<?xml version="1.0"?>
<feed xmlns="http://www.w3.org/2005/Atom" xml:lang="en">
	<id>https://ifigenia.org/api.php?action=feedcontributions&amp;feedformat=atom&amp;user=Evdokia+Sotirova</id>
	<title>Ifigenia - User contributions [en]</title>
	<link rel="self" type="application/atom+xml" href="https://ifigenia.org/api.php?action=feedcontributions&amp;feedformat=atom&amp;user=Evdokia+Sotirova"/>
	<link rel="alternate" type="text/html" href="https://ifigenia.org/wiki/Special:Contributions/Evdokia_Sotirova"/>
	<updated>2026-05-06T08:15:32Z</updated>
	<subtitle>User contributions</subtitle>
	<generator>MediaWiki 1.43.6</generator>
	<entry>
		<id>https://ifigenia.org/index.php?title=Project:DMEU/%D0%9D%D0%B0%D1%83%D1%87%D0%BD%D0%B8_%D1%80%D0%B5%D0%B7%D1%83%D0%BB%D1%82%D0%B0%D1%82%D0%B8&amp;diff=6112</id>
		<title>Project:DMEU/Научни резултати</title>
		<link rel="alternate" type="text/html" href="https://ifigenia.org/index.php?title=Project:DMEU/%D0%9D%D0%B0%D1%83%D1%87%D0%BD%D0%B8_%D1%80%D0%B5%D0%B7%D1%83%D0%BB%D1%82%D0%B0%D1%82%D0%B8&amp;diff=6112"/>
		<updated>2012-03-22T10:38:42Z</updated>

		<summary type="html">&lt;p&gt;Evdokia Sotirova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{Project:DMEU/menu}}&lt;br /&gt;
__NOTOC__&lt;br /&gt;
== Постижения по проекта ==&lt;br /&gt;
* Предложен  е метод за оценяване на преподавателите в електронен университет, базиран на три основни компонента: резултати от студентските изпити, оценка от анкети на студентите, научна работа на преподавателя [2]; &lt;br /&gt;
* Предложен е метод оценяване на качеството на графика на учебните занятия  [10]; &lt;br /&gt;
* Предложен е метод за изчисляване на интуиционистки размити оценки на отговорите от анкетите на студентите за преподавателите   чрез многослоен перцептрон, които са част от общата оценка на преподавателя в електронен университет [12];&lt;br /&gt;
* Анализирани са резултатите от проведени студентски изпити на базата интуиционистки размити оценки, които задават степен на усвоеност на учебния материал [3];&lt;br /&gt;
* Приложена е Data Mining техника за диагностика при предаването на информационни пакети при Wi-Fi локална мрежа и интуиционистки размити оценки за степента на повреденост при обмяната на данни [9];&lt;br /&gt;
&lt;br /&gt;
* Конструиран е модел за клъстеризация на многомерни данни чрез самоорганизираща се карта (Self-organizing map) [13];&lt;br /&gt;
* Конструиран е модел за прилагане на Data Mining техники при приемането на студенти в електронен университет с цел привличане, анализиране и удовлетворяване на изискванията на кандидат-студентите [14];&lt;br /&gt;
* Предложен е метод за прилагане на Data Mining техники в електронното обучение с цел предвиждане на студентската успеваемост по дадена дисциплина [16]; &lt;br /&gt;
* Предложен е метод за синхронизиране на паралелно протичащи софтуерни процеси [17]; &lt;br /&gt;
* Предложени са метод за проектиране на тестове [18] и метод за проектно-базирано обучение и в Wiki среда [22];&lt;br /&gt;
* Разработен е модел експертна система с база от данни от фрейми с размити оценки на фреймите и хипотезите [19];&lt;br /&gt;
* Предложен е метод за избиране на членовете на студентски отбори по определена дисциплина в електронен университет, базиран на три основни компонента: оценка на приемствеността на студента от другите студенти, оценка на компетентността на студента от другите студенти, оценка на студента от преподавателя [23];&lt;br /&gt;
* Разработен е модел на обектна система бази от данни [24];&lt;br /&gt;
* Представени са програмни реализации за:&lt;br /&gt;
# прогнозиране на едномерни и многомерни масиви от данни, базирани на експериментални резултати чрез изкуствена невронна мрежа [1]; &lt;br /&gt;
# анализ на резултатите от проведени студентски изпити на базата интуиционистки размити оценки, които задават степен на усвоеност на учебния материал [3];&lt;br /&gt;
# Data Mining техника за диагностика при предаването на информационни пакети при Wi-Fi локална мрежа и интуиционистки размити оценки за степента на повреденост при обмяната на данни [9]. &lt;br /&gt;
# оценяване удовлетвореността на преподавателите чрез техниката “дърво на решението” [11].&lt;br /&gt;
# многослоен перцептрон, даващ интуиционистки размити оценки на отговорите от анкетите на студентите за оценяване на преподавателите в електронен университет [12];&lt;br /&gt;
# клъстеризация на многомерни данни чрез самоорганизираща се карта (Self-organizing map) [13].&lt;br /&gt;
&lt;br /&gt;
== Публикации ==&lt;br /&gt;
{| width=&amp;quot;100%&amp;quot; class=&amp;quot;wikitable&amp;quot;&lt;br /&gt;
! width=&amp;quot;5%&amp;quot; | №&lt;br /&gt;
! width=&amp;quot;75%&amp;quot; | Публикация (Автори, Заглавие, Списание, Брой, Номер, Година, Страници)&lt;br /&gt;
! width=&amp;quot;20%&amp;quot; | За&amp;amp;nbsp;сваляне&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 1. &lt;br /&gt;
| Sotirov, S., &#039;&#039;&#039;D. Orozova, E. Sotirova&#039;&#039;&#039;, &#039;&#039;Generalized net model of the process of the prognosis with feedforward neural network&#039;&#039;, Proc. of the XVI-th International Symposium on Electrical Apparatus and Technologies, SIELA 2009, Vol.1, 272-278.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 2.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A.&#039;&#039;&#039;, D. Dimitrakiev, &#039;&#039;&#039;E. Sotirova&#039;&#039;&#039;, M. Krawczak, &#039;&#039;T. Kim,  Towards a Model of the Digital University: Generalized Net Model of a Lecturer’s Evaluation with Intuitionistic Fuzzy Estimations&#039;&#039;, Cybernetics and Information, Vol.9, No 2, 2009, 69-78.&lt;br /&gt;
| {{download-ext|http://www.cit.iit.bas.bg/CIT_09/v9-2/69-78.pdf|PDF|96}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 3.&lt;br /&gt;
| Sotirov, S., &#039;&#039;&#039;D. Orozova, E. Sotirova&#039;&#039;&#039;, &#039;&#039;Neural network for defining intuitionistic fuzzy sets in e-learning&#039;&#039;, Тhirteen Int. Conf. on IFSs, Sofia, NIFS Vol. 15, No. 2, 2009, 33-36.&lt;br /&gt;
| {{download|NIFS-15-2-33-36.pdf|PDF|185}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 4.&lt;br /&gt;
| &#039;&#039;&#039;Орозова, Д.,  Е, Сотирова&#039;&#039;&#039;, &#039;&#039;Моделиране чрез обобщена мрежа на процеса откриване на знания в бази от данни&#039;&#039;, Използване на невронни мрежи и обобщени мрежи за обучение и провеждане на аналитични изследвания, 2009.&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 5. &lt;br /&gt;
| &#039;&#039;&#039;Сотирова, Е.&#039;&#039;&#039;, Л. Димитрова, &#039;&#039;&#039;А. Чакърова, Г. Гордън, Г. Иновска, П. Илиева, Хр. Панайотов, Н. Неделчев, Е. Стоянов&#039;&#039;&#039;, &#039;&#039;Възможности за приложението на технологията Data Mining в електронен университет&#039;&#039;, Годишник на университет “Проф. д-р Асен Златаров” – Бургас, 2009, т. XXXVІII (1), 139-144.&lt;br /&gt;
| {{download-ext|http://www.btu.bg/Godishnik_2009/Tom-1/T1-139.PDF|PDF|160}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 6.&lt;br /&gt;
| &#039;&#039;&#039;Orozova D.&#039;&#039;&#039;, &#039;&#039;&#039;E. Sotirova&#039;&#039;&#039;, P. Chountas, &#039;&#039;Generalized Net Model of the Knowledge Discovery in Medical Databases&#039;&#039;, BIO&amp;lt;sub&amp;gt;AUTOMATION&amp;lt;/sub&amp;gt;, 2009, 13 (4), 281-288.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 7.&lt;br /&gt;
| &#039;&#039;&#039;Sotirova, E., Kr. Dimitrova, R. Papancheva&#039;&#039;&#039;, &#039;&#039;A Generalized Net Model for Analysis of a Student’s evaluations by Data Mining Techniques in the e-learning university&#039;&#039;, Proc. of the Tenth International  Workshop on Generalized Nets, Sofia, 2009, 41—46.&lt;br /&gt;
| {{download|IWGN-2009-41-46.pdf|PDF|153}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 8. &lt;br /&gt;
| &#039;&#039;&#039;Orozova, D., E. Sotirova&#039;&#039;&#039;, &#039;&#039;Generalized net model of the applying data mining tools&#039;&#039;, Proc. of the Tenth International  Workshop on Generalized Nets, Sofia, 2009, 22—26.&lt;br /&gt;
| {{download|IWGN-2009-22-26.pdf|PDF|137}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 9. &lt;br /&gt;
| &#039;&#039;&#039;Vardeva, I.&#039;&#039;&#039;, S. Sotirov, &#039;&#039;Intuitionistic fuzzy estimation of damaged packets with multilayer perceptron&#039;&#039;, Proc. of the Tenth International  Workshop on Generalized Nets, Sofia, 63-69.&lt;br /&gt;
| {{download|IWGN-2009-63-69.pdf|PDF|167}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
|10. &lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., D. Orozova, E. Sotirova&#039;&#039;&#039;, M. Hristova, K. Atanassov, M. Krawczak, P. Melo-Pinto, R. Nikolov, S. Sotirov, T. Kim, &#039;&#039;Towards a Model of the Digital University: A Generalized Net Model for Producing Course Timetables and Subjects’ Quality Estimation&#039;&#039;, Advanced Intelligent Systems / IS From Theory to Practice, Springer, 2010, 373-381.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 11.&lt;br /&gt;
| &#039;&#039;&#039;Sotirova, E., D. Orozova&#039;&#039;&#039;, &#039;&#039;Generalized net model of the phases of the data mining process&#039;&#039;, Developments in Fuzzy Sets, Intuitionistic Fuzzy Sets, Generalized Nets and Related Topics. Foundation and Applications, Warsaw, Poland, 2010, 247-260.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 12.&lt;br /&gt;
| Sotirov, S., &#039;&#039;&#039;E. Sotirova&#039;&#039;&#039;, M. Krawczak, &#039;&#039;Application of data mining in digital university: multilayer perceptron for lecturer’s evaluation with intuitionistic fuzzy estimations&#039;&#039;, Issues in Intuitionistic Fuzzy Sets and Generalized Nets, Vol. 8, Warsaw, Poland, 2010, 102-107.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 13.&lt;br /&gt;
| &#039;&#039;&#039;Sotirova, E., T. Petkov, S. Surchev&#039;&#039;&#039;, M. Krawczak, &#039;&#039;Generalized net model of Clustering with Self Organizing Map&#039;&#039;, Developments in Fuzzy Sets, Intuitionistic Fuzzy Sets, Generalized Nets and Related Topics. Foundations and Applications Warsaw, Poland, 2011, 239-244.&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 14.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., E. Sotirova, D. Orozova&#039;&#039;&#039;, &#039;&#039;Generalized net model of Using data mining techniques for process of undergraduate matriculation in а digital university&#039;&#039;, Proc. of the Eleven International Workshop on Generalized Nets and Second Int. Workshop on GNs, IFSs, KE London, 2010, 1-6.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 15.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., E. Sotirova&#039;&#039;&#039;, M. Hristova, T. Kim, &#039;&#039;Generalized Net Model of a Student’s Course Evaluation with Intuitionistic Fuzzy Estimations in a Digital University&#039;&#039;, Jangjeon Mathematical Society, 13 (2010), No 1, 31-38.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 16.&lt;br /&gt;
| &#039;&#039;&#039;Орозова, Д.&#039;&#039;&#039;,  &#039;&#039;&#039;Е. Сотирова&#039;&#039;&#039;, &#039;&#039;Прилагане на data mining техники в електронното обучение&#039;&#039;, Научна конференция с международно участие “Предизвикателства пред висшето образование и научните изследвания в условията на криза”, 25-26 юни 2010, Бургас &lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 17.&lt;br /&gt;
| &#039;&#039;&#039;Tcheshmedjiev, P.&#039;&#039;&#039;, &#039;&#039;Synchronizing parallel processes using generalized nets&#039;&#039;, Issues in Intuitionistic Fuzzy Sets and Generalized Nets, Vol. 8, Warsaw, Poland, 2010, 84-90.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 18.&lt;br /&gt;
| &#039;&#039;&#039;Atanassova, V.&#039;&#039;&#039;, &#039;&#039;Design of training tests on generalized nets&#039;&#039;, Intelligent Systems (IS), 2010 5th IEEE International Conference, 7-9 July 2010, 327 – 330.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 19.&lt;br /&gt;
| Atanassov, Kr., &#039;&#039;&#039;E. Sotirova, D. Orozova&#039;&#039;&#039;, &#039;&#039;Generalized Net Model of an Intuitionistic Fuzzy Expert System with Frame-Type Data Bases and Different Forms of Hypotheses Estimations&#039;&#039;, Годишник на БСУ, Том XXI, 2010&lt;br /&gt;
| &lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 20. &lt;br /&gt;
| &#039;&#039;&#039;Атанасова, В.&#039;&#039;&#039;, &#039;&#039;Уики технологии в помощ на науката. Примерът с Ifigenia.org&#039;&#039;, 8&amp;lt;sup&amp;gt;-ма&amp;lt;/sup&amp;gt; Национална младежка научно-практическа сесия на ФНТС, 10-11 май 2010. &lt;br /&gt;
| {{download|FNTS-2010-Atanassova.pdf|PDF|280}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 21.&lt;br /&gt;
| &#039;&#039;&#039;Atanassova, V.&#039;&#039;&#039;, &#039;&#039;Utilizing the Model Graphic Structures when Teaching Generalized Nets&#039;&#039;, Proc. of 9th IWIFSGN 2010, 8 October 2010, Warsaw, Poland&lt;br /&gt;
| &lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 22.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., E. Sotirova&#039;&#039;&#039;, Kr. Atanassov, M. Krawczak, P. Melo-Pinto, S. Sotirov, St. Hadjitodorov, T. Kim, &#039;&#039;Generalized net model of process of the administration servicing in a digital university with intuitionistic fuzzy estimations&#039;&#039;, The Fourteenth ICIFS, Sofia, 2010, 51—56.&lt;br /&gt;
| {{download|NIFS-16-2-50-56.pdf|PDF|158}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 23. &lt;br /&gt;
| &#039;&#039;&#039;Атанасова, В., Д. Орозова&#039;&#039;&#039;, &#039;&#039;Проектно-базирано обучение по бази от данни в Wiki среда&#039;&#039;, Сборник от конф. &amp;quot;Взаимодействието теория—практика&amp;quot;, Бургас, 24-25 юни 2011.&lt;br /&gt;
| (под печат)&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 24.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A.&#039;&#039;&#039;, E. Szmidt, &#039;&#039;&#039;E. Sotirova&#039;&#039;&#039;,J. Kacprzyk, Kr. Atanassov, T. Kim, &#039;&#039;Intuitionistic fuzzy estimations of students&#039; team forming&#039;&#039;, Issues in Intuitionistic Fuzzy Sets and Generalized Nets, Vol. 9 (2011), 77-83.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
&lt;br /&gt;
| 25.&lt;br /&gt;
| &#039;&#039;&#039;Atanassova, V.&#039;&#039;&#039;, Marinova, M., &#039;&#039;Designing a Lecture Course on Wikipedia and Wiki Technologies&#039;&#039;, Wikimania&#039;2011, Haifa, Israel, 4-7 August 2011.&lt;br /&gt;
| {{download-ext|http://upload.wikimedia.org/wikipedia/commons/3/30/Wikimania_2011-_Lessons_Learned_from_the_Lessons_Taught_-_Atanassova%2C_Marinova.pdf|PDF|3370}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 26.&lt;br /&gt;
| &#039;&#039;&#039;Atanassova, V.&#039;&#039;&#039;, Marinova, M., &#039;&#039;Lessons Learned from the Lessons Taught&#039;&#039;, Wikimania&#039;2011, Haifa, Israel, 4-7 August 2011.&lt;br /&gt;
| {{download-ext|http://upload.wikimedia.org/wikipedia/commons/a/a7/Wikimania_2011-_Designing_a_Lecture_Course_on_Wikipedia_and_Wiki_Technologies_-_Atanassova%2C_Marinova.pdf|PDF|1870}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
|}&lt;/div&gt;</summary>
		<author><name>Evdokia Sotirova</name></author>
	</entry>
	<entry>
		<id>https://ifigenia.org/index.php?title=Project:DMEU/%D0%9D%D0%B0%D1%83%D1%87%D0%BD%D0%B8_%D1%80%D0%B5%D0%B7%D1%83%D0%BB%D1%82%D0%B0%D1%82%D0%B8&amp;diff=6111</id>
		<title>Project:DMEU/Научни резултати</title>
		<link rel="alternate" type="text/html" href="https://ifigenia.org/index.php?title=Project:DMEU/%D0%9D%D0%B0%D1%83%D1%87%D0%BD%D0%B8_%D1%80%D0%B5%D0%B7%D1%83%D0%BB%D1%82%D0%B0%D1%82%D0%B8&amp;diff=6111"/>
		<updated>2012-03-22T10:36:55Z</updated>

		<summary type="html">&lt;p&gt;Evdokia Sotirova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{Project:DMEU/menu}}&lt;br /&gt;
__NOTOC__&lt;br /&gt;
== Постижения по проекта ==&lt;br /&gt;
* Предложен  е метод за оценяване на преподавателите в електронен университет, базиран на три основни компонента: резултати от студентските изпити, оценка от анкети на студентите, научна работа на преподавателя [2]; &lt;br /&gt;
* Предложен е метод оценяване на качеството на графика на учебните занятия  [10]; &lt;br /&gt;
* Предложен е метод за изчисляване на интуиционистки размити оценки на отговорите от анкетите на студентите за преподавателите   чрез многослоен перцептрон, които са част от общата оценка на преподавателя в електронен университет [12];&lt;br /&gt;
* Анализирани са резултатите от проведени студентски изпити на базата интуиционистки размити оценки, които задават степен на усвоеност на учебния материал [3];&lt;br /&gt;
* Приложена е Data Mining техника за диагностика при предаването на информационни пакети при Wi-Fi локална мрежа и интуиционистки размити оценки за степента на повреденост при обмяната на данни [9];&lt;br /&gt;
&lt;br /&gt;
* Конструиран е модел за клъстеризация на многомерни данни чрез самоорганизираща се карта (Self-organizing map) [13];&lt;br /&gt;
* Конструиран е модел за прилагане на Data Mining техники при приемането на студенти в електронен университет с цел привличане, анализиране и удовлетворяване на изискванията на кандидат-студентите [14];&lt;br /&gt;
* Предложен е метод за прилагане на Data Mining техники в електронното обучение с цел предвиждане на студентската успеваемост по дадена дисциплина [16]; &lt;br /&gt;
* Предложен е метод за синхронизиране на паралелно протичащи софтуерни процеси [17]; &lt;br /&gt;
* Предложени са метод за проектиране на тестове [18] и метод за проектно-базирано обучение и в Wiki среда [22];&lt;br /&gt;
* Разработен е модел експертна система с база от данни от фрейми с размити оценки на фреймите и хипотезите [19];&lt;br /&gt;
* Предложен е метод за избиране на членовете на студентски отбори по определена дисциплина в електронен университет, базиран на три основни компонента: оценка на приемствеността на студента от другите студенти, оценка на компетентността на студента от другите студенти, оценка на студента от преподавателя [23];&lt;br /&gt;
* Разработен е модел на обектна система бази от данни [24];&lt;br /&gt;
* Представени са програмни реализации за:&lt;br /&gt;
# прогнозиране на едномерни и многомерни масиви от данни, базирани на експериментални резултати чрез изкуствена невронна мрежа [1]; &lt;br /&gt;
# анализ на резултатите от проведени студентски изпити на базата интуиционистки размити оценки, които задават степен на усвоеност на учебния материал [3];&lt;br /&gt;
# Data Mining техника за диагностика при предаването на информационни пакети при Wi-Fi локална мрежа и интуиционистки размити оценки за степента на повреденост при обмяната на данни [9]. &lt;br /&gt;
# оценяване удовлетвореността на преподавателите чрез техниката “дърво на решението” [11].&lt;br /&gt;
# многослоен перцептрон, даващ интуиционистки размити оценки на отговорите от анкетите на студентите за оценяване на преподавателите в електронен университет [12];&lt;br /&gt;
# клъстеризация на многомерни данни чрез самоорганизираща се карта (Self-organizing map) [13].&lt;br /&gt;
&lt;br /&gt;
== Публикации ==&lt;br /&gt;
{| width=&amp;quot;100%&amp;quot; class=&amp;quot;wikitable&amp;quot;&lt;br /&gt;
! width=&amp;quot;5%&amp;quot; | №&lt;br /&gt;
! width=&amp;quot;75%&amp;quot; | Публикация (Автори, Заглавие, Списание, Брой, Номер, Година, Страници)&lt;br /&gt;
! width=&amp;quot;20%&amp;quot; | За&amp;amp;nbsp;сваляне&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 1. &lt;br /&gt;
| Sotirov, S., &#039;&#039;&#039;D. Orozova, E. Sotirova&#039;&#039;&#039;, &#039;&#039;Generalized net model of the process of the prognosis with feedforward neural network&#039;&#039;, Proc. of the XVI-th International Symposium on Electrical Apparatus and Technologies, SIELA 2009, Vol.1, 272-278.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 2.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A.&#039;&#039;&#039;, D. Dimitrakiev, &#039;&#039;&#039;E. Sotirova&#039;&#039;&#039;, M. Krawczak, &#039;&#039;T. Kim,  Towards a Model of the Digital University: Generalized Net Model of a Lecturer’s Evaluation with Intuitionistic Fuzzy Estimations&#039;&#039;, Cybernetics and Information, Vol.9, No 2, 2009, 69-78.&lt;br /&gt;
| {{download-ext|http://www.cit.iit.bas.bg/CIT_09/v9-2/69-78.pdf|PDF|96}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 3.&lt;br /&gt;
| Sotirov, S., &#039;&#039;&#039;D. Orozova, E. Sotirova&#039;&#039;&#039;, &#039;&#039;Neural network for defining intuitionistic fuzzy sets in e-learning&#039;&#039;, Тhirteen Int. Conf. on IFSs, Sofia, NIFS Vol. 15, No. 2, 2009, 33-36.&lt;br /&gt;
| {{download|NIFS-15-2-33-36.pdf|PDF|185}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 4.&lt;br /&gt;
| &#039;&#039;&#039;Орозова, Д.,  Е, Сотирова&#039;&#039;&#039;, &#039;&#039;Моделиране чрез обобщена мрежа на процеса откриване на знания в бази от данни&#039;&#039;, Използване на невронни мрежи и обобщени мрежи за обучение и провеждане на аналитични изследвания, 2009.&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 5. &lt;br /&gt;
| &#039;&#039;&#039;Сотирова, Е.&#039;&#039;&#039;, Л. Димитрова, &#039;&#039;&#039;А. Чакърова, Г. Гордън, Г. Иновска, П. Илиева, Хр. Панайотов, Н. Неделчев, Е. Стоянов&#039;&#039;&#039;, &#039;&#039;Възможности за приложението на технологията Data Mining в електронен университет&#039;&#039;, Годишник на университет “Проф. д-р Асен Златаров” – Бургас, 2009, т. XXXVІII (1), 139-144.&lt;br /&gt;
| {{download-ext|http://www.btu.bg/Godishnik_2009/Tom-1/T1-139.PDF|PDF|160}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 6.&lt;br /&gt;
| &#039;&#039;&#039;Orozova D.&#039;&#039;&#039;, &#039;&#039;&#039;E. Sotirova&#039;&#039;&#039;, P. Chountas, &#039;&#039;Generalized Net Model of the Knowledge Discovery in Medical Databases&#039;&#039;, BIO&amp;lt;sub&amp;gt;AUTOMATION&amp;lt;/sub&amp;gt;, 2009, 13 (4), 281-288.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 7.&lt;br /&gt;
| &#039;&#039;&#039;Sotirova, E., Kr. Dimitrova, R. Papancheva&#039;&#039;&#039;, &#039;&#039;A Generalized Net Model for Analysis of a Student’s evaluations by Data Mining Techniques in the e-learning university&#039;&#039;, Proc. of the Tenth International  Workshop on Generalized Nets, Sofia, 2009, 41—46.&lt;br /&gt;
| {{download|IWGN-2009-41-46.pdf|PDF|153}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 8. &lt;br /&gt;
| &#039;&#039;&#039;Orozova, D., E. Sotirova&#039;&#039;&#039;, &#039;&#039;Generalized net model of the applying data mining tools&#039;&#039;, Proc. of the Tenth International  Workshop on Generalized Nets, Sofia, 2009, 22—26.&lt;br /&gt;
| {{download|IWGN-2009-22-26.pdf|PDF|137}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 9. &lt;br /&gt;
| &#039;&#039;&#039;Vardeva, I.&#039;&#039;&#039;, S. Sotirov, &#039;&#039;Intuitionistic fuzzy estimation of damaged packets with multilayer perceptron&#039;&#039;, Proc. of the Tenth International  Workshop on Generalized Nets, Sofia, 63-69.&lt;br /&gt;
| {{download|IWGN-2009-63-69.pdf|PDF|167}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
|10. &lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., D. Orozova, E. Sotirova&#039;&#039;&#039;, M. Hristova, K. Atanassov, M. Krawczak, P. Melo-Pinto, R. Nikolov, S. Sotirov, T. Kim, &#039;&#039;Towards a Model of the Digital University: A Generalized Net Model for Producing Course Timetables and Subjects’ Quality Estimation&#039;&#039;, Advanced Intelligent Systems / IS From Theory to Practice, Springer, 2010, 373-381.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 11.&lt;br /&gt;
| &#039;&#039;&#039;Sotirova, E., D. Orozova&#039;&#039;&#039;, &#039;&#039;Generalized net model of the phases of the data mining process&#039;&#039;, Developments in Fuzzy Sets, Intuitionistic Fuzzy Sets, Generalized Nets and Related Topics. Foundation and Applications, Warsaw, Poland, 2010, 247-260.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 12.&lt;br /&gt;
| Sotirov, S., &#039;&#039;&#039;E. Sotirova&#039;&#039;&#039;, M. Krawczak, &#039;&#039;Application of data mining in digital university: multilayer perceptron for lecturer’s evaluation with intuitionistic fuzzy estimations&#039;&#039;, Issues in Intuitionistic Fuzzy Sets and Generalized Nets, Vol. 8, Warsaw, Poland, 2010, 102-107.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 13.&lt;br /&gt;
| &#039;&#039;&#039;Sotirova, E., T. Petkov, S. Surchev&#039;&#039;&#039;, M. Krawczak, &#039;&#039;Generalized net model of Clustering with Self Organizing Map&#039;&#039;, Developments in Fuzzy Sets, Intuitionistic Fuzzy Sets, Generalized Nets and Related Topics. Foundations and Applications Warsaw, Poland, 2011, 239-244.&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 14.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., E. Sotirova, D. Orozova&#039;&#039;&#039;, &#039;&#039;Generalized net model of Using data mining techniques for process of undergraduate matriculation in а digital university&#039;&#039;, Proc. of the Eleven International Workshop on Generalized Nets and Second Int. Workshop on GNs, IFSs, KE London, 2010, 1-6.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 15.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., E. Sotirova&#039;&#039;&#039;, M. Hristova, T. Kim, &#039;&#039;Generalized Net Model of a Student’s Course Evaluation with Intuitionistic Fuzzy Estimations in a Digital University&#039;&#039;, Jangjeon Mathematical Society, 13 (2010), No 1, 31-38.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 16.&lt;br /&gt;
| &#039;&#039;&#039;Орозова, Д.&#039;&#039;&#039;,  &#039;&#039;&#039;Е. Сотирова&#039;&#039;&#039;, &#039;&#039;Прилагане на data mining техники в електронното обучение&#039;&#039;, Научна конференция с международно участие “Предизвикателства пред висшето образование и научните изследвания в условията на криза”, 25-26 юни 2010, Бургас &lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 17.&lt;br /&gt;
| &#039;&#039;&#039;Tcheshmedjiev, P.&#039;&#039;&#039;, &#039;&#039;Synchronizing parallel processes using generalized nets&#039;&#039;, Issues in Intuitionistic Fuzzy Sets and Generalized Nets, Vol. 8, Warsaw, Poland, 2010, 84-90.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 18.&lt;br /&gt;
| &#039;&#039;&#039;Atanassova, V.&#039;&#039;&#039;, &#039;&#039;Design of training tests on generalized nets&#039;&#039;, Intelligent Systems (IS), 2010 5th IEEE International Conference, 7-9 July 2010, 327 – 330.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 19.&lt;br /&gt;
| Atanassov, Kr., &#039;&#039;&#039;E. Sotirova, D. Orozova&#039;&#039;&#039;, &#039;&#039;Generalized Net Model of an Intuitionistic Fuzzy Expert System with Frame-Type Data Bases and Different Forms of Hypotheses Estimations&#039;&#039;, Годишник на БСУ, Том XXI, 2010&lt;br /&gt;
| &lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 20. &lt;br /&gt;
| &#039;&#039;&#039;Атанасова, В.&#039;&#039;&#039;, &#039;&#039;Уики технологии в помощ на науката. Примерът с Ifigenia.org&#039;&#039;, 8&amp;lt;sup&amp;gt;-ма&amp;lt;/sup&amp;gt; Национална младежка научно-практическа сесия на ФНТС, 10-11 май 2010. &lt;br /&gt;
| {{download|FNTS-2010-Atanassova.pdf|PDF|280}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 21.&lt;br /&gt;
| &#039;&#039;&#039;Atanassova, V.&#039;&#039;&#039;, &#039;&#039;Utilizing the Model Graphic Structures when Teaching Generalized Nets&#039;&#039;, Proc. of 9th IWIFSGN 2010, 8 October 2010, Warsaw, Poland&lt;br /&gt;
| &lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 22.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., E. Sotirova&#039;&#039;&#039;, Kr. Atanassov, M. Krawczak, P. Melo-Pinto, S. Sotirov, St. Hadjitodorov, T. Kim, &#039;&#039;Generalized net model of process of the administration servicing in a digital university with intuitionistic fuzzy estimations&#039;&#039;, The Fourteenth ICIFS, Sofia, 2010, 51—56.&lt;br /&gt;
| {{download|NIFS-16-2-50-56.pdf|PDF|158}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 23. &lt;br /&gt;
| &#039;&#039;&#039;Атанасова, В., Д. Орозова&#039;&#039;&#039;, &#039;&#039;Проектно-базирано обучение по бази от данни в Wiki среда&#039;&#039;, Сборник от конф. &amp;quot;Взаимодействието теория—практика&amp;quot;, Бургас, 24-25 юни 2011.&lt;br /&gt;
| (под печат)&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 24.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A.,&#039;&#039;&#039;, E. Szmidt, &#039;&#039;&#039;E. Sotirova&#039;&#039;&#039;,J. Kacprzyk, Kr. Atanassov, T. Kim, &#039;&#039;Intuitionistic fuzzy estimations of students&#039; team forming&#039;&#039;, Issues in Intuitionistic Fuzzy Sets and Generalized Nets, Vol. 9 (2011), 77-83.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
&lt;br /&gt;
| 25.&lt;br /&gt;
| &#039;&#039;&#039;Atanassova, V.&#039;&#039;&#039;, Marinova, M., &#039;&#039;Designing a Lecture Course on Wikipedia and Wiki Technologies&#039;&#039;, Wikimania&#039;2011, Haifa, Israel, 4-7 August 2011.&lt;br /&gt;
| {{download-ext|http://upload.wikimedia.org/wikipedia/commons/3/30/Wikimania_2011-_Lessons_Learned_from_the_Lessons_Taught_-_Atanassova%2C_Marinova.pdf|PDF|3370}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 26.&lt;br /&gt;
| &#039;&#039;&#039;Atanassova, V.&#039;&#039;&#039;, Marinova, M., &#039;&#039;Lessons Learned from the Lessons Taught&#039;&#039;, Wikimania&#039;2011, Haifa, Israel, 4-7 August 2011.&lt;br /&gt;
| {{download-ext|http://upload.wikimedia.org/wikipedia/commons/a/a7/Wikimania_2011-_Designing_a_Lecture_Course_on_Wikipedia_and_Wiki_Technologies_-_Atanassova%2C_Marinova.pdf|PDF|1870}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
|}&lt;/div&gt;</summary>
		<author><name>Evdokia Sotirova</name></author>
	</entry>
	<entry>
		<id>https://ifigenia.org/index.php?title=Project:DMEU/%D0%9D%D0%B0%D1%83%D1%87%D0%BD%D0%B8_%D1%80%D0%B5%D0%B7%D1%83%D0%BB%D1%82%D0%B0%D1%82%D0%B8&amp;diff=5916</id>
		<title>Project:DMEU/Научни резултати</title>
		<link rel="alternate" type="text/html" href="https://ifigenia.org/index.php?title=Project:DMEU/%D0%9D%D0%B0%D1%83%D1%87%D0%BD%D0%B8_%D1%80%D0%B5%D0%B7%D1%83%D0%BB%D1%82%D0%B0%D1%82%D0%B8&amp;diff=5916"/>
		<updated>2011-11-30T17:41:59Z</updated>

		<summary type="html">&lt;p&gt;Evdokia Sotirova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{Project:DMEU/menu}}&lt;br /&gt;
__NOTOC__&lt;br /&gt;
== Постижения по проекта ==&lt;br /&gt;
* Предложен  е метод за оценяване на преподавателите в електронен университет, базиран на три основни компонента: резултати от студентските изпити, оценка от анкети на студентите, научна работа на преподавателя [2]; &lt;br /&gt;
* Предложен е метод оценяване на качеството на графика на учебните занятия  [10]; &lt;br /&gt;
* Предложен е метод за изчисляване на интуиционистки размити оценки на отговорите от анкетите на студентите за преподавателите   чрез многослоен перцептрон, които са част от общата оценка на преподавателя в електронен университет [12];&lt;br /&gt;
* Анализирани са резултатите от проведени студентски изпити на базата интуиционистки размити оценки, които задават степен на усвоеност на учебния материал [3];&lt;br /&gt;
* Приложена е Data Mining техника за диагностика при предаването на информационни пакети при Wi-Fi локална мрежа и интуиционистки размити оценки за степента на повреденост при обмяната на данни [9];&lt;br /&gt;
&lt;br /&gt;
* Конструиран е модел за клъстеризация на многомерни данни чрез самоорганизираща се карта (Self-organizing map) [13];&lt;br /&gt;
* Конструиран е модел за прилагане на Data Mining техники при приемането на студенти в електронен университет с цел привличане, анализиране и удовлетворяване на изискванията на кандидат-студентите [14];&lt;br /&gt;
* Предложен е метод за прилагане на Data Mining техники в електронното обучение с цел предвиждане на студентската успеваемост по дадена дисциплина [16]; &lt;br /&gt;
* Предложен е метод за синхронизиране на паралелно протичащи софтуерни процеси [17]; &lt;br /&gt;
* Предложени са метод за проектиране на тестове [18] и метод за проектно-базирано обучение и в Wiki среда [22];&lt;br /&gt;
* Разработен е модел експертна система с база от данни от фрейми с размити оценки на фреймите и хипотезите [19];&lt;br /&gt;
* Предложен е метод за избиране на членовете на студентски отбори по определена дисциплина в електронен университет, базиран на три основни компонента: оценка на приемствеността на студента от другите студенти, оценка на компетентността на студента от другите студенти, оценка на студента от преподавателя [23];&lt;br /&gt;
* Разработен е модел на обектна система бази от данни [24];&lt;br /&gt;
* Представени са програмни реализации за:&lt;br /&gt;
# прогнозиране на едномерни и многомерни масиви от данни, базирани на експериментални резултати чрез изкуствена невронна мрежа [1]; &lt;br /&gt;
# анализ на резултатите от проведени студентски изпити на базата интуиционистки размити оценки, които задават степен на усвоеност на учебния материал [3];&lt;br /&gt;
# Data Mining техника за диагностика при предаването на информационни пакети при Wi-Fi локална мрежа и интуиционистки размити оценки за степента на повреденост при обмяната на данни [9]. &lt;br /&gt;
# оценяване удовлетвореността на преподавателите чрез техниката “дърво на решението” [11].&lt;br /&gt;
# многослоен перцептрон, даващ интуиционистки размити оценки на отговорите от анкетите на студентите за оценяване на преподавателите в електронен университет [12];&lt;br /&gt;
# клъстеризация на многомерни данни чрез самоорганизираща се карта (Self-organizing map) [13].&lt;br /&gt;
&lt;br /&gt;
== Публикации ==&lt;br /&gt;
{| width=&amp;quot;100%&amp;quot; class=&amp;quot;wikitable&amp;quot;&lt;br /&gt;
! width=&amp;quot;5%&amp;quot; | №&lt;br /&gt;
! width=&amp;quot;75%&amp;quot; | Публикация (Автори, Заглавие, Списание, Брой, Номер, Година, Страници)&lt;br /&gt;
! width=&amp;quot;20%&amp;quot; | За&amp;amp;nbsp;сваляне&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 1. &lt;br /&gt;
| Sotirov, S., &#039;&#039;&#039;D. Orozova, E. Sotirova&#039;&#039;&#039;, &#039;&#039;Generalized net model of the process of the prognosis with feedforward neural network&#039;&#039;, Proc. of the XVI-th International Symposium on Electrical Apparatus and Technologies, SIELA 2009, Vol.1, 272-278.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 2.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A.&#039;&#039;&#039;, D. Dimitrakiev, &#039;&#039;&#039;E. Sotirova&#039;&#039;&#039;, M. Krawczak, &#039;&#039;T. Kim,  Towards a Model of the Digital University: Generalized Net Model of a Lecturer’s Evaluation with Intuitionistic Fuzzy Estimations&#039;&#039;, Cybernetics and Information, Vol.9, No 2, 2009, 69-78.&lt;br /&gt;
| {{download-ext|http://www.cit.iit.bas.bg/CIT_09/v9-2/69-78.pdf|PDF|96}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 3.&lt;br /&gt;
| Sotirov, S., &#039;&#039;&#039;D. Orozova, E. Sotirova&#039;&#039;&#039;, &#039;&#039;Neural network for defining intuitionistic fuzzy sets in e-learning&#039;&#039;, Тhirteen Int. Conf. on IFSs, Sofia, NIFS Vol. 15, No. 2, 2009, 33-36.&lt;br /&gt;
| {{download|NIFS-15-2-33-36.pdf|PDF|185}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 4.&lt;br /&gt;
| &#039;&#039;&#039;Орозова, Д.,  Е, Сотирова&#039;&#039;&#039;, &#039;&#039;Моделиране чрез обобщена мрежа на процеса откриване на знания в бази от данни&#039;&#039;, Използване на невронни мрежи и обобщени мрежи за обучение и провеждане на аналитични изследвания, 2009.&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 5. &lt;br /&gt;
| &#039;&#039;&#039;Сотирова, Е.&#039;&#039;&#039;, Л. Димитрова, &#039;&#039;&#039;А. Чакърова, Г. Гордън, Г. Иновска, П. Илиева, Хр. Панайотов, Н. Неделчев, Е. Стоянов&#039;&#039;&#039;, &#039;&#039;Възможности за приложението на технологията Data Mining в електронен университет&#039;&#039;, Годишник на университет “Проф. д-р Асен Златаров” – Бургас, 2009, т. XXXVІII (1), 139-144.&lt;br /&gt;
| {{download-ext|http://www.btu.bg/Godishnik_2009/Tom-1/T1-139.PDF|PDF|160}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 6.&lt;br /&gt;
| &#039;&#039;&#039;Orozova D.&#039;&#039;&#039;, &#039;&#039;&#039;E. Sotirova&#039;&#039;&#039;, P. Chountas, &#039;&#039;Generalized Net Model of the Knowledge Discovery in Medical Databases&#039;&#039;, BIO&amp;lt;sub&amp;gt;AUTOMATION&amp;lt;/sub&amp;gt;, 2009, 13 (4), 281-288.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 7.&lt;br /&gt;
| &#039;&#039;&#039;Sotirova, E., Kr. Dimitrova, R. Papancheva&#039;&#039;&#039;, &#039;&#039;A Generalized Net Model for Analysis of a Student’s evaluations by Data Mining Techniques in the e-learning university&#039;&#039;, Proc. of the Tenth International  Workshop on Generalized Nets, Sofia, 2009, 41—46.&lt;br /&gt;
| {{download|IWGN-2009-41-46.pdf|PDF|153}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 8. &lt;br /&gt;
| &#039;&#039;&#039;Orozova, D., E. Sotirova&#039;&#039;&#039;, &#039;&#039;Generalized net model of the applying data mining tools&#039;&#039;, Proc. of the Tenth International  Workshop on Generalized Nets, Sofia, 2009, 22—26.&lt;br /&gt;
| {{download|IWGN-2009-22-26.pdf|PDF|137}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 9. &lt;br /&gt;
| &#039;&#039;&#039;Vardeva, I.&#039;&#039;&#039;, S. Sotirov, &#039;&#039;Intuitionistic fuzzy estimation of damaged packets with multilayer perceptron&#039;&#039;, Proc. of the Tenth International  Workshop on Generalized Nets, Sofia, 63-69.&lt;br /&gt;
| {{download|IWGN-2009-63-69.pdf|PDF|167}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
|10. &lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., D. Orozova, E. Sotirova&#039;&#039;&#039;, M. Hristova, K. Atanassov, M. Krawczak, P. Melo-Pinto, R. Nikolov, S. Sotirov, T. Kim, &#039;&#039;Towards a Model of the Digital University: A Generalized Net Model for Producing Course Timetables and Subjects’ Quality Estimation&#039;&#039;, Advanced Intelligent Systems / IS From Theory to Practice, Springer, 2010, 373-381.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 11.&lt;br /&gt;
| &#039;&#039;&#039;Sotirova, E., D. Orozova&#039;&#039;&#039;, &#039;&#039;Generalized net model of the phases of the data mining process&#039;&#039;, Developments in Fuzzy Sets, Intuitionistic Fuzzy Sets, Generalized Nets and Related Topics. Foundation and Applications, Warsaw, Poland, 2010, 247-260.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 12.&lt;br /&gt;
| Sotirov, S., &#039;&#039;&#039;E. Sotirova&#039;&#039;&#039;, M. Krawczak, &#039;&#039;Application of data mining in digital university: multilayer perceptron for lecturer’s evaluation with intuitionistic fuzzy estimations&#039;&#039;, Issues in Intuitionistic Fuzzy Sets and Generalized Nets, Vol. 8, Warsaw, Poland, 2010, 102-107.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 13.&lt;br /&gt;
| &#039;&#039;&#039;Sotirova, E., T. Petkov, S. Surchev&#039;&#039;&#039;, M. Krawczak, &#039;&#039;Generalized net model of Clustering with Self Organizing Map&#039;&#039;, Developments in Fuzzy Sets, Intuitionistic Fuzzy Sets, Generalized Nets and Related Topics. Foundations and Applications Warsaw, Poland, 2011, 239-244.&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 14.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., E. Sotirova, D. Orozova&#039;&#039;&#039;, &#039;&#039;Generalized net model of Using data mining techniques for process of undergraduate matriculation in а digital university&#039;&#039;, Proc. of the Eleven International Workshop on Generalized Nets and Second Int. Workshop on GNs, IFSs, KE London, 2010, 1-6.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 15.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., E. Sotirova&#039;&#039;&#039;, M. Hristova, T. Kim, &#039;&#039;Generalized Net Model of a Student’s Course Evaluation with Intuitionistic Fuzzy Estimations in a Digital University&#039;&#039;, Jangjeon Mathematical Society, 13 (2010), No 1, 31-38.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 16.&lt;br /&gt;
| &#039;&#039;&#039;Орозова, Д.&#039;&#039;&#039;,  &#039;&#039;&#039;Е. Сотирова&#039;&#039;&#039;, &#039;&#039;Прилагане на data mining техники в електронното обучение&#039;&#039;, Научна конференция с международно участие “Предизвикателства пред висшето образование и научните изследвания в условията на криза”, 25-26 юни 2010, Бургас &lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 17.&lt;br /&gt;
| &#039;&#039;&#039;Tcheshmedjiev, P.&#039;&#039;&#039;, &#039;&#039;Synchronizing parallel processes using generalized nets&#039;&#039;, Issues in Intuitionistic Fuzzy Sets and Generalized Nets, Vol. 8, Warsaw, Poland, 2010, 84-90.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 18.&lt;br /&gt;
| &#039;&#039;&#039;Atanassova, V.&#039;&#039;&#039;, &#039;&#039;Design of training tests on generalized nets&#039;&#039;, Intelligent Systems (IS), 2010 5th IEEE International Conference, 7-9 July 2010, 327 – 330.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 19.&lt;br /&gt;
| Atanassov, Kr., &#039;&#039;&#039;E. Sotirova, D. Orozova&#039;&#039;&#039;, &#039;&#039;Generalized Net Model of an Intuitionistic Fuzzy Expert System with Frame-Type Data Bases and Different Forms of Hypotheses Estimations&#039;&#039;, Годишник на БСУ, Том XXI, 2010&lt;br /&gt;
| &lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 20. &lt;br /&gt;
| &#039;&#039;&#039;Атанасова, В.&#039;&#039;&#039;, &#039;&#039;Уики технологии в помощ на науката. Примерът с Ifigenia.org&#039;&#039;, 8&amp;lt;sup&amp;gt;-ма&amp;lt;/sup&amp;gt; Национална младежка научно-практическа сесия на ФНТС, 10-11 май 2010. &lt;br /&gt;
| {{download|FNTS-2010-Atanassova.pdf|PDF|280}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 21.&lt;br /&gt;
| &#039;&#039;&#039;Atanassova, V.&#039;&#039;&#039;, &#039;&#039;Utilizing the Model Graphic Structures when Teaching Generalized Nets&#039;&#039;, Proc. of 9th IWIFSGN 2010, 8 October 2010, Warsaw, Poland&lt;br /&gt;
| &lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 22.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., E. Sotirova&#039;&#039;&#039;, Kr. Atanassov, M. Krawczak, P. Melo-Pinto, S. Sotirov, St. Hadjitodorov, T. Kim, &#039;&#039;Generalized net model of process of the administration servicing in a digital university with intuitionistic fuzzy estimations&#039;&#039;, The Fourteenth ICIFS, Sofia, 2010, 51—56.&lt;br /&gt;
| {{download|NIFS-16-2-50-56.pdf|PDF|158}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 23. &lt;br /&gt;
| &#039;&#039;&#039;Атанасова, В., Д. Орозова&#039;&#039;&#039;, &#039;&#039;Проектно-базирано обучение по бази от данни в Wiki среда&#039;&#039;, Сборник от конф. &amp;quot;Взаимодействието теория—практика&amp;quot;, Бургас, 24-25 юни 2011.&lt;br /&gt;
| (под печат)&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 24.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., E Sotirova&#039;&#039;&#039;, E. Szmidt, T. Kim, &#039;&#039;Intuitionistic fuzzy estimations of students&#039; team forming&#039;&#039;, Issues in Intuitionistic Fuzzy Sets and Generalized Nets, Vol. 9 (2011), 77-83.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
&lt;br /&gt;
| 25.&lt;br /&gt;
| &#039;&#039;&#039;Atanassova, V.&#039;&#039;&#039;, Marinova, M., &#039;&#039;Designing a Lecture Course on Wikipedia and Wiki Technologies&#039;&#039;, Wikimania&#039;2011, Haifa, Israel, 4-7 August 2011.&lt;br /&gt;
| {{download-ext|http://upload.wikimedia.org/wikipedia/commons/3/30/Wikimania_2011-_Lessons_Learned_from_the_Lessons_Taught_-_Atanassova%2C_Marinova.pdf|PDF|3370}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 26.&lt;br /&gt;
| &#039;&#039;&#039;Atanassova, V.&#039;&#039;&#039;, Marinova, M., &#039;&#039;Lessons Learned from the Lessons Taught&#039;&#039;, Wikimania&#039;2011, Haifa, Israel, 4-7 August 2011.&lt;br /&gt;
| {{download-ext|http://upload.wikimedia.org/wikipedia/commons/a/a7/Wikimania_2011-_Designing_a_Lecture_Course_on_Wikipedia_and_Wiki_Technologies_-_Atanassova%2C_Marinova.pdf|PDF|1870}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
|}&lt;/div&gt;</summary>
		<author><name>Evdokia Sotirova</name></author>
	</entry>
	<entry>
		<id>https://ifigenia.org/index.php?title=Project:DMEU/%D0%9D%D0%B0%D1%83%D1%87%D0%BD%D0%B8_%D1%80%D0%B5%D0%B7%D1%83%D0%BB%D1%82%D0%B0%D1%82%D0%B8&amp;diff=5894</id>
		<title>Project:DMEU/Научни резултати</title>
		<link rel="alternate" type="text/html" href="https://ifigenia.org/index.php?title=Project:DMEU/%D0%9D%D0%B0%D1%83%D1%87%D0%BD%D0%B8_%D1%80%D0%B5%D0%B7%D1%83%D0%BB%D1%82%D0%B0%D1%82%D0%B8&amp;diff=5894"/>
		<updated>2011-11-16T19:15:09Z</updated>

		<summary type="html">&lt;p&gt;Evdokia Sotirova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{Project:DMEU/menu}}&lt;br /&gt;
__NOTOC__&lt;br /&gt;
== Постижения по проекта ==&lt;br /&gt;
* Предложен  е метод за оценяване на преподавателите в електронен университет, базиран на три основни компонента: резултати от студентските изпити, оценка от анкети на студентите, научна работа на преподавателя [2]; &lt;br /&gt;
* Предложен е метод оценяване на качеството на графика на учебните занятия  [10]; &lt;br /&gt;
* Предложен е метод за изчисляване на интуиционистки размити оценки на отговорите от анкетите на студентите за преподавателите   чрез многослоен перцептрон, които са част от общата оценка на преподавателя в електронен университет [12];&lt;br /&gt;
* Анализирани са резултатите от проведени студентски изпити на базата интуиционистки размити оценки, които задават степен на усвоеност на учебния материал [3];&lt;br /&gt;
* Приложена е Data Mining техника за диагностика при предаването на информационни пакети при Wi-Fi локална мрежа и интуиционистки размити оценки за степента на повреденост при обмяната на данни [9];&lt;br /&gt;
&lt;br /&gt;
* Конструиран е модел за клъстеризация на многомерни данни чрез самоорганизираща се карта (Self-organizing map) [13];&lt;br /&gt;
* Конструиран е модел за прилагане на Data Mining техники при приемането на студенти в електронен университет с цел привличане, анализиране и удовлетворяване на изискванията на кандидат-студентите [14];&lt;br /&gt;
* Предложен е метод за прилагане на Data Mining техники в електронното обучение с цел предвиждане на студентската успеваемост по дадена дисциплина [16]; &lt;br /&gt;
* Предложен е метод за синхронизиране на паралелно протичащи софтуерни процеси [17]; &lt;br /&gt;
* Предложени са метод за проектиране на тестове [18] и метод за проектно-базирано обучение и в Wiki среда [22];&lt;br /&gt;
* Разработен е модел експертна система с база от данни от фрейми с размити оценки на фреймите и хипотезите [19];&lt;br /&gt;
* Предложен е метод за избиране на членовете на студентски отбори по определена дисциплина в електронен университет, базиран на три основни компонента: оценка на приемствеността на студента от другите студенти, оценка на компетентността на студента от другите студенти, оценка на студента от преподавателя [23];&lt;br /&gt;
* Разработен е модел на обектна система бази от данни [24];&lt;br /&gt;
* Представени са програмни реализации за:&lt;br /&gt;
# прогнозиране на едномерни и многомерни масиви от данни, базирани на експериментални резултати чрез изкуствена невронна мрежа [1]; &lt;br /&gt;
# анализ на резултатите от проведени студентски изпити на базата интуиционистки размити оценки, които задават степен на усвоеност на учебния материал [3];&lt;br /&gt;
# Data Mining техника за диагностика при предаването на информационни пакети при Wi-Fi локална мрежа и интуиционистки размити оценки за степента на повреденост при обмяната на данни [9]. &lt;br /&gt;
# оценяване удовлетвореността на преподавателите чрез техниката “дърво на решението” [11].&lt;br /&gt;
# многослоен перцептрон, даващ интуиционистки размити оценки на отговорите от анкетите на студентите за оценяване на преподавателите в електронен университет [12];&lt;br /&gt;
# клъстеризация на многомерни данни чрез самоорганизираща се карта (Self-organizing map) [13].&lt;br /&gt;
&lt;br /&gt;
== Публикации ==&lt;br /&gt;
{| width=&amp;quot;100%&amp;quot; class=&amp;quot;wikitable&amp;quot;&lt;br /&gt;
! width=&amp;quot;5%&amp;quot; | №&lt;br /&gt;
! width=&amp;quot;75%&amp;quot; | Публикация (Автори, Заглавие, Списание, Брой, Номер, Година, Страници)&lt;br /&gt;
! width=&amp;quot;20%&amp;quot; | За&amp;amp;nbsp;сваляне&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 1. &lt;br /&gt;
| Sotirov, S., &#039;&#039;&#039;D. Orozova, E. Sotirova&#039;&#039;&#039;, &#039;&#039;Generalized net model of the process of the prognosis with feedforward neural network&#039;&#039;, Proc. of the XVI-th International Symposium on Electrical Apparatus and Technologies, SIELA 2009, Vol.1, 272-278.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 2.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A.&#039;&#039;&#039;, D. Dimitrakiev, &#039;&#039;&#039;E. Sotirova&#039;&#039;&#039;, M. Krawczak, &#039;&#039;T. Kim,  Towards a Model of the Digital University: Generalized Net Model of a Lecturer’s Evaluation with Intuitionistic Fuzzy Estimations&#039;&#039;, Cybernetics and Information, Vol.9, No 2, 2009, 69-78.&lt;br /&gt;
| {{download-ext|http://www.cit.iit.bas.bg/CIT_09/v9-2/69-78.pdf|PDF|96}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 3.&lt;br /&gt;
| Sotirov, S., &#039;&#039;&#039;D. Orozova, E. Sotirova&#039;&#039;&#039;, &#039;&#039;Neural network for defining intuitionistic fuzzy sets in e-learning&#039;&#039;, Тhirteen Int. Conf. on IFSs, Sofia, NIFS Vol. 15, No. 2, 2009, 33-36.&lt;br /&gt;
| {{download|NIFS-15-2-33-36.pdf|PDF|185}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 4.&lt;br /&gt;
| &#039;&#039;&#039;Орозова, Д.,  Е, Сотирова&#039;&#039;&#039;, &#039;&#039;Моделиране чрез обобщена мрежа на процеса откриване на знания в бази от данни&#039;&#039;, Използване на невронни мрежи и обобщени мрежи за обучение и провеждане на аналитични изследвания, 2009.&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 5. &lt;br /&gt;
| &#039;&#039;&#039;Сотирова, Е.&#039;&#039;&#039;, Л. Димитрова, &#039;&#039;&#039;А. Чакърова, Г. Гордън, Г. Иновска, П. Илиева, Хр. Панайотов, Н. Неделчев, Е. Стоянов&#039;&#039;&#039;, &#039;&#039;Възможности за приложението на технологията Data Mining в електронен университет&#039;&#039;, Годишник на университет “Проф. д-р Асен Златаров” – Бургас, 2009, т. XXXVІII (1), 139-144.&lt;br /&gt;
| {{download-ext|http://www.btu.bg/Godishnik_2009/Tom-1/T1-139.PDF|PDF|160}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 6.&lt;br /&gt;
| &#039;&#039;&#039;Orozova D.&#039;&#039;&#039;, &#039;&#039;&#039;E. Sotirova&#039;&#039;&#039;, P. Chountas, &#039;&#039;Generalized Net Model of the Knowledge Discovery in Medical Databases&#039;&#039;, BIO&amp;lt;sub&amp;gt;AUTOMATION&amp;lt;/sub&amp;gt;, 2009, 13 (4), 281-288.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 7.&lt;br /&gt;
| &#039;&#039;&#039;Sotirova, E., Kr. Dimitrova, R. Papancheva&#039;&#039;&#039;, &#039;&#039;A Generalized Net Model for Analysis of a Student’s evaluations by Data Mining Techniques in the e-learning university&#039;&#039;, Proc. of the Tenth International  Workshop on Generalized Nets, Sofia, 2009, 41—46.&lt;br /&gt;
| {{download|IWGN-2009-41-46.pdf|PDF|153}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 8. &lt;br /&gt;
| &#039;&#039;&#039;Orozova, D., E. Sotirova&#039;&#039;&#039;, &#039;&#039;Generalized net model of the applying data mining tools&#039;&#039;, Proc. of the Tenth International  Workshop on Generalized Nets, Sofia, 2009, 22—26.&lt;br /&gt;
| {{download|IWGN-2009-22-26.pdf|PDF|137}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 9. &lt;br /&gt;
| &#039;&#039;&#039;Vardeva, I.&#039;&#039;&#039;, S. Sotirov, &#039;&#039;Intuitionistic fuzzy estimation of damaged packets with multilayer perceptron&#039;&#039;, Proc. of the Tenth International  Workshop on Generalized Nets, Sofia, 63-69.&lt;br /&gt;
| {{download|IWGN-2009-63-69.pdf|PDF|167}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
|10. &lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., D. Orozova, E. Sotirova&#039;&#039;&#039;, M. Hristova, K. Atanassov, M. Krawczak, P. Melo-Pinto, R. Nikolov, S. Sotirov, T. Kim, &#039;&#039;Towards a Model of the Digital University: A Generalized Net Model for Producing Course Timetables and Subjects’ Quality Estimation&#039;&#039;, Advanced Intelligent Systems / IS From Theory to Practice, Springer, 2010, 373-381.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 11.&lt;br /&gt;
| &#039;&#039;&#039;Sotirova, E., D. Orozova&#039;&#039;&#039;, &#039;&#039;Generalized net model of the phases of the data mining process&#039;&#039;, Developments in Fuzzy Sets, Intuitionistic Fuzzy Sets, Generalized Nets and Related Topics. Foundation and Applications, Warsaw, Poland, 2010, 247-260.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 12.&lt;br /&gt;
| Sotirov, S., &#039;&#039;&#039;E. Sotirova&#039;&#039;&#039;, M. Krawczak, &#039;&#039;Application of data mining in digital university: multilayer perceptron for lecturer’s evaluation with intuitionistic fuzzy estimations&#039;&#039;, Issues in Intuitionistic Fuzzy Sets and Generalized Nets, Vol. 8, Warsaw, Poland, 2010, 102-107.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 13.&lt;br /&gt;
| &#039;&#039;&#039;Sotirova, E., T. Petkov, S. Surchev&#039;&#039;&#039;, M. Krawczak, &#039;&#039;Generalized net model of Clustering with Self Organizing Map&#039;&#039;, Developments in Fuzzy Sets, Intuitionistic Fuzzy Sets, Generalized Nets and Related Topics. Foundations and Applications Warsaw, Poland.&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 14.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., E. Sotirova, D. Orozova&#039;&#039;&#039;, &#039;&#039;Generalized net model of Using data mining techniques for process of undergraduate matriculation in а digital university&#039;&#039;, Proc. of the Eleven International Workshop on Generalized Nets and Second Int. Workshop on GNs, IFSs, KE London, 2010, 1-6.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 15.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., E. Sotirova&#039;&#039;&#039;, M. Hristova, T. Kim, &#039;&#039;Generalized Net Model of a Student’s Course Evaluation with Intuitionistic Fuzzy Estimations in a Digital University&#039;&#039;, Jangjeon Mathematical Society, 13 (2010), No 1, 31-38.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 16.&lt;br /&gt;
| &#039;&#039;&#039;Орозова, Д.&#039;&#039;&#039;,  &#039;&#039;&#039;Е. Сотирова&#039;&#039;&#039;, &#039;&#039;Прилагане на data mining техники в електронното обучение&#039;&#039;, Научна конференция с международно участие “Предизвикателства пред висшето образование и научните изследвания в условията на криза”, 25-26 юни 2010, Бургас &lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 17.&lt;br /&gt;
| &#039;&#039;&#039;Tcheshmedjiev, P.&#039;&#039;&#039;, &#039;&#039;Synchronizing parallel processes using generalized nets&#039;&#039;, Issues in Intuitionistic Fuzzy Sets and Generalized Nets, Vol. 8, Warsaw, Poland, 2010, 84-90.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 18.&lt;br /&gt;
| &#039;&#039;&#039;Atanassova, V.&#039;&#039;&#039;, &#039;&#039;Design of training tests on generalized nets&#039;&#039;, Intelligent Systems (IS), 2010 5th IEEE International Conference, 7-9 July 2010, 327 – 330.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 19.&lt;br /&gt;
| Atanassov, Kr., &#039;&#039;&#039;E. Sotirova, D. Orozova&#039;&#039;&#039;, &#039;&#039;Generalized Net Model of an Intuitionistic Fuzzy Expert System with Frame-Type Data Bases and Different Forms of Hypotheses Estimations&#039;&#039;, Годишник на БСУ, Том XXI, 2010&lt;br /&gt;
| &lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 20. &lt;br /&gt;
| &#039;&#039;&#039;Атанасова, В.&#039;&#039;&#039;, &#039;&#039;Уики технологии в помощ на науката. Примерът с Ifigenia.org&#039;&#039;, 8&amp;lt;sup&amp;gt;-ма&amp;lt;/sup&amp;gt; Национална младежка научно-практическа сесия на ФНТС, 10-11 май 2010. &lt;br /&gt;
| {{download|FNTS-2010-Atanassova.pdf|PDF|280}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 21.&lt;br /&gt;
| &#039;&#039;&#039;Atanassova, V.&#039;&#039;&#039;, &#039;&#039;Utilizing the Model Graphic Structures when Teaching Generalized Nets&#039;&#039;, Proc. of 9th IWIFSGN 2010, 8 October 2010, Warsaw, Poland&lt;br /&gt;
| &lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 22.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., E. Sotirova&#039;&#039;&#039;, Kr. Atanassov, M. Krawczak, P. Melo-Pinto, S. Sotirov, St. Hadjitodorov, T. Kim, &#039;&#039;Generalized net model of process of the administration servicing in a digital university with intuitionistic fuzzy estimations&#039;&#039;, The Fourteenth ICIFS, Sofia, 2010, 51—56.&lt;br /&gt;
| {{download|NIFS-16-2-50-56.pdf|PDF|158}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 23. &lt;br /&gt;
| &#039;&#039;&#039;Атанасова, В., Д. Орозова&#039;&#039;&#039;, &#039;&#039;Проектно-базирано обучение по бази от данни в Wiki среда&#039;&#039;, Сборник от конф. &amp;quot;Взаимодействието теория—практика&amp;quot;, Бургас, 24-25 юни 2011.&lt;br /&gt;
| (под печат)&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 24.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., E Sotirova&#039;&#039;&#039;, E. Szmidt, T. Kim, &#039;&#039;Intuitionistic fuzzy estimations of students&#039; team forming&#039;&#039;, Issues in Intuitionistic Fuzzy Sets and Generalized Nets, Vol. 9 (2011), 77-83.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
&lt;br /&gt;
| 25.&lt;br /&gt;
| &#039;&#039;&#039;Atanassova, V.&#039;&#039;&#039;, Marinova, M., &#039;&#039;Designing a Lecture Course on Wikipedia and Wiki Technologies&#039;&#039;, Wikimania&#039;2011, Haifa, Israel, 4-7 August 2011.&lt;br /&gt;
| {{download-ext|http://upload.wikimedia.org/wikipedia/commons/3/30/Wikimania_2011-_Lessons_Learned_from_the_Lessons_Taught_-_Atanassova%2C_Marinova.pdf|PDF|3370}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 26.&lt;br /&gt;
| &#039;&#039;&#039;Atanassova, V.&#039;&#039;&#039;, Marinova, M., &#039;&#039;Lessons Learned from the Lessons Taught&#039;&#039;, Wikimania&#039;2011, Haifa, Israel, 4-7 August 2011.&lt;br /&gt;
| {{download-ext|http://upload.wikimedia.org/wikipedia/commons/a/a7/Wikimania_2011-_Designing_a_Lecture_Course_on_Wikipedia_and_Wiki_Technologies_-_Atanassova%2C_Marinova.pdf|PDF|1870}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
|}&lt;/div&gt;</summary>
		<author><name>Evdokia Sotirova</name></author>
	</entry>
	<entry>
		<id>https://ifigenia.org/index.php?title=Project:DMEU/%D0%9D%D0%B0%D1%83%D1%87%D0%BD%D0%B8_%D1%80%D0%B5%D0%B7%D1%83%D0%BB%D1%82%D0%B0%D1%82%D0%B8&amp;diff=5893</id>
		<title>Project:DMEU/Научни резултати</title>
		<link rel="alternate" type="text/html" href="https://ifigenia.org/index.php?title=Project:DMEU/%D0%9D%D0%B0%D1%83%D1%87%D0%BD%D0%B8_%D1%80%D0%B5%D0%B7%D1%83%D0%BB%D1%82%D0%B0%D1%82%D0%B8&amp;diff=5893"/>
		<updated>2011-11-16T19:07:36Z</updated>

