Программа дисциплины «Базы данных и экспертные системы» учебно-методические материалы Редакция №1 от 01. 09. 2013 учебно-методический комплекс дисциплины «Базы данных и экспертные системы»


НазваниеПрограмма дисциплины «Базы данных и экспертные системы» учебно-методические материалы Редакция №1 от 01. 09. 2013 учебно-методический комплекс дисциплины «Базы данных и экспертные системы»
страница6/10
Дата публикации25.12.2013
Размер1.56 Mb.
ТипПрограмма дисциплины
referatdb.ru > Информатика > Программа дисциплины
1   2   3   4   5   6   7   8   9   10
. Теперь допустим, что в БП кроме правила 1 и правила 2 присутствует правило 3: «если указатель бензина находится на нуле, то нет бензина». В РП находятся те же факты, что в предыдущем примере. В результате сопоставления в первом же цикле возможно применение двух правил - правила 2 и правила 3, то есть возникает конфликтный набор и встает задача выбора: какое из этих правил применить первым. Если выберем правило 2, то в РП добавится факт «двигатель не заводится» и на следующем шаге опять возник-нет конфликтный набор, так как можно будет применить правило 1 и правило 3. Если будет выбрано правило 1, то к заключению «сел аккумулятор» придем за два шага. При любом другом выборе порядка применения правил к этому же заключению приходим за три шага. Если завершение цикла работы ЭС наступает после просмотра всех правил, то число шагов будет равно трем, причем порядок применения правил не будет иметь какого-либо значения.

Пример обратного вывода. Предположим, что в БП имеется два правила (правило 1 и правило 2), а в РП - те же факты, что в предыдущих примерах с прямым выводом.

Алгоритм обратного вывода содержит следующие шаги.

        1. Выдвигается гипотеза окончательного диагноза - сел аккумулятор.

        2. Отыскивается правило, заключение которого соответствует выдвинутой гипотезе, в нашем примере - это правило 1.

    1. Исследуется возможность применения правила 1, то есть решается вопрос о том, может ли оно сработать. Для этого в рабочей памяти должны присутствовать факты, совпадающие с образцом этого правила. В рассмат-риваемом примере правило 1 не может сработать из-за отсутствия в РП образца «двигатель не заводится». Этот факт становится новой целью на следующем шаге вывода.

    2. Поиск правила, заключение которого соответствует новой цели. Такое правило есть - правило 2.

    3. Исследуется возможность применения правила 2 (сопоставление). Оно срабатывает, так как в РП присутствует факт, совпадающий с его образцом.

    4. Действие правила 2, состоящее в занесении заключения «двигатель не заводится» в РП.

    5. Условная часть правила 1 теперь подтверждена фактами, следовательно, оно срабатывает, и выдвинутая начальная гипотеза подтверждается.

    6. Конец работы.

При сравнении этого примера с примером прямого вывода нельзя заметить преимуществ обратных выводов перед прямыми выводами.

Пример обратного вывода с конфликтным набором. Предположим, что в БП записаны правило 1, правило 2, правило 3 и правило 4: «если засорился бензонасос, то двигатель не заводится». В РП присутствуют те же самые факты: «фары не горят и указатель бензина находится на нуле». В данном случае алгоритм обратного вывода с конфликтным набором включает следующие шаги.

  1. Выдвигается гипотеза сел аккумулятор.

  2. Поиск правила, заключение которого совпадает с поставленной целью. Это правило 1.

  3. Исследуется возможность применения правила 1. Оно не может сработать, тогда выдвигается новая подцель «двигатель не заводится», соответству-ющая недостающему образцу.

  4. Поиск правил, заключения которых совпадают с новой подцелью. Таких правил два: правило 2 и правило 4. Если выберем правило 2, то дальнейшие шаги совпадают с примером без конфликтного набора. Если выберем правило 4, то оно не сработает, так как в РП нет образца: «засорился бензонасос». После этого будет применено правило 2, что приведет к успеху, но путь окажется длиннее на один шаг.

Следует обратить внимание на то, что правило 3, не связанное с поставленной целью, вообще не затрагивалось в процессе вывода. Этот факт свидетельствует о более высокой эффективности обратных выводов по сравнению с прямыми выводами. При обратных выводах существует тенденция исключения из рассмот-ренных правил тех правил, которые не имеют отношения к поставленной цели.

