Гибридные модели оценки параметров социально-значимого поведения по сверхмалой неполной совокупности наблюдений
Ключевые слова:
оценка интенсивности, модели поведения, последние эпизоды, неопределенность,Аннотация
Предложен обзор возможных подходов к построению моделей социально-значимого поведения по сверхмалой неполной совокупности наблюдений и оценке параметров таких моделей. Рассмотрены такие методы как агентное моделирование, статистический подход, включая методы анализа малой выборки, методология временных рядов и их приложения к решению указанной задачи. Выявлены преимущества использования моделей в рамках теории вероятностных графических моделей.Литература
Азаров А.А., Тулупьева Т.В., Тулупьев А.Л. Агентоориентированный подход к моделированию комплекса «Информационная Система –Персонал – Злоумышленник» в задачах оценки защищенности от социо-инженерных атак // Список-2012: Материалы всероссийской научной конференции по проблемам информатики (25–27 апреля 2012 г., Санкт-Петербург). СПб.: ВВМ, 2012. С. 374–377
Азаров А.А., Тулупьева Т.В., Фильченков А.А., Тулупьев А.Л. Вероятностно-реляционный подход к представлению модели комплекса «информационная система – персонал – критичные документы» // Труды СПИИРАН. 2012. Вып. 1(20). С. 57–71
Анализ временных рядов URL: http://www.statsoft.ru/home/textbook/modules/st-timser.html (дата обращения 15.01.2013)
Афанасьев И.В. Возможности математического моделирования поведения аудитории с помощью динамических математических моделей // Актуальные проблемы современной науки. 2006. № 4. С. 212–218
Афанасьева Т.В., Ярушкина Н.Г. Анализ эффективности модели нечеткой тенденции в прогнозировании временных рядов // Автоматизация процессов управления. 2011. № 4. С. 43–49
Берштейн Л.С., Ковалев С.М., Муравский А.В. Модели представления нечетких темпоральных знаний в базах временных рядов // Известия Российской академии наук. Теория и системы управления. 2009. № 4. С. 130–141
Бокс Дж., Дженкинс Т. Анализ временных рядов. Прогноз и управление. М.: Мир, 1974. 406 с.
Боровков А.А. Математическая статистика. Новосибирск: Наука; Издательство института информатики, 1997. 772 с.
Былкова Н.К., Посвалюк Н.Э., Савин С.З., Юсупова М.В. Информационное моделирование медико-социальных аспектов поведения потребителей психоактивных веществ // Успехи современного естествознания № 11 2004. С. 88–89
Бэстенс Д.Э., Ван ден Берг В.М., Вуд Д. Нейронные сети и финансовые рынки: принятие решений в торговых операциях. Москва: ТВП,1997. 236 с.
Виноградов А.Н., Жилякова Л.Ю., Осипов Г.С. Динамические интеллектуальные системы. Моделирование целенаправленного поведения // Известия Российской академии наук. Теория и системы управления. 2003. № 1. С. 87–94
Галочкин И.В. Социальные предпочтения в экономическом поведении: методы измерения и моделирования // Экономика и математические методы. 2010. Т. 46. № 3. С. 82–92
Главные компоненты временных рядов: метод «Гусеница» / Под редакцией Дани- лова Д.Л. и Жиглявского А.А.. СПб.: СПбГУ, 1997. 308 с.
Голяндина Н.Э. Метод «Гусеница»-SSA: анализ временных рядов: Учебное пособие. СПб: , 2004. 76 с.
Голяндина Н.Э. Метод «Гусеница»-SSA: прогноз временных рядов: Учебное пособие. СПб: , 2004. 52 с.
Горбань А. Н. Обучение нейронных сетей. М.: СП «ПараГраф», 1990. 159 с.
Городецкий В.И. Теория, модели, инфраструктуры и языки спецификации командного поведения автономных агентов. Обзор (часть 1) // Искусственный интеллект и принятие решений. 2011. № 2. С. 19–30
Городецкий В.И. Теория, модели, инфраструктуры и языки спецификации командного поведения автономных агентов. Обзор (часть 2) // Искусственный интеллект и принятие решений. 2011. № 3. С. 34–47
Городецкий В.И., Карсаев О.В., Самойлов В.В., Серебряков С.В. Открытые сети агентов // Труды СПИИРАН. 2007. № 4. С. 11–35
Гребенников Р.В. Разработка индивидуальных характеров поведения при моделировании толпы // Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии. 2008. № 2. С. 107–110
Ежов A.A., Шумский C.A. Нейрокомпьютинг и его применения в экономике и бизнесе. М.: МИФИ, 2002. 306 с.
Жилкин С.Д. Результаты применения алгоритмов моделирования программного обеспечения с целью выявления аномалий поведения // Информационное противодействие угрозам терроризма. 2010. № 14. С. 106–110
Задков А.В. Потребительское поведение: составляющие, методы изучения и моделирования // Маркетинг и маркетинговые исследования. 2009. № 3. С. 240–247
Зельтерман Д., Суворова А.В., Пащенко А.Е., Мусина В.Ф., Тулупьев А.Л., Тулупьева Т.В., Гро Л.Е., Хаймер Р. Диагностика регрессионных уравнений в анализе интенсивности рискованного поведения по его последним эпизодам // Труды СПИИРАН. 2011. Вып. 17. С. 33–46
Иващенко А.В., Карсаев О.В., Скобелев П.О., Царев А.В., Юсупов Р.М. Мультиагентные технологии для разработки сетецентрических систем управления // Известия Южного федерального университета. Технические науки. 2011. Т. 116. № 3. С. 11–23
Каледин О.Е. Математическое моделирование управляемых процессов на основе статистических данных: дисс. … канд. ф.-м. наук: 05.13.18. Саранск, 2011. 127 с.