		<summary type="html">&lt;p&gt;Evdokia Sotirova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{Project:DMEU/menu}}&lt;br /&gt;
__NOTOC__&lt;br /&gt;
== Постижения по проекта ==&lt;br /&gt;
* Предложен  е метод за оценяване на преподавателите в електронен университет, базиран на три основни компонента: резултати от студентските изпити, оценка от анкети на студентите, научна работа на преподавателя [2]; &lt;br /&gt;
* Предложен е метод оценяване на качеството на графика на учебните занятия  [10]; &lt;br /&gt;
* Предложен е метод за изчисляване на интуиционистки размити оценки на отговорите от анкетите на студентите за преподавателите   чрез многослоен перцептрон, които са част от общата оценка на преподавателя в електронен университет [12];&lt;br /&gt;
* Конструиран е модел за клъстеризация на многомерни данни чрез самоорганизираща се карта (Self-organizing map) [13];&lt;br /&gt;
* Конструиран е модел за прилагане на Data Mining техники при приемането на студенти в електронен университет с цел привличане, анализиране и удовлетворяване на изискванията на кандидат-студентите [14];&lt;br /&gt;
* Предложен е метод за прилагане на Data Mining техники в електронното обучение с цел предвиждане на студентската успеваемост по дадена дисциплина [16]; &lt;br /&gt;
* Предложен е метод за синхронизиране на паралелно протичащи софтуерни процеси [17]; &lt;br /&gt;
* Предложен е метод за проектиране на тестове [18]; &lt;br /&gt;
* Разработен е модел експертна система с база от данни от фрейми с размити оценки на фреймите и хипотезите [19];&lt;br /&gt;
* Представени са програмни реализации за:&lt;br /&gt;
# прогнозиране на едномерни и многомерни масиви от данни, базирани на експериментални резултати чрез изкуствена невронна мрежа [1]; &lt;br /&gt;
# анализ на резултатите от проведени студентски изпити на базата интуиционистки размити оценки, които задават степен на усвоеност на учебния материал [3];&lt;br /&gt;
# Data Mining техника за диагностика при предаването на информационни пакети при Wi-Fi локална мрежа и интуиционистки размити оценки за степента на повреденост при обмяната на данни [10]. &lt;br /&gt;
# оценяване удовлетвореността на преподавателите чрез техниката “дърво на решението” [6].&lt;br /&gt;
# многослоен перцептрон, даващ интуиционистки размити оценки на отговорите от анкетите на студентите за оценяване на преподавателите [3] в електронен университет;&lt;br /&gt;
# клъстеризация на многомерни данни чрез самоорганизираща се карта (Self-organizing map) [4].&lt;br /&gt;
&lt;br /&gt;
== Публикации ==&lt;br /&gt;
{| width=&amp;quot;100%&amp;quot; class=&amp;quot;wikitable&amp;quot;&lt;br /&gt;
! width=&amp;quot;5%&amp;quot; | №&lt;br /&gt;
! width=&amp;quot;75%&amp;quot; | Публикация (Автори, Заглавие, Списание, Брой, Номер, Година, Страници)&lt;br /&gt;
! width=&amp;quot;20%&amp;quot; | За&amp;amp;nbsp;сваляне&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 1. &lt;br /&gt;
| Sotirov, S., &#039;&#039;&#039;D. Orozova, E. Sotirova&#039;&#039;&#039;, &#039;&#039;Generalized net model of the process of the prognosis with feedforward neural network&#039;&#039;, Proc. of the XVI-th International Symposium on Electrical Apparatus and Technologies, SIELA 2009, Vol.1, 272-278.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 2.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A.&#039;&#039;&#039;, D. Dimitrakiev, &#039;&#039;&#039;E. Sotirova&#039;&#039;&#039;, M. Krawczak, &#039;&#039;T. Kim,  Towards a Model of the Digital University: Generalized Net Model of a Lecturer’s Evaluation with Intuitionistic Fuzzy Estimations&#039;&#039;, Cybernetics and Information, Vol.9, No 2, 2009, 69-78.&lt;br /&gt;
| {{download-ext|http://www.cit.iit.bas.bg/CIT_09/v9-2/69-78.pdf|PDF|96}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 3.&lt;br /&gt;
| Sotirov, S., &#039;&#039;&#039;D. Orozova, E. Sotirova&#039;&#039;&#039;, &#039;&#039;Neural network for defining intuitionistic fuzzy sets in e-learning&#039;&#039;, Тhirteen Int. Conf. on IFSs, Sofia, NIFS Vol. 15, No. 2, 2009, 33-36.&lt;br /&gt;
| {{download|NIFS-15-2-33-36.pdf|PDF|185}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 4.&lt;br /&gt;
| &#039;&#039;&#039;Орозова, Д.,  Е, Сотирова&#039;&#039;&#039;, &#039;&#039;Моделиране чрез обобщена мрежа на процеса откриване на знания в бази от данни&#039;&#039;, Използване на невронни мрежи и обобщени мрежи за обучение и провеждане на аналитични изследвания, 2009.&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 5. &lt;br /&gt;
| &#039;&#039;&#039;Сотирова, Е.&#039;&#039;&#039;, Л. Димитрова, &#039;&#039;&#039;А. Чакърова, Г. Гордън, Г. Иновска, П. Илиева, Хр. Панайотов, Н. Неделчев, Е. Стоянов&#039;&#039;&#039;, &#039;&#039;Възможности за приложението на технологията Data Mining в електронен университет&#039;&#039;, Годишник на университет “Проф. д-р Асен Златаров” – Бургас, 2009, т. XXXVІII (1), 139-144.&lt;br /&gt;
| {{download-ext|http://www.btu.bg/Godishnik_2009/Tom-1/T1-139.PDF|PDF|160}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 6.&lt;br /&gt;
| &#039;&#039;&#039;Orozova D.&#039;&#039;&#039;, &#039;&#039;&#039;E. Sotirova&#039;&#039;&#039;, P. Chountas, &#039;&#039;Generalized Net Model of the Knowledge Discovery in Medical Databases&#039;&#039;, BIO&amp;lt;sub&amp;gt;AUTOMATION&amp;lt;/sub&amp;gt;, 2009, 13 (4), 281-288.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 7.&lt;br /&gt;
| &#039;&#039;&#039;Sotirova, E., Kr. Dimitrova, R. Papancheva&#039;&#039;&#039;, &#039;&#039;A Generalized Net Model for Analysis of a Student’s evaluations by Data Mining Techniques in the e-learning university&#039;&#039;, Proc. of the Tenth International  Workshop on Generalized Nets, Sofia, 2009, 41—46.&lt;br /&gt;
| {{download|IWGN-2009-41-46.pdf|PDF|153}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 8. &lt;br /&gt;
| &#039;&#039;&#039;Orozova, D., E. Sotirova&#039;&#039;&#039;, &#039;&#039;Generalized net model of the applying data mining tools&#039;&#039;, Proc. of the Tenth International  Workshop on Generalized Nets, Sofia, 2009, 22—26.&lt;br /&gt;
| {{download|IWGN-2009-22-26.pdf|PDF|137}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 9. &lt;br /&gt;
| &#039;&#039;&#039;Vardeva, I.&#039;&#039;&#039;, S. Sotirov, &#039;&#039;Intuitionistic fuzzy estimation of damaged packets with multilayer perceptron&#039;&#039;, Proc. of the Tenth International  Workshop on Generalized Nets, Sofia, 63-69.&lt;br /&gt;
| {{download|IWGN-2009-63-69.pdf|PDF|167}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
|10. &lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., D. Orozova, E. Sotirova&#039;&#039;&#039;, M. Hristova, K. Atanassov, M. Krawczak, P. Melo-Pinto, R. Nikolov, S. Sotirov, T. Kim, &#039;&#039;Towards a Model of the Digital University: A Generalized Net Model for Producing Course Timetables and Subjects’ Quality Estimation&#039;&#039;, Advanced Intelligent Systems / IS From Theory to Practice, Springer, 2010, 373-381.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 11.&lt;br /&gt;
| &#039;&#039;&#039;Sotirova, E., D. Orozova&#039;&#039;&#039;, &#039;&#039;Generalized net model of the phases of the data mining process&#039;&#039;, Developments in Fuzzy Sets, Intuitionistic Fuzzy Sets, Generalized Nets and Related Topics. Foundation and Applications, Warsaw, Poland, 2010, 247-260.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 12.&lt;br /&gt;
| Sotirov, S., &#039;&#039;&#039;E. Sotirova&#039;&#039;&#039;, M. Krawczak, &#039;&#039;Application of data mining in digital university: multilayer perceptron for lecturer’s evaluation with intuitionistic fuzzy estimations&#039;&#039;, Issues in Intuitionistic Fuzzy Sets and Generalized Nets, Vol. 8, Warsaw, Poland, 2010, 102-107.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 13.&lt;br /&gt;
| &#039;&#039;&#039;Sotirova, E., T. Petkov, S. Surchev&#039;&#039;&#039;, M. Krawczak, &#039;&#039;Generalized net model of Clustering with Self Organizing Map&#039;&#039;, Developments in Fuzzy Sets, Intuitionistic Fuzzy Sets, Generalized Nets and Related Topics. Foundations and Applications Warsaw, Poland.&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 14.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., E. Sotirova, D. Orozova&#039;&#039;&#039;, &#039;&#039;Generalized net model of Using data mining techniques for process of undergraduate matriculation in а digital university&#039;&#039;, Proc. of the Eleven International Workshop on Generalized Nets and Second Int. Workshop on GNs, IFSs, KE London, 2010, 1-6.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 15.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., E. Sotirova&#039;&#039;&#039;, M. Hristova, T. Kim, &#039;&#039;Generalized Net Model of a Student’s Course Evaluation with Intuitionistic Fuzzy Estimations in a Digital University&#039;&#039;, Jangjeon Mathematical Society, 13 (2010), No 1, 31-38.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 16.&lt;br /&gt;
| &#039;&#039;&#039;Орозова, Д.&#039;&#039;&#039;,  &#039;&#039;&#039;Е. Сотирова&#039;&#039;&#039;, &#039;&#039;Прилагане на data mining техники в електронното обучение&#039;&#039;, Научна конференция с международно участие “Предизвикателства пред висшето образование и научните изследвания в условията на криза”, 25-26 юни 2010, Бургас &lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 17.&lt;br /&gt;
| &#039;&#039;&#039;Tcheshmedjiev, P.&#039;&#039;&#039;, &#039;&#039;Synchronizing parallel processes using generalized nets&#039;&#039;, Issues in Intuitionistic Fuzzy Sets and Generalized Nets, Vol. 8, Warsaw, Poland, 2010, 84-90.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 18.&lt;br /&gt;
| &#039;&#039;&#039;Atanassova, V.&#039;&#039;&#039;, &#039;&#039;Design of training tests on generalized nets&#039;&#039;, Intelligent Systems (IS), 2010 5th IEEE International Conference, 7-9 July 2010, 327 – 330.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 19.&lt;br /&gt;
| Atanassov, Kr., &#039;&#039;&#039;E. Sotirova, D. Orozova&#039;&#039;&#039;, &#039;&#039;Generalized Net Model of an Intuitionistic Fuzzy Expert System with Frame-Type Data Bases and Different Forms of Hypotheses Estimations&#039;&#039;, Годишник на БСУ, Том XXI, 2010&lt;br /&gt;
| &lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 20. &lt;br /&gt;
| &#039;&#039;&#039;Атанасова, В.&#039;&#039;&#039;, &#039;&#039;Уики технологии в помощ на науката. Примерът с Ifigenia.org&#039;&#039;, 8&amp;lt;sup&amp;gt;-ма&amp;lt;/sup&amp;gt; Национална младежка научно-практическа сесия на ФНТС, 10-11 май 2010. &lt;br /&gt;
| {{download|FNTS-2010-Atanassova.pdf|PDF|280}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 21.&lt;br /&gt;
| &#039;&#039;&#039;Atanassova, V.&#039;&#039;&#039;, &#039;&#039;Utilizing the Model Graphic Structures when Teaching Generalized Nets&#039;&#039;, Proc. of 9th IWIFSGN 2010, 8 October 2010, Warsaw, Poland&lt;br /&gt;
| &lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 22.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., E. Sotirova&#039;&#039;&#039;, Kr. Atanassov, M. Krawczak, P. Melo-Pinto, S. Sotirov, St. Hadjitodorov, T. Kim, &#039;&#039;Generalized net model of process of the administration servicing in a digital university with intuitionistic fuzzy estimations&#039;&#039;, The Fourteenth ICIFS, Sofia, 2010, 51—56.&lt;br /&gt;
| {{download|NIFS-16-2-50-56.pdf|PDF|158}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 23. &lt;br /&gt;
| &#039;&#039;&#039;Атанасова, В., Д. Орозова&#039;&#039;&#039;, &#039;&#039;Проектно-базирано обучение по бази от данни в Wiki среда&#039;&#039;, Сборник от конф. &amp;quot;Взаимодействието теория—практика&amp;quot;, Бургас, 24-25 юни 2011.&lt;br /&gt;
| (под печат)&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 24.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., E Sotirova&#039;&#039;&#039;, E. Szmidt, T. Kim, &#039;&#039;Intuitionistic fuzzy estimations of students&#039; team forming&#039;&#039;, Issues in Intuitionistic Fuzzy Sets and Generalized Nets, Vol. 9 (2011), 77-83.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
&lt;br /&gt;
| 25.&lt;br /&gt;
| &#039;&#039;&#039;Atanassova, V.&#039;&#039;&#039;, Marinova, M., &#039;&#039;Designing a Lecture Course on Wikipedia and Wiki Technologies&#039;&#039;, Wikimania&#039;2011, Haifa, Israel, 4-7 August 2011.&lt;br /&gt;
| {{download-ext|http://upload.wikimedia.org/wikipedia/commons/3/30/Wikimania_2011-_Lessons_Learned_from_the_Lessons_Taught_-_Atanassova%2C_Marinova.pdf|PDF|3370}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 26.&lt;br /&gt;
| &#039;&#039;&#039;Atanassova, V.&#039;&#039;&#039;, Marinova, M., &#039;&#039;Lessons Learned from the Lessons Taught&#039;&#039;, Wikimania&#039;2011, Haifa, Israel, 4-7 August 2011.&lt;br /&gt;
| {{download-ext|http://upload.wikimedia.org/wikipedia/commons/a/a7/Wikimania_2011-_Designing_a_Lecture_Course_on_Wikipedia_and_Wiki_Technologies_-_Atanassova%2C_Marinova.pdf|PDF|1870}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
|}&lt;/div&gt;</summary>
		<author><name>Evdokia Sotirova</name></author>
	</entry>
	<entry>
		<id>https://ifigenia.org/index.php?title=Project:DMEU/%D0%9D%D0%B0%D1%83%D1%87%D0%BD%D0%B8_%D1%80%D0%B5%D0%B7%D1%83%D0%BB%D1%82%D0%B0%D1%82%D0%B8&amp;diff=5892</id>
		<title>Project:DMEU/Научни резултати</title>
		<link rel="alternate" type="text/html" href="https://ifigenia.org/index.php?title=Project:DMEU/%D0%9D%D0%B0%D1%83%D1%87%D0%BD%D0%B8_%D1%80%D0%B5%D0%B7%D1%83%D0%BB%D1%82%D0%B0%D1%82%D0%B8&amp;diff=5892"/>
		<updated>2011-11-16T19:03:49Z</updated>

		<summary type="html">&lt;p&gt;Evdokia Sotirova: /* Публикации */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{Project:DMEU/menu}}&lt;br /&gt;
__NOTOC__&lt;br /&gt;
== Постижения по проекта ==&lt;br /&gt;
* Предложен  е метод за оценяване на преподавателите в електронен университет, базиран на три основни компонента: резултати от студентските изпити, оценка от анкети на студентите, научна работа на преподавателя [2]; &lt;br /&gt;
* Предложен е метод оценяване на качеството на графика на учебните занятия  [10]; &lt;br /&gt;
* Предложен е метод за изчисляване на интуиционистки размити оценки на отговорите от анкетите на студентите за преподавателите   чрез многослоен перцептрон, които са част от общата оценка на преподавателя в електронен университет [12];&lt;br /&gt;
* Конструиран е модел за клъстеризация на многомерни данни чрез самоорганизираща се карта (Self-organizing map) [13];&lt;br /&gt;
* Конструиран е модел за прилагане на Data Mining техники при приемането на студенти в електронен университет с цел привличане, анализиране и удовлетворяване на изискванията на кандидат-студентите [14];&lt;br /&gt;
* Предложен е метод за прилагане на Data Mining техники в електронното обучение с цел предвиждане на студентската успеваемост по дадена дисциплина [16]; &lt;br /&gt;
* Предложен е метод за синхронизиране на паралелно протичащи софтуерни процеси [17]; &lt;br /&gt;
* Предложен е метод за проектиране на тестове [18]; &lt;br /&gt;
* Разработен е модел експертна система с база от данни от фрейми с размити оценки на фреймите и хипотезите [19];&lt;br /&gt;
* Представени са програмни реализации за:&lt;br /&gt;
# прогнозиране на едномерни и многомерни масиви от данни, базирани на експериментални резултати чрез изкуствена невронна мрежа [1]; &lt;br /&gt;
# анализ на резултатите от проведени студентски изпити на базата интуиционистки размити оценки, които задават степен на усвоеност на учебния материал [3];&lt;br /&gt;
# Data Mining техника за диагностика при предаването на информационни пакети при Wi-Fi локална мрежа и интуиционистки размити оценки за степента на повреденост при обмяната на данни [10]. &lt;br /&gt;
# оценяване удовлетвореността на преподавателите чрез техниката “дърво на решението” [6].&lt;br /&gt;
# многослоен перцептрон, даващ интуиционистки размити оценки на отговорите от анкетите на студентите за оценяване на преподавателите [3] в електронен университет;&lt;br /&gt;
# клъстеризация на многомерни данни чрез самоорганизираща се карта (Self-organizing map) [4].&lt;br /&gt;
&lt;br /&gt;
== Публикации ==&lt;br /&gt;
{| width=&amp;quot;100%&amp;quot; class=&amp;quot;wikitable&amp;quot;&lt;br /&gt;
! width=&amp;quot;5%&amp;quot; | №&lt;br /&gt;
! width=&amp;quot;75%&amp;quot; | Публикация (Автори, Заглавие, Списание, Брой, Номер, Година, Страници)&lt;br /&gt;
! width=&amp;quot;20%&amp;quot; | За&amp;amp;nbsp;сваляне&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 1. &lt;br /&gt;
| Sotirov, S., &#039;&#039;&#039;D. Orozova, E. Sotirova&#039;&#039;&#039;, &#039;&#039;Generalized net model of the process of the prognosis with feedforward neural network&#039;&#039;, Proc. of the XVI-th International Symposium on Electrical Apparatus and Technologies, SIELA 2009, Vol.1, 272-278.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 2.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A.&#039;&#039;&#039;, D. Dimitrakiev, &#039;&#039;&#039;E. Sotirova&#039;&#039;&#039;, M. Krawczak, &#039;&#039;T. Kim,  Towards a Model of the Digital University: Generalized Net Model of a Lecturer’s Evaluation with Intuitionistic Fuzzy Estimations&#039;&#039;, Cybernetics and Information, Vol.9, No 2, 2009, 69-78.&lt;br /&gt;
| {{download-ext|http://www.cit.iit.bas.bg/CIT_09/v9-2/69-78.pdf|PDF|96}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 3.&lt;br /&gt;
| Sotirov, S., &#039;&#039;&#039;D. Orozova, E. Sotirova&#039;&#039;&#039;, &#039;&#039;Neural network for defining intuitionistic fuzzy sets in e-learning&#039;&#039;, Тhirteen Int. Conf. on IFSs, Sofia, NIFS Vol. 15, No. 2, 2009, 33-36.&lt;br /&gt;
| {{download|NIFS-15-2-33-36.pdf|PDF|185}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 4.&lt;br /&gt;
| &#039;&#039;&#039;Орозова, Д.,  Е, Сотирова&#039;&#039;&#039;, &#039;&#039;Моделиране чрез обобщена мрежа на процеса откриване на знания в бази от данни&#039;&#039;, Използване на невронни мрежи и обобщени мрежи за обучение и провеждане на аналитични изследвания, 2009.&lt;br /&gt;
| (под печат)&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 5. &lt;br /&gt;
| &#039;&#039;&#039;Сотирова, Е.&#039;&#039;&#039;, Л. Димитрова, &#039;&#039;&#039;А. Чакърова, Г. Гордън, Г. Иновска, П. Илиева, Хр. Панайотов, Н. Неделчев, Е. Стоянов&#039;&#039;&#039;, &#039;&#039;Възможности за приложението на технологията Data Mining в електронен университет&#039;&#039;, Годишник на университет “Проф. д-р Асен Златаров” – Бургас, 2009, т. XXXVІII (1), 139-144.&lt;br /&gt;
| {{download-ext|http://www.btu.bg/Godishnik_2009/Tom-1/T1-139.PDF|PDF|160}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 6.&lt;br /&gt;
| &#039;&#039;&#039;Orozova D.&#039;&#039;&#039;, &#039;&#039;&#039;E. Sotirova&#039;&#039;&#039;, P. Chountas, &#039;&#039;Generalized Net Model of the Knowledge Discovery in Medical Databases&#039;&#039;, BIO&amp;lt;sub&amp;gt;AUTOMATION&amp;lt;/sub&amp;gt;, 2009, 13 (4), 281-288.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 7.&lt;br /&gt;
| &#039;&#039;&#039;Sotirova, E., Kr. Dimitrova, R. Papancheva&#039;&#039;&#039;, &#039;&#039;A Generalized Net Model for Analysis of a Student’s evaluations by Data Mining Techniques in the e-learning university&#039;&#039;, Proc. of the Tenth International  Workshop on Generalized Nets, Sofia, 2009, 41—46.&lt;br /&gt;
| {{download|IWGN-2009-41-46.pdf|PDF|153}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 8. &lt;br /&gt;
| &#039;&#039;&#039;Orozova, D., E. Sotirova&#039;&#039;&#039;, &#039;&#039;Generalized net model of the applying data mining tools&#039;&#039;, Proc. of the Tenth International  Workshop on Generalized Nets, Sofia, 2009, 22—26.&lt;br /&gt;
| {{download|IWGN-2009-22-26.pdf|PDF|137}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 9. &lt;br /&gt;
| &#039;&#039;&#039;Vardeva, I.&#039;&#039;&#039;, S. Sotirov, &#039;&#039;Intuitionistic fuzzy estimation of damaged packets with multilayer perceptron&#039;&#039;, Proc. of the Tenth International  Workshop on Generalized Nets, Sofia, 63-69.&lt;br /&gt;
| {{download|IWGN-2009-63-69.pdf|PDF|167}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
|10. &lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., D. Orozova, E. Sotirova&#039;&#039;&#039;, M. Hristova, K. Atanassov, M. Krawczak, P. Melo-Pinto, R. Nikolov, S. Sotirov, T. Kim, &#039;&#039;Towards a Model of the Digital University: A Generalized Net Model for Producing Course Timetables and Subjects’ Quality Estimation&#039;&#039;, Advanced Intelligent Systems / IS From Theory to Practice, Springer, 2010, 373-381.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 11.&lt;br /&gt;
| &#039;&#039;&#039;Sotirova, E., D. Orozova&#039;&#039;&#039;, &#039;&#039;Generalized net model of the phases of the data mining process&#039;&#039;, Developments in Fuzzy Sets, Intuitionistic Fuzzy Sets, Generalized Nets and Related Topics. Foundation and Applications, Warsaw, Poland, 2010, 247-260.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 12.&lt;br /&gt;
| Sotirov, S., &#039;&#039;&#039;E. Sotirova&#039;&#039;&#039;, M. Krawczak, &#039;&#039;Application of data mining in digital university: multilayer perceptron for lecturer’s evaluation with intuitionistic fuzzy estimations&#039;&#039;, Issues in Intuitionistic Fuzzy Sets and Generalized Nets, Vol. 8, Warsaw, Poland, 2010, 102-107.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 13.&lt;br /&gt;
| &#039;&#039;&#039;Sotirova, E., T. Petkov, S. Surchev&#039;&#039;&#039;, M. Krawczak, &#039;&#039;Generalized net model of Clustering with Self Organizing Map&#039;&#039;, Developments in Fuzzy Sets, Intuitionistic Fuzzy Sets, Generalized Nets and Related Topics. Foundations and Applications Warsaw, Poland.&lt;br /&gt;
| (под печат)&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 14.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., E. Sotirova, D. Orozova&#039;&#039;&#039;, &#039;&#039;Generalized net model of Using data mining techniques for process of undergraduate matriculation in а digital university&#039;&#039;, Proc. of the Eleven International Workshop on Generalized Nets and Second Int. Workshop on GNs, IFSs, KE London, 2010, 1-6.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 15.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., E. Sotirova&#039;&#039;&#039;, M. Hristova, T. Kim, &#039;&#039;Generalized Net Model of a Student’s Course Evaluation with Intuitionistic Fuzzy Estimations in a Digital University&#039;&#039;, Jangjeon Mathematical Society, 13 (2010), No 1, 31-38.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 16.&lt;br /&gt;
| &#039;&#039;&#039;Орозова, Д.&#039;&#039;&#039;,  &#039;&#039;&#039;Е. Сотирова&#039;&#039;&#039;, &#039;&#039;Прилагане на data mining техники в електронното обучение&#039;&#039;, Научна конференция с международно участие “Предизвикателства пред висшето образование и научните изследвания в условията на криза”, 25-26 юни 2010, Бургас &lt;br /&gt;
| (под печат)&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 17.&lt;br /&gt;
| &#039;&#039;&#039;Tcheshmedjiev, P.&#039;&#039;&#039;, &#039;&#039;Synchronizing parallel processes using generalized nets&#039;&#039;, Issues in Intuitionistic Fuzzy Sets and Generalized Nets, Vol. 8, Warsaw, Poland, 2010, 84-90.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 18.&lt;br /&gt;
| &#039;&#039;&#039;Atanassova, V.&#039;&#039;&#039;, &#039;&#039;Design of training tests on generalized nets&#039;&#039;, Intelligent Systems (IS), 2010 5th IEEE International Conference, 7-9 July 2010, 327 – 330.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 19.&lt;br /&gt;
| Atanassov, Kr., &#039;&#039;&#039;E. Sotirova, D. Orozova&#039;&#039;&#039;, &#039;&#039;Generalized Net Model of an Intuitionistic Fuzzy Expert System with Frame-Type Data Bases and Different Forms of Hypotheses Estimations&#039;&#039;, Годишник на БСУ, Том XXI, 2010&lt;br /&gt;
| (под печат)&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 20. &lt;br /&gt;
| &#039;&#039;&#039;Атанасова, В.&#039;&#039;&#039;, &#039;&#039;Уики технологии в помощ на науката. Примерът с Ifigenia.org&#039;&#039;, 8&amp;lt;sup&amp;gt;-ма&amp;lt;/sup&amp;gt; Национална младежка научно-практическа сесия на ФНТС, 10-11 май 2010. &lt;br /&gt;
| {{download|FNTS-2010-Atanassova.pdf|PDF|280}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 21.&lt;br /&gt;
| &#039;&#039;&#039;Atanassova, V.&#039;&#039;&#039;, &#039;&#039;Utilizing the Model Graphic Structures when Teaching Generalized Nets&#039;&#039;, Proc. of 9th IWIFSGN 2010, 8 October 2010, Warsaw, Poland&lt;br /&gt;
| (под печат) &lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 22.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., E. Sotirova&#039;&#039;&#039;, Kr. Atanassov, M. Krawczak, P. Melo-Pinto, S. Sotirov, St. Hadjitodorov, T. Kim, &#039;&#039;Generalized net model of process of the administration servicing in a digital university with intuitionistic fuzzy estimations&#039;&#039;, The Fourteenth ICIFS, Sofia, 2010, 51—56.&lt;br /&gt;
| {{download|NIFS-16-2-50-56.pdf|PDF|158}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 23. &lt;br /&gt;
| &#039;&#039;&#039;Атанасова, В., Д. Орозова&#039;&#039;&#039;, &#039;&#039;Проектно-базирано обучение по бази от данни в Wiki среда&#039;&#039;, Сборник от конф. &amp;quot;Взаимодействието теория—практика&amp;quot;, Бургас, 24-25 юни 2011.&lt;br /&gt;
| (под печат)&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 24.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., E Sotirova&#039;&#039;&#039;, E. Szmidt, T. Kim, &#039;&#039;Intuitionistic fuzzy estimations of students&#039; team forming&#039;&#039;, Issues in Intuitionistic Fuzzy Sets and Generalized Nets, Vol. 9 (2011), 77-83.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
&lt;br /&gt;
| 25.&lt;br /&gt;
| &#039;&#039;&#039;Atanassova, V.&#039;&#039;&#039;, Marinova, M., &#039;&#039;Designing a Lecture Course on Wikipedia and Wiki Technologies&#039;&#039;, Wikimania&#039;2011, Haifa, Israel, 4-7 August 2011.&lt;br /&gt;
| {{download-ext|http://upload.wikimedia.org/wikipedia/commons/3/30/Wikimania_2011-_Lessons_Learned_from_the_Lessons_Taught_-_Atanassova%2C_Marinova.pdf|PDF|3370}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 26.&lt;br /&gt;
| &#039;&#039;&#039;Atanassova, V.&#039;&#039;&#039;, Marinova, M., &#039;&#039;Lessons Learned from the Lessons Taught&#039;&#039;, Wikimania&#039;2011, Haifa, Israel, 4-7 August 2011.&lt;br /&gt;
| {{download-ext|http://upload.wikimedia.org/wikipedia/commons/a/a7/Wikimania_2011-_Designing_a_Lecture_Course_on_Wikipedia_and_Wiki_Technologies_-_Atanassova%2C_Marinova.pdf|PDF|1870}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
|}&lt;/div&gt;</summary>
		<author><name>Evdokia Sotirova</name></author>
	</entry>
	<entry>
		<id>https://ifigenia.org/index.php?title=Project:DMEU/%D0%9D%D0%B0%D1%83%D1%87%D0%BD%D0%B8_%D1%80%D0%B5%D0%B7%D1%83%D0%BB%D1%82%D0%B0%D1%82%D0%B8&amp;diff=5891</id>
		<title>Project:DMEU/Научни резултати</title>
		<link rel="alternate" type="text/html" href="https://ifigenia.org/index.php?title=Project:DMEU/%D0%9D%D0%B0%D1%83%D1%87%D0%BD%D0%B8_%D1%80%D0%B5%D0%B7%D1%83%D0%BB%D1%82%D0%B0%D1%82%D0%B8&amp;diff=5891"/>
		<updated>2011-11-16T19:03:06Z</updated>

		<summary type="html">&lt;p&gt;Evdokia Sotirova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{Project:DMEU/menu}}&lt;br /&gt;
__NOTOC__&lt;br /&gt;
== Постижения по проекта ==&lt;br /&gt;
* Предложен  е метод за оценяване на преподавателите в електронен университет, базиран на три основни компонента: резултати от студентските изпити, оценка от анкети на студентите, научна работа на преподавателя [2]; &lt;br /&gt;
* Предложен е метод оценяване на качеството на графика на учебните занятия  [10]; &lt;br /&gt;
* Предложен е метод за изчисляване на интуиционистки размити оценки на отговорите от анкетите на студентите за преподавателите   чрез многослоен перцептрон, които са част от общата оценка на преподавателя в електронен университет [12];&lt;br /&gt;
* Конструиран е модел за клъстеризация на многомерни данни чрез самоорганизираща се карта (Self-organizing map) [13];&lt;br /&gt;
* Конструиран е модел за прилагане на Data Mining техники при приемането на студенти в електронен университет с цел привличане, анализиране и удовлетворяване на изискванията на кандидат-студентите [14];&lt;br /&gt;
* Предложен е метод за прилагане на Data Mining техники в електронното обучение с цел предвиждане на студентската успеваемост по дадена дисциплина [16]; &lt;br /&gt;
* Предложен е метод за синхронизиране на паралелно протичащи софтуерни процеси [17]; &lt;br /&gt;
* Предложен е метод за проектиране на тестове [18]; &lt;br /&gt;
* Разработен е модел експертна система с база от данни от фрейми с размити оценки на фреймите и хипотезите [19];&lt;br /&gt;
* Представени са програмни реализации за:&lt;br /&gt;
# прогнозиране на едномерни и многомерни масиви от данни, базирани на експериментални резултати чрез изкуствена невронна мрежа [1]; &lt;br /&gt;
# анализ на резултатите от проведени студентски изпити на базата интуиционистки размити оценки, които задават степен на усвоеност на учебния материал [3];&lt;br /&gt;
# Data Mining техника за диагностика при предаването на информационни пакети при Wi-Fi локална мрежа и интуиционистки размити оценки за степента на повреденост при обмяната на данни [10]. &lt;br /&gt;
# оценяване удовлетвореността на преподавателите чрез техниката “дърво на решението” [6].&lt;br /&gt;
# многослоен перцептрон, даващ интуиционистки размити оценки на отговорите от анкетите на студентите за оценяване на преподавателите [3] в електронен университет;&lt;br /&gt;
# клъстеризация на многомерни данни чрез самоорганизираща се карта (Self-organizing map) [4].&lt;br /&gt;
&lt;br /&gt;
== Публикации ==&lt;br /&gt;
{| width=&amp;quot;100%&amp;quot; class=&amp;quot;wikitable&amp;quot;&lt;br /&gt;
! width=&amp;quot;5%&amp;quot; | №&lt;br /&gt;
! width=&amp;quot;75%&amp;quot; | Публикация (Автори, Заглавие, Списание, Брой, Номер, Година, Страници)&lt;br /&gt;
! width=&amp;quot;20%&amp;quot; | За&amp;amp;nbsp;сваляне&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 1. &lt;br /&gt;
| Sotirov, S., &#039;&#039;&#039;D. Orozova, E. Sotirova&#039;&#039;&#039;, &#039;&#039;Generalized net model of the process of the prognosis with feedforward neural network&#039;&#039;, Proc. of the XVI-th International Symposium on Electrical Apparatus and Technologies, SIELA 2009, Vol.1, 272-278.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 2.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A.&#039;&#039;&#039;, D. Dimitrakiev, &#039;&#039;&#039;E. Sotirova&#039;&#039;&#039;, M. Krawczak, &#039;&#039;T. Kim,  Towards a Model of the Digital University: Generalized Net Model of a Lecturer’s Evaluation with Intuitionistic Fuzzy Estimations&#039;&#039;, Cybernetics and Information, Vol.9, No 2, 2009, 69-78.&lt;br /&gt;
| {{download-ext|http://www.cit.iit.bas.bg/CIT_09/v9-2/69-78.pdf|PDF|96}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 3.&lt;br /&gt;
| Sotirov, S., &#039;&#039;&#039;D. Orozova, E. Sotirova&#039;&#039;&#039;, &#039;&#039;Neural network for defining intuitionistic fuzzy sets in e-learning&#039;&#039;, Тhirteen Int. Conf. on IFSs, Sofia, NIFS Vol. 15, No. 2, 2009, 33-36.&lt;br /&gt;
| {{download|NIFS-15-2-33-36.pdf|PDF|185}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 4.&lt;br /&gt;
| &#039;&#039;&#039;Орозова, Д.,  Е, Сотирова&#039;&#039;&#039;, &#039;&#039;Моделиране чрез обобщена мрежа на процеса откриване на знания в бази от данни&#039;&#039;, Използване на невронни мрежи и обобщени мрежи за обучение и провеждане на аналитични изследвания, 2009.&lt;br /&gt;
| (под печат)&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 5. &lt;br /&gt;
| &#039;&#039;&#039;Сотирова, Е.&#039;&#039;&#039;, Л. Димитрова, &#039;&#039;&#039;А. Чакърова, Г. Гордън, Г. Иновска, П. Илиева, Хр. Панайотов, Н. Неделчев, Е. Стоянов&#039;&#039;&#039;, &#039;&#039;Възможности за приложението на технологията Data Mining в електронен университет&#039;&#039;, Годишник на университет “Проф. д-р Асен Златаров” – Бургас, 2009, т. XXXVІII (1), 139-144.&lt;br /&gt;
| {{download-ext|http://www.btu.bg/Godishnik_2009/Tom-1/T1-139.PDF|PDF|160}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 6.&lt;br /&gt;
| &#039;&#039;&#039;Orozova D.&#039;&#039;&#039;, &#039;&#039;&#039;E. Sotirova&#039;&#039;&#039;, P. Chountas, &#039;&#039;Generalized Net Model of the Knowledge Discovery in Medical Databases&#039;&#039;, BIO&amp;lt;sub&amp;gt;AUTOMATION&amp;lt;/sub&amp;gt;, 2009, 13 (4), 281-288 2009, 13 (4), 281-288.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 7.&lt;br /&gt;
| &#039;&#039;&#039;Sotirova, E., Kr. Dimitrova, R. Papancheva&#039;&#039;&#039;, &#039;&#039;A Generalized Net Model for Analysis of a Student’s evaluations by Data Mining Techniques in the e-learning university&#039;&#039;, Proc. of the Tenth International  Workshop on Generalized Nets, Sofia, 2009, 41—46.&lt;br /&gt;
| {{download|IWGN-2009-41-46.pdf|PDF|153}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 8. &lt;br /&gt;
| &#039;&#039;&#039;Orozova, D., E. Sotirova&#039;&#039;&#039;, &#039;&#039;Generalized net model of the applying data mining tools&#039;&#039;, Proc. of the Tenth International  Workshop on Generalized Nets, Sofia, 2009, 22—26.&lt;br /&gt;
| {{download|IWGN-2009-22-26.pdf|PDF|137}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 9. &lt;br /&gt;
| &#039;&#039;&#039;Vardeva, I.&#039;&#039;&#039;, S. Sotirov, &#039;&#039;Intuitionistic fuzzy estimation of damaged packets with multilayer perceptron&#039;&#039;, Proc. of the Tenth International  Workshop on Generalized Nets, Sofia, 63-69.&lt;br /&gt;
| {{download|IWGN-2009-63-69.pdf|PDF|167}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
|10. &lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., D. Orozova, E. Sotirova&#039;&#039;&#039;, M. Hristova, K. Atanassov, M. Krawczak, P. Melo-Pinto, R. Nikolov, S. Sotirov, T. Kim, &#039;&#039;Towards a Model of the Digital University: A Generalized Net Model for Producing Course Timetables and Subjects’ Quality Estimation&#039;&#039;, Advanced Intelligent Systems / IS From Theory to Practice, Springer, 2010, 373-381.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 11.&lt;br /&gt;
| &#039;&#039;&#039;Sotirova, E., D. Orozova&#039;&#039;&#039;, &#039;&#039;Generalized net model of the phases of the data mining process&#039;&#039;, Developments in Fuzzy Sets, Intuitionistic Fuzzy Sets, Generalized Nets and Related Topics. Foundation and Applications, Warsaw, Poland, 2010, 247-260.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 12.&lt;br /&gt;
| Sotirov, S., &#039;&#039;&#039;E. Sotirova&#039;&#039;&#039;, M. Krawczak, &#039;&#039;Application of data mining in digital university: multilayer perceptron for lecturer’s evaluation with intuitionistic fuzzy estimations&#039;&#039;, Issues in Intuitionistic Fuzzy Sets and Generalized Nets, Vol. 8, Warsaw, Poland, 2010, 102-107.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 13.&lt;br /&gt;
| &#039;&#039;&#039;Sotirova, E., T. Petkov, S. Surchev&#039;&#039;&#039;, M. Krawczak, &#039;&#039;Generalized net model of Clustering with Self Organizing Map&#039;&#039;, Developments in Fuzzy Sets, Intuitionistic Fuzzy Sets, Generalized Nets and Related Topics. Foundations and Applications Warsaw, Poland.&lt;br /&gt;
| (под печат)&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 14.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., E. Sotirova, D. Orozova&#039;&#039;&#039;, &#039;&#039;Generalized net model of Using data mining techniques for process of undergraduate matriculation in а digital university&#039;&#039;, Proc. of the Eleven International Workshop on Generalized Nets and Second Int. Workshop on GNs, IFSs, KE London, 2010, 1-6.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 15.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., E. Sotirova&#039;&#039;&#039;, M. Hristova, T. Kim, &#039;&#039;Generalized Net Model of a Student’s Course Evaluation with Intuitionistic Fuzzy Estimations in a Digital University&#039;&#039;, Jangjeon Mathematical Society, 13 (2010), No 1, 31-38.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 16.&lt;br /&gt;
| &#039;&#039;&#039;Орозова, Д.&#039;&#039;&#039;,  &#039;&#039;&#039;Е. Сотирова&#039;&#039;&#039;, &#039;&#039;Прилагане на data mining техники в електронното обучение&#039;&#039;, Научна конференция с международно участие “Предизвикателства пред висшето образование и научните изследвания в условията на криза”, 25-26 юни 2010, Бургас &lt;br /&gt;
| (под печат)&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 17.&lt;br /&gt;
| &#039;&#039;&#039;Tcheshmedjiev, P.&#039;&#039;&#039;, &#039;&#039;Synchronizing parallel processes using generalized nets&#039;&#039;, Issues in Intuitionistic Fuzzy Sets and Generalized Nets, Vol. 8, Warsaw, Poland, 2010, 84-90.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 18.&lt;br /&gt;
| &#039;&#039;&#039;Atanassova, V.&#039;&#039;&#039;, &#039;&#039;Design of training tests on generalized nets&#039;&#039;, Intelligent Systems (IS), 2010 5th IEEE International Conference, 7-9 July 2010, 327 – 330.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 19.&lt;br /&gt;
| Atanassov, Kr., &#039;&#039;&#039;E. Sotirova, D. Orozova&#039;&#039;&#039;, &#039;&#039;Generalized Net Model of an Intuitionistic Fuzzy Expert System with Frame-Type Data Bases and Different Forms of Hypotheses Estimations&#039;&#039;, Годишник на БСУ, Том XXI, 2010&lt;br /&gt;
| (под печат)&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 20. &lt;br /&gt;
| &#039;&#039;&#039;Атанасова, В.&#039;&#039;&#039;, &#039;&#039;Уики технологии в помощ на науката. Примерът с Ifigenia.org&#039;&#039;, 8&amp;lt;sup&amp;gt;-ма&amp;lt;/sup&amp;gt; Национална младежка научно-практическа сесия на ФНТС, 10-11 май 2010. &lt;br /&gt;
| {{download|FNTS-2010-Atanassova.pdf|PDF|280}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 21.&lt;br /&gt;
| &#039;&#039;&#039;Atanassova, V.&#039;&#039;&#039;, &#039;&#039;Utilizing the Model Graphic Structures when Teaching Generalized Nets&#039;&#039;, Proc. of 9th IWIFSGN 2010, 8 October 2010, Warsaw, Poland&lt;br /&gt;
| (под печат) &lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 22.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., E. Sotirova&#039;&#039;&#039;, Kr. Atanassov, M. Krawczak, P. Melo-Pinto, S. Sotirov, St. Hadjitodorov, T. Kim, &#039;&#039;Generalized net model of process of the administration servicing in a digital university with intuitionistic fuzzy estimations&#039;&#039;, The Fourteenth ICIFS, Sofia, 2010, 51—56.&lt;br /&gt;
| {{download|NIFS-16-2-50-56.pdf|PDF|158}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 23. &lt;br /&gt;
| &#039;&#039;&#039;Атанасова, В., Д. Орозова&#039;&#039;&#039;, &#039;&#039;Проектно-базирано обучение по бази от данни в Wiki среда&#039;&#039;, Сборник от конф. &amp;quot;Взаимодействието теория—практика&amp;quot;, Бургас, 24-25 юни 2011.&lt;br /&gt;
| (под печат)&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 24.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., E Sotirova&#039;&#039;&#039;, E. Szmidt, T. Kim, &#039;&#039;Intuitionistic fuzzy estimations of students&#039; team forming&#039;&#039;, Issues in Intuitionistic Fuzzy Sets and Generalized Nets, Vol. 9 (2011), 77-83.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
&lt;br /&gt;
| 25.&lt;br /&gt;
| &#039;&#039;&#039;Atanassova, V.&#039;&#039;&#039;, Marinova, M., &#039;&#039;Designing a Lecture Course on Wikipedia and Wiki Technologies&#039;&#039;, Wikimania&#039;2011, Haifa, Israel, 4-7 August 2011.&lt;br /&gt;
| {{download-ext|http://upload.wikimedia.org/wikipedia/commons/3/30/Wikimania_2011-_Lessons_Learned_from_the_Lessons_Taught_-_Atanassova%2C_Marinova.pdf|PDF|3370}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 26.&lt;br /&gt;
| &#039;&#039;&#039;Atanassova, V.&#039;&#039;&#039;, Marinova, M., &#039;&#039;Lessons Learned from the Lessons Taught&#039;&#039;, Wikimania&#039;2011, Haifa, Israel, 4-7 August 2011.&lt;br /&gt;
| {{download-ext|http://upload.wikimedia.org/wikipedia/commons/a/a7/Wikimania_2011-_Designing_a_Lecture_Course_on_Wikipedia_and_Wiki_Technologies_-_Atanassova%2C_Marinova.pdf|PDF|1870}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
|}&lt;/div&gt;</summary>
		<author><name>Evdokia Sotirova</name></author>
	</entry>
	<entry>
		<id>https://ifigenia.org/index.php?title=Project:DMEU/%D0%9D%D0%B0%D1%83%D1%87%D0%BD%D0%B8_%D1%80%D0%B5%D0%B7%D1%83%D0%BB%D1%82%D0%B0%D1%82%D0%B8&amp;diff=5890</id>
		<title>Project:DMEU/Научни резултати</title>
		<link rel="alternate" type="text/html" href="https://ifigenia.org/index.php?title=Project:DMEU/%D0%9D%D0%B0%D1%83%D1%87%D0%BD%D0%B8_%D1%80%D0%B5%D0%B7%D1%83%D0%BB%D1%82%D0%B0%D1%82%D0%B8&amp;diff=5890"/>
		<updated>2011-11-16T19:01:46Z</updated>

		<summary type="html">&lt;p&gt;Evdokia Sotirova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{Project:DMEU/menu}}&lt;br /&gt;
__NOTOC__&lt;br /&gt;
== Постижения по проекта ==&lt;br /&gt;
* Предложен  е метод за оценяване на преподавателите в електронен университет, базиран на три основни компонента: резултати от студентските изпити, оценка от анкети на студентите, научна работа на преподавателя [2]; &lt;br /&gt;
* Предложен е метод оценяване на качеството на графика на учебните занятия  [10]; &lt;br /&gt;
* Предложен е метод за изчисляване на интуиционистки размити оценки на отговорите от анкетите на студентите за преподавателите   чрез многослоен перцептрон, които са част от общата оценка на преподавателя в електронен университет [12];&lt;br /&gt;
* Конструиран е модел за клъстеризация на многомерни данни чрез самоорганизираща се карта (Self-organizing map) [13];&lt;br /&gt;
* Конструиран е модел за прилагане на Data Mining техники при приемането на студенти в електронен университет с цел привличане, анализиране и удовлетворяване на изискванията на кандидат-студентите [14];&lt;br /&gt;
* Предложен е метод за прилагане на Data Mining техники в електронното обучение с цел предвиждане на студентската успеваемост по дадена дисциплина [16]; &lt;br /&gt;
* Предложен е метод за синхронизиране на паралелно протичащи софтуерни процеси [17]; &lt;br /&gt;
* Предложен е метод за проектиране на тестове [18]; &lt;br /&gt;
* Разработен е модел експертна система с база от данни от фрейми с размити оценки на фреймите и хипотезите [19];&lt;br /&gt;
* Представени са програмни реализации за:&lt;br /&gt;
# прогнозиране на едномерни и многомерни масиви от данни, базирани на експериментални резултати чрез изкуствена невронна мрежа [1]; &lt;br /&gt;
# анализ на резултатите от проведени студентски изпити на базата интуиционистки размити оценки, които задават степен на усвоеност на учебния материал [3];&lt;br /&gt;
# Data Mining техника за диагностика при предаването на информационни пакети при Wi-Fi локална мрежа и интуиционистки размити оценки за степента на повреденост при обмяната на данни [10]. &lt;br /&gt;
# оценяване удовлетвореността на преподавателите чрез техниката “дърво на решението” [6].&lt;br /&gt;
# многослоен перцептрон, даващ интуиционистки размити оценки на отговорите от анкетите на студентите за оценяване на преподавателите [3] в електронен университет;&lt;br /&gt;
# клъстеризация на многомерни данни чрез самоорганизираща се карта (Self-organizing map) [4].&lt;br /&gt;
&lt;br /&gt;
== Публикации ==&lt;br /&gt;
{| width=&amp;quot;100%&amp;quot; class=&amp;quot;wikitable&amp;quot;&lt;br /&gt;
! width=&amp;quot;5%&amp;quot; | №&lt;br /&gt;
! width=&amp;quot;75%&amp;quot; | Публикация (Автори, Заглавие, Списание, Брой, Номер, Година, Страници)&lt;br /&gt;
! width=&amp;quot;20%&amp;quot; | За&amp;amp;nbsp;сваляне&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 1. &lt;br /&gt;
| Sotirov, S., &#039;&#039;&#039;D. Orozova, E. Sotirova&#039;&#039;&#039;, &#039;&#039;Generalized net model of the process of the prognosis with feedforward neural network&#039;&#039;, Proc. of the XVI-th International Symposium on Electrical Apparatus and Technologies, SIELA 2009, Vol.1, 272-278.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 2.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A.&#039;&#039;&#039;, D. Dimitrakiev, &#039;&#039;&#039;E. Sotirova&#039;&#039;&#039;, M. Krawczak, &#039;&#039;T. Kim,  Towards a Model of the Digital University: Generalized Net Model of a Lecturer’s Evaluation with Intuitionistic Fuzzy Estimations&#039;&#039;, Cybernetics and Information, Vol.9, No 2, 2009, 69-78.&lt;br /&gt;
| {{download-ext|http://www.cit.iit.bas.bg/CIT_09/v9-2/69-78.pdf|PDF|96}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 3.&lt;br /&gt;
| Sotirov, S., &#039;&#039;&#039;D. Orozova, E. Sotirova&#039;&#039;&#039;, &#039;&#039;Neural network for defining intuitionistic fuzzy sets in e-learning&#039;&#039;, Тhirteen Int. Conf. on IFSs, Sofia, NIFS Vol. 15, No. 2, 2009, 33-36.&lt;br /&gt;
| {{download|NIFS-15-2-33-36.pdf|PDF|185}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 4.&lt;br /&gt;
| &#039;&#039;&#039;Орозова, Д.,  Е, Сотирова&#039;&#039;&#039;, &#039;&#039;Моделиране чрез обобщена мрежа на процеса откриване на знания в бази от данни&#039;&#039;, Използване на невронни мрежи и обобщени мрежи за обучение и провеждане на аналитични изследвания, 2009.&lt;br /&gt;
| (под печат)&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 5. &lt;br /&gt;
| &#039;&#039;&#039;Сотирова, Е.&#039;&#039;&#039;, Л. Димитрова, &#039;&#039;&#039;А. Чакърова, Г. Гордън, Г. Иновска, П. Илиева, Хр. Панайотов, Н. Неделчев, Е. Стоянов&#039;&#039;&#039;, &#039;&#039;Възможности за приложението на технологията Data Mining в електронен университет&#039;&#039;, Годишник на университет “Проф. д-р Асен Златаров” – Бургас, 2009, т. XXXVІII (1), 139-144.&lt;br /&gt;
| {{download-ext|http://www.btu.bg/Godishnik_2009/Tom-1/T1-139.PDF|PDF|160}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 6.&lt;br /&gt;
| &#039;&#039;&#039;Orozova D.&#039;&#039;&#039;, &#039;&#039;&#039;Sotirova E.&#039;&#039;&#039;, Chountas P. &#039;&#039;Generalized Net Model of the Knowledge Discovery in Medical Databases&#039;&#039;, BIOAUTOMATION, 2009, 13 (4), 281-288.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 7.&lt;br /&gt;
| &#039;&#039;&#039;Sotirova, E., Kr. Dimitrova, R. Papancheva&#039;&#039;&#039;, &#039;&#039;A Generalized Net Model for Analysis of a Student’s evaluations by Data Mining Techniques in the e-learning university&#039;&#039;, Proc. of the Tenth International  Workshop on Generalized Nets, Sofia, 2009, 41—46.&lt;br /&gt;
| {{download|IWGN-2009-41-46.pdf|PDF|153}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 8. &lt;br /&gt;
| &#039;&#039;&#039;Orozova, D., E. Sotirova&#039;&#039;&#039;, &#039;&#039;Generalized net model of the applying data mining tools&#039;&#039;, Proc. of the Tenth International  Workshop on Generalized Nets, Sofia, 2009, 22—26.&lt;br /&gt;
| {{download|IWGN-2009-22-26.pdf|PDF|137}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 9. &lt;br /&gt;
| &#039;&#039;&#039;Vardeva, I.&#039;&#039;&#039;, S. Sotirov, &#039;&#039;Intuitionistic fuzzy estimation of damaged packets with multilayer perceptron&#039;&#039;, Proc. of the Tenth International  Workshop on Generalized Nets, Sofia, 63-69.&lt;br /&gt;
| {{download|IWGN-2009-63-69.pdf|PDF|167}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
|10. &lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., D. Orozova, E. Sotirova&#039;&#039;&#039;, M. Hristova, K. Atanassov, M. Krawczak, P. Melo-Pinto, R. Nikolov, S. Sotirov, T. Kim, &#039;&#039;Towards a Model of the Digital University: A Generalized Net Model for Producing Course Timetables and Subjects’ Quality Estimation&#039;&#039;, Advanced Intelligent Systems / IS From Theory to Practice, Springer, 2010, 373-381.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 11.&lt;br /&gt;
| &#039;&#039;&#039;Sotirova, E., D. Orozova&#039;&#039;&#039;, &#039;&#039;Generalized net model of the phases of the data mining process&#039;&#039;, Developments in Fuzzy Sets, Intuitionistic Fuzzy Sets, Generalized Nets and Related Topics. Foundation and Applications, Warsaw, Poland, 2010, 247-260.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 12.&lt;br /&gt;
| Sotirov, S., &#039;&#039;&#039;E. Sotirova&#039;&#039;&#039;, M. Krawczak, &#039;&#039;Application of data mining in digital university: multilayer perceptron for lecturer’s evaluation with intuitionistic fuzzy estimations&#039;&#039;, Issues in Intuitionistic Fuzzy Sets and Generalized Nets, Vol. 8, Warsaw, Poland, 2010, 102-107.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 13.&lt;br /&gt;
| &#039;&#039;&#039;Sotirova, E., T. Petkov, S. Surchev&#039;&#039;&#039;, M. Krawczak, &#039;&#039;Generalized net model of Clustering with Self Organizing Map&#039;&#039;, Developments in Fuzzy Sets, Intuitionistic Fuzzy Sets, Generalized Nets and Related Topics. Foundations and Applications Warsaw, Poland.&lt;br /&gt;
| (под печат)&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 14.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., E. Sotirova, D. Orozova&#039;&#039;&#039;, &#039;&#039;Generalized net model of Using data mining techniques for process of undergraduate matriculation in а digital university&#039;&#039;, Proc. of the Eleven International Workshop on Generalized Nets and Second Int. Workshop on GNs, IFSs, KE London, 2010, 1-6.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 15.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., E. Sotirova&#039;&#039;&#039;, M. Hristova, T. Kim, &#039;&#039;Generalized Net Model of a Student’s Course Evaluation with Intuitionistic Fuzzy Estimations in a Digital University&#039;&#039;, Jangjeon Mathematical Society, 13 (2010), No 1, 31-38.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 16.&lt;br /&gt;
| &#039;&#039;&#039;Орозова, Д.&#039;&#039;&#039;,  &#039;&#039;&#039;Е. Сотирова&#039;&#039;&#039;, &#039;&#039;Прилагане на data mining техники в електронното обучение&#039;&#039;, Научна конференция с международно участие “Предизвикателства пред висшето образование и научните изследвания в условията на криза”, 25-26 юни 2010, Бургас &lt;br /&gt;
| (под печат)&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 17.&lt;br /&gt;
| &#039;&#039;&#039;Tcheshmedjiev, P.&#039;&#039;&#039;, &#039;&#039;Synchronizing parallel processes using generalized nets&#039;&#039;, Issues in Intuitionistic Fuzzy Sets and Generalized Nets, Vol. 8, Warsaw, Poland, 2010, 84-90.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 18.&lt;br /&gt;
| &#039;&#039;&#039;Atanassova, V.&#039;&#039;&#039;, &#039;&#039;Design of training tests on generalized nets&#039;&#039;, Intelligent Systems (IS), 2010 5th IEEE International Conference, 7-9 July 2010, 327 – 330.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 19.&lt;br /&gt;
| Atanassov, Kr., &#039;&#039;&#039;E. Sotirova, D. Orozova&#039;&#039;&#039;, &#039;&#039;Generalized Net Model of an Intuitionistic Fuzzy Expert System with Frame-Type Data Bases and Different Forms of Hypotheses Estimations&#039;&#039;, Годишник на БСУ, Том XXI, 2010&lt;br /&gt;
| (под печат)&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 20. &lt;br /&gt;
| &#039;&#039;&#039;Атанасова, В.&#039;&#039;&#039;, &#039;&#039;Уики технологии в помощ на науката. Примерът с Ifigenia.org&#039;&#039;, 8&amp;lt;sup&amp;gt;-ма&amp;lt;/sup&amp;gt; Национална младежка научно-практическа сесия на ФНТС, 10-11 май 2010. &lt;br /&gt;
| {{download|FNTS-2010-Atanassova.pdf|PDF|280}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 21.&lt;br /&gt;
| &#039;&#039;&#039;Atanassova, V.&#039;&#039;&#039;, &#039;&#039;Utilizing the Model Graphic Structures when Teaching Generalized Nets&#039;&#039;, Proc. of 9th IWIFSGN 2010, 8 October 2010, Warsaw, Poland&lt;br /&gt;
| (под печат) &lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 22.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., E. Sotirova&#039;&#039;&#039;, Kr. Atanassov, M. Krawczak, P. Melo-Pinto, S. Sotirov, St. Hadjitodorov, T. Kim, &#039;&#039;Generalized net model of process of the administration servicing in a digital university with intuitionistic fuzzy estimations&#039;&#039;, The Fourteenth ICIFS, Sofia, 2010, 51—56.&lt;br /&gt;
| {{download|NIFS-16-2-50-56.pdf|PDF|158}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 23. &lt;br /&gt;
| &#039;&#039;&#039;Атанасова, В., Д. Орозова&#039;&#039;&#039;, &#039;&#039;Проектно-базирано обучение по бази от данни в Wiki среда&#039;&#039;, Сборник от конф. &amp;quot;Взаимодействието теория—практика&amp;quot;, Бургас, 24-25 юни 2011.&lt;br /&gt;
| (под печат)&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 24.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., E Sotirova&#039;&#039;&#039;, E. Szmidt, T. Kim, &#039;&#039;Intuitionistic fuzzy estimations of students&#039; team forming&#039;&#039;, Issues in Intuitionistic Fuzzy Sets and Generalized Nets, Vol. 9 (2011), 77-83.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
&lt;br /&gt;
| 25.&lt;br /&gt;
| &#039;&#039;&#039;Atanassova, V.&#039;&#039;&#039;, Marinova, M., &#039;&#039;Designing a Lecture Course on Wikipedia and Wiki Technologies&#039;&#039;, Wikimania&#039;2011, Haifa, Israel, 4-7 August 2011.&lt;br /&gt;
| {{download-ext|http://upload.wikimedia.org/wikipedia/commons/3/30/Wikimania_2011-_Lessons_Learned_from_the_Lessons_Taught_-_Atanassova%2C_Marinova.pdf|PDF|3370}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 26.&lt;br /&gt;
| &#039;&#039;&#039;Atanassova, V.&#039;&#039;&#039;, Marinova, M., &#039;&#039;Lessons Learned from the Lessons Taught&#039;&#039;, Wikimania&#039;2011, Haifa, Israel, 4-7 August 2011.&lt;br /&gt;
| {{download-ext|http://upload.wikimedia.org/wikipedia/commons/a/a7/Wikimania_2011-_Designing_a_Lecture_Course_on_Wikipedia_and_Wiki_Technologies_-_Atanassova%2C_Marinova.pdf|PDF|1870}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
|}&lt;/div&gt;</summary>
		<author><name>Evdokia Sotirova</name></author>
	</entry>
	<entry>
		<id>https://ifigenia.org/index.php?title=Project:DMEU/%D0%9D%D0%B0%D1%83%D1%87%D0%BD%D0%B8_%D1%80%D0%B5%D0%B7%D1%83%D0%BB%D1%82%D0%B0%D1%82%D0%B8&amp;diff=5889</id>
		<title>Project:DMEU/Научни резултати</title>
		<link rel="alternate" type="text/html" href="https://ifigenia.org/index.php?title=Project:DMEU/%D0%9D%D0%B0%D1%83%D1%87%D0%BD%D0%B8_%D1%80%D0%B5%D0%B7%D1%83%D0%BB%D1%82%D0%B0%D1%82%D0%B8&amp;diff=5889"/>
		<updated>2011-11-16T18:58:39Z</updated>

