Е. Д. Соложенцев Институт проблем машиноведения ран, Санкт-Петербург




Скачать 181.87 Kb.
НазваниеЕ. Д. Соложенцев Институт проблем машиноведения ран, Санкт-Петербург
Дата публикации21.07.2013
Размер181.87 Kb.
ТипРешение
www.lit-yaz.ru > Экономика > Решение
УДК 330.101.5
Е. Д. Соложенцев

Институт проблем машиноведения РАН, Санкт-Петербург, esokar@gmail.ru
О СОЗДАНИИ НАУЧНЫХ ЦЕНТРОВ «И3 –ТЕХНОЛОГИИ

В ЭКОНОМИКЕ»

Аннотация. Обоснована актуальность и изложена суть проблемы, изложены основные положения И 3 - технологий, сформулированы цели и задачи научного направления, рассмотрены классы логико-вероятностных моделей риска и процедуры И3-технологий,

приведены примеры применения И3 -технологий для управления риском в разных областях экономики, сделан вывод о целесообразности создания Научных Центров “И3 -технологии в экономике”.
Ключевые слова: научный центр, информационный, инновационный, интеллектуальный, технология, экономика, система, состояния, логика, вероятность, модель, риск, знания



  1. ^ Актуальность проблемы


Трудные экономические проблемы. Решение многих экономических проблем встречает большие трудности. К таким проблемам относятся противодействие взяткам и коррупции, управление кредитными и операционными рисками, развитие малого и среднего бизнеса и др. Необходимы методики и технологии для решения трудных и повседневных проблем с адекватным математическим аппаратом.

Анализ экономических проблем и методик их решения в условиях глобализации мирового рынка, кризиса и реформ приведен в работах крупных ученых. Так Е. В. Балацкий [1] отмечает, что наука подошла к своему естественному рубежу, за которым ничего конструктивного нет. Академик В. М. Полтерович [2] предлагает планы выхода России из экономического кризиса и ее развития в виде постепенных консервативных реформ. Академик А. И. Татаркин и чл.-корр. РАН Р. С. Гринберг [3] дают оценку социально-экономических последствий присоединения России к Всемирной торговой организации (ВТО) и излагают методики диагностирования экономической безопасности регионов России в случае присоединения. Лауреат Нобелевской премии Патрик Дж. Бъюкенен [4] рассматривает модели устойчивого развития на основе теории игр двух партнеров. Академик В. Л. Макаров и д. т. н. А. Р.Бахтизин [5] рассматривают новый инструмент в общественных науках – агент-ориентированные модели (АОМ) для получения знаний об обществе и моделирования социальных систем. Однако этот инструмент не применим для оперативного анализа и управления риском и эффективностью деятельности банков и предприятий.

Выполненный анализ показывает, что в экономической науке отсутствуют эффективные модели для оценки, анализа и управления риском и эффективностью по статистическим данным.

^ Риск неуспеха предприятия. Названные работы не рассматривают проблемы эффективного управления предприятием, хотя именно предприятие составляет основу экономики страны. И дело не в наличии идей, а в отсутствии эффективных технологий и адекватного математического аппарата для моделирования риска и эффективности.

^ Работа и инструменты экономистов и менеджеров. Представляется целесооб-разным создавать научные центры и наукограды не только по проблемам нанотехнологий и наноматериалов, но и всегда существовавшим проблемам управления риском и эффективностью тысяч объектов и систем в экономике, которыми ежедневно занимаются тысячи экономистов и менеджеров. Ожидаемый экономический эффект будет не меньше. В настоящее время адекватные модели и программные средства для моделирования, анализа и управления риском для этих категорий специалистов отсутствуют.

^ Требованиях Базель II и ВТО. Проблемы устойчивого финансового развития и прозрачности методик оценки кредитных рисков и рейтингов и резервирования средств на случай дефолта заемщиков взаимосвязаны и актуальны. Важными характеристиками являются наглядность результатов оценки и анализа кредитного риска для работников банка, прозрачность методик для контролирующих органов и заемщиков, точность и робастность. Базель II определяет положения по резервированию капитала (до 20%) на случай дефолта. [6]. Внедрение Соглашения Базель II, обязательного для вступления во Всемирную Торговую Организацию (ВТО), требует наличие в банках соответствующих прозрачных методик для оценки кредитных рисков и резервирования. на случай дефолта.

