На бирже курсовых и дипломных проектов можно найти образцы готовых работ или получить помощь в написании уникальных курсовых работ, дипломов, лабораторных работ, контрольных работ, диссертаций, рефератов. Так же вы мажете самостоятельно повысить уникальность своей работы для прохождения проверки на плагиат всего за несколько минут.

ЛИЧНЫЙ КАБИНЕТ 

 

Здравствуйте гость!

 

Логин:

Пароль:

 

Запомнить

 

 

Забыли пароль? Регистрация

Повышение уникальности

Предлагаем нашим посетителям воспользоваться бесплатным программным обеспечением «StudentHelp», которое позволит вам всего за несколько минут, выполнить повышение уникальности любого файла в формате MS Word. После такого повышения уникальности, ваша работа легко пройдете проверку в системах антиплагиат вуз, antiplagiat.ru, etxt.ru или advego.ru. Программа «StudentHelp» работает по уникальной технологии и при повышении уникальности не вставляет в текст скрытых символов, и даже если препод скопирует текст в блокнот – не увидит ни каких отличий от текста в Word файле.

Результат поиска


Наименование:


реферат Назначение экспертных систем

Информация:

Тип работы: реферат. Добавлен: 22.11.2012. Сдан: 2012. Страниц: 12. Уникальность по antiplagiat.ru: < 30%

Описание (план):


