Программные системы и вычислительные методы - рубрика Системный анализ, поиск, анализ и фильтрация информации

Аннотация: Статья посвящена разработке универсальной корпоративной информационной системы (ИС) сопровождения этапов процедуры «Перспективное планирование качества продукции» (APQP), которая бы позволила усовершенствовать процесс производства автокомпонентов на отечественных предприятиях и повысить качество выпускаемой продукции. Особенностью предлагаемой ИС является применение функциональных формул описания выпускаемых автокомпонентов взамен наименования продукции, что позволит однозначно распознавать детали с учетом их функциональных и конструктивно-технологических признаков. Объектом исследования является процесс информационного сопровождения этапов планирования и проектирования автомобильных компонентов для грузовых автомобилей. Предметом исследования являются информационные связи между процессами процедуры APQP. Методы исследования: системный подход, методология описания бизнес-процессов DFD, методы системного анализа, функциональной систематики, теории алгоритмов. Научная новизна исследования заключается в применении методологии функциональной систематики при разработке информационной системы сопровождения процедуры APQP. Применение функциональных формул описания деталей вместо наименований и кодов позволяет однозначно обозначать детали, необходимые потребителю, проектируемые, производимые и используемые в эксплуатации с учетом их ключевых параметров. Таким образом, в случае получения рекламаций, становится возможным быстрый поиск информации о детали и последующая работа по повышению качества продукции.

DOI: 10.7256/2454-0714.2018.1.25297

Аннотация: В данной работе решается задача кластеризации оперонов (особых единиц генетической информации) и описывается ее использование для выделения групп оперонов со схожими функциями. Рассматривается специфика открытых баз оперонов, используемых в качестве источников исходных данных для исследования. Описываются выбор и подготовка данных для кластеризации, особенности процесса кластеризации и его связь с подходами, традиционно используемыми для анализа естественных языков. На основании проведенной кластеризации анализируется качество и состав полученных групп. Для преобразования исходных данных в вектора используется классическая реализация алгоритма word2vec и ряд особенностей исходных данных. Полученное представление кластеризуется алгоритмом DBScan на основании косинусной дистанции. Новизна предлагаемого метода связана с использованием не стандартных для исходных данных алгоритмов. Использованный подход эффективно проявляет себя при работе с большим количеством данных, не требует дополнительной разметки данных и самостоятельно формирует факторы для кластеризации. Полученные результаты показывают возможность использования предложенного подхода для реализации сервисов, позволяющих проводить сравнительный анализ бактериальных геномов.

DOI: 10.7256/2454-0714.2023.4.68680

Аннотация: Предметом исследования в настоящей статье выступают особенности и закономерности функционирования систем, основанных на технологиях Сhat GPT, знание которых позволяет формулировать соответствующие модификации теста Тьюринга, а также особенности и закономерности формулирования и использования теста Тьюринга для систем, основанных на технологиях Сhat GPT. Цель исследования заключается в том, чтобы выявить особенности и закономерности функционирования систем, основанных на технологиях Сhat GPT, а также особенности и закономерности формулирования и использования теста Тьюринга для систем, основанных на технологиях Сhat GPT. В качестве методов исследования использовался метод социального эксперимента, когда в ходе исследования системе, основанной на технологиях Сhat GPT, были заданы определенные вопросы, получены на них ответы, анализ которых позволил сделать вывод об особенностях «мышления» систем, основанных на технологиях Сhat GPT. В ходе проведенного исследования было установлено следующее. В отличие от мышления человека, которое опирается на определенные факты, «мышление», систем, основанных на технологиях Сhat GPT, в ряде случаев не основано на фактах, имеющих место в реальности, нередко пользователю выдаются заведомо ложные сведения о фактах и обстоятельствах, имеющих место в реальности. В отличие от мышления человека, которое как правило носит системный характер «мышление» систем, основанных на технологиях Сhat GPT, носит беспорядочный и фрагментарный характер. Системы, основанные на технологиях Сhat GPT, не могут признавать свои ошибки, а попытки заставить системы, основанные на технологиях Сhat GPT критически осмыслить свои ответы приводят к сбою в работе этих систем. Также в статье приводится, разработанный автором тест Тьюринга для Сhat GPT, который позволил выявить особенности «мышления» систем, основанных на технологиях Сhat GPT.

