Технолого-экономическое образование: достижения, инновации, перспективы

Секция 2. Актуальные проблемы экономики и экономического образования 249 О ПОДХОДАХ В ОЦЕНКЕ ЭФФЕКТИВНОСТИ ЭРГАТИЧЕСКИХ СИСТЕМ НА ОСНОВЕ МЕТОДА ЭВРИСТИЧЕСКОЙ САМООРГАНИЗАЦИИ И ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ С. И. Логвинов Тульский государственный педагогический университет им. Л. Н. Толстого (Тула, Российская Федерация) Аннотация. В статье рассмотрены методические подходы к анализу эффектив- ности сложных человеко-машинных систем на основе применения методов эвристи- ческой самоорганизации и искусственных нейронных сетей. Ключевые слова: моделирование, эффективность эргатической системы, много- рядные алгоритмы, критерии выбора моделей. Многообразие видов деятельности на предприятиях и в организациях, про- изводящих различную продукцию основываются на необходимости взаимодей- ствия исполнителей с различными техническими устройствами. В этом случае эффективность такого взаимодействия определяется как эффективность эргати- ческой системы или другими словами системами «Человек (оператор) – маши- на». Особенностями оценки эффективности таких систем является необходи- мость учета эргатического элемента в системе, нелинейности воздействия его на эффективность системы, и, конечно, изменения характеристик во времени. В условиях реального эксперимента, когда имеются ограничения по времени его проведения, затратам становится ясным, что необходимые выборки стати- стических данных для последующего моделирования не могут быть большими. В этих условиях возможно применить метод группового учета аргументов (МГУА) [1,2]. Опыт реализации такого подхода показывает целесообразность применения многорядных алгоритмов с последовательным отбором моделей по таким внешним критериям, как «минимум смещения», «регулярности», «точно- сти прогноза». Возможность формирования моделей в условиях «помех» осо- бенно ценно для малых выборок, большого количества воздействующих на эф- фективность системы факторов. Для исключения отбрасывания при селекции существенных для модели переменных на каждом ряду селекции модели до- пускается участие исходных данных 1-го ряда. Применение при этом построе- ния исходных данных по убыванию дисперсии позволяет при использовании критерия «минимум смещения» на первом ряду селекции частных моделей максимально повысить «истинность, физичность» модели. Вместе с тем с развитием методов искусственного интеллекта появилась необходимость сравнительного анализа применения различных методов для оценки сложных эргатических систем. Для получения регрессионных зависи-