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

Публикационная активность

(сведения по итогам 2019 г.)
2-летний импакт-фактор РИНЦ: 1,051
2-летний импакт-фактор РИНЦ без самоцитирования: 0,466
Двухлетний импакт-фактор РИНЦ с учетом цитирования из всех
источников: 1,051
5-летний импакт-фактор РИНЦ: 0,466
5-летний импакт-фактор РИНЦ без самоцитирования: 0,395
Суммарное число цитирований журнала в РИНЦ: 9403
Пятилетний индекс Херфиндаля по цитирующим журналам: 295
Индекс Херфиндаля по организациям авторов: 369
Десятилетний индекс Хирша: 20
Место в общем рейтинге SCIENCE INDEX за 2019 год: 291
Место в рейтинге SCIENCE INDEX за 2019 год по тематике "Автоматика. Вычислительная техника": 7

Больше данных по публикационной активности нашего журнале за 2008-2018 гг. на сайте РИНЦ

Добавить в закладки

Следующий номер на сайте

2
Ожидается:
16 Июня 2021

Статьи из свежего выпуска

Упорядочить результаты по:
Дате публикации | Заголовку статьи | Авторам

1. Подход к проектированию программного обеспечения систем управления искусственными сущностями [№1 за год]
Авторы: Виноградов Г.П., Конюхов И.А., Шепелев Г.А.
Просмотров: 387
Задачи интеллектуального управления искусственными сущностями (в том числе роботизированными комплексами) тесно связаны с проблемой принятия решений. Формальная теория выбора развивалась путем абстрагирования от субъективных факторов. Это привело к созданию нормативной теории принятия решений «идеальным» субъектом. Анализ подходов к построению систем управления роботизированными комплексами показал, что они не обладают способностью самостоятельно принимать решения. На практике разработчики продумывают возможные варианты поведения таких систем, и соответствующие алгоритмы закладываются в систему управления роботизированными комплексами. Как результат – такой объект не обладает свойством самодостаточного поведения, гарантирующего выполнение некоторой миссии, особенно в составе человеко-машинной системы. Требование интеллектуализации поведения заставляет пересмотреть логические и математические абстракции, положенные в основу построения их бортовых систем управления. Цель работы – обосновать подход к разработке ПО интеллектуальных систем управления роботизированными комплексами на базе теории паттернов. Разработать подход, обеспечивающий перенос эффективного опыта в систему управления роботизированными комплексами, совместимость теологического подхода и подхода, основанного на причинно-следственных связях, что важно при интеграции роботизированных комплексов и личного состава подразделений, показать, что закономерности отхода субъекта от идеального рационального выбора к субъективно рацио-нальному связаны с особенностями идентификации и понимания состояния внешнего окружения и свойств своих интересов. Внешние факторы связаны с обязательствами, которые принимает на се-бя агент. Внутренние факторы отражают интересы субъекта, индуцируемые его потребностями и этической системой, которой он придерживается. В работе использованы методы теории рефлексивных игр и теории информационного управления системами, обладающими волей и интеллектом. Показано, что выбор в условиях жесткого дефицита времени осуществляется на основе паттернов поведения, отражающих эффективный опыт. Паттерны образуют как информационную структуру представлений, так и множество возможных вариантов представлений. Оценки удовлетворенности текущей ситуацией выбора субъектом приводят к изменению структуры интересов субъекта, и он может ее выбирать. Разработана формальная модель паттерна поведения. Предложен подход к решению проблем идентификации и построения моделей паттернов, используя для этого четыре позиции обработки информации. Разработан метод логического вывода на паттернах. Приведены результаты программных решений идентификации паттерна поведения при использовании тренажерных систем нового поколения.

