Kursainis darbas apie seimos , kaip artimiausios socialines aplinkos itaka moksleiviu fiziniam aktyvumui

Socialinis darbas  Kursiniai darbai   (25 psl., 81,98 kB)

Siekdama produktyvumo, organizacija turi sukurti ir išlaikyti griežtą vidinę dermę ir sanderme su aplinka. Tai gali būti pasiekiama veiksmingu strateginiu planavimu, pagrįstu aplinkos veiksnių kitimo krypties ir laiko bei pačios organizacijos elgesio aiškiu supratimu. Verslo organizacija, siekdama sėkmės, turi sugebėti nuolat atsižvelgti į besikeičiančią aplinką. Ji privalo numatyti išorinių veiksnių poveikį ir užimti tokią pozicija, kad palankių galimybių dėka įgautų pranašumą ir išvengtų grėsmių, susijusių su aplinkos permainomis.

Administravimas  Kursiniai darbai   (34 psl., 57,33 kB)

Terminas "kriminalistika" greičiausiai kilęs iš lotynų kalbos "criminalis" - nusikalstamas, susijęs su nusikaltimu arba “crimen” – nusikaltimas. Kriminalistika atsirado ir vystėsi kaip mokslas, kriminalistika padeda paieškos, tardymo organams, ekspertizės įstaigoms ir teismui atskleisti nusikaltimus, surasti ir išaiškinti nusikaltėlius, nustatyti tiesą baudžiamosiose bylose. Kriminalistika atsirado 19 am. pabaigoje. Pradininkas H.Grosas "Teismo tardytojo vadovas". 1893 m. pirmasis moksliškai išanalizavo ir apibendrino anksčiau naudotus nusikaltimų išaiškinimo būdus, sujungė į vieną, darnią sistemą ir pavadino Kriminalistika. Dėl kriminalistikos dalyko, jo apibrėžimo, pačios kriminalistikos sąvokos teisinėje literatūroje - ginčai. Vienodos nuomonės nėra ir dabar. Teisingas kriminalistikos dalyko nustatymas, tikslus jo apibrėžimas turi ne tik teorinę, bet ir praktinę reikšmę. Dauguma užsienio kriminalistų šio mokslo dalyką labai susiaurino ir jam priskiria tik policijos technikos priemones ir jų panaudojimo būdų tyrinėjimą, o Kriminalistikos nelaiko teisės mokslu.

Teisė  Konspektai   (23 psl., 127,25 kB)

PERSONALO VALDYMO SISTEMA. Personalo valdymą galima suprasti kaip sistemą, kurios pagrindinis tikslas -užtikrinti efektyvų vadovų ir pavaldinių bendradarbiavimą, siekiant organizacijos tikslų. Tinkamas vadovavimas (tikslas – sukurti efektyvios vadovų įtakos pavaldiniams sąlygas). vadovo autoriteto formavimas. vadovo elgesio ir asmeninio stiliaus formavimas. vadovo darbo organizavimas. Bendradarbių pažinimas (tikslas – sukurti efektyvią darbuotojų pažinimo ir motyvavimo sistemą). darbuotojų poreikių pažinimas. pasipriešinimo pažinimas ir šalinimas. motyvavimas. informavimas. įtraukimas į sprendimų priėmimą.

Administravimas  Konspektai   (19 psl., 69,2 kB)

Temos aktualumas. Tapimas savarankišku ir suaugusiu – individualus, objektyvių ir subjektyvių prielaidų sąlygotas procesas, kuris vieniems paaugliams gali būti lengvas ir greitas, o kitiems- sunkus, ilgas ir ypatingai daug pastangų reikalaujantis vyksmas. Našlaičiams ir tėvų globos netekusiems vaikams, kurie augantiems vaikų globos namuose, tapimas savarankišku ir suaugusiu yra dar sudėtingesnis procesas. Gyvenant globos namuose, paauglystės laikotarpiui būdingos fiziologinio, psichologinio, pedagoginio, socialinio pobūdžio problemos, ypač jos išryškėja, kai sukakus pilnametystei paaugliams reikia juos palikti (Samašonok, Gudonis, (2006, 2007), Samašonok, Žukauskienė, (2004), B.Kairienė (2002), A.Juodaitytės (2002); V.Vaitekonienės (2001), R.Žukauskienė, O.Leiputė ir O.Malinauskienė (2001)).

Socialinis darbas  Diplominiai darbai   (72 psl., 129,78 kB)

Ekonominiai pastarųjų metų pokyčiai skatina naujų komercinės veiklos sričių iškilimą ir plėtrą. Viena tokių sričių - draudimas. Buvęs valstybės monopoliu, dabar jis vis labiau tampa privačių bendrovių, dirbančių draudimo rinkoje, sėkmingos veiklos sritimi (Girdzijauskas S. 2002, p. 5). Dar ne taip seniai, vos prieš 16 metų, draudimo verslas Lietuvoje žengė pirmuosius žingsnius. Šiandien galima teigti, kad Lietuvoje yra moderniais principais veikianti, sparčiai besivystanti draudimo rinka bei pažangius tarptautinius standartus atitinkanti draudimo priežiūros sistema (Draudimas Lietuvoje 2006, p. 5).

Finansai  Diplominiai darbai   (33 psl., 188,08 kB)

Darbo tema - “Ką studentai žino apie soliariumų daromą žalą ”. Šiuo metu, ši tema Lietuvoje ir visame pasaulyje yra labai populiari. Daugėjant žmonių, kurie mėgaujasi dirbtinės saulės voniomis, kartu daugėja ir tyrimų, kurie nustato ne tik apie tai, kad soliariumai naudingi, kaip sakoma apsilankius bet kuriame soliariume, tačiau tiriama žala organizmui, ypač jaunam. Tyrimo tikslas -įvertinti studentų žinias apie soliariumų daromą žalą. Tyrimo objektas – atsitiktinai parinkti studentai. Darbo uždaviniai - išanalizuoti studentų žinias apie soliariumų keliamą žalą.

