Авторитетность издания
ВАК - К1
RSCI, ядро РИНЦ
Добавить в закладки
Следующий номер на сайте
№3
Ожидается:
16 Сентября 2025
Статьи журнала №2 2025
[№2 за 2025 год]
Авторы: Еремеев А.П. (eremeev@appmat.ru) - Национальный исследовательский университет «Московский энергетический институт» (профессор), доктор технических наук; Башкова С.М. (BashkovaSM@mpei.ru) - Национальный исследовательский университет «Мос-ковский энергетический институт» (инженер);
Аннотация: Актуальной задачей при разработке методов и инструментальных программных средств конструирования современных и перспективных интеллектуальных систем поддержки принятия решений реального времени, функционирующих в условиях достаточно жестких временных ограничений, является разработка так называемых гибких (anytime) алгоритмов поиска решений. Данные алгоритмы способны с некоторого момента времени выдавать приемлемое решение, постепенно улучшая его вплоть до получения оптимального решения, при соответствующем увеличении компьютерных ресурсов (как правило, времени). Целями данной работы являются исследование и разработка гибких алгоритмов поиска решений для применения их в интеллектуальных системах поддержки принятия решений реального времени при достаточно жестких ограничениях на время реагирования при возникновении проблемных (аварийных, нештатных и т.п.) ситуаций. Рассматриваются алгоритмы на основе нейросетевого подхода на примере решения задачи классификации образов (изображений). Дается сравнительный анализ нейронных сетей, использующих так называемый метод раннего выхода для решения такой задачи, и предлагается оригинальная anytime-модификация нейросети, позволяющая получить более раннее решение по классификации образов (изображений), чем при применении классического подхода, что актуально для систем реального времени. Описываются программная реализация, выполненная с применением фреймворков Tensorflow и Keras языка программирования Python, и результаты компьютерного моделирования, подтверждающие перспективность предложенного подхода. Исследования и разработки выполняются в рамках создания базовых инструментальных средств построения интеллектуальных систем поддержки принятия решений реального времени для помощи оперативно-диспетчерскому персоналу (лицам, принимающим решения) при управлении, мониторинге и диагностике сложных технических и организационных систем, а также при распознавании и классификации проблемных ситуаций.
Keywords: artificial intelligence, anytime algorithm, neural network, intellectual system, real time, pattern recognition, decision support
Просмотров: 581
Авторы: Еремеев А.П. (eremeev@appmat.ru) - Национальный исследовательский университет «Московский энергетический институт» (профессор), доктор технических наук; Башкова С.М. (BashkovaSM@mpei.ru) - Национальный исследовательский университет «Мос-ковский энергетический институт» (инженер);
Аннотация: Актуальной задачей при разработке методов и инструментальных программных средств конструирования современных и перспективных интеллектуальных систем поддержки принятия решений реального времени, функционирующих в условиях достаточно жестких временных ограничений, является разработка так называемых гибких (anytime) алгоритмов поиска решений. Данные алгоритмы способны с некоторого момента времени выдавать приемлемое решение, постепенно улучшая его вплоть до получения оптимального решения, при соответствующем увеличении компьютерных ресурсов (как правило, времени). Целями данной работы являются исследование и разработка гибких алгоритмов поиска решений для применения их в интеллектуальных системах поддержки принятия решений реального времени при достаточно жестких ограничениях на время реагирования при возникновении проблемных (аварийных, нештатных и т.п.) ситуаций. Рассматриваются алгоритмы на основе нейросетевого подхода на примере решения задачи классификации образов (изображений). Дается сравнительный анализ нейронных сетей, использующих так называемый метод раннего выхода для решения такой задачи, и предлагается оригинальная anytime-модификация нейросети, позволяющая получить более раннее решение по классификации образов (изображений), чем при применении классического подхода, что актуально для систем реального времени. Описываются программная реализация, выполненная с применением фреймворков Tensorflow и Keras языка программирования Python, и результаты компьютерного моделирования, подтверждающие перспективность предложенного подхода. Исследования и разработки выполняются в рамках создания базовых инструментальных средств построения интеллектуальных систем поддержки принятия решений реального времени для помощи оперативно-диспетчерскому персоналу (лицам, принимающим решения) при управлении, мониторинге и диагностике сложных технических и организационных систем, а также при распознавании и классификации проблемных ситуаций.
Abstract: A relevant task for developing methods and software tools for designing modern and prospective intellectual systems of real-time decision support operating under fairly strict time constraints is the development of flexible (anytime) algorithms for decision search. Such algorithms are capable of producing an acceptable solution from a certain point in time, gradually improve it until the optimal solution is obtained with a corresponding increase in computer resources (usually time). The aim of this work is to study and develop flexible decision search algorithms to apply them in real-time intelligent decision support systems under strict restrictions on the response time when problematic (emergency, abnormal, etc.) situations arise. The authors consider algorithms based on the neural network approach on the example of solving the problem of pattern (image) classification. They give a comparative analysis of neural networks using the early output method to solve such problem. They propose an original anytime modification of the neural network that allows obtaining an earlier solution for pattern (image) classification compared to the classical approach. This is relevant for real-time systems. The authors describe the software implementation based on the Tensorflow and Keras frameworks of the Python programming language, as well as the results of computer modeling, which confirm that the proposed approach is promising. The authors carry out research and development in terms of creating basic tools for building intelligent real-time decision support systems to help operational and dispatch personnel (decision makers) in controlling, monitoring and diagnosing complex technical and organizational systems, as well as in recognizing and classifying problem situations.
Ключевые слова: искусственный интеллект, гибкий (anytime) алгоритм, нейронная сеть, интеллектуальная система, реальное время, распознавание образов, поддержка принятия решенийKeywords: artificial intelligence, anytime algorithm, neural network, intellectual system, real time, pattern recognition, decision support
Просмотров: 581
[№2 за 2025 год]
Просмотров: 581
Актуальной задачей при разработке методов и инструментальных программных средств конструирования современных и перспективных интеллектуальных систем поддержки принятия решений реального времени, функционирующих в условиях достаточно жестких временных ограничений, является разработка так называемых гибких (anytime) алгоритмов поиска решений. Данные алгоритмы способны с некоторого момента времени выдавать приемлемое решение, постепенно улучшая его вплоть до получения оптимального решения, при соответствующем увеличении компьютерных ресурсов (как правило, времени). Целями данной работы являются исследование и разработка гибких алгоритмов поиска решений для применения их в интеллектуальных системах поддержки принятия решений реального времени при достаточно жестких ограничениях на время реагирования при возникновении проблемных (аварийных, нештатных и т.п.) ситуаций. Рассматриваются алгоритмы на основе нейросетевого подхода на примере решения задачи классификации образов (изображений). Дается сравнительный анализ нейронных сетей, использующих так называемый метод раннего выхода для решения такой задачи, и предлагается оригинальная anytime-модификация нейросети, позволяющая получить более раннее решение по классификации образов (изображений), чем при применении классического подхода, что актуально для систем реального времени. Описываются программная реализация, выполненная с применением фреймворков Tensorflow и Keras языка программирования Python, и результаты компьютерного моделирования, подтверждающие перспективность предложенного подхода. Исследования и разработки выполняются в рамках создания базовых инструментальных средств построения интеллектуальных систем поддержки принятия решений реального времени для помощи оперативно-диспетчерскому персоналу (лицам, принимающим решения) при управлении, мониторинге и диагностике сложных технических и организационных систем, а также при распознавании и классификации проблемных ситуаций.
Еремеев А.П. (eremeev@appmat.ru) - Национальный исследовательский университет «Московский энергетический институт» (профессор), доктор технических наук; Башкова С.М. (BashkovaSM@mpei.ru) - Национальный исследовательский университет «Мос-ковский энергетический институт» (инженер);
[№2 за 2025 год]
Авторы: Акодит Е.В. (revers_8484@mail.ru) - Военная академия воздушно-космической обороны имени Маршала Советского Союза Г.К. Жукова (адъюнкт); Рыбальченко П.В. (rblbalkap@mail.ru) - Военная академия воздушно-космической обороны имени Маршала Советского Союза Г.К. Жукова (докторант), кандидат технических наук;
Аннотация: Моделирование боевых действий требует существенных затрат времени, при этом для обеспечения адекватности и достоверности проводимых расчетов моделирование должно быть многовариантным. Проведенный анализ расчетно-аналитической деятельности органов управления показал существенный рост трудозатрат оператора моделирующего комплекса военного назначения. В частности, установлено, что большая часть времени, отводимая на имитационное моделирование, уходит на ввод исходных данных, определяющих сценарии действия воздушного противника. Предложен подход к решению данной проблемы посредством построения интеллектуальной модели, обеспечивающей автоматизированный ввод исходных данных за противника. При этом введенные данные должны удовлетворять требованиям адекватности, а сама интеллектуальная модель требованиям достоверности. Для этого необходимо определить рациональный с точки зрения противника характер действий. В статье рассмотрена одна из важнейших задач – определение номенклатуры и численности средств воздушного нападения, участвующих в ударе. Предложен метод автоматизированного определения наряда средств воздушного нападения в ударе на основе применения аппарата генетических алгоритмов. Разработана фитнес-функция для работы генетического алгоритма, учитывающая ущерб, наносимый заданной совокупности объектов обороны при ударе, а также затраты на нанесение удара. Определены правила инициализации и скрещивания особей (нарядов средств воздушного нападения), правила их отбора для формирования популяции следующего поколения. На конкретном примере рассмотрены условия для решения задачи и определена вычислительная сложность задачи определения наряда средств воздушного нападения. Получены и описаны результаты применения предложенного метода при проведении имитационных экспериментов.