В экспертных системах процедуры управления логическим выводом закрыты не только для пользователя, но и для инженера по знаниям, однако о них необходимо иметь представление, чтобы корректно интерпретировать результаты. Для этого нужно знать, в каком виде хранятся знания и как выбираются начальная точка поиска, правила разрешения конфликтов, структуру, с помощью которой хранятся знания. Для разрешения конфликтов в системах с прямыми выводами широкое распространение получил метод разрешения конфликтов LEX, в котором предпочтение отдается правилам со ссылкой на самый последний сгенерированный образец. Если таких правил несколько, то среди них выбирается правило с наибольшим числом условий в антецеденте.

В ЭС продукционного типа все множество знаний обычно хранится в виде древовидной структуры, называемой И-ИЛИ-графом. Фрагменты такой структуры приведены на рис. 10, 11.


Рис. 10. Простейший фрагмент структуры И-ИЛИ-графа.
Классическая форма продукций предполагает наличие в антецеденте только связки И. На практике классическая форма может быть расширена введением связки ИЛИ в условную часть либо включением в антецедент вычислений на основании содержимого рабочей памяти и т.п. Если существует множество правил, из которых выводится одно и то же заключение, то, выполнив операцию ИЛИ (дизъюнкцию) над всеми заключениями, полученными с помощью этих правил, можно показать отношение между результатом отдельного вывода и данными, на основании которых делается вывод.


Рис. 11. Фрагмент структуры И-ИЛИ – графа продукционной ЭС.
С помощью И-ИЛИ-графа обратный вывод в ЭС продукционного типа можно представить как проблему поиска определенного пути на графе. Выбор одной из связок ИЛИ соответствует разрешению конфликтного набора, при этом не безразличен порядок оценки условий в антецеденте, соединенных связкой. В экспертных системах, имеющих практическую ценность, следует знать, с помощью каких стратегий управления выводом можно минимизировать время решения задач.

Стратегия поиска в глубину.

При выборе очередной подцели в процессе обратного вывода предпочтение всегда отдается той, которая соответствует следующему, более детальному уровню описания задачи. Например, система диагностики, сделав на основании известных симптомов предположение о причинах неисправности, будет запрашивать уточняющие признаки и симптомы до тех пор, пока полностью не подтвердит (опровергнет) выдвинутую гипотезу. Пример организации поиска в глубину показан на рис. 12, где цифрами обозначены номера шагов поиска.

Рис. 12. Поиск в глубину при обратном выводе.
Стратегия поиска в ширину.

При поиске в ширину сначала анализируются все симптомы (факты), находящиеся на одном уровне пространства состояний задачи, даже если они относятся к разным целям (подцелям), и только после этого происходит переход к поиску симптомов следующего уровня. На рис. 13 показаны шаги поиска в ширину, обозначенные номерами, указанными в вершинах. На рисунке представлена стратегия обратного вывода на том же И-ИЛИ-графе, который приведен и на рис. 12 Алгоритм поиска в глубину более эффективен в отношении времени поиска и обработки знаний, однако он характеризуется более высоким риском потери перспективных решений по сравнению с поиском в ширину.

Рис. 13. Поиск в ширину при обратном выводе.
Разбиение на подзадачи.

Декомпозиция дает положительный эффект только для хорошо структу-рированных областей знаний, так как применение этой стратегии основано на правильном понимании сущности задачи и возможности ее представления в виде системы иерархически связанных целей-подцелей, причем разбиение на подзадачи необходимо выполнить оптимальным способом.

- алгоритм.

С помощью этого алгоритма исходная задача сводится к уменьшению пространства состояний путем удаления в нем ветвей, неперспективных для поиска успешного решения, то есть просматриваются только те вершины, в которые можно попасть в результате следующего шага, после чего неперспективные направления исключаются. Например, в БЗ продукционной системы, заполненной знаниями о животном мире, не следует искать животных, не относящихся к млекопитающим, в направлении, берущем начало от вершины, определяющей млекопитающих. Данная стратегия является определенным компромиссом между поиском в ширину и поиском в глубину. Для ее успешной реализации следует располагать дополнительными эвристическими знаниями, которые используются при выборе перспективных направлений.

Обработка знаний в ЭС с фреймовым представлением.

В ЭС с фреймовой моделью представления знаний используются три способа управления логическим выводом:

  • демоны,

  • присоединенные процедуры

  • механизм наследования.