2. Ментальные модели в проектировании поведения искусственных сущностей [№1 за год]
Автор: Виноградов Г.П.
Просмотров: 335
Актуальность рассматриваемой в данной статье проблемы связана с необходимостью проектирования искусственных систем для выполнения некоторой миссии подобно человеку и при взаимодействии с ним. Анализ подходов к построению искусственных сущностей показал, что разработчики зачастую наделяют их своими паттернами поведения в силу специфики используемых ими понятий и концепций. В результате возникают разрывы между формальными моделями паттернов, предлагаемых разработчиками, и ожиданиями со стороны пользователей. Цель авторов статьи – обосновать подход к разработке ПО интеллектуальных систем управления поведением искусственных сущностей на базе теории паттернов, обеспечивающий разработку цифровых продуктов на основе паттернов поведения субъекта-лидера для систем управления искусственными сущностями, автоматизирующих выполнение задач миссии. В работе использованы методы теорий рефлексивных игр и информационного управления си-стемами, обладающими волей и интеллектом. На основе формальной модели паттерна поведения выделены десять составных элементов. Показано, что эти элементы образуют то, что можно назвать интеллектуальной цифровой машиной, предназначенной для автоматизации выполнения миссии в интересах субъекта-хозяина. Эти составные элементы присутствуют при выполнении миссии человеком, в том числе и у всех участников проекта по разработке искусственной сущности. Показано, что согласование представлений об архитектуре искусственной сущности путем обмена информацией при обсуждении позволяет определить наиболее эффективную модель паттерна поведения и всех ее составляющих для реализации в искусственной сущности. Согласование предложено проводить в форме игры путем проведения экспериментов по методу ТОТЕ (набор входных данных  воздействие  результат), используя пространственную и визуальную логику для интерпретации результатов. Обоснована возможная логика интерпретации. Кратко рассмотрены модели составных элементов паттерна поведения искусственной сущности, а также пример реализации подхода. Показано, что в условиях жесткого дефицита времени выбор на основе паттернов поведения позволяет реализовать эффективное поведение, не требующее значительных вычислительных ресурсов.

3. Алгоритмы паттернов интеллектуального узла в составе беспроводной сенсорной сети [№1 за год]
Авторы: Виноградов Г.П., Емцев А.С., Федотов И.С.
Просмотров: 307
Одной из тенденций в области развития современных вооружений является «связывание» от-дельных образцов с определенной степенью автономии в комплекс с использованием, как правило, беспроводных сенсорных сетей. Область применения таких комплексов – неопределенные и плохо формализуемые среды. Достичь их желаемой эффективности возможно, главным образом, путем совершенствования интеллектуальной составляющей системы управления комплексом в целом и отдельным узлом в частности. Однако следует отметить, что подавляющее число исследований в этой области остается лишь на теоретическом уровне. Существует разрыв между примитивными моделями поведения искусственных сущностей, например, в роевой робототехнике, моделями их взаимодействия и ожиданиями со стороны практики. Ситуация усугубляется требованиями скрытности, миниатюризации, малого энергопотребления. Цель данного исследования – представить подход к разработке ПО интеллектуальных систем управления отдельным узлом сети, обладающим заданной степенью автономии при выполнении задач. Предложить в условиях ограничений по энергопотреблению и быстродействию сравнительно простые алгоритмы для придания узлу сети свойства интеллектуального поведения, обеспечить способность к изучению обстановки и принятию решений как самостоятельно с учетом получаемых от других устройств сети данных, так и в составе группы. В работе использованы методы теории нечетких множеств, теории построения нечетких моде-лей и сетей, а также подходы и алгоритмы построения бортовых интеллектуальных систем управления. Показано, что требуемые алгоритмы можно разработать, если выявить классы типовых ситуаций и успешные способы действия в реальных условиях. На этой основе появляется возможность разработки формальных моделей поведения (паттернов) для реализации в системе управления уз-лом. Предложена двухуровневая структура интеллектуальной системы управления сетью. Верхний уровень, реализуемый оператором, соответствует таким свойствам, как выживание, безопасность, выполнение обязательств согласно миссии, накопление и корректировка базы знаний в виде эффективных паттернов поведения. Объектом управления для нее является сеть, рассматриваемая как некая функциональная система. Она осуществляет расчет текущих показателей удельной ценности по результатам и эффективности в момент t, расчет и реализацию способа действия (поведения) в момент t согласно заданному паттерну поведения, мониторинг результатов реализации паттерна поведения.

