авторефераты диссертаций БЕСПЛАТНАЯ БИБЛИОТЕКА РОССИИ

КОНФЕРЕНЦИИ, КНИГИ, ПОСОБИЯ, НАУЧНЫЕ ИЗДАНИЯ

<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:     | 1 |   ...   | 2 | 3 || 5 |

«МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ...»

-- [ Страница 4 ] --

Таким образом, интеллект-карты могут являться удобным инструментом при анализе НЭИ и принятии решений в сфере управления недвижимостью, облегчаю щим работу с большим и сложным по структуре объёмом информации, благодаря на глядности изложения и способности легко дополняться новыми данными, получае мыми в процессе изучения объекта недвижимости и анализа НЭИ.

А.В. Стримовская Научный руководитель д-р техн. наук, профессор В.С. Лукинский РАЗРАБОТКА КОЛИЧЕСТВЕННОГО МЕТОДА ОЦЕНКИ КЛЮЧЕВЫХ ПОКАЗАТЕЛЕЙ ЛОГИСТИЧЕСКОЙ ДЕЯТЕЛЬНОСТИ ПРЕДПРИЯТИЯ В настоящее время актуальность применения логистики как средства повыше ния конкурентоспособности предприятий и эффективности их деятельности, не вы зывает сомнений. Обобщение материалов различных источников показывает, что на логистику и управление цепями поставок тратится от 5 до 35 % объема продаж. В общем, логистические издержки в РФ составляют около 20 % ВВП [1]. Учитывая прогнозные значения ВВП РФ на 2012 год (58 683 млрд. руб), снижение затрат на ло гистику до среднемирового уровня в 16 % позволило бы сэкономить 3520 млрд. руб, что возможно за счет проведения анализа логистических систем (ЛС) и принятия кор ректирующих решений.

Для анализа ЛС применяются комплексные ключевые показатели деятельности KPI (key performance indicators). Терминологический словарь ELA (European Logistics Assosiation) дает следующее определение "Logistics key performance indicators": KPI – это ключевые показатели результативности логистической деятельности, под кото рыми понимается необходимый и достаточный ряд сравнительно легко применимых показателей результативности (производительности), позволяющих связать выполне ние логистического плана с основными функциями и результатами управления то варным потоком (маркетингом/продажами, производством и логистикой) и таким об разом определить потребность в корректирующих действиях.

Эти показатели принято считать ключевыми или комплексными показателями эффективности ЛЦ. Они лежат в основе отчетных форм компаний и систем показате лей логистических планов разных уровней и изучаются как зарубежными так и отече ственными специалистами.

Так, Сергеев В.И. [2] выделяет несколько типов KPI: общие логистические из держки (KPI-1), качество логистического сервиса (KPI-2), продолжительность логи стических циклов (KPI-3), производительность (KPI-4), возврат на инвестиции в ло гистическую инфраструктуру (KPI-5). Однако анализ литературы показал, что на данный момент не существует полной количественной оценки влияния факторов на показатели KPI. Таким образом, поиск путей и разработка методов снижения логи стических издержек, является актуальной проблемой, решение которой повысит эф фективность и конкурентоспособность отечественных предприятий.

Новизна предложенного в нашем исследовании метода заключается в примене нии интегрального анализа для оценки KPI, что позволит качественно преобразовать модель расчета полных логистических затрат (total logistic costs, TLC).

Целью исследования является разработка количественного метода оценки клю чевых показателей логистической деятельности предприятия.

Задачи, поставленные для достижения цели исследования: разработать метод, дающий точную, однозначную количественную оценку показателей эффективности;

сформировать общее уравнения логистических затрат в цепях поставок, учитываю щее KPI;

вывести расчетные зависимостей для оценки влияния основных факторов на KPI на основе интегрального метода экономического анализа;

разработать алгоритм количественной оценки показателей.

Для решения поднятой проблемы, предлагаем разработать модель TLC, которая не только включает в себя три ключевых показателя логистической деятельности (KPI-1, KPI-2, KPI-3), но и отражает частные показатели эффективности и результа тивности (PIi, PIe). Будут введены формулы для оценки влияния факторов на KPI, учитываемых в модели TLC. Отметим, что на сегодняшний день для анализа и даль нейшего снижения логистических издержек применяют различные методы оценки экономических показателей. Обобщение материалов ряда исследований, в частности работ М.И. Баканова, Х.Д. Квитко, Е.Э. Пинхасика, Р.Н. Роговой и других, показали, что наиболее целесообразно для количественной оценки KPI использовать математи ческие методы анализа, например, интегральный метод анализа (ИМА), что будет продемонстрировано на примере расчетов.

Проанализировав различные математические методы экономического анализа, мы пришли к выводу, что для проведения данного исследования приоритетными ме тодами экономического анализа является дифференцирование и интегральный метод.

Для того, чтобы воспользоваться такими методами экономического анализа как ИМА необходимо определить вид аналитической зависимости, отражающий взаимо связь между аргументами – факторами и результирующим признаком. В качестве та кой зависимости, применительно к цепям поставок, можно рассмотреть общие логи стические затраты или общие логистические издержки (TLC) [3]. Поскольку данное предположение не является очевидным, то сформулируем высказанную идею в виде гипотезы, а именно: зависимость, отражающая общие логистические издержки (TLC), включают в себя частные показатели эффективности (результативности) и произво дительности, т.е. ключевые (общие) показатели логистической деятельности (KPI).

Для модели TLC выделяют следующую зависимость:

, (1) где - Затраты, связанные с приобретением (закупкой продукции);

– за траты, связанные с оформлением и выполнением заказов;

– затраты, отражающие транспортировку и погрузочно-разгрузочные операции;

– затраты на хранение те кущего (Схт) и страховой (Схс) запасов;

– издержки, отражающие потери от дефи цита продукции;

–латентные (или скрытые) затраты.

Понятие латентных затрат было впервые введено в TLC в работах [1,3]. По мнению авторов, это реально существующие, но не учитываемые в расчетных моде лях затраты (а также потери, ущерб и т.п.). Примером таких затрат являются: хране ние, продукции на внутри производственных складах различных уровней, а также в контейнерах, кузовах автомобилей, железнодорожных вагонах или трюмах судов при разгрузке транспортных средств. Другой вариант – естественная убыль (потеря каче ства, порча) продукции при хранении и грузопереработке, а также штрафы, возвраты и т.д. Из данных примеров становится, очевидно, что раскрытие латентных затрат – реальный путь отражения KPI в TLC при изучении и исследовании взаимосвязей (взаимозависимостей) логистических функций и операций.

Запишем уравнение общих логистических затрат в виде:

, (2) где A – потребность в продукции в течении рассматриваемого периода;

Сп- це на единицы продукции;

Сз - затраты связанные с организацией и выполнением одного заказа;

f – доля затрат на хранение, зависящая от цены единицы продукции;

S - размер партии заказа (поставки);

kp - коэффициент (параметр), соответствующий вероятности отсутствия дефицита P(s);

Сд- потери, вызванные дефицитом запаса;

E(z) - функция потерь (табулированная для нормального закона распределения);

z - коэффициент безопасности, совпадающий для нормального закона с kp.

Нетрудно заметить, что при переходе от формулы (1) к формуле (2) были вне сены некоторые изменения. Это связано с тем, что затраты на хранение текущего за паса являются переменными (пропорционально 0,5 S), тогда как затраты на хранение страхового запаса считаются постоянными и зависят от вероятности отсутствия де фицита. В результате расчетов было обнаружено, что в модели TLC находят отраже ние показатели KPI-1, KPI-2 и KPI-3. Таким образом, выдвинутая в начале исследо вания гипотеза оказалась верна. Приведенное ранее уравнение общих логистических затрат TLC является наиболее распространенным в большинстве работ по логистике и управлению цепями поставок. В то же время, из анализа ряда источников следует, что это уравнение отражает лишь часть признаков, ограничений и нелинейности (на пример, скидки), присущих для входящих в него факторов, а также стохастичность основных параметров, учет многовариантности размещения заказов, многономенк латурность поставок, наличие добавленной стоимости в цене продукта и др.

Очевидно, получение расчетных зависимостей для оценки KPI всех вариантов модифицированной модели EOQ, являющейся основой TLC, затруднительно и неце лесообразно. Поэтому сосредоточимся на основных (или базовых) вариантах, отра жающих сущность предложенного подхода. К таким вариантам следует отнести клас сическую модель Харриса – Уилсона (детерминированную, однономенклатурную, без ограничений и т.д.) и модель для общих логистических затрат (стохастическую, учи тывающую стратегию управления запасами, с дефицитом). Для дальнейшей апроба ции исследуемого подхода, рассмотрим классическую модель суммарных затрат, ис пользуемую для расчета оптимальной партии заказа (EOQ). Сформируем таблицу ис ходных данных и заполним ее, опираясь на формулы, подробно о которых указано в основном тексте исследования (табл.).

Исходные данные и результаты расчета влияния факторов на показатели KPI [4] Параметр (фактор) План Факт Откл. Расчет по ИМА Количество продукции, ед. 1000 950 -50 - Затраты на выполнение заказа, Сз 500 540 40 Затраты на хранение единицы продукции Сх 150 145 -5 -242, Размер партии заказа S 100 90 -10 -173, Суммарные затраты 12500 12220 -280 -279, Рассчитаем плановые и фактические величины суммарных затрат (по «факту»

произошло снижение суммарных затрат на 280 руб.). Далее рассчитаем оценки влия ния факторов. Поскольку в суммарные затраты входят только два KPI–1, то согласно выполненным расчетам, увеличение затрат на выполнение заказа (на 40 руб.) приво дит к увеличению суммарных затрат на 411 руб., а уменьшение затрат на хранение (на 5 руб. на единицу продукции) к снижению суммарных затрат на 242,2 рублей. Оче видно, что в первом приближении сокращение партии заказа почти в три раза эффек тивнее, чем уменьшение объема потребления (для идеальной модели и при учете только двух KPI).

