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

Публикационная активность

(сведения по итогам 2017 г.)
2-летний импакт-фактор РИНЦ: 0,500
2-летний импакт-фактор РИНЦ без самоцитирования: 0,405
Двухлетний импакт-фактор РИНЦ с учетом цитирования из всех
источников: 0,817
5-летний импакт-фактор РИНЦ: 0,319
5-летний импакт-фактор РИНЦ без самоцитирования: 0,264
Суммарное число цитирований журнала в РИНЦ: 6012
Пятилетний индекс Херфиндаля по цитирующим журналам: 404
Индекс Херфиндаля по организациям авторов: 338
Десятилетний индекс Хирша: 17
Место в общем рейтинге SCIENCE INDEX за 2017 год: 527
Место в рейтинге SCIENCE INDEX за 2017 год по тематике "Автоматика. Вычислительная техника": 16

Больше данных по публикационной активности нашего журнале за 2008-2017 гг. на сайте РИНЦ

Добавить в закладки

Следующий номер на сайте

3
Ожидается:
16 Сентября 2019

Статьи из выпуска № 1 за 2019 год.

Упорядочить результаты по:
Дате публикации | Заголовку статьи | Авторам

1. Problem solving experience in data visualization using ArcGIS software [№1 за 2019 год]
Author: Youssef Al-Damlakhi
Просмотров: 513
Большинство пользователей программных средств геоинформационных систем, в частности ArcGIS, используемых для реализации тех или иных приложений и для визуализации 3D-данных, не уделяют большого внимания совместимости входных данных. В частности, это касается системы координат и проекций, которые являются основой работы в геоинформационных системах. В результате возникают проблемы, особенно у пользователей, работающих с программами геоинформационных систем без опыта или базовых знаний в области картографии и геодезии. В настоящей статье представляются некоторые из возможностей компоненты ArcScene для визуализации и отображения 3D-данных. Кроме того, рассматриваются наиболее часто встречающиеся проблемы, с которыми приходится сталкиваться пользователям, например, при отображении визуализации 3D-данных в компоненте ArcScene, а также при отображении уклонов поверхности земли с учетом данных слоя цифровых моделей рельефа в компоненте ArcMap. В работе приводятся примеры, подробно описываются причины и способы разрешения трудностей.

2. Алгоритмическое и программное обеспечение когнитивного агента на основе методологии Д. Пойа [№1 за 2019 год]
Авторы: Курбатов С.С., Фоминых И.Б., Воробьев А.Б.
Просмотров: 1563
В статье описывается оригинальный подход к созданию интегральной системы решения задач. Система (когнитив-ный агент) предполагает тесную интеграцию этапов лингвистической обработки, онтологического представления зада-чи, эвристически-ориентированного решения и концептуальной визуализации. Концепция системы базируется на мето-дологии Пойа, но в трактовке алгоритмического и программного воплощения. Система реализована в макетном вариан-те и протестирована в предметной области «школьная геометрия». Лингвистическая составляющая системы использует метод получения канонического описания задачи путем пере-фразирования и отображения в семантическую структуру. Автоматический поиск решения основан на выполнении правил, отражающих аксиоматику соответствующих пред-метных областей. Выбор правил при поиске решения определяется эвристиками, представленными в онтологии. Эври-стики оформлены как структуры семантической сети, что позволяет организовать многоаспектный поиск подходящего правила, а также обоснование выбора в виде естественно-языкового комментария. Концептуальная (когнитивная) визуализация обеспечивает наглядное отображение решения путем интерпретации текстового файла, содержащего информацию для вывода графических объектов, а также комментарии о процессе реше-ния. Комментарии включают естественно-языковое описание правил (аксиом, теорем), эвристические и эмпирические обоснования их выбора, а также ссылки на визуализируемые объекты. Проведены эксперименты, демонстрирующие возможности визуализации как чертежей задач, так и фрагментов он-тологии, фраз естественного языка, формул математики, в том числе формальной логики. Онтология реализована в про-граммной среде СУБД Progress. Программы визуализации реализованы на JavaScript с использованием JSXGraph и MathJax. Реализация обеспечивает возможность пошагового просмотра решения в различных направлениях с динамиче-ским изменением чертежа и соответствующих комментариев. Разнообразная модификация пользователем чертежа с со-хранением условий задачи позволяет эмпирически продемонстрировать корректность условий.