		<summary type="html">&lt;p&gt;Evdokia Sotirova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{Project:DMEU/menu}}&lt;br /&gt;
__NOTOC__&lt;br /&gt;
== Постижения по проекта ==&lt;br /&gt;
* Предложен  е метод за оценяване на преподавателите в електронен университет, базиран на три основни компонента: резултати от студентските изпити, оценка от анкети на студентите, научна работа на преподавателя [2]; &lt;br /&gt;
* Предложен е метод оценяване на качеството на графика на учебните занятия  [10]; &lt;br /&gt;
* Предложен е метод за изчисляване на интуиционистки размити оценки на отговорите от анкетите на студентите за преподавателите   чрез многослоен перцептрон, които са част от общата оценка на преподавателя в електронен университет [12];&lt;br /&gt;
* Конструиран е модел за клъстеризация на многомерни данни чрез самоорганизираща се карта (Self-organizing map) [13];&lt;br /&gt;
* Конструиран е модел за прилагане на Data Mining техники при приемането на студенти в електронен университет с цел привличане, анализиране и удовлетворяване на изискванията на кандидат-студентите [14];&lt;br /&gt;
* Предложен е метод за прилагане на Data Mining техники в електронното обучение с цел предвиждане на студентската успеваемост по дадена дисциплина [16]; &lt;br /&gt;
* Предложен е метод за синхронизиране на паралелно протичащи софтуерни процеси [17]; &lt;br /&gt;
* Предложен е метод за проектиране на тестове [18]; &lt;br /&gt;
* Разработен е модел експертна система с база от данни от фрейми с размити оценки на фреймите и хипотезите [19];&lt;br /&gt;
* Представени са програмни реализации за:&lt;br /&gt;
# прогнозиране на едномерни и многомерни масиви от данни, базирани на експериментални резултати чрез изкуствена невронна мрежа [1]; &lt;br /&gt;
# анализ на резултатите от проведени студентски изпити на базата интуиционистки размити оценки, които задават степен на усвоеност на учебния материал [3];&lt;br /&gt;
# Data Mining техника за диагностика при предаването на информационни пакети при Wi-Fi локална мрежа и интуиционистки размити оценки за степента на повреденост при обмяната на данни [10]. &lt;br /&gt;
# оценяване удовлетвореността на преподавателите чрез техниката “дърво на решението” [6].&lt;br /&gt;
# многослоен перцептрон, даващ интуиционистки размити оценки на отговорите от анкетите на студентите за оценяване на преподавателите [3] в електронен университет;&lt;br /&gt;
# клъстеризация на многомерни данни чрез самоорганизираща се карта (Self-organizing map) [4].&lt;br /&gt;
&lt;br /&gt;
== Публикации ==&lt;br /&gt;
{| width=&amp;quot;100%&amp;quot; class=&amp;quot;wikitable&amp;quot;&lt;br /&gt;
! width=&amp;quot;5%&amp;quot; | №&lt;br /&gt;
! width=&amp;quot;75%&amp;quot; | Публикация (Автори, Заглавие, Списание, Брой, Номер, Година, Страници)&lt;br /&gt;
! width=&amp;quot;20%&amp;quot; | За&amp;amp;nbsp;сваляне&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 1. &lt;br /&gt;
| Sotirov, S., &#039;&#039;&#039;D. Orozova, E. Sotirova&#039;&#039;&#039;, &#039;&#039;Generalized net model of the process of the prognosis with feedforward neural network&#039;&#039;, Proc. of the XVI-th International Symposium on Electrical Apparatus and Technologies, SIELA 2009, Vol.1, 272-278.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 2.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A.&#039;&#039;&#039;, D. Dimitrakiev, &#039;&#039;&#039;E. Sotirova&#039;&#039;&#039;, M. Krawczak, &#039;&#039;T. Kim,  Towards a Model of the Digital University: Generalized Net Model of a Lecturer’s Evaluation with Intuitionistic Fuzzy Estimations&#039;&#039;, Cybernetics and Information, Vol.9, No 2, 2009, 69-78.&lt;br /&gt;
| {{download-ext|http://www.cit.iit.bas.bg/CIT_09/v9-2/69-78.pdf|PDF|96}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 3.&lt;br /&gt;
| Sotirov, S., &#039;&#039;&#039;D. Orozova, E. Sotirova&#039;&#039;&#039;, &#039;&#039;Neural network for defining intuitionistic fuzzy sets in e-learning&#039;&#039;, Тhirteen Int. Conf. on IFSs, Sofia, NIFS Vol. 15, No. 2, 2009, 33-36.&lt;br /&gt;
| {{download|NIFS-15-2-33-36.pdf|PDF|185}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 4.&lt;br /&gt;
| &#039;&#039;&#039;Орозова, Д.,  Е, Сотирова&#039;&#039;&#039;, &#039;&#039;Моделиране чрез обобщена мрежа на процеса откриване на знания в бази от данни&#039;&#039;, Използване на невронни мрежи и обобщени мрежи за обучение и провеждане на аналитични изследвания, 2009.&lt;br /&gt;
| (под печат)&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 5. &lt;br /&gt;
| &#039;&#039;&#039;Сотирова, Е.&#039;&#039;&#039;, Л. Димитрова, &#039;&#039;&#039;А. Чакърова, Г. Гордън, Г. Иновска, П. Илиева, Хр. Панайотов, Н. Неделчев, Е. Стоянов&#039;&#039;&#039;, &#039;&#039;Възможности за приложението на технологията Data Mining в електронен университет&#039;&#039;, Годишник на университет “Проф. д-р Асен Златаров” – Бургас, 2009, т. XXXVІII (1), 139-144.&lt;br /&gt;
| {{download-ext|http://www.btu.bg/Godishnik_2009/Tom-1/T1-139.PDF|PDF|160}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 6.&lt;br /&gt;
| &#039;&#039;&#039;Vardeva, I.&#039;&#039;&#039;, D. Valchev, &#039;&#039;Generalized net model of a standard ad hoc connection in wireless network&#039;&#039;, Developments in Fuzzy Sets, Intuitionistic Fuzzy Sets, Generalized Nets and Related Topics. Foundation and Applications, Vol. II, System Research Institute, Polish Academy of Science, Warsaw, 2010, 303–310.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 7.&lt;br /&gt;
| &#039;&#039;&#039;Sotirova, E., Kr. Dimitrova, R. Papancheva&#039;&#039;&#039;, &#039;&#039;A Generalized Net Model for Analysis of a Student’s evaluations by Data Mining Techniques in the e-learning university&#039;&#039;, Proc. of the Tenth International  Workshop on Generalized Nets, Sofia, 2009, 41—46.&lt;br /&gt;
| {{download|IWGN-2009-41-46.pdf|PDF|153}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 8. &lt;br /&gt;
| &#039;&#039;&#039;Orozova, D., E. Sotirova&#039;&#039;&#039;, &#039;&#039;Generalized net model of the applying data mining tools&#039;&#039;, Proc. of the Tenth International  Workshop on Generalized Nets, Sofia, 2009, 22—26.&lt;br /&gt;
| {{download|IWGN-2009-22-26.pdf|PDF|137}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 9. &lt;br /&gt;
| &#039;&#039;&#039;Vardeva, I.&#039;&#039;&#039;, S. Sotirov, &#039;&#039;Intuitionistic fuzzy estimation of damaged packets with multilayer perceptron&#039;&#039;, Proc. of the Tenth International  Workshop on Generalized Nets, Sofia, 63-69.&lt;br /&gt;
| {{download|IWGN-2009-63-69.pdf|PDF|167}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
|10. &lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., D. Orozova, E. Sotirova&#039;&#039;&#039;, M. Hristova, K. Atanassov, M. Krawczak, P. Melo-Pinto, R. Nikolov, S. Sotirov, T. Kim, &#039;&#039;Towards a Model of the Digital University: A Generalized Net Model for Producing Course Timetables and Subjects’ Quality Estimation&#039;&#039;, Advanced Intelligent Systems / IS From Theory to Practice, Springer, 2010, 373-381.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 11.&lt;br /&gt;
| &#039;&#039;&#039;Sotirova, E., D. Orozova&#039;&#039;&#039;, &#039;&#039;Generalized net model of the phases of the data mining process&#039;&#039;, Developments in Fuzzy Sets, Intuitionistic Fuzzy Sets, Generalized Nets and Related Topics. Foundation and Applications, Warsaw, Poland, 2010, 247-260.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 12.&lt;br /&gt;
| Sotirov, S., &#039;&#039;&#039;E. Sotirova&#039;&#039;&#039;, M. Krawczak, &#039;&#039;Application of data mining in digital university: multilayer perceptron for lecturer’s evaluation with intuitionistic fuzzy estimations&#039;&#039;, Issues in Intuitionistic Fuzzy Sets and Generalized Nets, Vol. 8, Warsaw, Poland, 2010, 102-107.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 13.&lt;br /&gt;
| &#039;&#039;&#039;Sotirova, E., T. Petkov, S. Surchev&#039;&#039;&#039;, M. Krawczak, &#039;&#039;Generalized net model of Clustering with Self Organizing Map&#039;&#039;, Developments in Fuzzy Sets, Intuitionistic Fuzzy Sets, Generalized Nets and Related Topics. Foundations and Applications Warsaw, Poland.&lt;br /&gt;
| (под печат)&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 14.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., E. Sotirova, D. Orozova&#039;&#039;&#039;, &#039;&#039;Generalized net model of Using data mining techniques for process of undergraduate matriculation in а digital university&#039;&#039;, Proc. of the Eleven International Workshop on Generalized Nets and Second Int. Workshop on GNs, IFSs, KE London, 2010, 1-6.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 15.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., E. Sotirova&#039;&#039;&#039;, M. Hristova, T. Kim, &#039;&#039;Generalized Net Model of a Student’s Course Evaluation with Intuitionistic Fuzzy Estimations in a Digital University&#039;&#039;, Jangjeon Mathematical Society, 13 (2010), No 1, 31-38.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 16.&lt;br /&gt;
| &#039;&#039;&#039;Орозова, Д.&#039;&#039;&#039;,  &#039;&#039;&#039;Е. Сотирова&#039;&#039;&#039;, &#039;&#039;Прилагане на data mining техники в електронното обучение&#039;&#039;, Научна конференция с международно участие “Предизвикателства пред висшето образование и научните изследвания в условията на криза”, 25-26 юни 2010, Бургас &lt;br /&gt;
| (под печат)&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 17.&lt;br /&gt;
| &#039;&#039;&#039;Tcheshmedjiev, P.&#039;&#039;&#039;, &#039;&#039;Synchronizing parallel processes using generalized nets&#039;&#039;, Issues in Intuitionistic Fuzzy Sets and Generalized Nets, Vol. 8, Warsaw, Poland, 2010, 84-90.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 18.&lt;br /&gt;
| &#039;&#039;&#039;Atanassova, V.&#039;&#039;&#039;, &#039;&#039;Design of training tests on generalized nets&#039;&#039;, Intelligent Systems (IS), 2010 5th IEEE International Conference, 7-9 July 2010, 327 – 330.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 19.&lt;br /&gt;
| Atanassov, Kr., &#039;&#039;&#039;E. Sotirova, D. Orozova&#039;&#039;&#039;, &#039;&#039;Generalized Net Model of an Intuitionistic Fuzzy Expert System with Frame-Type Data Bases and Different Forms of Hypotheses Estimations&#039;&#039;, Годишник на БСУ, Том XXI, 2010&lt;br /&gt;
| (под печат)&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 20. &lt;br /&gt;
| &#039;&#039;&#039;Атанасова, В.&#039;&#039;&#039;, &#039;&#039;Уики технологии в помощ на науката. Примерът с Ifigenia.org&#039;&#039;, 8&amp;lt;sup&amp;gt;-ма&amp;lt;/sup&amp;gt; Национална младежка научно-практическа сесия на ФНТС, 10-11 май 2010. &lt;br /&gt;
| {{download|FNTS-2010-Atanassova.pdf|PDF|280}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 21.&lt;br /&gt;
| &#039;&#039;&#039;Atanassova, V.&#039;&#039;&#039;, &#039;&#039;Utilizing the Model Graphic Structures when Teaching Generalized Nets&#039;&#039;, Proc. of 9th IWIFSGN 2010, 8 October 2010, Warsaw, Poland&lt;br /&gt;
| (под печат) &lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 22.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., E. Sotirova&#039;&#039;&#039;, Kr. Atanassov, M. Krawczak, P. Melo-Pinto, S. Sotirov, St. Hadjitodorov, T. Kim, &#039;&#039;Generalized net model of process of the administration servicing in a digital university with intuitionistic fuzzy estimations&#039;&#039;, The Fourteenth ICIFS, Sofia, 2010, 51—56.&lt;br /&gt;
| {{download|NIFS-16-2-50-56.pdf|PDF|158}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 23. &lt;br /&gt;
| &#039;&#039;&#039;Атанасова, В., Д. Орозова&#039;&#039;&#039;, &#039;&#039;Проектно-базирано обучение по бази от данни в Wiki среда&#039;&#039;, Сборник от конф. &amp;quot;Взаимодействието теория—практика&amp;quot;, Бургас, 24-25 юни 2011.&lt;br /&gt;
| (под печат)&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 24.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., E Sotirova&#039;&#039;&#039;, E. Szmidt, T. Kim, &#039;&#039;Intuitionistic fuzzy estimations of students&#039; team forming&#039;&#039;, Issues in Intuitionistic Fuzzy Sets and Generalized Nets, Vol. 9 (2011), 77-83.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
&lt;br /&gt;
| 25.&lt;br /&gt;
| &#039;&#039;&#039;Atanassova, V.&#039;&#039;&#039;, Marinova, M., &#039;&#039;Designing a Lecture Course on Wikipedia and Wiki Technologies&#039;&#039;, Wikimania&#039;2011, Haifa, Israel, 4-7 August 2011.&lt;br /&gt;
| {{download-ext|http://upload.wikimedia.org/wikipedia/commons/3/30/Wikimania_2011-_Lessons_Learned_from_the_Lessons_Taught_-_Atanassova%2C_Marinova.pdf|PDF|3370}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 26.&lt;br /&gt;
| &#039;&#039;&#039;Atanassova, V.&#039;&#039;&#039;, Marinova, M., &#039;&#039;Lessons Learned from the Lessons Taught&#039;&#039;, Wikimania&#039;2011, Haifa, Israel, 4-7 August 2011.&lt;br /&gt;
| {{download-ext|http://upload.wikimedia.org/wikipedia/commons/a/a7/Wikimania_2011-_Designing_a_Lecture_Course_on_Wikipedia_and_Wiki_Technologies_-_Atanassova%2C_Marinova.pdf|PDF|1870}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
|}&lt;/div&gt;</summary>
		<author><name>Evdokia Sotirova</name></author>
	</entry>
	<entry>
		<id>https://ifigenia.org/index.php?title=Project:DMEU/%D0%9D%D0%B0%D1%83%D1%87%D0%BD%D0%B8_%D1%80%D0%B5%D0%B7%D1%83%D0%BB%D1%82%D0%B0%D1%82%D0%B8&amp;diff=5888</id>
		<title>Project:DMEU/Научни резултати</title>
		<link rel="alternate" type="text/html" href="https://ifigenia.org/index.php?title=Project:DMEU/%D0%9D%D0%B0%D1%83%D1%87%D0%BD%D0%B8_%D1%80%D0%B5%D0%B7%D1%83%D0%BB%D1%82%D0%B0%D1%82%D0%B8&amp;diff=5888"/>
		<updated>2011-11-14T17:27:29Z</updated>

		<summary type="html">&lt;p&gt;Evdokia Sotirova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{Project:DMEU/menu}}&lt;br /&gt;
__NOTOC__&lt;br /&gt;
== Постижения по проекта ==&lt;br /&gt;
* Предложен  е метод за оценяване на преподавателите в електронен университет, базиран на три основни компонента: резултати от студентските изпити, оценка от анкети на студентите, научна работа на преподавателя [2]; &lt;br /&gt;
* Предложен е метод оценяване на качеството на графика на учебните занятия  [10]; &lt;br /&gt;
* Предложен е метод за изчисляване на интуиционистки размити оценки на отговорите от анкетите на студентите за преподавателите   чрез многослоен перцептрон, които са част от общата оценка на преподавателя в електронен университет [12];&lt;br /&gt;
* Конструиран е модел за клъстеризация на многомерни данни чрез самоорганизираща се карта (Self-organizing map) [13];&lt;br /&gt;
* Конструиран е модел за прилагане на Data Mining техники при приемането на студенти в електронен университет с цел привличане, анализиране и удовлетворяване на изискванията на кандидат-студентите [14];&lt;br /&gt;
* Предложен е метод за прилагане на Data Mining техники в електронното обучение с цел предвиждане на студентската успеваемост по дадена дисциплина [16]; &lt;br /&gt;
* Предложен е метод за синхронизиране на паралелно протичащи софтуерни процеси [17]; &lt;br /&gt;
* Предложен е метод за проектиране на тестове [18]; &lt;br /&gt;
* Разработен е модел експертна система с база от данни от фрейми с размити оценки на фреймите и хипотезите [19];&lt;br /&gt;
* Представени са програмни реализации за:&lt;br /&gt;
# прогнозиране на едномерни и многомерни масиви от данни, базирани на експериментални резултати чрез изкуствена невронна мрежа [1]; &lt;br /&gt;
# анализ на резултатите от проведени студентски изпити на базата интуиционистки размити оценки, които задават степен на усвоеност на учебния материал [3];&lt;br /&gt;
# Data Mining техника за диагностика при предаването на информационни пакети при Wi-Fi локална мрежа и интуиционистки размити оценки за степента на повреденост при обмяната на данни [10]. &lt;br /&gt;
# оценяване удовлетвореността на преподавателите чрез техниката “дърво на решението” [6].&lt;br /&gt;
# многослоен перцептрон, даващ интуиционистки размити оценки на отговорите от анкетите на студентите за оценяване на преподавателите [3] в електронен университет;&lt;br /&gt;
# клъстеризация на многомерни данни чрез самоорганизираща се карта (Self-organizing map) [4].&lt;br /&gt;
&lt;br /&gt;
== Публикации ==&lt;br /&gt;
{| width=&amp;quot;100%&amp;quot; class=&amp;quot;wikitable&amp;quot;&lt;br /&gt;
! width=&amp;quot;5%&amp;quot; | №&lt;br /&gt;
! width=&amp;quot;75%&amp;quot; | Публикация (Автори, Заглавие, Списание, Брой, Номер, Година, Страници)&lt;br /&gt;
! width=&amp;quot;20%&amp;quot; | За&amp;amp;nbsp;сваляне&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 1. &lt;br /&gt;
| Sotirov, S., &#039;&#039;&#039;D. Orozova, E. Sotirova&#039;&#039;&#039;, &#039;&#039;Generalized net model of the process of the prognosis with feedforward neural network&#039;&#039;, Proc. of the XVI-th International Symposium on Electrical Apparatus and Technologies, SIELA 2009, Vol.1, 272-278.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 2.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A.&#039;&#039;&#039;, D. Dimitrakiev, &#039;&#039;&#039;E. Sotirova&#039;&#039;&#039;, M. Krawczak, &#039;&#039;T. Kim,  Towards a Model of the Digital University: Generalized Net Model of a Lecturer’s Evaluation with Intuitionistic Fuzzy Estimations&#039;&#039;, Cybernetics and Information, Vol.9, No 2, 2009, 69-78.&lt;br /&gt;
| {{download-ext|http://www.cit.iit.bas.bg/CIT_09/v9-2/69-78.pdf|PDF|96}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 3.&lt;br /&gt;
| Sotirov, S., &#039;&#039;&#039;D. Orozova, E. Sotirova&#039;&#039;&#039;, &#039;&#039;Neural network for defining intuitionistic fuzzy sets in e-learning&#039;&#039;, Тhirteen Int. Conf. on IFSs, Sofia, NIFS Vol. 15, No. 2, 2009, 33-36.&lt;br /&gt;
| {{download|NIFS-15-2-33-36.pdf|PDF|185}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 4.&lt;br /&gt;
| &#039;&#039;&#039;Орозова, Д.,  Е, Сотирова&#039;&#039;&#039;, &#039;&#039;Моделиране чрез обобщена мрежа на процеса откриване на знания в бази от данни&#039;&#039;, Използване на невронни мрежи и обобщени мрежи за обучение и провеждане на аналитични изследвания, 2009.&lt;br /&gt;
| (под печат)&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 5. &lt;br /&gt;
| &#039;&#039;&#039;Сотирова, Е.&#039;&#039;&#039;, Л. Димитрова, &#039;&#039;&#039;А. Чакърова, Г. Гордън, Г. Иновска, П. Илиева, Хр. Панайотов, Н. Неделчев, Е. Стоянов&#039;&#039;&#039;, &#039;&#039;Възможности за приложението на технологията Data Mining в електронен университет&#039;&#039;, Годишник на университет “Проф. д-р Асен Златаров” – Бургас, 2009, т. XXXVІII (1), 139-144.&lt;br /&gt;
| {{download-ext|http://www.btu.bg/Godishnik_2009/Tom-1/T1-139.PDF|PDF|160}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 6.&lt;br /&gt;
| &#039;&#039;&#039;Vardeva, I.&#039;&#039;&#039;, D. Valchev, &#039;&#039;Generalized net model of a standard ad hoc connection in wireless network&#039;&#039;, Developments in Fuzzy Sets, Intuitionistic Fuzzy Sets, Generalized Nets and Related Topics. Foundation and Applications, Vol. II, System Research Institute, Polish Academy of Science, Warsaw, 2010, 303–310.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 7.&lt;br /&gt;
| &#039;&#039;&#039;Sotirova, E., Kr. Dimitrova, R. Papancheva&#039;&#039;&#039;, &#039;&#039;A Generalized Net Model for Analysis of a Student’s evaluations by Data Mining Techniques in the e-learning university&#039;&#039;, Proc. of the Tenth International  Workshop on Generalized Nets, Sofia, 2009, 41—46.&lt;br /&gt;
| {{download|IWGN-2009-41-46.pdf|PDF|153}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 8. &lt;br /&gt;
| &#039;&#039;&#039;Orozova, D., E. Sotirova&#039;&#039;&#039;, &#039;&#039;Generalized net model of the applying data mining tools&#039;&#039;, Proc. of the Tenth International  Workshop on Generalized Nets, Sofia, 2009, 22—26.&lt;br /&gt;
| {{download|IWGN-2009-22-26.pdf|PDF|137}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 9. &lt;br /&gt;
| &#039;&#039;&#039;Vardeva, I.&#039;&#039;&#039;, S. Sotirov, &#039;&#039;Intuitionistic fuzzy estimation of damaged packets with multilayer perceptron&#039;&#039;, Proc. of the Tenth International  Workshop on Generalized Nets, Sofia, 63-69.&lt;br /&gt;
| {{download|IWGN-2009-63-69.pdf|PDF|167}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
|10. &lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., D. Orozova, E. Sotirova&#039;&#039;&#039;, M. Hristova, K. Atanassov, M. Krawczak, P. Melo-Pinto, R. Nikolov, S. Sotirov, T. Kim, &#039;&#039;Towards a Model of the Digital University: A Generalized Net Model for Producing Course Timetables and Subjects’ Quality Estimation&#039;&#039;, Advanced Intelligent Systems / IS From Theory to Practice, Springer, 2010, 373-381.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 11.&lt;br /&gt;
| &#039;&#039;&#039;Sotirova, E., D. Orozova&#039;&#039;&#039;, &#039;&#039;Generalized net model of the phases of the data mining process&#039;&#039;, Developments in Fuzzy Sets, Intuitionistic Fuzzy Sets, Generalized Nets and Related Topics. Foundation and Applications, Warsaw, Poland, 2010, 247-260.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 12.&lt;br /&gt;
| Sotirov, S., &#039;&#039;&#039;E. Sotirova&#039;&#039;&#039;, M. Krawczak, &#039;&#039;Application of data mining in digital university: multilayer perceptron for lecturer’s evaluation with intuitionistic fuzzy estimations&#039;&#039;, Issues in Intuitionistic Fuzzy Sets and Generalized Nets, Vol. 8, Warsaw, Poland, 2010, 102-107.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 13.&lt;br /&gt;
| &#039;&#039;&#039;Sotirova, E., T. Petkov, S. Surchev&#039;&#039;&#039;, M. Krawczak, &#039;&#039;Generalized net model of Clustering with Self Organizing Map&#039;&#039;, Developments in Fuzzy Sets, Intuitionistic Fuzzy Sets, Generalized Nets and Related Topics. Foundations and Applications Warsaw, Poland.&lt;br /&gt;
| (под печат)&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 14.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., E. Sotirova, D. Orozova&#039;&#039;&#039;, &#039;&#039;Generalized net model of Using data mining techniques for process of undergraduate matriculation in а digital university&#039;&#039;, Proc. of the Eleven International Workshop on Generalized Nets and Second Int. Workshop on GNs, IFSs, KE London, 2010, 1-6.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 15.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., E. Sotirova&#039;&#039;&#039;, M. Hristova, T. Kim, &#039;&#039;Generalized Net Model of a Student’s Course Evaluation with Intuitionistic Fuzzy Estimations in a Digital University&#039;&#039;, Jangjeon Mathematical Society, 13 (2010), No 1, 31-38.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 16.&lt;br /&gt;
| &#039;&#039;&#039;Орозова, Д.&#039;&#039;&#039;,  &#039;&#039;&#039;Е. Сотирова&#039;&#039;&#039;, &#039;&#039;Прилагане на data mining техники в електронното обучение&#039;&#039;, Научна конференция с международно участие “Предизвикателства пред висшето образование и научните изследвания в условията на криза”, 25-26 юни 2010, Бургас &lt;br /&gt;
| (под печат)&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 17.&lt;br /&gt;
| &#039;&#039;&#039;Tcheshmedjiev, P.&#039;&#039;&#039;, &#039;&#039;Synchronizing parallel processes using generalized nets&#039;&#039;, Issues in Intuitionistic Fuzzy Sets and Generalized Nets, Vol. 8, Warsaw, Poland, 2010, 84-90.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 18.&lt;br /&gt;
| &#039;&#039;&#039;Atanassova, V.&#039;&#039;&#039;, &#039;&#039;Design of training tests on generalized nets&#039;&#039;, Intelligent Systems (IS), 2010 5th IEEE International Conference, 7-9 July 2010, 327 – 330.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 19.&lt;br /&gt;
| Atanassov, Kr., &#039;&#039;&#039;E. Sotirova, D. Orozova&#039;&#039;&#039;, &#039;&#039;Generalized Net Model of an Intuitionistic Fuzzy Expert System with Frame-Type Data Bases and Different Forms of Hypotheses Estimations&#039;&#039;, Годишник на БСУ, Том XXI, 2010&lt;br /&gt;
| (под печат)&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 20. &lt;br /&gt;
| &#039;&#039;&#039;Атанасова, В.&#039;&#039;&#039;, &#039;&#039;Уики технологии в помощ на науката. Примерът с Ifigenia.org&#039;&#039;, 8&amp;lt;sup&amp;gt;-ма&amp;lt;/sup&amp;gt; Национална младежка научно-практическа сесия на ФНТС, 10-11 май 2010. &lt;br /&gt;
| {{download|FNTS-2010-Atanassova.pdf|PDF|280}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 21.&lt;br /&gt;
| &#039;&#039;&#039;Atanassova, V.&#039;&#039;&#039;, &#039;&#039;Utilizing the Model Graphic Structures when Teaching Generalized Nets&#039;&#039;, Proc. of 9th IWIFSGN 2010, 8 October 2010, Warsaw, Poland&lt;br /&gt;
| (под печат) &lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 22.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., E. Sotirova&#039;&#039;&#039;, Kr. Atanassov, M. Krawczak, P. Melo-Pinto, S. Sotirov, St. Hadjitodorov, T. Kim, &#039;&#039;Generalized net model of process of the administration servicing in a digital university with intuitionistic fuzzy estimations&#039;&#039;, The Fourteenth ICIFS, Sofia, 2010, 51—56.&lt;br /&gt;
| {{download|NIFS-16-2-50-56.pdf|PDF|158}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 23. &lt;br /&gt;
| &#039;&#039;&#039;Атанасова, В., Д. Орозова&#039;&#039;&#039;, &#039;&#039;Проектно-базирано обучение по бази от данни в Wiki среда&#039;&#039;, Сборник от конф. &amp;quot;Взаимодействието теория—практика&amp;quot;, Бургас, 24-25 юни 2011.&lt;br /&gt;
| (под печат)&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 24.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., E Sotirova&#039;&#039;&#039;, E. Szmidt, T. Kim, &#039;&#039;Intuitionistic fuzzy estimations of students&#039; team forming&#039;&#039;, Issues in Intuitionistic Fuzzy Sets and Generalized Nets, Vol. 9 (2011), 77-83.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
|}&lt;br /&gt;
&lt;br /&gt;
== Доклади на конференции ==&lt;br /&gt;
{| width=&amp;quot;100%&amp;quot; class=&amp;quot;wikitable&amp;quot;&lt;br /&gt;
! width=&amp;quot;5%&amp;quot; | №&lt;br /&gt;
! width=&amp;quot;75%&amp;quot; | Доклад (Автор(и), Заглавие, Конференция, Място, Дата)&lt;br /&gt;
! width=&amp;quot;20%&amp;quot; | За&amp;amp;nbsp;сваляне&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 1.&lt;br /&gt;
| &#039;&#039;&#039;Atanassova, V.&#039;&#039;&#039;, Marinova, M., &#039;&#039;Designing a Lecture Course on Wikipedia and Wiki Technologies&#039;&#039;, Wikimania&#039;2011, Haifa, Israel, 4-7 August 2011.&lt;br /&gt;
| {{download-ext|http://upload.wikimedia.org/wikipedia/commons/3/30/Wikimania_2011-_Lessons_Learned_from_the_Lessons_Taught_-_Atanassova%2C_Marinova.pdf|PDF|3370}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 2.&lt;br /&gt;
| &#039;&#039;&#039;Atanassova, V.&#039;&#039;&#039;, Marinova, M., &#039;&#039;Lessons Learned from the Lessons Taught&#039;&#039;, Wikimania&#039;2011, Haifa, Israel, 4-7 August 2011.&lt;br /&gt;
| {{download-ext|http://upload.wikimedia.org/wikipedia/commons/a/a7/Wikimania_2011-_Designing_a_Lecture_Course_on_Wikipedia_and_Wiki_Technologies_-_Atanassova%2C_Marinova.pdf|PDF|1870}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
|}&lt;/div&gt;</summary>
		<author><name>Evdokia Sotirova</name></author>
	</entry>
	<entry>
		<id>https://ifigenia.org/index.php?title=Project:DMEU/%D0%9D%D0%B0%D1%83%D1%87%D0%BD%D0%B8_%D1%80%D0%B5%D0%B7%D1%83%D0%BB%D1%82%D0%B0%D1%82%D0%B8&amp;diff=5887</id>
		<title>Project:DMEU/Научни резултати</title>
		<link rel="alternate" type="text/html" href="https://ifigenia.org/index.php?title=Project:DMEU/%D0%9D%D0%B0%D1%83%D1%87%D0%BD%D0%B8_%D1%80%D0%B5%D0%B7%D1%83%D0%BB%D1%82%D0%B0%D1%82%D0%B8&amp;diff=5887"/>
		<updated>2011-11-14T17:26:21Z</updated>

		<summary type="html">&lt;p&gt;Evdokia Sotirova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{Project:DMEU/menu}}&lt;br /&gt;
__NOTOC__&lt;br /&gt;
== Постижения по проекта ==&lt;br /&gt;
* Предложен  е метод за оценяване на преподавателите в електронен университет, базиран на три основни компонента: резултати от студентските изпити, оценка от анкети на студентите, научна работа на преподавателя [2]; &lt;br /&gt;
* Предложен е метод оценяване на качеството на графика на учебните занятия  [10]; &lt;br /&gt;
* Предложен е метод за изчисляване на интуиционистки размити оценки на отговорите от анкетите на студентите за преподавателите   чрез многослоен перцептрон, които са част от общата оценка на преподавателя в електронен университет [12];&lt;br /&gt;
* Конструиран е модел за клъстеризация на многомерни данни чрез самоорганизираща се карта (Self-organizing map) [13];&lt;br /&gt;
* Конструиран е модел за прилагане на Data Mining техники при приемането на студенти в електронен университет с цел привличане, анализиране и удовлетворяване на изискванията на кандидат-студентите [14];&lt;br /&gt;
* Предложен е метод за прилагане на Data Mining техники в електронното обучение с цел предвиждане на студентската успеваемост по дадена дисциплина [16]; &lt;br /&gt;
* Предложен е метод за синхронизиране на паралелно протичащи софтуерни процеси [17]; &lt;br /&gt;
* Предложен е метод за проектиране на тестове [18]; &lt;br /&gt;
* Разработен е модел експертна система с база от данни от фрейми с размити оценки на фреймите и хипотезите [19];&lt;br /&gt;
* Представени са програмни реализации за: # прогнозиране на едномерни и многомерни масиви от данни, базирани на експериментални резултати чрез изкуствена невронна мрежа [1]; &lt;br /&gt;
# анализ на резултатите от проведени студентски изпити на базата интуиционистки размити оценки, които задават степен на усвоеност на учебния материал [3];&lt;br /&gt;
# Data Mining техника за диагностика при предаването на информационни пакети при Wi-Fi локална мрежа и интуиционистки размити оценки за степента на повреденост при обмяната на данни [10]. &lt;br /&gt;
# оценяване удовлетвореността на преподавателите чрез техниката “дърво на решението” [6].&lt;br /&gt;
# многослоен перцептрон, даващ интуиционистки размити оценки на отговорите от анкетите на студентите за оценяване на преподавателите [3] в електронен университет;&lt;br /&gt;
# клъстеризация на многомерни данни чрез самоорганизираща се карта (Self-organizing map) [4].&lt;br /&gt;
&lt;br /&gt;
== Публикации ==&lt;br /&gt;
{| width=&amp;quot;100%&amp;quot; class=&amp;quot;wikitable&amp;quot;&lt;br /&gt;
! width=&amp;quot;5%&amp;quot; | №&lt;br /&gt;
! width=&amp;quot;75%&amp;quot; | Публикация (Автори, Заглавие, Списание, Брой, Номер, Година, Страници)&lt;br /&gt;
! width=&amp;quot;20%&amp;quot; | За&amp;amp;nbsp;сваляне&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 1. &lt;br /&gt;
| Sotirov, S., &#039;&#039;&#039;D. Orozova, E. Sotirova&#039;&#039;&#039;, &#039;&#039;Generalized net model of the process of the prognosis with feedforward neural network&#039;&#039;, Proc. of the XVI-th International Symposium on Electrical Apparatus and Technologies, SIELA 2009, Vol.1, 272-278.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 2.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A.&#039;&#039;&#039;, D. Dimitrakiev, &#039;&#039;&#039;E. Sotirova&#039;&#039;&#039;, M. Krawczak, &#039;&#039;T. Kim,  Towards a Model of the Digital University: Generalized Net Model of a Lecturer’s Evaluation with Intuitionistic Fuzzy Estimations&#039;&#039;, Cybernetics and Information, Vol.9, No 2, 2009, 69-78.&lt;br /&gt;
| {{download-ext|http://www.cit.iit.bas.bg/CIT_09/v9-2/69-78.pdf|PDF|96}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 3.&lt;br /&gt;
| Sotirov, S., &#039;&#039;&#039;D. Orozova, E. Sotirova&#039;&#039;&#039;, &#039;&#039;Neural network for defining intuitionistic fuzzy sets in e-learning&#039;&#039;, Тhirteen Int. Conf. on IFSs, Sofia, NIFS Vol. 15, No. 2, 2009, 33-36.&lt;br /&gt;
| {{download|NIFS-15-2-33-36.pdf|PDF|185}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 4.&lt;br /&gt;
| &#039;&#039;&#039;Орозова, Д.,  Е, Сотирова&#039;&#039;&#039;, &#039;&#039;Моделиране чрез обобщена мрежа на процеса откриване на знания в бази от данни&#039;&#039;, Използване на невронни мрежи и обобщени мрежи за обучение и провеждане на аналитични изследвания, 2009.&lt;br /&gt;
| (под печат)&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 5. &lt;br /&gt;
| &#039;&#039;&#039;Сотирова, Е.&#039;&#039;&#039;, Л. Димитрова, &#039;&#039;&#039;А. Чакърова, Г. Гордън, Г. Иновска, П. Илиева, Хр. Панайотов, Н. Неделчев, Е. Стоянов&#039;&#039;&#039;, &#039;&#039;Възможности за приложението на технологията Data Mining в електронен университет&#039;&#039;, Годишник на университет “Проф. д-р Асен Златаров” – Бургас, 2009, т. XXXVІII (1), 139-144.&lt;br /&gt;
| {{download-ext|http://www.btu.bg/Godishnik_2009/Tom-1/T1-139.PDF|PDF|160}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 6.&lt;br /&gt;
| &#039;&#039;&#039;Vardeva, I.&#039;&#039;&#039;, D. Valchev, &#039;&#039;Generalized net model of a standard ad hoc connection in wireless network&#039;&#039;, Developments in Fuzzy Sets, Intuitionistic Fuzzy Sets, Generalized Nets and Related Topics. Foundation and Applications, Vol. II, System Research Institute, Polish Academy of Science, Warsaw, 2010, 303–310.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 7.&lt;br /&gt;
| &#039;&#039;&#039;Sotirova, E., Kr. Dimitrova, R. Papancheva&#039;&#039;&#039;, &#039;&#039;A Generalized Net Model for Analysis of a Student’s evaluations by Data Mining Techniques in the e-learning university&#039;&#039;, Proc. of the Tenth International  Workshop on Generalized Nets, Sofia, 2009, 41—46.&lt;br /&gt;
| {{download|IWGN-2009-41-46.pdf|PDF|153}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 8. &lt;br /&gt;
| &#039;&#039;&#039;Orozova, D., E. Sotirova&#039;&#039;&#039;, &#039;&#039;Generalized net model of the applying data mining tools&#039;&#039;, Proc. of the Tenth International  Workshop on Generalized Nets, Sofia, 2009, 22—26.&lt;br /&gt;
| {{download|IWGN-2009-22-26.pdf|PDF|137}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 9. &lt;br /&gt;
| &#039;&#039;&#039;Vardeva, I.&#039;&#039;&#039;, S. Sotirov, &#039;&#039;Intuitionistic fuzzy estimation of damaged packets with multilayer perceptron&#039;&#039;, Proc. of the Tenth International  Workshop on Generalized Nets, Sofia, 63-69.&lt;br /&gt;
| {{download|IWGN-2009-63-69.pdf|PDF|167}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
|10. &lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., D. Orozova, E. Sotirova&#039;&#039;&#039;, M. Hristova, K. Atanassov, M. Krawczak, P. Melo-Pinto, R. Nikolov, S. Sotirov, T. Kim, &#039;&#039;Towards a Model of the Digital University: A Generalized Net Model for Producing Course Timetables and Subjects’ Quality Estimation&#039;&#039;, Advanced Intelligent Systems / IS From Theory to Practice, Springer, 2010, 373-381.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 11.&lt;br /&gt;
| &#039;&#039;&#039;Sotirova, E., D. Orozova&#039;&#039;&#039;, &#039;&#039;Generalized net model of the phases of the data mining process&#039;&#039;, Developments in Fuzzy Sets, Intuitionistic Fuzzy Sets, Generalized Nets and Related Topics. Foundation and Applications, Warsaw, Poland, 2010, 247-260.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 12.&lt;br /&gt;
| Sotirov, S., &#039;&#039;&#039;E. Sotirova&#039;&#039;&#039;, M. Krawczak, &#039;&#039;Application of data mining in digital university: multilayer perceptron for lecturer’s evaluation with intuitionistic fuzzy estimations&#039;&#039;, Issues in Intuitionistic Fuzzy Sets and Generalized Nets, Vol. 8, Warsaw, Poland, 2010, 102-107.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 13.&lt;br /&gt;
| &#039;&#039;&#039;Sotirova, E., T. Petkov, S. Surchev&#039;&#039;&#039;, M. Krawczak, &#039;&#039;Generalized net model of Clustering with Self Organizing Map&#039;&#039;, Developments in Fuzzy Sets, Intuitionistic Fuzzy Sets, Generalized Nets and Related Topics. Foundations and Applications Warsaw, Poland.&lt;br /&gt;
| (под печат)&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 14.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., E. Sotirova, D. Orozova&#039;&#039;&#039;, &#039;&#039;Generalized net model of Using data mining techniques for process of undergraduate matriculation in а digital university&#039;&#039;, Proc. of the Eleven International Workshop on Generalized Nets and Second Int. Workshop on GNs, IFSs, KE London, 2010, 1-6.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 15.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., E. Sotirova&#039;&#039;&#039;, M. Hristova, T. Kim, &#039;&#039;Generalized Net Model of a Student’s Course Evaluation with Intuitionistic Fuzzy Estimations in a Digital University&#039;&#039;, Jangjeon Mathematical Society, 13 (2010), No 1, 31-38.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 16.&lt;br /&gt;
| &#039;&#039;&#039;Орозова, Д.&#039;&#039;&#039;,  &#039;&#039;&#039;Е. Сотирова&#039;&#039;&#039;, &#039;&#039;Прилагане на data mining техники в електронното обучение&#039;&#039;, Научна конференция с международно участие “Предизвикателства пред висшето образование и научните изследвания в условията на криза”, 25-26 юни 2010, Бургас &lt;br /&gt;
| (под печат)&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 17.&lt;br /&gt;
| &#039;&#039;&#039;Tcheshmedjiev, P.&#039;&#039;&#039;, &#039;&#039;Synchronizing parallel processes using generalized nets&#039;&#039;, Issues in Intuitionistic Fuzzy Sets and Generalized Nets, Vol. 8, Warsaw, Poland, 2010, 84-90.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 18.&lt;br /&gt;
| &#039;&#039;&#039;Atanassova, V.&#039;&#039;&#039;, &#039;&#039;Design of training tests on generalized nets&#039;&#039;, Intelligent Systems (IS), 2010 5th IEEE International Conference, 7-9 July 2010, 327 – 330.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 19.&lt;br /&gt;
| Atanassov, Kr., &#039;&#039;&#039;E. Sotirova, D. Orozova&#039;&#039;&#039;, &#039;&#039;Generalized Net Model of an Intuitionistic Fuzzy Expert System with Frame-Type Data Bases and Different Forms of Hypotheses Estimations&#039;&#039;, Годишник на БСУ, Том XXI, 2010&lt;br /&gt;
| (под печат)&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 20. &lt;br /&gt;
| &#039;&#039;&#039;Атанасова, В.&#039;&#039;&#039;, &#039;&#039;Уики технологии в помощ на науката. Примерът с Ifigenia.org&#039;&#039;, 8&amp;lt;sup&amp;gt;-ма&amp;lt;/sup&amp;gt; Национална младежка научно-практическа сесия на ФНТС, 10-11 май 2010. &lt;br /&gt;
| {{download|FNTS-2010-Atanassova.pdf|PDF|280}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 21.&lt;br /&gt;
| &#039;&#039;&#039;Atanassova, V.&#039;&#039;&#039;, &#039;&#039;Utilizing the Model Graphic Structures when Teaching Generalized Nets&#039;&#039;, Proc. of 9th IWIFSGN 2010, 8 October 2010, Warsaw, Poland&lt;br /&gt;
| (под печат) &lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 22.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., E. Sotirova&#039;&#039;&#039;, Kr. Atanassov, M. Krawczak, P. Melo-Pinto, S. Sotirov, St. Hadjitodorov, T. Kim, &#039;&#039;Generalized net model of process of the administration servicing in a digital university with intuitionistic fuzzy estimations&#039;&#039;, The Fourteenth ICIFS, Sofia, 2010, 51—56.&lt;br /&gt;
| {{download|NIFS-16-2-50-56.pdf|PDF|158}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 23. &lt;br /&gt;
| &#039;&#039;&#039;Атанасова, В., Д. Орозова&#039;&#039;&#039;, &#039;&#039;Проектно-базирано обучение по бази от данни в Wiki среда&#039;&#039;, Сборник от конф. &amp;quot;Взаимодействието теория—практика&amp;quot;, Бургас, 24-25 юни 2011.&lt;br /&gt;
| (под печат)&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 24.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., E Sotirova&#039;&#039;&#039;, E. Szmidt, T. Kim, &#039;&#039;Intuitionistic fuzzy estimations of students&#039; team forming&#039;&#039;, Issues in Intuitionistic Fuzzy Sets and Generalized Nets, Vol. 9 (2011), 77-83.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
|}&lt;br /&gt;
&lt;br /&gt;
== Доклади на конференции ==&lt;br /&gt;
{| width=&amp;quot;100%&amp;quot; class=&amp;quot;wikitable&amp;quot;&lt;br /&gt;
! width=&amp;quot;5%&amp;quot; | №&lt;br /&gt;
! width=&amp;quot;75%&amp;quot; | Доклад (Автор(и), Заглавие, Конференция, Място, Дата)&lt;br /&gt;
! width=&amp;quot;20%&amp;quot; | За&amp;amp;nbsp;сваляне&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 1.&lt;br /&gt;
| &#039;&#039;&#039;Atanassova, V.&#039;&#039;&#039;, Marinova, M., &#039;&#039;Designing a Lecture Course on Wikipedia and Wiki Technologies&#039;&#039;, Wikimania&#039;2011, Haifa, Israel, 4-7 August 2011.&lt;br /&gt;
| {{download-ext|http://upload.wikimedia.org/wikipedia/commons/3/30/Wikimania_2011-_Lessons_Learned_from_the_Lessons_Taught_-_Atanassova%2C_Marinova.pdf|PDF|3370}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 2.&lt;br /&gt;
| &#039;&#039;&#039;Atanassova, V.&#039;&#039;&#039;, Marinova, M., &#039;&#039;Lessons Learned from the Lessons Taught&#039;&#039;, Wikimania&#039;2011, Haifa, Israel, 4-7 August 2011.&lt;br /&gt;
| {{download-ext|http://upload.wikimedia.org/wikipedia/commons/a/a7/Wikimania_2011-_Designing_a_Lecture_Course_on_Wikipedia_and_Wiki_Technologies_-_Atanassova%2C_Marinova.pdf|PDF|1870}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
|}&lt;/div&gt;</summary>
		<author><name>Evdokia Sotirova</name></author>
	</entry>
	<entry>
		<id>https://ifigenia.org/index.php?title=Project:DMEU/%D0%9D%D0%B0%D1%83%D1%87%D0%BD%D0%B8_%D1%80%D0%B5%D0%B7%D1%83%D0%BB%D1%82%D0%B0%D1%82%D0%B8&amp;diff=5707</id>
		<title>Project:DMEU/Научни резултати</title>
		<link rel="alternate" type="text/html" href="https://ifigenia.org/index.php?title=Project:DMEU/%D0%9D%D0%B0%D1%83%D1%87%D0%BD%D0%B8_%D1%80%D0%B5%D0%B7%D1%83%D0%BB%D1%82%D0%B0%D1%82%D0%B8&amp;diff=5707"/>
		<updated>2011-08-21T14:13:33Z</updated>

		<summary type="html">&lt;p&gt;Evdokia Sotirova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{Project:DMEU/menu}}&lt;br /&gt;
__NOTOC__&lt;br /&gt;
== Постижения по проекта ==&lt;br /&gt;
* Предложен  е метод за оценяване на преподавателите в електронен университет, базиран на три основни компонента: резултати от студентските изпити, оценка от анкети на студентите, научна работа на преподавателя [2]; &lt;br /&gt;
* Предложен е метод оценяване на качеството на графика на учебните занятия  [1]; &lt;br /&gt;
* Предложен е метод за изчисляване на интуиционистки размити оценки на отговорите от анкетите на студентите за преподавателите [3]  чрез многослоен перцептрон, които са част от общата оценка на преподавателя в електронен университет;&lt;br /&gt;
* Конструиран е модел за клъстеризация на многомерни данни чрез самоорганизираща се карта (Self-organizing map) [13];&lt;br /&gt;
* Конструиран е модел за прилагане на Data Mining техники при приемането на студенти в електронен университет с цел привличане, анализиране и удовлетворяване на изискванията на кандидат-студентите [5];&lt;br /&gt;
* Предложен е метод за прилагане на Data Mining техники в електронното обучение с цел предвиждане на студентската успеваемост по дадена дисциплина [6]; &lt;br /&gt;
* Предложен е метод за синхронизиране на паралелно протичащи софтуерни процеси [7]; &lt;br /&gt;
* Предложен е метод за проектиране на тестове [8]; &lt;br /&gt;
* Разработен е модел експертна система с база от данни от фрейми с размити оценки на фреймите и хипотезите [9];&lt;br /&gt;
* Представени са програмни реализации за: &lt;br /&gt;
# прогнозиране на едномерни и многомерни масиви от данни, базирани на експериментални резултати чрез изкуствена невронна мрежа [1]; &lt;br /&gt;
# анализ на резултатите от проведени студентски изпити на базата интуиционистки размити оценки, които задават степен на усвоеност на учебния материал [3];&lt;br /&gt;
# Data Mining техника за диагностика при предаването на информационни пакети при Wi-Fi локална мрежа и интуиционистки размити оценки за степента на повреденост при обмяната на данни [10]. &lt;br /&gt;
# оценяване удовлетвореността на преподавателите чрез техниката “дърво на решението” [6].&lt;br /&gt;
# многослоен перцептрон, даващ интуиционистки размити оценки на отговорите от анкетите на студентите за оценяване на преподавателите [3] в електронен университет;&lt;br /&gt;
# клъстеризация на многомерни данни чрез самоорганизираща се карта (Self-organizing map) [4].&lt;br /&gt;
&lt;br /&gt;
== Публикации ==&lt;br /&gt;
{| width=&amp;quot;100%&amp;quot; class=&amp;quot;wikitable&amp;quot;&lt;br /&gt;
! width=&amp;quot;5%&amp;quot; | №&lt;br /&gt;
! width=&amp;quot;75%&amp;quot; | Публикация (Автори, Заглавие, Списание, Брой, Номер, Година, Страници)&lt;br /&gt;
! width=&amp;quot;20%&amp;quot; | За&amp;amp;nbsp;сваляне&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 1. &lt;br /&gt;
| Sotirov, S., &#039;&#039;&#039;D. Orozova, E. Sotirova&#039;&#039;&#039;, &#039;&#039;Generalized net model of the process of the prognosis with feedforward neural network&#039;&#039;, Proc. of the XVI-th International Symposium on Electrical Apparatus and Technologies, SIELA 2009, Vol.1, 272-278.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 2.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A.&#039;&#039;&#039;, D. Dimitrakiev, &#039;&#039;&#039;E. Sotirova&#039;&#039;&#039;, M. Krawczak, &#039;&#039;T. Kim,  Towards a Model of the Digital University: Generalized Net Model of a Lecturer’s Evaluation with Intuitionistic Fuzzy Estimations&#039;&#039;, Cybernetics and Information, Vol.9, No 2, 2009, 69-78.&lt;br /&gt;
| {{download-ext|http://www.cit.iit.bas.bg/CIT_09/v9-2/69-78.pdf|PDF|96}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 3.&lt;br /&gt;
| Sotirov, S., &#039;&#039;&#039;D. Orozova, E. Sotirova&#039;&#039;&#039;, &#039;&#039;Neural network for defining intuitionistic fuzzy sets in e-learning&#039;&#039;, Тhirteen Int. Conf. on IFSs, Sofia, NIFS Vol. 15, No. 2, 2009, 33-36.&lt;br /&gt;
| {{download|NIFS-15-2-33-36.pdf|PDF|185}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 4.&lt;br /&gt;
| &#039;&#039;&#039;Орозова, Д.,  Е, Сотирова&#039;&#039;&#039;, &#039;&#039;Моделиране чрез обобщена мрежа на процеса откриване на знания в бази от данни&#039;&#039;, Използване на невронни мрежи и обобщени мрежи за обучение и провеждане на аналитични изследвания, 2009.&lt;br /&gt;
| (под печат)&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 5. &lt;br /&gt;
| &#039;&#039;&#039;Сотирова, Е.&#039;&#039;&#039;, Л. Димитрова, &#039;&#039;&#039;А. Чакърова, Г. Гордън, Г. Иновска, П. Илиева, Хр. Панайотов, Н. Неделчев, Е. Стоянов&#039;&#039;&#039;, &#039;&#039;Възможности за приложението на технологията Data Mining в електронен университет&#039;&#039;, Годишник на университет “Проф. д-р Асен Златаров” – Бургас, 2009, т. XXXVІII (1), 139-144.&lt;br /&gt;
| {{download-ext|http://www.btu.bg/Godishnik_2009/Tom-1/T1-139.PDF|PDF|160}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 6.&lt;br /&gt;
| &#039;&#039;&#039;Vardeva, I.&#039;&#039;&#039;, D. Valchev, &#039;&#039;Generalized net model of a standard ad hoc connection in wireless network&#039;&#039;, Developments in Fuzzy Sets, Intuitionistic Fuzzy Sets, Generalized Nets and Related Topics. Foundation and Applications, Vol. II, System Research Institute, Polish Academy of Science, Warsaw, 2010, 303–310.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 7.&lt;br /&gt;
| &#039;&#039;&#039;Sotirova, E., Kr. Dimitrova, R. Papancheva&#039;&#039;&#039;, &#039;&#039;A Generalized Net Model for Analysis of a Student’s evaluations by Data Mining Techniques in the e-learning university&#039;&#039;, Proc. of the Tenth International  Workshop on Generalized Nets, Sofia, 2009, 41—46.&lt;br /&gt;
| {{download|IWGN-2009-41-46.pdf|PDF|153}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 8. &lt;br /&gt;
| &#039;&#039;&#039;Orozova, D., E. Sotirova&#039;&#039;&#039;, &#039;&#039;Generalized net model of the applying data mining tools&#039;&#039;, Proc. of the Tenth International  Workshop on Generalized Nets, Sofia, 2009, 22—26.&lt;br /&gt;
| {{download|IWGN-2009-22-26.pdf|PDF|137}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 9. &lt;br /&gt;
| &#039;&#039;&#039;Vardeva, I.&#039;&#039;&#039;, S. Sotirov, &#039;&#039;Intuitionistic fuzzy estimation of damaged packets with multilayer perceptron&#039;&#039;, Proc. of the Tenth International  Workshop on Generalized Nets, Sofia, 63-69.&lt;br /&gt;
| {{download|IWGN-2009-63-69.pdf|PDF|167}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
|10. &lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., D. Orozova, E. Sotirova&#039;&#039;&#039;, M. Hristova, K. Atanassov, M. Krawczak, P. Melo-Pinto, R. Nikolov, S. Sotirov, T. Kim, &#039;&#039;Towards a Model of the Digital University: A Generalized Net Model for Producing Course Timetables and Subjects’ Quality Estimation&#039;&#039;, Advanced Intelligent Systems / IS From Theory to Practice, Springer, 2010, 373-381.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 11.&lt;br /&gt;
| &#039;&#039;&#039;Sotirova, E., D. Orozova&#039;&#039;&#039;, &#039;&#039;Generalized net model of the phases of the data mining process&#039;&#039;, Developments in Fuzzy Sets, Intuitionistic Fuzzy Sets, Generalized Nets and Related Topics. Foundation and Applications, Warsaw, Poland, 2010, 247-260.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 12.&lt;br /&gt;
| Sotirov, S., &#039;&#039;&#039;E. Sotirova&#039;&#039;&#039;, M. Krawczak, &#039;&#039;Application of data mining in digital university: multilayer perceptron for lecturer’s evaluation with intuitionistic fuzzy estimations&#039;&#039;, Issues in Intuitionistic Fuzzy Sets and Generalized Nets, Vol. 8, Warsaw, Poland, 2010, 102-107.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 13.&lt;br /&gt;
| &#039;&#039;&#039;Sotirova, E., T. Petkov, S. Surchev&#039;&#039;&#039;, M. Krawczak, &#039;&#039;Generalized net model of Clustering with Self Organizing Map&#039;&#039;, Developments in Fuzzy Sets, Intuitionistic Fuzzy Sets, Generalized Nets and Related Topics. Foundations and Applications Warsaw, Poland.&lt;br /&gt;
| (под печат)&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 14.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., E. Sotirova, D. Orozova&#039;&#039;&#039;, &#039;&#039;Generalized net model of Using data mining techniques for process of undergraduate matriculation in а digital university&#039;&#039;, Proc. of the Eleven International Workshop on Generalized Nets and Second Int. Workshop on GNs, IFSs, KE London, 2010, 1-6.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 15.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., E. Sotirova&#039;&#039;&#039;, M. Hristova, T. Kim, &#039;&#039;Generalized Net Model of a Student’s Course Evaluation with Intuitionistic Fuzzy Estimations in a Digital University&#039;&#039;, Jangjeon Mathematical Society, 13 (2010), No 1, 31-38.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 16.&lt;br /&gt;
| &#039;&#039;&#039;Орозова, Д.&#039;&#039;&#039;,  &#039;&#039;&#039;Е. Сотирова&#039;&#039;&#039;, &#039;&#039;Прилагане на data mining техники в електронното обучение&#039;&#039;, Научна конференция с международно участие “Предизвикателства пред висшето образование и научните изследвания в условията на криза”, 25-26 юни 2010, Бургас &lt;br /&gt;
| (под печат)&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 17.&lt;br /&gt;
| &#039;&#039;&#039;Tcheshmedjiev, P.&#039;&#039;&#039;, &#039;&#039;Synchronizing parallel processes using generalized nets&#039;&#039;, Issues in Intuitionistic Fuzzy Sets and Generalized Nets, Vol. 8, Warsaw, Poland, 2010, 84-90.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 18.&lt;br /&gt;
| &#039;&#039;&#039;Atanassova, V.&#039;&#039;&#039;, &#039;&#039;Design of training tests on generalized nets&#039;&#039;, Intelligent Systems (IS), 2010 5th IEEE International Conference, 7-9 July 2010, 327 – 330.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 19.&lt;br /&gt;
| Atanassov, Kr., &#039;&#039;&#039;E. Sotirova, D. Orozova&#039;&#039;&#039;, &#039;&#039;Generalized Net Model of an Intuitionistic Fuzzy Expert System with Frame-Type Data Bases and Different Forms of Hypotheses Estimations&#039;&#039;, Годишник на БСУ, Том XXI, 2010&lt;br /&gt;
| (под печат)&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 20. &lt;br /&gt;
| &#039;&#039;&#039;Атанасова, В.&#039;&#039;&#039;, &#039;&#039;Уики технологии в помощ на науката. Примерът с Ifigenia.org&#039;&#039;, 8&amp;lt;sup&amp;gt;-ма&amp;lt;/sup&amp;gt; Национална младежка научно-практическа сесия на ФНТС, 10-11 май 2010. &lt;br /&gt;
| {{download|FNTS-2010-Atanassova.pdf|PDF|280}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 21.&lt;br /&gt;
| &#039;&#039;&#039;Atanassova, V.&#039;&#039;&#039;, &#039;&#039;Utilizing the Model Graphic Structures when Teaching Generalized Nets&#039;&#039;, Proc. of 9th IWIFSGN 2010, 8 October 2010, Warsaw, Poland&lt;br /&gt;
| (под печат) &lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 22.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., E. Sotirova&#039;&#039;&#039;, Kr. Atanassov, M. Krawczak, P. Melo-Pinto, S. Sotirov, St. Hadjitodorov, T. Kim, &#039;&#039;Generalized net model of process of the administration servicing in a digital university with intuitionistic fuzzy estimations&#039;&#039;, The Fourteenth ICIFS, Sofia, 2010, 51—56.&lt;br /&gt;
| {{download|NIFS-16-2-50-56.pdf|PDF|158}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 23. &lt;br /&gt;
| &#039;&#039;&#039;Атанасова, В., Д. Орозова&#039;&#039;&#039;, &#039;&#039;Проектно-базирано обучение по бази от данни в Wiki среда&#039;&#039;, Сборник от конф. &amp;quot;Взаимодействието теория—практика&amp;quot;, Бургас, 24-25 юни 2011.&lt;br /&gt;
| (под печат)&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 24.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., E Sotirova&#039;&#039;&#039;, E. Szmidt, T. Kim, &#039;&#039;Intuitionistic fuzzy estimations of students&#039; team forming&#039;&#039;, Issues in Intuitionistic Fuzzy Sets and Generalized Nets, Vol. 9 (2011), 77-83.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
|}&lt;br /&gt;
&lt;br /&gt;
== Доклади на конференции ==&lt;br /&gt;
{| width=&amp;quot;100%&amp;quot; class=&amp;quot;wikitable&amp;quot;&lt;br /&gt;
! width=&amp;quot;5%&amp;quot; | №&lt;br /&gt;
! width=&amp;quot;75%&amp;quot; | Доклад (Автор(и), Заглавие, Конференция, Място, Дата)&lt;br /&gt;
! width=&amp;quot;20%&amp;quot; | За&amp;amp;nbsp;сваляне&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 1.&lt;br /&gt;
| &#039;&#039;&#039;Atanassova, V.&#039;&#039;&#039;, Marinova, M., &#039;&#039;Designing a Lecture Course on Wikipedia and Wiki Technologies&#039;&#039;, Wikimania&#039;2011, Haifa, Israel, 4-7 August 2011.&lt;br /&gt;
| {{download-ext|http://upload.wikimedia.org/wikipedia/commons/3/30/Wikimania_2011-_Lessons_Learned_from_the_Lessons_Taught_-_Atanassova%2C_Marinova.pdf|PDF|3370}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 2.&lt;br /&gt;
| &#039;&#039;&#039;Atanassova, V.&#039;&#039;&#039;, Marinova, M., &#039;&#039;Lessons Learned from the Lessons Taught&#039;&#039;, Wikimania&#039;2011, Haifa, Israel, 4-7 August 2011.&lt;br /&gt;
| {{download-ext|http://upload.wikimedia.org/wikipedia/commons/a/a7/Wikimania_2011-_Designing_a_Lecture_Course_on_Wikipedia_and_Wiki_Technologies_-_Atanassova%2C_Marinova.pdf|PDF|1870}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
|}&lt;/div&gt;</summary>
		<author><name>Evdokia Sotirova</name></author>
	</entry>
	<entry>
		<id>https://ifigenia.org/index.php?title=Project:DMEU/%D0%9D%D0%B0%D1%83%D1%87%D0%BD%D0%B8_%D1%80%D0%B5%D0%B7%D1%83%D0%BB%D1%82%D0%B0%D1%82%D0%B8&amp;diff=5706</id>
		<title>Project:DMEU/Научни резултати</title>
		<link rel="alternate" type="text/html" href="https://ifigenia.org/index.php?title=Project:DMEU/%D0%9D%D0%B0%D1%83%D1%87%D0%BD%D0%B8_%D1%80%D0%B5%D0%B7%D1%83%D0%BB%D1%82%D0%B0%D1%82%D0%B8&amp;diff=5706"/>
		<updated>2011-08-21T14:10:25Z</updated>