DOI: 10.7256/2454-0714.2024.1.69900

Аннотация: Исследование посвящено анализу методов и инструментов оптимизации работы высоконагруженных систем с использованием облачных, туманных и граничных технологий. Основное внимание уделяется пониманию концепции высоконагруженных систем, выявлению основных причин увеличения нагрузки на такие системы, а также изучению зависимости нагрузки от уровня масштабирования системы, количества пользователей и объема обрабатываемых данных. Введение этих технологий предполагает создание многоуровневой топологической структуры, которая способствует эффективной работе распределенных корпоративных систем и вычислительных сетей. Рассматриваются современные подходы к управлению нагрузками, исследуются основные факторы, влияющие на производительность, и предлагается модель оптимизации, обеспечивающая высокий уровень эффективности и устойчивости системы к пиковым нагрузкам, обеспечивая при этом непрерывность и качество обслуживания конечных пользователей. Методология основана на комплексном подходе, включающем анализ существующих проблем и предложение новаторских решений для оптимизации, применение архитектурных решений на базе IoT, облачных, туманных и граничных вычислений для улучшения производительности и снижения задержек в высоконагруженных системах. Научная новизна данной работы заключается в разработке уникальной многоуровневой топологической структуры, способной интегрировать облачные, туманные и граничные вычисления для оптимизации высоконагруженных систем. Эта структура позволяет обеспечить улучшенную производительность, снижение задержек и эффективное масштабирование системы, решая при этом проблемы управления большими объемами данных и одновременным обслуживанием множества запросов. Выводы исследования подчеркивают значительный потенциал технологии IoT в улучшении производственных процессов, демонстрируя, как интеграция современных технологических решений может способствовать повышению урожайности, качества продукции и управлению рисками. Результаты работы предоставляют основу для дальнейшего развития умного сельского хозяйства и могут быть применены в различных отраслях для создания эффективных, масштабируемых и унифицированных систем, обеспечивая тем самым новые возможности для устойчивого развития аграрного сектора и других сфер экономики.

DOI: 10.7256/2454-0714.2020.1.31728

Аннотация: В работе представлены результаты оценки информативности количественных и бинарных признаков для решения задачи поиска семантически близких предложений (парафразов). Рассмотрены три типа признаков: построенные на векторных представлениях слов (по модели Word2Vec), основанные на извлечении чисел и структурированной информации и отражающие количественные характеристики текста. В качестве показателей информативности используются доля парафразов среди примеров, обладающих признаком, и доля парафразов, обладающих признаком (для бинарных характеристик), а также оценки с помощью метода накопленных частот (для количественных признаков). Оценка проведена на русском корпусе парафразов. Набор рассмотренных в работе признаков апробирован в качестве входных данных для двух моделей машинного обучения для определения семантически близких предложений: машины опорных векторов (SVM) и рекуррентной нейросетевой модели. Первая модель принимает в качестве входных параметров только рассмотренный набор признаков, вторая – текст в виде последовательностей (sequences) и набор признаков в качестве дополнительного входа. Качество моделей составило соответственно 67,06% (по F-мере) и 69,49% (по точности) и 79,85% (по F-мере) и 74,16% (по точности). Полученный в работе результат сравним с лучшими результатами систем, представленных в 2017 на соревновании по определению парафраза для русского языка (второй результат по F-мере, третий результат по точности). Результаты, предложенные в работе, могут быть использованы как при реализации моделей поиска семантически близких фрагментов текстов на естественном языке, так и для анализа русскоязычных парафразов с точки зрения компьютерной лингвистики.