Как видно из примера, использование предложенного метода позволяет коли чественно оценить влияние основных факторов, используемых при описании бизнес – процессов в ЦП (закупки, заказы, транспортировку, хранение и др.) и может быть ис пользовано для разработки эффективных решений при проектировании перевозок, уникальных по своим техническим характеристикам. Так, автор статьи уже обращал ся к теме создания мультимодальной перевозки с учетом применения методов коли чественной оценки логистического сервиса. Разработанный методический подход, расчетные формулы и алгоритм вычислений позволяет получать количественные оценки ключевых показателей логистической деятельности KPI, характеризующих выполнение логистических функций и операций.

Использование разработанного методического подхода позволяет количествен но оценить влияние основных факторов, используемых при описании бизнес – про цессов в цепях поставок (закупки, заказы, транспортировку, хранение и др.) и совме стно с другими методами анализа, например, сравнительные методы, могут быть ис пользованы для разработки эффективных решений, направленных на снижение затрат (издержек) в цепях поставок.

Дальнейшие исследования по развитию предложенного подхода должно быть сосредоточено на следующих направлениях: углубление (расширение) аналитической составляющей, включающей описание большего количества KPI;

разработка количе ственных оценок для других KPI, не вошедших в уравнение общих затрат, например, KPI-5;

разработку новых форм отчетности, отражающих логистические бизнес – про цессы в цепях поставок. Разработанный алгоритм и расчетные формулы могут быть использованы в качестве платформы для IT – программ, например, для отечественной «1С – Предприятие».

Ввиду того, что предложенный метод отличается новизной, целесообразна дальнейшая научная работа в данном направлении, что позволит вывести вопрос о количественной оценки ключевых показателей логистической деятельности на новый уровень.

Список использованной литературы Корпоративная логистика. 300 ответов на вопросы профессионалов / под общ.

1.

и науч. редакцией проф. В.И. Сергеева. – М.: ИНФРА-М, 2004. 976с.

Лукинский В. С, Лукинский В. В. Модель оптимального размера заказа: пер 2.

спективы развития // Логистическое взаимодействие. СПб.: СПбГПУ,2007. С.30-40.

Модели и методы теории логистики: Учебное пособие. 2-е изд. / Пор ред. В. С.

3.

Лукинского. – СПб.: Питер, 2008. – 448 с.

Сток Дж. Р., Ламберт Д.М. Стратегическое управление логистикой. – М.: Ин 4.

фра-М, 2005. 797 с.

К.А. Сумин Научный руководитель канд. пед. наук, доцент Л.В. Руглова МЕЖДУНАРОДНАЯ СТУДЕНЧЕСКАЯ ОЛИМПИАДА КАК ФАКТОР ПОДГОТОВКИ СТУДЕНТОВ К ИННОВАЦИОННОЙ ДЕЯТЕЛЬНОСТИ В ПРОФЕССИОНАЛЬНОМ ПРОСТРАНСТВЕ Современная Россия нуждается в людях, способных принимать и понимать ин новации, активно используя их в профессиональной и личной жизни. Ещё более ей необходимы люди, создающие инновационные проекты, способствующие активному развитию нашей страны во многих сферах жизненно важных отраслей экономики и техники.

Так в современной России для создания благоприятных условий развития ин новационных процессов создаётся множество различных исследовательских подраз делений, как например Сколково. Строящийся наукоград должен стать крупнейшим испытательным полигоном новой экономической политики. 1200 студентов и преподавателей будут учиться и работать в сколковском институте наук и техноло гий. При этом, - «Сколково — не единственная площадка, не единственный науко град... У нас очень много наукоградов, созданных еще в советское время, достаточно развитых, хорошо зарекомендовавших себя и доказавших свою дееспособность... Мы их поддерживали и намерены поддерживать в будущем», — сказал президент России Владимир Путин во время прямой линии 25 апреля 2013 г.

Таким образом, наши вузы должны выпускать не просто грамотного потреби теля, как утверждал бывший министр образования, а творческого специалиста, стре мящегося к постоянному самообразованию и успешному становлению в профессио нальном пространстве.

Для профессионального становления студентов, как отмечают исследователи, очень важным является участие студентов в научно - исследовательской работе – НИРС. Данный вид деятельности: активизирует творческие возможности, развивает мышление и логику, самоконтроль и самооценку, способствует возникновению стремления к самообразованию, развивает индивидуальные личные качества студен тов и профессиональные умения [1]. Кроме того, знания, полученные самостоятельно, путём преодоления посильных трудностей, усваиваются прочнее, чем полученные в готовом виде от преподавателей. В учебно-воспитательном процессе факультета ту ризма и гостиничного хозяйства традиционно реализуются следующие формы НИРС:

междисциплинарные деловые игры, кейс-турниры, курсовые работы, научно практические конференции, исследования в рамках СНО, гранты, предметные олим пиады, международная студенческая олимпиада «Предпринимательство и менедж мент» (МСО) для студентов 4-5 курсов и т.д. Особенностью последней формы НИРС является практическая ориентированность МСО, которая позволяет студентам сбли зиться с бизнес-средой, оценить и повысить свой уровень теоретических знаний, на выков решения практических задач и межкультурной коммуникации.

Работа Олимпиады состоит из 3-х туров. Первые два тура участники соревну ются в своих секциях, выявляя индивидуального победителя, затем победитель каж дой секции выходит в финальный 3-й тур Олимпиады. В рамках Международной сту денческой олимпиады «Предпринимательство и менеджмент» функционируют секций по различным направлениям подготовки и специальностям.

Факультет туризма и гостиничного хозяйства уже 10 лет представляет секцию «Менеджмент и экономика туризма». В ней традиционно участвуют студенты специ альностей «экономика и управление на предприятии туризма и гостиничного хозяй ства» и «социально-культурный сервис и туризм».

География участников представлена студентами и преподавателями из 5 стран и 15 городов мира. Рабочие языки секции – русский и английский.

Задания нашей секции включают решение кейса, деловую игру и тестирование.

Тест – единственный этап соревнования, где участники работают индивидуально. За часа участникам предстоит решить несколько десятков междисциплинарных заданий.

На этапе кейс-турнира студенты работают в командах, сформированных от своих ВУЗов, что позволяет участникам сразу перейти к выполнению задания. В отличии от деловой игры, где участников смешивают в разные команды. Решение деловой игры является, пожалуй, самым сложным этапом соревнований, так как участники должны за короткое время познакомиться со своими коллегами по команде и преступить к выполнению деловой игры. Для успешного решения деловой игры необходимо гра мотно распределить задания внутри команды. Только концентрированные усилия каждого игрока позволяют найти возможные подходы к поставленным вопросам.

Для этого участники должны быть в курсе не только основных тенденций своей профессиональной деятельности, но и владеть навыками их практического использо вания. Участникам придется не просто рассказать о преимуществах их решений, но и наглядно убедить жюри в жизнеспособности своих действий. Иногда команды выдви гают лишь теоретические предположения, которые оказываются абсолютно нежизне способными и убыточными на практике. Поэтому студенты, выступающие на олим пиаде учатся очень важному умению: совмещать теоретические знания с практиче скими навыками.

Помимо детальной проработки решения деловой игры и кейса участники должны распределить деловые роли: так например кто-то может выступать менедже ром по продвижению или финансовым директором. Это обязательный критерий пра вильного выполнения задания, который позволяет участникам наиболее всесторонне рассматривать вопросы.

Таким образом, выполняя задания деловой игры и кейса, участники ставят себя на место реальных менеджеров, вырабатывая при этом навыки решения нестандарт ных ситуаций, публичных выступлений и работы в команде. Жюри, оценивая общее выступление участников, жизнеспособность их доводов, обращает внимание и на их поведение в своей роли менеджера. Олимпиада проводится по следующим номинаци ям: личное первенство по секциям, командное первенство по секциям (не официаль но), личное первенство в финале Олимпиады.

Мы убеждены, в том числе на основе личного опыта, что активное участие сту дентов в МСО – это одно из условий профессионального становления студентов в условиях университетского пространства, подготовка их к инновационной деятельно сти в профессии.

Список использованной литературы 1. Архипова О.В., Матолыгина Н.В., Руглова Л.В. Профессиональное становление студентов в условиях образовательного пространства университета. – СПб: СПбГИЭУ, 2011.

– С. 137-149.

А.В. Цветкова Научный руководитель канд. физ.-мат. наук, доцент А.Н. Сергеев ПОСТРОЕНИЕ НЕЙРОСЕТЕЙ ЦАО ЕНА ДЛЯ КРИВЫХ ТОПОЛОГИЧЕСКИХ ГОМЕОМОРФНЫХ ОКРУЖНОСТЕЙ Компьютерная графика, ставшая самостоятельным научным направлением, проникает сегодня во все сферы интеллектуальной деятельности человека. Научный аспект компьютерной графики - моделирование, диагностика и распознавание обра зов. Новой формой геометрического примитива является поверхность Цао Ена, обла дающая хорошими возможностями формообразования и названная в честь её автора [1]. Поверхность Цао Ена генерируется с помощью алгоритма, представленного ис кусственной нейронной сетью.