4. Применение принципа целенаправленного поведения в когнитивной системе управления радиолокационной станцией [№1 за год]
Автор: Непряев А.А.
Просмотров: 292
Применение когнитивных технологий в радиолокации является быстро развивающейся обла-стью, обладающей множеством возможностей для инноваций. Существенным препятствием в этой дисциплине является отсутствие общего понимания того, как следует спроектировать архитектуру системы управления многофункциональной радиолокационной станцией, чтобы включить многочисленные петли обратной связи, обеспечивающие проявление познания. В радиолокационном сообществе до сих пор нет точного определения того, что отличает адаптивную систему от когнитивной. Целью данной работы являются расширение и обоснование списка элементов и качественных характеристик, которые должны присутствовать в радиолокационной системе для того, чтобы она классифицировалась как когнитивная. Предлагается применение метакогнитивного подхода для разработки модели целенаправленного поведения, которая выбирает наиболее выгодную стратегию и управляет когнитивными процессами, участвующими в обучении. Выбор действий, основанный на восприятии окружающей среды, является основной характеристикой когнитивной системы. В конечном счете процесс выбора действия приводит к задаче оптимизации, когда желательно выбрать действие с максимальным вознаграждением, которое определяется степенью схожести текущих внутреннего и внешнего состояний с целевым. Исходя из того, что радиолокационные системы не должны однозначно классифицироваться как когнитивные или некогнитивные, их следует оценивать по степени выраженности когнитивных функций. В статье предлагается градация когнитивных систем по принципу целенаправленного поведения элементов системы управления. Обоснована необходимость учета способности системы функционировать в режиме реального времени и вычислительной мощности как признака, определяющего степень выраженности ее когнитивных способностей.

5. Автоматизация задач повседневной деятельности как направление модернизации комплекса средств автоматизации морской спасательной операции [№1 за год]
Авторы: Карпов А.В., Сахаров А.А.
Просмотров: 262
Положительный опыт применения комплекса средств автоматизации морской спасательной операции, накопленный в ходе проведения поисковых и аварийно-спасательных работ на море, подтвердил правильность технических решений, заложенных в основу комплекса, и позволил определить подходы к его дальнейшему совершенствованию и модернизации. В статье сформулированы основные организационно-технические подходы к модернизации комплекса средств автоматизации морской спасательной операции: гибридный метод разработки специального ПО комплекса, способы формирования функциональных требований к модернизированному комплексу, обобщенный перечень сведений, накапливаемых и поддерживаемых комплексом в актуальном состоянии, основные принципы организации информационного взаимодействия между комплексами, распределенными между органами управления ВМФ разного уровня.

6. Метод проверки тренажерных моделей на адекватность [№1 за год]
Авторы: Ильин В.А., Кирюшов Н.П.
Просмотров: 319
В статье обоснована необходимость оценки качества имитационных моделей тренажерных си-стем и их адекватности реальным системам, описан метод оценки адекватности имитационных моделей. Имитационная модель должна обеспечивать требуемую точность и достоверность моделирования процессов. Достоверность результатов моделирования предполагает, что модель отвечает некоторым специфическим требованиям, позволяющим оценить ее качество. Оценка качества модели предполагает проверку на соответствие целям моделирования. В общем случае оценка свойств модели включает оценку ее адекватности, точности результатов моделирования (погрешности имитации), устойчивости результатов имитации исследуемых процессов, а также исследование чувствительности модели. Оценка адекватности модели отражает степень ее соответствия реальной системе. Алгоритм проверки адекватности модели состоит в сравнении выходов (откликов) модели и реальной си-стемы при одинаковых значениях входов. При этом используются статистические методы проверки гипотез, например, по t-критерию Стьюдента. Точность моделирования оценивается путем определения оценок математического ожидания и дисперсии отклонения компонент вектора откликов. Устойчивость результатов моделирования оценивается дисперсией значений отклика. Чувствительность имитационной модели означает степень изменения выходных параметров модели или откликов в зависимости от входящих характеристик. Методика оценки адекватности моделей включает этапы выбора критерия адекватности имитационной модели предмету исследования, производства измерений значений откликов реальной системы и имитационной модели, вычислительный этап с оценкой адекватности имитационной модели реальным системам, определение адекватности имитационной модели.