DOI: 10.7256/2454-0714.2023.4.68973

Аннотация: Предметом данного исследования выступают инструменты управления инвестиционным проектированием, позволяющие оценить эффективность вариантов инвестиционных проектов. Объектом исследования являются цифровые продукты (программные решения), предназначенные для автоматизированной оценки эффективности и выбора привлекательных проектов для инвестирования. Автором определено, что выбор наиболее рентабельного проекта для инвестирования является ключевой задачей предынвестиционной стадии инвестиционного процесса, при этом наличие большого объема информации, влияние внешних и внутренних слабоконтролируемых факторов, состояние неопределенности, сопутствующие процессу инвестирования актуализируют использование программных продуктов. Особое внимание уделяется выявлению и формализации требований к программным продуктам для анализа рисков и оценки эффективности инвестиционных проектов, которые обеспечат экономию затрат времени и финансовых ресурсов и исключат влияние человеческого фактора на выбор проекта для инвестирования. Методология исследования включает в себя использование системного подхода к выявлению инструментов и показателей оценки эффективности инвестиционных решений. Автором проведен сравнительный анализ программных продуктов, выступающих в качестве инструментов оценки привлекательности инвестиционных проектов при выборе наиболее приемлемых для развития коммерческой деятельности промышленных предприятий. Результаты проведенного сравнительного анализа представленных на рынке информационных технологий отечественных и зарубежных программных решений по управлению инвестиционными проектами позволили систематизировать программы, выявить их сильные и слабые стороны и сформулировать требования к оптимальному программному комплексу для анализа и оценки эффективности инвестиционных проектов промышленного предприятия. Разрабатываемое автором цифровое решение по анализу рисков и оценке эффективности инвестиционных проектов должно обладать следующими характеристиками: функциональность, надежность и стабильность, интерфейс и удобство использования, совместимость, цена и условия лицензирования, техническая поддержка. По итогу исследования определена область применения результатов проведенного сравнительного анализа программных продуктов – дальнейшая разработка цифровых решений для оценки эффективности инвестиционных проектов, обеспечивающего результативность процесса управления инвестиционным проектированием предприятий.

DOI: 10.7256/2454-0714.2020.3.33789

Аннотация: В данной работе рассматривается проблема автоматического синтеза (индукции) правил преобразования естественно-языковой постановки задачи в смысловую модель задачи, по которой может быть порождена решающая данную задачу программа. Данная проблема рассматривается применительно к системе порождения, распознавания и трансформации программ PGEN++. На основании анализа литературных источников выбран комбинированный подход к решению данной проблемы, в рамках которого правила преобразования естественно-языковой постановки в смысловую модель задачи генерируются автоматически, а спецификации порождающих классов и правила порождения программы по модели пишутся вручную, специалистом в конкретной предметной области. В рамках объектно-событийных моделей впервые предложен механизм автоматической генерации распознающих скриптов и сопутствующих им сущностей (CSV-таблиц, XPath-функций). Генерация производится на основании анализа обучающей выборки, включающей предложения, описывающие объекты предметной области, в сочетании с экземплярами таких объектов. Анализ выполняется путем поиска уникальных ключевых слов и характерных грамматических отношений с последующим применением простых элиминативно-индуцирующих схем. Также предложен механизм автоматической генерации правил восполнения/достраивания первичных распознанных моделей до полноценных смысловых. Такая генерация выполняется путем анализа отношений между объектами обучающей выборки с учетом информации из спецификаций классов предметной области. Предложенные схемы опробованы на предметной области "Простая обработка векторных данных", показана успешная трансформация естественно-языковых постановок (как входящих в обучающую выборку, так и модифицированных) в смысловые модели с последующим порождением решающих поставленные задачи программ.

