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: 7170
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: 303
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

1
Ожидается:
16 Марта 2020

Все новости информационных технологий

1. 15.01.2020
В Санкт-Петербургском государственном электротехническом университете «ЛЭТИ» им. В.И. Ульянова (Ленина) разработан интеллектуальный сбор информации из распределенных источников.
Интеллектуальный сбор позволяет улучшить качество результатов принимаемых решений за счет использования современных методов анализа данных, получаемых от источников, и повысить оперативность управления источниками за счет автоматического принятия решений.

2. 09.01.2020
В Институте динамики систем и теории управления им. В.М. Матросова разработан метод трансляции первопорядковых логических формул в позитивно-образованные формулы.
Представленный метод преобразует ПЛФ в язык ПОФ в виде эффективных алгоритмов обработки первопорядковых формул.

3. 25.12.2019
В Академии гражданской защиты МЧС России создан новый подход к моделированию линейных объектов как источников чрезвычайных ситуаций техногенного характера.
С помощью разработанного подхода можно решать прикладные задачи моделирования возникновения и развития ЧС, связанных с нарушением связности инфраструктуры.

4. 18.12.2019
В Национальном исследовательском университете «Московский энергетический институт» разработаны база данных и конвертер для извлечения и анализа специализированных данных, получаемых с медицинского аппарата.
Полученные результаты могут быть использованы для обучения нейронных сетей и для проведения аналогичных операций в других прикладных системах (например, для анализа кардиограмм).

5. 11.12.2019
В Федеральном научном центре Научно-исследовательского института системных исследований РАН создана модель двойной пористости на базе концепции суперэлементов.
Предлагаемая математическая модель апробирована на реальном месторождении, результаты расчетов сравниваются с вычислениями с помощью коммерческого симулятора Rubis Kappa Engineering.

6. 04.12.2019
В Оренбургском государственном университете разработана концепция автоматизации научных исследований живучести системы добычи газа в условиях обводнения скважин.
Основой концепции является система предсказательного моделирования технологических процессов добычи продукции газоконденсатных месторождений, учитывающая новые технологии извлечения пластовой жидкости и период их внедрения.

7. 27.11.2019
В Управлении Минобороны России разработаны алгоритмы математической модели дирижабельного радиолокационного комплекса обнаружения малозаметных воздушных целей.
Модель радиолокационной станции строится на основе вычисления параметра обнаружения по уравнению радиолокации и расчета процесса распространения сигналов. Данная модель включает алгоритмы первичной и вторичной обработки радиолокационной информации.

8. 20.11.2019
В Санкт-Петербургском национальном исследовательском университете информационных технологий, механики и оптики проведен анализ влияния цветовых пространств на результаты обработки цветных изображений алгоритмами эквализации.
При анализе исходных и обработанных изображений в разных цветовых пространствах была выявлена зависимость представления цвета от типов искажения и цветовых схем.

9. 13.11.2019
В Уфимском государственном авиационном техническом университете разработан метод самообучения импульсной нейронной сети для защиты от DDoS-атак.
Предложенный метод обучения импульсной нейронной сети, позволяет реализовать структуру самообучения (без учителя) ИНС на программном уровне.

10. 07.11.2019
В Южном федеральном университете рассмотрен процесс реализации нечеткой модели взаимодействия объектов сложных технических систем на основе графов.
Для моделирования и исследования совместных действий объектов сложных технических систем предложена нечеткая модель взаимодействия акторов, позволяющая учитывать совокупность различных видов связи между вершинами графа согласно специфике предметной области.

| 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 | Следующая →