Keywords: generic algorithm, simulation experiment, simulation, modeling complex, modeling complex, air attack means, fitness function
Просмотров: 481
Авторы: Акодит Е.В. (revers_8484@mail.ru) - Военная академия воздушно-космической обороны имени Маршала Советского Союза Г.К. Жукова (адъюнкт); Рыбальченко П.В. (rblbalkap@mail.ru) - Военная академия воздушно-космической обороны имени Маршала Советского Союза Г.К. Жукова (докторант), кандидат технических наук;
Аннотация: Моделирование боевых действий требует существенных затрат времени, при этом для обеспечения адекватности и достоверности проводимых расчетов моделирование должно быть многовариантным. Проведенный анализ расчетно-аналитической деятельности органов управления показал существенный рост трудозатрат оператора моделирующего комплекса военного назначения. В частности, установлено, что большая часть времени, отводимая на имитационное моделирование, уходит на ввод исходных данных, определяющих сценарии действия воздушного противника. Предложен подход к решению данной проблемы посредством построения интеллектуальной модели, обеспечивающей автоматизированный ввод исходных данных за противника. При этом введенные данные должны удовлетворять требованиям адекватности, а сама интеллектуальная модель требованиям достоверности. Для этого необходимо определить рациональный с точки зрения противника характер действий. В статье рассмотрена одна из важнейших задач – определение номенклатуры и численности средств воздушного нападения, участвующих в ударе. Предложен метод автоматизированного определения наряда средств воздушного нападения в ударе на основе применения аппарата генетических алгоритмов. Разработана фитнес-функция для работы генетического алгоритма, учитывающая ущерб, наносимый заданной совокупности объектов обороны при ударе, а также затраты на нанесение удара. Определены правила инициализации и скрещивания особей (нарядов средств воздушного нападения), правила их отбора для формирования популяции следующего поколения. На конкретном примере рассмотрены условия для решения задачи и определена вычислительная сложность задачи определения наряда средств воздушного нападения. Получены и описаны результаты применения предложенного метода при проведении имитационных экспериментов.
Abstract: Combat operation modeling requires substantial time expenditures. Moreover, modeling should be multivariate to ensure the adequacy and reliability of the calculations performed. The analysis of computational and analytical activities of command and control bodies showed a significant increase in the labor input of the military simulation complex operator. The authors found that most of the time allocated to simulation modeling is spent on inputting the initial data that define air enemy action scenarios. They proposed an approach to solve this problem by building an intelligent model that provides automated input of input data for an enemy. Thus, the entered data should meet the requirements of adequacy, and the intellectual model itself should meet the requirements of reliability. For this purpose, it is necessary to determine the rational nature of action from the enemy's point of view. The paper considers one of the most important tasks – determining the nomenclature and number of air assault vehicles participating in a strike. The authors propose a method of automated determination of air assault vehi-cles in a strike based on a genetic algorithm apparatus. The developed fitness function for the genetic algorithm considers the damage to a given set of defense objects in a strike, as well as strike cost. The authors define the rules for initialization and crossing of individuals (set of actions of air assault vehicles), rules for their selection to form the next generation population. Using a certain example, they consider the conditions for solving the problem and determine the computational complexity of determining air assault vehicles. The authors obtained and described the application results of the proposed method in simulation modeling.
Ключевые слова: генетический алгоритм, имитационный эксперимент, имитационное моделирование, моделирующий комплекс, наряд, средства воздушного нападения, фитнес-функцияKeywords: generic algorithm, simulation experiment, simulation, modeling complex, modeling complex, air attack means, fitness function
Просмотров: 481
[№2 за 2025 год]
Просмотров: 481
Моделирование боевых действий требует существенных затрат времени, при этом для обеспечения адекватности и достоверности проводимых расчетов моделирование должно быть многовариантным. Проведенный анализ расчетно-аналитической деятельности органов управления показал существенный рост трудозатрат оператора моделирующего комплекса военного назначения. В частности, установлено, что большая часть времени, отводимая на имитационное моделирование, уходит на ввод исходных данных, определяющих сценарии действия воздушного противника. Предложен подход к решению данной проблемы посредством построения интеллектуальной модели, обеспечивающей автоматизированный ввод исходных данных за противника. При этом введенные данные должны удовлетворять требованиям адекватности, а сама интеллектуальная модель требованиям достоверности. Для этого необходимо определить рациональный с точки зрения противника характер действий. В статье рассмотрена одна из важнейших задач – определение номенклатуры и численности средств воздушного нападения, участвующих в ударе. Предложен метод автоматизированного определения наряда средств воздушного нападения в ударе на основе применения аппарата генетических алгоритмов. Разработана фитнес-функция для работы генетического алгоритма, учитывающая ущерб, наносимый заданной совокупности объектов обороны при ударе,
а также затраты на нанесение удара. Определены правила инициализации и скрещивания особей (нарядов средств воздушного нападения), правила их отбора для формирования популяции следующего поколения. На конкретном примере рассмотрены условия для решения задачи и определена вычислительная сложность задачи определения наряда средств воздушного нападения. Получены и описаны результаты применения предложенного метода при проведении имитационных экспериментов.
Акодит Е.В. (revers_8484@mail.ru) - Военная академия воздушно-космической обороны имени Маршала Советского Союза Г.К. Жукова (адъюнкт); Рыбальченко П.В. (rblbalkap@mail.ru) - Военная академия воздушно-космической обороны имени Маршала Советского Союза Г.К. Жукова (докторант), кандидат технических наук;
3. Синтез онтологий для систем поддержки принятия решений на базе больших языковых моделей
[№2 за 2025 год]Авторы: Борисов В.В. (BYG@yandex.ru) - Смоленский филиал Московского энергетического института (технического университета) (профессор), доктор технических наук; Мисник А.Е. (anton@misnik.by) - Белорусско-Российский университет (доцент), кандидат технических наук; Шеробурко Е.Н. (sheren@tut.by) - Белорусско-Российский университет (старший преподаватель); Хабаров А.Р. (al_xabarov@mail.ru) - Тверской государственный технический университет (доцент), кандидат технических наук;
Аннотация: Предметом исследования является автоматизированное формирование онтологий для систем управления и поддержки принятия решений с использованием технологий больших языковых моделей. В условиях экспоненциального роста объемов данных и усложнения информационных систем традиционные методы разработки онтологий становятся менее эффективными из-за их трудоемкости и значительных временных затрат. В работе предложена методика, позволяющая автоматизировать процессы извлечения, анализа и структурирования знаний о предметной области. Это особенно актуально для задач с большим объемом разноструктурированной информации. Особое внимание уделено интеграции языковых моделей с онтологическими структурами для формирования концептов, их атрибутов и взаимосвязей на основе текстовых данных. Методологическая основа исследования включает алгоритмы обработки естественного языка, архитектуры трансформеров и метаассоциативные графы, что позволяет не только извлекать знания из текстов, но и формализовать их в удобной для последующей обработки форме. Применение трансформеров обеспечивает высокую точность анализа текстов и выявления ключевых понятий, а метаассоциативные графы позволяют визуализировать и эффективно интегрировать разнородные данные. Важной особенностью предложенного подхода является способность динамически обновлять онтологии по мере поступления новых данных, что повышает актуальность и точность формируемых моделей. Основные результаты исследования включают разработку методики автоматизированного формирования онтологий и ее тестирование на примере задач планирования государственных закупок. Доказана эффективность применения языковых моделей для анализа открытых источников и автоматизированного формирования онтологий, позволяющих оптимизировать процедуры закупок и повышать эффективность распределения ресурсов. Практическая значимость работы заключается в создании инструмента, способного поддерживать принятие управленческих решений, автоматизировать процессы структурирования данных и минимизировать влияние человеческого фактора. Использование методики способствует снижению временных затрат, повышению точности анализа и формированию более гибких и адаптивных систем управления знаниями.