Особое место среди банковских рисков занимает операционный риск (ОР) [7]. Банки уделяют большое внимание развитию систем управления ОР. К этому их мотивируют рекомендации Базельского комитета, которые предполагают создание в банках эффективной системы управления ОР. По уровню ОР можно судить о качестве управления банком и совершенстве применяемых технологий. Заметим, операционный риск существует и на предприятиях, страховых компаниях и др.

^ Cтандарт ИСО 9001-2001 и ВТО. Cтандарт ИСО 9001-2001 определяет требования к качеству производственных процессов. Невалидность процессов согласно стандарта

[8, 9] есть несоответствие параметров и элементов системы предъявляемым условиям и требованиям. Требования валидности ВТО относит также к системах управления производственными процессами, включая логистику, проектирование, изготовление, испытания, маркетинг и др. И хотя выполнение требований этого стандарта обязательно для вступления в ВТО, адекватные модели риска невалидности еще не разработаны.

^ 2. Суть предложения о создании Научных Центров
Для оценки, анализа и управления риском и эффективностью в экономических системах и процессах по статистическим данным и решения трудных проблем предлагается использовать информационные инновационные интеллектуальные технологии (И3- технологии) с логико-вероятностными (ЛВ) моделями риска и базами знаний (БЗ) в виде систем Л-уравнений. Для этого следует создавать Научные Центры «И3 - технологии в экономике». И3 - технологии вносят вклад в развитие теории и приложений экономической науки, обеспечивают решение новых задач и получение новых результатов. И3 - технологии строят Л-модели риска неуспеха решения трудной экономической проблемы, элементами которой являются субъекты (государство, бизнес, банки, ученые, общественное мнение), решающие проблему, и задачи проблемы [10, 11].

Выполнена разработка научных основ проблемы "И3 - технологии в экономике". Область применения И3-технологий в экономике практически безгранична. Можно считать, что это новое эффективное научное направление в экономической науке высокого уровня значимости.

И3 - технологии с течением времени могут стать основой постановки и решения трудных проблем. Представляется целесообразным создавать Научные Центры и Наукограды не только по проблемам нанотехнологий и наноматериалов, но и всегда существовавшим проблемам управления риском и эффективностью тысяч объектов и систем в экономике. Ожидаемый экономический эффект будет не меньше.

В Научном Центре «И3 - технологии в экономике» могут работать ученые и специалисты в области экономики, разработки И3 - технологий, менеджмента и программирования. Нужна поддержка и участие больших ученых и крупных менеджеров.

Возможные участники создания Научного Центра «И3 - технологии в экономике» в Санкт-Петербурге: Академия управления и экономики, Институт проблем машиноведения РАН, Государственный университет Аэрокосмического приборостроения, Санкт-Петербургский институт информатики РАН, Санкт-Петербургский государственный университет, Санкт-Петербургский финансовый и экономический университет, Санкт-Петербургский инженерно-экономический университет, Санкт-Петербургский политехнический университет и др.

Научная и прикладная тематика Научного Центра «И3 - технологии в экономике» изложена ниже и приведена также на вебсайте http://www.dolgrach.ucoz.com
^ 3. Определение И 3 технологии
И3-технологии с ЛВ-моделями риска и базами знаний (БЗ) являются:

1. Информационными, так как используются базы данных (БД) и

автоматизированная обработка статистических данных;

2. Интеллектуальными, так как используются базы знаний в виде

системы Л-уравнений, что позволяет получать новые знания для управления системой по критериям риска и эффективности.

3. Инновационными, так как используются следующие инновации:

  • Социальные и экономические системы и процессы рассматриваются как структурно-сложные со случайными событиями с Л-связями и переменными.

  • В статистическую БД введены конечные множества, что позволяет получить БЗ в виде системы Л-уравнений, использовать ЛВ-исчисление, ЛВ-модели и распределения в виде дискретных рядов, решать задачи управления.

