Авторитетность издания
ВАК - К1
RSCI, ядро РИНЦ
Добавить в закладки
Следующий номер на сайте
№3
Ожидается:
16 Сентября 2024
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. () - ;
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, , neural network, intellectual system, real time, pattern recognition, decision support
Просмотров: 103
Авторы: Еремеев А.П. (eremeev@appmat.ru) - Национальный исследовательский университет «Московский энергетический институт» (профессор), доктор технических наук; Башкова С.М. () - ;
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, , neural network, intellectual system, real time, pattern recognition, decision support
Просмотров: 103
[№2 за 2025 год]
Просмотров: 103
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. () - ;
[№2 за 2025 год]
Автор: Акодит Е.В. () - ; Рыбальченко П.В. () - ;
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, , , fitness function
Просмотров: 86
Автор: Акодит Е.В. () - ; Рыбальченко П.В. () - ;
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, , , fitness function
Просмотров: 86
[№2 за 2025 год]
Просмотров: 86
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. () - ; Рыбальченко П.В. () - ;
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. () - ; Шеробурко Е.Н. () - ; 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: , decision support systems, , , , data structuring, text mining
Просмотров: 116
3. Синтез онтологий для систем поддержки принятия решений на базе больших языковых моделей
[№2 за 2025 год]
Просмотров: 116
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. () - ; Шеробурко Е.Н. () - ; 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. (valery@tversu.ru) - Тверской государственный технический университет, 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: , grafical user interface, computational fluid dynamics, , ,
Просмотров: 98
4. Моделирование и визуальный анализ вихревых течений в вычислительной гидродинамике
[№2 за 2025 год]
Просмотров: 98
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. (valery@tversu.ru) - Тверской государственный технический университет, доктор технических наук;
[№2 за 2025 год]
Авторы: Боровинский В.В. () - ; 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, , quantum fuzzy inference, robustness, knowledge base, manipulator, , fuzzy controller
Просмотров: 99
Авторы: Боровинский В.В. () - ; 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, , quantum fuzzy inference, robustness, knowledge base, manipulator, , fuzzy controller
Просмотров: 99
[№2 за 2025 год]
Просмотров: 99
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. () - ; 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: Еремеев А.П. (eremeev@appmat.ru) - Национальный исследовательский университет «Московский энергетический институт» (профессор), доктор технических наук; Лившиц Г.Б. () - ; Башкова С.М. () - ;
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: , ontology, , clusterization, vectorization, , , , semantic model,
Просмотров: 25
Авторы: Еремеев А.П. (eremeev@appmat.ru) - Национальный исследовательский университет «Московский энергетический институт» (профессор), доктор технических наук; Лившиц Г.Б. () - ; Башкова С.М. () - ;
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: , ontology, , clusterization, vectorization, , , , semantic model,
Просмотров: 25
[№2 за 2025 год]
Просмотров: 25
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.
Еремеев А.П. (eremeev@appmat.ru) - Национальный исследовательский университет «Московский энергетический институт» (профессор), доктор технических наук; Лившиц Г.Б. () - ; Башкова С.М. () - ;
[№2 за 2025 год]
Авторы: Жукова М.Н. (mariem@inbox.ru) - Сибирский государственный аэрокосмический университет им. академика М.Ф. Решетнева (доцент), кандидат технических наук; Акодит Е.В. () - ; Рыбальченко П.В. () - ;
Аннотация:
Авторы: Жукова М.Н. (mariem@inbox.ru) - Сибирский государственный аэрокосмический университет им. академика М.Ф. Решетнева (доцент), кандидат технических наук; Акодит Е.В. () - ; Рыбальченко П.В. () - ;
Аннотация:
Abstract:
Просмотров: 24 [№2 за 2025 год]
Просмотров: 24
Жукова М.Н. (mariem@inbox.ru) - Сибирский государственный аэрокосмический университет им. академика М.Ф. Решетнева (доцент), кандидат технических наук; Акодит Е.В. () - ; Рыбальченко П.В. () - ;
[№2 за 2025 год]
