Программные продукты и системы

Статьи из выпуска № 3 за 2025 год.

Упорядочить результаты по: Дате публикации | Заголовку статьи | Авторам

1. Автоматизация процесса контроля и выявления нарушений сотрудников частных охранных предприятий с учетом специализации объектов [№3 за 2025 год]
Автор: Колоденкова А.Е.
Просмотров: 3398
В статье представлена программная система контроля и выявления нарушений сотрудников частных охранных предприятий (ЧОП) с учетом динамичности и многофакторности среды функционирования различных объектов. Рассмотрены особенности работы таких предприятий, не позволяющие использовать их руководителям (начальникам служб охраны, безопасности) существующие системы, программные продукты, предлагаемые на рынке информационных услуг. В основе контроля сотрудников ЧОП лежат мероприятия (учет рабочего времени и нарушения режима труда), нацеленные на поддержание их эффективности в рабочее время с соблюдением всех норм, регламентирующих режим труда. Данная программная система отличается от существующих наличием интеграции с разнообразными БД (сотрудников, ЧОП, объектов, договоров, нарушений, уволенных), взаимосвязанными между собой. Важной особенностью также является автоматическое обновление информации во всех связанных модулях системы при изменении каких-либо данных в одном месте. Это создает единое информационное пространство для эффективного управления и контроля, благодаря чему обеспечивается легкий доступ к актуальной информации для быстрого принятия решений. При этом разработанная система повышает производительность и результативность труда руководителя ЧОП в условиях большого потока информации и факторов, влияющих на работу сотрудников. Рассмотрены архитектура предлагаемой программной системы с описанием модулей, а также ее преимущества перед другими конкурентными системами. Показано, что область применения данной программной системы не ограничивается образовательными организациями и может быть применима на крупных стратегических объектах.

2. Интеллектуальная поддержка принятия решений по устранению дефектов поверхности листового проката [№3 за 2025 год]
Авторы: Климачев С.А., Соловьев Н.А.
Просмотров: 3907
В технологическом процессе металлопроката важной задачей является своевременное выявление производственно-технических дефектов и определение причин их возникновения. Для ее решения контур управления технологическим процессом оснащается программно-техническими средствами оптико-электронных систем компьютерного зрения. В работе предлагается структура такой системы со средствами интеллектуальной поддержки принятия решений. Система позволяет осуществлять контроль качества поверхности проката, выполнять оценку влияния факторов внешней среды. Кроме того, на основе анализа текущего состояния технологического процесса она рекомендует оператору прокатного стана коррекцию исходных параметров прокатки. Для описания изображения проката использована модель двумерного случайного поля яркости в виде суммы стационарного поля, характеризующего текстурную компоненту, и медленно меняющегося поля области возможного дефекта. Область дефекта представлена векторной моделью, содержащей геометрические, гистограммные и спектральные признаки изображения. Распознавание дефектов осуществляется многослойным нейросетевым классификатором, обученным по алгоритму обратного распространения ошибки. В случае идентификации дефектов выполняется оценка влияния факторов внешней среды на их возникновение на основе модифицированного метода анализа иерархий и продукционной модели выбора решения. Для устранения выявленных дефектов осуществляется поддержка принятия решений по коррекции технологических параметров проката посредством нахождения Парето-оптимального множества. Оно включает альтернативы параметров прокатки с учетом текущего состояния технологического процесса. Сужение найденного множества позволяет выделить такие параметры прокатки, которым будут соответствовать оптимальные уровни дефектности по каждому выявленному устранимому типу дефекта. Тестирование прототипа разработанной системы с интеллектуальной поддержкой принятия решений по управлению процессом устранения поверхностных дефектов проката показало сводную оценку качества устранения дефектов типа «плена», «царапина» и «мятость» в интервале 65–75 %.