  • В статистических данных рассматривать два разных типа событий: появления и неуспеха состояний системы.


И3 - технологии используют логико-вероятностные (ЛВ) модели для управления риском и эффективностью в экономике. ЛВ-модели нашли применение для решения проблем надежности и безопасности в технике. В работах И. А. Рябинина [12] впервые исследованы сложные ЛВ-модели безопасности электросети атомной подводной лодки, риска взрыва склада боеприпасов и др. Примеры применения ЛВ-моделей имеются и в экономике [10]. Однако масштабы использования ЛВ-моделей не соответствуют их возможностям. Это относится и к проблемам управления невалидностью процессов и систем в экономике.

В проблеме ЛВ-управления риском невалидности рассматриваются четыре аспекта:

  1. Инженерно-экономический: выделение состояний, приводящих к невалидности системы, и параметров, влияющих на невалидность системы;

^ 2) Логический: определение событий и логических переменных «процесса».

Логические булевы переменные для инициирующих, производных и итогового

событий равны 0 или 1;

^ 3) Методологический: определение понятия невалидности как события по аналогии с

такими понятиями событий как отказ и неуспех;

4) Вычислительный: переход от Л-модели риска к В-модели риска невалидности

возможен только при наличии специальных программных средств.
Разработка сценария невалидности является творческим процессом, присущим людям, глубоко знающим функционирование системы. Только специалист может на естественном языке сформулировать полное число гипотез (состояний), которые приводят к невалидности системы [12]. Введение термина невалидность в ЛВ-модели риска и эффективности, применение метода группового исчисления Л-ситуаций путем их разложения по подфункциям позволяет сводить сложные Л-структур к совокупности несовместных последовательно-параллельных структур. Иначе говоря – это обобщение известного разложения логической функции по некоторому набору ее аргументов.
^ 4. Цели Научного Центра «И3 - технологии в экономике»
«И3 - технологии в экономике» это брэнд научного направления для решения прикладных задач управления риском и эффективностью в экономике.

Цель научного направления «И3 - технологии в экономике» разработать методики,

модели, программные средства и технологии для:

1. Повседневной работы многих тысяч экономистов и менеджеров компаний по

управлению риском и эффективностью на своих рабочих местах в пределах своих функций;

2. Обучения студентов экономических, финансовых и технических факультетов

университетов управлению риском и эффективностью.

3. Учебных курсов с лабораторными работами на ПК для студентов университетов и

курсов повышения квалификации.
5. Задачи Научного Центра «И3 - технологии в экономике»
Задачи Научного Центра «И3 - технологии в экономике» следующие:

  1. Разработки и исследования по классам ЛВ-моделей риска и эффективности и процедурам И3 - технологий (табл. 1),

2. Решение задач по управлению риском и эффективностью в социально-

экономических системах и различных производственных системах и процессах.

3. Обобщение и типизация решений по различным приложениям.
В экономике область приложений ЛВ-моделей риска практически не ограничена. Достаточно представить систему как структурно-сложную и иметь статистические данные. Темы исследований могут быть выбраны по аналогии с уже выполненными исследованиями (табл. 2). ЛВ-модели риска показали ряд преимуществ по точности и прозрачности оценки и анализа риска состояний и всей системы в целом.
Таблица 1.Тематика разработок и исследований по И3 – технологиям


П.п.


Процедуры

^ И3- технологий

Классы ЛВ-моделей риска и эффективности

ЛВ-моде-лирование

ЛВ-клас-сификация

ЛВ-эффек- тивность

ЛВ-прогно-зирование







1

2

3

4

1

Построение

ЛВ-модели













2

Идентификация

ЛВ-модели













3

Анализ риска и эффективности













4

Управление риском и эффективностью













5

Прогнозирование риска и кризиса системы













6

Коммерциализация ЛВ-программных средств














Возможны два типа больших исследований (табл. 1):

  1. Разработки и исследования по каждому классу ЛВ-моделей риска и эффективности с рассмотрением всех процедур информационной технологии систем ЛВ-управления;

  2. Разработки и исследования по каждой процедуре И3-технологии для всех классов ЛВ-моделей риска и эффективности.