Задача построить поверхности Цао Ена и исследовать возможности примене ния технологии нейросетей для геометрического моделирования кривых и поверхно стей является актуальной, потому что в данном случае появляется возможность ана литически и аппаратно представить композицию функций в совокупности с возмож ностью организации параллельных вычислений. Нейросети обучаемы и способны подстраиваться под решение определённой задачи, что делает преобразование формы более гибким.

Искусственные нейронные сети являются вычислительной системой с огром ным числом параллельно функционирующих простых процессоров с множеством связей. Искусственный нейрон - основа нейросети (рис. 1).

Рисунок 1. Математическая модель нейрона[7] Хотя один нейрон и способен выполнять простейшие процедуры распознава ния, сила нейронных вычислений проистекает от соединений нейронов в сетях. Про стейшая сеть состоит из группы нейронов, образующих слой (рис.2).

Ошибка сети зависит от конфигурации сети - совокупности всех ее синаптиче ских весов. В общем виде функция ошибки имеет вид:

.

Здесь - набор примеров (т.е. пар входов-выходов), на которых обуча ется нейросеть, а - реальные значения выходов нейросети, зависящие от конкретных значений ее синаптических весов.

Поверхность Цао Ена в своей простейшей форме может быть представлена как отображение сферы на произвольную замкнутую поверхность в трёхмерном про странстве. Например, можно взять сферический воздушный шар и вытягивать по верхность в другую форму. Для описания операции вытягивания определяется набор точек на исходной сфере и соответствующий набор точек на выходной поверхности.

Гарантируется, что результирующая поверхность топологически идентична сфере.

Подобно другим параметрическим поверхностям, она может пересекать себя и необя зательно разделяет пространство на внутреннюю и внешнюю области.

Рисунок 2. Многослойная нейронная сеть [7] Поверхность Цао Ена определяется набором точек, который соответствует набору всех точек x = на поверхности гиперсферы. С ка ждой ключевой точкой связан весовой вектор и функция со пряжения, а также некоторое число генераторов формы, с каждым из которых свя зан весовой вектор.

Функция сопряжения определяет, как быстро уменьшается влияние весов по мере того, как удаляется. Для заданного i p-мерный вектор представляет собой точку в выходном пространстве, соответст вующую точке.

Рисунок 3. Отображение точек гиперсферы [7] Можно считать точки исходными точками, которые приближённо отобра жаются в соответствующие выходные точки. Это соответствует идее вытягивания эластичной сферы в новую форму: результатом этого является сглаживающая по верхность. Поверхность Цао Ена генерируется с помощью алгоритма, представленно го искусственной нейронной сетью.

Если ввести параметр для каждой ключевой точки, тогда функция сопряже ния определяется следующим образом:

.

В каждом случае должно быть выбрано подходящее значение. Влияние из менения этого значения для простого случая было выявлено: при меньших значениях порождается более округлая форма, при больших - остроконечная [1].

Продемонстрировать данное заключение легко с помощью пакета MathCad и кривых Цао Ена. Кривые Цао Ена - это гладкие замкнутые кривые, являющиеся пре образованием точек единичной окружности (растяжение, поворот). Координаты точек кривых вычисляются с помощью ИНС Цао Ена.

Компоненты точек единичной окружности вычисляются по форму лам. Точки выбираются произ,, вольно, положим. Аналитически точки кривой Цао Ена вы числяются по формулам [5] При этом, параметр s= Рисунок 4. Результат построения кривых Цао Ена в среде MathCad (с увеличением q) Также подходящий эффект сопряжения создаёт функция Поверхность Цао Ена строится простейшим образом - каждая точка на поверх ности определяется как среднее взвешенное векторов выходной формы.

В случае простого отображения сферы на поверхность, заданную в трёхмерном пространстве в полярных координатах точка х= на поверхности сферы может быть представлена с помощью углов, где,,.

Поверхность Цао Ена обеспечивает новый метод для описания моделей произ вольных форм. По существу это отображение сферы или гиперсферы в соответст вующую параметрическую поверхность. Однако с помощью этого же метода можно создавать поверхности произвольной топологии, выполнять сглаживание, задавать искажения и др. Отображение можно описать как функцию двухуровневой нейронной сети.

Рисунок 5. Схема нейросети Цао Ена Так, с помощью нейросети поверхности Цао Ена можно получать различные формы реальных объектов, что было продемонстрировано на примере тела и крышки чайника [1]. В данной научной работе также было осуществлено преобразование трёхмерной сферы в задаваемую параметрами форму.

Сети Цао Ена разрабатывались для построения гладких поверхностей в n мерном пространстве по каркасу ключевых точек. Сети Цао Ена можно также исполь зуются для сжатия растровых полноцветных за счет выбора базовых точек, по кото рым восстанавливается изображение с помощью обученной нейронной сети. При этом сеть для сжатия изображения преобразует координаты изображения в цвет (RGB) [4].

Рисунок 6. Построенные нейросети поверхности Цао Ена с помощью пакета программ MATLAB 7.12 2011 - бабочка и топорик Рисунок 7. Сжатие изображения нейросетью Цао Ена в Matlab.

При этом наилучшие результаты в смысле качества и степени сжатия получа ются на полноцветных изображениях с плавным переходом цветов.

Поверхность Цао Ена была задумана как способ для описания форм в 3-мерном пространстве. Поверхности Цао Ена обеспечивают простой, допускающий распарал леливание алгоритм для генерации параметрической поверхности произвольной сложности и любой топологии. Они не имеют недостатков, характерных для кусков поверхности. Нейронная сеть определяет очень гибкую и общую функцию преобра зования, применимую и в решении различных задач: построение объектов, метамор фоза, искажение, прямое отражение и преломление, сжатие изображений и др.

Сфера применимости нейросетей Цао Ена весьма обширна - начиная с простых задач построения графических объектов, заканчивая различными способами обработ ки графической информации, включая сжатие изображений. Таким образом, в заклю чении можно отметить большие перспективы исследований в области нейросетевых технологий и применимости поверхности Цао Ена для решения различных приклад ных задач.

Список использованной литературы 1. Вайвил Д., Цао Ен, Тротмен А. "Поверхность Цао Ена: новый подход к геометриче ским моделям произвольных форм", 2. Гонсалес, Р. Цифровая обработка изображений / Р. Гонсалес, Р. Вудс. М.: Техно сфера. 3. Горбань А.Н. Обучение нейронных сетей. СП ПараГраф Москва. 4. Куликов А.И., Михальченко Н.В. "Сжатие растровых изображений нейронными се тями Цао Ена", 11-й международная конференция по компьютерной графике и машинному зрению ГрафиКон- 5. Павлидис Т. Алгоритмы машинной графики и обработки изображений. М.: Радио и Связь. 6. Потемкин В.Г. Нейронные сети. Matlab 6. М.: Диалог-МИФИ. 7. Сайт http://neuroschool.narod.ru. Дата обращения: 05.03. К.Б. Цветкова Научный руководитель канд. экон. наук, доцент М.А. Гордеева ДОСТОВЕРНОСТЬ ДАННЫХ ФИНАНСОВОЙ ОТЧЕТНОСТИ Требование достоверности данных финансовой отчетности является одним из важнейших требований, предъявляемых к финансовой отчетности в современных экономических условиях. Значимость информационных ресурсов очень высока, и это отражается во всех сферах человеческой деятельности, в том числе и в экономике.

Эффективное управление компанией невозможно без участия заинтересованных лиц, которые обращаются к информационной базе компании, т.е. к финансовой отчетно сти. Для того чтобы пользователи финансовой отчетности могли принять правильное решение, необходимо чтобы эта отчетность была достоверна.

Слово «достоверность» состоит из двух частей. Частица «досто» ставится слит но перед существительным для усиления его достоинства или значения. Согласно Толковому словарю русского языка, достоверность – форма существования истины, обоснованной каким-либо способом (например, экспериментом), а также доказатель ность и бесспорность знания.

Достоверность является философской категорией и наиболее общим философ ским определением достоверности является «убеждение, основанное на знании и ис ключающее всякое сомнение». На протяжении веков многие философы занимались изучением достоверности, среди них древнегреческий философ Навсифан, живший в IV веке д.н.э., Аристотель, австрийский философ ХХ века Людвиг Витгенштейн и др.

В экономике достоверность имеет большое значение. Экономисты убеждены, что информация достоверна, если она отображает истинное положение дел, полна и если ее достаточно для принятия решения. А. Смит выделял достоверность в числе основных принципов, описывая систему налогообложения.

В бухгалтерской науке понятие «достоверность» (reliability – в английской эко номической литературе) занимает особое место, так как является одной из основных качественных характеристик учетной информации. В Большом бухгалтерском слова ре достоверность бухгалтерской отчетности трактуется как требование бухгалтерской отчетности, означающее, что бухгалтерская отчетность должна давать достоверное и полное представление об имущественном и финансовом положении компании, а так же о финансовых результатах ее деятельности [1]. Понятие достоверности изучали и продолжают изучать многие ученые, в числе которых А. Смит, Д.Рикардо, Б. Нидлз, Х. Андерсон, Д. Колдуэлл, Р. Энтони, Дж. Рис, А.П. Рудановский, Н.А. Кипарисов, Н.А. Блатов, Я.В. Соколов, М.Л. Пятов и др.