Авторы: Борисов В.В. (BYG@yandex.ru) - Смоленский филиал Московского энергетического института (технического университета) (профессор), доктор технических наук; Николаев А.А. () - ; Благосклонов Н.А. (nblagosklonov@gmail.com) - Федеральный исследовательский центр «Информатика и управление» РАН (инженер-исследователь); Мисник А.Е. () - ; Кобринский Б.А. (kba_05@mail.ru ) - Федеральный исследовательский центр «Информатика и управление» РАН, Российский национальный исследовательский медицинский университет им. Н.И. Пирогова (профессор, зав. лабораторией), доктор медицинских наук; Шеробурко Е.Н. () - ; Хабаров А.Р. (al_xabarov@mail.ru) - Тверской государственный технический университет (доцент), кандидат технических наук;
Аннотация:
Авторы: Борисов В.В. (BYG@yandex.ru) - Смоленский филиал Московского энергетического института (технического университета) (профессор), доктор технических наук; Николаев А.А. () - ; Благосклонов Н.А. (nblagosklonov@gmail.com) - Федеральный исследовательский центр «Информатика и управление» РАН (инженер-исследователь); Мисник А.Е. () - ; Кобринский Б.А. (kba_05@mail.ru ) - Федеральный исследовательский центр «Информатика и управление» РАН, Российский национальный исследовательский медицинский университет им. Н.И. Пирогова (профессор, зав. лабораторией), доктор медицинских наук; Шеробурко Е.Н. () - ; Хабаров А.Р. (al_xabarov@mail.ru) - Тверской государственный технический университет (доцент), кандидат технических наук;
Аннотация:
Abstract:
Просмотров: 20 [№2 за 2025 год]
Просмотров: 20
Борисов В.В. (BYG@yandex.ru) - Смоленский филиал Московского энергетического института (технического университета) (профессор), доктор технических наук; Николаев А.А. () - ; Благосклонов Н.А. (nblagosklonov@gmail.com) - Федеральный исследовательский центр «Информатика и управление» РАН (инженер-исследователь); Мисник А.Е. () - ; Кобринский Б.А. (kba_05@mail.ru ) - Федеральный исследовательский центр «Информатика и управление» РАН, Российский национальный исследовательский медицинский университет им. Н.И. Пирогова (профессор, зав. лабораторией), доктор медицинских наук; Шеробурко Е.Н. () - ; Хабаров А.Р. (al_xabarov@mail.ru) - Тверской государственный технический университет (доцент), кандидат технических наук;
9. Программный комплекс qamodel: компьютерное моделирование высокочастотной геоакустической эмиссии
[№2 за 2025 год]Авторы: Горячев В.Д. (valery@tversu.ru) - Тверской государственный технический университет, доктор технических наук; Бурдо Г.Б. (gbtms@yandex.ru) - Тверской государственный технический университет (профессор, зав. кафедрой «Технология и автоматизация машиностроения»), доктор технических наук; Семенов Н.А. (dmitrievtstu@mail.ru) - Тверской государственный технический университет (профессор кафедры «Информационные системы»), доктор технических наук;
Аннотация:
Abstract:
Просмотров: 26 9. Программный комплекс qamodel: компьютерное моделирование высокочастотной геоакустической эмиссии
[№2 за 2025 год]
Просмотров: 26
Горячев В.Д. (valery@tversu.ru) - Тверской государственный технический университет, доктор технических наук; Бурдо Г.Б. (gbtms@yandex.ru) - Тверской государственный технический университет (профессор, зав. кафедрой «Технология и автоматизация машиностроения»), доктор технических наук; Семенов Н.А. (dmitrievtstu@mail.ru) - Тверской государственный технический университет (профессор кафедры «Информационные системы»), доктор технических наук;
[№2 за 2025 год]
Авторы: Боровинский В.В. () - ; Дьяченко Р.А. () - ; Николаева А.В. (nikolaevaav@lenta.ru) - Международный университет природы, общества и человека «Дубна», Институт системного анализа и управления (аспирант); Саввиди К.Л. () - ; Решетников А.Г. (reshetnikovag@pochta.ru) - Международный университет природы, общества и человека «Дубна» (аспирант); Гура Д.А. () - ; 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:
Авторы: Боровинский В.В. () - ; Дьяченко Р.А. () - ; Николаева А.В. (nikolaevaav@lenta.ru) - Международный университет природы, общества и человека «Дубна», Институт системного анализа и управления (аспирант); Саввиди К.Л. () - ; Решетников А.Г. (reshetnikovag@pochta.ru) - Международный университет природы, общества и человека «Дубна» (аспирант); Гура Д.А. () - ; 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:
Abstract:
Просмотров: 19 [№2 за 2025 год]
Просмотров: 19
Боровинский В.В. () - ; Дьяченко Р.А. () - ; Николаева А.В. (nikolaevaav@lenta.ru) - Международный университет природы, общества и человека «Дубна», Институт системного анализа и управления (аспирант); Саввиди К.Л. () - ; Решетников А.Г. (reshetnikovag@pochta.ru) - Международный университет природы, общества и человека «Дубна» (аспирант); Гура Д.А. () - ; 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;
