ISSN 0236-235X (P)
ISSN 2311-2735 (E)

Публикационная активность

(сведения по итогам 2016 г.)
2-летний импакт-фактор РИНЦ: 0,493
2-летний импакт-фактор РИНЦ без самоцитирования: 0,389
Двухлетний импакт-фактор РИНЦ с учетом цитирования из всех
источников: 0,732
5-летний импакт-фактор РИНЦ: 0,364
5-летний импакт-фактор РИНЦ без самоцитирования: 0,303
Суммарное число цитирований журнала в РИНЦ: 5022
Пятилетний индекс Херфиндаля по цитирующим журналам: 355
Индекс Херфиндаля по организациям авторов: 499
Десятилетний индекс Хирша: 11
Место в общем рейтинге SCIENCE INDEX за 2016 год: 304
Место в рейтинге SCIENCE INDEX за 2016 год по тематике "Автоматика. Вычислительная техника": 11

Больше данных по публикационной активности нашего журнале за 2008-2016 гг. на сайте РИНЦ

Вход


Забыли пароль? / Регистрация

Добавить в закладки

Следующий номер на сайте

4
Ожидается:
16 Декабря 2017

Статьи из свежего выпуска

Упорядочить результаты по:
Дате публикации | Заголовку статьи | Авторам

11. Гибридные когнитивные нечеткие системы управления автономным роботом на основе нейроинтерфейса и технологии мягких вычислений [2017-08-25]
Авторы: Ульянов С.В., Решетников А.Г., Мамаева А.А.
Просмотров: 664
В статье обсуждаются возможности применения нейроинтерфейса совместно с различными типами регуляторов на типовом примере управления автономным транспортным средством. Проведена оценка возможностей применения методов и средств технологии интеллектуальных вычислений для повышения надежности функционирования системы управления. Цель данной работы – на основе эксперимента показать возможности эффективного применения когнитивного интерфейса («мозг–компьютер–исполнительное устройство») на примере управления транспортным средством (мобильным роботом), раскрыть возможность применения современных технологий управления и показать роль и необходимость интеллектуальных вычислений в работе интерфейса «мозг–компьютер» для повышения надежности и робастности системы управления. В частности, рассмотрена возможность управления типовым движением объекта (вперед, назад, влево, вправо, обход препятствий) посредством когнитивного шлема с помощью стандартного блока распознавания команд и различных типов систем управления, в том числе на основе оптимизатора баз знаний на мягких вычислениях.

12. Обзор средств имитационного моделирования коллективов роботов с элементами социальной организации [2017-08-25]
Авторы: Ровбо М.А., Овсянникова Е.Е., Чумаченко А.А.
Просмотров: 551
В работе рассматриваются механизмы, важные для адекватного моделирования группы искусственных агентов, особенно мобильных роботов, организованных в систему с элементами социальной структуры. Сформулированы основные механизмы для моделирования искусственных коллективов с социальной структурой. Проведен обзор инструментов моделирования, основанный на этих требованиях, определяющий преимущества и недостатки существующих систем для моделирования, симуляции и исследования подобных систем. Обзор сосредоточен вокруг средств моделирования биологических систем (в частности, муравьев, так как они являются ярким примером социальной группы), агентного моделирования и специализированных инструментов симуляции роботов. Сделан акцент на уровень поддержки различных социальных механизмов в системах моделирования, а также на их возможности моделирования, особенно большого количества агентов (в частности, поддержка вычислений на кластерах), на умение симулировать пользовательские модели и реализацию различных аспектов социальной группы. Выяснилось, что, хотя есть много общих средств для создания и симуляции моделей, существует очень мало поддержки и готовых реализаций даже широко используемых механизмов, таких как феромоны, предоставленных системами для создания и исследования группы робототехнических агентов с социальной структурой. С другой стороны, средства, направленные на моделирование систем с элементами социального поведения, таких как системы моделирования поведения муравьев, не очень масштабируемы или ограничены в наборе аспектов, которые они могут моделировать, и нет удобных механизмов их расширения для углубленных исследований. На основе обзора была выявлена потребность в комплексной системе моделирования, специально направленной на исследования в области искусственных групп агентов с элементами социальной структуры, и сформулированы требования к такой системе.