DOI: 10.7256/2454-0714.2017.1.20372

Аннотация: В робототехнических комплексах как и в живом мире основным видом очувствления является зрение. Первые системы технического (машинного, компьютерного) зрения, нашедшие применение в средствах робототехники, копировали органы зрения живых организмов, развиваясь в такой последовательности: черно-белые монокулярные СТЗ, цветные, стереоскопические и многоракурсные с различными вариантами аппаратной реализации. В статье указываются некоторые аспекты исторического хода событий в развитии СТЗ, анализ существующих подходов к реализации СТЗ в задачах робототехники. В работе приведена постановка задачи, описываются проблемы СТЗ при проектировании и разработки робототехнических комплексов, предложены современные пути решения этих задач. Применяются методы гносеологии, эпистемологии и системного анализа. Вопрос всеобщей робототизации в последние годы оказывается в фокусе исследовательского внимания. На сегодняшний день существуют множество работ, посвященные этой проблеме. Однако мы решили изучить эту проблему с различных ракурсов с применением не только философских и гносеологических аспектов, а также с точки зрения системного подхода к проблеме. Особым вкладом автора в исследовании темы является общая систематизация актуальной проблемы внедрения СТЗ в робототехнических комплексов, выведены основные функции и назначение подобных систем.

DOI: 10.7256/2454-0714.2020.3.33958

Аннотация: Предметом исследования является процесс сбора и предварительной подготовки данных из гетерогенных источников. Экономическая информация является гетерогенной и полуструктурированной или неструктурированной по своей природе. Из-за неоднородности первичных документов, а также человеческого фактора исходные статистические данные могут содержать большое количество шумов, а также записей автоматическая обработка которых может быть весьма затруднена. Это делает предварительную обработку входных динамических данных важным предварительным условием для обнаружения значимых паттернов и знаний в предметной области, а тему исследования актуальной Предварительная обработка данных представляет собой ряд уникальных задач, которые привели к появлению различных алгоритмов и эвристических методов для решения таких задач предварительной обработки, как слияние и очистка, идентификация переменных В данной работе формулируется алгоритм препроцессинга, позволяющий сводить в единую базу данных и структурировать информацию по временным рядам из разных источников. Ключевой модификацией метода препроцессинга, которую предлагают авторы является технология автоматизированной интеграции данных. Предложенная авторами технология предполагает совместное использование методов построения нечеткого временного ряда и машинного лексического сопоставления на сети тезауруса, а также использования универсальной базы данных, построенной с использованием концепции МИВАР. Алгоритм препроцессинга формирует единую модель данных с возможностью транформации периодичности и семантики набора данных и интеграцию в единый информационный банк данные, которые могут поступать из различных источников.

DOI: 10.7256/2454-0714.2021.3.36564

Аннотация: Мониторинг и анализ потребления энергоресурсов в различных разрезах измерение различных параметров (показателей) во времени крайне важен для современной экономики. Данная работа посвящена исследованию и интерпретации аномалий набора данных по потреблению энергоресурсов (на примере потребления газа) в муниципальном образовании Потребление газа имеет важное значение для социально-экономической сферы городов. Несанкционированные подключения являются основной причиной нетехнологических потерь ресурса. Традиционные методы проверки на предмет хищения неэффективны и отнимают много времени. Современные технологии анализа данных помогут выявить и интерпретировать аномалии потребления и, среди прочего, сформировать списки на проверку объектов на предмет несанкционированных подключений. Основным вкладом нашего подхода было применение совокупности статистических методов, направленных на обработку и выявление аномалий на наборе данных по энергопотреблению муниципального образования. Следует отметить, что применение подобных технологий требует разработки эффективных алгоритмов, и внедрения автоматизации и алгоритмов машинного обучения. Этот новый взгляд на временные ряды облегчает обнаружение аномалий, оптимизацию принятия решений и т.д. Эти процессы могут быть автоматизированы. Представленная методология, проверенная на временных рядах, описывающих потребление газа, может быть использована для более широкого спектра задач. Исследование может быть объединено с методами обнаружения знаний и алгоритмами глубокого обучения.