Для фреймовых объектно-ориентированных систем механизм наследования является единственным основным механизмом вывода. Управленческие функции механизма наследования заключаются в автоматическом поиске и определении значений слотов фреймов нижележащих уровней по значениям слотов фреймов верхних уровней, а также в запуске присоединенных процедур и демонов.

Рассмотрим обработку знаний в ЭС на примере структуры фрейма «Научная конференция» (табл. 4.).
Таблица 4

Фрейм «Научная конференция»

Имя слота

Значение слота

If- needed

If-added

If- removed

Дата

25.02. 10:00










Место проведения

Аудитория 6 - 332




Заказ




Тема доклада

Алгоритм отжига










Докладчик

Семенов А.И.

Кто?








Демон «Заказ» - это процедура, которая автоматически запускается при попытке подстановки значения в слот с именем место проведения. Главное назна-чение этой процедуры состоит в проверке возможности заказа аудитории на нужное время. Такая процедура на языке LISP может выглядеть примерно так:

LISP proc «Заказ» (название конференции, место проведения, дата)

if возможно (место проведения, дата)

then заказать (название конференции, место проведения, дата)

else сообщение («Заказ невозможен», название конференции)

end.

Демон «Кто?» автоматически запускается при обращении к слоту «Докладчик», если значение этого слота не определено. Основное содержание данной процедуры заключается в генерации запроса к пользователю типа «Кто выступает?», получение ответа и его запись в качестве значения слота. Реализация вывода с помощью присоединенных процедур требует наличия механизма обмена информацией между фреймами. В качестве такого механизма обычно используется механизм сообщений. На рис. 14 схематично показан обмен информацией между фреймами АА и ВВ во время исполнения присоединенной процедуры CALC, при этом вызывается процедура MEAN, расположенная во фрейме ВВ.


Фрейм ВВ

Фрейм АА



Имя слота

Тип

Значение

ISA

Frame

A

Объект 1

Integer

125

Объект 2

Real

8.5


…………

…………


MSG


………

Расчет

LISP


CALC

Ответ




























































Имя слота

Тип

Значение

ISA

Frame

В

X

Integer

10, 20, 30

У

Real

8.0, 12.6

…………

…………

…………

Среднее

LISP

MEAN



Рис. 14. Обмен информацией между фреймами АА и ВВ.
Допустим, что процедура CALC (result) выполняет расчет, в процессе кото-рого происходит обращение к фрейму ВВ с использованием команды MSG, реализующей передачу сообщения в другой фрейм.

LISP proc CALC (result) MSG (Cpednee, ВВ, X) end.

Команда MSG имеет три параметра:

  • имя слота, к которому происходит обращение (в данном случае значением слота «Среднее» является присоединенная процедура MEAN);

  • имя фрейма, в котором содержится необходимая информация (ВВ);

  • имя слота - параметра, в котором находятся данные для расчета (X).

Запуск процедуры CALC вызовет исполнение следующих действий: передача сообщения во фрейм ВВ на запуск процедуры MEAN, которая найдет среднее арифметическое чисел, записанных в слоте X; вычисленное значение будет записано в переменную result и передано в CALC как ответ на сообщение MSG.

Таким образом, в ЭС с фреймовым представлением знаний невозможно четко отделить процедурные знания от декларативных знаний. Присоединенные процедуры и демоны одновременно являются знаниями и средствами управления логическим выводом.

На рис. 15 схематично показаны средства управления выводом во фреймовой системе. Возможность организации выводов любого типа является существенным преимуществом фреймовых систем по сравнению с продукционными системами. Не менее важным достоинством является большее сходство этой модели представления знаний со структурой знаний в памяти человека. Вместе с тем практическая реализация фреймовых систем сопряжена со значительной трудоемкостью, как на этапе проектирования, так и при реализации. Поэтому стоимость промышленных экспертных систем фреймового типа на порядок превосходит стоимость продукционных систем.

Рис. 15. Средства управления выводом в ЭС фреймового типа.

ЛЕКЦИЯ 6. Методы приобретения знаний.
В лекции изложена проблема приобретения знаний, которая включает две основные задачи: получение и систематизацию информации. Процесс получения знаний от экспертов является ключевым при разработке ЭС, поэтому вопросы по изучению основных аспектов процесса извлечения знаний и особенности структурирования знаний на основе структурного и объектно-ориентированного подходов являются при рассмотрении данной темы основополагающими.

