Отчет о курсовой работе на 19 стр., 5 источников, 1 приложение icon

Отчет о курсовой работе на 19 стр., 5 источников, 1 приложение


Смотрите также:
Реферат отчет 260 стр., 46 иллюстраций, 43 таблицы, 79 использованных источников...
Пояснительная записка к курсовой работе по дисциплине «Организация и приложение мультимедийных...
«Трансцендентальный мир Канта и феноменологические основания современной философии (сущность и...
Методические указания к курсовой работе специальность 060500 Бухгалтерский учет, анализ, аудит...
Iv городская научно практическая конференция школьников г. Искитима Секция литературоведение...
Курсовая работа...
Рекомендации по подготовке доклада к защите...
Приложение №1 45 Приложение №2 46 Приложение №3 47 Приложение №4 48 Приложение №5 49 Приложение...
Реферат Пояснительная записка содержит: 90 стр., 53 рис., 26 табл., 12 источников информации...
Реферат отчет
Реферат отчет
Проект производственно-технической базы атп на 200 автомобилей с разработкой участка ремонта...



Загрузка...
скачать
Министерство Образования Российской Федерации

Томский Государственный Педагогический Университет

Институт Прикладной информатики




Разработка электронного учебного пособия


по курсу “ Основы искусственного интеллекта”

Курсовая работа




Выполнила: студ. 2курса

гр.415 Максимова Т.

Научный руководитель:

ст. преп. Стась А.Н.


Томск-2003




Реферат

Отчет о курсовой работе на 19 стр., 5 источников, 1 приложение




Искусственный интеллект; логическая, сетевая, фреймовая, продукционная модели представления знаний; предикат, логика предикатов первого порядка, экспертная систем, пролог; клоз Хорна, дескриптор, нейрон, нейронные сети.



  1. Объект исследования: дисциплина «основы искусственного интеллекта»

  2. Цель работы: разработка электронного учебного пособия по курсу “Основы искусственного интеллекта”, изучаемые в седьмом семестре.

  3. Метод исследования: теоретический и экспериментальный.

  4. Основные результаты: разработано электронное учебное пособие по курсу “Основы искусственного интеллекта”.

Содержание

Введение

1.Содержание пособия

1.1Требования стандарта

1.2 Разделы, включенные в пособие

1.2.1 Понятие об искусственном интеллекте (ИИ)

1.2.2 Основные направления в области ИИ

1.2.3 Данные и знания. Модели знаний.

1.2.4 Логические модели представления знаний

1.2.5 Продукционная модель представления знаний

1.2.6 Реляционные модели представления знаний

1.2.7 Нейронные сети

1.2.8 Организация диалога с ЭВМ на естественном

языке

1.3 Разделы, не вошедшие в пособие

2. Тип пособия

2.1 Обзор всевозможных пособий

2.2 HTML

2.2.1 HTML 4.0

2.2.2 Интернационализация

2.2.3 Доступность
Заключение

Список использованных источников

ПРИЛОЖЕНИЯ

4

7

7

8

8

8

9

10

11

12

14


15

15

16

16

17

17

17

18

20

21

^
Черновой вариант пособия дискета



Введение



Около трех с половиной десятилетий минуло с тех пор, как в педвузах введено в качестве учебной дисциплины программирование для ЭВМ. При колоссальной скорости изменений в самом предмете, всегда существенно превышавшей скорость центральных издательских механизмов, специально ориентированные на программы педвузов книги выходили не чаще, чем раз в десятилетие – едва ли не соразмерно скорости смены поколений ЭВМ. Сегодня полки книжных торговцев ломятся от изданий по информатике. Однако преподавателю (а более всего студенту) специальные учебные книги, содержание и направленность которых отвечают заданному учебному плану и программе все-таки очень нужны. Сейчас помимо программирования на некоторых специальностях в педвузах введены и другие более сложные спецкурсы, находящиеся на стыке прикладной (дискретной) математики и информатики. Одним из таких курсов является дисциплина «основы искусственного интеллекта».

Согласно государственному образовательному стандарту высшего профессионального образования, одобренному на заседании учебно-методического совета по информатике 16.12.99г. , на аудиторные занятия по курсу “ Основы искусственного интеллекта” отводится 72 часа и на самостоятельную работу также 72 часа. В ТГПУ на аудиторные занятия отводится 54 часа, большую часть предлагается изучить самостоятельно. Поскольку курс “ Искусственный интеллект” очень объемный, невозможно изучить все его разделы на аудиторных занятиях. Вот почему основной упор методисты вынуждены делать на самостоятельную работу студентов.

