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

Авторитетность издания

ВАК - К1
RSCI, ядро РИНЦ

Добавить в закладки

Следующий номер на сайте

2
Ожидается:
16 Июня 2024

Статьи из выпуска № 2 за 2022 год.

Упорядочить результаты по:
Дате публикации | Заголовку статьи | Авторам

11. Оценка эффективности условий проведения химических реакций [№2 за 2022 год]
Авторы: Звягинцев Н.В., Биллиг В.А.
Просмотров: 1746
В статье рассматривается задача оценки эффективности условий проведения химических реакций с учетом таких факторов, как наличие примесей, стоимость катализаторов, и ряда других, влияющих на стоимость технологического процесса. Для оценки эффективности химической реакции авторы предлагают вначале независимо оценить эффективность каждого фактора, участвующего в реакции, а затем с учетом полученных результатов построить суммарную оценку. Поскольку природа факторов различна, для сравнения их влияния вводится понятие бонусов, которые начисляются каждому фактору. Бонусы начисляются за получение основного продукта, а также за минимизацию побочного продукта. На примере таких факторов, как давление и температура, влияющих на условия протекания ре-акции, показана целесообразность введения понятия «мягкое значение условия», при котором за-траты на выполнение условия минимальны. С учетом этих предположений оценка эффективности каждого фактора строится как нечеткая мера эффективности – монотонная функция со значениями из интервала [0, 1]. Один из подходов, применяемых для оценки значимости того или иного фактора, основан на возможности применения методов интеллектуального анализа данных. Этот метод предполагает возможность накопления достаточно репрезентативной БД. Суммарная оценка эффективности строится как взвешенная сумма оценок каждого из факто-ров. Проверка корректности предлагаемого подхода проводилась на данных реального эксперимента, где фиксировались факторы, влияющие на протекание химической реакции, а также количество целевого и побочного продуктов, полученных в ее результате.

12. Программная реализация анализа демографических данных на основе единого реестра населения [№2 за 2022 год]
Авторы: Юсифов Ф.Ф., Ахундова Н.Е.
Просмотров: 1662
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.

13. Разработка архитектуры универсального фреймворка федеративного обучения [№2 за 2022 год]
Авторы: Ефремов М.А., Холод И.И.
Просмотров: 2284
Объектом исследования является технология федеративного обучения, которая позволяет осуществлять коллективное машинное обучение на распределенных обучающих наборах данных без их передачи в единое хранилище. Актуальность данной технологии обусловлена, с одной стороны, давно растущим трендом на использование машинного обучения для решения множества прикладных задач, а с другой – ростом запросов, в том числе законодательных, на приватность и обработку данных ближе к источнику или непосредственно на нем. Основными проблемами при создании систем федеративного обучения являются отсутствие гибких фреймворков для различных сценариев федеративного обучения: большинство существующих решений сосредоточено на обучении искусственных нейронных сетей в централизованной вычислительной среде. Предмет исследования – универсальная архитектура фреймворка для раз-работки прикладных систем федеративного обучения, позволяющая строить системы для разных сценариев, различных параметров и топологий вычислительной среды, моделей и алгоритмов машинного обучения. В статье рассмотрена предметная область федеративного обучения, даны основные определения и описан процесс федеративного обучения, приведены и разобраны различные сценарии возможных прикладных задач. Проведен анализ наиболее известных на данный момент фреймворков федеративного обучения, а также их применения для возможных сценариев использования. В качестве результата описана архитектура универсального фреймворка, который, в отличие от существующих, может быть использован для разработки прикладных систем федеративного обучения разного типа и разных сценариев использования.

14. Разработка программ для поддержки принятия решений на основе байесовских вероятностных моделей [№2 за 2022 год]
Авторы: Кожомбердиева Г.И., Бураков Д.П., Хамчичев Г.А.
Просмотров: 3383
В статье представлены программы, ориентированные на применение в качестве инструмента поддержки принятия решений и реализующие оригинальные подходы к групповому экспертному рейтинговому оцениванию и нечеткому логическому выводу. В основу программ положены вероятностные модели на основе формулы Байеса, ранее предложенные авторами. В этих байесовских моделях входные оценочные данные интерпретируются как свидетельства в пользу той или иной гипотезы из множества возможных, определяемых спецификой модели: гипотез о месте того или иного объекта в рейтинге (в модели группового экспертного рейтингового оценивания) и о возможном значении выходной лингвистической переменной (в модели нечеткого вывода). Полученные свидетельства специфичным для модели способом трансформируются в набор байесовских условных вероятностей, вычисляемых в предположении истинности соответствую-щей гипотезы, а далее рассчитываются апостериорные распределения вероятностей на множестве этих гипотез. Апостериорные распределения используются как основа для несложного вычисления конечного результата: рейтинга объектов (в модели группового экспертного рейтингового оценивания) и дефаззифицированного значения выходной переменной (в модели нечеткого вывода). Обсуждаются особенности программной реализации моделей на платформе Java, отмечаются преимущества моделей.

15. 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: 2680
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.

← Предыдущая | 1 | 2