анализа,

второй выход блока фактографическая база данных соединен с третьим входом блока вывода данных, первый выход которого является выходом устройства.

Предлагаемая полезная модель иллюстрируется чертежами, представленными на фиг.1-16.

На фиг.1 приведена блок-схема полезной модели. Приведенная блок-схема отражает необходимые блоки устройства принятия решений по результатам тестирования на основе марковских моделей и связи между блоками. На блок-схеме показаны:

блок 1 анализа, блок 2 фактографическая база данных, блок 3 принятия решения, блок 4 сортировки, блок 5 вывода данных, блок 6 индикации, V - вход запроса, D - вход числа состояний, Т - вход траектории испытуемого, G - вход порога, А - вход режима, В - вход номера задачи, F - вход названий моделей, М - вход моделей, Q - выход устройства,

R - выход блока 1 анализа, Z - первый выход блока 2 фактографическая база данных, W - второй выход блока 2 фактографическая база данных, Е - выход блока 3 принятия решения, Н - выход блока 4 сортировки, L - второй выход блока 5 вывода данных, Q - первый выход блока 5 вывода данных, являющейся выходом устройства.

На фиг.2÷7 приведены, примеры блок-схемы работы каждого блока полезной модели для частного случая ее промышленной реализации (осуществимости).

На фиг.2 приведена блок-схема работы блока 1 анализа.

На фиг.3 приведена блок-схема работы блока 2 фактографическая база данных.

На фиг.4 приведена блок-схема работы блока 3 принятия решения. На фиг.5 приведена блок-схема работы блока 4 сортировки.

На фиг.6 приведена блок-схема работы блока 5 вывода данных.

На фиг.7 приведена блок-схема работы блока 6 индикации.

На фиг.8÷16 приведены дополнительные поясняющие сведения для заявленной полезной модели, поясняющие ее осуществимость.

На фиг.8 приведен пример дискретизации замкнутой области стимула прямоугольной сеткой.

На фиг.9 приведен пример произвольной внутренней ячейки прямоугольной сетки.

На фиг.10 приведен пример графа дискретных состояний, аппроксимирующий случайный процесс перемещения взора по поверхности стимула.

На фиг.11 приведен пример объединения состояний в группы.

На фиг.12 приведен пример графа сгруппированных состояний (результат группировки столбцов).

На фиг.13 приведен пример графа сгруппированных состояний (результат группировки строк).

На фиг.14 приведен пример стимульного материала первого задания для испытуемого, в котором представлено решение задачи разложение полинома на множители.

На фиг.15 приведен пример стимульного материала второго задания для испытуемого, в котором представлено решение алгебраической проблемы собственных значений.

На фиг.16 приведен пример дискретизации области стимула: в левых верхних и правых нижних углах указаны их координаты; строки и столбцы обозначены, соответственно, как Н1-Н4 и V1-V4.

Осуществление полезной модели и работа устройства.

Предполагается, что пользователь устройства (эксперт, испытуемый) выносит свое решение сигналом, содержащим V (выражает свое желание как запрос к заявленному устройству на принятие решений по результатам тестирования на основе марковских [16, 17] моделей) либо в виде сигнала, например, логического нуля, либо в виде логической единицы (в технических устройств, например, в электрических схемах вычислительной технике, принято, что напряжение (см. [53, с.98]) от +2.4 вольт до+5 вольт соответствует логической единице (высокий уровень), а напряжение, не превышающее +0.5 вольт - логическому нулю (низкий уровень)). Если V изменяется с логического нуля на логическую единицу (что соответствует изменению сигнала, то есть его напряжения), то это означает запрос пользователя к устройству на принятие решения.

На вход и выход каждого блока заявленного устройства поступают именно сигналы (или сигнал). Эти сигналы содержат соответствующие им данные.

Сначала на входе запроса сигнал, содержащий V есть логический нуль. Предполагается, что после того как поступили все исходные сигналы, содержащие данные на входы: V, D, Т, G, А, В, F, М, то на входе запроса сигнал, содержащий V изменяется с логического нуля на логическую единицу, что означает запрос испытуемого (пользователя устройства) к устройству.

Когда V есть логический нуль ФБД (блок 2 фактографическая база данных) не работает, а в случае, когда V есть логическая единица, может происходить чтение или запись сигналов, содержащих фактографические данные из ФБД.

Когда А есть логический нуль ФБД (блок 2 фактографическая база данных) работает в режиме записи сигналов, а в случае, когда А есть логическая единица, может происходить чтение сигналов, содержащих фактографические данные (из ФБД) - это чтение (выгрузка) Z, W.

Когда А есть логический нуль (и V есть логическая единица) ФБД работает в режиме записи - происходит запись сигналов, содержащих фактографические данные (в ФБД) - это запись (загрузка) сигналов, содержащих F, М в соответствии с сигналом, содержащим данные на входе В (номер задачи является идентификатором при записи текущих данных F, М в ФБД).

Когда А есть логическая единица (и V есть логическая единица) ФБД работает в режиме чтение - происходит чтение (выгрузка) сигналов, содержащих Z, W в соответствии с сигналом, содержащим данные на входе В (номер задачи является идентификатором при чтении из ФБД ранее записанных в нее сигналов, содержащих F, М под идентификатором В).

Предполагается, что пользователь устройства (эксперт, испытуемый) выносит свое решение V (выражает свое желание как запрос к заявленному устройству либо в виде сигнала, например, логического нуля, либо в виде логической единицы. Если V изменяется с логического нуля на логическую единицу, то это означает запрос пользователя к заявленному устройству.

Если V есть логический нуль, то это означает, что блок 2 фактографическая база данных и блок 1 анализа не функционируют (не передают сигналы - результаты свой работы на выход соответствующего своего блока).

Если V есть логический нуль, то это означает, что блок 1 анализа не может работать (выключен), т.е. анализ сигналов в этом случае не выполняется.

Если V есть логический нуль, то это означает, что блок 2 фактографическая база данных не может работать (выключен), т.е. прием и выдача сигналов, содержащих фактографические данные из ФБД не выполняется.

Если V есть логическая единица, то это означает, что блок 2 фактографическая база данных и блок 1 анализа функционируют (могут передавать сигналы - результаты свой работы на выход соответствующего своего блока).