		<summary type="html">&lt;p&gt;Evdokia Sotirova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{Project:DMEU/menu}}&lt;br /&gt;
__NOTOC__&lt;br /&gt;
== Постижения по проекта ==&lt;br /&gt;
* Предложен  е метод за оценяване на преподавателите в електронен университет, базиран на три основни компонента: резултати от студентските изпити, оценка от анкети на студентите, научна работа на преподавателя [2]; &lt;br /&gt;
* Предложен е метод оценяване на качеството на графика на учебните занятия  [1]; &lt;br /&gt;
* Предложен е метод за изчисляване на интуиционистки размити оценки на отговорите от анкетите на студентите за преподавателите [3]  чрез многослоен перцептрон, които са част от общата оценка на преподавателя в електронен университет;&lt;br /&gt;
* Конструиран е модел за клъстеризация на многомерни данни чрез самоорганизираща се карта (Self-organizing map) [4];&lt;br /&gt;
* Конструиран е модел за прилагане на Data Mining техники при приемането на студенти в цифров университет с цел привличане, анализиране и удовлетворяване на изискванията на кандидат-студентите [5];&lt;br /&gt;
* Предложен е метод за прилагане на Data Mining техники в електронното обучение с цел предвиждане на студентската успеваемост по дадена дисциплина [6]; &lt;br /&gt;
* Предложен е метод за синхронизиране на паралелно протичащи софтуерни процеси [7]; &lt;br /&gt;
* Предложен е метод за проектиране на тестове [8]; &lt;br /&gt;
* Разработен е модел експертна система с база от данни от фрейми с размити оценки на фреймите и хипотезите [9];&lt;br /&gt;
* Представени са програмни реализации за: &lt;br /&gt;
# прогнозиране на едномерни и многомерни масиви от данни, базирани на експериментални резултати чрез изкуствена невронна мрежа [1]; &lt;br /&gt;
# анализ на резултатите от проведени студентски изпити на базата интуиционистки размити оценки, които задават степен на усвоеност на учебния материал [3];&lt;br /&gt;
# Data Mining техника за диагностика при предаването на информационни пакети при Wi-Fi локална мрежа и интуиционистки размити оценки за степента на повреденост при обмяната на данни [10]. &lt;br /&gt;
# оценяване удовлетвореността на преподавателите чрез техниката “дърво на решението” [6].&lt;br /&gt;
# многослоен перцептрон, даващ интуиционистки размити оценки на отговорите от анкетите на студентите за оценяване на преподавателите [3] в електронен университет;&lt;br /&gt;
# клъстеризация на многомерни данни чрез самоорганизираща се карта (Self-organizing map) [4].&lt;br /&gt;
&lt;br /&gt;
== Публикации ==&lt;br /&gt;
{| width=&amp;quot;100%&amp;quot; class=&amp;quot;wikitable&amp;quot;&lt;br /&gt;
! width=&amp;quot;5%&amp;quot; | №&lt;br /&gt;
! width=&amp;quot;75%&amp;quot; | Публикация (Автори, Заглавие, Списание, Брой, Номер, Година, Страници)&lt;br /&gt;
! width=&amp;quot;20%&amp;quot; | За&amp;amp;nbsp;сваляне&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 1. &lt;br /&gt;
| Sotirov, S., &#039;&#039;&#039;D. Orozova, E. Sotirova&#039;&#039;&#039;, &#039;&#039;Generalized net model of the process of the prognosis with feedforward neural network&#039;&#039;, Proc. of the XVI-th International Symposium on Electrical Apparatus and Technologies, SIELA 2009, Vol.1, 272-278.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 2.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A.&#039;&#039;&#039;, D. Dimitrakiev, &#039;&#039;&#039;E. Sotirova&#039;&#039;&#039;, M. Krawczak, &#039;&#039;T. Kim,  Towards a Model of the Digital University: Generalized Net Model of a Lecturer’s Evaluation with Intuitionistic Fuzzy Estimations&#039;&#039;, Cybernetics and Information, Vol.9, No 2, 2009, 69-78.&lt;br /&gt;
| {{download-ext|http://www.cit.iit.bas.bg/CIT_09/v9-2/69-78.pdf|PDF|96}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 3.&lt;br /&gt;
| Sotirov, S., &#039;&#039;&#039;D. Orozova, E. Sotirova&#039;&#039;&#039;, &#039;&#039;Neural network for defining intuitionistic fuzzy sets in e-learning&#039;&#039;, Тhirteen Int. Conf. on IFSs, Sofia, NIFS Vol. 15, No. 2, 2009, 33-36.&lt;br /&gt;
| {{download|NIFS-15-2-33-36.pdf|PDF|185}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 4.&lt;br /&gt;
| &#039;&#039;&#039;Орозова, Д.,  Е, Сотирова&#039;&#039;&#039;, &#039;&#039;Моделиране чрез обобщена мрежа на процеса откриване на знания в бази от данни&#039;&#039;, Използване на невронни мрежи и обобщени мрежи за обучение и провеждане на аналитични изследвания, 2009.&lt;br /&gt;
| (под печат)&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 5. &lt;br /&gt;
| &#039;&#039;&#039;Сотирова, Е.&#039;&#039;&#039;, Л. Димитрова, &#039;&#039;&#039;А. Чакърова, Г. Гордън, Г. Иновска, П. Илиева, Хр. Панайотов, Н. Неделчев, Е. Стоянов&#039;&#039;&#039;, &#039;&#039;Възможности за приложението на технологията Data Mining в електронен университет&#039;&#039;, Годишник на университет “Проф. д-р Асен Златаров” – Бургас, 2009, т. XXXVІII (1), 139-144.&lt;br /&gt;
| {{download-ext|http://www.btu.bg/Godishnik_2009/Tom-1/T1-139.PDF|PDF|160}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 6.&lt;br /&gt;
| &#039;&#039;&#039;Vardeva, I.&#039;&#039;&#039;, D. Valchev, &#039;&#039;Generalized net model of a standard ad hoc connection in wireless network&#039;&#039;, Developments in Fuzzy Sets, Intuitionistic Fuzzy Sets, Generalized Nets and Related Topics. Foundation and Applications, Vol. II, System Research Institute, Polish Academy of Science, Warsaw, 2010, 303–310.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 7.&lt;br /&gt;
| &#039;&#039;&#039;Sotirova, E., Kr. Dimitrova, R. Papancheva&#039;&#039;&#039;, &#039;&#039;A Generalized Net Model for Analysis of a Student’s evaluations by Data Mining Techniques in the e-learning university&#039;&#039;, Proc. of the Tenth International  Workshop on Generalized Nets, Sofia, 2009, 41—46.&lt;br /&gt;
| {{download|IWGN-2009-41-46.pdf|PDF|153}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 8. &lt;br /&gt;
| &#039;&#039;&#039;Orozova, D., E. Sotirova&#039;&#039;&#039;, &#039;&#039;Generalized net model of the applying data mining tools&#039;&#039;, Proc. of the Tenth International  Workshop on Generalized Nets, Sofia, 2009, 22—26.&lt;br /&gt;
| {{download|IWGN-2009-22-26.pdf|PDF|137}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 9. &lt;br /&gt;
| &#039;&#039;&#039;Vardeva, I.&#039;&#039;&#039;, S. Sotirov, &#039;&#039;Intuitionistic fuzzy estimation of damaged packets with multilayer perceptron&#039;&#039;, Proc. of the Tenth International  Workshop on Generalized Nets, Sofia, 63-69.&lt;br /&gt;
| {{download|IWGN-2009-63-69.pdf|PDF|167}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
|10. &lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., D. Orozova, E. Sotirova&#039;&#039;&#039;, M. Hristova, K. Atanassov, M. Krawczak, P. Melo-Pinto, R. Nikolov, S. Sotirov, T. Kim, &#039;&#039;Towards a Model of the Digital University: A Generalized Net Model for Producing Course Timetables and Subjects’ Quality Estimation&#039;&#039;, Advanced Intelligent Systems / IS From Theory to Practice, Springer, 2010, 373-381.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 11.&lt;br /&gt;
| &#039;&#039;&#039;Sotirova, E., D. Orozova&#039;&#039;&#039;, &#039;&#039;Generalized net model of the phases of the data mining process&#039;&#039;, Developments in Fuzzy Sets, Intuitionistic Fuzzy Sets, Generalized Nets and Related Topics. Foundation and Applications, Warsaw, Poland, 2010, 247-260.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 12.&lt;br /&gt;
| Sotirov, S., &#039;&#039;&#039;E. Sotirova&#039;&#039;&#039;, M. Krawczak, &#039;&#039;Application of data mining in digital university: multilayer perceptron for lecturer’s evaluation with intuitionistic fuzzy estimations&#039;&#039;, Issues in Intuitionistic Fuzzy Sets and Generalized Nets, Vol. 8, Warsaw, Poland, 2010, 102-107.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 13.&lt;br /&gt;
| &#039;&#039;&#039;Sotirova, E., T. Petkov, S. Surchev&#039;&#039;&#039;, M. Krawczak, &#039;&#039;Generalized net model of Clustering with Self Organizing Map&#039;&#039;, Developments in Fuzzy Sets, Intuitionistic Fuzzy Sets, Generalized Nets and Related Topics. Foundations and Applications Warsaw, Poland.&lt;br /&gt;
| (под печат)&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 14.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., E. Sotirova, D. Orozova&#039;&#039;&#039;, &#039;&#039;Generalized net model of Using data mining techniques for process of undergraduate matriculation in а digital university&#039;&#039;, Proc. of the Eleven International Workshop on Generalized Nets and Second Int. Workshop on GNs, IFSs, KE London, 2010, 1-6.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 15.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., E. Sotirova&#039;&#039;&#039;, M. Hristova, T. Kim, &#039;&#039;Generalized Net Model of a Student’s Course Evaluation with Intuitionistic Fuzzy Estimations in a Digital University&#039;&#039;, Jangjeon Mathematical Society, 13 (2010), No 1, 31-38.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 16.&lt;br /&gt;
| &#039;&#039;&#039;Орозова, Д.&#039;&#039;&#039;,  &#039;&#039;&#039;Е. Сотирова&#039;&#039;&#039;, &#039;&#039;Прилагане на data mining техники в електронното обучение&#039;&#039;, Научна конференция с международно участие “Предизвикателства пред висшето образование и научните изследвания в условията на криза”, 25-26 юни 2010, Бургас &lt;br /&gt;
| (под печат)&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 17.&lt;br /&gt;
| &#039;&#039;&#039;Tcheshmedjiev, P.&#039;&#039;&#039;, &#039;&#039;Synchronizing parallel processes using generalized nets&#039;&#039;, Issues in Intuitionistic Fuzzy Sets and Generalized Nets, Vol. 8, Warsaw, Poland, 2010, 84-90.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 18.&lt;br /&gt;
| &#039;&#039;&#039;Atanassova, V.&#039;&#039;&#039;, &#039;&#039;Design of training tests on generalized nets&#039;&#039;, Intelligent Systems (IS), 2010 5th IEEE International Conference, 7-9 July 2010, 327 – 330.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 19.&lt;br /&gt;
| Atanassov, Kr., &#039;&#039;&#039;E. Sotirova, D. Orozova&#039;&#039;&#039;, &#039;&#039;Generalized Net Model of an Intuitionistic Fuzzy Expert System with Frame-Type Data Bases and Different Forms of Hypotheses Estimations&#039;&#039;, Годишник на БСУ, Том XXI, 2010&lt;br /&gt;
| (под печат)&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 20. &lt;br /&gt;
| &#039;&#039;&#039;Атанасова, В.&#039;&#039;&#039;, &#039;&#039;Уики технологии в помощ на науката. Примерът с Ifigenia.org&#039;&#039;, 8&amp;lt;sup&amp;gt;-ма&amp;lt;/sup&amp;gt; Национална младежка научно-практическа сесия на ФНТС, 10-11 май 2010. &lt;br /&gt;
| {{download|FNTS-2010-Atanassova.pdf|PDF|280}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 21.&lt;br /&gt;
| &#039;&#039;&#039;Atanassova, V.&#039;&#039;&#039;, &#039;&#039;Utilizing the Model Graphic Structures when Teaching Generalized Nets&#039;&#039;, Proc. of 9th IWIFSGN 2010, 8 October 2010, Warsaw, Poland&lt;br /&gt;
| (под печат) &lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 22.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., E. Sotirova&#039;&#039;&#039;, Kr. Atanassov, M. Krawczak, P. Melo-Pinto, S. Sotirov, St. Hadjitodorov, T. Kim, &#039;&#039;Generalized net model of process of the administration servicing in a digital university with intuitionistic fuzzy estimations&#039;&#039;, The Fourteenth ICIFS, Sofia, 2010, 51—56.&lt;br /&gt;
| {{download|NIFS-16-2-50-56.pdf|PDF|158}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 23. &lt;br /&gt;
| &#039;&#039;&#039;Атанасова, В., Д. Орозова&#039;&#039;&#039;, &#039;&#039;Проектно-базирано обучение по бази от данни в Wiki среда&#039;&#039;, Сборник от конф. &amp;quot;Взаимодействието теория—практика&amp;quot;, Бургас, 24-25 юни 2011.&lt;br /&gt;
| (под печат)&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 24.&lt;br /&gt;
| &#039;&#039;&#039;Shannon, A., E Sotirova&#039;&#039;&#039;, E. Szmidt, T. Kim, &#039;&#039;Intuitionistic fuzzy estimations of students&#039; team forming&#039;&#039;, Issues in Intuitionistic Fuzzy Sets and Generalized Nets, Vol. 9 (2011), 77-83.&lt;br /&gt;
|&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
|}&lt;br /&gt;
&lt;br /&gt;
== Доклади на конференции ==&lt;br /&gt;
{| width=&amp;quot;100%&amp;quot; class=&amp;quot;wikitable&amp;quot;&lt;br /&gt;
! width=&amp;quot;5%&amp;quot; | №&lt;br /&gt;
! width=&amp;quot;75%&amp;quot; | Доклад (Автор(и), Заглавие, Конференция, Място, Дата)&lt;br /&gt;
! width=&amp;quot;20%&amp;quot; | За&amp;amp;nbsp;сваляне&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 1.&lt;br /&gt;
| &#039;&#039;&#039;Atanassova, V.&#039;&#039;&#039;, Marinova, M., &#039;&#039;Designing a Lecture Course on Wikipedia and Wiki Technologies&#039;&#039;, Wikimania&#039;2011, Haifa, Israel, 4-7 August 2011.&lt;br /&gt;
| {{download-ext|http://upload.wikimedia.org/wikipedia/commons/3/30/Wikimania_2011-_Lessons_Learned_from_the_Lessons_Taught_-_Atanassova%2C_Marinova.pdf|PDF|3370}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
| 2.&lt;br /&gt;
| &#039;&#039;&#039;Atanassova, V.&#039;&#039;&#039;, Marinova, M., &#039;&#039;Lessons Learned from the Lessons Taught&#039;&#039;, Wikimania&#039;2011, Haifa, Israel, 4-7 August 2011.&lt;br /&gt;
| {{download-ext|http://upload.wikimedia.org/wikipedia/commons/a/a7/Wikimania_2011-_Designing_a_Lecture_Course_on_Wikipedia_and_Wiki_Technologies_-_Atanassova%2C_Marinova.pdf|PDF|1870}}&lt;br /&gt;
|- valign=&amp;quot;top&amp;quot;&lt;br /&gt;
|}&lt;/div&gt;</summary>
		<author><name>Evdokia Sotirova</name></author>
	</entry>
	<entry>
		<id>https://ifigenia.org/index.php?title=Project:DMEU/%D0%98%D0%BD%D1%82%D1%83%D0%B8%D1%86%D0%B8%D0%BE%D0%BD%D0%B8%D1%81%D1%82%D0%BA%D0%B8_%D1%80%D0%B0%D0%B7%D0%BC%D0%B8%D1%82%D0%B8_%D0%BC%D0%BD%D0%BE%D0%B6%D0%B5%D1%81%D1%82%D0%B2%D0%B0&amp;diff=5681</id>
		<title>Project:DMEU/Интуиционистки размити множества</title>
		<link rel="alternate" type="text/html" href="https://ifigenia.org/index.php?title=Project:DMEU/%D0%98%D0%BD%D1%82%D1%83%D0%B8%D1%86%D0%B8%D0%BE%D0%BD%D0%B8%D1%81%D1%82%D0%BA%D0%B8_%D1%80%D0%B0%D0%B7%D0%BC%D0%B8%D1%82%D0%B8_%D0%BC%D0%BD%D0%BE%D0%B6%D0%B5%D1%81%D1%82%D0%B2%D0%B0&amp;diff=5681"/>
		<updated>2011-08-21T11:29:49Z</updated>

		<summary type="html">&lt;p&gt;Evdokia Sotirova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{Project:DMEU/menu}}&lt;br /&gt;
[[Интуиционистки размити множества|Интуиционистки размитите множества]] ([[Intuitionistic fuzzy sets]]) са множества, чиито елементи имат степени на принадлежност и непринадлежност. Те са дефинирани от Красимир Атанасов (1983) като разширение на [[Размити множества|размитите множества]] на Лотфи Заде (Lotfi Zadeh). &lt;br /&gt;
В класическата теория на множествата елемент принадлежи или не принадлежи на множеството. Л. Заде дефинира принадлежност в интервала [0; 1]. Теорията на интуиционистки размитите множества разширява горните концепции, като съпоставя за принадлежност и непринадлежност реални числа в интервала [0, 1], и сумата на тези числа също трябва да принадлежи на интервала [0, 1].&lt;br /&gt;
&lt;br /&gt;
Нека е даден универсумът &#039;&#039;&#039;&#039;&#039;E&#039;&#039;&#039;&#039;&#039;. Нека &#039;&#039;&#039;&#039;&#039;A&#039;&#039;&#039;&#039;&#039; е подмножество на &#039;&#039;&#039;&#039;&#039;E&#039;&#039;&#039;&#039;&#039;. Нека конструираме множеството  &lt;br /&gt;
&amp;lt;div align=&amp;quot;center&amp;quot;&amp;gt;&amp;lt;math&amp;gt;A^* = \lbrace \langle x, \mu_A(x), \nu_A(x) \rangle \ | \ x \in E \rbrace&amp;lt;/math&amp;gt;&amp;lt;/div&amp;gt; &lt;br /&gt;
където &amp;lt;math&amp;gt;0 \leq \mu_A(x) + \nu_A(x) \leq 1&amp;lt;/math&amp;gt;. &lt;br /&gt;
&lt;br /&gt;
Ще наричаме &#039;&#039;&#039;&#039;&#039;A*&#039;&#039;&#039;&#039;&#039; &#039;&#039;&#039;интуиционистки размито множество&#039;&#039;&#039; (ИРМ). &lt;br /&gt;
&amp;lt;ref&amp;gt;Paper [[Issue:Intuitionistic fuzzy sets|&amp;quot;Intuitionistic Fuzzy Sets&amp;quot;]], Krassimir T. Atanassov, [[Fuzzy Sets and Systems]], North-Holland, Volume 20 (1986), pages 87-96, ISSN 0165-0114&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Book [[Intuitionistic Fuzzy Sets: Theory and Applications|&amp;quot;Intuitionistic Fuzzy Sets&amp;quot;]], Krassimir T. Atanassov, Series &amp;quot;Studies in Fuzziness and Soft Computing&amp;quot;, Volume 35, Springer Physica-Verlag, 1999, ISBN 3-7908-1228-5&amp;lt;/ref&amp;gt;&lt;br /&gt;
 &lt;br /&gt;
Функциите &amp;lt;math&amp;gt;\mu_A: E \to [0,1]&amp;lt;/math&amp;gt; и &amp;lt;math&amp;gt;\nu_A: E \to [0,1]&amp;lt;/math&amp;gt; задават степента на &#039;&#039;принадлежност (membership)&#039;&#039; и &#039;&#039;непринадлежност (non-membership)&#039;&#039;. &lt;br /&gt;
&lt;br /&gt;
Дефинирана е и функцията &amp;lt;math&amp;gt;\pi_A: E \to [0,1]&amp;lt;/math&amp;gt; through &amp;lt;math&amp;gt;\pi(x) = 1 - \mu (x) - \nu (x)&amp;lt;/math&amp;gt;, съответстваща на &#039;&#039;степента на несигурност (uncertainty)&#039;&#039;.&lt;br /&gt;
&lt;br /&gt;
== References ==&lt;br /&gt;
&amp;lt;references /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
[[Category:Intuitionistic fuzzy sets]]&lt;/div&gt;</summary>
		<author><name>Evdokia Sotirova</name></author>
	</entry>
	<entry>
		<id>https://ifigenia.org/index.php?title=Project:DMEU/%D0%98%D0%BD%D1%82%D1%83%D0%B8%D1%86%D0%B8%D0%BE%D0%BD%D0%B8%D1%81%D1%82%D0%BA%D0%B8_%D1%80%D0%B0%D0%B7%D0%BC%D0%B8%D1%82%D0%B8_%D0%BC%D0%BD%D0%BE%D0%B6%D0%B5%D1%81%D1%82%D0%B2%D0%B0&amp;diff=5679</id>
		<title>Project:DMEU/Интуиционистки размити множества</title>
		<link rel="alternate" type="text/html" href="https://ifigenia.org/index.php?title=Project:DMEU/%D0%98%D0%BD%D1%82%D1%83%D0%B8%D1%86%D0%B8%D0%BE%D0%BD%D0%B8%D1%81%D1%82%D0%BA%D0%B8_%D1%80%D0%B0%D0%B7%D0%BC%D0%B8%D1%82%D0%B8_%D0%BC%D0%BD%D0%BE%D0%B6%D0%B5%D1%81%D1%82%D0%B2%D0%B0&amp;diff=5679"/>
		<updated>2011-08-21T11:28:02Z</updated>

		<summary type="html">&lt;p&gt;Evdokia Sotirova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{Project:DMEU/menu}}&lt;br /&gt;
[[Интуиционистки размитите множества (Intuitionistic fuzzy sets)]] са множества, чиито елементи имат степени на принадлежност и непринадлежност. Те са дефинирани от Красимир Атанасов (1983) като разширение на [[Размити множества|размитите множества]] на Лотфи Заде (Lotfi Zadeh). &lt;br /&gt;
В класическата теория на множествата елемент принадлежи или не принадлежи на множеството. Л. Заде дефинира принадлежност в интервала [0; 1]. Теорията на интуиционистки размитите множества разширява горните концепции, като съпоставя за принадлежност и непринадлежност реални числа в интервала [0, 1], и сумата на тези числа също трябва да принадлежи на интервала [0, 1].&lt;br /&gt;
&lt;br /&gt;
Нека е даден универсумът &#039;&#039;&#039;&#039;&#039;E&#039;&#039;&#039;&#039;&#039;. Нека &#039;&#039;&#039;&#039;&#039;A&#039;&#039;&#039;&#039;&#039; е подмножество на &#039;&#039;&#039;&#039;&#039;E&#039;&#039;&#039;&#039;&#039;. Нека конструираме множеството  &lt;br /&gt;
&amp;lt;div align=&amp;quot;center&amp;quot;&amp;gt;&amp;lt;math&amp;gt;A^* = \lbrace \langle x, \mu_A(x), \nu_A(x) \rangle \ | \ x \in E \rbrace&amp;lt;/math&amp;gt;&amp;lt;/div&amp;gt; &lt;br /&gt;
където &amp;lt;math&amp;gt;0 \leq \mu_A(x) + \nu_A(x) \leq 1&amp;lt;/math&amp;gt;. &lt;br /&gt;
&lt;br /&gt;
Ще наричаме &#039;&#039;&#039;&#039;&#039;A*&#039;&#039;&#039;&#039;&#039; &#039;&#039;&#039;интуиционистки размито множество&#039;&#039;&#039; (ИРМ). &lt;br /&gt;
&amp;lt;ref&amp;gt;Paper [[Issue:Intuitionistic fuzzy sets|&amp;quot;Intuitionistic Fuzzy Sets&amp;quot;]], Krassimir T. Atanassov, [[Fuzzy Sets and Systems]], North-Holland, Volume 20 (1986), pages 87-96, ISSN 0165-0114&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Book [[Intuitionistic Fuzzy Sets: Theory and Applications|&amp;quot;Intuitionistic Fuzzy Sets&amp;quot;]], Krassimir T. Atanassov, Series &amp;quot;Studies in Fuzziness and Soft Computing&amp;quot;, Volume 35, Springer Physica-Verlag, 1999, ISBN 3-7908-1228-5&amp;lt;/ref&amp;gt;&lt;br /&gt;
 &lt;br /&gt;
Функциите &amp;lt;math&amp;gt;\mu_A: E \to [0,1]&amp;lt;/math&amp;gt; и &amp;lt;math&amp;gt;\nu_A: E \to [0,1]&amp;lt;/math&amp;gt; задават степента на &#039;&#039;принадлежност (membership)&#039;&#039; и непринадлежност (non-membership). Дефинирана е и функцията &amp;lt;math&amp;gt;\pi_A: E \to [0,1]&amp;lt;/math&amp;gt; through &amp;lt;math&amp;gt;\pi(x) = 1 - \mu (x) - \nu (x)&amp;lt;/math&amp;gt;, съответстваща на степента на несигурност (uncertainty).&lt;br /&gt;
&lt;br /&gt;
== References ==&lt;br /&gt;
&amp;lt;references /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
[[Category:Intuitionistic fuzzy sets]]&lt;/div&gt;</summary>
		<author><name>Evdokia Sotirova</name></author>
	</entry>
	<entry>
		<id>https://ifigenia.org/index.php?title=Project:DMEU/%D0%98%D0%BD%D1%82%D1%83%D0%B8%D1%86%D0%B8%D0%BE%D0%BD%D0%B8%D1%81%D1%82%D0%BA%D0%B8_%D1%80%D0%B0%D0%B7%D0%BC%D0%B8%D1%82%D0%B8_%D0%BC%D0%BD%D0%BE%D0%B6%D0%B5%D1%81%D1%82%D0%B2%D0%B0&amp;diff=5677</id>
		<title>Project:DMEU/Интуиционистки размити множества</title>
		<link rel="alternate" type="text/html" href="https://ifigenia.org/index.php?title=Project:DMEU/%D0%98%D0%BD%D1%82%D1%83%D0%B8%D1%86%D0%B8%D0%BE%D0%BD%D0%B8%D1%81%D1%82%D0%BA%D0%B8_%D1%80%D0%B0%D0%B7%D0%BC%D0%B8%D1%82%D0%B8_%D0%BC%D0%BD%D0%BE%D0%B6%D0%B5%D1%81%D1%82%D0%B2%D0%B0&amp;diff=5677"/>
		<updated>2011-08-21T11:26:37Z</updated>

		<summary type="html">&lt;p&gt;Evdokia Sotirova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{Project:DMEU/menu}}&lt;br /&gt;
[[Интуиционистки размитите множества (Intuitionistic fuzzy sets)]] са множества, чиито елементи имат степени на принадлежност и непринадлежност. Те са дефинирани от Красимир Атанасов (1983) като разширение на [[Размити множества|размитите множества]] на Лотфи Заде (Lotfi Zadeh). &lt;br /&gt;
В класическата теория на множествата елемент принадлежи или не принадлежи на множеството. Л. Заде дефинира принадлежност в интервала [0; 1]. Теорията на интуиционистки размитите множества разширява горните концепции, като съпоставя за принадлежност и непринадлежност реални числа в интервала [0, 1], и сумата на тези числа също трябва да принадлежи на интервала [0, 1].&lt;br /&gt;
&lt;br /&gt;
Нека е даден универсумът &#039;&#039;&#039;&#039;&#039;E&#039;&#039;&#039;&#039;&#039;. Нека &#039;&#039;&#039;&#039;&#039;A&#039;&#039;&#039;&#039;&#039; е подмножество на &#039;&#039;&#039;&#039;&#039;E&#039;&#039;&#039;&#039;&#039;. Нека конструираме множеството  &lt;br /&gt;
&amp;lt;div align=&amp;quot;center&amp;quot;&amp;gt;&amp;lt;math&amp;gt;A^* = \lbrace \langle x, \mu_A(x), \nu_A(x) \rangle \ | \ x \in E \rbrace&amp;lt;/math&amp;gt;&amp;lt;/div&amp;gt; &lt;br /&gt;
където &amp;lt;math&amp;gt;0 \leq \mu_A(x) + \nu_A(x) \leq 1&amp;lt;/math&amp;gt;. &lt;br /&gt;
&lt;br /&gt;
Ще наричаме &#039;&#039;&#039;&#039;&#039;A*&#039;&#039;&#039;&#039;&#039; &#039;&#039;&#039;интуиционистки размито множество&#039;&#039;&#039; (ИРМ). &lt;br /&gt;
&amp;lt;ref&amp;gt;Paper [[Issue:Intuitionistic fuzzy sets|&amp;quot;Intuitionistic Fuzzy Sets&amp;quot;]], Krassimir T. Atanassov, [[Fuzzy Sets and Systems]], North-Holland, Volume 20 (1986), pages 87-96, ISSN 0165-0114&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Book [[Intuitionistic Fuzzy Sets: Theory and Applications|&amp;quot;Intuitionistic Fuzzy Sets&amp;quot;]], Krassimir T. Atanassov, Series &amp;quot;Studies in Fuzziness and Soft Computing&amp;quot;, Volume 35, Springer Physica-Verlag, 1999, ISBN 3-7908-1228-5&amp;lt;/ref&amp;gt; &lt;br /&gt;
Функциите &amp;lt;math&amp;gt;\mu_A: E \to [0,1]&amp;lt;/math&amp;gt; и &amp;lt;math&amp;gt;\nu_A: E \to [0,1]&amp;lt;/math&amp;gt; задават степента на принадлежност (membership) и непринадлежност (non-membership). Дефинирана е и функцията &amp;lt;math&amp;gt;\pi_A: E \to [0,1]&amp;lt;/math&amp;gt; through &amp;lt;math&amp;gt;\pi(x) = 1 - \mu (x) - \nu (x)&amp;lt;/math&amp;gt;, съответстваща на степента на несигурност (uncertainty).&lt;br /&gt;
&lt;br /&gt;
== References ==&lt;br /&gt;
&amp;lt;references /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
[[Category:Intuitionistic fuzzy sets]]&lt;/div&gt;</summary>
		<author><name>Evdokia Sotirova</name></author>
	</entry>
	<entry>
		<id>https://ifigenia.org/index.php?title=Project:DMEU/%D0%98%D0%BD%D1%82%D1%83%D0%B8%D1%86%D0%B8%D0%BE%D0%BD%D0%B8%D1%81%D1%82%D0%BA%D0%B8_%D1%80%D0%B0%D0%B7%D0%BC%D0%B8%D1%82%D0%B8_%D0%BC%D0%BD%D0%BE%D0%B6%D0%B5%D1%81%D1%82%D0%B2%D0%B0&amp;diff=5676</id>
		<title>Project:DMEU/Интуиционистки размити множества</title>
		<link rel="alternate" type="text/html" href="https://ifigenia.org/index.php?title=Project:DMEU/%D0%98%D0%BD%D1%82%D1%83%D0%B8%D1%86%D0%B8%D0%BE%D0%BD%D0%B8%D1%81%D1%82%D0%BA%D0%B8_%D1%80%D0%B0%D0%B7%D0%BC%D0%B8%D1%82%D0%B8_%D0%BC%D0%BD%D0%BE%D0%B6%D0%B5%D1%81%D1%82%D0%B2%D0%B0&amp;diff=5676"/>
		<updated>2011-08-21T11:24:39Z</updated>

		<summary type="html">&lt;p&gt;Evdokia Sotirova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{Project:DMEU/menu}}&lt;br /&gt;
[[Интуиционистки размитите множества (Intuitionistic fuzzy sets)]] са множества, чиито елементи имат степени на принадлежност и непринадлежност. Те са дефинирани от Красимир Атанасов (1983) като разширение на [[размитите множества]] на Лотфи Заде (Lotfi Zadeh). &lt;br /&gt;
В класическата теория на множествата елемент принадлежи или не принадлежи на множеството. Л. Заде дефинира принадлежност в интервала [0; 1]. Теорията на интуиционистки размитите множества разширява горните концепции, като съпоставя за принадлежност и непринадлежност реални числа в интервала [0, 1], и сумата на тези числа също трябва да принадлежи на интервала [0, 1].&lt;br /&gt;
&lt;br /&gt;
Нека е даден универсумът &#039;&#039;&#039;&#039;&#039;E&#039;&#039;&#039;&#039;&#039;. Нека &#039;&#039;&#039;&#039;&#039;A&#039;&#039;&#039;&#039;&#039; е подмножество на &#039;&#039;&#039;&#039;&#039;E&#039;&#039;&#039;&#039;&#039;. Нека конструираме множеството  &lt;br /&gt;
&amp;lt;div align=&amp;quot;center&amp;quot;&amp;gt;&amp;lt;math&amp;gt;A^* = \lbrace \langle x, \mu_A(x), \nu_A(x) \rangle \ | \ x \in E \rbrace&amp;lt;/math&amp;gt;&amp;lt;/div&amp;gt; &lt;br /&gt;
където &amp;lt;math&amp;gt;0 \leq \mu_A(x) + \nu_A(x) \leq 1&amp;lt;/math&amp;gt;. &lt;br /&gt;
&lt;br /&gt;
Ще наричаме &#039;&#039;&#039;&#039;&#039;A*&#039;&#039;&#039;&#039;&#039; &#039;&#039;&#039;интуиционистки размито множество&#039;&#039;&#039; (ИРМ). &lt;br /&gt;
&amp;lt;ref&amp;gt;Paper [[Issue:Intuitionistic fuzzy sets|&amp;quot;Intuitionistic Fuzzy Sets&amp;quot;]], Krassimir T. Atanassov, [[Fuzzy Sets and Systems]], North-Holland, Volume 20 (1986), pages 87-96, ISSN 0165-0114&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Book [[Intuitionistic Fuzzy Sets: Theory and Applications|&amp;quot;Intuitionistic Fuzzy Sets&amp;quot;]], Krassimir T. Atanassov, Series &amp;quot;Studies in Fuzziness and Soft Computing&amp;quot;, Volume 35, Springer Physica-Verlag, 1999, ISBN 3-7908-1228-5&amp;lt;/ref&amp;gt; &lt;br /&gt;
Функциите &amp;lt;math&amp;gt;\mu_A: E \to [0,1]&amp;lt;/math&amp;gt; и &amp;lt;math&amp;gt;\nu_A: E \to [0,1]&amp;lt;/math&amp;gt; задават степента на принадлежност (membership) и непринадлежност (non-membership). Дефинирана е и функцията &amp;lt;math&amp;gt;\pi_A: E \to [0,1]&amp;lt;/math&amp;gt; through &amp;lt;math&amp;gt;\pi(x) = 1 - \mu (x) - \nu (x)&amp;lt;/math&amp;gt;, съответстваща на степента на несигурност (uncertainty).&lt;br /&gt;
&lt;br /&gt;
== References ==&lt;br /&gt;
&amp;lt;references /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
[[Category:Intuitionistic fuzzy sets]]&lt;/div&gt;</summary>
		<author><name>Evdokia Sotirova</name></author>
	</entry>
	<entry>
		<id>https://ifigenia.org/index.php?title=Project:DMEU/%D0%98%D0%BD%D1%82%D1%83%D0%B8%D1%86%D0%B8%D0%BE%D0%BD%D0%B8%D1%81%D1%82%D0%BA%D0%B8_%D1%80%D0%B0%D0%B7%D0%BC%D0%B8%D1%82%D0%B8_%D0%BC%D0%BD%D0%BE%D0%B6%D0%B5%D1%81%D1%82%D0%B2%D0%B0&amp;diff=5675</id>
		<title>Project:DMEU/Интуиционистки размити множества</title>
		<link rel="alternate" type="text/html" href="https://ifigenia.org/index.php?title=Project:DMEU/%D0%98%D0%BD%D1%82%D1%83%D0%B8%D1%86%D0%B8%D0%BE%D0%BD%D0%B8%D1%81%D1%82%D0%BA%D0%B8_%D1%80%D0%B0%D0%B7%D0%BC%D0%B8%D1%82%D0%B8_%D0%BC%D0%BD%D0%BE%D0%B6%D0%B5%D1%81%D1%82%D0%B2%D0%B0&amp;diff=5675"/>
		<updated>2011-08-21T11:23:38Z</updated>

		<summary type="html">&lt;p&gt;Evdokia Sotirova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{Project:DMEU/menu}}&lt;br /&gt;
[[Интуиционистки размитите множества (Intuitionistic fuzzy sets)]] са множества, чиито елементи имат степени на принадлежност и непринадлежност. Те са дефинирани от Красимир Атанасов (1983) като разширение на [[размитите множества]] на Лотфи Заде (Lotfi Zadeh). &lt;br /&gt;
В класическата теория на множествата елемент принадлежи или не принадлежи на множеството. Л. Заде дефинира принадлежност в интервала [0; 1]. Теорията на интуиционистки размитите множества разширява горните концепции, като съпоставя за принадлежност и непринадлежност реални числа в интервала [0, 1], и сумата на тези числа също трябва да принадлежи на интервала [0, 1].&lt;br /&gt;
&lt;br /&gt;
Нека е даден универсумът &#039;&#039;&#039;&#039;&#039;E&#039;&#039;&#039;&#039;&#039;. Нека &#039;&#039;&#039;&#039;&#039;A&#039;&#039;&#039;&#039;&#039; е подмножество на &#039;&#039;&#039;&#039;&#039;E&#039;&#039;&#039;&#039;&#039;. Нека конструираме множеството  &lt;br /&gt;
&amp;lt;div align=&amp;quot;center&amp;quot;&amp;gt;&amp;lt;math&amp;gt;A^* = \lbrace \langle x, \mu_A(x), \nu_A(x) \rangle \ | \ x \in E \rbrace&amp;lt;/math&amp;gt;&amp;lt;/div&amp;gt; &lt;br /&gt;
където &amp;lt;math&amp;gt;0 \leq \mu_A(x) + \nu_A(x) \leq 1&amp;lt;/math&amp;gt;. &lt;br /&gt;
Ще наричаме &#039;&#039;&#039;&#039;&#039;A*&#039;&#039;&#039;&#039;&#039; &#039;&#039;&#039;интуиционистки размито множество&#039;&#039;&#039; (ИРМ). &lt;br /&gt;
&amp;lt;ref&amp;gt;Paper [[Issue:Intuitionistic fuzzy sets|&amp;quot;Intuitionistic Fuzzy Sets&amp;quot;]], Krassimir T. Atanassov, [[Fuzzy Sets and Systems]], North-Holland, Volume 20 (1986), pages 87-96, ISSN 0165-0114&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Book [[Intuitionistic Fuzzy Sets: Theory and Applications|&amp;quot;Intuitionistic Fuzzy Sets&amp;quot;]], Krassimir T. Atanassov, Series &amp;quot;Studies in Fuzziness and Soft Computing&amp;quot;, Volume 35, Springer Physica-Verlag, 1999, ISBN 3-7908-1228-5&amp;lt;/ref&amp;gt; &lt;br /&gt;
Функциите &amp;lt;math&amp;gt;\mu_A: E \to [0,1]&amp;lt;/math&amp;gt; и &amp;lt;math&amp;gt;\nu_A: E \to [0,1]&amp;lt;/math&amp;gt; задават степента на принадлежност (membership) и непринадлежност (non-membership). Дефинирана е и функцията &amp;lt;math&amp;gt;\pi_A: E \to [0,1]&amp;lt;/math&amp;gt; through &amp;lt;math&amp;gt;\pi(x) = 1 - \mu (x) - \nu (x)&amp;lt;/math&amp;gt;, съответстваща на степента на несигурност (uncertainty).&lt;/div&gt;</summary>
		<author><name>Evdokia Sotirova</name></author>
	</entry>
	<entry>
		<id>https://ifigenia.org/index.php?title=Project:DMEU/%D0%98%D0%BD%D1%82%D1%83%D0%B8%D1%86%D0%B8%D0%BE%D0%BD%D0%B8%D1%81%D1%82%D0%BA%D0%B8_%D1%80%D0%B0%D0%B7%D0%BC%D0%B8%D1%82%D0%B8_%D0%BC%D0%BD%D0%BE%D0%B6%D0%B5%D1%81%D1%82%D0%B2%D0%B0&amp;diff=5667</id>
		<title>Project:DMEU/Интуиционистки размити множества</title>
		<link rel="alternate" type="text/html" href="https://ifigenia.org/index.php?title=Project:DMEU/%D0%98%D0%BD%D1%82%D1%83%D0%B8%D1%86%D0%B8%D0%BE%D0%BD%D0%B8%D1%81%D1%82%D0%BA%D0%B8_%D1%80%D0%B0%D0%B7%D0%BC%D0%B8%D1%82%D0%B8_%D0%BC%D0%BD%D0%BE%D0%B6%D0%B5%D1%81%D1%82%D0%B2%D0%B0&amp;diff=5667"/>
		<updated>2011-08-21T11:17:11Z</updated>

		<summary type="html">&lt;p&gt;Evdokia Sotirova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{Project:DMEU/menu}}&lt;br /&gt;
Интуиционистки размитите множества (Intuitionistic fuzzy sets)  са множества, чиито елементи имат степени на принадлежност и непринадлежност. Те са дефинирани от Красимир Атанасов (1983) като разширение на размитите множества на Лотфи Заде (Lotfi Zadeh). &lt;br /&gt;
В класическата теория на множествата елемент принадлежи или не принадлежи на множеството. Л. Заде дефинира принадлежност в интервала [0; 1]. Теорията на интуиционистки размитите множества разширява горните концепции, като съпоставя за принадлежност и непринадлежност реални числа в интервала [0, 1], и сумата на тези числа също трябва да принадлежи на интервала [0, 1].&lt;br /&gt;
&lt;br /&gt;
Нека е даден универсумът &#039;&#039;&#039;&#039;&#039;E&#039;&#039;&#039;&#039;&#039;. Нека &#039;&#039;&#039;&#039;&#039;A&#039;&#039;&#039;&#039;&#039; е подмножество на &#039;&#039;&#039;&#039;&#039;E&#039;&#039;&#039;&#039;&#039;. Нека конструираме множеството  &lt;br /&gt;
&amp;lt;div align=&amp;quot;center&amp;quot;&amp;gt;&amp;lt;math&amp;gt;A^* = \lbrace \langle x, \mu_A(x), \nu_A(x) \rangle \ | \ x \in E \rbrace&amp;lt;/math&amp;gt;&amp;lt;/div&amp;gt; &lt;br /&gt;
където &amp;lt;math&amp;gt;0 \leq \mu_A(x) + \nu_A(x) \leq 1&amp;lt;/math&amp;gt;. Ще наричаме &#039;&#039;&#039;&#039;&#039;A*&#039;&#039;&#039;&#039;&#039; &#039;&#039;&#039;интуиционистки размито множество&#039;&#039;&#039; (ИРМ). &lt;br /&gt;
&amp;lt;ref&amp;gt;Paper [[Issue:Intuitionistic fuzzy sets|&amp;quot;Intuitionistic Fuzzy Sets&amp;quot;]], Krassimir T. Atanassov, [[Fuzzy Sets and Systems]], North-Holland, Volume 20 (1986), pages 87-96, ISSN 0165-0114&amp;lt;/ref&amp;gt;&amp;lt;ref&amp;gt;Book [[Intuitionistic Fuzzy Sets: Theory and Applications|&amp;quot;Intuitionistic Fuzzy Sets&amp;quot;]], Krassimir T. Atanassov, Series &amp;quot;Studies in Fuzziness and Soft Computing&amp;quot;, Volume 35, Springer Physica-Verlag, 1999, ISBN 3-7908-1228-5&amp;lt;/ref&amp;gt; &lt;br /&gt;
Функциите &amp;lt;math&amp;gt;\mu_A: E \to [0,1]&amp;lt;/math&amp;gt; и &amp;lt;math&amp;gt;\nu_A: E \to [0,1]&amp;lt;/math&amp;gt; задават степента на [[принадлежност (membership)]] и [[непринадлежност (non-membership)]]. Дефинирана е и функцията &amp;lt;math&amp;gt;\pi_A: E \to [0,1]&amp;lt;/math&amp;gt; through &amp;lt;math&amp;gt;\pi(x) = 1 - \mu (x) - \nu (x)&amp;lt;/math&amp;gt;, съответстваща на степента на [[несигурност (uncertainty)]].&lt;br /&gt;
&lt;br /&gt;
Obviously, for every ordinary [[fuzzy set]] &amp;lt;math&amp;gt;A&amp;lt;/math&amp;gt;: &amp;lt;math&amp;gt;\pi_A(x) = 0&amp;lt;/math&amp;gt; for each &amp;lt;math&amp;gt;x \in E&amp;lt;/math&amp;gt; and these sets have the form &amp;lt;math&amp;gt;\lbrace \langle  x, \mu_{A}(x), 1-\mu_{A}(x)\rangle  |x \in E \rbrace.&amp;lt;/math&amp;gt;&lt;/div&gt;</summary>
		<author><name>Evdokia Sotirova</name></author>
	</entry>
	<entry>
		<id>https://ifigenia.org/index.php?title=Project:DMEU/%D0%98%D0%BD%D1%82%D1%83%D0%B8%D1%86%D0%B8%D0%BE%D0%BD%D0%B8%D1%81%D1%82%D0%BA%D0%B8_%D1%80%D0%B0%D0%B7%D0%BC%D0%B8%D1%82%D0%B8_%D0%BC%D0%BD%D0%BE%D0%B6%D0%B5%D1%81%D1%82%D0%B2%D0%B0&amp;diff=5664</id>
		<title>Project:DMEU/Интуиционистки размити множества</title>
		<link rel="alternate" type="text/html" href="https://ifigenia.org/index.php?title=Project:DMEU/%D0%98%D0%BD%D1%82%D1%83%D0%B8%D1%86%D0%B8%D0%BE%D0%BD%D0%B8%D1%81%D1%82%D0%BA%D0%B8_%D1%80%D0%B0%D0%B7%D0%BC%D0%B8%D1%82%D0%B8_%D0%BC%D0%BD%D0%BE%D0%B6%D0%B5%D1%81%D1%82%D0%B2%D0%B0&amp;diff=5664"/>
		<updated>2011-08-21T10:52:30Z</updated>

		<summary type="html">&lt;p&gt;Evdokia Sotirova: New page: {{Project:DMEU/menu}} Интуиционистки размитите множества (Intuitionistic fuzzy sets)  са множества, чиито елементи имат степ...&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{Project:DMEU/menu}}&lt;br /&gt;
Интуиционистки размитите множества (Intuitionistic fuzzy sets)  са множества, чиито елементи имат степени на принадлежност и непринадлежност. Те са дефинирани от Красимир Атанасов (1983) като разширение на размитите множества на Lotfi Zadeh. &lt;br /&gt;
&lt;br /&gt;
 In classical set theory, the membership of elements in a set is assessed in binary terms according to a bivalent condition — an element either belongs or does not belong to the set.&lt;br /&gt;
 As an extension, fuzzy set theory permits the gradual assessment of the membership of elements in a set; this is described with the aid of a membership function valued in the real unit interval [0, 1].&lt;br /&gt;
 The theory of intuitionistic fuzzy sets further extends both concepts by allowing the assessment of the elements by two functions: for membership and for non-membership, which belong to the real unit interval [0, 1] and whose sum belongs to the same interval, as well.&lt;br /&gt;
 &lt;br /&gt;
Intuitionistic fuzzy sets generalize fuzzy sets, since the indicator functions of fuzzy sets are special cases of the membership and non-membership functions and of intuitionistic fuzzy sets, in the case when the strict equality exists: , i.e. the non-membership function fully complements the membership function to 1, not leaving room for any uncertainty.&lt;/div&gt;</summary>
		<author><name>Evdokia Sotirova</name></author>
	</entry>
	<entry>
		<id>https://ifigenia.org/index.php?title=Project:DMEU/%D0%9D%D0%B0%D1%83%D1%87%D0%BD%D0%B8_%D1%84%D0%BE%D1%80%D1%83%D0%BC%D0%B8&amp;diff=5634</id>
		<title>Project:DMEU/Научни форуми</title>
		<link rel="alternate" type="text/html" href="https://ifigenia.org/index.php?title=Project:DMEU/%D0%9D%D0%B0%D1%83%D1%87%D0%BD%D0%B8_%D1%84%D0%BE%D1%80%D1%83%D0%BC%D0%B8&amp;diff=5634"/>
		<updated>2011-08-20T15:48:32Z</updated>

		<summary type="html">&lt;p&gt;Evdokia Sotirova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{Ifigenia:DMEU/menu}}&lt;br /&gt;
&lt;br /&gt;
=== Проведени семинари в Университет &amp;quot;Проф. д-р Асен Златаров&amp;quot; - Бургас: ===&lt;br /&gt;
&lt;br /&gt;
# &amp;quot;Разпознаване на образи&amp;quot; - лектор assoc. prof. Parvathi Rangasamy PhD, Department of Mathematics, Vellalar College for Women, Erode – 638 012, Tamilnadu, India, юни, 2010 г.&lt;br /&gt;
# &amp;quot;Интуиционистки размита клъстеризация&amp;quot; - лектори assoc. prof. Parvathi Rangasamy PhD, и S. P. Geetha PhD, Department of Mathematics, Vellalar College for Women, Erode – 638 012, Tamilnadu, India  11 май, 2011 г.&lt;/div&gt;</summary>
		<author><name>Evdokia Sotirova</name></author>
	</entry>
	<entry>
		<id>https://ifigenia.org/index.php?title=Project:DMEU/%D0%9D%D0%B0%D1%83%D1%87%D0%BD%D0%B8_%D1%84%D0%BE%D1%80%D1%83%D0%BC%D0%B8&amp;diff=5633</id>
		<title>Project:DMEU/Научни форуми</title>
		<link rel="alternate" type="text/html" href="https://ifigenia.org/index.php?title=Project:DMEU/%D0%9D%D0%B0%D1%83%D1%87%D0%BD%D0%B8_%D1%84%D0%BE%D1%80%D1%83%D0%BC%D0%B8&amp;diff=5633"/>
		<updated>2011-08-20T15:47:54Z</updated>

		<summary type="html">&lt;p&gt;Evdokia Sotirova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{Ifigenia:DMEU/menu}}&lt;br /&gt;
&lt;br /&gt;
=== Проведени семинари в Университет &amp;quot;Проф. д-р Асен Златаров&amp;quot; - Бургас: ===&lt;br /&gt;
&lt;br /&gt;
# &amp;quot;Разпознаване на образи&amp;quot; - лектор assoc. prof. Parvathi Rangasamy PhD, Department of Mathematics, Vellalar College for Women, Erode – 638 012, Tamilnadu, India, юни, 2010 г.&lt;br /&gt;
# &amp;quot;Интуиционистки размира клъстеризация&amp;quot; - лектори assoc. prof. Parvathi Rangasamy PhD, и S. P. Geetha PhD, Department of Mathematics, Vellalar College for Women, Erode – 638 012, Tamilnadu, India  11 май, 2011&lt;/div&gt;</summary>
		<author><name>Evdokia Sotirova</name></author>
	</entry>
	<entry>
		<id>https://ifigenia.org/index.php?title=Project:DMEU/%D0%9D%D0%B0%D1%83%D1%87%D0%BD%D0%B8_%D1%84%D0%BE%D1%80%D1%83%D0%BC%D0%B8&amp;diff=5632</id>
		<title>Project:DMEU/Научни форуми</title>
		<link rel="alternate" type="text/html" href="https://ifigenia.org/index.php?title=Project:DMEU/%D0%9D%D0%B0%D1%83%D1%87%D0%BD%D0%B8_%D1%84%D0%BE%D1%80%D1%83%D0%BC%D0%B8&amp;diff=5632"/>
		<updated>2011-08-20T15:46:53Z</updated>

		<summary type="html">&lt;p&gt;Evdokia Sotirova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{Ifigenia:DMEU/menu}}&lt;br /&gt;
&lt;br /&gt;
==== Проведени семинари в Университет &amp;quot;Проф. д-р Асен Златаров&amp;quot; - Бургас: ====&lt;br /&gt;
&lt;br /&gt;
# &amp;quot;Разпознаване на образи&amp;quot; - лектор assoc. prof. Parvathi Rangasamy PhD, Department of Mathematics, Vellalar College for Women, Erode – 638 012, Tamilnadu, India, юни, 2010 г.&lt;br /&gt;
# &amp;quot;Интуиционистки размира клъстеризация&amp;quot; - лектори assoc. prof. Parvathi Rangasamy PhD, и S. P. Geetha PhD, Department of Mathematics, Vellalar College for Women, Erode – 638 012, Tamilnadu, India  11 май, 2011&lt;/div&gt;</summary>
		<author><name>Evdokia Sotirova</name></author>
	</entry>
	<entry>
		<id>https://ifigenia.org/index.php?title=Project:DMEU/%D0%9D%D0%B0%D1%83%D1%87%D0%BD%D0%B8_%D1%84%D0%BE%D1%80%D1%83%D0%BC%D0%B8&amp;diff=5631</id>
		<title>Project:DMEU/Научни форуми</title>
		<link rel="alternate" type="text/html" href="https://ifigenia.org/index.php?title=Project:DMEU/%D0%9D%D0%B0%D1%83%D1%87%D0%BD%D0%B8_%D1%84%D0%BE%D1%80%D1%83%D0%BC%D0%B8&amp;diff=5631"/>
		<updated>2011-08-20T15:46:35Z</updated>

		<summary type="html">&lt;p&gt;Evdokia Sotirova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{Ifigenia:DMEU/menu}}&lt;br /&gt;
&lt;br /&gt;
=== Проведени семинари в Университет &amp;quot;Проф. д-р Асен Златаров&amp;quot; - Бургас: ===&lt;br /&gt;
&lt;br /&gt;
# &amp;quot;Разпознаване на образи&amp;quot; - лектор assoc. prof. Parvathi Rangasamy PhD, Department of Mathematics, Vellalar College for Women, Erode – 638 012, Tamilnadu, India, юни, 2010 г.&lt;br /&gt;
# &amp;quot;Интуиционистки размира клъстеризация&amp;quot; - лектори assoc. prof. Parvathi Rangasamy PhD, и S. P. Geetha PhD, Department of Mathematics, Vellalar College for Women, Erode – 638 012, Tamilnadu, India  11 май, 2011&lt;/div&gt;</summary>
		<author><name>Evdokia Sotirova</name></author>
	</entry>
	<entry>
		<id>https://ifigenia.org/index.php?title=Project:DMEU/%D0%9D%D0%B0%D1%83%D1%87%D0%BD%D0%B8_%D1%84%D0%BE%D1%80%D1%83%D0%BC%D0%B8&amp;diff=5630</id>
		<title>Project:DMEU/Научни форуми</title>
		<link rel="alternate" type="text/html" href="https://ifigenia.org/index.php?title=Project:DMEU/%D0%9D%D0%B0%D1%83%D1%87%D0%BD%D0%B8_%D1%84%D0%BE%D1%80%D1%83%D0%BC%D0%B8&amp;diff=5630"/>
		<updated>2011-08-20T15:46:21Z</updated>

		<summary type="html">&lt;p&gt;Evdokia Sotirova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{Ifigenia:DMEU/menu}}&lt;br /&gt;
&lt;br /&gt;
= Проведени семинари в Университет &amp;quot;Проф. д-р Асен Златаров&amp;quot; - Бургас: =&lt;br /&gt;
&lt;br /&gt;
# &amp;quot;Разпознаване на образи&amp;quot; - лектор assoc. prof. Parvathi Rangasamy PhD, Department of Mathematics, Vellalar College for Women, Erode – 638 012, Tamilnadu, India, юни, 2010 г.&lt;br /&gt;
# &amp;quot;Интуиционистки размира клъстеризация&amp;quot; - лектори assoc. prof. Parvathi Rangasamy PhD, и S. P. Geetha PhD, Department of Mathematics, Vellalar College for Women, Erode – 638 012, Tamilnadu, India  11 май, 2011&lt;/div&gt;</summary>
		<author><name>Evdokia Sotirova</name></author>
	</entry>
	<entry>
		<id>https://ifigenia.org/index.php?title=Project:DMEU/%D0%9D%D0%B0%D1%83%D1%87%D0%BD%D0%B8_%D1%84%D0%BE%D1%80%D1%83%D0%BC%D0%B8&amp;diff=5628</id>
		<title>Project:DMEU/Научни форуми</title>
		<link rel="alternate" type="text/html" href="https://ifigenia.org/index.php?title=Project:DMEU/%D0%9D%D0%B0%D1%83%D1%87%D0%BD%D0%B8_%D1%84%D0%BE%D1%80%D1%83%D0%BC%D0%B8&amp;diff=5628"/>
		<updated>2011-08-20T15:45:40Z</updated>

		<summary type="html">&lt;p&gt;Evdokia Sotirova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{Ifigenia:DMEU/menu}}&lt;br /&gt;
&lt;br /&gt;
== Проведени семинари в Университет &amp;quot;Проф. д-р Асен Златаров&amp;quot; - Бургас: ==&lt;br /&gt;
&lt;br /&gt;
# Семинар на тема &amp;quot;Разпознаване на образи&amp;quot; - лектор assoc. prof. Parvathi Rangasamy PhD, Department of Mathematics, Vellalar College for Women, Erode – 638 012, Tamilnadu, India, юни, 2010 г.&lt;br /&gt;
# Семинар на тема &amp;quot;Интуиционистки размира клъстеризация&amp;quot; - лектори assoc. prof. Parvathi Rangasamy PhD, и S. P. Geetha PhD, Department of Mathematics, Vellalar College for Women, Erode – 638 012, Tamilnadu, India  11 май, 2011&lt;/div&gt;</summary>
		<author><name>Evdokia Sotirova</name></author>
	</entry>
	<entry>
		<id>https://ifigenia.org/index.php?title=Project:DMEU/%D0%9D%D0%B0%D1%83%D1%87%D0%BD%D0%B8_%D1%84%D0%BE%D1%80%D1%83%D0%BC%D0%B8&amp;diff=5626</id>
		<title>Project:DMEU/Научни форуми</title>
		<link rel="alternate" type="text/html" href="https://ifigenia.org/index.php?title=Project:DMEU/%D0%9D%D0%B0%D1%83%D1%87%D0%BD%D0%B8_%D1%84%D0%BE%D1%80%D1%83%D0%BC%D0%B8&amp;diff=5626"/>
		<updated>2011-08-20T15:44:39Z</updated>

		<summary type="html">&lt;p&gt;Evdokia Sotirova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{Ifigenia:DMEU/menu}}&lt;br /&gt;
&lt;br /&gt;
# Семинар на тема &amp;quot;Разпознаване на образи&amp;quot; - лектор assoc. prof. Parvathi Rangasamy PhD, Department of Mathematics, Vellalar College for Women, Erode – 638 012, Tamilnadu, India, юни, 2010 г.&lt;br /&gt;
# Семинар на тема &amp;quot;Интуиционистки размира клъстеризация&amp;quot; - лектори assoc. prof. Parvathi Rangasamy PhD, и S. P. Geetha PhD, Department of Mathematics, Vellalar College for Women, Erode – 638 012, Tamilnadu, India  11 май, 2011&lt;/div&gt;</summary>
		<author><name>Evdokia Sotirova</name></author>
	</entry>
	<entry>
		<id>https://ifigenia.org/index.php?title=Project:DMEU/%D0%9D%D0%B0%D1%83%D1%87%D0%BD%D0%B8_%D1%84%D0%BE%D1%80%D1%83%D0%BC%D0%B8&amp;diff=5625</id>
		<title>Project:DMEU/Научни форуми</title>
		<link rel="alternate" type="text/html" href="https://ifigenia.org/index.php?title=Project:DMEU/%D0%9D%D0%B0%D1%83%D1%87%D0%BD%D0%B8_%D1%84%D0%BE%D1%80%D1%83%D0%BC%D0%B8&amp;diff=5625"/>
		<updated>2011-08-20T15:43:45Z</updated>

		<summary type="html">&lt;p&gt;Evdokia Sotirova: New page: # Семинар на тема &amp;quot;Разпознаване на образи&amp;quot; - лектор assoc. prof. Parvathi Rangasamy PhD, Department of Mathematics, Vellalar College for Women, Erode...&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;# Семинар на тема &amp;quot;Разпознаване на образи&amp;quot; - лектор assoc. prof. Parvathi Rangasamy PhD, Department of Mathematics, Vellalar College for Women, Erode – 638 012, Tamilnadu, India, юни, 2010 г.&lt;br /&gt;
# Семинар на тема &amp;quot;Интуиционистки размира клъстеризация&amp;quot; - лектори assoc. prof. Parvathi Rangasamy PhD, и S. P. Geetha PhD, Department of Mathematics, Vellalar College for Women, Erode – 638 012, Tamilnadu, India  11 май, 2011&lt;/div&gt;</summary>
		<author><name>Evdokia Sotirova</name></author>
	</entry>
	<entry>
		<id>https://ifigenia.org/index.php?title=Project:DMEU/%D0%9D%D0%B0%D1%83%D1%87%D0%BD%D0%B8_%D1%80%D0%B5%D0%B7%D1%83%D0%BB%D1%82%D0%B0%D1%82%D0%B8&amp;diff=5552</id>
		<title>Project:DMEU/Научни резултати</title>
		<link rel="alternate" type="text/html" href="https://ifigenia.org/index.php?title=Project:DMEU/%D0%9D%D0%B0%D1%83%D1%87%D0%BD%D0%B8_%D1%80%D0%B5%D0%B7%D1%83%D0%BB%D1%82%D0%B0%D1%82%D0%B8&amp;diff=5552"/>
		<updated>2011-08-20T15:26:13Z</updated>