Medicina  Referatai   (16 psl., 65,97 kB)

Šie metodai turi labai lėtą konvergavimą, bet teoriškai jie gali įveikti vietinį minimumą (local minima.) Kitas trūkumas yra tas, kad vienas turi valdyti daugybę vidinių kintamųjų (kiekvienam svoriui nustatyti triukšmo periodus), kas nėra labai efektyvu. Arba apibrėžti tik išorinius kintamuosius - tokius kaip įėjimo signalas (input), norimas signalas ir žingsnio dydis. Iš pragmatiškos požiūrio pusės labai pageidaujami būtų taip vadinami on-line (tiesioginiai) algoritmai, t.y. algoritmai, kur atskiram pavyzdžiui svoriai kaskart būtų atnaujinami. Bet žvelgiant iš (annealing) modeliavimo pusės į stochastinę on-line atnaujinimo metodų prigimtį , jų realizavimas nebūtų efektyvus. Dėl šių priežasčių bus bandoma atlikti tokį eksperimentą: pridėti triukšmus prie norimo signalo ir eksperimentiškai ištirti tokios procedūros privalumus. Triukšmas taip pat buvo naudojamas gradiento perdavimo (descent) procedūrose. Holmstrom išanalizavo statinio BP algoritmo [Holmstrom and Koistinen, 1992] apibendrinimo galimybę, kuomet atsitiktinis triukšmas įvedamas į išorinius signalus. Šie bandymai parodė, kad apibendrinimas gali būti pagerintas naudojant bandomuosiusose (training) duomenyse papildomus triukšmus. Matsuoka pademonstravo, kad ir triukšmo įvedimas į vieną įėjimo signalą gali pagerinti apibendrinimą (generalization) [Matsuoka, 1992]. Abu autoriai susikoncentravo tik ties tinklo apibendrinimo galimybe, tačiau jie nenagrinėjo triukšmų poveikio mokymosi greičiui ir išėjimo iš local minima galimybės. II Mokymosi su papildomais triukšmais atitinkamame signale analizė II.1 Klasikinis stebimas mokymasis Šioje dalyje kaip mokymosi sistemos prototipas yra naudojamas daugiasluoksnis perceptronas (perceptron) (MLP) su dviem lygiais. Tačiau išvados gali būti atvaizduojamos atsikartojančiose topologijose. Šiame tinkle, xk aprašo iėjimo vektoriaus vieną elementą; yi yra išėjimo lygio i-tasis išėjimas; Wij nusako svorius tarp paslėpto ir išėjimo sluoksnių; Vjk yra svoris tarp įėjimo ir paslėpto sluoksnio; ir Pj nusako paslėpto sluoksnio aktyvavimą. Pateiktas čia apmokymo algoritmas - tai atgalinio mokymo (backpropagation) (BP) algoritmas [Rumelhart et al, 1986]. Tegul di(t) žymi kelis norimus išėjimo neurono i laiko momentu t atsakymus, kur t yra diskretaus laiko indeksas. Galima apibrėžti klaidos signalą, kaip skirtumą tarp norimo atsakymo di(t) ir turimo atsakymo yi(t). Tai nusakomo (1) formulė: Pagrindinis mokymosi tikslas yra minimizuoti kainos funkciją, kurią nusako klaidos signalas ei(t), taip, kad turimas kiekvieno išėjimo neurono atsakymas tinkle statistikine prasme artėtų prie norimo atsakymo. Kriterijus naudojamas kainos funkcijai yra Vidurkio-Kvadrato-Klaidos (Mean-Square-Error) (MSE) kriterijus, apibrėžiamas kaip klaidos kvadrato sumos vidurkio-kvadrato reikšmė [Haykin, 1994]: Kur E yra statistikinis tikimybės operatorius ir sumuojami visi išėjimo sluoksnio neuronai (i=1,…,M). Kainos funkcijos J minimizavimas atsižvelgiant į tinklo parametrus lengvai g.b. formuluojamas gradiento mažinimo (gradient descent) metodu. Šios optimizavimo procedūros problema yra ta, kad jai reikia žinių apie neapibrėžtų procesų, generuojančių pavyzdžius, statistikines charakteristikas. Praktiškai tai gali būti apeita, optimizavimo problemai surandant artimą sprendinį. Klaidos kvadratų sumos momentinė reikšmė (Instantaneous value of the sum of Squared Errors) (ISE) yra pasirinkimo kriterijus [Haykin, 1994]: Po to tinklo parametrai (svoriai) yra pritaikomi ε(t). Faktiškai ši procedūra vadovaujasi taip vadinamu LMS algoritmu, kuomet svoriai yra atnaujinami kartu su kiekvienu pavyzdžiu [Widrow and Hoff, 1960]. II.1 Mokymasis su norimu triukšmingu signalu Vietoj to, kad svorių pritaikymui naudoti norimą signalą di(t), kaip norimas signalas išėjimo neuronui i imamas naujas signalas di(t)+ ni(t), kur ni(t) yra triukšmo periodas. Šiam triukšmo periodui priskiriamas nulinės reišmės baltas triukšmas su σ2 pokyčiu (variance) , nepriklausančiu nei nuo įėjimo signalo xk(t) nei nuo norimų signalų di(t). Neapibrėžtas triukšmo perdavimas yra priskiriamas Gauso ar vienarūšiam perdavimui. Čia norima įrodyti, kad šis naujas norimas signalas neįtakoja galutinės svorių reikšmės statistikine prasme. Tai užtikrina, kad nauja savybė sprendžia originalią optimizavimo problemą. Turint naujus norimus signalus, MSE (4) lygties gali būti perrašyta taip: Nėra sunku įrodyti [Richard and Lippmann 1991; White, 1989; Haykin, 1994], kad (4) lygtis yra lygi Kur ‘|’ simbolis žymi sąlygines galimybes (probabilities), ir 'var' yra kitimų (variance) sutrumpinimas. Pastebėkite, kad antras periodas dešinėje (5) lygties pusėje prisidės prie bendros klaidos J ir koks ir bebūtų mokymosi progresas, jis neįtakos galutinės svorių reikšmės, kadangi jis nėra tinklo svorių funkcija. Optimali svorių reikšmė yra apsprendžiama tiktai pirmo (5) lygties periodo. Kuomet triukšmas yra nulinės reikšmės baltas triukšmas ir jis nepriklauso nei nuo norimo, nei nuo įėjimo signalų, mes turime (6) lygtis rodo, kad triukšmas iš lygties, kuri apibrėš galutines svorių reikšmes, dingsta, taigi mokymassi su norimo triukšmo signalu duos rezultatų, originalios optimizavimo problemos sprendimo prasme, t.y. be triukšmo pridėjimo prie norimo signalo. (learning with the noisy desired signal will yield in the mean the solution for the originaloptimization problem, i.e., without the noise added to the desired signal.) Reiktų konstatuoti, kad ši išvada galioja visoms architektūrų rūšims.Atlikimo funkcijai apibrėžti reikalingi tik išoriniai matavimai (MSE), ir tai nėra susiję nei su topologija nei su kainos funkcijos apibrėžimo būdu (statiniu ar kintamu). Nors šis sprendimas yra patenkinamas, reikia prisiminti, kad mus domina on-line algoritmas, kur yra mokymosi dinamika, t.y. kaip mokymosi progresas yra veikiamas triukšmų. II.3 On-line algoritmas mokymuisi veikiant norimam triukšmingam signalui Reiktų pažymėti, kad