Канторович Г.Г. Анализ временных рядов // Экономический журнал ВШЭ. 2002. № 1–2
Ковалев С.М. Гибридные коннекционистские модели извлечения темпоральных знаний // Интегрированные модели и мягкие вычисления в искусственном интеллекте. V-я Международная научно-практическая конференция. Сборник научных трудов. В 2-х т. Т. 1. С. 30–40
Корниенко А.А., Корниенко А.В. Логико-лингвистическое моделирование поведения социально-экономических субъектов // Известия Томского политехнического университета. 2005. Т. 308. № 3. С. 173–177
Котенко И.В. Многоагентное моделирование для исследования механизмов защиты информации в сети Интернет // Имитационное моделирование. Теория и практика (ИММОД). Сборник докладов. СПб., 2009. С. 38–47. Также доступно URL: http://www.spiiras.nw.ru/files/conferences/IMMOD-2009/IMMOD-2009-1.pdf (дата обращения 15.01.2013)
Кузнецов О.П. Интеллектуализация поддержки управляющих решений и создание интеллектуальных систем // Проблемы управления. 2009. № 3. С. 64–72
Лавренов А.В., Суворова А.В., Пащенко А.Е., Тулупьева Т.В., Тулупьев А.Л. Вероятностно-нечеткостная модель социально-значимого поведения в случае неточных данных об его эпизодах, предшествующих интервью // Гибридные и синергетические интеллектуальные системы: теория и практика. Материалы 1-го международного симпозиума. Т. 2. Калининград: Изд-во БФУ им. И.Канта, 2012. С. 19–29
Лукашова Е.В. Постановка проблемы моделирования потребительского поведения с позиции системного анализа // Известия Санкт-Петербургского университета экономики и финансов. 2008. № 1. С. 116–119
Методы и модели анализа временных рядов : метод. указания к лаб. работам / сост. С.И. Татаренко. Тамбов: Изд-во Тамб. гос. техн. ун-та, 2008. 32 с.
Осипов Г.С. Планирование и моделирование целенаправленного поведения в интеллектуальных системах // Вестник Российского университета дружбы народов. Серия: Прикладная и компьютерная математика. 2002. № 1. С. 51–61
Пащенко А.Е., Суворова А.В., Тулупьева Т.В. Тулупьев А.Л. Вероятностные распределения порядковых статистик в анализе сверхкоротких нечетких и неполных временных рядов // Труды СПИИРАН. 2009. Вып. 10. СПб.: Наука, 2009. С. 184–207
Петросян Д.С. Интегративная модель поведения человека // Общественные науки и современность. 2008. № 3. C. 39-51
Петросян Д.С. Концептуальные и математические модели поведения человека как экономического агента // Аудит и финансовый анализ, 2009. № 1
Плавинский С.Л., Баринова А.Н., Разнатовский К.И. Сексуальное поведение, венерические болезни и гетеросексуальная эпидемия ВИЧ-инфекции — некоторые результаты математического моделирования // Российский семейный врач. 2007. Т. 11. № 3. С. 30–38
Рассел С., Норвиг П Искусственный интеллект: современный подход, 2-е изд. М.: Издательский дом «Вильямс», 2006. 1408 с.
Самарский А.А., Михайлов А.П. Математическое моделирование: Идеи, методы, примеры. М.: ФИЗМАТЛИТ, 2005. 320 с.
Скакун С.В. Математическое моделирование поведения пользователей компьютерных систем // Математичні машини і системи, 2005. № 2. С. 122–129
Соколов С.Н. Моделирование поведения пользователей интернет-ресурсов на основе смеси цепей Маркова // Естественные и технические науки. 2009. № 5. С. 302-305
Степанов Д.В., Мусина В.Ф., Суворова А.В., Тулупьев А.Л., Сироткин А.В., Тулупьева Т.В. Функция правдоподобия с гетерогенными аргументами в идентификации пуассоновской модели рискованного поведения в случае информационного дефицита // Труды СПИИРАН. 2012. Вып. 23. С. 157–184
Стефанюк В.Л., Жожикашвили А.В. Наследование свойств категории при переходе от статических систем, использующих знания, к динамическим // Искусственный интеллект и принятие решений. 2008. № 1. С. 4–14
Суворова А.В. Подходы к представлению и обработке неопределенности данных и знаний о поведении индивидов // Труды СПИИРАН. 2012. Вып. 23. С. 206–222
Суворова А.В., Пащенко А.Е., Тулупьева Т.В. Оценка характеристик сверхкороткого временного ряда по гранулярным данным о рекордных интервалах между событиями // Труды СПИИРАН. 2010. Вып. 12. С. 170–181
Суворова А.В., Тулупьев А.Л., Пащенко А.Е., Тулупьева Т.В., Красносельских Т.В. Анализ гранулярных данных и знаний в задачах исследования социально значимых видов поведения // Компьютерные инструменты в образовании. №4. 2010. С. 30–38
Суворова А.В., Тулупьев А.Л., Тулупьева Т.В., Пащенко А.Е. Эвристическая оценка интенсивности поведения по рекордным интервалам между эпизодами: обработка неточности ответов респондентов // XV Международная конференция по мягким вычислениям и измерениям. SCM-2012. (25–27 июня 2012 г. Санкт-Петербург). Сборник докладов. 2012. Т. 2. СПб.: Изд-во СПбГЭТУ «ЛЭТИ», 2012. С. 101–104
Суворова А.В., Тулупьева Т.В., Тулупьев А.Л. Обобщенная линейная регрессионная модель для прогноза временного интервала между последним эпизодом рискованного поведения и моментом интервью на основе социально-демографических и психологических особенностей // Труды СПИИРАН. 2012. Вып. 2 (21). С. 80–94
Суворова А.В., Тулупьева Т.В., Тулупьев А.Л., Сироткин А.В. Применение байесовских сетей доверия для моделирования угрозообразующего поведения индивида по неполным и неточным данным // Тринадцатая национальная конференция по искусственному интеллекту с международным участием КИИ-2012 (16–20 октября 2012 г., г. Белгород). Труды конференции. Т. 3. Белгород: Изд-во БГТУ, 2012. С. 292–299
Суворова А.В., Тулупьева Т.В., Тулупьев А.Л., Сироткин А.В., Пащенко А.Е. Вероятностные графические модели социально-значимого поведения индивида, учитывающие неполноту информации // Труды СПИИРАН. 2012. Вып. 22. С. 101–112
Тарасов В.Б. От логических к диалогическим решеткам и бирешеткам: использование в теории агентов // Вестник Ростовского государственного университета путей сообщения. 2011. № 3. С. 129–141
Тарасов В.Б. От многоагентных систем к интеллектуальным организациям. М.: Эдиториал УРСС, 2002. 352 с.
Тарасов В.Б., Афонин П.В., Картежников Д. Модель формирования структур объединений виртуальных предприятий на основе популяции эволюционирующих агентов // Известия Южного федерального университета. Технические науки. 2007. Т. 73. № 1. С. 55–58
Теория и практика нечетких гибридных систем/Под ред. Н.Г. Ярушкиной. М.: ФИЗМАТЛИТ, 2007. 208 с.