		<summary type="html">&lt;p&gt;Evdokia Sotirova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{Ifigenia:DMEU/menu}}&lt;br /&gt;
__NOTOC__&lt;br /&gt;
== Постижения по проекта ==&lt;br /&gt;
* Предложен  е метод за оценяване на преподавателите в електронен университет, базиран на три основни компонента: резултати от студентските изпити, оценка от анкети на студентите, научна работа на преподавателя [2]; &lt;br /&gt;
* Предложен е метод оценяване на качеството на графика на учебните занятия  [1]; &lt;br /&gt;
* Предложен е метод за изчисляване на интуиционистки размити оценки на отговорите от анкетите на студентите за преподавателите [3] (Приложение 2) чрез многослоен перцептрон, които са част от общата оценка на преподавателя в електронен университет;&lt;br /&gt;
* Конструиран е модел за клъстеризация на многомерни данни чрез самоорганизираща се карта (Self-organizing map) [4];&lt;br /&gt;
* Конструиран е модел за прилагане на Data Mining техники при приемането на студенти в цифров университет с цел привличане, анализиране и удовлетворяване на изискванията на кандидат-студентите [5];&lt;br /&gt;
* Предложен е метод за прилагане на Data Mining техники в електронното обучение с цел предвиждане на студентската успеваемост по дадена дисциплина [6]; &lt;br /&gt;
* Предложен е метод за синхронизиране на паралелно протичащи софтуерни процеси [7]; &lt;br /&gt;
* Предложен е метод за проектиране на тестове [8]; &lt;br /&gt;
* Разработен е модел експертна система с база от данни от фрейми с размити оценки на фреймите и хипотезите [9];&lt;br /&gt;
* Представени са програмни реализации за: &lt;br /&gt;
# прогнозиране на едномерни и многомерни масиви от данни, базирани на експериментални резултати чрез изкуствена невронна мрежа [1]; &lt;br /&gt;
# анализ на резултатите от проведени студентски изпити на базата интуиционистки размити оценки, които задават степен на усвоеност на учебния материал [3];&lt;br /&gt;
# Data Mining техника за диагностика при предаването на информационни пакети при Wi-Fi локална мрежа и интуиционистки размити оценки за степента на повреденост при обмяната на данни [10]. &lt;br /&gt;
# оценяване удовлетвореността на преподавателите чрез техниката “дърво на решението” [6].&lt;br /&gt;
# многослоен перцептрон, даващ интуиционистки размити оценки на отговорите от анкетите на студентите за оценяване на преподавателите [3] в електронен университет;&lt;br /&gt;
# клъстеризация на многомерни данни чрез самоорганизираща се карта (Self-organizing map) [4].&lt;br /&gt;
&lt;br /&gt;
== Публикации ==&lt;br /&gt;
&lt;br /&gt;
# Sotirov, S., D. Orozova, E. Sotirova, Generalized net model of the process of the prognosis with feedforward neural network, Proc. of the XVI-th International Symposium on Electrical Apparatus and Technologies, SIELA 2009, Vol.1, 272-278.&lt;br /&gt;
# Shannon, A., D. Dimitrakiev, E. Sotirova, M. Krawczak, T. Kim,  Towards a Model of the Digital University: Generalized Net Model of a Lecturer’s Evaluation with Intuitionistic Fuzzy Estimations, Cybernetics and Information, Vol.9, No 2, 2009, 69-78.&lt;br /&gt;
# Sotirov, S., D. Orozova, E. Sotirova, Neural network for defining intuitionistic fuzzy sets in e-learning, Тhirteen Int. Conf. on IFSs, Sofia, NIFS Vol. 15, 2009, 33-36.&lt;br /&gt;
# Орозова, Д.,  Е, Сотирова, Моделиране чрез обобщена мрежа на процеса откриване на знания в бази от данни, Използване на невронни мрежи и обобщени мрежи за обучение и провеждане на аналитични изследвания, 2009. (под печат)&lt;br /&gt;
# Е. Сотирова, Л. Димитрова, А. Чакърова, Г. Гордън, Г. Иновска, П. Илиева, Хр. Панайотов, Н. Неделчев, Е. Стоянов, Възможности за приложението на технологията Data Mining в електронен университет, Годишник на университет “Проф. д-р Асен Златаров” – Бургас, 2009, т. XXXVІII (1), 139-144.&lt;br /&gt;
# Vardeva, I., D. Valchev, Generalized net model of a standard ad hoc connection in wireless network, Developments in Fuzzy Sets, Intuitionistic Fuzzy Sets, Generalized Nets and Related Topics. Foundation and Applications, Vol. II, System Research Institute, Polish Academy of Science, Warsaw, 2010, 303–310.&lt;br /&gt;
# Sotirova, E., Kr. Dimitrova, R. Papancheva, A Generalized Net Model for Analysis of a Student’s evaluations by Data Mining Techniques in the e-learning university, Proc. of the Tenth International  Workshop on Generalized Nets, Sofia, 2009, 41—46.&lt;br /&gt;
# D. Orozova, D., E. Sotirova, Generalized net model of the applying data mining tools, Proc. of the Tenth International  Workshop on Generalized Nets, Sofia, 2009, 22—26.&lt;br /&gt;
# I. Vardeva, S. Sotirov, Intuitionistic fuzzy estimation of damaged packets with multilayer perceptron, Proc. of the Tenth International  Workshop on Generalized Nets, Sofia, 63-69.&lt;br /&gt;
# Shannon, A., D. Orozova, E. Sotirova, M. Hristova, K. Atanassov, M. Krawczak, P. Melo-Pinto, R. Nikolov, S. Sotirov, T. Kim, Towards a Model of the Digital University: A Generalized Net Model for Producing Course Timetables and Subjects’ Quality Estimation, Advanced Intelligent Systems / IS From Theory to Practice, Springer, 2010, 373-381.&lt;br /&gt;
# Sotirova, E., D. Orozova, Generalized net model of the phases of the data mining process, Developments in Fuzzy Sets, Intuitionistic Fuzzy Sets, Generalized Nets and Related Topics. Foundation and Applications, Warsaw, Poland, 2010, 247-260.&lt;br /&gt;
# Sotirov, S., E. Sotirova, M. Krawczak, Application of data mining in digital university: multilayer perceptron for lecturer’s evaluation with intuitionistic fuzzy estimations, Issues in Intuitionistic Fuzzy Sets and Generalized Nets, Vol. 8, Warsaw, Poland, 2010, 102-107.&lt;br /&gt;
# Sotirova, E., T. Petkov, S. Surchev, M. Krawczak, Generalized net model of Clustering with Self Organizing Map, Developments in Fuzzy Sets, Intuitionistic Fuzzy Sets, Generalized Nets and Related Topics. Foundations and Applications Warsaw, Poland (in press).&lt;br /&gt;
# Shannon, A., E. Sotirova, D. Orozova, Generalized net model of Using data mining techniques for process of undergraduate matriculation in а digital university, Proc. of the Eleven International Workshop on Generalized Nets and Second Int. Workshop on GNs, IFSs, KE London, 2010, 1-6.&lt;br /&gt;
# Shannon, A., E. Sotirova, M. Hristova, T. Kim Generalized Net Model of a Student’s Course Evaluation with Intuitionistic Fuzzy Estimations in a Digital University, Jangjeon Mathematical Society, 13 (2010), No 1, 31-38.&lt;br /&gt;
# Орозова, Д.,  Е. Сотирова, Прилагане на data mining техники в електронното обучение, научна конференция с международно участие “Предизвикателства пред висшето образование и научните изследвания в условията на криза”, 25-26 юни 2010, Бургас (под печат)&lt;br /&gt;
# Tcheshmedjiev, P, Synchronizing parallel processes using generalized nets, Issues in Intuitionistic Fuzzy Sets and Generalized Nets, Vol. 8, Warsaw, Poland, 2010, 84-90.&lt;br /&gt;
# Atanassova, V. Design of training tests on generalized nets, Intelligent Systems (IS), 2010 5th IEEE International Conference, 7-9 July 2010, 327 – 330.&lt;br /&gt;
# Atanassov, Kr., E. Sotirova, D. Orozova, Generalized Net Model of an Intuitionistic Fuzzy Expert System with Frame-Type Data Bases and Different Forms of Hypotheses Estimations, Годишник на БСУ, Том XXI, 2010 (под печат)&lt;br /&gt;
# Атанасова, В. Уики технологии в помощ на науката. Примерът с Ifigenia.org, 8ма Национална младежка научно-практическа сесия на ФНТС, 10-11 май 2010.&lt;br /&gt;
# Atanassova, V., Utilizing the Model Graphic Structures when Teaching Generalized Nets, Proc. of 9th IWIFSGN 2010, 8 October 2010, Warsaw, Poland (in press) &lt;br /&gt;
# Shannon,A., E. Sotirova, Kr. Atanassov, M. Krawczak, P. Melo-Pinto, S. Sotirov, St. Hadjitodorov, T. Kim, Generalized net model of process of the administration servicing in a digital university with intuitionistic fuzzy estimations, The Fourteenth ICIFS, Sofia,2010, 51—56. &lt;br /&gt;
# Shannon, A., E Sotirova, E. Szmidt, T. Kim, Intuitionistic fuzzy estimations of students&#039; team forming, Issues in Intuitionistic Fuzzy Sets and Generalized Nets, Vol. 9 (2011), 77-83.&lt;br /&gt;
&lt;br /&gt;
== Доклади на конференции ==&lt;br /&gt;
# Atanassova, V., Marinova, M., Designing a Lecture Course on Wikipedia and Wiki Technologies, Wikimania&#039;2011, Haifa, Israel, 4-7 August 2011.&lt;br /&gt;
# Atanassova, V., Marinova, M., Lessons Learned from the Lessons Taught, Wikimania&#039;2011, Haifa, Israel, 4-7 August 2011.&lt;/div&gt;</summary>
		<author><name>Evdokia Sotirova</name></author>
	</entry>
	<entry>
		<id>https://ifigenia.org/index.php?title=Project:DMEU/%D0%9E%D0%B1%D0%BE%D0%B1%D1%89%D0%B5%D0%BD%D0%B8_%D0%BC%D1%80%D0%B5%D0%B6%D0%B8&amp;diff=5551</id>
		<title>Project:DMEU/Обобщени мрежи</title>
		<link rel="alternate" type="text/html" href="https://ifigenia.org/index.php?title=Project:DMEU/%D0%9E%D0%B1%D0%BE%D0%B1%D1%89%D0%B5%D0%BD%D0%B8_%D0%BC%D1%80%D0%B5%D0%B6%D0%B8&amp;diff=5551"/>
		<updated>2011-08-20T04:14:07Z</updated>

		<summary type="html">&lt;p&gt;Evdokia Sotirova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{Ifigenia:DMEU/menu}}&lt;br /&gt;
&#039;&#039;&#039;Обобщените мрежи, ОМ (Generalized nets, GNs&#039;&#039;&#039;) са средство за конструиране на адаптивни, гъвкави и структурирани модели на комплексни системи, в които протичат паралелни във времето процеси и  са изградени от множество взаимодействащи си компоненти. Обобщените мрежи представляват значително разширение и обобщение на понятието [[мрежи на Петри]], както и на други [[разширения и модификации на мрежи на Петри]]. &lt;br /&gt;
&lt;br /&gt;
[[Image:GN-transition-mxn.png|right|thumb|25oxp|Преход от ОМ с &#039;&#039;m&#039;&#039; входни позиции и &#039;&#039;n&#039;&#039; изходни позиции]]&lt;br /&gt;
&lt;br /&gt;
Обобщената мрежа е изградена от &#039;&#039;&#039;преходи (transitions)&#039;&#039;&#039;. Преходът в контекста на обобщените мрежи е обект от статичната структура на мрежата, който съдържа условията за преминаването на &#039;&#039;&#039;ядра (token)&#039;&#039;&#039; от входните в изходните му &#039;&#039;&#039;позиции (places)&#039;&#039;&#039;, след като преходът се е активирал.&lt;br /&gt;
 &lt;br /&gt;
От позиция или в позиция на прехода може да излиза или съответно да влиза не повече от една дъга. Позиция, от която излиза дъга се нарича входна за прехода, а позиция, в която влиза дъга се нарича изходна за прехода. Всеки преход в ОМ има поне една входна и поне една изходна позиция. &lt;br /&gt;
Входна позиция, в която не влиза дъга се нарича вход на мрежата, а изходна позиция, от която не излиза дъга – изход на мрежата. В позициите може да има ядра. Те се преместват от входните към съответните изходни позиции на преходите. Когато настъпи определения за прехода момент от време, и във входните позиции има достатъчен брой ядра, то ядрата от входните позиции придобиват възможност да се придвижат до изходните позиции. Този процес се нарича активиране на прехода. В началото ядрата, които постъпват в мрежата през входните й позиции имат т.нар. начални характеристики. При всяко преминаване през преход в мрежата те получават нови характеристики и така всяко ядро в мрежата е уникално и има своя история. Всяка позиция има свой капацитет.&lt;br /&gt;
&lt;br /&gt;
== Формално описание на преход ==&lt;br /&gt;
&lt;br /&gt;
Преходът Z в ОМ се представя като наредена последователност от седем компоненти:&lt;br /&gt;
&lt;br /&gt;
&amp;lt;div align=&amp;quot;center&amp;quot;&amp;gt;&amp;lt;math&amp;gt;Z = \langle L&#039;, L&#039;&#039;, t_1, t_2, r, M, \Box \rangle&amp;lt;/math&amp;gt;&amp;lt;/div&amp;gt;&lt;br /&gt;
&lt;br /&gt;
където:&lt;br /&gt;
* &amp;lt;math&amp;gt;L&#039;&amp;lt;/math&amp;gt; са крайно непразно множество от входните позиции на прехода.&lt;br /&gt;
* &amp;lt;math&amp;gt;L&#039;&#039;&amp;lt;/math&amp;gt; са крайно непразно множество от изходните позиции на прехода.&lt;br /&gt;
* &amp;lt;math&amp;gt;t_1&amp;lt;/math&amp;gt; е момент време на активиране на прехода.&lt;br /&gt;
* &amp;lt;math&amp;gt;t_2&amp;lt;/math&amp;gt; задава продължителността на активното състояние на прехода.&lt;br /&gt;
* &amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt; е условие на прехода. Представлява индексирана матрица от вида:&lt;br /&gt;
*: &amp;lt;math&amp;gt; r = &lt;br /&gt;
\begin{array}{c|c c c c c}  &amp;amp; l&#039;&#039;_1 &amp;amp; ... &amp;amp; l&#039;&#039;_j &amp;amp; ... &amp;amp; l&#039;&#039;_n \\&lt;br /&gt;
\hline&lt;br /&gt;
l&#039;_1 &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
...  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
l&#039;_i &amp;amp;  &amp;amp;  &amp;amp; r_{i,j}  &amp;amp;  &amp;amp; \\&lt;br /&gt;
...  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
l&#039;_m &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
\end{array}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
*: където &amp;lt;math&amp;gt;r_{i,j}&amp;lt;/math&amp;gt; са предикати, &amp;lt;math&amp;gt;1 \le i \le m, 1 \le j \le n&amp;lt;/math&amp;gt;&lt;br /&gt;
* &amp;lt;math&amp;gt;M&amp;lt;/math&amp;gt; задава капацитетите на дъгите. Представлява индексирана матрица от вида:&lt;br /&gt;
*: &amp;lt;math&amp;gt; M = &lt;br /&gt;
\begin{array}{c|c c c c c}  &amp;amp; l&#039;&#039;_1 &amp;amp; ... &amp;amp; l&#039;&#039;_j &amp;amp; ... &amp;amp; l&#039;&#039;_n \\&lt;br /&gt;
\hline&lt;br /&gt;
l&#039;_1 &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
...  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
l&#039;_i &amp;amp;  &amp;amp;  &amp;amp; M_{i,j}  &amp;amp;  &amp;amp; \\&lt;br /&gt;
...  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
l&#039;_m &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
\end{array}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
*: където &amp;lt;math&amp;gt;M_{i,j} \ge 0&amp;lt;/math&amp;gt; са естествени числа и &amp;lt;math&amp;gt;\infty&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;1 \le i \le m, 1 \le j \le n&amp;lt;/math&amp;gt;&lt;br /&gt;
* &amp;lt;math&amp;gt;\Box&amp;lt;/math&amp;gt; се нарича тип на прехода и представлява булев израз. Ако стойността му е “true” съответният преход може да се активира, а ако е “false” - не. В него участват идентификаторите на всички входни позиции на прехода, свързани с логическите операции &amp;quot;и&amp;quot; &amp;lt;math&amp;gt;\land&amp;lt;/math&amp;gt; и &amp;quot;или&amp;quot; &amp;lt;math&amp;gt;\lor&amp;lt;/math&amp;gt;:&lt;br /&gt;
*: &amp;lt;math&amp;gt;\land(l_{i_1}, l_{i_2},...,l_{i_u})&amp;lt;/math&amp;gt; - във всяка входна позиция &amp;lt;math&amp;gt;l_{i_1}, l_{i_2},...,l_{i_u}&amp;lt;/math&amp;gt; трябва да има най-малко по едно ядро, &lt;br /&gt;
*: &amp;lt;math&amp;gt;\lor(l_{i_1}, l_{i_2},...,l_{i_u})&amp;lt;/math&amp;gt; - най-малко в една от входните позиции &amp;lt;math&amp;gt;l_{i_1}, l_{i_2},...,l_{i_u}&amp;lt;/math&amp;gt; трябва да има най-малко едно ядро.&lt;br /&gt;
&lt;br /&gt;
== Формално описание на Обобщена мрежа ==&lt;br /&gt;
&lt;br /&gt;
Обобщена мрежа е наредената четворка: &lt;br /&gt;
&amp;lt;center&amp;gt;&amp;lt;math&amp;gt;&lt;br /&gt;
&amp;lt; \underbrace{ &amp;lt;A, \pi_{A}, \pi_{L}, c, f, \theta_{1}, \theta_{2} &amp;gt;}_{1.\ Static \ structure},&lt;br /&gt;
  \underbrace{ &amp;lt;K, \pi_{K}, \theta_{K} &amp;gt;}_{2. \ Dynamic \ structure},&lt;br /&gt;
  \underbrace{ &amp;lt;T, t^{0}, t^{*} &amp;gt;}_{3. \ Time},&lt;br /&gt;
  \underbrace{ &amp;lt;X, \Phi, b &amp;gt;}_{4. \ Memory} &amp;gt;&lt;br /&gt;
&amp;lt;/math&amp;gt;&amp;lt;/center&amp;gt;&lt;br /&gt;
където:&lt;br /&gt;
&lt;br /&gt;
; &#039;&#039;1. Статична структура (Static structure)&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;A&amp;lt;/math&amp;gt; е множеството от всички преходи в мрежата&#039;&#039;.&lt;br /&gt;
* &amp;lt;math&amp;gt;\pi_{A}&amp;lt;/math&amp;gt; е функция, задаваща &#039;&#039;приоритетите на преходите&#039;&#039;, т.е. &amp;lt;math&amp;gt;\pi_{A} : A \rightarrow N&amp;lt;/math&amp;gt; където N = {0, 1, 2, ...} ∪ {∞}.&lt;br /&gt;
* &amp;lt;math&amp;gt;\pi_{L}&amp;lt;/math&amp;gt; е функция, задаваща &#039;&#039;приоритетите на позициите&#039;&#039;, т.е. &amp;lt;math&amp;gt;\pi_{L} : L \rightarrow N&amp;lt;/math&amp;gt;.&lt;br /&gt;
* &amp;lt;math&amp;gt;c&amp;lt;/math&amp;gt; е функция, задаваща &#039;&#039;капацитетите на позициите&#039;&#039;, т.е. &amp;lt;math&amp;gt;c : L \rightarrow N&amp;lt;/math&amp;gt;.&lt;br /&gt;
* &amp;lt;math&amp;gt;f&amp;lt;/math&amp;gt; е функция, определяща &#039;&#039;вярностната стойност на предикатите&#039;&#039;. &lt;br /&gt;
* &amp;lt;math&amp;gt;\theta_{1}&amp;lt;/math&amp;gt; задава &#039;&#039;следващия момент&#039;&#039;, в който може да се активира прехода. Стойността на тази функция се преизчислява в момента, в който завършва активното състояние на прехода. Оттук &amp;lt;math&amp;gt;\theta_{1}(t) = t&#039;&amp;lt;/math&amp;gt; където &amp;lt;math&amp;gt;t, t&#039; \in [T, T+t^*]; t \le t&#039;&amp;lt;/math&amp;gt; &lt;br /&gt;
* &amp;lt;math&amp;gt;\theta_{2}&amp;lt;/math&amp;gt; е функция, която задава &#039;&#039;продължителността на активното състояние на даден преход&#039;&#039;.  Стойността й се изчислява в момента, в който се активира прехода. Оттук &amp;lt;math&amp;gt;\theta_{2}(t) = t&#039;&amp;lt;/math&amp;gt; където &amp;lt;math&amp;gt;t, t&#039; \in [T, T+t^*]; t&#039; \ge 0&amp;lt;/math&amp;gt;. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
; &#039;&#039;2. Динамична структура (Dynamic structure)&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt; е &#039;&#039;множество от ядрата&#039;&#039; в обобщената мрежа. &lt;br /&gt;
* &amp;lt;math&amp;gt;\pi_K&amp;lt;/math&amp;gt; е функция, която задава &#039;&#039;приоритетите на ядрата&#039;&#039;, т.е. &amp;lt;math&amp;gt;\pi_{K} : K \rightarrow N&amp;lt;/math&amp;gt; &lt;br /&gt;
* &amp;lt;math&amp;gt;\theta_K&amp;lt;/math&amp;gt; е функция, която задава &#039;&#039;момента от време, в който определено ядро може да влезе&#039;&#039; в ОМ, т.е. &amp;lt;math&amp;gt;\theta_K (\alpha)=t&amp;lt;/math&amp;gt; където &amp;lt;math&amp;gt;\alpha \in K, t \in [T; T+t^*]&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
; &#039;&#039;3. Времева компонента (Time)&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;T&amp;lt;/math&amp;gt; е начален момент от време, в който ОМ започва функционирането си. Моментът Т се определя по фиксирана времева скала.&lt;br /&gt;
* &amp;lt;math&amp;gt;t^0&amp;lt;/math&amp;gt; е времева стъпка на фиксирана времева скала.&lt;br /&gt;
* &amp;lt;math&amp;gt;t^*&amp;lt;/math&amp;gt; продължителност на функционирането на ОМ.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
; &#039;&#039;4. Компонента памет (Memory)&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;X&amp;lt;/math&amp;gt; е &#039;&#039;множество на началните характеристики&#039;&#039;, с които ядрата влизат в мрежата.&lt;br /&gt;
* &amp;lt;math&amp;gt;\Phi&amp;lt;/math&amp;gt; е &#039;&#039;характеристична функция&#039;&#039;. Тя определя новата характеристика на ядрото при преместването му от входната позиция на даден преход  в изходната.&lt;br /&gt;
* &amp;lt;math&amp;gt;b&amp;lt;/math&amp;gt; е функция, задаваща &#039;&#039;максималния брой характеристики&#039;&#039;, които едно ядро може да получи по време на движението си в ОМ, т.e. &amp;lt;math&amp;gt;b : K \rightarrow N&amp;lt;/math&amp;gt;. &lt;br /&gt;
&lt;br /&gt;
== References ==&lt;br /&gt;
* [[On Generalized Nets Theory]], [[Krassimir Atanassov]], Prof. Marin Drinov Academic Publishing House, Sofia, 2007&lt;br /&gt;
&lt;br /&gt;
[[Category:Generalized nets]]&lt;/div&gt;</summary>
		<author><name>Evdokia Sotirova</name></author>
	</entry>
	<entry>
		<id>https://ifigenia.org/index.php?title=Project:DMEU/%D0%9E%D0%B1%D0%BE%D0%B1%D1%89%D0%B5%D0%BD%D0%B8_%D0%BC%D1%80%D0%B5%D0%B6%D0%B8&amp;diff=5550</id>
		<title>Project:DMEU/Обобщени мрежи</title>
		<link rel="alternate" type="text/html" href="https://ifigenia.org/index.php?title=Project:DMEU/%D0%9E%D0%B1%D0%BE%D0%B1%D1%89%D0%B5%D0%BD%D0%B8_%D0%BC%D1%80%D0%B5%D0%B6%D0%B8&amp;diff=5550"/>
		<updated>2011-08-20T04:13:08Z</updated>

		<summary type="html">&lt;p&gt;Evdokia Sotirova: /* Формално описание на преход */&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{Ifigenia:DMEU/menu}}&lt;br /&gt;
&#039;&#039;&#039;Обобщени мрежи, ОМ (Generalized nets, GNs&#039;&#039;&#039;) са средство за конструиране на адаптивни, гъвкави и структурирани модели на комплексни системи, в които протичат паралелни във времето процеси и  са изградени от множество взаимодействащи си компоненти. Обобщените мрежи представляват значително разширение и обобщение на понятието [[мрежи на Петри]], както и на други [[разширения и модификации на мрежи на Петри]]. &lt;br /&gt;
&lt;br /&gt;
[[Image:GN-transition-mxn.png|right|thumb|25oxp|Преход от ОМ с &#039;&#039;m&#039;&#039; входни позиции и &#039;&#039;n&#039;&#039; изходни позиции]]&lt;br /&gt;
&lt;br /&gt;
Обобщената мрежа е изградена от &#039;&#039;&#039;преходи (transitions)&#039;&#039;&#039;. Преходът в контекста на обобщените мрежи е обект от статичната структура на мрежата, който съдържа условията за преминаването на &#039;&#039;&#039;ядра (token)&#039;&#039;&#039; от входните в изходните му &#039;&#039;&#039;позиции (places)&#039;&#039;&#039;, след като преходът се е активирал.&lt;br /&gt;
 &lt;br /&gt;
От позиция или в позиция на прехода може да излиза или съответно да влиза не повече от една дъга. Позиция, от която излиза дъга се нарича входна за прехода, а позиция, в която влиза дъга се нарича изходна за прехода. Всеки преход в ОМ има поне една входна и поне една изходна позиция. &lt;br /&gt;
Входна позиция, в която не влиза дъга се нарича вход на мрежата, а изходна позиция, от която не излиза дъга – изход на мрежата. В позициите може да има ядра. Те се преместват от входните към съответните изходни позиции на преходите. Когато настъпи определения за прехода момент от време, и във входните позиции има достатъчен брой ядра, то ядрата от входните позиции придобиват възможност да се придвижат до изходните позиции. Този процес се нарича активиране на прехода. В началото ядрата, които постъпват в мрежата през входните й позиции имат т.нар. начални характеристики. При всяко преминаване през преход в мрежата те получават нови характеристики и така всяко ядро в мрежата е уникално и има своя история. Всяка позиция има свой капацитет.&lt;br /&gt;
&lt;br /&gt;
== Формално описание на преход ==&lt;br /&gt;
&lt;br /&gt;
Преходът Z в ОМ се представя като наредена последователност от седем компоненти:&lt;br /&gt;
&lt;br /&gt;
&amp;lt;div align=&amp;quot;center&amp;quot;&amp;gt;&amp;lt;math&amp;gt;Z = \langle L&#039;, L&#039;&#039;, t_1, t_2, r, M, \Box \rangle&amp;lt;/math&amp;gt;&amp;lt;/div&amp;gt;&lt;br /&gt;
&lt;br /&gt;
където:&lt;br /&gt;
* &amp;lt;math&amp;gt;L&#039;&amp;lt;/math&amp;gt; са крайно непразно множество от входните позиции на прехода.&lt;br /&gt;
* &amp;lt;math&amp;gt;L&#039;&#039;&amp;lt;/math&amp;gt; са крайно непразно множество от изходните позиции на прехода.&lt;br /&gt;
* &amp;lt;math&amp;gt;t_1&amp;lt;/math&amp;gt; е момент време на активиране на прехода.&lt;br /&gt;
* &amp;lt;math&amp;gt;t_2&amp;lt;/math&amp;gt; задава продължителността на активното състояние на прехода.&lt;br /&gt;
* &amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt; е условие на прехода. Представлява индексирана матрица от вида:&lt;br /&gt;
*: &amp;lt;math&amp;gt; r = &lt;br /&gt;
\begin{array}{c|c c c c c}  &amp;amp; l&#039;&#039;_1 &amp;amp; ... &amp;amp; l&#039;&#039;_j &amp;amp; ... &amp;amp; l&#039;&#039;_n \\&lt;br /&gt;
\hline&lt;br /&gt;
l&#039;_1 &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
...  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
l&#039;_i &amp;amp;  &amp;amp;  &amp;amp; r_{i,j}  &amp;amp;  &amp;amp; \\&lt;br /&gt;
...  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
l&#039;_m &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
\end{array}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
*: където &amp;lt;math&amp;gt;r_{i,j}&amp;lt;/math&amp;gt; са предикати, &amp;lt;math&amp;gt;1 \le i \le m, 1 \le j \le n&amp;lt;/math&amp;gt;&lt;br /&gt;
* &amp;lt;math&amp;gt;M&amp;lt;/math&amp;gt; задава капацитетите на дъгите. Представлява индексирана матрица от вида:&lt;br /&gt;
*: &amp;lt;math&amp;gt; M = &lt;br /&gt;
\begin{array}{c|c c c c c}  &amp;amp; l&#039;&#039;_1 &amp;amp; ... &amp;amp; l&#039;&#039;_j &amp;amp; ... &amp;amp; l&#039;&#039;_n \\&lt;br /&gt;
\hline&lt;br /&gt;
l&#039;_1 &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
...  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
l&#039;_i &amp;amp;  &amp;amp;  &amp;amp; M_{i,j}  &amp;amp;  &amp;amp; \\&lt;br /&gt;
...  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
l&#039;_m &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
\end{array}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
*: където &amp;lt;math&amp;gt;M_{i,j} \ge 0&amp;lt;/math&amp;gt; са естествени числа и &amp;lt;math&amp;gt;\infty&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;1 \le i \le m, 1 \le j \le n&amp;lt;/math&amp;gt;&lt;br /&gt;
* &amp;lt;math&amp;gt;\Box&amp;lt;/math&amp;gt; се нарича тип на прехода и представлява булев израз. Ако стойността му е “true” съответният преход може да се активира, а ако е “false” - не. В него участват идентификаторите на всички входни позиции на прехода, свързани с логическите операции &amp;quot;и&amp;quot; &amp;lt;math&amp;gt;\land&amp;lt;/math&amp;gt; и &amp;quot;или&amp;quot; &amp;lt;math&amp;gt;\lor&amp;lt;/math&amp;gt;:&lt;br /&gt;
*: &amp;lt;math&amp;gt;\land(l_{i_1}, l_{i_2},...,l_{i_u})&amp;lt;/math&amp;gt; - във всяка входна позиция &amp;lt;math&amp;gt;l_{i_1}, l_{i_2},...,l_{i_u}&amp;lt;/math&amp;gt; трябва да има най-малко по едно ядро, &lt;br /&gt;
*: &amp;lt;math&amp;gt;\lor(l_{i_1}, l_{i_2},...,l_{i_u})&amp;lt;/math&amp;gt; - най-малко в една от входните позиции &amp;lt;math&amp;gt;l_{i_1}, l_{i_2},...,l_{i_u}&amp;lt;/math&amp;gt; трябва да има най-малко едно ядро.&lt;br /&gt;
&lt;br /&gt;
== Формално описание на Обобщена мрежа ==&lt;br /&gt;
&lt;br /&gt;
Обобщена мрежа е наредената четворка: &lt;br /&gt;
&amp;lt;center&amp;gt;&amp;lt;math&amp;gt;&lt;br /&gt;
&amp;lt; \underbrace{ &amp;lt;A, \pi_{A}, \pi_{L}, c, f, \theta_{1}, \theta_{2} &amp;gt;}_{1.\ Static \ structure},&lt;br /&gt;
  \underbrace{ &amp;lt;K, \pi_{K}, \theta_{K} &amp;gt;}_{2. \ Dynamic \ structure},&lt;br /&gt;
  \underbrace{ &amp;lt;T, t^{0}, t^{*} &amp;gt;}_{3. \ Time},&lt;br /&gt;
  \underbrace{ &amp;lt;X, \Phi, b &amp;gt;}_{4. \ Memory} &amp;gt;&lt;br /&gt;
&amp;lt;/math&amp;gt;&amp;lt;/center&amp;gt;&lt;br /&gt;
където:&lt;br /&gt;
&lt;br /&gt;
; &#039;&#039;1. Статична структура (Static structure)&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;A&amp;lt;/math&amp;gt; е множеството от всички преходи в мрежата&#039;&#039;.&lt;br /&gt;
* &amp;lt;math&amp;gt;\pi_{A}&amp;lt;/math&amp;gt; е функция, задаваща &#039;&#039;приоритетите на преходите&#039;&#039;, т.е. &amp;lt;math&amp;gt;\pi_{A} : A \rightarrow N&amp;lt;/math&amp;gt; където N = {0, 1, 2, ...} ∪ {∞}.&lt;br /&gt;
* &amp;lt;math&amp;gt;\pi_{L}&amp;lt;/math&amp;gt; е функция, задаваща &#039;&#039;приоритетите на позициите&#039;&#039;, т.е. &amp;lt;math&amp;gt;\pi_{L} : L \rightarrow N&amp;lt;/math&amp;gt;.&lt;br /&gt;
* &amp;lt;math&amp;gt;c&amp;lt;/math&amp;gt; е функция, задаваща &#039;&#039;капацитетите на позициите&#039;&#039;, т.е. &amp;lt;math&amp;gt;c : L \rightarrow N&amp;lt;/math&amp;gt;.&lt;br /&gt;
* &amp;lt;math&amp;gt;f&amp;lt;/math&amp;gt; е функция, определяща &#039;&#039;вярностната стойност на предикатите&#039;&#039;. &lt;br /&gt;
* &amp;lt;math&amp;gt;\theta_{1}&amp;lt;/math&amp;gt; задава &#039;&#039;следващия момент&#039;&#039;, в който може да се активира прехода. Стойността на тази функция се преизчислява в момента, в който завършва активното състояние на прехода. Оттук &amp;lt;math&amp;gt;\theta_{1}(t) = t&#039;&amp;lt;/math&amp;gt; където &amp;lt;math&amp;gt;t, t&#039; \in [T, T+t^*]; t \le t&#039;&amp;lt;/math&amp;gt; &lt;br /&gt;
* &amp;lt;math&amp;gt;\theta_{2}&amp;lt;/math&amp;gt; е функция, която задава &#039;&#039;продължителността на активното състояние на даден преход&#039;&#039;.  Стойността й се изчислява в момента, в който се активира прехода. Оттук &amp;lt;math&amp;gt;\theta_{2}(t) = t&#039;&amp;lt;/math&amp;gt; където &amp;lt;math&amp;gt;t, t&#039; \in [T, T+t^*]; t&#039; \ge 0&amp;lt;/math&amp;gt;. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
; &#039;&#039;2. Динамична структура (Dynamic structure)&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt; е &#039;&#039;множество от ядрата&#039;&#039; в обобщената мрежа. &lt;br /&gt;
* &amp;lt;math&amp;gt;\pi_K&amp;lt;/math&amp;gt; е функция, която задава &#039;&#039;приоритетите на ядрата&#039;&#039;, т.е. &amp;lt;math&amp;gt;\pi_{K} : K \rightarrow N&amp;lt;/math&amp;gt; &lt;br /&gt;
* &amp;lt;math&amp;gt;\theta_K&amp;lt;/math&amp;gt; е функция, която задава &#039;&#039;момента от време, в който определено ядро може да влезе&#039;&#039; в ОМ, т.е. &amp;lt;math&amp;gt;\theta_K (\alpha)=t&amp;lt;/math&amp;gt; където &amp;lt;math&amp;gt;\alpha \in K, t \in [T; T+t^*]&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
; &#039;&#039;3. Времева компонента (Time)&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;T&amp;lt;/math&amp;gt; е начален момент от време, в който ОМ започва функционирането си. Моментът Т се определя по фиксирана времева скала.&lt;br /&gt;
* &amp;lt;math&amp;gt;t^0&amp;lt;/math&amp;gt; е времева стъпка на фиксирана времева скала.&lt;br /&gt;
* &amp;lt;math&amp;gt;t^*&amp;lt;/math&amp;gt; продължителност на функционирането на ОМ.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
; &#039;&#039;4. Компонента памет (Memory)&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;X&amp;lt;/math&amp;gt; е &#039;&#039;множество на началните характеристики&#039;&#039;, с които ядрата влизат в мрежата.&lt;br /&gt;
* &amp;lt;math&amp;gt;\Phi&amp;lt;/math&amp;gt; е &#039;&#039;характеристична функция&#039;&#039;. Тя определя новата характеристика на ядрото при преместването му от входната позиция на даден преход  в изходната.&lt;br /&gt;
* &amp;lt;math&amp;gt;b&amp;lt;/math&amp;gt; е функция, задаваща &#039;&#039;максималния брой характеристики&#039;&#039;, които едно ядро може да получи по време на движението си в ОМ, т.e. &amp;lt;math&amp;gt;b : K \rightarrow N&amp;lt;/math&amp;gt;. &lt;br /&gt;
&lt;br /&gt;
== References ==&lt;br /&gt;
* [[On Generalized Nets Theory]], [[Krassimir Atanassov]], Prof. Marin Drinov Academic Publishing House, Sofia, 2007&lt;br /&gt;
&lt;br /&gt;
[[Category:Generalized nets]]&lt;/div&gt;</summary>
		<author><name>Evdokia Sotirova</name></author>
	</entry>
	<entry>
		<id>https://ifigenia.org/index.php?title=Project:DMEU/%D0%9E%D0%B1%D0%BE%D0%B1%D1%89%D0%B5%D0%BD%D0%B8_%D0%BC%D1%80%D0%B5%D0%B6%D0%B8&amp;diff=5549</id>
		<title>Project:DMEU/Обобщени мрежи</title>
		<link rel="alternate" type="text/html" href="https://ifigenia.org/index.php?title=Project:DMEU/%D0%9E%D0%B1%D0%BE%D0%B1%D1%89%D0%B5%D0%BD%D0%B8_%D0%BC%D1%80%D0%B5%D0%B6%D0%B8&amp;diff=5549"/>
		<updated>2011-08-20T04:11:43Z</updated>

		<summary type="html">&lt;p&gt;Evdokia Sotirova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{Ifigenia:DMEU/menu}}&lt;br /&gt;
&#039;&#039;&#039;Обобщени мрежи, ОМ (Generalized nets, GNs&#039;&#039;&#039;) са средство за конструиране на адаптивни, гъвкави и структурирани модели на комплексни системи, в които протичат паралелни във времето процеси и  са изградени от множество взаимодействащи си компоненти. Обобщените мрежи представляват значително разширение и обобщение на понятието [[мрежи на Петри]], както и на други [[разширения и модификации на мрежи на Петри]]. &lt;br /&gt;
&lt;br /&gt;
[[Image:GN-transition-mxn.png|right|thumb|25oxp|Преход от ОМ с &#039;&#039;m&#039;&#039; входни позиции и &#039;&#039;n&#039;&#039; изходни позиции]]&lt;br /&gt;
&lt;br /&gt;
Обобщената мрежа е изградена от &#039;&#039;&#039;преходи (transitions)&#039;&#039;&#039;. Преходът в контекста на обобщените мрежи е обект от статичната структура на мрежата, който съдържа условията за преминаването на &#039;&#039;&#039;ядра (token)&#039;&#039;&#039; от входните в изходните му &#039;&#039;&#039;позиции (places)&#039;&#039;&#039;, след като преходът се е активирал.&lt;br /&gt;
 &lt;br /&gt;
От позиция или в позиция на прехода може да излиза или съответно да влиза не повече от една дъга. Позиция, от която излиза дъга се нарича входна за прехода, а позиция, в която влиза дъга се нарича изходна за прехода. Всеки преход в ОМ има поне една входна и поне една изходна позиция. &lt;br /&gt;
Входна позиция, в която не влиза дъга се нарича вход на мрежата, а изходна позиция, от която не излиза дъга – изход на мрежата. В позициите може да има ядра. Те се преместват от входните към съответните изходни позиции на преходите. Когато настъпи определения за прехода момент от време, и във входните позиции има достатъчен брой ядра, то ядрата от входните позиции придобиват възможност да се придвижат до изходните позиции. Този процес се нарича активиране на прехода. В началото ядрата, които постъпват в мрежата през входните й позиции имат т.нар. начални характеристики. При всяко преминаване през преход в мрежата те получават нови характеристики и така всяко ядро в мрежата е уникално и има своя история. Всяка позиция има свой капацитет.&lt;br /&gt;
&lt;br /&gt;
== Формално описание на преход ==&lt;br /&gt;
&lt;br /&gt;
Преходът Z в ОМ се представя като наредена последователност от седем компоненти:&lt;br /&gt;
&lt;br /&gt;
&amp;lt;div align=&amp;quot;center&amp;quot;&amp;gt;&amp;lt;math&amp;gt;Z = \langle L&#039;, L&#039;&#039;, t_1, t_2, r, M, \Box \rangle&amp;lt;/math&amp;gt;&amp;lt;/div&amp;gt;&lt;br /&gt;
&lt;br /&gt;
където:&lt;br /&gt;
* &amp;lt;math&amp;gt;L&#039;&amp;lt;/math&amp;gt; са крайно непразно множество от входните позиции на прехода.&lt;br /&gt;
* &amp;lt;math&amp;gt;L&#039;&#039;&amp;lt;/math&amp;gt; са крайно непразно множество от изходните позиции на прехода.&lt;br /&gt;
* &amp;lt;math&amp;gt;t_1&amp;lt;/math&amp;gt; е момент време на активиране на прехода.&lt;br /&gt;
* &amp;lt;math&amp;gt;t_2&amp;lt;/math&amp;gt; задава продължителността на активното състояние на прехода.&lt;br /&gt;
* &amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt; е условие на прехода. Представлява индексирана матрица от вида:&lt;br /&gt;
*: &amp;lt;math&amp;gt; r = &lt;br /&gt;
\begin{array}{c|c c c c c}  &amp;amp; l&#039;&#039;_1 &amp;amp; ... &amp;amp; l&#039;&#039;_j &amp;amp; ... &amp;amp; l&#039;&#039;_n \\&lt;br /&gt;
\hline&lt;br /&gt;
l&#039;_1 &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
...  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
l&#039;_i &amp;amp;  &amp;amp;  &amp;amp; r_{i,j}  &amp;amp;  &amp;amp; \\&lt;br /&gt;
...  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
l&#039;_m &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
\end{array}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
*: където &amp;lt;math&amp;gt;r_{i,j}&amp;lt;/math&amp;gt; са предикати, &amp;lt;math&amp;gt;1 \le i \le m, 1 \le j \le n&amp;lt;/math&amp;gt;&lt;br /&gt;
* &amp;lt;math&amp;gt;M&amp;lt;/math&amp;gt; задава капацитетите на дъгите. Представлява индексирана матрица от вида:&lt;br /&gt;
*: &amp;lt;math&amp;gt; M = &lt;br /&gt;
\begin{array}{c|c c c c c}  &amp;amp; l&#039;&#039;_1 &amp;amp; ... &amp;amp; l&#039;&#039;_j &amp;amp; ... &amp;amp; l&#039;&#039;_n \\&lt;br /&gt;
\hline&lt;br /&gt;
l&#039;_1 &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
...  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
l&#039;_i &amp;amp;  &amp;amp;  &amp;amp; M_{i,j}  &amp;amp;  &amp;amp; \\&lt;br /&gt;
...  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
l&#039;_m &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
\end{array}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
*: където &amp;lt;math&amp;gt;M_{i,j} \ge 0&amp;lt;/math&amp;gt; са естествени числа и &amp;lt;math&amp;gt;\infty&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;1 \le i \le m, 1 \le j \le n&amp;lt;/math&amp;gt;&lt;br /&gt;
* &amp;lt;math&amp;gt;\Box&amp;lt;/math&amp;gt; се нарича тип на прехода и представлява булев израз. Ако стойността му е “true” съответният преход може да се активира, а ако е “false” - не. В него участват идентификаторите на всички входни позиции на прехода, свързани с логическите операции &amp;quot;и&amp;quot; &amp;lt;math&amp;gt;\land&amp;lt;/math&amp;gt; и &amp;quot;или&amp;quot; &amp;lt;math&amp;gt;\lor&amp;lt;/math&amp;gt;:&lt;br /&gt;
*: &amp;lt;math&amp;gt;\land(l_{i_1}, l_{i_2},...,l_{i_u})&amp;lt;/math&amp;gt; - във всяка входна позиция &amp;lt;math&amp;gt;l_{i_1}, l_{i_2},...,l_{i_u}&amp;lt;/math&amp;gt; трябва да има най-малко по едно ядро, &lt;br /&gt;
*: &amp;lt;math&amp;gt;\lor(l_{i_1}, l_{i_2},...,l_{i_u})&amp;lt;/math&amp;gt; - най-малко в една от входните позиции &amp;lt;math&amp;gt;l_{i_1}, l_{i_2},...,l_{i_u}&amp;lt;/math&amp;gt; трябва да има най-малко едно ядро.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Формално описание на Обобщена мрежа ==&lt;br /&gt;
&lt;br /&gt;
Обобщена мрежа е наредената четворка: &lt;br /&gt;
&amp;lt;center&amp;gt;&amp;lt;math&amp;gt;&lt;br /&gt;
&amp;lt; \underbrace{ &amp;lt;A, \pi_{A}, \pi_{L}, c, f, \theta_{1}, \theta_{2} &amp;gt;}_{1.\ Static \ structure},&lt;br /&gt;
  \underbrace{ &amp;lt;K, \pi_{K}, \theta_{K} &amp;gt;}_{2. \ Dynamic \ structure},&lt;br /&gt;
  \underbrace{ &amp;lt;T, t^{0}, t^{*} &amp;gt;}_{3. \ Time},&lt;br /&gt;
  \underbrace{ &amp;lt;X, \Phi, b &amp;gt;}_{4. \ Memory} &amp;gt;&lt;br /&gt;
&amp;lt;/math&amp;gt;&amp;lt;/center&amp;gt;&lt;br /&gt;
където:&lt;br /&gt;
&lt;br /&gt;
; &#039;&#039;1. Статична структура (Static structure)&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;A&amp;lt;/math&amp;gt; е множеството от всички преходи в мрежата&#039;&#039;.&lt;br /&gt;
* &amp;lt;math&amp;gt;\pi_{A}&amp;lt;/math&amp;gt; е функция, задаваща &#039;&#039;приоритетите на преходите&#039;&#039;, т.е. &amp;lt;math&amp;gt;\pi_{A} : A \rightarrow N&amp;lt;/math&amp;gt; където N = {0, 1, 2, ...} ∪ {∞}.&lt;br /&gt;
* &amp;lt;math&amp;gt;\pi_{L}&amp;lt;/math&amp;gt; е функция, задаваща &#039;&#039;приоритетите на позициите&#039;&#039;, т.е. &amp;lt;math&amp;gt;\pi_{L} : L \rightarrow N&amp;lt;/math&amp;gt;.&lt;br /&gt;
* &amp;lt;math&amp;gt;c&amp;lt;/math&amp;gt; е функция, задаваща &#039;&#039;капацитетите на позициите&#039;&#039;, т.е. &amp;lt;math&amp;gt;c : L \rightarrow N&amp;lt;/math&amp;gt;.&lt;br /&gt;
* &amp;lt;math&amp;gt;f&amp;lt;/math&amp;gt; е функция, определяща &#039;&#039;вярностната стойност на предикатите&#039;&#039;. &lt;br /&gt;
* &amp;lt;math&amp;gt;\theta_{1}&amp;lt;/math&amp;gt; задава &#039;&#039;следващия момент&#039;&#039;, в който може да се активира прехода. Стойността на тази функция се преизчислява в момента, в който завършва активното състояние на прехода. Оттук &amp;lt;math&amp;gt;\theta_{1}(t) = t&#039;&amp;lt;/math&amp;gt; където &amp;lt;math&amp;gt;t, t&#039; \in [T, T+t^*]; t \le t&#039;&amp;lt;/math&amp;gt; &lt;br /&gt;
* &amp;lt;math&amp;gt;\theta_{2}&amp;lt;/math&amp;gt; е функция, която задава &#039;&#039;продължителността на активното състояние на даден преход&#039;&#039;.  Стойността й се изчислява в момента, в който се активира прехода. Оттук &amp;lt;math&amp;gt;\theta_{2}(t) = t&#039;&amp;lt;/math&amp;gt; където &amp;lt;math&amp;gt;t, t&#039; \in [T, T+t^*]; t&#039; \ge 0&amp;lt;/math&amp;gt;. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
; &#039;&#039;2. Динамична структура (Dynamic structure)&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt; е &#039;&#039;множество от ядрата&#039;&#039; в обобщената мрежа. &lt;br /&gt;
* &amp;lt;math&amp;gt;\pi_K&amp;lt;/math&amp;gt; е функция, която задава &#039;&#039;приоритетите на ядрата&#039;&#039;, т.е. &amp;lt;math&amp;gt;\pi_{K} : K \rightarrow N&amp;lt;/math&amp;gt; &lt;br /&gt;
* &amp;lt;math&amp;gt;\theta_K&amp;lt;/math&amp;gt; е функция, която задава &#039;&#039;момента от време, в който определено ядро може да влезе&#039;&#039; в ОМ, т.е. &amp;lt;math&amp;gt;\theta_K (\alpha)=t&amp;lt;/math&amp;gt; където &amp;lt;math&amp;gt;\alpha \in K, t \in [T; T+t^*]&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
; &#039;&#039;3. Времева компонента (Time)&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;T&amp;lt;/math&amp;gt; е начален момент от време, в който ОМ започва функционирането си. Моментът Т се определя по фиксирана времева скала.&lt;br /&gt;
* &amp;lt;math&amp;gt;t^0&amp;lt;/math&amp;gt; е времева стъпка на фиксирана времева скала.&lt;br /&gt;
* &amp;lt;math&amp;gt;t^*&amp;lt;/math&amp;gt; продължителност на функционирането на ОМ.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
; &#039;&#039;4. Компонента памет (Memory)&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;X&amp;lt;/math&amp;gt; е &#039;&#039;множество на началните характеристики&#039;&#039;, с които ядрата влизат в мрежата.&lt;br /&gt;
* &amp;lt;math&amp;gt;\Phi&amp;lt;/math&amp;gt; е &#039;&#039;характеристична функция&#039;&#039;. Тя определя новата характеристика на ядрото при преместването му от входната позиция на даден преход  в изходната.&lt;br /&gt;
* &amp;lt;math&amp;gt;b&amp;lt;/math&amp;gt; е функция, задаваща &#039;&#039;максималния брой характеристики&#039;&#039;, които едно ядро може да получи по време на движението си в ОМ, т.e. &amp;lt;math&amp;gt;b : K \rightarrow N&amp;lt;/math&amp;gt;. &lt;br /&gt;
&lt;br /&gt;
== References ==&lt;br /&gt;
* [[On Generalized Nets Theory]], [[Krassimir Atanassov]], Prof. Marin Drinov Academic Publishing House, Sofia, 2007&lt;br /&gt;
&lt;br /&gt;
[[Category:Generalized nets]]&lt;/div&gt;</summary>
		<author><name>Evdokia Sotirova</name></author>
	</entry>
	<entry>
		<id>https://ifigenia.org/index.php?title=Project:DMEU/%D0%9E%D0%B1%D0%BE%D0%B1%D1%89%D0%B5%D0%BD%D0%B8_%D0%BC%D1%80%D0%B5%D0%B6%D0%B8&amp;diff=5548</id>
		<title>Project:DMEU/Обобщени мрежи</title>
		<link rel="alternate" type="text/html" href="https://ifigenia.org/index.php?title=Project:DMEU/%D0%9E%D0%B1%D0%BE%D0%B1%D1%89%D0%B5%D0%BD%D0%B8_%D0%BC%D1%80%D0%B5%D0%B6%D0%B8&amp;diff=5548"/>
		<updated>2011-08-20T04:01:51Z</updated>

		<summary type="html">&lt;p&gt;Evdokia Sotirova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{Ifigenia:DMEU/menu}}&lt;br /&gt;
&#039;&#039;&#039;Обобщени мрежи, ОМ (Generalized nets, GNs&#039;&#039;&#039;) са средство за конструиране на адаптивни, гъвкави и структурирани модели на комплексни системи, в които протичат паралелни във времето процеси и  са изградени от множество взаимодействащи си компоненти. Обобщените мрежи представляват значително разширение и обобщение на понятието [[мрежи на Петри]], както и на други [[разширения и модификации на мрежи на Петри]]. &lt;br /&gt;
&lt;br /&gt;
[[Image:GN-transition-mxn.png|right|thumb|25oxp|Преход от ОМ с &#039;&#039;m&#039;&#039; входни позиции и &#039;&#039;n&#039;&#039; изходни позиции]]&lt;br /&gt;
&lt;br /&gt;
Обобщената мрежа е изградена от &#039;&#039;&#039;преходи (Transitions)&#039;&#039;&#039;. Преходът в контекста на обобщените мрежи е обект от статичната структура на мрежата, който съдържа условията за преминаването на &#039;&#039;&#039;ядра (Token)&#039;&#039;&#039; от входните в изходните му &#039;&#039;&#039;позиции (Places)&#039;&#039;&#039;, след като преходът се е активирал.&lt;br /&gt;
 &lt;br /&gt;
От позиция или в позиция на прехода може да излиза или съответно да влиза не повече от една дъга. Позиция, от която излиза дъга се нарича входна за прехода, а позиция, в която влиза дъга се нарича изходна за прехода. Всеки преход в ОМ има поне една входна и поне една изходна позиция. &lt;br /&gt;
Входна позиция, в която не влиза дъга се нарича вход на мрежата, а изходна позиция, от която не излиза дъга – изход на мрежата. В позициите може да има ядра. Те се преместват от входните към съответните изходни позиции на преходите. Когато настъпи определения за прехода момент от време, и във входните позиции има достатъчен брой ядра, то ядрата от входните позиции придобиват възможност да се придвижат до изходните позиции. Този процес се нарича активиране на прехода. В началото ядрата, които постъпват в мрежата през входните й позиции имат т.нар. начални характеристики. При всяко преминаване през преход в мрежата те получават нови характеристики и така всяко ядро в мрежата е уникално и има своя история. Всяка позиция има свой капацитет.&lt;br /&gt;
&lt;br /&gt;
== Формално описание на преход ==&lt;br /&gt;
&lt;br /&gt;
Преходът Z в ОМ се представя като наредена последователност от седем компоненти:&lt;br /&gt;
&lt;br /&gt;
&amp;lt;div align=&amp;quot;center&amp;quot;&amp;gt;&amp;lt;math&amp;gt;Z = \langle L&#039;, L&#039;&#039;, t_1, t_2, r, M, \Box \rangle&amp;lt;/math&amp;gt;&amp;lt;/div&amp;gt;&lt;br /&gt;
&lt;br /&gt;
където:&lt;br /&gt;
* &amp;lt;math&amp;gt;L&#039;&amp;lt;/math&amp;gt; са крайно непразно множество от входните позиции на прехода.&lt;br /&gt;
* &amp;lt;math&amp;gt;L&#039;&#039;&amp;lt;/math&amp;gt; са крайно непразно множество от изходните позиции на прехода.&lt;br /&gt;
* &amp;lt;math&amp;gt;t_1&amp;lt;/math&amp;gt; е момент време на активиране на прехода.&lt;br /&gt;
* &amp;lt;math&amp;gt;t_2&amp;lt;/math&amp;gt; задава продължителността на активното състояние на прехода.&lt;br /&gt;
* &amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt; е условие на прехода. Представлява индексирана матрица от вида:&lt;br /&gt;
*: &amp;lt;math&amp;gt; r = &lt;br /&gt;
\begin{array}{c|c c c c c}  &amp;amp; l&#039;&#039;_1 &amp;amp; ... &amp;amp; l&#039;&#039;_j &amp;amp; ... &amp;amp; l&#039;&#039;_n \\&lt;br /&gt;
\hline&lt;br /&gt;
l&#039;_1 &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
...  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
l&#039;_i &amp;amp;  &amp;amp;  &amp;amp; r_{i,j}  &amp;amp;  &amp;amp; \\&lt;br /&gt;
...  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
l&#039;_m &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
\end{array}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
*: където &amp;lt;math&amp;gt;r_{i,j}&amp;lt;/math&amp;gt; са предикати, &amp;lt;math&amp;gt;1 \le i \le m, 1 \le j \le n&amp;lt;/math&amp;gt;&lt;br /&gt;
* &amp;lt;math&amp;gt;M&amp;lt;/math&amp;gt; задава капацитетите на дъгите. Представлява индексирана матрица от вида:&lt;br /&gt;
*: &amp;lt;math&amp;gt; M = &lt;br /&gt;
\begin{array}{c|c c c c c}  &amp;amp; l&#039;&#039;_1 &amp;amp; ... &amp;amp; l&#039;&#039;_j &amp;amp; ... &amp;amp; l&#039;&#039;_n \\&lt;br /&gt;
\hline&lt;br /&gt;
l&#039;_1 &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
...  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
l&#039;_i &amp;amp;  &amp;amp;  &amp;amp; M_{i,j}  &amp;amp;  &amp;amp; \\&lt;br /&gt;
...  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
l&#039;_m &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
\end{array}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
*: където &amp;lt;math&amp;gt;M_{i,j} \ge 0&amp;lt;/math&amp;gt; са естествени числа и &amp;lt;math&amp;gt;\infty&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;1 \le i \le m, 1 \le j \le n&amp;lt;/math&amp;gt;&lt;br /&gt;
* &amp;lt;math&amp;gt;\Box&amp;lt;/math&amp;gt; се нарича тип на прехода и представлява булев израз. Ако стойността му е “true” съответният преход може да се активира, а ако е “false” - не. В него участват идентификаторите на всички входни позиции на прехода, свързани с логическите операции &amp;quot;и&amp;quot; &amp;lt;math&amp;gt;\land&amp;lt;/math&amp;gt; и &amp;quot;или&amp;quot; &amp;lt;math&amp;gt;\lor&amp;lt;/math&amp;gt;:&lt;br /&gt;
*: &amp;lt;math&amp;gt;\land(l_{i_1}, l_{i_2},...,l_{i_u})&amp;lt;/math&amp;gt; - във всяка входна позиция &amp;lt;math&amp;gt;l_{i_1}, l_{i_2},...,l_{i_u}&amp;lt;/math&amp;gt; трябва да има най-малко по едно ядро, &lt;br /&gt;
*: &amp;lt;math&amp;gt;\lor(l_{i_1}, l_{i_2},...,l_{i_u})&amp;lt;/math&amp;gt; - най-малко в една от входните позиции &amp;lt;math&amp;gt;l_{i_1}, l_{i_2},...,l_{i_u}&amp;lt;/math&amp;gt; трябва да има най-малко едно ядро.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Формално описание на Обобщена мрежа ==&lt;br /&gt;
&lt;br /&gt;
Обобщена мрежа е наредената четворка: &lt;br /&gt;
&amp;lt;center&amp;gt;&amp;lt;math&amp;gt;&lt;br /&gt;
&amp;lt; \underbrace{ &amp;lt;A, \pi_{A}, \pi_{L}, c, f, \theta_{1}, \theta_{2} &amp;gt;}_{1.\ Static \ structure},&lt;br /&gt;
  \underbrace{ &amp;lt;K, \pi_{K}, \theta_{K} &amp;gt;}_{2. \ Dynamic \ structure},&lt;br /&gt;
  \underbrace{ &amp;lt;T, t^{0}, t^{*} &amp;gt;}_{3. \ Time},&lt;br /&gt;
  \underbrace{ &amp;lt;X, \Phi, b &amp;gt;}_{4. \ Memory} &amp;gt;&lt;br /&gt;
&amp;lt;/math&amp;gt;&amp;lt;/center&amp;gt;&lt;br /&gt;
където:&lt;br /&gt;
; &#039;&#039;1. Статична структура (Static structure)&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;A&amp;lt;/math&amp;gt; е множеството от всички преходи в мрежата&#039;&#039;.&lt;br /&gt;
* &amp;lt;math&amp;gt;\pi_{A}&amp;lt;/math&amp;gt; е функция, задаваща &#039;&#039;приоритетите на преходите&#039;&#039;, т.е. &amp;lt;math&amp;gt;\pi_{A} : A \rightarrow N&amp;lt;/math&amp;gt; където N = {0, 1, 2, ...} ∪ {∞}.&lt;br /&gt;
* &amp;lt;math&amp;gt;\pi_{L}&amp;lt;/math&amp;gt; е функция, задаваща &#039;&#039;приоритетите на позициите&#039;&#039;, т.е. &amp;lt;math&amp;gt;\pi_{L} : L \rightarrow N&amp;lt;/math&amp;gt;.&lt;br /&gt;
* &amp;lt;math&amp;gt;c&amp;lt;/math&amp;gt; е функция, задаваща &#039;&#039;капацитетите на позициите&#039;&#039;, т.е. &amp;lt;math&amp;gt;c : L \rightarrow N&amp;lt;/math&amp;gt;.&lt;br /&gt;
* &amp;lt;math&amp;gt;f&amp;lt;/math&amp;gt; е функция, определяща &#039;&#039;вярностната стойност на предикатите&#039;&#039;. &lt;br /&gt;
* &amp;lt;math&amp;gt;\theta_{1}&amp;lt;/math&amp;gt; задава &#039;&#039;следващия момент&#039;&#039;, в който може да се активира прехода. Стойността на тази функция се преизчислява в момента, в който завършва активното състояние на прехода. &amp;lt;math&amp;gt;\theta_{1}(t) = t&#039;&amp;lt;/math&amp;gt; където &amp;lt;math&amp;gt;t, t&#039; \in [T, T+t^*]; t \le t&#039;&amp;lt;/math&amp;gt; &lt;br /&gt;
* &amp;lt;math&amp;gt;\theta_{2}&amp;lt;/math&amp;gt; е функция, която задава &#039;&#039;продължителността на активното състояние на даден преход&#039;&#039;.  &amp;lt;math&amp;gt;\theta_{2}(t) = t&#039;&amp;lt;/math&amp;gt; където &amp;lt;math&amp;gt;t, t&#039; \in [T, T+t^*]; t&#039; \ge 0&amp;lt;/math&amp;gt;. Стойността й се изчислява в момента, в който се активира прехода.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
; &#039;&#039;2. Dynamic structure&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt; is the &#039;&#039;set of tokens&#039;&#039; of the generalized net. In certain cases it is more convenient to denote this set as &amp;lt;math&amp;gt;K = \bigcup_{l \in Q^I} K_{l} &amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;K_{l}&amp;lt;/math&amp;gt; is the set of all GN tokens which are waiting to enter place &amp;lt;math&amp;gt;l&amp;lt;/math&amp;gt; and &amp;lt;math&amp;gt;Q^I&amp;lt;/math&amp;gt; is the set of all input places in the net.&lt;br /&gt;
* &amp;lt;math&amp;gt;\pi_K&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;priorities of the tokens&#039;&#039;, i.e. &amp;lt;math&amp;gt;\pi_{K} : K \rightarrow N&amp;lt;/math&amp;gt; &lt;br /&gt;
* &amp;lt;math&amp;gt;\theta_K&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;moment of time when a given token may enter&#039;&#039; the GN, i.e. &amp;lt;math&amp;gt;\theta_K (\alpha)=t&amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;\alpha \in K, t \in [T; T+t^*]&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
; &#039;&#039;3. Time&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;T&amp;lt;/math&amp;gt; is the moment of time when the generalized net starts functioning. This moment is determined according to a fixed global timescale.&lt;br /&gt;
* &amp;lt;math&amp;gt;t^0&amp;lt;/math&amp;gt; is the elementary time step of the fixed global timescale (the interval with which time increments in the timescale).&lt;br /&gt;
* &amp;lt;math&amp;gt;t^*&amp;lt;/math&amp;gt; is the total duration of functioning of the net.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
; &#039;&#039;4. Memory&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;X&amp;lt;/math&amp;gt; is the &#039;&#039;set of initial characteristics&#039;&#039;, which tokens may exhibit when they enter the net for first.&lt;br /&gt;
* &amp;lt;math&amp;gt;\Phi&amp;lt;/math&amp;gt; is a &#039;&#039;characteristic function&#039;&#039;, which assigns a new characteristic to each token when it makes the transfer from an input to an output place of a given transition.&lt;br /&gt;
* &amp;lt;math&amp;gt;b&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;maximal number of characteristics&#039;&#039;, which a given token may obtain during its movement throughout the net, i.e. &amp;lt;math&amp;gt;b : K \rightarrow N&amp;lt;/math&amp;gt;. In general, &amp;lt;math&amp;gt;b&amp;lt;/math&amp;gt; may possess four different values: 0, 1, &amp;lt;math&amp;gt;s&amp;lt;/math&amp;gt; or &amp;lt;math&amp;gt;\infty&amp;lt;/math&amp;gt; meaning that the token keeps, respectively: none of its characteristics, its last characteristic, its last &amp;lt;math&amp;gt;s&amp;lt;/math&amp;gt; characteristics, or all of its characteristics obtained during its movement in the net.&lt;/div&gt;</summary>
		<author><name>Evdokia Sotirova</name></author>
	</entry>
	<entry>
		<id>https://ifigenia.org/index.php?title=Project:DMEU/%D0%9E%D0%B1%D0%BE%D0%B1%D1%89%D0%B5%D0%BD%D0%B8_%D0%BC%D1%80%D0%B5%D0%B6%D0%B8&amp;diff=5547</id>
		<title>Project:DMEU/Обобщени мрежи</title>
		<link rel="alternate" type="text/html" href="https://ifigenia.org/index.php?title=Project:DMEU/%D0%9E%D0%B1%D0%BE%D0%B1%D1%89%D0%B5%D0%BD%D0%B8_%D0%BC%D1%80%D0%B5%D0%B6%D0%B8&amp;diff=5547"/>
		<updated>2011-08-20T03:58:05Z</updated>