Abstract: The paper focuses on automated forming of ontologies for management and decision support systems using large language model technologies. With exponential growth of data volumes and increasing complexity of information systems, traditional ontology development methods are becoming less effective due to their labor-intensive and time-consuming nature. The au-thors propose a methodology that allows automating the processes of extracting, analyzing and structuring knowledge about the subject area. This is especially relevant for tasks with a large amount of multistructured information. The authors pay special attention to the integration of language models with ontological structures to form concepts, their attributes and relationships based on textual data. The methodological basis of the research includes natural language processing algorithms, transformer architectures and meta-associative graphs. This allows not only extracting knowledge from texts, but also formalizing it in a form convenient for further processing. Transformers ensure high accuracy in analyzing texts and identifying key concepts. Meta-associative graphs allow visualizing and efficiently integrating heterogeneous data. An important feature of the proposed approach is the ability to update ontologies dynamically as new data becomes available. This increases the relevance and accuracy of the generated models. The main research results include a developed methodology for automated ontology generation and it is testing on the example of public procurement planning tasks. The authors prove the effectiveness of using language models for open-source analysis and automated ontology formation that allow optimizing procurement procedures and increasing the efficiency of resource allocation. The practical significance of the research is creating a tool capable to support management decision making, automating data structuring processes and minimizing a human factor effect. Using the methodology contributes to reducing time costs, improving the analysis accuracy and forming more flexible and adaptive knowledge management systems.
Ключевые слова: автоматизация онтологий, системы поддержки принятия решений, большие языковые модели, трансформеры, метаассоциативные графы, структурирование данных, анализ текстовKeywords: ontology automation, decision support systems, large language models, transformers, meta-associative graphs, data structuring, text mining
Просмотров: 553
3. Синтез онтологий для систем поддержки принятия решений на базе больших языковых моделей
[№2 за 2025 год]
Просмотров: 553
Предметом исследования является автоматизированное формирование онтологий для систем управления и поддержки принятия решений с использованием технологий больших языковых моделей. В условиях экспоненциального роста объемов данных и усложнения информационных систем традиционные методы разработки онтологий становятся менее эффективными из-за их трудоемкости и значительных временных затрат. В работе предложена методика, позволяющая автоматизировать процессы извлечения, анализа и структурирования знаний о предметной области. Это особенно актуально для задач с большим объемом разноструктурированной информации. Особое внимание уделено интеграции языковых моделей с онтологическими структурами для формирования концептов, их атрибутов и взаимосвязей на основе текстовых данных. Методологическая основа исследования включает алгоритмы обработки естественного языка, архитектуры трансформеров и метаассоциативные графы, что позволяет не только извлекать знания из текстов, но и формализовать их в удобной для последующей обработки форме. Применение трансформеров обеспечивает высокую точность анализа текстов и выявления ключевых понятий, а метаассоциативные графы позволяют визуализировать и эффективно интегрировать разнородные данные. Важной особенностью предложенного подхода является способность динамически обновлять онтологии по мере поступления новых данных, что повышает актуальность и точность формируемых моделей. Основные результаты исследования включают разработку методики автоматизированного формирования онтологий и ее тестирование на примере задач планирования государственных закупок. Доказана эффективность применения языковых моделей для анализа открытых источников и автоматизированного формирования онтологий, позволяющих оптимизировать процедуры закупок и повышать эффективность распределения ресурсов. Практическая значимость работы заключается в создании инструмента, способного поддерживать принятие управленческих решений, автоматизировать процессы структурирования данных и минимизировать влияние человеческого фактора. Использование методики способствует снижению временных затрат, повышению точности анализа и формированию более гибких и адаптивных систем управления знаниями.
Борисов В.В. (BYG@yandex.ru) - Смоленский филиал Московского энергетического института (технического университета) (профессор), доктор технических наук; Мисник А.Е. (anton@misnik.by) - Белорусско-Российский университет (доцент), кандидат технических наук; Шеробурко Е.Н. (sheren@tut.by) - Белорусско-Российский университет (старший преподаватель); Хабаров А.Р. (al_xabarov@mail.ru) - Тверской государственный технический университет (доцент), кандидат технических наук;
4. Моделирование и визуальный анализ вихревых течений в вычислительной гидродинамике
[№2 за 2025 год]Авторы: Горячев В.Д. (gdv.vdg@yandex.ru) - Тверской государственный технический университет (профессор, зав. кафедрой), доктор технических наук;
Аннотация: Визуальный анализ и интерпретация газодинамических структур являются необходимыми составляющими численного моделирования технологических процессов и природных явлений. В статье обсуждаются методы и особенности работы в системе визуализации и интерпретации результатов численного моделирования программы графической постобработки вычислений на высокопроизводительных ЭВМ. В среде системы можно вести детальный визуальный анализ скалярных, векторных и тензорных полей течений газа и жидкости, которые получены при моделировании энерготехнологических устройств и анализируются при цифровом описании природных процессов. Особенностью работы в системе является вариативная обработка результатов моделирования с комбинированным графическим представлением первичных полей (скорости, давления, температуры, концентрации) и с дополнительной генерацией вторичных, производных величин, тензорных инвариантов градиентов скорости и других полевых характеристик. Целью углубленного анализа является визуальное описание когерентных структур течений в более наглядной и представительной форме. Для показа особенностей течений используется комбинированный подход к выделению скрытых связей характеристик потоков через отражение в видеосценах символических, производных полей, определяемых в редакторе аналитических зависимостей. Функциональная связь между полями определяется активацией опций различных методов в базовом графическом конвейере сцены визуализации. Приемы выразительной визуализации когерентных структур течений обсуждаются на примере анализа двух задач численного моделирования течений разного масштаба: в задаче определения вторичных вихревых течений, формируемых при обтекании лопаток газовой турбины, и в задаче моделирования временной эволюции структур газовой туманности. В задаче вычислительной астрофизики моделируется вихревое преобразование системы молекулярных облаков после их соударения с мощной ударной волной от взрыва сверхновой звезды. Методы визуального представления когерентных структур и разномасштабной турбулентности в анализируемых течениях сравниваются с известными приемами постпроцессорной обработки в вычислительной гидродинамике.
Abstract: Visual analysis and interpretation of gas-dynamic structures are necessary components of numerical modelling of technological processes and natural phenomena. The paper discusses methods and work features in the system of visualization and interpretation of numerical simulation results of graphical post-processing of calculations on high-performance computers. The system environment enables to carry out detailed visual analysis of scalar, vector and tensor fields of gas and liquid flows obtained during modeling of power engineering devices and analyzed during digital description of natural processes. A particular feature of work in the system is variable processing of modeling results with combined graphical representation of primary fields (velocity, pressure, temperature, concentration). Additional generation of secondary, derived quantities, tensor invariants of velocity gradients and other field characteristics is also performed. The in-depth analysis is aimed at visualizing the coherent flow structures in a more visual and representative form. The authors use a combined approach to highlighting the hidden relationships of flow characteristics through the reflection of symbolic derived fields defined in the analytical dependence editor in video scenes to show flow features. The functional relationship between the fields is defined by activating different methods in the basic graphical pipeline of a visualization scene. The authors discuss the methods of expressive visualization of coherent flow structures on the example of two numerical modeling problems of different scale flows. The first problem concerns determining secondary vortex currents formed during the gas turbine blade flow, and the second one concerns modeling the temporal evolution of gas nebula structures. The computational astrophysics problem models the vortex transformation of a system of molecular clouds after their collision with a powerful shock wave from a supernova explosion. The authors compare the methods of visual representation of coherent structures and multiscale turbulence in the analyzed flows with known techniques of postprocessing in computational fluid dynamics.
Ключевые слова: научная визуализация, графический пользовательский интерфейс, вычислительная гидродинамика, вихревые течения, векторные поля, тензорные инвариантыKeywords: scientific visualization, grafical user interface, computational fluid dynamics, vortex flows, vector fields, tensor invariants
Просмотров: 1279
4. Моделирование и визуальный анализ вихревых течений в вычислительной гидродинамике
[№2 за 2025 год]
Просмотров: 1279
Визуальный анализ и интерпретация газодинамических структур являются необходимыми составляющими численного моделирования технологических процессов и природных явлений. В статье обсуждаются методы и особенности работы в системе визуализации и интерпретации результатов численного моделирования программы графической постобработки вычислений на высокопроизводительных ЭВМ. В среде системы можно вести детальный визуальный анализ скалярных, векторных и тензорных полей течений газа и жидкости, которые получены при моделировании энерготехнологических устройств и анализируются при цифровом описании природных процессов. Особенностью работы в системе является вариативная обработка результатов моделирования с комбинированным графическим представлением первичных полей (скорости, давления, температуры, концентрации) и с дополнительной генерацией вторичных, производных величин, тензорных инвариантов градиентов скорости и других полевых характеристик. Целью углубленного анализа является визуальное описание когерентных структур течений в более наглядной и представительной форме. Для показа особенностей течений используется комбинированный подход к выделению скрытых связей характеристик потоков через отражение в видеосценах символических, производных полей, определяемых в редакторе аналитических зависимостей. Функциональная связь между полями определяется активацией опций различных методов в базовом графическом конвейере сцены визуализации. Приемы выразительной визуализации когерентных структур течений обсуждаются на примере анализа двух задач численного моделирования течений разного масштаба: в задаче определения вторичных вихревых течений, формируемых при обтекании лопаток газовой турбины, и в задаче моделирования временной эволюции структур газовой туманности. В задаче вычислительной астрофизики моделируется вихревое преобразование системы молекулярных облаков после их соударения с мощной ударной волной от взрыва сверхновой звезды. Методы визуального представления когерентных структур и разномасштабной турбулентности в анализируемых течениях сравниваются с известными приемами постпроцессорной обработки в вычислительной гидродинамике.