Трифонова Е.Н. Учет объективных и субъективных факторов в процессе моделирования поведения потребителей продовольственных товаров // Региональные аг-росистемы: экономика и социология. 2008. № 1. С. 10–10
Тулупьев А.Л., Азаров А.А., Пащенко А.Е. Информационные модели компонент комплекса «Информационная система – персонал», находящегося под угрозой социоинженерных атак // Труды СПИИРАН. 2010. Вып. 3 (14). С. 50–57
Тулупьева Т.В., Пащенко А.Е., Мусина В.Ф., Тулупьев А.Л., Азаров А.А., Жук С.Н., Казакова О.С., Красносельских Т.В., Сироткин А.В., Суворова А.В., Фильченков А.А. Отчет о научно-исследовательской работе «Классификация ответов респондентов о последних эпизодах рискованного поведения и косвенная оценка его интенсивности» (заключительный), инвентарный № 02201259425 от 2012.06.26, по теме «Моделирование и измерение количественных характеристик ВИЧ-рискованного поведения на основе обработки ответов респондентов», регистрационный № 01201262070. СПб.: СПИИРАН, 2012. 34 c. (Депонировано в ЦИТиС.)
Тулупьева Т.В., Пащенко А.Е., Мусина В.Ф., Тулупьев А.Л., Жук С.Н., Азаров А.А., Суворова А.В., Сироткин А.В., Фильченков А.А. Отчет о научно-исследовательской работе «Опросный инструментарий для выявления особенностей рискованного поведения в контексте адаптивных стилей и анализ результатов пилотного исследования» (промежуточный), инвентарный № 02201259423 от 2012.06.26, по теме «Взаимосвязь адаптивных стилей ВИЧ-инфицированных и степени рискованности их поведения», регистрационный № 01201262071. СПб.: СПИИРАН, 2012. 78 c. (Депонировано в ЦИТиС.)
Тулупьева Т.В., Пащенко А.Е., Тулупьев А.Л., Красносельских Т.В., Казакова О.С. Модели ВИЧ-социально-значимого поведения в контексте психологической защиты и других адаптивных стилей. СПб.: Наука, 2008. 140 с.
Фильченков А.А. Алгебраическая байесовская сеть как основа для медицинской диагностической модели // «Математическое и компьютерное моделирование в биологии и химии. Перспективы развития». Сборник трудов I Международной интернет-конференции. Казань: Из-во «Казанский университет». 2012.С. 162–166
Фильченков А.А. Математическое моделирование диагностической модели защищенности информационной системы на основе комбинирования неполной и неточной аналитической информации // VII Санкт-Петербургская межрегиональная конференция «Информационная безопасность регионов России (ИБРР-2011)». Материалы конференции. СПб.: СПОИСУ.2011. С. 175–176
Фильченков А.А. Меры истинности и вероятностные графические модели для представления знаний с неопределенностью // Труды СПИИРАН. 2012. Вып. 23. С. 254–295
Ширяев А.Н. Вероятность: Учеб. пособ. для вузов. 2-е изд. М.: Наука. Гл. ред. физ.-мат. лит., 1989. 640 с.
Ширяев Н. Основы стохастической финансовой математики В 2-х т.-М.: ФАЗИС, 1998
Шугай Ю.С. Разработка нейросетевых алгоритмов анализа многомерных временных рядов и их применение при исследовании солнечно-земных связей: дисс… к.ф.-м.н.: 05.13.18. М., 2006. 137 с.
Шугай Ю.С. Имитационное моделирование и его применение в науке и промышленности // Вестник Российской академии наук. 2008. Т. 78. № 5. С. 471–472
Ярушкина Н.Г. Современный интеллектуальный анализ нечетких временных рядов // Интегрированные модели и мягкие вычисления в искусственном интеллекте. V-я Международная научно-практическая конференция. Сборник научных трудов. В 2-х т. Т. 1. С. 19–29
Ярушкина Н. Г., Афанасьева Т. В., Перфильева И. Г. Интеллектуальный анализ временных рядов: Учебное пособие. Ульяновск: УлГТУ, 2010. 320 с.
Ярушкина Н.Г., Перфильева И.Г., Афанасьева Т.В. Интегральный метод нечеткого моделирования и анализа нечетких тенденций // Автоматизация процессов управления. 2010. № 2. С. 59–63
Adams J., Moody J., Morris M. Sex, Drugs, and Race: How Behaviors Differentially Contribute to the Sexually Transmitted Infection Risk Network Structure // American Journal of Public Health. 2013, Vol 103, No. 2. P. 322–329
Andonie R., Fabry-Asztalos L., Badi’ Abdul-Wahid C., Abdul-Wahid S., Barker G.I., Magill L.C. Fuzzy ARTMAP Prediction of Biological Activities for Potential HIV-1 Protease Inhibitors Using a Small Molecular Data Set // IEEE/ACM Transactions on Computational Biology and Bioinformatics, 2011, Vol. 8, No. 1. P. 80–93
Anupindi R., Dada M., Gupta S. Estimation of Consumer Demand with Stock-Out Based Substitution: An Application to Vending Machine Products // Marketing Science. 1998. Vol. 17, No. 4. P. 406–423
Anylogic Simulation Software. URL: http://www.anylogic.com/ (дата обращения 15.01.2013)
Axelrod R., Tesfatsion L. On-Line Guide for Newcomers to Agent-Based Modeling in the Social Sciences URL: http://www2.econ.iastate.edu/tesfatsi/abmread.htm
Azadeh A., Saberi M., Gitiforouz A. An integrated simulation-based fuzzy regression-time series algorithm for electricity consumption estimation with non-stationary data // Journal of the Chinese Institute of Engineers, 2011, 34:8. P. 1047–1066
Bailly N., Maitre I., Amanda M., Herve C., Alaphilippe D. The Dutch Eating Behaviour Questionnaire (DEBQ). Assessment of eating behaviour in an aging French population // Appetite, 2012. Vol. 59. P. 853–858
Batyrshin I. Up and Down Trend Associations in Analysis of Time Series Shape Association Patterns. Lecture Notes on Computer Science. 2012. Vol. 7329. P. 246–254
Bennett J., Greene G., Schwartz-Barcott D. Perceptions of emotional eating behavior. A qualitative study of college students // Appetite. 2013. Vol. 60. P. 187–192
Bernat D., Maldonado-Molina M., Hyland A., Wagenaar A. Effects of Smoke-Free Laws on Alcohol-Related Car Crashes in California and New York: Time Series Analyses From 1982 to 2008 // American Journal of Public Health; 2013, Vol. 103 Issue 2. P. 214–219
Bezruchko B., Smirnov D. Extracting Knowledge From Time Series: An Introduction to Nonlinear Empirical Modeling. Berlin: Springer, 2010. 407 p. Также доступно URL: http://link.springer.com/book/10.1007/978-3-642-12601-7/page/1 (дата обращения 15.01.2013)
Case K.K., Ghys P.D., Gouws E., Eaton J.W., Borquez A., Stover J., Cuchi P., Abu-Raddad L.J., Garnett G.P., Hallett T.B. Understanding the modes of transmission model of new HIV infection and its use in prevention planning // Bulletin of the World Health Organization. 2012. Vol. 90. No. 11. P. 831–838A