Основные аспекты процесса извлечения знаний.

Извлечением знаний называют процесс получения знаний от экспертов. Извлечение знаний – это сложная и трудоемкая процедура, в результате которой инженеру по знаниям необходимо создать собственную модель предметной области на основе информации, полученной от экспертов. Процесс извлечения знаний рассматривают в трех основных аспектах: психологическом, лингвистическом и гносеологическом (рис. 16).

Психологический аспект самый важный из всех аспектов, так как извлечение знаний происходит в процессе общения инженера по знаниям с экспертами, где психология играет доминирующую роль. Процесс извлечения знаний для интеллектуальных систем необходимо организовать не как однонаправленный процесс передачи сообщений от эксперта аналитику, а как совместный поиск истины. В процессе разговорного общения много информации теряется, поэтому важной проблемой является увеличение информативности общения аналитика и эксперта за счет использования методик, выработанных в психологии (рис. 17).

Модель общения включает участников общения, средства общения и предмет общения (знания). В соответствии с этими компонентами выделяются три слоя психологических проблем: контактный, процедурный, когнитивный.



Рис. 16 Аспекты извлечения знаний.
Степень информативности общения аналитика и эксперта на уровне контакт-ного слоя зависит в основном от пола, возраста, темперамента личности и мотивации участников общения. Установлено, что хорошие результаты дают гетерогенные пары (мужчина/женщина) и соотношение возрастов:



где возраст эксперта; - возраст аналитика.

Желательно, чтобы участники процесса общения обладали следующими качествами: доброжелательностью, хорошей памятью, вниманием, наблюдатель-ностью, воображением, впечатлительностью, собранностью, настойчивостью, общи-тельностью и находчивостью.



Рис. 17. Потери информации при разговорном общении.
В рамках контактного слоя наиболее предпочтительными из четырех классических типов темперамента являются сангвиники и холерики.

Параметры процедурного слоя обеспечивают эффективность извлечения знаний. К этим параметрам относятся: ситуация общения (место, время, продол-жительность); оборудование (вспомогательные средства, освещенность, мебель); профессиональные приемы (темп, стиль, методы и др.). Для повышения эффективности процесса извлечения знаний инженер по знаниям должен подобрать значимые для эксперта стимулы, так как эксперт передает аналитику один из самых ценных ресурсов - знания.

Когнитивный слой связан с изучением семантического пространства памяти эксперта и с воссозданием его понятийной структуры и модели рассуждений. Желательно, чтобы и аналитики, и эксперты обладали следующими когнитивными характеристиками:

  • высокой поленезависимостъю, которая подразумевает способность выделять главные аспекты рассматриваемой проблемы и отбрасывать все лишнее, что не относится к поставленной задаче;

  • рефлексивностью, характеризующей склонность к рассудительности и самоанализу (в то время как импульсивность характеризуется быстрым, зачастую недостаточно обоснованным принятием решений);

  • когнитивной эквивалентностью, определяющей способность человека к различению понятий и разбиению их на классы и подклассы;

  • эксперты - устойчивостью представлений, то есть жесткостью структуры восприятия, а аналитики - гибкостью, то есть умением легко приспосабли-ваться к новой обстановке.

Для эффективного построения ИИС инженер по знаниям должен владеть специальными неформальными методами и математическим аппаратом, позволяющими ему воссоздавать полученные от эксперта знания с помощью различных моделей, например, таких, как продукционная или фреймовая. Не навязывая эксперту какой-либо модели, аналитик должен подобрать средства представления знаний, имеющие максимально высокую семантическую репрезентативность (представительность).

Лингвистический аспект определяется тем, что язык является основным средством общения в процессе извлечения знаний. В области лингвистических проблем наиболее важными являются понятия: общий код, понятийная структура, словарь пользователя.

Общим кодом называют специальный промежуточный язык общения между экспертом и инженером по знаниям. Этот язык включает совокупность общенаучных и специальных понятий из профессиональной литературы, элементов базового языка, неологизмов и др. Общий код позволяет преодолеть языковой барьер в процессе общения инженеров по знаниям с экспертами. Выработка общего кода для партнеров осуществляется в соответствии с информационными потоками, представленными на рис. 18. В дальнейшем общий код преобразуется в понятийную структуру, или семантическую сеть, которая связывает понятия, хранящиеся в памяти человека. Выявление отношений между элементами знаний, представленных понятиями, является одной из самых сложных проблем в процессах извлечения знаний.