Горячев В.Д. (gdv.vdg@yandex.ru) - Тверской государственный технический университет (профессор, зав. кафедрой), доктор технических наук;
[№2 за 2025 год]
Авторы: Боровинский В.В. (vitali.borovinsky@yandex.ru) - Компания «АТОМ» (генеральный директор), Аспирант ; Николаева А.В. (nikolaevaav@lenta.ru) - Международный университет природы, общества и человека «Дубна», Институт системного анализа и управления (аспирант); Решетников А.Г. (reshetnikovag@pochta.ru) - Международный университет природы, общества и человека «Дубна» (аспирант); Ульянов С.В. (ulyanovsv46_46@mail.ru) - Государственный университет «Дубна» – Институт системного анализа и управления, Объединенный институт ядерных исследований – лаборатория информационных технологий (профессор), доктор физико-математических наук;
Аннотация: Рассмотрен метод координационного управления разделенными базами знаний с применением технологий квантовых мягких вычислений. Метод реализуется с помощью оптимизатора баз знаний SCOptKBTM на основе мягких вычислений. Применяется способ декомпозиции управления, когда каждый нечеткий регулятор с заложенной базой знаний отвечает за управление одним звеном объекта управления. Для организации координационного управления в интеллектуальной системе управления, разработанной на основе технологии мягких вычислений с разделенным управлением, используется извлечение квантовой (скрытой в классических состояниях баз знаний) информации о взаимосвязях существующих нечетких регуляторов для трех звеньев манипулятора с базами знаний, полученными для штатных ситуаций управления. Для этого в блок интеллектуальной надстройки включается обобщающее звено – модель квантового нечеткого вывода. Проведены численные и физические эксперименты для сравнения работы интеллектуальной системы управления на оптимизаторе баз знаний на квантовых вычислениях (QCOptKBTM) с интеллектуальной системой управления на оптимизаторе баз знаний на мягких вычислениях с разделенным управлением. Экспериментально доказано, что общая оценка качества управления выше в случае применения интеллектуальной системы управления на оптимизаторе баз знаний на квантовых вычислениях (для пространственной, пространственно-временной и временной корреляций), что является следствием введения в структуру интеллектуальной системы управления дополнительного звена квантового нечеткого вывода, организующего координационное управление. Робастность интеллектуальных нечетких регуляторов продемонстрирована на примере самоорганизующейся интеллектуальной системы управления локально неустойчивым и существенно нелинейным объектом. Показано, что интеллектуальное управление дает возможность гарантированно и с минимальными затратами ресурсов достигать цели управления в непредсказуемых ситуациях управления.
Keywords: intelligent control system, coordination control, quantum fuzzy inference, robustness, knowledge base, manipulator, optimizer, fuzzy controller
Просмотров: 735
Авторы: Боровинский В.В. (vitali.borovinsky@yandex.ru) - Компания «АТОМ» (генеральный директор), Аспирант ; Николаева А.В. (nikolaevaav@lenta.ru) - Международный университет природы, общества и человека «Дубна», Институт системного анализа и управления (аспирант); Решетников А.Г. (reshetnikovag@pochta.ru) - Международный университет природы, общества и человека «Дубна» (аспирант); Ульянов С.В. (ulyanovsv46_46@mail.ru) - Государственный университет «Дубна» – Институт системного анализа и управления, Объединенный институт ядерных исследований – лаборатория информационных технологий (профессор), доктор физико-математических наук;
Аннотация: Рассмотрен метод координационного управления разделенными базами знаний с применением технологий квантовых мягких вычислений. Метод реализуется с помощью оптимизатора баз знаний SCOptKBTM на основе мягких вычислений. Применяется способ декомпозиции управления, когда каждый нечеткий регулятор с заложенной базой знаний отвечает за управление одним звеном объекта управления. Для организации координационного управления в интеллектуальной системе управления, разработанной на основе технологии мягких вычислений с разделенным управлением, используется извлечение квантовой (скрытой в классических состояниях баз знаний) информации о взаимосвязях существующих нечетких регуляторов для трех звеньев манипулятора с базами знаний, полученными для штатных ситуаций управления. Для этого в блок интеллектуальной надстройки включается обобщающее звено – модель квантового нечеткого вывода. Проведены численные и физические эксперименты для сравнения работы интеллектуальной системы управления на оптимизаторе баз знаний на квантовых вычислениях (QCOptKBTM) с интеллектуальной системой управления на оптимизаторе баз знаний на мягких вычислениях с разделенным управлением. Экспериментально доказано, что общая оценка качества управления выше в случае применения интеллектуальной системы управления на оптимизаторе баз знаний на квантовых вычислениях (для пространственной, пространственно-временной и временной корреляций), что является следствием введения в структуру интеллектуальной системы управления дополнительного звена квантового нечеткого вывода, организующего координационное управление. Робастность интеллектуальных нечетких регуляторов продемонстрирована на примере самоорганизующейся интеллектуальной системы управления локально неустойчивым и существенно нелинейным объектом. Показано, что интеллектуальное управление дает возможность гарантированно и с минимальными затратами ресурсов достигать цели управления в непредсказуемых ситуациях управления.
Abstract: The paper considers a method of coordination management for partitioned knowledge bases using quantum soft computing technologies. The method is implemented using soft computing-based knowledge base optimizer SCOptKBTM. The authors apply the control decomposition method, which assumes that each fuzzy controller with embedded knowledge base controls one link of the control object. Coordination control in an Intelligent Control System is enabled through extracting of quantum information about the interrelationships of existing fuzzy controllers for three links of the manipulator with knowledge bases obtained for regular control situations. This system is based on a soft computing technology with partitioned control. For this purpose, a generalizing link that is a quantum fuzzy inference model becomes a part of the intelligent superstructure block. The authors conducted numerical and physical experiments to compare the performance of intelligent control system on quantum computing knowledge base optimizer (QCOptKBTM) with an intelligent control system on soft computing knowledge base optimizer with partitioned control. They proved that the overall control quality score is higher in terms of an intelligent control system on a knowledge base optimizer on quantum computing (for spatial, spatiotemporal and temporal correlations). This is a consequence of introducing into the intelligent control system structure an additional quantum fuzzy inference link that organizes coordination control. The authors demonstrate the robustness of intelligent fuzzy controllers on the example of a self-organizing intelligent control system of a locally unstable and significantly nonlinear controlled object. They show that intelligent control allows guaranteed achieving control objectives in unpredictable management situations and with minimal resource consumption.
Ключевые слова: интеллектуальная система управления, координационное управление, квантовый нечеткий вывод, робастность, база знаний, манипулятор, оптимизатор, нечеткий регуляторKeywords: intelligent control system, coordination control, quantum fuzzy inference, robustness, knowledge base, manipulator, optimizer, fuzzy controller
Просмотров: 735
[№2 за 2025 год]
Просмотров: 735
Рассмотрен метод координационного управления разделенными базами знаний с применением технологий квантовых мягких вычислений. Метод реализуется с помощью оптимизатора баз знаний SCOptKBTM на основе мягких вычислений. Применяется способ декомпозиции управления, когда каждый нечеткий регулятор с заложенной базой знаний отвечает за управление одним звеном объекта управления. Для организации координационного управления в интеллектуальной системе управления, разработанной на основе технологии мягких вычислений с разделенным управлением, используется извлечение квантовой (скрытой в классических состояниях баз знаний) информации о взаимосвязях существующих нечетких регуляторов для трех звеньев манипулятора с базами знаний, полученными для штатных ситуаций управления. Для этого в блок интеллектуальной надстройки включается обобщающее звено – модель квантового нечеткого вывода. Проведены численные и физические эксперименты для сравнения работы интеллектуальной системы управления на оптимизаторе баз знаний на квантовых вычислениях (QCOptKBTM) с интеллектуальной системой управления на оптимизаторе баз знаний на мягких вычислениях с разделенным управлением. Экспериментально доказано, что общая оценка качества управления выше в случае применения интеллектуальной системы управления на оптимизаторе баз знаний на квантовых вычислениях (для пространственной, пространственно-временной и временной корреляций), что является следствием введения в структуру интеллектуальной системы управления дополнительного звена квантового нечеткого вывода, организующего координационное управление. Робастность интеллектуальных нечетких регуляторов продемонстрирована на примере самоорганизующейся интеллектуальной системы управления локально неустойчивым и существенно нелинейным объектом. Показано, что интеллектуальное управление дает возможность гарантированно и с минимальными затратами ресурсов достигать цели управления в непредсказуемых ситуациях управления.