Cruyff M., Bockenholt U., Hout A. van den , Heijden P. van der Accounting for Self-Protective Responses in Randomized Response Data from a Social Security Survey Using the Zero-Inflated Poisson Model // The Annals of Applied Statistics, 2008, Vol. 2, No. 1, P. 316–331
Domanska D., Wojtylak M. Application of fuzzy time series models for forecasting pollution concentrations // Expert Systems with Applications, 2012, 39. P. 7673–7679
Dubois D. Ranking Fuzzy Numbers in the Setting of Possibility Theory // Information Sciences, 1983, 30. P. 183–224
Duchene F., Garbay C., Rialle V. Learning recurrent behaviors from heterogeneous multivariate time-series // Artificial Intelligence in Medicine, 2007, 39. P. 25–47
Eagena B., Caron R., Abdul-Kader W. An Agent-Based Modelling Tool (ABMT) for scheduling diagnostic imaging machines // Technology & Health Care. 2010. Vol. 18. Issue 6. P. 409–415
Holmes W.C., Foa E.B., Sammel M.D. Men’s Pathways to Risky Sexual Behavior: Role of Co-Occurring Childhood Sexual Abuse, Posttraumatic Stress Disorder, and Depression Histories // Journal of Urban Health: Bulletin of the New York Academy of Medicine, 2005, Vol. 82, No. 1, Supplement 1. doi:10.1093/jurban/jti028
Kadirov D. Macro-Systems Role of Marketing: Do We Trade Environment for Welfare? // Journal of Macromarketing, 2011, 31(4). P. 359–375
Kutner M., Neter J., Nachtsheim C., Li W. Applied Linear Statistical Models. Fifth edition. McGraw-Hill Inc., 2004. 1370 pp.
Lohani A.K., Kumar R., Singh R.D. Hydrological time series modeling: A comparison between adaptive neuro-fuzzy, neural network and autoregressive techniques // Journal of Hydrology, 2012
Moore D., Dray A., Green R., Hudson S.L., Jenkinson R., Siokou C., Perez P., Bammer G., Maher L., Dietze P. Extending drug ethno-epidemiology using agent-based modelling // Addiction. 2009. Vol. 104. Issue 12. P.1991–1997
Motsa S., Sibanda P. Agent-Based Modeling and Genetic Algorithm Simulation for the Climate Game Problem // Mathematical Problems in Engineering. 2012. Vol. 2012. Special section. P.1–14
Muller A., Mitchell J., Crosby R., Cao L., Johnson J., Claes L., Zwaan M. Mood states preceding and following compulsive buying episodes: an ecological momentary assessment study // Psychiatry Research, 2012. No.200. P.575–580
Nayaka P.C., Sudheerb K.P., Ranganc D.M., Ramasastri K.S. A neuro-fuzzy computing technique for modeling hydrological time series // Journal of Hydrology, 2004, 291. P. 52–66
Oksendal B. Stochastic Differential Equations: An Introduction with Applications. Berlin: Springer, 2003
Perrin D., Ruskin H.J., Crane M. Model refinement through high-performance computing: an agent-based HIV example // Immunome Research. 2010 Supplement 1, Vol. 6. P.1–9
Rhodes W., Kling R., Johnston P. Using Booking Data to Model Drug User Arrest Rates: A Preliminary to Estimating the Prevalence of Chronic Drug Use // J Quant Criminol, 2007, 23. P. 1–22
Rothman K.J. Epidemiology: An Introduction. Oxford etc.: Oxford University Press, 2002. 223 p.
Rubin D.B. A Small Sample Correction for Estimating Attributable Risk in Case-Control Studies // The International Journal of Biostatistics, 2010, Vol. 6, Iss. 1, Article 32. DOI: 10.2202/1557-4679.1252
Saaty T.L., Alexander J.M. Thinking with models: Mathematical models in the Physical, Biological and Social Sciences. N.Y.: Pergamon Press, 1981. 181 p.
Sengupta R.R., Bennett D.A. Agent-based modelling environment for spatial decision support // International Journal of Geographical Information Science. 2003. Vol. 17. Issue 2. P.157–180
Tan J.Y., Bong D.B., Rigit A.R. Time Series Prediction using Backpropagation Network Optimized by Hybrid K-means-Greedy Algorithm // Engineering Letters. 2012. Vol. 20, Issue 3. P. 203–210
Trujols J., Guardia J., Pero M., Freixa M., Sinol N., Tejero A., Cobos J. Multi-episode survival analysis: An application modelling readmission rates of heroin dependents at an inpatientdetoxification unit // Addictive behavior, 2007. Vol. 32. P. 2391–2397
Van Vliet C., Van der Ploeg C. , Kidula N., Malonza I., Tyndall M., Nagelkerke N. Estimating Sexual Behavior Parameters from Routine Sexual Behavior Data // The Journal of Sex Research, 1998, Vol. 35, No. 3. P. 298–305
Vanli O.A., Zhang C., Wang B. An adaptive Bayesian approach for robust parameter design with observable time series noise factors // IIE Transactions, 2013, 45:4. P. 374–390
Wardle J. Eating style. A validation study of the dutch eating behaviour questionnare in normal subjects and women with eating disorders // Journal of Psychosomatic Research, 1987. Vol. 31, No. 2. P. 161–169
Wei S., Zuo D., Song J. Improving prediction accuracy of river discharge time series using a Wavelet-NAR artificial neural network // Journal of Hydroinformatics. 2012. Vol. 14 Issue 4. P. 974–992
Winter J. C. F., Dodou D., Wieringa P.A. Exploratory Factor Analysis With Small Sample Sizes // Multivariate Behavioral Research, 2009, 44:2. P. 147–181
Xenitidou M., Elsenbroich C. Construct Validity and Theoretical Embeddedness of Agent-based Models of Normative Behaviour // International Journal of Interdisciplinary Social Sciences. 2010. Vol. 5. Issue 4. P.67–79
Азаров А.А., Тулупьева Т.В., Фильченков А.А., Тулупьев А.Л. Вероятностно-реляционный подход к представлению модели комплекса «информационная система – персонал – критичные документы» // Труды СПИИРАН. 2012. Вып. 1(20). С. 57–71
Анализ временных рядов URL: http://www.statsoft.ru/home/textbook/modules/st-timser.html (дата обращения 15.01.2013)
Афанасьев И.В. Возможности математического моделирования поведения аудитории с помощью динамических математических моделей // Актуальные проблемы современной науки. 2006. № 4. С. 212–218
Афанасьева Т.В., Ярушкина Н.Г. Анализ эффективности модели нечеткой тенденции в прогнозировании временных рядов // Автоматизация процессов управления. 2011. № 4. С. 43–49
Берштейн Л.С., Ковалев С.М., Муравский А.В. Модели представления нечетких темпоральных знаний в базах временных рядов // Известия Российской академии наук. Теория и системы управления. 2009. № 4. С. 130–141
Бокс Дж., Дженкинс Т. Анализ временных рядов. Прогноз и управление. М.: Мир, 1974. 406 с.