DOI: 10.7256/2454-0714.2020.4.34286

Аннотация: В течение последних десятилетий потенциал аналитики и интеллектуального анализа данных — методологий, извлекающих полезную информацию из больших наборов данных — трансформировал одну область научных исследований за другой. Аналитика стала тенденцией в последние несколько лет. Применительно к образованию эти методологии называют аналитикой обучения (LA) и интеллектуальным анализом данных в образовании (EDM). Использование аналитики обучения (учебной аналитики) выросло в последние годы по четырем основным причинам: значительное увеличение количества данных, улучшение форматов данных, достижения в области вычислительной техники и повышение сложности инструментов, доступных для аналитики. Статья посвящена описанию построения модели системы поддержки принятия решений (СППР) вуза на основе образовательных данных, полученных из электронной информационно-образовательной среды (ЭИОС) ВСГУТУ. Предметом исследования является построение СППР с использованием методов учебной аналитики. В статье представлена концептуальная модель системы принятия решений в учебном процессе и концептуальная модель компонента СППР — подсистемы прогнозирования. Особенность модели подсистемы прогнозирования заключается в применении методов аналитики обучения к наборам данных высшего учебного заведения, содержащие результаты работы ЭИОС, и включающие в себя характеристики активности студента. Основным результатом работы являются исследованные и выбранные методы кластеризации и классификации (KNN), апробация которых показала вполне приемлемые результаты. Надо отметить, что было исследованы различные методы кластеризации и метод k-prototypes показал лучшие результаты. Полученные результаты позволяют делать выводы о хорошем потенциале в применении методов учебной аналитики в вузах РФ.

DOI: 10.7256/2454-0714.2017.4.24534

Аннотация: Рассмотрена и решена задача нормирования частотно-временных корреляционных функций. Цель работы состояла в создании методики вычисления коэффициентов для нормирования частотно-временных корреляционных функций и интеграции их в известный алгоритм вычисления. При этом стояли задачи обеспечения возможности нормирования каждой из частотных составляющих частотно-временной корреляционной функции независимо и сохранения высокой производительности исходного алгоритма. Последнее накладывало ограничения на применение в алгоритме вычисления операции фильтрации во временной области и использования дополнительных дискретных преобразований Фурье. Для минимизации вычислительных затрат при вычислении и нормирование частотно-временных корреляционных функций, была разработана методика вычисления нормирующих коэффициентов по отсчётам комплексного спектра сигналов. Основным результатом работы является новый алгоритм вычисления нормированной частотно-временной корреляционной функции, отличающийся незначительным приращением вычислительной сложности по сравнению с оригинальным алгоритмом. В тоже время полученные коэффициенты могут использоваться как для одновременного нормирования всех частотных компонент частотно-временной корреляционной функции, что необходимо для обеспечения независимости результата от масштаба входных сигналов, так и для независимого нормирования каждой из её частотных компонент. Последнее полезно при решении задач обнаружения слабых коррелированных составляющих в смесях сигналов.

DOI: 10.7256/2454-0714.2022.3.38841

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.

DOI: 10.7256/2454-0714.2017.4.24655

Аннотация: В статье исследуется применимость рекуррентных сетей долгой-краткосрочной памяти (long short-term memory, LSTM) для бинарной классификации текстовых сообщений социальной сети Twitter. Спроектирован трехэтапный процесс классификации, позволяющий выполнять отдельный анализ пиктограмм и проверку текста на нейтральность. Проверена точность классификации эмоциональной полярности текстовых сообщений с использованием сети LSTM и векторных представлений слов. Определен процент совпадений векторных представлений слов с тренировочным набором данных, позволяющий получить приемлемую точность классификации. Проведена оценка скорости обучения LSTM-сети и использования памяти. Для решения задачи классификации текстовых сообщений применены методы обработки естественного языка и машинного обучения по прецедентам. Оптимизирована алгоритмическая база обработки текстовых данных из социальных сетей, полученная в результате применения нейронных сетей LSTM. Новизна предлагаемого метода решения обуславливается выполнением предварительной обработки сообщений, позволяющей повысить точность классификации, и использованием конфигурации нейронной сети с учетом специфики текстовых данных социальных сетей.