Введем следующие обозначения для данных, содержащихся в сигналах и используемых в работе блоков (выше введенные символы могут быть переобозначены):

gB - число состояний, то есть число D;

gB - число состояний у моделей задачи В (все модели в рамках одной задачи распознавания (классификации) [64-69] имеют одно и тоже число состояний);

dB - число зон у моделей задачи В (все модели в рамках одной задачи распознавания (классификации) [64-69] имеют одно и тоже число зон);

KB - число моделей у задачи В;

- Ky идентификаторов (названий), где - идентификатор (название) i-ой модели задачи y;

- Ky матриц задачи y, где

- матрица задачи y i-ой модели (из dy строк (зон) и gy столбцов (состояний)) вероятностей m yixl;

myixl - вероятность х-ой зоны (строки) и l-го состояния (столбца) для i-ой модели (матрицы ) задачи y;

- KB матриц задачи В, где

- матрица задачи В i-ой модели (из dB строк (зон) и gB столбцов (состояний)) вероятностей m Bixl;

- KB идентификаторов (названий), где - идентификатор (название) i-ой модели задачи В;

T=(t1, , ti, , tD) - вектор, y которого ti - номер зоны (число от 1 до dB) для i-го состояния данной траектории испытуемого, D=gB;

- KB элементов вероятностей соответствия моделей траектории Т для задачи В;

- вероятность соответствия траектории Т модели i задачи В;

- обработанный R из KB элементов для задачи В;

- отсортированный (например, по убыванию ei ) Е из KB элементов для задачи В (пусть i=1÷K B и j=1÷KB, тогда для каждого индекса i существует индекс j такой что hi=ej, причем (то есть ij hi=ei. и ));

Выходной сигнал заявленного устройства, содержит данные

Q={q1, q2 , q3, q4, q5}, где:

q1=h1;

q2=f k, где

q4=N;

q1 - вероятность соответствия траектории Т наиболее вероятной модели из возможных моделей для задачи В с учетом порога G;

q 3 - вероятность соответствия траектории Т наиболее вероятной модели из возможных моделей для задачи В без учета порога G;

L=q 2=k, где k - идентификатор (название) k-ой модели по которой принято решение о ее наиболее вероятном соответствии траектории Т для задачи В с учетом порога G;

q4=N, где N - идентификатор (название) N-ой модели по которой принято решение о ее наиболее вероятном соответствии траектории Т для задачи В без учета порога G.

Отметим, что:

Если А есть логический нуль, то это означает, что блок 2 фактографическая база данных находится в режиме записи сигналов, содержащих фактографические данные. В случае, когда А есть логический нуль происходит запись сигналов, содержащих фактографические данные - это запись (загрузка) моделей (матриц, то есть задачи y в ФБД, при этом В=y.

Если А есть логическая единица, то это означает, что блок 2 фактографическая база данных находится в режиме чтение из ФБД сигналов, содержащих фактографические данные (матриц, то есть задачи В.

ФБД блока 2 фактографическая база данных содержит множество вариантов Mj и F j по одному на каждую задачу j, причем Z=MB, W=FB для задачи В (отметим, что далее будем полагать что и

На входы устройства (фиг.1) поступают все сигналы, содержащие исходные данные для его работы:

V, Т, D, G, А, В, F, М.

Сигнал, содержащий V через вход запроса поступает на первый вход блока 1 анализа и на первый вход блока 2 фактографическая база данных.

Сигнал, содержащий Т через вход траектории испытуемого поступает на третий вход блока 1 анализа.

Сигнал, содержащий D через вход числа состояний поступает на четвертый вход блока 1 анализа.

Сигнал, содержащий G через вход порога состояний поступает на второй вход блока 3 принятия решения.

Сигнал, содержащий А через вход режима поступает на второй вход блока 2 фактографическая база данных.

Сигнал, содержащий В через вход номера задачи поступает на третий вход блока 2 фактографическая база данных.

Сигнал, содержащий F через вход названий моделей поступает на четвертый вход блока 2 фактографическая база данных.

Сигнал, содержащий М через вход моделей поступает на пятый вход блока 2 фактографическая база данных.

Сначала на входе запроса сигнал, содержащий V есть логический нуль.

Если V есть логический нуль, то это означает, что блок 2 фактографическая база данных и блок 1 анализа не функционируют (не передают сигналы - результаты свой работы на выход соответствующего своего блока).

Предполагается, что после того как все сигналы (входы), содержащие данные: V, Т, D, G, А, В, F, М заявленного устройства установлены, то на входе запроса сигнал, содержащий V изменяется с логического нуля на логическую единицу, что означает запрос пользователя (эксперт) к устройству.

Когда А есть логический нуль (и V есть логическая единица} ФБД (блок 2 фактографическая база данных) работает в режиме записи - происходит запись сигналов, содержащих фактографические данные (в ФБД (блок 2 фактографическая база данных)) - это запись (загрузка) сигналов, содержащих F, М в соответствии с сигналом, содержащим данными на входе В (номер задачи является идентификатором при записи текущих F, М в ФБД).

Когда А есть логическая единица (и V есть логическая единица) ФБД (блок 2 фактографическая база данных) работает в режиме чтение - происходит чтение (выгрузка) сигналов, содержащих Z, W в соответствии с сигналом, содержащим данными на входе В (номер задачи является идентификатором при чтении из ФБД (блок 2 фактографическая база данных) ранее записанных в нее сигналов, содержащих F, М под идентификатором В).

Блоки заявленного устройства работают следующим образом. На вход и выход каждого блока поступают именно сигналы (или сигнал). Эти сигналы содержат соответствующие им данные.

Блок 1 анализа на основании полученных сигналов, содержащих данные V, Т, D, Z производит их анализ и формирует для задачи В выходной сигнал, содержащий

Если V есть логический нуль, то это означает, что блок 1 анализа не может работать (выключен), то есть анализ сигналов в этом случае не выполняется и выход R не формируется и не передается на выход блока 1 анализа.

Если V есть логическая единица, то это означает, что блок 1 анализа функционирует (может передаваться сигнал, содержащий R на выход блока 1 анализа).

Отметим, что сигналы содержат следующие данные:

T=(t1, , ti, , tD) - вектор, y которого ti - номер зоны (число от 1 до dB) для i-го состояния данной траектории испытуемого, D=gB;

Z=M, то есть где KB - число моделей y задачи В; - Ky матриц задачи y, у которого - матрица задачи y i-ой модели (из dy строк (зон) и gy столбцов (состояний)) вероятностей m yixl, при этом y=В, a myixl - вероятность х-ой зоны (строки) и l-го состояния (столбца) для i-ой марковской модели (матрицы ) задачи y.

В блоке 1 анализа (когда V есть логическая единица) выполняется анализ сигналов, содержащих данные и формирование выходного сигнала содержащего R, где - для задачи В исходные KB элементов вероятностей соответствия моделей траектории Т, где - вероятность соответствия траектории T модели i задачи В, которая вычисляется с помощью матриц

по следующей формуле:

Когда все это сформировано, то сигнал, содержащий R передается на выход блока 1 анализа.

Блок 2 фактографическая база данных после получения управляющих входных сигналов, содержащих V и А и сигналов, содержащих В, F, М работает следующим образом (отметим, что выходной сигнал содержит Z- марковские модели).

Если А есть логический нуль (и V есть логическая единица), то ФБД (блок 2 фактографическая база данных) работает в режиме записи - происходит запись сигналов, содержащих фактографические данные (в ФБД (блок 2 фактографическая база данных)) - это запись (загрузка в ФБД) сигналов, содержащих F, М в соответствии с сигналом, содержащим данными на входе В (номер задачи является идентификатором при записи текущих сигналов, содержащих F, М в ФБД). Эта запись сигналов в ФБД происходит столько раз, сколько это необходимо пользователю (предполагается, что размер ФБД позволяет это сделать).

Если А есть логическая единица (и V есть логическая единица), то ФБД (блок 2 фактографическая база данных) работает в режиме чтение - происходит чтение (выгрузка из ФБД) сигналов, содержащих Z, W в соответствии с сигналом, содержащим данными на входе В (номер задачи является идентификатором при чтении из ФБД (блок 2 фактографическая база данных) ранее записанных в нее сигналов, содержащих F, М под идентификатором В).