7. Оценка качества тренажерных средств [№1 за год]
Авторы: Ильин В.А., Пахомов Е.С.
Просмотров: 333
Использование учебно-тренировочных средств требует оценки их эффективности для достижения целей обучения и подготовки. Эффективность тренажерных средств может быть определена только в процессе их использования по назначению, что не всегда возможно, то есть можно говорить только об эффективности подготовки с использованием тренажерных средств. Авторы статьи предлагают оценивать эффективность тренажеров и тренажерных комплексов через систему показателей их качеств. Критерием качества тренажерных средств может быть их способность реализовать программы обучения и подготовки. В соответствии с содержанием и структурой образовательного процесса, типом автономных тренажеров и тренажеров в составе тренажерных комплексов, этапов их жизненного цикла, условий эксплуатации в статье предлагается выделить четыре группы показателей качеств: дидактические, функциональные, технические и экономические, устанавливаются их взаимосвязи и методы оценки. Через показатели дидактических качеств можно оценить соответствие учебно-тренировочных средств требованиям образовательного процесса, его структуре и содержанию. Показатели функциональных качеств позволяют оценить возможности учебно-тренировочных средств по реализации дидактических требований образовательных программ. Показатели технических качеств оценивают характеристики учебно-тренировочных средств, обеспечивающие использование их в образовательном процессе. Экономические показатели отражают затраты на основных стадиях жизненного цикла учебно-тренировочных средств. Предлагаемая система качеств учебно-тренировочных средств наряду с системой оценки эффективности подготовки с их использованием позволяет обосновать целесообразность создания тренажерных средств, оптимизировать их структуру в зависимости от требований и задач подготовки.

8. Оценка эффективности тренажерной подготовки методом целевого управления [№1 за год]
Авторы: Ильин В.А., Савватеев А.С.
Просмотров: 366
Широкое использование в образовательном процессе учебных заведений и в системе боевой подготовки тренажерных средств определяет актуальность разработки методов обоснования тренажерных средств, оценки их эффективности и эффективности тренажерной подготовки. Одним из таких методов может быть метод целевого управления, предлагаемый в настоящей статье и ранее не использовавшийся в этой предметной области. Метод целевого управления подготовкой предполагает определение целей подготовки и требований к ее средствам, структуры и содержания, а также оценки результатов подготовки. В статье обоснован выбор различных тренажеров и методов оценки эффективности подготовки для разных категорий обучающихся. Исходя из функций деятельности обучающихся предложены и обоснованы классификация деятельности обучаемых операторов и их разделение на три категории, три уровня. В соответствии с принятой классификацией определяются требования к тренажерным средствам и организации тренажерной подготовки. В организацию тренажерной подготовки на основе метода целевого управления положены методы формирования заданий обучающимся в соответствии с целями подготовки и оценка ее результатов, в том числе автоматизация оценки подготовки. Предлагается следующий порядок разработки математического обеспечения автоматизации оценки подготовки: выбор контролируемых параметров и разработка целевой функции, разработка параметров и шкал оценок упражнения, разработка текстов и алгоритма предъявления рекомендаций. Метод целевого управления для оценки эффективности тренажерной подготовки выработан на основе более чем десятилетнего опыта использования тренажеров в образовательном процессе и личного участия авторов в их создании и использовании.

