DOI: 10.7256/2454-0714.2022.3.38674

EDN: ZBVOCN

Аннотация: Актуальность исследования продиктована современным состоянием в области телефонного мошенничества. Согласно исследованиям, проводимые «Лабораторией Касперского» доля пользователей, столкнувшихся весной 2022 года с различными нежелательными, спам-звонками, была на уровне 71%. Предметом исследования являются технологии машинного и глубокого обучения для определения эмоций по тембру голоса. Авторами подробно рассматривают такие аспекты как: создание размеченного датасета; преобразование звукового формата WAV в числовой вид, удобный для быстрой обработки; методам машинного обучения для решения задачи многоклассовой классификации; построению и оптимизации архитектуры нейросети, для определения эмоций в реальном времени. Особым вкладом в исследование темы является то, что авторами был реализован быстрый способ преобразования звуковых форматов в числовые мел-кепстральные коэффициенты, что значительно повысило скорость обработки данных, практически не пожертвовав их информативностью. В следствии этого обучение моделей алгоритмами машинного обучения происходило быстро и качественно. Особо отметим, что была смоделирована архитектура сверточной нейронной сети, которая позволила получить качество обучения модели до 98%. Модель получилась легковесной и была взята за основу обучения модели по определению эмоций в реальном времени. Результаты работы модели в реальном времени были сопоставимы с результатами обученной модели. Разработанные алгоритмы могут быть внедрены в работы сотовых операторов или банков в борьбе с телефонным мошенничеством. Статья подготовлена в рамках государственного задания Правительства Российской Федерации Финансовому университету на 2022 год по теме «Модели и методы распознавания текстов в системах противодействия телефонному мошенничеству» (ВТК-ГЗ-ПИ-30-2022).

DOI: 10.7256/2454-0714.2022.3.38770

EDN: RPLSLQ

Аннотация: Интернет возник как мощная инфраструктура для всемирной коммуникации и взаимодействия людей. Некоторое неэтичное использование этой технологии спам, фишинг, тролли, киберзапугивание, вирусы вызвало проблемы при разработке механизмов, гарантирующих доступные и безопасные возможности ее использования. В настоящее время проводится множество исследований обнаружения спама, фишинга. Выявление телефонного мошенничества стало критически важным, поскольку влечет огромные потери. Алгоритмы машинного обучения и обработки естественного языка используются для анализа огромного количества текстовых данных. Выявление мошенников производится с применением интеллектуального анализа текста и может быть реализовано путем анализа терминов слова или фразы.    Одной из сложных задач является разделение этих огромных неструктурированных данных на кластеры. Для этих целей существует несколько моделей тематического моделирования. В данной статье представлено применение этих моделей, в частности LDA, LSI и NMF. Сформирован набор данных. Проведен предварительный анализ данных и построены признаки для моделей в задаче по распознаванию темы текста. Рассмотрены подходы извлечения ключевых фраз в задачах распознавания темы текста. Приведены ключевые понятия этих подходов. Показаны недостатки этих моделей, предложены направления по улучшению алгоритмов обработки текстов. Проведена оценки качества моделей. Усовершенствованы модели благодаря подбору гиперпараметра и изменению функции предобработки данных.

DOI: 10.7256/2454-0714.2022.3.38823

EDN: LBFDUK

Аннотация: В данной работе рассматривается проблема разработки компактных средств, поддерживающих программирование в условиях динамической транзакционной памяти, подразумевающей оперативное порождение транзакционных страниц, для языка Cilk++. Утверждается, что подобная реализация требует ослабленной изоляции транзакций. Анализируется современное состояние проблемы. Отмечается, что существующие решения достаточно громоздки, хотя и позволяют работать со сложными структурами данных, такими как списки и деревья. Утверждается необходимость разработки новых решений в стиле минимализма, основанных на применении специализированных классов (порождающих транзакционные страницы; реализующих согласуемые транзакционные переменные) в сочетании с набором ключевых слов, характерных для Cilk++.   Предлагаются соответствующие новые решения. Вводятся новые элементы синтаксиса, реализуемые с помощью средств расширения языка, характерных для платформы Planning C. Описана семантика новых языковых элементов. Отмечается, что в отличие от аналогов, разработанные средства позволяют декларативно «выстроить» транзакции в сеть (сетевой график работ), определяющую порядок исполнения транзакций и существующий при этом потенциал параллелизма. Проведена апробация предложенного подхода на примере задачи построения гистограммы. Также упоминается об успешном решении с применением разработанных средств задачи обучения искусственной нейронной сети методом обратного распространения ошибки и задачи целочисленного линейного программирования методом ветвей и границ.

