Программные продукты и системы

Статьи из выпуска № 2 за 2022 год.

Упорядочить результаты по: Дате публикации | Заголовку статьи | Авторам |

11. Автоматизированное детектирование и классификация объектов в транспортном потоке на спутниковых снимках города [№2 за 2022 год]
Автор: Тормозов В.С.
Просмотров: 1395
В статье рассматриваются разработанные методы детектирования и классификации объектов в транспортном потоке на данных космической съемки сверхвысокого пространственного разрешения. С появлением в свободном доступе больших объемов спутниковых данных все большую актуальность приобретает развитие методов машинного обучения на основании геопространственных данных, в частности, спутниковых. В настоящей работе обоснован выбор источника данных о транспортных потоках – спутниковых снимков сверхвысокого разрешения, рассмотрены основные проблемы и задачи, связанные с распознаванием и классификацией объектов. Целью автора является разработка цепочки алгоритмов, позволяющей с высокой точностью детектировать и классифицировать объекты в транспортных потоках. Исследования основаны на численной оценке качества работы алгоритмов. В работе используются методы распознавания образов, машинного обучения и обработки цифровых изображений. Научная новизна заключается в уникальном алгоритме извлечения изображений локальных участков улично-дорожной сети, алгоритме определения направления дорожного движения объекта, модернизации алгоритма селективного поиска. Следует подчеркнуть, что используемые данные съемки сверхвысокого разрешения появились в доступе для частного использования относительно недавно.

12. Разработка прототипа решателя для расширенных шаговых теорий логики высказываний [№2 за 2022 год]
Авторы: Фоминых И.Б., Алексеев Н.П., Гулякина Н.А., Кравченко К.С., Фомина М.В.
Просмотров: 1806
В настоящее время проводятся активные исследования возможностей использования неклассических логик в моделировании рассуждений когнитивного агента. В статье рассматривается проблема разработки и реализации прототипа решателя расширенных шаговых теорий в случае, когда решения по управлению сложным техническим объектом принимаются в условиях жестких временных ограничений. Рассматривается логическая система, основанная на использовании шаговых теорий с двумя видами отрицания, – система расширенных шаговых теорий. Использование двух видов отрицания позволяет выводить как истинные факты, так и факты-убеждения, что важно при моделировании рассуждений человека. Основное внимание уделяется вопросу организации процедуры вывода на основе использования неклассических логик в моделировании рассуждений когнитивного агента. Приводятся основные этапы разработки прототипа расширенных шаговых теорий с использованием литералов логики высказываний. Для каждого компонента решателя описаны его функции, задачи, входные и выходные данные. Обоснован выбор системы вывода clingo, поддерживающей формирование расширенных логических программ Answer Set Programming (ASP) как инструмента реализации решателя. Приведены алгоритмы трансляции расширенных шаговых теорий в логическую программу, соответствующую синтаксису ASP. При организации логического вывода использован алгоритм циклической обработки множеств убеждений расширенных шаговых теорий в среде clingo. Основные этапы работы этого алгоритма рассмотрены на примере, где разбираются этапы работы решателя и приводятся результаты, представленные в синтаксисе clingo. Пример работы решателя демонстрирует основные особенности расширенных шаговых теорий в задачах жесткого реально-го времени, такие как отказ от логического всеведения, самопознание и темпоральная чувствительность. В дальнейшем планируется рассмотреть применимость созданного решателя к более сложной формальной системе – логике предикатов первого порядка.