3. Использование многослойной нейронной сети для построения адаптивного интерфейса системы автоматизированного проектирования КОМПАС-3D [№3 за 2025 год]
Авторы: Субботин А.В., Зубкова Т.М.
Просмотров: 5940
Исследование посвящается проблеме адаптации интерфейсов в САПР с целью повышения эффективности работы инженера-конструктора при проектировании машиностроительных изделий на производстве. В данной статье рассматривается подход по адаптации интерфейса САПР КОМПАС-3D под задачи проектировщика. В качестве задачи выступает набор данных, описывающих будущую деталь. Новизной предложенного подхода является применение многослойной нейросети для анализа взаимосвязей между входными переменными, описывающими геометрические характеристики детали, и командами, используемыми в процессе построения ее трехмерной модели. Обучение нейросети проводилось на основе трехмерных моделей из библиотеки стандартных изделий. Результатом работы нейросети является набор рекомендаций, состоящих из необходимых команд, которые потребуются проектировщику для построения модели детали. Разработано программное средство, позволяющее на основе рекомендаций нейросети сформировать интерфейс с инструментальной панелью, который располагается поверх окна системы КОМПАС-3D. Отличительной особенностью данного интерфейса является гибкость в настройке. Программное средство позволяет расширять базу готовых проектов деталей и переобучать нейронную сеть для повышения точности классификации. Взаимодействие программного средства и системы КОМПАС-3D реализовано с помощью набора для разработки ПО Software Development Kit и языка программирования Python. Внедрение разработанного программного средства в рабочую среду инженера-конструктора позволит оптимизировать его труд и повысить производительность с помощью адаптивного интерфейса можно уменьшить количество команд и время их поиска в интерфейсной части САПР. Таким образом, использование нейросети в адаптации интерфейса позволит повысить эффективность взаимодействия с системой КОМПАС-3D. Кроме того, обеспечит более простое и интуитивно понятное рабочее пространство для проектировщика.

4. Классификация отчетов GitHub с использованием резервуарной нейронной сети LogNNet [№3 за 2025 год]
Авторы: Ковин А.М., Ивашко Е.Е., Изотов Ю.А., Величко А.А.
Просмотров: 5387
В решении задач классификации широко используются нейронные сети. Их обучение и применение требуют значительных вычислительных ресурсов. Проблема дефицита ресурсов особенно актуальна для встраиваемых и носимых устройств, для периферийных вычислений в Интернете вещей. Не менее значима для периферийных вычислений и обработка естественного языка, в частности классификация текстов. В статье анализируется эффективность нейронной сети LogNNet на примере классификации отчетов в системе отслеживания задач GitHub Issues. Нейронные сети LogNNet основаны на технологии резервуарных вычислений и используют свойство автогенерации весовых коэффициентов матрицы резервуара. В работе выполнена классификация отчетов на три класса: отчет об ошибке, запрос на улучшение, вопрос по использованию ПО. Эксперименты проведены с использованием БД, содержащей 100 тысяч примеров, не сбалансированных по классам. Определена минимальная размерность вектора признаков, обеспечивающая приемлемое качество классификации. Результаты сравниваются по метрикам точности, полноты, f1-меры, точности по всем классам с шестью стандартными методами машинного обучения: методом опорных векторов, наивным байесовским классификатором, методом ближайших соседей, деревом решений, случайным лесом и логистической регрессией. Также выполнен расчет экономии оперативной памяти, используемой для хранения данных LogNNet. Исследование показало, что модель LogNNet 100:50:20:3 позволяет сократить объем используемой оперативной памяти в 5 раз. При этом точность классификации остается на уровне 92 % от максимальных значений стандартных методов. Использование LogNNet для решения аналогичных задач может быть оправданным только на устройствах с небольшим объемом доступной оперативной памяти, таких как микроконтроллеры и мини-компьютеры.

