Авторитетность издания
ВАК - К1
RSCI, ядро РИНЦ
Добавить в закладки
Следующий номер на сайте
№4
Ожидается:
09 Сентября 2024
Статьи журнала №2 2022
11. Автоматизация оценки состояния электросети в удаленных районах России с использованием смарт-структур [№2 за 2022 год]Авторы: Шевнина Ю.С. (yusm@rambler.ru) - Институт системной и программной инженерии и информационных технологий (доцент), кандидат технических наук;
Аннотация: В статье рассматривается способ автоматизации оценки состояния электросети в удаленных районах России с использованием смарт-структур. Предлагаемый способ реализован в виде мобильного приложения. Смарт-структура, лежащая в основе данного способа, состоит из модулей получения и обработки данных с датчиков, поиска закономерностей характеристик электросети и формирования классификаторов состояний, рекомендаций по ремонту и оптимальному режиму эксплуатации электросети и подстанции. Научная новизна предлагаемого решения заключается в методе анализа и обработки характеристик электросети и их совокупностей. Кроме того, учитываются параметры внешних воздействий в виде природных и техногенных факторов. Метод анализа и обработки информации об электросети и подстанции основан на машинном обучении – логическом анализе данных. Оценка состояния электросети и подстанции важна при исследовании и решении задач прогнозирования изменения состояния электросети, подбора рекомендаций и принятия решений о ремонтных и обслуживающих работах. Метод оценки состояния электросети основан на поиске закономерностей и построении классификаторов и позволяет учитывать все характеристики и параметры электросети, их совокупность и связи между ними. Он также дает возможность анализировать и получать закономерности для неполных и неточных данных, с чем достаточно часто приходится сталкиваться в реальных электросетях. Метод может быть использован при проектировании и обслуживании электросетей и подстанции в труднодоступных и удаленных регионах Российской Федерации. Предлагаемая редукция закономерностей характеристик и их совокупностей на основе их рекуррентной конъюнкции позволяет получать оптимальные классификаторы состояний электросети и подстанции с высокой интерпретируемостью и обобщенностью, что увеличивает точность оценки состояния электросети и, как следствие, точность прогноза поведения, рекомендаций и принятия решений о ремонтных работах и оптимальном режиме эксплуатации.
Abstract: The paper discusses a method for automating the assessment of the power grid state in remote regions of Russia using smart structures. The proposed automation method is implemented as a mobile applica-tion. The smart structure underlying the described method of automating the assessment of the power grid state consists of modules for receiving and processing data from sensors, searching for patterns in the power grid characteristics and generating state classifiers, offering recommendations for repair and optimal operation of the power grid and substation.
The scientific novelty of the proposed solution is in the method of analyzing and processing the power grid characteristics and their combinations. In addition, the external influence parameters in the form of natural and man-made factors are taken into account. The method of analyzing and processing information about the power grid and substation is based on the machine learning method – logical data analysis. Assessing the state of a power grid and a substation is important when studying and solving the problems of predicting changes in the power grid state, selecting recommendations and making de-cisions on repair and maintenance work.
The method for assessing the power grid state is based on the search for patterns and the construc-tion of classifiers. It allows taking into account all the characteristics and parameters of a power grid, their totality and the relationship between them. In addition, the described method allows analyzing and obtaining patterns for incomplete and inaccurate data, which is a fairly common occurrence in real power networks. The method can be used in the design and maintenance of power grids and substations in hard-to-reach and remote regions of the Russian Federation.
The proposed reduction of the characteristic regularities and their sets based on their recurrent con-junction makes it possible to obtain optimal classifiers of the states of a power grid and a substation with high interpretability and generalization. It increases the accuracy of assessing the power grid state, therefore, increases the accuracy of predicting behavior, recommendations and making decisions about repair work and the optimal mode operation.