Боровинский В.В. (vitali.borovinsky@yandex.ru) - Компания «АТОМ» (генеральный директор), Аспирант ; Николаева А.В. (nikolaevaav@lenta.ru) - Международный университет природы, общества и человека «Дубна», Институт системного анализа и управления (аспирант); Решетников А.Г. (reshetnikovag@pochta.ru) - Международный университет природы, общества и человека «Дубна» (аспирант); Ульянов С.В. (ulyanovsv46_46@mail.ru) - Государственный университет «Дубна» – Институт системного анализа и управления, Объединенный институт ядерных исследований – лаборатория информационных технологий (профессор), доктор физико-математических наук;
[№2 за 2025 год]
Авторы: Дырночкин А.А. (dyrno4kin@gmail.com) - Ульяновский государственный технический университет (ассистент), Аспирант ; Мошкин В.С. (postforvadim@ya.ru) - Ульяновский государственный технический университет (доцент), кандидат технических наук; Ярушкина Н.Г. (jng@ulstu.ru) - Ульяновский государственный технический университет (профессор, профессор кафедры), доктор технических наук;
Аннотация: В статье описывается программный сервис анализа текстовой информации с целью формирования OWL-онтологии при решении задачи анализа состояния сложных технических систем, например, предметной области нефтедобывающих систем, данные с которых поступают в реальном времени. Основным направлением работы сервиса является обработка текстовой информации для формирования OWL-онтологии – формальной описательной модели, позволяющей семантически структурировать и формализовать информацию. В статье представлены основные принципы функционирования данного сервиса. В процессе работы программный сервис выполняет предобработку текстовых данных, включающую этапы токенизации, удаления стоп-слов, лемматизации и выделения ключевых терминов. Эти операции необходимы для повышения качества и целостности данных перед последующим анализом. Главным этапом работы сервиса является извлечение ключевых слов и терминов из текстов с использованием алгоритмов машинного обучения и статистических методов. Сервис группирует тексты по сходству и формирует кластеры. Этот этап позволяет выявить скрытую структуру в текстовых данных и выделить общие тематики или концепции. Результаты экспериментов, описанные в статье, подтверждают возможность эффективного использования программного сервиса для формирования онтологических структур, демонстрируют способность сервиса классифицировать и группировать текстовые данные, что является важным шагом в процессе создания семантических моделей сложных технических систем. Также в статье проводится сравнительное исследование трех различных концепций извлечения ключевых слов и терминов: статистических методов извлечения ключевых слов, кластеризации и тематического моделирования. Оценивается эффективность каждого метода на основе точности извлечения ключевых терминов, их связанности и понятности. Результаты исследования позволяют сделать вывод о преимуществах и недостатках каждого подхода и определить наиболее продуктивный метод для конкретных задач построения онтологий в информационных системах.
Keywords: text mining, ontology, preprocessing, clusterization, vectorization, topic modeling, keyword extraction, thematic clusters, semantic model, information structuring
Просмотров: 393
Авторы: Дырночкин А.А. (dyrno4kin@gmail.com) - Ульяновский государственный технический университет (ассистент), Аспирант ; Мошкин В.С. (postforvadim@ya.ru) - Ульяновский государственный технический университет (доцент), кандидат технических наук; Ярушкина Н.Г. (jng@ulstu.ru) - Ульяновский государственный технический университет (профессор, профессор кафедры), доктор технических наук;
Аннотация: В статье описывается программный сервис анализа текстовой информации с целью формирования OWL-онтологии при решении задачи анализа состояния сложных технических систем, например, предметной области нефтедобывающих систем, данные с которых поступают в реальном времени. Основным направлением работы сервиса является обработка текстовой информации для формирования OWL-онтологии – формальной описательной модели, позволяющей семантически структурировать и формализовать информацию. В статье представлены основные принципы функционирования данного сервиса. В процессе работы программный сервис выполняет предобработку текстовых данных, включающую этапы токенизации, удаления стоп-слов, лемматизации и выделения ключевых терминов. Эти операции необходимы для повышения качества и целостности данных перед последующим анализом. Главным этапом работы сервиса является извлечение ключевых слов и терминов из текстов с использованием алгоритмов машинного обучения и статистических методов. Сервис группирует тексты по сходству и формирует кластеры. Этот этап позволяет выявить скрытую структуру в текстовых данных и выделить общие тематики или концепции. Результаты экспериментов, описанные в статье, подтверждают возможность эффективного использования программного сервиса для формирования онтологических структур, демонстрируют способность сервиса классифицировать и группировать текстовые данные, что является важным шагом в процессе создания семантических моделей сложных технических систем. Также в статье проводится сравнительное исследование трех различных концепций извлечения ключевых слов и терминов: статистических методов извлечения ключевых слов, кластеризации и тематического моделирования. Оценивается эффективность каждого метода на основе точности извлечения ключевых терминов, их связанности и понятности. Результаты исследования позволяют сделать вывод о преимуществах и недостатках каждого подхода и определить наиболее продуктивный метод для конкретных задач построения онтологий в информационных системах.
Abstract: The paper describes a software service for analyzing textual information in order to form OWL-ontology when analyzing the state of complex technical systems, for example, the subject domain of oil production systems that output the real-time data. The main direction of the service is processing textual information to form OWL-ontology. OWL-ontology is a formal descriptive model that allows semantical structuring and formalizing information. The paper presents the basic principles of this service functioning. The software service performs preprocessing of textual data, including tokenization, stop word removal, lemmatization and key term extraction. These operations are necessary to improve the quality and integrity of data before further analysis. The main stage of the service is to extract keywords and terms from texts using machine learning algorithms and statistical methods. The service groups texts by similarity and forms clusters. This stage allows revealing a hid-den structure in textual data and identifying common themes or concepts. The described experimental results confirm that the software service is effective for forming ontological structures. They demonstrate the ability of the service to classify and group text data, which is an important step in the process of creating semantic models of complex technical systems. The paper also provides a comparative study of three different concepts of keyword and term extraction: statistical keyword extraction methods, clustering and topic modeling. The authors evaluate the performance of each method based on keyword extraction accuracy, relatedness and understandability of key terms. The study results conclude the advantages and disad-vantages of each approach. In addition, they allow determining the most productive method for specific tasks of ontology building in information systems.
Ключевые слова: интеллектуальный анализ текста, онтология, предобработка, кластеризация, векторизация, тематическое моделирование, извлечение ключевых слов, тематический кластер, семантическая модель, структурирование информацииKeywords: text mining, ontology, preprocessing, clusterization, vectorization, topic modeling, keyword extraction, thematic clusters, semantic model, information structuring
Просмотров: 393
[№2 за 2025 год]
Просмотров: 393
В статье описывается программный сервис анализа текстовой информации с целью формирования OWL-онтологии при решении задачи анализа состояния сложных технических систем, например, предметной области нефтедобывающих систем, данные с которых поступают в реальном времени. Основным направлением работы сервиса является обработка текстовой информации для формирования OWL-онтологии – формальной описательной модели, позволяющей семантически структурировать и формализовать информацию. В статье представлены основные принципы функционирования данного сервиса. В процессе работы программный сервис выполняет предобработку текстовых данных, включающую этапы токенизации, удаления стоп-слов, лемматизации и выделения ключевых терминов. Эти операции необходимы для повышения качества и целостности данных перед последующим анализом. Главным этапом работы сервиса является извлечение ключевых слов и терминов из текстов с использованием алгоритмов машинного обучения и статистических методов. Сервис группирует тексты по сходству и формирует кластеры. Этот этап позволяет выявить скрытую структуру в текстовых данных и выделить общие тематики или концепции. Результаты экспериментов, описанные в статье, подтверждают возможность эффективного использования программного сервиса для формирования онтологических структур, демонстрируют способность сервиса классифицировать и группировать текстовые данные, что является важным шагом в процессе создания семантических моделей сложных технических систем. Также в статье проводится сравнительное исследование трех различных концепций извлечения ключевых слов и терминов: статистических методов извлечения ключевых слов, кластеризации и тематического моделирования. Оценивается эффективность каждого метода на основе точности извлечения ключевых терминов, их связанности и понятности. Результаты исследования позволяют сделать вывод о преимуществах и недостатках каждого подхода и определить наиболее продуктивный метод для конкретных задач построения онтологий в информационных системах.