В настоящее время сформировались два основных подхода к определению по нятия достоверности в бухгалтерском учете: первый подход называется нормативно регулируемый и заключается в том, что достоверной считается отчетность, состав ленная в соответствии с правилами, установленными правовыми актами по бухгал терскому учету;

второй подход основывается на профессиональном суждении бухгал тера (принцип «true and fair view»). Согласно этому подходу достоверность отчетно сти достигается не столько соблюдением инструкций, сколько свободным выражени ем профессионального суждения бухгалтера при ее составлении.

К любой информации можно применить ряд требований или критериев, таких как полнота, актуальность, полезность, ценность, своевременность, достоверность и др.

Что касается критериев достоверности, то профессиональные организации опре деляют их по-разному. Американский институт дипломированных общественных бухгалтеров (American Institute of Certified Public Accountants - AICPA) утверждает, что информация достоверна, если она соответствует общепринятым принципам и представляет полезную информацию [2]. Совет по международным стандартам фи нансовой отчетности в качестве критериев достоверности выделяет полное представ ление, преобладание сущности над формой, нейтральность и осмотрительность. Не смотря на большое количество выделяемых критериев достоверности финансовой от четности, основными критериями являются: отсутствие ошибок и искажений, полное представление отчетности и ее соответствие общепринятым принципам.

На достоверность учетной информации большое влияние оказывают хозяйст венные риски. Хозяйственный риск – это внутренние и внешние факторы, которые оказывают влияние на достоверность данных финансовой отчетности компании [2].

Вопросы влияния различных факторов на достоверность отчетных данных изучают многие российские ученые. К основным группам факторов хозяйственного риска от носятся:

1. Информационные риски. В информационных системах происходит обмен между сотрудниками и внешней средой. Такие системы сами создают рисковые си туации: потеря информации, искажение данных, предоставление ложной информа ции, прослушивание телефонов, временной прекращение деятельности из-за взлома или отказа информационной системы.

2. Политико-правовые риски. На сегодняшний день в России бухгалтерский учет все больше сближается с МСФО и это является одним из факторов возникнове ния политико-правовых рисков. Национальные ПБУ охватывают не все объекты, бух галтерский учет которых регламентируется МСФО (например, гиперинфляция, дого воры страхования, и др.). Эти аспекты включают российские нормативные документы других уровней. Такое несогласование может привести к риску «недостоверной от четности».

3. Риск «человеческого фактора». Он вызван существованием альтернативных бухгалтерских процедур, неоднозначными и сложными критериями их формирова ния, отсутствием четкого представления об используемых способах учета.

4. Финансовые риски. Финансовые риски – это риски связанные с воздействием инфляции, изменением валютных курсов, потребительской стоимости и оценки каче ства активов, дивидендов и процентов.

5. Организационные риски. Такие риски возникают, когда состояние внутрен ней организационной культуры не согласуется с выбранной стратегией управления.

6. Форс-мажорные риски. В этой группе представлены такие непредвиденные обстоятельства как стихийные бедствия, пожар и др., последствием которых может стать полное или может стать полное или частичное уничтожение отчетности.

Хозяйственные риски неизбежны в процедурах регистрации, оценки и обобще ния учетной информации. Это связано с изменением законодательства, альтернатив ными принципами и неоднозначностью стандартов бухгалтерского учета, а также от сутствием компетентных бухгалтеров. Однако стоит заметить, что и высококвалифи цированный специалист не застрахован от ошибок при ведении учета и составлении отчетности. Методы оценки достоверности различаются в зависимости от того, какую информацию мы исследуем (табл. 1).

Таблица Виды учетной информации и методы ее оценки Информация Методы оценки достоверности Первичная документация Сбор и оценка соответствия нормативным документам.

Бухгалтерские записи Соответствие плану счетов бухгалтерского учета, оценка профессионального суждения бухгалтера.

Оборотно-сальдовая ведо- Оценка правильности составления ведомости программой мость или вручную.

Финансовая отчетность Анализ показателей отчетности и расчет коэффициентов.

Требование достоверности присутствует во многих системах учета и отчетно сти. В системе российского бухгалтерского учета понятие достоверность упоминается в Законе РФ «О бухгалтерском учете» №402 – ФЗ, в Положении по бухгалтерскому учету 4/99 «Бухгалтерская отчетность организации», в приказе Министерства финан сов РФ № 66-н «О формах бухгалтерской отчетности организации, в Концепции бух галтерского учета в рыночной экономике России, в Законе РФ «Об аудиторской дея тельности» №307 – ФЗ. В РСБУ применяется нормативно-регулируемый подход в от ношении достоверности, т.е. достоверность отчетности определяется соответствию нормативно закрепленным правилам. Согласно МСФО понятие достоверности рас крывается в Концептуальных основах подготовки и составления финансовой отчетно сти и в МСФО 1 «Представление финансовой отчетности» и придерживается совсем другого подхода. Идея состоит в том, что финансовая отчетность должна обеспечи вать «достоверный и добросовестный взгляд». В ОПБУ США понятие достоверности раскрывается в положении 5 «Признание и оценка в финансовой отчетности коммер ческих предприятий». Принцип достоверности базируется на информации, которая является надежной и подразумевает, что вся информация в системе бухгалтерского учета должна опираться на объективные и поддающиеся проверке документы [1]. Не смотря на то, что в некоторых системах достоверность определяется лишь соответст вием законодательным документам, а в некоторых основывается на профессиональ ном суждении, для достижения достоверности отчетной информации бухгалтеру це лесообразно сочетать оба подхода.

Достоверность является одним из основных требований к составлению финан совой отчетности и его применение вызывает ряд определенных проблем (табл. 2).

Таблица Проблемы достоверности финансовой отчетности № Проблема Комментарии 1 Множественность Различные источники дают различные характеристики досто определений верности информации, что приводит к проблемам применения на практике.

2 Профессиональная Достоверное представление финансовой отчетности зависит от компетентность профессионального суждения бухгалтера. Некомпетентные ре шения могут привести к ошибкам и составлению недостоверной финансовой отчетности.

3 Ошибки Достоверность является одним из основных критериев отсутст и мошенничество вия ошибок. Преднамеренные ошибки и мошенничество приво дят к скандалам и крахам компаний.

4 Различные Сложившиеся критерии и подходы отличаются друга от друга, и критерии бухгалтеру приходится выбирать между ними, полагаясь на свое и подходы профессиональное суждение, что может привести к неоднознач ности.

В настоящее время большое количество российских компаний сталкиваются с проблемами в части обеспечения достоверности финансовой отчетности. Это обу словлено различными факторами. Среди направлений повышения достоверности данных финансовой отчетности можно выделить следующие направления:

1. Снижение неопределенности в бухгалтерском учете. По мнению ученых А.Е.

Шевелева и Е.В. Шевелевой, повысить достоверность бухгалтерской отчетности можно, уменьшив неопределенность в бухгалтерском учете путем устранения причин ее возникновения. На снижение неопределенности в бухгалтерском учете сможет по влиять четкая регламентация принципов и правил бухгалтерского учета государством и профессиональным сообществом.

2. Формирование профессиональным сообществом института профессиональ ного суждения бухгалтера. Наличие качественных бухгалтерских стандартов не га рантирует снижения неопределенности в бухгалтерском учете. Без высокой квалифи кации специалистов в области бухгалтерского и управленческого учета невозможно обеспечить соблюдение законодательства и получение экономических выгод.

3. Отражение в отчетности не только учетных данных, но и неучетных показа телей. Наличие в отчетности неучетных показателей приведет к уменьшению неопре деленности для внешних пользователей бухгалтерской отчетности, позволит пользо вателям точнее прогнозировать будущее финансовое состояние компании, определяя ее приверженность корпоративной культуре.

Достоверность является субъективной характеристикой отчетной информации.

На достоверность отчетности может повлиять множество различных факторов, по этому достоверность финансовой отчетности нужно рассматривать и оценивать в ус ловиях конкретной экономической ситуации.

Список использованной литературы Большой бухгалтерский словарь. Под ред. Азрилияна А. Н. - М.: Институт но 1.

вой экономики, 1999. - 574 с.

Генералова Н. В. Профессиональное суждение и его применение при формиро 2.

вании отчетности, составленной по МСФО // Бухгалтерский учет. - 2005.- № 23.

Statement of Financial Accounting Concepts (SFAC) 5: «Recognition and Measure 3.

ment in Financial Statements of Business Enterprises».

В.В. Черепанов Научный руководитель д-р экон. наук, профессор Т.В. Малеева «STRONG CITIES»: ПРОЕКТНЫЙ ПОДХОД К УПРАВЛЕНИЮ РАЗВИТИЕМ МАЛЫХ ГОРОДОВ Проблема комплексного развития малых городов России является одной из ак туальных как в научном, так и практическом плане. Малые города России являются административными центрами сельскохозяйственных, аграрно-промышленных и промышленно-аграрных районов, «опорные точки» промышленных предприятий, транспортно-распределительных узлов. У каждого города свой неповторимый уклад жизни, свой облик и образ.

В России насчитывается около 750 малых городов с численностью населения до 50 тыс. жителей. Это три четверти всех городов страны. Как правило, малые горо да монофункциональны. Это города, в которых градообразующее предприятие опре деляет практически все экономические и, что особенно важно, социальные процессы, происходящие в городе.