atliekamos, modifikacijos, jokiais būdais neveikia atgalinio mokymosi algoritmo realizacijos, kadangi yra modifikuojamas tik signalas, kuris yra įvedamas kaip norimas rezultatas. Taigi, siūlomos modifikacijos gali būti taikomos dar neegzistuojančioms modeliavimo sistemoms. Svarbi problema, kaip modeliavimo metu valdyti triukšmų kaitą (variance). Dėl to tolimesniame skyriuje bus apžvelgiama tiukšmų įtaka momentiniam gradientui. II.4 Norimo triukšmingo signalo gradiente analizė. Svorinio vektoriuas pritaikymo statiniame BP algoritme formulė, tiklui atvaizduotame 1 pav. norimame signale be triukšmų yra [Hertz et al.,1991] Svoriams tarp paslėpto sluoksnio ir išorinio sluoksnio, ir Svoriams tarp iėjimo sluoksnio ir paslėpto sluoksnio, kur ŋ yra žingsnio dydis. Su triukšmingu norimu signalu, ISE (3) lygties tampa: Lygtyse (7) ir (8) įrašant naują reikšmę εnoisy(t), gausime lygtis Palyginus lygtis (7) su (10) ir (8) su (11) daroma išvada, kad triukšmo pridėjimo prie norimo signalo poveikis, tai extra stochastinio periodo svoriniame vektorių taikyme įtraukimas, kas gali būti modeliuojama kaip pridėtinis momentinio gradiento triukšmas (pertirbation) betriukšminiam atvejui. Stochastinio periodo bendra forma Kur N(t) yra veiksmo funkcija gauta pakeitus originalią klaidą d(t)-y(t) įvestu triukšmu n(t). Panagrinėkime papildomų periodų (extra terms) statistines savybes (10) ir (11) lygtyse ir pastebėkime kaip jos veikia svorinių vektorių statistiką. Bet pirmiausia, apibrėžkime atsitiktinius kintamuosius: Jeigu atsitiktiniai kintamieji ir nepriklauso vienas nuo kito, ir g ir f funkcijos yra Borelo funkcijos, tuomet f ir gtaip pat yra nepriklausomos [Feller, 1966]. Realiausios funkcijos f(x) įskaitant sigmoido funkciją, plačiai naudojamą neuroniniuose tinkluose yra Borelio funkcijos. Taigi, galima daryti išvadą, kad (10) ir (11) lygtyse triukšmas n(t) nepriklauso nuo O taip pat ir nuo Todėl gali būti užrašytos papildomų periodų (extra terms) tikimybės ir Jų kitimas (variance) ir Iš (14) ir (15) lygties galima daryti išvadą, kad nulinės reikšmės atsitiktinis triukšmas norimame signale nedaro įtakos svoriniams vektoriams, taigi pagrindinė papildomo stochastinio periodo (extra stochastic term) svorio atnaujinimo reikšmė yra nulis. Iš (16) ir (17) lygties daromos dvi svarbios išvados: triukšmas pridėtas prie norimo signalo veikia svorio atnaujinimo kitimą proporciškai kiekvieno svorio jautrumui. Tai reiškia, kad atskiro triukšmo šaltinis išėjime yra išverčiamas į skirtingus triukšmų stiprumus kiekvienam svoriui. Antra, žingsnio dydis arba išorinio triukšmo šaltinio kitimas valdys papildomų periodų (variance of the extra terms) svoriniuose vektorių prisitaikymo formulėse kitimą, gaunamą pridedant triukšmą prie norimo signalo. Pastebima, kad, kai = 0 arba triukšmo kitimas yra nulis, tuomet stochastinis periodas (stochastic terms) išnyksta - lieka tik originalus svorio atnaujinimas (t.y. sprendžiama originali optimizacijos problema). Šie aspektai ir idėjos gautos iš globalios optimizacijos pateikia empirines taisykles išorinių triukšmų šaltinių valdymui, gaunat reikšmingus rezultatus. Modeliavimo pradžioje norėtųsi svoriams uždėti atsitiktinius trikdžius (perturbation), tam, kad būtų leista algoritmui pabėgti iš vietinio minimumo (local minima.). Tačiau artėjant prie adaptacijos pabaigos trikdžių (perturbation) kitimas turi būti sumažintas iki nulio taip, kad svoriai galėtų pasiekti reikšmes duotas originalios optimizacijos problemos. Toliau bus naudojamas (annealing) tvarkaraštis, pasiūlytas Moody [Darken, Chang, and Moody, 1992] Kur o yra inicijuojamo žingsnio dydis, c yra paieškos laiko konstanta, ir NI - iteracijos numeris. Šių konstantų reikšmės turės būti apibrėžtos eksperimentiškai, kadangi jos priklauso nuo problemų. III Modeliavimo rezultatai Patvirtinant anksčiau atliktą analizę, modeliavimo rezultatai bus pateikiami dviem pavyzdžiais. Vienas jų naudoja dviejų-lygių MLP, taip vadinamos lygiškumo problemos (parity problem), kuri buvo pademonstruota vietinio minimumo (local minima) atveju, pažinimui [Rumelhart et al, 1986]. Iš modeliavimo rezultatų bus matyti, kad mokymasis labiausiai gali būti pagerintas naudojant numatytą metodą (proposed approach) ir globalų minimumą, pasiektą statistikine prasme. Kitas pavyzdys naudoja dinaminį neuroninį tinklą TDNN [Waibel et al., 1989] laiko signalų modeliavimui. Antro modeliavimo rezultatai taip pat patvirtina ankstesnę analizę. III.I Eksperimentai su MLP Spresime 3 bitų lygiškumo problemą. Tinklo dydis 3-3-1, t.y. 3 įėjimo neuronai, 3 paslėpti neuronai, ir 1 išėjimo neuronas. Netiesiškumas (nonlinearity) yra logistinė funkcija. Tiesioginis atgalinis mokymas (backpropagation) yra naudojamas abiem atvejais. Buvo pridėtas Gauso (Gaussian) triukšmas su  =0.001 prie norimo signalo ir parinkti atitinkami parametrai 18 Lygtyje: c= 500 ir o= 0.3. Rezultatai parodyti 2 paveikslėlyje. Stora linija vaizduoja mokymasi su triukšmingu norimu signalu, o punktyrinė linija - su originaliu norimu signalu. Šis pavyzdys rodo, kad mokymasis artėja prie lokalaus minimumo, (local minimum) kuomet naudojamas originalus norimas signalas, bet naudojant triukšmingą norimą signalą mokymasis pasiekia globalų minimumą (global minimum) . Svarbu pabrėžti, kad mokymasis su originaliu signalu, naudoja pastovų žingsnio dydį, kai tuo tarpu signalo su triukšmais žingsnis yra gaunamas iš (18) lygties. Naudojant skirtingus žingsnio dydžius ir skirtingus pradinius (initial) svorius, buvo pasiekti panašūs rezultatai. Tam, kad patvirtinti šio algoritmo konvergavimo galimybę, buvo remiamasi Monte Carlo modeliavimai su 100 bandymu. Rezultatai pavaizduoti 3 Paveiksle, kur punktyrinė linija yra 100 veiksmų rezulatai originaliam signalui, o stora linija - 100 veiksmų rezulatatai triukšmingam signalui. Šiame eksperimente, svoriai yra parenkami atsistiktinai, o žingsnio dydis o atsitiktinai parenkamas iš intervalo [0,1, 0,7]. Kuomet globalus minimumas (global minimum) yra 0, tuomet yra lengva paskaičiuoti reikšmę ir pokytį (mean and variance) 100 galutinių klaidų, kurios pateiktos 1 Lentelėje. Dar daugiau, mokymasisi su triukšmingu signalu laike 99% priartėjo prie globalaus minimumo, o su originaliu signalu tik 26%. Iš 1 Lentelės, galima daryti išvadą, kad su triukšmingu signalu, mokymasis konverguoja į globalų minimumą; bet su originaliu signalu, mokymasis statistikine prasme nekonverguoja. Taigi, iš šių modeliavimo rezultatų galima daryti išvadą, kad triukšmingas signalas leidžia mokymosi algoritmui išeiti iš lokalaus minimumo (local minima). III. II Eksperimentai su dinaminiu neuroniniu tinklu III.I dalyje buvo pademonstruoti statinio neuroninio tinklo modeliavimo rezultatai. Tam, kad patvirtinti, jog aprašytas metodas taip pat veikia ir dinaminiuose neuroniniuose tinkluose. Dinaminės sistemos modeliavimui bus naudojamas TDNN [Waibel et al.,1989]. Bus nagrinėjama tokia sistema, Kur ',' žymi diferencijavimo operatorių. Sistemos įėjimai yra sinusoidžių aibė, Su atsitiktine faze l.. 4 ir 5 Paveikslėliuose vaizduojami sistemos įėjimo ir atitinkamai normalizuoti išėjimo signalai. TDNN tinklo struktūra demonstruojama 6 Paveikslėlyje, kur naudojamas keturių lygių vėlinimas. Šiame tinkle, kaip įėjimai į paslėptą lygį naudojami tik du įėjimo signalai x(t) ir x(t-4). Netiesiškumas (nonlinearity) paslėptuose neuronuose - tai logistinė funkciją. Išėjimas turi vieną tiesinį neuroną. Mokymosi algoritmas - tai BP, kur pavyzdžių klaidos surandamos atimant tinklo išėjimą y(t) iš sistemos d(t) išėjimo. Mokymosi kreivės pavaizduotos 7 Paveikslėlyje, kur triukšmo signalo žingsnio dydis surandamas naudojant (18) Lygtį, kur c=10, 0.01, ir triukšmo kitimas 2 =0.001 . Aiškiai matyti, kad su triukšmingu signalu konvergavimas yra greitesnis ir pasiekiamas žemesnis MSE. Naudojant skirtingus žingsnio dydžius ir svorius, pasiekiami panašūs rezultatai su MSE minimumu lygiu 0,0091. Paveikslėlyje 8 pavaizduotos mokymosi kreivės 100 mokymosi veiksmų, kur žingsnio dydis atsitiktinai parenkamas iš intervalo [0,1, 0,01], o svoriai taip pat yra atsitiktiniai skaičiai. Kadangi nėra žinomas šios problemos globalus minimumas, todėl naudojamas MSE minimali reikšmė 0,0091 kaip globalaus minimumo įvertis. 2 Lentelė atspindi statistikinius rezultatus 100 eksperimentų. 72% (trails) su triukšmingu signalu pasiekė globalų minimumą, ir tik 8% (trails) pasiekė globalų rezultatą su originaliu signalu. Daroma išvada, kad mokymasisi su triukšmingais signalais yra mažiau nepastovus ir mokymosi kreivės taip pat yra daug lygesnės. (smoother) IV.Discussion Eksperimentiškai buvo pademonstruota, kad mokymasis su triukšmingais signalais padidina pastovaus žingsnio dydžio BP algoritmo paieškos galimybes. Tai yra pasiekiama be papildomos kainos algoritmų realizavimo perioduose (This is accomplished at no extra cost in terms of algorithm implementation,), kadangi naudojamas tiesioginis atgalinis mokymas (straight backpropagation.) Papildomos savybės yra gaunamos įvedant nulinės reikšmės valdomo kitimo Gauso triukšmą ir žingsnio dydžio nustatymui pasinaudojant (18) Lygtimi. Buvo pademonstruota, kad triukšmo pridėjimas prie norimo signalo svorių atnaujinimo formulėse prideda nulinės reikšmės stochastinį periodą (that adding noise to the desired signal adds a zero mean stochastic term in the weightupdate formulas.). Nors atskiras triukšmo signalas ir yra įvedamas į norimą signalą, tačiau stochastinio periodo kitimas kiekvienam tinklo svoriui skiriasi (proporcingai kiekvieno svorio jautrumui). Dar daugiau, šio periodo kitimas tiesiogiai valdomas žingsnio dydžio arba išorinio triukšmo šaltinio kitimo. Tai reiškia, kad triukšmo pridėjimas prie norimo signalo yra labai paprasta ir efektyvi procedūra mokymosi proceso ištraukimo iš lokalaus minimumo. Kitimas arba žingsnio dydis turi būti parinktas (anealing) pritaikymo metu. Parinkimo (anealing) realizavimui buvo panaudota Moodžio paieška ir konvergavimo procedūra, tačiau kiekvienai problemai spręsti parametrai turi būti surandami eksperimentiškai. Žingsnio dydžio planavimas, toks, kad būtų įveiktas lokalus minimumas, išlieka atviras klausimas ne tik šiame metode, bet taip pat ir kituose stochastiniuose algoritmuose tokiuose kaip sumodeliuotas parinkimas (simulated annealing) [Kirkpatrick et al., 1983]. Mokymosi algoritmų lankstumo padidinimui yra siūlomi du skirtingi žingsnių dydžiai, vienas gradientui ir kitas - triukšmui. Ši procedūra turi neišvengiamą jungtį su globaliu optimizavimo metodu, vadinamu stochastiniu funkciniu nesklandumų šalinimu (stochastic functional smoothing) [Rubinstein, 1981 and 1986]. Priede aiškinama, kad tiesioginė stochastinio funkcinio nesklandumų šalinimo versija sutrikdo gradientą kartu su triukšmo periodu proporcingai Hesano paviršiui. ( an on-line ver-sion of stochastic functional smoothing perturbs the true gradient with a noise term proportional to the Hessian of the performance surface.) Kuomet signalas pridedamas prie norimo signalo, tikrinis (true) gradientas taip pat yra paveikiamas triukšmų periodo. Šiuo atveju poveikis yra proporcingas naujos veikimo funkcijos gradientui, kuris gaunamas iš originalaus skirtumo tarp d(t) ir y(t), kartu su įvestu triukšmu. Šis paviršius yra susijęs su originaliu, bet gali ir žymiai skirtis. Taigi, kuomet triukšmų šaltinis paprastai yra nustatomas į nulinę Gauso reikšmę, galima tikėtis mažiau optimalių rezultatų, lyginant su stochastinės funkcijos lyginimu (stochastic functional smoothing.). Tačiau algoritmo paprastumas ir geras veikimas gautas eksperimentuose skatina toliau dirbti prie šio metodo. Priedas Šio priedo tikslas yra susieti triukšmo pridėjimą prie norimo signalo naudojant stochastinį funkcinį lyginimo metodą, kuris yra globali optimizacijos procedūra. A.I Stochastinio funkcinio lyginimo optimizacijos apžvalga Stochastiniame funkciniame lyginime, originali neišgaubta funkcija yra perkeliama pagalbinės lyginimo