Блок 3 принятия решения на основе сигналов, содержащих данные G и R принимает решение о том, какие элементы сигнала R необходимо обнулить Вычисление (обнуление сигналов) происходит следующим образом:

где - обработанный сигнал R из KB элементов задачи В.

Когда по всем элементам входа R принято решение и сформирован сигнал, содержащий Е, то этот сигнал передается на выход блока 3 принятия решения.

Блок 4 сортировки на основе сигнала первого входа, на который поступил Е выполняет сортировку (упорядочивание) элементов сигнала входа Е (например, по убыванию ei, где и формирование сигнала выхода Сортировка элементов сигнала происходит следующим образом.

Пусть i=1÷KB и j=1÷-K B. Тогда для каждого индекса i существует индекс j такой что hi=ej, причем (то есть ij hi=ej, и

- отсортированный (например, по убыванию ei ) вход Е из KB элементов для задачи В.

Когда сформирован выходной сигнал, содержащий Н, то этот сигнал передается на выход блока 4 сортировки.

Блок 6 индикации производит вывод (отображение) эксперту сигнала, содержащего L.

Со второго выхода блока 5 вывода данных сигнал, содержащий L (название (идентификатор) модели) поступает на вход блока 6 индикации, где:

L=q 2=fk, где fk - идентификатор (название) k-ой модели по которой принято решение о ее наиболее вероятном соответствии траектории Т для задачи В с учетом порога G (q 2 пояснено далее).

Блок 5 вывода данных производит вывод (передачу эксперту (пользователю)) из заявленного устройства сигнала, содержащего Q, после получения сигналов, содержащих Н, R, W, Е:

на соответствующие его входы. В итоге формируется сигнал, содержащий Q, где Q={q1, q 2, q3, q4, q5}:

q1=h1;

q2=k, где

q4=N;

q1 - вероятность соответствия траектории Т наиболее вероятной модели из возможных моделей для задачи В с учетом порога G;

q 3 - вероятность соответствия траектории Т наиболее вероятной модели из возможных моделей для задачи В без учета порога G (отметим, что выбор наиболее вероятной модели повышает надежность принятия решения);

q2=L=k, где k - идентификатор (название) k-ой модели по которой принято решение о ее наиболее вероятном соответствии траектории Т для задачи В с учетом порога G;

q4=N, где N - идентификатор (название) N-ой модели по которой принято решение о ее наиболее вероятном соответствии траектории Т для задачи В без учета порога G.

Второй выход блока 5 вывода данных передает сигнал, содержащий L на вход блока 6 индикации.

В итоге сигнал, содержащий Q, где Q={q1, q2, q3 , q4, q5) передается на первый выход блока 5 вывода данных. Первый выход блока 5 вывода данных является выходом устройства.

Таким образом, предлагаемое устройство позволяет решить поставленную техническую задачу и добиться технического эффекта. При этом заявленное устройство, повышает надежность принятия решения, что вы итоге позволяет реализовать назначение полезной модели - расширения арсенала технических средств.

Пример (возможные варианты промышленного применения (осуществления) полезной модели).

Опираясь на работы [12, 14, 15, 33, 34, 35, 37, 40-56] и [18-30] и на [57-63] предлагаемая полезная модель может быть промышленно применимой (осуществимой) также как это было выполнено авторами ранее для аналогичных полезных моделей, например, [12, 14, 15, 33, 34, 35, 54, 55, 56]. При этом отметим, что поскольку заявленная полезная модель является устройством, то все используемые блоки, заявленного этого устройства, выполнены в конструктивном единстве и функциональной взаимосвязи в едином корпусе устройства (например, в монтажном шкафу, телекоммуникационной стойке, рендер ферме, серверной ферме и т.п.; это оборудование хорошо известно в промышленности, например, 19-дюймовая стойка описана в следующих документах [41, 42, 43]: ГОСТ 28601.1-90, 28601.2-90, 28601.3-90). Все блоки в монтажном шкафу соединены (например, проводами), так как показано на фиг.1.

Блок 3 принятия решения и блок 2 фактографическая база данных в формуле заявленной полезной модели указаны в ограничительной части и могут быть заимствованы, например, из прототипа [14] (или из патентов авторов: блок 3 принятия решения - из патентов 73750 [33], 111926 [54], 118095 [55], 122796 [12], 110269 [35], 23701 [56] и др., а блок 2 фактографическая база данных - из патентов 122796 [12], 118095 [55] и др.), в которых показана их промышленная применимость (осуществимость), что подтверждает возможность осуществления этих двух блоков для заявленного устройства.

Блок 1 анализа может быть заимствован, например, из патентов авторов: 118095 [55], 122796 [12], 111926 [54] и др.

Блок 4 сортировки может быть заимствован, например, из патентов: 60746 [44], 2445678 [45], 2383052 [46], 2346321 [47], 2050583 [48], 2252447 [49], 2252447 [50], 2274893 [51], 79692 [52]и др.

Блок 5 вывода данных может быть заимствован, например, из патентов авторов: 122796 [12], 20686 [15], 21836 [34] и др.

Блок 6 индикации может быть заимствован, например, из патентов авторов: 111926 [54], 110269 [35], 110638 [14], 73750 [33] и др.

Опираясь на работы [12, 14, 15, 31, 32, 33, 34, 35, 36, 37, 40-56] и [18-30] и на [57-63] предлагаемая полезная модель может быть еще промышленно применимой (осуществимой) так же, как это было выполнено авторами ранее для аналогичных полезных моделей, например, [12, 14, 15, 33, 34, 35, 54, 55, 56].

Все блоки устройства имеют СОМ порты [57-63] для связи друг с другом и для связи с входами заявленного устройства.

Все блоки расположены в едином корпусе (например [41, 42, 43], монтажном шкафу) соединены, так как показано на фиг.1 (например, проводами через СОМ порты каждого блока (каждый вход и выход каждого блока реализован с помощью СОМ порта [57-63])).

Далее предполагаем, что сигналы fV1, fV2 содержат каждый V, т.е. логический нуль (V=0) или логическая единица (V=1)).

Для работы устройства необходимы сигналы fV1, fV2, fT, fD, fG, fA, fB, fF, fM с входными данными. Эти сигналы передаются, соответственно:

сигнал fV1 (содержащий V) - на первый вход блока 1 анализа,

сигнал fV2 (содержащий V) - на первый вход блока 2 фактографическая база данных,

сигнал fT (содержащий T) - на третий вход блока 1 анализа,

сигнал fD (содержащий D) - на четвертый вход блока 1 анализа,

сигнал fG (содержащий G) - на второй вход блока 3 принятия решения,

сигнал fA (содержащий А) - на второй вход блока 2 фактографическая база данных,

сигнал fB (содержащий В) - на третий вход блока 2 фактографическая база данных,

сигнал fF (содержащий F) - на четвертый вход блока 2 фактографическая база данных,

сигнал fM (содержащий М) - на пятый вход блока 2 фактографическая база данных.