13. Разработка системы стереозрения для мобильного робота [2017-08-25]
Авторы: Ульянов С.В., Решетников А.Г., Кошелев К.В.
Просмотров: 785
Основным источником развития робототехнических систем и систем искусственного интеллекта является усовершенствование вычислительной техники, устройств и сенсоров, позволяющих получать информацию об окружающей среде. Этот процесс неразрывно связан с развитием ПО бортовых процессоров, которые используются при управлении автономным роботом. В данной статье приводится краткое описание модуля разрабатываемой системы распознавания образов автономного робота, базирующегося на технологии стереозрения. В настоящее время все чаще упоминаются системы, состоящие из комбинаций нескольких видеокамер, лазерных радаров, тепловизоров и других источников получения информации об окружающей среде. Широкое применение оборудование такого класса получило при создании автопилотов для транспортных средств, систем контроля безопасности, беспилотной авиаразведки, различных бытовых роботов. Применение стереозрения позволяет получать данные о глубине изображения и расстоянии до объектов, строить трехмерную картину окружающего мира. В работе также дано описание настройки используемого оборудования (пара камер, закрепленных на общем основании): описан процесс калибровки стереопары (поиск калибровочного шаблона на изображении производился с помощью фреймворка ROS). Изображения, полученные с камер, подвергаются ректификации – преобразованию, при котором оба изображения проецируются на плоскость, параллельную линии, соединяющей оптические центры камер. В статье рассмотрены основы проективных преобразований и эпиполярной геометрии, а также идея, лежащая в основе построения карт глубины и смещений. В качестве результата представлен программный модуль распознавания, разработанный с помощью языка программирования Python.

14. Фреймворк для анализа и прогнозирования временных рядов при разработке компонент проактивных систем поддержки принятия решений [2017-08-25]
Авторы: Щербаков М.В., Задиран К.С., Голубев А.В., Аль-Гунаид Моххаммед Амин
Просмотров: 803
В статье описан разработанный фреймворк для автоматизации исследований в области проектирования математического и ПО проактивных систем поддержки принятия решений. В частности, рассматривается проблема анализа и прогнозирования временных рядов для формирования компонент автоматизации прогнозирования различных процессов. На практике для прототипирования компонент используются различные библиотеки анализа данных (на языках R, Python). Основная проблема – отсутствие или недостатки реализации методики анализа, то есть последовательности действий при анализе. Кроме этого, следует выделить ряд сдерживающих факторов, влияющих на эффективность проектирования компонент анализа и прогнозирования: рутинные операции при ручном анализе временных рядов, отнимающие много времени разработчика; недостаточная квалификация разработчика как сдерживающий фактор реализации компонент проактивных систем; зачастую необходимость анализа большого числа однотипных данных. Предлагаемое программное решение, представляющее собой ПО на языке Python, позволяет автоматизировать процесс анализа временных рядов и формировать отчет в формате LaTeX. Формирование осуществляется в автоматическом режиме в соответствии с методологией CRISP-DM. Отчет содержит результат комплексного анализа временных рядов в соответствии с опубликованными и признанными методиками. Все функции фреймворка можно отнести к одной из следующих групп: функции загрузки данных и формирование внутреннего фрейма данных; функции дескриптивного анализа временных рядов с визуализацией; функции прогнозирования и функции формирования отчета. Показан пример использования фреймворка для решения задачи поддержки принятия проактивных управленческих решений в системах энергетического менеджмента (прогнозирование потребления электроэнергии).

15. Современные тенденции в автоматизированной оценке юзабилити и поведенческие факторы в алгоритмах поисковых систем [2017-08-25]
Автор: Бакаев М.А.
Просмотров: 741
В настоящее время сохраняются неопределенность относительно количественного измерения юзабилити, а также ненужное противопоставление его объективных составляющих (продуктивности и эффективности) и субъективного аспекта удовлетворенности пользователя. В данной обзорной статье отмечается, что практическая цель заключается не столько в измерении юзабилити веб-сайта, сколько в улучшении качества его использования или его оценки со стороны соответствующих алгоритмов поисковых систем, которые все более повышают важность поведенческих факторов в ранжировании. Описаны традиционные методы оценки и проектирования юзабилити веб-сайтов и современные инструменты, вносящие в них элементы автоматизации. В рамках автоматизированной оценки юзабилити выделены подходы, основанные на взаимодействиях, метриках и моделировании, указаны возможности и ограничения каждого из них. Кроме того, дан краткий обзор гибридных подходов, которые все в большей степени используют методы искусственного интеллекта и машинного обучения. Так, эффективным методом для оценки качества взаимодействия с веб-сайтом являются нейронные сети, применяемые, в частности, в рамках эволюционных алгоритмов проектирования для вычисления фитнес-функции для решений-кандидатов. Описаны методы автоматизированной оценки юзабилити сайтов со стороны глобальных поисковых систем (Яндекс, Гугл), приводится перечень некоторых значимых поведенческих факторов. Фактически поисковые системы рассматривают юзабилити как «черный ящик» и активно применяют методы машинного обучения для аппроксимации его оценки. Таким образом, концептуализация и практическая оценка юзабилити со стороны поисковых систем, которые в значительной степени формируют веб-среду на сегодняшний день, постоянно эволюционируют и требуют соответствующих гибких и адаптивных подходов со стороны веб-дизайнеров и разработчиков.