DOI: 10.7256/2454-0714.2022.3.38800

EDN: LBYDAY

Аннотация: В телерадиоиндустрии эффективность работы аппаратной и программной части вещательно-производственных комплексов является основой конкурентного преимущества, в связи с чем в условиях глобальной цифровизации перед компаниями телевизионной индустрии стоит задача по постоянному совершенствованию вещательно-производственных комплексов. Такое совершенствование в большей степени обеспечивается новыми технологиями, часть из которых направлена на автоматизацию процессов вещания. В статье автором анализируются существующие проблемы автоматизации вещательно-производственных комплексов и делается вывод о том, что такие проблемы обусловлены стремлением телерадиокомпаний заменить традиционный подход к выпуску программ с использованием команды специалистов на программное обеспечение. Однако эффективность такого подхода сомнительна, особенно если выпуск программы связан с работой в прямом эфире, где в условиях неопределенной ситуации оперативно среагировать на какие-либо события с помощью автоматизированного программного обеспечения не представляется возможным. Отсюда автоматизация производственных процессов в области вещания становится эффективной и экономичной технологией только при правильной настройке программной части и тщательном подсчете перспектив автоматизации. Реальные перспективы автоматизации вещательно-производственных комплексов в настоящий момент находятся практически в неизученных областях для телевизионной сферы – областях голосового управления, в основу которого положен искусственный интеллект, базирующийся на различных алгоритмах обучения искусственных нейронных сетей, что требует дополнительного изучения и разработки соответствующей модели, адаптированной под конкретную задачу.

DOI: 10.7256/2454-0714.2022.3.38841

EDN: LTMFZL

Аннотация: Одной из главных задач в управлении технологическими процессами является сокращение аварийных ситуаций и отказов действующего оборудования. Получаемые при функционировании машин и механизмов статистические данные требуют соответствующей математической обработки, для анализа динамики технологических процессов и установления взаимосвязей между отклонениями, воздействующими факторами и отказами. Удобным инструментарием для обработки этих данных являются регрессионный и кластерный анализы. Существенной, и при этом слабоосвещённой в научной периодике темой являются отказы кавитационных систем. Кавитаторы - сравнительно распространенные технические устройства, позволяющие поддерживать технологические показатели мазута в резервуарных парках на требуемом уровне (вязкость, содержание воды, адгезионные свойства). Практика применения кавитаторов на мазутных хозяйствах тепловых станций в Калининградской области показывает, что данные технические устройства могут сравнительно часто давать отказы.   Так, в случае отключения или ограничения подачи требуемых объемов газа на теплоэлектростанцию, могут быть использованы резервы мазута из топливного парка. В свою очередь, отказ кавитационной системы может привести к невозможности ввода резервного топлива и, как следствие - к остановке энергогенерации. Таким образом, проблема обеспечения энергобезопасности и безотказность работы кавитационных систем тесно взаимосвязаны. В настоящем исследовании проанализирован массив накопленной статистической информации по параметрам функционирования кавитаторов в мазутных хозяйствах и моментам наступления отказов. Для обработки массива данных были использованы регрессионный и кластерный анализы, что позволило определить взаимосвязи между видами отказов и воздействующими факторами и ранжировать весомость факторов по степени их воздействия на кавитационное оборудование. По результату математической обработки и анализа данных разработаны предложения по обеспечению большей технической надежности кавитаторов, реорганизации системы их технического обслуживания и снижения числа отказов.