Pensija, jos dydis sulaukus senatvės aktualus daugeliui žmonių. Jauniems dirbantiems žmonėms turėtų būti itin svarbu sukaupti kuo svaresnį indėlį, didesnę pensiją, kad sulaukus senatvės nereiktų kardinaliai keisti savo vartojimo įpročius, gyvenseną. Pagal dabartinę SODROS administruojamą pensijų sistemą žmogus sulaukęs pensinio amžiaus gauna mažiau nei pusę buvusios algos, o tai yra tikrai žymus pokytis pajamoms. Daugelyje Europos, Azijos ir kitų regiono šalių dominuoja socialinio draudimo modelis PAYGO [pay-as-you-go], kuris grindžiamas kartų solidarumo principu: jauni, dirbantys asmenys dalį savo uždirbamų pinigų skiria tiems, kurie jau yra sulaukę pensinio amžiaus. Vis didesnį spaudimą pensijų sistemai daro šalies demografija ir su tuo PAYGO principais paremta sistema yra nepajėgi susidoroti. Stipriai susiejus įmokas su būsimomis išmokomis tikėtasi, kad sumažės šešėlinė ekonomika, daug darbuotojų ims mokėti įmokas senatvės pensijai, tačiau taip neįvyko. Visuomenės senėjimas, kuris būdingas ir išsivysčiusioms šalims ir dėl kurio jos taip pat galvoja daryti reformas, dar labiau komplikuojamas perėjimo sunkumais - mokesčių vengimu, įmonių bankrotais, nedarbo išaugimu, pramonės restruktūrizavimu [1]. Vienas iš galimų kelių senatvėje užsitikrinti „sotesnį“ gyvenimą – dalyvauti pensijų fondų sistemoje. Lietuvoje 2004 metais įkurti privatūs pensijų fondai labai išpopuliarėjo (šiuo metu jais naudojasi apie milijonas Lietuvos gyventojų), nes suteikia asmenims galimybę sukaupti... [toliau žr. visą tekstą] / The size of pension is very important thing for many people. It's very important to reach a strong deposit for better future. Currently functioning pay-as-you-go (PAYG) system isn't the best way to reserve money, because just less than a half of you salary you will get at pension. One of the most popular ways of collecting moneys for the future in Lithuania is pension fund. Pension funds differ to each other according to their strategies of investment or return of investment, so it is important to choose the best one. The aim of the work is to present ant to make analyse of the return of the Lithuanian pension funds of the second stage. The tasks that were set in work:  To review the Lithuanian pension funds  Determine the factors by which the funds will be compared  Submit a pension fund investment returns comparison  Create a Web page and the expert system which could help the performance of individuals to choose the most appropriate pension fund.  To review the PAYG system weaknesses and prospects The results of this graduation work are expertise system prototype and web page there this system is located.

Magistrinio darbo pavadinimas: duomenų apsaugos priemonių ekspertinė sistema. Siekiant pagrindinio tikslo, sukurti ekspertinę sistemą, kuri įvertintų kompiuterinių duomenų apsaugos priemonių rinkinio saugumo lygį ir teiktų rekomendacijas saugumo lygio padidinimui, darbe yra įvykdyti išsikelti uždaviniai: išnagrinėti rizikos faktoriai bei apsaugos būdai nuo jų, išanalizuoti duomenų apsaugos sistemos įvertinimo metodai, pasiūlyta ir sukurta ekspertinė sistema, įvertinanti duomenų apsaugos priemonių rinkinio patikimumo lygį, realizuotas sistemos prototipas, orientuotas į atskiro kompiuterio naudojamų saugos priemonių įvertinimą, ištestuoti bei įvertinti sukurtos sistemos rezultatai. Darbe panaudoti metodai: dedukcijos metodas (naudotas temą suskaidant į smulkesnes dalis), palyginimo metodas (naudotas lyginant duomenų saugumo įvertinimo metodus), apibendrinimo metodas (naudotas apdorojant pirminę informaciją), pilnosios indukcijos metodas (naudotas rašant darbo išvadas). Pasiūlyta ekspertinės sistemos, leidžiančios kiekybiškai įvertinti duomenų saugumo lygį bei parenkančios rekomendacijas jo didinimui, struktūra. Realizuotas bei išsamiai ištestuotas ekspertinės sistemos prototipas, kuris yra orientuotas į kompiuterio vartotoją. Sukurta sistema palengvina kompiuterio vartotojo dedamas pastangas išsiaiškinti duomenų saugumo lygį esantį kompiuteryje bei taupo laiką, skiriamą saugumo lygio pagerinimui. Sukurta sistema galėtų būti tobulinama šiais pagrindiniais aspektais: a)... [toliau žr. visą tekstą] / The theme of the Master’s degree paper is The Expertise System for Information Security. The object of this job is the implement for data security. The main goal of the paper is creation the expertise system for evaluation data security, which are in computer and recommend what to do that security level of the data will be biggest. The main tasks to reach this goal are: to know the ways how security of the computer system can be impinging and how to protect from it, to do analysis trying to know what methods of data security are usable at the moment, the design of expertise system and implementation of it using C++ programme language, new system’s testing and the writing user’s manual. While writing the paper, various methods, such as induction and deduction, data comparison method, generalization method were used. During the period of implementation practical part of the work completed all main tasks. The developed software allows to know the security level of the data which are in the computer and to know the ways how to expand this level. The main advantages of new system are: user in very quick way can know how reliable data are in the computer and he also could know the ways how to make data security level more reliable. The length of this paper is 70 pages; there are 71 pictures (60 in extra part of this paper) and 15 tables (1 in the extra part of this paper) in this paper.

