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

Публикационная активность

(сведения по итогам 2018 г.)
2-летний импакт-фактор РИНЦ: 0,678
2-летний импакт-фактор РИНЦ без самоцитирования: 0,541
Двухлетний импакт-фактор РИНЦ с учетом цитирования из всех
источников: 1,047
5-летний импакт-фактор РИНЦ: 0,460
5-летний импакт-фактор РИНЦ без самоцитирования: 0,389
Суммарное число цитирований журнала в РИНЦ: 8001
Пятилетний индекс Херфиндаля по цитирующим журналам: 310
Индекс Херфиндаля по организациям авторов: 412
Десятилетний индекс Хирша: 19
Место в общем рейтинге SCIENCE INDEX за 2018 год: 306
Место в рейтинге SCIENCE INDEX за 2018 год по тематике "Автоматика. Вычислительная техника": 10

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

Добавить в закладки

Следующий номер на сайте

3
Ожидается:
16 Сентября 2020

Все новости информационных технологий

1. 08.07.2020
В Балтийском федеральном университете им. Иммануила Канта совместно с Тверским государственным техническим университетом реализована система управления педипуляторами для антропоморфного робота АР-601М.
Предложенная система управления состоит из драйвера, обеспечивающего взаимодействие бортового компьютера с главным микроконтроллером робота, и управляющей программы, решающей задачу обратной кинематики и позволяющей осуществлять планирование движений каждого педипулятора в заданную точку.

2. 03.07.2020
В Российском государственном гидрометеорологическом университете совместно с Институтом информационных систем и геотехнологий предложен метод решения задач по созданию и поддержке эксплуатации систем защиты пространственной информации в геоинформационных системах.
Для решения задачи выбран и модифицирован алгоритм искусственной нейронной сети для обнаружения распределенных атак типа DDoS, целью которых является отказ в обслуживании и препятствование доступу легитимных пользователей к атакуемому приложению. На основе предложенного алгоритма разработана программа на языке высокого уровня Python.

3. 25.06.2020
В Межведомственной суперкомпьютерном центре РАН совместно с Научно-исследовательским институтом «Квант» исследовались методы и алгоритмы машинного обучения для прогнозирования времени выполнения суперкомпьютерных заданий.
Предложена классификация заданий, в основу которой положено отношение фактического времени выполнения задания к запрошенному.

4. 17.06.2020
В Институте систем информатики им. А.П. Ершова СО РАН совместно с Новосибирским государственным университетом и Евразийским национальным университетом им. Л.Н. Гумилева разработан оригинальный метод автореферирования научно-технических текстов на основе риторического анализа и с использованием методов тематического моделирования.
Предложенный метод сочетает в себе использование лингвистической базы знаний, графовое представление текстов и машинное обучение.

5. 10.06.2020
В Волгоградском государственном техническом университете предложена архитектура системы предсказательного технического обслуживания сложных многообъектных систем.
Система включает в себя модули оффлайн-анализа накопленных данных, онлайн-анализа потоковых данных и поддержки принятия решений.

6. 03.06.2020
В Институте систем информатики им. А.П. Ершова СО РАН совместно с Новосибирским государственным университетом и Евразийским национальным университетом им. Л.Н. Гумилева разработан оригинальный метод автореферирования научно-технических текстов на основе риторического анализа и с использованием методов тематического моделирования.
Предложенный метод сочетает в себе использование лингвистической базы знаний, графовое представление текстов и машинное обучение.

7. 26.05.2020
В Поволжском государственном технологическом университете реализована интегрированная среда разработки с поддержкой структурного редактирования для языка программирования Go.
. Предложенная программная реализация отличается от известных способом представления хранимого состояния исходного кода, а также пользовательским интерфейсом структурного редактора, благодаря которому ускоряются действия над исходным кодом. Такое решение позволяет повысить производительность среды разработки, а также эффективность работы программиста.

8. 20.05.2020
В Московском государственном университете им. М.В. Ломоносова рассмотрен подход к использованию алгоритмов оптимизации с самообучением для управления динамически изменяющимися системами.
Предложенный подход к управлению допускает нестабильное поведение окружающей среды, ограниченность информации об управляемой системе и позволяет учитывать наличие многих характеристик работы системы, значения которых требуется поддерживать в заданных пределах.

9. 13.05.2020
В Южном федеральном университете создан метод автоматического синтеза нечетких регуляторов.
Отличительной особенностью разработанного метода синтеза нечетких регуляторов является возможность автоматической генерации нечетких правил по измеренным данным из реальной системы управления или ее модели.

10. 07.05.2020
В Стерлитамакском филиале Башкирского государственного университета исследовано специальное ПО для моделирования работы многомерных нечетких интервально-логических регуляторов и анализа их программ для контроллеров с программируемой логикой.
Данное ПО позволяет выполнить анализ ПЛК-программ МИЛР, рассчитать необходимое и/или достаточное количество продукционных правил, составляющих СПП, и количество критически важных продукционных правил, а также построить нечеткую модель работы МИЛР.

| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | 24 | 25 | 26 | 27 | 28 | 29 | 30 | 31 | 32 | 33 | 34 | 35 | 36 | 37 | 38 | 39 | 40 | 41 | 42 | 43 | 44 | 45 | 46 | 47 | 48 | 49 | 50 | 51 | 52 | 53 | 54 | 55 | 56 | 57 | 58 | 59 | 60 | 61 | Следующая →