3. Гибкость использования в MatLab входных и выходных параметров стандартных и нестандартных функций [№1 за 2019 год]
Автор: Ревинская О.Г.
Просмотров: 731
На основе анализа публикаций в статье вскрыто противоречие между осознанием широты и гибкости использования входных и выходных параметров стандартных функций и ощущением жесткой предопределенности при описании и использовании аналогичных параметров нестандартных функций MatLab. Это противоречие было разрешено путем детального анализа возможностей, предоставляемых MatLab (в том числе его последними версиями), для того, чтобы параметры функции при ее вызове интерпретировались как обязательные или необязательные, позиционированные или непозиционированные, типизированные или нетипизированные и т.д. Это разнообразие свойств входных и выходных параметров как раз и обеспечивает гибкость применения стандартных функций MatLab. Показано, что по умолчанию MatLab контролирует только формальное превышение количества параметров, использованных при вызове функции (стандартной, нестандартной), над количеством соответствующих параметров, ука-занных при ее описании. Чтобы параметры нестандартной функции обладали определенными свойствами, необходимо специальным образом организовать программный код тела функции: проверить, сколько параметров указано при фактическом вызове функции, информация какого типа поступает в функцию и из нее через параметры; проанализировать, какие из необязательных параметров заданы, а какие нет, и т.д. Такая организация тела функции долгое время оставалась весьма трудоемкой. Поэтому в последних версиях MatLab появились и совершенствуются стандартные функции, автоматизирующие отдельные из выполняемых при этом операций. Таким образом, в статье систематизирован комплекс мер, позволяющих обеспечить параметрам нестандартной функции такую же широту и гибкость использования, как у параметров стандартных функций MatLab. На основе личного опыта прикладного программирования и преподавания MatLab автором подобраны простые примеры, детально иллюстрирующие способы написания нестандартных функций с параметрами, обладающими соответствующими свойствами.

4. Интеграция САПР для синтеза логических схем с использованием глобальной оптимизации [№1 за 2019 год]
Авторы: Бибило П.Н., Романов В.И.
Просмотров: 1650
Предлагается технология проектирования цифровых устройств, позволяющая выполнять логическое моделирование VHDL-описаний комбинационной логики, формировать соответствующие системы булевых функций, проводить их ло-гическую оптимизацию и синтезировать логические схемы в различных технологических библиотеках логических эле-ментов. Интеграция программных средств в рамках этой технологии основывается на использовании скриптов и BAT-файлов, которые поддерживаются современными САПР. Исходные VHDL-описания могут задавать как алгоритмические, так и функциональные описания – таблицы истин-ности систем полностью либо неполностью определенных булевых функций, системы дизъюнктивных нормальных форм, описания многоуровневых (скобочных) логических уравнений. Как исходные VHDL-описания могут использо-ваться также структурные описания логических схем, синтезированных в различных целевых технологических библио-теках, в этом случае осуществляется их перепроектирование в другой базис логических элементов. Переход от VHDL-описаний к системам булевых функций происходит на основе логического моделирования на всех возможных наборах (полных тестах) значений входных переменных. Для логической оптимизации используются мощные программы совместной и раздельной минимизации систем бу-левых функций в классе дизъюнктивных нормальных форм, а также программы минимизации многоуровневых BDD-представлений систем булевых функций на основе разложения Шеннона. Для проведения проектирования достаточно указать исходное VHDL-описание, способ логической оптимизации и целевую библиотеку логических элементов, используемую в синтезаторе LeonardoSpectrum. На основании полученных данных автоматически формируется BAT-файл, осуществляющий синтез с использованием глобальной логической оп-тимизации. Пользователь может оценить найденное решение, сравнив его с другим, получаемым синтезатором LeonardoSpectrum по исходному описанию без выполнения предварительной оптимизации.

5. Использование нечетко-множественного подхода при управлении заданиями ИТ-проекта [№1 за 2019 год]
Авторы: Диязитдинова А.Р., Лиманова Н.И.
Просмотров: 1427
Распределение и назначение ресурсов относятся к сложным многокритериальным задачам. В связи с этим в управ-лении проектами по созданию программных продуктов актуальной представляется задача разработки эффективных и универсальных методов оптимального распределения работ между исполнителями. Одним из возможных инструментов повышения обоснованности решений, принимаемых руководителем проекта компаний, занимающихся разработкой программных продуктов, может выступить нечеткая логика, которая позволяет оперировать слабоструктурированной и неточной информацией с использованием естественного языка. В статье предлагается модель нечеткой продукционной системы для управления заданиями ИТ-проекта, позволяю-щая оперировать естественно-языковыми категориями с целью повышения эффективности принятия решений в услови-ях неопределенности и снижения затрат при возникновении неблагоприятных ситуаций. Рассмотрены особенности про-екта по созданию программного продукта, разработана типовая схема процесса управления заданиями в ИТ-проекте, показана целесообразность применения аппарата нечетких систем для управления заданиями. Использование матема-тического аппарата нечеткой логики позволит руководителю проекта работать с переменными, выраженными в каче-ственных категориях, без перехода к средним значениям, что будет способствовать повышению качества принимаемых решений при управлении проектом. В рамках работы рассматривается задача оценки успешности выполнения задания (тикета) разработчиками. Выде-лены шесть входных лингвистических переменных и одна выходная, для каждой из которых разработаны терм-множества и функции принадлежности. Построена экспертная база правил, включающая 81 продукционное правило; разработана модель нечеткой продукционной системы для управления заданиями на базе пакета Fuzzy Logic Toolbox for MatLab. В качестве схемы нечеткого вывода использован алгоритм Мамдани. Приведены результаты функционирования модели, которые могут быть полезны руководителям ИТ-проектов на практике.