DOI: 10.7256/2454-0714.2015.1.14119

Аннотация: Предметом исследования являются ранние стадии жизненного цикла программного обеспечения, от качества выполнения работ на которых существенно зависит качество результата разработки программного обеспечения. В результате анализа опыта практического применения широко используемых водопадной (каскадной), итеративной и инкрементной моделей жизненного цикла программного обеспечения показано, что они не в полной мере удовлетворяют потребностям практики. Вместе с тем, имеется возможность синтеза модели жизненного цикла программного обеспечения, объединяющей достоинства трех названных моделей. Методология исследования базируется на моделях жизненного цикла программного обеспечения, структурном системном анализе, программной инженерии и информационно-логическом моделировании. Основные выводы проведенного исследования заключаются в том, что разработана модель жизненного цикла программного обеспечения (для этапа его разработки), представленная в нотации UML-диаграммы, которая состоит из этапов инициации разработки, постановки инкремента, исполнения инкремента и завершения разработки. Практическая реализация разработанной модели обеспечивает сокращение времени, необходимого на разработку программного обеспечения и необходимой отчетной документации.

DOI: 10.7256/2454-0714.2015.1.66221

DOI: 10.7256/2454-0714.2024.1.69794

Аннотация: Исследование затрагивает важную тему разработки и внедрения интеллектуальных систем в агропромышленном производстве, фокусируясь на создании "Умной теплицы" с применением нейронных сетей. В работе детально анализируются ключевые технологические инновации и их роль в устойчивом сельском хозяйстве. Особое внимание уделяется изучению методов сбора, обработки и анализа данных для оптимизации условий выращивания растений. Рассматриваются вопросы эффективности использования ресурсов, контроля влажности, температуры, уровня углекислого газа и освещённости, а также автоматизация полива и подачи удобрений. Особое внимание уделяется созданию адаптивных алгоритмов для прогнозирования оптимальных условий, повышающих урожайность и качество сельскохозяйственной продукции, при одновременном снижении экологического воздействия и затрат. Это открывает новые перспективы для устойчивого развития аграрного сектора, способствуя более эффективному и экологически чистому сельскому хозяйству. Исследование реализовано с использованием аналитического обзора литературы, сравнительного анализа существующих решений и моделирования работы нейронных сетей для предсказания оптимальных условий выращивания. Исследование представляет собой значительный вклад в область применения искусственного интеллекта для управления микроклиматом в теплицах, демонстрируя возможности нейронных сетей в автоматизации агропромышленных процессов. Анализируются перспективы использования ИИ для предсказания и оптимизации условий выращивания, что может привести к революционным изменениям в сельском хозяйстве. Выявленные научные новизны включают разработку и тестирование алгоритмов прогнозирования, способных адаптироваться к меняющимся внешним условиям, и обеспечивать максимальную продуктивность при минимальных затратах ресурсов. Выводы исследования подчеркивают важность дальнейшего изучения и внедрения интеллектуальных систем в агропромышленности, указывая на их потенциал в увеличении урожайности и улучшении качества продукции при одновременном снижении экологического воздействия. В заключении, авторы оценивает перспективы применения нейронных сетей в агропромышленном секторе и рассматривает возможные пути дальнейшего развития "Умных теплиц".

DOI: 10.7256/2454-0714.2018.4.28367

Аннотация: С распространением онлайн-сервисов конструирования форм для проведения онлайн-опросов существенно возросло количество исследователей, использующих анкетные опросы в практике научных исследований. Одной из проблем, которая присутствовала при традиционной форме опроса на бумажном носителе и перешла в онлайн-опросы, является проблема достоверности данных. Большинство исследователей, применяющих онлайн-опросы, имеют более высокие запросы к автоматизации исследований. Они не готовы предпринимать значительные усилия для повышения достоверности данных. В настоящей работе предлагается к рассмотрению алгоритм, позволяющий автоматизировать процесс анализа достоверности данных анкетных опросов. Предложенный алгоритм основан на использовании процедуры скользящего экзамена для тестирования отдельных многомерных наблюдений, полученных в ходе онлайн-опроса. Основная гипотеза, заложенная в основу разработанного метода, состоит в том, что подчиненность вопросов анкеты некоторой общей тематике приводит к возникновению некоторых латентных связей между ответами, которые нарушаются при случайных ответах. Для тестирования анкетных данных разработан многомерный статистический критерий. Метод очень прост в использовании и доступен даже для не искушенных исследователей.