Анализируя процесс генезиса и эволюции монофункциональных городов, мож но выделить совокупность факторов, способствующих их появлению. К группе мак рофакторов относятся факторы, отражающие общемировые тенденции развития со циальных, экономических и политических процессов. К группе мезофакторов отно сятся факторы, степень проявления которых обусловлена типом социально экономической системы и характером общегосударственной социально экономической политики, реализуемой в конкретной стране. К группе микрофакторов относятся факторы, воздействие которых максимально проявляется на уровне города.

Малые города в России формировались преимущественно как административ ные, социально-культурные или промышленные центры в сельской местности с мо ноукладным развитием производства. Вследствие разрушения советской экономиче ской системы многие из них оказались в кризисном положении. Новая экономическая модель уничтожила большинство существовавших градообразующих объектов, оста вив население без работы. Это немедленно отразилось в отрицательном сальдо трудо вой миграции, отчетливо обнажив демографическую проблему малых городов. [1] В настоящее время в малых городах России накопилось большое число нере шенных проблем: резкое отставание небольших городских поселений по уровню, ус ловиям жизни и возможностям социально-культурного развития их жителей от насе ления крупных городов. Остановились предприятия, нарастает безработица, падает жизненный уровень населения, сокращаются расходы на социальную сферу.

Острой проблемой небольших городов является недостаточный уровень разви тия социально-культурной инфраструктуры и ее некомплексность, так как в условиях рыночных отношений многим предприятиям стало невыгодно содержать объекты со циальной сферы. Для малых городов характерно несоответствие инфраструктуры жи лищно-коммунального хозяйства и инженерного оборудования действующим сани тарно-гигиеническим нормам.

Характерными проблемами многих малых городов являются несоответствие структуры экономической базы требованиям социально ориентированной рыночной экономики, технологическая отсталость большинства промышленных предприятий, высокий уровень износа основных фондов и низкая в целом производительность тру да. Сложилась острая экологическая обстановка в центрах добычи полезных иско паемых, химической, нефтехимической, целлюлозно-бумажной отраслях промыш ленности, теплоэнергетике. В большинстве малых городов сложилась неблагоприят ная социально-демографическая ситуация, характеризующаяся существенной дефор мацией половозрастной структуры населения, пониженным удельным весом населе ния трудоспособных возрастов и повышенным - пенсионных, свертыванием процес сов притока сельского населения.

Острой проблемой остается транспортно-коммуникационная оторванность ма лых городов от основных экономических, научных и культурных центров страны и рыночной инфраструктуры. Так, 75% малых городов расположены на расстоянии свыше 80 км от областных центров, в том числе 10% - свыше 500 км, только около 20% малых городов входят в состав городских агломераций.

Для большинства малых городов характерны низкий уровень технического ос нащения их структур управления, примитивная информационная технология приня тия решений и информационного обслуживания населения, недостаток средств для формирования информационных ресурсов. [2] Таким образом, развитие малых городов России требует решения широкого комплекса задач. Решение этих задач на федеральном, региональном и местном уров нях возможно преимущественно программными методами с использованием про блемно-целевого подхода, представляющего собой совокупность разнообразных форм и методов государственного воздействия - нормативно-правовых, экономиче ских, социальных, организационных.

Результатом должно стать формирование и развитие гармоничного города, т.е.

урбанизированной среды обитания, в которой здоровье и удобство жизни человека являются первичными по отношению к иным смыслам городского существования.

Значительный интерес в современной практике управления развитием городов представляет американский проект «Strong Cities, Strong Community (SC2)» [3]. Про грамма «SC2» реализуется с 2011 года и является уникальным проектом сотрудниче ства федерального правительства и местных городских администраций, который предполагает реализацию системы мер и мероприятий по решению проблем в кон кретных городах, поиск и разработку путей их экономического роста при совместном использовании федеральных и местных финансовых ресурсов.

Масштабные изменения в экономике страны в последние годы создали непро стую финансовую и экономическую ситуацию для некоторых американских городов и их жителей. Среди основных проблем развития городов: снижение финансовой ус тойчивости городского бюджета и спад в экономике города. Эти факторы повлекли за собой снижение рождаемости и уменьшение доходов населения.

В рамках проекта SC2 формируются команды специалистов, которые совмест но с местными правительствами, частным сектором и другими учреждениями, кото рые разрабатывают проекты для содействия экономическому и социальному разви тию городов, решению их проблем, привлекая федеральные средства.

Проект сфокусирован на предоставлении бедным городам финансовой, органи зационной и технической поддержки для рационального и эффективного использова ния существующих ресурсов, для поддержки и продвижения партнерских и бизнес отношений, привлечение инвестиций.

Работа производится по следующим направлениям: внедрение продвинутых систем коммуникаций, улучшение качества воздуха, экономическое развитие малых городов, решение стратегических задач в области энергетики, улучшение качества, снабжения и надежности водоканалов, перепланировка жилых фондов, развитие высшего обра зования и рабочей силы, решение задач по сохранению и укреплению здоровья насе ления.

Для того, чтобы проект не был убыточным, акцент делается не только на реше нии существующих проблем в городе, но и на поддержке тех отраслей, которые ус пешно развиваются в нем и дают стабильный доход. Проект направлен на повышение потенциала местных органов власти и поддержку их глав в экономическом развитии и успешной активизации города. В первую очередь, в качестве пилотных, выбираются города, обладающие определенным стимулом к развитию, например, сильное местное руководство и его потенциал для экономического роста, богатые природные ресурсы, хорошо развитые транспортные связи и т.д.

В настоящее время шесть городов получают интенсивную финансовую и тех ническую поддержку: Честер, Кливленд, Детройт, Фресно, Мемфис и Нью-Орлеан.

Например, в Честере команда специалистов оказывает помощь мэру в диверсифика ции местной экономики, поддержке развития малого бизнеса и оживлению центра го рода. В Кливленде специалисты поддерживают усилия мэра по координации рабочей силы и экономического развития, в том числе максимизации экономического потен циала порта Кливленд. В Детройте налаживается сотрудничество с мэром и губерна тором по усилению координации и согласованности предоставления рабочей силы, а также возможности использовать инвестиции Министерства транспорта США в раз витии высокоскоростной железной дороги в целях стимулирования экономического возрождения в центра города. В Фресно мэр и команда специалистов работает над увеличением прибыли на высокоскоростных железнодорожных станциях в целях улучшения центра города, опираясь на успешную программу развития города. В Мемфисе мэр и его команда нацелены на укреплении системы образования и осваи вания новых отраслей промышленности. А в Новом Орлеане мэр работает над инте грацией существующих федеральных ресурсов для улучшения оказания медицинских услуг, управления общественной безопасностью и восстановления общественной ин фраструктуры.

Дополнительно для стимулирования развития экономики в программу были включены города Гринсборо, Хэртфорд и Лас-Вегас. Для решения проблем в каж дом конкретном городе создаются группы специалистов, в которые входят сотрудни ки федеральных органов власти, работающие во взаимосвязи с местной администра цией. Цель их работы заключается в создании технической поддержки и ресурсного обеспечения экономического развития проблемных городов. После того, как эконо мическое благосостояние в городе нормализуется, команды специалистов проведут еще 2 года, тесно сотрудничая с мэрией города и контролируя ее деятельность, для того чтобы внедрить более эффективную систему налогообложения, установить связи между правительством и промышленным комплексом города, создать новые рабочие места и повысить квалификацию рабочих. В задачу программы входит мотивация мо лодых специалистов к труду, их заинтересованность в решении тех или иных проблем городов, участие в их обучении и стремлении стать лидерами своего дела. Поэтому в дополнение к каждой имеющейся группе на основе конкурса будет прикреплен начи нающий специалист среднего звена, выпускник вуза, из того малого города, в кото ром будет проведена данная программа. Он, вместе с группой специалистов, работает по широкому кругу стратегических проектов, определенных каждым пилотным горо дом, на протяжении двух лет. На это время разрабатывается программа стипендий для поддержки молодых специалистов, а по истечению срока действия программы они вправе остаться работать на постоянной основе в органах местного самоуправления, либо в компании-партнере целевой программы.

Среди групп специалистов проводится конкурс на получение гранта, по итогам которого будут выбраны участники с наилучшими идеями по восстановлению эконо мики каждого конкретного города. Национальный конкурс грантов позволит городам принять и внедрять лучшие инновационные стратегии экономического развития для поддержки комплексных городских и региональных усилий в решения проблем ма лых городов. Система грантов направлена на поддержание конкуренции среди групп экспертов.

В результате взаимодействия государственного инвестирования и частного партнерства в проект будут направлены ресурсы в помощь городам для стимулирова ния их экономического роста. «SC2» предоставляет техническую поддержку и совре менные технику, которые дадут возможность обществу использовать средства из су ществующего федерального фонда более эффективно. Данный проект можно рас сматривать как инновационный посреднический вспомогательный механизм, постро енный для создания партнерства с экономически отсталыми регионами с целью их продвижения. Реализация проекта позволяет локальным сообществам укрепить их возможности по созданию рабочих мест и конкурентоспособных бизнес-пространств;


по внедрению современных методов планирования, способствующих росту экономи ки. Несмотря на то, что «SC2» действует всего два года, уже можно говорить о том, что это новая модель, которая делает акцент на приоритетах регионов и позволяет го родам эффективно использовать федеральный бюджет для удовлетворения своих нужд.[4] На наш взгляд, гармоничное развитие малого города в России, обеспечение его стратегического планирования, учитывающего возрастающую нагрузку на инфра структуру, требуют комплексного и программного подхода к эксплуатации и модер низации всех городских систем и комплексов. Решение задач подобного уровня воз можно коллективными усилиями представителей органов власти, бизнеса, социаль ных институтов, учреждений и организаций разных сфер деятельности при активном участии населения города.

