Програмне забезпечення для роботи ЛОМ

ЛОМ- локальна обчислювальна мережа. Це комунікаційна система. Яка охоплює відносно невеликі відстані. Звичайно ЛОМ обмежена офісом, кабінетом інформатики, однією будівлею. Найбільш поширені локальні мережі з 3-12 ПК.

Для з'єднання комп'ютерів у локальну обчислювальну мережу (ЛОМ) необхідне мережне устаткування (мережний контролер, єднальний кабель, спеціальні єднальні пристрої) і програмне забезпечення. Так, операційна система Windows уже сама є мережкою (містить у собі набір програм для обслуговування мережі).

Інформація, до якої здійснюється доступ за допомогою мережі може бути сконцентрована на одному або декількох потужних комп'ютерах, а може бути розподілена по всіх або якійсь частині комп'ютерів. Залежно від цього розрізняють мережі з централізованим банком даних та мережі з децентралізованим банком даних.

Основні особливості (ЛОМ):

1)розміщення ЛМ тільки на обмеженій території;

2)з’єднання в ЛМ незалежних пристроїв;

3) забезпечення високого рівня взаємозв’язку пристроїв мережі;

4) використання ЛМ для передачі інформації в цифровій формі;

5) дешеві засоби передачі інформації в інтерфейсі пристрої;

6) можливість взаємодії кожного пристрою з будь-яким іншим.

Структурною ознакою мереж є їх топологія, яка характеризує зв'язки між комп'ютерами мережі.

Топологія ЛОМ — спосіб об'єднання комп'ютерів у мережу між собою.

Топологія великих мереж будується як комбінація різних топологічних рішень.

ЛОМ можна уявити як систему спільного доступу до різних пристроїв із можливістю комунікації (зв'язку) всередині її, що допускає через підключення ЛОМ до мереж іншого рівня спілкування ;І іншими ЛОМ і персональними комп'ютерами.

2)Використання різних навчальних програм. Ігрові програми.

Білет №33

1)Мова гіпертекстової розмітки НТМЛ.

HTML (англ. HyperText Markup Language — Мова розмітки гіпертексту) — стандартна мова розмітки документів у Всесвітній павутині. Більшість веб-сторінок створюються за допомогою мови HTML (або XHTML). Документ HTML оброблюється браузером та відтворюється на екрані у звичному для людини вигляді.

HTML є похідною мовою від SGML, успадкувавши від неї визначення типу документу та ідеологію структурної розмітки тексту.

HTML разом із CSS та cкриптингом — це три основні технології побудови веб-сторінок.

HTML впроваджує засоби для:

  • створення структурованого документу шляхом позначення структурного складу тексту: заголовки, абзаци, списки, таблиці, цитати та інше;
  • отримання інформації із Всесвітньої мережі через гіперпосилання;
  • створення інтерактивних форм;
  • включення зображень, звуку, відео, та інших об'єктів до тексту.

Можна працювати на Web без знання мови HTML, оскільки тексти HTML можуть створюватися різними спеціальними редакторами і конвертерами. Але писати безпосередньо на HTML неважко. Можливо, це навіть легше, ніж вивчати HTML-редактор або конвертер, які часто обмежені в своїх можливостях, містять помилки або проводять поганий HTML код, який не працює на різних платформах.

Мова HTML існує в декількох варіантах і продовжує розвиватися, але конструкції HTML ймовірніше усього будуть використовуватися і надалі. Вивчаючи HTML і пізнаючи його глибше, створюючи документ на початку вивчення HTML і розширюючи його наскільки це можливо, ми маємо можливість створювати документи, які можуть бути переглянені багатьма броузерами Web, як зараз, так і в майбутньому. Це не виключає можливості використання інших методів, наприклад, метод розширених можливостей, що надається Netscape Navigator, Internet Explorer або деякими іншими програмами. Якщо це дійсно служить Вашим цілям і Ви хочете сформувати власну думку про названі програми, користуйтеся ним. Але робота з HTML - це спосіб засвоїти особливості створення документів в стандартизованій мові, використовуючи розширення, тільки коли це дійсно необхідно.

HTML був ратифікований World Wide Web Consortium. Він підтримується декількома широко поширеними броузерами, і, можливо, стане основою майже всього програмного забезпечення, що має відношення до Web.

Структура HTML документа

Символи, взяті в кутові дужки <> є HTML командами, по яким «броузер» розпізнає, як потрібно перетворити частини тексту, укладені між цими командами.

Документ загалом повинен бути відмічений як документ в форматі HTML. Для цього він повинен починатися командою <HTML> і закінчуватися командою </HTML>.

Документ складається з 2 частин:

- Заголовка (Head),

- Власне документа (Body).

Для виділення заголовка потрібно ввести: <HEAD> Заголовок документа <HEAD>

Кожний WWW - документ має назву, яка вводиться в титульному рядку броузера.

Для введення титульного рядка в заголовок документа потрібно скористатися наступними командами: <HEAD> <TITLE> TITLE List </TITLE> </HEAD>

Потрібно зазначити, що титульний рядок повинен бути на англійській мові в латинському кодуванні оскільки вона відображається в спеціальних полях броузера.