Из этого всего следует, что разработанное электронное методическое пособие необходимо как для самостоятельной подготовки студента, так и для работы преподавателю. Вся информация в данном пособии изложена именно в том порядке, в котором она обычно требуется во время работы. Упрощенное построение глав способствует быстрому пониманию/ усвоению необходимой информации. Заметим, что мы разрабатываем именно электронное методическое пособие, так как оно особо выделяется из всего многообразия педагогических применений средств информационных технологий.

Знакомство с информатикой и возможностями искусственного интеллекта сегодня необходимо практически каждому человеку.

В настоящее время “ искусственный интеллект” – мощная ветвь информатики, имеющая как фундаментальные, чисто научные основы, так и весьма развитые технические, прикладные аспекты, связанные с созданием и эксплуатацией работоспособных образцов интеллектуальных систем. Любая задача, для которой не известен алгоритм решения, может быть отнесена к сфере искусственного интеллекта. Примерами могут быть игра в шахматы, медицинская диагностика, распознавание образов, доказательство теорем, составление резюме текста или перевода его на иностранный язык – для решения этих задач не существует четких алгоритмов. Таким образом, исследования и разработки в области искусственного интеллекта, интеллектуальных систем и компьютерных технологий являются актуальными и определяют в большой мере основное направление современного мирового научного прогресса. Имеющиеся в настоящее время теоретические и экспериментальные результаты исследований позволяют создать уже в ближайшие годы промышленные образцы многопроцессорных вычислительных систем, превышающих по своим параметрам существующие зарубежные аналоги.

Данное электронное учебное пособие поможет вам освоить основные разделы, касающиеся курса “Основы искусственного интеллекта” (логические, сетевые, фреймовые и продукционные модели представления знаний; понятие о экспертной системе(ЭС), общая характеристика ЭС и т.д.). В данном методическом пособии вы познакомитесь с представлениями о знаниях и узнаете, что компьютер может создавать знания не только для себя, но и для использования их человеком. Кроме того, и человек может закладывать знания в компьютер с целью автоматизации решения интеллектуальных задач. Эти принципиально новые возможности работы со знаниями нашли воплощение в экспертных системах(ЭС). ЭС также подробно изучаются в данном учебном пособии. Сегодня ЭС широко используются в различных областях знаний.

При подготовки данного электронного учебного пособия использовались следующие литературные источники [1..5].

Работа выполнена совместная со студенткой группы Ходак Т.


1.Содержание пособия

^

1.1Требования стандарта




Согласно требованиям Государственного образовательного стандарта высшего профессионального образования в курсе “основы искусственного интеллекта” должны быть изучены следующие разделы:

^

-Основные направления исследований в области искусственного интеллекта.

-Система знаний.

-Модели представления знаний: логическая, сетевая, фреймовая, продукционная.

-Понятие о экспертной системе (ЭС).

-Общая характеристика ЭС.

^

-Виды ЭС и типы решаемых задач.

-Структура и режимы использования ЭС.

-Классификация инструментальных средств ЭС и организация знаний в ЭС.

-Интеллектуальные информационные ЭС.

-Представление о логическом программировании.

^

-Представление знаний о предметной области в виде фактов и правил базы знаний Пролога.

-Дескриптивный, процедурный и машинный смысл программы на Прологе.

-Рекурсия и структуры данных в программах на Прологе.

^

-Представление о функциональном программировании.




1.2 Разделы, включенные в пособие


1.2.1 Понятие об искусственном интеллекте.

На обыденном уровне под исследованиями в области искусственного интеллекта обычно понимается попытка создания некого искусственного разума, подобного человеческому. На само деле под методами искусственного интеллекта в наше время понимается совокупность методов, основанных на построении формальных моделей знаний, позволяющих решать задачи, решение которых классическим способом невозможно или неэффективно. Круг проблем, объединяемых термином “искусственный интеллект”, достаточно широк. В самом общем смысле искусственный интеллект - это совокупность компьютерно–ориентированных алгоритмов и программ, обеспечивающих целенаправленную переработку информации (знаний) в соответствии с приобретаемым в процессе обучения и адаптации опытом при решении разнообразных интеллектуальных задач. В ходе исследований были достигнуты значительные результаты в области построения формальных моделей человеческих знаний и человеческой логики. И хотя эти модели далеки от того, чтобы полностью формализовать процесс познания, тем не менее они с успехом применяются для решения тех задач, для которых не существует классических алгоритмов решения. Методы решения задач, основанные на формальных моделях знаний, называют интеллектуальными или методами искусственного интеллекта.