9. Использование энтропийных характеристик сетевого трафика для определения его аномальности [№1 за год]
Автор: Ефимов А.Ю.
Просмотров: 333
Количество и масштабы сетевых компьютерных атак (вторжений) постоянно растут, что делает высокоактуальной задачу их оперативного обнаружения. Для этого применяются системы обнаружения вторжений уровня сети, опирающиеся на два подхода – обнаружение злоупотреблений и обнаружение аномалий, причем второй подход видится более перспективным в условиях постоянного появления новых и модифицированных видов вторжений. Основными объектами примене-ния техник обнаружения аномалий являются атаки массового характера (DoS- и DDoS-атаки, сканирования, распространение вирусов-червей и т.п.), которые трудно обнаружить другими (например, сигнатурными) методами, так как в их основе часто лежат штатные сетевые взаимодействия. Метод анализа энтропии для обнаружения аномалий сетевого трафика по сравнению со многими другими методами характеризуется достаточно простой реализацией и скоростью работы. Применение метода основано на общем предположении, что аномальный трафик более упорядочен или структурирован, чем обычный трафик, в одних параметрах и более хаотичен в других, что проявляется в виде снижения или роста энтропии этих параметров. Данная статья посвящена определению характера влияния атак на энтропию таких параметров трафика, как IP-адреса источника и назначения, а также порт назначения, рассматривая в качестве объектов DoS- и DDoS-атаки нескольких разновидностей. Описывается подход к определению энтропии (с использованием энтропии Шеннона). Приведены результаты проведенного автором моделирования, наглядно демонстрирующие неоднозначность влияния атак на энтропийные характеристики. Показана явная зависимость характера влияния (снижение или рост) от таких факторов, как источник, цель, мощность атаки, а также распределение нормального трафика. Сделаны выводы о возможности эффективного обнаружения аномалий, соответствующих DoS- и DDoS-атакам, путем анализа энтропии параметров сетевого трафика, но только при условии проведения данного анализа с учетом распределения нормального трафика и объемных характеристик нормального и суммарного трафиков.

10. Обнаружение аномалий сетевого трафика методом глубокого обучения [№1 за год]
Автор: Зуев В.Н.
Просмотров: 334
В статье рассматривается применение машинного обучения для обнаружения аномалий в сетевом трафике. В качестве инструмента используются искусственные нейронные сети глубокого обучения. Исследуется эффективность использования нейронных сетей глубокого обучения с использованием набора данных NSL-KDD. Главная особенность этого набора данных – несбалансированность классов. Описывается метод эффективного использования целевой функции для обучения нейронной сети методом обратного распространения ошибки на несбалансированных примерах. Применение данного алгоритма сопряжено с рядом сложностей, главная из которых – обеспечение приемлемой способности к обобщению нейронной сети. Способность к обобщению полученных знаний является одним из важнейших свойств нейронной сети и заключается в генерации нейронной сетью ожидаемых значений на данных, непосредственно не участвующих в процессе обучения. Однако использование зашумленных и ошибочных данных может привести к переобучению и снижению способности к обобщению обученной нейронной сети. Предложенный метод позволяет более эффективно рассчитывать значение целевой функции, лежащей в основе алгоритма обратного распространения ошибки. Он хорошо подходит для использования неоднородных выборок при обучении нейронных сетей данных, а также учета при обучении априорной информации о ценности отдельных примеров. В статье приведен алгоритм работы данного метода. Его использование позволяет повысить точность работы нейронной сети для задач классификации и аппроксимации. Экспериментальные результаты показали, что данный метод хорошо подходит для выявления аномалий в сетевом трафике.

| 1 | 2 | 3 | Следующая →