6. Использование формулы Байеса при оценивании качества программного обеспечения согласно стандарту ISO/IEC 9126 [№1 за 2019 год]
Авторы: Бураков Д.П., Кожомбердиева Г.И.
Просмотров: 850
В статье обсуждается способ использования подхода, основанного на применении известной формулы Байеса, для оценивания качества программных продуктов в рамках моделей качества и процесса оценивания, предусмотренных стандартом ISO/IEC 9126 (ГОСТ Р ИСО/МЭК 9126-93). Кратко описываются модели качества ПО и процесса оценива-ния, предлагаемые стандартом ISO/IEC 9126 и заменившим его стандартом ISO/IEC 25010:2011, указывается место применения подхода при реализации процесса оценивания. Оценку качества ПО предлагается представлять в виде распределения вероятностей на множестве гипотез о том, что качество оцениваемого программного продукта достигло одного из предопределенных уровней ранжирования, преду-смотренных моделью. С использованием формулы Байеса формируется апостериорное распределение вероятностей, базирующееся на пересмотренном и уточненном в ходе оценивания качества априорном распределении вероятностей, сформированном перед началом процедуры оценивания. В качестве исходных данных для получения вероятностей ис-пользуются результаты измерения разнородных метрик произвольного набора атрибутов качества, определяемых мо-делью качества, причем подход позволяет использовать как метрики, измеренные непосредственно, так и получившие свои значения в результате экспертного оценивания. Предлагаемый подход позволяет получать осмысленные оценки качества даже в случае наличия неполных, неточных и противоречивых результатов измерения метрик качества.

7. Компьютерное моделирование физических взаимодействий технических поверхностей на микроуровне [№1 за 2019 год]
Авторы: Рачишкин А.А., Болотов А.Н., Сутягин О.В.
Просмотров: 516
В статье представлена архитектура программного средства для моделирования физических взаимодействий технических поверхностей на микроуровне, описываются общие принципы построения системы и проводится анализ не-скольких смоделированных физических процессов. Рассматривается контактное взаимодействие шероховатых поверхностей, в том числе и имеющих функциональное покрытие. Рассчитываются фрикционные параметры при различных условиях эксплуатации и термическое сопротивление микрошероховатых стыков различных деталей машин. Гибкий алгоритм программы и независимый сегментированный математический аппарат разработаны для оптимальной реализации расчетов моделируемых процессов численными методами. Входные данные основываются на микрогеометрических и физико-механических свойствах реальных поверхностей, что позволяет точно настраивать модель, учитывая большинство свойств, характеризующих технические поверхности. Создание программного средства для моделирования контактного взаимодействия технических поверхностей позволяет облегчить решение прикладных инженерных задач и уменьшает количество необходимых ресурсов для проведения научных исследований. Структурно программа разделена на отдельные модули. Формулирование общих принципов разработки каждого модуля эффективно при горизонтальном расширении системы моделирования физических взаимодействий. Такой под-ход позволяет оптимизировать количество входных и выходных параметров, настраивать только необходимые процессы моделирования и привносит возможность добавлять и изменять существующие алгоритмы. Модульная структура оптимизирует процесс разработки и модернизации программного приложения. Возможность удалять и модифицировать отдельные элементы программы, не затрагивая общую структуру, позволяет эффективно решать широкий спектр инженерных задач. В статье приведены примеры работы модулей контактного и фрикционного взаимодействий, а также моделирования термического сопротивления стыков. Общая алгоритмическая логика выполнения и наследуемые данные топографии поверхности позволяют максимально приближенно моделировать данные физические процессы.