Ключевые слова: автоматизация оценки состояния, логический анализ данных электросети, мобильное приложение для электроподстанции, обработка информации, машинное обучение, поиск закономерностей, построение классификаторовKeywords: state assessment automation, power grid, electrical substation, information processing, machine learning, data mining, generating classifiers
Просмотров: 2510
12. Автоматизированное детектирование и классификация объектов в транспортном потоке на спутниковых снимках города [№2 за 2022 год]
Автор: Тормозов В.С. (007465@pnu.edu.ru) - Тихоокеанский государственный университет (ст. преподаватель);
Аннотация: В статье рассматриваются разработанные методы детектирования и классификации объектов в транспортном потоке на данных космической съемки сверхвысокого пространственного разрешения. С появлением в свободном доступе больших объемов спутниковых данных все большую актуальность приобретает развитие методов машинного обучения на основании геопространственных данных, в частности, спутниковых. В настоящей работе обоснован выбор источника данных о транспортных потоках – спутниковых снимков сверхвысокого разрешения, рассмотрены основные проблемы и задачи, связанные с распознаванием и классификацией объектов. Целью автора является разработка цепочки алгоритмов, позволяющей с высокой точностью детектировать и классифицировать объекты в транспортных потоках. Исследования основаны на численной оценке качества работы алгоритмов. В работе используются методы распознавания образов, машинного обучения и обработки цифровых изображений. Научная новизна заключается в уникальном алгоритме извлечения изображений локальных участков улично-дорожной сети, алгоритме определения направления дорожного движения объекта, модернизации алгоритма селективного поиска. Следует подчеркнуть, что используемые данные съемки сверхвысокого разрешения появились в доступе для частного использования относительно недавно.
Abstract: The paper discusses the developed methods of detecting and classifying objects in a traffic flow on ul-tra-high spatial resolution space survey data.
Due to appearing the large amounts of free access satellite data, the development of machine learn-ing methods based on geospatial data, in particular satellite data, is becoming increasingly urgent. The paper justifies the choice of a source of data on traffic flows – ultra-high resolution satellite images. It also describes the main problems and tasks associated with the recognition and classification of objects in traffic flows.
The purpose of scientific work is to develop and study a chain of algorithms that allows detecting and classifying objects in traffic flows with high accuracy. The research is based on a numerical as-sessment of the quality of the algorithms. The work uses the methods of pattern recognition, machine learning and digital image processing.
The scientific novelty of the completed work is based on: a unique algorithm for extracting images of local sections of the road network, an algorithm for determining the direction of object’s road movement, modernization of the selective search algorithm, which consists in filtering the extracted candidates. The work novelty is also confirmed by the fact that the used ultra-high resolution survey data have become accessible for private use relatively recently.
Ключевые слова: искусственный интеллект, машинное обучение, цифровая обработка изображений, транспортный поток, сверхвысокое разрешение, спутниковые снимки, обработка изображений, распознавание образовKeywords: artificial intelligence, machine learning, digital image processing, traffic flow, ultra-high resolution, satellite imagery, image processing, pattern recognition
Просмотров: 3296
13. Программная реализация анализа демографических данных на основе единого реестра населения [№2 за 2022 год]
Автор: Юсифов Ф.Ф. (farhadyusifov@gmail.com) - Институт информационных технологий Национальной академии наук Азербайджана (доцент); Ахундова Н.Е. (nermine.axundova26@gmail.com) - Институт информационных технологий Национальной академии наук Азербайджана (инженер-программист);
Аннотация: Статья посвящена анализу демографических данных на основе единого реестра населения, который является ключевым компонентом электронной демографической системы. Единый реестр населения – это интегрированные БД, основанные на обмене как агрегированными, так и индивидуальными данными между отдельными реестрами. Реестры играют важную роль в получении информации о населении. Следует отметить, что пандемия COVID-19 еще раз подчеркнула важность использования административных данных как электронных реестров для демографических исследований. В работе проводится экспериментальный анализ демографических характеристик в условиях пандемии COVID-19 на основе данных 1 000 физических лиц. Эти данные являются гипотетическими, взяты из двух отдельных реестров – реестра населения и реестра здоровья и объединены в единый реестр. В статье представлена программная реализация анализа демографических данных. Демографический анализ осуществлен в среде Jupyter Notebook 6.1.4., язык реализации – Python 3.8.5. Результаты показывают, что создание электронной демографической системы требует интеграции различных государственных реестров для более детального анализа. Это позволит обрабатывать и анализировать более крупные и многомерные структурированные данные на разных временных интервалах. При этом очень важны достоверность данных, включенных в реестр, устранение несоответствий, обеспечение постоянного обновления регистрационных данных по каждому физическому лицу. Устранение ошибок в данных делает единый реестр населения надежным источником информации.