^ 1.2.2 Основные направления исследования в области искусственного интеллекта.

В настоящее время основными направлениями, в которых активно применяются методы ИИ являются:

  1. Создание экспертных систем. Экспертные системы предназначены для установления какого-либо предмета или явления по его признакам. Причем эти системы не только выдают решение, но и объясняют его.

  2. Автоматизированный логический вывод.

  3. Решение задач ситуационного управления, т.е. создание систем управления процессами, работу которых тяжело или невозможно описать формальными алгоритмами, например, “диспетчер в аэропорту”.

  4. Решение задач распознавания образов (распознавание печатных знаков, человеческого голоса)

  5. Разработка эффективных поисковых систем в банке данных или в Internet’e

  6. Организация диалога между ЭВМ и пользователем на естественных языках.

  7. Разработка качественных электронных переводчиков с одного естественного языка на другой.


^ 1.2.3 Данные и знания. Модели знаний

Под данными понимается любая информация, хранящаяся с помощью ЭВМ. Сами по себе данные не имеют смысловой нагрузки, она появляется в результате интерпретации этих данных. Обрабатывая данные, компьютер может путем преобразования информации формировать понятия и генерировать знания. Последние представляют собой определенным образом структурированную информацию, понятную человеку. Это может быть таблица, логическое описание данных или алгоритмическая модель. В настоящее время широко используются логические, продукционные, сетевые и фреймовые модели представления знаний. Выбор той или иной модели обычно зависит от поставленной задачи.


^ 1.2.4 Логические модели представления знаний

В пособии рассмотрены следующие формальные модели, основанные на математической логике – логика высказываний, логика предикатов первого порядка (далее ЛППП), приведены примеры неклассических логик.

Основным понятием логики высказываний является высказывание. Высказывание – это любое утверждение, значение которого может быть истинно или ложно. Предикатом же называется логическая функция одной или нескольких переменных. Главный упор при рассмотрении логики высказываний и ЛППП был сделан на рассмотрение метода резолюции, как алгоритма, позволяющего автоматизировать процесс логического вывода. Прежде всего рассмотрены такие стратегии проведения резолюций, как вывод на клозах Хорна и упорядоченный линейный вывод (OL-вывод).

Параллельно в параграфе, посвященном ЛППП рассмотрен алгоритм поиска на пространстве решений, на котором основана работа большинства систем автоматизированного логического вывода (систем автоматического доказательства теорем). Такие системы предполагают, что задано множество аксиом, сформулированных на языке ЛППП. И задана теорема в форме единичного предиката. Система, используя механизмы логического вывода отвечает: имеет место теорема или нет. Если да, то система иллюстрирует ход доказательства ( последовательность применяемых правил-аксиом).

При рассмотрении вывода на клозах Хорна изложены основные принципы программирования на языке Пролог, поддерживающем логическую парадигму программирования.

Также рассмотрено понятие экспертной системы (далее ЭС). ЭС называется система, которая позволяет пользователю описать проблемную ситуацию и получить ее решение, сопровождаемое объяснениями почему выбрано именно это решение. Основными компонентами ЭС являются:

1) ГБД – глобальная база данных ( содержит исходную информацию, необходимую для решения проблемной ситуации).

2) БЗ - база знаний, суть набор операции преобразования ГБД ( с помощью последовательности этих операций мы и получаем ответ, а последовательность применения этих операций определяет его обоснование).

3)Стратегия выбора следующей операции.

4)Терминальное состояние ГБД (содержит ответ на вопрос).

Одним из видов ЭС являются ЭС, основанные на предикатных языках представления знаний, и в частности на языке ЛППП. В этом случае ГБД представляет собой набор предикатов, а БЗ – суть набор логических формул. Стратегия определяется применяемым методом логического вывода и реализуется с помощью соответствующей машины логического вывода. В случае применения стратегии на клозах Хорна ГБД формулируется в виде хорновских фактов, БЗ – в виде хорновских аксиом, а терминальное состояние - в виде хорновской теоремы.