Боровков А.А. Математическая статистика. Новосибирск: Наука; Издательство института информатики, 1997. 772 с.
Былкова Н.К., Посвалюк Н.Э., Савин С.З., Юсупова М.В. Информационное моделирование медико-социальных аспектов поведения потребителей психоактивных веществ // Успехи современного естествознания № 11 2004. С. 88–89
Бэстенс Д.Э., Ван ден Берг В.М., Вуд Д. Нейронные сети и финансовые рынки: принятие решений в торговых операциях. Москва: ТВП,1997. 236 с.
Виноградов А.Н., Жилякова Л.Ю., Осипов Г.С. Динамические интеллектуальные системы. Моделирование целенаправленного поведения // Известия Российской академии наук. Теория и системы управления. 2003. № 1. С. 87–94
Галочкин И.В. Социальные предпочтения в экономическом поведении: методы измерения и моделирования // Экономика и математические методы. 2010. Т. 46. № 3. С. 82–92
Главные компоненты временных рядов: метод «Гусеница» / Под редакцией Дани- лова Д.Л. и Жиглявского А.А.. СПб.: СПбГУ, 1997. 308 с.
Голяндина Н.Э. Метод «Гусеница»-SSA: анализ временных рядов: Учебное пособие. СПб: , 2004. 76 с.
Голяндина Н.Э. Метод «Гусеница»-SSA: прогноз временных рядов: Учебное пособие. СПб: , 2004. 52 с.
Горбань А. Н. Обучение нейронных сетей. М.: СП «ПараГраф», 1990. 159 с.
Городецкий В.И. Теория, модели, инфраструктуры и языки спецификации командного поведения автономных агентов. Обзор (часть 1) // Искусственный интеллект и принятие решений. 2011. № 2. С. 19–30
Городецкий В.И. Теория, модели, инфраструктуры и языки спецификации командного поведения автономных агентов. Обзор (часть 2) // Искусственный интеллект и принятие решений. 2011. № 3. С. 34–47
Городецкий В.И., Карсаев О.В., Самойлов В.В., Серебряков С.В. Открытые сети агентов // Труды СПИИРАН. 2007. № 4. С. 11–35
Гребенников Р.В. Разработка индивидуальных характеров поведения при моделировании толпы // Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии. 2008. № 2. С. 107–110
Ежов A.A., Шумский C.A. Нейрокомпьютинг и его применения в экономике и бизнесе. М.: МИФИ, 2002. 306 с.
Жилкин С.Д. Результаты применения алгоритмов моделирования программного обеспечения с целью выявления аномалий поведения // Информационное противодействие угрозам терроризма. 2010. № 14. С. 106–110
Задков А.В. Потребительское поведение: составляющие, методы изучения и моделирования // Маркетинг и маркетинговые исследования. 2009. № 3. С. 240–247
Зельтерман Д., Суворова А.В., Пащенко А.Е., Мусина В.Ф., Тулупьев А.Л., Тулупьева Т.В., Гро Л.Е., Хаймер Р. Диагностика регрессионных уравнений в анализе интенсивности рискованного поведения по его последним эпизодам // Труды СПИИРАН. 2011. Вып. 17. С. 33–46
Иващенко А.В., Карсаев О.В., Скобелев П.О., Царев А.В., Юсупов Р.М. Мультиагентные технологии для разработки сетецентрических систем управления // Известия Южного федерального университета. Технические науки. 2011. Т. 116. № 3. С. 11–23
Каледин О.Е. Математическое моделирование управляемых процессов на основе статистических данных: дисс. … канд. ф.-м. наук: 05.13.18. Саранск, 2011. 127 с.
Канторович Г.Г. Анализ временных рядов // Экономический журнал ВШЭ. 2002. № 1–2
Ковалев С.М. Гибридные коннекционистские модели извлечения темпоральных знаний // Интегрированные модели и мягкие вычисления в искусственном интеллекте. V-я Международная научно-практическая конференция. Сборник научных трудов. В 2-х т. Т. 1. С. 30–40
Корниенко А.А., Корниенко А.В. Логико-лингвистическое моделирование поведения социально-экономических субъектов // Известия Томского политехнического университета. 2005. Т. 308. № 3. С. 173–177
Котенко И.В. Многоагентное моделирование для исследования механизмов защиты информации в сети Интернет // Имитационное моделирование. Теория и практика (ИММОД). Сборник докладов. СПб., 2009. С. 38–47. Также доступно URL: http://www.spiiras.nw.ru/files/conferences/IMMOD-2009/IMMOD-2009-1.pdf (дата обращения 15.01.2013)
Кузнецов О.П. Интеллектуализация поддержки управляющих решений и создание интеллектуальных систем // Проблемы управления. 2009. № 3. С. 64–72
Лавренов А.В., Суворова А.В., Пащенко А.Е., Тулупьева Т.В., Тулупьев А.Л. Вероятностно-нечеткостная модель социально-значимого поведения в случае неточных данных об его эпизодах, предшествующих интервью // Гибридные и синергетические интеллектуальные системы: теория и практика. Материалы 1-го международного симпозиума. Т. 2. Калининград: Изд-во БФУ им. И.Канта, 2012. С. 19–29
Лукашова Е.В. Постановка проблемы моделирования потребительского поведения с позиции системного анализа // Известия Санкт-Петербургского университета экономики и финансов. 2008. № 1. С. 116–119
Методы и модели анализа временных рядов : метод. указания к лаб. работам / сост. С.И. Татаренко. Тамбов: Изд-во Тамб. гос. техн. ун-та, 2008. 32 с.