Дырночкин А.А. (dyrno4kin@gmail.com) - Ульяновский государственный технический университет (ассистент), Аспирант ; Мошкин В.С. (postforvadim@ya.ru) - Ульяновский государственный технический университет (доцент), кандидат технических наук; Ярушкина Н.Г. (jng@ulstu.ru) - Ульяновский государственный технический университет (профессор, профессор кафедры), доктор технических наук;
[№2 за 2025 год]
Авторы: Тагирова Л.Ф (mailto:LG-77@mail.ru) - Оренбургский государственный университет (доцент), кандидат педагогических наук;
Аннотация: Работа посвящена автоматизации информационных процессов формирования персонализированных интерфейсов мобильных приложений на примере обучающих систем. Предложен алгоритм адаптации значений компонентов интерфейса на основе применения технологий искусственных нейронных сетей. Предметом исследования являются математические методы, алгоритмы, программное обеспечение для персонализации интерфейсов мобильных приложений обучающих систем. В качестве инструмента для подбора значений компонентов интерфейса использована искусственная нейронная сеть, входными данными при работе которой являются отличительные особенности пользователей и технические характеристики мобильного устройства, выходными – значения компонентов интерфейса. Основным результатом исследования стал двухэтапный алгоритм адаптации интерфейса мобильного приложения, реализация которого нашла отражение в разработанном мобильном приложении обучающей системы. Проведенное исследование имеет практическую значимость, поскольку внедрение разработанного мобильного приложения позволит обеспечить комфортное взаимодействие между обучающимся и приложением, что будет способствовать повышению эффективности подготовки студентов.
Keywords: artificial neural networks, mobile application of the learning system, interface components, interface personalization
Просмотров: 345
Авторы: Тагирова Л.Ф (mailto:LG-77@mail.ru) - Оренбургский государственный университет (доцент), кандидат педагогических наук;
Аннотация: Работа посвящена автоматизации информационных процессов формирования персонализированных интерфейсов мобильных приложений на примере обучающих систем. Предложен алгоритм адаптации значений компонентов интерфейса на основе применения технологий искусственных нейронных сетей. Предметом исследования являются математические методы, алгоритмы, программное обеспечение для персонализации интерфейсов мобильных приложений обучающих систем. В качестве инструмента для подбора значений компонентов интерфейса использована искусственная нейронная сеть, входными данными при работе которой являются отличительные особенности пользователей и технические характеристики мобильного устройства, выходными – значения компонентов интерфейса. Основным результатом исследования стал двухэтапный алгоритм адаптации интерфейса мобильного приложения, реализация которого нашла отражение в разработанном мобильном приложении обучающей системы. Проведенное исследование имеет практическую значимость, поскольку внедрение разработанного мобильного приложения позволит обеспечить комфортное взаимодействие между обучающимся и приложением, что будет способствовать повышению эффективности подготовки студентов.
Abstract: The paper focuses on automating information processes of forming personalized mobile application interfaces on the example of training systems. The authors propose an algorithm for adapting the values of interface components based on artificial neural network technologies. The research subject is mathematical methods, algorithms, software for personalizing interfaces of mobile applications of training systems. The authors use an artificial neural network as a tool for selecting values of interface components. Input data in the network operation are distinctive features of users and technical characteristics of a mobile device. The output data are the values of interface components. The main result of the research is a two-stage algorithm for mobile application interface adaptation. The algorithm is implemented in the developed mobile application of a training system. The conducted research has practical significance since the implementation of the developed mobile application can provide a comfortable interaction between a student and the application. This will contribute to improving the effectiveness of student training.
Ключевые слова: искусственные нейронные сети, мобильное приложение обучающей системы, компоненты интерфейса, персонализация интерфейсаKeywords: artificial neural networks, mobile application of the learning system, interface components, interface personalization
Просмотров: 345
[№2 за 2025 год]
Просмотров: 345
Работа посвящена автоматизации информационных процессов формирования персонализированных интерфейсов мобильных приложений на примере обучающих систем. Предложен алгоритм адаптации значений компонентов интерфейса на основе применения технологий искусственных нейронных сетей. Предметом исследования являются математические методы, алгоритмы, программное обеспечение для персонализации интерфейсов мобильных приложений обучающих систем. В качестве инструмента для подбора значений компонентов интерфейса использована искусственная нейронная сеть, входными данными при работе которой являются отличительные особенности пользователей и технические характеристики мобильного устройства, выходными – значения компонентов интерфейса. Основным результатом исследования стал двухэтапный алгоритм адаптации интерфейса мобильного приложения, реализация которого нашла отражение в разработанном мобильном приложении обучающей системы. Проведенное исследование имеет практическую значимость, поскольку внедрение разработанного мобильного приложения позволит обеспечить комфортное взаимодействие между обучающимся и приложением, что будет способствовать повышению эффективности подготовки студентов.
Тагирова Л.Ф (mailto:LG-77@mail.ru) - Оренбургский государственный университет (доцент), кандидат педагогических наук;
[№2 за 2025 год]
Автор: Бессарабов Н.А. (nikitabes@mail.ru) - Государственный научно-исследовательский институт авиационных систем (аспирант); Сапожников А.А. (a.sapozhnikov@krrmr.ru) - АНО «КРР «Мой район» (зам. начальника отдела проектного офиса); Татарников Д.В. (d.tatarnikov@krrmr.ru) - АНО «КРР «Мой район» (зам. руководителя проектного офиса); Тюгунов Р.Р. (rushan.tyugunov@gmail.com) - АНО «КРР «Мой район» (аналитик данных отдела проектного офиса); Цыганов А.М (a.tsyganov@krrmr.ru) - АНО «КРР «Мой район» (зам. начальника отдела проектного офиса);
Аннотация: В работе рассматривается метод разметки изображений, полученных с беспилотного летательного аппарата, при помощи предобученных моделей искусственного интеллекта для последующего обучения детекторов объектов различных классов. Подход состоит из трех основных этапов: сегментация изображения, выделение зон внимания, проверка сегментов на наличие целевого класса при помощи комитета большинства из мультимодальных моделей. Для сегментации используется модель Segment Anything Model, предназначенная для объектной сегментации. Так как сегментов может быть значительное количество, предложен алгоритм построения иерархической структуры над множеством сегментов, то есть если какой-либо сегмент содержится в другом, то этот сегмент будет вложен в содержащий его сегмент. При дальнейшей обработке для значительного ускорения применяется следующая логика: если в родительском сегменте целевой класс не обнаружен, то и во вложенных сегментах его точно не будет. На втором этапе предложен алгоритм нахождения зон внимания как наиболее вероятных зон нахождения объектов целевого класса. Для этого используется предобученная модель SigLIP. С помощью зон внимания все сегменты из обрабатываемого множества изображений ранжируются по убыванию вероятности нахождения в них целевого класса. На третьем этапе применяется комитет большинства из трех мультимодальных чат-ботов – LLaVA, CogVLM, Mini-Gemini. Для проверки чат-ботами предусмотрено правило остановки, чтобы избежать полного перебора всех сегментов и тем самым ускорить процесс разметки изображений. Проведен вычислительный эксперимент для демонстрации метрик и скорости работы предложенного подхода.
Keywords: dataset, image segmentation, large language models, Chatbot, neural network, generative AI, markup
Просмотров: 364
Автор: Бессарабов Н.А. (nikitabes@mail.ru) - Государственный научно-исследовательский институт авиационных систем (аспирант); Сапожников А.А. (a.sapozhnikov@krrmr.ru) - АНО «КРР «Мой район» (зам. начальника отдела проектного офиса); Татарников Д.В. (d.tatarnikov@krrmr.ru) - АНО «КРР «Мой район» (зам. руководителя проектного офиса); Тюгунов Р.Р. (rushan.tyugunov@gmail.com) - АНО «КРР «Мой район» (аналитик данных отдела проектного офиса); Цыганов А.М (a.tsyganov@krrmr.ru) - АНО «КРР «Мой район» (зам. начальника отдела проектного офиса);
Аннотация: В работе рассматривается метод разметки изображений, полученных с беспилотного летательного аппарата, при помощи предобученных моделей искусственного интеллекта для последующего обучения детекторов объектов различных классов. Подход состоит из трех основных этапов: сегментация изображения, выделение зон внимания, проверка сегментов на наличие целевого класса при помощи комитета большинства из мультимодальных моделей. Для сегментации используется модель Segment Anything Model, предназначенная для объектной сегментации. Так как сегментов может быть значительное количество, предложен алгоритм построения иерархической структуры над множеством сегментов, то есть если какой-либо сегмент содержится в другом, то этот сегмент будет вложен в содержащий его сегмент. При дальнейшей обработке для значительного ускорения применяется следующая логика: если в родительском сегменте целевой класс не обнаружен, то и во вложенных сегментах его точно не будет. На втором этапе предложен алгоритм нахождения зон внимания как наиболее вероятных зон нахождения объектов целевого класса. Для этого используется предобученная модель SigLIP. С помощью зон внимания все сегменты из обрабатываемого множества изображений ранжируются по убыванию вероятности нахождения в них целевого класса. На третьем этапе применяется комитет большинства из трех мультимодальных чат-ботов – LLaVA, CogVLM, Mini-Gemini. Для проверки чат-ботами предусмотрено правило остановки, чтобы избежать полного перебора всех сегментов и тем самым ускорить процесс разметки изображений. Проведен вычислительный эксперимент для демонстрации метрик и скорости работы предложенного подхода.