funkcijos, kuri turi kai kurias optimizavimo savybes (t.y. atskiras minimumas). Dirbant su lyginimo funkcija, gali būti atsrastas optimalios problemos globalus minimumas . Lyginimo kainos funkcijos klasė parametrizuota ß yra apibrėžiama kaip [Rubinstein, 1981 and 1986] Kur ß yra valdymo parametras, o y yra atsitiktinis dydis. Dėl J ˆ (wtam, kad būti naudingam originaliai optimizacijai, h ˆ (v impulso atsakymas turi tenkinti keleta sąlygų [žr. Rubinstein, 1981 ir 1986 detaliau], taip, kad parametras apsprendžia lyginimo taikomo J(w) laipsnį. Dideliam lyginimo poveikis yra didelis ir atvirkščiai. Kuomet  0 J ˆ () = J , tuomet nėra lyginimo. Intuityviai aišku, kad norint išvengti lokalaus minimumo, optimizacijos pradžioje  turi būti pakankamai didelis. Tačiau siekiant optimumo lyginimo efektyvumas turi būti mažinamas leidžiant ß artėti prie nulio. Taigi minimumo taške w* laukiamas sutapimas tarp J(w) ir J ˆ ( Atitinkamai, konstruojant iteratyvią w* paieškos procedūrą, yra reikalinga lyginimo funkcijų aibė J ˆ(ß s=1,2,...... Jei signalo atsakymo dalis yra išrenkama kaip daugianormalinė funkcija su dydžiu n ir kitimu ß, tai Lyginimo kainos funkcijos gradientas gali būti įvertintas taip [Styblinski and Tang, 1990] Kur N yra pavyzdžių su daugybe kintamųjų iš (23) Lygties skaičius. Taigi, lyginimo kainos funkcijos gradientas gali būti randamas iš originalios kainos funkcijos. A.II Tiesioginė stochastinės lyginimo funkcijos Optimizavimo realizacija Susiejami triukšmo norimame signale poveikis ((10) ir (11) lygtys) su tiesiogine lyginimo funkcinių gradientų realizacija ((24) Lygtis)). Bus taikoma stochastinės aproksimacijos savybė [Robbins and Monro, 1951]. Kuomet ISE aproksimuoja (stochastine prasme) į MSE ir gradiento operatorius yra tiesinis operatorius, lyginimo kainos funkcijos gradientas εˆ gali būti įvertintas pagal analogiją su Lygtimi (25), taip Dėl supaprastinimo, čia yra ignoruojamas diskretinio laiko indeksas t. Reiktų pabrėžti, kad iš L.(24), kuri atspindi originalios stochastinės lyginimo funkcijos optimizacijos artėjimą prie L.(26), kuri yra tiesioginis L.(24) įvertis, tik vienintelė stochastinės aproksimacijos savybė buvo taikoma taip, kad būtų garantuotas tiesioginio įvertinimo stabilumas [Robbins and Monro, 1951; Kusher and Calrk, 1978; Wang and Principe, 1995]. Tiesioginis vienpusisi įvertis naudojamas L.(26) yra pagrindas gradiento įverčio naudojamo LMS ir BP algoritmuose. L.(26) išreiškia įvertinimą ε(w) gradiento, kuomet w yra paveikiamas atsitiktinio kintamojo βv j . Šis metodas praktiniam realizavimui yra per brangus, kadangi svoriai turi būti veikiami (gradiento skaičiavimui pageidaujamas antras tinklas). Taigi, šis metodas tiesiogiai nėra įgyvendinamas. Realizacijos supaprastinimui siūloma atlikti Teiloro seriją ekspansijų apie w, ir antrame etape jį suskaidyti. Literatūra 1. Darken, C., Chang, J., and Moody, J., “Learning Rate Schedules for Faster Stochastic Gradient Search,” IEEE Neural Networks for Signal Processing, 1992. 2. Fahlman, S., “Fast-Learning Variations on Back-Propagation: An Empirical Study,” In Proc. Of 1988 Conn. Model Summer School. 3. Feller, W, An Introduction to Probability Theory and Its Applications, Vol. 1, 2rd ed. Wiley, NewYork, 1966. 4. Haykin, S, Neural Networks---A Comprehensive Foundation, Macmillan College Publishing Company, New York, 1994. 5. Hertz J., Krogh A., Palmer R. G., “Introduction to the theory of neural computation,” Addison-Wesley,1991. 6. Hinton G. E., “Connectionist learning procedure,” In machine learning: Paradigms and methods, J. G. Carbonell, ed., pp. 185-234. MIT Press, Cambridge, MA, 1989. 7. Holmstrom L., and Koistinen, P., “Using Additive Noise in Back-Propagation Training,” IEEE Trans. on Neural Networks, Vol. 3, No.1, 1992. 8. Kirkpatrick, S., et. al., “Optimization by simulated annealing,” Science 220, 671-680. 9. Krogh, A. and Hertz, J., “Generalization in a Linear Perceptron in the Present of Noise,” J. Phys. A: Math. Gen. 25(1992) 1135-1147. 10. Kushner, H., “Asymptotic Global Behavior for Stochastic Approximation and Diffusions with Slowly Decreasing Noise Effects: Global Minimization via Monte Carlo,” SIAM J. APPL.MATH. Vol. 47, No. 1 Feb., 1987. 11. Kushner, H, and Clark, D. S., Stochastic Approximation Methods for Constrained and Uncon-strained Systems, Springer-Verlag, New York, 1978. 12. Matsuoka, K., “Noise Injection into Inputs in Back-Propagation Learning,” IEEE Trans. Systems, Man, and Cybernetics, Vol. 22, No. 3, 1992. 13. Richard M., Lippmann R. P., “Neural network classifiers estimate Bayesian a posteriori probabil-ity,” Neural Computation, 3, 461-483, 1991. 14. Robbins, H., and S. Monroe, “A stochastic approximation method,” Annals of Mathematical Sta-tistics 22, 1951. 15. Rognvaldsson, T., “On Langevin Updating in Multilayer Perceptrons,” Neural Computation, 6.916-926, 1994. 16. Rubinstein, R., Simulation and the Monte Carlo Method, Wiley,1981. 17. Rubinstein, R., Monte Carlo Optimization, Simulation and Sensitivity of the Queueing Networks,Wiley, 1986. 18. Rumelhart et al, Parallel Distributed Processing, Vol.1, MIT Press, 1986. 19. Styblinski, M.A., and Tang, T.-S, “Experiments in Nonconvex Optimization: Stochastic Approxi-mation with Function Smoothing and Simulated Annealing,” Neural Networks, Vol.3, 1990. 20. Szu, H., “Fast simulated annealing,” AIP conf. Proc. 151:Neural Networks for Computing, Snow-bird, UT, 1986. 21. Waibel, A., T. Hanazawa, G. Hinton, K. Shikano, K. J. Lang, “Phoneme recognition using time-delay neural networks,” IEEEE Trams. ASSP-37, 1989. 22. Wang, C., and J. C. Principe, “On-line stochastic functional smoothing optimization for neural network training, submitted to Neural Networks, 1995. 23. Werbos, p., “Generalization of backpropagation with application to a recurrent gas market model,” Neural Networks, 1, 339-356. 24. Widrow, B., and Hoff, M., “Adaptive switching circuits,” IRE WESCON Convention Record, pp.96-104, 1960.