16. Верификация моделей систем на базе эквациональной характеристики формул LTL [2017-08-25]
Авторы: Кораблин Ю.П., Кочергин А.С., Шипов А.А.
Просмотров: 737
Метод верификации на моделях Model Checking уже давно получил широкое признание в области, связанной с оценкой качества работы программных и технических систем. Такие ключевые компании в области IT-индустрии, как Intel, Microsoft, Amazon и другие, активно применяют его на этапах разработки и сопровождения своих продуктов. Успех Model Checking, безусловно, не является случайным, поскольку именно его появление и развитие позволили решить множество проблем в области верификации, а именно: проблемы унифицированного представления программных и технических систем, формального задания требований, автоматизации этапов верификации, верификации больших распределенных программных систем и другие. Однако постоянное развитие современных технологий и темпы роста сложности современных программных систем ставят перед Model Checking все новые проблемы, которые могут стать непреодолимым препятствием на пути эффективной верификации. Поэтому необходимо постоянное совершенствование теории и инструментов данного метода. В статье авторами подробно рассматривается реализация алгоритма верификации метода Model Checking для формул логики линейного времени LTL на базе новой нотации RLTL (Recursive Linear Temporal Logic), которая является рекурсивным представлением формул логики линейного времени. Поскольку на базе RLTL могут быть заданы как модель верифицируемой системы, так и требования к ней, можно избежать необходимости их предварительного преобразования к автоматам Бюхи и сразу приступать к процессу верификации, что упростит алгоритм метода и повысит его эффективность.

17. Разработка системы разрешения анафоры на основе методов машинного обучения [2017-08-25]
Авторы: Соколов А.В., Батура Т.В.
Просмотров: 768
В работе предложен и реализован метод разрешения анафоры местоимений третьего лица в текстах на русском языке. Задача нахождения искомых пар «анафор–антецедент» рассматривается как задача бинарной классификации. Предварительно осуществляется морфологический и синтаксический анализ текста. Для морфологического анализатора использовалась библиотека pymorphy2. Синтаксический анализ производился при помощи MaltParser. Непосредственно сам алгоритм разрешения анафоры состоит из трех этапов. Сначала происходит поиск всех местоимений, затем составляется множество потенциальных антецедентов и осуществляется выбор наиболее подходящего кандидата. Компонент создания множества кандидатов в антецеденты основан на применении дистанционного, морфологического и синтаксического фильтров. В качестве алгоритма классификации выбран алгоритм машинного обучения Random Forest. Классификатор выбора наиболее вероятного кандидата учитывает 78 различных признаков. Проведены исследования по проверке эффективности данного метода, доказывающие применимость разрабо-танного подхода. По результатам тестирования можно заметить, что качество анализатора улучшается, когда не учитывается морфологический фактор падежа. Также можно отметить, что на наборе признаков, не содержащем падежи, меньшее влияние на конечный результат оказывает количество взятых для расчета деревьев. При создании систем разрешения анафоры основные проблемы заключаются в следующем. Во-первых, поиск анафорических отношений лежит в области семантики и поэтому трудно поддается формализации. Во-вторых, существуют особенности русского языка, такие как развитая морфология, морфологические и синтаксические неоднозначности, которые отрицательно сказываются на результате.