^ 1.2.5 Продукционная модель представления знаний

Продукцией называется правило вида:

ЕСЛИ условие ТО действие.

В рамках продукционной модели знания представляются в виде набора (системы) продукционных правил, которые задают возможности преобразования глобальной базы данных. Продукционные модели часто используются при построении ЭС. Эта модель удобна тем, что язык представления ГБД может выбираться произвольно в зависимости от задачи (в предикатных языках ГБД представляется в виде набора предикатов).

Применение алгоритма поиска на пространстве решений к задаче вывода на продукциях рассмотрено на примере классической задачи о перевозке волка, козы и капусты с одного берега на другой, хорошо известной студентам педагогических ВУЗов из курсов методики преподавания.

Продукционные и логические модели являются взаимо–заменяемыми. Действительно, если в продукционной модели ГБД записать в предикатном виде, то правила примут вид обычных импликаций, и мы придем к логической модели. В то же время логический вывод в логике предикатов первого порядка сводится к опровержению множества клозов, каждый из которых может быть представлен в виде последовательности импликаций. Продукционные модели предпочтительнее с точки зрения возможности выбора модели представления данных, в то же время предикатные языки не сводятся к ЛППП и определенные возможности дает применение неклассических логик. Безусловное достоинство обоих моделей – удобство применения ЭС. Основной недостаток – отсутствие возможности формализации понятий и отношений между ними, характерных для естественного языка.


^ 1.2.6 Реляционные модели представления знаний.

Модели (языки) представления знаний, в которых явным образом выделяются объекты и отношения между объектами, характерные для естественных языков называются реляционными.

В дескрипторных языках (моделях) отражаются только понятия и имена (соответственно не отражаются действия и отношения). Дескриптор есть некоторое понятие или имя. Дескрипторные модели применяются в информационно-поисковых системах (далее ИПС). Примерами ИПС являются: rambler, yandex, yahoo. ИПС включают в себя: ПО – поисковые образцы документов, ПП – поисковое предписани(некоторый набор дескрипторов) – и то и другое есть некоторый набор дескрипторов. Тезаурус содержит набор всевозможных дескрипторов. Хранилище содержит сам набор документов, среди которых осуществляется поиск. При внесении документа в хранилище, вводится набор дескрипторов (ключевых слов), описывающих его. Набор ключевых слов помещается в тезаурус, а документ или его – в хранилище, связанное с массивом поисковых образцов ( в нем для каждого документа хранятся ссылки на дескрипторы). При обработке запроса вводятся ключевые слова, на основе которых формируется поисковое предписание, используя тезаурус. Далее происходит сверка поискового предписания с поисковыми образами, устанавливается соответствие и выдается документ или его описание, позволяющее найти документ. Основной недостаток дескрипторных моделей – ложная координация дескрипторов. В языке RX- кодов помимо понятий отражается и часть отношений между ними ( так называемые парадигмастические отношения, т.е. существующие всегда).

Фреймовые модели очень широко применяются там, где следует автоматизировать процесс распознавания конкретной ситуации, и прежде всего в системах ситуационного управления, т.е. в системах, которые просчитывают необходимое действие, поставленное в соответствие конкретной ситуации, которую следует распознать ( пример- электронный диспетчер в аэропорту). На основе классических (неинтеллектуальных) методов построить такие системы фактически невозможно. В пособии фреймовые модели описаны на примере расширения понятия синтагматический цепей, что упрощает понимание темы.

Сетевые модели – частный случай реляционных. В естественном языке понятия связаны некоторыми отношениями, эти отношения на самом деле не являются разрозненными, а образуют некую единую сеть взаимосвязей, которая отражается в сетевых моделях. В пособии довольно подробно рассмотрены семантические сети и задача поиска по образцу в них, к которой в частности сводятся задачи распознавания образов (распознавание печатных знаков, распознавание человеческой речи , распознавание рукописного текста и т.д. ).

Иногда к сетевым причисляют формы представления знаний, не относящиеся к реляционным языкам, но предполагающие структуризацию в виде сети (например, нейронные сети).


^ 1.2. 7. Нейронные сети.