Informatika  Kursiniai darbai   (164,25 kB)

Ekonomikos samprata. Pagrindiniai ekonomikos tikslai. Ekonomikos reikšmė ir galutinis jos tikslas. Pagrindinė ekonomikos problema. Ekonominių sistemų tipai. Ekonomikos sąlygos. Ekonomikos principai. Smulkaus ir vidutinio verslo samprata ir formavimosi sąlygos. Valstybės įtaka šalies ekonomikai. Įmonės tikslai, aplinka. Įmonių tipai. Įmonių susijungimas. Įmonių turtas. Gamybos išlaidos. Gaminių kainų nustatymas. Pelnas ir pelningumas. Materialiniai ištekliai ir jų panaudojimas. Įmonės valdymas. Gamybos procesas. Darbo normavimas. Įmonės personalas. Darbo apmokėjimas. Įmonės inovacijos.

Ekonomika  Konspektai   (138 psl., 466,4 kB)

Dvejetainis programavimas. Informacija ir duomenys. Kompiuteriniai duomenys. Skaičiavimo sistema yra visuma būdų ir priemonių, leidžianti užrašyti ar kitaip pateikti skaičius. Skaitmens reikšmė priklauso nuo užimamos vietos (pozicijos) skaičiuje. Skaičiavimo sistemos pagrindu laikomas skaičius, kuris parodo kiek kartų padidėja arba sumažėja vieno ir to paties skaitmens reikšmė, kai jis perkeliamas į vieną iš šalia esančių pozicijų.

Informatika  Konspektai   (82 psl., 162,89 kB)

Kokybės ir jos vadybos sampratos. Kokybės vadybos raida. Visuotinės kokybės vadyba ir vadovavimas. Proceso ir produkto koncepcijos. Kokybės vadybos sistemos ir jų modeliai. Reikalavimai KVS ir AVS. KVS kūrimas, auditas ir registravimas. Kokybės vadybos veikla. Kokybės gerinimo veikla. Problemos, jų analizė ir sprendimai. Darbuotojų dalyvavimas ir komandinis darbas. Veiklos vertinimas ir apdovanojimai.

Vadyba  Konspektai   (40 psl., 365,79 kB)

Vadybos samprata ir esmė. Organizacija. Valdymo procesas. Vadybos teorija ir raida. Organizacija ir aplinka. Globalizacija ir valdymas. Organizacijų kūrimas. Plananavimas. Organizavimas. Vadovavimas. Kontrolė. Operacijų valdymas. Valdymo informacinės sistemos. Gamybos valdymas. Pagalbinės gamybos ir gamybos aptarnavimo organizavimas ir valdymas. Finansinių išteklių valdymas. Marketingas. Žmonių išteklių valdymas.

Vadyba  Konspektai   (209 psl., 1,38 MB)

Užsienio ryšių administravimo problemos verslo organizacijose ir jų sprendimo prioritetai. Virtualios organizacijos kilmė ir apibrėžimas. Personalo vadybos teorijos ir jų taikymo galimybės naujoms darbo organizavimo formoms, grindžiamoms IT panaudojimu, įgyvendinti Šiuolaikinės personalo valdymo funkcijos ir jų turinys Personalo valdymo apibrėžimas. Personalo valdymo vaidmuo, kuriant konkurencinį organizacijos pranašumąPersonalo valdymo funkcijos.