Возможен случай, когда сигналы fT, fD, fG, fB, fF, fM формируются, например некоторые из них, всего один раз (для решения текущей задачи), и содержат данные по умолчанию, рекомендуемые для постоянного использования, которые затем можно хранить в долговременной памяти соответствующих блоков.

Перед началом работы устройства ни один блок не запущен (не включен). Далее все блоки работают так, как описано, было выше.

Общий порядок работы блоков устройства следующий: в случае наличия сигнала - логической единицы на входе запроса V запускается блок 1 анализа (фиг.2), затем запускается блок 2 фактографическая база данных (фиг.3), затем запускается блок 3 принятия решения, затем запускается блок 4 сортировки (фиг.5), затем запускается блок 6 индикации (фиг.7), затем запускается блок 5 вывода данных (фиг.6).

Синхронизация работы всех блоков устройства может осуществляться, например, с помощью проверки наличия каждым блоком соответствующего сигнала (или сигналов) с данными и последующим его сбросом, а также путем установления сигнала - логического нуля или единицы на вход запроса V.

Далее предполагаем, что блока 2 анализа формирует сигналы fR1, fR2 - содержащие каждый R, при этом сигнал fR1 поступает на первый вход блока 3 принятия решения, а сигнал fR2 поступает на второй вход блока 5 вывода данных.

Далее предполагаем, что блока 3 принятия решения формирует сигналы fE1, fE2 - содержащие каждый Е, при этом сигнал fE1 поступает на вход блока 4 сортировки, а сигнал fE2 поступает на четвертый вход блока 5 вывода данных.

Далее полагаем, что сигнал fZ содержит Z.

Далее полагаем, что сигнал fW содержит W.

Далее полагаем, что сигнал fH содержит H.

Далее полагаем, что сигнал fL содержит L.

Далее полагаем, что сигнал fQ содержит Q.

Заметим, что формирование сигналов fV1, fV2 (каждый из которых содержит V, т.е. логический нуль (V=0) или логическая единица (F=1)), означает запрос пользователя (испытуемого, эксперта или администратора) к устройству, например, если значение V изменяется с логического нуля на логическую единицу, то это означает запрос к устройству на принятия решений по результатам тестирования на основе марковских моделей. Далее предполагаем, что сформированы сигналы fV1, fV2 - содержащие каждый V.

Для работы устройства необходимы сигналы fV1, fV2, fT, fD, fG, fA, fB, fF, fM, fR1, fR2, fE1, fE2, fH, fL, fW, fZ.

Другие сигналы: fR1, fR2, fE1, fE2, fH, fL, fW, fZ и fQ формируются соответствующими блоками в процессе работы заявленного устройства, при этом они передаются, соответственно:

сигнал fR1 (содержащий R) - на первый вход блока 3 принятия решения,

сигнал fR2 (содержащий R) - на второй вход блока 5 вывода данных,

сигнал fE1 (содержащий Е) - на вход блока 4 сортировки,

сигнал fE2 (содержащий Е) - на четвертый вход блока 5 вывода данных,

сигнал fZ (содержащий Z) - на второй вход блока 1 анализа,

сигнал fW (содержащий W) - на третий вход блока 5 вывода данных,

сигнал fH (содержащий Н) - на первый вход блока 5 вывода данных,

сигнал fL (содержащий L) - на вход блока 6 индикации,

сигнал fQ (содержащий Q) - на выход блока 5 вывода данных, выход которой является выходом устройства.

Возможен случай, когда, например, сигналы fT, fD, fG, fB, fF, fM формируются один раз и содержат данные по умолчанию, рекомендуемые для постоянного использования, которые можно хранить в долговременной памяти соответствующих блоков и не сбрасывать после каждого их приема. Возможен вариант когда, например, сигналы fV1, fV2 не обязательно часто сбрасывать.

Формируется сигнал, содержащий V как логический нуль или как логическую единицу. В случае логической единицы (или логического нуля) на входе запроса V блоки устройства работают, как было описано ранее.

Сначала готовятся фактографические базы данных (ФБД) для моделирования и принятия решения (по результатам тестирования на основе марковских моделей).

Если сигнал, содержащий А есть логический нуль (и V есть логическая единица), то ФБД блока 2 фактографическая база данных работает в режиме записи сигналов - происходит запись сигналов, содержащих фактографические данные - это запись (загрузка в ФБД) сигналов, содержащих F, М в соответствии с сигналом, содержащим на входе В (номер задачи является идентификатором при записи текущих F, М).

После подготовки ФБД значение сигнала, содержащего А изменяется с логического нуля на логическую единицу - это означает запрос к устройству для принятия решений по результатам тестирования на основе марковских моделей путем формирования выходного сигнала, содержащего Q.

Если А есть логическая единица (и V есть логическая единица) ФБД блока 2 фактографическая база данных работает в режиме чтение сигналов - происходит чтение (выгрузка) сигналов, содержащих Z, W в соответствии со входом В.

Затем запускается блок 1 анализа (фиг.1), который функционирует согласно блок-схеме его работы (фиг.2), обрабатывая (анализируя) поступающие на его вход сигналы, содержащие V, D, T и формируя выходные сигналы, содержащие R.

Затем запускается блок 2 фактографическая база данных (фиг.1), который функционирует согласно блок-схеме его работы (фиг.3), обрабатывая (принимая, загружая и выгружая сигналы, содержащие данные) поступающие на его вход сигналы, содержащие V, А, В, F, М и формируя выходные сигналы, содержащие Z и W.

Затем запускается блок 3 принятия решения (фиг.1), который функционирует согласно блок-схеме его работы (фиг.4), обрабатывая (прием, сброс, проверка, принятие решений, формирование и выдача сигналов, содержащих данные) поступающие на его вход сигналы, содержащие R, G и формируя выходные сигналы, содержащие Е.

Затем запускается блок 4 сортировки (фиг.1), который функционирует согласно блок-схеме его работы (фиг.5), обрабатывая (прием, сброс, проверка, сортировка, формирование и выдача сигнала, содержащего данные) поступающий на его вход сигнал, содержащий Е и формируя выходной сигнал, содержащий Н.

Затем запускается блок 6 индикации (фиг.1), который функционирует согласно блок-схеме его работы (фиг.7), обрабатывая (прием, сброс, проверка, отображение (индикация)) поступающий на его вход сигнал, содержащий L.

Затем запускается блок 5 вывода данных (фиг.1), который функционирует согласно блок-схеме его работы (фиг.6), обрабатывая (прием, сброс, проверка, формирование и выдача сигналов, содержащих данные для вывода) поступающие на его вход сигналы, содержащие Е, H, R, W и формируя выходные сигналы, содержащие L и Q.

Таким образом, заявленным устройством принимается решение, по результатам которого этим устройством всегда определяется (или иными словами распознается [64-69]) наиболее вероятный класс (или иными словами определяется марковская модель) к которому принадлежит испытуемый и тем самым повышается надежность принятия решения. Итоговый показатель q 2 принятия решения (q2 идентификатор марковской модели, по которой принято решение о ее наиболее вероятном соответствии траектории Т глазодвигательной активности испытуемого) передается как сигнал, содержащий Q на выход заявленного устройства.