Назначение  экспертных систем
В начале восьмидесятых  годов в исследованиях по искусственному интеллекту сформировалось самостоятельное  направление, получившее название "экспертные системы" (ЭС). Цель исследований по ЭС состоит в разработке программ, которые при решении задач, трудных  для эксперта-человека, получают результаты, не уступающие по качеству и эффективности  решениям, получаемым экспертом. Исследователи  в области ЭС для названия своей  дисциплины часто используют также  термин "инженерия знаний", введенный  Е.Фейгенбаумом как "привнесение  принципов и инструментария исследований из области искусственного интеллекта в решение трудных прикладных проблем, требующих знаний экспертов".
Программные средства (ПС), базирующиеся на технологии экспертных систем, или инженерии знаний (в  дальнейшем будем использовать их как  синонимы), получили значительное распространение  в мире. Важность экспертных систем состоит в следующем:
 технология  экспертных систем существенно  расширяет круг практически значимых  задач, решаемых на компьютерах,  решение которых приносит значительный  экономический эффект;
 технология  ЭС является важнейшим средством  в решении глобальных проблем  традиционного программирования: длительность  и, следовательно, высокая стоимость  разработки сложных приложений;
высокая стоимость  сопровождения сложных систем, которая  часто в несколько раз превосходит  стоимость их разработки; низкий уровень  повторной используемости программ и т.п.;
 объединение  технологии ЭС с технологией  традиционного программирования  добавляет новые качества к  программным продуктам за счет: обеспечения динамичной модификации  приложений пользователем, а не  программистом; большей "прозрачности" приложения (например, знания хранятся  на ограниченном ЕЯ, что не  требует комментариев к знаниям,  упрощает обучение и сопровождение); лучшей графики; интерфейса и  взаимодействия.
По мнению ведущих  специалистов , в недалекой перспективе  ЭС найдут следующее применение:
 ЭС будут  играть ведущую роль во всех  фазах проектирования, разработки, производства, распределения, продажи,  поддержки и оказания услуг;
 технология  ЭС, получившая коммерческое распространение,  обеспечит революционный прорыв  в интеграции приложений из  готовых интеллектуально-взаимодействующих  модулей.
ЭС предназначены  для так называемых неформализованных  задач, т.е. ЭС не отвергают и не заменяют традиционного подхода к разработке программ, ориентированного на решение  формализованных задач.
Неформализованные задачи обычно обладают следующими особенностями:
 ошибочностью, неоднозначностью, неполнотой и  противоречивостью исходных данных;
 ошибочностью, неоднозначностью, неполнотой и  противоречивостью знаний о проблемной  области и решаемой задаче;
 большой размерностью  пространства решения, т.е. перебор  при поиске решения весьма  велик;
 динамически  изменяющимися данными и знаниями.
Следует подчеркнуть, что неформализованные задачи представляют большой и очень важный класс  задач. Многие специалисты считают, что эти задачи являются наиболее массовым классом задач, решаемых ЭВМ.
Экспертные системы  и системы искусственного интеллекта отличаются от систем обработки данных тем, что в них в основном используются символьный (а не числовой) способ представления, символьный вывод и эвристический  поиск решения (а не исполнение известного алгоритма).
Экспертные системы  применяются для решения только трудных практических (не игрушечных) задач. По качеству и эффективности  решения экспертные системы не уступают решениям эксперта-человека. Решения  экспертных систем обладают "прозрачностью", т.е. могут быть объяснены пользователю на качественном уровне. Это качество экспертных систем обеспечивается их способностью рассуждать о своих знаниях и умозаключениях. Экспертные системы способны пополнять свои знания в ходе взаимодействия с экспертом. Необходимо отметить, что в настоящее время технология экспертных систем используется для решения различных типов задач (интерпретация, предсказание, диагностика, планирование, конструирование, контроль, отладка, инструктаж, управление ) в самых разнообразных проблемных областях, таких, как финансы, нефтяная и газовая промышленность, энергетика, транспорт, фармацевтическое производство, космос, металлургия, горное дело, химия, образование, целлюлозно-бумажная промышленность, телекоммуникации и связь и др.