18. Информационно-аналитическая система оценивания трудозатрат и стоимости создания программных средств [2017-08-25]
Авторы: Котов С.Л., Демирский А.А.
Просмотров: 462
В статье рассматривается метод оценки размера создаваемого программного средства на ранних этапах жизненного цикла его разработки. Для программных средств одного класса наибольшее влияние на трудоемкость разработки оказывает их размер. Обоснованная оценка размера создаваемого программного средства необходима для адекватной оценки трудозатрат и стоимости разработки. В статье дается краткий обзор существующих методов оценки размера создаваемого программного средства. Среди них наиболее распространенными являются метод конструктивной модели стоимости (COCOMO, COCOMO II) и метод функционально-балльной оценки (FPA). Указаны недостатки данных методов. Для формирования оценки размера создаваемого программного средства предлагается использовать метод, являющийся развитием FPA и COCOMO II. Он основан на подсчете программных объектов: экранных форм, отчетов, файлов данных (таблиц СУБД), функций импорта/экспорта данных. Для оценки размера создаваемых программных объектов используется база нечетких продукционных правил, параметры которой определяются с помощью искусственной нейронной сети (нейронная продукционная сеть Такаги–Сугено–Канга). Приводится математическое описание используемых моделей оценки. Метод был адаптирован для оценки размера создаваемого специального ПО автоматизированных систем. Выделены преимущества применения предложенного метода оценки размера создаваемого программного средства. С использованием данного подхода была разработана информационно-аналитическая система оценивания трудозатрат и стоимости создания программных средств. В статье рассмотрена функциональная структура информационно-аналитической системы, дается перечень режимов ее функционирования. В заключение приведены результаты применения предложенного метода для оценки размера создаваемого специального ПО автоматизированных систем.

19. Расчет оптимальной зависимости цены информационного ресурса при его реализации на нескольких рынках [2017-08-25]
Авторы: Амелькин С.А., Иванова О.С.
Просмотров: 508
В последнее время наряду с материальными ресурсами все большее значение приобретают информационные, нематериальные ресурсы. Они имеют ряд особенностей, которые следует учитывать при решении задач оптимального управления бизнес-процессами. Одна из наиболее ключевых проблем информационного рынка – определение стоимости информации. Однако здесь возникает ряд трудностей из-за специфики товара. В данной статье под информационным товаром будем понимать некий программный продукт. Продажа информационных ресурсов характеризуется тем, что его тиражирование может быть осуществлено без существенных дополнительных затрат. Это приводит к увеличению объема ресурса в ходе процессов его распространения. При этом установление цены является одним из ключевых моментов, определяющих дальнейшее распространение и продвижение товара, которое должно учитывать множество факторов, в том числе и способ его распространения. В работе рассмотрена задача определения ценовой политики фирмы, реализующей на рынке информационный ресурс. Решена задача определения оптимальной зависимости цены информационного ресурса от времени для случая, когда фирма-продавец не имеет конкурентов на рынке, рынок насыщается, а покупатели лишены возможности дальнейшего распространения ресурса. Получены условия оптимального выбора цены информационного ресурса, а для линейной функции спроса рассчитан максимально возможный доход фирмы, а также получены условия, определяющие продолжительность и объем продаж, обеспечивающих максимум среднего дохода фирмы. При известной функции спроса, которую можно найти аппроксимацией данных эксперимента, полученные условия позволяют выбрать оптимальное изменение цены продаж в функции, определяющей число проданных экземпляров информационного ресурса.

20. Метод частотно-морфологической классификации текстов [2017-08-25]
Авторы: Осочкин А.А., Фомин В.В., Флегонтов А.В.
Просмотров: 777
Появление централизованных хранилищ данных и накопление в них информации в виде как структурированных таблиц, так и слабоструктурированных текстов стали следствием растущего внимания к методам анализа данных. Анализ данных в перспективе позволяет получать важную информацию, на основе которой можно принять верное управленческое решение или спрогнозировать дальнейшее развитие событий. Одним из важных направлений этого анализа является автоматическая классификация накопленных данных в электронном виде, упрощенная модель которой сводится к считыванию, обработке текста и присвоению документу темы из заранее заданного списка. Все чаще работы зарубежных коллег посвящаются классификации данных в области медицины для последующего прогноза развития болезни на основе статистики или постановки диагноза на основе истории болезни. Главную сложность в классификации представляют тексты на естественном языке, которые в силу лингвистических особенностей языка и поддержки частью методов классификации исключительно числовых данных трудно поддаются классификации. В настоящей работе исследуется научная активность в сфере классификации данных на естественном языке на основе ежегодной публикации научных трудов в данной сфере, а также предлагается на рассмотрение метод классификации русскоязычных текстов, интегрирующий в себе алгоритмы частотного, морфологического и интеллектуального анализов. Процедура классификации текстов предполагает применение частотных, морфологических показателей и регрессионных деревьев. Также в данной работе представлены результаты ряда экспериментов по идентификации метода классификации с наиболее высокой точностью. Классификация осуществлялась по функциональным, литературным и авторским стилям.

← Предыдущая | 1 | 2 | 3 | Следующая →