Опираясь на разработанные выше математические основы далее для предлагаемого авторами устройство на практике (с целью проверки и подтверждения возможности промышленного применения (осуществления) полезной модели, заявленного устройства) были проведены следующие исследования и эксперименты и получены необходимые экспериментальные данные.

Экспериментальная процедура предусматривала видеорегистрацию движений глаз испытуемого (глазодвигательной активности) в процессе изучения стимульного материала, представляющего собой математические тексты различного уровня сложности. Первое задание соответствовало уровню средней общеобразовательной школы, а второе - уровню подготовки студентов-первокурсников технических специальностей.

Испытуемому предлагалось в течение неограниченного времени прочитать и изучить каждый из двух представленных текстов с целью выявления ошибок в рассуждениях или установления их отсутствия. Момент принятия решения фиксировался словами «я готов», после чего экспериментатор приостанавливал запись сигнала - движений глаз и давал испытуемому возможность изложить полученные выводы, развернуто пояснив их мотивы. Ответ испытуемого фиксировался с помощью средств аудиозаписи звукового сигнала.

Запись сигнала - движений глаз (глазодвигательной активности) проводилась в центре экспериментальной психологии МГППУ с помощью стационарного устройства регистрации движений глаз (т.е. глазодвигательной активности) SMI High Speed [37] в монокулярном режиме с частотой 500 Гц. Стимульный монитор [37] работал с разрешением 1280×1024 точек. Калибровка проводилась стандартным способом с использованием 9 опорных фиксационных точек.

В первом эксперименте приняли участие 24 студента и школьника, имеющие нормальное или скорректированное до нормального зрение.

Стимульный материал первого задания представлен на фиг.14.

Заданный текст содержит контрольную ошибку: в предпоследнем предложении нельзя производить разложение множителя

х2 +1

на составляющие с вещественными коэффициентами.

Стимульный материал второго задания (см. фиг.15) был посвящен решению алгебраической проблемы собственных значений и содержал две контрольных ошибки:

во-первых, вектор x некорректно вынесен за скобки, и, во-вторых, собственные значения матрицы некорректно определяются из неравенства

det(Ах-Е)0.

Область (см. фиг.16), на которой располагается стимульный материал, была разбита прямоугольной сеткой размерностью 4×4 (всего 16 ячеек), что обеспечило высоту строк и ширину столбцов равными, соответственно 256 и 320 точкам.

Уравнения (5-6) для графов сгруппированных состояний, представленных на фиг.12 и 13, при q=l=4 принимают вид:

Для обеспечения лучшего соответствия результатов моделирования наблюдениям, интенсивности переходов между состояниями исследуемого случайного процесса идентифицировалась по отдельности для следующих друг за другом временных интервалов длительностью 10 секунд. Для решения задачи оптимизации использовалось [37] техническое средство компании Frontline Systems, реализующее идею обобщенного градиентного спуска.

Численное интегрирование систем уравнений Колмогорова с идентифицированными значениями указанных параметров позволило [37] получить прогнозируемые вероятности пребывания в сгруппированных состояниях. Выявлены зависимости этих вероятностей от времени для второго задания совместно с соответствующими оценками, полученными в результате наблюдений (работе [37] представлены эти зависимости). Было установлено, что идентификация свободных параметров моделей приводит к определенному сглаживанию наблюдаемых данных, устраняющему их случайную «шумовую» составляющую.

Оценки степени соответствия результатов решения наблюдениям, построенные на основе критерия Стьюдента и F-критерия, свидетельствуют о наличии высокозначимой регрессионной зависимости между наблюдаемыми и прогнозируемыми частотами пребывания в рассмотренных выше сгруппированных состояниях (р<0,0001), что позволяет говорить о приемлемой степени соответствия результатов решения наблюдениям. Этот вывод также подкрепляется дополнительным аргументом: единица входит в 95%-й доверительный интервал для коэффициентов регрессии, связывающих исследуемые величины.

В работе [37] представлены распределения вероятностей пребывания взора в ячейках дискретизованных областей рассмотренных стимулов в контрольные моменты времени (как указано выше, эти вероятности определяются как произведения соответствующих вероятностей пребывания в сгруппированных состояниях).

Динамика изменения этих распределений представляет искомые аппроксимации и отражает пространственно-временные особенности визуального восприятия стимулов у различных категорий испытуемых.

Рассмотренные вероятностные оценки р, характеризующие прохождение наблюдаемых траекторий, обеспечили правильное принятие решения (т.е. правильный выбор категории или класса [64-69] испытуемых что приводит к повышению надежности принятия решения.) в 96% проведенных экспериментов для первого задания и в 83% экспериментов для второго задания, что свидетельствует об эффективности предложенного подхода к принятию решений.

Во втором эксперименте приняли участие школьники.

Выборка первоклассников состояла из 46 испытуемых, а выборка четвероклассников состояла из 47 испытуемых.

В качестве исследуемого стимула был использован специальный текст, классифицированный экспертами как сложный для младших школьников. Поскольку большая часть площади стимула представляет собой пустое поле, было принято решение разбить прямоугольной сеткой размерностью 4×4 на 16 ячеек только область стимула, содержащую текст, что обеспечило высоту строк и ширину столбцов равными, соответственно, 150 и 125 точек.

Для фиксации движений глаз (формирования траекторий Т глазодвигательной активности [37] испытуемых) использовалась аппаратура устройства бинокулярной видеорегистрации окуломоторной активности фирмы Interactive Minds с частотой 120 Гц и точностью 0,45°.

Для обеспечения лучшего соответствия результатов моделирования наблюдениям, интенсивности переходов между состояниями исследуемого случайного процесса идентифицировалась по отдельности для следующих друг за другом временных интервалов длительностью 5 секунд. Для решения задачи оптимизации в данном эксперименте также использовалось средство [37] компании Frontline Systems, использующее идею обобщенного градиентного спуска.

В зависимости от поставленной практической задачи, выборка испытуемых с учетом оценок экспертов делилась или на 4 диагностируемые группы (плохо читающие первоклассники, хорошо читающие первоклассники, плохо читающие четвероклассники и хорошо читающие четвероклассники), или на 2 диагностируемые группы (первоклассники и четвероклассники). В свою очередь, выборки траекторий, соответствующие этим группам, были разделены на обучающие (используемые для идентификации марковских моделей [37]) и контрольные выборки как это обычно принято в [64-69] теории распознавании образов.

Обозначим группы (классы) испытуемых:

1 - плохо читающие первоклассники;

2 - хорошо читающие первоклассники;

3 - плохо читающие четвероклассники;

4 - хорошо читающие четвероклассники;

5 - школьники первоклассники,

6 - школьники четвероклассники.

Экспериментальные исследования показали следующее положительные результаты.

Для испытуемых групп 1 и 2:

процент (доля) правильных решений на обучающей выборке - 81%;

процент (доля) правильных решений на контрольной выборке - 80%;

процент (доля) правильных решений на всей выборке - 81%.

Для испытуемых групп 5 и 6:

процент (доля) правильных решений на обучающей выборке - 92%;

процент (доля) правильных решений на контрольной выборке - 75%;

процент (доля) правильных решений на всей выборке - 85%.