13. Автоматизация оценки состояния электросети в удаленных районах России с использованием смарт-структур [№2 за 2022 год]
Автор: Шевнина Ю.С.
Просмотров: 1373
В статье рассматривается способ автоматизации оценки состояния электросети в удаленных районах России с использованием смарт-структур. Предлагаемый способ реализован в виде мобильного приложения. Смарт-структура, лежащая в основе данного способа, состоит из модулей получения и обработки данных с датчиков, поиска закономерностей характеристик электросети и формирования классификаторов состояний, рекомендаций по ремонту и оптимальному режиму эксплуатации электросети и подстанции. Научная новизна предлагаемого решения заключается в методе анализа и обработки характеристик электросети и их совокупностей. Кроме того, учитываются параметры внешних воздействий в виде природных и техногенных факторов. Метод анализа и обработки информации об электросети и подстанции основан на машинном обучении – логическом анализе данных. Оценка состояния электросети и подстанции важна при исследовании и решении задач прогнозирования изменения состояния электросети, подбора рекомендаций и принятия решений о ремонтных и обслуживающих работах. Метод оценки состояния электросети основан на поиске закономерностей и построении классификаторов и позволяет учитывать все характеристики и параметры электросети, их совокупность и связи между ними. Он также дает возможность анализировать и получать закономерности для неполных и неточных данных, с чем достаточно часто приходится сталкиваться в реальных электросетях. Метод может быть использован при проектировании и обслуживании электросетей и подстанции в труднодоступных и удаленных регионах Российской Федерации. Предлагаемая редукция закономерностей характеристик и их совокупностей на основе их рекуррентной конъюнкции позволяет получать оптимальные классификаторы состояний электросети и подстанции с высокой интерпретируемостью и обобщенностью, что увеличивает точность оценки состояния электросети и, как следствие, точность прогноза поведения, рекомендаций и принятия решений о ремонтных работах и оптимальном режиме эксплуатации.

14. Модуль группового многокритериального анализа решений на основе нечеткого расширения метода TOPSIS [№2 за 2022 год]
Авторы: Шершнев Р.В., Радаев А.В., Коробов A.В., Яцало Б.И.
Просмотров: 1737
Теория группового принятия решений широко применяется в различных областях человеческой деятельности. В рамках данной теории предложены различные методы голосования, оценки консенсуса среди участников группового анализа решений и рекомендаций по выбору/ранжированию альтернатив. Для практической реализации указанных методов разработаны компьютерные системы группового анализа и поддержки принятия решений. В данной работе представлен модуль DecernsFMCDA-G-FT для группового анализа решений с использованием нечеткой многокритериальной модели Fuzzy TOPSIS. Модуль является компонентом разрабатываемой системы поддержки принятия групповых решений DecernsFMCDA-G и содержит необходимый функционал для постановки задачи, сбора экспертной информации, проведения оценок и анализа результатов. Визуализация индивидуальных предпочтений и групповых оценок, а также возможность выбора различных подходов к ранжированию исследуемых альтернатив дают наглядное представление о процессе группового многокритериального анализа. При решении прикладных задач могут быть использованы входные нечеткие величины раз-личной формы, несколько методов вычисления функций от нечетких чисел, а также различные методы ранжирования нечетких величин. В качестве примера решена задача многокритериальной сортировки претендующих на работу кандидатов с использованием модуля DecernsFMCDA-G-FT. Разработанный модуль предназначен для использования в рамках университетских курсов по теории принятия решений, анализу и управлению рисками, а также для многокритериального анализа широкого круга научно-прикладных задач.

15. Программная реализация анализа демографических данных на основе единого реестра населения [№2 за 2022 год]
Авторы: Юсифов Ф.Ф., Ахундова Н.Е.
Просмотров: 1156
Статья посвящена анализу демографических данных на основе единого реестра населения, который является ключевым компонентом электронной демографической системы. Единый реестр населения – это интегрированные БД, основанные на обмене как агрегированными, так и индивидуальными данными между отдельными реестрами. Реестры играют важную роль в получении информации о населении. Следует отметить, что пандемия COVID-19 еще раз подчеркнула важность использования административных данных как электронных реестров для демографических исследований. В работе проводится экспериментальный анализ демографических характеристик в условиях пандемии COVID-19 на основе данных 1 000 физических лиц. Эти данные являются гипотетическими, взяты из двух отдельных реестров – реестра населения и реестра здоровья и объединены в единый реестр. В статье представлена программная реализация анализа демографических данных. Демографический анализ осуществлен в среде Jupyter Notebook 6.1.4., язык реализации – Python 3.8.5. Результаты показывают, что создание электронной демографической системы требует интеграции различных государственных реестров для более детального анализа. Это позволит обрабатывать и анализировать более крупные и многомерные структурированные данные на разных временных интервалах. При этом очень важны достоверность данных, включенных в реестр, устранение несоответствий, обеспечение постоянного обновления регистрационных данных по каждому физическому лицу. Устранение ошибок в данных делает единый реестр населения надежным источником информации.

◄ ← Предыдущая | 1 | 2