Коммерческие  успехи к фирмам-разработчикам систем искусственного интеллекта (СИИ) пришли не сразу. На протяжении 1960 - 1985 гг. успехи ИИ касались в основном исследовательских  разработок, которые демонстрировали  пригодность СИИ для практического  использования. Начиная примерно с 1985 г. (в массовом масштабе с 1988 - 1990 гг.), в первую очередь ЭС, а в последние  годы системы, воспринимающие естественный язык (ЕЯ-системы), и нейронные сети (НС) стали активно использоваться в коммерческих приложениях.
Следует обратить внимание на то, что некоторые специалисты (как правило, специалисты в программировании, а не в ИИ) продолжают утверждать, что ЭС и СИИ не оправдали возлагавшихся  на них ожиданий и умерли. Причины  таких заблуждений состоят в  том, что эти авторы рассматривали  ЭС как альтернативу традиционному  программированию, т.е. они исходили из того, что ЭС в одиночестве (в  изоляции от других программных средств) полностью решают задачи, стоящие  перед заказчиком. Надо отметить, что  на заре появления ЭС специфика используемых в них языков, технологии разработки приложений и используемого оборудования (например, Lisp-машины) давала основания  предполагать, что интеграция ЭС с  традиционными, программными системами  является сложной и, возможно, невыполнимой задачей при ограничениях, накладываемых  реальными приложениями. Однако в  настоящее время коммерческие инструментальные средства (ИС) для создания ЭС разрабатываются  в полном соответствии с современными технологическими тенденциями традиционного  программирования, что снимает проблемы, возникающие при создании интегрированных  приложений.
Причины, приведшие  СИИ к коммерческому успеху, следующие.
Интегрированность. Разработаны инструментальные средства искусственного интеллекта (ИС ИИ), легко интегрирующиеся с другими информационными технологиями и средствами (с CASE, СУБД, контроллерами, концентраторами данных и т.п.).
Открытость  и переносимость. ИС ИИ разрабатываются с соблюдением стандартов, обеспечивающих открытость и переносимость [14].
Использование языков традиционного  программирования и  рабочих станций. Переход от ИС ИИ, реализованных на языках ИИ (Lisp, Prolog и т.п.), к ИС ИИ, реализованным на языках традиционного программирования (С, C++ и т.п.), упростил обеспечение интегриро-ванности, снизил требования приложений ИИ к быстродействию ЭВМ и объемам оперативной памяти. Использование рабочих станций (вместо ПК) резко увеличило круг приложений, которые могут быть выполнены на ЭВМ с использованием ИС ИИ.
Архитектура клиент-сервер. Разработаны ИС ИИ, поддерживающие распределенные вычисления по архитектуре клиент-сервер, что позволило:снизить стоимость оборудования, используемого в приложениях, децентрализовать приложения, повысить надежность и общую производительность (так как сокращается количество информации, пересылаемой между ЭВМ, и каждый модуль приложения выполняется на адекватном ему оборудовании).
Проблемно/предметно-ориентированные  ИС ИИ. Переход от разработок ИС ИИ общего назначения (хотя они не утратили свое значение как средство для создания ориентированных ИС) к проблемно/предметно-ориентированным ИС ИИ [9] обеспечивает: сокращение сроков разработки приложений; увеличение эффективности использования ИС; упрощение и ускорение работы эксперта; повторную используемость информационного и программного обеспечения (объекты,классы,правила,процедуры).
Структура экспертных систем
Типичная  статическая ЭС состоит из следующих  основных компонентов (рис. 1.):
    решателя (интерпретатора);
    рабочей памяти (РП), называемой также базой данных (БД);
    базы знаний (БЗ);
    компонентов приобретения знаний;
    объяснительного компонента;
    диалогового компонента.
   