DOI: 10.7256/2454-0714.2018.4.28301

Аннотация: Предметом исследования являются методы и подходы решения класса задач поиска ключевых игроков (key player problem), применимые для идентификации в социальных сетях пользователей-экспертов в определенной предметной области; модель построения социальных графов по данным, выбираемым из социальной сети; методы построения взвешенных ориентированных случайных графов для проведения модельных экспериментов и их сравнительный анализ; методы кластерного анализа результатов ранжирования пользователей социальной сети; сравнительный анализ различных результатов идентификации пользователей-экспертов в заданной предметной области. Методы исследования, применяемые в данной работе, базируются на методах системного анализа, аппарате кластерного анализа, теории графов, а также методах анализа социальных сетей. Для оценки работоспособности предлагаемого способа проводились модельные эксперименты с использованием ЭВМ и эксперименты на реальных данных. В процессе программной реализации сервиса для выполнения экспериментального анализа, а также для демонстрации работоспособности способа использовались методы теории алгоритмов, теории структур данных, объектно-ориентированного программирования. Разработан способ идентификации пользователей-экспертов в социальных сетях в заданной предметной области, учитывающий количественные данные активности этих пользователей. В отличии от существующих способов, пользователи социального графа могут ранжироваться при помощи двух и более эффективных методов, что позволяет использовать преимущества этих методов, а сам способ дает возможность получить дополнительные сведения о пользователях, находящихся под влиянием экспертов-лидеров, а также о потенциальных скрытых лидерах общественного мнения.

DOI: 10.7256/2454-0714.2019.4.31797

Аннотация: Целью исследования является подготовка к анализу слабоструктурированных исходных данных, их анализ, изучение влияния «загрязнения» данных на результаты регрессионного анализа. Задача структурирования данных, подготовки их к качественному анализу является уникальной задачей для каждого конкретного набора исходных данных и не может быть решена с помощью общего алгоритма, всегда будет иметь свои особенности. Рассмотрены проблемы, которые могут вызывать трудности при работе (анализе, обработке, поиске) со слабоструктурированными данными. Приведены примеры слабоструктурированных данных и структурированных данных, которые применяются в процедурах подготовки данных к анализу. Рассмотрены и описаны данные алгоритмы подготовки слабоструктурированных данных к анализу. Проведены процедуры очистки и анализа на наборе данных. Построены четыре регрессионных модели и произведено их сравнение. В результате были сформулированы следующие выводы: Исключение из анализа разного рода подозрительных наблюдений может резко сократить объем совокупности и привести к необоснованному снижению вариации. При этом, такой подход будет совершенно неприемлем, если в результате из анализа будут исключены важные объекты наблюдений и нарушена целостность совокупности. Качество построенной модели может ухудшаться при наличии аномальных значений, но может и улучшаться за их счет.

DOI: 10.7256/2454-0714.2014.2.11705

Аннотация: Статья представляет собой обзор формальных методов атрибуции текстов. Задачи определения авторства текстов встречаются в различных областях и представляют интерес для филологов, литературоведов, историков, юристов. При решении задачи атрибуции наибольший интерес и наибольшую сложность представляет анализ синтаксического, лексико-фразеологического и стилистического уровней текста. В некотором смысле более узкой задачей является задача сентимент-анализа (определения тональности текста). Методы ее решения могут оказаться полезными при определении автора текста. К сожалению, экспертный анализ авторского стиля является трудоемким и длительным процессом. Целесообразно создание новых подходов, позволяющих хотя бы частично автоматизировать деятельность экспертов. Поэтому в статье уделяется внимание именно формальным методам идентификации авторов текстов и программной реализации этих методов. В настоящее время для атрибуции текстов применяются алгоритмы сжатия данных, методы математической статистики и теории вероятностей, алгоритмы нейронных сетей, кластерного анализа и др. В статье приведено описание наиболее известных на сегодняшний день программных систем для определения авторского стиля текстов на русском языке, предпринята попытка произвести их сравнительный анализ, выявить особенности и недостатки рассмотренных подходов. Среди проблем, затрудняющих исследования в области атрибуции, можно выделить проблему выбора лингвостилестических параметров текста и проблему составления выборки эталонных текстов. Необходимо проводить дальнейшие исследования, направленные на поиск новых или совершенствование уже имеющихся методов атрибуции текстов, на поиск характеристик, позволяющих четко разделять стили авторов, в том числе на коротких текстах и на малых объемах выборки.