Vadyba  Konspektai   (75 psl., 939,64 kB)

Marketingo tyrimų tikslus lemia problemos, kurių sprendimui jie yra pasitelkiami. Svarbių, strateginės reikšmės problemų sprendimui reikia daugiau ir tokios informacijos, kurią galima gauti tik tyrimų būdu, kai tuo tarpu kasdienės veiklos sprendimų priėmimui gali pakakti vien tos informacijos, kurią vadovas gali gauti iš įmonės apskaitos dokumentų, darbuotojų pranešimų. Dar kitais atvejais vadovai sprendimus gali priimti remdamiesi vien savo jau turimomis žiniomis, asmenine patirtimi arba tik intuicija.

Rinkodara  Konspektai   (15 psl., 70,17 kB)

Vadyba - valdymas, vadovavimas socialinėms grupėms, žmonėms, įvairaus tipo organizacijoms, įmonėms, įstaigoms, mokykloms ir t.t. Vadybos mokslo praktika labai sena. Rašytiniai dokumentai egzistuoja apie 6 tūkstančius metų, o mokyklos - jaunos, susiformavusios šio amžiaus pradžioje. Studijų objektas yra socialinės sistemos žmonės. Vieningo apibrėžimo nėra. Įvairūs autoriai vadybą apibūdina skirtingai. Labiausiai paplitęs ir pripažintas apibūdinimas - vadyba yra mokslas apie planavimo organizavimo, motyvavimo ir kontrolės funkcijas socialinėse organizacijose.

Vadyba  Pagalbinė medžiaga   (59 psl., 139,61 kB)

Įvairūs istorijos konspektai: Didieji geografiniai atradimai, reformacija ir kontrreformacija Europoje, Renesansas, Didžioji Prancūzijos revoliucija, JAV susikūrimas, Švietimo epocha, Napoleonas Bonapartas, Renesansas, reformacija ir kontrreformacija Lietuvoje, žmonijos raida paleolito laikotarpiu, Liublino unija, pramonės perversmas, politinių doktrinų susiformavimas XIXa., JAV pilietinis karas, Tautų pavasaris, svarbiausių istorinių įvykių lentelė.

Istorija  Konspektai   (16 psl., 937,58 kB)

Viskas ko reikia pasikartojimui prieš istorijos egzaminą. Absoliučiai visos temos: nuo Mezopotamijos civilizacijų iki SSRS. Svarbiausi įvykiai, datos, sąvokos.

Istorija  Konspektai   (108 psl., 160,74 kB)

Šiame darbe nagrinėjamos UAB "Prie Luksto" marketingo plano dalys. Šiandieninėje verslo literatūroje vis daugiau kalbama apie paslaugų marketingą, kadangi paslaugų sfera yra viena perspektyviausių, sparčiai besiplėtojančių ūkio sferų. Tokią tendenciją nulėmė daugelis priežasčių. Paslauga yra specifinė prekė, nors ir turi daugelį paprastos prekės požymių. Ji nėra pirmo būtinumo prekė – poreikių tenkinimo piramidėje yra aukštesniame lygmenyje nei maistas, būstas ar drabužiai.

Ekonomika  Kursiniai darbai   (14,98 kB)

Šešėlinės veiklos aktyvumas visais laikais priklausė ir priklauso nuo valstybės aktyvumo ir šalies ūkio sistemos. Per paskutiniuosius 20 metų atlikta daug šešėlinės ekonomikos tyrimų ir parašyta darbų, bet labai nedaug padaryta plėtojant metodologiją, skirtą apibrėžti ir sistemiškai įvertinti šešėlinę ekonomiką. Ekonominėje literatūroje aprašomas tam tikras skaičius veiklos sričių, kurios ir sudaro šešėlinės ekonomikos sąvoką, ir ekonomistai socialinės sferos mokslininkai ir kiti tyrinėtojai kartais šešėlinę ekonomiką vadina "paraleline ekonomika", "neformaliu sektoriumi", "paslėpta ekonomika", "pogrindine ekonomika", "prieštaraujančia įstatymams ekonomika", "juodąja rinka" ir t.t.

Ekonomika  Kursiniai darbai   (20,17 kB)

Gražus ir stilingas mobilusis telefonas tapo mūsų kasdienio gyvenimo dalimi. Neturėdamas šalia savęs mobiliojo ryšio telefono žmogus jaučiasi nesaugus, nutolęs nuo aplinkinių. Šis keistas jausmas atsiranda, todėl, kad šiuolaikinis žmogus nori pastoviai būti įvykių sūkuryje: jis nenori praleisti nei vienos progos gauti naujos informacijos, nenori praleisti nei vieno skambučio.

Lietuvių kalba  Referatai   (12,6 kB)

Šiame darbe, pasitelkiant šaltiniais, aprašomi ir nagrinėjami vaikų kalbos raidos ypatumai. Be to, trumpai aptariamas kalbos ir mąstymo ryšys bei pateikiamos vaikų kalbos lavinimo galimybės. Tiriama ikimokyklinio amžiaus vaikų kalba. Tyrimas vyksta pokalbio forma. Bendraujama su penkerių, šešerių ir septynerių metų vaikais. Parenkama jiems artima pašnekesio tema. Pokalbis užrašomas.

Lietuvių kalba  Analizės   (4 kB)

Lengvoji atletika – labia sena sporto šaka, atsiradusi kartu su žmogaus darbine veikla. Sugebėjimas greitai vaikščioti, toli šokti ir taikliai mesti akmenį, ietį jau žiloje senovėje buvo labiau vertinamas. Lengvoji atletika suklestėjo...

Sportas  Referatai   (21,9 kB)

Kiekvienos valstybės apskaitos vystimosi aplinkybės yra savitos, tačiau kiekvienos šalies apskaita turi užtikrinti bendrai susiklosčiusią rinkos ekonomikos šalyse apskaitos tvarką. Tarptautiniu mastu turi būti identiškai, laikantis vieningos logikos registruojami labai skirtingi ūkiniai įvykiai, įmonių veiklos rezultatai atspindimi finansinėje atskaitomybėje, sudarytoje vadovaujantis tomis pačiomis taisyklėmis ir turinčioje iš esmės tą pačią formą.