Осипов Г.С. Планирование и моделирование целенаправленного поведения в интеллектуальных системах // Вестник Российского университета дружбы народов. Серия: Прикладная и компьютерная математика. 2002. № 1. С. 51–61
Пащенко А.Е., Суворова А.В., Тулупьева Т.В. Тулупьев А.Л. Вероятностные распределения порядковых статистик в анализе сверхкоротких нечетких и неполных временных рядов // Труды СПИИРАН. 2009. Вып. 10. СПб.: Наука, 2009. С. 184–207
Петросян Д.С. Интегративная модель поведения человека // Общественные науки и современность. 2008. № 3. C. 39-51
Петросян Д.С. Концептуальные и математические модели поведения человека как экономического агента // Аудит и финансовый анализ, 2009. № 1
Плавинский С.Л., Баринова А.Н., Разнатовский К.И. Сексуальное поведение, венерические болезни и гетеросексуальная эпидемия ВИЧ-инфекции — некоторые результаты математического моделирования // Российский семейный врач. 2007. Т. 11. № 3. С. 30–38
Рассел С., Норвиг П Искусственный интеллект: современный подход, 2-е изд. М.: Издательский дом «Вильямс», 2006. 1408 с.
Самарский А.А., Михайлов А.П. Математическое моделирование: Идеи, методы, примеры. М.: ФИЗМАТЛИТ, 2005. 320 с.
Скакун С.В. Математическое моделирование поведения пользователей компьютерных систем // Математичні машини і системи, 2005. № 2. С. 122–129
Соколов С.Н. Моделирование поведения пользователей интернет-ресурсов на основе смеси цепей Маркова // Естественные и технические науки. 2009. № 5. С. 302-305
Степанов Д.В., Мусина В.Ф., Суворова А.В., Тулупьев А.Л., Сироткин А.В., Тулупьева Т.В. Функция правдоподобия с гетерогенными аргументами в идентификации пуассоновской модели рискованного поведения в случае информационного дефицита // Труды СПИИРАН. 2012. Вып. 23. С. 157–184
Стефанюк В.Л., Жожикашвили А.В. Наследование свойств категории при переходе от статических систем, использующих знания, к динамическим // Искусственный интеллект и принятие решений. 2008. № 1. С. 4–14
Суворова А.В. Подходы к представлению и обработке неопределенности данных и знаний о поведении индивидов // Труды СПИИРАН. 2012. Вып. 23. С. 206–222
Суворова А.В., Пащенко А.Е., Тулупьева Т.В. Оценка характеристик сверхкороткого временного ряда по гранулярным данным о рекордных интервалах между событиями // Труды СПИИРАН. 2010. Вып. 12. С. 170–181
Суворова А.В., Тулупьев А.Л., Пащенко А.Е., Тулупьева Т.В., Красносельских Т.В. Анализ гранулярных данных и знаний в задачах исследования социально значимых видов поведения // Компьютерные инструменты в образовании. №4. 2010. С. 30–38
Суворова А.В., Тулупьев А.Л., Тулупьева Т.В., Пащенко А.Е. Эвристическая оценка интенсивности поведения по рекордным интервалам между эпизодами: обработка неточности ответов респондентов // XV Международная конференция по мягким вычислениям и измерениям. SCM-2012. (25–27 июня 2012 г. Санкт-Петербург). Сборник докладов. 2012. Т. 2. СПб.: Изд-во СПбГЭТУ «ЛЭТИ», 2012. С. 101–104
Суворова А.В., Тулупьева Т.В., Тулупьев А.Л. Обобщенная линейная регрессионная модель для прогноза временного интервала между последним эпизодом рискованного поведения и моментом интервью на основе социально-демографических и психологических особенностей // Труды СПИИРАН. 2012. Вып. 2 (21). С. 80–94
Суворова А.В., Тулупьева Т.В., Тулупьев А.Л., Сироткин А.В. Применение байесовских сетей доверия для моделирования угрозообразующего поведения индивида по неполным и неточным данным // Тринадцатая национальная конференция по искусственному интеллекту с международным участием КИИ-2012 (16–20 октября 2012 г., г. Белгород). Труды конференции. Т. 3. Белгород: Изд-во БГТУ, 2012. С. 292–299
Суворова А.В., Тулупьева Т.В., Тулупьев А.Л., Сироткин А.В., Пащенко А.Е. Вероятностные графические модели социально-значимого поведения индивида, учитывающие неполноту информации // Труды СПИИРАН. 2012. Вып. 22. С. 101–112
Тарасов В.Б. От логических к диалогическим решеткам и бирешеткам: использование в теории агентов // Вестник Ростовского государственного университета путей сообщения. 2011. № 3. С. 129–141
Тарасов В.Б. От многоагентных систем к интеллектуальным организациям. М.: Эдиториал УРСС, 2002. 352 с.
Тарасов В.Б., Афонин П.В., Картежников Д. Модель формирования структур объединений виртуальных предприятий на основе популяции эволюционирующих агентов // Известия Южного федерального университета. Технические науки. 2007. Т. 73. № 1. С. 55–58
Теория и практика нечетких гибридных систем/Под ред. Н.Г. Ярушкиной. М.: ФИЗМАТЛИТ, 2007. 208 с.
Трифонова Е.Н. Учет объективных и субъективных факторов в процессе моделирования поведения потребителей продовольственных товаров // Региональные аг-росистемы: экономика и социология. 2008. № 1. С. 10–10
Тулупьев А.Л., Азаров А.А., Пащенко А.Е. Информационные модели компонент комплекса «Информационная система – персонал», находящегося под угрозой социоинженерных атак // Труды СПИИРАН. 2010. Вып. 3 (14). С. 50–57
Тулупьева Т.В., Пащенко А.Е., Мусина В.Ф., Тулупьев А.Л., Азаров А.А., Жук С.Н., Казакова О.С., Красносельских Т.В., Сироткин А.В., Суворова А.В., Фильченков А.А. Отчет о научно-исследовательской работе «Классификация ответов респондентов о последних эпизодах рискованного поведения и косвенная оценка его интенсивности» (заключительный), инвентарный № 02201259425 от 2012.06.26, по теме «Моделирование и измерение количественных характеристик ВИЧ-рискованного поведения на основе обработки ответов респондентов», регистрационный № 01201262070. СПб.: СПИИРАН, 2012. 34 c. (Депонировано в ЦИТиС.)