В 60-х гг. 20 в. стремились к созданию по настоящему мыслящих компьютеров и алгоритмов. Неудачи моделирования мыслительного процесса с помощью логических, продукционных и фреймовых моделей породили гипотезу о том, что способность человека к мышлению определяется структурой мозга, и следует создать модель представления знаний, сходную со структурой со структурой мозга. Тогда появилась идея нейронной сети, которая преподносилась, как универсальное решение. Однако дальше теории тогда дело не дошло. Второй бум популярности нейронных сетей приходится уже на 90-е гг., но в наше время нейронная сеть воспринимается больше, как средство для решения конкретных задач. Правда до сих пор некоторые специалисты в области нейроинформатики ( науке о нейронных сетях) верят в возможность моделирования мышления, и построения универсального метода для решения любой задачи с помощью нейронных сетей.

Базовое понятие – нейрон. Он получает входные сигналы ( исходные данные либо выходные сигналы других нейронов нейронной сети) через несколько входных каналов. Каждый входной сигнал проходит через соединение (ребро графа), имеющее определенную интенсивность(или вес). С каждым нейроном связано определенное пороговое значение. Вычисляется взвешенная сумма входов, из нее вычитается пороговое значение и в результате получается величина активации нейрона. Обратим внимание, что величина активации нейрона равна нулю в том случае, если сумма входных сигналов меньше заданного порога. Если сумма все-таки достигает порогового значения говорят, что нейрон возбуждается. Сигнал активации преобразуется с помощью функции активации ( или передаточной функции) и в результате получается выходной сигнал нейрона. Нейроны регулярным образом организованы в слои. Входной слой служит просто для ввода значений входных переменных. Каждый из скрытых и выходных нейронов соединен со всеми элементами предыдущего слоя. Можно рассматривать сети, в которых нейроны связаны только с некоторыми из нейронов предыдущего слоя.


^ 1.2.8 Организация диалога с ЭВМ на естественном языке.

Любой язык, в том числе и естественный можно задать с помощью порождающих грамматик. Существует несколько приближенных моделей естественного языка, использующихся на практике. Например, модель непосредственных составляющих, модель синтаксического управления, модель глубинных или семантических падежей, а также модель сетей переходов. Сетью переходов называется граф с помеченными вершинами и ребрами. Среди множества вершин выделяется начальная вершина и множество заключительных вершин. Часто вершины называют состояниями.


^ 1.3 Разделы, не вошедшие в пособие


В данное пособие не вошли следующие разделы:

  • Дескриптивный, процедурный и машинный смысл программы на Прологе

  • Рекурсия и структуры данных в программах на Прологе

  • Представление о функциональном программировании.

Эти разделы не были включены в электронное пособие, так как научение навыкам программирования на необычном языке (для студентов, привыкшим к процедурным языкам типа Pascal) требует объемного лабораторного практикума на который не выделено и четверти от необходимо кол-ва часов.

^ 2. Тип пособия


2.1 Обзор всевозможных пособий


Существует несколько типов пособий. Наиболее известные из них:

1. Документальные пособия:

  • текст;

  • текст с графикой;

  • мультимедийные средства (текст с графикой + элементы мультимедиа)

2.Обучающие программы:

  • разработка в специализированных средах (Toolbox Assistant);

  • разработка программ в универсальных системах (н-р, Borland Delphi)

Основные форматы пособий 1-го типа:

  • документ Word;

  • из начального графического формата;

  • HTML.

Выбор HTML обусловливается необходимостью размещения пособия в локальной сети и Internet’е. Кроме того HTML поддерживает всевозможные скрипты, относительно легко позволяющие внедрить в пособие элементы мультимедиа.

Электронное учебное пособие считается программным средством учебного назначения, способным предоставлять учебную информацию в определенной предметной области, реализовать технологию изучения, учитывать индивидуальные возможности и предпочтения обучаемого, осуществлять контроль процесса обучения.


2.2 HTML

Чтобы представить информацию для глобального использования, нужен универсальный язык, который понимали бы все компьютеры. Языком публикации, используемым в World Wide Web, является HTML (HyperText Markup Language - язык разметки гипертекстов).

HTML дает авторам средства для:

  • публикации электронных документов с заголовками, текстом, таблицами, списками, фотографиями и т.д.

  • загрузки электронной информации с помощью щелчка мыши на гипертекстовой ссылке.

  • разработки форм для выполнения транзакций с удаленными службами, для использования в поиске информации, резервировании, заказе продуктов и т.д.

  • включения электронных таблиц, видеоклипов, звуковых фрагментов и других приложений непосредственно в документы.