Ekonomika  Konspektai   (17,06 kB)

Šiame kūrinyje pateikiamas Ignalinos miškų urėdijos valdymo sistemos projektas. Projektavimo tikslas – parengti efektyvią, moksliniais pagrindais pagrįstą Ignalinos miškų urėdijos valdymo sistemą. Projektavimo objektas – Ignalinos miškų urėdija. Projektavimo rezultatai: suprojektuotas 50,5 etatų valdymo personalas ( 15,5 etatai administracijoje, 35 struktūriniuose padaliniuose), 2 valdymo lygiai ( urėdijos, girininkijos), Ignalinos miškų urėdijos struktūra, sudaryta girininko pavaduotojo pareigybinė instrukcija

Žemės ūkis  Kursiniai darbai   (19,87 kB)

Kaip teigiama David G.Myers knygoje “Psichologija”, atmintis tai mūsų išmoktų dalykų išlaikymas tam tikrą laiką.( Myers, 2000, Ž-2). Atmintį taip pat galime apibrėžti, kaip individo sugebėjimą įsiminti, susisteminti ir išlaikyti tai, kas jau buvo patirta ir prireikus vėl iššaukti reikiamą informaciją.

Psichologija  Laboratoriniai darbai   (4,37 kB)

Šiaulių universitetui. Edukplogijai antram kursui skirtas darbas. Išsiauklėjimas – visuma asmens vertybinių orientacijų, įvertintų pagal visuomenės aprobuotas elgesio normas, konkretus asmenybės pozicijos lygis (Jovaiša L. (2007). Enciklopedinis edukologijos žodynas. Vilnius.). Tyrimai rodo, kad auklėjimo procese formuojama asmenybės pozicija turėtų būti vertinama žinių apie tinkamą elgesį, paties elgesio ir šio elgesio motyvų lygmenimis.

Pedagogika  Kursiniai darbai   (21,61 kB)

Darbas įvertintas 10 balų, rašytas 2006 metais. Mūsų dabarties visuomenės gyvenimas kinta ypač sparčiai. Globalizacijos, informacinių technologijų amžiuje švietimas išgyvena esmines permainas. Pasak M.Lukošienės “šiandien vertinimo klausimas itin aktualus ir kartu opus[...]kokybiškas, giluminis ir humaniškas vertinimas, nestabdantis žmogaus plėtotės, orientuojantis pozityvia, konstruktyvia linkme, yra sudėtingas šiandieninio ugdymo klausimas“ (M.Lukšienė, 2000, 387).

Anglų kalba  Kursiniai darbai   (15,14 kB)

Šiandieninėje pasaulio ekonomikoje vyksta nuožmi konkurencija. Sėkmės sulaukia tos organizacijos, kurios sugeba keistis, reaguoti į konkurenciją, sukaupti dinamišką, prie pokyčių gebančią prisitaikyti darbo jėgą bei ją išsaugoti. Kompanijos skiria dideles pinigų sumas darbuotojų motyvavimui, mokymui ir profesinių įgūdžių tobulinimui, todėl visiškai suprantama, kad organizacijos vadovai siekia išsaugoti darbo patirtį ir aukštą kvalifikaciją turinčius bei organizacijos tikslų siekiančius darbuotojus. Įmonėse itin vertinamą darbuotojų kompetenciją ir gerus tarpusavio ryšius, užtikrinančius veiksmingą bendradarbiavimą ir sėkmingą verslą, galima pasiekti tik per ilgalaikį darbuotojų įsipareigojimą organizacijai. Tai esminis kompanijos pelningumo ir ilgalaikės sėkmės veiksnys. Vienas iš požymių, rodančių, kad įmonėje egzistuoja organizacinio įsipareigojimo problemos, yra žemas darbuotojų pasitenkinimas darbu. Tai gali tapti prastos darbo kokybės, blogos drausmės bei didelės kadrų kaitos priežastimi. Organizacijos elgesenos tyrinėtojai nuolat domisi veiksniais, kurie įtakoja asmens įsipareigojimą kompanijai. Nustatyta, kad visų pirma yra svarbu išsiaiškinti, kokiam žmogui koks darbas suteikia pasitenkinimą ir kaip šis pasitenkinimas darbu yra siejamas su darbuotojo įsipareigojimu organizacijai.

Vadyba  Tyrimai   (48 psl., 407,24 kB)

Strateginio valdymo teoriniai aspektai. Strateginio valdymo samprata. Strateginio valdymo modelių analizė. Strategijų rūšys. Strategijos formavimo procesas. Tikslai ir misija. Strategiją veikiančių veiksnių įvertinimas. Aplinkos įvertinimas. Konkurencingumo įvertinimas. Strategijos formavimas UAB "Interscalit" pavyzdžiu panaudojus ES struktūrinius fondus. Verslo raida ir ūkinės veiklos rezultatai. Bendrovės misija, vizija ir kokybės politika. Tiksliniai rinkos segmentai. Finansinė būklė. Gamybos technologija. Gamybos procesas. Daigstymo technologijos. Pardavimo rinka ir konkurentai. Pardavimo rinkos. Rinkos segmentai. Konkurentai. Numatoma įdiegti technologija. Technologinio kompleksiškumo privalumai. SWOT analizė. Rizikos analizė. Valdymo rizika. Išorinė rizika. Įmonėje taikomos strategijos. Numatytos priemonės bendrovės strategijos įgyvendinimui. Pajamų ir sąnaudų prognozavimas. Bendrosios skaičiavimų rengimo prielaidos. Labiausiai tikėtinas scenarijus. Alternatyvūs prognozės scenarijai. Bendrovės strategijos įgyvendinimas negavus ERPF paramos.

Vadyba  Diplominiai darbai   (73 psl., 216,05 kB)

Neįgaliųjų socialinės integracijos ir ugdymo kaita Lietuvoje. Specialiųjų poreikių vaikų ugdymo problemos. Socialinių nuostatų į negalę formavimosi mechanizmai. Socialinė politika negaliai palengvinti. Neįgalumas ne tik asmens, bet ir visuomenės problema. Sociokultūrinė aplinka sutrikusio intelekto jaunuolių darbo centre. Darbo centro veikla, siekiai ir tikslai. Švietimas – ugdymas. Muzikos terapija. Darbo terapija. Kineziterapija. Laisvalaikis, poilsis ir kultūrinė veikla. Socialinio darbuotojo ir šeimos bendradarbiavimo galimybės. Socialinis darbuotojas – tai pagelbstintis asmuo, besinaudojantis socialinio darbo žiniomis, vertybėmis ir įgūdžiais.

Socialinis darbas  Diplominiai darbai   (62 psl., 96,18 kB)