Список использованной литературы 1. Зубаревич Н.В. Россия регионов: в каком социальном пространстве мы живем? М.: Поматур, 2005.

2. Развитие городов: итоги «ЭКСПО-2010» - взгляд из России: доклад. [Электронный ресурс] - Режим доступа: http://www.minpromtorg.gov.ru/reposit/minprom/, свободный.

3. Презентация целевой программы «Strong Cities Strong Communities». [Электронный ресурс]: http://www.oup.org/conferences/.

4. Strong Cities Strong Communities: доклад Мелоди Барнес, первого советника прези дента США. [Электронный ресурс] – Режим доступа: http://www.whitehouse.gov/blog /2011/07/11/announcing-strong-cities-strong-communities, свободный.

М.И. Чибрик Научный руководитель д-р экон. наук, профессор В.Н. Соколов ПРИМЕНЕНИЕ КОМБИНИРОВАННЫХ МАТЕМАТИЧЕСКИХ ФУНКЦИЙ ПРИ ОПИСАНИИ КРИЗИСНЫХ ЯВЛЕНИЙ В данной статье речь идет о верификации дескриптивно-прогностических мо делей, полученных при проведении анализа существующих моделей описания кри зисных зон экономики, а также об их прогностических возможностях [1].С целью ве рификации данных был отобран ряд стран (16 стран), имеющих различные сходства.

Так, были проанализированы данные о валовом внутреннем продукте Норве гии, Дании, Швеции, Великобритании и Испании, которые являются монархическими государствами. Другим фактором отбора стран стало наличие выхода к водным тер риториям. По этому признаку схожи Финляндия, Норвегия, Швеция, Голландия, Бельгия, Португалия, Испания, Великобритания, Италия, Греция и т.д. Также был вы бран ряд стран Еврозоны. В их число вошли страны, представляющие наибольший интерес для мировой экономики: Франция, Германия, Италия, Греция, Испания. Как можно заметить, страны, входящие в различные группы, повторяются. Данное об стоятельство позволяет установить связь между различными группами и судить о достоверности полученных результатов. Необходимым условием верификации мы считаем наличие таких стран, которые отгорожены от мировых катаклизмов. С эко номической точки зрения такое отстранение возможно только в слабо развитых стра нах, но с точки зрения территориальной отстраненности нам достаточно рассмотреть страну, лежащую в другом полушарии. Мы выбрали Новую Зеландию и Австралию.

Высокая точность полученных ранее моделей позволит утверждать, что они пригод ны для широкого использования. К сожалению, данная статья не вмещает результатов верификации модели на странах со слабым экономическим развитием.

Исходными данными, используемыми при верификации моделей стали ряды валового внутреннего продукта стран с 1915 года по 2010 год. В качестве источника данных выбрана широко известная историко-экономическая база Мэдиссона - база данных, созданная британским экономистом, почетным профессором университета Гронингена Ангусом Мэдиссоном, включающая в себя информацию о ВВП различ ных стран с 1 по 2008 год нашей эры.

В связи с тем, что исследование и описание показателя валового внутреннего продукта предполагает манипулирование большими объемами данных, логично при менить в работе информационные технологии.

Для проведения расчётов было использовано приложение Excel, принадлежа щее к группе программ MicrosoftOffice. Был осуществлен поиск оптимальных пара метров функции методом обобщенного приведенного градиента (ОПГ). Эта функция доступна в надстройке «Поиск решения» вкладки «Данные» (рис. 1).

Рисунок 1. Надстройка «Поиск решения»

Использование пакета MSExcel позволяет произвести быструю проверку точ ности полученных моделей, что выгодно в условиях современного мира, функциони рующего «на высоких скоростях».

Ниже приведены результаты верификации, которые для простоты представле ны лишь двумя значениями - среднеквадратическим отклонением и коэффициентом детерминации.

Первая функция -. Результаты представлены в таб лице 1.

Основываясь на данных результатах, можно выделить отдельные страны, ве рификацию моделей на которых можно считать неудавшейся: Австралия, Англия, Канада, Норвегия, Португалия, США, Финляндия. Коэффициент детерминации в ука занных наблюдениях не достиг 50%, что и послужило причиной отрицательного за ключения по модели. Модель синусоиды слабо описывает происходящие в ряду ВВП изменения, поэтому не стоит считать, что для всех стран она будет давать результаты, полученные, например, для Франции (68,77%). Высокий коэффициент детерминации свидетельствует в случае с Францией о слабой амплитуде колебаний в ряду валового внутреннего продукта этой страны, что и позволяет функции фиксировать их на ука занном уровне. Приведенное значение СКО в 6-15 раз превышает среднее значение показателя по соответствующим странам, поэтому не стоит смотреть на существен ную разницу в данном показателе по различным странам.

Таблица Результаты верификации модели Страна Коэффициент детерминации Среднеквадратическое отклонение Австралия 39,70% Австрия 56,52% Англия 33,58% Бельгия 65,15% Голландия 62,79% Греция 65,73% Дания 61,50% Испания 57,56% Италия 54,93% Канада 33,32% Новая Зеландия 59,84% Норвегия 11,88% Португалия 24,64% США 25,15% Финляндия 32,27% Франция 68,77% Швейцария 58,35% Швеция 54,24% Перейдем к наиболее точным моделям. Отметим лишь, что при верификации каждой последующей модели достигалось повышение показателя коэффициента де терминации и снижение значения среднеквадратического отклонения. Это свидетель ствует о повышении точности и достоверности моделей, а следовательно, о верности их построения.

Рассмотрим значения, полученные при верификации модели. Результаты представлены ниже в таблице 2.

Таблица Результаты верификации модели Страна Коэффициент детерминации Среднеквадратическое отклонение Австралия 60,78% Австрия 64,59% Англия 57,71% Бельгия 75,79% Голландия 67,99% Греция 84,91% Дания 65,33% Испания 78,03% Италия 59,49% Канада 59,28% Новая Зеландия 78,74% Норвегия 66,64% Португалия 43,84% США 39,86% Финляндия 55,28% Франция 73,14% Швейцария 63,09% Швеция 77,60% По осям «Х» и «Y» представлены год и ряд первых остатков валового внутрен него продукта стран, получаемый путем вычета трендовых значений из исходного ря да ВВП, соответственно.

Низкий коэффициент детерминации в случае с США объясняется тем, что ни одна функция не может «схватить» пик 1943-1945 годов, вызванный с приходом США к мировому лидерству, в связи с событиями Второй Мировой войны. Доверие стран к Америке, выросшее в указанный период сделало ее, по сути, гегемоном. Мы полагаем, что данный пик является искусственным, поэтому его упущение при вери фикации не является показателем неточности модели, но имеет огромное влияние на коэффициент детерминации и значение СКО.

В случае с Португалией неточности в модели объясняются следующими фак тами. После свержения режима Марсэлу Каэтану и Антонио Салазара в 1974 году произошло перераспределение капитала внутри страны[2]. В последующий период, ознаменовавшийся экономическим кризисом, многие предприятия не могли поддер живать свою работоспособность. На рисунке 2 этот период хорошо просматривается, как и подъем 1986 года. Именно в этом году Португалия вступила в Европейский Со юз. Экономический рост, происходящий вследствие влияния иностранных инвести ций, продлился недолго. Уже в 1990 году экономика достигла пика[5]. Этот пик не удается захватить ни одной из построенных моделей, так как он также носит искусст венный характер. Иностранные инвестиции «надули финансовый пузырь», «лопнув ший» в 1991-1992 годах. Лишь повторное вливание денег восстановило прежний уро вень экономики страны.

Рисунок 2. Ряд первых остатков ВВП Португалии Рисунок 3. Ряд первых остатков ВВП США Таким образом, представленная выше модель не является самой точной, но на ее основе можно оценить все преимущества математических моделей при исследова нии длинных рядов данных. Во-первых, не требуется вводить дополнительные факто ры, так как все изменения, которые претерпевает та или иная модель, происходят под воздействием изменения параметров функций, используемых в модели. Единствен ный фактор, от которого зависят модели – время. Во-вторых, точность, достигаемая при описании данных, может конкурировать с факторными моделями. Единственный минус всех моделей – большое количество параметров. Рассмотрим, как изменился коэффициент детерминации и значение СКО (таблица 3). Данные получены путем сравнения значений показателей при использовании модели синуса и комбинирован ной модели, описанной выше.

В таблице 3 представлено относительное изменение показателей. Можно заме тить, что в Норвегии точность описания исходного ряда выросла более чем в пять раз.

В среднем же коэффициент детерминации возрос на 25-45%. О повышении точности моделей аппроксимации говорит также снижение значений коэффициента детерми нации по данным всех стран.


Таблица Сравнение моделей аппроксимации данных Изменение коэффициента Изменение среднеквадратиче Страна детерминации ского отклонения Австралия 1,53 0, Австрия 1,14 0, Англия 1,72 0, Бельгия 1,16 0, Голландия 1,08 0, Греция 1,29 0, Дания 1,06 0, Испания 1,36 0, Италия 1,08 0, Канада 1,78 0, Новая Зеландия 1,32 0, Норвегия 5,61 0, Португалия 1,78 0, США 1,58 0, Финляндия 1,71 0, Франция 1,06 0, Швейцария 1,08 0, Швеция 1,43 0, Все модели, разработанные нами, а также те модели, которые не были пред ставлены, оказываются состоятельными (по результатам верификации). В качестве повышения уровня образования и саморазвития, можно постараться использовать эти модели при описании явлений и процессов из других областей науки. Были обнару жены и точные модели, которые пригодны как для описания ретроспективного ряда, так и для применения в целях прогнозирования. Это становится возможным в связи с высокой точностью описания исходных рядов.