2.2.1 HTML 4.0.

В HTML 4.0 вводятся механизмы таблиц стилей, скриптов, кадров, внедрения объектов, улучшенная поддержка разных направлений письма и направления справа налево, таблицы с большим количеством возможностей и новые свойства форм, обеспечивая лучшие возможности доступа для людей с физическими недостатками.


2.2.2 Интернационализация.

Эта версия HTML разработана с помощью экспертов в области интернационализации, так что документы можно писать на любом языке и легко передавать их по всему миру. Это достигается за счет использования [RFC2070], относящегося к интернационализации HTML.


Важным шагом стало принятие стандарта ISO/IEC:10646 (см. [ISO10646]) в качестве набора символов для документов HTML. Это наиболее содержательный стандарт в мире, в котором решены вопросы представления национальных символов, направления письма, пунктуации и других языковых вопросов.

HTML теперь предоставляет лучшую поддержку различных языков в одном документе. Это обеспечивает более эффективное индексирование документов для поисковых машин, типографию высшего качества, преобразование текста в речь, более удобные переносы и т.д.


2.2.3 Доступность.


Поскольку сообщество Web растет, и возможности и умения его членов различаются, очень важно, чтобы основные технологии соответствовали потребностям. Язык HTML разработан так, чтобы сделать Web-страницы более доступными для пользователей с физическими недостатками. В HTML 4.0 имеются следующие дополнения, продиктованные соображениями доступности:

  • усилено разделение структуры и представления документа, что побуждает использовать таблицы стилей вместо элементов и атрибутов представления языка HTML.

  • улучшены формы, включена возможность назначения клавиш доступа, возможность семантической группировки управляющих элементов формы, семантической группировки вариантов в тэге SELECT и активные метки.

  • добавлена возможность разметки текстового описания включенного объекта (с помощью элемента OBJECT).

  • введен новый механизм действия изображений-карт на стороне клиента (элемент MAP), который позволяет авторам интегрировать изображения и текстовые ссылки.

  • альтернативный текст для изображений, включаемых с помощью элемента IMG, обязателен.

  • добавлена поддержка атрибутов title и lang во всех элементах.

  • добавлена поддержка элементов ABBR и ACRONYM.

  • более широкий диапазон целевых устройств (телетайп, шрифт Бройля и т.д.) для использования в таблицах стилей.

  • улучшены таблицы, включена поддержка заголовков, групп столбцов и механизмов для упрощения невизуального представления документа.

  • добавлены длинные описания таблиц, изображений, кадров и т.д.

Заключение


Разработано электронное учебное пособие по курсу “Основы искусственного интеллекта”. Некоторые разделы данного пособия уже апробированы в определенных группах. Можно сделать вывод, что данное методическое пособие облегчает работу преподавателям и является лучшим “помощником” студентам в самостоятельной подготовке к занятию или зачету. Вообще говоря, внедрение электронного учебного пособия предполагает совершенствование процесса преподавания, повышение его эффективности и качества, сокращение времени на изучение учебного материала, тиражирование передовых педагогических технологий.
Следует заметить, что к данному пособию необходимо добавить и разработать лишь те главы, которые не вошли в пособие, т.е. расширить это пособие. Чтобы пособие было полным, интересным и занимающим, нужно включить сюда средства мультимедиа, контролирующие устройства, тесты, задания для проверки усвоения материала и т.д.

Список использованных источников


  1. 1. Хант Э. Искусственный интеллект. М.: Мир, 1978. 558 с.

  2. Братко М. Программирование на языке Пролог.

  3. . Макалистер Искусственный интеллект и пролог на микроэвм, М.,1990

  4. С.Осуга Обработка знаний М.,1980.

5. Основы современных компьютерных технологий/под ред Хомоненко А.В.,Спб.,1998.




Скачать 180,3 Kb.
оставить комментарий
Дата17.10.2011
Размер180,3 Kb.
ТипОтчет, Образовательные материалы
Добавить документ в свой блог или на сайт

Ваша оценка этого документа будет первой.
Ваша оценка:
Разместите кнопку на своём сайте или блоге:
rudocs.exdat.com

Загрузка...
База данных защищена авторским правом ©exdat 2000-2017
При копировании материала укажите ссылку
обратиться к администрации
Анализ
Справочники
Сценарии
Рефераты
Курсовые работы
Авторефераты
Программы
Методички
Документы
Понятия

опубликовать
Загрузка...
Документы

Рейтинг@Mail.ru
наверх