Для запису основного тексту потрібно ввести: <BODY> Основний текст </BODY>

Таким чином, загальна схема документа в форматі HTML виглядає таким чином:

<HTML>

<HEAD> <TITLE> Титульний рядок документа </TITLE> </HEAD>

<BODY> Основний текст документа </BODY>

</HTML>

При написанні команд HTML не має значення, якими буквами - рядковими або прописними Ви пишете команди.

2)Система оптичного розпізнавання образів.

На сьогоднішній день існує досить багато потужних програм по розпізнаванню символів, але слід зазначити, що здатність людини читати друкований текст низької якості дотепер перевершує здатності комп'ютера.

Кожен друкований текст має первинну властивість — шрифти, якими він надрукований. Виходячи з цього, існують два класи алгоритмів розпізнавання друкованих символів: шрифтовий та безшрифтовий. Шрифтові або шрифтозалежні алгоритми використовують апріорну інформацію про шрифт, яким надруковано букви. Це означає, що програмі повинна бути надана повноцінна вибірка тексту, надрукованого даним шрифтом. Програма вимірює й аналізує різні характеристики шрифту й заносить їх у свою базу еталонних характеристик. По закінченні цього процесу шрифтова програма оптичного розпізнавання символів готова до розпізнавання даного конкретного шрифту.

Недоліки зазначеного підходу:

- алгоритм повинен заздалегідь знати шрифт, що йому представляють для розпізнавання, тобто він повинен зберігати в базі різні характеристики цього шрифту;

- якість розпізнавання тексту, надрукованого довільним шрифтом, буде прямо пропорційна кореляції характеристик цього шрифту зі шрифтами, наявними в базі програми.

Ці фактори обмежують універсальність таких алгоритмів.

Для роботи програми розпізнавання необхідний блок настроювання на конкретний шрифт. Очевидно, що цей блок буде вносити свою частку помилок в інтегральну оцінку якості розпізнавання, або функцію встановлення шрифту доведеться покласти на користувача.

Другий клас алгоритмів — безшрифтові або шрифтонезалежні, тобто алгоритми, що не мають апріорних знань про символи, що надходять до них на вхід. Ці алгоритми вимірюють й аналізують різні характеристики (ознаки), що властиві буквам як таким безвідносно шрифту й абсолютного розміру, яким вони надруковані. У граничному випадку для шрифтонезалежного алгоритму процес навчання може бути відсутнім. У цьому випадку характеристики символів вимірює, кодує й поміщає в базу програми сама людина. Однак, на практиці рідко зустрічаються випадки, коли такий шлях вичерпно вирішує поставлене завдання. Більш загальний шлях створення бази характеристик полягає в навчанні програми на вибірці реальних символів.

Hедоліком даного підходу є нижча якість розпізнавання, ніж у шрифтових алгоритмів. Це пов'язане з тим, що рівень узагальнення при вимірах характеристик символів набагато більший, ніж у випадку шрифтозалежних алгоритмів. Фактично це означає, що різні допуски й спрощення при вимірах характеристик символів для роботи безшрифтових алгоритмів можуть бути в 2-20 разів більші в порівнянні зі шрифтовими.

Переваги цього підходу тісно пов'язані з його недоліками. Основними перевагами є:

- універсальність. Це означає, з одного боку, можливість застосування цього підходу у випадках великої різноманітності символів, які можуть надійти на вхід системи; з іншого боку, за рахунок закладеної в них здатності узагальнювати, такі алгоритми можуть екстраполювати накопичені знання за межі навчальної вибірки, тобто стійко розпізнавати символи, на вигляд далекі від тих, які були присутні в навчальній вибірці.

- технологічність. Процес навчання шрифтонезалежних алгоритмів звичайно є більше простим й інтегрованим у тому розумінні, що навчальна вибірка не фрагментована на різні класи. При цьому відсутня необхідність підтримувати в базі характеристик різні умови спільного існування цих класів (некорельованість, незмішуваність, систему унікального іменування й т.п.). Проявом технологічності є також той факт, що часто вдається створити майже повністю автоматизовані процедури навчання.

- зручність у процесі використання програми. У випадку, якщо програма побудована на шрифтонезалежних алгоритмах, користувач не зобов'язаний знати що-небудь про сторінку, яку він хоче ввести в комп'ютерну пам'ять і повідомляти програму про ці знання. Також спрощується інтерфейс користувача програми за рахунок відсутності набору опцій і діалогів, що обслуговують навчання й керування базою характеристик. У цьому випадку процес розпізнавання можна представляти користувачеві як “чорний ящик” (при цьому користувач повністю не має змоги керувати, або якимось чином модифікувати хід процесу розпізнавання). У підсумку це приводить до розширення кола потенційних користувачів за рахунок включення в нього людей, що наділені мінімальною комп'ютерною грамотністю.

При розпізнаванні символів досить широко використовуються штучні нейронні мережі. Алгоритми, що використовують нейронні мережі для розпізнавання символів, часто будуються в такий спосіб. Зображення символу (растр), що є вхідним для розпізнавання, приводиться до деякого стандартного розміру. Як правило, використається растр розміром 16х16 пікселів.