База  данных (рабочая память) предназначена для хранения исходных и промежуточных данных решаемой в текущий момент задачи. Этот термин совпадает по названию, но не по смыслу с термином, используемым в информационно-поисковых системах (ИПС) и системах управления базами данных (СУБД) для обозначения всех данных (в первую очередь долгосрочных), хранимых в системе.
База  знаний (БЗ) в ЭС предназначена для хранения долгосрочных данных, описывающих рассматриваемую область (а не текущих данных), и правил, описывающих целесообразные преобразования данных этой области.
Решатель, используя исходные данные из рабочей памяти и знания из БЗ, формирует такую последовательность правил, которые, будучи примененными к исходным данным, приводят к решению задачи.
Компонент приобретения знаний автоматизирует процесс наполнения ЭС знаниями, осуществляемый пользователем-экспертом.
Объяснительный  компонент объясняет, как система получила решение задачи (или почему она не получила решение) и какие знания она при этом использовала, что облегчает эксперту тестирование системы и повышает доверие пользователя к полученному результату.

Диалоговый  компонент ориентирован на организацию дружественного общения с пользователем как в ходе решения задач, так и в процессе приобретения знаний и объяснения результатов работы.
В разработке ЭС участвуют представители следующих  специальностей:
эксперт в проблемной области, задачи которой будет решать ЭС;
инженер по знаниям - специалист по разработке ЭС (используемые им технологию, методы называют технологией (методами) инженерии знаний);
программист по разработке инструментальных средств (ИС), предназначенных для ускорения  разработки ЭС.
Необходимо отметить, что отсутствие среди участников разработки инженеров по знаниям (т. е. их замена программистами) либо приводит к неудаче процесс создания ЭС, либо значительно удлиняет его.
Эксперт определяет знания (данные и правила), характеризующие проблемную область, обеспечивает полноту и правильность введенных в ЭС знаний.
Инженер по знаниям помогает эксперту выявить и структурировать знания, необходимые для работы ЭС; осуществляет выбор того ИС, которое наиболее подходит для данной проблемной области, и определяет способ представления знаний в этом ИС; выделяет и программирует (традиционными средствами) стандартные функции (типичные для данной проблемной области), которые будут использоваться в правилах, вводимых экспертом.
Программист разрабатывает ИС (если ИС разрабатывается заново), содержащее в пределе все основные компоненты ЭС, и осуществляет его сопряжение с той средой, в которой оно будет использовано.
Экспертная система  работает в двух режимах: режиме приобретения знаний и в режиме решения задачи (называемом также режимом консультации или режимом использования ЭС).
В режиме приобретения знаний общение с ЭС осуществляет (через посредничество инженера по знаниям) эксперт. В этом режиме эксперт, используя компонент приобретения знаний, наполняет систему знаниями, которые позволяют ЭС в режиме решения самостоятельно (без эксперта) решать задачи из проблемной области. Эксперт описывает проблемную область в виде совокупности данных и правил. Данные определяют объекты, их характеристики и значения, существующие в области экспертизы. Правила определяют способы манипулирования с данными, характерные для рассматриваемой области.
Отметим, что  режиму приобретения знаний в традиционном подходе к разработке программ соответствуют  этапы алгоритмизации, программирования и отладки, выполняемые программистом. Таким образом, в отличие от традиционного  подхода в случае ЭС разработку программ осуществляет не программист, а эксперт (с помощью ЭС), не владеющий программированием.
В режиме консультации общение с ЭС осуществляет конечный пользователь, которого интересует результат и (или) способ его получения. Необходимо отметить, что в зависимости от назначения ЭС пользователь может не быть специалистом в данной проблемной области (в этом случае он обращается к ЭС за результатом, не умея получить его сам), или быть специалистом (в этом случае пользователь может сам получить результат, но он обращается к ЭС с целью либо ускорить процесс получения результата, либо возложить на ЭС рутинную работу). В режиме консультации данные о задаче пользователя после обработки их диалоговым компонентом поступают в рабочую память. Решатель на основе входных данных из рабочей памяти, общих данных о проблемной области и правил из БЗ формирует решение задачи. ЭС при решении задачи не только исполняет предписанную последовательность операции, но и предварительно формирует ее. Если реакция системы не понятна пользователю, то он может потребовать объяснения:
"Почему система  задает тот или иной вопрос?", "как ответ, собираемый системой, получен?".
Структуру, приведенную  на рис. 1.1, называют структурой статической ЭСЭС данного типа используются в тех приложениях, где можно не учитывать изменения окружающего мира, происходящие за время решения задачи. Первые ЭС, получившие практическое использование, были статическими.