Рис. 18. Структура формирования общего кода.
Разработка словаря пользователя необходима в связи с тем, что конечный пользователь не обязан владеть профессиональным языком предметной области, который использовался при построении БЗ. Интерфейс пользователя создается, как правило, путем доработки словаря общего кода.

Гносеологический аспект объединяет методологические проблемы получения нового научного знания, так как процесс познания часто сопровождается появлением новых понятий и теорий. В процессе разработки БЗ эксперты довольно часто впервые формулируют некоторые закономерности на основе накопленного эмпирического опыта. Например, последовательность факт  обобщенный факт  эмпирический закон  теоретический закон называется гносеологической цепочкой. Теория - это не только система обобщения накопленных знаний, но и способ получения нового знания.

В процессе извлечения знаний инженеров по знаниям прежде всего интересуют эмпирические знания экспертов, представляющие собой результаты наблюдений, которые могут оказаться несогласованными. Внутренняя согласованность эмпирии-ческих знаний характеризуется понятиями модальности, противоречивости, неполноты. Под модальностью знания понимается возможность его существования в различных категориях. Противоречивость является естественным свойством эмпирических знаний и не всегда может и должна быть устранена. Она может служить отправной точкой в рассуждениях экспертов. Неполнота знаний связана с невозможностью исчерпывающего описания любой предметной области.

На начальных этапах инженер по знаниям, исследуя структуру умозаключений эксперта, может использовать разные теории и подходы для построения формальной модели знаний предметной области. Наиболее известными и часто применяемыми приемами являются математическая логика, теория ассоциаций. Математическая логика формирует критерии, которые гарантируют точность, значимость и непротиворечивость общих понятий, рассуждений и выводов. В теории ассоциаций мышление представляется в виде цепочки идей, связанных общими понятиями. Здесь применяются следующие приемы: ассоциации, приобретенные на основе связей различной природы; привлечение прошлого опыта; метод проб и ошибок со случайным успехом; привычные («автоматические») реакции и др.
Методы извлечения знаний.

Многообразие задач, ситуаций и источников знаний обусловило появление большого количества методов извлечения, приобретения и формирования знаний. На первом уровне возможной классификации методов извлечения знаний (рис. 19) выделены два больших класса. Первый класс образуют коммуникативные методы, которые ориентированы на непосредственный контакт инженера по знаниям с экспертом (источником знаний), второй класс - текстологические методы, основан-ные на приобретении знаний из документов и специальной литературы.

Коммуникативные методы разделяются на пассивные и активные. В пассивных методах ведущую роль играет эксперт, а в активных - инженер по знаниям. При решении конкретных задач, как правило, используются как пассивные, так и активные методы. Активные методы делятся на индивидуальные и групповые.



Рис. 19. Классификация методов извлечения знаний.
В групповых методах знания получают от множества экспертов, а в индиви-дуальных - от единственного эксперта. Индивидуальные методы получили более широкое применение на практике по сравнению с групповыми.

Пассивные коммуникативные методы включают наблюдение, анализ прото-колов «мыслей вслух», процедуры извлечения знаний из лекций.

Метод наблюдения является одним из наиболее применяемых на начальных этапах разработки экспертных систем. Его суть заключается в фиксировании всех действий эксперта, его реплик и объяснений. При этом инженер по знаниям не вмешивается в работу эксперта, а только наблюдает за процессом решения реальных задач, либо за решением проблем, имитирующих реальные задачи. Наблюдения за процессом решения реальных задач позволяют инженеру по знаниям глубже понять предметную область. Однако эксперт в этом случае испытывает большое психологическое напряжение, понимая, что осуществляет не только свою профессиональную деятельность, но и демонстрирует ее инженеру по знаниям. Наблюдение за имитацией процесса снимает это напряжение, но приводит к снижению полноты и качества извлекаемых данных. Наблюдения за имитацией незаменимы в тех случаях, когда наблюдения за реальным процессом невозможны из-за специфики изучаемой предметной области.

Метод анализа протоколов «мыслей вслух» отличается от метода наблюдения тем, что эксперт не только комментирует свои действия, но и объясняет цепочку своих рассуждений, приводящих к решению. Основной проблемой, возникающей при использовании этого метода, является принципиальная сложность для любого человека словесного описания собственных мыслей и действий. Повысить полноту и качество извлекаемых знаний можно за счет многократного уточняющего протоколирования рассуждений эксперта.