Для испытуемых группы 5:

процент (доля) правильных решений на обучающей выборке - 85%;

процент (доля) правильных решений на контрольной выборке - 70%;

процент (доля) правильных решений на всей выборке - 78%.

Для испытуемых группы 6:

процент (доля) правильных решений на обучающей выборке - 100%;

процент (доля) правильных решений на контрольной выборке - 80%;

процент (доля) правильных решений на всей выборке - 91%.

Другие экспериментальные исследования показали следующее положительные результаты (выборочно).

Для испытуемых группы 1:

процент (доля) правильных решений на всей выборке - 87%.

Для испытуемых группы 2:

процент (доля) правильных решений на всей выборке - 74%.

Для испытуемых групп 3 и 4:

процент (доля) правильных решений на обучающей выборке - 71%;

Для испытуемых группы 3:

процент (доля) правильных решений на всей выборке - 100%.

Для испытуемых группы 4:

процент (доля) правильных решений на контрольной выборке - 100%;

Полученные результаты показывают, что классификация (распознавание [64-69]) принятие решения по уровню навыка на всей выборке школьников-первоклассников выполнена правильно в 81% случаев: на обучающей выборке процент правильного принятие решения также равен 81%, на контрольной выборке - 80% (во всех этих трех случаях имеет место статистически значимое отличие от равномерного распределения по критерию Пирсона, причем в первых двух случаях р<0,00001, а в третьем - p=0,01). На обучающей выборке школьников-четвероклассников процент правильного принятие решения равен 71% (при этом имеет место статистически значимое отличие от равномерного распределения по критерию Пирсона, р<0,03).

Марковские модели [37], описывающие динамику выборочных вероятностей пребывания взора в различных областях стимула для хорошо и плохо читающих школьников из четвертого класса отличаются достаточно слабо, что позволяет говорить об отсутствии хорошо выраженных пространственно-динамических отличий в движении взора при чтении у школьников из этих групп.

Таким образом, полученные результаты свидетельствуют о хорошем качестве принятия решения об уровне сформированности навыка чтения в первом классе и качестве принятия решения выше среднего в четвертом классе в случае учета априорной информации о классе обучающегося.

Марковские модели [37], идентифицированные по траекториям из групп, выделенных только на основании класса обучающихся (без учета экспертных оценок сформированности навыков чтения), указывают на существенные различия в глазодвигательной активности первоклассников и четвероклассников, обеспечивая корректную классификацию и правильное принятие решения по возрасту на всей выборке в 85% случаев (имеет место статистически значимое отличие от равномерного распределения по критерию Пирсона, p<0,000001). Таким образом, полученные результаты свидетельствуют о существенных отличиях вероятностных распределений глазодвигательной активности у школьников первого и четвертого классов и, соответственно, об эффективном распознавания группы возраста обучающихся и правильного принятие решения.

В целом, по всем результатам исследования и выполненных экспериментов можно сделать вывод, что устройство промышленно реализуемо (осуществимо) и позволяет принимать правильные решения.

В результате проведенных исследований и успешно выполненных экспериментов получено необходимое подтверждение возможности промышленной реализации (осуществимости) устройства для принятия решений по результатам тестирования на основе марковских моделей.

Таким образом, заявленным устройством принимается решение, по результатам которого этим устройством всегда определяется (или иными словами распознается [64-69]) наиболее вероятный класс (или иными словами принимается решение) к которому принадлежит испытуемый и тем самым повышается надежность принятия решения. Итоговый показатель принятия решения (идентификатор марковской модели, по которой принято решение о ее наиболее вероятном соответствии траектории глазодвигательной активности испытуемого) передается на выход заявленного устройства в виде сигнала.

Важно отметить, что экспериментальные исследования можно успешно провести для других условий (для другой возможной промышленной реализации) заявленного устройства (полезной модели).

Предлагаемая полезная модель может быть промышленно применимой (т.е. осуществимой) еще другим следующим образом.

Блоки предлагаемой полезной модели, как и в технических устройствах (полезных моделях) [12, 14, 15, 33, 34, 35, 54, 55, 56] реализуются [15, 34] с помощью (см. [20-30]) аналоговых и цифровых элементов, комбинационных схем (интегральных микросхем) в конструктивном единстве и функциональной взаимосвязи в едином корпусе устройства. Все блоки в заявленном устройстве соединены, например на плате, именно так, как показано на фиг.1.

На этом не исчерпывается все многообразие возможности вариантов применения (построения), т.е. осуществления предлагаемой полезной модели.

Использованные источники

1. Патент (свидетельство) на полезную модель Российской Федерации 119906 G06F 11/26. Автоматизированная система контроля с машинной постановкой диагноза и принятием решений на основе явных формальных диагностических моделей, опубл. 27.08.2012; Бюл. 24.

2. Патент (свидетельство) на полезную модель Российской Федерации 117669 G06Q 10/00 G06Q 90/00. Типологическая система ранжирования личностных свойств индивидуума на основе трехуровневого моделирования, опубл. 27.06.2012; Бюл. 18.

3. Патент (свидетельство) на полезную модель Российской Федерации 39417 G06F 17/60. Система для принятия решений, опубл. 27.07.2004.

4. Патент (свидетельство) на полезную модель Российской Федерации 69661 G07C 5/08. Система удаленного доступа по принятию решений по анализу и оценке дорожно-транспортного происшествия, опубл. 27.12.2007; Бюл.36.

5. Патент (свидетельство) на полезную модель Российской Федерации 74226 G06F 15/00. Система оповещения для принятия решений в автоматизированных системах управления технологическими процессами, опубл. 20.06.2008; Бюл. 17.

6. Патент (свидетельство) на полезную модель Российской Федерации 84997 G01S 13/02. Нейрокомпьютерная система автоматического принятия решения по воздушным целям, опубл. 20.07.2009; Бюл. 20.

7. Патент (свидетельство) на полезную модель Российской Федерации 107599 G05B 15/00. Система оповещения для принятия решений в автоматизированных системах управления технологическими процессами, опубл. 20.08.2011; Бюл. 23.

8. Патент Российской Федерации 2233479 G06N 1/00, G06F 17/60. Модель портфеля рекламы, комплексная система управления риском рекламы, использующая модель портфеля рекламы, и способ принятия инвестиционного решения с использованием портфеля рекламы, опубл. 27.07.2004.

9. Патент Российской Федерации 2305319 G06Q 50/00, G06F 17/30. Система принятия решений в кризисных ситуациях социальной сферы региона, опубл. 27.08.2007; Бюл. 24.

10. Патент Российской Федерации 2181216 G06F 17/60, G06F 157/00. Способ принятия решений в сфере кредитования (скоринг) и система для его реализации, опубл. 10.04.2002.

11. Патент (свидетельство) на полезную модель Российской Федерации 13107 G06F 15/00. Экспертная система, опубл. 20.03.2000.

12. Патент на полезную модель 122796, Российская Федерация (RU), кл. МПК G09B 7/00, A61B 5/16, G06Q 50/20. Система поддержки принятия решений для психологического и педагогического тестирования /ГБОУ ВПО МГППУ (Россия). - Заявка 2012132684/08; Заяв. 31.07.2012; Зарегистр. 10.12.2012; Приоритет от 31.07.2012. Опубл. Бюл. 34.