Abstract: A unified population register is a key component of the e-demographic system. The register is based on the integrated databases exchanging both aggregated data and individual data between separate regis-ters. The paper examines the analysis of demographic data on the basis of a unified population register. Population registers play an important role in obtaining information about the population.
It should be noted that the COVID-19 pandemic has once again emphasized the importance of using administrative data as e-registers for demographic research. The paper provides an experimental analy-sis of demographic characteristics in the context of the COVID-19 pandemic based on the data of indi-viduals integrated into a unified register. The data on individuals in the study are hypothetical data tak-en from two separate registers: the population and health registers. A database was taken for 1000 peo-ple integrated into the unified register.
The paper presents the program implementation of demographic data analysis. Demographic analy-sis was implemented in Jupyter Notebook 6.1.4., Python 3.8.5. The results show that the establishment of an e-demographic system requires the integration of various state registers for more detailed analy-sis. This will allow processing and analyzing larger and more multidimensional structured data at dif-ferent time intervals. At the same time, the reliability of the information included in the register, the elimination of inconsistencies, and ensuring continuous updating of registration information for each individual are very important issues. Elimination of errors in registration data makes unified popula-tion registers a reliable source of information.
Ключевые слова: электронное государство, единый реестр населения, электронная демография, персональный идентификационный номер, пин-код, государственный реестрKeywords: electronic government, unified population register, electronic demography, personal identification number, pin-code, state register
Просмотров: 2036
14. Разработка архитектуры универсального фреймворка федеративного обучения [№2 за 2022 год]
Авторы: Ефремов М.А. (аспирант, аспирант) - Санкт-Петербургский государственный электротехнический университет «ЛЭТИ» им. В.И. Ульянова (Ленина) (аспирант); Холод И.И. (iiholod@mail.ru) - Санкт-Петербургский государственный электротехнический университет «ЛЭТИ» им. В.И. Ульянова (Ленина) (доцент), кандидат технических наук;
Аннотация: Объектом исследования является технология федеративного обучения, которая позволяет осуществлять коллективное машинное обучение на распределенных обучающих наборах данных без их передачи в единое хранилище. Актуальность данной технологии обусловлена, с одной стороны, давно растущим трендом на использование машинного обучения для решения множества прикладных задач, а с другой – ростом запросов, в том числе законодательных, на приватность и обработку данных ближе к источнику или непосредственно на нем. Основными проблемами при создании систем федеративного обучения являются отсутствие гибких фреймворков для различных сценариев федеративного обучения: большинство существующих решений сосредоточено на обучении искусственных нейронных сетей в централизованной вычислительной среде. Предмет исследования – универсальная архитектура фреймворка для раз-работки прикладных систем федеративного обучения, позволяющая строить системы для разных сценариев, различных параметров и топологий вычислительной среды, моделей и алгоритмов машинного обучения. В статье рассмотрена предметная область федеративного обучения, даны основные определения и описан процесс федеративного обучения, приведены и разобраны различные сценарии возможных прикладных задач. Проведен анализ наиболее известных на данный момент фреймворков федеративного обучения, а также их применения для возможных сценариев использования. В качестве результата описана архитектура универсального фреймворка, который, в отличие от существующих, может быть использован для разработки прикладных систем федеративного обучения разного типа и разных сценариев использования.
Abstract: The paper researches the technology of federated learning that allows collective machine learning on distributed training datasets without transferring them to a single central storage. The relevance of the technology is determined by the long growing trend towards using machine learning methods to solve many applied problems on the one hand, and by the growth of requests for privacy and data processing closer to the data source or directly at the source, including legislative ones, on the other hand.
The main problems in creating federated learning systems are the lack of flexible frameworks for various federated learning scenarios: the majority of the existing solutions focus on training artificial neural networks in a centralized computing environment. The subject of the research is the common framework architecture for developing applied federated learning systems, which allows building systems for different scenarios, parameters and topologies of the computing environment, various models, and machine learning algorithms.