Метод извлечения знаний из лекций предполагает, что эксперт передает свой опыт инженеру по знаниям в форме лекций. При этом инженер по знаниям может заранее сформулировать темы лекций. Если этого не удается сделать, то инженер по знаниям конспектирует лекции и задает вопросы. Качество информации, предоставленной экспертом в ходе лекции, определяется четкостью сформулирован-ной темы, а также способностями лектора в структурировании и изложении своих знаний и рассуждений.

Предметные области отличаются уровнем документированности и структури-рованности. Для характеристики предметной области по уровню документи-рованности выделяют три класса: хорошо документированные, среднедокументи-рованные и слабодокументированные области (рис. 20). По степени структури-рованности знаний предметные области могут быть:

  • хорошо структурированными (с четкой аксиоматизацией, широким приме-нением математического аппарата, устоявшейся терминологией);

  • среднеструктурированными (с определившейся терминологией, развиваю-щейся теорией, явными взаимосвязями между явлениями);

  • слабоструктурированными (с размытыми определениями, богатым эмпирическим материалом, скрытыми взаимосвязями).

Активные индивидуальные методы включают методы анкетирования, интервьюирования, свободного диалога и игры с экспертом. Преимуществом методов анкетирования является то, что анкета или вопросник составляются инженером по знаниям заранее и используются для опроса экспертов. Составление анкеты следует проводить с учетом рекомендаций, выработанных в социологии и психологии. Основными требованиями к анкетам являются следующие:

  1. Анкета не должна быть монотонной и однообразной, чтобы не вызывать скуку или усталость. Для этого необходимо разнообразить тематику и форму задания вопросов, применить стиль игры;

  2. Анкета должна быть приспособлена к языку эксперта;

  3. Следует учитывать, что вопросы влияют друг на друга, поэтому важно расположить их в правильной последовательности.

  4. В анкете должно содержаться оптимальное число избыточных вопросов, часть которых предназначена для контроля правильности ответов, а другая часть - для снятия напряжения.





Метод интервьюирования отличается от метода анкетирования тем, что позволяет аналитику опускать ряд вопросов в зависимости от ситуации, вставлять новые вопросы в анкету, изменять темы и разнообразить ситуацию общения. Важную роль в методе интервьюирования играют вопросы, классификация которых показана на рис. 21.



Рис. 21
1   2   3   4   5   6   7   8   9   10

Похожие рефераты:

Программа дисциплины «Базы данных и экспертные системы» для преподавателя...
«Базы данных и экспертные системы» для специальности 5В073200-Стандартизация, метрология и сертификация
Методические рекомендации по изучению дисциплины Формат и политика курса
«Базы данных и экспертные системы» для специальности 5В073200-Стандартизация, метрология и сертификация
Учебно-методический комплекс дисциплины «Базы данных в системах управления»
Учебно-методические материалыпо дисциплине “Базы данных в системах управления ”
Рабочая программа дисциплины “ Базы данных в системах управления...
Рабочая программа дисциплины “Базы данных в системах управления” для преподавателя
Программа дисциплины “Информационно-управляющие системы ” для преподавателя...
Одобрено и рекомендовано к изданию на заседании Учебно-методического совета университета
Программа дисциплины “Клиент-серверные приложения с использованием...
Одобрено и рекомендовано к изданию на заседании Учебно-методического совета университета
Программа дисциплины «Операционные системы» для преподавателя Редакция...
«Операционные системы» для специальности 5B070400-Вычислительная техника и программное обеспечение
Учебно-методическое пособие “Методы сортировок и поиска” Редакция...
В этой части книги будут обсуждаться структуры данных в основной памяти и методы их использования, предназначенные для поиска данных...
Учебно-методический комплекс дисциплины «обж» учебно-методические...
Авария разрушение сооружений и (или) технических устройств, применяемых на опасном производственном объекте, неконтролируемые взрыв...
Программа дисциплины «История государства и права» учебно-методические...
Автономия (греч самоуправление) – широкое внутреннее управление в определенном регионе государства

Вы можете разместить ссылку на наш сайт:
Школьные материалы


При копировании материала укажите ссылку © 2013
контакты
referatdb.ru
referatdb.ru
Рефераты ДатаБаза