На правах рекламы:
ISSN 0236-235X (P)
ISSN 2311-2735 (E)

Публикационная активность

(сведения по итогам 2020 г.)
2-летний импакт-фактор РИНЦ: 0,493
2-летний импакт-фактор РИНЦ без самоцитирования: 0,425
Двухлетний импакт-фактор РИНЦ с учетом цитирования из всех
источников: 0,932
5-летний импакт-фактор РИНЦ: 0,455
5-летний импакт-фактор РИНЦ без самоцитирования: 0,414
Суммарное число цитирований журнала в РИНЦ: 10613
Пятилетний индекс Херфиндаля по цитирующим журналам: 165
Индекс Херфиндаля по организациям авторов: 255
Десятилетний индекс Хирша: 20
Место в общем рейтинге SCIENCE INDEX за 2020 год: 166
Место в рейтинге SCIENCE INDEX за 2020 год по тематике "Автоматика. Вычислительная техника": 5

Больше данных по публикационной активности нашего журнале за 2008-2020 гг. на сайте РИНЦ

Добавить в закладки

Следующий номер на сайте

3
Ожидается:
25 Сентября 2022

Статьи из выпуска № 3 за 2021 год.

Упорядочить результаты по:
Дате публикации | Заголовку статьи | Авторам

11. Программная реализация модуля анализа данных на основе прецедентов для распределенных интеллектуальных систем [№3 за 2021 год]
Авторы: Еремеев А.П., Варшавский П.Р., Поляков С.А.
Просмотров: 2202
В статье рассматриваются вопросы реализации модуля анализа данных на основе прецедентов (CBR, Case-Based Reasoning), позволяющего выполнять все этапы цикла обучения на основе прецедентов (CBR-цикла) для распределенных интеллектуальных систем. В настоящее время про-слеживается устойчивая тенденция к широкому применению методов и средств интеллектуально-го анализа данных для решения различных прикладных задач. Все больше крупных компаний используют интеллектуальные системы и средства интеллектуального анализа данных для повышения эффективности своего бизнеса и сокращения расходов. В связи с развитием интернет-технологий и доступности облачных вычислений перспективным направлением в области искусственного интеллекта является создание распределенных интеллектуальных систем. Распределенные интеллектуальные системы характеризуются распределением вычислительных и информационных ресурсов, что ведет к повышению адаптируемости, надежности, а также общего быстродействия системы ввиду возможности одновременно обрабатывать большие наборы данных. Распределенные интеллектуальные системы состоят из автономных узлов (агентов), которые могут действовать независимо друг от друга и асинхронно обмениваться информацией. Наличие в системе агентов, способных реализовать определенные интеллектуальные функции, характеризует тесную связь между распределенными интеллектуальными и многоагентными системами. Главное внимание уделяется методу интеллектуального анализа данных, основанному на использовании накопленного ранее опыта в виде прецедентов. Указанный прецедентный метод (CBR-метод) позволяет решать новую задачу, используя (адаптируя) решение схожей уже известной задачи. Для решения задач интеллектуального анализа данных на основе прецедентов была разработана модульная прецедентная система (CBR-модуль), реализующая основные этапы CBR-цикла. Система позволяет работать с прецедентами, представленными в параметрическом и струк-турированном (на основе онтологий) видах. CBR-модуль представляет собой веб-приложение, реализованное на языке программирования Python 3.7.5 с использованием веб-фреймворка Flask и библиотеки Owlready2 для работы с онтологиями. CBR-модуль ориентирован на интеграцию в состав распределенных интеллектуальных систем для выполнения анализа данных на основе прецедентов. Функционирование реализованного CBR-модуля было протестировано на примере задачи классификации на наборах данных, взятых из открытого репозитория Калифорнийского универси-тета (UCI Machine Learning Repository).

12. Способы ускорения подготовки и встраивания цифрового водяного знака с использованием мобильных устройств на основе преобразования Арнольда и вейвлет-преобразования [№3 за 2021 год]
Авторы: Зотин А.Г., Проскурин А.В.
Просмотров: 2008
В последние годы технология цифрового маркирования фото- и видеоматериалов приобретает все большее значение из-за взрывного роста объемов информации, передаваемой через незащищенные каналы связи. Встроенные с помощью этой технологии цифровые водяные знаки позволяют сократить объемы передаваемой информации, а также могут применяться для защиты изображений (носителей) от незаконного использования. Для более эффективной реализации послед-ней задачи проводятся различные исследования с целью повышения устойчивости, незаметности и защищенности цифровых водяных знаков. В большинстве случаев это приводит к увеличению требуемой вычислительной мощности, что затрудняет применение цифрового маркирования в мобильных устройствах. В данной работе предложены несколько способов снижения вычислительных затрат и уменьшения времени вычислений методов цифрового маркирования, основанных на преобразовании Арнольда и вейлет-преобразовании. Первый способ заключается в линейной интерпретации цифровых водяных знаков и изображения-носителя, что позволяет избежать использования двойных циклов. Второй способ состоит в применении таблиц преобразований для замены непосредственных вычислений. Одна из таких таблиц позволяет выполнять преобразование Арнольда за определенное время вне зависимости от количества итераций. Для определения количества итераций для каждого блока используются хэш-код секретного ключа и специально сформированные для этого таблицы. Третий способ сокращения времени встраивания цифровых водяных знаков состоит в многопоточном выполнении, реализованном с помощью технологии OpenMP. В совокупности с применением линейной интерпретации это дает ускорение в 1,90, 2,56 и 3,01 раза для двух, трех и четырех потоков соответственно.

13. Сравнительный анализ средств видео-конференц-связи для дистанционного обучения [№3 за 2021 год]
Автор: Суханов М.Б.
Просмотров: 2394
Проблема пандемии коронавирусной инфекции привела к необходимости перехода на дистанционное обучение и выбора средств видео-конференц-связи для проведения лекционных и практических занятий дистанционно. Объектом данного исследования является ПО видео-конференц-связи. Анализ публикаций по теме показал, что в настоящее время в научной литературе трудно найти обоснованные рекомендации по выбору современных средств информатизации для дистанционного обучения, мало изучены перспективы использования веб-платформ и платформ видео-конференц-связи как исследователями, так и участниками. Большой популярностью пользуются программные средства иностранных компаний. В статье проведено сравнение функциональных возможностей и особенностей ПО для видео-конференц-связи. Рассмотрены требования к компьютеру и мобильным устройствам, их технические характеристики, наиболее важные для обеспечения качественной видео-конференц-связи. Приведен пример исследования динамики производительности основных компьютерных ресурсов во время видеоконференции Zoom. Данные о производительности были получены с помощью программы «Диспетчер задач», входящей в состав операционной системы Windows 10. Показано, что программы для видео-конференц-связи потребляют много компьютерных ресурсов (процессор, оперативная память). Выявлены тенденции в применении программных средств видео-конференц-связи в российском дистанционном обучении – переход на использование корпоративных решений Microsoft, совместное использование Office 365 и Microsoft Teams, широкое применение программного средства Zoom. Поскольку видеозаписи занятий являются интеллектуальной собственностью, целесообразно импортозамещение зарубежных средств видео-конференц-связи. Преимуществами таких средств должны быть высокая надежность, безопасность, оценка уровня удовлетворенности обучающихся, когнитивный интерфейс.

← Предыдущая | 1 | 2