На рис. 1.2 показано, что в архитектуру динамической ЭС по сравнению со статической ЭС вводятся два компонента: подсистема моделирования внешнего мира и подсистема связи с внешним окружением. Последняя  осуществляет связи с внешним  миром через систему датчиков и контроллеров. Кроме того, традиционные компоненты статической ЭС (база знаний и машина вывода) претерпевают существенные изменения, чтобы отразить временную логику происходящих в реальном мире событий.
Подчеркнем, что  структура ЭС, представленная на рис. 1.1 и 1.2, отражает только компоненты (функции), и многое остается "за кадром". На рис. 1.3 приведена обобщенная структура  современного ИС для создания динамических ЭС, содержащая кроме основных компонентов  те возможности, которые позволяют  создавать интегрированные приложение в соответствии с современной  технологией программирования.
Этапы разработки экспертных систем
Разработка ЭС имеет существенные отличия от разработки обычного программного продукта. Опыт создания ЭС показал, что использование  при их разработке методологии, принятой в традиционном программировании, либо чрезмерно затягивает процесс создания ЭС, либо вообще приводит к отрицательному результату.
Использовать  ЭС следует только тогда, когда разработка ЭС возможна, оправдана и методы инженерии знаний соответствуют решаемой задаче. Чтобы разработка ЭС была возможной для данного приложения, необходимо одновременное выполнение по крайней мере следующих требований:
1) существуют  эксперты в данной области,  которые решают задачу значительно  лучше, чем начинающие специалисты;
2) эксперты сходятся  в оценке предлагаемого решения,  иначе нельзя будет оценить  качество разработанной ЭС;
3) эксперты способны  вербализовать (выразить на естественном  языке) и объяснить используемые  ими методы, в противном случае  трудно рассчитывать на то, что  знания экспертов будут "извлечены"  и вложены в ЭС;
4) решение задачи  требует только рассуждений, а  не действий;
5) задача не  должна быть слишком трудной  (т.е. ее решение должно занимать  у эксперта несколько часов  или дней, а не недель);
6) задача хотя  и не должна быть выражена  в формальном виде, но все же  должна относиться к достаточно "понятной" и структурированной  области, т.е. должны быть выделены  основные понятия, отношения и  известные (хотя бы эксперту) способы  получения решения задачи;
7) решение задачи  не должно в значительной степени  использовать "здравый смысл" (т.е. широкий спектр общих сведений  о мире и о способе его  функционирования, которые знает  и умеет использовать любой  нормальный человек), так как подобные  знания пока не удается (в  достаточном количестве) вложить  в системы искусственного интеллекта.
Использование ЭС в данном приложении может быть возможно, но не оправдано. Применение ЭС может быть оправдано одним из следующих факторов:
 решение задачи  принесет значительный эффект, например  экономический;
 использование  человека-эксперта невозможно либо  из-за недостаточного количества  экспертов, либо из-за необходимости  выполнять экспертизу одновременно  в различных местах;
 использование  ЭС целесообразно в тех случаях,  когда при передаче информации  эксперту происходит недопустимая  потеря времени или информации;
 использование  ЭС целесообразно при необходимости  решать задачу в окружении,  враждебном для человека.
Приложение соответствует методам ЭС, если решаемая задача обладает совокупностью следующих характеристик:
1) задача может  быть естественным образом решена  посредством манипуляции с символами  (т.е. с помощью символических  рассуждений), а не манипуляций  с числами, как принято в  математических методах и в  традиционном программировании;
2) задача должна  иметь эвристическую, а не алгоритмическую  природу, т.е. ее решение должно  требовать применения эвристических  правил. Задачи, которые могут быть  гарантированно решены (с соблюдением  заданных ограничений) с помощью  некоторых формальных процедур, не подходят для применения  ЭС;
3) задача должна  быть достаточно сложна, чтобы  оправдать затраты на разработку  ЭС. Однако она не должна быть  чрезмерно сложной (решение занимает  у эксперта часы, а не недели), чтобы ЭС могла ее решать;
4) задача должна  быть достаточно узкой, чтобы  решаться методами ЭС, и практически  значимой.
При разработке ЭС, как правило, используется концепция "быстрого прототипа". Суть этой концепции  состоит в том, что разработчики не пытаются сразу построить конечный продукт. На начальном этапе они  создают прототип (прототипы) ЭС. Прототипы  должны удовлетворять двум противоречивым требованиям: с одной стороны, они  должны решать типичные задачи конкретного  приложения, а с другой - время  и трудоемкость их разработки должны быть весьма незначительны, чтобы можно было максимально запараллелить процесс накопления и отладки знаний (осуществляемый экспертом) с процессом выбора (разработки) программных средств (осуществляемым инженером по знаниям и программистом). Для удовлетворения указанным требованиям, как правило, при создании прототипа используются разнообразные средства, ускоряющие процесс проектирования.
Прототип должен продемонстрировать пригодность методов  инженерии знаний для данного  приложения. В случае успеха эксперт  с помощью инженера по знаниям  расширяет знания прототипа о  проблемной области. При неудаче  может потребоваться разработка нового прототипа или разработчики могут прийти к выводу о непригодности  методов ЭС для данного приложения. По мере увеличения знаний прототип может  достигнуть такого состояния, когда  он успешно решает все задачи данного  приложения. Преобразование прототипа  ЭС в конечный продукт обычно приводит к перепрограммированию ЭС на языках низкого уровня, обеспечивающих как  увеличение быстродействия ЭС, так  и уменьшение требуемой памяти. Трудоемкость и время создания ЭС в значительной степени зависят от типа используемого  инструментария.
В ходе работ  по созданию ЭС сложилась определенная технология их разработки, включающая шесть следующих этапов (рис. 1.4):
идентификацию, концептуализацию, формализацию, выполнение, тестирование, опытную эксплуатацию. На этапе идентификации определяются задачи, которые подлежат решению, выявляются цели разработки, определяются эксперты и типы пользователей.
  