5. Комбинированный метод деформации и анимации объектов на основе позиционного моделирования и механики сплошных сред с применением патчей свободных форм [№3 за 2025 год]
Авторы: Вяткин С.И., Долговесов Б.С.
Просмотров: 4939
В статье предложено применение патчей свободных форм в разработке метода моделирования деформации и анимации объектов на основе позиционного моделирования и механики сплошных сред. Метод является универсальным для моделирования большого числа различных геометрий и материалов. Рассмотрена задача моделирования деформации и анимации твердых тел, эластичных материалов, тканей, объемных объектов на основе ограничений для работы в режиме реального времени. Предметом исследования являются методы Эйлера и Ньютона и их использование в позиционной динамике. Деформация и анимация трехмерных объектов являются важными функциями, но требуют большого числа вычислений. Вычисления базируются на вариационной форме неявного интегрирования Эйлера, в них обрабатываются ограничения на глобальном уровне. Благодаря этому можно установить связи между позиционной динамикой и неявной схемой интегрирования Эйлера. Локальный/глобальный подход позволяет реализовать неявные интеграционные вычисления без особых мер защиты от сингулярных или неопределенных гессиан, чтобы гарантировать надежность метода. Получается простая реализация, которая не нуждается в дополнительных библиотеках для решения задачи и имеет небольшую память. Тестирование показывает, что после десяти итераций результат моделирования визуально выглядит аналогично конвергентному с использованием метода Ньютона. Это позволяет использовать метод для приложений реального времени. Работоспособность метода подтверждена компьютерной симуляцией. Эксперименты показали, что для моделирования моделей среднего размера достаточно 5–10 итераций, со скоростью от 1 до 6 миллисекунд на итерацию. Предложенный метод может быть полезен для вычисления деформации твердых тел, тканей, оболочек и т.п. Это актуально при создании материалов с желаемым поведением деформации (для анимации одежды, персонажей и других нежестких форм). В робототехнике с помощью предложенного подхода можно моделировать работу тактильных датчиков, создавать симуляции МРТ-изображений на основе анатомических моделей, что важно для проверки алгоритмов анализа изображений.

6. Многоуровневая оценка точности средств прогнозирования функциональной структуры генетических последовательностей [№3 за 2025 год]
Авторы: Аржаев В.И., Скворцов А.В.
Просмотров: 5515
В статье рассматриваются некоторые методики количественной оценки качества прогнозирования функциональной структуры генетических последовательностей доступными программами прогнозирования генов. Объектом исследования послужили алгоритмы и программные средства для прогнозирования функциональной структуры генетических последовательностей. Предметом являются количественные показатели точности прогнозирования функциональной структуры генетических последовательностей и алгоритмы их вычислений. Рассмотрено состояние разработки методов сравнения функциональной аннотации генетических последовательностей и самих методов прогнозирования функциональной структуры геномов. В результате отобраны количественные показатели схожести элементов функциональной аннотации нуклеотидных последовательностей на уровне отдельных нуклеотидов и экзон-интронной структуры генов, методики их расчета адаптированы для применения к оценке достоверности результата работы существующих программных средств прогнозирования генов на уровнях нуклеотидов и экзонов. На основе отобранных и уточненных методик сравнения эталонной и спрогнозированной функциональной структуры последовательностей разработано программное средство оценки качества прогнозирования кодирующих белки генов. Рассмотрено описание статической структуры разработанной программы и обобщенное описание алгоритма формирования статистических оценок качества прогнозирования генов по сравнению с эталонной функциональной аннотацией. В отличие от известных программных средств с открытым исходным кодом обеспечивается вычисление более информативных показателей точности прогнозирования генов по сравнению с базовыми метриками ложноположительных и ложноотрицательных результатов.