		<summary type="html">&lt;p&gt;Evdokia Sotirova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{Ifigenia:DMEU/menu}}&lt;br /&gt;
&#039;&#039;&#039;Обобщени мрежи, ОМ (Generalized nets, GNs&#039;&#039;&#039;) са средство за конструиране на адаптивни, гъвкави и структурирани модели на комплексни системи, в които протичат паралелни във времето процеси и  са изградени от множество взаимодействащи си компоненти. Обобщените мрежи представляват значително разширение и обобщение на понятието [[мрежи на Петри]], както и на други [[разширения и модификации на мрежи на Петри]]. &lt;br /&gt;
&lt;br /&gt;
[[Image:GN-transition-mxn.png|right|thumb|25oxp|Преход от ОМ с &#039;&#039;m&#039;&#039; входни позиции и &#039;&#039;n&#039;&#039; изходни позиции]]&lt;br /&gt;
&lt;br /&gt;
Обобщената мрежа е изградена от &#039;&#039;&#039;преходи (Transitions)&#039;&#039;&#039;. Преходът в контекста на обобщените мрежи е обект от статичната структура на мрежата, който съдържа условията за преминаването на &#039;&#039;&#039;ядра (Token)&#039;&#039;&#039; от входните в изходните му &#039;&#039;&#039;позиции (Places)&#039;&#039;&#039;, след като преходът се е активирал.&lt;br /&gt;
 &lt;br /&gt;
От позиция или в позиция на прехода може да излиза или съответно да влиза не повече от една дъга. Позиция, от която излиза дъга се нарича входна за прехода, а позиция, в която влиза дъга се нарича изходна за прехода. Всеки преход в ОМ има поне една входна и поне една изходна позиция. &lt;br /&gt;
Входна позиция, в която не влиза дъга се нарича вход на мрежата, а изходна позиция, от която не излиза дъга – изход на мрежата. В позициите може да има ядра. Те се преместват от входните към съответните изходни позиции на преходите. Когато настъпи определения за прехода момент от време, и във входните позиции има достатъчен брой ядра, то ядрата от входните позиции придобиват възможност да се придвижат до изходните позиции. Този процес се нарича активиране на прехода. В началото ядрата, които постъпват в мрежата през входните й позиции имат т.нар. начални характеристики. При всяко преминаване през преход в мрежата те получават нови характеристики и така всяко ядро в мрежата е уникално и има своя история. Всяка позиция има свой капацитет.&lt;br /&gt;
&lt;br /&gt;
== Формално описание на преход ==&lt;br /&gt;
&lt;br /&gt;
Преходът Z в ОМ се представя като наредена последователност от седем компоненти:&lt;br /&gt;
&lt;br /&gt;
&amp;lt;div align=&amp;quot;center&amp;quot;&amp;gt;&amp;lt;math&amp;gt;Z = \langle L&#039;, L&#039;&#039;, t_1, t_2, r, M, \Box \rangle&amp;lt;/math&amp;gt;&amp;lt;/div&amp;gt;&lt;br /&gt;
&lt;br /&gt;
където:&lt;br /&gt;
* &amp;lt;math&amp;gt;L&#039;&amp;lt;/math&amp;gt; са крайно непразно множество от входните позиции на прехода.&lt;br /&gt;
* &amp;lt;math&amp;gt;L&#039;&#039;&amp;lt;/math&amp;gt; са крайно непразно множество от изходните позиции на прехода.&lt;br /&gt;
* &amp;lt;math&amp;gt;t_1&amp;lt;/math&amp;gt; е момент време на активиране на прехода.&lt;br /&gt;
* &amp;lt;math&amp;gt;t_2&amp;lt;/math&amp;gt; задава продължителността на активното състояние на прехода.&lt;br /&gt;
* &amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt; е условие на прехода. Представлява индексирана матрица от вида:&lt;br /&gt;
*: &amp;lt;math&amp;gt; r = &lt;br /&gt;
\begin{array}{c|c c c c c}  &amp;amp; l&#039;&#039;_1 &amp;amp; ... &amp;amp; l&#039;&#039;_j &amp;amp; ... &amp;amp; l&#039;&#039;_n \\&lt;br /&gt;
\hline&lt;br /&gt;
l&#039;_1 &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
...  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
l&#039;_i &amp;amp;  &amp;amp;  &amp;amp; r_{i,j}  &amp;amp;  &amp;amp; \\&lt;br /&gt;
...  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
l&#039;_m &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
\end{array}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
*: където &amp;lt;math&amp;gt;r_{i,j}&amp;lt;/math&amp;gt; са предикати, &amp;lt;math&amp;gt;1 \le i \le m, 1 \le j \le n&amp;lt;/math&amp;gt;&lt;br /&gt;
* &amp;lt;math&amp;gt;M&amp;lt;/math&amp;gt; задава капацитетите на дъгите. Представлява индексирана матрица от вида:&lt;br /&gt;
*: &amp;lt;math&amp;gt; M = &lt;br /&gt;
\begin{array}{c|c c c c c}  &amp;amp; l&#039;&#039;_1 &amp;amp; ... &amp;amp; l&#039;&#039;_j &amp;amp; ... &amp;amp; l&#039;&#039;_n \\&lt;br /&gt;
\hline&lt;br /&gt;
l&#039;_1 &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
...  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
l&#039;_i &amp;amp;  &amp;amp;  &amp;amp; M_{i,j}  &amp;amp;  &amp;amp; \\&lt;br /&gt;
...  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
l&#039;_m &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
\end{array}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
*: където &amp;lt;math&amp;gt;M_{i,j} \ge 0&amp;lt;/math&amp;gt; са естествени числа и &amp;lt;math&amp;gt;\infty&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;1 \le i \le m, 1 \le j \le n&amp;lt;/math&amp;gt;&lt;br /&gt;
* &amp;lt;math&amp;gt;\Box&amp;lt;/math&amp;gt; се нарича тип на прехода и представлява булев израз. Ако стойността му е “true” съответният преход може да се активира, а ако е “false” - не. В него участват идентификаторите на всички входни позиции на прехода, свързани с логическите операции &amp;quot;и&amp;quot; &amp;lt;math&amp;gt;\land&amp;lt;/math&amp;gt; и &amp;quot;или&amp;quot; &amp;lt;math&amp;gt;\lor&amp;lt;/math&amp;gt;:&lt;br /&gt;
*: &amp;lt;math&amp;gt;\land(l_{i_1}, l_{i_2},...,l_{i_u})&amp;lt;/math&amp;gt; - във всяка входна позиция &amp;lt;math&amp;gt;l_{i_1}, l_{i_2},...,l_{i_u}&amp;lt;/math&amp;gt; трябва да има най-малко по едно ядро, &lt;br /&gt;
*: &amp;lt;math&amp;gt;\lor(l_{i_1}, l_{i_2},...,l_{i_u})&amp;lt;/math&amp;gt; - най-малко в една от входните позиции &amp;lt;math&amp;gt;l_{i_1}, l_{i_2},...,l_{i_u}&amp;lt;/math&amp;gt; трябва да има най-малко едно ядро.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Формално описание на Обобщена мрежа ==&lt;br /&gt;
&lt;br /&gt;
Обобщена мрежа е наредената четворка: &lt;br /&gt;
&amp;lt;center&amp;gt;&amp;lt;math&amp;gt;&lt;br /&gt;
&amp;lt; \underbrace{ &amp;lt;A, \pi_{A}, \pi_{L}, c, f, \theta_{1}, \theta_{2} &amp;gt;}_{1.\ Static \ structure},&lt;br /&gt;
  \underbrace{ &amp;lt;K, \pi_{K}, \theta_{K} &amp;gt;}_{2. \ Dynamic \ structure},&lt;br /&gt;
  \underbrace{ &amp;lt;T, t^{0}, t^{*} &amp;gt;}_{3. \ Time},&lt;br /&gt;
  \underbrace{ &amp;lt;X, \Phi, b &amp;gt;}_{4. \ Memory} &amp;gt;&lt;br /&gt;
&amp;lt;/math&amp;gt;&amp;lt;/center&amp;gt;&lt;br /&gt;
където:&lt;br /&gt;
; &#039;&#039;1. Статична структура (Static structure)&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;A&amp;lt;/math&amp;gt; е множеството от всички преходи в мрежата&#039;&#039;.&lt;br /&gt;
* &amp;lt;math&amp;gt;\pi_{A}&amp;lt;/math&amp;gt; е функция, задаваща &#039;&#039;приоритетите на преходите&#039;&#039;, т.е. &amp;lt;math&amp;gt;\pi_{A} : A \rightarrow N&amp;lt;/math&amp;gt; where N = {0, 1, 2, ...} ∪ {∞}.&lt;br /&gt;
* &amp;lt;math&amp;gt;\pi_{L}&amp;lt;/math&amp;gt; е функция, задаваща &#039;&#039;приоритетите на позициите&#039;&#039;, т.е. &amp;lt;math&amp;gt;\pi_{L} : L \rightarrow N&amp;lt;/math&amp;gt;.&lt;br /&gt;
* &amp;lt;math&amp;gt;c&amp;lt;/math&amp;gt; е функция, задаваща &#039;&#039;капацитетите на позициите&#039;&#039;, т.е. &amp;lt;math&amp;gt;c : L \rightarrow N&amp;lt;/math&amp;gt;.&lt;br /&gt;
* &amp;lt;math&amp;gt;f&amp;lt;/math&amp;gt; е функция, определяща &#039;&#039;вярностната стойност на предикатите&#039;&#039;. &lt;br /&gt;
* &amp;lt;math&amp;gt;\theta_{1}&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;next time moment&#039;&#039; when a given transition will be fired (will become active). Hence, &amp;lt;math&amp;gt;\theta_{1}(t) = t&#039;&amp;lt;/math&amp;gt; където &amp;lt;math&amp;gt;t, t&#039; \in [T, T+t^*]; t \le t&#039;&amp;lt;/math&amp;gt; задава следващия момент, в който може да се активира прехода. Стойността на тази функция се преизчислява в момента, в който завършва активното състояние на прехода.&lt;br /&gt;
* &amp;lt;math&amp;gt;\theta_{2}&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;duration of the transition&#039;s active state&#039;&#039;.  Hence, &amp;lt;math&amp;gt;\theta_{2}(t) = t&#039;&amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;t, t&#039; \in [T, T+t^*]; t&#039; \ge 0&amp;lt;/math&amp;gt;. The value of this function is calculated in the moment when the transition&#039;s active state begins.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
; &#039;&#039;2. Dynamic structure&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt; is the &#039;&#039;set of tokens&#039;&#039; of the generalized net. In certain cases it is more convenient to denote this set as &amp;lt;math&amp;gt;K = \bigcup_{l \in Q^I} K_{l} &amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;K_{l}&amp;lt;/math&amp;gt; is the set of all GN tokens which are waiting to enter place &amp;lt;math&amp;gt;l&amp;lt;/math&amp;gt; and &amp;lt;math&amp;gt;Q^I&amp;lt;/math&amp;gt; is the set of all input places in the net.&lt;br /&gt;
* &amp;lt;math&amp;gt;\pi_K&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;priorities of the tokens&#039;&#039;, i.e. &amp;lt;math&amp;gt;\pi_{K} : K \rightarrow N&amp;lt;/math&amp;gt; &lt;br /&gt;
* &amp;lt;math&amp;gt;\theta_K&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;moment of time when a given token may enter&#039;&#039; the GN, i.e. &amp;lt;math&amp;gt;\theta_K (\alpha)=t&amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;\alpha \in K, t \in [T; T+t^*]&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
; &#039;&#039;3. Time&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;T&amp;lt;/math&amp;gt; is the moment of time when the generalized net starts functioning. This moment is determined according to a fixed global timescale.&lt;br /&gt;
* &amp;lt;math&amp;gt;t^0&amp;lt;/math&amp;gt; is the elementary time step of the fixed global timescale (the interval with which time increments in the timescale).&lt;br /&gt;
* &amp;lt;math&amp;gt;t^*&amp;lt;/math&amp;gt; is the total duration of functioning of the net.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
; &#039;&#039;4. Memory&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;X&amp;lt;/math&amp;gt; is the &#039;&#039;set of initial characteristics&#039;&#039;, which tokens may exhibit when they enter the net for first.&lt;br /&gt;
* &amp;lt;math&amp;gt;\Phi&amp;lt;/math&amp;gt; is a &#039;&#039;characteristic function&#039;&#039;, which assigns a new characteristic to each token when it makes the transfer from an input to an output place of a given transition.&lt;br /&gt;
* &amp;lt;math&amp;gt;b&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;maximal number of characteristics&#039;&#039;, which a given token may obtain during its movement throughout the net, i.e. &amp;lt;math&amp;gt;b : K \rightarrow N&amp;lt;/math&amp;gt;. In general, &amp;lt;math&amp;gt;b&amp;lt;/math&amp;gt; may possess four different values: 0, 1, &amp;lt;math&amp;gt;s&amp;lt;/math&amp;gt; or &amp;lt;math&amp;gt;\infty&amp;lt;/math&amp;gt; meaning that the token keeps, respectively: none of its characteristics, its last characteristic, its last &amp;lt;math&amp;gt;s&amp;lt;/math&amp;gt; characteristics, or all of its characteristics obtained during its movement in the net.&lt;/div&gt;</summary>
		<author><name>Evdokia Sotirova</name></author>
	</entry>
	<entry>
		<id>https://ifigenia.org/index.php?title=Project:DMEU/%D0%9E%D0%B1%D0%BE%D0%B1%D1%89%D0%B5%D0%BD%D0%B8_%D0%BC%D1%80%D0%B5%D0%B6%D0%B8&amp;diff=5546</id>
		<title>Project:DMEU/Обобщени мрежи</title>
		<link rel="alternate" type="text/html" href="https://ifigenia.org/index.php?title=Project:DMEU/%D0%9E%D0%B1%D0%BE%D0%B1%D1%89%D0%B5%D0%BD%D0%B8_%D0%BC%D1%80%D0%B5%D0%B6%D0%B8&amp;diff=5546"/>
		<updated>2011-08-20T03:53:35Z</updated>

		<summary type="html">&lt;p&gt;Evdokia Sotirova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{Ifigenia:DMEU/menu}}&lt;br /&gt;
&#039;&#039;&#039;Обобщени мрежи, ОМ (Generalized nets, GNs&#039;&#039;&#039;) са средство за конструиране на адаптивни, гъвкави и структурирани модели на комплексни системи, в които протичат паралелни във времето процеси и  са изградени от множество взаимодействащи си компоненти. Обобщените мрежи представляват значително разширение и обобщение на понятието [[мрежи на Петри]], както и на други [[разширения и модификации на мрежи на Петри]]. &lt;br /&gt;
&lt;br /&gt;
[[Image:GN-transition-mxn.png|right|thumb|25oxp|Преход от ОМ с &#039;&#039;m&#039;&#039; входни позиции и &#039;&#039;n&#039;&#039; изходни позиции]]&lt;br /&gt;
&lt;br /&gt;
Обобщената мрежа е изградена от &#039;&#039;&#039;преходи (Transitions)&#039;&#039;&#039;. Преходът в контекста на обобщените мрежи е обект от статичната структура на мрежата, който съдържа условията за преминаването на &#039;&#039;&#039;ядра (Token)&#039;&#039;&#039; от входните в изходните му &#039;&#039;&#039;позиции (Places)&#039;&#039;&#039;, след като преходът се е активирал.&lt;br /&gt;
 &lt;br /&gt;
От позиция или в позиция на прехода може да излиза или съответно да влиза не повече от една дъга. Позиция, от която излиза дъга се нарича входна за прехода, а позиция, в която влиза дъга се нарича изходна за прехода. Всеки преход в ОМ има поне една входна и поне една изходна позиция. &lt;br /&gt;
Входна позиция, в която не влиза дъга се нарича вход на мрежата, а изходна позиция, от която не излиза дъга – изход на мрежата. В позициите може да има ядра. Те се преместват от входните към съответните изходни позиции на преходите. Когато настъпи определения за прехода момент от време, и във входните позиции има достатъчен брой ядра, то ядрата от входните позиции придобиват възможност да се придвижат до изходните позиции. Този процес се нарича активиране на прехода. В началото ядрата, които постъпват в мрежата през входните й позиции имат т.нар. начални характеристики. При всяко преминаване през преход в мрежата те получават нови характеристики и така всяко ядро в мрежата е уникално и има своя история. Всяка позиция има свой капацитет.&lt;br /&gt;
&lt;br /&gt;
== Формално описание на преход ==&lt;br /&gt;
&lt;br /&gt;
Преходът Z в ОМ се представя като наредена последователност от седем компоненти:&lt;br /&gt;
&lt;br /&gt;
&amp;lt;div align=&amp;quot;center&amp;quot;&amp;gt;&amp;lt;math&amp;gt;Z = \langle L&#039;, L&#039;&#039;, t_1, t_2, r, M, \Box \rangle&amp;lt;/math&amp;gt;&amp;lt;/div&amp;gt;&lt;br /&gt;
&lt;br /&gt;
където:&lt;br /&gt;
* &amp;lt;math&amp;gt;L&#039;&amp;lt;/math&amp;gt; са крайно непразно множество от входните позиции на прехода.&lt;br /&gt;
* &amp;lt;math&amp;gt;L&#039;&#039;&amp;lt;/math&amp;gt; са крайно непразно множество от изходните позиции на прехода.&lt;br /&gt;
* &amp;lt;math&amp;gt;t_1&amp;lt;/math&amp;gt; е момент време на активиране на прехода.&lt;br /&gt;
* &amp;lt;math&amp;gt;t_2&amp;lt;/math&amp;gt; задава продължителността на активното състояние на прехода.&lt;br /&gt;
* &amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt; е условие на прехода. Представлява индексирана матрица от вида:&lt;br /&gt;
*: &amp;lt;math&amp;gt; r = &lt;br /&gt;
\begin{array}{c|c c c c c}  &amp;amp; l&#039;&#039;_1 &amp;amp; ... &amp;amp; l&#039;&#039;_j &amp;amp; ... &amp;amp; l&#039;&#039;_n \\&lt;br /&gt;
\hline&lt;br /&gt;
l&#039;_1 &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
...  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
l&#039;_i &amp;amp;  &amp;amp;  &amp;amp; r_{i,j}  &amp;amp;  &amp;amp; \\&lt;br /&gt;
...  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
l&#039;_m &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
\end{array}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
*: където &amp;lt;math&amp;gt;r_{i,j}&amp;lt;/math&amp;gt; са предикати, &amp;lt;math&amp;gt;1 \le i \le m, 1 \le j \le n&amp;lt;/math&amp;gt;&lt;br /&gt;
* &amp;lt;math&amp;gt;M&amp;lt;/math&amp;gt; задава капацитетите на дъгите. Представлява индексирана матрица от вида:&lt;br /&gt;
*: &amp;lt;math&amp;gt; M = &lt;br /&gt;
\begin{array}{c|c c c c c}  &amp;amp; l&#039;&#039;_1 &amp;amp; ... &amp;amp; l&#039;&#039;_j &amp;amp; ... &amp;amp; l&#039;&#039;_n \\&lt;br /&gt;
\hline&lt;br /&gt;
l&#039;_1 &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
...  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
l&#039;_i &amp;amp;  &amp;amp;  &amp;amp; M_{i,j}  &amp;amp;  &amp;amp; \\&lt;br /&gt;
...  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
l&#039;_m &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
\end{array}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
*: където &amp;lt;math&amp;gt;M_{i,j} \ge 0&amp;lt;/math&amp;gt; са естествени числа и &amp;lt;math&amp;gt;\infty&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;1 \le i \le m, 1 \le j \le n&amp;lt;/math&amp;gt;&lt;br /&gt;
* &amp;lt;math&amp;gt;\Box&amp;lt;/math&amp;gt; се нарича тип на прехода и представлява булев израз. Ако стойността му е “true” съответният преход може да се активира, а ако е “false” - не. В него участват идентификаторите на всички входни позиции на прехода, свързани с логическите операции &amp;quot;и&amp;quot; &amp;lt;math&amp;gt;\land&amp;lt;/math&amp;gt; и &amp;quot;или&amp;quot; &amp;lt;math&amp;gt;\lor&amp;lt;/math&amp;gt;:&lt;br /&gt;
*: &amp;lt;math&amp;gt;\land(l_{i_1}, l_{i_2},...,l_{i_u})&amp;lt;/math&amp;gt; - във всяка входна позиция &amp;lt;math&amp;gt;l_{i_1}, l_{i_2},...,l_{i_u}&amp;lt;/math&amp;gt; трябва да има най-малко по едно ядро, &lt;br /&gt;
*: &amp;lt;math&amp;gt;\lor(l_{i_1}, l_{i_2},...,l_{i_u})&amp;lt;/math&amp;gt; - най-малко в една от входните позиции &amp;lt;math&amp;gt;l_{i_1}, l_{i_2},...,l_{i_u}&amp;lt;/math&amp;gt; трябва да има най-малко едно ядро.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Формално описание на Обобщена мрежа ==&lt;br /&gt;
Обобщена мрежа е наредената четворка: &lt;br /&gt;
&amp;lt;center&amp;gt;&amp;lt;math&amp;gt;&lt;br /&gt;
&amp;lt; \underbrace{ &amp;lt;A, \pi_{A}, \pi_{L}, c, f, \theta_{1}, \theta_{2} &amp;gt;}_{1.\ Static \ structure},&lt;br /&gt;
  \underbrace{ &amp;lt;K, \pi_{K}, \theta_{K} &amp;gt;}_{2. \ Dynamic \ structure},&lt;br /&gt;
  \underbrace{ &amp;lt;T, t^{0}, t^{*} &amp;gt;}_{3. \ Time},&lt;br /&gt;
  \underbrace{ &amp;lt;X, \Phi, b &amp;gt;}_{4. \ Memory} &amp;gt;&lt;br /&gt;
&amp;lt;/math&amp;gt;&amp;lt;/center&amp;gt;&lt;br /&gt;
където:&lt;br /&gt;
; &#039;&#039;1. Статична структура (Static structure)&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;A&amp;lt;/math&amp;gt; е множеството от всички преходи в мрежата&#039;&#039; &lt;br /&gt;
* &amp;lt;math&amp;gt;\pi_{A}&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;priorities of the transitions&#039;&#039;, i.e. &amp;lt;math&amp;gt;\pi_{A} : A \rightarrow N&amp;lt;/math&amp;gt; where N = {0, 1, 2, ...} ∪ {∞}&lt;br /&gt;
* &amp;lt;math&amp;gt;\pi_{L}&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;priorities of the places&#039;&#039;, i.e. &amp;lt;math&amp;gt;\pi_{L} : L \rightarrow N&amp;lt;/math&amp;gt; &lt;br /&gt;
* &amp;lt;math&amp;gt;c&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;place capacities&#039;&#039;, i.e. &amp;lt;math&amp;gt;c : L \rightarrow N&amp;lt;/math&amp;gt; &lt;br /&gt;
* &amp;lt;math&amp;gt;f&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;truth value of the predicates&#039;&#039;. In the basic case, it may obtain values &amp;quot;true&amp;quot; (1) and &amp;quot;false&amp;quot; (0). In [[fuzzy generalized net]]s its domain is the [0;1] interval (see [[fuzzy set]]) and in the [[intuitionistic fuzzy generalized net]]s its domain is the set [0;1]×[0;1] (see [[intuitionistic fuzzy set]]).&lt;br /&gt;
* &amp;lt;math&amp;gt;\theta_{1}&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;next time moment&#039;&#039; when a given transition will be fired (will become active). Hence, &amp;lt;math&amp;gt;\theta_{1}(t) = t&#039;&amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;t, t&#039; \in [T, T+t^*]; t \le t&#039;&amp;lt;/math&amp;gt;. The value of this function is being recalculated in the moment when the transition&#039;s active state ceases.&lt;br /&gt;
* &amp;lt;math&amp;gt;\theta_{2}&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;duration of the transition&#039;s active state&#039;&#039;.  Hence, &amp;lt;math&amp;gt;\theta_{2}(t) = t&#039;&amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;t, t&#039; \in [T, T+t^*]; t&#039; \ge 0&amp;lt;/math&amp;gt;. The value of this function is calculated in the moment when the transition&#039;s active state begins.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
; &#039;&#039;2. Dynamic structure&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt; is the &#039;&#039;set of tokens&#039;&#039; of the generalized net. In certain cases it is more convenient to denote this set as &amp;lt;math&amp;gt;K = \bigcup_{l \in Q^I} K_{l} &amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;K_{l}&amp;lt;/math&amp;gt; is the set of all GN tokens which are waiting to enter place &amp;lt;math&amp;gt;l&amp;lt;/math&amp;gt; and &amp;lt;math&amp;gt;Q^I&amp;lt;/math&amp;gt; is the set of all input places in the net.&lt;br /&gt;
* &amp;lt;math&amp;gt;\pi_K&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;priorities of the tokens&#039;&#039;, i.e. &amp;lt;math&amp;gt;\pi_{K} : K \rightarrow N&amp;lt;/math&amp;gt; &lt;br /&gt;
* &amp;lt;math&amp;gt;\theta_K&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;moment of time when a given token may enter&#039;&#039; the GN, i.e. &amp;lt;math&amp;gt;\theta_K (\alpha)=t&amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;\alpha \in K, t \in [T; T+t^*]&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
; &#039;&#039;3. Time&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;T&amp;lt;/math&amp;gt; is the moment of time when the generalized net starts functioning. This moment is determined according to a fixed global timescale.&lt;br /&gt;
* &amp;lt;math&amp;gt;t^0&amp;lt;/math&amp;gt; is the elementary time step of the fixed global timescale (the interval with which time increments in the timescale).&lt;br /&gt;
* &amp;lt;math&amp;gt;t^*&amp;lt;/math&amp;gt; is the total duration of functioning of the net.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
; &#039;&#039;4. Memory&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;X&amp;lt;/math&amp;gt; is the &#039;&#039;set of initial characteristics&#039;&#039;, which tokens may exhibit when they enter the net for first.&lt;br /&gt;
* &amp;lt;math&amp;gt;\Phi&amp;lt;/math&amp;gt; is a &#039;&#039;characteristic function&#039;&#039;, which assigns a new characteristic to each token when it makes the transfer from an input to an output place of a given transition.&lt;br /&gt;
* &amp;lt;math&amp;gt;b&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;maximal number of characteristics&#039;&#039;, which a given token may obtain during its movement throughout the net, i.e. &amp;lt;math&amp;gt;b : K \rightarrow N&amp;lt;/math&amp;gt;. In general, &amp;lt;math&amp;gt;b&amp;lt;/math&amp;gt; may possess four different values: 0, 1, &amp;lt;math&amp;gt;s&amp;lt;/math&amp;gt; or &amp;lt;math&amp;gt;\infty&amp;lt;/math&amp;gt; meaning that the token keeps, respectively: none of its characteristics, its last characteristic, its last &amp;lt;math&amp;gt;s&amp;lt;/math&amp;gt; characteristics, or all of its characteristics obtained during its movement in the net.&lt;/div&gt;</summary>
		<author><name>Evdokia Sotirova</name></author>
	</entry>
	<entry>
		<id>https://ifigenia.org/index.php?title=Project:DMEU/%D0%9E%D0%B1%D0%BE%D0%B1%D1%89%D0%B5%D0%BD%D0%B8_%D0%BC%D1%80%D0%B5%D0%B6%D0%B8&amp;diff=5545</id>
		<title>Project:DMEU/Обобщени мрежи</title>
		<link rel="alternate" type="text/html" href="https://ifigenia.org/index.php?title=Project:DMEU/%D0%9E%D0%B1%D0%BE%D0%B1%D1%89%D0%B5%D0%BD%D0%B8_%D0%BC%D1%80%D0%B5%D0%B6%D0%B8&amp;diff=5545"/>
		<updated>2011-08-20T03:51:29Z</updated>

		<summary type="html">&lt;p&gt;Evdokia Sotirova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{Ifigenia:DMEU/menu}}&lt;br /&gt;
&#039;&#039;&#039;Обобщени мрежи, ОМ (Generalized nets, GNs&#039;&#039;&#039;) са средство за конструиране на адаптивни, гъвкави и структурирани модели на комплексни системи, в които протичат паралелни във времето процеси и  са изградени от множество взаимодействащи си компоненти. Обобщените мрежи представляват значително разширение и обобщение на понятието [[мрежи на Петри]], както и на други [[разширения и модификации на мрежи на Петри]]. &lt;br /&gt;
&lt;br /&gt;
[[Image:GN-transition-mxn.png|right|thumb|25oxp|Преход от ОМ с &#039;&#039;m&#039;&#039; входни позиции и &#039;&#039;n&#039;&#039; изходни позиции]]&lt;br /&gt;
&lt;br /&gt;
Обобщената мрежа е изградена от &#039;&#039;&#039;преходи (Transitions)&#039;&#039;&#039;. Преходът в контекста на обобщените мрежи е обект от статичната структура на мрежата, който съдържа условията за преминаването на &#039;&#039;&#039;ядра (Token)&#039;&#039;&#039; от входните в изходните му &#039;&#039;&#039;позиции (Places)&#039;&#039;&#039;, след като преходът се е активирал.&lt;br /&gt;
 &lt;br /&gt;
От позиция или в позиция на прехода може да излиза или съответно да влиза не повече от една дъга. Позиция, от която излиза дъга се нарича входна за прехода, а позиция, в която влиза дъга се нарича изходна за прехода. Всеки преход в ОМ има поне една входна и поне една изходна позиция. &lt;br /&gt;
Входна позиция, в която не влиза дъга се нарича вход на мрежата, а изходна позиция, от която не излиза дъга – изход на мрежата. В позициите може да има ядра. Те се преместват от входните към съответните изходни позиции на преходите. Когато настъпи определения за прехода момент от време, и във входните позиции има достатъчен брой ядра, то ядрата от входните позиции придобиват възможност да се придвижат до изходните позиции. Този процес се нарича активиране на прехода. В началото ядрата, които постъпват в мрежата през входните й позиции имат т.нар. начални характеристики. При всяко преминаване през преход в мрежата те получават нови характеристики и така всяко ядро в мрежата е уникално и има своя история. Всяка позиция има свой капацитет.&lt;br /&gt;
&lt;br /&gt;
== Формално описание на преход ==&lt;br /&gt;
&lt;br /&gt;
Преходът Z в ОМ се представя като наредена последователност от седем компоненти:&lt;br /&gt;
&lt;br /&gt;
&amp;lt;div align=&amp;quot;center&amp;quot;&amp;gt;&amp;lt;math&amp;gt;Z = \langle L&#039;, L&#039;&#039;, t_1, t_2, r, M, \Box \rangle&amp;lt;/math&amp;gt;&amp;lt;/div&amp;gt;&lt;br /&gt;
&lt;br /&gt;
където:&lt;br /&gt;
* &amp;lt;math&amp;gt;L&#039;&amp;lt;/math&amp;gt; са крайно непразно множество от входните позиции на прехода.&lt;br /&gt;
* &amp;lt;math&amp;gt;L&#039;&#039;&amp;lt;/math&amp;gt; са крайно непразно множество от изходните позиции на прехода.&lt;br /&gt;
* &amp;lt;math&amp;gt;t_1&amp;lt;/math&amp;gt; е момент време на активиране на прехода.&lt;br /&gt;
* &amp;lt;math&amp;gt;t_2&amp;lt;/math&amp;gt; задава продължителността на активното състояние на прехода.&lt;br /&gt;
* &amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt; е условие на прехода. Представлява индексирана матрица от вида:&lt;br /&gt;
*: &amp;lt;math&amp;gt; r = &lt;br /&gt;
\begin{array}{c|c c c c c}  &amp;amp; l&#039;&#039;_1 &amp;amp; ... &amp;amp; l&#039;&#039;_j &amp;amp; ... &amp;amp; l&#039;&#039;_n \\&lt;br /&gt;
\hline&lt;br /&gt;
l&#039;_1 &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
...  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
l&#039;_i &amp;amp;  &amp;amp;  &amp;amp; r_{i,j}  &amp;amp;  &amp;amp; \\&lt;br /&gt;
...  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
l&#039;_m &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
\end{array}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
*: където &amp;lt;math&amp;gt;r_{i,j}&amp;lt;/math&amp;gt; са предикати, &amp;lt;math&amp;gt;1 \le i \le m, 1 \le j \le n&amp;lt;/math&amp;gt;&lt;br /&gt;
* &amp;lt;math&amp;gt;M&amp;lt;/math&amp;gt; задава капацитетите на дъгите. Представлява индексирана матрица от вида:&lt;br /&gt;
*: &amp;lt;math&amp;gt; M = &lt;br /&gt;
\begin{array}{c|c c c c c}  &amp;amp; l&#039;&#039;_1 &amp;amp; ... &amp;amp; l&#039;&#039;_j &amp;amp; ... &amp;amp; l&#039;&#039;_n \\&lt;br /&gt;
\hline&lt;br /&gt;
l&#039;_1 &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
...  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
l&#039;_i &amp;amp;  &amp;amp;  &amp;amp; M_{i,j}  &amp;amp;  &amp;amp; \\&lt;br /&gt;
...  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
l&#039;_m &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
\end{array}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
*: където &amp;lt;math&amp;gt;M_{i,j} \ge 0&amp;lt;/math&amp;gt; са естествени числа и &amp;lt;math&amp;gt;\infty&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;1 \le i \le m, 1 \le j \le n&amp;lt;/math&amp;gt;&lt;br /&gt;
* &amp;lt;math&amp;gt;\Box&amp;lt;/math&amp;gt; се нарича тип на прехода и представлява булев израз. Ако стойността му е “true” съответният преход може да се активира, а ако е “false” - не. В него участват идентификаторите на всички входни позиции на прехода, свързани с логическите операции &amp;quot;и&amp;quot; &amp;lt;math&amp;gt;\land&amp;lt;/math&amp;gt; и &amp;quot;или&amp;quot; &amp;lt;math&amp;gt;\lor&amp;lt;/math&amp;gt;:&lt;br /&gt;
*: &amp;lt;math&amp;gt;\land(l_{i_1}, l_{i_2},...,l_{i_u})&amp;lt;/math&amp;gt; - във всяка входна позиция &amp;lt;math&amp;gt;l_{i_1}, l_{i_2},...,l_{i_u}&amp;lt;/math&amp;gt; трябва да има най-малко по едно ядро, &lt;br /&gt;
*: &amp;lt;math&amp;gt;\lor(l_{i_1}, l_{i_2},...,l_{i_u})&amp;lt;/math&amp;gt; - най-малко в една от входните позиции &amp;lt;math&amp;gt;l_{i_1}, l_{i_2},...,l_{i_u}&amp;lt;/math&amp;gt; трябва да има най-малко едно ядро.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Формално описание на Обобщена мрежа ==&lt;br /&gt;
Наредената четворка: &lt;br /&gt;
&amp;lt;center&amp;gt;&amp;lt;math&amp;gt;&lt;br /&gt;
&amp;lt; \underbrace{ &amp;lt;A, \pi_{A}, \pi_{L}, c, f, \theta_{1}, \theta_{2} &amp;gt;}_{1.\ Static \ structure},&lt;br /&gt;
  \underbrace{ &amp;lt;K, \pi_{K}, \theta_{K} &amp;gt;}_{2. \ Dynamic \ structure},&lt;br /&gt;
  \underbrace{ &amp;lt;T, t^{0}, t^{*} &amp;gt;}_{3. \ Time},&lt;br /&gt;
  \underbrace{ &amp;lt;X, \Phi, b &amp;gt;}_{4. \ Memory} &amp;gt;&lt;br /&gt;
&amp;lt;/math&amp;gt;&amp;lt;/center&amp;gt;&lt;br /&gt;
се нарича обобщена мрежа, ако:&lt;br /&gt;
; &#039;&#039;1. Static structure&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;A&amp;lt;/math&amp;gt; is a &#039;&#039;set of transitions&#039;&#039; (see the [[Transition#Formal description|formal definition of a transition]])&lt;br /&gt;
* &amp;lt;math&amp;gt;\pi_{A}&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;priorities of the transitions&#039;&#039;, i.e. &amp;lt;math&amp;gt;\pi_{A} : A \rightarrow N&amp;lt;/math&amp;gt; where N = {0, 1, 2, ...} ∪ {∞}&lt;br /&gt;
* &amp;lt;math&amp;gt;\pi_{L}&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;priorities of the places&#039;&#039;, i.e. &amp;lt;math&amp;gt;\pi_{L} : L \rightarrow N&amp;lt;/math&amp;gt; &lt;br /&gt;
* &amp;lt;math&amp;gt;c&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;place capacities&#039;&#039;, i.e. &amp;lt;math&amp;gt;c : L \rightarrow N&amp;lt;/math&amp;gt; &lt;br /&gt;
* &amp;lt;math&amp;gt;f&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;truth value of the predicates&#039;&#039;. In the basic case, it may obtain values &amp;quot;true&amp;quot; (1) and &amp;quot;false&amp;quot; (0). In [[fuzzy generalized net]]s its domain is the [0;1] interval (see [[fuzzy set]]) and in the [[intuitionistic fuzzy generalized net]]s its domain is the set [0;1]×[0;1] (see [[intuitionistic fuzzy set]]).&lt;br /&gt;
* &amp;lt;math&amp;gt;\theta_{1}&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;next time moment&#039;&#039; when a given transition will be fired (will become active). Hence, &amp;lt;math&amp;gt;\theta_{1}(t) = t&#039;&amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;t, t&#039; \in [T, T+t^*]; t \le t&#039;&amp;lt;/math&amp;gt;. The value of this function is being recalculated in the moment when the transition&#039;s active state ceases.&lt;br /&gt;
* &amp;lt;math&amp;gt;\theta_{2}&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;duration of the transition&#039;s active state&#039;&#039;.  Hence, &amp;lt;math&amp;gt;\theta_{2}(t) = t&#039;&amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;t, t&#039; \in [T, T+t^*]; t&#039; \ge 0&amp;lt;/math&amp;gt;. The value of this function is calculated in the moment when the transition&#039;s active state begins.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
; &#039;&#039;2. Dynamic structure&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt; is the &#039;&#039;set of tokens&#039;&#039; of the generalized net. In certain cases it is more convenient to denote this set as &amp;lt;math&amp;gt;K = \bigcup_{l \in Q^I} K_{l} &amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;K_{l}&amp;lt;/math&amp;gt; is the set of all GN tokens which are waiting to enter place &amp;lt;math&amp;gt;l&amp;lt;/math&amp;gt; and &amp;lt;math&amp;gt;Q^I&amp;lt;/math&amp;gt; is the set of all input places in the net.&lt;br /&gt;
* &amp;lt;math&amp;gt;\pi_K&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;priorities of the tokens&#039;&#039;, i.e. &amp;lt;math&amp;gt;\pi_{K} : K \rightarrow N&amp;lt;/math&amp;gt; &lt;br /&gt;
* &amp;lt;math&amp;gt;\theta_K&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;moment of time when a given token may enter&#039;&#039; the GN, i.e. &amp;lt;math&amp;gt;\theta_K (\alpha)=t&amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;\alpha \in K, t \in [T; T+t^*]&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
; &#039;&#039;3. Time&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;T&amp;lt;/math&amp;gt; is the moment of time when the generalized net starts functioning. This moment is determined according to a fixed global timescale.&lt;br /&gt;
* &amp;lt;math&amp;gt;t^0&amp;lt;/math&amp;gt; is the elementary time step of the fixed global timescale (the interval with which time increments in the timescale).&lt;br /&gt;
* &amp;lt;math&amp;gt;t^*&amp;lt;/math&amp;gt; is the total duration of functioning of the net.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
; &#039;&#039;4. Memory&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;X&amp;lt;/math&amp;gt; is the &#039;&#039;set of initial characteristics&#039;&#039;, which tokens may exhibit when they enter the net for first.&lt;br /&gt;
* &amp;lt;math&amp;gt;\Phi&amp;lt;/math&amp;gt; is a &#039;&#039;characteristic function&#039;&#039;, which assigns a new characteristic to each token when it makes the transfer from an input to an output place of a given transition.&lt;br /&gt;
* &amp;lt;math&amp;gt;b&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;maximal number of characteristics&#039;&#039;, which a given token may obtain during its movement throughout the net, i.e. &amp;lt;math&amp;gt;b : K \rightarrow N&amp;lt;/math&amp;gt;. In general, &amp;lt;math&amp;gt;b&amp;lt;/math&amp;gt; may possess four different values: 0, 1, &amp;lt;math&amp;gt;s&amp;lt;/math&amp;gt; or &amp;lt;math&amp;gt;\infty&amp;lt;/math&amp;gt; meaning that the token keeps, respectively: none of its characteristics, its last characteristic, its last &amp;lt;math&amp;gt;s&amp;lt;/math&amp;gt; characteristics, or all of its characteristics obtained during its movement in the net.&lt;/div&gt;</summary>
		<author><name>Evdokia Sotirova</name></author>
	</entry>
	<entry>
		<id>https://ifigenia.org/index.php?title=Project:DMEU/%D0%9E%D0%B1%D0%BE%D0%B1%D1%89%D0%B5%D0%BD%D0%B8_%D0%BC%D1%80%D0%B5%D0%B6%D0%B8&amp;diff=5544</id>
		<title>Project:DMEU/Обобщени мрежи</title>
		<link rel="alternate" type="text/html" href="https://ifigenia.org/index.php?title=Project:DMEU/%D0%9E%D0%B1%D0%BE%D0%B1%D1%89%D0%B5%D0%BD%D0%B8_%D0%BC%D1%80%D0%B5%D0%B6%D0%B8&amp;diff=5544"/>
		<updated>2011-08-20T03:49:21Z</updated>

		<summary type="html">&lt;p&gt;Evdokia Sotirova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{Ifigenia:DMEU/menu}}&lt;br /&gt;
&#039;&#039;&#039;Обобщени мрежи, ОМ (Generalized nets, GNs&#039;&#039;&#039;) са средство за конструиране на адаптивни, гъвкави и структурирани модели на комплексни системи, в които протичат паралелни във времето процеси и  са изградени от множество взаимодействащи си компоненти. Обобщените мрежи представляват значително разширение и обобщение на понятието [[мрежи на Петри]], както и на други [[разширения и модификации на мрежи на Петри]]. &lt;br /&gt;
&lt;br /&gt;
[[Image:GN-transition-mxn.png|right|thumb|25oxp|Преход от ОМ с &#039;&#039;m&#039;&#039; входни позиции и &#039;&#039;n&#039;&#039; изходни позиции]]&lt;br /&gt;
&lt;br /&gt;
Обобщената мрежа е изградена от &#039;&#039;&#039;преходи (Transitions)&#039;&#039;&#039;. Преходът в контекста на обобщените мрежи е обект от статичната структура на мрежата, който съдържа условията за преминаването на &#039;&#039;&#039;ядра (Token)&#039;&#039;&#039; от входните в изходните му &#039;&#039;&#039;позиции (Places)&#039;&#039;&#039;, след като преходът се е активирал.&lt;br /&gt;
 &lt;br /&gt;
От позиция или в позиция на прехода може да излиза или съответно да влиза не повече от една дъга. Позиция, от която излиза дъга се нарича входна за прехода, а позиция, в която влиза дъга се нарича изходна за прехода. Всеки преход в ОМ има поне една входна и поне една изходна позиция. &lt;br /&gt;
Входна позиция, в която не влиза дъга се нарича вход на мрежата, а изходна позиция, от която не излиза дъга – изход на мрежата. В позициите може да има ядра. Те се преместват от входните към съответните изходни позиции на преходите. Когато настъпи определения за прехода момент от време, и във входните позиции има достатъчен брой ядра, то ядрата от входните позиции придобиват възможност да се придвижат до изходните позиции. Този процес се нарича активиране на прехода. В началото ядрата, които постъпват в мрежата през входните й позиции имат т.нар. начални характеристики. При всяко преминаване през преход в мрежата те получават нови характеристики и така всяко ядро в мрежата е уникално и има своя история. Всяка позиция има свой капацитет.&lt;br /&gt;
&lt;br /&gt;
== Формално описание на преход ==&lt;br /&gt;
&lt;br /&gt;
Преходът Z в ОМ се представя като наредена последователност от седем компоненти:&lt;br /&gt;
&lt;br /&gt;
&amp;lt;div align=&amp;quot;center&amp;quot;&amp;gt;&amp;lt;math&amp;gt;Z = \langle L&#039;, L&#039;&#039;, t_1, t_2, r, M, \Box \rangle&amp;lt;/math&amp;gt;&amp;lt;/div&amp;gt;&lt;br /&gt;
&lt;br /&gt;
където:&lt;br /&gt;
* &amp;lt;math&amp;gt;L&#039;&amp;lt;/math&amp;gt; са крайно непразно множество от входните позиции на прехода.&lt;br /&gt;
* &amp;lt;math&amp;gt;L&#039;&#039;&amp;lt;/math&amp;gt; са крайно непразно множество от изходните позиции на прехода.&lt;br /&gt;
* &amp;lt;math&amp;gt;t_1&amp;lt;/math&amp;gt; е момент време на активиране на прехода.&lt;br /&gt;
* &amp;lt;math&amp;gt;t_2&amp;lt;/math&amp;gt; задава продължителността на активното състояние на прехода.&lt;br /&gt;
* &amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt; е условие на прехода. Представлява индексирана матрица от вида:&lt;br /&gt;
*: &amp;lt;math&amp;gt; r = &lt;br /&gt;
\begin{array}{c|c c c c c}  &amp;amp; l&#039;&#039;_1 &amp;amp; ... &amp;amp; l&#039;&#039;_j &amp;amp; ... &amp;amp; l&#039;&#039;_n \\&lt;br /&gt;
\hline&lt;br /&gt;
l&#039;_1 &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
...  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
l&#039;_i &amp;amp;  &amp;amp;  &amp;amp; r_{i,j}  &amp;amp;  &amp;amp; \\&lt;br /&gt;
...  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
l&#039;_m &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
\end{array}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
*: където &amp;lt;math&amp;gt;r_{i,j}&amp;lt;/math&amp;gt; са предикати, &amp;lt;math&amp;gt;1 \le i \le m, 1 \le j \le n&amp;lt;/math&amp;gt;&lt;br /&gt;
* &amp;lt;math&amp;gt;M&amp;lt;/math&amp;gt; задава капацитетите на дъгите. Представлява индексирана матрица от вида:&lt;br /&gt;
*: &amp;lt;math&amp;gt; M = &lt;br /&gt;
\begin{array}{c|c c c c c}  &amp;amp; l&#039;&#039;_1 &amp;amp; ... &amp;amp; l&#039;&#039;_j &amp;amp; ... &amp;amp; l&#039;&#039;_n \\&lt;br /&gt;
\hline&lt;br /&gt;
l&#039;_1 &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
...  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
l&#039;_i &amp;amp;  &amp;amp;  &amp;amp; M_{i,j}  &amp;amp;  &amp;amp; \\&lt;br /&gt;
...  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
l&#039;_m &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
\end{array}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
*: където &amp;lt;math&amp;gt;M_{i,j} \ge 0&amp;lt;/math&amp;gt; са естествени числа и &amp;lt;math&amp;gt;\infty&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;1 \le i \le m, 1 \le j \le n&amp;lt;/math&amp;gt;&lt;br /&gt;
* &amp;lt;math&amp;gt;\Box&amp;lt;/math&amp;gt; се нарича тип на прехода и представлява булев израз. Ако стойността му е “true” съответният преход може да се активира, а ако е “false” - не. В него участват идентификаторите на всички входни позиции на прехода, свързани с логическите операции &amp;quot;и&amp;quot; &amp;lt;math&amp;gt;\land&amp;lt;/math&amp;gt; и &amp;quot;или&amp;quot; &amp;lt;math&amp;gt;\lor&amp;lt;/math&amp;gt;:&lt;br /&gt;
*: &amp;lt;math&amp;gt;\land(l_{i_1}, l_{i_2},...,l_{i_u})&amp;lt;/math&amp;gt; - във всяка входна позиция &amp;lt;math&amp;gt;l_{i_1}, l_{i_2},...,l_{i_u}&amp;lt;/math&amp;gt; трябва да има най-малко по едно ядро, &lt;br /&gt;
*: &amp;lt;math&amp;gt;\lor(l_{i_1}, l_{i_2},...,l_{i_u})&amp;lt;/math&amp;gt; - най-малко в една от входните позиции &amp;lt;math&amp;gt;l_{i_1}, l_{i_2},...,l_{i_u}&amp;lt;/math&amp;gt; трябва да има най-малко едно ядро &amp;lt;math&amp;gt;\lbrace l_{i_1}, l_{i_2},...,l_{i_u} \rbrace \subset L&#039;&amp;lt;/math&amp;gt;&lt;br /&gt;
*: When the value of a type (calculated as a Boolean expression) is &#039;&#039;&amp;quot;true&amp;quot;&#039;&#039;, the transition can become active, otherwise it cannot.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Formally described, the generalized net is represented by the following four-tuple:&lt;br /&gt;
&lt;br /&gt;
&amp;lt;center&amp;gt;&amp;lt;math&amp;gt;&lt;br /&gt;
&amp;lt; \underbrace{ &amp;lt;A, \pi_{A}, \pi_{L}, c, f, \theta_{1}, \theta_{2} &amp;gt;}_{1.\ Static \ structure},&lt;br /&gt;
  \underbrace{ &amp;lt;K, \pi_{K}, \theta_{K} &amp;gt;}_{2. \ Dynamic \ structure},&lt;br /&gt;
  \underbrace{ &amp;lt;T, t^{0}, t^{*} &amp;gt;}_{3. \ Time},&lt;br /&gt;
  \underbrace{ &amp;lt;X, \Phi, b &amp;gt;}_{4. \ Memory} &amp;gt;&lt;br /&gt;
&amp;lt;/math&amp;gt;&amp;lt;/center&amp;gt;&lt;br /&gt;
&lt;br /&gt;
where:&lt;br /&gt;
; &#039;&#039;1. Static structure&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;A&amp;lt;/math&amp;gt; is a &#039;&#039;set of transitions&#039;&#039; (see the [[Transition#Formal description|formal definition of a transition]])&lt;br /&gt;
* &amp;lt;math&amp;gt;\pi_{A}&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;priorities of the transitions&#039;&#039;, i.e. &amp;lt;math&amp;gt;\pi_{A} : A \rightarrow N&amp;lt;/math&amp;gt; where N = {0, 1, 2, ...} ∪ {∞}&lt;br /&gt;
* &amp;lt;math&amp;gt;\pi_{L}&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;priorities of the places&#039;&#039;, i.e. &amp;lt;math&amp;gt;\pi_{L} : L \rightarrow N&amp;lt;/math&amp;gt; &lt;br /&gt;
* &amp;lt;math&amp;gt;c&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;place capacities&#039;&#039;, i.e. &amp;lt;math&amp;gt;c : L \rightarrow N&amp;lt;/math&amp;gt; &lt;br /&gt;
* &amp;lt;math&amp;gt;f&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;truth value of the predicates&#039;&#039;. In the basic case, it may obtain values &amp;quot;true&amp;quot; (1) and &amp;quot;false&amp;quot; (0). In [[fuzzy generalized net]]s its domain is the [0;1] interval (see [[fuzzy set]]) and in the [[intuitionistic fuzzy generalized net]]s its domain is the set [0;1]×[0;1] (see [[intuitionistic fuzzy set]]).&lt;br /&gt;
* &amp;lt;math&amp;gt;\theta_{1}&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;next time moment&#039;&#039; when a given transition will be fired (will become active). Hence, &amp;lt;math&amp;gt;\theta_{1}(t) = t&#039;&amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;t, t&#039; \in [T, T+t^*]; t \le t&#039;&amp;lt;/math&amp;gt;. The value of this function is being recalculated in the moment when the transition&#039;s active state ceases.&lt;br /&gt;
* &amp;lt;math&amp;gt;\theta_{2}&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;duration of the transition&#039;s active state&#039;&#039;.  Hence, &amp;lt;math&amp;gt;\theta_{2}(t) = t&#039;&amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;t, t&#039; \in [T, T+t^*]; t&#039; \ge 0&amp;lt;/math&amp;gt;. The value of this function is calculated in the moment when the transition&#039;s active state begins.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
; &#039;&#039;2. Dynamic structure&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt; is the &#039;&#039;set of tokens&#039;&#039; of the generalized net. In certain cases it is more convenient to denote this set as &amp;lt;math&amp;gt;K = \bigcup_{l \in Q^I} K_{l} &amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;K_{l}&amp;lt;/math&amp;gt; is the set of all GN tokens which are waiting to enter place &amp;lt;math&amp;gt;l&amp;lt;/math&amp;gt; and &amp;lt;math&amp;gt;Q^I&amp;lt;/math&amp;gt; is the set of all input places in the net.&lt;br /&gt;
* &amp;lt;math&amp;gt;\pi_K&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;priorities of the tokens&#039;&#039;, i.e. &amp;lt;math&amp;gt;\pi_{K} : K \rightarrow N&amp;lt;/math&amp;gt; &lt;br /&gt;
* &amp;lt;math&amp;gt;\theta_K&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;moment of time when a given token may enter&#039;&#039; the GN, i.e. &amp;lt;math&amp;gt;\theta_K (\alpha)=t&amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;\alpha \in K, t \in [T; T+t^*]&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
; &#039;&#039;3. Time&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;T&amp;lt;/math&amp;gt; is the moment of time when the generalized net starts functioning. This moment is determined according to a fixed global timescale.&lt;br /&gt;
* &amp;lt;math&amp;gt;t^0&amp;lt;/math&amp;gt; is the elementary time step of the fixed global timescale (the interval with which time increments in the timescale).&lt;br /&gt;
* &amp;lt;math&amp;gt;t^*&amp;lt;/math&amp;gt; is the total duration of functioning of the net.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
; &#039;&#039;4. Memory&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;X&amp;lt;/math&amp;gt; is the &#039;&#039;set of initial characteristics&#039;&#039;, which tokens may exhibit when they enter the net for first.&lt;br /&gt;
* &amp;lt;math&amp;gt;\Phi&amp;lt;/math&amp;gt; is a &#039;&#039;characteristic function&#039;&#039;, which assigns a new characteristic to each token when it makes the transfer from an input to an output place of a given transition.&lt;br /&gt;
* &amp;lt;math&amp;gt;b&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;maximal number of characteristics&#039;&#039;, which a given token may obtain during its movement throughout the net, i.e. &amp;lt;math&amp;gt;b : K \rightarrow N&amp;lt;/math&amp;gt;. In general, &amp;lt;math&amp;gt;b&amp;lt;/math&amp;gt; may possess four different values: 0, 1, &amp;lt;math&amp;gt;s&amp;lt;/math&amp;gt; or &amp;lt;math&amp;gt;\infty&amp;lt;/math&amp;gt; meaning that the token keeps, respectively: none of its characteristics, its last characteristic, its last &amp;lt;math&amp;gt;s&amp;lt;/math&amp;gt; characteristics, or all of its characteristics obtained during its movement in the net.&lt;/div&gt;</summary>
		<author><name>Evdokia Sotirova</name></author>
	</entry>
	<entry>
		<id>https://ifigenia.org/index.php?title=Project:DMEU/%D0%9E%D0%B1%D0%BE%D0%B1%D1%89%D0%B5%D0%BD%D0%B8_%D0%BC%D1%80%D0%B5%D0%B6%D0%B8&amp;diff=5543</id>
		<title>Project:DMEU/Обобщени мрежи</title>
		<link rel="alternate" type="text/html" href="https://ifigenia.org/index.php?title=Project:DMEU/%D0%9E%D0%B1%D0%BE%D0%B1%D1%89%D0%B5%D0%BD%D0%B8_%D0%BC%D1%80%D0%B5%D0%B6%D0%B8&amp;diff=5543"/>
		<updated>2011-08-20T03:46:30Z</updated>

		<summary type="html">&lt;p&gt;Evdokia Sotirova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{Ifigenia:DMEU/menu}}&lt;br /&gt;
&#039;&#039;&#039;Обобщени мрежи, ОМ (Generalized nets, GNs&#039;&#039;&#039;) са средство за конструиране на адаптивни, гъвкави и структурирани модели на комплексни системи, в които протичат паралелни във времето процеси и  са изградени от множество взаимодействащи си компоненти. Обобщените мрежи представляват значително разширение и обобщение на понятието [[мрежи на Петри]], както и на други [[разширения и модификации на мрежи на Петри]]. &lt;br /&gt;
&lt;br /&gt;
[[Image:GN-transition-mxn.png|right|thumb|25oxp|Преход от ОМ с &#039;&#039;m&#039;&#039; входни позиции и &#039;&#039;n&#039;&#039; изходни позиции]]&lt;br /&gt;
&lt;br /&gt;
Обобщената мрежа е изградена от &#039;&#039;&#039;преходи (Transitions)&#039;&#039;&#039;. Преходът в контекста на обобщените мрежи е обект от статичната структура на мрежата, който съдържа условията за преминаването на &#039;&#039;&#039;ядра (Token)&#039;&#039;&#039; от входните в изходните му &#039;&#039;&#039;позиции (Places)&#039;&#039;&#039;, след като преходът се е активирал.&lt;br /&gt;
 &lt;br /&gt;
От позиция или в позиция на прехода може да излиза или съответно да влиза не повече от една дъга. Позиция, от която излиза дъга се нарича входна за прехода, а позиция, в която влиза дъга се нарича изходна за прехода. Всеки преход в ОМ има поне една входна и поне една изходна позиция. &lt;br /&gt;
Входна позиция, в която не влиза дъга се нарича вход на мрежата, а изходна позиция, от която не излиза дъга – изход на мрежата. В позициите може да има ядра. Те се преместват от входните към съответните изходни позиции на преходите. Когато настъпи определения за прехода момент от време, и във входните позиции има достатъчен брой ядра, то ядрата от входните позиции придобиват възможност да се придвижат до изходните позиции. Този процес се нарича активиране на прехода. В началото ядрата, които постъпват в мрежата през входните й позиции имат т.нар. начални характеристики. При всяко преминаване през преход в мрежата те получават нови характеристики и така всяко ядро в мрежата е уникално и има своя история. Всяка позиция има свой капацитет.&lt;br /&gt;
&lt;br /&gt;
== Формално описание на преход ==&lt;br /&gt;
&lt;br /&gt;
Преходът Z в ОМ се представя като наредена последователност от седем компоненти:&lt;br /&gt;
&lt;br /&gt;
&amp;lt;div align=&amp;quot;center&amp;quot;&amp;gt;&amp;lt;math&amp;gt;Z = \langle L&#039;, L&#039;&#039;, t_1, t_2, r, M, \Box \rangle&amp;lt;/math&amp;gt;&amp;lt;/div&amp;gt;&lt;br /&gt;
&lt;br /&gt;
където:&lt;br /&gt;
* &amp;lt;math&amp;gt;L&#039;&amp;lt;/math&amp;gt; са крайно непразно множество от входните позиции на прехода.&lt;br /&gt;
* &amp;lt;math&amp;gt;L&#039;&#039;&amp;lt;/math&amp;gt; са крайно непразно множество от изходните позиции на прехода.&lt;br /&gt;
* &amp;lt;math&amp;gt;t_1&amp;lt;/math&amp;gt; е момент време на активиране на прехода.&lt;br /&gt;
* &amp;lt;math&amp;gt;t_2&amp;lt;/math&amp;gt; задава продължителността на активното състояние на прехода.&lt;br /&gt;
* &amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt; е условие на прехода. Представлява индексирана матрица от вида:&lt;br /&gt;
*: &amp;lt;math&amp;gt; r = &lt;br /&gt;
\begin{array}{c|c c c c c}  &amp;amp; l&#039;&#039;_1 &amp;amp; ... &amp;amp; l&#039;&#039;_j &amp;amp; ... &amp;amp; l&#039;&#039;_n \\&lt;br /&gt;
\hline&lt;br /&gt;
l&#039;_1 &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
...  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
l&#039;_i &amp;amp;  &amp;amp;  &amp;amp; r_{i,j}  &amp;amp;  &amp;amp; \\&lt;br /&gt;
...  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
l&#039;_m &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
\end{array}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
*: където &amp;lt;math&amp;gt;r_{i,j}&amp;lt;/math&amp;gt; са предикати, &amp;lt;math&amp;gt;1 \le i \le m, 1 \le j \le n&amp;lt;/math&amp;gt;&lt;br /&gt;
* &amp;lt;math&amp;gt;M&amp;lt;/math&amp;gt; задава капацитетите на дъгите. Представлява индексирана матрица от вида:&lt;br /&gt;
*: &amp;lt;math&amp;gt; M = &lt;br /&gt;
\begin{array}{c|c c c c c}  &amp;amp; l&#039;&#039;_1 &amp;amp; ... &amp;amp; l&#039;&#039;_j &amp;amp; ... &amp;amp; l&#039;&#039;_n \\&lt;br /&gt;
\hline&lt;br /&gt;
l&#039;_1 &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
...  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
l&#039;_i &amp;amp;  &amp;amp;  &amp;amp; M_{i,j}  &amp;amp;  &amp;amp; \\&lt;br /&gt;
...  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
l&#039;_m &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
\end{array}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
*: където &amp;lt;math&amp;gt;M_{i,j} \ge 0&amp;lt;/math&amp;gt; са естествени числа, &amp;lt;math&amp;gt;\infty&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;1 \le i \le m, 1 \le j \le n&amp;lt;/math&amp;gt;&lt;br /&gt;
* &amp;lt;math&amp;gt;\Box&amp;lt;/math&amp;gt; се нарича тип на прехода и представлява булев израз. Ако стойността му е “true” съответният преход може да се активира, а ако е “false” - не. В него участват идентификаторите на всички входни позиции на прехода, свързани с логическите операции &amp;quot;и&amp;quot; &amp;lt;math&amp;gt;\land&amp;lt;/math&amp;gt; и &amp;quot;или&amp;quot; &amp;lt;math&amp;gt;\lor&amp;lt;/math&amp;gt;:&lt;br /&gt;
*: &amp;lt;math&amp;gt;\land(l_{i_1}, l_{i_2},...,l_{i_u})&amp;lt;/math&amp;gt; - each of the places &amp;lt;math&amp;gt;l_{i_1}, l_{i_2},...,l_{i_u}&amp;lt;/math&amp;gt; must contain at least one token, &lt;br /&gt;
*: &amp;lt;math&amp;gt;\lor(l_{i_1}, l_{i_2},...,l_{i_u})&amp;lt;/math&amp;gt; - there must be at least one token in the set of places &amp;lt;math&amp;gt;l_{i_1}, l_{i_2},...,l_{i_u}&amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;\lbrace l_{i_1}, l_{i_2},...,l_{i_u} \rbrace \subset L&#039;&amp;lt;/math&amp;gt;&lt;br /&gt;
*: When the value of a type (calculated as a Boolean expression) is &#039;&#039;&amp;quot;true&amp;quot;&#039;&#039;, the transition can become active, otherwise it cannot.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Formally described, the generalized net is represented by the following four-tuple:&lt;br /&gt;
&lt;br /&gt;
&amp;lt;center&amp;gt;&amp;lt;math&amp;gt;&lt;br /&gt;
&amp;lt; \underbrace{ &amp;lt;A, \pi_{A}, \pi_{L}, c, f, \theta_{1}, \theta_{2} &amp;gt;}_{1.\ Static \ structure},&lt;br /&gt;
  \underbrace{ &amp;lt;K, \pi_{K}, \theta_{K} &amp;gt;}_{2. \ Dynamic \ structure},&lt;br /&gt;
  \underbrace{ &amp;lt;T, t^{0}, t^{*} &amp;gt;}_{3. \ Time},&lt;br /&gt;
  \underbrace{ &amp;lt;X, \Phi, b &amp;gt;}_{4. \ Memory} &amp;gt;&lt;br /&gt;
&amp;lt;/math&amp;gt;&amp;lt;/center&amp;gt;&lt;br /&gt;
&lt;br /&gt;
where:&lt;br /&gt;
; &#039;&#039;1. Static structure&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;A&amp;lt;/math&amp;gt; is a &#039;&#039;set of transitions&#039;&#039; (see the [[Transition#Formal description|formal definition of a transition]])&lt;br /&gt;
* &amp;lt;math&amp;gt;\pi_{A}&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;priorities of the transitions&#039;&#039;, i.e. &amp;lt;math&amp;gt;\pi_{A} : A \rightarrow N&amp;lt;/math&amp;gt; where N = {0, 1, 2, ...} ∪ {∞}&lt;br /&gt;
* &amp;lt;math&amp;gt;\pi_{L}&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;priorities of the places&#039;&#039;, i.e. &amp;lt;math&amp;gt;\pi_{L} : L \rightarrow N&amp;lt;/math&amp;gt; &lt;br /&gt;
* &amp;lt;math&amp;gt;c&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;place capacities&#039;&#039;, i.e. &amp;lt;math&amp;gt;c : L \rightarrow N&amp;lt;/math&amp;gt; &lt;br /&gt;
* &amp;lt;math&amp;gt;f&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;truth value of the predicates&#039;&#039;. In the basic case, it may obtain values &amp;quot;true&amp;quot; (1) and &amp;quot;false&amp;quot; (0). In [[fuzzy generalized net]]s its domain is the [0;1] interval (see [[fuzzy set]]) and in the [[intuitionistic fuzzy generalized net]]s its domain is the set [0;1]×[0;1] (see [[intuitionistic fuzzy set]]).&lt;br /&gt;
* &amp;lt;math&amp;gt;\theta_{1}&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;next time moment&#039;&#039; when a given transition will be fired (will become active). Hence, &amp;lt;math&amp;gt;\theta_{1}(t) = t&#039;&amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;t, t&#039; \in [T, T+t^*]; t \le t&#039;&amp;lt;/math&amp;gt;. The value of this function is being recalculated in the moment when the transition&#039;s active state ceases.&lt;br /&gt;
* &amp;lt;math&amp;gt;\theta_{2}&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;duration of the transition&#039;s active state&#039;&#039;.  Hence, &amp;lt;math&amp;gt;\theta_{2}(t) = t&#039;&amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;t, t&#039; \in [T, T+t^*]; t&#039; \ge 0&amp;lt;/math&amp;gt;. The value of this function is calculated in the moment when the transition&#039;s active state begins.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
; &#039;&#039;2. Dynamic structure&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt; is the &#039;&#039;set of tokens&#039;&#039; of the generalized net. In certain cases it is more convenient to denote this set as &amp;lt;math&amp;gt;K = \bigcup_{l \in Q^I} K_{l} &amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;K_{l}&amp;lt;/math&amp;gt; is the set of all GN tokens which are waiting to enter place &amp;lt;math&amp;gt;l&amp;lt;/math&amp;gt; and &amp;lt;math&amp;gt;Q^I&amp;lt;/math&amp;gt; is the set of all input places in the net.&lt;br /&gt;
* &amp;lt;math&amp;gt;\pi_K&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;priorities of the tokens&#039;&#039;, i.e. &amp;lt;math&amp;gt;\pi_{K} : K \rightarrow N&amp;lt;/math&amp;gt; &lt;br /&gt;
* &amp;lt;math&amp;gt;\theta_K&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;moment of time when a given token may enter&#039;&#039; the GN, i.e. &amp;lt;math&amp;gt;\theta_K (\alpha)=t&amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;\alpha \in K, t \in [T; T+t^*]&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
; &#039;&#039;3. Time&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;T&amp;lt;/math&amp;gt; is the moment of time when the generalized net starts functioning. This moment is determined according to a fixed global timescale.&lt;br /&gt;
* &amp;lt;math&amp;gt;t^0&amp;lt;/math&amp;gt; is the elementary time step of the fixed global timescale (the interval with which time increments in the timescale).&lt;br /&gt;
* &amp;lt;math&amp;gt;t^*&amp;lt;/math&amp;gt; is the total duration of functioning of the net.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
; &#039;&#039;4. Memory&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;X&amp;lt;/math&amp;gt; is the &#039;&#039;set of initial characteristics&#039;&#039;, which tokens may exhibit when they enter the net for first.&lt;br /&gt;
* &amp;lt;math&amp;gt;\Phi&amp;lt;/math&amp;gt; is a &#039;&#039;characteristic function&#039;&#039;, which assigns a new characteristic to each token when it makes the transfer from an input to an output place of a given transition.&lt;br /&gt;
* &amp;lt;math&amp;gt;b&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;maximal number of characteristics&#039;&#039;, which a given token may obtain during its movement throughout the net, i.e. &amp;lt;math&amp;gt;b : K \rightarrow N&amp;lt;/math&amp;gt;. In general, &amp;lt;math&amp;gt;b&amp;lt;/math&amp;gt; may possess four different values: 0, 1, &amp;lt;math&amp;gt;s&amp;lt;/math&amp;gt; or &amp;lt;math&amp;gt;\infty&amp;lt;/math&amp;gt; meaning that the token keeps, respectively: none of its characteristics, its last characteristic, its last &amp;lt;math&amp;gt;s&amp;lt;/math&amp;gt; characteristics, or all of its characteristics obtained during its movement in the net.&lt;/div&gt;</summary>
		<author><name>Evdokia Sotirova</name></author>
	</entry>
	<entry>
		<id>https://ifigenia.org/index.php?title=Project:DMEU/%D0%9E%D0%B1%D0%BE%D0%B1%D1%89%D0%B5%D0%BD%D0%B8_%D0%BC%D1%80%D0%B5%D0%B6%D0%B8&amp;diff=5542</id>
		<title>Project:DMEU/Обобщени мрежи</title>
		<link rel="alternate" type="text/html" href="https://ifigenia.org/index.php?title=Project:DMEU/%D0%9E%D0%B1%D0%BE%D0%B1%D1%89%D0%B5%D0%BD%D0%B8_%D0%BC%D1%80%D0%B5%D0%B6%D0%B8&amp;diff=5542"/>
		<updated>2011-08-20T03:44:29Z</updated>