Исключая приложения, выделено 6х4 = 24 темы исследований по числу клеток в табл. 1 и 10 общих тем исследований: 4 темы по каждому классу ЛВ-моделей риска и эффективности с рассмотрением всех процедур И3-технологии систем ЛВ-управления и 6 тем по каждой процедуре И3-технологии систем ЛВ-управления, рассматриваемых для всех классов ЛВ-моделей риска и эффективности. Таким образом, выделено 34 темы разработок и исследований по И3-технологиям.




^ 6. Классы ЛВ-моделей риска для И 3- технологий
И3-технологии содержат следующие классы ЛВ-моделей риска.

1). ЛВ-моделирование. Статистические данные не используют. Вероятности событий задают эксперты по экспериментальным или статистическим данным. Вычисляют риск и эффективность одного события. Примеры: ЛВ-модели риска неуспеха решения трудной проблемы, падения курса Евро, не избрания президента, экономического кризиса страны, неуспеха менеджмента компании и др.

^ 2). ЛВ-классификация. Используют статистические данные, рассматривают события неуспеха состояний; эффективность состояний задана; вводят системы Л- и В-уравнений. Вероятности неуспеха событий-градаций определяют решением задачи идентификации В-модели риска по статистическим данным. Примеры: ЛВ-модели риска кредитов, рейтингов банков, состояний системы и др.

3). ЛВ-эффективность. Эффективность состояний вычисляют, используют статистические данные, рассматривают события появления состояний, вводят системы Л- и В- уравнений. Вероятности появления событий-градаций вычисляют как частоты по статистике. Решается прямая задача риска. Пример: ЛВ-модель риска портфеля активов.

4). ЛВ-прогнозирование. Эффективность состояний задана по статистическим данным, рассматривают события появления и неуспеха состояний, вводят системы Л- и В-уравнений. Прогнозирование осуществляют в пространстве состояний системы. Вероятности событий-градаций вычисляют как частоты появления по статистическим данным и как вероятности неуспеха. Решают прямые и обратные задачи риска. Примеры: ЛВ-модели риска товарооборота ресторана и магазина, взяток и коррупции, социально-экономических систем.
^ 7. Процедуры И 3- технологий
И3 - технологии включают в себя следующие процедуры, описанные ниже.

  1. Построение ЛВ-модели риска системы. Формулируют сценарий риска, строят

структурную модель риска, записывают Л-модель риска, получают В-модель (полином) риска. ЛВ-модель риска можно всегда записать в виде совершенной дизъюнктивной нормальной формы (СДНФ), самой полной и громоздкой в записи и вычислениях. В частных случаях строят ЛВ-модели риска с ограниченным числом событий из СДНФ, или в виде кратчайших путей функционирования, или по сценарию риска. ЛВ-модель риска может быть комплексной с объединением отдельных моделей риска операциями И, ИЛИ, НЕТ и циклами. Комплексные структурно-сложные экономические системы включает в себя несколько подсистем, которые могут иметь несколько общих элементов (событий). ЛВ-модель риска неуспеха строится с учетом повторных элементов по специальным алгоритмам ортогонализации логических функций. Комплексная ЛВ-модель риска может быть настолько сложной, что Л- и В-функции риска не помещаются в памяти компьютера или слагаемые в В-функции содержат большое число сомножителей (с вероятностями от 0 до единицы), так что результат теряет точность. В этом случае следует применять декомпозицию модели и свертывать инициирующих событий в узлах типа И и ИЛИ.

^ 2) Идентификация ЛВ-модели риска по статистическим данным заключается в определении допустимого риска и вероятностей неуспеха от событий-градаций. Критерием идентификации является целочисленная функция: число корректно-распознаваемых хороших и плохих состояний системы должно быть максимально. Идентификация является обратной оптимизационной задачей, которую решают алгоритмическими итеративными методами случайного поиска или градиентов. При идентификации задают асимметрию распознавания хороших и плохих состояний для оптимизации обучения и тестирования ЛВ-модели риска. Предложенные методы обеспечивают получение решения при больших числах состояний (1000 и более), параметров и градаций в параметрах и любой сложности Л-модели за приемлемое время.