7. Мультиагентное моделирование поведения электромобилей для гетерогенной распределенной электрозарядной инфраструктуры в городской среде [№3 за 2025 год]
Авторы: Скоробогатченко Д.А., Волчков С.Н., Сафонова Е.В.
Просмотров: 5363
Работа посвящена изучению и применению инструментов имитационного мультиагентного моделирования и компьютерного анализа в области электрических автономных транспортных средств. Рассмотрена методика разработки системы моделирования процессов взаимодействия парка легковых электромобилей с гетерогенной распределенной городской общественной системой электрозарядной инфраструктуры. Для получения необходимой информации и построения моделей использованы данные программно-аппаратного комплекса регионального оператора электромобилей. Исследования проводились при различных вариантах интенсивности трафика городского автономного электротранспорта, зарядного поведения водителей, начального уровня заряда аккумуляторной батареи, а также при различной конфигурации внешней гетерогенной зарядной инфраструктуры. Кроме этого, в работе учитывались отличия в зарядных коннекторах, стоящих на электромобилях и на станциях зарядки, что накладывало дополнительные ограничения на зарядное поведение водителей. В качестве среды моделирования выбран комплекс Simulation of Urban Mobility, для которого на языке Python сделана программа-обертка – промежуточный слой между средой моделирования и стандартной библиотекой Python TraCI для SUMO. Предложен алгоритм перенаправления электромобиля к зарядной станции в зависимости от уровня заряда его аккумуляторной батареи и зарядного поведения водителя, определяемого при моделировании. Авторами разработана мультиагентная имитационная модель зарядной станции, которая, в отличие от традиционно применяемой при моделировании в SUMO полосы зарядки, представляет собой зарядные точки на станции. Предложенная система позволяет изучать закономерности взаимодействия между автономными электромобилями в городских агломерациях и общественной зарядной инфраструктурой. Исследование имеет практическую значимость для развития городского автономного электротранспорта, включая не только интересы операторов и городских властей, но и конечных пользователей электромобилей.

8. Обнаружение аномалий в контейнерных системах: применение частотного анализа и гибридной нейронной сети [№3 за 2025 год]
Авторы: Котенко И.В., Мельник М.В.
Просмотров: 5554
Постоянное совершенствование атак на средства контейнеризации, оркестрации и приложения, функционирующие в контейнерных системах, ставят под угрозу успешное внедрение таких систем. Большинство современных атак сопровождаются аномальным поведением как отдельных процессов, так и всей системы в целом. В статье рассматривается проблема обнаружения аномального поведения в контейнерных системах на основе методов глубокого машинного обучения. Представлен подход к обнаружению аномальных последовательностей процессов, выполняемых внутри контейнерных систем на основе профилирования их поведения. Подход основан на частотном анализе дизассемблированных машинных инструкций, на построении гистограмм процессов фиксированного размера и на использовании их как для обучения гибридной модели нейронной сети Autoencoder – Long short-term memory, так и для последующего обнаружения. Гистограммы создаются путем подсчета количества дизассемблированных инструкций с применением частотного анализа, который основан на вычислении отношения количества определенных инструкций к общему числу инструкций. После обучения на профиле, отражающем нормальное поведение контейнера, нейронная сеть готова к обнаружению аномальных последовательностей процессов методом вычисления ошибки реконструкции. Затем тестовая последовательность, состоящая из гистограмм процессов, подается в нейронную сеть, вычисляется ошибка реконструкции входного вектора данных и сравнивается с заданным порогом. Результаты, полученные в ходе проведенного эксперимента, демонстрируют высокую точность обнаружения и низкие затраты вычислительных ресурсов на обучение моделей нейронной сети. Ложные срабатывания находятся на низком уровне, что, в свою очередь, позволяет использовать предлагаемое решения в качестве дополнительного средства обнаружения аномальной активности. С помощью предложенного подхода можно эффективно выявлять атаки, при которых злоумышленники перехватывают выполнение программного кода, изменяют его поведение и манипулируют адресами функций в бинарных файлах.