На этапе концептуализации проводится содержательный анализ проблемной области, выявляются используемые понятия и их взаимосвязи, определяются методы решения задач.
На этапе формализации выбираются ИС и определяются способы представления всех видов знаний, формализуются основные понятия, определяются способы интерпретации знаний, моделируется работа системы, оценивается адекватность целям системы зафиксированных понятий, методов решений, средств представления и манипулирования знаниями.
На этапе выполнения осуществляется наполнение экспертом базы знаний. В связи с тем, что основой ЭС являются знания, данный этап является наиболее важным и наиболее трудоемким этапом разработки ЭС. Процесс приобретения знаний разделяют на извлечение знаний из эксперта, организацию знаний, обеспечивающую эффективную работу системы, и представление знаний в виде, понятном ЭС. Процесс приобретения знаний осуществляется инженером по знаниям на основе анализа деятельности эксперта по решению реальных задач.
Интерфейс с конечным пользователем
Система G2 предоставляет  разработчику богатые возможности  для формирования простого, ясного и выразительного графического интерфейса с пользователем с элементами мультипликации. Предлагаемый инструментарий позволяет наглядно отображать технологические  процессы практически неограниченной сложности на разных уровнях абстракции и детализации. Кроме того, графическое  отображение взаимосвязей между  объектами приложения может напрямую использоваться в декларативных  конструкциях языка описания знаний.
RTworks не обладает  собственными средствами для  отображения текущего состояния  управляемого процесса. Разработчик  приложения вынужден использовать  систему Dataview фирмы VI Corporation, что  в значительной степени ограничивает  его возможности.
Интерфейс с  пользователем TDC Expert ограничен возможностями  системы TDC 3000, т.е. взаимодействие с  конечным пользователем
ограничивается  текстовым режимом работы.
Представление знаний в экспертных системах
Первый  и основной вопрос, который надо решить при представлении знаний, - это вопрос определения состава  знаний, т.е. определение того, "ЧТО  ПРЕДСТАВЛЯТЬ" в экспертной системе. Второй вопрос касается того, "КАК  ПРЕДСТАВЛЯТЬ" знания. Необходимо отметить, что эти две проблемы не являются независимыми. Действительно, выбранный  способ представления может оказаться  непригодным в принципе либо неэффективным  для выражения некоторых знаний.
По нашему мнению, вопрос "КАК ПРЕДСТАВЛЯТЬ" можно  разделить на две в значительной степени независимые задачи: как  организовать (структурировать) знания и как представить знания в  выбранном формализме.
Стремление выделить организацию знаний в самостоятельную  задачу вызвано, в частности, тем, что  эта задача возникает для любого языка представления и способы  решения этой задачи являются одинаковыми (либо сходными) вне зависимости  от используемого формализма.
Итак, в круг вопросов, решаемых при представлении  знаний, будем включать следующие:
    определение состава представляемых знаний;
    организацию знаний;
    представление знаний, т.е. определение модели представления. Состав знаний ЭС определяется следующими факторами:
    проблемной  средой;
    архитектурой  экспертной системы;
    потребностями и целями пользователей;
    языком общения.
В соответствии с общей схемой статической экспертной системы (см. рис. 1.1) для ее функционирования требуются следующие знания:
 знания о  процессе решения задачи (т.е.  управляющие знания), используемые  интерпретатором (решателем); 
знания о языке  общения и способах организации  диалога, используемые лингвистическим  процессором (диалоговым компонентом);
 знания о  способах представления и модификации  знаний, используемые компонентом  приобретения знаний;
 поддерживающие  структурные и управляющие знания, используемые объяснительным компонентом.
Для динамической ЭС, кроме того, необходимы следующие  знания:
1) знания о  методах взаимодействия с внешним  окружением;
2) знания о  модели внешнего мира.
Зависимость состава  знаний от требований пользователя проявляется  в следующем:
 какие задачи (из общего набора задач) и  с какими данными хочет решать  пользователь;
 каковы предпочтительные  способы и методы решения;
 при каких  ограничениях на количество результатов  и способы их получения должна  быть решена задача;
 каковы требования  к языку общения и организации  диалога;
 какова степень  общности (конкретности) знаний о  проблемной области, доступная  пользователю;
 каковы цели  пользователей.
Состав знаний о языке общения зависит как  от языка общения, так и от требуемого уровня понимания.
С учетом архитектуры  экспертной системы знания целесообразно  делить на интерпретируемые и неинтерпретируемые . К первому типу относятся те знания, которые способен интерпретировать решатель (интерпретатор). Все остальные знания относятся ко второму типу. Решатель не знает их структуры и содержания. Если эти знания используются каким-либо компонентом системы, то он не "осознает" этих знаний. Неинтерпретируемые знания подразделяются на вспомогательные знания, хранящие информацию о лексике и грамматике языка общения, информацию о структуре диалога, и поддерживающие знания. Вспомогательные знания обрабатываются естественно-языковой компонентой, но ход этой обработки решатель не осознает, так как этот этап обработки входных сообщений является вспомогательным для проведения экспертизы. Поддерживающие знания используются при создании системы и при выполнении объяснений. Поддерживающие знания выполняют роль описаний (обоснований) как интерпретируемых знаний, так и действий системы. Поддерживающие знания подразделяются на технологические и семантические. Технологические поддерживающие знания содержат сведения о времени создания описываемых ими знаний, об авторе знаний и т.п. Семантические поддерживающие знания содержат смысловое описание этих знаний. Они содержат информацию о причинах ввода знаний, о назначении знаний, описывают способ использования знаний и получаемый эффект. Поддерживающие знания имеют описательный характер.
Интерпретируемые  знания можно разделить на предметные знания, управляющие знания и знания о представлении. Знания о представлении содержат информацию о том, каким образом (в каких структурах) в системе представлены интерпретируемые знания.
и т.д.................


Перейти к полному тексту работы


Скачать работу с онлайн повышением уникальности до 90% по antiplagiat.ru, etxt.ru или advego.ru


Смотреть полный текст работы бесплатно


Смотреть похожие работы


* Примечание. Уникальность работы указана на дату публикации, текущее значение может отличаться от указанного.