3) ^ ЛВ-анализ риска и эффективности системы выполняют на В-модели риска. Количественный анализ риска заключается в определении атрибутов риска или вкладов влияющих параметров и их градаций в риск и эффективность состояний системы и всей системы в целом. Предложены статистические и ЛВ-методы анализа. Статистический анализ является самым простым в вычислительном отношении. ЛВ-анализ обладает наибольшими возможностями для детального анализа риска и эффективности системы. Структурная значимость зависит от места элемента в граф-модели риска. В-значимость учитывает как место, так и значение вероятности для элемента системы. Опасные элементы и их комбинации выявляют по изменению риска системы при их исключении.

^ 4) ЛВ-управление риском и эффективностью системы. В социально- экономических системах различают оперативное и стратегическое управление риском и эффективностью. Оперативное управление осуществляют по результатам анализа риска и эффективности в следующей последовательности: оценка вкладов событий-градаций и событий-параметров, выбор наиболее значимых вкладов, распределение ресурсов на изменение вероятностей наиболее значимых событий-градаций. Стратегическое управление развитием системы по критериям риска и эффективности заключается в управлении движением по выбранной траектории и коррекцией при отклонении от нее.

^ 5) ЛВ-прогнозирование риска и кризиса. Прогнозирование осуществляют по статистическим данным в пространстве состояний системы. Оценивают риск и эффективности состояний системы, которых нет в статистических данных. Например, выполнив идентификацию ЛВ-модели кредитного риска по статистическим данным банка, прогнозируется риск и эффективность новых заявок на кредит.

Прогнозируют начало и причины спада, кризиса и рецессии системы, спустя несколько дней после их начала. Строится дискретное распределение параметра эффективности (например, доходности портфеля, товарооборота магазина и т.д.). Можно рассматривать как левый так и правый «хвост» распределения параметра эффективности. Обычно левый «хвост» связывают с риском (потерями), а правый «хвост» с риском спада (recession) параметра эффективности. Хвосты соответственно задают допустимым значением параметра эффективности Yad и значением Yre , с которого наметился спад. Величина риска равна сумме ординат дискретного распределения в «хвосте». Вычисляют частоты событий-градаций в «хвосте» и вероятности событий-градаций, с которыми они приводят в «хвост». Для ЛВ-прогнозирования в классе моделей ЛВ-эффективность переходят модели класса ЛВ-классификация. ЛВ-прогнозирование кризиса экономической системы по динамике изменения вкладов событий-градаций инициирующих событий-параметров в "хвосты" распределения параметра эффективности за установленное число последних состояний). Вклады, как дифференциальные характеристики, в большей мере объясняют наступление кризиса системы.

^ 6) Адаптация и коммерциализация ЛВ-программных средств. Для решения задач риска и эффективности используются компьютеры, так как задачи отличаются высокой вычислительной сложностью из-за огромного числа возможных состояний системы (комбинаций). Для моделей со статистическими данными разработаны специальные программные средства для моделей классов ЛВ-классификация, ЛВ-эффективность и ЛВ-моделирование, (авторы – Е. Соложенцев, В. Карасев, В. Алексеев, А. Ширяев). Для работы со статическими ЛВ-моделями риска класса «ЛВ-моделирование» используется аппарат ЛВ-исчисления И. А. Рябинин [13] и программные средства А. С. Можаевым, , разработанные им для ЛВ-моделей любой логической сложности [13].

Актуальна задача создать дешевые программных средств для студентов и ежедневной работы тысяч экономистов и менеджеров, позволявшие бы им самим строить сценарии и модели риска и выполнять исследования по управлению риском и эффективностью.
^ 8. Приложения «И3-технологий» с ЛВ-моделями риска и эффективности
В экономике область приложений ЛВ-моделей риска практически не ограничена. Достаточно представить систему как структурно-сложную и иметь статистические данные. Темы исследований могут быть выбраны по аналогии с уже выполненными исследованиями (табл. 2). ЛВ-модели риска показали ряд преимуществ по точности и прозрачности оценки и анализа риска состояний и всей системы в целом.