9. Подход к обнаружению DDoS-атак в сети ЦОД с использованием сочетания графов и импульсной нейронной сети [№3 за 2025 год]
Авторы: Пальчевский Е.В., Антонов В.В., Петросов Д.А.
Просмотров: 3531
В данной статье предложен комплексный подход к выявлению и блокировке DDoS-атак в сетях центров обработки данных (ЦОД). Подход основан на сочетании методов графового анализа и импульсной нейронной сети (SNN). Предполагается представление топологии сети в виде ориентированного графа, где узлы соответствуют элементам инфраструктуры (серверы, маршрутизаторы, коммутаторы), а ребра отражают каналы связи между ними. Это позволяет эффективно визуализировать структуру сети, отслеживать изменения в режиме реального времени и выявлять зоны аномальной активности. Для дальнейшего анализа собранные метаданные сетевого трафика преобразуются в вектор признаков, который подается на вход SNN. Такая нейронная сеть обучается на исторических данных о сетевых взаимодействиях и способна прогнозировать поведение трафика с учетом его временных паттернов. При обнаружении признаков DDoS-атаки модель формирует правила для утилиты iptables, указывая, какой трафик следует заблокировать (DROP), а какой разрешить (ACCEPT). Данный механизм автоматической фильтрации позволяет значительно сократить задержку между моментом появления аномалий и принятием защитных мер, повышая тем самым общий уровень безопасности ЦОД. В ходе экспериментов была проведена оценка предложенного решения в сравнении с популярными моделями глубокого обучения (CNN, LSTM, GAN). Результаты показали, что SNN достигает точности обнаружения в 89,12 %, что выше, чем у CNN (82,14 %) и LSTM (83,00 %). Кроме того, доля ложных срабатываний (10,88 %) существенно ниже по сравнению с альтернативными методами. Таким образом, использование графовых методов и SNN совместно с автоматизированной генерацией правил iptables обеспечивает эффективное, масштабируемое и своевременное выявление DDoS-атак в сетях ЦОД, снижая риск перегрузки оборудования и минимизируя финансовые потери от простоев.

10. Построение локальных нечетких моделей для ситуационного управления сложными объектами на основе прецедентов [№3 за 2025 год]
Авторы: Дли М.И., Соколов А.М., Воротилова М.Ю.
Просмотров: 5361
В статье рассматриваются вопросы оптимального управления сложными объектами различной природы в условиях динамически изменяющихся факторов неопределенности внешней среды. Проведен анализ существующих подходов к управлению объектами данного типа с учетом особенностей создания современных интеллектуальных систем поддержки принятия решений. Показана целесообразность применения нечетких ситуационно-прецедентных моделей, которые формируются на основе имевших место ранее прецедентов и обеспечивают высокий уровень наглядности при выборе оптимальной стратегии управления. Выявлено, что одним из ограничений использования данных моделей является сложность их адаптации при изменении условий функционирования управляемого объекта из-за большого в общем случае числа учитываемых ситуаций и переходов между ними. Предложен новый тип нечетких ситуационно-прецедентных моделей для локальных областей признакового пространства, характеризующего ситуационные аспекты управления объектом. Основным отличием данных моделей является ограничение области их построения некоторой областью вокруг текущей и целевой ситуаций. Такой подход значительно упрощает процесс адаптации структуры сети при изменении внутренних и внешних факторов. Предложены три варианта формирования области признакового пространства и, соответственно, определения степени разветвленности сетевой структуры модели на основе задания коэффициента локализации. Описан способ построения локальных нечетких моделей, предполагающий объединение близких нечетких прецедентов по достижении целевой ситуации для упрощения структуры модели и повышения степени оперативности ситуационного управления сложными объектами. Программная реализация предложенного способа выполнена на языке Python 3.12. с использованием библиотеки Numpy для нечетких вычислений и пакета NetworkX для визуализации сети. Проведен вычислительный эксперимент, который показал эффективность применения локальных нечетких ситуационно-прецедентных моделей для управления сложными объектами в условиях динамического изменения факторов неопределенности по сравнению с ситуационными моделями, имеющими фиксированную структуру.

| 1 | 2 | Следующая → ►