13. Патент Российской Федерации 2262131 G06F 17/00, G06N 7/06. Устройство для моделирования процесса принятия решений, опубл. 10.10.2005; Бюл. 28.

14. Патент на полезную модель 110638, Российская Федерация (RU), кл. МПК8 A61F 9/08. Навигационное устройство для ориентации слепых /МГППУ (Россия). - Заявка 2011125847; Заяв. 24.06.2011; Приоритет от 24.06.2011; Бюл. 33. (прототип)

15. Патент на полезную модель 20686, Российская Федерация (RU), кл. МПК7 G09B 23/02. Устройство для моделирования значений функции вероятности правильного ответа на запрос автоматизированной фактографической информационно-поисковой системы криминалистического назначения /С.Д. Кулик (Россия). - Заявка 2001116050/20; Заяв. 15.06.2001; Зарегистр. 20.11.2001; Приоритет от 15.06.2001; Опубл. Бюл. 32.

16. Куравский Л.С., Юрьев Г.А. Использование марковских моделей при обработке результатов тестирования //Вопросы психологии, 2011. - 2. - с.98-107.

17. Куравский Л.С., Юрьев Г.А. Адаптивное тестирование как марковский процесс: модели и их идентификация //Нейрокомпьютеры: разработка и применение, 2, 2011, с.21-29.

18. Ethernet user's manual for CN8800TPC //CNet total network solutions: CNet, 1993-20p.

19. Решения Microsoft. Вып.1-5: Microsoft, 1996.

20. Лысиков Б.Г. Арифметические и логические основы цифровых автоматов. - Мн.: Вышэйшая школа, 1980.

21. Савельев А.Я. Арифметические и логические основы цифровых автоматов. - М.: Высшая школа, 1980.

22. Соловьев Г.Н. Арифметические устройства ЭВМ. - М: Энергия, 1978.

23. Евреинов Э.В., Бутыльский Ю.Т., Мамзелев И.А. и др. Цифровая и вычислительная техника: Учебник для вузов. - М: Радио и связь, 1991.

24. Шило В.Л. Популярные цифровые микросхемы. - М.: Радио и связь, 1987. - 352 с.

25. Буреев Л.Н., Дудко А.Л., Захаров В.Н. Простейшая микро-ЭВМ. - М.: Энергоатомиздат, 1989. - 216 с.

26. Тарабрин Б.В., Лунин Л.Ф., Смирнов Ю.Н. и др. Интегральные микросхемы Справочник. - М.: Радио и связь, 1983.

27. Алгинин Б.Е. Кружок электронной автоматики. - М.: Просвещение, 1990.

28. Хокинс Г. Цифровая электроника для начинающих. - М.: Мир, 1986.

29. Мухитдинов М., Мусаев Э.С. Светоизлучающие диоды и их применение. - М.: Радио и связь, 1988.

30. Якубовский С.В., Барканов Н.А., Ниссельсон Л.И. и др. Аналоговые и цифровые интегральные микросхемы. - М.: Радио и связь, 1985.

31. Свидетельство Российской Федерации 2007614119 "Программа принятия решений и представления данных для лица, принимающего решения на финансовом рынке" (PInterface) /С.Д. Кулик и др. (Россия). - Заявка 2007613119; Заяв. 31.07.2007; Зарегистр. 26.10.2007; Опубл. Бюл. 4 (61). - (РОСПАТЕНТ).

32. Свидетельство 2001620076, Российская Федерация, "Фактографическая база данных АФИПС "Абрис"" (FBD-ABR$) /С.Д. Кулик (Россия). - Заявка 2001620050; Заяв. 29.03.2001; Зарегистр. 25.05.2001. Бюл. 3 (36). - (РОСПАТЕНТ).

33. Патент на полезную модель 73750, Российская Федерация (RU), кл. МПК7 G07D 7/00. Устройство определения фальшивых рукописных документов на русском языке /С.Д. Кулик и др. (Россия). - Заявка 2007147832/22; Заяв. 25.12.2007; Зарегистр. 27.05.2008; Приоритет от 25.12.2007. Опубл. Бюл. 15.

34. Свидетельство на полезную модель 21836, Российская Федерация (RU), кл. МПК7 G09B 23/02. Устройство для моделирования значений функции среднего времени ответа на запрос автоматизированной фактографической ИПС криминалистического назначения /С.Д. Кулик (Россия). - Заявка 2001127165/20; Заяв. 12.10.2001; Зарегистр. 20.02.2002; Приоритет от 12.10.2001; Опубл. Бюл. 5.

35. Куравский Л.С., Кулик С.Д., Мармалюк П.А., Юрьев Г.А. Патент на полезную модель 110269, Российская Федерация (RU), кл. МПК8 A61F 9/08. Устройство для ориентации слепых. - Заявка 2011120734/14; Заяв. 24.05.2011; Зарегистр. 20.11.2011; Приоритет от 24.05.2011. Опубл. Бюл. 32.

36. Куравский Л.С., Юрьев Г.А. Свидетельство Российской Федерации 2009613028 "Программа распознавания и озвучивания текстов для людей с нарушениями зрения v.1.0" (El-Reader) /Л.С. Куравский, Г.А. Юрьев (Россия). - Заявка 2009611751; Заяв. 21.04.2009; Зарегистр. 10.06.2009. - (РОСПАТЕНТ).

37. Куравский Л.С., Мармалюк П.А., Алхимов В.И., Юрьев Г.А. Математические основы нового подхода к построению процедур тестирования //Экспериментальная психология, 2012. - Т.5. - 4. - С.75-98.

38. Крамер Г. Математические методы статистики. - М.: Мир, 1976.

39. Чандрасекар С. Стохастические проблемы в физике и астрономии. - М.: ГИИЛ, 1947. - 168 с.

40. Alkhimov V.I. The Fokker - Plank equation in the excluded-volume problem of linear polymer chains //Chemical Physics Letters. - Volume 7, - Issue 6, 15 December 1970, - PP.581-582.

41. ГОСТ 28601.1-90. Межгосударственный стандарт. Система несущих конструкций серии 482,6 мм. Панели и стойки. Основные размеры. - Взамен ГОСТ 26.202-81; Введен с 01.01.1991.

42. ГОСТ 28601.2-90. Межгосударственный стандарт. Система несущих конструкций серии 482,6 мм. Шкафы и стоечные конструкции. Основные размеры. - Взамен (в части) ГОСТ 26.204-83; Введен с 01.01.1991.

43. ГОСТ 28601.3-90. Межгосударственный стандарт. Система несущих конструкций серии 482,6 мм. Каркасы блочные и частичные вдвижные. Основные размеры. - Взамен (в части) ГОСТ 26.204-83; Введен с 01.01.1991.

44. Патент на полезную модель 60746, Российская Федерация (RU), кл. МПК G06F 7/06. Устройство для сортировки чисел. - Опубл. 27.01.2007. Бюл.3.

45. Патент на изобретение 2445678, Российская Федерация (RU), кл. МПК G06F 7/06. Устройство сортировки двоичных чисел. - Опубл. 20.03.2012. Бюл.8.