The article considers the federated learning subject area, gives the main definitions, describes the process of federated learning, presents and analyzes various scenarios of possible applied tasks for federated learning. It contains the analysis of the most well-known federated learning frameworks at the time of writing, as well as their application for possible cases that were described previously.
As a result, there is a description of the architecture of a universal framework that, unlike the existing ones, can be used to develop applied federated learning systems of various types and different cases.
Ключевые слова: федеративное обучение, распределенные вычисления, машинное обучениеKeywords: federated learning, distributed computing, machine learning
Просмотров: 2982
15. Оценка эффективности условий проведения химических реакций [№2 за 2022 год]
Авторы: Звягинцев Н.В. (n.zvyagintsev@gmail.com) - Тверской государственный технический университет, кафедра программного обеспечения (аспирант); Биллиг В.А. (Vladimir-Billig@yandex.ru) - Тверской государственный технический университет, г. Тверь (доцент, старший научный сотрудник, профессор ), кандидат технических наук;
Аннотация: В статье рассматривается задача оценки эффективности условий проведения химических реакций с учетом таких факторов, как наличие примесей, стоимость катализаторов, и ряда других, влияющих на стоимость технологического процесса. Для оценки эффективности химической реакции авторы предлагают вначале независимо оценить эффективность каждого фактора, участвующего в реакции, а затем с учетом полученных результатов построить суммарную оценку. Поскольку природа факторов различна, для сравнения их влияния вводится понятие бонусов, которые начисляются каждому фактору. Бонусы начисляются за получение основного продукта, а также за минимизацию побочного продукта. На примере таких факторов, как давление и температура, влияющих на условия протекания ре-акции, показана целесообразность введения понятия «мягкое значение условия», при котором за-траты на выполнение условия минимальны. С учетом этих предположений оценка эффективности каждого фактора строится как нечеткая мера эффективности – монотонная функция со значениями из интервала [0, 1]. Один из подходов, применяемых для оценки значимости того или иного фактора, основан на возможности применения методов интеллектуального анализа данных. Этот метод предполагает возможность накопления достаточно репрезентативной БД. Суммарная оценка эффективности строится как взвешенная сумма оценок каждого из факто-ров. Проверка корректности предлагаемого подхода проводилась на данных реального эксперимента, где фиксировались факторы, влияющие на протекание химической реакции, а также количество целевого и побочного продуктов, полученных в ее результате.
Abstract: The paper considers the problem of evaluating the effectiveness of chemical reaction conditions taking into account such factors as the presence of impurities, the cost of catalysts, and some other factors af-fecting the cost of a technological process.
In order to evaluate the effectiveness of a chemical reaction, this paper proposes first to inde-pendently evaluate the effectiveness of each factor involved in a reaction, and then build a summary estimate that takes into account the effectiveness of each factor.
Since the nature of factors is different, the authors introduce the concept of bonuses awarded to each factor in order to be able to compare the influence of factors. Bonuses are awarded for receiving the main product, as well as for minimizing a by-product.
Using the example of such factors as pressure and temperature that affect the reaction condition, the paper shows the expediency of introducing a concept of “soft condition”. A soft condition value is a value at which the costs of its implementation are minimal. Taking into account these assumptions, the evaluation of the effectiveness of each factor is constructed as a fuzzy measure of efficiency – a mono-tone function with values from the interval [0,1].
One of the approaches for assessing the significance of a particular factor is based on the possibility of using data mining methods. This method assumes the possibility of accumulating a sufficiently rep-resentative database.
The total efficiency score is constructed as a weighted sum of the estimates of each factor.
The accuracy of the proposed approach was verified on the real experiment data while recording both factors affecting the course of the chemical reaction and the amount of target and by-product ob-tained as a result of the reaction.
Ключевые слова: применение нечеткой логики в химии, интеллектуальный анализ данных, оценка оптимальных условий химических реакций, математическая модель химической реакцииKeywords: fuzzy logic in chemistry, data intelligent analysis, assessment of optimal conditions of chemical reactions, chemical reaction mathematical model
Просмотров: 2298
◄ ← Предыдущая | 1 | 2