Тулупьева Т.В., Пащенко А.Е., Мусина В.Ф., Тулупьев А.Л., Жук С.Н., Азаров А.А., Суворова А.В., Сироткин А.В., Фильченков А.А. Отчет о научно-исследовательской работе «Опросный инструментарий для выявления особенностей рискованного поведения в контексте адаптивных стилей и анализ результатов пилотного исследования» (промежуточный), инвентарный № 02201259423 от 2012.06.26, по теме «Взаимосвязь адаптивных стилей ВИЧ-инфицированных и степени рискованности их поведения», регистрационный № 01201262071. СПб.: СПИИРАН, 2012. 78 c. (Депонировано в ЦИТиС.)
Тулупьева Т.В., Пащенко А.Е., Тулупьев А.Л., Красносельских Т.В., Казакова О.С. Модели ВИЧ-социально-значимого поведения в контексте психологической защиты и других адаптивных стилей. СПб.: Наука, 2008. 140 с.
Фильченков А.А. Алгебраическая байесовская сеть как основа для медицинской диагностической модели // «Математическое и компьютерное моделирование в биологии и химии. Перспективы развития». Сборник трудов I Международной интернет-конференции. Казань: Из-во «Казанский университет». 2012.С. 162–166
Фильченков А.А. Математическое моделирование диагностической модели защищенности информационной системы на основе комбинирования неполной и неточной аналитической информации // VII Санкт-Петербургская межрегиональная конференция «Информационная безопасность регионов России (ИБРР-2011)». Материалы конференции. СПб.: СПОИСУ.2011. С. 175–176
Фильченков А.А. Меры истинности и вероятностные графические модели для представления знаний с неопределенностью // Труды СПИИРАН. 2012. Вып. 23. С. 254–295
Ширяев А.Н. Вероятность: Учеб. пособ. для вузов. 2-е изд. М.: Наука. Гл. ред. физ.-мат. лит., 1989. 640 с.
Ширяев Н. Основы стохастической финансовой математики В 2-х т.-М.: ФАЗИС, 1998
Шугай Ю.С. Разработка нейросетевых алгоритмов анализа многомерных временных рядов и их применение при исследовании солнечно-земных связей: дисс… к.ф.-м.н.: 05.13.18. М., 2006. 137 с.
Шугай Ю.С. Имитационное моделирование и его применение в науке и промышленности // Вестник Российской академии наук. 2008. Т. 78. № 5. С. 471–472
Ярушкина Н.Г. Современный интеллектуальный анализ нечетких временных рядов // Интегрированные модели и мягкие вычисления в искусственном интеллекте. V-я Международная научно-практическая конференция. Сборник научных трудов. В 2-х т. Т. 1. С. 19–29
Ярушкина Н. Г., Афанасьева Т. В., Перфильева И. Г. Интеллектуальный анализ временных рядов: Учебное пособие. Ульяновск: УлГТУ, 2010. 320 с.
Ярушкина Н.Г., Перфильева И.Г., Афанасьева Т.В. Интегральный метод нечеткого моделирования и анализа нечетких тенденций // Автоматизация процессов управления. 2010. № 2. С. 59–63
Adams J., Moody J., Morris M. Sex, Drugs, and Race: How Behaviors Differentially Contribute to the Sexually Transmitted Infection Risk Network Structure // American Journal of Public Health. 2013, Vol 103, No. 2. P. 322–329
Andonie R., Fabry-Asztalos L., Badi’ Abdul-Wahid C., Abdul-Wahid S., Barker G.I., Magill L.C. Fuzzy ARTMAP Prediction of Biological Activities for Potential HIV-1 Protease Inhibitors Using a Small Molecular Data Set // IEEE/ACM Transactions on Computational Biology and Bioinformatics, 2011, Vol. 8, No. 1. P. 80–93
Anupindi R., Dada M., Gupta S. Estimation of Consumer Demand with Stock-Out Based Substitution: An Application to Vending Machine Products // Marketing Science. 1998. Vol. 17, No. 4. P. 406–423
Anylogic Simulation Software. URL: http://www.anylogic.com/ (дата обращения 15.01.2013)
Axelrod R., Tesfatsion L. On-Line Guide for Newcomers to Agent-Based Modeling in the Social Sciences URL: http://www2.econ.iastate.edu/tesfatsi/abmread.htm
Azadeh A., Saberi M., Gitiforouz A. An integrated simulation-based fuzzy regression-time series algorithm for electricity consumption estimation with non-stationary data // Journal of the Chinese Institute of Engineers, 2011, 34:8. P. 1047–1066
Bailly N., Maitre I., Amanda M., Herve C., Alaphilippe D. The Dutch Eating Behaviour Questionnaire (DEBQ). Assessment of eating behaviour in an aging French population // Appetite, 2012. Vol. 59. P. 853–858
Batyrshin I. Up and Down Trend Associations in Analysis of Time Series Shape Association Patterns. Lecture Notes on Computer Science. 2012. Vol. 7329. P. 246–254
Bennett J., Greene G., Schwartz-Barcott D. Perceptions of emotional eating behavior. A qualitative study of college students // Appetite. 2013. Vol. 60. P. 187–192
Bernat D., Maldonado-Molina M., Hyland A., Wagenaar A. Effects of Smoke-Free Laws on Alcohol-Related Car Crashes in California and New York: Time Series Analyses From 1982 to 2008 // American Journal of Public Health; 2013, Vol. 103 Issue 2. P. 214–219
Bezruchko B., Smirnov D. Extracting Knowledge From Time Series: An Introduction to Nonlinear Empirical Modeling. Berlin: Springer, 2010. 407 p. Также доступно URL: http://link.springer.com/book/10.1007/978-3-642-12601-7/page/1 (дата обращения 15.01.2013)
Case K.K., Ghys P.D., Gouws E., Eaton J.W., Borquez A., Stover J., Cuchi P., Abu-Raddad L.J., Garnett G.P., Hallett T.B. Understanding the modes of transmission model of new HIV infection and its use in prevention planning // Bulletin of the World Health Organization. 2012. Vol. 90. No. 11. P. 831–838A
Cruyff M., Bockenholt U., Hout A. van den , Heijden P. van der Accounting for Self-Protective Responses in Randomized Response Data from a Social Security Survey Using the Zero-Inflated Poisson Model // The Annals of Applied Statistics, 2008, Vol. 2, No. 1, P. 316–331
Domanska D., Wojtylak M. Application of fuzzy time series models for forecasting pollution concentrations // Expert Systems with Applications, 2012, 39. P. 7673–7679
Dubois D. Ranking Fuzzy Numbers in the Setting of Possibility Theory // Information Sciences, 1983, 30. P. 183–224
Duchene F., Garbay C., Rialle V. Learning recurrent behaviors from heterogeneous multivariate time-series // Artificial Intelligence in Medicine, 2007, 39. P. 25–47
Eagena B., Caron R., Abdul-Kader W. An Agent-Based Modelling Tool (ABMT) for scheduling diagnostic imaging machines // Technology & Health Care. 2010. Vol. 18. Issue 6. P. 409–415
Holmes W.C., Foa E.B., Sammel M.D. Men’s Pathways to Risky Sexual Behavior: Role of Co-Occurring Childhood Sexual Abuse, Posttraumatic Stress Disorder, and Depression Histories // Journal of Urban Health: Bulletin of the New York Academy of Medicine, 2005, Vol. 82, No. 1, Supplement 1. doi:10.1093/jurban/jti028
Kadirov D. Macro-Systems Role of Marketing: Do We Trade Environment for Welfare? // Journal of Macromarketing, 2011, 31(4). P. 359–375
Kutner M., Neter J., Nachtsheim C., Li W. Applied Linear Statistical Models. Fifth edition. McGraw-Hill Inc., 2004. 1370 pp.