46. Патент на изобретение 2383052, Российская Федерация (RU), кл. МПК G06F 7/06. Устройство сортировки двоичных чисел. - Опубл. 27.02.2010. Бюл.6.

47. Патент на изобретение 2346321, Российская Федерация (RU), кл. МПК G06F 7/06. Устройство сортировки двоичных чисел. - Опубл. 10.02.2009. Бюл.4.

48. Патент на изобретение 2050583, Российская Федерация (RU), кл. МПК G06F 7/06. Устройство для сортировки последовательностей чисел. - Опубл. 20.12.1995.

49. Патент на изобретение 2252447, Российская Федерация (RU), кл. МПК G06F 7/06. Устройство для сортировки двумерного массива данных (варианты). - Опубл. 20.05.2005. Бюл.14.

50. Патент на изобретение 2252447, Российская Федерация (RU), кл. МПК G06F 7/08. Устройство для сортировки чисел. - Опубл. 20.02.2005. Бюл.5.

51. Патент на изобретение 2274893, Российская Федерация (RU), кл. МПК G06F 7/08. Устройство сортировки информации. - Опубл. 20.04.2006. Бюл.11.

52. Патент на полезную модель 79692, Российская Федерация (RU), кл. МПК G06F 7/06. Устройство пирамидальной сортировки чисел. - Опубл. 10.01.2009. Бюл. 1.

53. Лыскова В.Ю., Ракитина Е.А. Логика в информатике. Методическое пособие. - М.: Лаборатория Базовых Знаний, 2004. - 160 с.

54. Кулик С.Д., Никонец Д.А., Ткаченко К.И., Лукьянов И.А., Гунько Н.Е. Патент на полезную модель 111926, Российская Федерация (RU), кл. МПК G06K 9/00. Устройство определения рукописных документов, принадлежащих исполнителю текста на русском языке. - Заявка 2011127077/08; Заяв. 04.07.2011; Зарегистр. 27.12.2011; Приоритет от 04.07.2011. Опубл. Бюл. 36-Ч.4.

55. Куравский Л.С., Кулик С.Д., Мармалюк П.А., Юрьев Г.А. Патент на полезную модель 118095, Российская Федерация (RU), кл. МПК10 G09B 23/02. Устройство для моделирования адаптивного тестирования когнитивных способностей испытуемого /ГОУ ВПО МГППУ (Россия). - Заявка 2012105993/08; Заяв. 21.02.2012; Зарегистр. 10.07.2012; Приоритет от 21.02.2012. Опубл. Бюл. 19.

56. Кулик С.Д. Патент (свидетельство) на полезную модель 23701, Российская Федерация (RU), кл. МПК7 G07D 7/00. Устройство для объединения уголовных дел, определения фальшивых банкнот, ценных бумаг и документов при раскрытии преступлений в криминалистике. - Заявка 2001134790/20; Заяв. 26.12.2001; Зарегистр. 27.06.2002; Приоритет от 26.12.2001; Опубл. Бюл. 18 - Ч.2.

57. Кузьминов А.Ю. Интерфейс RS232. Связь между компьютером и микроконтроллером. - М.: Радио и связь, 2004.

58. Кузьминов А.Ю. Интерфейс RS232. Связь между компьютером и микроконтроллером. От DOS к Windows98/XP. - M.: ДМК_пресс, 2006.

59. Кулаков В. Программирование на аппаратном уровне. Специальный справочник. - СПб.: Питер, 2003.

60. Гук М. Интерфейсы ПК. Справочник. - СПб.: Питер, 1999.

61. Фишер-Криппс А.С. Интерфейсы измерительных систем. Справочное руководство. - М.: Технологии, 2006.

63. Лапин А.А. Интерфейсы. Выбор и реализация. - М.: Техносфера, 2005.

64. Ту Дж., Гонсалес Р. Принципы распознавания образов. - М.: Мир, 1978.

65. Фукунага К. Введение в статистическую теорию распознавания образов. - М.: Наука, 1979.

67. Нильсон Н. Обучающиеся машины. - М.: Мир, 1967.

68. Дуда Р., Харт П. Распознавание образов и анализ сцен. - М.: Мир, 1976.

69. Божич В.И., Бондарь В.В., Васильев В.И., Васютин С.В., Веселов В.В., Галушкин А.И., Джураев Э.Ш., Дубровин В.И., Евдокимов А.А., Карелов И.Н., Козырев Г.И., Комарцова Л.Г., Кононенко Р.Н., Корнеев В.В., Кузнецов Д.М., Кулик С.Д., Лоскутов А.И., Малофей О.П., Назаров А.В., Протасов В.И., Самаев Е.С., Субботин С.А., Харламов А.А., Хафизов А.Ф., Червяков Н.И., Шапошников А.В. Нейрокомпьютеры в информационных и экспертных системах. Кн. 27 /Под ред. А.И. Галушкина и С.Д. Кулика. - М.: Радиотехника, 2007.

Устройство принятия решений по результатам тестирования на основе марковских моделей, содержащее блок фактографическая база данных, блок принятия решения, вход запроса, вход порога, отличающееся тем, что в него введены блок анализа, блок сортировки, блок вывода данных, блок индикации, вход числа состояний, вход траектории испытуемого, вход режима, вход номера задачи, вход названий моделей, вход моделей, выход устройства, при этом

вход запроса соединен с первым входом блока анализа и с первым входом блока фактографическая база данных,

вход числа состояний является четвертым входом блока анализа,

вход траектории испытуемого является третьим входом блока анализа,

вход порога является вторым входом блока принятия решения,

вход режима является вторым входом блока фактографическая база данных,

вход номера задачи является третьим входом блока фактографическая база данных,

вход названий моделей является четвертым входом блока фактографическая база данных,

вход моделей является пятым входом блока фактографическая база данных,

выход блока сортировки соединен с первым входом блока вывода данных,

выход блока анализа соединен со вторым входом блока вывода данных и с первым входом блока принятия решения, выход которого соединен со входом блока сортировки и с четвертым входом блока вывода данных, второй выход которого соединен со входом блока индикации,

первый выход блока фактографическая база данных соединен со вторым входом блока анализа,

второй выход блока фактографическая база данных соединен с третьим входом блока вывода данных, первый выход которого является выходом устройства.



 

Похожие патенты:

В этом изобретение удалённое видеонаблюдение даёт технический результат, заключающийся в повышении уровня автономности по питанию, вандалозащищенностью и более широкими функциональным возможностями, достигается в устройстве, содержащем линейную часть, включающую первую и вторую видеокамеры и видеокамеру дальнего обзора и станционную часть.

Изобретение относится к области медицины и может быть использовано для экстренного снятия, передачи и анализа ЭКГ сигналов на расстояние

Аппаратно-программная комплексная автоматизированная система звуковой трансляции и голосового (речевого) экстренного оповещения населения относится к устройствам для оповещения об опасности физических лиц и предназначена для своевременного и оперативного определения положения физического лица и реагирования на возникшую опасность.

Полезная модель относится к полиграфической продукции и направлена на расширение арсенала средств за счет создания развивающих книг новой конструкции, повышение эффективности развития моторики, логики, формирования навыков чтения и пространственного мышления
Наверх