		<summary type="html">&lt;p&gt;Evdokia Sotirova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{Ifigenia:DMEU/menu}}&lt;br /&gt;
&#039;&#039;&#039;Обобщени мрежи, ОМ (Generalized nets, GNs&#039;&#039;&#039;) са средство за конструиране на адаптивни, гъвкави и структурирани модели на комплексни системи, в които протичат паралелни във времето процеси и  са изградени от множество взаимодействащи си компоненти. Обобщените мрежи представляват значително разширение и обобщение на понятието [[мрежи на Петри]], както и на други [[разширения и модификации на мрежи на Петри]]. &lt;br /&gt;
&lt;br /&gt;
[[Image:GN-transition-mxn.png|right|thumb|25oxp|Преход от ОМ с &#039;&#039;m&#039;&#039; входни позиции и &#039;&#039;n&#039;&#039; изходни позиции]]&lt;br /&gt;
&lt;br /&gt;
Обобщената мрежа е изградена от &#039;&#039;&#039;преходи (Transitions)&#039;&#039;&#039;. Преходът в контекста на обобщените мрежи е обект от статичната структура на мрежата, който съдържа условията за преминаването на &#039;&#039;&#039;ядра (Token)&#039;&#039;&#039; от входните в изходните му &#039;&#039;&#039;позиции (Places)&#039;&#039;&#039;, след като преходът се е активирал.&lt;br /&gt;
 &lt;br /&gt;
От позиция или в позиция на прехода може да излиза или съответно да влиза не повече от една дъга. Позиция, от която излиза дъга се нарича входна за прехода, а позиция, в която влиза дъга се нарича изходна за прехода. Всеки преход в ОМ има поне една входна и поне една изходна позиция. &lt;br /&gt;
Входна позиция, в която не влиза дъга се нарича вход на мрежата, а изходна позиция, от която не излиза дъга – изход на мрежата. В позициите може да има ядра. Те се преместват от входните към съответните изходни позиции на преходите. Когато настъпи определения за прехода момент от време, и във входните позиции има достатъчен брой ядра, то ядрата от входните позиции придобиват възможност да се придвижат до изходните позиции. Този процес се нарича активиране на прехода. В началото ядрата, които постъпват в мрежата през входните й позиции имат т.нар. начални характеристики. При всяко преминаване през преход в мрежата те получават нови характеристики и така всяко ядро в мрежата е уникално и има своя история. Всяка позиция има свой капацитет.&lt;br /&gt;
&lt;br /&gt;
== Формално описание на преход ==&lt;br /&gt;
&lt;br /&gt;
Преходът Z в ОМ се представя като наредена последователност от седем компоненти:&lt;br /&gt;
&lt;br /&gt;
&amp;lt;div align=&amp;quot;center&amp;quot;&amp;gt;&amp;lt;math&amp;gt;Z = \langle L&#039;, L&#039;&#039;, t_1, t_2, r, M, \Box \rangle&amp;lt;/math&amp;gt;&amp;lt;/div&amp;gt;&lt;br /&gt;
&lt;br /&gt;
където:&lt;br /&gt;
* &amp;lt;math&amp;gt;L&#039;&amp;lt;/math&amp;gt; са крайно непразно множество от входните позиции на прехода.&lt;br /&gt;
* &amp;lt;math&amp;gt;L&#039;&#039;&amp;lt;/math&amp;gt; са крайно непразно множество от изходните позиции на прехода.&lt;br /&gt;
* &amp;lt;math&amp;gt;t_1&amp;lt;/math&amp;gt; е момент време на активиране на прехода.&lt;br /&gt;
* &amp;lt;math&amp;gt;t_2&amp;lt;/math&amp;gt; задава продължителността на активното състояние на прехода.&lt;br /&gt;
* &amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt; е условие на прехода. Представлява индексирана матрица от вида:&lt;br /&gt;
*: &amp;lt;math&amp;gt; r = &lt;br /&gt;
\begin{array}{c|c c c c c}  &amp;amp; l&#039;&#039;_1 &amp;amp; ... &amp;amp; l&#039;&#039;_j &amp;amp; ... &amp;amp; l&#039;&#039;_n \\&lt;br /&gt;
\hline&lt;br /&gt;
l&#039;_1 &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
...  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
l&#039;_i &amp;amp;  &amp;amp;  &amp;amp; r_{i,j}  &amp;amp;  &amp;amp; \\&lt;br /&gt;
...  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
l&#039;_m &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
\end{array}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
*: където &amp;lt;math&amp;gt;r_{i,j}&amp;lt;/math&amp;gt; са предикати, &amp;lt;math&amp;gt;1 \le i \le m, 1 \le j \le n&amp;lt;/math&amp;gt;&lt;br /&gt;
* &amp;lt;math&amp;gt;M&amp;lt;/math&amp;gt; задава капацитетите на дъгите. Представлява индексирана матрица от вида:&lt;br /&gt;
*: &amp;lt;math&amp;gt; M = &lt;br /&gt;
\begin{array}{c|c c c c c}  &amp;amp; l&#039;&#039;_1 &amp;amp; ... &amp;amp; l&#039;&#039;_j &amp;amp; ... &amp;amp; l&#039;&#039;_n \\&lt;br /&gt;
\hline&lt;br /&gt;
l&#039;_1 &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
...  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
l&#039;_i &amp;amp;  &amp;amp;  &amp;amp; M_{i,j}  &amp;amp;  &amp;amp; \\&lt;br /&gt;
...  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
l&#039;_m &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
\end{array}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
*: където &amp;lt;math&amp;gt;M_{i,j} \ge 0&amp;lt;/math&amp;gt; са естествени числа, задаващи капацитета на дъгата &amp;lt;math&amp;gt;\infty&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;1 \le i \le m, 1 \le j \le n&amp;lt;/math&amp;gt;&lt;br /&gt;
* &amp;lt;math&amp;gt;\Box&amp;lt;/math&amp;gt; is called transition&#039;s type, an object having a form similar to a Boolean expression. It may contain as variables the symbols that serve as labels for transition&#039;s input places, and it is an expression constructed of variables and the Boolean connectives &amp;lt;math&amp;gt;\land&amp;lt;/math&amp;gt; and &amp;lt;math&amp;gt;\lor&amp;lt;/math&amp;gt; determining the following conditions:&lt;br /&gt;
*: &amp;lt;math&amp;gt;\land(l_{i_1}, l_{i_2},...,l_{i_u})&amp;lt;/math&amp;gt; - each of the places &amp;lt;math&amp;gt;l_{i_1}, l_{i_2},...,l_{i_u}&amp;lt;/math&amp;gt; must contain at least one token, &lt;br /&gt;
*: &amp;lt;math&amp;gt;\lor(l_{i_1}, l_{i_2},...,l_{i_u})&amp;lt;/math&amp;gt; - there must be at least one token in the set of places &amp;lt;math&amp;gt;l_{i_1}, l_{i_2},...,l_{i_u}&amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;\lbrace l_{i_1}, l_{i_2},...,l_{i_u} \rbrace \subset L&#039;&amp;lt;/math&amp;gt;&lt;br /&gt;
*: When the value of a type (calculated as a Boolean expression) is &#039;&#039;&amp;quot;true&amp;quot;&#039;&#039;, the transition can become active, otherwise it cannot.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Formally described, the generalized net is represented by the following four-tuple:&lt;br /&gt;
&lt;br /&gt;
&amp;lt;center&amp;gt;&amp;lt;math&amp;gt;&lt;br /&gt;
&amp;lt; \underbrace{ &amp;lt;A, \pi_{A}, \pi_{L}, c, f, \theta_{1}, \theta_{2} &amp;gt;}_{1.\ Static \ structure},&lt;br /&gt;
  \underbrace{ &amp;lt;K, \pi_{K}, \theta_{K} &amp;gt;}_{2. \ Dynamic \ structure},&lt;br /&gt;
  \underbrace{ &amp;lt;T, t^{0}, t^{*} &amp;gt;}_{3. \ Time},&lt;br /&gt;
  \underbrace{ &amp;lt;X, \Phi, b &amp;gt;}_{4. \ Memory} &amp;gt;&lt;br /&gt;
&amp;lt;/math&amp;gt;&amp;lt;/center&amp;gt;&lt;br /&gt;
&lt;br /&gt;
where:&lt;br /&gt;
; &#039;&#039;1. Static structure&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;A&amp;lt;/math&amp;gt; is a &#039;&#039;set of transitions&#039;&#039; (see the [[Transition#Formal description|formal definition of a transition]])&lt;br /&gt;
* &amp;lt;math&amp;gt;\pi_{A}&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;priorities of the transitions&#039;&#039;, i.e. &amp;lt;math&amp;gt;\pi_{A} : A \rightarrow N&amp;lt;/math&amp;gt; where N = {0, 1, 2, ...} ∪ {∞}&lt;br /&gt;
* &amp;lt;math&amp;gt;\pi_{L}&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;priorities of the places&#039;&#039;, i.e. &amp;lt;math&amp;gt;\pi_{L} : L \rightarrow N&amp;lt;/math&amp;gt; &lt;br /&gt;
* &amp;lt;math&amp;gt;c&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;place capacities&#039;&#039;, i.e. &amp;lt;math&amp;gt;c : L \rightarrow N&amp;lt;/math&amp;gt; &lt;br /&gt;
* &amp;lt;math&amp;gt;f&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;truth value of the predicates&#039;&#039;. In the basic case, it may obtain values &amp;quot;true&amp;quot; (1) and &amp;quot;false&amp;quot; (0). In [[fuzzy generalized net]]s its domain is the [0;1] interval (see [[fuzzy set]]) and in the [[intuitionistic fuzzy generalized net]]s its domain is the set [0;1]×[0;1] (see [[intuitionistic fuzzy set]]).&lt;br /&gt;
* &amp;lt;math&amp;gt;\theta_{1}&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;next time moment&#039;&#039; when a given transition will be fired (will become active). Hence, &amp;lt;math&amp;gt;\theta_{1}(t) = t&#039;&amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;t, t&#039; \in [T, T+t^*]; t \le t&#039;&amp;lt;/math&amp;gt;. The value of this function is being recalculated in the moment when the transition&#039;s active state ceases.&lt;br /&gt;
* &amp;lt;math&amp;gt;\theta_{2}&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;duration of the transition&#039;s active state&#039;&#039;.  Hence, &amp;lt;math&amp;gt;\theta_{2}(t) = t&#039;&amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;t, t&#039; \in [T, T+t^*]; t&#039; \ge 0&amp;lt;/math&amp;gt;. The value of this function is calculated in the moment when the transition&#039;s active state begins.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
; &#039;&#039;2. Dynamic structure&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt; is the &#039;&#039;set of tokens&#039;&#039; of the generalized net. In certain cases it is more convenient to denote this set as &amp;lt;math&amp;gt;K = \bigcup_{l \in Q^I} K_{l} &amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;K_{l}&amp;lt;/math&amp;gt; is the set of all GN tokens which are waiting to enter place &amp;lt;math&amp;gt;l&amp;lt;/math&amp;gt; and &amp;lt;math&amp;gt;Q^I&amp;lt;/math&amp;gt; is the set of all input places in the net.&lt;br /&gt;
* &amp;lt;math&amp;gt;\pi_K&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;priorities of the tokens&#039;&#039;, i.e. &amp;lt;math&amp;gt;\pi_{K} : K \rightarrow N&amp;lt;/math&amp;gt; &lt;br /&gt;
* &amp;lt;math&amp;gt;\theta_K&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;moment of time when a given token may enter&#039;&#039; the GN, i.e. &amp;lt;math&amp;gt;\theta_K (\alpha)=t&amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;\alpha \in K, t \in [T; T+t^*]&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
; &#039;&#039;3. Time&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;T&amp;lt;/math&amp;gt; is the moment of time when the generalized net starts functioning. This moment is determined according to a fixed global timescale.&lt;br /&gt;
* &amp;lt;math&amp;gt;t^0&amp;lt;/math&amp;gt; is the elementary time step of the fixed global timescale (the interval with which time increments in the timescale).&lt;br /&gt;
* &amp;lt;math&amp;gt;t^*&amp;lt;/math&amp;gt; is the total duration of functioning of the net.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
; &#039;&#039;4. Memory&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;X&amp;lt;/math&amp;gt; is the &#039;&#039;set of initial characteristics&#039;&#039;, which tokens may exhibit when they enter the net for first.&lt;br /&gt;
* &amp;lt;math&amp;gt;\Phi&amp;lt;/math&amp;gt; is a &#039;&#039;characteristic function&#039;&#039;, which assigns a new characteristic to each token when it makes the transfer from an input to an output place of a given transition.&lt;br /&gt;
* &amp;lt;math&amp;gt;b&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;maximal number of characteristics&#039;&#039;, which a given token may obtain during its movement throughout the net, i.e. &amp;lt;math&amp;gt;b : K \rightarrow N&amp;lt;/math&amp;gt;. In general, &amp;lt;math&amp;gt;b&amp;lt;/math&amp;gt; may possess four different values: 0, 1, &amp;lt;math&amp;gt;s&amp;lt;/math&amp;gt; or &amp;lt;math&amp;gt;\infty&amp;lt;/math&amp;gt; meaning that the token keeps, respectively: none of its characteristics, its last characteristic, its last &amp;lt;math&amp;gt;s&amp;lt;/math&amp;gt; characteristics, or all of its characteristics obtained during its movement in the net.&lt;/div&gt;</summary>
		<author><name>Evdokia Sotirova</name></author>
	</entry>
	<entry>
		<id>https://ifigenia.org/index.php?title=Project:DMEU/%D0%9E%D0%B1%D0%BE%D0%B1%D1%89%D0%B5%D0%BD%D0%B8_%D0%BC%D1%80%D0%B5%D0%B6%D0%B8&amp;diff=5541</id>
		<title>Project:DMEU/Обобщени мрежи</title>
		<link rel="alternate" type="text/html" href="https://ifigenia.org/index.php?title=Project:DMEU/%D0%9E%D0%B1%D0%BE%D0%B1%D1%89%D0%B5%D0%BD%D0%B8_%D0%BC%D1%80%D0%B5%D0%B6%D0%B8&amp;diff=5541"/>
		<updated>2011-08-20T03:37:03Z</updated>

		<summary type="html">&lt;p&gt;Evdokia Sotirova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{Ifigenia:DMEU/menu}}&lt;br /&gt;
&#039;&#039;&#039;Обобщени мрежи, ОМ (Generalized nets, GNs&#039;&#039;&#039;) са средство за конструиране на адаптивни, гъвкави и структурирани модели на комплексни системи, в които протичат паралелни във времето процеси и  са изградени от множество взаимодействащи си компоненти. Обобщените мрежи представляват значително разширение и обобщение на понятието [[мрежи на Петри]], както и на други [[разширения и модификации на мрежи на Петри]]. &lt;br /&gt;
&lt;br /&gt;
[[Image:GN-transition-mxn.png|right|thumb|25oxp|Преход от ОМ с &#039;&#039;m&#039;&#039; входни позиции и &#039;&#039;n&#039;&#039; изходни позиции]]&lt;br /&gt;
&lt;br /&gt;
Обобщената мрежа е изградена от &#039;&#039;&#039;преходи (Transitions)&#039;&#039;&#039;. Преходът в контекста на обобщените мрежи е обект от статичната структура на мрежата, който съдържа условията за преминаването на &#039;&#039;&#039;ядра (Token)&#039;&#039;&#039; от входните в изходните му &#039;&#039;&#039;позиции (Places)&#039;&#039;&#039;, след като преходът се е активирал.&lt;br /&gt;
 &lt;br /&gt;
От позиция или в позиция на прехода може да излиза или съответно да влиза не повече от една дъга. Позиция, от която излиза дъга се нарича входна за прехода, а позиция, в която влиза дъга се нарича изходна за прехода. Всеки преход в ОМ има поне една входна и поне една изходна позиция. &lt;br /&gt;
Входна позиция, в която не влиза дъга се нарича вход на мрежата, а изходна позиция, от която не излиза дъга – изход на мрежата. В позициите може да има ядра. Те се преместват от входните към съответните изходни позиции на преходите. Когато настъпи определения за прехода момент от време, и във входните позиции има достатъчен брой ядра, то ядрата от входните позиции придобиват възможност да се придвижат до изходните позиции. Този процес се нарича активиране на прехода. В началото ядрата, които постъпват в мрежата през входните й позиции имат т.нар. начални характеристики. При всяко преминаване през преход в мрежата те получават нови характеристики и така всяко ядро в мрежата е уникално и има своя история. Всяка позиция има свой капацитет.&lt;br /&gt;
&lt;br /&gt;
== Формално описание на преход ==&lt;br /&gt;
&lt;br /&gt;
Преходът Z в ОМ се представя като наредена последователност от седем компоненти:&lt;br /&gt;
&lt;br /&gt;
&amp;lt;div align=&amp;quot;center&amp;quot;&amp;gt;&amp;lt;math&amp;gt;Z = \langle L&#039;, L&#039;&#039;, t_1, t_2, r, M, \Box \rangle&amp;lt;/math&amp;gt;&amp;lt;/div&amp;gt;&lt;br /&gt;
&lt;br /&gt;
където:&lt;br /&gt;
* &amp;lt;math&amp;gt;L&#039;&amp;lt;/math&amp;gt; са крайно непразно множество от входните позиции на прехода.&lt;br /&gt;
* &amp;lt;math&amp;gt;L&#039;&#039;&amp;lt;/math&amp;gt; са крайно непразно множество от изходните позиции на прехода.&lt;br /&gt;
* &amp;lt;math&amp;gt;t_1&amp;lt;/math&amp;gt; е момент време на активиране на прехода.&lt;br /&gt;
* &amp;lt;math&amp;gt;t_2&amp;lt;/math&amp;gt; задава продължителността на активното състояние на прехода.&lt;br /&gt;
* &amp;lt;math&amp;gt;r&amp;lt;/math&amp;gt; е условие на прехода. Представлява индексирана матрица от вида:&lt;br /&gt;
*: &amp;lt;math&amp;gt; r = &lt;br /&gt;
\begin{array}{c|c c c c c}  &amp;amp; l&#039;&#039;_1 &amp;amp; ... &amp;amp; l&#039;&#039;_j &amp;amp; ... &amp;amp; l&#039;&#039;_n \\&lt;br /&gt;
\hline&lt;br /&gt;
l&#039;_1 &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
...  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
l&#039;_i &amp;amp;  &amp;amp;  &amp;amp; r_{i,j}  &amp;amp;  &amp;amp; \\&lt;br /&gt;
...  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
l&#039;_m &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
\end{array}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
*: where &amp;lt;math&amp;gt;r_{i,j}&amp;lt;/math&amp;gt; са предикати, &amp;lt;math&amp;gt;1 \le i \le m, 1 \le j \le n&amp;lt;/math&amp;gt;&lt;br /&gt;
* &amp;lt;math&amp;gt;M&amp;lt;/math&amp;gt; is the index matrix of the capacities of the transition&#039;s arcs:&lt;br /&gt;
*: &amp;lt;math&amp;gt; M = &lt;br /&gt;
\begin{array}{c|c c c c c}  &amp;amp; l&#039;&#039;_1 &amp;amp; ... &amp;amp; l&#039;&#039;_j &amp;amp; ... &amp;amp; l&#039;&#039;_n \\&lt;br /&gt;
\hline&lt;br /&gt;
l&#039;_1 &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
...  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
l&#039;_i &amp;amp;  &amp;amp;  &amp;amp; M_{i,j}  &amp;amp;  &amp;amp; \\&lt;br /&gt;
...  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
l&#039;_m &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp;  &amp;amp; \\&lt;br /&gt;
\end{array}&lt;br /&gt;
&amp;lt;/math&amp;gt;&lt;br /&gt;
*: where &amp;lt;math&amp;gt;M_{i,j} \ge 0&amp;lt;/math&amp;gt; are natural numbers or &amp;lt;math&amp;gt;\infty&amp;lt;/math&amp;gt;, &amp;lt;math&amp;gt;1 \le i \le m, 1 \le j \le n&amp;lt;/math&amp;gt;&lt;br /&gt;
* &amp;lt;math&amp;gt;\Box&amp;lt;/math&amp;gt; is called transition&#039;s type, an object having a form similar to a Boolean expression. It may contain as variables the symbols that serve as labels for transition&#039;s input places, and it is an expression constructed of variables and the Boolean connectives &amp;lt;math&amp;gt;\land&amp;lt;/math&amp;gt; and &amp;lt;math&amp;gt;\lor&amp;lt;/math&amp;gt; determining the following conditions:&lt;br /&gt;
*: &amp;lt;math&amp;gt;\land(l_{i_1}, l_{i_2},...,l_{i_u})&amp;lt;/math&amp;gt; - each of the places &amp;lt;math&amp;gt;l_{i_1}, l_{i_2},...,l_{i_u}&amp;lt;/math&amp;gt; must contain at least one token, &lt;br /&gt;
*: &amp;lt;math&amp;gt;\lor(l_{i_1}, l_{i_2},...,l_{i_u})&amp;lt;/math&amp;gt; - there must be at least one token in the set of places &amp;lt;math&amp;gt;l_{i_1}, l_{i_2},...,l_{i_u}&amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;\lbrace l_{i_1}, l_{i_2},...,l_{i_u} \rbrace \subset L&#039;&amp;lt;/math&amp;gt;&lt;br /&gt;
*: When the value of a type (calculated as a Boolean expression) is &#039;&#039;&amp;quot;true&amp;quot;&#039;&#039;, the transition can become active, otherwise it cannot.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
Formally described, the generalized net is represented by the following four-tuple:&lt;br /&gt;
&lt;br /&gt;
&amp;lt;center&amp;gt;&amp;lt;math&amp;gt;&lt;br /&gt;
&amp;lt; \underbrace{ &amp;lt;A, \pi_{A}, \pi_{L}, c, f, \theta_{1}, \theta_{2} &amp;gt;}_{1.\ Static \ structure},&lt;br /&gt;
  \underbrace{ &amp;lt;K, \pi_{K}, \theta_{K} &amp;gt;}_{2. \ Dynamic \ structure},&lt;br /&gt;
  \underbrace{ &amp;lt;T, t^{0}, t^{*} &amp;gt;}_{3. \ Time},&lt;br /&gt;
  \underbrace{ &amp;lt;X, \Phi, b &amp;gt;}_{4. \ Memory} &amp;gt;&lt;br /&gt;
&amp;lt;/math&amp;gt;&amp;lt;/center&amp;gt;&lt;br /&gt;
&lt;br /&gt;
where:&lt;br /&gt;
; &#039;&#039;1. Static structure&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;A&amp;lt;/math&amp;gt; is a &#039;&#039;set of transitions&#039;&#039; (see the [[Transition#Formal description|formal definition of a transition]])&lt;br /&gt;
* &amp;lt;math&amp;gt;\pi_{A}&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;priorities of the transitions&#039;&#039;, i.e. &amp;lt;math&amp;gt;\pi_{A} : A \rightarrow N&amp;lt;/math&amp;gt; where N = {0, 1, 2, ...} ∪ {∞}&lt;br /&gt;
* &amp;lt;math&amp;gt;\pi_{L}&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;priorities of the places&#039;&#039;, i.e. &amp;lt;math&amp;gt;\pi_{L} : L \rightarrow N&amp;lt;/math&amp;gt; &lt;br /&gt;
* &amp;lt;math&amp;gt;c&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;place capacities&#039;&#039;, i.e. &amp;lt;math&amp;gt;c : L \rightarrow N&amp;lt;/math&amp;gt; &lt;br /&gt;
* &amp;lt;math&amp;gt;f&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;truth value of the predicates&#039;&#039;. In the basic case, it may obtain values &amp;quot;true&amp;quot; (1) and &amp;quot;false&amp;quot; (0). In [[fuzzy generalized net]]s its domain is the [0;1] interval (see [[fuzzy set]]) and in the [[intuitionistic fuzzy generalized net]]s its domain is the set [0;1]×[0;1] (see [[intuitionistic fuzzy set]]).&lt;br /&gt;
* &amp;lt;math&amp;gt;\theta_{1}&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;next time moment&#039;&#039; when a given transition will be fired (will become active). Hence, &amp;lt;math&amp;gt;\theta_{1}(t) = t&#039;&amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;t, t&#039; \in [T, T+t^*]; t \le t&#039;&amp;lt;/math&amp;gt;. The value of this function is being recalculated in the moment when the transition&#039;s active state ceases.&lt;br /&gt;
* &amp;lt;math&amp;gt;\theta_{2}&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;duration of the transition&#039;s active state&#039;&#039;.  Hence, &amp;lt;math&amp;gt;\theta_{2}(t) = t&#039;&amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;t, t&#039; \in [T, T+t^*]; t&#039; \ge 0&amp;lt;/math&amp;gt;. The value of this function is calculated in the moment when the transition&#039;s active state begins.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
; &#039;&#039;2. Dynamic structure&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt; is the &#039;&#039;set of tokens&#039;&#039; of the generalized net. In certain cases it is more convenient to denote this set as &amp;lt;math&amp;gt;K = \bigcup_{l \in Q^I} K_{l} &amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;K_{l}&amp;lt;/math&amp;gt; is the set of all GN tokens which are waiting to enter place &amp;lt;math&amp;gt;l&amp;lt;/math&amp;gt; and &amp;lt;math&amp;gt;Q^I&amp;lt;/math&amp;gt; is the set of all input places in the net.&lt;br /&gt;
* &amp;lt;math&amp;gt;\pi_K&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;priorities of the tokens&#039;&#039;, i.e. &amp;lt;math&amp;gt;\pi_{K} : K \rightarrow N&amp;lt;/math&amp;gt; &lt;br /&gt;
* &amp;lt;math&amp;gt;\theta_K&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;moment of time when a given token may enter&#039;&#039; the GN, i.e. &amp;lt;math&amp;gt;\theta_K (\alpha)=t&amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;\alpha \in K, t \in [T; T+t^*]&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
; &#039;&#039;3. Time&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;T&amp;lt;/math&amp;gt; is the moment of time when the generalized net starts functioning. This moment is determined according to a fixed global timescale.&lt;br /&gt;
* &amp;lt;math&amp;gt;t^0&amp;lt;/math&amp;gt; is the elementary time step of the fixed global timescale (the interval with which time increments in the timescale).&lt;br /&gt;
* &amp;lt;math&amp;gt;t^*&amp;lt;/math&amp;gt; is the total duration of functioning of the net.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
; &#039;&#039;4. Memory&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;X&amp;lt;/math&amp;gt; is the &#039;&#039;set of initial characteristics&#039;&#039;, which tokens may exhibit when they enter the net for first.&lt;br /&gt;
* &amp;lt;math&amp;gt;\Phi&amp;lt;/math&amp;gt; is a &#039;&#039;characteristic function&#039;&#039;, which assigns a new characteristic to each token when it makes the transfer from an input to an output place of a given transition.&lt;br /&gt;
* &amp;lt;math&amp;gt;b&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;maximal number of characteristics&#039;&#039;, which a given token may obtain during its movement throughout the net, i.e. &amp;lt;math&amp;gt;b : K \rightarrow N&amp;lt;/math&amp;gt;. In general, &amp;lt;math&amp;gt;b&amp;lt;/math&amp;gt; may possess four different values: 0, 1, &amp;lt;math&amp;gt;s&amp;lt;/math&amp;gt; or &amp;lt;math&amp;gt;\infty&amp;lt;/math&amp;gt; meaning that the token keeps, respectively: none of its characteristics, its last characteristic, its last &amp;lt;math&amp;gt;s&amp;lt;/math&amp;gt; characteristics, or all of its characteristics obtained during its movement in the net.&lt;/div&gt;</summary>
		<author><name>Evdokia Sotirova</name></author>
	</entry>
	<entry>
		<id>https://ifigenia.org/index.php?title=Project:DMEU/%D0%9E%D0%B1%D0%BE%D0%B1%D1%89%D0%B5%D0%BD%D0%B8_%D0%BC%D1%80%D0%B5%D0%B6%D0%B8&amp;diff=5540</id>
		<title>Project:DMEU/Обобщени мрежи</title>
		<link rel="alternate" type="text/html" href="https://ifigenia.org/index.php?title=Project:DMEU/%D0%9E%D0%B1%D0%BE%D0%B1%D1%89%D0%B5%D0%BD%D0%B8_%D0%BC%D1%80%D0%B5%D0%B6%D0%B8&amp;diff=5540"/>
		<updated>2011-08-20T03:28:20Z</updated>

		<summary type="html">&lt;p&gt;Evdokia Sotirova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{Ifigenia:DMEU/menu}}&lt;br /&gt;
&#039;&#039;&#039;Обобщени мрежи, ОМ (Generalized nets, GNs&#039;&#039;&#039; са средство за конструиране на адаптивни, гъвкави и структурирани модели на комплексни системи, в които протичат паралелни във времето процеси и  са изградени от множество взаимодействащи си компоненти. Обобщените мрежи представляват значително разширение и обобщение на понятието [[мрежи на Петри]], както и на други [[разширения и модификации на мрежи на Петри]]. &lt;br /&gt;
&lt;br /&gt;
== Компоненти на Обобщена мрежа ==&lt;br /&gt;
[[Image:GN-transition-mxn.png|right|thumb|25oxp|Преход от ОМ с &#039;&#039;m&#039;&#039; входни позиции и &#039;&#039;n&#039;&#039; изходни позиции]]&lt;br /&gt;
&lt;br /&gt;
Обобщената мрежа е изградена от &#039;&#039;&#039;преходи&#039;&#039;&#039;. Преходът в контекста на обобщените мрежи е обект от статичната структура на мрежата, който съдържа условията за преминаването на ядрата от входните в изходните му позиции, след като преходът се е активирал.&lt;br /&gt;
 &lt;br /&gt;
От позиция или в позиция на прехода може да излиза или съответно да влиза не повече от една дъга. Позиция, от която излиза дъга се нарича входна за прехода, а позиция, в която влиза дъга се нарича изходна за прехода. Всеки преход в ОМ има поне една входна и поне една изходна позиция. &lt;br /&gt;
Входна позиция, в която не влиза дъга се нарича вход на мрежата, а изходна позиция, от която не излиза дъга – изход на мрежата. В позициите може да има ядра. Те се преместват от входните към съответните изходни позиции на преходите. Когато настъпи определения за прехода момент от време, и във входните позиции има достатъчен брой ядра, то ядрата от входните позиции придобиват възможност да се придвижат до изходните позиции. Този процес се нарича активиране на прехода. В началото ядрата, които постъпват в мрежата през входните й позиции имат т.нар. начални характеристики. При всяко преминаване през преход в мрежата те получават нови характеристики и така всяко ядро в мрежата е уникално и има своя история. Всяка позиция има свой капацитет.&lt;br /&gt;
&lt;br /&gt;
* статична структура,&lt;br /&gt;
* динамична структура,&lt;br /&gt;
* temporal components.&lt;br /&gt;
&lt;br /&gt;
The &#039;&#039;&#039;&#039;&#039;static structure&#039;&#039;&#039;&#039;&#039; consists of objects called &#039;&#039;[[transition]]s&#039;&#039;, which have input and output &#039;&#039;[[place]]s&#039;&#039;. Two transitions can share a place, but every place can be an input of at most one transition and can be an output of at most one transition.&lt;br /&gt;
&lt;br /&gt;
The &#039;&#039;&#039;&#039;&#039;dynamic structure&#039;&#039;&#039;&#039;&#039; consists of &#039;&#039;[[token]]s&#039;&#039;, which act as information carriers and can occupy a single place at every moment of the GN execution. The tokens pass through the transition from one input to another output place; such an ordered pair of places is called &#039;&#039;[[transition arc]]&#039;&#039;. The tokens&#039; movement is governed by conditions (&#039;&#039;predicates&#039;&#039;), contained in the [[predicate matrix]] of the transition. &lt;br /&gt;
&lt;br /&gt;
The information carried by a token is contained in its [[token characteristics|characteristics]], which can be viewed as an associative array of characteristic names and values. The values of the token characteristics change in time according to specific rules, called &#039;&#039;[[characteristic function]]s&#039;&#039;. Every place possesses at most one characteristic function, which assigns new characteristics to the incoming tokens. Apart from movement in the net and change of the characteristics, tokens can also split and merge in the places.&lt;br /&gt;
&lt;br /&gt;
The &#039;&#039;&#039;&#039;&#039;temporal components&#039;&#039;&#039;&#039;&#039; describe the time scale of GN execution. &#039;&#039;Temporal conditions&#039;&#039; control the transitions&#039; moments of activation and duration of active state. Various other tools for fine tuning of the GN functioning are provided in the form of &#039;&#039;priorities&#039;&#039; of separate transitions, places and tokens, as well as &#039;&#039;capacities&#039;&#039; of places and transitions arcs.&lt;br /&gt;
&lt;br /&gt;
=== Graphic representation ===&lt;br /&gt;
&lt;br /&gt;
== Formal description ==&lt;br /&gt;
&lt;br /&gt;
Formally described, the generalized net is represented by the following four-tuple:&lt;br /&gt;
&lt;br /&gt;
&amp;lt;center&amp;gt;&amp;lt;math&amp;gt;&lt;br /&gt;
&amp;lt; \underbrace{ &amp;lt;A, \pi_{A}, \pi_{L}, c, f, \theta_{1}, \theta_{2} &amp;gt;}_{1.\ Static \ structure},&lt;br /&gt;
  \underbrace{ &amp;lt;K, \pi_{K}, \theta_{K} &amp;gt;}_{2. \ Dynamic \ structure},&lt;br /&gt;
  \underbrace{ &amp;lt;T, t^{0}, t^{*} &amp;gt;}_{3. \ Time},&lt;br /&gt;
  \underbrace{ &amp;lt;X, \Phi, b &amp;gt;}_{4. \ Memory} &amp;gt;&lt;br /&gt;
&amp;lt;/math&amp;gt;&amp;lt;/center&amp;gt;&lt;br /&gt;
&lt;br /&gt;
where:&lt;br /&gt;
; &#039;&#039;1. Static structure&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;A&amp;lt;/math&amp;gt; is a &#039;&#039;set of transitions&#039;&#039; (see the [[Transition#Formal description|formal definition of a transition]])&lt;br /&gt;
* &amp;lt;math&amp;gt;\pi_{A}&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;priorities of the transitions&#039;&#039;, i.e. &amp;lt;math&amp;gt;\pi_{A} : A \rightarrow N&amp;lt;/math&amp;gt; where N = {0, 1, 2, ...} ∪ {∞}&lt;br /&gt;
* &amp;lt;math&amp;gt;\pi_{L}&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;priorities of the places&#039;&#039;, i.e. &amp;lt;math&amp;gt;\pi_{L} : L \rightarrow N&amp;lt;/math&amp;gt; &lt;br /&gt;
* &amp;lt;math&amp;gt;c&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;place capacities&#039;&#039;, i.e. &amp;lt;math&amp;gt;c : L \rightarrow N&amp;lt;/math&amp;gt; &lt;br /&gt;
* &amp;lt;math&amp;gt;f&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;truth value of the predicates&#039;&#039;. In the basic case, it may obtain values &amp;quot;true&amp;quot; (1) and &amp;quot;false&amp;quot; (0). In [[fuzzy generalized net]]s its domain is the [0;1] interval (see [[fuzzy set]]) and in the [[intuitionistic fuzzy generalized net]]s its domain is the set [0;1]×[0;1] (see [[intuitionistic fuzzy set]]).&lt;br /&gt;
* &amp;lt;math&amp;gt;\theta_{1}&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;next time moment&#039;&#039; when a given transition will be fired (will become active). Hence, &amp;lt;math&amp;gt;\theta_{1}(t) = t&#039;&amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;t, t&#039; \in [T, T+t^*]; t \le t&#039;&amp;lt;/math&amp;gt;. The value of this function is being recalculated in the moment when the transition&#039;s active state ceases.&lt;br /&gt;
* &amp;lt;math&amp;gt;\theta_{2}&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;duration of the transition&#039;s active state&#039;&#039;.  Hence, &amp;lt;math&amp;gt;\theta_{2}(t) = t&#039;&amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;t, t&#039; \in [T, T+t^*]; t&#039; \ge 0&amp;lt;/math&amp;gt;. The value of this function is calculated in the moment when the transition&#039;s active state begins.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
; &#039;&#039;2. Dynamic structure&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt; is the &#039;&#039;set of tokens&#039;&#039; of the generalized net. In certain cases it is more convenient to denote this set as &amp;lt;math&amp;gt;K = \bigcup_{l \in Q^I} K_{l} &amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;K_{l}&amp;lt;/math&amp;gt; is the set of all GN tokens which are waiting to enter place &amp;lt;math&amp;gt;l&amp;lt;/math&amp;gt; and &amp;lt;math&amp;gt;Q^I&amp;lt;/math&amp;gt; is the set of all input places in the net.&lt;br /&gt;
* &amp;lt;math&amp;gt;\pi_K&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;priorities of the tokens&#039;&#039;, i.e. &amp;lt;math&amp;gt;\pi_{K} : K \rightarrow N&amp;lt;/math&amp;gt; &lt;br /&gt;
* &amp;lt;math&amp;gt;\theta_K&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;moment of time when a given token may enter&#039;&#039; the GN, i.e. &amp;lt;math&amp;gt;\theta_K (\alpha)=t&amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;\alpha \in K, t \in [T; T+t^*]&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
; &#039;&#039;3. Time&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;T&amp;lt;/math&amp;gt; is the moment of time when the generalized net starts functioning. This moment is determined according to a fixed global timescale.&lt;br /&gt;
* &amp;lt;math&amp;gt;t^0&amp;lt;/math&amp;gt; is the elementary time step of the fixed global timescale (the interval with which time increments in the timescale).&lt;br /&gt;
* &amp;lt;math&amp;gt;t^*&amp;lt;/math&amp;gt; is the total duration of functioning of the net.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
; &#039;&#039;4. Memory&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;X&amp;lt;/math&amp;gt; is the &#039;&#039;set of initial characteristics&#039;&#039;, which tokens may exhibit when they enter the net for first.&lt;br /&gt;
* &amp;lt;math&amp;gt;\Phi&amp;lt;/math&amp;gt; is a &#039;&#039;characteristic function&#039;&#039;, which assigns a new characteristic to each token when it makes the transfer from an input to an output place of a given transition.&lt;br /&gt;
* &amp;lt;math&amp;gt;b&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;maximal number of characteristics&#039;&#039;, which a given token may obtain during its movement throughout the net, i.e. &amp;lt;math&amp;gt;b : K \rightarrow N&amp;lt;/math&amp;gt;. In general, &amp;lt;math&amp;gt;b&amp;lt;/math&amp;gt; may possess four different values: 0, 1, &amp;lt;math&amp;gt;s&amp;lt;/math&amp;gt; or &amp;lt;math&amp;gt;\infty&amp;lt;/math&amp;gt; meaning that the token keeps, respectively: none of its characteristics, its last characteristic, its last &amp;lt;math&amp;gt;s&amp;lt;/math&amp;gt; characteristics, or all of its characteristics obtained during its movement in the net.&lt;/div&gt;</summary>
		<author><name>Evdokia Sotirova</name></author>
	</entry>
	<entry>
		<id>https://ifigenia.org/index.php?title=Project:DMEU/%D0%9E%D0%B1%D0%BE%D0%B1%D1%89%D0%B5%D0%BD%D0%B8_%D0%BC%D1%80%D0%B5%D0%B6%D0%B8&amp;diff=5539</id>
		<title>Project:DMEU/Обобщени мрежи</title>
		<link rel="alternate" type="text/html" href="https://ifigenia.org/index.php?title=Project:DMEU/%D0%9E%D0%B1%D0%BE%D0%B1%D1%89%D0%B5%D0%BD%D0%B8_%D0%BC%D1%80%D0%B5%D0%B6%D0%B8&amp;diff=5539"/>
		<updated>2011-08-20T03:21:52Z</updated>

		<summary type="html">&lt;p&gt;Evdokia Sotirova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{Ifigenia:DMEU/menu}}&lt;br /&gt;
&#039;&#039;&#039;Обобщени мрежи, ОМ (Generalized nets, GNs&#039;&#039;&#039; са средство за конструиране на адаптивни, гъвкави и структурирани модели на комплексни системи, в които протичат паралелни във времето процеси и  са изградени от множество взаимодействащи си компоненти. Обобщените мрежи представляват значително разширение и обобщение на понятието [[мрежи на Петри]], както и на други [[разширения и модификации на мрежи на Петри]]. &lt;br /&gt;
&lt;br /&gt;
== Компоненти на Обобщена мрежа ==&lt;br /&gt;
[[Image:GN-transition-mxn.png|right|thumb|25oxp|Преход от ОМ с &#039;&#039;m&#039;&#039; входа и &#039;&#039;n&#039;&#039; изхода]]&lt;br /&gt;
&lt;br /&gt;
Обобщената мрежа е изградена от преходи. &#039;&#039;&#039;Преходът&#039;&#039;&#039; в контекста на [[обобщените мрежи]] е обект от статичната структура на мрежата, който съдържа условията за преминаването на ядрата от входните в изходните му позиции, скед като преходът се е активирал. is an object from the static structure of the net, which comprises the conditions of [[token]]s&#039; transfer from the transition&#039;s input [[place]]s to its output places.&lt;br /&gt;
&lt;br /&gt;
When tokens enter the input place of a transition, it becomes &#039;&#039;potentially fireable&#039;&#039; and at the moment of their transfer towards the transition&#039;s output places, the transition is being &#039;&#039;fired&#039;&#039;.&lt;br /&gt;
&lt;br /&gt;
The tokens&#039; transfer through a transition is described by a [[Algorithm for transition functioning|special formal algorithm]].&lt;br /&gt;
&lt;br /&gt;
* статична структура,&lt;br /&gt;
* динамична структура,&lt;br /&gt;
* temporal components.&lt;br /&gt;
&lt;br /&gt;
The &#039;&#039;&#039;&#039;&#039;static structure&#039;&#039;&#039;&#039;&#039; consists of objects called &#039;&#039;[[transition]]s&#039;&#039;, which have input and output &#039;&#039;[[place]]s&#039;&#039;. Two transitions can share a place, but every place can be an input of at most one transition and can be an output of at most one transition.&lt;br /&gt;
&lt;br /&gt;
The &#039;&#039;&#039;&#039;&#039;dynamic structure&#039;&#039;&#039;&#039;&#039; consists of &#039;&#039;[[token]]s&#039;&#039;, which act as information carriers and can occupy a single place at every moment of the GN execution. The tokens pass through the transition from one input to another output place; such an ordered pair of places is called &#039;&#039;[[transition arc]]&#039;&#039;. The tokens&#039; movement is governed by conditions (&#039;&#039;predicates&#039;&#039;), contained in the [[predicate matrix]] of the transition. &lt;br /&gt;
&lt;br /&gt;
The information carried by a token is contained in its [[token characteristics|characteristics]], which can be viewed as an associative array of characteristic names and values. The values of the token characteristics change in time according to specific rules, called &#039;&#039;[[characteristic function]]s&#039;&#039;. Every place possesses at most one characteristic function, which assigns new characteristics to the incoming tokens. Apart from movement in the net and change of the characteristics, tokens can also split and merge in the places.&lt;br /&gt;
&lt;br /&gt;
The &#039;&#039;&#039;&#039;&#039;temporal components&#039;&#039;&#039;&#039;&#039; describe the time scale of GN execution. &#039;&#039;Temporal conditions&#039;&#039; control the transitions&#039; moments of activation and duration of active state. Various other tools for fine tuning of the GN functioning are provided in the form of &#039;&#039;priorities&#039;&#039; of separate transitions, places and tokens, as well as &#039;&#039;capacities&#039;&#039; of places and transitions arcs.&lt;br /&gt;
&lt;br /&gt;
=== Graphic representation ===&lt;br /&gt;
&lt;br /&gt;
== Formal description ==&lt;br /&gt;
&lt;br /&gt;
Formally described, the generalized net is represented by the following four-tuple:&lt;br /&gt;
&lt;br /&gt;
&amp;lt;center&amp;gt;&amp;lt;math&amp;gt;&lt;br /&gt;
&amp;lt; \underbrace{ &amp;lt;A, \pi_{A}, \pi_{L}, c, f, \theta_{1}, \theta_{2} &amp;gt;}_{1.\ Static \ structure},&lt;br /&gt;
  \underbrace{ &amp;lt;K, \pi_{K}, \theta_{K} &amp;gt;}_{2. \ Dynamic \ structure},&lt;br /&gt;
  \underbrace{ &amp;lt;T, t^{0}, t^{*} &amp;gt;}_{3. \ Time},&lt;br /&gt;
  \underbrace{ &amp;lt;X, \Phi, b &amp;gt;}_{4. \ Memory} &amp;gt;&lt;br /&gt;
&amp;lt;/math&amp;gt;&amp;lt;/center&amp;gt;&lt;br /&gt;
&lt;br /&gt;
where:&lt;br /&gt;
; &#039;&#039;1. Static structure&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;A&amp;lt;/math&amp;gt; is a &#039;&#039;set of transitions&#039;&#039; (see the [[Transition#Formal description|formal definition of a transition]])&lt;br /&gt;
* &amp;lt;math&amp;gt;\pi_{A}&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;priorities of the transitions&#039;&#039;, i.e. &amp;lt;math&amp;gt;\pi_{A} : A \rightarrow N&amp;lt;/math&amp;gt; where N = {0, 1, 2, ...} ∪ {∞}&lt;br /&gt;
* &amp;lt;math&amp;gt;\pi_{L}&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;priorities of the places&#039;&#039;, i.e. &amp;lt;math&amp;gt;\pi_{L} : L \rightarrow N&amp;lt;/math&amp;gt; &lt;br /&gt;
* &amp;lt;math&amp;gt;c&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;place capacities&#039;&#039;, i.e. &amp;lt;math&amp;gt;c : L \rightarrow N&amp;lt;/math&amp;gt; &lt;br /&gt;
* &amp;lt;math&amp;gt;f&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;truth value of the predicates&#039;&#039;. In the basic case, it may obtain values &amp;quot;true&amp;quot; (1) and &amp;quot;false&amp;quot; (0). In [[fuzzy generalized net]]s its domain is the [0;1] interval (see [[fuzzy set]]) and in the [[intuitionistic fuzzy generalized net]]s its domain is the set [0;1]×[0;1] (see [[intuitionistic fuzzy set]]).&lt;br /&gt;
* &amp;lt;math&amp;gt;\theta_{1}&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;next time moment&#039;&#039; when a given transition will be fired (will become active). Hence, &amp;lt;math&amp;gt;\theta_{1}(t) = t&#039;&amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;t, t&#039; \in [T, T+t^*]; t \le t&#039;&amp;lt;/math&amp;gt;. The value of this function is being recalculated in the moment when the transition&#039;s active state ceases.&lt;br /&gt;
* &amp;lt;math&amp;gt;\theta_{2}&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;duration of the transition&#039;s active state&#039;&#039;.  Hence, &amp;lt;math&amp;gt;\theta_{2}(t) = t&#039;&amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;t, t&#039; \in [T, T+t^*]; t&#039; \ge 0&amp;lt;/math&amp;gt;. The value of this function is calculated in the moment when the transition&#039;s active state begins.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
; &#039;&#039;2. Dynamic structure&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt; is the &#039;&#039;set of tokens&#039;&#039; of the generalized net. In certain cases it is more convenient to denote this set as &amp;lt;math&amp;gt;K = \bigcup_{l \in Q^I} K_{l} &amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;K_{l}&amp;lt;/math&amp;gt; is the set of all GN tokens which are waiting to enter place &amp;lt;math&amp;gt;l&amp;lt;/math&amp;gt; and &amp;lt;math&amp;gt;Q^I&amp;lt;/math&amp;gt; is the set of all input places in the net.&lt;br /&gt;
* &amp;lt;math&amp;gt;\pi_K&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;priorities of the tokens&#039;&#039;, i.e. &amp;lt;math&amp;gt;\pi_{K} : K \rightarrow N&amp;lt;/math&amp;gt; &lt;br /&gt;
* &amp;lt;math&amp;gt;\theta_K&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;moment of time when a given token may enter&#039;&#039; the GN, i.e. &amp;lt;math&amp;gt;\theta_K (\alpha)=t&amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;\alpha \in K, t \in [T; T+t^*]&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
; &#039;&#039;3. Time&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;T&amp;lt;/math&amp;gt; is the moment of time when the generalized net starts functioning. This moment is determined according to a fixed global timescale.&lt;br /&gt;
* &amp;lt;math&amp;gt;t^0&amp;lt;/math&amp;gt; is the elementary time step of the fixed global timescale (the interval with which time increments in the timescale).&lt;br /&gt;
* &amp;lt;math&amp;gt;t^*&amp;lt;/math&amp;gt; is the total duration of functioning of the net.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
; &#039;&#039;4. Memory&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;X&amp;lt;/math&amp;gt; is the &#039;&#039;set of initial characteristics&#039;&#039;, which tokens may exhibit when they enter the net for first.&lt;br /&gt;
* &amp;lt;math&amp;gt;\Phi&amp;lt;/math&amp;gt; is a &#039;&#039;characteristic function&#039;&#039;, which assigns a new characteristic to each token when it makes the transfer from an input to an output place of a given transition.&lt;br /&gt;
* &amp;lt;math&amp;gt;b&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;maximal number of characteristics&#039;&#039;, which a given token may obtain during its movement throughout the net, i.e. &amp;lt;math&amp;gt;b : K \rightarrow N&amp;lt;/math&amp;gt;. In general, &amp;lt;math&amp;gt;b&amp;lt;/math&amp;gt; may possess four different values: 0, 1, &amp;lt;math&amp;gt;s&amp;lt;/math&amp;gt; or &amp;lt;math&amp;gt;\infty&amp;lt;/math&amp;gt; meaning that the token keeps, respectively: none of its characteristics, its last characteristic, its last &amp;lt;math&amp;gt;s&amp;lt;/math&amp;gt; characteristics, or all of its characteristics obtained during its movement in the net.&lt;/div&gt;</summary>
		<author><name>Evdokia Sotirova</name></author>
	</entry>
	<entry>
		<id>https://ifigenia.org/index.php?title=Project:DMEU/%D0%9E%D0%B1%D0%BE%D0%B1%D1%89%D0%B5%D0%BD%D0%B8_%D0%BC%D1%80%D0%B5%D0%B6%D0%B8&amp;diff=5538</id>
		<title>Project:DMEU/Обобщени мрежи</title>
		<link rel="alternate" type="text/html" href="https://ifigenia.org/index.php?title=Project:DMEU/%D0%9E%D0%B1%D0%BE%D0%B1%D1%89%D0%B5%D0%BD%D0%B8_%D0%BC%D1%80%D0%B5%D0%B6%D0%B8&amp;diff=5538"/>
		<updated>2011-08-20T03:15:24Z</updated>

		<summary type="html">&lt;p&gt;Evdokia Sotirova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{Ifigenia:DMEU/menu}}&lt;br /&gt;
&#039;&#039;&#039;Обобщени мрежи, ОМ (Generalized nets, GNs&#039;&#039;&#039; са средство за конструиране на адаптивни, гъвкави и структурирани модели на комплексни системи, в които протичат паралелни във времето процеси и  са изградени от множество взаимодействащи си компоненти. Обобщените мрежи представляват значително разширение и обобщение на понятието [[мрежи на Петри]], както и на други [[разширения и модификации на мрежи на Петри]]. &lt;br /&gt;
&lt;br /&gt;
== Компоненти на Обобшена мрежа ==&lt;br /&gt;
[[Image:GN-transition-mxn.png|right|thumb|25oxp|Преход от ОМ с &#039;&#039;m&#039;&#039; входа и &#039;&#039;n&#039;&#039; изхода]]&lt;br /&gt;
&lt;br /&gt;
Обобщената мрежа е изградена от преходи и има:&lt;br /&gt;
* статична структура,&lt;br /&gt;
* динамична структура,&lt;br /&gt;
* temporal components.&lt;br /&gt;
&lt;br /&gt;
The &#039;&#039;&#039;&#039;&#039;static structure&#039;&#039;&#039;&#039;&#039; consists of objects called &#039;&#039;[[transition]]s&#039;&#039;, which have input and output &#039;&#039;[[place]]s&#039;&#039;. Two transitions can share a place, but every place can be an input of at most one transition and can be an output of at most one transition.&lt;br /&gt;
&lt;br /&gt;
The &#039;&#039;&#039;&#039;&#039;dynamic structure&#039;&#039;&#039;&#039;&#039; consists of &#039;&#039;[[token]]s&#039;&#039;, which act as information carriers and can occupy a single place at every moment of the GN execution. The tokens pass through the transition from one input to another output place; such an ordered pair of places is called &#039;&#039;[[transition arc]]&#039;&#039;. The tokens&#039; movement is governed by conditions (&#039;&#039;predicates&#039;&#039;), contained in the [[predicate matrix]] of the transition. &lt;br /&gt;
&lt;br /&gt;
The information carried by a token is contained in its [[token characteristics|characteristics]], which can be viewed as an associative array of characteristic names and values. The values of the token characteristics change in time according to specific rules, called &#039;&#039;[[characteristic function]]s&#039;&#039;. Every place possesses at most one characteristic function, which assigns new characteristics to the incoming tokens. Apart from movement in the net and change of the characteristics, tokens can also split and merge in the places.&lt;br /&gt;
&lt;br /&gt;
The &#039;&#039;&#039;&#039;&#039;temporal components&#039;&#039;&#039;&#039;&#039; describe the time scale of GN execution. &#039;&#039;Temporal conditions&#039;&#039; control the transitions&#039; moments of activation and duration of active state. Various other tools for fine tuning of the GN functioning are provided in the form of &#039;&#039;priorities&#039;&#039; of separate transitions, places and tokens, as well as &#039;&#039;capacities&#039;&#039; of places and transitions arcs.&lt;br /&gt;
&lt;br /&gt;
=== Graphic representation ===&lt;br /&gt;
&lt;br /&gt;
== Formal description ==&lt;br /&gt;
&lt;br /&gt;
Formally described, the generalized net is represented by the following four-tuple:&lt;br /&gt;
&lt;br /&gt;
&amp;lt;center&amp;gt;&amp;lt;math&amp;gt;&lt;br /&gt;
&amp;lt; \underbrace{ &amp;lt;A, \pi_{A}, \pi_{L}, c, f, \theta_{1}, \theta_{2} &amp;gt;}_{1.\ Static \ structure},&lt;br /&gt;
  \underbrace{ &amp;lt;K, \pi_{K}, \theta_{K} &amp;gt;}_{2. \ Dynamic \ structure},&lt;br /&gt;
  \underbrace{ &amp;lt;T, t^{0}, t^{*} &amp;gt;}_{3. \ Time},&lt;br /&gt;
  \underbrace{ &amp;lt;X, \Phi, b &amp;gt;}_{4. \ Memory} &amp;gt;&lt;br /&gt;
&amp;lt;/math&amp;gt;&amp;lt;/center&amp;gt;&lt;br /&gt;
&lt;br /&gt;
where:&lt;br /&gt;
; &#039;&#039;1. Static structure&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;A&amp;lt;/math&amp;gt; is a &#039;&#039;set of transitions&#039;&#039; (see the [[Transition#Formal description|formal definition of a transition]])&lt;br /&gt;
* &amp;lt;math&amp;gt;\pi_{A}&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;priorities of the transitions&#039;&#039;, i.e. &amp;lt;math&amp;gt;\pi_{A} : A \rightarrow N&amp;lt;/math&amp;gt; where N = {0, 1, 2, ...} ∪ {∞}&lt;br /&gt;
* &amp;lt;math&amp;gt;\pi_{L}&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;priorities of the places&#039;&#039;, i.e. &amp;lt;math&amp;gt;\pi_{L} : L \rightarrow N&amp;lt;/math&amp;gt; &lt;br /&gt;
* &amp;lt;math&amp;gt;c&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;place capacities&#039;&#039;, i.e. &amp;lt;math&amp;gt;c : L \rightarrow N&amp;lt;/math&amp;gt; &lt;br /&gt;
* &amp;lt;math&amp;gt;f&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;truth value of the predicates&#039;&#039;. In the basic case, it may obtain values &amp;quot;true&amp;quot; (1) and &amp;quot;false&amp;quot; (0). In [[fuzzy generalized net]]s its domain is the [0;1] interval (see [[fuzzy set]]) and in the [[intuitionistic fuzzy generalized net]]s its domain is the set [0;1]×[0;1] (see [[intuitionistic fuzzy set]]).&lt;br /&gt;
* &amp;lt;math&amp;gt;\theta_{1}&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;next time moment&#039;&#039; when a given transition will be fired (will become active). Hence, &amp;lt;math&amp;gt;\theta_{1}(t) = t&#039;&amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;t, t&#039; \in [T, T+t^*]; t \le t&#039;&amp;lt;/math&amp;gt;. The value of this function is being recalculated in the moment when the transition&#039;s active state ceases.&lt;br /&gt;
* &amp;lt;math&amp;gt;\theta_{2}&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;duration of the transition&#039;s active state&#039;&#039;.  Hence, &amp;lt;math&amp;gt;\theta_{2}(t) = t&#039;&amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;t, t&#039; \in [T, T+t^*]; t&#039; \ge 0&amp;lt;/math&amp;gt;. The value of this function is calculated in the moment when the transition&#039;s active state begins.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
; &#039;&#039;2. Dynamic structure&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt; is the &#039;&#039;set of tokens&#039;&#039; of the generalized net. In certain cases it is more convenient to denote this set as &amp;lt;math&amp;gt;K = \bigcup_{l \in Q^I} K_{l} &amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;K_{l}&amp;lt;/math&amp;gt; is the set of all GN tokens which are waiting to enter place &amp;lt;math&amp;gt;l&amp;lt;/math&amp;gt; and &amp;lt;math&amp;gt;Q^I&amp;lt;/math&amp;gt; is the set of all input places in the net.&lt;br /&gt;
* &amp;lt;math&amp;gt;\pi_K&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;priorities of the tokens&#039;&#039;, i.e. &amp;lt;math&amp;gt;\pi_{K} : K \rightarrow N&amp;lt;/math&amp;gt; &lt;br /&gt;
* &amp;lt;math&amp;gt;\theta_K&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;moment of time when a given token may enter&#039;&#039; the GN, i.e. &amp;lt;math&amp;gt;\theta_K (\alpha)=t&amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;\alpha \in K, t \in [T; T+t^*]&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
; &#039;&#039;3. Time&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;T&amp;lt;/math&amp;gt; is the moment of time when the generalized net starts functioning. This moment is determined according to a fixed global timescale.&lt;br /&gt;
* &amp;lt;math&amp;gt;t^0&amp;lt;/math&amp;gt; is the elementary time step of the fixed global timescale (the interval with which time increments in the timescale).&lt;br /&gt;
* &amp;lt;math&amp;gt;t^*&amp;lt;/math&amp;gt; is the total duration of functioning of the net.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
; &#039;&#039;4. Memory&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;X&amp;lt;/math&amp;gt; is the &#039;&#039;set of initial characteristics&#039;&#039;, which tokens may exhibit when they enter the net for first.&lt;br /&gt;
* &amp;lt;math&amp;gt;\Phi&amp;lt;/math&amp;gt; is a &#039;&#039;characteristic function&#039;&#039;, which assigns a new characteristic to each token when it makes the transfer from an input to an output place of a given transition.&lt;br /&gt;
* &amp;lt;math&amp;gt;b&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;maximal number of characteristics&#039;&#039;, which a given token may obtain during its movement throughout the net, i.e. &amp;lt;math&amp;gt;b : K \rightarrow N&amp;lt;/math&amp;gt;. In general, &amp;lt;math&amp;gt;b&amp;lt;/math&amp;gt; may possess four different values: 0, 1, &amp;lt;math&amp;gt;s&amp;lt;/math&amp;gt; or &amp;lt;math&amp;gt;\infty&amp;lt;/math&amp;gt; meaning that the token keeps, respectively: none of its characteristics, its last characteristic, its last &amp;lt;math&amp;gt;s&amp;lt;/math&amp;gt; characteristics, or all of its characteristics obtained during its movement in the net.&lt;/div&gt;</summary>
		<author><name>Evdokia Sotirova</name></author>
	</entry>
	<entry>
		<id>https://ifigenia.org/index.php?title=Project:DMEU/%D0%9E%D0%B1%D0%BE%D0%B1%D1%89%D0%B5%D0%BD%D0%B8_%D0%BC%D1%80%D0%B5%D0%B6%D0%B8&amp;diff=5537</id>
		<title>Project:DMEU/Обобщени мрежи</title>
		<link rel="alternate" type="text/html" href="https://ifigenia.org/index.php?title=Project:DMEU/%D0%9E%D0%B1%D0%BE%D0%B1%D1%89%D0%B5%D0%BD%D0%B8_%D0%BC%D1%80%D0%B5%D0%B6%D0%B8&amp;diff=5537"/>
		<updated>2011-08-20T03:12:25Z</updated>