Lohani A.K., Kumar R., Singh R.D. Hydrological time series modeling: A comparison between adaptive neuro-fuzzy, neural network and autoregressive techniques // Journal of Hydrology, 2012
Moore D., Dray A., Green R., Hudson S.L., Jenkinson R., Siokou C., Perez P., Bammer G., Maher L., Dietze P. Extending drug ethno-epidemiology using agent-based modelling // Addiction. 2009. Vol. 104. Issue 12. P.1991–1997
Motsa S., Sibanda P. Agent-Based Modeling and Genetic Algorithm Simulation for the Climate Game Problem // Mathematical Problems in Engineering. 2012. Vol. 2012. Special section. P.1–14
Muller A., Mitchell J., Crosby R., Cao L., Johnson J., Claes L., Zwaan M. Mood states preceding and following compulsive buying episodes: an ecological momentary assessment study // Psychiatry Research, 2012. No.200. P.575–580
Nayaka P.C., Sudheerb K.P., Ranganc D.M., Ramasastri K.S. A neuro-fuzzy computing technique for modeling hydrological time series // Journal of Hydrology, 2004, 291. P. 52–66
Oksendal B. Stochastic Differential Equations: An Introduction with Applications. Berlin: Springer, 2003
Perrin D., Ruskin H.J., Crane M. Model refinement through high-performance computing: an agent-based HIV example // Immunome Research. 2010 Supplement 1, Vol. 6. P.1–9
Rhodes W., Kling R., Johnston P. Using Booking Data to Model Drug User Arrest Rates: A Preliminary to Estimating the Prevalence of Chronic Drug Use // J Quant Criminol, 2007, 23. P. 1–22
Rothman K.J. Epidemiology: An Introduction. Oxford etc.: Oxford University Press, 2002. 223 p.
Rubin D.B. A Small Sample Correction for Estimating Attributable Risk in Case-Control Studies // The International Journal of Biostatistics, 2010, Vol. 6, Iss. 1, Article 32. DOI: 10.2202/1557-4679.1252
Saaty T.L., Alexander J.M. Thinking with models: Mathematical models in the Physical, Biological and Social Sciences. N.Y.: Pergamon Press, 1981. 181 p.
Sengupta R.R., Bennett D.A. Agent-based modelling environment for spatial decision support // International Journal of Geographical Information Science. 2003. Vol. 17. Issue 2. P.157–180
Tan J.Y., Bong D.B., Rigit A.R. Time Series Prediction using Backpropagation Network Optimized by Hybrid K-means-Greedy Algorithm // Engineering Letters. 2012. Vol. 20, Issue 3. P. 203–210
Trujols J., Guardia J., Pero M., Freixa M., Sinol N., Tejero A., Cobos J. Multi-episode survival analysis: An application modelling readmission rates of heroin dependents at an inpatientdetoxification unit // Addictive behavior, 2007. Vol. 32. P. 2391–2397
Van Vliet C., Van der Ploeg C. , Kidula N., Malonza I., Tyndall M., Nagelkerke N. Estimating Sexual Behavior Parameters from Routine Sexual Behavior Data // The Journal of Sex Research, 1998, Vol. 35, No. 3. P. 298–305
Vanli O.A., Zhang C., Wang B. An adaptive Bayesian approach for robust parameter design with observable time series noise factors // IIE Transactions, 2013, 45:4. P. 374–390
Wardle J. Eating style. A validation study of the dutch eating behaviour questionnare in normal subjects and women with eating disorders // Journal of Psychosomatic Research, 1987. Vol. 31, No. 2. P. 161–169
Wei S., Zuo D., Song J. Improving prediction accuracy of river discharge time series using a Wavelet-NAR artificial neural network // Journal of Hydroinformatics. 2012. Vol. 14 Issue 4. P. 974–992
Winter J. C. F., Dodou D., Wieringa P.A. Exploratory Factor Analysis With Small Sample Sizes // Multivariate Behavioral Research, 2009, 44:2. P. 147–181
Xenitidou M., Elsenbroich C. Construct Validity and Theoretical Embeddedness of Agent-based Models of Normative Behaviour // International Journal of Interdisciplinary Social Sciences. 2010. Vol. 5. Issue 4. P.67–79
Опубликован
2013-02-01
Как цитировать
Суворова, А. В. (2013). Гибридные модели оценки параметров социально-значимого поведения по сверхмалой неполной совокупности наблюдений. Труды СПИИРАН, 1(24), 116-134. https://doi.org/10.15622/sp.24.8
Раздел
Статьи
Авторы, которые публикуются в данном журнале, соглашаются со следующими условиями:
Авторы сохраняют за собой авторские права на работу и передают журналу право первой публикации вместе с работой, одновременно лицензируя ее на условиях Creative Commons Attribution License, которая позволяет другим распространять данную работу с обязательным указанием авторства данной работы и ссылкой на оригинальную публикацию в этом журнале.
Авторы сохраняют право заключать отдельные, дополнительные контрактные соглашения на неэксклюзивное распространение версии работы, опубликованной этим журналом (например, разместить ее в университетском хранилище или опубликовать ее в книге), со ссылкой на оригинальную публикацию в этом журнале.
Авторам разрешается размещать их работу в сети Интернет (например, в университетском хранилище или на их персональном веб-сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению, а также к большему количеству ссылок на данную опубликованную работу (Смотри The Effect of Open Access).
