Программные продукты и системы

Все новости информационных технологий

161. 20.01.2021
В Институте прикладной математики им. М.В. Келдыша РАН реализованы задачи оптимизации скорости VPN-соединения при использовании маршрутизаторов с процессорами ARM.
Рассмотрена возможность подключения сотрудников по зашифрованному VPN-каналу с использованием современных бытовых маршрутизаторов с ARM-процессорами, которая обеспечивает автоматическое подключение всех устройств удаленного пользователя к ресурсам локальных сетей головного офиса, предприятия и нет необходимости для IT-специалистов предприятия настраивать каждое устройство пользователя в отдельности.

162. 13.01.2021
В Национальном исследовательском университете «МЭИ» реализованы программные средства для классификации данных, использующих рассуждения на основе прецедентов (Case-Based Reasoning, CBR) и технологию сверточных нейронных сетей (Convolutional Neural Network, CNN).
CBR-методы широко используются для поиска решения различных задач на основе накопленного опыта, а CNN успешно применяются при решении задач классификации за счет выделения отдельных элементов и формирования высокоуровневых признаков с использованием ядер свертки. Таким образом, интеграция CBR-методов и CNN позволяет повысить эффективность решения задачи классификации данных.

163. 23.12.2020
В Институте динамики систем и теории управления им. В.М. Матросова СО РАН созданы модули решений для веб-приложений, использующих методы искусственного интеллекта, в частности, в форме баз знаний, требует разработки специализированного методического и программного обеспечения.
Автоматизация данного процесса возможна с помощью модельно-управляемых подходов, реализующих принципы порождающего и визуального программирования, а также модельных трансформаций. Преимуществом подхода является возможность автоматизированного создания веб-модулей принятия решений на основе преобразований концептуальных моделей и таблиц решений без прямого программирования (манипулирования конструкциями языка программирования).

164. 16.12.2020
В Межведомственном суперкомпьютерном центре РАН (МСЦ РАН) – филиале ФНЦ НИИСИ РАН – рассмотрено поведение алгоритма многократной маркировки перколяционных кластеров в ходе проведения имитационных экспериментов задачи мультиагентного моделирования процессов распространения массовых эпидемий при частичной загрузке запрашиваемых вычислительных узлов современных суперкомпьютерных систем, установленных в МСЦ РАН.
В статье проводится сравнительный анализ времени выполнения алгоритма многократной маркировки перколяционных кластеров Хошена–Копельмана при частичной и полной загрузке вычисли-тельных узлов и при различных значениях входных параметров на четырех основных высокопроизводительных вычислительных системах, установленных в МСЦ РАН – суперкомпьютерах МВС-10П МП2 KNL, МВС-10П ОП, МВС 10П Торнадо, МВС-100К.

165. 12.12.2020
17 декабря пройдет третья онлайн-конференция для бизнес и системный аналитиков
На конференции выступят BA/SA аналитики , EPAM, Accenture.

166. 09.12.2020
В Оренбургском государственном университете совместно с Механическим заводом проведена автоматизация расчета геометрических параметров инструмента заключительной вытяжки с утонением цельнотянутых цилиндрических изделий.
Полученные в ходе исследования с высокой точностью результаты позволяют минимизировать количество ошибок и являются входными данными для модуля автоматического построения трехмерных моделей и чертежей пуансонов и матриц в системе автоматизированного проектирования КОМПАС-3D посредством использования прикладного программного интерфейса.

167. 25.11.2020
В Волжском государственном университете водного транспорта совместно с Тихоокеанским государственным университетом, Самарским государственным университетом путей сообщения и Самарским государственным экономическим университетом исследована комплексная методика и разработан программный продукт для контроля износа коллекторных пластин электродвигателей локомотивов в условиях ремонтного производства с использованием современных информационных технологий.
При ремонте электродвигателей в локомотивных депо предлагается использовать ПО, которое позволит повысить контроль за качеством ремонта данного узла. Внедрение ПО для сбора, обработки и передачи данных о техническом состоянии поверхности коллектора электродвигателей в локо-мотивные депо внесет в ремонтное производство ряд положительных, но экономически трудно учитываемых факторов, среди которых повышение дисциплины и культуры труда, необходимость точного соблюдения технологии измерений.

168. 18.11.2020
В Южно-Российском государственном политехническом университете (НПИ) им. М.И. Платова совместно с Донским государственным техническим университетом проведен обзор динамических задач маршрутизации транспорта.
Рассмотрены предпосылки его формирования, связанные с глобализацией и развитием информационных и коммуникационных технологий, а также изложена краткая история данного подкласса задач со ссылками на работы авторов, внесших значительный вклад в его исследование.

169. 13.11.2020
В Балтийском федеральном университете им. И. Канта совместно с Институтом физико-математических наук и информационных технологий и Тверским государственным техническим университетом создан алгоритм векторизации изображения, содержащего технические объекты.
В данном алгоритме предложен подход к формированию метрического пространства, где изображение, преобразованное в вектор по метрике l2, может сравниваться с изображением-эталоном, тем самым решается задача непостоянного количества классов. Программа, реализующая предложенный алгоритм, разработана на языке Python 3.6 с использованием интегрированной среды Jupyter Lab для операционной системы Ubuntu 18.04.

170. 09.11.2020
В Сибирском государственном университете науки и технологий им. академика М.Ф. Решетнева разработан программный модуль идентификации и коррекции ненормативных погрешностей в процессе индукционной пайки волноводных трактов космических аппаратов.
Разработанный модуль позволяет проводить настройку исходных параметров для создания и обучения искусственной нейронной сети, применяемой для решения задачи коррекции ненормативных погрешностей измерений в процессе индукционной пайки, а также искусственной нейронной сети в части функций активации, количества скрытых слоев и искусственных нейронов на слое, продолжительности обучения.

◄ ← Предыдущая | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | 24 | 25 | 26 | 27 | 28 | 29 | 30 | 31 | 32 | 33 | 34 | 35 | 36 | 37 | 38 | 39 | 40 | 41 | 42 | 43 | 44 | 45 | 46 | 47 | 48 | 49 | 50 | 51 | 52 | 53 | 54 | 55 | 56 | 57 | 58 | 59 | 60 | 61 | 62 | 63 | 64 | 65 | 66 | 67 | 68 | 69 | 70 | 71 | 72 | 73 | 74 | 75 | 76 | 77 | 78 | 79 | 80 | Следующая → ►