		<summary type="html">&lt;p&gt;Evdokia Sotirova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{Ifigenia:DMEU/menu}}&lt;br /&gt;
&#039;&#039;&#039;Обобщени мрежи, ОМ (Generalized nets, GNs&#039;&#039;&#039; са средство за конструиране на адаптивни, гъвкави и структурирани модели на комплексни системи, в които протичат паралелни във времето процеси и  са изградени от множество взаимодействащи си компоненти. Обобщените мрежи представляват значително разширение и обобщение на понятието [[мрежи на Петри]], както и на други [[разширения и модификации на мрежи на Петри]]. &lt;br /&gt;
&lt;br /&gt;
== Components of a generalized net ==&lt;br /&gt;
[[Image:GN-transition-mxn.png|right|thumb|25oxp|A GN transition with &#039;&#039;m&#039;&#039; inputs and &#039;&#039;n&#039;&#039; outputs]]&lt;br /&gt;
&lt;br /&gt;
A generalized net consists of:&lt;br /&gt;
* a static structure,&lt;br /&gt;
* a dynamic structure,&lt;br /&gt;
* temporal components.&lt;br /&gt;
&lt;br /&gt;
The &#039;&#039;&#039;&#039;&#039;static structure&#039;&#039;&#039;&#039;&#039; consists of objects called &#039;&#039;[[transition]]s&#039;&#039;, which have input and output &#039;&#039;[[place]]s&#039;&#039;. Two transitions can share a place, but every place can be an input of at most one transition and can be an output of at most one transition.&lt;br /&gt;
&lt;br /&gt;
The &#039;&#039;&#039;&#039;&#039;dynamic structure&#039;&#039;&#039;&#039;&#039; consists of &#039;&#039;[[token]]s&#039;&#039;, which act as information carriers and can occupy a single place at every moment of the GN execution. The tokens pass through the transition from one input to another output place; such an ordered pair of places is called &#039;&#039;[[transition arc]]&#039;&#039;. The tokens&#039; movement is governed by conditions (&#039;&#039;predicates&#039;&#039;), contained in the [[predicate matrix]] of the transition. &lt;br /&gt;
&lt;br /&gt;
The information carried by a token is contained in its [[token characteristics|characteristics]], which can be viewed as an associative array of characteristic names and values. The values of the token characteristics change in time according to specific rules, called &#039;&#039;[[characteristic function]]s&#039;&#039;. Every place possesses at most one characteristic function, which assigns new characteristics to the incoming tokens. Apart from movement in the net and change of the characteristics, tokens can also split and merge in the places.&lt;br /&gt;
&lt;br /&gt;
The &#039;&#039;&#039;&#039;&#039;temporal components&#039;&#039;&#039;&#039;&#039; describe the time scale of GN execution. &#039;&#039;Temporal conditions&#039;&#039; control the transitions&#039; moments of activation and duration of active state. Various other tools for fine tuning of the GN functioning are provided in the form of &#039;&#039;priorities&#039;&#039; of separate transitions, places and tokens, as well as &#039;&#039;capacities&#039;&#039; of places and transitions arcs.&lt;br /&gt;
&lt;br /&gt;
=== Graphic representation ===&lt;br /&gt;
&lt;br /&gt;
== Formal description ==&lt;br /&gt;
&lt;br /&gt;
Formally described, the generalized net is represented by the following four-tuple:&lt;br /&gt;
&lt;br /&gt;
&amp;lt;center&amp;gt;&amp;lt;math&amp;gt;&lt;br /&gt;
&amp;lt; \underbrace{ &amp;lt;A, \pi_{A}, \pi_{L}, c, f, \theta_{1}, \theta_{2} &amp;gt;}_{1.\ Static \ structure},&lt;br /&gt;
  \underbrace{ &amp;lt;K, \pi_{K}, \theta_{K} &amp;gt;}_{2. \ Dynamic \ structure},&lt;br /&gt;
  \underbrace{ &amp;lt;T, t^{0}, t^{*} &amp;gt;}_{3. \ Time},&lt;br /&gt;
  \underbrace{ &amp;lt;X, \Phi, b &amp;gt;}_{4. \ Memory} &amp;gt;&lt;br /&gt;
&amp;lt;/math&amp;gt;&amp;lt;/center&amp;gt;&lt;br /&gt;
&lt;br /&gt;
where:&lt;br /&gt;
; &#039;&#039;1. Static structure&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;A&amp;lt;/math&amp;gt; is a &#039;&#039;set of transitions&#039;&#039; (see the [[Transition#Formal description|formal definition of a transition]])&lt;br /&gt;
* &amp;lt;math&amp;gt;\pi_{A}&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;priorities of the transitions&#039;&#039;, i.e. &amp;lt;math&amp;gt;\pi_{A} : A \rightarrow N&amp;lt;/math&amp;gt; where N = {0, 1, 2, ...} ∪ {∞}&lt;br /&gt;
* &amp;lt;math&amp;gt;\pi_{L}&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;priorities of the places&#039;&#039;, i.e. &amp;lt;math&amp;gt;\pi_{L} : L \rightarrow N&amp;lt;/math&amp;gt; &lt;br /&gt;
* &amp;lt;math&amp;gt;c&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;place capacities&#039;&#039;, i.e. &amp;lt;math&amp;gt;c : L \rightarrow N&amp;lt;/math&amp;gt; &lt;br /&gt;
* &amp;lt;math&amp;gt;f&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;truth value of the predicates&#039;&#039;. In the basic case, it may obtain values &amp;quot;true&amp;quot; (1) and &amp;quot;false&amp;quot; (0). In [[fuzzy generalized net]]s its domain is the [0;1] interval (see [[fuzzy set]]) and in the [[intuitionistic fuzzy generalized net]]s its domain is the set [0;1]×[0;1] (see [[intuitionistic fuzzy set]]).&lt;br /&gt;
* &amp;lt;math&amp;gt;\theta_{1}&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;next time moment&#039;&#039; when a given transition will be fired (will become active). Hence, &amp;lt;math&amp;gt;\theta_{1}(t) = t&#039;&amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;t, t&#039; \in [T, T+t^*]; t \le t&#039;&amp;lt;/math&amp;gt;. The value of this function is being recalculated in the moment when the transition&#039;s active state ceases.&lt;br /&gt;
* &amp;lt;math&amp;gt;\theta_{2}&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;duration of the transition&#039;s active state&#039;&#039;.  Hence, &amp;lt;math&amp;gt;\theta_{2}(t) = t&#039;&amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;t, t&#039; \in [T, T+t^*]; t&#039; \ge 0&amp;lt;/math&amp;gt;. The value of this function is calculated in the moment when the transition&#039;s active state begins.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
; &#039;&#039;2. Dynamic structure&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt; is the &#039;&#039;set of tokens&#039;&#039; of the generalized net. In certain cases it is more convenient to denote this set as &amp;lt;math&amp;gt;K = \bigcup_{l \in Q^I} K_{l} &amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;K_{l}&amp;lt;/math&amp;gt; is the set of all GN tokens which are waiting to enter place &amp;lt;math&amp;gt;l&amp;lt;/math&amp;gt; and &amp;lt;math&amp;gt;Q^I&amp;lt;/math&amp;gt; is the set of all input places in the net.&lt;br /&gt;
* &amp;lt;math&amp;gt;\pi_K&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;priorities of the tokens&#039;&#039;, i.e. &amp;lt;math&amp;gt;\pi_{K} : K \rightarrow N&amp;lt;/math&amp;gt; &lt;br /&gt;
* &amp;lt;math&amp;gt;\theta_K&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;moment of time when a given token may enter&#039;&#039; the GN, i.e. &amp;lt;math&amp;gt;\theta_K (\alpha)=t&amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;\alpha \in K, t \in [T; T+t^*]&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
; &#039;&#039;3. Time&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;T&amp;lt;/math&amp;gt; is the moment of time when the generalized net starts functioning. This moment is determined according to a fixed global timescale.&lt;br /&gt;
* &amp;lt;math&amp;gt;t^0&amp;lt;/math&amp;gt; is the elementary time step of the fixed global timescale (the interval with which time increments in the timescale).&lt;br /&gt;
* &amp;lt;math&amp;gt;t^*&amp;lt;/math&amp;gt; is the total duration of functioning of the net.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
; &#039;&#039;4. Memory&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;X&amp;lt;/math&amp;gt; is the &#039;&#039;set of initial characteristics&#039;&#039;, which tokens may exhibit when they enter the net for first.&lt;br /&gt;
* &amp;lt;math&amp;gt;\Phi&amp;lt;/math&amp;gt; is a &#039;&#039;characteristic function&#039;&#039;, which assigns a new characteristic to each token when it makes the transfer from an input to an output place of a given transition.&lt;br /&gt;
* &amp;lt;math&amp;gt;b&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;maximal number of characteristics&#039;&#039;, which a given token may obtain during its movement throughout the net, i.e. &amp;lt;math&amp;gt;b : K \rightarrow N&amp;lt;/math&amp;gt;. In general, &amp;lt;math&amp;gt;b&amp;lt;/math&amp;gt; may possess four different values: 0, 1, &amp;lt;math&amp;gt;s&amp;lt;/math&amp;gt; or &amp;lt;math&amp;gt;\infty&amp;lt;/math&amp;gt; meaning that the token keeps, respectively: none of its characteristics, its last characteristic, its last &amp;lt;math&amp;gt;s&amp;lt;/math&amp;gt; characteristics, or all of its characteristics obtained during its movement in the net.&lt;/div&gt;</summary>
		<author><name>Evdokia Sotirova</name></author>
	</entry>
	<entry>
		<id>https://ifigenia.org/index.php?title=Project:DMEU/%D0%9A%D0%BE%D0%BB%D0%B5%D0%BA%D1%82%D0%B8%D0%B2&amp;diff=5536</id>
		<title>Project:DMEU/Колектив</title>
		<link rel="alternate" type="text/html" href="https://ifigenia.org/index.php?title=Project:DMEU/%D0%9A%D0%BE%D0%BB%D0%B5%D0%BA%D1%82%D0%B8%D0%B2&amp;diff=5536"/>
		<updated>2011-08-19T18:53:45Z</updated>

		<summary type="html">&lt;p&gt;Evdokia Sotirova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{Ifigenia:DMEU/menu}}&lt;br /&gt;
&lt;br /&gt;
== Ръководител на проекта ==&lt;br /&gt;
[[Евдокия Сотирова|доц. д-р Евдокия Сотирова]]&lt;br /&gt;
: Ръководител катедра &amp;quot;Компютърни и информационни технологии&amp;quot;&lt;br /&gt;
: Университет &amp;quot;Проф. Асен Златаров&amp;quot; — Бургас&lt;br /&gt;
&lt;br /&gt;
== Членове ==&lt;br /&gt;
&lt;br /&gt;
# [[Даниела Орозова|доц. д-р Даниела Орозова]]&lt;br /&gt;
#: Бургаски свободен университет&lt;br /&gt;
# [[Anthony Shannon|проф. Антони Шенон (Anthony Shannon)]]&lt;br /&gt;
#: Faculty of Engineering &amp;amp; IT, University of Technology, Sydney, Australia &lt;br /&gt;
# доц. д-р Румяна Папанчева&lt;br /&gt;
# гл. ас. д-р Красимира Димитрова&lt;br /&gt;
# гл.ас. Антоанета Чакърова&lt;br /&gt;
# гл.ас. Геновева Иновска&lt;br /&gt;
# гл.ас. Петя Илиева&lt;br /&gt;
# гл.ас. Гълъбинка Гордън&lt;br /&gt;
# ст.ас. Христо Панайотов&lt;br /&gt;
# гл.ас. Неделчо Неделчев&lt;br /&gt;
# гл.ас. Ефтим Стоянов&lt;br /&gt;
# ст.ас. Ивелина Вардева&lt;br /&gt;
# Вася Атанасова – аспирант към ИИКТ, БАН, София&lt;br /&gt;
# Павел Чешмеджиев – аспирант към ИБФБМИ, БАН, София&lt;br /&gt;
# Десислава Пенева – аспирант към ИБФБМИ, БАН, София &lt;br /&gt;
# Станимир Сурчев – студент от спец. КСТ&lt;br /&gt;
# Тодор Петков – студент от спец. КСТ&lt;/div&gt;</summary>
		<author><name>Evdokia Sotirova</name></author>
	</entry>
	<entry>
		<id>https://ifigenia.org/index.php?title=Project:DMEU/%D0%9E%D0%B1%D0%BE%D0%B1%D1%89%D0%B5%D0%BD%D0%B8_%D0%BC%D1%80%D0%B5%D0%B6%D0%B8&amp;diff=5535</id>
		<title>Project:DMEU/Обобщени мрежи</title>
		<link rel="alternate" type="text/html" href="https://ifigenia.org/index.php?title=Project:DMEU/%D0%9E%D0%B1%D0%BE%D0%B1%D1%89%D0%B5%D0%BD%D0%B8_%D0%BC%D1%80%D0%B5%D0%B6%D0%B8&amp;diff=5535"/>
		<updated>2011-08-19T18:53:04Z</updated>

		<summary type="html">&lt;p&gt;Evdokia Sotirova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{Ifigenia:DMEU/menu}}&lt;br /&gt;
&#039;&#039;&#039;Generalized nets&#039;&#039;&#039; (&#039;&#039;GNs&#039;&#039;) constitute a discrete tool for universal description of adaptable, flexible, structured and reusable models of complex systems with many different and interacting components, not necessarily of the homogeneous structure and origin, usually involved in parallel, simultaneous activities. Generalized nets represent a significant extension and generalization of the concept of [[Petri nets]], as well as of other [[Extensions of Petri nets|Petri nets extensions and modifications]].&lt;br /&gt;
&lt;br /&gt;
== Components of a generalized net ==&lt;br /&gt;
[[Image:GN-transition-mxn.png|right|thumb|25oxp|A GN transition with &#039;&#039;m&#039;&#039; inputs and &#039;&#039;n&#039;&#039; outputs]]&lt;br /&gt;
&lt;br /&gt;
A generalized net consists of:&lt;br /&gt;
* a static structure,&lt;br /&gt;
* a dynamic structure,&lt;br /&gt;
* temporal components.&lt;br /&gt;
&lt;br /&gt;
The &#039;&#039;&#039;&#039;&#039;static structure&#039;&#039;&#039;&#039;&#039; consists of objects called &#039;&#039;[[transition]]s&#039;&#039;, which have input and output &#039;&#039;[[place]]s&#039;&#039;. Two transitions can share a place, but every place can be an input of at most one transition and can be an output of at most one transition.&lt;br /&gt;
&lt;br /&gt;
The &#039;&#039;&#039;&#039;&#039;dynamic structure&#039;&#039;&#039;&#039;&#039; consists of &#039;&#039;[[token]]s&#039;&#039;, which act as information carriers and can occupy a single place at every moment of the GN execution. The tokens pass through the transition from one input to another output place; such an ordered pair of places is called &#039;&#039;[[transition arc]]&#039;&#039;. The tokens&#039; movement is governed by conditions (&#039;&#039;predicates&#039;&#039;), contained in the [[predicate matrix]] of the transition. &lt;br /&gt;
&lt;br /&gt;
The information carried by a token is contained in its [[token characteristics|characteristics]], which can be viewed as an associative array of characteristic names and values. The values of the token characteristics change in time according to specific rules, called &#039;&#039;[[characteristic function]]s&#039;&#039;. Every place possesses at most one characteristic function, which assigns new characteristics to the incoming tokens. Apart from movement in the net and change of the characteristics, tokens can also split and merge in the places.&lt;br /&gt;
&lt;br /&gt;
The &#039;&#039;&#039;&#039;&#039;temporal components&#039;&#039;&#039;&#039;&#039; describe the time scale of GN execution. &#039;&#039;Temporal conditions&#039;&#039; control the transitions&#039; moments of activation and duration of active state. Various other tools for fine tuning of the GN functioning are provided in the form of &#039;&#039;priorities&#039;&#039; of separate transitions, places and tokens, as well as &#039;&#039;capacities&#039;&#039; of places and transitions arcs.&lt;br /&gt;
&lt;br /&gt;
=== Graphic representation ===&lt;br /&gt;
&lt;br /&gt;
== Formal description ==&lt;br /&gt;
&lt;br /&gt;
Formally described, the generalized net is represented by the following four-tuple:&lt;br /&gt;
&lt;br /&gt;
&amp;lt;center&amp;gt;&amp;lt;math&amp;gt;&lt;br /&gt;
&amp;lt; \underbrace{ &amp;lt;A, \pi_{A}, \pi_{L}, c, f, \theta_{1}, \theta_{2} &amp;gt;}_{1.\ Static \ structure},&lt;br /&gt;
  \underbrace{ &amp;lt;K, \pi_{K}, \theta_{K} &amp;gt;}_{2. \ Dynamic \ structure},&lt;br /&gt;
  \underbrace{ &amp;lt;T, t^{0}, t^{*} &amp;gt;}_{3. \ Time},&lt;br /&gt;
  \underbrace{ &amp;lt;X, \Phi, b &amp;gt;}_{4. \ Memory} &amp;gt;&lt;br /&gt;
&amp;lt;/math&amp;gt;&amp;lt;/center&amp;gt;&lt;br /&gt;
&lt;br /&gt;
where:&lt;br /&gt;
; &#039;&#039;1. Static structure&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;A&amp;lt;/math&amp;gt; is a &#039;&#039;set of transitions&#039;&#039; (see the [[Transition#Formal description|formal definition of a transition]])&lt;br /&gt;
* &amp;lt;math&amp;gt;\pi_{A}&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;priorities of the transitions&#039;&#039;, i.e. &amp;lt;math&amp;gt;\pi_{A} : A \rightarrow N&amp;lt;/math&amp;gt; where N = {0, 1, 2, ...} ∪ {∞}&lt;br /&gt;
* &amp;lt;math&amp;gt;\pi_{L}&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;priorities of the places&#039;&#039;, i.e. &amp;lt;math&amp;gt;\pi_{L} : L \rightarrow N&amp;lt;/math&amp;gt; &lt;br /&gt;
* &amp;lt;math&amp;gt;c&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;place capacities&#039;&#039;, i.e. &amp;lt;math&amp;gt;c : L \rightarrow N&amp;lt;/math&amp;gt; &lt;br /&gt;
* &amp;lt;math&amp;gt;f&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;truth value of the predicates&#039;&#039;. In the basic case, it may obtain values &amp;quot;true&amp;quot; (1) and &amp;quot;false&amp;quot; (0). In [[fuzzy generalized net]]s its domain is the [0;1] interval (see [[fuzzy set]]) and in the [[intuitionistic fuzzy generalized net]]s its domain is the set [0;1]×[0;1] (see [[intuitionistic fuzzy set]]).&lt;br /&gt;
* &amp;lt;math&amp;gt;\theta_{1}&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;next time moment&#039;&#039; when a given transition will be fired (will become active). Hence, &amp;lt;math&amp;gt;\theta_{1}(t) = t&#039;&amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;t, t&#039; \in [T, T+t^*]; t \le t&#039;&amp;lt;/math&amp;gt;. The value of this function is being recalculated in the moment when the transition&#039;s active state ceases.&lt;br /&gt;
* &amp;lt;math&amp;gt;\theta_{2}&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;duration of the transition&#039;s active state&#039;&#039;.  Hence, &amp;lt;math&amp;gt;\theta_{2}(t) = t&#039;&amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;t, t&#039; \in [T, T+t^*]; t&#039; \ge 0&amp;lt;/math&amp;gt;. The value of this function is calculated in the moment when the transition&#039;s active state begins.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
; &#039;&#039;2. Dynamic structure&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt; is the &#039;&#039;set of tokens&#039;&#039; of the generalized net. In certain cases it is more convenient to denote this set as &amp;lt;math&amp;gt;K = \bigcup_{l \in Q^I} K_{l} &amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;K_{l}&amp;lt;/math&amp;gt; is the set of all GN tokens which are waiting to enter place &amp;lt;math&amp;gt;l&amp;lt;/math&amp;gt; and &amp;lt;math&amp;gt;Q^I&amp;lt;/math&amp;gt; is the set of all input places in the net.&lt;br /&gt;
* &amp;lt;math&amp;gt;\pi_K&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;priorities of the tokens&#039;&#039;, i.e. &amp;lt;math&amp;gt;\pi_{K} : K \rightarrow N&amp;lt;/math&amp;gt; &lt;br /&gt;
* &amp;lt;math&amp;gt;\theta_K&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;moment of time when a given token may enter&#039;&#039; the GN, i.e. &amp;lt;math&amp;gt;\theta_K (\alpha)=t&amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;\alpha \in K, t \in [T; T+t^*]&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
; &#039;&#039;3. Time&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;T&amp;lt;/math&amp;gt; is the moment of time when the generalized net starts functioning. This moment is determined according to a fixed global timescale.&lt;br /&gt;
* &amp;lt;math&amp;gt;t^0&amp;lt;/math&amp;gt; is the elementary time step of the fixed global timescale (the interval with which time increments in the timescale).&lt;br /&gt;
* &amp;lt;math&amp;gt;t^*&amp;lt;/math&amp;gt; is the total duration of functioning of the net.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
; &#039;&#039;4. Memory&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;X&amp;lt;/math&amp;gt; is the &#039;&#039;set of initial characteristics&#039;&#039;, which tokens may exhibit when they enter the net for first.&lt;br /&gt;
* &amp;lt;math&amp;gt;\Phi&amp;lt;/math&amp;gt; is a &#039;&#039;characteristic function&#039;&#039;, which assigns a new characteristic to each token when it makes the transfer from an input to an output place of a given transition.&lt;br /&gt;
* &amp;lt;math&amp;gt;b&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;maximal number of characteristics&#039;&#039;, which a given token may obtain during its movement throughout the net, i.e. &amp;lt;math&amp;gt;b : K \rightarrow N&amp;lt;/math&amp;gt;. In general, &amp;lt;math&amp;gt;b&amp;lt;/math&amp;gt; may possess four different values: 0, 1, &amp;lt;math&amp;gt;s&amp;lt;/math&amp;gt; or &amp;lt;math&amp;gt;\infty&amp;lt;/math&amp;gt; meaning that the token keeps, respectively: none of its characteristics, its last characteristic, its last &amp;lt;math&amp;gt;s&amp;lt;/math&amp;gt; characteristics, or all of its characteristics obtained during its movement in the net.&lt;/div&gt;</summary>
		<author><name>Evdokia Sotirova</name></author>
	</entry>
	<entry>
		<id>https://ifigenia.org/index.php?title=Project:DMEU/%D0%9E%D0%B1%D0%BE%D0%B1%D1%89%D0%B5%D0%BD%D0%B8_%D0%BC%D1%80%D0%B5%D0%B6%D0%B8&amp;diff=5534</id>
		<title>Project:DMEU/Обобщени мрежи</title>
		<link rel="alternate" type="text/html" href="https://ifigenia.org/index.php?title=Project:DMEU/%D0%9E%D0%B1%D0%BE%D0%B1%D1%89%D0%B5%D0%BD%D0%B8_%D0%BC%D1%80%D0%B5%D0%B6%D0%B8&amp;diff=5534"/>
		<updated>2011-08-19T18:51:04Z</updated>

		<summary type="html">&lt;p&gt;Evdokia Sotirova: New page: &amp;#039;&amp;#039;&amp;#039;Generalized nets&amp;#039;&amp;#039;&amp;#039; (&amp;#039;&amp;#039;GNs&amp;#039;&amp;#039;) constitute a discrete tool for universal description of adaptable, flexible, structured and reusable models of complex systems with many different and inte...&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&#039;&#039;&#039;Generalized nets&#039;&#039;&#039; (&#039;&#039;GNs&#039;&#039;) constitute a discrete tool for universal description of adaptable, flexible, structured and reusable models of complex systems with many different and interacting components, not necessarily of the homogeneous structure and origin, usually involved in parallel, simultaneous activities. Generalized nets represent a significant extension and generalization of the concept of [[Petri nets]], as well as of other [[Extensions of Petri nets|Petri nets extensions and modifications]].&lt;br /&gt;
&lt;br /&gt;
== Components of a generalized net ==&lt;br /&gt;
[[Image:GN-transition-mxn.png|right|thumb|25oxp|A GN transition with &#039;&#039;m&#039;&#039; inputs and &#039;&#039;n&#039;&#039; outputs]]&lt;br /&gt;
&lt;br /&gt;
A generalized net consists of:&lt;br /&gt;
* a static structure,&lt;br /&gt;
* a dynamic structure,&lt;br /&gt;
* temporal components.&lt;br /&gt;
&lt;br /&gt;
The &#039;&#039;&#039;&#039;&#039;static structure&#039;&#039;&#039;&#039;&#039; consists of objects called &#039;&#039;[[transition]]s&#039;&#039;, which have input and output &#039;&#039;[[place]]s&#039;&#039;. Two transitions can share a place, but every place can be an input of at most one transition and can be an output of at most one transition.&lt;br /&gt;
&lt;br /&gt;
The &#039;&#039;&#039;&#039;&#039;dynamic structure&#039;&#039;&#039;&#039;&#039; consists of &#039;&#039;[[token]]s&#039;&#039;, which act as information carriers and can occupy a single place at every moment of the GN execution. The tokens pass through the transition from one input to another output place; such an ordered pair of places is called &#039;&#039;[[transition arc]]&#039;&#039;. The tokens&#039; movement is governed by conditions (&#039;&#039;predicates&#039;&#039;), contained in the [[predicate matrix]] of the transition. &lt;br /&gt;
&lt;br /&gt;
The information carried by a token is contained in its [[token characteristics|characteristics]], which can be viewed as an associative array of characteristic names and values. The values of the token characteristics change in time according to specific rules, called &#039;&#039;[[characteristic function]]s&#039;&#039;. Every place possesses at most one characteristic function, which assigns new characteristics to the incoming tokens. Apart from movement in the net and change of the characteristics, tokens can also split and merge in the places.&lt;br /&gt;
&lt;br /&gt;
The &#039;&#039;&#039;&#039;&#039;temporal components&#039;&#039;&#039;&#039;&#039; describe the time scale of GN execution. &#039;&#039;Temporal conditions&#039;&#039; control the transitions&#039; moments of activation and duration of active state. Various other tools for fine tuning of the GN functioning are provided in the form of &#039;&#039;priorities&#039;&#039; of separate transitions, places and tokens, as well as &#039;&#039;capacities&#039;&#039; of places and transitions arcs.&lt;br /&gt;
&lt;br /&gt;
=== Graphic representation ===&lt;br /&gt;
&lt;br /&gt;
== Formal description ==&lt;br /&gt;
&lt;br /&gt;
Formally described, the generalized net is represented by the following four-tuple:&lt;br /&gt;
&lt;br /&gt;
&amp;lt;center&amp;gt;&amp;lt;math&amp;gt;&lt;br /&gt;
&amp;lt; \underbrace{ &amp;lt;A, \pi_{A}, \pi_{L}, c, f, \theta_{1}, \theta_{2} &amp;gt;}_{1.\ Static \ structure},&lt;br /&gt;
  \underbrace{ &amp;lt;K, \pi_{K}, \theta_{K} &amp;gt;}_{2. \ Dynamic \ structure},&lt;br /&gt;
  \underbrace{ &amp;lt;T, t^{0}, t^{*} &amp;gt;}_{3. \ Time},&lt;br /&gt;
  \underbrace{ &amp;lt;X, \Phi, b &amp;gt;}_{4. \ Memory} &amp;gt;&lt;br /&gt;
&amp;lt;/math&amp;gt;&amp;lt;/center&amp;gt;&lt;br /&gt;
&lt;br /&gt;
where:&lt;br /&gt;
; &#039;&#039;1. Static structure&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;A&amp;lt;/math&amp;gt; is a &#039;&#039;set of transitions&#039;&#039; (see the [[Transition#Formal description|formal definition of a transition]])&lt;br /&gt;
* &amp;lt;math&amp;gt;\pi_{A}&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;priorities of the transitions&#039;&#039;, i.e. &amp;lt;math&amp;gt;\pi_{A} : A \rightarrow N&amp;lt;/math&amp;gt; where N = {0, 1, 2, ...} ∪ {∞}&lt;br /&gt;
* &amp;lt;math&amp;gt;\pi_{L}&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;priorities of the places&#039;&#039;, i.e. &amp;lt;math&amp;gt;\pi_{L} : L \rightarrow N&amp;lt;/math&amp;gt; &lt;br /&gt;
* &amp;lt;math&amp;gt;c&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;place capacities&#039;&#039;, i.e. &amp;lt;math&amp;gt;c : L \rightarrow N&amp;lt;/math&amp;gt; &lt;br /&gt;
* &amp;lt;math&amp;gt;f&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;truth value of the predicates&#039;&#039;. In the basic case, it may obtain values &amp;quot;true&amp;quot; (1) and &amp;quot;false&amp;quot; (0). In [[fuzzy generalized net]]s its domain is the [0;1] interval (see [[fuzzy set]]) and in the [[intuitionistic fuzzy generalized net]]s its domain is the set [0;1]×[0;1] (see [[intuitionistic fuzzy set]]).&lt;br /&gt;
* &amp;lt;math&amp;gt;\theta_{1}&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;next time moment&#039;&#039; when a given transition will be fired (will become active). Hence, &amp;lt;math&amp;gt;\theta_{1}(t) = t&#039;&amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;t, t&#039; \in [T, T+t^*]; t \le t&#039;&amp;lt;/math&amp;gt;. The value of this function is being recalculated in the moment when the transition&#039;s active state ceases.&lt;br /&gt;
* &amp;lt;math&amp;gt;\theta_{2}&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;duration of the transition&#039;s active state&#039;&#039;.  Hence, &amp;lt;math&amp;gt;\theta_{2}(t) = t&#039;&amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;t, t&#039; \in [T, T+t^*]; t&#039; \ge 0&amp;lt;/math&amp;gt;. The value of this function is calculated in the moment when the transition&#039;s active state begins.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
; &#039;&#039;2. Dynamic structure&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;K&amp;lt;/math&amp;gt; is the &#039;&#039;set of tokens&#039;&#039; of the generalized net. In certain cases it is more convenient to denote this set as &amp;lt;math&amp;gt;K = \bigcup_{l \in Q^I} K_{l} &amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;K_{l}&amp;lt;/math&amp;gt; is the set of all GN tokens which are waiting to enter place &amp;lt;math&amp;gt;l&amp;lt;/math&amp;gt; and &amp;lt;math&amp;gt;Q^I&amp;lt;/math&amp;gt; is the set of all input places in the net.&lt;br /&gt;
* &amp;lt;math&amp;gt;\pi_K&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;priorities of the tokens&#039;&#039;, i.e. &amp;lt;math&amp;gt;\pi_{K} : K \rightarrow N&amp;lt;/math&amp;gt; &lt;br /&gt;
* &amp;lt;math&amp;gt;\theta_K&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;moment of time when a given token may enter&#039;&#039; the GN, i.e. &amp;lt;math&amp;gt;\theta_K (\alpha)=t&amp;lt;/math&amp;gt; where &amp;lt;math&amp;gt;\alpha \in K, t \in [T; T+t^*]&amp;lt;/math&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
; &#039;&#039;3. Time&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;T&amp;lt;/math&amp;gt; is the moment of time when the generalized net starts functioning. This moment is determined according to a fixed global timescale.&lt;br /&gt;
* &amp;lt;math&amp;gt;t^0&amp;lt;/math&amp;gt; is the elementary time step of the fixed global timescale (the interval with which time increments in the timescale).&lt;br /&gt;
* &amp;lt;math&amp;gt;t^*&amp;lt;/math&amp;gt; is the total duration of functioning of the net.&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
; &#039;&#039;4. Memory&#039;&#039;&lt;br /&gt;
* &amp;lt;math&amp;gt;X&amp;lt;/math&amp;gt; is the &#039;&#039;set of initial characteristics&#039;&#039;, which tokens may exhibit when they enter the net for first.&lt;br /&gt;
* &amp;lt;math&amp;gt;\Phi&amp;lt;/math&amp;gt; is a &#039;&#039;characteristic function&#039;&#039;, which assigns a new characteristic to each token when it makes the transfer from an input to an output place of a given transition.&lt;br /&gt;
* &amp;lt;math&amp;gt;b&amp;lt;/math&amp;gt; is a function giving the &#039;&#039;maximal number of characteristics&#039;&#039;, which a given token may obtain during its movement throughout the net, i.e. &amp;lt;math&amp;gt;b : K \rightarrow N&amp;lt;/math&amp;gt;. In general, &amp;lt;math&amp;gt;b&amp;lt;/math&amp;gt; may possess four different values: 0, 1, &amp;lt;math&amp;gt;s&amp;lt;/math&amp;gt; or &amp;lt;math&amp;gt;\infty&amp;lt;/math&amp;gt; meaning that the token keeps, respectively: none of its characteristics, its last characteristic, its last &amp;lt;math&amp;gt;s&amp;lt;/math&amp;gt; characteristics, or all of its characteristics obtained during its movement in the net.&lt;/div&gt;</summary>
		<author><name>Evdokia Sotirova</name></author>
	</entry>
	<entry>
		<id>https://ifigenia.org/index.php?title=Project:DMEU/%D0%9D%D0%B0%D1%83%D1%87%D0%BD%D0%B8_%D1%80%D0%B5%D0%B7%D1%83%D0%BB%D1%82%D0%B0%D1%82%D0%B8&amp;diff=5533</id>
		<title>Project:DMEU/Научни резултати</title>
		<link rel="alternate" type="text/html" href="https://ifigenia.org/index.php?title=Project:DMEU/%D0%9D%D0%B0%D1%83%D1%87%D0%BD%D0%B8_%D1%80%D0%B5%D0%B7%D1%83%D0%BB%D1%82%D0%B0%D1%82%D0%B8&amp;diff=5533"/>
		<updated>2011-08-19T18:48:42Z</updated>

		<summary type="html">&lt;p&gt;Evdokia Sotirova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{Ifigenia:DMEU/menu}}&lt;br /&gt;
__NOTOC__&lt;br /&gt;
== Постижения по проекта ==&lt;br /&gt;
* Предложен  е метод за оценяване на преподавателите в електронен университет, базиран на три основни компонента: резултати от студентските изпити, оценка от анкети на студентите, научна работа на преподавателя [2]; &lt;br /&gt;
* Предложен е метод оценяване на качеството на графика на учебните занятия  [1]; &lt;br /&gt;
* Предложен е метод за изчисляване на интуиционистки размити оценки на отговорите от анкетите на студентите за преподавателите [3] (Приложение 2) чрез многослоен перцептрон, които са част от общата оценка на преподавателя в електронен университет;&lt;br /&gt;
* Конструиран е модел за клъстеризация на многомерни данни чрез самоорганизираща се карта (Self-organizing map) [4];&lt;br /&gt;
* Конструиран е модел за прилагане на Data Mining техники при приемането на студенти в цифров университет с цел привличане, анализиране и удовлетворяване на изискванията на кандидат-студентите [5];&lt;br /&gt;
* Предложен е метод за прилагане на Data Mining техники в електронното обучение с цел предвиждане на студентската успеваемост по дадена дисциплина [6]; &lt;br /&gt;
* Предложен е метод за синхронизиране на паралелно протичащи софтуерни процеси [7]; &lt;br /&gt;
* Предложен е метод за проектиране на тестове [8]; &lt;br /&gt;
* Разработен е модел експертна система с база от данни от фрейми с размити оценки на фреймите и хипотезите [9];&lt;br /&gt;
* Представени са програмни реализации за: &lt;br /&gt;
# прогнозиране на едномерни и многомерни масиви от данни, базирани на експериментални резултати чрез изкуствена невронна мрежа [1]; &lt;br /&gt;
# анализ на резултатите от проведени студентски изпити на базата интуиционистки размити оценки, които задават степен на усвоеност на учебния материал [3];&lt;br /&gt;
# Data Mining техника за диагностика при предаването на информационни пакети при Wi-Fi локална мрежа и интуиционистки размити оценки за степента на повреденост при обмяната на данни [10]. &lt;br /&gt;
# оценяване удовлетвореността на преподавателите чрез техниката “дърво на решението” [6].&lt;br /&gt;
# многослоен перцептрон, даващ интуиционистки размити оценки на отговорите от анкетите на студентите за оценяване на преподавателите [3] в електронен университет;&lt;br /&gt;
# клъстеризация на многомерни данни чрез самоорганизираща се карта (Self-organizing map) [4];&lt;br /&gt;
# “дърво на решението” [2] за оценяване удовлетвореността на преподавателите.&lt;br /&gt;
&lt;br /&gt;
== Публикации ==&lt;br /&gt;
&lt;br /&gt;
# Sotirov, S., D. Orozova, E. Sotirova, Generalized net model of the process of the prognosis with feedforward neural network, Proc. of the XVI-th International Symposium on Electrical Apparatus and Technologies, SIELA 2009, Vol.1, 272-278.&lt;br /&gt;
# Shannon, A., D. Dimitrakiev, E. Sotirova, M. Krawczak, T. Kim,  Towards a Model of the Digital University: Generalized Net Model of a Lecturer’s Evaluation with Intuitionistic Fuzzy Estimations, Cybernetics and Information, Vol.9, No 2, 2009, 69-78.&lt;br /&gt;
# Sotirov, S., D. Orozova, E. Sotirova, Neural network for defining intuitionistic fuzzy sets in e-learning, Тhirteen Int. Conf. on IFSs, Sofia, NIFS Vol. 15, 2009, 33-36.&lt;br /&gt;
# Орозова, Д.,  Е, Сотирова, Моделиране чрез обобщена мрежа на процеса откриване на знания в бази от данни, Използване на невронни мрежи и обобщени мрежи за обучение и провеждане на аналитични изследвания, 2009. (под печат)&lt;br /&gt;
# Е. Сотирова, Л. Димитрова, А. Чакърова, Г. Гордън, Г. Иновска, П. Илиева, Хр. Панайотов, Н. Неделчев, Е. Стоянов, Възможности за приложението на технологията Data Mining в електронен университет, Годишник на университет “Проф. д-р Асен Златаров” – Бургас, 2009, т. XXXVІII (1) (под печат)&lt;br /&gt;
# Sotirova, E., D. Orozova, Generalized net model of the phases of the data mining process, Developments in Fuzzy Sets, Intuitionistic Fuzzy Sets, Generalized Nets and Related Topics. Foundation and Applications, Warsaw, Poland, 2009. (on press)&lt;br /&gt;
# Vardeva, I., D. Valchev, Generalized net model of a standard ad hoc connection in wireless network, Developments in Fuzzy Sets, Intuitionistic Fuzzy Sets, Generalized Nets and Related Topics. Foundation and Applications, Warsaw, Poland, 2009. (on press)&lt;br /&gt;
# Sotirova, E., Kr. Dimitrova, R. Papancheva, A Generalized Net Model for Analysis of a Student’s evaluations by Data Mining Techniques in the e-learning university, Proc. of the Tenth International  Workshop on Generalized Nets, Sofia, 2009, 41—46.&lt;br /&gt;
# D. Orozova, D., E. Sotirova, Generalized net model of the applying data mining tools, Proc. of the Tenth International  Workshop on Generalized Nets, Sofia, 2009, 22—26.&lt;br /&gt;
# I. Vardeva, S. Sotirov, Intuitionistic fuzzy estimation of damaged packets with multilayer perceptron, Proc. of the Tenth International  Workshop on Generalized Nets, Sofia (on press)&lt;br /&gt;
# Shannon, A., D. Orozova, E. Sotirova, M. Hristova, K. Atanassov, M. Krawczak, P. Melo-Pinto, R. Nikolov, S. Sotirov, T. Kim, Towards a Model of the Digital University: A Generalized Net Model for Producing Course Timetables and Subjects’ Quality Estimation, Advanced Intelligent Systems / IS From Theory to Practice, Springer, 2010, 373-381.&lt;br /&gt;
# Sotirova, E., D. Orozova, Generalized net model of the phases of the data mining process, Developments in Fuzzy Sets, Intuitionistic Fuzzy Sets, Generalized Nets and Related Topics. Foundation and Applications, Warsaw, Poland, 2010, 247-260.&lt;br /&gt;
# Sotirov, S., E. Sotirova, M. Krawczak, Application of data mining in digital university: multilayer perceptron for lecturer’s evaluation with intuitionistic fuzzy estimations, , Issues in Intuitionistic Fuzzy Sets and Generalized Nets, Vol. 8, Warsaw, Poland, 2010, 102-107.&lt;br /&gt;
# Sotirova, E., T. Petkov, S. Surchev, M. Krawczak, Generalized net model of Clustering with Self Organizing Map, Developments in Fuzzy Sets, Intuitionistic Fuzzy Sets, Generalized Nets and Related Topics. Foundations and Applications Warsaw, Poland (in press).&lt;br /&gt;
# Shannon, A., E. Sotirova, D. Orozova, Generalized net model of Using data mining techniques for process of undergraduate matriculation in а digital university, Proc. of the Eleven International Workshop on Generalized Nets and Second Int. Workshop on GNs, IFSs, KE London, 2010, 1-6.&lt;br /&gt;
# Shannon, A., E. Sotirova, M. Hristova, T. Kim Generalized Net Model of a Student’s Course Evaluation with Intuitionistic Fuzzy Estimations in a Digital University, Jangjeon Mathematical Society, 13 (2010), No 1, 31-38.&lt;br /&gt;
# Орозова, Д.,  Е. Сотирова, Прилагане на data mining техники в електронното обучение, научна конференция с международно участие “Предизвикателства пред висшето образование и научните изследвания в условията на криза”, 25-26 юни 2010, Бургас (под печат)&lt;br /&gt;
# Tcheshmedjiev, P, Synchronizing parallel processes using generalized nets, Issues in Intuitionistic Fuzzy Sets and Generalized Nets, Vol. 8, Warsaw, Poland, 2010, 84-90.&lt;br /&gt;
# Atanassova, V. Design of training tests on generalized nets, Intelligent Systems (IS), 2010 5th IEEE International Conference, 7-9 July 2010,  327 – 330.&lt;br /&gt;
# Atanassov, Kr., E. Sotirova, D. Orozova, Generalized Net Model of an Intuitionistic Fuzzy Expert System with Frame-Type Data Bases and Different Forms of Hypotheses Estimations, Годишник на БСУ, Том XXI, 2010 (под печат)&lt;br /&gt;
# Атанасова, В. Уики технологии в помощ на науката. Примерът с Ifigenia.org, 8ма Национална младежка научно-практическа сесия на ФНТС, 10-11 май 2010&lt;br /&gt;
# Atanassova, V., Utilizing the Model Graphic Structures when Teaching Generalized Nets, Proc. of 9th IWIFSGN 2010, 8 October 2010, Warsaw, Poland (in press) &lt;br /&gt;
# Shannon,A., E. Sotirova, Kr. Atanassov, M. Krawczak, P. Melo-Pinto, S. Sotirov, St. Hadjitodorov, T. Kim, Generalized net model of process of the administration servicing in a digital university with intuitionistic fuzzy estimations, The Fourteenth ICIFS, Sofia,2010, 51—56. &lt;br /&gt;
# Shannon, A., E Sotirova, E. Szmidt, T. Kim, Intuitionistic fuzzy estimations of students&#039; team forming, Issues in Intuitionistic Fuzzy Sets and Generalized Nets, Vol. 9 (2011), 77-83&lt;br /&gt;
&lt;br /&gt;
== Доклади на конференции ==&lt;br /&gt;
# Atanassova, V., Marinova, M., Designing a Lecture Course on Wikipedia and Wiki Technologies, Wikimania&#039;2011, Haifa, Israel, 4-7 August 2011.&lt;br /&gt;
# Atanassova, V., Marinova, M., Lessons Learned from the Lessons Taught, Wikimania&#039;2011, Haifa, Israel, 4-7 August 2011.&lt;/div&gt;</summary>
		<author><name>Evdokia Sotirova</name></author>
	</entry>
	<entry>
		<id>https://ifigenia.org/index.php?title=Project:DMEU/%D0%9D%D0%B0%D1%83%D1%87%D0%BD%D0%B8_%D1%80%D0%B5%D0%B7%D1%83%D0%BB%D1%82%D0%B0%D1%82%D0%B8&amp;diff=5532</id>
		<title>Project:DMEU/Научни резултати</title>
		<link rel="alternate" type="text/html" href="https://ifigenia.org/index.php?title=Project:DMEU/%D0%9D%D0%B0%D1%83%D1%87%D0%BD%D0%B8_%D1%80%D0%B5%D0%B7%D1%83%D0%BB%D1%82%D0%B0%D1%82%D0%B8&amp;diff=5532"/>
		<updated>2011-08-19T18:34:10Z</updated>

		<summary type="html">&lt;p&gt;Evdokia Sotirova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{Ifigenia:DMEU/menu}}&lt;br /&gt;
__NOTOC__&lt;br /&gt;
== Постижения по проекта ==&lt;br /&gt;
* Предложен  е метод за оценяване на преподавателите в електронен университет, базиран на три основни компонента: резултати от студентските изпити, оценка от анкети на студентите, научна работа на преподавателя [2]; &lt;br /&gt;
* Предложен е метод оценяване на качеството на графика на учебните занятия  [1]; &lt;br /&gt;
* Предложен е метод за изчисляване на интуиционистки размити оценки на отговорите от анкетите на студентите за преподавателите [3] (Приложение 2) чрез многослоен перцептрон, които са част от общата оценка на преподавателя в електронен университет;&lt;br /&gt;
* Конструиран е модел за клъстеризация на многомерни данни чрез самоорганизираща се карта (Self-organizing map) [4];&lt;br /&gt;
* Конструиран е модел за прилагане на Data Mining техники при приемането на студенти в цифров университет с цел привличане, анализиране и удовлетворяване на изискванията на кандидат-студентите [5];&lt;br /&gt;
* Предложен е метод за прилагане на Data Mining техники в електронното обучение с цел предвиждане на студентската успеваемост по дадена дисциплина [6]; &lt;br /&gt;
* Предложен е метод за синхронизиране на паралелно протичащи софтуерни процеси [7]; &lt;br /&gt;
* Предложен е метод за проектиране на тестове [8]; &lt;br /&gt;
* Разработен е модел експертна система с база от данни от фрейми с размити оценки на фреймите и хипотезите [9];&lt;br /&gt;
* Представени са програмни реализации за: &lt;br /&gt;
# прогнозиране на едномерни и многомерни масиви от данни, базирани на експериментални резултати чрез изкуствена невронна мрежа [1]; &lt;br /&gt;
# анализ на резултатите от проведени студентски изпити на базата интуиционистки размити оценки, които задават степен на усвоеност на учебния материал [3];&lt;br /&gt;
# Data Mining техника за диагностика при предаването на информационни пакети при Wi-Fi локална мрежа и интуиционистки размити оценки за степента на повреденост при обмяната на данни [10]. &lt;br /&gt;
# оценяване удовлетвореността на преподавателите чрез техниката “дърво на решението” [6].&lt;br /&gt;
# многослоен перцептрон, даващ интуиционистки размити оценки на отговорите от анкетите на студентите за оценяване на преподавателите [3] в електронен университет;&lt;br /&gt;
# клъстеризация на многомерни данни чрез самоорганизираща се карта (Self-organizing map) [4];&lt;br /&gt;
# “дърво на решението” [2] за оценяване удовлетвореността на преподавателите.&lt;br /&gt;
&lt;br /&gt;
== Публикации ==&lt;br /&gt;
&lt;br /&gt;
# Sotirov, S., D. Orozova, E. Sotirova, Generalized net model of the process of the prognosis with feedforward neural network, Proc. of the XVI-th International Symposium on Electrical Apparatus and Technologies, SIELA 2009, Vol.1, 272-278.&lt;br /&gt;
# Shannon, A., D. Dimitrakiev, E. Sotirova, M. Krawczak, T. Kim,  Towards a Model of the Digital University: Generalized Net Model of a Lecturer’s Evaluation with Intuitionistic Fuzzy Estimations, Cybernetics and Information, Vol.9, No 2, 2009, 69-78.&lt;br /&gt;
# Sotirov, S., D. Orozova, E. Sotirova, Neural network for defining intuitionistic fuzzy sets in e-learning, Тhirteen Int. Conf. on IFSs, Sofia, NIFS Vol. 15, 2009, 33-36.&lt;br /&gt;
# Орозова, Д.,  Е, Сотирова, Моделиране чрез обобщена мрежа на процеса откриване на знания в бази от данни, Използване на невронни мрежи и обобщени мрежи за обучение и провеждане на аналитични изследвания, 2009. (под печат)&lt;br /&gt;
# Е. Сотирова, Л. Димитрова, А. Чакърова, Г. Гордън, Г. Иновска, П. Илиева, Хр. Панайотов, Н. Неделчев, Е. Стоянов, Възможности за приложението на технологията Data Mining в електронен университет, Годишник на университет “Проф. д-р Асен Златаров” – Бургас, 2009, т. XXXVІII (1) (под печат)&lt;br /&gt;
# Sotirova, E., D. Orozova, Generalized net model of the phases of the data mining process, Developments in Fuzzy Sets, Intuitionistic Fuzzy Sets, Generalized Nets and Related Topics. Foundation and Applications, Warsaw, Poland, 2009. (on press)&lt;br /&gt;
# Vardeva, I., D. Valchev, Generalized net model of a standard ad hoc connection in wireless network, Developments in Fuzzy Sets, Intuitionistic Fuzzy Sets, Generalized Nets and Related Topics. Foundation and Applications, Warsaw, Poland, 2009. (on press)&lt;br /&gt;
# Sotirova, E., Kr. Dimitrova, R. Papancheva, A Generalized Net Model for Analysis of a Student’s evaluations by Data Mining Techniques in the e-learning university, Proc. of the Tenth International  Workshop on Generalized Nets, Sofia (on press)&lt;br /&gt;
# D. Orozova, D., E. Sotirova, Generalized net model of the applying data mining tools, Proc. of the Tenth International  Workshop on Generalized Nets, Sofia (on press)&lt;br /&gt;
# I. Vardeva, S. Sotirov, Intuitionistic fuzzy estimation of damaged packets with multilayer perceptron, Proc. of the Tenth International  Workshop on Generalized Nets, Sofia (on press)&lt;br /&gt;
# Shannon, A., D. Orozova, E. Sotirova, M. Hristova, K. Atanassov, M. Krawczak, P. Melo-Pinto, R. Nikolov, S. Sotirov, T. Kim, Towards a Model of the Digital University: A Generalized Net Model for Producing Course Timetables and Subjects’ Quality Estimation, Advanced Intelligent Systems / IS From Theory to Practice, Springer, 2010, 373-381.&lt;br /&gt;
# Sotirova, E., D. Orozova, Generalized net model of the phases of the data mining process, Developments in Fuzzy Sets, Intuitionistic Fuzzy Sets, Generalized Nets and Related Topics. Foundation and Applications, Warsaw, Poland, 2010, 247-260.&lt;br /&gt;
# Sotirov, S., E. Sotirova, M. Krawczak, Application of data mining in digital university: multilayer perceptron for lecturer’s evaluation with intuitionistic fuzzy estimations, , Issues in Intuitionistic Fuzzy Sets and Generalized Nets, Vol. 8, Warsaw, Poland, 2010, 102-107.&lt;br /&gt;
# Sotirova, E., T. Petkov, S. Surchev, M. Krawczak, Generalized net model of Clustering with Self Organizing Map, Developments in Fuzzy Sets, Intuitionistic Fuzzy Sets, Generalized Nets and Related Topics. Foundations and Applications Warsaw, Poland (in press).&lt;br /&gt;
# Shannon, A., E. Sotirova, D. Orozova, Generalized net model of Using data mining techniques for process of undergraduate matriculation in а digital university, Proc. of the Eleven International Workshop on Generalized Nets and Second Int. Workshop on GNs, IFSs, KE London, 2010, 1-6.&lt;br /&gt;
# Shannon, A., E. Sotirova, M. Hristova, T. Kim Generalized Net Model of a Student’s Course Evaluation with Intuitionistic Fuzzy Estimations in a Digital University, Jangjeon Mathematical Society, 13 (2010), No 1, 31-38.&lt;br /&gt;
# Орозова, Д.,  Е. Сотирова, Прилагане на data mining техники в електронното обучение, научна конференция с международно участие “Предизвикателства пред висшето образование и научните изследвания в условията на криза”, 25-26 юни 2010, Бургас (под печат)&lt;br /&gt;
# Tcheshmedjiev, P, Synchronizing parallel processes using generalized nets, Issues in Intuitionistic Fuzzy Sets and Generalized Nets, Vol. 8, Warsaw, Poland, 2010, 84-90.&lt;br /&gt;
# Atanassova, V. Design of training tests on generalized nets, Intelligent Systems (IS), 2010 5th IEEE International Conference, 7-9 July 2010,  327 – 330.&lt;br /&gt;
# Atanassov, Kr., E. Sotirova, D. Orozova, Generalized Net Model of an Intuitionistic Fuzzy Expert System with Frame-Type Data Bases and Different Forms of Hypotheses Estimations, Годишник на БСУ, Том XXI, 2010 (под печат)&lt;br /&gt;
# Атанасова, В. Уики технологии в помощ на науката. Примерът с Ifigenia.org, 8ма Национална младежка научно-практическа сесия на ФНТС, 10-11 май 2010&lt;br /&gt;
# Atanassova, V., Utilizing the Model Graphic Structures when Teaching Generalized Nets, Proc. of 9th IWIFSGN 2010, 8 October 2010, Warsaw, Poland (in press) &lt;br /&gt;
# Shannon, A., E Sotirova, E. Szmidt, T. Kim, Intuitionistic fuzzy estimations of students&#039; team forming, Issues in Intuitionistic Fuzzy Sets and Generalized Nets, Vol. 9 (2011), 77-83&lt;br /&gt;
&lt;br /&gt;
== Доклади на конференции ==&lt;br /&gt;
# Atanassova, V., Marinova, M., Designing a Lecture Course on Wikipedia and Wiki Technologies, Wikimania&#039;2011, Haifa, Israel, 4-7 August 2011.&lt;br /&gt;
# Atanassova, V., Marinova, M., Lessons Learned from the Lessons Taught, Wikimania&#039;2011, Haifa, Israel, 4-7 August 2011.&lt;/div&gt;</summary>
		<author><name>Evdokia Sotirova</name></author>
	</entry>
	<entry>
		<id>https://ifigenia.org/index.php?title=Project:DMEU/%D0%9D%D0%B0%D1%83%D1%87%D0%BD%D0%B8_%D1%80%D0%B5%D0%B7%D1%83%D0%BB%D1%82%D0%B0%D1%82%D0%B8&amp;diff=5531</id>
		<title>Project:DMEU/Научни резултати</title>
		<link rel="alternate" type="text/html" href="https://ifigenia.org/index.php?title=Project:DMEU/%D0%9D%D0%B0%D1%83%D1%87%D0%BD%D0%B8_%D1%80%D0%B5%D0%B7%D1%83%D0%BB%D1%82%D0%B0%D1%82%D0%B8&amp;diff=5531"/>
		<updated>2011-08-19T18:31:08Z</updated>

		<summary type="html">&lt;p&gt;Evdokia Sotirova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;{{Ifigenia:DMEU/menu}}&lt;br /&gt;
__NOTOC__&lt;br /&gt;
== Постижения по проекта ==&lt;br /&gt;
* Предложен  е метод за оценяване на преподавателите в електронен университет, базиран на три основни компонента: резултати от студентските изпити, оценка от анкети на студентите, научна работа на преподавателя [2]; &lt;br /&gt;
* Представени са програмни реализации за: &lt;br /&gt;
# прогнозиране на едномерни и многомерни масиви от данни, базирани на експериментални резултати чрез изкуствена невронна мрежа [1]; &lt;br /&gt;
# анализ на резултатите от проведени студентски изпити на базата интуиционистки размити оценки, които задават степен на усвоеност на учебния материал [3];&lt;br /&gt;
# Data Mining техника за диагностика при предаването на информационни пакети при Wi-Fi локална мрежа и интуиционистки размити оценки за степента на повреденост при обмяната на данни [10]. &lt;br /&gt;
# оценяване удовлетвореността на преподавателите чрез техниката “дърво на решението” [6].&lt;br /&gt;
* Предложен е метод оценяване на качеството на графика на учебните занятия  [1]; &lt;br /&gt;
* Предложен е метод за изчисляване на интуиционистки размити оценки на отговорите от анкетите на студентите за преподавателите [3] (Приложение 2) чрез многослоен перцептрон, които са част от общата оценка на преподавателя в електронен университет;&lt;br /&gt;
* Конструиран е модел за клъстеризация на многомерни данни чрез самоорганизираща се карта (Self-organizing map) [4];&lt;br /&gt;
* Конструиран е модел за прилагане на Data Mining техники при приемането на студенти в цифров университет с цел привличане, анализиране и удовлетворяване на изискванията на кандидат-студентите [5];&lt;br /&gt;
* Предложен е метод за прилагане на Data Mining техники в електронното обучение с цел предвиждане на студентската успеваемост по дадена дисциплина [6]; &lt;br /&gt;
* Предложен е метод за синхронизиране на паралелно протичащи софтуерни процеси [7]; &lt;br /&gt;
* Предложен е метод за проектиране на тестове [8]; &lt;br /&gt;
* Разработен е модел експертна система с база от данни от фрейми с размити оценки на фреймите и хипотезите [9];&lt;br /&gt;
* Програмно е реализиран многослоен перцептрон, даващ интуиционистки размити оценки на отговорите от анкетите на студентите за оценяване на преподавателите [3] в електронен университет;&lt;br /&gt;
* Програмно е реализирана клъстеризация на многомерни данни чрез самоорганизираща се карта (Self-organizing map) [4];&lt;br /&gt;
* Програмно е реализирано “дърво на решението” [2] за оценяване удовлетвореността на преподавателите.&lt;br /&gt;
&lt;br /&gt;
== Публикации ==&lt;br /&gt;
&lt;br /&gt;
# Sotirov, S., D. Orozova, E. Sotirova, Generalized net model of the process of the prognosis with feedforward neural network, Proc. of the XVI-th International Symposium on Electrical Apparatus and Technologies, SIELA 2009, Vol.1, 272-278.&lt;br /&gt;
# Shannon, A., D. Dimitrakiev, E. Sotirova, M. Krawczak, T. Kim,  Towards a Model of the Digital University: Generalized Net Model of a Lecturer’s Evaluation with Intuitionistic Fuzzy Estimations, Cybernetics and Information, Vol.9, No 2, 2009, 69-78.&lt;br /&gt;
# Sotirov, S., D. Orozova, E. Sotirova, Neural network for defining intuitionistic fuzzy sets in e-learning, Тhirteen Int. Conf. on IFSs, Sofia, NIFS Vol. 15, 2009, 33-36.&lt;br /&gt;
# Орозова, Д.,  Е, Сотирова, Моделиране чрез обобщена мрежа на процеса откриване на знания в бази от данни, Използване на невронни мрежи и обобщени мрежи за обучение и провеждане на аналитични изследвания, 2009. (под печат)&lt;br /&gt;
# Е. Сотирова, Л. Димитрова, А. Чакърова, Г. Гордън, Г. Иновска, П. Илиева, Хр. Панайотов, Н. Неделчев, Е. Стоянов, Възможности за приложението на технологията Data Mining в електронен университет, Годишник на университет “Проф. д-р Асен Златаров” – Бургас, 2009, т. XXXVІII (1) (под печат)&lt;br /&gt;
# Sotirova, E., D. Orozova, Generalized net model of the phases of the data mining process, Developments in Fuzzy Sets, Intuitionistic Fuzzy Sets, Generalized Nets and Related Topics. Foundation and Applications, Warsaw, Poland, 2009. (on press)&lt;br /&gt;
# Vardeva, I., D. Valchev, Generalized net model of a standard ad hoc connection in wireless network, Developments in Fuzzy Sets, Intuitionistic Fuzzy Sets, Generalized Nets and Related Topics. Foundation and Applications, Warsaw, Poland, 2009. (on press)&lt;br /&gt;
# Sotirova, E., Kr. Dimitrova, R. Papancheva, A Generalized Net Model for Analysis of a Student’s evaluations by Data Mining Techniques in the e-learning university, Proc. of the Tenth International  Workshop on Generalized Nets, Sofia (on press)&lt;br /&gt;
# D. Orozova, D., E. Sotirova, Generalized net model of the applying data mining tools, Proc. of the Tenth International  Workshop on Generalized Nets, Sofia (on press)&lt;br /&gt;
# I. Vardeva, S. Sotirov, Intuitionistic fuzzy estimation of damaged packets with multilayer perceptron, Proc. of the Tenth International  Workshop on Generalized Nets, Sofia (on press)&lt;br /&gt;
# Shannon, A., D. Orozova, E. Sotirova, M. Hristova, K. Atanassov, M. Krawczak, P. Melo-Pinto, R. Nikolov, S. Sotirov, T. Kim, Towards a Model of the Digital University: A Generalized Net Model for Producing Course Timetables and Subjects’ Quality Estimation, Advanced Intelligent Systems / IS From Theory to Practice, Springer, 2010, 373-381.&lt;br /&gt;
# Sotirova, E., D. Orozova, Generalized net model of the phases of the data mining process, Developments in Fuzzy Sets, Intuitionistic Fuzzy Sets, Generalized Nets and Related Topics. Foundation and Applications, Warsaw, Poland, 2010, 247-260.&lt;br /&gt;
# Sotirov, S., E. Sotirova, M. Krawczak, Application of data mining in digital university: multilayer perceptron for lecturer’s evaluation with intuitionistic fuzzy estimations, , Issues in Intuitionistic Fuzzy Sets and Generalized Nets, Vol. 8, Warsaw, Poland, 2010, 102-107.&lt;br /&gt;
# Sotirova, E., T. Petkov, S. Surchev, M. Krawczak, Generalized net model of Clustering with Self Organizing Map, Developments in Fuzzy Sets, Intuitionistic Fuzzy Sets, Generalized Nets and Related Topics. Foundations and Applications Warsaw, Poland (in press).&lt;br /&gt;
# Shannon, A., E. Sotirova, D. Orozova, Generalized net model of Using data mining techniques for process of undergraduate matriculation in а digital university, Proc. of the Eleven International Workshop on Generalized Nets and Second Int. Workshop on GNs, IFSs, KE London, 2010, 1-6.&lt;br /&gt;
# Shannon, A., E. Sotirova, M. Hristova, T. Kim Generalized Net Model of a Student’s Course Evaluation with Intuitionistic Fuzzy Estimations in a Digital University, Jangjeon Mathematical Society, 13 (2010), No 1, 31-38.&lt;br /&gt;
# Орозова, Д.,  Е. Сотирова, Прилагане на data mining техники в електронното обучение, научна конференция с международно участие “Предизвикателства пред висшето образование и научните изследвания в условията на криза”, 25-26 юни 2010, Бургас (под печат)&lt;br /&gt;
# Tcheshmedjiev, P, Synchronizing parallel processes using generalized nets, Issues in Intuitionistic Fuzzy Sets and Generalized Nets, Vol. 8, Warsaw, Poland, 2010, 84-90.&lt;br /&gt;
# Atanassova, V. Design of training tests on generalized nets, Intelligent Systems (IS), 2010 5th IEEE International Conference, 7-9 July 2010,  327 – 330.&lt;br /&gt;
# Atanassov, Kr., E. Sotirova, D. Orozova, Generalized Net Model of an Intuitionistic Fuzzy Expert System with Frame-Type Data Bases and Different Forms of Hypotheses Estimations, Годишник на БСУ, Том XXI, 2010 (под печат)&lt;br /&gt;
# Атанасова, В. Уики технологии в помощ на науката. Примерът с Ifigenia.org, 8ма Национална младежка научно-практическа сесия на ФНТС, 10-11 май 2010&lt;br /&gt;
# Atanassova, V., Utilizing the Model Graphic Structures when Teaching Generalized Nets, Proc. of 9th IWIFSGN 2010, 8 October 2010, Warsaw, Poland (in press) &lt;br /&gt;
# Shannon, A., E Sotirova, E. Szmidt, T. Kim, Intuitionistic fuzzy estimations of students&#039; team forming, Issues in Intuitionistic Fuzzy Sets and Generalized Nets, Vol. 9 (2011), 77-83&lt;br /&gt;
&lt;br /&gt;
== Доклади на конференции ==&lt;br /&gt;
# Atanassova, V., Marinova, M., Designing a Lecture Course on Wikipedia and Wiki Technologies, Wikimania&#039;2011, Haifa, Israel, 4-7 August 2011.&lt;br /&gt;
# Atanassova, V., Marinova, M., Lessons Learned from the Lessons Taught, Wikimania&#039;2011, Haifa, Israel, 4-7 August 2011.&lt;/div&gt;</summary>
		<author><name>Evdokia Sotirova</name></author>
	</entry>
</feed>