Abstract: The paper discusses an image-mapping method for drone images using pre-trained artificial intelligence models for subsequent training of different class object detectors. The approach consists of three main steps: image segmentation, attention zone extraction, and verifying the segments for the target class using a majority committee of multimodal models. The authors use the Segment Anything Model for object segmentation. Since there can be a significant number of segments, the authors propose an algorithm for building a hierarchical structure over a set of segments. It means that if a segment is in another segment, then this segment will be nested in the segment containing it. Further processing has the following logic for significant acceleration: if the target class is not found in the parent segment, it will not be found in the nested segments. The authors propose an algorithm for finding attention zones as the most probable areas for finding target class objects in the second stage. For this purpose, they use the pretrained SigLIP model. All segments from the processed image set are ranked by decreasing probability of finding the target class in them using attention zones. The authors apply the majority committee of three multimodal chatbots (LLaVA, CogVLM, and Mini-Gemini) in the third stage. There is a stopping rule for the chatbots to check, to avoid enumerating all segments and thus speed up the image partitioning process. The authors conducted a computational experiment to demonstrate the proposed approach metrics and speed.
Ключевые слова: датасет, сегментация изображений, большие языковые модели, чат-бот, нейронные сети, генеративный ИИ, разметкаKeywords: dataset, image segmentation, large language models, Chatbot, neural network, generative AI, markup
Просмотров: 364
[№2 за 2025 год]
Просмотров: 364
В работе рассматривается метод разметки изображений, полученных с беспилотного летательного аппарата, при помощи предобученных моделей искусственного интеллекта для последующего обучения детекторов объектов различных классов. Подход состоит из трех основных этапов: сегментация изображения, выделение зон внимания, проверка сегментов на наличие целевого класса при помощи комитета большинства из мультимодальных моделей. Для сегментации используется модель Segment Anything Model, предназначенная для объектной сегментации. Так как сегментов может быть значительное количество, предложен алгоритм построения иерархической структуры над множеством сегментов, то есть если какой-либо сегмент содержится в другом, то этот сегмент будет вложен в содержащий его сегмент. При дальнейшей обработке для значительного ускорения применяется следующая логика: если в родительском сегменте целевой класс не обнаружен, то и во вложенных сегментах его точно не будет. На втором этапе предложен алгоритм нахождения зон внимания как наиболее вероятных зон нахождения объектов целевого класса. Для этого используется предобученная модель SigLIP. С помощью зон внимания все сегменты из обрабатываемого множества изображений ранжируются по убыванию вероятности нахождения в них целевого класса. На третьем этапе применяется комитет большинства из трех мультимодальных
чат-ботов – LLaVA, CogVLM, Mini-Gemini. Для проверки чат-ботами предусмотрено правило остановки, чтобы избежать полного перебора всех сегментов и тем самым ускорить процесс разметки изображений. Проведен вычислительный эксперимент для демонстрации метрик и скорости работы предложенного подхода.
Бессарабов Н.А. (nikitabes@mail.ru) - Государственный научно-исследовательский институт авиационных систем (аспирант); Сапожников А.А. (a.sapozhnikov@krrmr.ru) - АНО «КРР «Мой район» (зам. начальника отдела проектного офиса); Татарников Д.В. (d.tatarnikov@krrmr.ru) - АНО «КРР «Мой район» (зам. руководителя проектного офиса); Тюгунов Р.Р. (rushan.tyugunov@gmail.com) - АНО «КРР «Мой район» (аналитик данных отдела проектного офиса); Цыганов А.М (a.tsyganov@krrmr.ru) - АНО «КРР «Мой район» (зам. начальника отдела проектного офиса);
Ключевые слова: датасет, сегментация изображений, большие языковые модели, чат-бот, нейронные сети, генеративный ИИ, разметка
9. Программный комплекс QAMODEL: компьютерное моделирование высокочастотной геоакустической эмиссии
[№2 за 2025 год]Авторы: Сергиенко Д.Ф. (darya@ikir.ru) - Институт космофизических исследований и распространения радиоволн ДВО РАН (программист); Паровик Р.И. (parovik@ikir.ru) - Институт космофизических исследований и распространения радиоволн ДВО РАН (доцент, ведущий научный сотрудник), доктор физико-математических наук;
Аннотация: Предложен программный комплекс QAMODEL для проведения количественного и качественного анализа математической модели высокочастотной геоакустической эмиссии. Математическая модель представляет собой связанную систему, состоящую из двух линейных обыкновенных дифференциальных уравнений второго порядка с непостоянными коэффициентами и соответствующими начальными условиями (задача Коши). Такая математическая модель описывает взаимодействие двух линейных осцилляторов посредством линейной связи между источниками излучения высокочастотной геоакустической эмиссии. Количественный анализ математической модели эмиссии проводился с помощью численного метода Розенброка четвертого порядка точности, достаточно устойчивого к жесткости рассматриваемой системы. Численный метод реализован в программном комплексе QAMODEL, который также позволяет производить визуализацию результатов моделирования. В частности, использована возможность построения графиков осциллограмм и фазовых траекторий при различных значениях параметров модели, которые пользователь вводит через интерфейс программного комплекса. Предусмотрено сохранение построенных графиков с расширением png для дальнейшего изучения. Качественный анализ математической модели высокочастотной геоакустической эмиссии заключался в исследовании свойства жесткости. В программном комплексе QAMODEL реализована возможность построения графиков функции жесткости от времени при различных значениях параметров математической модели высокочастотной геоакустической эмиссии. Графики также можно сохранять с расширением png для последующего анализа. Программный комплекс QAMODEL написан на языке C++ с использованием фреймворка для разработки кроссплатформенного ПО Qt.
Abstract: The authors propose the QAMODEL software package for quantitative and qualitative analysis of the mathematical model of high-frequency geoacoustic emission. The mathematical model is a coupled system. It consists of two linear ordinary differential equations of the second order with non-constant coefficients and corresponding initial conditions (Cauchy problem). This model describes the interaction of two linear oscillators using linear coupling between radiation sources of high-frequency geoacoustic emission. The authors performed quantitative analysis of the emission mathematical model using the numerical Rosenbrock method of the fourth accuracy order. It is sufficiently robust to the stiffness of the system under consideration. The numerical method is implemented in the QAMODEL software package, which also enables visualization of the simulation results. In particular, the authors used the possibility of plotting oscillograms and phase trajectories at differ-ent values of model parameters entered by the user through the software package interface. It is possible to save the plots with png extension for further study. The qualitative analysis of the mathematical model of high-frequency geoacoustic emission involved studying the stiffness property. The QAMODEL software package is able to construct a stiffness function over time at different values of mathematical model parameters of high-frequency geoacoustic emission. The QAMODEL software package is written in C++ using Qt cross-platform software development framework. The software package was registered in Rospatent.
Ключевые слова: компьютерное моделирование, метод Розенброка, жесткость, высокочастотная геоакустическая эмиссия, осциллограмма, программный комплекс QAMODELKeywords: computer modeling, Rosenbrock method, rigidity, high-frequency geoacoustic emission, oscillograms, QAMODEL software package
Просмотров: 349
9. Программный комплекс QAMODEL: компьютерное моделирование высокочастотной геоакустической эмиссии
[№2 за 2025 год]
Просмотров: 349
Предложен программный комплекс QAMODEL для проведения количественного и качественного анализа математической модели высокочастотной геоакустической эмиссии. Математическая модель представляет собой связанную систему, состоящую из двух линейных обыкновенных дифференциальных уравнений второго порядка с непостоянными коэффициентами и соответствующими начальными условиями (задача Коши). Такая математическая модель описывает взаимодействие двух линейных осцилляторов посредством линейной связи между источниками излучения высокочастотной геоакустической эмиссии. Количественный анализ математической модели эмиссии проводился с помощью численного метода Розенброка четвертого порядка точности, достаточно устойчивого к жесткости рассматриваемой системы. Численный метод реализован в программном комплексе QAMODEL, который также позволяет производить визуализацию результатов моделирования. В частности, использована возможность построения графиков осциллограмм и фазовых траекторий при различных значениях параметров модели, которые пользователь вводит через интерфейс программного комплекса. Предусмотрено сохранение построенных графиков с расширением png для дальнейшего изучения. Качественный анализ математической модели высокочастотной геоакустической эмиссии заключался в исследовании свойства жесткости.