Список использованной литературы Суханов В.И. «Революция гвоздик» в Португалии: Страницы истории / М.:

1.

«Мысль», Павлова Е.Б. «Португалия и интеграционные процессы в современном мире:

2.

политические аспекты», СПб: М.И. Чибрик Научный руководитель д-р экон. наук, профессор В.Н. Соколов АНАЛИТИЧЕСКИЕ МОДЕЛИ ОПИСАНИЯ КРИЗИСНЫХ ЗОН ЭКОНОМИЧЕСКИХ ЦИКЛОВ XXI век – это век высоких технологий, развития развлекательной индустрии, информатизации, телешоу и социальных сетей. Это можно назвать прогрессом, дос тижением человечества, заслугой ученых. С этим можно согласиться, но все вышепе речисленное используется также и во вред людям. Наше сознание в последнее время направлено не на решение проблем, а на их маскировку и отрицание. Люди исполь зуют разработки своих предков, оставляя науку и творчество.

Наша цель - подтолкнуть людей к научной деятельности, показав, что науку можно подстраивать под себя, делая все теории, расчёты и модели проще, не нарушая сути явлений.

Постараемся рассмотреть волнующую общество проблему кризисных явлений.

Описание этих явлений позволит прогнозировать их появление в будущем. Поэтому основной темой исследования, проводимого нами, можно считать поиск путей описа ния кризисных явлений экономики.

Исследование строилось в своем начале на нескольких основных предположе ниях. Первое из них – это возможность применения математического аппарата для решения практически любой экономической проблемы. Анализ ретроспективы, на равне с прогнозированием – сильнейшие инструменты, позволяющие понять законо мерности экономики.

Второе предположение – то, что все создаваемые в ходе проводимого исследо вания модели должны базироваться на функции синуса (1) или косинуса (2).

(1) (2) Это является необходимым для сохранения циклического характера экономи ческих процессов, который описан большим количеством авторов[1], [2], [3].

В исследовании были рассмотрены различные математические модели, постро енные на основе функций (1) и (2) или же с их использованием. Также был проведен анализ различных гиперболических функций (гиперболический тангенс и арксинус), напоминающих по своему виду логистическую кривую, которая будет рассмотрена далее, а также функция арктангенса и экспонента. Различные комбинации этих функ ций позволили шаг за шагом добиться приближения лучшего, чем у функции синуса.

Под лучшим приближением здесь стоит понимать величину коэффициента детерми нации (R2), который рассчитывается как отношение дисперсии теоретического ряда данных к дисперсии фактического ряда, и величину среднеквадратического отклоне ния () (см. таблицу).

Сравнение моделей аппроксимации R Модель 57,56% 74,94% 78,03% 79,09% 79,24% 83,75% Конечно, при этом пришлось пожертвовать определенным преимуществом функций (1), (2) – наличием малого количества параметров, но построенные функции практически во всех случаях отражают резкие спады ВВП, которые не удается фик сировать синусоидой (см. рис. 1,2).

Рисунок 1. Ряд первых остатков ВВП Дании с аппроксимирующей функцией По оси «Y» указана циклическая составляющая ВВП, рассчитываемая путем удаления линии тренда из исходного ряда ВВП. Значения указаны в «международных долларах» - единицах валюты, используемых в базе данных Ангуса Мэддисона, ле жащей в основе исследования.

В данном случае используется сложная функция, параметры которой будут описаны далее:

Описание ВВП Италии произведено с применением сложной функции, содер жащей экспоненту (рис. 2):

О свойствах этой функции будет упомянуто далее.

Рисунок 2. Ряд первых остатков ВВП Италии с аппроксимирующей функцией В связи с тем, что исходные данные, которыми мы обладаем, в большинстве своем представляют динамические ряды, необходимо определиться с методом выде ления стационарного ряда из динамического ряда ВВП. В этих целях возможно при менение большого количества способов. Мы предлагаем Вашему вниманию лишь два: простой и научный.

Простой метод – описание ВВП при помощи функции арктангенса:

(3) В нее можно внести несколько корректировок, направленных на повышение точности описания исходного ряда, тогда получим:

, (4) где A, b, c и d– коэффициенты, находимые в программе MSExcel при помощи надстройки «Поиск решения» при задании некоторой целевой функции. В нашем ис следовании целевой функцией при аппроксимации будут выступать два показателя.

Во многих практических расчётах удалось добиться их одновременной минимизации.

Эти показатели – среднеквадратическое отклонение, рассчитываемое по формуле (5) и дисперсия случайной составляющей, которая одновременно используется для контроля точности описания исходного ряда при построении коэффициента детерми нации. Изменяемыми параметрами будут служить параметры модели, применяемой в каждом конкретном случае для аппроксимации.

Итак, арктангенс был упомянут нами потому, что он схож с научным подходом – применением логистической функции в целях выделения тренда ВВП. Аналитиче ски логистическое уравнение (или уравнение Ферхюльста) описывается различными выражениями. Мы применяем в своём исследовании следующее:

(6) Хоть аналитически эти функции значительно рознятся, графическое их пред ставление схоже (рис. 3, 4).

Рисунок 3. Функция арктангенса Рисунок 4. Логистическая функция Если целью исследования является получение точного результата, то использо вание функции (6) более обоснованно. Сам характер этой кривой отображает суть процессов экономики: плавный подъем сменяется резким ростом, снижающимся и затухающим со временем. Функция (4), хоть и отображает те же процессы, но на всем своем протяжении имеет более сглаженный характер, что может вносить некоторые неточности при аппроксимации данных.

Следующая стадия исследования – построение моделей, пригодных для ис пользования в реальных условиях. Во-первых, они должны быть обоснованы матема тически, то есть не должны содержать логических ошибок. Во-вторых, они должны быть экономически обоснованы, то есть обладать экономическим смыслом. Описание циклических процессов экспоненциальной функцией (y=ex) в любой из ее интерпре таций не соответствует реальным закономерностям развития и функционирования экономики.

В ходе исследования была выявлена несостоятельность моделей, которые включали в себя функцию корня. Например, функция (7) подходит для описания дол госрочных колебаний, но за короткий промежуток времени.

(7) Наглядно наложение корня на синус представляет собой волну, расширяю щуюся со временем вдоль оси абсцисс. Такая тенденция свидетельствует об отсутст вии экономического смысла у параметров, стоящих перед и под знаком корня. Так что, используя эту функцию, стоит понимать, что предел прогнозирования для нее со ставляет 5-7 лет, дальнейшие приближения будут крайне неточными. В качестве ин струмента описания кризисных зон функция (7) состоятельна.

Простейшей моделью анализа циклических рядов можно считать традицион ную модель синуса, часто используемую из-за своей простоты и наглядности, ведь описание цикличности выгоднее всего производить функцией, похожей, говоря про сто «на волну»:

(8) В модели присутствует 4 параметра. А – сдвиг функции относительно оси ор динат, d – относительно оси абсцисс, b и c – «параметры масштаба», отвечающие за сужение и расширение функции относительно осей Y и X соответственно. С эконо мической точки зрения, параметр при переменной «X» отображает темп процесса.

Чем больше параметр, тем выше темп роста или снижения ВВП. Параметр «b», в свою очередь, - масштаб экономического процесса. То есть при увеличении значения параметра «b» растет размах аппроксимирующей функции относительно оси абсцисс.

Первая модификация синусоиды – введение под ее знак косинуса.

(9) Данное преобразование приводит к тому, что на основной тренд синуса накла дывается второстепенная тенденция. В зависимости от параметров модель (9) может принимать различный вид, но суть аппроксимации заключается в отображении двух волн, наложенных одна на другую. Параметр «b» в данном примере имеет то же зна чение, что и в функции (8), как и параметр, отвечающий за сдвиг функции относи тельно оси абсцисс. Только здесь сдвиг функции приводит к ее графическому преоб разованию, так как при сдвиге основной функции (синус) второстепенная функция (косинус) остается неподвижна. Данный факт позволяет экспериментировать с моде лью, находя удовлетворяющие ее параметры.

Ниже представлена модель, сочетающая в себе два вышеописанных подхода (классический синус переменной, совмещенный с функцией косинуса).

(10) В данной модели функция, лежащая в основании (, описывает долгосрочную тенденцию, следовательно, параметр «b» имеет то же зна чение, что и ранее. Выражение косинуса, стоящее в скобках, в свою очередь, отобра жает еще один цикл, который можно характеризовать как краткосрочные колебания, период которых зависит от параметра «f». Параметры при переменной все так же ото бражают интенсивность процесса, но заметить их влияние становится сложнее из-за наложения нескольких моделей.

Одним из вариантов моделей, показывающих высокую точность приближения, является представленная ниже функция, пригодная для описания рядов ВВП.

(11) Эта модель может показаться слишком сложной и громоздкой, так как в ней присутствует 10 параметров. Но в пользу данного выбора есть контраргументы. Па раметр «A» по сути, не влияет на экономическую значимость функции. Также не ис кажают ее смысла параметры, отвечающие за сдвиг функции относительно оси орди нат (d, h и k), так как они лишь смещают относительно друг друга циклы различной периодичности, масштаба и интенсивности. Остается 6 параметров, что не сильно превосходит числа параметров предыдущей модели (с учетом исключения парамет ров сдвига).