Одним із широко використовуваних методів підвищення точності розпізнавання є одночасне використання декількох різних розпізнавальних модулів і наступне об'єднання отриманих результатів (наприклад, шляхом голосування). При цьому дуже важливо, щоб алгоритми, використовувані цими модулями, були як можна більше незалежні. Це може досягатися як за рахунок використання розпізнавальних модулів, що використовують принципово різні алгоритми розпізнавання, так і спеціальним підбором навчальних даних.

Один з таких методів був запропонований кілька років тому і заснований на використанні трьох розпізнавальних модулів (машин). Перша машина навчається звичайним чином. Друга машина навчається на символах, які були відфільтровані першою машиною таким чином, що друга машина бачить суміш символів, 50% з яких були розпізнані першою машиною вірно й 50% невірно. Нарешті, третя машина навчається на символах, на яких результати розпізнавання 1-ої й 2-ий машин різні. При тестуванні розпізнавані символи подаються на вхід всім трьом машинам. Оцінки, одержувані на виході всіх трьох машин складаються. Символ, що одержав найбільшу сумарну оцінку видається як результат розпізнавання.

Якість розпізнавання залежить не тільки від алгоритмів, що використовуються програмами розпізнавання й навчання нейронної мережі, але й від того, яким чином навчалася нейронна мережа. На якість навчання нейронної мережі впливають наступні фактори: параметри бази з навчальними растрамиб, розмір, спосіб відбору растрів, порядок растрів у базі, наявність брудних символів і помилок у розмітці.

 

Білет№34

1)Класифікація програмного забезпечення.

1.програмне резервування;

2.програми русифікатори;

3.програми для діагностики комп’ютера;

4.програми КЕШи;

5.програми для оптимізації дисків;

6.програми динамічного зжаття дисків;

7.драйвери (mouse.com);

8.операційні системи (Window, Linex, MS DOS);

9.програми-оболонки (FAR, Win32, Nc, Dn);

10.утиліти (архіватори: WinRar, WinZip; антивіруси: Касперського);

11.програми дифрагментації дисків.

2. Інструментальне:

1.мови програмування:

- машинно-орієнтовані (низький рівень): Асамблер;

- процедурно-орієнтовані (середній рівень): Pascal, Basic;

- об’єктно-орієнтовані (високий рівень): Delphi, Java, Visual Basic;

2.відлагоджувачі – програми, що дозволяють автоматизувати процес відлагоджування (Debuger);

3.транслятори – програми,що перекладають текст, записаний однією з мов програмування, у машинний код:

- інтерпретатори (Basic);

- компілятори (Pascal).

3. Прикладне:

загального пизначення:

- Ms Office (World, Excel, Power Point);

- поштові програми;

- довідники, енциклопедії;

спеціального призначення:

- 1С бухгалтерія

- навчальні програми

- банківські програми

- САПР (системи автоматизованого проектування)

- ARM (автоматизоване роботе місце).

2)Використання програм машиного перекладу.

Машинний переклад (МП):

  • переклад текстів (письмових та усних) з однієї природної мови на іншу за допомогою комп'ютера;
  • напрямок наукових досліджень, пов'язаний з побудовою перекладальних систем.

На базовому рівні, робота комп'ютерних програм для перекладу полягає у заміні слів чи словосполучень з однієї мови на слова чи словосполучення з іншої. Однак тоді виникає проблема, що така заміна не може забезпечити якісний переклад тексту, адже потрібне визначення та розпізнання слів та цілих фраз з мови оригіналу. Це спонукає активну наукову діяльність у галузі комп'ютерної лінгвістики. Наразі, для вирішення неоднозначностей при перекладі, використовуються багатомовні онтологічні ресурси, такі як WordNet та UWN.

Автоматизований переклад

Замість «машинний» іноді вживається слово автоматичний, що не впливає на сенс. Проте термін автоматизований переклад має зовсім інше значення — в такому випадку програма просто допомагає людині перекладати тексти.

Автоматизований переклад передбачає такі форми взаємодії:

  • Частково автоматизований переклад: наприклад, використання перекладачем-людиною комп'ютерних словників.
  • Системи з поділом праці: комп'ютер навчений перекладати тільки фрази жорстко заданої структури (але робить це так, що виправляти за ним не потрібно), а все, що не вклалося в схему, віддає людині.

В англомовній термінології також розрізняються терміни англ. machine translation, MT (повністю автоматичний переклад) і англ. machine-aided або англ. machine-assisted translation (MAT) (автоматизований); якщо ж треба позначити й те, й інше, пишуть M(A)T.

Існують два принципово різних підходи до побудови алгоритмів машинного перекладу: заснований на правилах (rule-based) і статистичний, або заснований на статистиці (statistical-based). Перший підхід є традиційним і використовується більшістю розробників систем машинного перекладу (ПРОМТ в Росії, SYSTRAN у Франції, Linguatec у Німеччині тощо) [1] До другого типу належить популярний сервіс Перекладач компанії Google[2], а також новий сервіс від ABBYY [3]