Достоинства ЛВ-управления риском и эффективностью, например кредитными рисками:

  • в два раза большая точность в классификации кредитов,

  • в семь раз большая устойчивость в классификации кредитов,

  • абсолютная прозрачность в оценке и анализе риска кредитов,

  • решение новых задач анализа и управления риском.


Таблица 2. Примеры приложений И3 - технологий с ЛВ-моделями риска и эффективности

Приложения

Апробации

Кредитные риски физических и юридических лиц

Опытные расчеты на данных 4-х банков. Лабораторные работы

Риск портфеля ценных бумаг

Опытная эксплуатация. Лабораторные работы

ЛВ-управление риском и эффективтью

Реальные исследования. Ресторан. Магазин

Риск неуспеха менеджмента компании

Реальные исследования. ЗАО «Транзас»

Риск взяток и коррупции

Модельные исследования. Взятки в учреждении, мошенничества чиновников

Риск взяток при обслуживании

Реальные исследования. Взятки в детском саде

Управление риском развития

Реальные исследования технической системы

Прогнозирование кризиса (исчерпание ресурса) технической системы

Компрессорные станции магистральных газопроводов

Моделирование и Анализ риска и эффективности социальных и экономических процессов

Исследования на реальных данных Газпрома.

Лабораторные работы (студенты разработали 150 сценариев и ЛВ-моделей риска)


Заключение
В экономике область приложений И3 - технологий с ЛВ-моделей риска практически не ограничена. Достаточно представить систему как структурно-сложную и иметь статистические данные. И3-технологии показали ряд преимуществ по точности, робастности и прозрачности оценки и анализа риска состояний и всей системы в целом и возможности решения новых трудных задач и задач анализа и управления в экономике. «И3 - технологии в экономике» это брэнд научного направления для решения прикладных задач управления риском и эффективностью в экономике [14]. Основные результаты настоящей работы следующие:

  1. Обоснована актуальность проблемы создания Научных Центров «И3 –технологии в экономике»;

  2. Изложены основные положения И3-технологий, сформулированы цели и задачи научного направления, рассмотрены классы логико-вероятностных моделей риска и процедуры И3-технологий,

  3. Приведены примеры применения И3 -технологий для управления риском в разных областях экономики,

И3 - технологии обеспечивают выполнение требований ИСО-9001-2001 по управлению качеством производственных процессов и Базель II по оценке кредитных рисков банков и резервирования на случай дефолта, обязательные для вступления в ВТО. И3-технологии могут стать легко узнаваемым брэндом для постановки и решения задач риска и эффективности в экономике. Представляется целесообразным создать Научные Центры “И3 -технологии в экономике” на основе инновационных разработок Российских ученых.
Литература
1. Е.Б. Балацкий. Мировая экономическая наука на современном этапе: кризис или

прорыв? – Науковедение, N 2, 2001.

2. В. М. Полтерович. Элементы теории реформ. М.: Экономика, 2007.

3. Р.С. Гринберг, А.И. Татаркин. Оценка социально-экономических последствий

присоединения России к ВТО. М.: Экономика, 2007, 534 с.

4. Патрик Дж. Бьюкенен. Избранные труды.- М.: Альфа пресс, 1997.

5. В. Л. Макаров, А. Р. Бахтизин. Новый инструмент в общественных науках – агент-

ориентированные модели: общее описание и конкретные примеры.- Экономика и

управление, №12 (59) 2009, с.13-25.

6. International Convergence of Capital Measurement and Capital Standards. A Revised

Framework. Basel Committee on Banking Supervision, Bank for International

Settlements Press & Communications. Basel, 2004.

7. Бухтин М. А. Методика и практика управления операционными рисками в коммерческом банке. ИБД АРБ ,13 октября 2006.

8. ГОСТ Р. ИСО 9001-2001. Системы менеджмента качества. Требования. Госстандарт

России. М.: Изд-во стандартов, 2001. 30 с.

9. Богословский С. В. Логико-вероятностные методы в экономике. Монография. Санкт-

Петербургская академия межотраслевых наук (АМОН), 2007,-2007, - 196 с.