Данную модель сложно интерпретировать с экономической точки зрения, так как роль основного цикла исполняет экспонента. Ее интенсивность зависит от пара метра масштаба «i» (растяжение вдоль оси ординат). На него накладывается следую щий цикл, описываемый функцией косинуса. В качестве параметра масштаба, отра жающего интенсивность процесса, выступает параметр «j». Параметр «g» также в ка кой-то мере отвечает за интенсивность процесса. Увеличение параметра приводит к повышению темпов роста ВВП. С математической точки зрения «g» - это параметр масштаба, отвечающий за растяжение функции экспоненты вдоль оси абсцисс. Эта модель, к сожалению, не всегда пригодна для прогнозирования, так как неверное вы числение ее параметров приводит к нарушению ее экономического смысла.

Проведенное исследование является попыткой создания нового подхода к опи санию и прогнозированию циклических процессов. Указанные выше модели можно также использовать при исследовании процессов дифференциации доходов, тематика которых стала популярна в последнее время. Кризисные явления наносят отрицатель ный отпечаток на общую динамику показателя ВВП в плане возможности его описа ния простыми математическими функциями. Возникающие ошибки аппроксимации можно устранить, лишь применяя более сложные модели.

Полученные функции, какой бы сложности они ни были, можно использовать в целях предсказания грядущих кризисов, но стоит учитывать необходимость коррек тировки параметров моделей при изменении набора исходных данных.

Отрицать цикличность кризисных процессов нелепо, так как этот факт под тверждается трудами многих отечественных и зарубежных ученых, следовательно, предположение о прогностической значимости функций вполне обоснованно. Все что требуется от исследователя – правильно подобрать параметры к описанным функци ям для получения качественных прогнозов.

Е.В. Шустова Научный руководитель канд. техн. наук, доцент Г.М. Чернокнижный ИССЛЕДОВАНИЕ ПРОБЛЕМЫ БЕЗОПАСНОСТИ ПРИЛОЖЕНИЙ.

РЕАЛИЗАЦИЯ ЭКСПЛОЙТОВ С каждым днем информационные технологии все плотнее входят в нашу жизнь, на сегодняшний день практически в любой компании и тем более в доме мож но встретить компьютер. Мы используем его для общения с друзьями в социальных сетях, просмотра фильмов, новостей, оплаты покупок, работы и многого другого. Ес ли в крупных компаниях за пользовательскими компьютерами строго следит инфор мационная безопасность, где квалифицированные сотрудники могут корректно на строить права доступа и произвести ряд других мер для обеспечения информацион ной безопасности внутри предприятия, но с домашними компьютерами совсем дру гая ситуация. Не все пользователи имеют достаточное количество знаний или воз можность обратится к опытному пользователю для организации мер безопасности на своем домашнем компьютере. Таким образом, вопросам грамотного управления и ор ганизации безопасности на пользовательских компьютерах должно уделяться особое внимание, поэтому эта проблема на данный момент выходит на первое место.

Из всего выше сказанного следует, что для правильной организации защиты необходимо знать методы и способы реализации атак злоумышленниками. Рассмот рим две распространенные хакерские атаки – SQL-инъекции и атаки на переполнение буфера.

SQL-инъекция — это процесс, при котором кто-либо выполняет SQL-запрос к базе данных без вашего ведома, с целью нанесения ущерба. Данная техника заключа ется в эксплуатации уязвимостей программного кода. Это происходит только тогда, когда ваши запросы составлены с использованием внешних данных, которые прини маются от пользователя. SQL-инъекция относится к вставке метасимволов SQL вво димые пользователем данные, что приводит к изменению запроса в конечной базе данных. Как правило, злоумышленники для начала определяют уязвимость сайта к такой атаке (для этого посылается знак одинарной «кавычки»). Последствия выпол нения такой атаки на уязвимом сайте могут находиться в пределах от появления де тального сообщения об ошибке, что раскрывает злоумышленнику используемую на сайте технологию, до доступа к закрытым областям сайта или выполнения на сервере произвольных команд операционной системы.

Методы SQL-инъекции зависят от типа используемой базы данных. Например, SQL-инъекция на базе данных «Oracle» осуществляется в основном с помощью ис пользования ключевого слово union, и она труднее, чем на MS SQL-сервере, где мож но выполнить множественные запросы, отделяя их символом точки с запятой. При чинами SQL-инъекций могут служить: отсутствие фильтрации;

неправильная обра ботка типов: уязвимости в базе данных сервера и условные ошибки.

Отсутствие фильтрации Представим, что есть модуль, который запрашивает адрес электронной почты пользователя, чтобы отправить ему временный пароль к почте, когда он забывает свой пароль. В этом случае, SQL-запрос выглядеть, примерно так:

$sqlStatement = "SELECT * FROM users WHERE username = '" + $username + "' AND email = '" + $email + "' ";

Злоумышленник может изменить этот запрос, если установит значение пере менной $email, добавив к адресу электронной почты удаление таблицы users:

user@hostname.com’;

DROP TABLE users;

SELECT * FROM customers WHERE name LIKE ‘% В результате конечный запрос будет выглядеть так:

$SQLStatement = "SELECT * FROM users WHERE username = 'james' AND email = 'user@hostname.com';

DROP TABLE users;

SELECT * FROM customers WHERE name LIKE '%'";

Так легко можно удалить любую таблицу из базы данных. Как результат, сис тема зависнет, поскольку ни один пользователь не сможет пройти аутентификацию с этого момента. Если нет резервной копии базы данных, то владелец потеряет все.

Неправильная обработка типов Часто вы знаете тип данных, которые хотите получить. Например, возраст клиентов является числом, пол пользователя (муж/жен) строкой.

А если ввести $ageValue, как: 20;

DROP TABLE users, то SQL запрос приобре тет следующий вид:

$SQLStatement = "SELECT * FROM customers WHERE age = 20;

DROP TABLE users;

";

Если значение $ageValue всегда будет числом, необходимо всегда проверять эту переменную, чтобы злоумышленник не смог ввести что-то другое.

Ошибка переполнения буфера – одна из огромнейших проблем безопасности в сети Интернет и в современном компьютерном мире в целом. Это объясняется тем, что подобные ошибки могут легко быть допущены при самом программировании и, будучи незаметными для пользователя, который не понимает или не совсем разбира ется в исходном коде программы, они являются подходящей целью для написания эксплойта.

Уязвимость переполнения буфера характеризуется двумя основными чертами:

возможностью перезаписывания этого места в памяти своим кодом и возможностью запуска этого вредного кода. Для того, чтобы лучше понять как и где может произой ти ошибка переполнения буфера рассмотрим пример уязвимой программы.

Давайте предположим, что мы хотим найти уязвимость в такой вот функции (вводим с клавиатуры символы, и выводим эти символы на экран):

void lame (void) { char small[30];

gets (small);

printf("%s\n", small);

} int main() { lame ();

getch();

return 0;

} Сохраняем текст функции в файлу с расширением *.с и с помощью компилято ра собираем exe файл. Для имитации ошибки переполнения буфера запустим про грамму в дебаггере gdb. И выведем ассемблерный дамп функции main:

0x00401316 +0: push %ebp Сохраняем указатель кадра вызвавшей программы и помещаем в стек значение в регистре ebp.

0x00401317 +1: mov %esp,%ebp 0x00401319 +3: sub $0x8,%esp 0x0040131c +6: and $0xfffffff0,%esp 0x0040131f +9: mov $0x0,%eax 0x00401324 +14: add $0xf,%eax 0x00401327 +17: add $0xf,%eax 0x0040132a +20: shr $0x4,%eax 0x0040132d +23: shl $0x4,%eax 0x00401330 +26: mov %eax,-0x4(%ebp) 0x00401333 +29: mov -0x4(%ebp),%eax 0x00401336 +32: call 0x401870 _alloca 0x0040133b +37: call 0x4013f0 main 0x00401340 +42: call 0x4012f0 lame 0x00401345 +47: call 0x4018a0 getch 0x0040134a +52: mov $0x0,%eax 0x0040134f +57: leave 0x00401350 +58: ret Параметры функции передаются через стек (специально отведенная под это об ласть памяти), адрес вершины которого находится в регистре esp. Локальные пере менные тоже размещаются в стеке. Для этого сформируется кадр - часть стека, отве денная под локальные переменные. Указывать на кадр будет регистр ebp - через него будем обращаться к локальным переменным. Через него же будем обращаться и к па раметрам подпрограммы.

Dump of assembler code for function lame:

0x004012f0 +0: push %ebp 0x004012f1 +1: mov %esp,%ebp 0x004012f3 +3: sub $0x38,%esp Смещаем вершину стека на 56 байт (0x38) вперед:

- резервируем 32 байта для буфера. Наш буфер - 30 символов, но память выде ляется с 4-х байтным выравниванием.

- 8 для передачи параметров в функции - 16 оставляет на всякий случай (или для выравнивания).

Загружаем указатель на small[30] (пространство стека, которое расположено в виртуальном адресе (%ebp) стека), и вызываем функцию gets: gets(small);



Pages:     | 1 |   ...   | 2 | 3 || 5 |
 





 
© 2013 www.libed.ru - «Бесплатная библиотека научно-практических конференций»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.