DOI: 10.7256/2454-0714.2014.2.65263

DOI: 10.7256/2454-0714.2015.2.15170

Аннотация: Предметом исследования является автоматизированный биорадиолокационный контроль функционального состояния летчика для обеспечения возможности учета такой оценки в контуре управления самолетом в реальном времени. Разработанные методы и алгоритмы обработки информации впервые позволили обеспечить корректную математическую обработку физиологических сигналов без ограничения двигательной активности летчика при их регистрации за счет учета нестационарности и внутривидовой вариабельности сигналов при их обработке. Это, в свою очередь, существенно расширило потенциальные возможности бесконтактного мониторинга состояния летчика. Методы исследования: системный анализ, фильтрация радиосигналов, вейвлет-анализ, искусственные нейронные сети, математическая кибернетика, распознавание образов. Разработанная методика биорадиолокационного контроля состояния лётчика позволяет обеспечить диагностику опасных (для надежной профессиональной деятельности) состояний по показателям активности сердечно-сосудистой и дыхательной системы. Реализация результатов исследования обеспечивает возможность повышения надежности функционирования летательных аппаратов за счет реализации бесконтактного мониторинга состояния летного состава в интересах повышения надежности его профессиональной деятельности и учета оценки текущего состояния в контурах управления воздушным судном.

DOI: 10.7256/2454-0714.2015.2.67102

DOI: 10.7256/2454-0714.2013.3.63833

Аннотация: Предложен подход к формализации и представлению коллективных экспертных знаний в виде концептуальных моделей, основанный на функционально-целевой технологии. Реализация концептуальной модели в виде базы знаний обеспечивает возможность использования экспертных знаний автономно при решении задач синтеза структуры имитационной модели. Механизм генерации имитационных моделей заключается в последовательном применении формальных правил базы знаний к ее декларативным знаниям. База знаний содержит три группы процедур вывода. Первая группа состоит из процедур вывода, обеспечивающих выбор из всех декларативных знаний базы необходимых для решения конкретной задачи (синтеза конкретной имитационной модели); вторая группа содержит процедуры вывода, генерирующие состав и структуру имитационной модели; третья группа процедур вывода формирует информационные связи синтезируемой модели. Применение функционально-целевого подхода на этапе формализации экспертных знаний обеспечивает адекватность структуры синтезируемой имитационной модели задачам предметной области, что позволяет существенно повысить эффективность использования экспертных знаний при моделировании и исследовании сложных систем.

DOI: 10.7256/2454-0714.2016.4.21438

Аннотация: В данной статье рассматриваются вопросы автоматической обработки содержимого веб-ресурсов. Поскольку скорость устаревания передаваемой во всемирной сети информации очень велика, актуальной темой становится своевременное извлечение необходимых данных из сети интернет. Объектом исследования являются веб-ресурсы, содержащие в себе неадаптированный к автоматизированной обработке текст. Предметом исследования является набор программных средств и методов. Особое внимание уделяется определению категорий объявлений, расположенных на специализированных сайтах. Также рассматриваются прикладные аспекты разработки универсальной архитектуры систем сбора информации. В ходе данного исследования использовались следующие методы: аналитический обзор основных принципов разработки систем автоматизированного сбора информации и анализа естественных языков. Для получения практико-ориентированного результата использовались методы синтеза и анализа. Особым вкладом авторов в исследование темы является разоработка автоматизированной системы сбора, обработки и классификации информации, содержащейся на веб-ресурсе. Новизна исследования заключается в использовании нового подхода к решению данной проблемы на основе учета семантики и структуры характерной для конкретных сайтов. Основными выводами проведенного исследования являются применимость и эффективность используемого метода классификации для решения данной задачи.

DOI: 10.7256/2454-0714.2016.4.68455