10. Е. Д. Соложенцев. Управление риском и эффективностью в экономике. Логико-

вероятностный подход СПб: Изд-во СПб ун-та, 2009. 270 с.

11. Solojentsev E. D. Scenario Logic and Probabilistic Management of Risk in Business and

Engineering. Springer: Second edition, 2008. 480 p.

12. Рябинин И. А. Надежность и безопасность структурно-сложных систем. 2-е изд:

Изд-во С-Петерб. ун-та, 2007 276 с.

13. Mozhaev A. S. Certification of the Software for automated calculations of systems safety and

technical risks “Arbiter”. / Proc. of the Int. Scien. School ``Modeling and Analysis of Safety

and Risk in Complex Systems'', 2007. September 4-8. St. Petersburg: SPUASE, 2007.

14. www.dolgrach.ucoz.com

Добавить документ в свой блог или на сайт

Похожие:

Е. Д. Соложенцев Институт проблем машиноведения ран, Санкт-Петербург iconЖурнал Терра-медика нова, (Санкт-Петербург),1999, №1, стр. 24-25
Государственный медицинский университет, институт органической химии им. А. Е. Арбузова, кнц ран, кпхфо «Татхимфармпрепараты», Казань,...

Е. Д. Соложенцев Институт проблем машиноведения ран, Санкт-Петербург iconВзаимодействие человека и животных
Россия, Санкт-Петербург, Музей антропологии и этнографии имени Петра Великого (Кунсткамера) ран

Е. Д. Соложенцев Институт проблем машиноведения ран, Санкт-Петербург iconВ. А. Геодакян Россия, Москва, Институт проблем экологии и эволюции им. А. Н. Северцова, ран
«asynchronous» theories are needed. This article suggests a theory, which gives interpretations and predictions

Е. Д. Соложенцев Институт проблем машиноведения ран, Санкт-Петербург iconВ. А. Геодакян Институт проблем экологии и эволюции им. А. Н. Северцова ран. Москва
В сб.: "Теория информации и искусствознание", 2008. Вып. Ин-т искусствознания под эгидой Межд. Акад информатики

Е. Д. Соложенцев Институт проблем машиноведения ран, Санкт-Петербург iconПреобразоавние проблем в радость. Вкус дхармы
«Преобразоавние проблем в радость. Вкус дхармы»: Издание А. Терентьева; Санкт-Петербург; 2009

Е. Д. Соложенцев Институт проблем машиноведения ран, Санкт-Петербург iconИнститут восточных культур и античности Гаспаровские чтения 2010
Н. Н. Казанский (Санкт-Петербург). Взаимодействие героического эпоса с текстами хоровой лирики (Стесихор)

Е. Д. Соложенцев Институт проблем машиноведения ран, Санкт-Петербург iconЗакупочная документация
Еталл (Место нахождения: 198035, Российская Федерация, Санкт-Петербург, Межевой канал, д. 5; почтовый адрес: 198096, Санкт-Петербург,...

Е. Д. Соложенцев Институт проблем машиноведения ран, Санкт-Петербург icon190020 Россия, г. Санкт-Петербург, ул. Бумажная д. 17 оф. 256 Информация,...
Место нахождения эмитента: 190020 Россия, г. Санкт-Петербург, ул. Бумажная д. 17 оф. 256

Е. Д. Соложенцев Институт проблем машиноведения ран, Санкт-Петербург iconИнститут проблем экологии и эволюции им. А. Н. Северцова ран
Представляется, что человеческий разум должен свободно строить формы, прежде чем подтвердится их реальное существование Из голой...

Е. Д. Соложенцев Институт проблем машиноведения ран, Санкт-Петербург iconРедактор Алексей Богословский (Санкт-Петербург)
Алексею Капустину (Рига), Александру Кудрявцеву (Николаев), Сергею Сербину (Таллинн), Сергею Шишко (Минск), Сергею Ефимову (Волгоград),...



Образовательный материал



При копировании материала укажите ссылку © 2013
контакты
www.lit-yaz.ru
главная страница