В программном комплексе QAMODEL реализована возможность построения графиков функции жесткости от времени при различных значениях параметров математической модели высокочастотной геоакустической эмиссии. Графики также можно сохранять с расширением png для последующего анализа. Программный комплекс QAMODEL написан на языке C++ с использованием фреймворка для разработки кроссплатформенного ПО Qt.
Сергиенко Д.Ф. (darya@ikir.ru) - Институт космофизических исследований и распространения радиоволн ДВО РАН (программист); Паровик Р.И. (parovik@ikir.ru) - Институт космофизических исследований и распространения радиоволн ДВО РАН (доцент, ведущий научный сотрудник), доктор физико-математических наук;
[№2 за 2025 год]
Авторы: Галюзов А.А. (AAGalyuzov@vniia.ru) - Всероссийский научно-исследовательский институт автоматики им. Н.Л. Духова (научный сотрудник); Косов М.В. (Kosov@vniia.ru) - Всероссийский научно-исследовательский институт автоматики им. Н.Л. Духова (главный научный сотрудник), доктор физико-математических наук;
Аннотация: В статье описана высокопроизводительная программа Toolkit for Particle Transport 3 (TPT3), разработанная для параллельного моделирования переноса радиации. Программа эффективно использует возможности параллельных и векторизованных вычислений и работает как на центральных процессорах, так и на графических ускорителях. Это потребовало упрощения описания геометрии установок до воксельного уровня и ограничения алгоритмов взаимодействия до уровня реакций один-в-два, когда при взаимодействии частицы с веществом рождаются только две частицы. В то же время в TPT3 перенос частиц производится не независимо, а в виде многомиллионного ансамбля весовых частиц, что позволяет совмещать TPT3-расчеты с гидродинамическими алгоритмами. Продемонстрировано, что использование программы TPT3 в задачах моделирования развития ионного каскада и выхода нейтронов нейтронного генератора на многоядерных центральных процессорах обеспечивает прирост производительности в 1.5 раза по сравнению с аналогичным псевдопараллельным моделированием программы Geant4, а использование графических ускорителей позволяет повысить производительность еще на порядок. Помимо этого, в TPT3 разработан алгоритм весового моделирования переноса нейтронов, основанный на методе весовых окон, для расчета развития цепной реакции ядерного деления с характерным экспоненциальным ростом числа реальных нейтронов при сохранении ограниченного числа моделируемых весовых нейтронов. Алгоритм весового моделирования TPT3 также позволяет моделировать выгорание ядерного топлива, наработку осколков деления и поток делительных γ-квантов.
Keywords: radiation transport simulation, CPU, gpu, preprocessor directive standards OpenMP and OpenAcc, parallel computing, TPT3 program, Geant4 programming package, MCNP program
Просмотров: 341
Авторы: Галюзов А.А. (AAGalyuzov@vniia.ru) - Всероссийский научно-исследовательский институт автоматики им. Н.Л. Духова (научный сотрудник); Косов М.В. (Kosov@vniia.ru) - Всероссийский научно-исследовательский институт автоматики им. Н.Л. Духова (главный научный сотрудник), доктор физико-математических наук;
Аннотация: В статье описана высокопроизводительная программа Toolkit for Particle Transport 3 (TPT3), разработанная для параллельного моделирования переноса радиации. Программа эффективно использует возможности параллельных и векторизованных вычислений и работает как на центральных процессорах, так и на графических ускорителях. Это потребовало упрощения описания геометрии установок до воксельного уровня и ограничения алгоритмов взаимодействия до уровня реакций один-в-два, когда при взаимодействии частицы с веществом рождаются только две частицы. В то же время в TPT3 перенос частиц производится не независимо, а в виде многомиллионного ансамбля весовых частиц, что позволяет совмещать TPT3-расчеты с гидродинамическими алгоритмами. Продемонстрировано, что использование программы TPT3 в задачах моделирования развития ионного каскада и выхода нейтронов нейтронного генератора на многоядерных центральных процессорах обеспечивает прирост производительности в 1.5 раза по сравнению с аналогичным псевдопараллельным моделированием программы Geant4, а использование графических ускорителей позволяет повысить производительность еще на порядок. Помимо этого, в TPT3 разработан алгоритм весового моделирования переноса нейтронов, основанный на методе весовых окон, для расчета развития цепной реакции ядерного деления с характерным экспоненциальным ростом числа реальных нейтронов при сохранении ограниченного числа моделируемых весовых нейтронов. Алгоритм весового моделирования TPT3 также позволяет моделировать выгорание ядерного топлива, наработку осколков деления и поток делительных γ-квантов.
Abstract: The problem of increasing performance of radiation transport modeling programs is relevant for detailed calculations of radiation effect on nuclear facility structural elements. One of the ways to increase computational performance is to use multicore CPUs with vector instructions. Programs with sequential code, such as MCNP and Geant4, are able to parallelize only events initiated by independent particles, their transport simulation is performed sequentially, which does not allow full using of multicore CPU capabilities. The high-performance program TPT3 for parallel simulation of a radiation transport has been developed in the Dukhov’s Institute VNIIA. It utilizes parallel computations and vectorization capabilities as efficient as possible and running on both central processors and graphics accelerators. This required simplifying the description of the installation geometry to the voxel level and restricting the interaction algorithms to one-in-two reactions, where only two particles are born when a particle interacts with matter. On the other hand, particle transport is not performed independently in TPT3, but as a multi-million weight particle ensemble, which allows combining TPT3 calculations with hydrodynamic algorithms. The paper demonstrates that using TPT3 program in the simulation tasks of an ion cascade and neutron yield in a neutron generator on multicore central processors provides a 1.5-fold performance increase compared to similar pseudo-parallel simulation of the Geant4 program. Graphics accelerators allow increasing the performance by another order of magnitude. In addition, a weighted neutron transport modeling algorithm has been developed in the TPT3 program, which makes it possible to simulate the nuclear fission chain with a characteristic exponential increase in the number of real neutrons while maintaining a limited number of simulated weighted neutrons.
Ключевые слова: моделирование переноса радиации, CPU, gpu, стандарты препроцессорных директив OpenMP и OpenAcc, параллельные вычисления, программа TPT3, программный комплекс Geant4, программа MCNPKeywords: radiation transport simulation, CPU, gpu, preprocessor directive standards OpenMP and OpenAcc, parallel computing, TPT3 program, Geant4 programming package, MCNP program
Просмотров: 341
[№2 за 2025 год]
Просмотров: 341
В статье описана высокопроизводительная программа Toolkit for Particle Transport 3 (TPT3), разработанная для параллельного моделирования переноса радиации. Программа эффективно использует возможности параллельных и векторизованных вычислений и работает как на центральных процессорах, так и на графических ускорителях. Это потребовало упрощения описания геометрии установок до воксельного уровня и ограничения алгоритмов взаимодействия до уровня реакций один-в-два, когда при взаимодействии частицы с веществом рождаются только две частицы. В то же время в TPT3 перенос частиц производится не независимо, а в виде многомиллионного ансамбля весовых частиц, что позволяет совмещать TPT3-расчеты с гидродинамическими алгоритмами. Продемонстрировано, что использование программы TPT3 в задачах моделирования развития ионного каскада и выхода нейтронов нейтронного генератора на многоядерных центральных процессорах обеспечивает прирост производительности в 1.5 раза по сравнению с аналогичным псевдопараллельным моделированием программы Geant4, а использование графических ускорителей позволяет повысить производительность еще на порядок. Помимо этого, в TPT3 разработан алгоритм весового моделирования переноса нейтронов, основанный на методе весовых окон, для расчета развития цепной реакции ядерного деления с характерным экспоненциальным
ростом числа реальных нейтронов при сохранении ограниченного числа моделируемых весовых нейтронов. Алгоритм весового моделирования TPT3 также позволяет моделировать выгорание ядерного топлива, наработку осколков деления и поток делительных γ-квантов.
Галюзов А.А. (AAGalyuzov@vniia.ru) - Всероссийский научно-исследовательский институт автоматики им. Н.Л. Духова (научный сотрудник); Косов М.В. (Kosov@vniia.ru) - Всероссийский научно-исследовательский институт автоматики им. Н.Л. Духова (главный научный сотрудник), доктор физико-математических наук;