8. Конструктивный метод обучения искусственных нейронных сетей со взвешенными коэффициентами [№1 за 2019 год]
Автор: Казаков М.А.
Просмотров: 644
В работе предлагается конструктивный метод обучения искусственных нейронных сетей с различными параметрами коррекции для нейронов, добавленных на разных этапах обучения. Данный метод позволяет бороться с попаданием в локальный минимум и при этом контролировать масштаб нейронной сети. Предполагается, что различие в коэффициенте скорости обучения, при котором нейроны, добавленные на более поздних этапах обучения, корректируются интенсивнее нейронов, добавленных на ранних этапах, позволит эффективнее бороться с попаданием в локальный минимум. В работе приводятся статистические данные, полученные на примерах MNIST при помощи предлагаемого метода, стандартного метода градиентного спуска и конструктивного метода обучения. Для проведения численных экспериментов, позволяющих сравнивать рассматриваемые методы, была разработана программа на Python с использованием библиотек numpy и matplotlib. Нейронная сеть является сетью прямого распространения, где входы нейронов связаны со всеми выходами предыдущего слоя. Функция активации для всех нейронов представляет собой экспоненциальную сигмоиду. Обучение производилось методом обратного распространения ошибок. В качестве функции оценки использовалась сумма квадратов расстояний между выходными сигналами и эталонными значениями. В работе подробно описываются условия обучения и приводится график, иллюстрирующий динамику спада значения функции оценки для всех трех методов. Предполагается также, что предлагаемый метод позволит снизить влияние процесса обучения на новом классе данных на эффективность работы нейронной сети на классах, которым сеть обучалась на ранних этапах.

9. Методика и алгоритмы классификации воздушных объектов системой поддержки принятия решений [№1 за 2019 год]
Авторы: Допира Р.В., Гетманчук А.В., Потапов А.Н., Семин М.В., Семенов В.Ю.
Просмотров: 643
Статья посвящена разработке методики и алгоритмов классификации воздушных объектов системой поддержки принятия решений АСУ при интенсивных информационных воздействиях. При таких воздействиях признаками информационной перегрузки системы являются количество данных о воздушной обстановке (отметок от воздушных объектов) и качество информации. При решении задачи классификации объектов по каталогу в условиях параметрической неопределенности и пересечения классов использование процедуры последовательного нормирования, основанной на принципе максимизации энтропии, позволяет получить наименее сомнительное распределение вероятностей отнесения каждого из объектов к известным или новым классам. Предложенная в статье комбинация базового метода с основными принципами методов дробящихся эталонов и кластерного анализа позволяет улучшить характеристики классификации. Основа разработанной методики классификации воздушных объектов системой поддержки принятия решений при интенсивных информационных воздействиях состоит во введении в базовый способ понятия параметрического пространства и представления в нем объектов классификации и классов из каталога эталонных значений. При этом на каждом из основных этапов работы методики анализируется взаимное расположение объектов, участвующих в обработке, относительно друг друга, а также относительно классов из каталога эталонных значений. Классификационная матрица представлена в виде совокупности динамических списков, что позволяет сократить вычислительную трудоемкость, не только исключая нулевые элементы матрицы из обработки, но и не выделяя память для их хранения. Расширена функциональность обработки результатов классификации с возможностью дополнения катало-га эталонных значений актуальной информацией. Система поддержки принятия решений, реализующая новую методику, позволяет персоналу АСУ по мере формирования эмпирического знания осуществлять детальную оценку обстановки и на ее основе корректировать работу АСУ.

10. Моделирование передачи сообщений между движущимися объектами в транспортной среде [№1 за 2019 год]
Авторы: Рудометов С.В., Соколова О.Д.
Просмотров: 483
В последние годы проводится множество исследований в области развития беспроводных сетей, связывающих транспортные средства. Для связи автомобилей друг с другом, а также для их соединения с придорожным оборудованием используются беспроводные сети, разработанные по принципу мобильных самоорганизующихся сетей, – Vehicular Ad Hoc Network (VANET). В статье рассматривается моделирование движения на участке транспортной сети и передачи сообщений от одного узла, расположенного на движущемся объекте, другим узлам. Для проведения имитационного моделирования движения транспортных средств и распространения сообщений использовалась система имитационного моделирования Manufacturing and Transportation Simulation System (MTSS), ранее разработанная одним из авторов статьи. Система MTSS позволяет визуально строить имитационные модели технологических систем и проводить различные имитацион-ные эксперименты с этими моделями. В статье описывается моделирование с помощью MTSS сети передачи данных, которая состоит из приемопередающих устройств, установленных на движущихся объектах (автомобилях) или на стационарных объектах, расположенных вдоль трассы. Исследуется передача данных в этой сети – распространение сообщений между автомобилями (например, сообщение о чрезвычайной ситуации). Рассмотрены два варианта участка транспортной сети – прямолинейный (шоссе) и участок в виде квадрата с перекрестками дорог. Приведены данные экспериментов, показывающие, что на прямолинейном участке роль интерференции при передаче сообщения не столь значительна, как на участке с перекрестками дорог.

| 1 | 2 | 3 | Следующая →