Baigiamajame magistro darbe nagrinėjamas nekilnojamojo turto įmonių darbuotojų darbo efektyvumas ir jo didinimo galimybės panaudojant naujausias technologijas – biometrinę kompiuterio pelytę bei VGTU studentų ir dėstytojų sukurtą internetinę ekspertinę sistemą, duodančią patarimus darbuotojų našumui didinti. Darbe apibendrintai aprašomas Lietuvos ūkio darbo našumas, jo pasikeitimai per pastaruosius metus, bei veiksniai, turintys didžiausią įtaką darbo našumui. Taip pat darbe aprašomos biometrinės technologijos, apžvelgiamas jų panaudojimas nekilnojamojo turto sektoriuje ir galimybė jas pritaikyti darbo efektyvumui didinti. Atlikus stebėjimus biometrine kompiuterio pelyte ir nustačius didžiausią įtaką darbuotojų našumui darančius veiksnius, remiantis A. Maslowo poreikių teorija buvo sukurta ekspertinė darbo našumo didinimo sistema. Išanalizavus darbo su biometrine pelyte ir sukurta ekspertine sistema rezultatus, darbo gale pateikiamos darbo išvados ir pasiūlymai. / The labour productivity problem and possibility to improve labour productivity by using biometric technologies and web-based expert system, developed by students and academics of VGTU is analyzed in this thesis. Summarized description of the labour productivity in general, its progress during few past years in Lithuania and factors that make the biggest influence on the level of labour productivity are described. Also the work contains overview of the biometric systems, usage of them in real estate and the possibility to increase labour productivity. After making observations during work with biometric mouse and identifying factors that affect productivity the most, the expert system, based on the A.Maslows hierarchy of needs was developed. Conclusion and suggestions were made after performing the analysis of the results of working with the biometric mouse and web-based expert system.

Šis magistrinis darbas aprašo plačiausiai naudojamus dirbtinio intelekto metodus ir galimybes juos taikyti kredito rizikos, kuri yra viena svarbiausių sričių bankininkystėje ir finansuose, vertinime. Pagrindinė problema yra rizikos, atsirandančios kreditoriui išduodant kreditą tam tikram individui ar bendrovei, vertinimas, naudojant įvairius matematinius, statistinius ar kitus metodus. Ši rizika atsiranda tada, kai skolininkas negali laiku grąžinti skolos kreditoriui, kas reiškia papildomus nuostolius. Ji gali pasireikšti, priklausomai nuo skolininko tipo (individas, bendrovė ar užsienio vyriausybė) bei finansinio instrumento tipo ar su juo atliekamo veiksmo (skolos teikimas, finansinių derivatyvų tranzakcijos ir kt.), todėl finansinės institucijos jos įvertinimui bei valdymui naudoja įvairius metodus nuo vertinimo balais bei skirtingų faktorių, tokių kaip valdymo bei veiklos strategijos bei politika, įvertinimo iki klasifikavimo pagal įvairius kriterijus, naudojant modernius ir sudėtingus metodus, tiek matematinius, tiek dirbtinio intelekto. Ši sritis plačiai tiriama ir daug naujų metodų bei sprendimų pastoviai randama. Šio darbo tyrimas sukoncentruotas į atraminių vektorių mašinų (angl.Support Vector Machines, sutr. SVM) metodų, kuris yra viena populiariausių dirbtinio intelekto bei mašininio mokymo metodų ir kurio efektyvumas daugeliu atveju įrodytas. Šiuo tyrimo tikslas yra ištirti galimybes pritaikyti SVM metodą čia aprašomai problemai bei realizuoti sistemą, naudojančią... [toliau žr. visą tekstą] / This master work describes the most widely used artificial intelligence methods and the possibilities to apply them in credit risk evaluation which is one of the most important fields in banking and in finance. The main problem here is to evaluate the risk arising when a creditor gives a credit to a particular individual or an enterprise, using various mathematical, statistical or other methods and techniques. This risk arises when the debtor isn’t able to pay for the loan to the creditor in time which means additional loss. It can appear in many forms depending on the type of debtor (individ-ual, enterprise, government of an abroad country) and type of financial instrument or action that is done with it (giving of a loan, transactions of financial derivatives, etc.), this is the reason why fi-nancial institutions and for it’s evaluation and management use various different methodologies which comprise a lot of methods and techniques from credit scoring (evaluating by a particular formula, usually linear) and evaluating different factors, like management and business strategies or policies, to classification by various criterions by using modern and sophisticated methods, either algebraic, either artificial intelligence and machine learning. This field is widely researched and many new techniques are being found. The research here is concentrated mainly on Support Vector Machines (abbr. SVM) which is one of the most popular artificial intelligence and machine learning... [to full text]